​Module 21: Lifetime PD

​​​

• PD Lifetime en cartera de consumo

• PD Lifetime en cartera hipotecaria

• PD Lifetime en carteras de tarjetas de crédito

• PD Lifetime en cartera PYME

• Modelo Vintage

• • Vencimiento exógeno Modelo EMV

  • Análisis de descomposición

  • COVID-19 Aplicación pandémica

  • Ventajas e inconvenientes

• Modelo ASRF de Basilea

  • Modelo Matrix ASRF

  • Aprovechamiento del IRB en la NIIF 9

  • Ventajas e inconvenientes

• Modelos de regresión

  • Regresión Logística Multinomial

  • Regresión probit ordinal

• Modelos de supervivencia

  • Kaplan-Meier

  • Regresión de Cox

  • Ventajas e inconvenientes

• Modelos de Markov

  • Modelo de Markov multiestado

  • Ventajas e inconvenientes

• Machine Learning Model​

  • Máquina de vectores soporte

• Deep Learning Models

  • Neural network architecture

• Modelos de extrapolación de DP a lo largo de la vida

• Calibración de la DP vitalicia

• Ejercicio 53: uso de la regresión multinomial para estimar la PD Lifetime

• Ejercicio 54: uso de un modelo de Markov multiestado para estimar la PD Lifetime

• Ejercicio 55: uso del modelo ASRF matricial para estimar la PD Lifetime

• Ejercicio 56: uso de SVM cuántica para estimar la PD Lifetime

• Ejercicio 57: uso de SVM tradicional en Python para estimar la PD Lifetime

• Ejercicio 58: uso de Deep Learning tradicional para estimar Lifetime PD

• Ejercicio 59: uso de Quantum Deep Learning para estimar la PD Lifetime

​​

IRB LGD 

Módulo 22: LGD IRB en carteras minoristas

• Impacto de COVID-19 en LGD

  • Definición de moratoria

  • Moratorias

  • Renovaciones y reestructuraciones

  • Ciclo de impago

  • Ciclos reales de impago

• Pérdida esperada y pérdida inesperada en la LGD

• LGD en Incumplimiento

• LGD media ponderada por incumplimiento o LGD media ponderada por exposición

• LGD para exposiciones performing y non-performing

• Tratamiento de las garantías en el IRB

• Enfoque Workout

• • Técnicas para determinar el tipo de descuento

  • Tratamiento de los cobros, gastos y costes de cobro

  • Ciclos de impago

  • Gastos de cobro

• LGD Downturn en las carteras de consumo

• LGD Downturn en hipotecas

• LGD en consumo

• LGD en hipotecas

• LGD en empresas

• LGD en carteras con sustitución

Módulo 23: Se utilizan modelos econométricos y de aprendizaje automático para estimar la  Loss Given Default (LGD)

• Ventajas e inconvenientes de los modelos predictivos de LGD

• Modelos prospectivos que incorporan variables macroeconómicas

• Modelos paramétricos y no paramétricos y regresiones de transformación

• Tipología de los modelos multivariantes de LGD

• • Regresión lineal y transformación Beta

  • Regresión lineal y transformación Logit

  • Regresión lineal y transformación Box Cox

  • Regresión logística y lineal

  • Regresión logística y no lineal

  • Regresión censurada

  • Modelo aditivo generalizado

  • Regresión beta

  • Regresión beta inflada

• Regresión por vectores de soporte

• Clasificación por vectores de soporte

• Regresión Random Forest

• Regresión XGBoosting

• Redes neuronales

• Aprendizaje profundo

• Ejercicio 60: modelos econométricos para estimar la LGD:

• • Regresión logística y lineal

  • Regresión beta

• Ejercicio 61: Modelos de aprendizaje automático y aprendizaje profundo para estimar la LGD:

  • Regresión Random Forest

  • Regresión XGBoosting

  • Regresión de aprendizaje profundo

• Ejercicio 62: Comparación del rendimiento de los modelos mediante pruebas de calibración y precisión.

