Справочная информация
Финансовые учреждения используют модели вероятности дефолта (PD) для таких целей, как принятие клиента, резервирование и расчет нормативного капитала, как того требуют Базельские соглашения и регулирование требований Европейского капитала и директива (CRR / CRD IV). Предполагается, что модель PD рассчитывает вероятность того, что клиент не выполнит свои обязательства в течение одного года.
Backtests
Чтобы проверить, работает ли модель, как ожидалось проводятся так называемые тесты на истории. Одним из таких обратных тестов было бы вычисление вероятности нахождения фактического количества значений по умолчанию на уровне или за пределами фактического отклонения от ожидаемого значения (суммы значений PD клиента). Если эта вероятность окажется ниже определенного порога, модель будет отклонена. Для этой процедуры понадобится CDF распределения суммы экспериментов n Бернулли, каждый с индивидуальным, потенциально уникальным PD.
Вопрос
Есть ли Python имеют встроенное распределение, которое описывает сумму числа Бернулли др aws каждый со своей вероятностью?
Приложение
Поскольку многие финансовые учреждения разделите их портфель ios на сегменты, в которых клиенты имеют идентичные PD, можем ли мы оптимизировать расчет для этой ситуации?
Примечание. Мне нужно получить ответ в python коде. Вот ссылка на решение Mathematica: https://mathematica.stackexchange.com/questions/131347/backtesting-a-probability-of-default-pd-model