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 € *

Precio: 5.900 €

Nivel: Avanzado

Duración: 30 h

Material: 

Presentaciones PDF

Ejercicios en R, Python con JupyterLab y Excel

* Clientes

Riesgo de tipo de interés en el balance,

Machine Learning e IFRS 9

 

OBJETIVOS

 

Innovador curso intensivo sobre la gestión y modelización avanzada del riesgo de interés estructural. Los objetivos del curso son:

  • Mostrar metodologías, estrategias de coberturas y técnicas de modelización del interest rate risk on banking book (IRRBB).

  • Exponer las recientes directivas de Basilea III sobre el enfoque estandar del riesgo de interés estructural.

  • Revisar los recientes principios para bancos y supervisores sobre el riesgo de tipo de interés en el balance propuestos por Basilea IV.

  • Se explican metodologías para definir construir y validar modelos econométricos, análisis de escenarios, y modelos de stress testing que cumplan los requerimientos de Basilea III. 

  • Se explica de forma detallada los principales sistemas de transferencia de precios así como estrategias y tácticas para el control del riesgo de tipo de interés.

  • Se expone como implementar y definir, el ya regulatorio, risk appetite en el riesgo de de tipo de interés. 

  • Se explican metodologías recientes para construir la estructura temporal de tipo de interés o yield curve, medir el riesgo de tipo de interés, y coberturas con derivados para mitigar el riesgo de tipo de interés.

  • Se muestran metodologías avanzadas para crear herramientas cuantitativas como el capital en riesgo, valor económico, EAR, gap dinámicos, etc.

  • Se enseñan los modelos de comportamiento econométricos y estocásticos de prepago, depósitos de vencimiento indefinido y retiros de líneas de crédito.

  • Se expone como utilizar el machine learning para modelizar los modelos de comportamiento y como emplear modelos de redes neuronales para calibrar los parámetros de los modelos estocásticos. 

  • Además, se explica el uso del machine learning en el yield curve.

  • Se muestra la directiva IFRS 9 de contabilidad de coberturas a través de ejemplos de derivados de tipo de interés.

 

¿QUIÉNES DEBEN ASISTIR?

 

El Curso esta dirigido a profesionistas de ALM, CFOs, Risk managers, Tesoreros, analistas, pension fund managers, auditores, controllers, reguladores y al compliance staff.

 

 

 

Riesgo de tipo de interés en el balance, Machine Learning e IFRS 9

Módulo 1: Riesgo del tipo de Interés en el Banking Book

en Basilea III

  • Definición del IRRBB

  • Subtipos de riesgo:

    • Gap Risk

    • Basis Risk

    • Option Risk

  • Credit Spread Risk en el Banking Book

  • Valor Económico y medidas basadas en ingresos

  • Principios del IRRBB

  • Principios para bancos

    • Expectativas

    • Metodología de gestión del riesgo

    • Delegación

    • Política de límites

    • Definición de Valor Económico, visión dinámica 

    • Shocks de tipo de interés y escenarios de estrés. 

    • Modelos de comportamiento

    • Prepago

    • Depósitos sin vencimiento definido

    • Sistemas de medición

    • Integridad de los datos

    • Modelo de gobernanza

  • Principios para Supervisores

    • Valoración

    • Recursos

    • Cooperación supervisora

  • Alcance y timeline

  • Implementación

  • Enfoque Estándar IRRBB

  • Metodología del enfoque estandar

  • Componentes

  • Cash Flow Bucketing

  • Proceso para posiciones que son susceptibles de estandarización

  • Tratamiento de depósitos sin vencimiento definido

    • Categorías

    • Separación

    • Caps sobre los core deposits

  • Tratamiento de posiciones con opcionalidades

  •  Préstamos con tasa fija sujetos al prepago

  • Depósitos a plazo con riesgo de rescate

  • Add-on para opciones automáticas de tipo de interés

  • Medida de riesgo del EVE estandarizado

  • Ejercicio 1: Ejercicio medición de riesgo de tipo de interés

    • Cash flow bucketing

    • Tratamiento de depósitos sin vencimiento definido

    • Tratamiento de opcionalidades, prepago.

