bayesrisk

Informe de validación de modelos

Informe de Validación de Scorecard

USO INTERNO — CONFIDENCIAL

Modelo
Entidad
Cartera
Responsable del desarrollo
Versión del informe
Fecha de emisión: 2026-10-19

Trazabilidad de la corrida (lineage)

config_hash=f3e87cfdef6ba84fac670e41e1433ce311fc36b9818d7b17281bffdd4e6055b0

data_hash=d21ea993b85ee031a8a4d1f88e3d7af00ead13d98066496a3711e6b979ef2e7d

git_sha=—

root_seed=20240706

Desarrollo

Nombre y fecha

Validación independiente

Nombre y fecha

Aprobación

Nombre y fecha

Resumen de la corrida

Lo que cuenta la corrida al terminar, con la misma fuente que la puerta guiada y la pestaña Resultados: el estado de la ejecución y de la validación técnica, las cifras clave, qué revisar, las decisiones humanas con su motivo y dónde queda cada archivo. El veredicto lo firma el validador en el resumen ejecutivo.

Las rutas son las que el informe escribió al generarse: si la corrida se copia o se archiva después —desde la interfaz, o al apartar una corrida anterior—, los archivos se buscan en su carpeta de destino, y el registro de auditoría deja constancia de cada uno que se escribió.

Ejecución: corrieron sin fallos Datos y muestras, Análisis exploratorio, Tramos y WoE, Selección de variables, Modelo, Tarjeta de puntuación, Calibración, Desempeño, Estabilidad, Validación formal y Escala maestra; este informe es la última etapa de la corrida
Validación técnica: Falla — lo decide Hosmer-Lemeshow en Holdout (p-valor 0,012; PD media agregada 33,00 % frente a 31,50 % observada; la mayor diferencia, en el grupo 9 de 10: 40,00 % observado frente a 52,25 % predicho), PSI del score Desarrollo vs. OOT (Redesarrollar), PSI de la PD Desarrollo vs. OOT (Redesarrollar), CSI de antiguedad_meses Desarrollo vs. OOT (Redesarrollar), CSI de deuda_ingreso Desarrollo vs. OOT (Revisar), CSI de mora_max_12m Desarrollo vs. OOT (Redesarrollar), CSI de utilizacion_linea Desarrollo vs. OOT (Redesarrollar) y PSI temporal por cohorte (Redesarrollar)

Cifras clave

AUC en Fuera de tiempo (OOT)	0,7097
Gini en Fuera de tiempo (OOT)	0,419
KS en Fuera de tiempo (OOT)	0,312
Caída del AUC Desarrollo → Fuera de tiempo (OOT)	-0,027 (-3,7 %)
Peor PSI entre score y PD	0,7487 (Desarrollo vs. OOT) → Redesarrollar

Qué revisar

⚠ Tramos y WoE: antiguedad_meses: la tasa de malos invierte la tendencia en Holdout y Fuera de tiempo (OOT)
⚠ Tramos y WoE: mora_max_12m: la tasa de malos invierte la tendencia en Holdout
⚠ Modelo: Concentra más del 90 % del IV del modelo: deuda_ingreso
⚠ Estabilidad: Estabilidad Desarrollo vs. OOT: banda «Redesarrollar»
⚠ Validación formal: Estado técnico «Falla»: revisar Hosmer-Lemeshow en Holdout (p-valor 0,012; PD media agregada 33,00 % frente a 31,50 % observada; la mayor diferencia, en el grupo 9 de 10: 40,00 % observado frente a 52,25 % predicho), PSI del score Desarrollo vs. OOT (Redesarrollar), PSI de la PD Desarrollo vs. OOT (Redesarrollar), CSI de antiguedad_meses Desarrollo vs. OOT (Redesarrollar), CSI de deuda_ingreso Desarrollo vs. OOT (Revisar), CSI de mora_max_12m Desarrollo vs. OOT (Redesarrollar), CSI de utilizacion_linea Desarrollo vs. OOT (Redesarrollar) y PSI temporal por cohorte (Redesarrollar)
⚠ Escala maestra: En Holdout, la tasa de malos del tramo 4 es menor que la del tramo 3: el orden de los tramos se invierte.
⚠ Escala maestra: En Fuera de tiempo (OOT), el tramo 1 tiene menos de 30 operaciones con desenlace: sin contraste.

Decisiones humanas registradas

Ninguna decisión humana registrada; lo que se decidió vive en el config de la corrida.

Dónde quedó cada archivo

Informe HTML: artifacts/consumo_drift_cinco_bins/reports\scorecard_report.html
Informe Word: artifacts/consumo_drift_cinco_bins/reports\scorecard_report.docx (se escribe si el extra docx está instalado)
Registro de auditoría: audit_trail.jsonl, en la carpeta de evidencia de la corrida

Resumen ejecutivo

Veredicto de validación

Aprobado
Aprobado con observaciones
Rechazado

Campo estructural: lo marca y firma el validador independiente; no es un resultado calculado por el motor.

