Duración
5 meses
Fecha de Inicio
19-06-2026
Modalidad
online
Dificultad
Experto
Precio
597 €
El Curso de Modelos de Riesgo Financiero Avanzados con Inteligencia Artificial de Academia IA forma a cuantitativos y risk modelers senior capaces de diseñar, validar y desplegar modelos de riesgo bancario potenciados con machine learning bajo estándares regulatorios exigentes. El programa integra VaR, CVaR, stress testing adaptativo, IFRS 9 ECL, capital económico y los marcos prudenciales Basel IV y FRTB con pipelines de IA plenamente explicables.
Trabajarás modelos de PD, LGD y EAD con XGBoost, LightGBM y redes neuronales profundas, simulaciones Monte Carlo aceleradas con reducción de varianza, validación mediante SHAP y LIME, y generación automática de escenarios macro con IA generativa. La formación integra Python cuantitativo, backtesting regulatorio, monitoring y gobernanza del modelo, culminando con un Proyecto Final donde desarrollarás un motor de riesgo end-to-end aplicado a una cartera real.
El Curso de Modelos de Riesgo Financiero Avanzados con Inteligencia Artificial responde a la presión regulatoria y de mercado sobre bancos, gestoras y aseguradoras para modernizar sus marcos cuantitativos. La entrada escalonada de Basel IV, el endurecimiento del FRTB y las expectativas supervisoras sobre IFRS 9 ECL exigen modelos más precisos, explicables y auditables, superando los enfoques lineales clásicos con machine learning y analítica cuantitativa avanzada.
El propósito del curso es formar perfiles capaces de diseñar y validar modelos de riesgo de crédito y riesgo de mercado de última generación. Aprenderás a estimar PD, LGD y EAD con ensembles de árboles, construir motores de VaR y CVaR con simulación histórica filtrada y Monte Carlo, ejecutar stress testing bottom-up con escenarios generados por IA, y calibrar curvas de pérdida esperada IFRS 9 e implementar capital económico con metodologías IRB.
La formación cubre Python, XGBoost, PyTorch, SHAP, librerías de Monte Carlo y entornos de MLOps para finanzas, culminando con un Proyecto Final donde desplegarás un modelo de riesgo completo con documentación regulatoria lista para validación interna y supervisora.
El Curso de Modelos de Riesgo Financiero Avanzados con Inteligencia Artificial te prepara para liderar áreas de Model Risk Management, equipos de Risk Analytics en banca mayorista, departamentos de Traded Risk, unidades de IFRS 9 y consultoras cuantitativas. Podrás desempeñarte como quant risk modeler senior, validador de modelos IRB, CRO analyst, FRTB specialist o consultor de riesgos con IA en entidades financieras y supervisores.
La formación te capacita para desarrollar modelos PD, LGD y EAD con gradient boosting y tuning bayesiano, implementar motores VaR y Expected Shortfall bajo FRTB-IMA, calibrar escenarios de stress testing EBA y Fed CCAR con IA generativa adaptativa, construir curvas de pérdida esperada IFRS 9 con segmentación ML, ejecutar backtesting regulatorio detallado, documentar modelos bajo SR 11-7 y TRIM, y diseñar frameworks de explainability con SHAP exigidos por supervisores europeos y americanos.
También adquirirás competencias para auditar modelos heredados, proponer arquitecturas de MLOps regulatoria, dialogar con validadores internos y equipos supervisores, y liderar la transición de bancos hacia modelos híbridos estadísticos y de machine learning con trazabilidad completa, monitoring continuo y aplicabilidad inmediata en tu entidad.
info@academiaia.ai +34 603 10 53 37
Av Marqués del Turia 14 Valencia
Accede desde cualquier lugar sin desplazamientos. Compatibiliza la formación cuantitativa avanzada con tu rol actual en riesgos.
Notebooks estructurados desde el primer día: foco en modelización cuantitativa y validación, no en montar infra desde cero.
Python, XGBoost, PyTorch, SHAP y librerías Monte Carlo: el stack cuantitativo real que usan bancos tier-1 y supervisores hoy.
La excelencia formativa define cada programa de Academia IA. Nuestro compromiso es ofrecer una experiencia de aprendizaje que combine rigor técnico con aplicabilidad inmediata, preparando profesionales capaces de generar impacto real desde el primer día.
Nuestros programas están diseñados por profesionales que trabajan en empresas del sector de inteligencia artificial. Compartimos las técnicas y herramientas que utilizamos en proyectos reales.
