Totale verwachte verlies

Tijd om de totale verwachte verlies te schatten op basis van al je beslissingen. De data frame test_pred_df bevat voor elke lening de kans op default en de waarde van die lening. Gebruik deze twee waarden om de verwachte verlies per lening te berekenen. Daarna kun je die waarden sommeren om de totale verwachte verlies te krijgen.

Voor deze oefening ga je ervan uit dat de exposure gelijk is aan de volledige waarde van de lening, en dat de verlies bij default 100% is. Dit betekent dat een default op de lening een verlies van het volledige bedrag oplevert.

De data frame test_pred_df is in de workspace geladen.

Deze oefening maakt deel uit van de cursus

Kredietrisicomodellering in Python

Cursus bekijken

Oefeninstructies

Print de eerste vijf rijen van test_pred_df.
Maak een nieuwe kolom expected_loss voor elke lening met behulp van de bovenstaande formule.
Bereken de totale verwachte verlies van de hele portefeuille, afgerond op twee decimalen, en sla die op als tot_exp_loss.
Print de totale verwachte verlies.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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(____))

Code bewerken en uitvoeren