Credit Scoring, IFRS 9, Validación de Modelos y Stress Testing
OBJETIVO
Curso avanzado de riesgo crédito sobre herramientas de credit scoring, modelización de parámetros PD, LGD y EAD para modelos de deterioro IFRS 9 y stress testing.
El curso hace uso del big data analytics y machine learning para construir potentes herramientas de credit scoring, behavior scoring así como para estimar y calibrar parámetros de riesgos.
Se expone un módulo, sobre el tratamiento avanzado de los datos, explicando entre otros temas: muestreo, análisis exploratorio, detección de outliers, técnicas avanzadas de segmentación y algoritmos de clasificación.
Se muestran modelos predictivos tanto econométricos, como de machine learning tales como: árboles de decisión, redes neuronales, redes bayesianas, Support Vector Machine, modelo de conjuntos, etc. Además, se explica, detalladamente, como validar modelos de machine learning para evitar sobreajustes.
En el curso se aborda no solo la estimación de la PD a 12 meses sino la PD Lifetime bajo la óptica de los modelos de deterioro IFRS 9.
Se muestran metodologías y ejercicios prácticos de Stress testing en riesgo de crédito empleando técnicas avanzadas de machine learning, análisis de redes y modelos de gráficos probabilistas. Y un práctico ejercicio con estados financieros para conocer el impacto del stress testing en el capital y los beneficios.
Disponemos de un ejercicio global de estimación de la pérdida esperada a 12 meses y ECL lifetime usando metodologías avanzadas de riesgo crédito, incluyendo modelos PD, LGD, EAD, prepago y curvas de tipo de interés,.
¿QUIÉNES DEBEN ASISTIR?
El Curso esta dirigido a profesionistas de entidades financieras interesados en riesgo de crédito, así como a los responsables de los departamentos de marketing, crédito, riesgos, fraude, finanzas y recuperaciones. Para la mejor comprensión de los temas es recomendable que el participante tenga conocimientos de estadística.
PRECIO DEL CURSO LIVE ON LINE (30 Horas Lectivas)
Precio: 4.900 €
Horarios:
-
Santiago de Chile, Sao Paulo: Lunes a Viernes: 18:00 a 21:00 Hrs.
-
Madrid, Barcelona: Lunes a Viernes: 19:00 a 22:00 Hrs.
-
México, D.F., Lima, Quito, Bogotá, San José: Lunes a Viernes: 19:00 a 22:00 Hrs.
El Precio incluye: Presentaciones en formato PDF y ejercicios de Excel, R y SAS.
AGENDA Credit Scoring, IFRS 9, Validación de Modelos y
Stress Testing
Credit Scoring Avanzado
Módulo 1: Credit Scoring y Modelos Predictivos
-
Modelos Predictivos en el entorno actual
-
Aplicaciones del Credit Scoring
-
Diseño y Construcción de Modelos de Credit Scoring
-
Ventajas y Desventajas
-
Modelos para afrontar crisis financieras y Machine Learning
-
Vinculación del credit scoring y risk appetite
-
Nuevos modelos de credit scoring usando Big Data
Módulo 2: Análisis Exploratorio Avanzado
-
Tipología de datos
-
Datos transaccionales
-
Unstructured data embebida en documentos de texto
-
Social Media Data
-
Fuentes de datos
-
Revisión del dato
-
Definición del Target
-
Horizonte temporal de la variable objetivo
-
Muestreo
-
Muestreo Aleatorio
-
Muestreo Estratificado
-
Muestreo Rebalanceado
-
-
Análisis Exploratorio:
-
Histogramas
-
Q-Q Plot
-
Análisis de momentos
-
Box Plot
-
-
Tratamiento de los valores Missing
-
Imputación
-
Borrar
-
Mantener
-
-
Técnicas avanzadas de detección de Outliers y tratamiento
-
Z-Score
-
Distancia de Mahalanobis
-
-
Estandarización de los Datos
-
Categorización de variables
-
Equal Interval Binning
-
Equal Frecuency Binning
-
Prueba Ji-Cuadrada
-
-
Binary Coding