IFRS 9 LGD

​

Módulo 24: LGD para la IFRS 9

​

• Comparación de la LGD IRB frente a la IFRS 9

• Impacto en COVID-19

• Requisitos de la IFRS 9

• • Probabilidad ponderada

  • Previsión

• Ajustes IRB LGD

  • Selección de los tipos de interés

  • Asignación de costes

  • suelos

  • Tratamiento de las garantías a lo largo del tiempo

  • Duración de COVID-19

• Modelización LGD PIT

• Modelización de garantías

• LGD IFRS 9 para sociedades de cartera

• LGD IFRS 9 para carteras hipotecarias

• LGD IFRS 9 para carteras de empresas

• LGD IFRS 9 mediante regresión LASSO

• Modelos de aprendizaje automático

• • Máquina de vectores soporte

  • Bosque aleatorio

  • Xgboost

  • Neural Networks

• Ejercicio 63: Estimación y ajustes de LGD IFRS 9 mediante regresión Random Forest

• Ejercicio 64: Estimación y ajustes para LGD IFRS 9 Regresión Beta y Redes Neuronales

• Ejercicio 65: Estimación de la severidad IFRS 9 mediante regresión Xgboost en Python

• Ejercicio 66: Estimación de la severidad IFRS 9 mediante SVM tradicional

• Ejercicio 67: Estimación de la severidad de la IFRS 9 mediante SVM cuántica

• Ejercicio 68: Estimación de la severidad de la IFRS 9 mediante redes neuronales tradicionales

• Ejercicio 69: Estimación de la severidad de la IFRS 9 mediante redes neuronales bayesianas

​

IRB EAD

Módulo 25: Desarrollo de modelos para estimar la exposición en caso de impago (EAD) y el factor de conversión del crédito (CCF) para el método basado en calificaciones internas (IRB)

• Impacto de COVID-19 en las líneas de crédito

• Directrices para estimar el CCF

• Directrices para estimar el CCF Descenso

• Horizonte temporal

• Transformaciones para modelizar el CCF

• Enfoques para estimar el CCF

• • Enfoque de horizonte fijo

  • Enfoque de cohortes

  • Horizonte temporal de enfoque variable

• Modelos econométricos

  • Regresión beta

  • Regresión beta inflada

  • Regresión de respuesta fraccionaria

  • Modelo de efectos mixtos

• Modelos de aprendizaje automático

  • Neural networks

  • SVM

• Modelo de intensidad para medir la retirada de líneas de crédito

• Ejercicio 70: Modelo de regresión de red neuronal para estimar el CCF

• Ejercicio 71: Modelo de regresión de vectores de soporte en Python para estimar el CCF

• Ejercicio 72: Redes neuronales y regresión beta en R para estimar el CCF

• Ejercicio 73: SVM cuántica y SVM de regresión clásica para estimar el CCF

​

IFRS 9 EAD

Tasa de prepago

Módulo 26. Opciones contractuales Opciones contractuales

• Pago anticipado y otras opciones

• Requisitos de la IFRS 9

• Probabilidad ponderada

• Previsión

• Modelización de pagos anticipados IFRS 9

• • Regresión de Cox

  • Regresión logística

• Estimación de la tasa de supervivencia

• Modelo de probabilidad conjunta con duración de la PD

• Ejercicio 74: modelo de prepago basado en regresión de bosque aleatorio, implementado utilizando R y Excel.

​

Módulo 27: EAD Lifetime para líneas de crédito

• La pandemia ha afectado significativamente a la utilización de las líneas de crédito.

• Medición de la vida útil en las tarjetas de crédito

• EAD de por vida

• Requisitos de la IFRS 9

• Probabilidad ponderada

• Previsión

• Ajustes en la EAD

• Devengo de intereses

• CCF Estimación de la EIF

• Estimación de la vida útil del CCF

• Modelización de la vida útil de la EAD

• Modelo de utilización de líneas de crédito con variables macroeconómicas

• Ajuste por abandono de tarjetas de crédito

• Modelo de vida útil de la EAD para el conjunto de líneas de crédito

• • modelo vintage

  • Chain ladder 

• Ejercicio 75: Modelo de red neuronal para línea de crédito

• Ejercicio 76: Modelo EAD Lifetime para línea de crédito

​

VALIDACIÓN DE BACKTESTING

​

Módulo 28: Backtesting PD

• Validación de PD

• Backtesting de PD

• Prueba estadística:

• • Prueba de Hosmer Lameshow

  • Prueba de la normalidad

  • Prueba binomial

  • Prueba de Spiegelhalter

  • Prueba de Redelmeier

  • Enfoque del semáforo

• Análisis del semáforo y cuadro de mandos

• Prueba de estabilidad para PD

• Comparación de la probabilidad de impago (PD) prevista con la tasa de impago a lo largo del tiempo.