Al unirte a Academia IA accedes a más de 400 profesionales en Skool. Un espacio donde resolver dudas, compartir proyectos y seguir aprendiendo más allá del temario oficial.
( +34 ) 603 10 53 37
Completar el Curso de Modelos de Riesgo Financiero Avanzados con Inteligencia Artificial te posiciona en la élite cuantitativa del sector bancario, un segmento con demanda estructural creciente y escasez de talento capaz de combinar rigor regulatorio con dominio de IA aplicada a riesgos.
Salto a roles cuantitativos senior: Dominarás el toolkit que bancos tier-1, supervisores y consultoras Big Four buscan hoy en risk modelers con perfil híbrido. La combinación de Basel IV, FRTB y machine learning regulado te abre puertas a posiciones de quant senior, model validator y head of risk analytics difíciles de cubrir en el mercado actual.
Capacidad para modernizar modelos heredados: Serás capaz de migrar modelos logísticos clásicos de PD y LGD hacia arquitecturas de gradient boosting con explainability integrada, reduciendo PD gap, mejorando discriminación AUC y superando ejercicios de validación interna y revisiones TRIM supervisoras con documentación robusta.
Autonomía para liderar proyectos regulatorios: Podrás dirigir iniciativas de implementación FRTB, recalibración IFRS 9 bajo nuevos escenarios macro y stress tests EBA, gestionando equipos multidisciplinares de quants, data scientists y áreas de negocio con visión integral del marco prudencial.
Acceso a una comunidad de profesionales en IA: Al formarte con Academia IA te integras en una red activa de profesionales que comparten casos reales de modelización cuantitativa, experiencias de validación regulatoria y aplicación de IA en banca tier-1, ampliando tu networking y oportunidades en el ecosistema global de riesgos financieros.
El sector financiero atraviesa una transformación cuantitativa sin precedentes. La entrada progresiva del output floor de Basel IV al 72,5% hasta 2030, el despliegue del FRTB con enfoque IMA restrictivo y las expectativas supervisoras sobre modelos IFRS 9 exigen capacidades técnicas que muy pocos profesionales dominan. La IA ya no es opcional en risk: es el estándar emergente bajo escrutinio regulatorio.
Presión regulatoria convergente: Supervisores como ECB, Fed y PRA están reforzando revisiones TRIM, exigiendo explainability, backtesting robusto y gobernanza del modelo bajo SR 11-7. Los bancos necesitan urgentemente perfiles capaces de construir modelos ML que superen validación supervisora, un cuello de botella crítico en la mayoría de entidades europeas y americanas.
Machine learning como estándar cuantitativo: Gradient boosting, redes neuronales profundas y simulación Monte Carlo acelerada ya capturan no-linealidades macro-default críticas que los modelos logit clásicos pierden sistemáticamente. Las entidades que no migren sus marcos de PD, LGD, VaR y ECL hacia arquitecturas ML quedarán en clara desventaja competitiva frente a bancos con mayor precisión en capital económico, provisiones contables y pricing ajustado a riesgo real de cartera.
Escasez crítica de talento quant-IA: El mercado demanda profesionales que combinen rigor econométrico, dominio regulatorio profundo y skills avanzados en Python, XGBoost, PyTorch y explainability. Formarte hoy te coloca entre los pocos candidatos preparados para liderar la próxima generación de funciones de riesgo en bancos tier-1, con retribuciones, responsabilidad y trayectoria profesional muy superiores a los perfiles cuantitativos tradicionales del sector financiero actual.
Ease of learning
El plan de estudios del Curso de Modelos de Riesgo Financiero Avanzados con Inteligencia Artificial sigue una arquitectura progresiva que replica el ciclo completo de un modelo regulatorio: desde fundamentos cuantitativos y tratamiento de datos bancarios hasta despliegue MLOps con documentación supervisora. La metodología integra teoría regulatoria, implementación en Python y casos reales de entidades tier-1.
La formación arranca con econometría financiera avanzada, estructura de carteras bancarias complejas y marcos prudenciales Basel IV y FRTB con sus implicaciones de capital. Los módulos iniciales cubren modelización PD, LGD y EAD con XGBoost y LightGBM, construcción de motores VaR y CVaR, simulación Monte Carlo con reducción de varianza, y filtered historical simulation aplicada a carteras trading y banking book reales.
Los contenidos avanzados abordan IFRS 9 ECL con segmentación ML forward-looking, stress testing adaptativo con IA generativa para escenarios macro bottom-up, capital económico IRB con simulaciones correlacionadas, validación exhaustiva con SHAP y LIME, backtesting regulatorio detallado y gobernanza del modelo bajo SR 11-7 y TRIM. El curso culmina con un Proyecto Final donde desarrollarás un motor de riesgo end-to-end con documentación completa lista para presentación a validación interna y revisión supervisora.