-
WOE Coding
-
Definición WOE
-
Análisis Univariante con variable Target
-
Selección de variables
-
Tratamiento de Variables continuas
-
Tratamiento de Variables Categóricas
-
Fisher Score
-
Gini
-
Information Value
-
Pearson Correlation
-
Cramer Von Misses
-
Optimización de variables continuas
-
Optimización de variables categóricas
-
-
Ejercicio 1: Análisis descriptivo en R
-
Ejercicio 2: Validación de Base de datos en R y SAS
-
Ejercicio 3: Detección Outliers univariante
-
Ejercicio 4: Análisis Exploratorio en SAS
-
Ejercicio 5: Detección y tratamiento de Outliers Multivariante
-
Ejercicio 6: Técnicas de Muestreo rebalanceado en SAS
-
Ejercicio 7: Muestreo estratificado y Aleatorio
-
Ejercicio 8: Análisis del Weight of Evidence en Excel
-
Ejercicio 9: Análisis univariante en percentiles en SAS
-
Ejercicio 10: Análisis univariante óptimo variable continua en Excel
-
Ejercicio 11: Estimación del KS, Gini e IV de cada variable en Excel
-
Ejercicio 12: Validación de variables usando Pearson correlation y Fisher Score
-
Ejercicio 14: Optimización de variables categóricas en SAS
-
Ejercicio 15: Análisis Univariante con árboles de decisión en SPSS
Módulo 3: Segmentación, Clustering y
Análisis de Componentes Principales
-
Clusters Jerárquicos
-
Dendrograma
-
Model Based Clustering
-
Density Based Clustering
-
Comparativo de Clusters
-
Distancia Interclusters
-
Distancia Intraclusters
-
-
Gráfico de disimilitud
-
Validación de Clusters
-
Análisis de Componentes principales (PCA)
-
Visualización avanzada de PCA
-
Ejericicio 16: Segmentación con árboles de decisión en SPSS y SAS
-
Ejercicio 17: Componentes principales en SAS
-
Ejercicio 18: Visualización de componentes principales en R
Módulo 4:Algoritmos de Clasificación
-
Árboles de Decisión
-
Modelización
-
Ventajas e inconvenientes
-
Procesos de Recursión y Particionamiento
-
Recursive partitioning tree
-
Pruning Decision tree
-
Conditional inference tree
-
Visualización de árboles
-
Medición de la predicción de árboles de decisión
-
Modelo CHAID
-
Modelo C5.0
-
-
K-Nearest Neighbors
-
Modelización
-
Ventajas e inconvenientes
-
Distancia Euclidiana
-
Distancia Manhattan
-
Selección del valor K
-
-
Modelo Probabilístico: Naive Bayes
-
Teorema de Bayes
-
Estimador de Laplace
-
Clasificación con Naive Bayes
-
Ventajas e inconvenientes
-
-
Ejercicio 19: Àrbol de decisición C5.0 vs. Chaid en SPSS
-
Ejercicio 20: K means Clustering en R y SAS
-
Ejercicio 21: NAive Bayes en R
Módulo 5: Modelos de Regresión
-
Regresión Logística
-
Modelización
-
Ventajas e inconvenientes en el riesgo de crédito
-
Validación modelo de regresión logística
-
Regresión Loogística para datos de panel
-
-
Regresión Cox
-
Cox proportional hazards model
-
-
Regresiones Avanzadas
-
Regresión Logística Multinomial
-
Modelo líneal generalizado GLM
-
Tipología de distribuciones y funciónes enlace
-
-
Modelo GLMM
-
Inflated Beta Regression
-
Regresión Piecewise
-
Fractional Regression
-
-
Ejercicio 22: Regresión Logística método stepwise en SAS
-
Ejercicio 23: Regresión Inflated Beta Regression
-
Ejercicio 24: Regresión Piecewise en Excel y SAS
-
Ejercicio 25: Cox Regression en R y SAS
Módulo 6: Algoritmos Avanzados NN ySVM
-
Support Vector Machine
-
Hiperplano óptimo
-
Support Vectors
-
Añadir costes
-
Ventajas e Inconvenientes
-
Visualiización del SVM
-
Tuning SVM
-
Truco de Kernel
-
-
Redes Neuronales (Neural Networks NN)
-
Entrenamiento de Perceptron
-
Perceptrón Multicapa
-
Algoritmo de backpropagation
-
Procedimientos de entrenamiento
-
Tuning NN
-
