OBJETIVO

 

El objetivo del curso es exponer el uso de la inteligencia artificial en los procesos de crédito de la banca de cara a la transformación digital. Así como mostrar una visión holística de los riesgos en la financiación de préstamos de consumo y tarjetas de crédito. Se exponen las principales herramientas predictivas y de decisión en los procesos de marketing, admisión, portfolio management, fraude y recobro. Otros importantes objetivos son:

 

  • Inicialmente se explican los avances sobre la transformación digital de los bancos y entidades financieras. Se espera que la digitalización traiga consigo reducción de tiempo y costes.

  • Se explican pormenorizadamente los riesgos, controles, análisis, aspectos regulatorios, sistemas de reporting, validaciones y evaluaciones en los procesos del ciclo de crédito.

  • Se destaca la importancia de las recientes tecnologías de inteligencia artificial durante el ciclo de crédito.Tales como la Automatización Robótica de Procesos y el machine learning.

  • Desarrollar modelos de credit scoring, tradicionales y avanzados, en la etapa de admisión y seguimiento del crédito. Es decir, se explica la construcción del credit y behavior scoring empleando volúmenes de información enormes.

 

  • Se exponen metodologías tradicionales como la regresión logística y otras, innovadoras, de machine learning, tales como: árboles de decisión, random forest, redes neuronales, redes bayesianas, Support Vector Machines etc. Más adelante se explica, pormenorizadamente, la validación de estos modelos. Se espera que estos modelos incrementen el valor del ROC sobre los modelos tradicionales.

  • ​Además se ha incluido una metodología bastante innovadora, dentro del machine learning, llamada deep learning, aplicada para desarrollar modelos de credit scoring.

 

  • Se construyen modelos predictivos tales como Score de comportamiento, ingreso, Abandono, Fraude, Recobro, Rentabilidad, entre otros. Así como sistemas de decisión, árboles de decisión, estrategias champion y challenger, modelos de pricing, optimización en los procesos de admisión y la frontera eficiente para establecer el risk appetite

 

  • Se abordan aspectos regulatorios como el Risk Appetite, Gobernanza corporativa y brevemente el modelo de provisiones por pérdida esperada IFRS 9.

 

  • El curso dispone de una amplia gama de metodologías para estimar parámetros de riesgos como PD, LGD y EAD, medir las provisiones por pérdidas crediticias, calcular el net charge-off y estimar el stress testing para carteras de consumo.

 

  • Se exponen las principales actividades del portfolio management, y los aspectos relevantes en la monitorización de los portfolios de consumo.

  • En cuanto al proceso de recobro se abordan recientes avances en chatbots y la automatización robótica de procesos que mejorarán las recuperaciones y reducirán costes.

¿QUIÉNES DEBEN ASISTIR?

 

El Curso está dirigido a profesionistas de riesgo de crédito, directivos de entidades financieras y Fintech, así como a los responsables de los departamentos de recobro y finanzas. Responsables de crédito y cobranzas de empresas con carteras de crédito al consumo. Para la mejor comprensión de los temas es recomendable que el participante tenga conocimientos de estadística.

Horarios:

  • Santiago de Chile, Sao Paulo, Buenos Aires, Santo Domingo: L a V: 18-21h

  • España, Portugal: L a V 19-22 h

 

  • Ciudad de México, Lima, Quito, Bogotá, San JoséL a V 19-22 h

Precio: 4.900 €

Nivel: Avanzado 

Duración: 36 h

Material: 

Presentaciones PDF

Ejercicios en R, Python, Tensorflow, SAS y Excel

Credit Scoring, Admisión, Seguimiento, Recobro e Inteligencia Artificial 

 

AGENDA

Credit Scoring, Admisión, Seguimiento, Recobro e Inteligencia Artificial 

RETAIL BANKING

Módulo 1: Retail Banking 

  • Situación Actual Retail Banking

  • Futuro del Retail Banking

  • Cambios en retail banking debidos a la Crisis Subprime

  • Retail Banking en:

    • Latinoamérica

    • Banca Minorista Europa

    • Radiografía Banca Minorista España

  • Inclusión financiera

  • Digitalización 

  • Era del Big data

  • Fintech y Bigtech ¿competidores o aliados?

  • Influencia del entorno económico 

  • Bajos tipos de interés y posibles incrementos

  • PDS2 en la Unión Europea

  • Open Banking y el uso de APIs 

 

Módulo 2: Metodología de Retail Banking

  • Gestión del Cliente

  • Canales de Distribución

    • Directos

    • Indirectos

  •  Análisis del Mercado y Competencia

  • Ratios de Eficiencia

  • Rentabilidad del Cliente en Retail Banking

  • Gestión de la Morosidad y riesgo crédito

  • Gestión global del riesgo

  • Estructura Organizativa en Banca Minorista

  • Áreas Soporte

    • Territorial

    •  Regional

  • Gestión de las Sucursales

  • Banca Online

  • Banca Móvil

  • Banca Remota

GESTIÓN DE LOS DATOS

Módulo 3: Big Data

 

  • Big Data en las entidades financieras

  • Tipología de datos: Estructurados y No Estructurados

  • Volumen, Velocidad, Variedad,Veracidad y valor

  • Tamaño de los Big Data

  • Fuentes de grandes volúmenes

  • Origen de las fuentes de datos

  • Datos de redes sociales

 

