Monotono grupisanje numeričkih risk faktora

Zadatak: Fajl dat u nastavku, prvo importovati, a zatim, u odnosu na binarnu zavisnu varijablu target izvršiti monotono grupisanje varijable maturity i to putem sljedećih metoda:

1. iterativnog grupisanja percentila;

2. izotonične regresije;

3. iterativne selekcije maksimalne kumulativne stope zavisne varijable (metod u praksi poznat kao Monotone Adjacent Pooling Algorithm - MAPA).

57KB

monobin.csv

Open

monobin.csv

> #naredne komande izvrsiti ukoliko paketi vec nisu instalirani
> #install.packages("Hmisc")
> #install.packages("dplyr")
> library(Hmisc)
> library(dplyr)
> #pomocna funckija za kreiranje grupa varijable maturity
> slice.variable <- function(x.orig, x.lb, x.ub) {
+ lx <- length(x.orig)
+ lg <- length(x.lb)
+ x.trans <- rep(NA, lx)
+ x.lb.lag <- c(x.lb[-1], x.ub[lg])
+ for(i in 1:lg) {
+ x.lb.l <- x.lb[i]
+ x.lb.lag.l <- x.lb.lag[i]
+ x.ub.l <- x.ub[i]
+ bin.n <- sprintf("%02d", i)
+ bin.f <- ifelse(x.lb.l == x.ub.l, 
+     paste0(bin.n, " [", x.lb.l, "]"), 
+     paste0(bin.n, " [", x.lb.l, ",", x.lb.lag.l, ")"))
+ rep.indx <- which(x.orig >= x.lb.l & x.orig <= x.ub.l)
+ x.trans[rep.indx] <- bin.f
+ }
+ return(x.trans)
+ }

Metod 1

> #metod percentila
> #kreirati funckiju za grupisanje
> monobin.pct <- function(y, x, num.g) {
+ d <- data.frame(y, x)
+ d <- d[complete.cases(d), ]
+ repeat {
+  d$bin = cut2(d$x, g = num.g)
+  ds <- d %>% 
+  group_by(bin) %>%
+  summarise(no = n(),
+      y.avg = mean(y),
+      x.avg = mean(x),
+      x.min = min(x),
+      x.max = max(x))
+  cor.coef <- cor(ds$y.avg, ds$x.avg, method = "spearman")
+  if(abs(cor.coef) == 1 | num.g == 2) {break}
+  num.g <- num.g - 1
+  }
+ return(ds)
+ }
> #primijeniti funkciju na zavisnu varijablu target i varijablu maturity
> cut.pts <- monobin.pct(y = db$target, x = db$maturity, num.g = 10) 
> cut.pts
# A tibble: 3 x 6
  bin        no  y.avg x.avg x.min x.max
  <fct>   <int>  <dbl> <dbl> <int> <int>
1 [ 4,13)  3973 0.0327  9.65     4    12
2 [13,26)  4090 0.0489 20.3     13    24
3 [26,72]  1937 0.0878 38.2     26    72
> #kreiranje grupa
> db$maturity.pct <- slice.variable(x.orig = db$maturity, 
+     x.lb = cut.pts$x.min, 
+     x.ub = cut.pts$x.max)
> #provjera
> db %>%
+ group_by(mat.bin = maturity.pct) %>% 
+ summarise(no = n(),
+     target.avg = mean(target, na.rm = TRUE),
+     mat.avg = mean(maturity, na.rm = TRUE),
+     mat.min = min(maturity, na.rm = TRUE),
+     mat.max = max(maturity, na.rm = TRUE))
# A tibble: 3 x 6
  mat.bin       no target.avg mat.avg mat.min mat.max
  <chr>      <int>      <dbl>   <dbl>   <int>   <int>
1 01 [4,13)   3973     0.0327    9.65       4      12
2 02 [13,26)  4090     0.0489   20.3       13      24
3 03 [26,72)  1937     0.0878   38.2       26      72

Metod 2

Metod 3

U praksi, analitičari prikazane metode najčešće kombinuju sa korekcijama za minimalni broj podataka i minimalnu stopu zavisne varijable po pojedinačnim grupama. Takođe, čest je slučaj da se koriste i različiti statistički testovi ili ekspertski odrede pragovi značajnosti za dalje spajanje inicijalnih grupa, u cilju dobijanja monotonih grupa sa značajnim razlikama prosječnih vrijednosti nezavisne varijable. Prikazane metode, kao i njihova kombinacija sa dodatnih grupisanjem, vrlo jednostavno mogu biti prilagođenje i za neprekidne zavisne varijable (što je obično slučaj kod LGD i EAD modela). Detalji i dodatne metode prikazani su u R paketima monobin i monobinShiny.