Productos
Matricúlate en cualquiera de nuestros cursos con 75% OFF por lanzamiento de la web

CAPACITACIONES

Alianzas que respaldan nuestro trabajo

ESP. EN CREDIT SCORING

Dada la volatilidad actual de los mercados locales e internacionales, y las diferentes crisis internas que atraviesan los países, muchas personas han variado el cumplimiento de los diferentes pagos de créditos. Es así que hoy nos encontramos en un escenario donde la sensibilidad al default es mucho mayor y por ende cobran mayor importancia las técnicas de riesgo crediticio.

30% Dto. 618.3 USD
Comprar $432.81 USD

Pre-requisitos:

Conocimientos de programación en Python

Profesor: Johnny Pantoja

Inicio: 16/05/2024
Online, 100% en vivo
68 hrs. académicas
17 - Sesiones
Certificación
Mar, Jue
19:30 - 22:30
Mar, Jue
20:30 - 23:30
Mar, Jue
20:30 - 23:30
Mar, Jue
21:30 - 00:30

Características

Clases en Vivo
El 100% de las clases que se desarrollan en el curso son en vivo.
Plataforma E-Learning
Accede en cualquier momento a materiales complementarios: lecturas, videos, tutoriales, clases grabadas y más.
Asesoría Académica
Resuelve tus dudas con el asistente académico en línea.
Aprende Haciendo
Desarrolla casos con datos reales, incluso puedes proponer casos de tu propio sector.
Certificación
Con una nota mínima de 14 sobre 20 y una asistencia mínima del 80%
Soporte Técnico
Soporte Técnico Asistencia técnica permanente y acceso a máquinas virtuales de ser necesario.

Lo que vas a obtener con este curso

Objetivo General: Planificar, diseñar e implementar el end to end de un modelo de riesgo crediticio, entendiendo todo el ciclo de vida desde la cadena de valor del negocio, la importancia de los datos, las reglas de negocio, las diferentes metodologías para el modelo, así como la productivización del mismo.

Objetivos Específicos:

  • Diseñar una arquitectura tecnológica flexible para la implementación del modelo en función de la cadena de valor.
  • Identificar mediante un gobierno de datos adecuado las reglas de negocio para un adecuado control de información.
  • Definir la mejor forma de extracción de datos (en función a arquitectura) para generar eficiencia en los procesos de carga masiva del modelo.
  • Crear las metodologías adecuadas para implementar un modelo eficiente a través del cálculo de PD, EAD,LGD y el impacto de la pérdida esperada y no esperada.
  • Poder productivizar el modelo desarrollado de tal forma que pueda darle un uso funcional.
  • Realizar calibraciones y validación del modelo para asegurar su consistencia y fiabilidad.
Resumen del contenido:
Análisis exploratorio y selección de la muestra

Objetivo: Aprender los conceptos estadísticos descriptivos para identificar la muestra ideal para el diseño del modelo. 

  • Preparación de la información. ¿Con cuanta data histórica debemos contar? 
  • Definición de data mala, buena. ¿Cómo identificar un malo? 
  • Ventana de observación. ¿Cuánto tiempo se debe observar la data de muestra para asegurar una desviación óptima en el modelo? 
  • Validación de la data. Escenarios descriptivos. 
  • Tratamiento de rechazos sobre umbrales no aceptados. 
  • Carácterísticas de la población objetivo 
  • Características del producto 
  • Cosechas RCC 
  • Análisis de unicidad 
Arquitectura de un modelo

Objetivo: Aprender a diseñar la arquitectura integral del modelo alineado a la cadena de valor del proceso de negocio. 

  • Primeros pasos para el diseño de una arquitectura de un modelo 
  • Introducción a la arquitectura de microservicios. 
  • Como realizar una arquitectura paramétrica y flexible. 
  • Como crear un motor de reglas paramétricos en Apis. 
  • Introducción a la interoperabilidad y contenedores.  
  • Cambios dinámicos en el modelo de acuerdo con coyuntura actual: Caso COVID19. 
Calculo de Perdida Esperada

Objetivo: Desarrollar el concepto de perdida esperada y el impacto en los indicadores de la organización, así como sus componentes internos. 

  • Definición del Loss Given Default. Casos de Uso 
  • Análisis y benchmarks del LGD. Casos atípicos de mercado. 
  • Definición del EAD. Metodologías para el cálculo del EAD.  
  • Bencharmk de mercado y casos de uso alterno del EAD. 
  • Definición del portafolio de perdida esperada e impacto en la organización. 
  • El impacto de la gestión de la IFRS9 en las provisiones de la banca. 
  • Que es la perdida inesperada?. Como impacta dentro de la gestión de Riesgos y Cobranzas. Casos de uso. 
  • Usos de la LGD en los procesos del banco 
  • Tipos de casos abiertos y cerrados en LGD 
  • Tratamiento de los casos abiertos 
  • LGD Workout 
  • Selección del universo para modelamiento LGD 
  • Selección de variables 
  • Consistencia LGD y etapa de admisión 
  • LGD TTC 
  • EAD TTC 
  • Al menos la LGD y EAD tienen que tener casos aplicados de todo esto, no puede quedar como ejemplo de casos de uso 
Calibración de un modelo: Stress Test y BackTesting

Objetivo: Aprender a realizar un seguimiento del modelo mediante metodologias de stress test y backtesting para evaluar las variaciones constantes de acuerdo a la volatilidad del mercado. 