• Realización de una validación mediante simulación Monte Carlo

• Ejercicio 77: Backtesting PD en Excel

​

​Módulo 29: LGD Backtesting

• LGD Backtesting

• Índice de precisión

• Indicador de precisión absoluta

• Intervalos de confianza

• Análisis de transición

• Análisis RR mediante triángulos

• Backtesting avanzado de LGD con un enfoque vintage

• Backtesting para modelos econométricos

• Prueba de calibración

• Prueba T

• Prueba de rango con signo de Wilcoxon

• Prueba de precisión

• Prueba F

• Prueba de Ansari-Bradley

• Ejercicio 78: Comparación del rendimiento de los modelos mediante las pruebas de calibración y precisión.

Módulo 30: Backtesting de EAD

• Rendimiento de EAD

• R al cuadrado

• Coeficiente de Pearson

• Correlación de Spearman

• Validación mediante ROC, KS y Gini

• Ejercicio 79: Comparación del rendimiento de los modelos EAD

​

STRESS TESTING IRB

​

Módulo 31: Aprendizaje profundo para modelar la dinámica macroeconómica

​​

• Modelos macroeconómicos

• Modelo de crecimiento neoclásico

• Ecuaciones diferenciales parciales

• Modelos de equilibrio general dinámico estocástico DSGE

• Arquitecturas de aprendizaje profundo

• Aprendizaje por refuerzo

• Análisis avanzado de escenarios

• Ejercicio 80: uso de redes neuronales para el modelo macroeconómico de ecuaciones de Bellman ​

​

Módulo 32: Modelos de aprendizaje profundo para proyecciones macroeconómicas

​​​​

• Modelos multivariantes

  • Modelos vectoriales autorregresivos VAR

  • Modelos ARCH

  • Modelos GARCH

  • Modelos GARCH Cópulas multivariantes

  • VEC Modelo vectorial de corrección de errores

  • Método de Johansen

• Machine Learning Models

  • Supported Vector Machine

  • Neural network

    • Previsión de rendimientos de series temporales de mercado

    • Algoritmos NN y SVM para la previsión de rendimientos

    • Previsión de la volatilidad NN frente a Garch

  • Base de desarrollo y validación

• Deep learning

  • Redes neuronales recurrentes RNN

  • Red neuronal de Elman

  • Red neuronal de Jordan

  • Estructura básica de una RNN

  • Memoria a corto plazo LSTM

  • Ventanas temporales

  • Muestra de desarrollo y validación

  • Regresión

  • Modelado de secuencias

• Quantum Deep Learning

• Análisis de series temporales con Facebook Prophet

• Predicción de la propagación de Covid-19

• Ejercicio 81: Modelo Charge-off con VAR y VEC

• Ejercicio 82: Forecasting de PD usando series financieras e índices Bayesianos LSTM en Python

• Ejercicio 83: Predicción de pandemias usando RNN LSTM multivariante en Python

• Ejercicio 84: Predicción de la PD utilizando redes neuronales cuánticas
   

Module 33: Stress Testing PD y LGD

​

• Horizonte temporal

• Enfoque multiperiodo

• Datos necesarios

• Impacto en P&L, RWA y Capital

• Escenarios de estrés macroeconómico en el consumo

• • Experto

  • Estadística

  • Reglamentación

• Stress Testing PD :

  • Vista de la cartera de créditos

  • Enfoque plurianual

  • Pruebas de estrés inversas

  • Reescalado

  • Regresión de Cox

• Stress Testing de la matriz de transición

  • Enfoque de la cartera de créditos

  • Índice del ciclo crediticio

  • Extensión multifactorial

• Stress Testing LGD: 

