171.jpg

Riesgo Contraparte, Inteligencia Artificial y Algoritmos Cuánticos 

 

 

 

 

OBJETIVO

 

Curso sobre la modelización del riesgo de contraparte en una entidad financiera que cubre los siguientes objetivos:

 

  • Explicar las recientes directivas de Basilea III sobre cargo de capital por default del riesgo de contraparte, enfoques IMM y estándar

  • Así como las recientes directivas de Basilea III por cargo capital del riesgo de Credit Value Adjustment CVA bajo los enfoque básico y estándar.

  • Se exponen metodologías recientes para calcular el XVA y los ajustes necesarios en el pricing de derivados Over The Counter OTC relacionados con el riesgo de contraparte, financiación, colateral y capital.

  • Se explican modelos para calcular el Debit Value Adjusment DVA, y otros ajustes como los son el LVA, FVA, CollVA, KVA y el XVA.

  • Se muestran metodologías para estimar los parámetros empleados en el CVA tales como la probabilidad de default PD, severidad de la pérdida LGD y Credit Spread utilizando modelos estructurales y modelos de forma reducida.

  • Explicar la modelización de la exposición actual y las principales métricas empleadas como exposición potencial futura y exposición esperada.

  • Exponer metodologías para el cálculo del Wrong Way Risk WWR

  • Valorar algunos de los derivados más utilizados en la banca. 

  • INTELIGENCIA ARTIFICIAL

    • Mostrar metodologías tradicionales e innovadoras de inteligencia artificial tales como el Deep Learning y machine learning para valorar derivados, estimar exposiciones, calcular el CVA y el XVA.

  • ALGORITMOS y MACHINE LEARNING CUÁNTICOS ​

    • La mecánica cuántica es bien conocida por acelerar los procesos de muestreo estadístico sobre las técnicas clásicas. En las finanzas cuantitativas, los muestreos estadísticos surgen  en muchos casos de uso.

    • Se explican algoritmos cuantitativos para el cálculo del Credit Value Adjustment (CVA), y exponemos oportunidades y desafíos de la ventaja cuántica .

    • Abordamos como obtener una ventaja cuántica sobre la simulación de Monte Carlo en el pricing de los derivados.

    • Explicamos análisis numéricos para mostrar la aceleración cuántica, respecto al capital económico, sobre simulaciones clásicas de Monte Carlo.

    • Se explica el machine learning cuántico 

    • Uso de redes tensoriales para mejorar la velocidad de las redes neuronales.

 

¿QUIÉNES DEBEN ASISTIR?

 

Este programa está dirigido a directores, gerentes, consultores, reguladores, auditores y analistas de riesgo de crédito de contraparte así como aquellos profesionales que se encuentren implantando los acuerdos regulatorios de Basilea III. Profesionistas que trabajen en entidades bancarias, cajas de ahorro y todas aquellas empresas que se encuentren expuestas al riesgo de crédito. Es importante disponer de conocimientos de Estadística y Probabilidad así como de Excel.

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, Quito, Bogotá, San JoséL a V 19-22 h

Precio: 8.900 € 

 

Nivel: Avanzado

 

Duración: 39 h

 

     Material: 

  • Presentaciones PDF

  • Ejercicios en Excel, R , Python, Jupyterlab y Tensorflow

AGENDA
 Riesgo de Contraparte, Inteligencia Artificial y Machine Learning Cuántico 

 

 

QUIBIT.jpg
 

Computación Cuántica e Inteligencia Artificial

Módulo -1: Computación Cuántica y algoritmos (Opcional)

 

  • Futuro de la computación cuántica en la banca

  • ¿Es necesario saber mecánica cuántica ?