    • EVE estandarizado

    • Comparativo de EVE estandarizado frente a modelo interno IRRBB de valor económico 

    • Ejercicio en Excel  

Módulo 2: Principios para bancos y supervisores

sobre el riesgo de tipo de interés en Basilea IV

  • Identificación y seguimiento del IRRBB

  • Marco de gestión del IRRBB

  • IRRBB Risk Appetite

  • Medición del IRRBB

  • Suposiciones del comportamiento y de la modelización

  • integridad de los datos y gobernanza del modelo

  • Reporting a la alta dirección

  • Divulgación pública

  • IRRBB en el ICAAP

  • Evaluación supervisora ​​de las exposiciones IRRBB de los bancos

  • Evaluación supervisora ​​de la gestión de los bancos en el IRRBB

  • Acción supervisora con respecto a los bancos atípicos

Módulo 3: Modelos de Machine Learning en el IRRBB

  • Support Vector Machine SVM

    • SVM con variables dummy

    • Hiperplano óptimo

    • Support Vectors

    • Añadir costes

    • Ventajas e Inconvenientes

    • Visualiización del SVM

    • Tuning SVM

    • Truco de Kernel

  • Redes Neuronales (Neural Networks NN)

    • Neurona artifical

    • Entrenamiento de Perceptron

    • Algoritmo de backpropagation

    • Procedimientos de entrenamiento

    • Tuning NN 

    • Visualización de NN

    • Ventajas e inconvenientes

  • Ejercicio 2: Redes Neuronales: perceptron multicapas en R data 1

  • Ejercicio 3: SVM en Python data 2

 

Módulo 4: Deep Learning para el IRRBB

  • 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 clasificación de imágenes

  • Función de costes

  • Optimización con Gradiente descendiente

  • Uso del deep learning para el IRRBB y ALM

  • Software Deep Learning: Caffe, H20, Keras, Microsoft, Matlab, etc.

  • Software de implementación: Nvidia y Cuda

  • Harware, CPU, GPU y entornos cloud

  • Ventajas e inconvenientes del deep learning

  • Ejercicio 4: Deep Learning de CNN Data 3

  • Ejercicio 5: Deep Learning de RNN Data 3

Módulo 5: Estructura temporal de tipo de interés (Yield Curve)

  • Construcción de ETTI

  • Instrumentos disponibles

    • Bonos y Depósitos

    • FRAs

    • Interest Rate Swap

    • Basis Swap

    • Cross Currency Swap

  • Usando múltiples instrumentos

  • ETTI en la práctica y principales Issues

  • Curva colateralizada

    • Overnight Index Swaps (OIS)/EONIA

  • Enfoque Bootstrapping

    • Componentes principales PCA

    • Curva Euribor

    • Curva Eonia

  • Enfoque Interpolación

    • Cubic Splines

    • Basis Splines

  • Enfoque Extrapolación

    • Smith-Wilson

  • Enfoque Modelo Nelson Siegel

    • Calibración

  • Modelización estocástica

    • Modelo de Vasicek

    • Modelo Cox-Ingersoll-Ross

    • Modelo Ornstein-Uhlenbeck

    • Modelo Hull-White

  • Redes neuronales para calibrar modelos estocásticos

    • Modelo de Vasicek

    • Modelo de Hull-White

  • Libor Market Model tradicional

  • Libor Market Model usando machine learning

  • Martingalas y Numerario

  • Calibración de caps y swaptions

  • Modelos de Multicurvas con redes neuronales

  • Modelos SABR para tasas negativas

  • Ejercicio 6: Construcción de Curva de Estructura temporal de tipo de interés Euribor y Eonia en Python

  • Ejercicio 7: Construcción de Curva de Estructura temporal de tipo de interés. Caso práctico con depósitos, FRAs e Interest Rates Swaps y componentes principales PCA

  • Ejercicio 8: Caso Real Banco de España Nelson Siegel ejercicio en R y Excel

  • Ejercicio 9: Estructura temporal de Splines cúbicos y basis splines en Excel

  • Ejercicio 10: Libor Market model con machine learning

  • Ejercicio 11: Calibración y simulación CIR y Vasicek en R

  • Ejercicio 12: Calibración Ornstein-Uhlenbeck en R

  • Ejercicio 14: Calibración Hull-White usando redes neuronales

 

