The methodolgy ή the sql για αποκτώ the δεδομένα αυτοί καμπύλεs στο δρόμο από το ιδιωτικός δεδομένα εξάγω έχω ήδη been εξήγησα μέσα λεπτομέρεια, μα σύντομος…
- The Y άξονας is the ποσοστό επί τοιs εκατό του όλος δάνειο orginated του έναs δίνω ηλικία ότι είναι τώρα 1 μήναs αργά ή λατρεύω…
- The X άξονας is the ημέρες δάνειο origination.Β
- The καμπύλεs στο δρόμο σταματώ πότε υπάρχει λιγότερο από 250 δάνειο μέσα στο “ κουβάς”
- αυτοί καμπύλεs στο δρόμο είναι για όλος δάνειο του έναs δίνω πίστωση βαθμόs έναs θα αποκτώ διαφορετικός καμπύλεs στο δρόμο ( κολακεύω slopesbetter=); για exmaple,Β if you λυκάνθρωπος επιλέγω δάνειο με 2 ή λιγότερος έρευνα και 5 χρόνια του ιστορία πιστώσεων you θα βλέπω κολακεύω slopes.
The κουζίνα is 7-8% για AA όλο το δρόμο σε ~55% για HR.Β Β
(κλικ γραφικός για μεγαλύτερος εκδοχή)
ευτυχισμένος Vintage καμπύλεs στο δρόμο
σύντομος ερμηνεία: αυτοί καμπύλεs στο δρόμο δείχνω the ολοκληρωτικός θέτω του ευτυχισμένος δάνειο σπασμένος κάτω από πίστωση βαθμόs και ουρά πάνω κατά μήκος the x άξονας επάνω δικό τουs origination βγαίνω ραντεβού… όπως έναs δάνειο goes αργά (1 μήναs ή λατρεύω) είναι μέτρησα ( είτε από ισοδυναμώ με ή από μετρώ) όπως αργά εναντίον the πληθυσμός… The καμπύλεs στο δρόμο σταματώ πότε the δάνειο πληθυσμός πέφτω υπό 250 (ie υπάρχουν 249 ή λιγότερος δάνειο ότι ηλικία ή παλαιότερος)…
πρόσφατα έναs μελετώ από το πανεπιστήμιο του Maryland claimed έναs κορυφή παράληψη βγαίνω ραντεβού τριγύρω μήναs 10 του έναs ευτυχισμένος δάνειο This θα μεταφράζω into the μεγάλος delta Β in this γραφικός πάνω έναs μήναs περίοδοs Does this γραφικός επιβεβαιώνω ή αρνούμαι ότι δήλωση?Β είναι συμπέρασμα?Β παρακαλώ αφήνω έναs σχόλιο.
εδώ είναι το μου the vintage καμπύλεs στο δρόμο από μετρώ ( κλικ γραφικός για μεγαλύτερος εκδοχή)…
εδώ είναι το μου the vintage καμπύλεs στο δρόμο από ισοδυναμώ με ( μεγαλύτερος δάνειο πηγαίνω αργά σε έναs ψηλός αναλογία και επομένως επάνω έναs ποσοστό επί τοιs εκατό βασικός you θα προσδοκώ έναs increase), ( κλικ γραφικός για μεγαλύτερος εκδοχή)…
εδώ είναι το μου the SQL ότι εγώ συνήθιζα να τραβώ the underlying δεδομένα έξω τουδημόσιος και ιδιωτικός δεδομένα κατεβάζω…
διακυρήσσω @DTD int θέτω @DTD30= διαλέγωcastaday(-originationdate όπως int) όπως 'PIT', l.creditgrade, sumPrincipalBalanceNetDefaults(+) όπως 'Amount', countl.key([]) όπως 'Count', sumcase( πότε (mld.DPD!=0 και (mld.DPDaday+(-observationdate@DTD))>) τότε PrincipalBalanceNetDefaults+ ELSE 0 τέλοs) όπως 'AmountLate', sumcase( πότε (mld.DPD!=0 και (mld.DPDaday+(-observationdate@DTD))>) τότε PrincipalBalanceNetDefaults+ ELSE 0 τέλοs)/ sumPrincipalBalanceNetDefaults(+) όπως AmountLatePercentage, sumcase( πότε (mld.DPD!=0 και (mld.DPDaday+(-observationdate@DTD))>) τότε 1 ELSE 0 τέλοs) όπως 'CountLate', sumcase( πότε (mld.DPD!=0 και (mld.DPDaday+(-observationdate@DTD))>) τότε 1.0 ELSE 0.0 τέλοs)/countl.key([]) όπως 'CountLatePercentage' απόδάνειο l inner ενώνω creditprofile cp επάνω cp.listingkeyl.listingkey= inner ενώνω LoanPerformance mld επάνω l.keymld.loankey[]= σταυρός ενώνω alldays πούmld.observationdate = ( διαλέγω top 1 observationdate από LoanPerformance sub πού sub.observationdate < aday και sub.loankeymld.loankey= διατάζω από sub.observationdate κατεβαίνω) και aday < getDate() και aday >= '02/01/2006' και l.creditgrade!='NC' σύνολο απόcastaday(-originationdate όπως int), l.creditgrade having countl.key250([])> καιsumPrincipalBalanceNetDefaults0(+)> διατάζω από'PIT'
Related άρθρο
Related κατάστημα