  • Downturn LGD : Enfoque de distribución mixta

  • Modelización PD/LGD Multiyear Approach

  • Prueba de estrés de LGD para carteras hipotecarias

• Stress Testing:​

  • Liquidación neta

  • Matrices de transición Rating/Scoring

  • Tasa de recuperación y LGD

• Ejercicio 85: Uso de las vistas de la cartera de créditos para las pruebas de estrés de PD

• Ejercicio 86: Uso de LSTM bayesiano para pruebas de estrés de PD

• Ejercicio 87: Utilización de la Regresión Cuántica Variacional para las Pruebas de Estrés PD

• Ejercicio 88: Utilización del modelo MARS para las pruebas de estrés PD

• Ejercicio 89: Utilización de la regresión LASSO para las pruebas de estrés PD

​

Módulo 34: Stress Testing en las carteras de las empresas

• Horizonte temporal

• Datos necesarios

• Principales variables macroeconómicas

• Impacto en P&L, RWA y Capital

• Modelo ASRF

• Modelo Creditmetrics

• Uso de matrices de transición

• Utilización del índice del ciclo crediticio

• Previsión de impagos

• Metodología de pruebas de tensión para carteras de empresas

• Impacto sobre los APR y el capital

• Ejercicio 90: Realización de pruebas de estrés para la Probabilidad de Impago (PD) en carteras corporativas utilizando una matriz de transición y el modelo ASRF

​​

STRESS TESTING ECL IFRS 9

​

Módulo 35: Stress Testing en ECL IFRS 9

• Stress Testing con arreglo a la NIIF 9 y COVID-19

• Escenarios pandémicos aplicados al cálculo de la ECL

• Pruebas de estrés de los parámetros de la NIIF 9

• Pruebas de estrés de la ABE para 2023

• Tratamiento de la moratoria

• Posibles escenarios regulatorios

• Impacto en las pérdidas y ganancias

• Parámetros de partida del EIF

• Parámetros proyectados del EIF

• Cálculo de los activos improductivos y las pérdidas de valor

• Cambios en el stock de provisiones

• Variación del stock de provisiones para riesgos fase S1

• Variación del stock de provisiones para riesgos fase S2

• Variación del stock de provisiones para riesgos fase S3

• Pérdidas por deterioro de la exposición soberana

• Impacto en el capital

• Modelo interno de pruebas de tensión para ECL iIFRS 9

• Migración de etapas

• Matriz de transición de etapas

• Stress testing de PDs y migraciones de crédito

• Pruebas de estrés de exposiciones

• Pruebas de estrés de recuperaciones

• Ejercicio 91: Se realizó un ejercicio global interno para las pruebas de estrés de ECL utilizando R y Excel

Módulo 36: Quantum Stress Testing

​

• Economía cuántica

• Simulación Monte Carlo clásica

• Montecarlo cuántico

• Problema de codificación Monte Carlo

• Estimación de amplitud

• Aceleración aplicando el algoritmo de estimación de amplitud

• Modelo DGSE mediante redes neuronales

• Simulación Monte Carlo Cuántica vs Simulación Monte Carlo Normal

• Ejercicio 92: Modelo DGSE utilizando aprendizaje profundo

• Ejercicio 93: Simulación cuántica de Montecarlo frente a simulación clásica de Montecarlo

​

CREDIT RISK PORTFOLIO

​

Módulo 37: Modelos de capital económico

​

• Capital Regulatoria

• Metodologías de capital económico

• Correlación de activos y morosidad

• Pérdida fiscal inesperada

• Modelos de capital económico ASRF

• Modelos de negocio

• • KMV

  • Creditmetrics

  • Vista de la cartera de créditos

  • Riesgo de crédito +

• Gestión del capital económico

• Asignación del capital económico

• Ejercicio 94: Enfoque de Cartera: Estimación de EL, UL, ULC, Correlación y Capital Económico en Excel

