Data Mining – Risk Analytics
Consultas
Haga clic para enviar su consulta
Contacto
+54 9 11 4928 1202 afonseca@austral.edu.ar
Agustina Fonseca

Características

  • DURACIÓN: 32 horas
  • FECHA DE INICIO: Agosto
  • MODALIDAD DE CURSADA: Presencial
  • NOMBRE DEL DIRECTOR:  Dr. Juan M. Ale
EL ÁREA DE DATA MINING DE LA FACULTAD DE INGENIERÍA PROPONE A SUS ALUMNOS PARTICIPAR DE ESTE MÓDULO DE 32HS, QUE ES PARTE DE LA MAESTRÍA EN EXPLOTACIÓN DE DATOS Y GESTIÓN DEL CONOCIMIENTO.

OBJETIVOS

Brindar un panorama general sobre riesgos y preliminares:

Nociones acerca del riesgo. Tipologías. Cuantificación. El proceso de administración de riesgos y el rol del data mining.
Repaso de conceptos y técnicas estadísticas, econométricas y de data mining necesarias para risk modeling.

RÉGIMEN DE CURSADA

PRESENCIAL
El programa se cursa los días viernes en Capital Federal, de 18 a 22hs.

RIESGO DE CRÉDITO I
  • Riesgo de crédito en carteras de individuos.
  • Particularidades: Personales, tarjetas, hipotecarios.
  • Credit Scoring: Definiciones, características, tipologías, alcances y limitaciones.
  • La elaboración de modelos de Credit Scoring visto como proceso CRISP-DM.
  • El problema del sesgo de selectividad.
RIESGO DE CRÉDITO Ii
  • Riesgo de crédito corporativo y sus particularidades.
  • Credit Scoring para empresas. Ratios e indicadores.
  • Calificaciones.
RIESGO DE CRÉDITO IIi
  • Aplicaciones del análisis de supervivencia en la modelización del tiempo hasta el evento de riesgo. Del Credit Scoring tradicional, al pricing ajustado por riesgos.
  • El riesgo de precancelación.
RIESGO DE CRÉDITO Iv
  • Riesgo de crédito a nivel de portafolio. Diversos enfoques.
RIESGO DE mercado i
  • Introducción al riesgo de mercado. Value at Risk (VaR)
  • Simulación. Stress testing. Extreme VaR.
RIESGO DE MERCADO Ii
  • Breve revisión de las hipótesis de eficiencia de mercados.
  • Introducción a la econometría de series de tiempo.
  • Predicción de la volatilidad: ARCH y GARCH models.
otros RIESGOs: operativos y sistémicos
  • Riesgos operativos.
  • Fraude, lavado de dinero.
  • Factores macroeconómicos, microeconómicos e institucionales en el default.
  • El pronóstico del ciclo.
  • El pronóstico de la morosidad sistémica.
  • Riesgo País.
  • Early warning systems. (Banking sector)

 

REQUISITOS

• Ser graduado en una carrera universitaria de 4 a más años de duración.
• Acreditar experiencia profesional.
• Poseer conocimientos generales de base de datos, algoritmos y estadística.
• Lectura de material en inglés.

ARANCELES

Consultar a afonseca@austral.edu.ar

DIRECTOR

DR. JUAN M. ALE

• Doctor en Ciencias Exactas orientación Computacion, Universidad Nacional de La Plata.

• Licenciado en Ciencias de la Computación, UBA; Licenciado en Ingeniería de Sistemas; UBA. Computador Científico, UBA.

• Consultor en Bases de Datos y Business Intelligence.

• Director de la Maestría en Data Mining, Universidad Austral.

• Profesor titular en carreras de grado y posgrado en UBA, UNLP y Universidad Austral.

DOCENTES

MG. DAVID A. MERMELSTEIN

• Licenciado en Economía, graduado con diploma de honor de la Universidad de Buenos Aires (UBA), Magíster en Economía (UBA), Magíster en Finanzas (UCEMA), y se encuentra realizando su Doctorado en Finanzas (UCEMA).

• Economista especializado en banca, finanzas cuantitativas, econometría aplicada y business analytics. Actualmente se desempeña como Gerente de Riesgos Financieros de Banco Patagonia.

• Fue Head de la práctica de Riesgos Financieros y Econometría de SAS Institute Cono Sur, dirigiendo implementaciones y proyectos de consultoría en riesgos
para bancos del país y del exterior.

• Fue Economista Jefe del área de Banking de Econviews/Miguel Kiguel & Asociados, como consultor de diversas entidades financieras, del Banco Mundial y de la IFC.

• Integró el departamento de modelización de riesgos del Banco Hipotecario.

• Profesor de la Maestría en Data Mining de la Universidad Austral.