Machine Learning aplicado a Riesgo de Crédito

$29,000.00 +IVA

Una de las aplicaciones más exitosas, aunque poco conocidas, de las matemáticas en los negocios, es el uso de técnicas cuantitativas y estadísticas para evaluar los riesgos crediticios involucrados en los préstamos a los consumidores.

En la actualidad, con los prestamistas cambiando sus objetivos de minimizar los incumplimientos a maximizar las ganancias, la saturación del mercado de crédito al consumo permite a los clientes ser más discriminatorios en la elección de qué préstamos, hipotecas y tarjetas de crédito utilizar, requiriendo mejorar el perfil de calificación crediticia.

Dentro de los bancos hay una serie de desafíos que necesitan de nuevos procesos que utilicen modelos estadísticos como entradas y extensiones de las ideas en la gestión del Riesgo Crediticio.

El objetivo general de este programa especializado es introducir al alumno al aprendizaje automático aplicado, comenzando con una discusión sobre ¿Cómo el Machine Learning es diferente de las estadísticas descriptivas? y se le presentará el conjunto de herramientas disponibles tanto en R como en Python.

Se discutirá el tema de la dimensionalidad de los datos y se abordará la tarea de agrupar los datos, así como la evaluación de esos grupos.

Se describirán los enfoques supervisados para crear modelos predictivos y los alumnos podrán aplicar los métodos de Modelado Predictivo mientras comprenden los problemas del proceso relacionados con la generalización de datos.

El programa terminará con una mirada a técnicas más avanzadas, tales como la construcción de conjuntos y limitaciones prácticas de los modelos predictivos.

Dar a conocer: ¿Cómo se pueden aprovechar las técnicas del aprendizaje de máquina o Machine Learning en el ciclo de crédito?

Con la finalidad de optimizar el perfil de riesgo rendimiento en la gestión del mismo.

Entender y aplicar las herramientas estadísticas y de gestión en los diferentes estados del ciclo.

Explicar el papel de los modelos estadísticos y de juicio dentro de cada una de las etapas del mismo.

Este programa de capacitación se encuentra dirigido a profesionales que desean aplicar el aprendizaje automático o Machine Learning al análisis y la automatización de las actividades fundamentales en la gestión del Riesgo de Crédito.

Dirigido a estadísticos, economistas, analistas de calificación, investigadores operativos y todo aquel interesado que trabaje tanto en la industria crediticia como en el mundo académico.

Este programa le permitirá al alumno revisar la metodología y las medidas actuales utilizadas en la gestión crediticia y luego analizar los modelos que el Machine Learning permite utilizar para abordar estos nuevos desafíos.

Al finalizar este programa se espera que los estudiantes puedan definir claramente un problema de aprendizaje automático utilizando dos enfoques:

1.Reconocer los recursos de datos disponibles para posibles aplicaciones de aprendizaje automático; aprender a tomar una necesidad de negocio o de gestión y convertirla en una aplicación de aprendizaje automático; preparar los datos para aplicaciones de aprendizaje automático eficaces.

2. Conocer la diferencia entre una técnica supervisada y no supervisada; identificar qué técnica necesitan aplicar para un conjunto de datos y una necesidad en particular; diseñar características para satisfacer esa necesidad y escribir el código correcto para realizar un análisis.

MAURILIO PATIÑO

DIRECTOR DE RIESGOS GENWORTH

Actualmente es Director de Riesgos en Genworth, puesto en el que se ha desempeñado los últimos 5 años.

Tiene más de 23 años de experiencia trabajando en administración de riesgos, dirigiendo la práctica en diferentes bancos y grupos financieros, como BX+, Itaú Chile, Fonacot, Banco Walmart, Bank of América (donde fue responsable de riesgos de mercado para la región de Latinoamérica), Bank Boston, BITAL y Banco del Atlántico. Maurilio es actuario y tiene una maestría en métodos matemáticos para finanzas por la Universidad Anáhuac.

Fue miembro activo del Comité de Riesgos de la ABM, el cual presidió durante un año. Asimismo, fue miembro del subcomité de riesgos de ASIGNA y miembro suplente del Comité Técnico.

Como docente tiene experiencia de más de 22 años tanto en universidades, a      nivel licenciatura y posgrado, como en capacitación ejecutiva y educación permanente. Sus áreas de especialización son la administración de riesgos   financieros   (mercado, crédito, liquidez y operacional), la valuación y el uso de productos derivados, matemáticas aplicadas a banca y mercados financieros, minería de datos y aplicaciones de inteligencia artificial.

INICIO: 18 de Octubre 2021 / FIN: 13 de Diciembre 2021

El programa tiene una duración de 30 horas efectivas, divididas en 15 sesiones de 2 horas cada una, en un horario de 6:00 p.m. a 8:00 p.m.
Se contemplan dos sesiones de preguntas y respuestas; una durante el programa y uno al terminar, los horarios y días serán estipulados por los participantes y el profesor en el transcurso del programa.

Políticas del Servicio
Todos nuestros programas se encuentran sujetos a un cupo mínimo para su apertura y realización en las fechas publicadas, de no cubrirse este punto, las fechas del programa serán recalendarizadas.

Una vez abierto e iniciado el programa no habrá cambios de fechas ni horarios, salvo en casos excepcionales y de fuerza mayor ajenos a MHM Advise Corp.

Categoría:

Valoraciones

No hay valoraciones aún.

Sé el primero en valorar “Machine Learning aplicado a Riesgo de Crédito”

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *