Programa especializado

Credit Scoring con Python

Presentación

Combina metodologías tradicionales de credit scoring con técnicas modernas de Machine Learning, incorporando el enfoque regulatorio de IFRS 9

Comprender el rol del credit scoring en la gestión del riesgo crediticio y desarrollar modelos tradicionales basados en regresión logística.

Descargar Brochure

En colaboración con:

¿A quiénes va dirigido?

Analistas de riesgo crediticio.
Data Scientists y analistas de datos.
Economistas, ingenieros y profesionales afines.
Profesionales del sector bancario, financiero, fintech y consultoría.

*Requisitos recomendados: Conocimientos básicos de estadística y programación con python.
El módulo de Python y Machine Learning para problemas de clasificación cubrirá estos requerimientos.

Ruta de Aprendizaje

Curso 1

Desarrollo de Modelos de Credit Scoring

Sesión 1. Introducción al Credit Scoring en Banca.

Sesión 2. Datos Crediticios y Definición del Evento de Incumplimiento.

Sesión 3. Análisis Exploratorio de Datos y Tratamiento de Variables.

Sesión 4. Transformación de Variables, Weight of Evidence (WOE) e Information Value (IV).

Sesión 5. Regresión Logística aplicada al Credit Scoring.

Sesión 6. Evaluación del Desempeño del Modelo.

Sesión 7. Validación y Estabilidad de Modelos.

Sesión 8. Implementación del Score y Uso en la Toma de Decisiones.

Curso 2

Credit Scoring y Machine Learning

Sesión 1. Credit Scoring Tradicional vs Machine Learning.

Sesión 2. Preparación de Datos para Modelos de Machine Learning.

Sesión 3. Árboles de Decisión y Random Forest.

Sesión 4. Gradient Boosting (XGBoost / LightGBM).

Sesión 5. Comparación y Selección de Modelos.

Sesión 6. Interpretabilidad y Explicabilidad de Modelos.

Sesión 7. Introducción a la Metodología IFRS 9 y calibración PD.

Sesión 8. Calibración de LGD y EAD bajo IFRS 9.

Sesión 9. Modelos de Provisiones bajo IFRS 9.

Sesión 10. Caso Integrador Final.

CERTIFICACIÓN

Obtén tu certificación con código de validación y QR únicos. Este reconocimiento se otorgará a los participantes que aprueben satisfactoriamente las evaluaciones del programa

Docentes

Enzo Infantes Zúñiga

MSc en Data Science por la Barcelona School of Economics y Licenciado en Economía y Finanzas por la UPC. Cuenta con experiencia en el desarrollo de modelos de machine learning y algoritmos avanzados para la toma de decisiones, aplicados a los sectores bancario, de telecomunicaciones y económico. Ha desarrollado y validado modelos de riesgo crediticio e IFRS 9 en BBVA e Interbank, alineados con estándares regulatorios locales, internacionales y de negocio.