Úvěrová strategie a minimální očekávaná ztráta

Credit Risk Modeling in Python

Michael Crabtree

Data Scientist, Ford Motor Company

Výběr míry přijetí

První míra přijetí byla nastavena na 85 %, lze ale zvolit i jiné hodnoty
Dvě možnosti testování různých sazeb:
- Ruční výpočet prahu, míry špatných úvěrů a ztrát
- Automatické vytvoření tabulky těchto hodnot a výběr míry přijetí
Tabulka všech možných hodnot se nazývá tabulka strategie

Sestavení tabulky strategie

Nastavení polí nebo seznamů pro ukládání hodnot

# Set all the acceptance rates to test
accept_rates = [1.0, 0.95, 0.9, 0.85, 0.8, 0.75, 0.7, 0.65, 0.6, 0.55,
                0.5, 0.45, 0.4, 0.35, 0.3, 0.25, 0.2, 0.15, 0.1, 0.05]
# Create lists to store thresholds and bad rates 
thresholds = []
bad_rates = []

Výpočet hodnot tabulky

Výpočet prahu a míry špatných úvěrů pro všechny míry přijetí

for rate in accept_rates:
    # Calculate threshold
    threshold = np.quantile(preds_df['prob_default'], rate).round(3)
    # Store threshold value in a list
    thresholds.append(np.quantile(preds_gbt['prob_default'], rate).round(3))
    # Apply the threshold to reassign loan_status
    test_pred_df['pred_loan_status'] = \ 
        test_pred_df['prob_default'].apply(lambda x: 1 if x > thresh else 0)
    # Create accepted loans set of predicted non-defaults
    accepted_loans = test_pred_df[test_pred_df['pred_loan_status'] == 0]
    # Calculate and store bad rate
    bad_rates.append(np.sum((accepted_loans['true_loan_status']) 
             / accepted_loans['true_loan_status'].count()).round(3))

Interpretace tabulky strategie

strat_df = pd.DataFrame(zip(accept_rates, thresholds, bad_rates),
                        columns = ['Acceptance Rate','Threshold','Bad Rate'])

Příklad tabulky strategie s pruhem míry špatných úvěrů

Přidání přijatých úvěrů

Počet přijatých úvěrů pro každou míru přijetí
- Lze použít len() nebo .count()

Tabulka strategie s přijatými úvěry

Přidání průměrné výše úvěru

Průměrná hodnota loan_amnt z testovací sady

Tabulka strategie s průměrnou výší úvěru

Odhad hodnoty portfolia

Průměrná hodnota přijatých úvěrů bez selhání mínus průměrná hodnota přijatých selhání
Předpokládá, že každé selhání znamená ztrátu loan_amnt

Tabulka strategie s odhadovanou hodnotou

Celková očekávaná ztráta

Očekávaná ztráta ze selhání v portfoliu

Vzorec pro celkovou očekávanou ztrátu

# Probability of default (PD)
test_pred_df['prob_default']
# Exposure at default = loan amount (EAD)
test_pred_df['loan_amnt']
# Loss given default = 1.0 for total loss (LGD)
test_pred_df['loss_given_default']

Pojďme si procvičit!

Credit Risk Modeling in Python