Deseas información personalizada?, conversa con nosotros!!!

Plan de Estudios:

1. INTRODUCCIÓN: •Definición del Riesgo Crediticio. •Los tipos de modelos crediticios en entidades Financieras. •Los modelos crediticios de acuerdo con normativas de Basilea y SBS. •Tipos de Scoring: Admisión, seguimiento, cobranza, castigo. •Tipos de variables: Edad, ingresos, deudas, etc. La importancia del tipo de variable de acuerdo con el modelo de negocio.
2. CICLO DE VIDA DE UN MODELO: •Como entender la cadena de valor de una organización. •Gobierno de datos y trazabilidad. •Definiciones previas a diseñar un modelo. •Definición de las reglas de negocio: Cómo implementarlas. •¿Cómo se implementa el modelo luego de crearlo? Uso de Apis. Introducción a Python.

3. ESTADÍSTICA APLICADA A RIESGO DE CRÉDITO: •Principales conceptos estadísticos. •Estadística descriptiva. •Estadística inferencial. •Desarrollo de ejemplos. Ejercicios con Python.

4. ANÁLISIS EXPLORATORIO Y SELECCIÓN DE LA MUESTRA: •Preparación de la información. ¿Con cuánta data histórica debemos contar? •Definición de data mala-buena. ¿Cómo identificar un malo? •Ventana de observación. ¿Cuánto tiempo se debe observar la data de muestra para asegurar una desviación óptima en el modelo? •Validación de la data. Escenarios descriptivos. •Tratamiento de rechazos sobre umbrales no aceptados.

5. DESARROLLO DEL MODELO: •Segmentación / Feature engineering. •Tratamiento de missings y outliers tomando en cuenta la tipología de los modelos. •Técnica de balanceo de datos: Oversampling / Undersampling / Smote. •Cómo funciona la regresión logística. •Cómo interpretar las pruebas de hipótesis. •Comparación y selección entre modelos. •Que es el WOE y el IV. Casos de uso e impacto de las variables en el modelo. Generación de la PD.

6. VALORACIÓN Y VALIDACIÓN DEL MODELO: •Calculo de Bondad de Ajuste / Test de normalidad /Contraste de hipótesis. •Prueba de Kolmogórov-Smirnov. •¿Qué es el coeficiente de Gini? Metodología actual. •Casos de uso, Análisis y pesos de las variables. •Puntos de corte. Vinculación con las pautas crediticias.

7. CÁLCULO DE PÉRDIDA ESPERADA: •Probabilidad de Default (PD). •Definición del Loss Given Default. Casos de Uso. •Definición del EAD. Metodologías para el cálculo del EAD. •Construcción de Socore Card asociado a la PD.

8. CONSTRUCCIÓN MODELO DE API: •Definición de API. •Implementación básica de API en Glidde •Alimentando de datos a la API. •Resultado de Probabilidad de Default en la API. •Score Card en la API.

Objetivo:

Compartir con los participantes conocimientos y las mejores prácticas en la construcción y validación de un modelo de Credit Scoring.

Dirigido:

Ejecutivos y profesionales de instituciones microfinancieras, tales como Financieras, Cajas Municipales, Cajas Rurales, Edpymes, Cooperativas de Ahorro y Crédito, ONGs, Bancos Especializados en Microfinanzas.

Duración:

El presente programa tiene una duración de diez sesiones (tres horas pedagógicas por sesión) haciendo un total de 30 horas lectivas. Se combina teoría y trabajos supervisados. Las clases son en vivo dos veces por semana: martes y jueves de 7:45 a 10:00 PM.

Certificación:

Se otorgará Certificado de Participación a todos los participantes que como mínimo asistieron al 90% de las clases.

Metodología:

Cada participante recibirá un usuario y clave para ingresar su aula virtual, en la cual encontrará todos los materiales empleados en el curso (PDF, BBDD, Scripts, vídeo clases, etc.) Las clases en vivo se desarrollarán a través de la plataforma Zoom.

Inversión:

La inversión es de S/460.00 los cuales incluye las sesiones en vivo, materiales, emisión de diploma y certificado. Para participantes extranjeros la inversión es de USD 125.00

Ficha de Inscripción