Visualización de NN
-
Ventajas e inconvenientes
-
-
Ejercicio 26: Support Vector Machine en SPSS y R
-
Ejercicio 27: Support Vector Machine en SAS
-
Ejercicio 28: Redes Neuronales: perceptron en SAS y SPSS
Módulo 7: Ensemble Learning
-
Modelos de conjuntos
-
Bagging
-
Random Forest
-
Boosting
-
Adaboost
-
Boosting y Bagging para modelos de regresión
-
Ventajas e inconvenientes
-
Ejercicio 29: Ensemble models en SAS y SPSS
-
Ejercicio 30: Random Forest en SAS
-
Ejercicio 31: Adaboost en R
Módulo 8: Desarrollo de Scorecards
-
Asignación de puntuación
-
Clasificación del Scorecard
-
Scorecard WOE
-
Scorecard Binario
-
Scorecard Continuo
-
-
Reescalamiento del Scorecard
-
Análisis del Factor y Offset
-
Scorecard WOE
-
Scorecard Binario
-
-
Técnicas de Reject Inference
-
Cut-Off
-
Parcelling
-
Fuzzy Augmentation
-
-
Técnicas Avanzadas de punto de corte
-
Ejercicio 32: Scorecard Binario en Excel y SAS
-
Ejercicio 33: Scorecard WOE en Excel, R y SAS
-
Ejercicio 34: Reject Inference Fuzzy Augmentation en SAS
-
Ejercicio 35: Selección del Punto de Corte en Excel y SAS
Módulo 9: Validación del modelos
-
Verificación p-values en regresiones
-
R cuadrado, MSE, MAD
-
Diagnóstico de los residuos
-
Test de Bondad de Ajuste
-
Deviance
-
Bayesian Information Criterion (BIC)
-
Akaike Information Criterion
-
-
Multicolinealidad Multivariante
-
Validación cruzada
-
Bootstrapping del error
-
Matriz de confusión caso binario
-
Matriz de confusión caso multinomial
-
Prueba de Estabilidad
-
Principales test de poder discriminante:
-
KS
-
Curva ROC
-
Curva Lift
-
Gini Index
-
Cumulative Accuracy Profile
-
Distancia de Kullback-Leibler
-
Pietra Index
-
Entropía condicional
-
Valor de Información
-
Tau de Kendall
-
Brier Score
-
Distancia de Mahalanobis
-
Divergencia
-
Hosmer Lemeshow
-
-
Intervalos de confianza
-
Jackknifing con test de poder discriminante
-
Bootstrapping con test de poder discriminante
-
Estadístico Kappa
-
K-Fold Cross Validation
-
Ejercicio 36: Test de Bondad de Ajuste Regresión líneal
-
Ejercicio 37: Test de Bondad de Ajuste Regresión Logística
-
Ejercicio 38: Validación cruzada en SAS
-
Ejercicio 39: Estimación Gini, Valor de la Información, Brier Score, Curva Lift, CAP, ROC, Divergencia en SAS y Excel
-
Ejercicio 40: Bootstrapping de parámetros SAS
-
Ejercicio 41: Jackkinifng en SAS
-
Ejercicio 42: Bootstrapping de Gini/ROC en SAS
-
Ejercicio 43: K-Fold Cross Validation en R
Módulo 10: Modelos de Score Consumo
-
Modelos predictivos en consumo
-
Tipología de scores:
-
Credit Scoring de Admisión
-
Score de Tarjetas de crédito
-
Score de Hipotecas
-
Score de consumo
-
Score de Automóvil
-
-
Behavior Score
-
Behavior Score con variables macroeconómicas
-
Matrices de transición
-
Behavior Score con matrices de transición
-
Transaction Score
-
-
CREDIT SCORING
-
Ejercicio 44: Regresión Logística en SAS
-
Ejercicio 45: Regresión Piecewise en Excel y SAS
-
Ejercicio 46: Redes Neuronales: perceptron en SAS
-
Ejercicio 47: Árboles de decisión CHAID en SAS
-
Ejercicio 48: Support vector machines en R
-
Ejercicio 49: Ensemble models Credit Scoring en SAS
-
BEHAVIOR SCORE
-
Ejercicio 50: Regresión Logística Panel Data SPSS
-
Ejercicio 51: Support vector machines en SPSS
- Ejercicio 52: Árboles de decisión C5.0 en SPSS
- Ejercicio 53: Random Forest en SPSS
-
Ejercicio 54: Ensemble models Behavior Scoring en SPSS
Expected Credit Losses
Módulo 11: Fases del IFRS 9
-
Fase 1- Clasificación y medición
-
Descripción de las categorías de medición: Coste amortizable, FVTOCI y FVTPL
-
Reclasificación
-
