Riesgo de Modelo para Riesgo Crédito

 

OBJETIVO

 

Recientemente, el número de modelos usados en las entidades financieras, se ha incrementado, exponencialmente, particularmente en el ámbito del riesgo de crédito, tal es el caso de los modelos de scoring en admisión, seguimiento y recobro, modelos de machine learning, modelos de parámetros IRB, capital, correlaciones, stress testing y los recientes parámetros del IFRS 9, entre muchos otros.

Esta proliferación de modelos tiene beneficios como la automatización, eficiencia y rapidez en la toma de decisiones. No obstante, también tienen inconvenientes, debido a las decisiones tomadas por modelos erróneos o empleados de forma inapropiada.

 

El riesgo de modelo, en Estados Unidos, se define como el conjunto de posibles consecuencias adversas derivadas de decisiones basadas en resultados e informes incorrectos de modelos, o de su uso inapropiado. El regulador europeo, lo define, como el riesgo relacionado con la subestimación de los fondos propios, por ejemplo, por el uso del IRB. 

 

Los objetivos del curso son los siguientes:

 

  • Explicar la definición y alcance del riesgo de modelo, las mejores prácticas en cuanto a gestión, control, validación gobernanza y cuantificación del mismo.

  • Explicar la pionera directiva sobre riesgo de modelo SR 11-7 en EEUU, la reciente directiva de revisión de modelos internos, TRIM, en la Unión Europea, UE, y otras directivas importantes en materia de riesgo de modelo y validación como la directiva de estimación de PD y LGD y tratamiento de exposiciones de default de EBA.

  • Indicar las mejores prácticas de validación de modelos de riesgo crédito de las entidades financieras.

  • Mostrar  técnicas de cuantificación del riesgo de modelo en los modelos de credit scoring, parámetros PD, LGD y EAD y capital regulatorio y económico.

  • Explorar técnicas de validación del credit scoring, y otras como el poder discriminante, pruebas de estabilidad y backtesting. 

  • Ofrecer un número muy importante de metodologías econométricas y de machine learning, para desarrollar modelos de credit scoring, PD, LGD y EAD bajo los  enfoques IRB e IFRS9.

  • Explicar metodologías para desarrollar modelos de capital económico y stress testing.

  • Exponer técnicas de validación para modelos de capital económico y regulatorio.

  • Mostrar, un número importante, de técnicas de validación de modelos econométricos y series temporales usadas en el stress testing.

  • Modelizar el stress testing de la PD, LGD y matrices de transición carteras de consumo y corporate.

  • Mostrar, innovadoras, técnicas de validación de stress testing.

  • Explicar y detectar el riesgo modelo en el stress testing.

 

 

¿QUIÉNES DEBEN ASISTIR?

 

Este programa esta dirigido a responsables, analistas y consultores de riesgo crédito. Particularmente, a profesionistas del riesgo de modelo, validación de modelos y auditoria de modelos. Para la mejor comprensión de los temas es recomendable que el participante tenga conocimientos de estadística. El curso contiene ejercicios en SAS, R  y 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, Lima, Quito, Bogotá, San JoséL a V 19-22 h

Precio: 4.900 €

Nivel: Intermedio-Avanzado

Duración: 30 h

Material: 

Presentaciones PDF

Ejercicios en R, SAS y Excel

AGENDA Riesgo de Modelo para Riesgo Crédito

 

RIESGO DE MODELO

 

Módulo 1: Gestión del Riesgo Modelo y Cuantificación

 

  • Definiciones de riesgo modelo

  • Gestión del riesgo modelo

  • Definición de modelo

  • Fuentes del riesgo modelo

    • ​Data

    • Estimación

    • Uso

  • Inventario de modelos de riesgos

  • Metodología de control

  • Gestión de procesos y tecnología

  • Gobernanza

  • Gestión del ciclo de vida de los modelos

  • Cuantificación del riesgo modelo

  • Ciclo de la gestión cuantitativa del riesgo modelo

  • Identificación de la fuente

  • Mitigación del riesgo modelo

  • Documentación de modelos

  • Validación de modelos

  • Perfil de equipos de riesgo de modelo en entidades financieras

  • Estructura y organigrama

  • Principales actividades del equipo

  • ¿como realizar un inventario de modelos?

