부실률(Bad rates)
승인율을 고려하면서, 이제 승인된 대출 내에서 부실률을 분석해 볼 수 있어요. 이렇게 하면 승인된 건 중에서 부도(default)가 차지하는 비율을 확인할 수 있습니다.
승인율과 부실률이 미치는 영향을 생각해 보세요. 우리는 포트폴리오의 부도를 줄이기 위해 승인율을 설정합니다. 왜냐하면 부도는 비용이 더 크기 때문입니다. 그렇다면 부실률은 테스트 데이터에서의 전체 부도 비율보다 낮을까요?
예측 데이터 프레임 test_pred_df는 작업 공간에 로드되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 신용 리스크 모델링
연습 안내
- 예측 데이터 프레임의 처음 다섯 행을 출력하세요.
- 예측된 대출 상태가
0인 대출만 포함하는accepted_loans라는 서브셋을 만드세요. - 해당 서브셋의
true_loan_status를 기준으로sum()과.count()를 사용해 부실률을 계산하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Print the top 5 rows of the new data frame
print(____.____())
# Create a subset of only accepted loans
____ = ____[____['pred_loan_status'] == ____]
# Calculate the bad rate
print(np.____(____['true_loan_status']) / ____['true_loan_status'].____())