Perte totale attendue
Il est temps d’estimer la perte totale attendue compte tenu de toutes vos décisions. Le DataFrame test_pred_df contient la probabilité de défaut pour chaque prêt ainsi que la valeur de ce prêt. Utilisez ces deux informations pour calculer la perte attendue pour chaque prêt. Ensuite, additionnez ces valeurs pour obtenir la perte totale attendue.
Pour cet exercice, vous supposerez que l’exposition correspond à la valeur totale du prêt et que la perte en cas de défaut est de 100 %. Cela signifie qu’un défaut sur un prêt entraîne la perte de l’intégralité du montant.
Le DataFrame test_pred_df a été chargé dans l’espace de travail.
Cet exercice fait partie du cours
Modélisation du risque de crédit en Python
Instructions
- Affichez les cinq premières lignes de
test_pred_df. - Créez une nouvelle colonne
expected_losspour chaque prêt en utilisant la formule ci-dessus. - Calculez la perte totale attendue de l’ensemble du portefeuille, arrondie à deux décimales, et stockez-la dans
tot_exp_loss. - Affichez la perte totale attendue.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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(____))