Módulo 4: Infraestructura del Big Data

 

  • Datos estructurados

  • Datos no estructurados

  • La arquitectura del Big Data

  • Data Warehouse y Data Mart

  • Bases de datos

  • El ecosistema Hadoop

  • Componentes de Hadoop

  • Map Reduce

  • Desarrollo de aplicaciones Hadoop

  • SQL y NoSQL

  • Programación Hadoop

    • Hive

    • Pig

  • Plataforma de Hadoop

  • Analítica de Big Data

  • Gobierno del Big Data

  • Seguridad y privacidad del Big Data

  • Infraestructura

  • Servicios Cloud

  • Infrastructure as a service 

  • Software as a service 

  • Platform as a service

  • Ciber seguridad y ciber riesgos

 

DIGITALIZACIÓN

Módulo 5: Digitalización, Campañas y Canales de distribución

  • La banca retail en Europa y América

  • Disrupción digital

  • Fintech y Bigtech ¿Competidores o aliados?

  • Análisis de perfiles

    • Millenians

    • Generación X

    • Baby Boomers

  • Customer Centric Model

  • Ciclo de vida del Cliente

  • Customer Relationship Management

  • Diseño de Producto

  • Pricing

  • Análisis de los Canales de distribución en la banca 

    • ¿Sucursales físicas? 

    • Call center

    • ATM

    • Online Banking

    • Mobile Banking

    • Remote Banking

    • Adaptación tecnológica de canales emergentes

    • Red Multicanal

    • Wallet

    • Open Banking y API´s

  • Campañas de marketing

    • Producto 

    • Branding

    • Modelo de la adquisición

    • Campaña piloto

    • ​Cross Selling

    • Deep Selling

    • Up Selling

    • Retención y vinculación de Clientes

    • Outbound e Inbound Marketing en Banca

    • Marketing Call Center

    • e-mail. banner ads, e.mail marketing, promociones en web site

    • Google adwords, search

    • Redes sociales: Facebook, Twitter, Linkedin, Pinterest

    • Planificación financiera y objetivos puntuales

  • Customer Analytics

  • Segmentación del Cliente

    • Área Geográfica

    • Criterios demográficos

    • Comportamiento y estilo de vida

    • Fuentes de Información

    • Big data

    • Fuentes internas

    • Principales fuentes externas

    • Redes Sociales

    • Oferta Comercial y alcances dirigidos a mercado objetivo

  • Gestión y seguimiento de campañas

  • Score de Respuesta: Modelización y uso

  • Informe financiero de seguimiento

  • Rentabilidad, Charge Offs, Número de cuentas abiertas, NPL, etc.

  • Análisis Vintage de las acciones comerciales

  • Cumplimiento del Risk Appetite y Regulaciones

  • Planes de acción

  • Caso de Estudio 1: Análisis de costes y beneficios del Data Science aplicado en banco retail Europeo

  • Caso de Estudio 2: Sucursales del futuro en un banco americano

  • Caso de Estudio 3: Caso de éxito en la Banca Online

MARKETING

 

Módulo 6: Campañas y Canales de distribución

 

  • Clientes potenciales en banca de consumo

  • Sucursales físicas

  • Folletos informativos

  • Correo directo

  • Grupos de Afinidad

  • Publicidad en televisión y radio

  • Venta cruzada

  • Internet, redes sociales, e-mail y Big data

  • Campaña de expansión de negocio

  • Planificación financiera y objetivos puntuales

  • Establecer Mercado Objetivo

  • Área Geográfica

  • Criterios demográficos

  • Comportamiento y estilo de vida

  • Fuentes de Información

  • Big data

  • Fuentes internas

  • Principales fuentes externas

  • Oferta Comercial y alcances dirigidos a mercado objetivo

  • Gestión y seguimiento de campañas

  • Score de Respuesta: Modelización y uso

  • Informe financiero de seguimiento

  • Rentabilidad, Charge Offs, Número de cuentas abiertas, NPL, etc.

  • Análisis Vintage de las acciones comerciales

  • Cumplimiento del Risk Appetite

  • Planes de acción

INTELIGENCIA ARTIFICIAL 

 

Módulo 7: Automatización Robótica de Procesos RPA

 

  • Proceso y Automatización del Workflow

  • Workflow tradicionales en la admisión

  • Definición de la automatización robótica de procesos RPA

  • Procesos estandarizables en la banca digital

  • Reducción de costes de los RPAs

  • Análisis de principales proveedores de software RPA

  • RPA en procesos en el ciclo de crédito

  • RPA en el proceso de admisión

  • RPA en el análisis de los Fraudes

  • RPA en el proceso de Seguimiento

  • RPA en el proceso de Recobro

  • RPA y Machine Learning

  • Expectativas realistas del RPA

  • Estructura de gobernanza

  • Mejora y rapidez en las decisiones de crédito

  • Uso de los chatbots

  • Asistentes Inteligentes virtuales

  • Futuro de la automatización en la banca

  • Caso de Estudio 4: Implementación de RPA en banco digital Europeo

  • Caso de Estudio 5: Implementación de RPA en financiación automovilística de banco Europeo

  • Ejercicio 1: Uso de software RPA para actividades de automatización

Módulo 8: Machine Learning

 

  • Definición del Machine Learning 

  • Metodología del Machine Learning

    • Almacenamiento de la Data

    • Abstracción

    • Generalización

    • Evaluación

  • Aprendizaje Supervisado

  • Aprendizaje No Supervisado

  • Aprendizaje por Refuerzo

  • Deep Learning

  • Tipología de algoritmos de Machine Learning

  • Pasos para implementar un algoritmo

    • Recogida de información

    • Análisis Exploratorio

    • Entrenamiento del modelo

    • Evaluación del Modelo

    • Mejoras al modelo

    • Machine Learning en riesgo crédito de consumo

  • Machine Learning en modelos de credit scoring

  • Análisis de principales herramientas: R, Python, Microsoft Azure, SAS  Enterprise Miner, SAS Visual Analytics, Knime, IBM SPSS Modelller, Spark,,etc.

