PROCESO PREVIO A LA CONSTRUCCIÓN DE MODELOS SCORING – Definición Malos – Selección de cosechas/periodo de análisis – Definición Horizonte Temporal Observación y Predicción – Limpieza de datos – Tratamiento de valores nulos o inconsistentes – Tratamiento de valores extremos (outliers), LOF Score – Exploración de variables – distribuciones, histogramas y box-plots – Matrices, mapas y clústers de correlaciones – Segmentando las variables y los datos para el modelo – Cómo crear variables combinadas – Selección de variables o atributos – Técnicas de muestreo y balanceo de datos – Codificación de variables usando WoE
CONSTRUCCIÓN DE MODELOS – Cuando es útil entrenar un árbol de clasificación para tener primeros indicios – Diferencias entre un Árbol Tradicional y un Árbol Condicional – Modelo de Regresión Logística – Modelo KNN – Modelos Bagging (Random Forest y otros) – Modelos Boosting (Ada Boosting, XGBoost) – Ensemble Modeling – Construcción de scorecards (re escalamiento, técnicas de inferencia de denegados) – Survival Analysis para credit scoring
VALIDACIÓN DE MODELOS – Definición de periodos elegibles para la validación de modelos – Validación Out of Sample y Out of time – Benchmarking – Uso de modelos de riesgo alternativos (proveedores de score | otras metodologías) – Ventajas y desventajas de modelos paramétricos, no paramétricos, machine learning y deep learning – Calibración de parámetros de riesgos – Validación de parámetros de modelos de riesgos – Validación del poder discriminante/predictivo del modelo – Intervalos de confianza – Índice Estadístico Kappa para evaluar concordancia – K-Fold Cross Validation – Análisis Semáforo – Técnicas para definir el punto de corte de score – Reportes de resultados de validación – Análisis de estabilidad de población scoreada – Análisis de estabilidad de variables del modelo – Comparación de resultados de modelos paramétricos y machine learning
APLICACIONES: MODELOS SCORING EN LAS ETAPAS DEL CICLO DE CRÉDITO – Application Score – Arbol Clasificación y Regresión Logística – Behavior Score – Modelo Machine Learning – Over-Indebtedness Score – Regresión Logística – Collection Score – Survival Modelling – Recovery Score – Regresión Logística
IRFS 9: MODELAMIENTO DEL RIESGO CRÉDITO – Antecedentes – Principales cambios en el Modelo de Deterioro (NIC 39 vs. IFRS 9) – Comparación IFRS 9 vs. Basilea – Nuevo modelo de pérdida esperada – Clasificación de activos “staging” (incremento significativo de riesgo) – Cálculo de Pérdidas a 12 meses y Lifetime – Expected Lifetime: Vida Esperada – Stage allocation – Clasificación de los créditos – Modelamiento de PD IFRS 9 – Probability Weighted – Forward Looking – Matrices de Transición y Estructura temporal de PD – Modelamiento de LGD IFRS 9 – Selección de Tipos de Interés – Imputación de Costes – Tratamiento del colateral en el tiempo – Modelamiento de EAD IFRS 9 – Modelamiento PD con variables macroeconómica – Proyecciones “Forward looking” y Escenarios – Cálculo Pérdida Esperada
