Contexte Métier
Une banque souhaite ajuster ses modèles de risque en analysant les corrélations historiques entre le PIB, le taux d'inflation et le taux de défaut de paiement des crédits à la consommation. L'objectif est de sauvegarder la matrice de corrélation pour une utilisation ultérieure dans un pipeline de modélisation.
Préparation des Données
Simulation de 1000 mois d'indicateurs économiques avec une corrélation induite entre l'inflation et les défauts.
Copié !
| 1 | |
| 2 | DATA casuser.finance_data; |
| 3 | call streaminit(123); |
| 4 | DO i=1 to 1000; |
| 5 | pib_croissance = rand('Normal', 2, 0.5); |
| 6 | inflation = rand('Normal', 1.5, 0.3); |
| 7 | taux_defaut = 0.5 * inflation - 0.2 * pib_croissance + rand('Normal', 0, 0.1); |
| 8 | OUTPUT; |
| 9 | END; |
| 10 | |
| 11 | RUN; |
| 12 |
Étapes de réalisation
1
Calcul de la matrice de corrélation sur les indicateurs cibles et sauvegarde dans une table CAS.
Copié !
| 1 | |
| 2 | PROC CAS; |
| 3 | SIMPLE.correlation / TABLE={name='finance_data'} inputs={{name='pib_croissance'}, {name='inflation'}, {name='taux_defaut'}} casOut={name='finance_corr_matrix', replace=true}; |
| 4 | |
| 5 | RUN; |
| 6 |
2
Vérification de la table de sortie (étape optionnelle pour valider la sauvegarde).
Copié !
| 1 | |
| 2 | PROC CAS; |
| 3 | TABLE.fetch / TABLE={name='finance_corr_matrix'}; |
| 4 | |
| 5 | RUN; |
| 6 |
Résultat Attendu
L'action génère les statistiques descriptives à l'écran et produit une table CAS 'finance_corr_matrix' persistante contenant les coefficients de Pearson, permettant de confirmer la corrélation positive entre l'inflation et le taux de défaut.