 

ADMISIÓN

Módulo 9: Proceso de Admisión

 

  • Proceso de recogida de información tradicional

  • Proceso de digitalización de documentos

    • Software especializado

    • Reconocimiento de imagenes

    • Uso del deep learning

    • Tratamiento de datos no estructurados

    • Algunas Fintech especializadas

  • Gestión de la Aplicación

    • Criterios del departamento de Marketing

    • Criterios del departamento de gestión de riesgos

    • Criterios de otros departamentos involucrados: Recobro, Operaciones y Legal

  • Principales errores en las aplicaciones

  • Revisión estándar de las aplicaciones recogidas

  • Proceso de concesión de préstamos

  • Operaciones no cualificadas

  • Proceso de Automatización y de pronta aprobación

    • Costes de investigación

    • Credit Scoring

    • Sistemas expertos

    • Errores comunes con los sistemas expertos

    • Buro de Crédito

  • Análisis del Flujo de Caja y deuda

    • Principales metodologías del Cash Flow

    • Ratios financieros

  • Benchmarking de los ratios financieros

  • Score Debt to Income

  • Verificación del Cliente

  • Verificación compleja  

  • Reglas para evitar fraude

  • Score de Fraude en la Admisión

  • Pre-aprobación

  • Procesos de admisión Multi-Producto

  • Procesos de admisión Multi-Aplicante

  • Uso de PD, LGD, EAD y ELC en el proceso de admisión

  • Estrategias para definir términos de negocio

  • Asignación de línea de crédito usando ELC y Charge-Off

  • Shadow Limits

  • Optimización de límites de crédito

 

Módulo 10: Evaluación del Proceso de Admisión

 

  • 5 C´s: Carácter, Capacidad, Capital, Colateral y Condiciones

  • Adecuación de políticas y procedimientos al Credit Risk Appetite

  • Revisión de la calidad de las nuevas operaciones o contratos

  • Principales KPIs y KRIs

  • Establecimiento de un Management Information System (MIS)

  • Selección del mejor Buró de crédito

  • Evaluación de los procesos con toma de decisión

  • Evaluación de los procesos de verificación

  • Evaluación de prácticas abusivas y discriminatorias

  • Evaluación del efecto de los cambios en la calidad de la cartera

  • Evaluación de las excepciones

  • Evaluación de garantías

  • Utilización de muestras comparativas para evaluar calidad de la selección de nuevos préstamos

  • Monitorización de la calidad de las nuevas operaciones

    • Informe de excepciones

    • Calidad de la captura

    • Tiempo de decisión

    • Análisis de estabilidad

    • Análisis Vintage

    • Roll rates y Flow rates

    • Bitácora de acciones

CREDIT SCORING

Módulo 11: Credit Scoring y Modelos Predictivos

 

  • Modelos Predictivos en el entorno actual

  • Uso del machine learning para desarrollar Credit Scoring

  • Diseño y Construcción de Modelos de Credit Scoring

  • Ventajas e Inconvenientes

  • Modelos para afrontar crisis financieras

 

Módulo 12: Gestión avanzada de los datos

 

  • 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

  • Análisis Exploratorio

  • Tratamiento de los valores Missing

  • Técnicas avanzadas de detección de Outliers y tratamiento

  • Estandarización de los Datos

  • Categorización de variables

  • 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

    • Árboles de Decisión

  • Segmentación

  • ​Ejercicio 2: Análisis Exploratorio en SAS

  • Ejercicio 3: Detección y tratamiento de Outliers usando Z-score

  • Ejercicio 4: Muestreo estratificado y Aleatorio

  • Ejercicio 5: Análisis del Weight of Evidence en Python

  • Ejercicio 6: Análisis univariante en percentiles en SAS

  • Ejercicio 7: Análisis univariante óptimo variable continua en Excel

  • Ejercicio 8: Estimación del KS, Gini e IV de cada variable en Excel

  • Ejercicio 9: Validación de variables usando Pearson correlation y Fisher Score

  • Ejercicio 10: Optimización de variables categóricas en SAS

  • Ejercicio 11: Segmentación con árboles de decisión 

  • Ejercicio 12: Segmentación usando K means Clustering en R

  • Ejercicio 14: Segmentación con Mixtura gaussiana univariante y bivariante

Aprendizaje No Supervisado

Módulo 14: 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 15: Árbol de decisión en SAS y R