Métrica	Alcance	Valor	Estado
AUC	Desarrollo	0,7368	Sin alertas
Gini	Desarrollo	0,4736	Sin alertas
KS	Desarrollo	0,35198	Sin alertas
AUC	Holdout	0,6849	Sin alertas
Gini	Holdout	0,3698	Sin alertas
KS	Holdout	0,2755	Sin alertas
AUC	Fuera de tiempo (OOT)	0,7097	Sin alertas
Gini	Fuera de tiempo (OOT)	0,4195	Sin alertas
KS	Fuera de tiempo (OOT)	0,3122	Sin alertas
Peor PSI entre score y PD · score	Desarrollo vs. Holdout	0,0162	Estable
Peor PSI entre score y PD · score	Desarrollo vs. OOT	0,7487	Redesarrollar
Estado técnico de validación formal	consumo_drift_cinco_bins	1 de 3 pruebas fallidas	Falla

No se configuraron umbrales de discriminación, de modo que el motor no puede levantar alertas sobre AUC, Gini ni KS: «sin alertas» significa que no había umbral contra el cual comparar, no que la métrica sea satisfactoria.

Las bandas de PSI usan los umbrales configurados: estable por debajo de 0,10, revisión desde 0,10 y redesarrollo desde 0,25.

La validación formal ejecutó discriminación, calibración y estabilidad. Su estado es una síntesis técnica del motor y no sustituye el veredicto que debe firmar un validador humano.

Alcance: scorecard y validación formal de las familias configuradas. El capítulo «Validación formal» reproduce el resultado que publicó el motor; el veredicto permanece bajo responsabilidad humana. Todos los valores provienen de la corrida trazada en la portada: no se completan con supuestos.

Índice

Resumen de la corrida
Resumen ejecutivo
1 Introducción
2 Contexto del modelo y de la cartera
2.1 Población, particiones y exclusiones
2.2 Población y calidad de datos
3 Metodología
3.1 Tratamiento de datos y particiones
3.2 Binning WoE
3.3 Selección de variables
3.4 Estimación del modelo PD
3.5 Escalado del scorecard
3.6 Calibración de la PD
4 Resultados
4.1 Binning WoE y poder predictivo
4.2 Selección de variables
4.3 Modelo PD
4.4 Scorecard
4.5 Calibración
4.6 Desempeño y discriminación
4.7 Estabilidad
4.8 Escala maestra y puntos de corte
5 Validación formal
5.1 Discriminación
5.2 Calibración
5.3 Estabilidad
6 Conclusiones y recomendación
7 Limitaciones y supuestos
Anexo A Lineage y reproducibilidad
Anexo B Tablas detalladas
Anexo C Parámetros completos
C.1 Población, particiones y exclusiones
C.2 Población y calidad de datos
C.3 Binning WoE y poder predictivo
C.4 Selección de variables
C.5 Modelo PD
C.6 Scorecard
C.7 Calibración
C.8 Desempeño y discriminación
C.9 Estabilidad
C.10 Validación formal
C.11 Escala maestra y puntos de corte

1Introducción

POR COMPLETAR — Introducción

Declara el propósito del informe y qué decisión habilita: ¿es una validación inicial previa a la puesta en producción, una revisión periódica o un recalibrado?

Delimita el alcance (qué modelo y qué cartera cubre, qué queda fuera) e identifica la audiencia: Validación independiente, Comité de Riesgo, regulador.

2Contexto del modelo y de la cartera

La población procesada contiene 6.000 observaciones, 8 variables de entrada y una tasa de incumplimiento de 35,57 %. Los conteos por estado, partición y motivo de exclusión se reproducen literalmente en las tablas de esta sección.

La columna objetivo de esta corrida es «target».

La tasa de incumplimiento observada en la población analizada es de 33,17 %, la tasa se agrupó por cohorte en 5 cohortes y se describieron 6 variables frente al incumplimiento.

El perfilado de calidad de datos levantó alertas sobre 1 variable con la marca «casi única». El detalle por variable está en el Anexo B.

La estabilidad temporal de la tasa de incumplimiento no se evaluó: eje de cohorte, sin orden cronológico. El indicador configurado era variación relativa.

La variable objetivo del ejercicio es «target», construida por las reglas de incumplimiento declaradas en el config (Anexo C). La definición de negocio que justifica esas reglas —p. ej. 90+ días de mora— debe explicitarla el analista: el motor aplica la regla, no la fundamenta.

La población se particionó por cohorte sobre «cohorte», reservando como OOT la cohorte «2024Q2», y un Holdout de 20,00 % del resto.

POR COMPLETAR — Contexto del modelo

Describe la cartera sobre la que se construyó el modelo: producto, segmento, volumen y período.

Explicita la definición de incumplimiento utilizada (p. ej. 90+ días de mora) y por qué; declara las exclusiones aplicadas a la población y su justificación.

2.1Población, particiones y exclusiones

Las tablas siguientes reproducen lo que dejó la preparación de datos de esta corrida. Estados, tamaños y tasas por partición, y exclusiones se copian literalmente; el informe no recalcula ni completa valores ausentes.