  • Caso de estudio 1: riesgo de modelo banco europeo

  • Caso de estudio 2: riesgo de modelo en modelos de riesgo crédito

 

IMPLEMENTACIÓN DEL RIESGO DE MODELO 

 

Módulo 2: PROCESO DE RIESGO MODELO

  • Proceso de validación de modelos

  • Definición del objetivo y metodología del modelo

  • Revisión de las memorias del modelo

  • Plan de validación

  • Conclusiones de la validación

  • Subriesgos del riesgo de modelo:

    • Riesgo de modelo en los datos

    • Riesgo de modelo en la metodología

    • Riesgo de modelo en la implementación

    • Riesgo en los resultados del modelo 

  • Gobernanza del modelo

  • Controles en cada nivel de subriesgo

  • Análisis y validación de la documentación del modelo

  • Proposito del modelo

  • Data

  • Diseño y metodología

  • Especificación y estimación

  • Pruebas

  • Implementación

  • Monitorización

  • Controles operacionales

  • Reporting

  • Cuadro de mando

  • Soluciones y tecnología necesaria para la gestión del riesgo de modelo

  • Caso de estudio 3: Gestión del riesgo de modelo para modelos de riesgo de crédito, validación y revisión de documentación

REGULACIÓN DEL RIESGO DE MODELO UE y EEUU

Módulo 3: Directiva sobre la gestión del Riesgo Modelo

SR 11-7 en USA

  • Introducción

  • Alcance y propósito

  • Model Risk Management

  • Desarrollo del modelo, implementación y uso

  • La validación del modelo

  • Evaluación de la solidez conceptual y pruebas de desarrollo

  • Monitorización permanente, verificación de procesos y Benchmarking

  • Análisis de los resultados, incluido el Backtesting

  • Gobernanza, Políticas y Controles

  • Políticas y procedimientos

  • Roles y responsabilidades

  • Auditoria Interna

  • Inventario de modelos

Módulo 4: Guide for the Targeted Review of Internal Models (TRIM) UE

  • Alcance y objetivos de la guía

  • Principios generales de los modelos internosRoll-out and PPU

  • Gobernanza

  • Auditoría interna

  • Validación interna

  • Uso del modelo

  • Gestión en los cambios del modelo

  • Calidad del dato

  • Participación de terceros

  • Riesgo de Crédito

    • Alcance de la guía de riesgo crédito

    • Requerimientos de datos

  • Probability of default (PD)

    • Estructura de los modelos de PD

    • Principales drivers

    • Distribución de los pools

    • Filosofia del Rating

    • Cálculo de la tasa de default

    • Cálculo de PD media a largo plazo

  • Loss Given Default (LGD)

  • Credit conversion factor (CCF)

  • Margen de conservadurismo relacionado con el modelo

  • Revisión de las estimaciones

VALIDACIÓN DE MODELOS

 

Módulo 5: Validación de Modelos en la práctica

 

  • Lecciones aprendidas en la crisis financiera sobre validación

  • Validation Framework

  • Definición de Validación

  • Principios de validación

  • Roles y Responsabilidades

  • Alcance y frecuencia

  • Proceso de Validación

  • Gobernanza Interna

  • Validación de Modelos IRB

  • Validación Cualitativa

    • Model Design

    • Data Quality

    • Use Test

  • Validación Cuantitativa

    • Backtesting

    • Poder Discriminante

    • Pruebas de Estabilidad

  • Infraestructura tecnológica​

  • Documentación Requerida

  • Departamento y equipo de validación interna

  • Departamento  y equipo de Auditoria

Módulo 6: Validación de la calidad del dato

  • Gestión de proceso de la calidad del dato

  • Principios de gobernanza

  • Alcance y componentes la calidad del dato

    • Precisión

    • Consistencia

    • Unicidad

    • Validación

    • Disponibilidad

    • Trazabilidad

  • Indicadores de calidad en el IRB

  • Nivel de tolerancia y análisis semafórico

  • Proceso de Valoración Interna

  • Informes de calidad del dato

 

