IFRS 9

 

Módulo 1: Directivas sobre la Contabilización del

Expected Credit Losses de Basilea III e IFRS9

 

• IFRS 9: Impairement-Expected Credit Losses

  • Fecha de implementación y transición

  • Enfoque Provisional y disposiciones transitorias de Basilea IV

  • 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

• Basilea II: Pérdida Esperada y Provisiones 

  • Enfoque IRB Riesgo de crédito

  • Validación de modelos IRB en Basilea II

  • Enfoque cuantitativo: Backtesting y Benchmarking

  • Enfoque cualitativo: Modelo, User Test y Calidad de datos

  • Tratamiento de pérdidas esperadas y provisiones contables

• Basilea III: Expected Credit Losses (ECL)

  • Requerimientos regulatorios sobre la medición del Expected Loss

  • Principio 1: Responsabilidades del Consejo y Alta Dirección

  • Principio 2: Metodologías solidas de ECL

  • Principio 3: Proceso y agrupamiento del Credit Risk Rating 

  • Principio 4: Suficiencia de las dotaciones

  • Principio 5: Validación del ELC

  • Principio 6: Juicio de Crédito con experiencia

  • Principio 7: Data común

  • Principio 8: Disclosure 

  • Principio 9: Evaluación de la gestión del riesgo crédito

  • Principio 10: Evaluación de la medición del ELC

  • Principio 11: Evaluación de la suficiencia de capital

  • Directivas de Supervisión para bancos que aplican  IFRS 9

-Provisiones para insolvencias en los siguientes 12 meses ECL

-Evaluación de incremento de Riesgo crédito

-Uso de Expedientes prácticos

 

Módulo 2: Fases del IFRS 9

 

• Fase 1- Clasificación y Valoración

  • Descripción de las categorías de medición: Coste amortizado, valor razonable con cambios en otro resultado integral (FVTOCI) y valor razonable con cambios en pérdidas y ganancias(FVTPL)

  • Reclasificación

  • Opción del valor razonable

  • Clasificación de pasivos financieros

  • Requerimientos de los flujos de caja

  • Importancia de la clasificación

  • Principales Issues

  • 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

  • Incremento del riesgo crédito

  • Ingresos por intereses

  • SPPI Test

  • Enfoque general, simplificado y de activos financieros originados y adquiridos con deterioro crediticio

  • Modelo Loss Rate Approach

  • Asignación de tres escenarios del riesgo crédito en IFRS 9 (Stages)

  • Valoración colectiva e individual

  • Medición del Expected Credit Losses (ELC) 

  • Información razonable y sustentable

  • Forward-Looking scenarios

  • Resultados ponderados por la probabilidad

• Fase 3- Contabilización de Coberturas (Hedge Accounting)

  • Introducción 

  • Objetivo

• Ejercicio 1: Modelo general: Estimación ECL12m y ECL Lifetime de préstamo 

• Ejercicio 2: Modelo general: Estimación ECL12m y ECL Lifetime línea de crédito

• Ejercicio 3: Estimación ECL 12m de bono y valoración FVOCI

• Ejercicio 4: Modelo general: Estimación ECL 12 m y ECL Lifetime de activo financiero deteriorado 

• Ejercicio 5: Modelo Simplificado: Estimación ECL Lifetime de arrendamiento financiero

• Ejercicio 6: Modelo Loss Rate Approach: Estimación ECL 12 m y ECL Lifetime de préstamos

​

GOBERNANZA

​

Módulo 3: Implementación del IFRS 9

 

• Gestión operativa de los modelos

• Factores de exito

• Calidad de los datos

• Nº de escenarios  y Nº de variables macroeconómicas

• Tratamiento de la Prociclidad 

• Procesos y controles internos

• Gobernanza

• Backtesting 

• Riesgo de Modelo TRIM en Europa

• Indicadores de incremento de riesgo crédito y definición de umbrales

• Experiencia de implementación en bancos Europeos y de Latinoamérica

• Compativo IFRS 9 frente al CECL

 

MODELOS FORWARD LOOKING y

DISEÑO DE ESCENARIOS

​

Módulo 28: Análisis y Diseño de Escenarios

​

• ​​Definición de los escenarios

• Uso de los escenarios

• Identificación de escenarios

• Tipología de escenarios

• Scenario-based risk assessment 

• Proceso de análisis de escenarios

• Gobernanza en los escenarios

• Impacto en la rentabilidad

• Definición del risk appetite 

• Evaluación de los escenarios

• Número óptimo de variables macroeconómicas 

• Interacción entre variables 

• Modelos tradicionales macroeconómicos
   

​Módulo 29: Modelos de Forecasting de series

Macroeconómicas

​

• Tratamiento de los datos

  • Series No Estacionarias

  • Test Dickey-Fuller

  • Pruebas de Cointegración

• Transformación de variables macroeconómicas​

• Modelos Econométricos

  • Regresión lineal

  • Regresión no lineal

  • Generalized Linear Models

  • Modelos ARIMA

  • Modelos de Vectores Autoregresivos VAR

  • Modelos de Vectores de Corrección del Error (VEC)