Estados de la población

Estado	Observaciones
bueno	3.866
malo	2.134
indeterminado	0
excluido	0

Particiones de modelamiento

Partición	Observaciones	Tasa de incumplimiento
Desarrollo	3.955	0,3317
Holdout	1.000	0,3150
Fuera de tiempo (OOT)	1.045	0,4852
Fuera del ajuste	0	0,0000

Exclusiones aplicadas

Motivo	Exclusiones

2.2Población y calidad de datos

A continuación se reproducen la tasa de incumplimiento por cohorte, graficada y en su tabla, el perfil por tramo de 6 variables descritas y la calidad de datos por columna.

Tasa de incumplimiento observada por período o cohorte

period	n_total	n_eligible	n_bad	default_rate	low_confidence
2023Q1	772	772	178	0,2306	no
2023Q2	772	772	215	0,2785	no
2023Q3	776	776	259	0,3338	no
2023Q4	800	800	293	0,3662	no
2024Q1	835	835	367	0,4395	no

Calidad de datos por columna

col	dtype	cardinality	near_constant	near_unique	high_cardinality
ingreso_mensual	float64	3.955	no	sí	no
deuda_ingreso	float64	3.226	no	no	no
utilizacion_linea	float64	3.131	no	no	no
mora_max_12m	int64	24	no	no	no
antiguedad_meses	int64	120	no	no	no
segmento	object	3	no	no	no
cohorte	object	5	no	no	no
bad_flag	int64	2	no	no	no

3Metodología

Este capítulo describe el procedimiento realmente ejecutado por el motor en esta corrida, con los parámetros efectivos que constan en el config trazado en el Anexo A. No es una descripción genérica de la técnica: cada cifra citada aquí es la que produjo este modelo.

3.1Tratamiento de datos y particiones

El dataset se validó contra un esquema declarado de 8 columnas, con tipos y nulabilidad explícitos; una desviación del esquema detiene la corrida en vez de propagarse.

En el tratamiento de faltantes se reporta para revisión toda variable con más de 99,00 % de valores faltantes, sin eliminarla automáticamente.

3.2Binning WoE

Se discretizó cada variable con OptBinning, resolviendo el problema óptimo por programación entera mixta (MIP), partiendo de un máximo de 20 pre-bins, con un máximo de 5 bins por variable y un tamaño mínimo de bin de 5,00 % de la población.

La tendencia monótona exigida al WoE es automática (ascendente o descendente): el riesgo debe comportarse de forma coherente entre tramos contiguos, sin quiebres que un analista no pueda defender.

De 6 variables candidatas, 6 quedaron binificadas.

Los valores especiales se agrupan en un bin propio y los faltantes reciben el tratamiento «empirical» (OptBinning 0.20.0).

3.3Selección de variables

Se descartaron las variables con IV inferior a 0,02; las de IV igual o superior a 0,50 se marcaron para revisión, porque un poder predictivo tan alto suele indicar fuga de información más que señal legítima.

Se eliminó la redundancia entre pares de variables con correlación (pearson) sobre 0,75 y se acotó la multicolinealidad exigiendo un VIF bajo 5,0.

El filtro dejó 5 de 6 variables candidatas; el motivo de exclusión de cada variable descartada consta en la tabla de selección.

3.4Estimación del modelo PD

La probabilidad de incumplimiento se modeló mediante regresión logística (logit) sobre las variables transformadas a WoE, con un nivel de significancia de 0,05.

La construcción del modelo usó stepwise bidireccional (criterio «wald_pvalue» y p-valor de entrada 0,05 y de salida 0,05).

Se exige que el coeficiente de cada variable en WoE tenga el signo esperado (negativo): cuando se invierte, se marca la variable sin excluirla. Un signo invertido significa que la variable contradice la relación de riesgo que su binning declara.

El modelo final retiene 5 de 5 variables de entrada.

3.5Escalado del scorecard

El modelo se escaló a puntaje con la convención PDO: un puntaje de 600 corresponde a odds de 50:1, y cada 20 puntos adicionales duplican esas odds.

De esa convención se derivan los parámetros efectivos de la escala: factor 28,8539 y offset 487,1229.

Un puntaje más alto indica menor riesgo y los puntajes se emiten con redondeo al entero más cercano.

3.6Calibración de la PD

La PD se calibró por desplazamiento del intercepto (intercept offset), ajustando sobre la partición de Desarrollo contra la tasa de incumplimiento observada en Desarrollo, que resultó ser 33,17 %. El ancla es a través del ciclo (TTC).

El desplazamiento aplicado al intercepto es 4,8e-14, lo que preserva el ordenamiento del score: la calibración corrige el nivel de la PD, no su ranking.

El ajuste se realizó sobre 3955 observaciones de Desarrollo.

4Resultados

Los resultados se presentan por etapa, con las tablas que sostienen el juicio de validación. El detalle exhaustivo —todas las tablas y todos los parámetros de cada paso— no se pierde: vive en los Anexos B y C, que son parte de este mismo informe.

4.1Binning WoE y poder predictivo

El poder predictivo univariado (IV) de las 6 variables binificadas lo encabezan «deuda_ingreso» (0,374), «ingreso_mensual» (0,258) y «utilizacion_linea» (0,119). El IV de cada variable consta en la tabla siguiente y su binning completo, bin a bin, en el Anexo B.