RIESGO DE MODELO EN EL CREDIT RATING Y SCORING

 

Módulo 7: Riesgo de modelo en rating y scoring

  • Dimensión y uso de la materialidad

  • Clasificación de modelos de scoring por importancia dentro de la entidad financiera

  • Impacto del modelo en la entidad

  • Dependencia del modelo 

  • Limitaciones del modelo

  • Gobernanza del modelo

  • Documentación y revisión

  • Implementación 

  • Controles operativos

  • Árbol de decisión para valorar modelos de rating y scoring

  • Casuística en modelos de Credit Rating expertos

  • Casuística en modelos de credit scoring estadísticos

  • Riesgo modelo en el big data

  • Riesgo modelo por machine learning y black box

Construcción del Credit Scoring y análisis del riesgo de modelo

Módulo 8: Validación 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

    • 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

    • Àrboles de Decisión

  • Segmentación

    • Decisión Experta

    • Estadística

      • Àrboles de Decisión

      • K Means Clustering

      • Finite Mixture Model

      • Mixtura gaussiana Univariante

      • Mixtura gaussiana Bivariante

  • ​Ejercicio 1: Análisis Exploratorio en SAS

  • Ejercicio 2: Detección y tratamiento de Outliers usando Z-score

  • Ejercicio 3: Técnicas de Muestreo rebalanceado en SAS

  • Ejercicio 4: Muestreo estratificado y Aleatorio

  • Ejercicio 5: Análisis del Weight of Evidence en Excel

  • Ejercicio 6: Análisis univariante en percentiles en SAS

  • Ejercicio 7: Análisis univariante óptimo variable continua en Excel

  • Ejercicio 8: Validación usando KS, Gini e IV de cada variable en R y Excel

  • Ejercicio 9: Optimización de variables categóricas en SAS

  • Ejercicio 10: Análisis Univariante con árboles de decisión en SPSS

  • Ejercicio 11: Segmentación con árboles de decisión 

  • Ejercicio 12: Segmentación usando K means Clustering en R

 

Módulo 9: Modelos multivariantes y Machine Learning

 

  • Modelos Multivariantes 

    • Regresión Logística

    • Regresión Cox

    • Riesgo de Modelo

  • ​Machine Learning

    • Árboles de decisión

    • Redes Neuronales

    • SVM

    • Ensemble Learning

    • Bagging

    • Boosting

    • Random Forest

  • Riesgo Modelo en Machine Learning​

    • Sobreajuste

    • Transparencia

    • Muestreo fallido

    • Variables importantes

  • Ejercicio 14: Regresión Logística, método stepwise en SAS

  • Ejercicio 15: Regresión Piecewise en Excel y SAS

  • Ejercicio 16: Árboles de decisión en SAS

  • Ejercicio 17: Regresión Cox

  • Ejercicio 18: Support Vector Machine en SAS

  • Ejercicio 19: Redes Neuronales: perceptron en SAS y R

  • Ejercicio 20: Ensemble models en SAS y R

  • Ejercicio 21: Random Forest en SAS

  • Ejercicio 22: Bagging en R

  • Ejercicio 23: Comparativo de modelos de poder discriminante entre modelos: Redes Neuronales, Regresión Logística, Regresión Logística Panel Data y Regresión Cox

  • Ejercicio 24: Riesgo de Modelo usando Intervalos de confianza de coeficientes de regresión logística 

​Módulo 10: Riesgo de Modelo en el Scorecard

 

  • 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 

    • Optimización del punto de corte usando curvas ROC

  • Riesgo de Modelo por decisión de punto de corte

  • Riesgo de Modelo por ausencia de datos

  • Riesgo de Modelo por no actualizar o recalibrar

  • Ejercicio 25: Construcción de Tarjeta de Puntuación en Excel

  • Ejercicio 26: Estimación óptima punto de corte en Excel y riesgo modelo por selección punto de corte

