20 Fundamentos de Riesgo Crediticio y ML
Base conceptual que el capítulo CRPTO original daba por conocida: PD, calibración, métricas y modelos tabulares.
Nota editorial: este capítulo conserva material técnico de soporte para tesis, supplement y revisión. Los bloques de código quedan acotados visualmente por defecto; la lectura principal está en el texto, las tablas y las figuras.
Procedencia: book/chapters/02-glossary/02a-credit-risk-fundamentals.qmd
20.1 Fundamentos de Riesgo Crediticio
20.1.1 Probabilidad de Default (PD)
La Probabilidad de Default (PD) es la probabilidad estimada de que un deudor no cumpla con sus obligaciones de pago dentro de un horizonte de tiempo definido. En el marco de Basilea y IFRS9, la PD es el primer componente del cálculo de pérdida esperada.
- PD a 12 meses (PD₁₂): Probabilidad de default dentro de los próximos 12 meses. Se usa para préstamos en Stage 1 bajo IFRS9.
- PD de por vida (PD_lifetime): Probabilidad de default durante toda la vida restante del préstamo. Se usa para préstamos en Stage 2. Se estima típicamente con modelos de supervivencia (Cox PH, Random Survival Forest).
En este proyecto, el modelo PD se entrena como un clasificador binario (default/no-default) sobre datos de Lending Club resueltos. La salida es una probabilidad continua en [0, 1] que se calibra para reflejar frecuencias reales de default.
20.1.2 Loss Given Default (LGD)
La Pérdida dado el Default (LGD) mide la fracción del saldo expuesto que no se recupera cuando un préstamo entra en default. Se calcula como:
\[ \text{LGD} = 1 - \text{Tasa de Recuperación} = 1 - \frac{\text{Monto Recuperado}}{\text{Exposición al Default}} \]
Valores típicos de LGD varían entre 20% y 80% según el tipo de producto, la presencia de colateral y la efectividad de los procesos de cobranza. En Lending Club, los préstamos son no garantizados, lo que resulta en LGD relativamente altas.
20.1.3 Exposure at Default (EAD)
La Exposición al Default (EAD) es el monto total que el prestamista tiene en riesgo en el momento del default. Para préstamos a plazo fijo (como Lending Club), la EAD es el saldo pendiente del principal más intereses acumulados. Para líneas de crédito revolventes, la EAD incluye estimaciones de utilización futura (Credit Conversion Factor, CCF).
20.1.4 Expected Credit Loss (ECL)
La Pérdida Crediticia Esperada (ECL) es el producto de los tres componentes anteriores, descontado al valor presente:
\[ \text{ECL} = \text{PD} \times \text{LGD} \times \text{EAD} \times \text{Factor de Descuento} \]
Este es el cálculo central de IFRS9 y determina las provisiones que un banco debe reservar para cubrir pérdidas anticipadas.
20.1.5 IFRS9 y el Modelo de Tres Stages
IFRS9 (International Financial Reporting Standard 9) es la norma contable internacional que rige la clasificación y medición de instrumentos financieros. Su modelo de deterioro se basa en tres stages:
| Stage | Condición | PD Utilizada | Provisión |
|---|---|---|---|
| Stage 1 | Sin deterioro significativo | PD a 12 meses | ECL a 12 meses |
| Stage 2 | Incremento significativo de riesgo (SICR) | PD de por vida | ECL de por vida |
| Stage 3 | Default confirmado (≥90 DPD) | PD ≈ 1.0 | ECL total |
20.1.6 Incremento Significativo de Riesgo Crediticio (SICR)
El SICR (Significant Increase in Credit Risk) es el trigger que mueve un préstamo de Stage 1 a Stage 2. IFRS9 no prescribe un método único para detectarlo — cada institución define sus propios criterios. Criterios comunes incluyen:
- Incremento absoluto o relativo de PD respecto a la originación
- Días de mora (30+ DPD como backstop)
- Downgrade de calificación interna
En este proyecto proponemos usar el ancho del intervalo conformal como señal adicional de SICR. Un intervalo más ancho indica mayor incertidumbre sobre la PD, lo que puede señalar deterioro antes de que se refleje en el punto estimado. En la biblioteca revisada no identificamos un precedente que use el ancho conformal como trigger SICR dentro de un pipeline IFRS9-inspired.