Módulo 6: Medición de Riesgo de Interés Estructural I

 

  • Duración Macaulay en bonos

  • Duración Modificada

  • Convexidad

  • Duración y Duración Modificada

  • Duración y convexidad de cartera

  • Duración de Recursos Propios

  • Inmunización de carteras

  • Convexidad Negativa

  • Bonos Convertibles

  • Ejercicio 15: Estimación de duración y efecto de convexidad en Excel

  • Ejercicio 16: Inmunización en cartera de bonos Excel

  • Ejercicio 17: Convexidad Negativa y valoración por arboles de decisión de bono convertible en Excel y VBA

 

Módulo 7: Medición del IRRBB y adecuación de capital

  • Yield Curve Stress test

  • Basis Risk Stress Test

  • Componentes Principales (PCA) 

  • Simulación de Monte Carlo

  • Simulación de modelos estocásticos: CIR, Vasicek,HJM, etc.

  • Gap de repreciación

  • Simulación de Margen Financiero  (EaR)

  • Metodología del Capital at Risk

  • Medición del Valor Económico de RRPP (EVE)

  • Valor Económico y capital bajo el ICAAP

  • Adecuación de capital

  • Límites de gap análisis

  • Límites de sensibilidad del NII y Recursos Propios

  • Ejercicio 18: Gap de Repreciación en R

  • Ejercicio 19: Estimación del EVE y EAR ajustado a criterios del IRRBB de Basilea III y IV

  • Ejercicio 20: Estimación de EVE usando yield curve stress, basis risk stress y comportamiento del Cliente 

 

Módulo 8: Medición del VaR por riesgo de interés estructural

 

  • Criterios para el uso del VaR

  • VaR de riesgo de tipo de Interés

  • Expected Shortfall

  • Griega delta

  • Delta-Gamma VaR

  • Smiles de volatilidad

  • Superficies de volatilidad

  • Simulación de Monte Carlo

  • Tratamiento de la opcionalidad

  • Ejercicio 21: Smile de la volatilidad y superficie de volatilidad en R

  • Ejercicio 22: Estimación de VaR usando simulación de Monte Carlo con valuación de opcionalidades en R

 

Módulo 9: Estrategias de Coberturas en el IRRBB

  • Microcoberturas por operación

  • Macrocoberturas del  NII y Gaps

  • 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 23: Valoración IRS en Excel

  • Ejercicio 24: Pricing de caps y floors Black`s model en Python

  • Ejercicio 25: Pricing de Swaption en Excel y VBA

  • Ejercicio 26: Caplet y Swaption Libor Market Model en Python

  • Ejercicio 27: Árbol trinomial de Bond Options en Excel

 

Módulo 10: IFRS 9: Hedge Accounting

  • Contabilidad de coberturas

    • Relaciones de cobertura

    • Elementos cubiertos

    • Instrumentos de cobertura

  • Diferentes tipos de coberturas

  • contabilidad y análisis del impacto de la cobertura del valor razonable

  • Cobertura del flujo de efectivo

  • Cobertura de inversión neta en los estados financieros de las empresas

  • Ejemplo 1: Aplicación y análisis del impacto de la contabilidad de coberturas para riesgo de tasa de interés, usando IRS

Módulo 11: Medición del VaR Credit Spread

  • Credit Spread Risk en el Banking Book

  • Credit Spread Risk en el Trading Book

  • Estimación PV01 y matriz de correlación 

  • Credit Spread VaR paramétrico

  • VaR por Simulación de Monte Carlo

  • Copula t-Student

  • Distribución multivariante t-student

  • Ejercicio 28: Estimación del Spread VaR de una cartera de bonos con Simulación de Monte Carlo con asunción de distribución multivariante normal, multivariante t-student y copula t-student en R 

MODELOS DE COMPORTAMIENTO

 

Módulo 12: Modelización del Prepago

 

  • Modelos Empíricos

  • Modelos Estadísticos de probabilidad de prepago

  • Modelos de machine learning para estimar tasa prepago

    • Redes Neuronales Recurrentes

    • SVC

    • SVR

    • Red neuronal prealimentada

  • Probabilidad de pago por contrato y por pool de créditos

  • Modelos de opciones de prepago

  • Modelos de Prepago racionales

  • Factores como tipo de interés, estacionalidad, ciclo económico, Burnout factor y tendencia

