क्रेडिट रणनीति और न्यूनतम अपेक्षित हानि

Python में क्रेडिट रिस्क मॉडलिंग

Michael Crabtree

Data Scientist, Ford Motor Company

Acceptance rates चुनना

प्रारंभिक acceptance rate 85% थी, पर अन्य दरें भी चुनी जा सकती हैं
अलग-अलग दरें जाँचने के दो तरीके:
- थ्रेशहोल्ड, bad rate, और हानि मैन्युअल रूप से निकालें
- इन मानों की टेबल ऑटोमेटिकली बनाएँ और एक acceptance rate चुनें
सभी संभावित मानों की यह टेबल strategy table कहलाती है

Strategy table सेट करना

प्रत्येक मान स्टोर करने के लिए arrays या lists सेट करें

# 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 = []

टेबल मानों की गणना

सभी acceptance rates के लिए threshold और bad rate निकालें

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))

Strategy table की व्याख्या

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

strategy table और bad rate बार का उदाहरण

Accepted loans जोड़ना

हर acceptance rate पर स्वीकृत loans की संख्या
- len() या .count() उपयोग करें

accepted loans के साथ strategy table

औसत loan amount जोड़ना

टेस्ट सेट डेटा से औसत loan_amnt

औसत loan amount के साथ strategy table

पोर्टफोलियो मूल्य का अनुमान

स्वीकृत non-defaults का औसत मूल्य माइनस स्वीकृत defaults का औसत मूल्य
मान लें कि हर default में loan_amnt की हानि होती है

अनुमानित मूल्य के साथ strategy table

कुल अपेक्षित हानि

हमारे पोर्टफोलियो में defaults पर संभावित कुल हानि

कुल अपेक्षित हानि का सूत्र

# 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']

अभ्यास करते हैं!

Python में क्रेडिट रिस्क मॉडलिंग