La monotonía efectiva del WoE resultó en 3 variables con tendencia ascendente y 2 variables con tendencia descendente, y 1 sin tendencia monótona resuelta, lo que debe revisarse.

Resumen de binning — IV por variable

name	dtype	status	selected	n_bins	iv	js	gini	quality_score	iv_band	is_suspicious_iv	is_zero_iv	monotonic_trend	skipped_reason
ingreso_mensual	numerical	OPTIMAL	sí	5	0,2584	0,0312	0,2681	0,7569	medium	no	no	descending	—
deuda_ingreso	numerical	OPTIMAL	sí	5	0,3741	0,0443	0,3116	0,8217	strong	no	no	ascending	—
utilizacion_linea	numerical	OPTIMAL	sí	5	0,1194	0,0148	0,1896	0,3839	medium	no	no	ascending	—
mora_max_12m	numerical	OPTIMAL	sí	5	0,0813	0,0101	0,1577	0,1529	weak	no	no	ascending	—
antiguedad_meses	numerical	OPTIMAL	sí	5	0,0619	0,0077	0,13296	0,0801	weak	no	no	descending	—
segmento	categorical	OPTIMAL	sí	3	0,0025	0,00031	0,0264	0,00203	—	no	no	—	—

4.2Selección de variables

Las 5 variables que pasaron el filtro son «antiguedad_meses», «deuda_ingreso», «ingreso_mensual», «mora_max_12m» y «utilizacion_linea».

Las exclusiones se reparten en 1 por IV insuficiente.

Tras la selección, la correlación absoluta máxima entre las variables finales es 0,2845 y el VIF máximo es 1,11.

Criterios de selección por variable

feature	woe_column	included	reason	iv	iv_band	auc	gini	ks	max_abs_corr	max_corr_with	vif	max_csi	forced	detail
antiguedad_meses	antiguedad_meses__woe	sí	included	0,0619	weak	0,5665	0,13296	0,1037	—	—	1,0122	—	—	—
deuda_ingreso	deuda_ingreso__woe	sí	included	0,3741	strong	0,6558	0,3116	0,2129	—	—	1,0317	—	—	—
ingreso_mensual	ingreso_mensual__woe	sí	included	0,2584	medium	0,63404	0,2681	0,1936	—	—	1,0049	—	—	—
mora_max_12m	mora_max_12m__woe	sí	included	0,0813	weak	0,5789	0,1577	0,1216	—	—	1,1148	—	—	—
segmento	segmento__woe	no	low_iv	0,0025	—	0,5132	0,0264	0,0222	—	—	—	—	—	IV 0,0025 < mínimo 0,02
utilizacion_linea	utilizacion_linea__woe	sí	included	0,1194	medium	0,5948	0,1896	0,1467	—	—	1,0958	—	—	—

Factor de inflación de varianza (VIF)

feature	woe_column	vif	removed	reason
deuda_ingreso	deuda_ingreso__woe	1,0317	no	—
ingreso_mensual	ingreso_mensual__woe	1,0049	no	—
utilizacion_linea	utilizacion_linea__woe	1,0958	no	—
mora_max_12m	mora_max_12m__woe	1,1148	no	—
antiguedad_meses	antiguedad_meses__woe	1,0122	no	—

4.3Modelo PD

El modelo final incluye 5 variables: «antiguedad_meses», «deuda_ingreso», «ingreso_mensual», «mora_max_12m» y «utilizacion_linea».

En el ajuste in-sample, el optimizador convergió, el ajuste usó 3955 observaciones de Desarrollo, de las cuales 1312 son incumplimientos y el pseudo-R² de McFadden es 0,1288.

Marcadas por concentrar una contribución excesiva al IV del modelo: «deuda_ingreso».

Coeficientes del modelo PD

feature	woe_column	beta	standard_error	wald_z	p_value	conf_low	conf_high	expected_sign	sign_ok	iv	iv_contribution
intercept	const	-0,7012	0,0371	-18,9121	< 0,001	-0,7739	-0,6286	—	—	—	—
antiguedad_meses	antiguedad_meses__woe	-0,8884	0,1498	-5,9306	< 0,001	-1,18204	-0,5948	negative	sí	0,0619	0,0692
deuda_ingreso	deuda_ingreso__woe	-0,96397	0,0621	-15,5248	< 0,001	-1,0857	-0,8423	negative	sí	0,3741	0,4179
ingreso_mensual	ingreso_mensual__woe	-1,0316	0,0761	-13,5554	< 0,001	-1,1807	-0,8824	negative	sí	0,2584	0,2887
mora_max_12m	mora_max_12m__woe	-0,38797	0,1351	-2,8718	0,004	-0,6528	-0,1232	negative	sí	0,0813	0,0908
utilizacion_linea	utilizacion_linea__woe	-0,7587	0,1118	-6,7852	< 0,001	-0,9779	-0,5396	negative	sí	0,1194	0,1334

4.4Scorecard

El scorecard asigna puntajes a los tramos de 5 variables.