Opción del valor razonable
-
Clasificación de pasivos financieros
-
Requerimientos de los flujos de caja
-
Importancia de la clasificación
-
Principales Issues
-Modelo de Negocio
-Determinación de Flujos de caja contractuales
-Medición del Fair Value
-Impacto en la Transición
-Reconciliaciones contables
-
Mitigando efectos adversos de la transición
-
Adaptación en los sistemas de la entidad financiera
-
Clasificación y medición en préstamos y bonos
-
Impacto de IFRS 9 en la cuenta de resultados y capital
-
Fase 2- Deterioro (IMPAIREMENT)
-
Objetivo
-
Deterioro de activos contables
-
Modelo Contable
-
Ingresos por intereses
-
Diferencias entre modelos IRB frente a modelos IFRS 9
-
Tres Enfoques: General, Simplificado y de Activos Deteriorados
-
Asignación de tres escenarios del riesgo crédito en IFRS 9 (Stages)
-
Medición del Expected Credit Losses (ELC)
-
Cálculo del Lifetime Expected Losses
-
Uso de modelos IRB hibridos/nuevos
-
Gaps entre modelos IRB y modelos IFRS 9
-
Fase 3- Contabilidad de Coberturas (Hedge Accounting)
-
Introducción
-
Objetivo
Módulo 12: Modelos de PD
Introducción a la Probabilidad de Default
-
Definición de Default
-
Triggers del Default
-
Proceso efectivo y robusto para detectar al default
-
Defaults técnicos y filtros técnicos del default
-
Modelo de datos indispensable
-
Análisis Unifactorial
-
Análisis Multifactorial
-
Selección del Modelo
-
PD Histórica
Modelos Econométricos y de Machine Learning de la PD
-
Fatores de riesgo que afectan el default
-
Macroeconómicos
-
Idiosincráticos
-
-
PD Regresión Logística
-
PD Regresión COX
-
PD Log-log Complementary
-
PD Regresión Logística Data Panel
-
Machine Learning para estimar la PD
Calibración de la PD
-
Introducción a la Calibración
-
Estimación Anchor Point
-
Mapping de Score a PD
-
Estructura temporal de la PD
-
PD Marginal
-
PD Forward
-
PD Acumulada
-
-
Técnicas de Mapeo de PD´s a estructura temporal
-
Añadas o cosechas de PD
Ajuste al Ciclo Económico de la PD
-
Introducción de Ajuste al Ciclo Económico
-
Directivas sobre el ciclo económico en la PD
-
Modelos de PD Trough The Cycle (PD TTC)
-
Consideraciones del Ajuste al ciclo enfoque “Variable escalar”
PD en Low Default Portfolios
-
Estimación de PD sin correlaciones (D.Tasche 2005)
-
Estimación de PD con correlaciones (D.Tashe 2005)
-
Calibración de LDP usando Curvas CAP
-
Estimación Bayesiana de PD para LDP (D. Tasche 2012)
-
Correlación de defaults
-
Correlación de defaults y multiperiodo
-
Neutral Bayesian y Conservative Bayesian
Matrices de Transición y PD
-
Propiedades de las matrices de transición
-
Multi-year transition matrix
-
Tiempo discreto
-
Tiempo continuo
-
Matriz Generatriz
-
Exponencial de una matriz
-
-
Método de duración
-
Método Cohort
-
Gestión del error
Modelización PD IFRS 9
-
Requerimientos IFRS 9
-
Probability Weighted
-
Forward Looking
-
Modelización del Lifetime PD
-
Modelización PD Forecasting
-
PD Point in Time Forecasting
-
Cadenas de Markov
-
Ejercicio 55: Regresión Cox en R y SAS
-
Ejercicio 56: Regresión Log-Log Complementary en SAS
-
Ejercicio 57: Calibración de la PD por edad de operación en SAS
-
Ejercicio 58: Calibración de PD con regresión COX en SAS
-
Ejercicio 59: Calibración de PD con log-log complementary en SAS
-
Ejercicio 60: Calibración de PD con modelo logístico en SAS
-
Ejercicio 61: Calibración de la PD por cosecha o añada en SAS
-
Ejercicio 62: Estimación de la PD Point in Time en Excel
-
Ejercicio 63: Machine Learning para estimar PD
-
Ejercicio 64: Ajuste al ciclo para empresas en Excel y Solver.
