社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  Python

信用风险建模 in Python 系列 5 - 阈值模型概述

王的机器 • 3 年前 • 378 次点击  



本文含 1845 字,2 图表截屏
建议阅读 10 分钟



0
引言


本文是「信用风险建模 in Python」系列的第五篇,其实在之前的 Cufflinks 那篇已经埋下了信用风险的伏笔,


  1. 信用组合可视化

  2. 信用风险 101

  3. 独立模型 - 伯努利模型

  4. 独立模型 - 泊松模型

  5. 混合模型 - 概述


:由于每次我都是在 word 里写好,然后再在微信公众里编辑。但是文章里太多数学公式和符号,每次截图和调整符号都让我崩溃,本来写文花了不少时间,编辑又花了差不多同样的时间。事情太多而最近身体一直不好,不能再这么低效下去了。以后我就直接把 word 里的东西以图片形式发出来。我知道从手机上看字有些小,真想学的建议用网页打开,或者将图片存下来是可以看的。


东西都是干货,还是能学到不少只是的。只是我真的没有时间用在排版编辑了,见谅。



文中计算条件概率的代码:

def cond_PD(p, rho, G):    num = norm.ppf(p) - np.sqrt(rho)*G    denom = np.sqrt(1-rho)    return norm.cdf(num/denom)


文中计算二维高斯分布的 CDF 的代码:

import numpy.linalg as nlaimport scipy.integrate as nInt
def JDP(x1, x2, rho): bounds = [[-7, norm.ppf(x1)],[-7, norm.ppf(x2)]] f, err = nInt.nquad( GaussianDensity2D, bounds, args=(rho,) ) return f
def GaussianDensity2D(x1, x2, rho): omega = np.array([[1,rho],[rho,1]]) t1 = 2*np.pi*np.sqrt(nla.det(omega)) t2 = np.dot(np.dot(np.array([x1,x2]),nla.inv(omega)),np.array([x1,x2]))    return np.exp(-t2/2) / t1


文中的两幅图:


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/72602
 
378 次点击