Datos del Proyecto
Proyecto
Analítica Avanzada en Modelos Regulados de Riesgo de Crédito
Ubicación
Barcelona/Madrid
Tutor
Antoni Sureda Gomila (Director de Modelos Regulados de Riesgo de Crédito)
Descripción del proyecto
Sub-proyectos
El proyecto se divide en tres sub-proyectos:
- Sub-proyecto 1: diseñar y entrenar un modelo de aprendizaje automático que identifique incumplimientos técnicos, así como los elementos que soportan esta identificación. Tutor: Inmaculada Ciria Monaj (Directora de Parámetros Riesgo de Crédito & CLD).
- Sub-proyecto 2: aplicar modelos avanzados en la identificación de ejes de segmentación de los modelos internal rating-based de probabilidad de incumplimiento y severidad. Tutor: Inmaculada Ciria Monaj (Directora de Parámetros Riesgo de Crédito & CLD).
- Sub-proyecto 3: desarrollo de metodologías de seguimiento de modelos de rating y scoring construidos con metodologías de gradient boosting. Tutores: Inmaculada Ciria Monaj (Directora de Parámetros Riesgo de Crédito & CLD) y Cristina García Rodríguez (Directora de gestión y seguimiento de Modelos Regulados de Riesgo de Crédito).
Ámbito
Los modelos IRB (internal ratings-based) son modelos de riesgo de crédito que se utilizan para medir los requerimientos de capital de las entidades de crédito. Estos modelos se basan en la evaluación interna del riesgo crediticio y permiten a las entidades calcular sus propios requisitos de capital para cubrir el riesgo crediticio.
Antecedentes
CaixaBank es pionera en el uso de modelos de machine learning en los modelos de rating y scoring en los enfoques IRB. El objetivo del proyecto de CaixaBank es seguir profundizando en el uso de estas técnicas aplicándolas en otros ámbitos y mejorando el seguimiento de los modelos existentes.
Metodología, equipo de trabajo, calendario y fines y metas del proyecto
La persona seleccionada trabajará juntamente con el resto del equipo de modelos regulados en tres proyectos.
- El primer sub-proyecto consiste en diseñar y entrenar un modelo de aprendizaje automático que identifique incumplimientos técnicos, así como los elementos que soportan esta identificación.
- El segundo sub-proyecto implica la aplicación de modelos avanzados en la identificación de ejes de segmentación de los modelos internal rating-based de probabilidad de incumplimiento y severidad.
- El tercer sub-proyecto se enfoca en el desarrollo de metodologías de seguimiento de modelos de rating y scoring construidos con metodologías de gradient boosting.
Estado del proyecto en la incorporación
El equipo de modelos de CaixaBank tiene una dilatada experiencia en estos ámbitos y dispone de herramientas basadas en técnicas estadísticas clásicas. el reto de la becaria será mejorar las herramientas existentes con metodologías avanzadas.
Beneficios de la beca
Trabajos y tareas que se realizarán
- El primer sub-proyecto consiste en diseñar y entrenar un modelo de aprendizaje automático que identifique incumplimientos técnicos, así como los elementos que soportan esta identificación. El aprendizaje automático es una rama de la inteligencia artificial que se enfoca en el desarrollo de algoritmos y modelos que permiten a las computadoras aprender a partir de datos y mejorar su rendimiento en una tarea específica sin ser programadas explícitamente para ello.
- El segundo sub-proyecto implica la aplicación de modelos avanzados en la identificación de ejes de segmentación de los modelos internal rating-based de probabilidad de incumplimiento y severidad. Los modelos internal rating-based son modelos estadísticos que se utilizan para estimar la probabilidad de incumplimiento y la severidad de las pérdidas asociadas con los préstamos y otros instrumentos financieros.
- El tercer sub-proyecto se enfoca en el desarrollo de metodologías de seguimiento de modelos de rating y scoring construidos con metodologías de gradient boosting. Gradient boosting es una técnica de aprendizaje automático que se utiliza para construir modelos predictivos a partir de un conjunto de datos. En lugar de construir un solo modelo, gradient boosting construye una serie de modelos débiles y los combina para obtener un modelo más fuerte.
Conocimientos y capacidades que se adquirirán
Trabajar en CaixaBank en los tres proyectos descritos anteriormente proporcionará una valiosa experiencia en el campo de los modelos de riesgo de crédito. La becaria tendrá la oportunidad de trabajar con un equipo experimentado y aprenderá a utilizar herramientas basadas en técnicas estadísticas clásicas y metodologías avanzadas como el aprendizaje automático. Además, la becaria tendrá la oportunidad de trabajar en proyectos desafiantes y relevantes que tienen un impacto directo en el negocio de CaixaBank.