Scorecard — puntajes por atributo

feature	woe_column	bin_label	bin_index	woe	beta	intercept_share	raw_points	points	rounding_delta	source
antiguedad_meses	antiguedad_meses__woe	< 22,5	0	-0,3476	-0,8884	-0,1402	92,56001	93	0,43999	binning_table
antiguedad_meses	antiguedad_meses__woe	≥ 22,5 y < 39,5	1	-0,1904	-0,8884	-0,1402	96,5896	97	0,4104	binning_table
antiguedad_meses	antiguedad_meses__woe	≥ 39,5 y < 91,5	2	0,0878	-0,8884	-0,1402	103,7218	104	0,2782	binning_table
antiguedad_meses	antiguedad_meses__woe	≥ 91,5 y < 100,5	3	0,3683	-0,8884	-0,1402	110,9116	111	0,0884	binning_table
antiguedad_meses	antiguedad_meses__woe	≥ 100,5	4	0,4923	-0,8884	-0,1402	114,0906	114	-0,0906	binning_table
antiguedad_meses	antiguedad_meses__woe	Valores especiales	5	0,0000	-0,8884	-0,1402	101,4712	101	-0,4712	binning_table
antiguedad_meses	antiguedad_meses__woe	Faltantes	6	0,0000	-0,8884	-0,1402	101,4712	101	-0,4712	binning_table
deuda_ingreso	deuda_ingreso__woe	< 0,13284999877214432	0	0,9041	-0,96397	-0,1402	126,61696	127	0,38304	binning_table
deuda_ingreso	deuda_ingreso__woe	≥ 0,13284999877214432 y < 0,3037000000476837	1	0,5397	-0,96397	-0,1402	116,4819	116	-0,4819	binning_table
deuda_ingreso	deuda_ingreso__woe	≥ 0,3037000000476837 y < 0,7191999852657318	2	-0,0285	-0,96397	-0,1402	100,6797	101	0,3203	binning_table
deuda_ingreso	deuda_ingreso__woe	≥ 0,7191999852657318 y < 1,1252000331878662	3	-0,6934	-0,96397	-0,1402	82,18501	82	-0,18501	binning_table
deuda_ingreso	deuda_ingreso__woe	≥ 1,1252000331878662	4	-1,6439	-0,96397	-0,1402	55,7484	56	0,2516	binning_table
deuda_ingreso	deuda_ingreso__woe	Valores especiales	5	0,0000	-0,96397	-0,1402	101,4712	101	-0,4712	binning_table
deuda_ingreso	deuda_ingreso__woe	Faltantes	6	0,0000	-0,96397	-0,1402	101,4712	101	-0,4712	binning_table
ingreso_mensual	ingreso_mensual__woe	< 278.556,640625	0	-0,7264	-1,0316	-0,1402	79,8494	80	0,1506	binning_table
ingreso_mensual	ingreso_mensual__woe	≥ 278.556,640625 y < 421.137,734375	1	-0,3292	-1,0316	-0,1402	91,6721	92	0,3279	binning_table
ingreso_mensual	ingreso_mensual__woe	≥ 421.137,734375 y < 674.201	2	0,0634	-1,0316	-0,1402	103,3591	103	-0,3591	binning_table
ingreso_mensual	ingreso_mensual__woe	≥ 674.201 y < 1.116.005	3	0,6605	-1,0316	-0,1402	121,1294	121	-0,1294	binning_table
ingreso_mensual	ingreso_mensual__woe	≥ 1.116.005	4	1,39598	-1,0316	-0,1402	143,0215	143	-0,0215	binning_table
ingreso_mensual	ingreso_mensual__woe	Valores especiales	5	0,0000	-1,0316	-0,1402	101,4712	101	-0,4712	binning_table
ingreso_mensual	ingreso_mensual__woe	Faltantes	6	0,0000	-1,0316	-0,1402	101,4712	101	-0,4712	binning_table
mora_max_12m	mora_max_12m__woe	< 5,5	0	0,3932	-0,38797	-0,1402	105,8733	106	0,1267	binning_table
mora_max_12m	mora_max_12m__woe	≥ 5,5 y < 6,5	1	0,2292	-0,38797	-0,1402	104,0366	104	-0,0366	binning_table
mora_max_12m	mora_max_12m__woe	≥ 6,5 y < 9,5	2	-0,0298	-0,38797	-0,1402	101,1372	101	-0,1372	binning_table
mora_max_12m	mora_max_12m__woe	≥ 9,5 y < 14,5	3	-0,2911	-0,38797	-0,1402	98,2126	98	-0,2126	binning_table
mora_max_12m	mora_max_12m__woe	≥ 14,5	4	-0,4337	-0,38797	-0,1402	96,6158	97	0,3842	binning_table
mora_max_12m	mora_max_12m__woe	Valores especiales	5	0,0000	-0,38797	-0,1402	101,4712	101	-0,4712	binning_table
mora_max_12m	mora_max_12m__woe	Faltantes	6	0,0000	-0,38797	-0,1402	101,4712	101	-0,4712	binning_table
utilizacion_linea	utilizacion_linea__woe	< 0,32919999957084656	0	0,6121	-0,7587	-0,1402	114,8708	115	0,1292	binning_table
utilizacion_linea	utilizacion_linea__woe	≥ 0,32919999957084656 y < 0,46559999883174896	1	0,24305	-0,7587	-0,1402	106,7919	107	0,2081	binning_table
utilizacion_linea	utilizacion_linea__woe	≥ 0,46559999883174896 y < 0,5747999846935272	2	0,0312	-0,7587	-0,1402	102,1544	102	-0,1544	binning_table
utilizacion_linea	utilizacion_linea__woe	≥ 0,5747999846935272 y < 0,7735500037670135	3	-0,2337	-0,7587	-0,1402	96,3557	96	-0,3557	binning_table
utilizacion_linea	utilizacion_linea__woe	≥ 0,7735500037670135	4	-0,4317	-0,7587	-0,1402	92,0209	92	-0,0209	binning_table
utilizacion_linea	utilizacion_linea__woe	Valores especiales	5	0,0000	-0,7587	-0,1402	101,4712	101	-0,4712	binning_table
utilizacion_linea	utilizacion_linea__woe	Faltantes	6	0,0000	-0,7587	-0,1402	101,4712	101	-0,4712	binning_table

