🚨 Credit Scoring Programa de Especialización

Este repositorio tiene el contenido del Programa de Especialización en Credit Scoring con Python.

Resumen

Esta especialización tiene como objetivo brindar una formación integral, práctica y aplicada del desarrollo de herramientas de analítica avanzada para la evaluación del riesgo de crédito de los clientes en el sector bancario.

El programa combina enfoques tradicionales de credit scoring (modelos de regresión lineal y lógisiticos), técnicas de inteligencia artificial tradicional (modelos Machine Learning) y un enfoque regulatorio bajo la metodología de IFRS 9. La idea central del programa es buscar que el participante comprenda no solo cómo idear y construir modelos de credit scoring, sino también cómo utilizarlos, entenderlos y defenderlos ante comités de riesgo.

Estructura del Programa

El programa tiene un total de 36 horas de dictado divididas en 18 sesiones. El contenido del programa se divide en los siguientes dos apartados:

Parte 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.

Parte 2: Credit Scoring y Machine Learning

• Sesión 9. Credit Scoring Tradicional vs Machine Learning.
• Sesión 10. Preparación de Datos para Modelos de Machine Learning.
• Sesión 11. Árboles de Decisión y Random Forest.
• Sesión 12. Gradient Boosting (XGBoost / LightGBM).
• Sesión 13. Comparación y Selección de Modelos.
• Sesión 14 Interpretabilidad y Explicabilidad de Modelos.
• Sesión 15. Introducción a la Metodología IFRS 9 y calibración PD.
• Sesión 16. Calibración de LGD y EAD bajo IFRS 9.
• Sesión 17. Modelos de Provisiones bajo IFRS 9.
• Sesión 18. Caso Integrador Final.

Requisitos

• Conocimientos de Estadística Descriptiva e Inferencial, Matemáticas y Programación
• Python 3.11 o superior

Autor

• Enzo Infantes Zúñiga
• enzo.infantes28@gmail.com
• https://www.linkedin.com/in/enzo-infantes/