20.1.7 Basilea III y Capital Regulatorio
El marco de Basilea III establece requerimientos mínimos de capital que los bancos deben mantener para absorber pérdidas inesperadas. Los tres pilares relevantes son:
- Pilar 1 — Capital mínimo: Fórmulas regulatorias basadas en PD, LGD y EAD para calcular activos ponderados por riesgo (RWA).
- Pilar 2 — Supervisión: Evaluaciones internas de adecuación de capital (ICAAP), incluyendo tests de estrés.
- Pilar 3 — Transparencia: Divulgación pública de métricas de riesgo y modelos utilizados.
20.1.8 Grados de Riesgo (Credit Grades)
En Lending Club, los préstamos se clasifican en grados de A (menor riesgo) a G (mayor riesgo), basados en la evaluación crediticia del solicitante al momento de la originación. Estos grados determinan la tasa de interés y se utilizan en este proyecto como variable de partición Mondrian para predicción conformal condicional.
| Grado | Tasa de Default Típica | Tasa de Interés Típica |
|---|---|---|
| A | ~5–8% | ~6–8% |
| B | ~10–14% | ~10–12% |
| C | ~15–20% | ~13–16% |
| D | ~20–28% | ~17–21% |
| E | ~28–35% | ~22–26% |
| F | ~35–45% | ~26–30% |
| G | ~45–55% | ~30–31% |
20.1.9 Credit scoring como infraestructura de asignación
La literatura nueva refuerza una lectura importante para la tesis: un modelo de credit scoring no es solo un clasificador. En originación, pricing, provisionamiento y selección de portafolio, el score es una infraestructura de asignación de capital y de oportunidades. Por eso un AUC aceptable no basta si la probabilidad está mal calibrada, si el ruido de medición afecta a ciertos segmentos, o si la decisión downstream amplifica una debilidad del score.
La tesis debe usar esta distinción para evitar dos errores. El primero es presentar CRPTO como otra competencia de ranking; los benchmarks de credit scoring ya cubren ese terreno (Ayari et al., 2026; Lessmann et al., 2015). El segundo es tratar fairness, credit invisibility y medición ruidosa como apéndices eticos separados. En crédito, esos problemas cambian el conjunto de personas que puede acceder a precio, cupo o financiacion (Blattner & Nelson, 2021; Brevoort et al., 2016; Fuster et al., 2022; Khandani et al., 2010). La contribución de CRPTO se vuelve más clara si la PD calibrada se describe como un insumo gobernado que después entra a una decisión robusta, no como un fin en si mismo.
| Capa | Riesgo si se ignora | Como lo usa CRPTO |
|---|---|---|
| Calibración de PD | ECL, pricing y restricciones de riesgo se vuelven numericamente frágiles. | Gate antes de construir intervalos y portafolios. |
| Segmentos y credit grades | La cobertura global puede ocultar subcobertura en grupos de riesgo. | Particiones Mondrian y auditorias por grade/score. |
| Ruido y credit invisibility | El score puede ser menos informativo para poblaciones con poca historia crediticia. | Límite declarado por ausencia de atributos protegidos directos. |
| ECL y provisionamiento | El rango de pérdida importa tanto como el punto estimado. | Agenda de tesis/appendix, no claim central IJDS. |
| Decisión de portafolio | Un buen ranking puede producir una mala asignación de capital. | Optimización robusta con incertidumbre conformal. |
Procedencia: book/chapters/02-glossary/02b-ml-statistics-foundations.qmd
20.2 Fundamentos de ML y Estadística
20.2.1 Métricas de Discriminación
Las métricas de discriminación evalúan qué tan bien un modelo separa defaults de no-defaults.
AUC-ROC (Area Under the Receiver Operating Characteristic Curve): Mide la probabilidad de que el modelo asigne un score más alto a un default positivo seleccionado al azar que a un negativo seleccionado al azar. Rango: 0.5 (aleatorio) a 1.0 (perfecto). En credit scoring, AUC > 0.70 se considera aceptable para producción.
