Bienvenida

A través de ejemplos aplicados, el Curso Modelos de riesgo crédito con aplicaciones en R y Python, ilustrará la metodología que permite identificar, medir y gestionar el riesgo crédito. Además, se presentarán técnicas modernas para la estimación,  calibración y validación de modelos con herramientas desarrolladas en los lenguajes de programación R y Python.

Rolando de la Cruz

Director Académico

Objetivos

Este curso tiene una metodología práctica y a través de él, sus estudiantes podrán: 

  • Conocer técnicas modernas para la estimación, calibración y validación de modelos de riesgo. Por ejemplo, modelos PD, LGD y EAD.
  • Desarrollar modelos de capital económico, correlación de activos y stress testing de riesgo crédito.
  • Implementar técnicas de Machine Learning para el desarrollo de modelos de credit scoring y score de comportamiento.
  • Manejar metodologías de validación de modelos.
  • Introducir los lenguajes de programación R y Python. Usar librerías para el modelamiento de riesgo crédito.

 

Dirigido a

El Curso Modelos de riesgo crédito con aplicaciones en R y Python está orientado a profesionales y ejecutivos comerciales que deseen especializarse o actualizar sus conocimientos y metodologías cuantitativas para la gestión de riesgo financiero.

Profesores

Rolando de la Cruz

Doctor en Estadística, Pontificia Universidad Católica de Chile; Director Académico del Magíster y Diplomado en Data Science; Investigador Smart Center; Profesor Asociado Facultad de Ingeniería y Ciencias, UAI.

Eric Duarte

Partner Financial Advisory, Deloitte-Chile. Ingeniero Comercial, U. Técnica Federico Santa María. Diplomado en Inteligencia de Negocios y en Supply Chain Management, U. de Chile. Risk Management & Trading-Basilea III, Risk Models and Stresstesting; RiskMathics Financial Institute México.

Jorge Pinto

Senior Manager Financial Services and Modelling, Deloitte – Chile. Ingeniero Estadístico, Universidad de Santiago de Chile. Máster en Data Mining, Universidad Austral, Argentina. Certificación Financial Risk Managmenet (FRM) Garp Parte I y Certificación (c) CQF (Certificate in Quantitative Finance

Contenidos

El curso tiene los siguientes contenidos:

  • Introducción al lenguaje de programación Python.
  • Introducción al lenguaje de programación R.
  • Taller aplicado con R y Python.
  • Segmentación y Clúster. Análisis de Componentes Principales.
  • Regresión Logística. Técnicas de Regularización: Lasso, Rigde, Elastic Net .
  • Algoritmos de Clasificación: Árboles de Clasificación, Random Forest, Support Vector Machine y Neural Networks .
  • Ensemble Learning .
  • Desarrollo de Scorecards .
  • Validación de Modelos.
  • Behaviour y applicant Score .
  • Probabilidad de Default (PD) (I) .
  • Probabilidad de Default (PD) Lifetime (II) .
  • Loss Given Default (LGD).
  • Exposure at Default (EAD) y Credit Conversion Factor (CCF) .
  • Validación de PD, LGD y EAD .
  • Modelos de Pérdidas esperadas para riesgo crédito: normal local, BIS e IFRS9 (PIT, TTC, Forward Looking).
  • Modelo pérdidas inesperadas Capital económico y regulatorio por Riesgo Crédito.
  • Stresstest de Riesgo Crédito.

Información General

Precio

$590.000

Fechas y horarios

Entre el 21 de octubre y el 25 de noviembre de 2019.

Horario: Lunes, de 9:00 a 13:30 horas.

Formas de pago y beneficios

  • Contado y cuotas

Descuentos

  • 15% para ex alumnos y exalumnas de pregrado y postgrado UAI.
  • 15% para dos o más ejecutivos o ejecutivas de la misma empresa.

* Los descuentos no son acumulables.

*La realización del presente curso exige un número mínimo de estudiantes matriculados.

Lugar

Sede Errázuriz. Av. Presidente Errázuriz 3485, Las Condes.

Información e Inscripciones

Miguel Tapia