총 기대손실
이제 모든 의사결정을 바탕으로 총 기대손실을 추정해 보겠습니다. 데이터 프레임 test_pred_df에는 각 대출의 부도 확률과 해당 대출 금액이 들어 있어요. 이 두 값을 사용해 각 대출의 기대손실을 계산한 뒤, 그 값을 모두 합해 총 기대손실을 구하면 됩니다.
이번 연습에서는 익스포저가 대출 전액이며, 부도 시 손실률(Loss Given Default, LGD)이 100%라고 가정합니다. 즉, 어떤 대출이 부도 나면 해당 대출 금액 전액을 손실로 본다는 뜻입니다.
데이터 프레임 test_pred_df는 워크스페이스에 로드되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 신용 리스크 모델링
연습 안내
test_pred_df의 상위 5개 행을 출력하세요.- 위의 공식을 사용해 각 대출의 기대손실을 나타내는 새 열
expected_loss를 만드세요. - 전체 포트폴리오의 총 기대손실을 소수점 둘째 자리로 반올림해
tot_exp_loss로 저장하세요. - 총 기대손실을 출력하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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(____))