预测违约概率

Python 信用风险建模

Michael Crabtree

Data Scientist, Ford Motor Company

逻辑回归系数

# Model Intercept
array([-3.30582292e-10])
# Coefficients for ['loan_int_rate','person_emp_length','person_income']
array([[ 1.28517496e-09, -2.27622202e-09, -2.17211991e-05]])

使用逻辑回归计算违约概率的公式

# Calculating probability of default
int_coef_sum = -3.3e-10 +
    (1.29e-09 * loan_int_rate) + (-2.28e-09 * person_emp_length) + (-2.17e-05 * person_income)
prob_default = 1 / (1 + np.exp(-int_coef_sum))
prob_nondefault = 1 - (1 / (1 + np.exp(-int_coef_sum)))

解读系数

# Intercept
intercept = -1.02
# Coefficient for employment length
person_emp_length_coef = -0.056

person_emp_length 每增加 1 年，违约可能性降低

解读系数

# Intercept
intercept = -1.02
# Coefficient for employment length
person_emp_length_coef = -0.056

person_emp_length 每增加 1 年，违约可能性降低

intercept	person_emp_length	value * coef	probability of default
`-1.02`	10	(10 * `-0.06`)	.17
`-1.02`	11	(11 * `-0.06`)	.16
`-1.02`	12	(12 * `-0.06`)	.15

使用非数值列

数值型：loan_int_rate、person_emp_length、person_income
非数值型：
```
cr_loan_clean['loan_intent']
```

EDUCATION            
MEDICAL              
VENTURE              
PERSONAL             
DEBTCONSOLIDATION   
HOMEIMPROVEMENT

若不处理，在 Python 机器学习模型中会报错

独热编码（One-hot encoding）

用数字表示字符串

数据中的贷款意图示例

独热编码（One-hot encoding）

用数字表示字符串
在新列 column_VALUE 中填 0 或 1

对贷款意图列进行独热编码的示例

使用 get_dummies

在 pandas 中使用 get_dummies()

# Separate the numeric columns
cred_num = cr_loan.select_dtypes(exclude=['object'])
# Separate non-numeric columns
cred_cat = cr_loan.select_dtypes(include=['object'])
# One-hot encode the non-numeric columns only
cred_cat_onehot = pd.get_dummies(cred_cat)
# Union the numeric columns with the one-hot encoded columns
cr_loan = pd.concat([cred_num, cred_cat_onehot], axis=1)

预测未来的概率

使用 scikit-learn 的 .predict_proba() 方法

# Train the model
clf_logistic.fit(X_train, np.ravel(y_train))
# Predict using the model
clf_logistic.predict_proba(X_test)

生成违约概率数组

# Probabilities: [[non-default, default]]
array([[0.55, 0.45]])

让我们来练习！

Python 信用风险建模