Kom igångKom igång gratis

Beräkna andelen dåliga lån för en given acceptansgrad

I videon lärde du dig hur man beräknar andelen dåliga lån (det vill säga andelen fallissemang) i en banks låneportfölj utifrån:

  1. en specifik modell
  2. acceptansgraden

I den här övningen beräknar du vilken andel dåliga lån en bank kan förvänta sig när det beskurna trädet ptree_prior – som du tränade tidigare – används tillsammans med en acceptansgrad på 80 %. Som en påminnelse visas trädet till höger.

Den här övningen är en del av kursen

Kreditriskmodellering i R

Visa kurs

Övningsinstruktioner

  • I skriptet finns koden för att göra prediktioner om sannolikheten för fallissemang med hjälp av det beskurna trädet och test_set. Kom ihåg att när du använder funktionen predict() för ett träd hittas sannolikheten för fallissemang i den andra kolumnen. Därför har [,2] lagts till efter anropet till predict().
  • Beräkna det tröskelvärde som ger en acceptansgrad på 80 % med hjälp av prob_default_prior. Använd funktionen quantile() och sätt det andra argumentet till 0.8. Tilldela resultatet namnet cutoff_prior.
  • Koden för att beräkna de faktiska binära fallissemangsprediktionerna (0 eller 1) är tillhandahållen – den använder ifelse(). Ge objektet namnet bin_pred_prior_80.
  • Koden för att välja ut fallissemangsindikatorerna i test_set för de godkända lånen enligt en acceptansgrad på 80 % är tillhandahållen.
  • Beräkna andelen fallissemang (det vill säga "andelen dåliga lån") för de godkända lånen. Det är antalet förekomster av 1 i accepted_status_prior_80 dividerat med det totala antalet element i den vektorn. Skriv ut resultatet i R-konsolen.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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
Redigera och kör kod