-
Ejercicio 65: Estimación PD TTC Cointregración
-
Ejercicio 66: Regresión logística PD TTC en SAS
-
Ejercicio 67: Modelo de Supervivencia PD TTC en SAS
-
Ejercicio 68: Integral en SAS para estimar PD de LDP correlación
-
Ejercicio 69: Calibración curva CAP Escala Maestra en Excel
-
Ejercicio 70: PD Bayesiana en R
-
Ejercicio 71: Matrices de transición en Excel y SAS
-
Ejercicio 72: Regresión Multinomial para estimar PD Lifetime
-
Ejercicio 73: Multistage Cadenas de Markov en R
Módulo 12: LGD en carteras Retail y empresas
-
Definición del default
-
Expected Loss y Unexpected Loss en la LGD
-
LGD in Default
-
Defaulted Weighted Average LGD o Exposure-weighted average LGD
-
LGD para performing y no performing exposures
-
Tratamiento de los colaterales
-
Enfoque Workout
-
Técnicas para determinar la tasa de descuento
-
Tratamiento de las recuperaciones, gastos y costes de recuperación
-
Ciclos de Default
-
Gastos de recuperación
-
-
Downturn LGD en carteras de consumo
-
Downturn LGD en hipotecas
-
LGD en consumo
-
LGD en Hipotecas
-
LGD en empresas
-
LGD para carteras con reposición
-
LGD para carteras de Low Default Portfolio
Módulo 14: Modelos Econométricos y Machine Learning
de la LGD
-
Ventajas e inconvenientes de los Modelos Predictivos de LGD
-
Modelos Forward Looking incorporando variables Macroeconómicas
-
Modelos paramétricos, no paramétricos y transformation regressions
Modelos Econométricos y de Machine Learning LGD
-
Regresión Lineal y transformación Beta
-
Regresión Lineal y transformación Logit
-
Regresión Líneal y trasnsformación Box Cox
-
Regresión Logística y Lineal
-
Regresión Logística y no Lineal
-
Censored Regression
-
Generalized Additived Model
-
Redes Neuronales
-
SVM
-
Regresión Beta
-
Inflated beta regression
-
Fractional Response Regression
LGD para IFRS 9
-
Comparativa de LGD regulatoria frente a IFRS 9
-
Ajustes en la LGD
-
Selección de Tipos de Interés
-
Imputación de Costes
-
Floors
-
Tratamiento del colateral en el tiempo
-
LGD Marginal
-
LGD PIT
-
Concepto del Lifetime de las pérdidas
-
Tratamiento de la exposición
-
Ejercicio 74: Regresión Logística y lineal LGD en SAS
-
Ejercicio 75: Redes Neuronales y SVM LGD
-
Ejercicio 76: Generalized Additived Model LGD en R
-
Ejercicio 77: Beta Regression Model LGD en R y SAS
-
Ejercicio 78: Censored Regression Model LGD en R
-
Ejercicio 79: Inflated Beta Regression en SAS
-
Ejercicio 80: Comparativo del performance de los modelos usando test de Calibración y precisión
Módulo 15: Modelos de EAD
-
Directivas para la estimación del CCF
-
Directivas para la estimación del CCF Downturn
-
Horizonte temporal
-
Transformaciones para modelizar el CCF
-
Enfoques para estimar el CCF
-
Enfoque Fixed Horizon
-
Enfoque Cohort
-
Enfoque Variable time horizon
Modelos Econométricos y de Machine Learning de la CCF
-
Regresión lineal
-
Regresión Logística
-
Generalized Additived Model
-
Redes Neuronales
-
SVM
-
Regresión Beta
-
Inflated beta regression
-
Fractional Response Regression
EAD para IFRS 9
-
Comparativa de EAD regulatoria frente a IFRS 9
-
Ajustes en la EAD
-
Interest Accrual
-
Estimación CCF PIT
-
Modelización del disponible lifetime
-
Ejercicio 81: Estimación y ajustes para EAD IFRS 9 en excel y R
-
Ejercicio 82: Redes Neuronales y SVM CCF
-
Ejercicio 83: Generalized Additived Model CCF en R
-
Ejercicio 84: Beta Regression Model CCF en R y SAS
VALIDACIÓN IFRS 9
Módulo 16: Backtesting PD
-
Validación de la PD en 12 meses
-
Validación de la PD en IFRS 9
-
Backtesting PD
-
Validación de Calibración de PD
-
Hosmer Lameshow test
-
Normal test
-
Binomial Test
-
Spiegelhalter test
-
Redelmeier Test
-
Traffic Light Approach
-
Análisis Semafórico y Cuadro de mando de la PD
-
PD Stability Test
-
Forecasting PD vs PD Real en el tiempo
-
Validación con simulación de Monte Carlo
-
Ejercicio 85: Backtesting de PD en Excel
-
Ejercicio 86: Forecasting PD y PD real en Excel
-
Ejercicio 87: Validación usando Simulación de Monte Carlo
Módulo 17: Backtesting LGD
-
Backtesting LGD en IRB e IFRS 9
-
Ratio de precisión
-
Indicador absoluto de precisión
-
Intervalos de Confianza
-
Análisis de transición
-
Análisis de RR usando Triángulos
-
Backtesting Avanzado de LGD con enfoque vintage
-
Backtesting para modelos econométricos
-
Ejercicio 88: Comparativo del performance de los modelos usando test de Calibración y precisión.
