DiplomadoInteligencia artificial y datos
Inteligencia artificial en finanzas y gestión del riesgo
El diplomado Inteligencia artificial en finanzas y gestión del riesgo proporciona al estudiante modelos de aprendizaje automático y analítica para pronosticar flujos, calificar crédito, detectar fraude, medir el riesgo de mercado y automatizar reportes. Le permite tomar decisiones financieras con modelos cuantitativos auditables en entidades financieras y empresas.
A quién va dirigido
Profesionales de finanzas, riesgo, auditoría y tecnología con estadística básica y manejo de Excel; se recomienda nociones de Python.
Objetivos
✓Comprender el uso de pandas y de series de mercado para calcular rentabilidad, volatilidad y correlación de activos.
✓Analizar el riesgo de crédito con regresión logística y XGBoost evaluados con AUC, KS y Gini y explicados con SHAP.
✓Aplicar Isolation Forest, autoencoders y grafos de relaciones al monitoreo transaccional y a la prevención del lavado de activos.
✓Diseñar mediciones de riesgo de mercado con valor en riesgo, simulación de Monte Carlo y pronóstico del flujo de caja.
✓Evaluar la validación, documentación, sesgo y monitoreo de modelos financieros con criterios de explicabilidad y gobierno.
Plan de estudios por sesión
1
Datos financieros con Pythonpandas para estados financieros y transacciones · Descarga de series de mercado
2
Rentabilidad, riesgo y visualizaciónRentabilidad, volatilidad y correlación · Visualización financiera
3
Preparación y modelos de riesgo de créditoVariables y preparación de datos de crédito · Regresión logística y gradient boosting con XGBoost
4
Métricas y explicabilidad del créditoMétricas AUC, KS y Gini · Explicabilidad con SHAP
5
Detección de fraude con datos desbalanceadosDetección de anomalías con Isolation Forest y autoencoders · Datos desbalanceados
6
Monitoreo transaccional y análisis de redesMonitoreo transaccional y SARLAFT · Grafos de relaciones entre clientes
7
Series financieras y valor en riesgoSeries de tiempo ARIMA y modelos de volatilidad · Valor en riesgo histórico y paramétrico
8
Simulación y flujo de cajaSimulación de Monte Carlo · Pronóstico de flujo de caja
9
IA generativa en el análisis financieroAnálisis de informes financieros con modelos de lenguaje · Automatización de reportes
10
Gobierno de modelos y equidadValidación, documentación y monitoreo de modelos · Sesgo y equidad en decisiones de crédito
11
Desarrollo del caso de riesgo o fraudeCaso de riesgo o fraude · Modelo, validación y explicabilidad
12
Presentación del proyecto final: modelo con validación y monitoreoTablero de monitoreo · Sustentación
Evaluación
Inicial30%Cuaderno en Python con rentabilidad, volatilidad y correlación de un portafolio; visualización financiera de series de mercado.
Intermedio30%Modelo de calificación de crédito con métricas AUC, KS y Gini y explicabilidad SHAP; cálculo del valor en riesgo histórico y paramétrico.
Final40%Proyecto final: modelo de riesgo de crédito o de detección de fraude con documentación de validación, explicabilidad y tablero de monitoreo, con sustentación.
Proyecto final
Modelo de riesgo de crédito o de detección de fraude con documentación de validación, explicabilidad y tablero de monitoreo.