Gesamterwarteter Verlust
Jetzt ist es Zeit, den gesamten erwarteten Verlust auf Basis all deiner Entscheidungen zu schätzen. Der DataFrame test_pred_df enthält die Ausfallwahrscheinlichkeit für jeden Kredit sowie dessen Wert. Nutze diese beiden Werte, um den erwarteten Verlust für jeden Kredit zu berechnen. Anschließend kannst du diese Werte aufsummieren und erhältst den gesamterwarteten Verlust.
Für diese Übung nimmst du an, dass das Exposure dem vollen Kreditbetrag entspricht und der Loss Given Default 100 % beträgt. Das bedeutet: Ein Ausfall eines Kredits führt zum Verlust des gesamten Betrags.
Der DataFrame test_pred_df wurde in den Workspace geladen.
Diese Übung ist Teil des Kurses
<Kurs>Kreditrisikomodellierung in Python</Kurs>Übungsanweisungen
- Gib die obersten fünf Zeilen von
test_pred_dfaus. - Erstelle eine neue Spalte
expected_lossfür jeden Kredit anhand der obigen Formel. - Berechne den gesamterwarteten Verlust des gesamten Portfolios, auf zwei Dezimalstellen gerundet, und speichere ihn als
tot_exp_loss. - Gib den gesamterwarteten Verlust aus.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Print the first five rows of the data frame
print(____.head())
# Calculate the bank's expected loss and assign it to a new column
____[____] = ____[____] * ____[____] * ____[____]
# Calculate the total expected loss to two decimal places
____ = round(np.____(____[____]),2)
# Print the total expected loss
print('Total expected loss: ', '${:,.2f}'.format(____))