  • Aplicaciones y hardware de QIS

  • Operaciones cuánticas

  • Representación de Qubit

  • Medición

  • Superposición

  • Multiplicación de matrices

  • Operaciones de Qubits

  • Múltiples Circuitos cuánticos

  • Entanglement

  • Algoritmo de Deutsch

  • Transformada cuántica de Fourier y algoritmos de búsqueda

  • Algoritmos híbridos cuánticos-clásicos

  • Quantum annealing, simulación y optimización de algoritmos

  • Algoritmos cuánticos de machine learning

  • Ejercicio 1: Operaciones cuánticas 

Módulo 0: Deep Learning para Exposición (Opcional)

  • Definición y concepto del deep learning

  • ¿Porque ahora el uso del deep learning?

  • Arquitecturas de redes neuronales

  • Función de activación

    • Sigmoidal

    • Rectified linear unit

    • Hipertangente

    • Softmax

  • Perceptrón Multicapa

  • Uso de Tensorflow

  • Uso de Tensorboard

  • R deep Learning

  • Python deep Learning

  • Tipología de Redes Neuronales

    • Feedforward network

    • Redes neuronales convolucionales CNN

    • Redes neuronales recurrentes RNN

  • Uso del deep learning en la banca

  • Función de costes

  • Optimización con Gradiente descendiente

  • Uso del deep learning para el IRRBB y ALM

  • Software Deep Learning

  • Software de implementación: Nvidia y Cuda

  • Harware, CPU, GPU y entornos cloud

  • Deep Learning para valoración de derivados

  • Ecuaciones diferenciales estocásticas

  • Modelos de optimización

  • Ventajas e inconvenientes del deep learning

  • Ejercicio 2: Deep learning en la banca

Riesgo de Contraparte

Módulo 1: Requerimientos de riesgo de contraparte en

Basilea III

  • Riesgo de crédito de contraparte

  • Transacciones financieras

  • CCR: the risk of counterparty default

  • CVA: credit valuation adjustment

  • Regulaciones de Basilea I, II y III

  • Cargos de capital por riesgo de CVA

  • Enfoques Credit Value Adjustment (CVA)

    • The basic approach (BA-CVA)

    • The standardised approach (SA-CVA)

  • Capital por riesgo de contraparte (CCR)

    • Medición de la exposición para derivados: SA-CCR

    • Medición de la exposición para derivados: IMM-CCR

Módulo 2: Gestión del Riesgo de Contraparte

 

  • Definición y Conceptos

  • Riesgo de contraparte en OTC

  • Riesgo de contraparte en Repos y Securities

  • Participantes del riesgo contraparte

  • Credit Exposure

  • PD, LGD, Migración de matrices y Credit Spread

  • MtM y Coste de remplazamiento

  • Mitigación del Riesgo Contraparte

  • Medición y ajustes

  • Límites de crédito

  • Definición y concepto CVA

  • Coberturas de riesgo contraparte

  • Portfolio de riesgo contraparte

Principales Derivados usados en Banca

 

Módulo 3: Opciones y Futuros de tipo de interés

 

  • Derivados OTC y mercados organizados

  • Futuros y Swaps

  • Forward Rate Agreements (FRAs)

  • Estrategias de Coberturas con Futuros de tipo de interés

  • Interest Rate Swaps (IRS)

  • Overnight Index Swaps (OIS)

    • Tipo libre de riesgo vs OIS

    • Curva cero OIS

    • OIS vs Libor

    • Funding Risk

    • CVA y DVA

  • Opciones sobre tipo de interés

    • Bond Options

    • Caplet/Caps

    • Floorlets/Floors

    • Swaptions

    • Collar

    • Reverse Collar

  • Modelos de valoración

    • Pricing caps y floores usando Black`s Model

    • Pricing con árboles trinomiales

    • Pricing de Caps y Floors usando Libor Market Model

  • Ejercicio 3: Valoración IRS en Excel

  • Ejercicio 4: Pricing de caps y floors Black`s model en Python

  • Ejercicio 5: Pricing de Swaption en Excel 

  • Ejercicio 6: Caplet y Swaption Libor Market Model en Python

  • Ejercicio 7: Árbol trinomial de Bond Options en Excel

 

Módulo 4: Otros Derivados usados en Banca

 

