理解信用风险

Python 信用风险建模

Michael Crabtree

Data Scientist, Ford Motor Company

什么是信用风险？

  • 已借款人可能无法全额偿还的可能性
  • 向个人放贷与购买政府债券的风险差
  • 未能偿还贷款称为违约
  • 借款人发生违约的可能性称为违约概率（PD）
Python 信用风险建模

什么是信用风险？

  • 已借款人可能无法全额偿还的可能性
  • 向个人放贷与政府债券之间的风险差
  • 未能偿还贷款称为违约
  • 发生违约的可能性为违约概率（PD）
还款 还款日期 贷款状态
$100 6月15日 未违约
$100 7月15日 未违约
$0 8月15日 违约
Python 信用风险建模

预期损失

  • 因贷款违约导致的公司损失金额
  • 三个核心要素：
    • 违约概率（PD）
    • 违约时敞口（EAD）
    • 违约损失率（LGD）

预期损失公式：

expected_loss = PD * EAD * LGD
Python 信用风险建模

使用的数据类型

两类主要数据：

  • 申请数据
  • 行为数据
申请 行为
利率 工作年限
等级 历史违约
金额 收入
Python 信用风险建模

数据列

  • 混合行为与申请数据
  • 含模拟征信数据的列
列 列
收入 贷款等级
年龄 贷款金额
房屋所有权 利率
工作年限 贷款状态
贷款意图 历史违约
收入占比 信用历史长度
Python 信用风险建模

用交叉表探索

pd.crosstab(cr_loan['person_home_ownership'], cr_loan['loan_status'],
            values=cr_loan['loan_int_rate'], aggfunc='mean').round(2)

按房屋所有权与贷款状态的交叉表（含平均利率）

Python 信用风险建模

用可视化探索

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()

贷款利率与个人收入的散点图

Python 信用风险建模

让我们来练习！

Python 信用风险建模

Preparing Video For Download...