  • Ejercicio 27: Matriz de confusión para verificar Error Tipo 1 y Tipo 2 en Excel con y sin variables

  • Ejercicio 28: Riesgo de modelo en credit scoring por no recalibrar a tiempo

Validación de modelos de Credit Scoring

Módulo 11: Pruebas de estabilidad

  • Índice de estabilidad en modelo

  • Índice de estabilidad en factores

  • Test Xi-cuadrada

  • Test K-S

  • Ejercicio 29: Pruebas de estabilidad de modelos y de factores

 

Módulo 12: Validación de modelos tradicionales y de Machine Learning

  • Validación Out of Sample y Out of time

  • 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

  • Principales test de poder discriminante:

    • KS

    • Curva ROC

    • Curva Lift

    • Gini Index

    • Cumulative Accuracy Profile

    • Distancia de Kullback-Leibler

    • Pietra Index

    • 1-Ph

    • 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

  • Análisis Semafórico

  • Ejercicio 30: Test de Bondad de Ajuste Regresión Logística

  • Ejercicio 31: Validación cruzada en SAS

  • Ejercicio 32: Estimación Gini, Valor de la Información, Brier Score, Curva Lift, CAP, ROC, Divergencia en SAS y Excel

  • Ejercicio 33: Bootstrapping de parámetros SAS

  • Ejercicio 34: Jackkinifng en SAS

  • Ejercicio 35: Bootstrapping de Gini/ROC en SAS

  • Ejercicio 36: Estimación Kappa

  • Ejercicio 37: K-Fold Cross Validation en R

  • Ejercicio 38: Validación semafórica out of time (horizonte 6 años) de modelos Logístico y de Machine Learning

 

Validación de PD, LGD y EAD desde IRB e IFRS 9

 Módulo 13: Directiva sobre la estimación de PD y LGD IRB y exposiciones en default dictada EBA

 

  • Directiva Europea sobre estimación de PD  y LGD, y exposiciones en en default

  • ¿Porque es recomendable considerarla en Latinoamérica?

  • Reducción de variabilidad de los parámetros

  • Homogeneización del cálculo de PD y LGD

  • Fechas de implementación en bancos europeos

  • Calidad de la dato

  • Representatividad de los datos para el desarrollo del modelo y para la calibración de los parámetros de riesgo

  • Juicio humano para la estimación de parámetros

  • Tratamiento de deficiencias y margen de conservadurismo (Moc)

  • Estimación de la PD

  • Desarrollo del modelo

  • Requerimiento de datos

  • Risk drivers y criterio del rating

  • Tratamiento de ratings externos

  • Filosofía del rating

  • Tratamiento de los Pools

  • Calibración de la PD

  • Requerimiento de datos

  • Cálculo de tasa de default a un año

  • Cálculo y uso de la tasa media de default observada

  • Tasa de default a largo plazo

  • Calibración de la tasa de default a largo plazo

  • Estimación de la LGD

  • Metodologías para la estimación de la PD

  • Requerimiento de datos

  • Recuperaciones desde los colaterales

  • Desarrollo del modelo

  • Risk drivers

  • Elegibilidad de los colaterales

  • Inclusión de colaterales

  • Calibración de LGD

  • Definición de pérdida económica y pérdida realizada

  • Tratamiento de comisiones, intereses y otros retiros tras el default

  • Tasa de descuento

  • Costes directos e indirectos

  • LGD a largo plazo

  • Calibración LGD a largo plazo

  • Estimación de parámetros de riesgo para exposiciones en default

  • Estimación y calibración del Expected Loss Best Estimate

  • Estimación y calibración del LGD in-default

  • Aplicación de parámetros de riesgo

  • Revisión de las estimaciones

  • Documentos que acompañan

  • Valoración del impacto

  • Identificación del problema

  • Objetivos de las políticas

  • Escenario Baseline

  • Opciones consideradas

  • Análisis del coste-beneficio

Módulo 14: Modelos de PD para enfoque IRB e IFRS 9

 