  • Derivados de Renta Variable

    • Opciones Renta Variable

    • Swaps Renta Variable

    • Opciones de mercados organizados

  • Derivados de Renta Fija

    • Forwards de renta fija

  • Derivados de tipo de cambio

    • Cross Currency Swap

    • Opciones de tipo de cambio

  • Derivados de Crédito

    • Credit Default Swap CDS

  • Ejercicio 8: Pricing Cross Currency Swap

  • Ejercicio 9: Pricing de opción de renta variable en Python

  • Ejercicio 10: Pricing de CDS en R

 

Exposición Crediticia del Riesgo de Contraparte

Módulo 5: Modelo interno para medir

la exposición del riesgo de contraparte

 

  • Modelización de exposición de riesgo de contraparte

    • MtM+Add on

    • Simulación de Monte Carlo

  • Exposición potencial futura (PFE)

  • Exposición esperada (EE)

  • Máxima PFE

  • Expected positive exposure

  • Exposición Negativa

  • Effective expected positive exposure

  • Factores: vencimiento, frecuencias de pago, opcionalidades y default

  • PFE de Interest Rate Swaps, Swaptions y CDS 

  • Impacto del Neteo en la exposición

  • Modelización de la exposición colateralizada

  • Modelización del colateral

  • Acuerdo de margen Unilateral

  • Acuerdo de margen Bilateral

  • Perfiles de exposiciones colateralizadas

  • PFE colateralizado

  • EE colateralizado

  • Ejercicio 11: Simulación de MtM de valores de IRS

  • Ejercicio 12: Simulación del tipo de interés usando modelo CIR y Vacicek para determinar MtM de IRS. Estimación del  PFE y EE

  • Ejercicio 14: Estimación EE y EPE Swaptions en Excel con VBA

  • Ejercicio 15: Estimación del PE y EPE colateralizado y no colateralizado

Deep Learning Tradicional y Cuántico para

Pricing Derivados y Exposición por Riesgo de Contraparte

Módulo 6: Redes Neuronales para pricing de derivados

​​

  • ​Deep Learning para valorar derivados

  • Deep Learning para estimar la exposión 

  • Monte Carlo vs Deep Learning

  • Redes Neuronales (Neural Networks NN)

  • Valoración de derivados

  • Entrenamiento de Perceptron

  • Algoritmo de backpropagation

  • Procedimientos de entrenamiento

  • Tuning NN 

  • Visualización de NN

  • Ventajas e inconvenientes

  • Ejercicio 16: Deep Learning para valoración de modelo Black-Sholes

  • Ejercicio 17: Deep Learning para valoración de Opción Bermuda 

  • Ejercicio 18: Deep Learning para estimación de Expected Exposure

 

Módulo 7:  Machine Learning avanzado para medición de volatilidad y opciones exóticas 

  • Deep Learning en la volatilidad

  • Pricing y calibración

  • Volatilidad Local

  • Superficies de volatilidad implicita

  • Valoración de opciones exóticas 

  • Pricing de derivados

  • Estimación de griegas

  • Ejercicio 19: Deep Learning Volatility

Módulo 8: Machine Learning Cuántico

  • ¿Qué es el machine learning cuántico?

  •  Qubit y Quantum States

  •  Algoritmos de Machine automático cuántico

  • Circuitos cuánticos

  • Support Vector Machine

  • Support Vector Machine cuánticos

  • Clasificador cuántico variacional

  • Entrenamiento de modelos de machine learning cuántico

  • Redes Neuronales Cuánticas

  • Quantum GAN

  • Máquinas Quantum Boltzmann

  • Ejercicio 20: Machine learning tradicional y Machine Learning cuántico para valorar un derivado

Módulo 9: Redes Tensoriales para Machine Learning

 

  • ¿Que son las redes tensoriales ?

