Mô hình hóa Rủi ro Tín dụng bằng Python
Michael Crabtree
Data Scientist, Ford Motor Company
| Khoản thanh toán | Ngày thanh toán | Trạng thái khoản vay |
|---|---|---|
| $100 | 15 Thg 6 | Không vỡ nợ |
| $100 | 15 Thg 7 | Không vỡ nợ |
| $0 | 15 Thg 8 | Vỡ nợ |
Công thức tổn thất kỳ vọng:
expected_loss = PD * EAD * LGD
Hai loại dữ liệu chính dùng:
| Hồ sơ | Hành vi |
|---|---|
| Lãi suất | Thâm niên việc làm |
| Hạng | Lịch sử vỡ nợ |
| Số tiền | Thu nhập |
| Cột | Cột |
|---|---|
| Thu nhập | Hạng khoản vay |
| Tuổi | Số tiền vay |
| Sở hữu nhà | Lãi suất |
| Thâm niên việc làm | Trạng thái khoản vay |
| Mục đích vay | Lịch sử vỡ nợ |
| % Thu nhập | Thời gian lịch sử tín dụng |
pd.crosstab(cr_loan['person_home_ownership'], cr_loan['loan_status'],
values=cr_loan['loan_int_rate'], aggfunc='mean').round(2)
plt.scatter(cr_loan['person_income'], cr_loan['loan_int_rate'],c='blue', alpha=0.5)
plt.xlabel("Personal Income")
plt.ylabel("Loan Interest Rate")
plt.show()
Mô hình hóa Rủi ro Tín dụng bằng Python