  • ¿Por qué se debe calibrar un modelo? ¿Con que frecuencia se debe realizar una calibración? 
  • Introducción al concepto de Stress Test. Casos en cartera de Credito y Mercado.  
  • Como realizar un ejercicio de Stress bajo un set de variables de modelo. Shockeo de variables. 
  • Parametrización de Stress Test. 
  • Introducción al BackTesting. ¿Porque es importante dentro de la calibración de un modelo? 
  • Como implementar un adecuado seguimiento de modelo. Escenarios bajo un contexto actual. 
  • Calibración de PD 
  • Calibración LGD 
  • Calibración EAD 
  • RD, PSI, Vasicek, Drivers 
  • Moras tempranas 
  • EWS
Ciclo de vida integral de un modelo de Riesgo Crediticio

Objetivo: Entender toda la cadena de valor de un modelo de riesgo crediticio desde que se ingesta la data hasta que se hace funcional, de acuerdo con la cadena de valor de la organización. 

  • Como entender la cadena de valor de una organización. 
  • Gobierno de datos y trazabilidad. Definiciones previas a diseñar un modelo. 
  • Metodologías de ingesta de datos de acuerdo con el nivel de la organización. 
  • Definición de las reglas de negocio: Como implementarlas. 
  • ¿Cómo se implementa el modelo luego de crearlo? Uso de Apis, web services, motores de reglas de negocio para la agilizar de la calibración y uso funcional del modelo. 
Desarrollo del modelo

Objetivo: Desarrollar el modelo a través de las metodologías de riesgo definidas en clase. 

  • Segmentación 
  • Feature engineering 
  • Tratamiento de missings tomando en cuenta la tipología de los modelos 
  • Tratamiento de outliers tomando en cuenta la tipología de los modelos 
  • Convoluciones 
  • Estabilidad 
  • Tratamiento por tipo de variable 
  • Cómo funciona la regresión logística 
  • Cómo interpretar las pruebas de hipótesis 
  • Bootstrap 
  • Comparación y selección entre modelos 
  • Interpretabilidad 
  • Técnicas para incorporar efecto covid 
  • Análisis Bivariante: Covarianza, correlación, diagramas de caja. 
  • Que es el WOE y el IV. Casos de uso e impacto de las variables en el modelo. 
  • Generación de la PD a través de regresión Logit. 
Introducción a la gestión del Riesgo Crediticio y Modelos de Scoring

Objetivo: Entender e identificar los principales conceptos para la implementación de un modelo de riesgo crediticio, así como su utilidad dependiendo del modelo de negocio. 

  • Definición del Riesgo Crediticio 
  • Los tipos de modelos crediticios en entidades no Financieras. 
  • Los modelos crediticios de acuerdo con normativas de Basilea y SBS. 
  • Tipos de Scoring: Admisión, seguimiento, cobranza, castigo 
  • Tipos de variables: Edad, ingresos, deudas, etc. La importancia del tipo de variable de acuerdo con el modelo de negocio.
Modelos de Supervivencia y Machine Learning

Objetivo: Aprender a diseñar y crear modelos utilizando herramienta de machine Learning y análisis de supervivencia para evaluar el tiempo de vida hasta caer en default de una cartera. 

  • ¿Qué es un análisis de Supervivencia? Casos prácticos y metodologías. 
  • Introducción al estimado Kaplan Meier. Ejemplos y metodologias. Como determinar el periodo de vida. 
  • Definición de Cox Proportional Hazard. Ejemplos aplicativos y escenarios locales. 
  • Construcción de algoritmo de machine learning 
  • Ventajas y desventajas de ML en los problemas de credit scoring 
  • ML y los reguladores 
  • Tratamietno de variables para ML 
  • FE ML 
  • HP y optimización 
  • Unboxing 
  • Cómo se calibra un ML 
  • Implementación de ML 
Taller: Construyendo un modelo de scoring a elección

Objetivo: Construiremos un modelo en vivo de acuerdo a la decisión del foro: Admisión, seguimiento, cobranza o castigo, bancario o no bancario. Evaluar al alumno sobre los temas tratados. 

  • Realizaremos un taller didáctico donde con los alumnos construiremos un modelo integral que cobertura todos los temas vistos en clase. 
  • Se evaluará al alumno mediante un caso dejado al inicio del curso que debe presentar, donde debe implementar un modelo integral, desde la cadena de valor del negocio, arquitectura, ingesta de data diseño del modelo y productivización bajo una arquitectura paramétrica. 
Valoración y validación del modelo, aplicación del Credit Scoring

Objetivo: Validar el modelo creado para asegurar la sensibilidad de los cálculos. 

