เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ความสูญเสียที่คาดหวังรวม

ถึงเวลาประเมินความสูญเสียที่คาดหวังรวมจากการตัดสินใจทั้งหมดของคุณแล้ว DataFrame test_pred_df มีความน่าจะเป็นของการผิดนัดชำระหนี้และมูลค่าของสินเชื่อแต่ละรายการ นำค่าทั้งสองนี้มาคำนวณความสูญเสียที่คาดหวังสำหรับสินเชื่อแต่ละรายการ จากนั้นจึงรวมค่าเหล่านั้นเพื่อหาความสูญเสียที่คาดหวังรวม

ในแบบฝึกหัดนี้ จะถือว่า exposure เท่ากับมูลค่าเต็มของสินเชื่อ และค่าความสูญเสียเมื่อเกิดการผิดนัดชำระหนี้อยู่ที่ 100% ซึ่งหมายความว่าหากสินเชื่อแต่ละรายการผิดนัด จะสูญเสียเงินทั้งจำนวน

โหลด DataFrame test_pred_df ไว้ใน workspace แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การสร้างโมเดลความเสี่ยงด้านเครดิตด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • แสดง 5 แถวแรกของ test_pred_df
  • สร้างคอลัมน์ใหม่ชื่อ expected_loss สำหรับสินเชื่อแต่ละรายการโดยใช้สูตรด้านบน
  • คำนวณความสูญเสียที่คาดหวังรวมของพอร์ตโฟลิโอทั้งหมด โดยปัดเศษให้เหลือทศนิยม 2 ตำแหน่ง แล้วเก็บไว้ในตัวแปร tot_exp_loss
  • แสดงค่าความสูญเสียที่คาดหวังรวม

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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(____))
แก้ไขและรันโค้ด