Кредитна стратегія та мінімальні очікувані збитки

Моделювання кредитного ризику в Python

Michael Crabtree

Data Scientist, Ford Motor Company

Вибір рівнів прийняття

Спершу рівень прийняття був 85%, але можна обрати й інші
Є два способи перевірити різні рівні:
- Розрахувати поріг, bad rate і збитки вручну
- Автоматично створити таблицю цих значень і обрати рівень прийняття
Таблиця всіх можливих значень називається таблицею стратегії

Підготовка таблиці стратегії

Створіть масиви або списки для зберігання кожного значення

# 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 = []

Обчислення значень таблиці

Обчисліть поріг і bad rate для всіх рівнів прийняття

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))

Інтерпретація таблиці стратегії

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

Приклад таблиці стратегії та стовпчика bad rate

Додавання прийнятих кредитів

Кількість прийнятих кредитів для кожного рівня прийняття
- Можна використати len() або .count()

Таблиця стратегії з прийнятими кредитами

Додавання середньої суми кредиту

Середнє loan_amnt у тестовому наборі

Таблиця стратегії із середньою сумою кредиту

Оцінка вартості портфеля

Середнє значення прийнятих непорушень мінус середнє значення прийнятих дефолтів
Припускаємо, що кожний дефолт — це втрата loan_amnt

Таблиця стратегії з оціненою вартістю

Загальні очікувані збитки

Скільки очікуємо втратити через дефолти в портфелі

Формула загальних очікуваних збитків

# 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']

Давайте потренуємось!

Моделювання кредитного ризику в Python