Onboarding Bootcamp: Credit Risk Quant & Data Foundations

Sesiones

1. S1El lenguaje del riesgo de crédito
   • Parámetros fundamentales: PD (Probability of Default), LGD (Loss Given Default), EAD (Exposure at Default) y su combinación en la Pérdida Esperada (EL = PD × LGD × EAD).
   • Pérdida Esperada vs. Inesperada (EL vs. UL): por qué una se provisiona y la otra se capitaliza.
   • La definición regulatoria de default (Basel, 90 días de mora) y sus implicaciones operativas.
   • Unidad de medida: cuenta, cliente, exposición o saldo: los errores clásicos al medir.
2. S2Poder predictivo y calibración
   • Discriminación: KS, ROC/AUC, Gini y divergencia: qué mide cada una y cómo leerlas.
   • Estabilidad y calibración: PSI (Population Stability Index) y backtesting básico.
   • Cómo interpreta el CCO un score sin ser el modelador: las preguntas correctas al equipo.
3. S3El portafolio en el tiempo: vintages y roll rates
   • Construcción de vintages / cosechas (cohorts) y lectura de curvas de maduración.
   • Roll rates y matrices de transición: anticipar el deterioro antes de que explote la mora.
   • Flow rates y el puente hacia provisiones y collections.
4. S4Fundamentos de datos para crédito
   • Fuentes: buró, core bancario, datos alternativos y open banking.
   • Calidad de datos: completitud, consistencia, sesgos de muestreo y de supervivencia.
   • De dato crudo a variable: introducción al feature engineering.
5. S5Herramientas mínimas del operador de crédito
   • Excel avanzado aplicado a crédito (dinámicas, análisis de cosechas).
   • Introducción práctica a SQL y Python para extraer y perfilar portafolios.
   • Anatomía de un scorecard: puntos de corte, odds y cómo leerlo.
6. S6Taller integrador de nivelación
   • Lectura de un tablero (dashboard) de portafolio real.
   • Defender 3 decisiones de crédito con base en métricas.
   • Autoevaluación de nivelación antes de arrancar los módulos técnicos.