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

PD Bayesiana

  • Juicio Experto

  • Distribución a priori y posteriori

  • Markov Chain Monte Carlo

  • Modelo Probit

​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 

  • Estimación de PD con correlaciones 

  • Calibración de LDP usando Curvas CAP

  • Estimación Bayesiana de PD para LDP 

  • 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 39: Regresión Cox en R y SAS

  • Ejercicio 40: Regresión Log-Log Complementary en SAS

  • Ejercicio 41: Calibración de la PD por edad de operación en SAS

  • Ejercicio 42: Calibración de PD con regresión COX en SAS

  • Ejercicio 43: Calibración de PD con log-log complementary en SAS

  • Ejercicio 44: Calibración de PD con modelo logístico en SAS

  • Ejercicio 45: Calibración de la PD por cosecha o añada en SAS

  • Ejercicio 46: Estimación de la PD Point in Time en Excel

  • Ejercicio 47: Machine Learning para estimar PD

  • Ejercicio 48: Ajuste al ciclo para empresas en Excel y Solver.

  • Ejercicio 49: Estimación PD TTC Cointregración

  • Ejercicio 50: Regresión logística PD TTC en SAS

  • Ejercicio 51: Modelo de Supervivencia PD TTC en SAS

  • Ejercicio 52: Integral en SAS para estimar PD de LDP correlación

  • Ejercicio 53: Calibración curva CAP Escala Maestra en Excel

  • Ejercicio 54: PD Bayesiana Probit en SAS y R

  • Ejercicio 55: Matrices de transición en Excel y SAS

  • Ejercicio 56: Regresión Multinomial para estimar PD Lifetime

  • Ejercicio 57: Multi stage Cadenas de Markov en R

 Módulo 15: Backtesting PD IRB e IFRS9

 

  • Validación de la PD en IRB PIT y TTC

  • Validación de la PD Lifetime y PD12m 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 58: Backtesting de PD IRB y PD IFRS 9

  • Ejercicio 59: Forecasting PD Estimada y PD real en Excel

  • Ejercicio 60: Validación usando Simulación de Monte Carlo

 

Módulo 16: Modelos de LGD para enfoque IRB e IFRS 9

 

​LGD de BASILEA III y EBA

  • Estimación y calibración de la LGD en la práctica

  • Estimación de LGD in-default

Modelos Econométricos y de Machine Learning de LGD

  • Ventajas e inconvenientes de los Modelos Predictivos de LGD

  • Modelos Forward Looking incorporando variables Macroeconómicas

  • Modelos paramétricos, no paramétricos y transformation regressions

  • 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 61: Regresión Logística y lineal LGD en SAS

  • Ejercicio 62: Redes Neuronales y SVM LGD

  • Ejercicio 63: Generalized Additived Model LGD en R

  • Ejercicio 64: Beta Regression Model LGD en R y SAS

  • Ejercicio 65: Calibración de la LGD a largo plazo

  • Ejercicio 66: Inflated Beta Regression en SAS

  • Ejercicio 67: Comparativo del performance de los modelos usando test de Calibración y precisión

Módulo 17: Backtesting LGD

 

  • Backtesting LGD en IRB

  • Backtesting LGD en 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

  • Curva ROC, Gini y K-S

  • Ejercicio 68: Comparativo del performance de los modelos usando test de Calibración y precisión.

 

Módulo 18: 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 69: Estimación y ajustes para EAD IFRS 9 en excel y R

  • Ejercicio 70: Redes Neuronales y SVM CCF

  • Ejercicio 71: Generalized Additived Model CCF en R

  • Ejercicio 72: Beta Regression Model CCF en R y SAS

Módulo 19: Backtesting EAD

 

  • Validación EAD

  • Validación CCF

  • Backtesting EAD y CCF IRB

  • Backtesting de la EAD y CCF IFRS 9

  • R cuadrada

  • Coeficiente de Pearson

  • Spearman correlation

  • Validación usando ROC, K-S y Gini

  • Ejercicio 73: Comparativo del performance de los modelos de EAD

 

Validación del Capital Regulatorio y Económico por Riesgo Crédito

Módulo 20: Modelos de Capital Económico 

 