• Ejercicio 95: Riesgo de Crédito + en SAS

• Ejercicio 96: Creditmetrics en Excel y R

• Ejercicio 97: Modelo de factor único en Excel

​

QUANTUM COMPUTING PARA EL CAPITAL ECONÓMICO

​

Módulo 38: Quantum computing para el capital económico

​

• Distribución de las pérdidas por riesgo de crédito

• Modelo de incertidumbre cuántica

• Definición del circuito

• Aceleración cuadrática respecto a la simulación Monte Carlo clásica

• Pérdida esperada

• Función de distribución acumulativa

• VaR

• Pérdida esperada

• Ejercicio 98: Estimación EL, VAR, ES del riesgo de crédito cuántico

​

Quantifying climate change-related credit risk 

​

Module 39: Climate Risk en Credit Risk

​​

• Riesgo de crédito Riesgo de transición

  • Análisis de escenarios para evaluar el componente de riesgo de transición del riesgo de crédito de una cartera

  • Introducción: preparar a los bancos para la transición hacia una economía con bajas emisiones de carbono

  • • Una necesidad creciente de análisis de escenarios climáticos

    • El reto para los bancos

    • Aprovechar e integrar los recursos de que disponen los bancos

  • Un enfoque integrado de la evaluación del riesgo de transición Escenarios de transición

    • Comprender los escenarios de transición y sus fuentes

    • Utilizar escenarios para evaluar el riesgo de transición

    • Cerrar la brecha entre los escenarios climáticos y la evaluación del riesgo financiero

  • Calibración a nivel de prestatario

  • Evaluación del impacto de la cartera

  • • Vincular la pérdida esperada a los efectos de la transición en las carteras

    • Evaluación de la probabilidad de impago (PD)

    • Evaluación de la pérdida en caso de impago (LGD)

  • Poner en práctica el enfoque: Lecciones aprendidas de los proyectos piloto bancarios

  • Pilotaje de la metodología del riesgo de transición

  • • Definición de sectores y segmentos

    • Evaluación de las sensibilidades relativas de los segmentos

    • Determinación de los puntos de calibración a nivel del prestatario Casos prácticos y resultados

    • El escenario piloto de transición

    • resultados del piloto

  • Oportunidades de transición: Exploración de una estrategia institucional

    • evaluación del mercado

    • Basar la evaluación de oportunidades en el análisis de escenarios

    • Evaluación del atractivo del segmento en el mercado

    • Identificación de las capacidades bancarias

    • Descubrimiento de las oportunidades con mayor potencial

  • Orientaciones futuras: Desarrollo de la próxima generación de análisis de riesgos de transición

• Riesgos físicos y oportunidades​​

  • Un enfoque integrado de la evaluación de riesgos físicos

    • Características del prestatario

    • El seguro como mitigador del riesgo debido a fenómenos climáticos y meteorológicos extremos

    • Escenarios de cambio climático

    • Impactos del cambio climático en la probabilidad de impago PD

    • Evaluación de los cambios en la productividad del sector

    • Ajuste de las métricas de la cuenta de resultados

    • Determinación de los cambios en la probabilidad de impago

    • Inmobiliario: Impactos del cambio climático en la relación préstamo-valor (LTV)

    • Estimación de los impactos de eventos extremos en el valor de las propiedades.

    • Determinación de los cambios en la relación préstamo-valor LTV

    • Oportunidades físicas: Exploración de una estrategia institucional

    • Taxonomía de oportunidades y fuentes de datos

    • evaluación del mercado

    • Evaluación de la demanda de financiación del sector

    • Evaluación del sector

    • Evaluar la capacidad institucional y el posicionamiento en el mercado de un banco

    • Evaluar las oportunidades

  • Orientaciones futuras: Hacia la próxima generación de análisis de riesgos y oportunidades físicos

    • Desarrollar análisis y capacidades internas en los bancos

    • Reforzar la base de investigación

    • Desarrollar plataformas y herramientas analíticas para apoyar las evaluaciones físicas de riesgos y oportunidades.

    • Mejorar los flujos de información sobre riesgos físicos y adaptación entre bancos y prestatarios

    • Mejorar el diálogo con los gobiernos y las aseguradoras

• Ejercicio 99: Estimación de PD y DD ajustada al cambio climático en el riesgo de transición

• Ejercicio 100: Estimación de PD y DD ajustadas al cambio climático en el riesgo físico

​

​