  • Calculo de Bondad de Ajuste. Test de normalidad. Contraste de hipótesis. 
  • Prueba de Kolmogórov-Smirnov 
  • ¿Qué es el coeficiente de Gini? Metodología actual. Casos de uso. 
  • Análisis y pesos de las variables.  
  • Puntos de corte 
  • Vinculación con las pautas crediticias 
  • Calibración 

Malla Curricular

Análisis exploratorio y selección de la muestra
Arquitectura de un modelo
Calculo de Perdida Esperada
Calibración de un modelo: Stress Test y BackTesting
Ciclo de vida integral de un modelo de Riesgo Crediticio
Desarrollo del modelo
Introducción a la gestión del Riesgo Crediticio y Modelos de Scoring
Modelos de Supervivencia y Machine Learning
Taller: Construyendo un modelo de scoring a elección
Valoración y validación del modelo, aplicación del Credit Scoring

Preguntas Frecuentes

Talvez su consulta se puede resolver leyendo nuestras preguntas frecuentes
Primeros pasos en la plataforma

2 artículos

¿Necesito tener una cuenta para poder matricularme en una capacitación?

Lo ideal es crear una cuenta en nuestra web y luego realizar tu compra, pero no es mandatorio. Si desea puede pagar y matricularse en cualquiera de nuestras capacitaciones y después de la compra, automáticamente se le habrá creado un usuario.

Ya me matriculé, ¿cuáles son los siguientes pasos?

Una vez matriculado en una de nuestras capacitaciones, le llegará un correo de confirmación con los accesos. De tener algún inconveniente deberá escribir a: esmeralda.verde@dmc.pe para recibir orientación y pronta solución.

Capacitaciones - Cursos - Especializaciones

1 artículos

¿Todos los cursos son 100% en vivo y online?

Sí, a menos que hayas comprado alguna membresía de DMC Play; todos nuestras capacitaciones: cursos, bootcamps, especializaciones, diplomas y lo incluido en nuestras Membresías DataPro son completamente online y 100% en vivo.

Resolución de problemas

1 artículos

No puedo ingresar a la plataforma, rechaza mi contraseña y usuario

Para cualquier problema con el usuario y contraseña de la plataforma deberás contactarte al siguiente correo y solicitar la solución: noel.yzaguirre@dmc.pe

Inscripciones - pagos - membresías

2 artículos

Tengo dudas y necesito ayuda con mi Membresía DataPro

Para recibir ayuda sobre el uso, acceso y aprovechamiento de tu Membresía DataPro, podrás escribirle a nuestra asesora: claudia.trujillo@dmc.pe, y ella podrá ayudarte con tus dudas.

Ya me inscribí en una Membresía DataPro, ¿qué sigue?

Deberás armar tu horario de estudios para que puedas aprovechar al máximo la membresía. Los accesos llegarán a tu correo electrónico y podrás así completar tus inscripciones. Recuerda revisar a qué tienen acceso según tu membresía adquirida.

Obtenga una certificación reconocida por las empresas y la industria nacional y extranjera

Utilice su certificación para realizar un cambio de vida hacia la ciencia de la Data y la Analítica o para mantenerse a la vanguardia en su carrera. Su salario se incrementará con sus conocimientos..

Miles de estudiantes satisfechos han logrado sus metas gracias a nuestra metodología de estudio

Abre tu cuenta GRATIS y aprovecha todo el contenido que tenemos para ti y empieza ahora a darle un nuevo impulso a tu carrera profesional.

Crea una cuenta gratis

¿Tienes alguna consulta o inquietud? talvez deseas consultar a uno de nuestros asesores

Hablar con un asesor

CONTINÚA TU CARRERA EN DATOS

Si finalizaste la capacitación en este perfil, te recomendamos algunos cursos para que continues tu carrera en el fascinante mundo de los datos.
Cursos

POWER BI NIVEL 2

La adopción en los negocios de herramientas especializadas en visualización de datos viene constituyéndose como un estándar…
Inicio:
2024-05-25
Online, 100% en vivo
5 - Sesiones
Certificación
75% Dto. 121.5 USD
Comprar $30.38 USD
Diplomas

DIPLOMA MARKETING ANALYTICS & GROWTH HACKING

Dictado por docentes lideres
ESPECIALISTAS CALIFICADOS
El auge de los datos ha llevado a las organizaciones a especializarse en su gestión y aprovechamiento desde diversas perspectivas, cualquiera…
Inicio:
2024-05-29
Online, 100% en vivo
32 - Sesiones
Certificación
30% Dto. 1323 USD
Comprar $926.10 USD
Diplomas

DIPLOMA DATA ANALYST

Dictado por docentes lideres
ESPECIALISTAS CALIFICADOS
El auge de los datos ha llevado a las organizaciones a especializarse en su gestión y aprovechamiento desde diversas perspectivas, cualquiera…
Inicio:
2024-07-24
Online, 100% en vivo
34 - Sesiones
Certificación
30% Dto. 1617.3 USD
Comprar $1,132.11 USD
Cursos

POWER BI NIVEL 1

Los reportes e informes forman parte del día de día de muchos puestos laborales, ya sea para…
Inicio:
2024-05-25
online
4 - Sesiones
Certificación
75% Dto. 108 USD
Comprar $27.00 USD