4.5Calibración

En Desarrollo, la PD media calibrada es 33,17 %, frente a 33,17 % antes de calibrar, contra una tasa de incumplimiento observada de 33,17 %.

La calibración preservó el ordenamiento de las observaciones: la capacidad discriminante del modelo no se altera.

4.6Desempeño y discriminación

Las métricas de discriminación se calcularon sobre la PD calibrada.

En Desarrollo el modelo alcanza AUC 0,7368, Gini 0,4736 y KS 0,35198.

En Holdout el modelo alcanza AUC 0,6849, Gini 0,3698 y KS 0,2755.

En Fuera de tiempo (OOT) el modelo alcanza AUC 0,7097, Gini 0,4195 y KS 0,3122.

La tabla de desempeño usa hasta 10 tramos de riesgo configurados, ordenados por la PD calibrada. Los tramos efectivos por partición fueron Desarrollo: 10, Holdout: 10 y Fuera de tiempo (OOT): 10, y permiten verificar la evolución de la tasa de incumplimiento observada entre tramos.

Métricas de discriminación por partición

partition	n_total	n_bad	n_good	auc	gini	ks	ks_cutoff_risk_score	ks_cutoff_score	tpr_at_ks	fpr_at_ks	source	status
desarrollo	3.955	1.312	2.643	0,7368	0,4736	0,35198	0,3195	—	0,6997	0,3477	pd_calibrated	ok
holdout	1.000	315	685	0,6849	0,3698	0,2755	0,4073	—	0,4857	0,2102	pd_calibrated	ok
oot	1.045	507	538	0,7097	0,4195	0,3122	0,5285	—	0,5799	0,2677	pd_calibrated	ok

