1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Modelování kreditního rizika v R
Connected

cvičení

Výpočet míry špatných úvěrů při pevně stanovené míře akceptace

Ve videu jsi se naučil/a, jak vypočítat míru špatných úvěrů (tedy procento defaultů) v úvěrovém portfoliu banky, pokud jsou k dispozici:

  1. konkrétní model
  2. míra akceptace

V tomto cvičení vypočítáš míru špatných úvěrů, se kterou může banka počítat při použití ořezaného stromu ptree_prior, který jsi dříve natrénoval/a, a při míře akceptace 80 %. Jako připomínka – strom je zobrazený na pravé straně obrazovky.

Pokyny

100 XP
  • Ve skriptu je připravený kód pro výpočet predikcí pravděpodobnosti defaultu pomocí ořezaného stromu a test_set. Pamatuj, že při použití funkce predict() pro strom najdeš pravděpodobnost defaultu ve druhém sloupci. Proto byl ke predict() přidán výraz [,2].
  • Urči hranici (cut-off), která odpovídá míře akceptace 80 %, a to pomocí prob_default_prior. Využij k tomu funkci quantile() – druhý argument nastav na hodnotu 0.8. Výsledek ulož pod názvem cutoff_prior.
  • Kód pro získání skutečných binárních predikcí defaultu (0 nebo 1) je již připravený. Zde se využívá ifelse(). Objekt pojmenuj bin_pred_prior_80.
  • Kód pro výběr indikátorů defaultu z test_set pro akceptované úvěry odpovídající míře akceptace 80 % je již připravený.
  • Vypočítej procento defaultů (tedy „míru špatných úvěrů") pro akceptované úvěry. Jde o počet výskytů hodnoty 1 v accepted_status_prior_80 dělený celkovým počtem prvků tohoto vektoru. Výsledek vypiš do R konzole.