  • Ejercicio 16: KNN en R y SAS

  • Ejercicio 17: Naive Bayes en R

Aprendizaje Supervisado

Módulo 15: Support Vector Machine

  • SVM con variables dummy

  • SVM

  • Hiperplano óptimo

  • Support Vectors

  • Añadir costes

  • Ventajas e Inconvenientes

  • Visualiización del SVM

  • Tuning SVM

  • Truco de Kernel

  • estimación de PD

  • Ejercicio 18: Credit Scoring con Support Vector Machine en R

Módulo 16: Redes Neuronales (Neural Networks NN)

  • Neurona artifical

  • Entrenamiento de Perceptron

  • Perceptrón 

  • Algoritmo de backpropagation

  • Procedimientos de entrenamiento

  • Tuning NN 

  • Visualización de NN

  • Ventajas e inconvenientes

  • Ejercicio 19: Credit Scoring con Redes Neuronales: perceptron en Python

Módulo 17: Ensemble Learning

 

  • Modelos de conjuntos

  • Bagging

  • Bagging trees

  • Random Forest

  • Boosting

  • Adaboost

  • Gradient tree boosting

  • Ventajas e inconvenientes

  • Ejercicio 20: Ensemble models en SAS

  • Ejercicio 21: Random Forest en R 

  • Ejercicio 22: Gradient tree boosting en Python

Módulo 18: Deep Learning 

  • Función de activación

    • Sigmoidal

    • Rectified linear unit

    • Hipertangente

  • Feedforward network

  • Perceptrón Multicapa

  • Uso de Tensorflow

  • Uso de Tensorboard

  • R deep Learning

  • Python deep Learning

  • Redes neuronales convolucionales

  • Uso del deep learning en la clasificación de imágenes

  • Función de costes

  • Optimización con Gradiente descendiente

  • Uso del deep learning para el credit scoring

  • Ventajas e inconvenientes del deep learning

  • Ejercicio 23: Credit Scoring usando Deep Learning con tensorflow y python

Módulo 19: 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

  • Ejercicios de Validación: de modelos tradicionales, machine learning y deep learning

  • Ejercicio 24: Estimación Gini, Valor de la Información, Brier Score, Curva Lift, CAP, ROC, Divergencia en  Excel

  • Ejercicio 25: Bootstrapping Gini/Roc R

  • Ejercicio 26: Jackkinifng en R

  • Ejercicio 27: Kappa y Matriz de confusión en R 

  • Ejercicio 28: K-Fold Cross Validation en R 

Scorecards

Módulo 20: 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 

  • Modelos de Scoring en el proceso de Admisión

    • Response Scoring

    • Income Score

    • DTI Score

    • Credit Scoring 

      • Score de Tarjetas de crédito

      • Score de Hipotecas

      • Score de consumo

      • Score de Automóvil

  • Ejercicio 29: Scorecard WOE en Excel, R y SAS

 

Módulo 21: Response Score 

 

  • Herramienta de pronóstico en las campañas de Marketing

  • Definición del objetivo

  • Horizonte temporal

  • Big Data

  • Segmentación

  • Definición del Respondedor

  • Tipología de variables continuas y discretas

  • Análisis Univariante

  • Modelo Logístico 

  • Modelo Multinomial

  • Response Score

  • Critical Values 

Módulo 22: Estimador de Ingresos en la admisión

 

  • Introducción de modelos de Ingresos

  • Fuentes de datos 

  • Horizonte temporal 

  • Tipología de Modelos de Ingresos

  • Definición de Variable Estimador de Ingresos

  • Transformaciones Matemáticas 

  • Modelo de estimación del ingreso con reglas y árbol de decisión

    • Estado civil, Situación laboral, Antigüedad laboral, etc.

    • Tipo de Ingresos

    • Ingresos Fijos y Variables 

    • Componentes de la Unidad Familiar 

    • Situación de la Vivienda Habitual

    • Lugar de residencia 

    • Zona Geográfica

  • Modelo Econométrico de Estimador de Ingresos

    • Variables Microeconómicas 

    • Variables Macroeconómicas 

    • Variables Sociodemográficas 

    • Regresión lineal 

    • Regresión Bayesiana 

    • Geographically Weighted Regression

    • Validación de modelos econométricos

    • Intervalos de Confianza 

  • Riesgo Modelo en el estimador de ingresos

  • Intervalos de confianza

  • Políticas de conservadurismo en el estimador de ingresos

  • Ejercicio 30: Modelo econométrico de Ingresos en SAS

  • Ejercicio 31: Modelo Geographically Weighted Regression de Ingresos en R

 

Módulo 23: Score de Ingresos en la admisión

 

  • Score de ingresos durante el proceso de admisión

  • Ventajas e inconvenientes en el proceso de admisión

  • Interacción entre modelo de estimación de ingresos y Score de Ingresos

  • Definición de variable Dummy

  • Ingresos declarados y verificados

  • Segmentación de Score de Ingresos

  • Variables iniciales del Score de Ingresos

  • Variables Finales del Score de Ingresos

  • Análisis Univariante de Score de Ingresos

  • Análisis Multivariante de Score de Ingresos

  • Construcción de Scorecard de Ingresos

  • Estimación y Calibración de Probabilidad de Veracidad en los Ingresos

  • Validación de Score de Ingresos

  • Interacción del Score de Ingresos en el proceso de Admisión

  • Sistemas de Decisión avanzados usando Score de Ingresos

  • Ejercicio 32: Construcción de Scorecard de Ingresos en Excel y SAS

Módulo 24: Score de Fraude en Admisión

 

