Title Evaluación Riesgo Crédito ✅

Analítica Financiera Magíster Analitica en los Negocios (MAN) Evaluación Riesgo de Crédito Franco Mansilla Ibáñez www.francomansilla.com Contexto El desafío para los profesionales que desarrollan modelos con el objetivo de mejorar procesos, apoyar la gestión y facilitar la toma de decisiones, entre otras tareas, radica en entregar un activo analítico que no solo cumpla con el poder predictivo esperado, sino que también mantenga su estabilidad a lo largo del tiempo, cumpliendo el principio de parsimonia. Como discutimos en clase, alcanzar un alto poder predictivo no depende únicamente de emplear métodos más avanzados, sino de contar con datos de mejor calidad. Pregunta l (40 puntos) La calibración de modelos es crucial para la aplicación efectiva de los activos analíticos en el ámbito de negocio, especialmente en el sector financiero y bancario donde los resultados se utilizan como insumos para desarrollar políticas de riesgo, estrategias de inversión y procesos de toma de decisiones. El primer desafío será implementar el método de Conformal Prediction (Vovk et al. en 1990), el cual ha demostrado ser beneficioso, según Manokhin en 2021, para la calibración de los score proporcionados por modelos de aprendizaje automático. Este método no solo ofrece predicciones específicas, sino también intervalos de confianza que se asocian a estas predicciones, enriqueciendo así la interpretación y aplicación de los algoritmos de machine learning. De lo anterior, se pide: 1. Revisión bibliográfica del método mencionado. 2. Explicación metodología del método. 3. Usando la base de datos vista en clase, observe si hay mejoras con respecto a lo presentado a los otros métodos usados en clases