Módulo 18: Backtesting EAD
-
Performance EAD
-
Backtesitng en IRB e IFRS 9
-
R cuadrada
-
Coeficiente de Pearson
-
Spearman correlation
-
Validación usando ROC, KS y Gini
-
Ejercicio 89: Comparativo del performance de los modelos de EAD
Stress Testing
Módulo 19: Modelos de Forecasting
-
Tratamiento de los datos
-
Series No Estacionarias
-
Test Dickey-Fuller
-
Pruebas de Cointegración
-
-
Modelos Econométricos
-
Modelos ARIMA
-
Modelos de Vectores Autoregresivos VAR
-
Modelos ARCH
-
Modelos GARCH
-
Modelo Unifactorial
-
Regresión Líneal
-
Regresión Cox
-
Regresión no lineal
-
Generalized Additived Model
-
Generalized Linear Models
-
Regresión Multinomial
-
-
Modelos de Machine Learning
-
Supported Vector Machine
-
Red Neuronal
-
-
Ejercicio 90:Pruebas de Series no estacionarias y de cointegración en R y SAS
-
Ejercicio 91: Modelización variables macroeconómicas con vectores autoregresivos en R y SAS
-
Ejercicio 92: Modelización Garch SAS
-
Ejercicio 93: Modelización Machine Learning SPV y NN en SPSS
Módulo 20: Validación de Modelos Econométricos
-
Revisión de supuestos de los modelos econométricos
-
Revisión de los coeficientes y errores estándar de los modelos
-
Medidas de la confiabilidad del modelo
-
Gestión de los errores
-
Heterocedasticidad
-
Detección de colinealidad multivariante en regresión lineal
-
Detección de colinealidad multivariante en regresión logística
-
Ejercicio 94: Detección series no estacionarias y cointegración
-
Ejercicio 95:Medición de colinealidad multivariante de modelo de regresión logística y líneal
Módulo 21: Determinación de escenarios Macroeconómicos
en el Stress Testing y Machine Learning
-
EBA y ESRB en el stress testing
-
Requerimientos regulatorios de la Reserva Federal de EEUU
-
Diseño de escenarios adversos
-
Shocks financieros y económicos
-
Variables macroeconómicas
-
Modelos macroeconómicos
-
Medición de la Severidad del escenario adverso macroeconómico
-
Score de la severidad del escenario
-
Análisis de redes
-
Modelos Gráficos Probabilistas
-
Ejercicio 96: Escenarios macroeconómicos del PIB en SAS y R
-
Ejercicio 97: Análisis de redes en el stress testing
-
Ejercicio 98: Redes bayesianas en el stress testing
Módulo 22: Stress Testing Riesgo Crédito Consumo
-
Horizonte temporal
-
Enfoque Multiperíodo
-
Data requerida
-
Impacto en P&L, RWA y Capital
-
Escenarios Macroeconómicos de Estrés en consumo
-
Experto
-
Estadístico
-
Regulatorio
-
-
Stress Testing de la PD:
-
Credit Porfolio View
-
Mutiyear Approach
-
Reverse Stress Testing
-
Rescaling
-
Regresión Cox
-
-
Stress Testing de la Matriz de Transición
-
Enfoque Credit Portfolio View
-
Índice de ciclo de crédito
-
Extensión Multifactorial
-
-
Stress Testing de la LGD:
-
LGD Downturn: Enfoque Mixtura de distribuciones
-
Modelización PD/LGD Multiyear Approach
-
Stress test de LGD para carteras hipotecarias
-
-
Stress Testing de:
-
Defaults
-
Charge-Off
-
Net Charge Off
-
Roll Rates
-
Matrices de transición de Rating/Scoring
-
Matrices de transición de buckets de morosidad
-
Tasa de Recuperación Y LGD