-Variables en el scoring de fraude en admisión

-Horizonte temporal

-Segmentación

-Definición del Target

-Análisis Univariante

-Modelo Logit

-Scorecard de Fraude en Admisión

-Suspicious Score

 

SISTEMAS DE DECISION EN ADMISIÓN

Módulo 25: Sistemas de Decisión 

  • Sistemas de Admisión automatizado

  • Data management

  • Motores de decisión

  • Reglas y políticas

  • Principales vendors de sistemas de decisión

  • Análisis de producto de los vendors

  • Asignación de líneas

  • Árboles de decisión

  • Estrategias Champion/Challenger

  • Estrategias con el credit scoring

  • Matriz dual de scores

  • Metodología ROC para el punto de corte (Cut-Off)

  • Ejercicio 33: Estimación optima del Cut-Off en Excel

 

Módulo 26: Sistemas de Decisión Avanzado

 

  • Automatización Robótica de Procesos RPA

  • Diseño del modelo de decisión

  • Como crear diagramas de influencia

  • Árboles de decisión

  • Arboles de decisión con reglas bayesianas

  • Definición de inputs, outputs, decisiones, predicciones y restricciones

  • Criterios del Risk Appetite Avanzados

    • Operaciones Nuevas

    • Charge-Off

    • PD y LGD

    • Pérdida Esperada ECL de Basilea III

    • Pérdida Esperada ECL Lifetime de IFRS9

    • Capital Económico

    • RAROC

    • Hurdle Rate

  • Análisis de Escenarios

  • Optimización:

  • Programación No Lineal

  • Programación Lineal Entera

  • Procesos de Markov

  • Programación Estocástica

  • Análisis de Simulación

  • Estimación de Frontera eficiente de admisión de operaciones nuevas

  • Ajuste de fronteras eficientes a Risk Appetite del Banco

  • Simulación de Worklow en los procesos de admisión

 

REFORMAS FINALES DE BASILEA III

 

Módulo 27: Probabilidad de Default (PD) cartera consumo

 

  • Reformas finales de Basilea III

  • Estimación de la Probabilidad de Default individual y pool

  • PD Point in Time

  • PD Through the Cycle

  • Modelos de Estimación de la PD

    • PD Regresión Logística

    • PD Regresión Probit

    • PD Regresión COX

    • PD Log-log Complementary

    • Random Forest

    • Gradient Tree Boosting

    • Neural Network

  • Modelos de Calibración de la PD

    • Función score y months on books

    • Ajuste a la tendencia central

    • Platt scaling

    • Isotonic regression

  • Matrices de Transición

  • PD Marginal

  • PD Forward

  • PD Acumulada

  • Ejercicio 34: Estimación red neuronal y calibración ajuste a la tendencia central

  • Ejercicio 35: Calibración de la PD por edad de operación en SAS

  • Ejercicio 36: Calibración de la PD por cosecha o añada en SAS

  • Ejercicio 37: Estimación de PD random forest y calibración platt scaling en R

  • Ejercicio 38: Estimación PD Forward, Marginal y Acumulada

  • Ejercicio 39: Diferencia estimación red neuronal frente a calibración isotonic regression en R

Módulo 28: Loss Given Default (LGD) en carteras consumo

 

  • Reformas finales de Basilea III

  • Definición del default

  • Expected Loss y Unexpected Loss en la LGD

  • LGD in Default

  • Defaulted Weighted Average LGD 

  • LGD para performing y no performing exposures

  • Tratamiento de los colaterales en el IRB

  • 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

  • LGD en consumo

  • LGD para carteras con reposición

  • Modelos Econométricos y de machine learning

    • Regresión lineal

    • Regresión Logística

    • Regresión Beta

    • Inflated beta regression

    • Redes neuronales

  • Ejercicio 40: Estimación y análisis de LGD 

  • Ejercicio 41: Modelo de regresión OLS y Logístico en SAS

  • Ejercicio 42: Modelo de regresión beta y red neuronal del LGD en R

 

Módulo 29: Exposure at Default (EAD) para consumo

 

  • 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

    • Regresión lineal

    • Regresión Logística

    • Regresión Beta

    • Inflated beta regression

    • Redes neuronales

  • Modelo de intensidad para medir el retiro de líneas de crédito

  • Ejercicio 43: Modelo de regresión OLS, Beta e Inflated Beta en CCF en SAS

  • Ejercicio 44: Modelo de red neuronal del CCF en R

  • Ejercicio 45: Comparativo del performance de los modelos de EAD

 

MONITORIZACIÓN DE PORTFOLIO

 

Módulo 30: Portfolio Management

 

  • Gestión de las transacciones

  • Coste de mantenimiento de las operaciones

  • Operaciones In house

  • Operaciones con proveedores externos

  • Operaciones en la nube

  • Automatización Robótica de Procesos RPA

  • Gestión y uso de scores:

    • Score de comportamiento

    • Score transaccional

    • Score de Fraude

    • Score de abandono

    • Score de rentabilidad

    • Score de Retención

  • Uso de scores genéricos

  • Autorización de transacciones

  • Autorizaciones de Overlimits

  • Control del Saldo

  • Incremento/Decremento de la línea de crédito

  • Arboles de decisión y Estrategias Champions y Challenger

 