  • Estudio de Prepagos parciales y totales en hipotecas

  • Ejercicio 29: Ejercicio de prepago en cartera hipotecaria usando redes neuronales y SVR

  • Ejercicio 30: Modelo econométrico y de machine learning de probabilidad de prepago en R

 

Módulo 14: Modelos de Utilización de líneas de Crédito

 

  • Estimación del CCF en la EAD

  • Modelos intensivos de utilización  de línea de crédito

  • Gestión de líneas de crédito

  • Distribución Marginal del uso de líneas de crédito

  • Modelos de Machine Learning para modelizar la utilización de líneas de crédito

    • SVC

    • Redes Neuronales

  • Ejercicio 31: Modelo de utilización de línea de crédito en R

  • Ejercicio 32Modelo de utilización de línea de crédito con redes neuronales en Python

Módulo 15: Modelización de pasivos sin vencimiento definido

 

  • Depósitos estables e inestables

  • Non Maturity Deposits (NMD) en Basilea IV

  • Modelos estadísticos de pasivos

  • Tranchas por volatilidad de depósitos

  • Modelo Portfolio Replica y optimización

  • Modelo Option-Adjusted Spread

  • Modelo experto para definir depósitos estables

  • Estimación del Cash Flow en el margen financiero y valor económico

  • Modelo econométrico y de machine learning de depósitos

    • Regresión Logística con información comportamental

    • SVC

    • Redes Neuronales

    • Lifetime de la cuentas de depósito

  • Modelización usando tipo de interés estocástico y Credit Spread

  • Modelo de proyección con redes neuronales RNN y CNN

  • Ejercicio 33: Modelo econométrico y simulación de pasivos sin vencimiento en Excel

  • Ejercicio 34: Tranchas de depósitos estables e inestables en Excel

  • Ejercicio 30: Modelo de comportamiento con regresión logística, redes neuronales y SVC en R

  • Ejercicio 35: Enfoque de portfolio replica en Excel 

  • Ejercicio 36: Modelo avanzado de NMD econométrico con pruebas de cointegración y metodología de portfolio replica en R 

  • Ejercicio 37: Modelo de proyección con redes neuronales RNN y CNN

 

FUNDS TRANSER PRICING (FTP) 

Módulo 16: Funds Transfer Pricing FTP y LFTP

 

  • Funds Transfer Pricing FTP 

  • Sistema de Precios de Transferencia

  • Metodologías de precios de transferencia

  • Multiple Pool TP

  • Cuenta de resultados y Margen financiero Pool

  • Matched Maturity FTP

  • Estimación de Curva FTP

  • Estimación del Coste de liquidez

  • Matched Maturity TP en pasivos

  • Impacto de Basilea III en el FTP

    • FTP para préstamos

    • FTP para depósitos

    • FTP para contigent liquidity risk

  • Configuración de la curva de fondos

    • Segmento de Curvas específicas

    • Consideración de Clientes grandes

    • Curvas Flats

  • Consideración de la estrategia de tipo de interés y riesgo de liquidez

  • Ejercicio 38: Precios de Transferencia y estimación de margen ordinario pool en Excel.

  • Ejercicio 39:  Precios de Transferencia enfoque Matched Maturity

STRESS TESTING EN EL IRRBB

Módulo 17: Stress Testing en la gestión de activos y pasivos ALM

 

  • Stress Testing en ALM

  • Definición de escenarios

  • Escenarios idiosincráticos, sistémicos y combinados

  • Modelización paso a paso del Stress Testing

  • Incorporación modelos comportamentales

  • Escenarios de Cash Flow bajo escenarios establecidos

  • Reserva de Liquidez y Haircuts

  • Triggers, alertas tempranas y KRI

  • Reverse Stress Test

  • Backtesting Stress Test

  • Modelización y asignación de probabilidades

  • Enfoque: VaR y Teoría de Valor Extremo

  • Integración de Riesgo de Mercado, riesgo de liquidez y de crédito

  • Redes Bayesianas para modelizar el Stress Testing

  • Ejercicio 40: Cash Flow forecast bajo escenarios combinados

  • Ejercicio 41: Teoría de valor extremo y Stress Testing

  • Ejercicio 42: Stress Testing con Redes bayesianas

 