Gini: Transformación lineal del AUC: \(\text{Gini} = 2 \times \text{AUC} - 1\). Rango: 0 (aleatorio) a 1 (perfecto). Es la métrica más utilizada en la industria bancaria europea.
KS (Kolmogorov-Smirnov): Máxima distancia vertical entre las distribuciones acumuladas de los scores de defaults y no-defaults. Indica el punto de máxima separación entre las dos poblaciones.
PR-AUC (Area Under the Precision-Recall Curve): Especialmente relevante para datasets desbalanceados. En Lending Club, con ~20% de default rate, PR-AUC complementa al AUC-ROC capturando el rendimiento sobre la clase minoritaria (o mayoritaria en riesgo).
En credit scoring, estas métricas de discriminación tienen umbrales prácticos que conviene conocer. Un AUC de 0.70 se considera el mínimo aceptable para un modelo de producción en retail banking; por debajo de eso, el modelo no separa suficientemente bien a los buenos y malos prestatarios para justificar decisiones automatizadas. Un AUC de 0.75-0.80 es típico para modelos bien calibrados con datos ricos (incluidos datos de buró), y valores por encima de 0.85 suelen indicar leakage o variables no disponibles en producción. El Gini amplifica las diferencias: un modelo con AUC 0.70 tiene Gini 0.40, mientras que uno con AUC 0.75 tiene Gini 0.50 — una ganancia de 5 puntos de AUC se traduce en 10 puntos de Gini, lo que facilita la comunicación con comités de riesgo acostumbrados a la escala Gini. Pero ni AUC ni Gini dicen nada sobre calibración: un modelo que ordena perfectamente puede asignar PD=0.50 a un grupo donde solo el 5% defaultea, lo cual destruye cualquier cálculo de provisiones.
20.2.2 Métricas de Calibración
La calibración mide si las probabilidades predichas reflejan las frecuencias reales de default. Un modelo puede tener excelente discriminación (AUC alto) pero mala calibración.
Brier Score: Error cuadrático medio entre las probabilidades predichas y los outcomes binarios:
\[ \text{Brier} = \frac{1}{n} \sum_{i=1}^{n} (\hat{p}_i - y_i)^2 \]
Rango: 0 (perfecto) a 1 (peor caso). Para un dataset con 20% default rate, un modelo naive que predice 0.20 para todos obtiene Brier ≈ 0.16.
ECE (Expected Calibration Error): Promedio ponderado de la diferencia absoluta entre la confianza predicha y la precisión observada, calculada por bins:
\[ \text{ECE} = \sum_{b=1}^{B} \frac{|B_b|}{n} \left| \text{acc}(B_b) - \text{conf}(B_b) \right| \]
Un ECE < 0.01 indica calibración excelente. Nuestro modelo calibrado con Venn-Abers logra ECE = 0.007.
D² Brier: Análogo al R² para el Brier Score, mide la mejora relativa del modelo sobre un predictor naive (frecuencia marginal).
20.2.3 Métricas de estabilidad poblacional (PSI/CSI)
Las métricas anteriores evalúan un modelo en un corte fijo; el monitoreo en el tiempo necesita además medir drift entre la población de desarrollo y la de aplicación. El Population Stability Index (PSI) compara dos distribuciones (entrenamiento vs. OOT, o periodo \(t\) vs. \(t+1\)) discretizadas en \(B\) bins:
\[ \text{PSI} = \sum_{b=1}^{B} (p_b - q_b)\,\ln\!\frac{p_b}{q_b} \]
donde \(p_b\) y \(q_b\) son las proporciones de masa en el bin \(b\) de cada población. Las reglas de pulgar de la industria son PSI < 0.10 (estable), 0.10--0.25 (cambio moderado, vigilar) y > 0.25 (cambio material, posible trigger de re-entrenamiento). Aplicado a una feature individual se le llama a veces Characteristic Stability Index (CSI); aplicado al score agregado da el score PSI.