Módulo 31: Monitorización del portfolio

 

  • Management Information System (MIS)

  • Revisión de cuentas activas

  • Medición de tasa de abandono

  • Evaluación de Estrategias de retención de Clientes

  • Evaluación de campañas de Marketing

  • Análisis de Programas de venta cruzada

  • Control y medición del Fraude

  • Análisis de operaciones fraudulentas

  • Análisis de Excepciones

  • Grupos y muestras de control

  • Renovaciones y extensiones

  • Repricing de cuentas y cambios de condiciones

  • Cierre de operaciones

  • Validación de modelos

  • Matrices de Migración

  • Análisis por productos

  • Vintage Análisis

  • Evaluación del Score de Comportamiento

  • Alertas de los buros de crédito

  • Evaluación de la PD, LGD y EAD en el Risk Appetite

  • Monitorización en:

    • Prepago

    • Retención de Clientes

    • Efectividad de estrategias de portfolio Management

    • Re-aging, extensiones  

    • Operaciones reestructuradas

  • Principales KPIs y KRIs en el Portfolio Management

  • Uso de muestras y testing

  • Cuadros de Mando

 

SCORES DE COMPORTAMIENTO 

 

Módulo 32: Behaviour Score I

 

  • Usos del score de comportamiento

  • Fuentes de datos

  • Segmentación

  • Tipología de variables en el scoring de comportamiento

  • Horizonte temporal

  • Segmentación

  • Definición del Default

  • Score de Comportamiento usando Regresión Logística

  • Score Proactivo

  • Transactional Scoring

    • Variables

    • Horizonte temporal

  • Ejercicio 46: Behavior Score con Regresión Logística en SAS

 

Módulo 33: Behavior Score II

 

  • Modelos Multivariantes

  • Datos de Panel

  • Uso de variables Macroeconómicas e Idiosincraticas

  • Score de Comportamiento usando Cox Regressión

  • Score de Comportamiento usando Regression Logistic Panel Data

  • Ejercicio 47: Behavior Score con Cox Regression en SAS

 

Módulo 34: Score de Fraude usando Machine Learning

 

  • Tipología de Fraude

  • Variables Clave

  • Variable Objetivo

  • Perfil del Cliente Fraudulento

  • Machine Learning para modelos predictivos de fraude

  • Redes Neuronales

  • Árboles de Decisión

  • Deep Learning

  • Estimación y calibración de la Probabilidad de Fraude

  • Principales inconvenientes en la modelización del fraude

  • Ejercicio 48: Deep Learning en Python y Tensorflow para modelo de fraude de tarjetas de crédito

 

Módulo 35: Score de Abandono

 

  • Lealtad del Cliente

  • Objetivo del score

  • Definición del abandono

  • Horizonte temporal

  • Tipos de variables continuas y discretas 

  • Score de Abandono

  • Probabilidad de abandono

  • Generación del perfil del abandono

 

Módulo 36: Customer Lifetime Value (CLV)

y Modelo de Retención

  • Definición CLV

  • Estrategias para retener Clientes

  • Customer Loyalty

  • Enfoque RFM

  • Past Customer Value

  • Share Of Wallet

  • Modelización del CLV

    • Enfoque Agregado

    • Enfoque Individual

  • Componentes del CLV

  • Drivers del CLV

  • Modelo de Retención simple

  • Modelo de Retención General

  • Modelos Supervivencia

  • Ejercicio 49: Estimación CLV en Excel

  • Ejercicio 50: Modelo de Retención simple en SAS

 GESTIÓN DE IMPAGADOS 

 

Módulo 37: Estrategias de Recobro/Cobranzas

 

  • Departamento de Collections

  • Procesos  de recobro

  • Estrategias de recobro

  • Medición y efectividad en las estrategias de recobro

  • Collection Score

  • Recovery Score

  • LGD y Probabilidad de Pago en las estrategias de recobro

  • Saldo en riesgo y acciones

  • Árboles de decisión

  • Estrategias de recobro

    • Etapa temprana

    • Etapa tardía

    • Estrategia de promesa de pago

    • Tracing Strategy

  • Optimización de los costes de recobro usando programación entera

  • Modelo de optimización del proceso del recobro

  • Propiedades y políticas del proceso óptimo del recobro

  • Modelización con curvas de maduración de la recuperación

  • Ejercicio 51: optimización de costes de recuperación usando programación entera en SAS

 

Módulo 38: Evaluación del Proceso de Recobro

 

  • Evaluación de la estructura, staff y gestión del departamento de collections

  • Verificación de las políticas, clasificación y procedimientos  de saldos fallidos/castigos

  • Revisión de pagos, cargos por atraso y dotaciones

  • Evaluación de las estrategias de recobro

  • Valoración de estrategias champion/challenger

  • Evaluación del MIS de los programas de quitas, curas, reestructuras

  • Revisión de la efectividad  del Tracing Strategy

  • Valoración de sistemas automatizados para el recobro

  • Evaluación y medición de la efectividad de los informes de recobro

  • Evaluación de efectividad de la recuperación de colateral y embargos

  • Evaluación de la externalización de las agencias recobro

  • Medición del rendimiento de la recuperación

  • Evaluación de políticas, procedimientos y MIS del fraude

  • Evaluación de muestras testing 

 

SCORE EN EL RECOBRO 

 

