Elmetodología o elsql por obteniendo el datos éstos curvas del privado datos artículo de exportación haber ya estado explicar en detalle, pero momentáneamente…
- El Y eje es el porcentaje de todo préstamos orginated de un dado edad aquel está corrientemente 1 mes retrasado o peor…
- El X eje es el días préstamo origination.Â
- El curvas punto cuándo allí es menor que 250 préstamos en el “ cubo”
- Éstos curvas está por todo préstamos de un dado Crédito Grado Un haría obtener diferente curvas ( adular slopesbetter=); por exmaple, if usted estado a escoger préstamos con 2 o menos inquirir y 5 años de antecedentes de acreedor usted haría ver adular caídas.
El alcance es 7-8% por AA hasta el fondo a ~55% por HR. Â
(chasqueo Gráfíca por Mejor Versión)
Prosperar Vendimia Curvas
Breve Explicación: Éstos curvas presentación el entera colección de prosperar préstamo descompuesto por crédito grado y alineado a lo largo de el x eje en su originándose cita… Como un préstamo goes retrasado (1 mes o peor) está conde ( o por cantidad o por conde) como retrasado contra el población… El curvas punto cuándo el préstamo población caídas abajo 250 (ie allí está 249 o menos préstamos aquel edad o más viejo)…
Recientemente un estudio del Universidad de Maryland reclamo un cima ubicación predeterminada cita a la vuelta de mes 10 de un Prosperar préstamo Esto haría traducir a el más grande delta  in esto gráfíca por un mes ciclo Does esto gráfíca confirmar o negar aquel afirmación? Es así conclusivo? Por favor licencia un comentario.
Aquí está el vendimia curvas por conde ( chasqueo gráfíca por mejor versión)…
Aquí está el vendimia curvas por cantidad ( mejor préstamo andar retrasado a un más alto tasa y por lo tanto en un porcentaje base usted haría esperar un aumento), ( chasqueo gráfíca por mejor versión)…
Aquí está el SQL aquel YO acostumbró tirón el underlying datos levantado elpúblico y privado datos downloads…
DECLARAR @DTD int COLECCIÓN @DTD30= Selectocastañuela(-originationdate como int) como 'PIT', l.creditgrade, sumPrincipalBalanceNetDefaults(+) como 'Amount', countl.key([]) como 'Count', sumcase( CUÁNDO (mld.DPD!=0 y (mld.DPDaday+(-observationdate@DTD))>) Después PrincipalBalanceNetDefaults+ OTRO 0 Fin) como 'AmountLate', sumcase( CUÁNDO (mld.DPD!=0 y (mld.DPDaday+(-observationdate@DTD))>) Después PrincipalBalanceNetDefaults+ OTRO 0 Fin)/ sumPrincipalBalanceNetDefaults(+) como AmountLatePercentage, sumcase( CUÁNDO (mld.DPD!=0 y (mld.DPDaday+(-observationdate@DTD))>) Después 1 OTRO 0 Fin) como 'CountLate', sumcase( CUÁNDO (mld.DPD!=0 y (mld.DPDaday+(-observationdate@DTD))>) Después 1.0 OTRO 0.0 Fin)/countl.key([]) como 'CountLatePercentage' Desdepréstamo l interior juntar creditprofile cp en cp.listingkeyl.listingkey= interior juntar LoanPerformance mld en l.keymld.loankey[]= cruz juntar alldays adondemld.observationdate = ( selecto superior 1 observationdate desde LoanPerformance substitutaadonde sub.observationdate < aday y sub.loankeymld.loankey= orden por sub.observationdate Describir) y aday < getDate() y aday >= '02/01/2006' y l.creditgrade!='NC' grupo porcastañuela(-originationdate como int), l.creditgrade teniendocountl.key250([])> ysumPrincipalBalanceNetDefaults0(+)> orden por'PIT'
Relacionado Artículos
Relacionado Tiendas
