LoslegenKostenlos starten

Bad Rate bei gegebener Acceptance Rate berechnen

Im Video hast du gelernt, wie man die Bad Rate (also den Prozentsatz an Defaults) im Kreditportfolio einer Bank berechnet, wenn Folgendes gegeben ist:

  1. ein spezifisches Modell
  2. die Acceptance Rate

In dieser Übung berechnest du die Bad Rate, die eine Bank erwarten kann, wenn sie den zuvor angepassten beschnittenen Baum ptree_prior verwendet und eine Acceptance Rate von 80 % annimmt. Zur Erinnerung: Der Baum ist rechts dargestellt.

Diese Übung ist Teil des Kurses

<Kurs>Kreditrisikomodellierung in R</Kurs>
Kurs ansehen

Übungsanweisungen

  • Im Skript findest du den Code, um mit dem beschnittenen Baum und test_set die Ausfallwahrscheinlichkeiten vorherzusagen. Denk daran: Wenn du predict() für einen Baum verwendest, steht die Ausfallwahrscheinlichkeit in der zweiten Spalte. Deshalb wurde [,2] an die predict()-Funktion angehängt.
  • Ermittle den Cut-off, der zu einer Acceptance Rate von 80 % führt, mit prob_default_prior. Du kannst dazu die quantile()-Funktion verwenden und das zweite Argument auf 0.8 setzen. Vergib den Namen cutoff_prior.
  • Der Code, um die tatsächlichen binären Default-Vorhersagen (0 oder 1) zu erhalten, ist angegeben. Siehe ifelse() hier. Nenne das Objekt bin_pred_prior_80.
  • Der Code, um die Default-Indikatoren von test_set für die akzeptierten Kredite gemäß einer Acceptance Rate von 80 % auszuwählen, ist gegeben.
  • Berechne den Prozentsatz der Defaults (also die „Bad Rate“) für die akzeptierten Kredite. Das ist die Anzahl der Vorkommen von 1 in accepted_status_prior_80, geteilt durch die Gesamtzahl der Elemente in diesem Vektor. Gib die Lösung in deiner R-Konsole aus.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Make predictions for the probability of default using the pruned tree and the test set.
prob_default_prior <- predict(ptree_prior, newdata = test_set)[ ,2]

# Obtain the cutoff for acceptance rate 80%
  

# Obtain the binary predictions.
bin_pred_prior_80 <- ifelse(prob_default_prior > cutoff_prior, 1, 0)

# Obtain the actual default status for the accepted loans
accepted_status_prior_80 <- test_set$loan_status[bin_pred_prior_80 == 0]

# Obtain the bad rate for the accepted loans
Code bearbeiten und ausführen