Módulo 39: Collection Score

 

  • Objetivo en el Recobro

  • Variable Target

  • Variables predictivas

  • Variables Big Data

  • Horizonte Temporal

  • Segmentación

  • Regresión Logística

  • Redes Neuronales

  • Random Forest

  • Collection Scorecard

  • Ejercicio 52:  Score de recobro usando regresión logística y red neuronal en SAS y R

Módulo 40: Recovery Score 

  • Uso de la LGD en recobro

  • Estimación de la recuperación

  • Variable Target

  • Variables predictivas

  • Horizonte Temporal

  • Regresión OLS

  • Recovery Scorecard

  • Interacción de Recovery y Collection Scoring

  • Ejercicio 53: Recovery Score en Excel y SAS

 

DIGITALIZACIÓN EN EL RECOBRO 

 

Módulo 41: Inteligencia Artificial en el Recobro

 

  • Almacenamiento y tratamiento de los datos

    • Herramientas SQL y NoSQL

    • ​Datos de Esfuerzo

    • Datos Personales

    • Datos Públicos

    • Propensión de pago

    • Datos de Propiedad

  • Automatización Robótica de Procesos RPA

  • RPAs en los procesos de recobro y recuperaciones

  • Riesgo de digitalización del proceso de recobro

  • Asistentes virtuales en el recobro

  • Autoservicio en el recobro

  • Análisis de los chatbots en el recobro

  • Asistentes Inteligentes Virtuales en las llamadas

 

Módulo 42: Marcadores predictivos

 

  • Llamadas de Entrada y de Salida

  • Simulación de llamadas 

  • Enfoques estratégicos para marcadores predictivos

  • Diseño del sistema

  • Monitorización de llamadas

  • Modelización de los marcadores predictivos

  • Probabilidad de pago

  • Best Time to Call models

  • Variable objetivo

  • Variables explicativas

  • Regresión Multinomial

  • Medición de los beneficios del modelo

  • Ejercicio 55: Simulación de tiempo de espera en call center de recobro 

  • Ejercicio 56: Regresión multinomial de modelo Best Time to Call

 

Módulo 43: Herramientas de Análisis

 

  • Performance

    • Principales Drivers

    • Métricas importantes del Collections

    • Análisis de costes por volumen, gestores y morosidad

    • Métricas importantes del Recovery

    • Matriz de Boston

  • Modelo Coste-Beneficio en el recobro

    • Valoración de la rentabilidad en la recuperación

    • Curvas de recuperación 

    • Curvas de los costes

    • Promesas de pago

    • Análisis de costes por volumen, gestor de recobro y ciclo de recuperación

  • Análisis de la productividad

  • Incremento de la morosidad

    • Drivers del incremento de la morosidad en el departamento de recobro

    • Proceso de resolución de problemas

  • Análisis del ROI de software de Inteligencia artificial​

  • Inteligencia Artificial

    • Medición y seguimiento de chatbots

    • Automatización Robótica de Procesos RPA

    • Asistentes inteligentes en las llamadas

Módulo 44: KRIs y KPIs: Productividad, Eficiencia y Calidad

 

  • Introducción

  • Key Risk Indicators

    • Collection Performance

    • Complaince Performance

    • Cost Performance

  • Desarrollo y gestión de Key Performance Indicators

  • Métricas del importe impagado

  • Estadísticas del desempeño del cobrador

  • Principales KRIs para medir la gestión del recobro

  • Cuadro de mando para Director del Recobro

  • Cuadro de mando para el Risk Appetite 

 

Módulo 45: Recobro Externo, Nuevas empresas digitales Fintech

 

  • Externalización del recobro

  • Agencias de recobro tradicionales

  • Nueva Fintech Trueaccord

  • Principios sobre la externalización y Venta Cartera

  • Asignación a un externo de Cartera Previa a que sea fallido/Castigado Asignación a un externo de Cartera Posterior a que sea fallido/Castigado Mejores prácticas para la segmentación

  • Estrategias con LGD/Recovery Score

  • Metodología de Pricing Venta de Cartera

 

PROVISIONES DE RIESGO CRÉDITO

 

Módulo 46: Herramientas de Loss Forecasting

 

  • Análisis de Roll Rates

  • Análisis de Flow Rates

  • Forecast de la morosidad

  • Modelos de Markov

  • Matrices de Transición

    • Buckets de morosidad

    • Credit Grades

    • Estatus de la cuenta

  • Análisis de los Modelos de Markov

  • Vintage Análisis

  • Modelización del Charge-Off

  • MIS de score, roll rates, charge-off, retención, etc.