  • Modelos VARMAX

  • Modelos GARCH (1,1)

• Modelos de Machine Learning

  • Supported Vector Machine 

  • Red Neuronal 

  • Red Neuronal frente a GARCH(1,1)

• Simulación ​de series temporales multivariantes

  • Modelos VAR

  • Modelo VEC

  • Modelos GARCH multivariante con copula 

• Tratamiento de Outliers​

  • Enfoque robusto

• Ejercicio 77:Pruebas de Series no estacionarias y cointegración 

• Ejercicio 78: Modelos VEC con variables macroeconómicas en R

• Ejercicio 79: Forecasting volatilidad GARCH (1,1) Python

• Ejercicio 80: Forecasting Machine Learning SPV y NN en Python​​

• Ejercicio 81: Simulación de series financieras GARCH usando copulas en R​​

• Ejercicio 82: Simulación de series financieras VAR usando copulas en R​​ 

​

Módulo 30: 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

• No normalidad

• Heterocedasticidad

• Autocorrelación

• Detección de colinealidad multivariante en regresión lineal

• Detección de colinealidad multivariante en regresión logística

• Ejercicio 83: Detección series no estacionarias y cointegración

• Ejercicio 84:Medición de colinealidad multivariante de modelo de regresión logística y líneal 

 

Módulo 31: Determinación de escenarios Macroeconómicos

en IFRS 9

 

• Escenarios Macroeconómicos IFRS 9

• Definición de Escenarios en Basilea 

• Análisis de escenarios en EBA

• Diseño de escenarios adversos

• Shocks financieros y económicos

• Variables macroeconómicas

• Modelos macroeconómicos clásicos y modernos

• Juicio experto en el diseño de los escenarios

• Medición de la Severidad del escenario adverso macroeconómico

• Score de la severidad del escenario

• Ejercicio 85: Escenarios macroeconómicos de variables macroeconómicas 

​

LOSS RATE APPROACH IFRS 9

 

Módulo 6: Modelos de Loss Rate Approach

 

• Definición Loss Rate Approach

• Roll Rates y Loss Rates en el IFRS 9

• Modelos de Open Pools

• Modelos de Closed Pools

• Vintage Análisis 

• Modelos de forecasting de:

  • Default

  • Charge-Off

• Modelización de la recuperación

• Vintage de la recuperación

• Ejercicio 10: Estimación de Roll Rates con ARIMA y VAR

• Ejercicio 11: Estimación de VAR con Loss Rates en R

• Ejercicio 12: Modelos de regresión del charge-off  en R

• Ejercicio 13: Modelo de Regresión de Poisson del default en R y Excel

PD IRB

​

Módulo 7: Probabilidad de Default (PD): Estimación y Calibración 

 

• 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

  • Regresión Lasso

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

• Ejercicio 15: Calibración de la PD por edad de operación en SAS

• Ejercicio 16: Calibración de la PD  usando regresión Lasso en R

• Ejercicio 17: Estimación de PD random forest y calibración platt scaling en R

• Ejercicio 18: Estimación PD Forward, Marginal y Acumulada

• Ejercicio 19: Diferencia estimación red neuronal frente a calibración isotonic regression en R

​

Módulo 8: Calibración Avanzada de la PD 

 

• Concepto de ajuste a la tendencia central

• Calibración de PD en paises desarrollados

• Calibración de PD en paises emergentes

• Calibración Scaled PD

• Calibración Scaled Likelihood ratio

• Suavizamiento de las curvas de PD

• Quasi moment matching

• Ejercicio 20: Calibración de la PD usando Quasi moment matching

 

Módulo 9: PD Trough The Cycle TTC 

 

• Introducción de Ajuste al Ciclo Económico

• Requerimiento de Basilea IV

• Modelos de PD TTC

  • Estimación de PD TTC con regresión logística

  • Estimación de PD TTC con regresión probit

• Consideraciones del Ajuste al ciclo enfoque “Variable escalar”

• Ejercicio 21: Estimación PD TTC regresión logística

 

Módulo 10: Escala Maestra PD

 

• Definición de Escala Maestra en Excel

• Importancia de la Granularidad

• Técnicas de Mapping de PD a Escala Maestra

• Ajuste por concentración

• Teoría de Credibilidad para validación de Escala Maestra

• Ajuste de curvas de calibración

• Curva CAP para calibración de Escala Maestra

• Ejercicio 22: curvas de calibración en Excel y R

• Ejercicio 23: calibración de Escala Maestra usando curva CAP en Excel

 

Módulo 11: PD Bayesiana

 