Aprovecha todos nuestros recursos en cualquiera de nuestras formaciones.
El Proyecto Final constituye la etapa culminante de la formación y representa la integración práctica de todas las competencias cuantitativas, regulatorias y de IA desarrolladas durante el curso. Consiste en el desarrollo completo de un motor de riesgo avanzado aplicado a una cartera real de tu entidad o caso de estudio, desde la ingesta de datos y feature engineering hasta la generación de outputs regulatorios y documentación lista para validación interna y supervisora.
El proyecto puede centrarse en cualquiera de las líneas trabajadas en el curso:
Modelo PD IRB: Construcción con XGBoost y explainability SHAP.
Motor VaR y Expected Shortfall: Desarrollo bajo el marco FRTB-IMA.
Curvas IFRS 9 ECL: Recalibración mediante segmentación ML.
Stress testing adaptativo: Ejecución con escenarios macro generados por IA.
Capital económico: Implementación con simulación Monte Carlo acelerada.
Deberás documentar la metodología, datasets, calibración, backtesting, análisis de sensibilidad y hallazgos de validación.
El trabajo debe presentarse con un nivel de calidad técnica y documental que permita utilizarlo como portfolio profesional senior o implementarlo directamente en tu función de riesgo actual. La documentación final demuestra tu capacidad para diseñar modelos robustos que superen validación interna, revisiones TRIM supervisoras y expectativas regulatorias SR 11-7, incluyendo análisis de estabilidad, pruebas de concepto alternativas y monitoring post-implementación. Este proyecto tangible te diferenciará claramente en procesos de selección cuantitativos y acreditará competencias reales ante CROs, comités de riesgos y responsables de validación supervisora.
No te quedes con ninguna duda y revisa todas nuestras preguntas frecuentes!
Academia IA
El Curso de Modelos de Riesgo Financiero Avanzados con Inteligencia Artificial cubre en profundidad Python cuantitativo, XGBoost, LightGBM y scikit-learn para modelización PD, LGD y EAD, PyTorch para redes neuronales aplicadas a riesgo, librerías de simulación Monte Carlo y filtered historical simulation para VaR y Expected Shortfall, y SHAP y LIME para explainability regulatoria.También trabajarás herramientas de backtesting bajo FRTB, notebooks de stress testing adaptativo con IA generativa, y patrones de MLOps para finanzas.El enfoque es operativo: cada librería se aborda en el contexto de un caso bancario real alineado con Basel IV, FRTB e IFRS 9.
El curso asume un perfil senior en riesgos o cuantitativo, pero no exige ser ingeniero de software. Trabajamos con notebooks estructurados donde el foco está en la modelización cuantitativa, la interpretación regulatoria y la validación de resultados, no en construir infraestructura desde cero.Si vienes de econometría clásica, SAS o R y tu Python es intermedio, el curso te permitirá cerrar el gap hacia machine learning aplicado a riesgo bancario. Lo crítico es dominar conceptos de PD, LGD, VaR, ECL y Basel; la capa de IA la abordamos paso a paso con ejemplos reales de entidades tier-1 y supervisores.
Sí, y ese es precisamente el enfoque diferencial del curso. Cada modelo se construye siguiendo principios de SR 11-7, expectativas TRIM del ECB y guidelines EBA sobre machine learning en IRB.Incorporamos desde el diseño explainability con SHAP, backtesting regulatorio, análisis de estabilidad, documentación de datasets, calibración y monitoring post-implementación. Trabajamos casos reales donde modelos ML han pasado validación supervisora y aprenderás a anticipar los puntos críticos que challengean validadores internos y equipos TRIM.El objetivo es que salgas capaz de defender tu modelo en un comité de riesgos o en una revisión supervisora.
La diferencia principal está en la integración real entre IA, regulación y práctica bancaria. Muchas formaciones cubren machine learning genérico o teoría regulatoria aislada; el Curso de Modelos de Riesgo Financiero Avanzados con Inteligencia Artificial de Academia IA une ambos mundos con casos end-to-end:Un modelo PD XGBoost con documentación IRB completa.Un motor VaR FRTB-IMA con backtesting supervisor.Un framework IFRS 9 con forward-looking ML.El contenido está diseñado por profesionales del sector que trabajan en funciones de riesgo y validación, y se actualiza con los últimos criterios supervisores sobre IA en banca. No es teoría: es el toolkit operativo que necesitas hoy.
