Comprendre le risque de crédit

Modélisation du risque de crédit en Python

Michael Crabtree

Data Scientist, Ford Motor Company

Qu'est-ce que le risque de crédit ?

Possibilité qu'une personne emprunteuse ne rembourse pas tout
Écart de risque calculé entre prêter à quelqu'un et une obligation d'État
Si un prêt n'est pas remboursé, on parle de défaut
La probabilité qu'une personne fasse défaut est la probabilité de défaut (PD)

Qu'est-ce que le risque de crédit ?

Possibilité qu'une personne emprunteuse ne rembourse pas tout
Écart de risque calculé entre prêter à quelqu'un et une obligation d'État
Si un prêt n'est pas remboursé, on parle de défaut
La probabilité qu'une personne fasse défaut est la probabilité de défaut (PD)

Paiement	Date de paiement	État du prêt
100 $	15 juin	Non en défaut
100 $	15 juil.	Non en défaut
0 $	15 août	En défaut

Perte attendue

Montant en dollars perdu par l'entreprise en cas de défaut
Trois composantes principales :
- Probability of Default (PD)
- Exposure at Default (EAD)
- Loss Given Default (LGD)

Formule de la perte attendue :

expected_loss = PD * EAD * LGD

Types de données utilisés

Deux principaux types de données utilisés :

Données de demande
Données comportementales

Demande	Comportemental
Taux d'intérêt	Ancienneté d'emploi
Cote	Défaut historique
Montant	Revenu

Colonnes de données

Mélange de données comportementales et de demande
Contiennent des colonnes simulant des données de bureau de crédit

Colonne	Colonne
Revenu	Cote de prêt
Âge	Montant du prêt
Propriété du logement	Taux d'intérêt
Ancienneté d'emploi	État du prêt
Objet du prêt	Défaut historique
Pourcentage du revenu	Ancienneté du dossier de crédit

Explorer avec des tableaux croisés

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

Table croisée : propriété du logement vs état du prêt, avec taux d'intérêt moyen

Explorer avec des visuels

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()

Nuage de points : taux d'intérêt du prêt et revenu de la personne

Passons à la pratique !

Modélisation du risque de crédit en Python