• Enfoque bayesiano y determinista

• Criterio experto

• Distribuciones a priori

• Teorema de Bayes

• Distribuciones a posteriori

• Estimación de PD Bayesiana

• Enfoque Markov chain–Monte Carlo

• Intervalos de credibilidad

• PD Bayesiana en la práctica

• Calibración con enfoque bayesiano

• Test de convergencia

• Ejercicio 24: PD Bayesiana de modelo logístico en SAS

• Ejercicio 25: PD Bayesiana de modelo probit en R

• Ejercicio 26: Test de convergencia

 

Módulo 12: Low Default Portfolio PD (PD LDP)

 

• Enfoque de intervalo de confianza para PD LDP

  • Estimación de PD sin correlaciones

  • Estimación de PD con correlaciones 

  • Estimación de un periodo y multiperiodo

• Estimación Bayesiana de PD para LDP

  • Neutral Bayesian

  • Conservative Bayesian

  • Criterio experto

• Análisis real de PD de carteras Corporates, Soberanos y Retail

• Regresión LASSO para medir la tasa de default en corporativos

• Ejercicio 27: Enfoque de intervalo de confianza PD LDP en R

• Ejercicio 28: Enfoque intervalo de confianza multiperiodo PD LDP

• Ejercicio 29: PD Bayesiana Neutral en R 

• Ejercicio 30: PD Bayesiana Conservadora en R

• Ejercicio 31: PD Bayesiana Criterio experto en R

• Ejercicio 32: Regresión LASSO para medir tasa de default

 

​PD LIFETIME IFRS 9

​

Módulo 13: Matrices de Transición y  Estructura temporal de PD

 

• Estructura temporal de PD en IFRS 9

• Propiedades de las matrices de transición

• Cadenas de Markov

• Multi-year transition matrix

  • Tiempo discreto

  • Tiempo continuo

  • Matriz Generatriz

  • Exponencial de una matriz

• Método de duración 

• Método Cohort

• Gestión del error

• Estructuctura temporal de PD

• Calibración de la estructura temporal de la PD

• Levenberg-Marquardt Algoritmo

• Ciclos Económicos

• Calibración de la estructura temporal de la PD para LDP

• Ejercicio 33: Ejercicio análisis y error de Matriz de transición usando enfoque cohort  y duration en Python

• Ejercicio 34: Calibración de la estructura temporal de la PD

 

Módulo 14: Forecasting de la PD IFRS 9

 

• Requerimientos IFRS 9

-Probability Weighted Outcome

-Forward Looking

• Modelización del Lifetime PD 

• Modelización PD Forecasting

• PD Point in Time Forecasting

• PD TTC Forecasting

• Modelos de Markov

• Modelos de Forecasting de la PD PIT

  • ARIMA

  • VAR

  • VARMAX

  • ASRF

• Ejercicio 35: Forecasting de la PD usando VARMAX en R

• Ejercicio 36: Forecasting de la PD usando ASRF en R y Excel

 

Módulo 15: Modelos PD Lifetime

​

• PD Lifetime cartera consumo

• PD Lifetime cartera hipotecas

• PD Lifetime cartera Tarjeta de crédito

• PD Lifetime cartera Pymes

• Modelo Vintage

  • Modelo Exogenous Maturity Vintage EMV

  • Análisis decomposition

  • Ventajas e inconvenientes

• Modelo ASRF de Basilea 

  • Modelo ASRF matricial

  • Aprovechamiento de IRB en IFRS 9

  • Ventajas e inconvenientes

• Modelos de Regresión

  • Regresión Multinomial Logística

  • Regresión Probit Ordinal

• Modelos de Supervivencia​

  • Kaplan-Meier

  • Regresión Cox

  • Ventajas e inconvenientes

• Modelos de Markov

  • ​​Modelo Multi State Markov 

  • Modelo Semiparamétrico Cox

  • Ventajas e inconvenientes

• Modelo de Machine Learning​

  • SVM: Definición de función Kernel

  • Red Neuronal: definición de hiperparámetros y función de activación

• Modelos de Extrapolación de PD Lifetime

• Ejercicio 37: PD Lifetime usando modelo vintage EMV Decomposition

• Ejercicio 38: PD Lifetime usando regresión multinomial en R

• Ejercicio 39: PD Lifetime usando modelo de Markov

• Ejercicio 40: PD Lifetime usando modelo de semiparamétrico de Markov

• Ejercicio 41: PD Lifetime usando modelo ASRF matricial

• Ejercicio 42: PD Lifetime usando enfoque de extrapolación

• Ejercicio 43: PD Lifetime usando SVM en Python

• Ejercicio 44: PD Lifetime usando Red Neuronal en Python

​

Módulo 16: PD IFRS 9 para carteras LDP

​

• Carteras corporates, soberanos y bancos

• PD Enfoque bayesiano multiperiodo

• Simulación MCMS

• Metodología PD 12m LDP

• Metodología PD Lifetime LDP

• Ejercicio 45: Modelo PD Lifetime en cartera LDP

​

​