Modelarea Riscului de Credit în Python
Michael Crabtree
Data Scientist, Ford Motor Company
| Plată | Dată plată | Statut împrumut |
|---|---|---|
| $100 | 15 iun. | Non-Default |
| $100 | 15 iul. | Non-Default |
| $0 | 15 aug. | Default |
Formula pierderii așteptate:
expected_loss = PD * EAD * LGD
Două tipuri principale de date utilizate:
| Aplicație | Comportamentale |
|---|---|
| Rata dobânzii | Durata angajării |
| Clasă | Default istoric |
| Sumă | Venit |
| Coloană | Coloană |
|---|---|
| Venit | Clasă împrumut |
| Vârstă | Sumă împrumut |
| Tip locuință | Rata dobânzii |
| Durata angajării | Statut împrumut |
| Scopul împrumutului | Default istoric |
| Procent din venit | Istoricul creditului |
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()
Modelarea Riscului de Credit în Python