-
Pérdidas por activos deteriorados nuevos
-
Pérdidas por activos deteriorados antiguos
-
-
Ejercicio 99: Stress Testing PD en Excel y SAS modelo multifactorial Credit Portfolio Views
-
Ejercicio 100: Stress Testing PD en SAS enfoque Multiyear Approach
-
Ejercicio 101: Stress test de PD regresión Cox
-
Ejercicio 102: Stress test de PD y Vectores Autoregresivos
-
Ejercicio 103: Stress Test del Net Charge Off
-
Ejercicio 104: Stress Test de la LGD modelo econométrico en R y SAS
-
Ejercicio 105: Stress Test de Matrices de Transición de Buckets de Morosidad
-
Ejercicio 106: Stress Test conjunto de la PD&LGD
Módulo 23: Stress Testing en Balance y Estado de Resultados
-
Metodología Firmwide Stress testing
-
Implementación del Firmwide Stress Testing
-
Diferencias frente a EBA y CCAR
-
Balance General Estático vs Balance General Dinámico
-
Aplicación y Diseño de Escenarios
-
Integración de riesgos financieros
-
Riesgo de Crédito
-
Análisis de Redes
-
Modelos Gráficos Probabilistas
-
Redes Bayesianas
-
Capital disponible
-
Acciones en la gestión
-
Ratio del balance general
-
-
Ejercicio Global 107:Stress Testing Global en SAS, R, Excel con VBA, Gephi y Qlik View
-
Risk Appetite
-
Risk Appetite Statement
-
Plan de Negocios
-
Forecasting de la Cuenta de resultados en 3 años
-
Forecasting del Balance General en 3 años
-
-
Planificación de capital
-
Aplicación de Escenarios y Shocks Externos
-
Análisis de redes de principales variables
-
Modelo Gráfico Probabilista de Stress Testing
-
Stress Testing y capital riesgo crédito Consumo y Empresas
-
Revisión del Impacto de riesgo crédito en:
-
Capital CET1, capital regulatorio y RWAs
-
Balance General
-
Estado de Resultado P&L
-
Exceso de límites
-
Buffer de Liquidez
-
Cálculo de tasa de apalancamiento
-
KPIs de Negocio y critical values
-
KRIs y principales critical values
-
Estimación de RAPMs
-
Métricas de Rentabilidad
-
-
Cuadro de Mando en Qlik View
-
Expected Credit Losses IFRS 9
Módulo 24: Modelos de Provisiones IFRS 9
-
Escenarios Macroeconómicos
-
Pronosticos Económicos
-
Loss Forecasting
-
Lifetime Loss Forecasting usando variables macroeconómicas
-
Ejercicio Global 108: Estimación Provisiones Lifetime Expected Loss de una cartera de crédito de consumo en SAS, R, Excel con VBA:
-
Definición de escenarios macroeconómicos
-
Impacto de los escenarios en la estimación
-
Modelización de LGD usando escenarios económicos
-
Modelización del CCF usando escenarios económicos
-
Modelización del Abandono
-
Modelización del Prepago
-
Modelización PD PIT con escenarios económicos
-
Modelización Lifetime PD
-
Estimación de ingresos financieros
-
Modleización flujos de caja
-
Estimación tasa de supervivencia
-
Estimación Pérdida Esperada ECL a 12 meses
-
Estimación de ECL a 12 meses usando roll rates y matrices de markov
-
Estimación Pérdida Esperada ECL Lifetime IFRS 9
-
Stress Testing de pérdidas de riesgo crédito
-
Análisis de asignación de los 3 stages
-
Comparativo de las estimaciones de ECL
-
Interpretación de Resultados en cuadro de mando
-