El proyecto usa PSI por feature, score PSI y WOE PSI como controles de gobernanza, con PSI = 0.25 como umbral duro (véase el capítulo de gobernanza y explicabilidad). La lectura editorial correcta es que estos umbrales son heurísticas operativas, no evidencia estadística suficiente: el PSI es sensible al binning y al desbalance, por lo que el proyecto lo complementa con un Classifier Two-Sample Test (C2ST) (Lopez-Paz & Oquab, 2018), que pregunta qué tan fácil es distinguir desarrollo de aplicación con un clasificador. Esa cautela queda documentada en docs/research/crpto_metrics_triage_2026-05-18.md.
20.2.4 Gradient Boosting y CatBoost
Gradient Boosting es un ensemble de árboles de decisión entrenados secuencialmente, donde cada árbol corrige los errores del anterior. La predicción final es la suma ponderada de todas las predicciones individuales.
CatBoost (Categorical Boosting) es una implementación de gradient boosting desarrollada por Yandex con tres ventajas clave para credit scoring:
- Manejo nativo de categorías: No requiere one-hot encoding ni WOE manual para variables categóricas — aplica target encoding con regularización ordered boosting.
- Manejo nativo de valores faltantes: Trata NaN como un valor informativo, asignándolo a la rama óptima de cada split.
- Ordered boosting: Reduce el overfitting al usar subconjuntos de datos históricos para calcular los target statistics de cada observación.
En credit scoring con datos tabulares, CatBoost ofrece: (1) mejor calibración out-of-the-box gracias al ordered boosting, (2) manejo transparente de categorías sin preprocesamiento manual, y (3) menor sensibilidad a hiperparámetros. Estudios comparativos recientes en credit scoring (Ayari et al., 2026; Lessmann et al., 2015) confirman que los tres frameworks logran AUC comparable, pero CatBoost simplifica el pipeline de features y reduce el riesgo de data leakage por target encoding incorrecto.
20.2.5 Optimización de Hiperparámetros (HPO)
Optuna es un framework de optimización de hiperparámetros basado en Tree-structured Parzen Estimator (TPE). A diferencia de grid search o random search, TPE modela la distribución de hiperparámetros condicional a su rendimiento y muestrea nuevos candidatos de las regiones más prometedoras.
En este proyecto, Optuna ejecuta 320 trials para el espacio de CatBoost, optimizando profundidad, learning rate, regularización L2, bagging temperature y otros hiperparámetros. La métrica objetivo es AUC validado sobre el split temporal de validación.
20.2.6 Calibración de Probabilidades
Un modelo de clasificación produce scores que no necesariamente son probabilidades bien calibradas. Los métodos de calibración post-hoc transforman los scores en probabilidades:
- Platt Scaling: Ajusta una regresión logística sobre los scores del modelo para producir probabilidades calibradas. Supone una relación sigmoide entre score y probabilidad.
- Isotonic Regression: Ajuste no paramétrico monótono. Más flexible que Platt pero propenso a overfitting con pocas muestras.
- Venn-Abers: Produce intervalos de probabilidad con garantías de validez multiprobabilística. Es el método más conservador y el seleccionado en este proyecto por su robustez temporal.
20.2.7 Weight of Evidence (WOE) e Information Value (IV)
WOE (Weight of Evidence) transforma variables categóricas o numéricas binneadas en una escala que refleja su poder predictivo:
\[ \text{WOE}_i = \ln \left( \frac{\% \text{ no-defaults en bin } i}{\% \text{ defaults en bin } i} \right) \]
IV (Information Value) mide el poder predictivo total de una variable:
\[ \text{IV} = \sum_{i=1}^{k} (\% \text{ no-defaults}_i - \% \text{ defaults}_i) \times \text{WOE}_i \]
| IV | Poder predictivo |
|---|---|
| < 0.02 | No útil |
| 0.02 – 0.10 | Débil |
| 0.10 – 0.30 | Medio |
| 0.30 – 0.50 | Fuerte |
| > 0.50 | Sospechosamente fuerte (posible leakage) |