Desempeño por tramo de riesgo

partition	decile	n_total	n_bad	n_good	bad_rate	good_rate	mean_pd	min_pd	max_pd	mean_score	min_score	max_score	cum_total	cum_bad	cum_good	cum_bad_capture_rate	cum_good_capture_rate	lift	ks_at_decile
desarrollo	1	396	270	126	0,6818	0,3182	0,7096	0,6021	0,9087	460,4495	422,0000	476,0000	396	270	126	0,2058	0,0477	2,0553	0,1581
desarrollo	2	396	223	173	0,5631	0,4369	0,5392	0,4843	0,6011	482,8131	475,0000	489,0000	792	493	299	0,3758	0,1131	1,6975	0,2626
desarrollo	3	396	169	227	0,4268	0,5732	0,4512	0,41298	0,4843	493,0833	489,0000	498,0000	1.188	662	526	0,5046	0,19902	1,2865	0,3056
desarrollo	4	396	165	231	0,4167	0,5833	0,3835	0,35396	0,4128	501,0455	497,0000	505,0000	1.584	827	757	0,6303	0,2864	1,25603	0,3439
desarrollo	5	396	134	262	0,3384	0,6616	0,3272	0,3001	0,3536	508,0732	504,0000	512,0000	1.980	961	1.019	0,7325	0,3855	1,0201	0,3469
desarrollo	6	395	107	288	0,2709	0,7291	0,2733	0,2481	0,3001	515,5165	511,0000	520,0000	2.375	1.068	1.307	0,81402	0,4945	0,8166	0,3195
desarrollo	7	395	95	300	0,2405	0,7595	0,2275	0,2067	0,2481	522,4835	519,0000	526,0000	2.770	1.163	1.607	0,8864	0,60802	0,725002	0,2784
desarrollo	8	395	68	327	0,1722	0,8278	0,1853	0,1631	0,2067	530,0304	526,0000	535,0000	3.165	1.231	1.934	0,9383	0,7317	0,5189	0,2065
desarrollo	9	395	49	346	0,1241	0,8759	0,1391	0,11405	0,1631	539,9063	534,0000	547,0000	3.560	1.280	2.280	0,9756	0,8627	0,3739	0,11295
desarrollo	10	395	32	363	0,08101	0,91899	0,0794	0,0168	0,11405	559,48101	546,0000	605,0000	3.955	1.312	2.643	1,0000	1,0000	0,2442	0,0000
holdout	1	100	67	33	0,6700	0,3300	0,6906	0,5986	0,9154	463,1600	419,0000	476,0000	100	67	33	0,2127	0,0482	2,12698	0,1645
holdout	2	100	40	60	0,4000	0,6000	0,5225	0,4739	0,5893	484,8400	476,0000	491,0000	200	107	93	0,3397	0,1358	1,2698	0,2039
holdout	3	100	46	54	0,4600	0,5400	0,44095	0,4069	0,4737	494,1600	490,0000	498,0000	300	153	147	0,4857	0,2146	1,4603	0,2711
holdout	4	100	31	69	0,3100	0,6900	0,3802	0,3536	0,4069	501,4500	498,0000	505,0000	400	184	216	0,5841	0,3153	0,9841	0,2688
holdout	5	100	22	78	0,2200	0,7800	0,3276	0,3024	0,3536	507,9700	504,0000	512,0000	500	206	294	0,65397	0,4292	0,6984	0,2248
holdout	6	100	32	68	0,3200	0,6800	0,2768	0,2545	0,3021	514,8700	511,0000	518,0000	600	238	362	0,7556	0,5285	1,0159	0,2271
holdout	7	100	31	69	0,3100	0,6900	0,2373	0,2191	0,25396	521,0300	519,0000	525,0000	700	269	431	0,85397	0,6292	0,9841	0,2248
holdout	8	100	19	81	0,1900	0,8100	0,1971	0,1721	0,2183	527,6000	523,0000	532,0000	800	288	512	0,9143	0,7474	0,6032	0,1668
holdout	9	100	19	81	0,1900	0,8100	0,1464	0,1206	0,1712	538,2400	533,0000	545,0000	900	307	593	0,9746	0,8657	0,6032	0,1089
holdout	10	100	8	92	0,0800	0,9200	0,0803	0,0188	0,1199	559,2800	545,0000	602,0000	1.000	315	685	1,0000	1,0000	0,25397	0,0000
oot	1	105	83	22	0,7905	0,2095	0,8327	0,76503	0,9196	440,4381	418,0000	453,0000	105	83	22	0,1637	0,0409	1,6293	0,1228
oot	2	105	75	30	0,7143	0,2857	0,7187	0,6736	0,76503	460,2667	453,0000	467,0000	210	158	52	0,3116	0,0967	1,4722	0,21498
oot	3	105	60	45	0,5714	0,4286	0,6315	0,5959	0,6734	472,0286	467,0000	477,0000	315	218	97	0,42998	0,1803	1,1778	0,2497
oot	4	105	63	42	0,6000	0,4000	0,5676	0,5408	0,5923	479,7143	476,0000	483,0000	420	281	139	0,5542	0,2584	1,2367	0,2959
oot	5	105	51	54	0,4857	0,5143	0,5089	0,4817	0,5406	486,6476	482,0000	490,0000	525	332	193	0,6548	0,3587	1,0011	0,2961
oot	6	104	47	57	0,4519	0,5481	0,4551	0,4298	0,4817	492,5192	489,0000	496,0000	629	379	250	0,7475	0,4647	0,9315	0,2829
oot	7	104	48	56	0,4615	0,5385	0,3953	0,3712	0,42904	499,5769	496,0000	503,0000	733	427	306	0,8422	0,5688	0,9513	0,2734
oot	8	104	33	71	0,3173	0,6827	0,3378	0,2954	0,3712	506,7885	502,0000	512,0000	837	460	377	0,9073	0,7007	0,65402	0,2066
oot	9	104	28	76	0,2692	0,7308	0,2693	0,2358	0,2954	515,9808	512,0000	521,0000	941	488	453	0,9625	0,84201	0,5549	0,1205
oot	10	104	19	85	0,1827	0,8173	0,181996	0,0567	0,2353	531,5096	521,0000	568,0000	1.045	507	538	1,0000	1,0000	0,3766	0,0000

4.7Estabilidad

El peor PSI entre score y PD en Desarrollo vs. Holdout es 0,0162 (banda «Estable»); corresponde al score. La distribución de la magnitud ganadora se mantiene, de modo que no hay desplazamiento poblacional.

El peor PSI entre score y PD en Desarrollo vs. OOT es 0,7487 (banda «Redesarrollar»); corresponde al score. El desplazamiento de la distribución es severo: el motor lo clasifica en banda de redesarrollo.

A nivel de variable, el mayor CSI corresponde a «mora_max_12m__points» con 2,1225.

Se configuraron hasta 10 tramos por magnitud para el PSI, definidos en Desarrollo.

