ทำความเข้าใจความเสี่ยงด้านสินเชื่อ

การสร้างโมเดลความเสี่ยงด้านเครดิตด้วย Python

Michael Crabtree

Data Scientist, Ford Motor Company

ความเสี่ยงด้านสินเชื่อคืออะไร?

โอกาสที่ผู้กู้จะไม่ชำระหนี้คืนทั้งหมด
ส่วนต่างความเสี่ยงระหว่างการให้กู้ยืมกับพันธบัตรรัฐบาล
เมื่อผู้กู้ไม่ชำระหนี้ เรียกว่าอยู่ในสถานะผิดนัดชำระ (default)
โอกาสที่จะผิดนัดชำระเรียกว่า ความน่าจะเป็นของการผิดนัดชำระ (PD)

ความเสี่ยงด้านสินเชื่อคืออะไร?

โอกาสที่ผู้กู้จะไม่ชำระหนี้คืนทั้งหมด
ส่วนต่างความเสี่ยงระหว่างการให้กู้ยืมกับพันธบัตรรัฐบาล
เมื่อผู้กู้ไม่ชำระหนี้ เรียกว่าอยู่ในสถานะผิดนัดชำระ (default)
โอกาสที่จะผิดนัดชำระเรียกว่า ความน่าจะเป็นของการผิดนัดชำระ (PD)

Payment	Payment Date	Loan Status
$100	Jun 15	Non-Default
$100	Jul 15	Non-Default
$0	Aug 15	Default

ความสูญเสียที่คาดหวัง

จำนวนเงินที่สถาบันสูญเสียจากการผิดนัดชำระสินเชื่อ
องค์ประกอบหลัก 3 ส่วน:
- ความน่าจะเป็นของการผิดนัดชำระ (PD)
- มูลค่าความเสี่ยง ณ เวลาผิดนัดชำระ (EAD)
- ความสูญเสียเมื่อผิดนัดชำระ (LGD)

สูตรคำนวณความสูญเสียที่คาดหวัง:

expected_loss = PD * EAD * LGD

ประเภทของข้อมูลที่ใช้

ข้อมูลหลักที่ใช้มี 2 ประเภท:

ข้อมูลใบสมัคร
ข้อมูลพฤติกรรม

Application	Behavioral
Interest Rate	Employment Length
Grade	Historical Default
Amount	Income

คอลัมน์ในชุดข้อมูล

ผสมระหว่างข้อมูลพฤติกรรมและข้อมูลใบสมัคร
มีคอลัมน์ที่จำลองข้อมูลจากสำนักงานเครดิต

Column	Column
Income	Loan grade
Age	Loan amount
Home ownership	Interest rate
Employment length	Loan status
Loan intent	Historical default
Percent Income	Credit history length

สำรวจข้อมูลด้วย cross table

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

ตารางไขว้แสดงประเภทที่อยู่อาศัยและสถานะสินเชื่อพร้อมอัตราดอกเบี้ยเฉลี่ย

สำรวจข้อมูลด้วยการแสดงผลแบบภาพ

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()

Scatter plot ของอัตราดอกเบี้ยสินเชื่อและรายได้ส่วนบุคคล

มาฝึกกันเถอะ!

การสร้างโมเดลความเสี่ยงด้านเครดิตด้วย Python