Strategia de creditare și pierderea minimă așteptată

Modelarea Riscului de Credit în Python

Michael Crabtree

Data Scientist, Ford Motor Company

Selectarea ratelor de acceptare

Prima rată de acceptare a fost setată la 85%, dar pot fi selectate și alte rate
Două opțiuni pentru testarea diferitelor rate:
- Calcularea manuală a pragului, ratei de risc și pierderilor
- Crearea automată a unui tabel cu aceste valori și selectarea unei rate de acceptare
Tabelul cu toate valorile posibile se numește tabel de strategie

Configurarea tabelului de strategie

Configurarea matricelor sau listelor pentru stocarea valorilor

# 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 = []

Calcularea valorilor din tabel

Calcularea pragului și a ratei de risc pentru toate ratele de acceptare

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))

Interpretarea tabelului de strategie

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

Exemplu de tabel de strategie și bară a ratei de risc

Adăugarea împrumuturilor acceptate

Numărul de împrumuturi acceptate pentru fiecare rată de acceptare
- Se poate utiliza len() sau .count()

Tabel de strategie cu împrumuturi acceptate

Adăugarea sumei medii a împrumutului

loan_amnt mediu din datele setului de testare

Tabel de strategie cu suma medie a împrumutului

Estimarea valorii portofoliului

Valoarea medie a împrumuturilor acceptate fără nerambursare minus valoarea medie a nerambursărilor acceptate
Se presupune că fiecare nerambursare reprezintă o pierdere egală cu loan_amnt

Tabel de strategie cu valoarea estimată

Pierderea totală așteptată

Suma pe care ne așteptăm să o pierdem din nerambursările din portofoliu

Formulă pentru pierderea totală așteptată

# 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']

Să exersăm!

Modelarea Riscului de Credit în Python