  • Entrelazamiento Cuántico

  • Redes tensoriales en machine learning

  • Redes tensoriales en modelos no supervisados

  • Redes tensoriales en SVM

  • Redes tensoriales en NN

  • Tensorización de NN

  • Aplicación de redes tensoriales en modelos de credit scoring

  • Ejercicio 21: Modelo de valoración de derivados usando Redes Neuronales frente a tensorización de redes neuronales

 

Finanzas computacionales Cuánticas 

Módulo 10: Finanzas computacionales cuánticas 

  • Pricing de derivados

  • Monte Carlo para valorar derivados

  • Algoritmos Cuánticos para derivados

  • Pricing de opción Europea usando algoritmos cuánticos 

  • Pricing de Basket Options usando algoritmos cuánticos

  • Redes antagónicas generativas cuánticas

  • Ejercicio 22: Pricing de derivados usando Monte Carlo frente a algoritmos cuánticos

  • Ejercicio 23: Pricing de Basket Options usando deep learning clasico y deep learning cuántico  

 

Credit Value Adjustment

Módulo 11: Modelos Estructurales de Default

Probabilidad de Default

 

 

  • Modelo de Merton

  • Probabilidad de Default física

  • Modelo Black-Scholes-Merton

  • Modelo Black-Cox

  • Modelo Vasicek-Kealhofer

  • CDS Pricing

  • Curvas en condiciones de liquidez y no liquidez

  • CDS Implied EDF

  • CDS Spreads

  • Fair Value Spread

  • CDS Spread en soberanos

  • Ejercicio 24: Ejercicio CDS Spread y PD

 

Módulo 12: Modelos de Forma Reducida 

Probabilidad de Default

 

  • Modelización de Credit Spread

    • Suavizamiento de Credit Spread

    • Ajustando credit spread con splines cúbicos

  • Modelos de forma reducida

    • Jarrow-Turnbull Model

    • Duffie y Singleton Model

    • Probabilidades neutrales de default

    • Conversión de intensidades de default en PDs discretas

    • Ajuste de modelos de forma reducida a BBDD históricas

    • Construcción de curvas de probabilidad de default

    • Validación con Falkenstein y Boral Test

  • Jump to default

    • Bonos cupón cero

    • Bono con cupones

    • Bonos convertibles

    • CDS

  • Spread Risk

  • Probabilidad de default para empresas sin información de mercado

  • Ejercicio 25: Construcción de curvas de probabilidad de default y hazard rate

 

Módulo 14: Loss Given Default Avanzada (LGD)

 

  • Definición: LGD, RR y CRR

  • Tratamiento de colaterales

  • Enfoque lineal para estimar LGD

  • Enfoque con Opciones Black-Sholes para estimar LGD

  • LGD Implícita en CDS Spread

  • Calibración y optimización de LGD Implícita usando árboles binomiales

  • Modelos expertos de LGD usando árboles de decisión

  • Ejercicio 26: Estimación LGD usando enfoque líneal y Black-Sholes

  • Ejercicio 27: Estimación LGD implicita  a través de árboles binomiales y optimización

 

Módulo 15: CVA en Basilea III

 

  • Requerimientos mínimos de capital por riesgo CVA

  • The basic approach (BA-CVA)

    • Versión reducida del método BA-CVA (sin reconocimiento de coberturas)

    • Versión íntegra del método BA-CVA (con reconocimiento de coberturas)

    • Coberturas admisibles

    • K-Integro

    • K-Admisible

    • K-Cubierto

  • The standardised approach (SA-CVA)

    • Cálculos del CVA a efectos reguladores

    • Coberturas admisibles

    • Multiplicador por riesgo de modelo

    • requerimientos de capital para los riesgos delta y vega

    • Categorías, factores de riesgo, sensibilidades, ponderaciones por riesgo y correlaciones

  • Ejercicio 28: Cálculo del BA-CVA y SA-CVA

 

Módulo 16: Modelización del

Credit Value Adjustment (CVA)

 

