Contenido del programa
Qué dominarás, sesión por sesión.
Objetivo de aprendizajeConstruir, evaluar, comparar y gobernar modelos de scoring de clase mundial: de scorecards interpretables a Machine Learning y GenAI: y traducir el score en decisión y en Pérdida Esperada. Que el CCO sepa exigir, retar y gobernar modelos, no solo consumirlos.
Sesiones
- S1Fundamentos de scorecards
- WOE/IV, regresión logística, binning y el scorecard clásico interpretable.
- S2Desarrollo y validación
- Muestreo, train/test, KS/Gini/AUC, estabilidad y documentación.
- S3Machine Learning en crédito
- GBM, random forests, XGBoost; desempeño vs. explicabilidad.
- S4Explicabilidad y fairness
- SHAP, reason codes, fair lending y sesgo algorítmico.
- S5GenAI y LLMs en crédito
- Casos de uso (documentos, agentes), riesgos y gobernanza.
- S6Del score a la decisión
- Cutoffs, swap-in / swap-out y matrices de decisión.
- S7Del score a la Pérdida Esperada
- Calibración a PD, conexión con LGD/EAD y EL; pricing.
- S8Model governance y taller
- SR 11-7, inventario, ciclo de vida, monitoreo y effective challenge.
8
Sesiones en vivo
20 h
Horas totales
12 Ene
Inicio · 2027
USD $2,850 + TAX
Inversión
Para quién es este curso
- CCO / CRO y directores de riesgo que gobiernan modelos.
- Model developers, validadores y equipos de analytics / data science.
- Responsables de decisioning y motores de originación.
- Reguladores y auditores de model risk.
Por qué importa
El scoring decide a quién le prestas y cuánto pierdes. Un modelo mal gobernado es un riesgo sistémico silencioso; uno bien gobernado es la mayor palanca de pérdida esperada y rentabilidad del portafolio.