Módulo 18: Proyecciones del Balance General y Estado de Resultados e impacto en el IRRBB

  • Análisis del plan de negocio

  • Calidad de los activos

  • Análisis de los activos tóxicos e iliquidos

  • Análisis del Goodwill

  • Análisis del ROE

  • Análisis del estado de resultados

  • Net Interest Income y NFCI

  • Coste del riesgo

  • Estructura de los fondos, apalancamiento, solvencia

  • Análisis externo y macroeconómico

    • Net Interest Income

    • Préstamos

    • Recursos Propios

  • Modelo de proyeccciones ​del balance general

    • Variables macroeconómicas

    • Activos y Pasivos

  • Modelo de proyecciones del Estado de resultados

    • Net Interest Income

    • NFCI, NTI, Gastos operativos

    • Provisiones

  • Técnicas de Forecasting​

  • Revisión del Forecasting​

  • Ejercicio 43: Forecasting de la Cuenta de resultados en 3 años

  • Ejercicio 44: Forecasting del Balance General en 3 años

Módulo 19: Stress Testing de lRRBB

 

  • Escenarios y Stress Testing en  el IRRBB

  • Metodología de shock de parámetros de tipo de interés

  • NII tras el Shock sobre el tipo de interés

  • Stress testing yield curve

  • Escenarios de tipos de interés y divisa para la gestión interna

  • Escenarios de tipo de interés para el stress testing

  • Programa de Stress testing IRRBB

  • Gobernanza Stress Testing

  • Stress testing en los modelos de comportamiento y entorno económico

  • Ejercicio 45: Simulación de Monte Carlo, escenarios macroeconómicos, impacto en el EVE y margen financiero escenarios de yield curve adversos y cambios macroeconómicos adversos 

 

RISK APPETITE en IRRBB

Módulo 20: Risk Appetite en IRRBB

 

  • Risk Appetite en el ICAAP 

  • Stress Testing

  • Definiciones y análisis:

    • Risk appetite framework

    • Risk Appetite Statement

    • Risk Tolerance

    • Risk Capacity

    • Risk Profile

    • Risk Limits

  • Risk appetite statement

  • Gestión del risk appetite statement en riesgo liquidez

    • Establecimiento del nivel adecuado del Risk appetite

    • Liquidity risk statement – Enfoque de límite de tolerancia

    • Liquidity risk statement – scenario-based approach 

  • Reserva de Liquidez

    • Decisión entre un buffer o una reserva

    • Monitorización del Risk Appetite

  • Risk Appetite y límites de riesgo en el IRRBB

    • Límites de gap análisis

    • Límites del NII y Fondos propios

    • Escenarios específicos de cambios en las tasas de interés y / o plazos estructuras

    • Tiempo de mitigación

    • Sublímites por unidad de negocio, portfolio, etc.

    • Tolerancias al riesgo de:

      • Gap Risk

      • Basis Risk

      • Option Risk

    • Límites de riesgo sobre las estrategias de coberturas

  • Principios de Efectivad del RA Statement

  • Establecimiento de Límites y Métricas

    • KPIS y KRIS

    • Stress Testing Regulatorio

    • Límites en los Risk Weight Assets

    • Planificación de capital

    • Capital Económico y Regulatorio de IRRBB

    • Posición de Liquidez NSFR y LCR

    • Ratio de Aplancamiento

    • RAROC

  • Diferencia entre límites de Risk Appetite y tradicionales

  • Mejores prácticas en RA Statement

  • Monitorización y Validación del Risk Appetite

  • Ejercicio Global 46: Stress Testing, Capital Económico Global  y Risk Appetite en Excel:

  • Estimación de capital por riesgo crédito, mercado, contraparte, IRRBB, operacional, negocio y concentración.

  • Ejercicio de Límites en IRRBB

  • Cuadro de mando con el ratio de aplancamiento, ratios de liquidez regulatorios, KRIs, KPIS

  • Impacto del stress testing en el CET1, RWAs, P&L y Balance Financiero en 12 trimestres