  • Definición y concepto CVA

  • Fórmula y parámetros

  • Factores que afectan el CVA

  • Gestión del riesgo por CVA

    • Contrapartes con Colaterales

    • Cobertura sobre factores de mercado

    • Cobertura sobre spread

  • CVA visto como Spread

  • Riesgo de correlación adversa

  • Mecanismos de mitigación en el CVA

  • CVA marginal y CVA incremental

  • Modelización del CVA con modelo de forma reducida

    • CVA en IRS

    • CVA en portfolio de IRSs

    • Probabilidad neutra al riesgo

    • Simulación

  • Ejercicio 29: Estimación CVA, EE, PFE 

  • Ejercicio 30: Estimación CVA  de portfolios de IRSs usando simulación de Monte Carlo

Módulo 17: CVA  con Deep Learning 

 

  • Velocidad en los cálculos

  • Gradientes y Jacobianos

  • Ecuaciones diferenciales parciales PDE

  • SDE para la estimación del CVA

  • Discretización de las ecuaciones diferenciales estocásticas SDE

  • Black-Sholes usando deep learning

  • Arquitecturas de Deep Learning

  • Estimación del CVA usando Deep Learning

  • Ejercicio 31: Modelo de CVA usando deep learning 

Módulo 18: CVA y Capital Económico Cuántico

 

  • CVA usando algoritmos cuánticos 

  • Generación de circuitos cuánticos

  • Quantum Circuit Born Machine

  • Simulación de Monte Carlo

  • Próximos pasos 

  • Análisis de desarrollos recientes

  • Estimación del parámetro alfa usando capital económico cuántico

  • Ejercicio 32: Estimación parámetro alfa con modelo de capital económico tradicional y cuántico  

Módulo 19: Wrong-way risk (WWR)

 

  • Que es el WWR

  • Right Way Risk

  • Relación entre WWR y CVA

  • Metodologías del WWR

  • Enfoque de correlaciones

  • Enfoque paramétrico

  • Calibración

  • Ejercicio 33: Estimación WWR y CVA

 

XVA

 

Módulo 20: ¿Que es XVA?

 

  • Concepto de XVAs

  • CVA, DVA, LVA, FVA, CollVA, KVA

  • Rentabilidad en los derivados

  • Perspectiva regulatoria

  • XVA Trading

  • Nuevas Funciones del XVA Trader

  • La base CSA Precio

  • Colaterales y OIS como tasa de descuento

  • Pricing y Multicurva negativa en el marco XVA

 

Módulo 21: Debt Value Adjustment (DVA)

 

 

  • Definición del Ajuste del valor de la deuda (DVA)

  • Norma contable IFRS

  • CVA Bilateral

  • Propiedades del DVA

  • Valor Ajustado al Riesgo

  • Monetización del DVA

  • Cobertura del DVA o Transferencia a la tesorería

  • LVA concepto

  • Ejercicio 34: Estimación CVA Bilateral

 

 

Módulo 22: Funding Value Adjustment (FVA) y Deep Learning para XVA

 

  • Concepto de los Ajustes de valor por costes de financiación

  • Overnight Indexed Swaps (OIS) frente a tipos de interés bancarios

  • Debate acerca del FVA

  • Fórmula del FVA: Negativo y Positivo

  • Interacción CVA, DVA y FVA

  • Coste de financiación

  • Impacto del Ratio de financiación estable neta

  • Prima de Liquidez

  • Valor Ajustado al Riesgo

  • Estimación alternativa del FVA

    • Fórmula del Ajuste por coste del colaterial CollCA y MVA

    • Fórmula del Ajuste por costes de Cobertura HVA

    • Estimación del FVA

  • Estimación del coste de capital KVA

  • Cálculo del XVA

  • Gestión de riesgos del XVA

  • Deep Learning para XVA

  • Ejercicio 36: Cálculo de XVA en Python

  • Ejercicio 37: Estimación del CVA, DVA, FVA, CollVA, HVA, KVA, LVA y XVA en Excel

  • Ejercicio 38: Deep Learning para XVA