Технология работы

В соответствии со стандартом работы в учебном классе все Лабораторные работы на Демо-версии ПК «ЛВ-оценка и анализ кредитных рисков» начинаются с копирования папки “credit_risk” с диска M:TeachSolojencevcredit_risk на диск «Мой компьютер». После окончания лабораторной работы, студент переписывает файлы с результатами из папки “credit_risk” в свою папку на своем студенческом рабочем диске.

1. Лабораторная работа выполняется после однократного выполнения работы 2 с заданными (преподавателем) индивидуально каждому студенту значениями параметров: Nopt – число оптимизаций, Nmc – число попыток Монте-Карло на шаге оптимизации, Ngc – расчетное число хороших кредитов. Задание фиксируется в журнале преподавателя.
2. Выполнить анализ результатов в файле fFmaxLast.tx , приведенном на рис. 6:

· Определить признаки, имеющие наибольший и наименьший средние вероятности Pm и P1m по множеству кредитов банка.

· Определить, во сколько раз отличаются эти вероятности. Признаки, имеющие наибольшие вероятности, вносят наибольший вклад в средний риск, и банку следует обратить на них наибольшее внимание.

Средние значения вероятностей для признаков описания кредитов:

Pjm[1] = 0.020293 P1jm[1] = 0.274190

Pjm[2] = 0.012180 P1jm[2] = 0.061007

Pjm[3] = 0.009075 P1jm[3] = 0.103294

Pjm[4] = 0.021151 P1jm[4] = 0.090019

Pjm[5] = 0.017402 P1jm[5] = 0.080651

Pjm[6] = 0.022386 P1jm[6] = 0.276516

Pjm[7] = 0.018549 P1jm[7] = 0.208358

Pjm[8] = 0.017788 P1jm[8] = 0.267971

Pjm[9] = 0.014318 P1jm[9] = 0.184397

Pjm[10] = 0.018399 P1jm[10] = 0.321659

Pjm[11] = 0.018874 P1jm[11] = 0.254490

Pjm[12] = 0.017096 P1jm[12] = 0.246005

Pjm[13] = 0.018820 P1jm[13] = 0.205216

Pjm[14] = 0.014800 P1jm[14] = 0.228591

Pjm[15] = 0.017578 P1jm[15] = 0.262706

Pjm[16] = 0.022042 P1jm[16] = 0.339911

Pjm[17] = 0.018632 P1jm[17] = 0.228849

Pjm[18] = 0.017428 P1jm[18] = 0.479042

Pjm[19] = 0.018133 P1jm[19] = 0.507708

Pjm[20] = 0.018366 P1jm[20] = 0.774331

3. Выполнить анализ результатов, находящихся в файле fFmaxLast.tx и приведенных на рис.7:

· Вероятности событий-градаций P[ ] и P1[ } для всех признаков;

· Вклады событий-градаций в точность ЛВ-модели E1[ ], E0[ ], Em для всех признаков.

На рис. 7 приведены вероятности P1r ( P[1], P[2], P[3], P[4] ) и P11r ( P1 [1], P11[2], P1 [3], P1 [4] ) в ГНС только для градаций первого признака (j=1). Идентификаторы имеют обозначения, совпадающие с написанием в Software. а также ошибки распознавания E1 градаций для хороших (g), плохих (b) кредитов и в среднем (m).

Вероятности и ошибки распознавания событий-градаций (для признака j=1):

P[1] = 0.034313; P1 [1] = 0.463907

P[2] = 0.032726; P1 [2] = 0.442442

P[3] = 0.001937; P1 [3] = 0.026188

P[4] = 0.004990; P1 [4] = 0.067464

E[1]g=0.025000 E1[1]b=0.314433 E1[1]m=0.229927

E[2]g=0.077586 E1[2]b=0.372549 E1[2]m=0.245353

E[3]g=0.160714 E1[3]b=0.285714 E1[3]m=0.174603

E[4]g=0.069832 E1[4]b=0.416667 E1[4]m=0.101523

4. Сделайте выводы для всех признаков о том, вероятность какого события-градации максимальна/минимальна и каков ее вклад в точность модели. Сформулируйте рекомендации банку по изменению числа признаков и градаций в каждом признаке.