Modelos Avanzados de Riesgo de Crédito: Fundamentos y Aplicaciones Prácticas

Este seminario está diseñado para proporcionar a los participantes una comprensión profunda sobre los modelos avanzados de riesgo de crédito, abarcando desde los fundamentos tradicionales hasta las aplicaciones más recientes de machine learning en la evaluación crediticia. A través de seis sesiones por Zoom, los participantes aprenderán sobre el riesgo de crédito, los modelos tradicionales como la probabilidad de incumplimiento (PDM), la pérdida dada el incumplimiento (LGD) y la exposición al incumplimiento (EAD), así como técnicas estadísticas como la regresión logística y los árboles de decisión. Además, se abordarán modelos de scoring avanzados utilizando métodos de machine learning como Random Forest, Gradient Boosting y Support Vector Machines, y se explicarán las mejores prácticas para la validación de estos modelos.

El seminario también profundizará en el riesgo de contrapartida, un tema clave en la gestión del riesgo financiero. Se explorarán los modelos de valoración para calcular el capital regulatorio y los límites de exposición, así como el uso de productos estructurados como CDOs y MBS en la gestión del riesgo de crédito. Además, se abordarán enfoques de modelización más sofisticados, como el uso de copulas para modelar correlaciones y técnicas de valor en riesgo (VaR) y pruebas de estrés (stress testing). En este contexto, se pondrá énfasis en los modelos de riesgo de crédito aplicados a entornos dinámicos, como la actualización continua y el análisis de información no estructurada mediante text mining.

En la última sesión, se aplicarán los conocimientos adquiridos a través de casos prácticos y el uso de herramientas analíticas avanzadas. Los participantes desarrollarán un modelo de scoring para una cartera de préstamos y se familiarizarán con plataformas de análisis de datos como Python, R y SAS. También se explorarán las tendencias y desafíos actuales en la gestión del riesgo de crédito, incluyendo la influencia de la regulación, el big data y la inteligencia artificial, proporcionando a los participantes las herramientas necesarias para enfrentar los retos futuros en la gestión del riesgo de crédito.