Credit Scoring de Basico a Avanzado con R y Python

Riesgo de Crédito con Excel, R y Python (Credit Risk Analysis)

Ratings 4.43 / 5.00
Credit Scoring de Basico a Avanzado con R y Python

What You Will Learn!

  • Conocer el giro de negocios de los bancos
  • Analisis de cosechas
  • Matrices de transicion
  • Riesgo de credito
  • Probabilidad de default
  • Programacion en R
  • Modelos de machine learning
  • Programacion en Python
  • Modelo de regresion logistica
  • Evaluacion de modelos
  • Analisis exploratorio de datos
  • Modelos Credit Scoring

Description

El credit scoring es un sistema automático de calificación de créditos que permite a las entidades financieras determinar la probabilidad de pago de un préstamo

Este sistema financiero se aplica para la cartera minorista: personas (créditos de consumo y créditos hipotecarios) y mypes (micro y pequeñas empresas); sin embargo, es importante mencionar que para la cartera no minorista (empresas medianas, grandes y corporativas), el sistema de calificación de créditos utilizado es el rating.

El funcionamiento del credit scoring se basa en la estadística. Es decir, marcha a través de algoritmos que van variando según la data que procesan. Para ello, los bancos evalúan el comportamiento de su cartera de créditos para determinar las características o patrones comunes que se repiten con mayor frecuencia en los créditos impagos.

En cuanto a la información que necesita el banco, esta puede ser dividida en dos bloques: aquella que no requiere documentación y que usualmente el banco ya la tiene, y aquella que si la necesita.

En el primer grupo, se encuentra la siguiente información:

  • Datos personales del posible acreedor: edad, profesión, estado civil, domicilio, hijos, etc.

  • Vinculaciones financieras con los clientes: tarjetas contratadas, cuentas bancarias, etc.

  • Historial crediticio: revisión de préstamos anteriores ya cancelados por el cliente y aquellos que aún están vigentes.

  • Información de ficheros externos: lista de morosos (Infocorp).

Adicionalmente, la entidad bancaria podría solicitar una serie de documentos que sustenten o complementen la información anterior. Por ejemplo:

  • Acreditación documental del correcto cumplimiento de los préstamos que el cliente tiene con otras entidades.

  • Ingresos de los intervinientes en la operación (boletas de pago).

  • Justificación de la finalidad del crédito: en préstamos a mypes (facturas, contratos de compra-venta u otros, etc.).

  • Documentación registral y tasación de bienes a hipotecar, de ser necesario.

Esta data es procesada por un software que, tras analizar la información, arroja un número que representa la probabilidad teórica de que un cliente pague el préstamo en el tiempo previsto.

Who Should Attend!

  • Analistas de riesgos
  • Analistas de creditos
  • Analistas en Inteligencia de negocios
  • Interesados en conocer como los bancos califican a los clientes
  • Analistas de modelos de Riesgos
  • Analista de validacion y seguimiento de modelos
  • Data Analytics
  • Analista de Recuperaciones

TAKE THIS COURSE

Tags

  • Credit Analysis
  • Risk Management
  • Risk Measurement

Subscribers

378

Lectures

96

TAKE THIS COURSE



Related Courses