  • Efectividad del portfolio management usando roll rates

  • Ejercicio 57: Series univariantes de Roll Rates

  • Ejercicio 58: Series temporales multivariantes del impago

  • Ejercicio 59: Procesos de Markov en SAS

  • Ejercicio 61: Matrices de Transición en tiempo continúo

 

Módulo 47: IFRS 9 Deterioro del valor de los activos

 

  • IFRS 9: Impairement-Expected Credit Losses

  • Introducción al IFRS 9

  • Deterioro del Valor

  • Reconocimiento de las pérdidas esperadas

  • Pérdidas Esperadas en los siguientes 12 meses

  • Incrementos del riesgo crédito

  • Medición de Expected Credit Losses

  • Lifetime Expected Losses

  • Aprovechamiento del stress testing

 

 

Módulo 48: Capital Económico y RAROC  por Riesgo Crédito

 

  • Capital Regulatorio

  • Capital Económico en tarjeta de crédito y consumo 

  • Correlación de Default en consumo

  • Correlación de activos en consumo

  • Pérdida Inesperada

  • Pérdida Inesperada Contributoria

  • Modelos de Capital Económico ASRF 

  • Modelo de Credit Risk+

  • Estimación de VaR y Expected Shortfall

  • Gestión del capital económico

  • Estrategias de Pricing y RAROC

  • Ejercicio 62: Matriz de correlación de Default en SAS

  • Ejercicio 63: Correlación de default: carteras de consumo en SAS

  • Ejercicio 64: Credit Risk+ en SAS, Excel

  • Ejercicio 65: Modelo Unifactorial en Excel y Python

  • Ejercicio 66: Modelo Multifactorial de consumo en Excel

 

 

Módulo 49: Pricing

 

  • Estrategias de Cross Selling

  • Pérdida Esperada y Capital Económico

  • RAROC y Economic Profit

  • Hurdle Rate y CAPM

  • Concepto de Correlación de Default

  • Pricing en Carteras de Crédito de Consumo

  • Modelos de Pricing utilizando Flujos de Caja y PD

  • Modelos de Pricing usando Capital Económico y Correlaciones

  • Modelo de Pricing con opción de prepago

  • Estrategias de Pricing y RAROC

  • Ejercicio 67: Calculadora de Pricing para tarjeta de crédito con flujos de caja

  • Ejercicio 68: Calculadora de Pricing con capital económico

 

STRESS TESTING

 

Módulo 50: Stress Testing y Machine Learning

 

  • 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

    • Uso de Credimetrics

    • 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

    • Tiempo del default 

    • EAD

    • Charge-Off

    • Net Charge Off 

    • Prepago

    • Roll Rates​

    • Matrices de transición de Rating/Scoring

    • Matrices de transición de buckets de morosidad

    • Pérdidas por activos deteriorados nuevos  

    • Pérdidas por activos deteriorados antiguos

  • Machine Learning en el stress testing

  • Regresión LASSO

  • Random Forest

  • Redes Neuronales

  • Uso del machine learning para validación de modelos

  • Ejercicio 69: Stress Testing PD en Excel y SAS modelo multifactorial Credit Portfolio Views

  • Ejercicio 70: Stress Testing PD en SAS enfoque Multiyear Approach

  • Ejercicio 71: Stress Testing del Net Charge Off

  • Ejericicio 72: Stress testing del default en R 

  • Ejercicio 73: Stress testing PD usando regresión Lasso en R

  • Ejercicio 74: Stress Testing de Matrices de Transición en SAS

Módulo 51: Risk Appetite en la Banca Digital

 

  • ¿Porque del Risk Appetite en una entidad financiera?

  • Entorno Económico, Financiero y Regulatorio 2018

  • Modelos de 1º, 2º y 3º generación de Risk Appetite

  • Principios de una metodología efectiva de Risk Appetite

  • Definiciones y análisis:

    • Risk appetite framework

    • Risk Appetite Statement

    • Risk Tolerance

    • Risk Capacity

    • Risk Profile

    • Risk Limits

  • Roles y Responsabilidades del Consejo, CEO, CRO y CFO

  • Living will y Recovery Plan

  • Convergencia y Alineación de objetivos del plan estratégico de negocios y el Risk Appetite

  • Riesgo reputacional

  • Riesgo de Conducta

  • Riesgo Operacional

  • Máxima importancia del Ciber Riesgo

 

Módulo 52: Implementación del Risk Appetite

 

  • Pasos para implementación del Risk Appetite

  • Diferencia y Vinculación entre Risk Appetite y Risk Tolerance

  • Metodologías cualitativas

  • Uso de cuestionarios cualitativos

  • Desarrollo de métricas cuantitativas

  • Monitorización y Actualización

  • Comunicación del Risk Appetite en la entidad financiera

  • Metodología Enterprise Risk Management y COSO

 

Módulo 53: Risk Appetite en Riesgo de Crédito

  • Métricas de Risk Appetite

  • Exposición

  • PD y Matrices de transición

  • LGD

  • Capital económico

  • Complejidad de las correlaciones de default

  • Asignación de capital

  • Límites de exposición en el tiempo

  • Apetito por la financiación

  • Gobernanza del riesgo de crédito

  • Admisión, Seguimiento y recobro

  • Risk Appetite Statement en riesgo crédito

  • Integración del Credit Risk Appetite en las unidades de negocio

  • Análisis de escenarios

  • Stress Testing de riesgo de crédito

  • Ejercicio Global 75: Stress Testing, Capital Económico y Risk Appetite 

  • Risk Appetite Statement

  • Estimación de capital Económico por riesgo crédito

  • Medidas de Riesgo de Concentración sectorial e individual

  • Establecimiento de límites

  • KPIs de Negocio y critical values

  • KRIs y principales critical values

  • Estimación de RAPMs

  • Métricas de Rentabilidad

  • Forecasting de la Cuenta de resultados en 3 años

  • Forecasting del Balance General en 3 años

  • Stress Test de los estados financieros

  • Stress Test del Impacto del CET 1

  • Cuadro de Mando