  • Definición y Objetivo

  • Horizonte temporal

  • Correlación de Default

  • Correlación de activos

  • Pérdida Inesperada

  • Modelos de capital regulatorio

  • Modelos de Capital Económico ASRF

  • Modelos  Comerciales

  • Modelos Multifactoriales

  • Capital Económico para retail usando Charge off

  • Modelización de Dependencia usando copulas

  • Estimación de VaR y Expected Shortfall

  • Gestión del capital económico

  • Ejercicio 74: Matriz de correlación de Default en SAS

  • Ejercicio 75: Correlación de default: carteras de consumo en SAS

  • Ejercicio 76: Correlación de activos con EMV y datos observables en SAS

  • Ejercicio 77: Creditrisk + en SAS

  • Ejercicio 78: Modelo Unifactorial en Excel y Matlab

  • Ejercicio 79: Modelo Multifactorial en Excel

  • Ejercicio 80: T-student en Excel en Excel

  • Ejercicio 81: Copulas en R

Módulo 21: Validación capital económico

  • Modelos de Capital Regulatorio

  • Modelos de Capital Económico

  • Validación de Credit Portfolio Models

    • Diseño del Modelo

    • Output del Modelo

    • Procesos, data y test de uso

  • Validación de la agregación de pérdidas

  • Validación modelos de Basilea 

  • Testing de distribuciones usando Berkowitz test 

  • Distribución de pérdida crediticia

  • Simulación del chi-square value crítico

  • Test de Berkowitz en subportfolios

  • Valoración del poder 

  • Alcance y límites del test

  • Riesgo de Modelo en el capital económico por incertidumbre

  • Ejercicio 82: implementación del Berkowitz test en modelos de capital económico y regulatorio

  • Ejercicio 83: Simulación de pérdidas y riesgo de modelo en capital regulatorio y económico 

 

Validación de Stress Testing Riesgo Crédito

Módulo 22: 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

    • Regresión Líneal

  • ​Modelos de Machine Learning

    • Supported Vector Machine 

    • Red Neuronal

  • Ejercicio 84: Pruebas de Series no estacionarias y de cointegración en R y SAS

  • Ejercicio 85: variables macroeconómicas con VAR en R y SAS

  • Ejercicio 86: Modelización Garch variables de mercado SAS

  • Ejercicio 87: Modelización Machine Learning SPV y NN en SPSS

Módulo 23: 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

  • Outliers

  • Autocorrelación

  • Multicolinealidad

  • Ejercicio 88: Medición de colinealidad de regresión logística 

Módulo 24: Stress Testing Riesgo Crédito Consumo

  • Horizonte temporal

  • Enfoque Multiperíodo

  • Impacto en P&L, RWA y Capital

  • Escenarios Macroeconómicos de Estrés en consumo

  • Stress Testing de la PD , LGD y EAD

  • Stress Testing de la Matriz de Transición

  • Stress Testing del Chage Off 

  • ​Pérdidas por activos deteriorados nuevos  

  • Pérdidas por activos deteriorados antiguos

  • ​Ejercicio 89: Stress Testing PD en Excel y SAS modelo multifactorial 

  • Ejercicio 90: Stress Testing PD enfoque Multiyear Approach

  • Ejercicio 91: Stress test de PD y Vectores Autoregresivos

  • Ejercicio 92: Stress Test del Net Charge Off

  • Ejercicio 93: Stress Test de la LGD

Módulo 25: Stress Testing Riesgo Crédito Portfolios Corporate

  • Metodología de Stress Test para portfolios corporate

  • Creditmetrics y Matrices de transición

  • Credit Index

  • Ejercicio 94: Stress Test de cartera corporativa 

Módulo 26: Validación de Stress Testing

  • Validación del Stress Testing

  • Diseño del Modelo

  • Output del Modelo

  • Procesos, data y test de uso

  • Riesgo de Modelo en el EU Wide Stress Testing

  • Riesgo de Modelo en el Stress Testing Interno 

  • Ejercicio 95: Pruebas de estabilidad de stress testing de PD