Métricas de estabilidad (PSI/CSI)

metric	comparison	feature	value	stable_threshold	review_threshold	band	action
score_psi	dev_vs_holdout	score	0,0162	0,10	0,25	stable	—
score_psi	dev_vs_oot	score	0,7487	0,10	0,25	redevelop	redesarrollar
pd_psi	dev_vs_holdout	pd_calibrated	0,0151	0,10	0,25	stable	—
pd_psi	dev_vs_oot	pd_calibrated	0,7456	0,10	0,25	redevelop	redesarrollar
csi	dev_vs_holdout	antiguedad_meses__points	0,0078	0,10	0,25	stable	—
csi	dev_vs_oot	antiguedad_meses__points	1,7748	0,10	0,25	redevelop	redesarrollar
csi	dev_vs_holdout	deuda_ingreso__points	0,0085	0,10	0,25	stable	—
csi	dev_vs_oot	deuda_ingreso__points	0,14801	0,10	0,25	review	vigilar
csi	dev_vs_holdout	ingreso_mensual__points	0,0029	0,10	0,25	stable	—
csi	dev_vs_oot	ingreso_mensual__points	0,0832	0,10	0,25	stable	—
csi	dev_vs_holdout	mora_max_12m__points	0,0059	0,10	0,25	stable	—
csi	dev_vs_oot	mora_max_12m__points	2,1225	0,10	0,25	redevelop	redesarrollar
csi	dev_vs_holdout	utilizacion_linea__points	0,0133	0,10	0,25	stable	—
csi	dev_vs_oot	utilizacion_linea__points	0,8221	0,10	0,25	redevelop	redesarrollar
temporal_score	cohort	score	0,7487	0,10	0,25	redevelop	redesarrollar

PSI por tramo de score

metric	comparison	feature	bin_label	expected_count	actual_count	expected_pct	actual_pct	component_value	total_value	band
score_psi	dev_vs_holdout	score	bin_00	366	90	0,0925	0,0900	0,000071	0,0162	stable
score_psi	dev_vs_holdout	score	bin_01	411	85	0,1039	0,0850	0,0038	0,0162	stable
score_psi	dev_vs_holdout	score	bin_02	338	99	0,0855	0,0990	0,00199	0,0162	stable
score_psi	dev_vs_holdout	score	bin_03	449	120	0,1135	0,1200	0,00036	0,0162	stable
score_psi	dev_vs_holdout	score	bin_04	407	103	0,1029	0,1030	8,3e-08	0,0162	stable
score_psi	dev_vs_holdout	score	bin_05	363	103	0,0918	0,1030	0,0013	0,0162	stable
score_psi	dev_vs_holdout	score	bin_06	407	126	0,1029	0,1260	0,0047	0,0162	stable
score_psi	dev_vs_holdout	score	bin_07	372	80	0,0941	0,0800	0,0023	0,0162	stable
score_psi	dev_vs_holdout	score	bin_08	418	97	0,1057	0,0970	0,00075	0,0162	stable
score_psi	dev_vs_holdout	score	bin_09	424	97	0,1072	0,0970	0,00102	0,0162	stable
score_psi	dev_vs_oot	score	bin_00	366	282	0,0925	0,2699	0,1898	0,7487	redevelop
score_psi	dev_vs_oot	score	bin_01	411	215	0,1039	0,2057	0,0695	0,7487	redevelop
score_psi	dev_vs_oot	score	bin_02	338	137	0,0855	0,1311	0,0195	0,7487	redevelop
score_psi	dev_vs_oot	score	bin_03	449	117	0,1135	0,11196	0,000022	0,7487	redevelop
score_psi	dev_vs_oot	score	bin_04	407	76	0,1029	0,0727	0,0105	0,7487	redevelop
score_psi	dev_vs_oot	score	bin_05	363	84	0,0918	0,0804	0,0015	0,7487	redevelop
score_psi	dev_vs_oot	score	bin_06	407	63	0,1029	0,0603	0,0228	0,7487	redevelop
score_psi	dev_vs_oot	score	bin_07	372	36	0,0941	0,0344	0,0599	0,7487	redevelop
score_psi	dev_vs_oot	score	bin_08	418	27	0,1057	0,0258	0,1125	0,7487	redevelop
score_psi	dev_vs_oot	score	bin_09	424	8	0,1072	0,0077	0,2627	0,7487	redevelop
pd_psi	dev_vs_holdout	pd_calibrated	bin_00	392	89	0,0991	0,0890	0,0011	0,0151	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_01	399	94	0,1009	0,0940	0,00049	0,0151	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_02	391	82	0,0989	0,0820	0,0032	0,0151	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_03	394	123	0,0996	0,1230	0,0049	0,0151	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_04	401	111	0,1014	0,1110	0,00087	0,0151	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_05	395	104	0,0999	0,1040	0,00017	0,0151	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_06	395	108	0,0999	0,1080	0,00064	0,0151	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_07	395	110	0,0999	0,1100	0,00098	0,0151	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_08	397	86	0,1004	0,0860	0,0022	0,0151	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_09	396	93	0,1001	0,0930	0,00053	0,0151	stable
pd_psi	dev_vs_oot	pd_calibrated	bin_00	392	7	0,0991	0,0067	0,24901	0,7456	redevelop
pd_psi	dev_vs_oot	pd_calibrated	bin_01	399	26	0,1009	0,0249	0,1064	0,7456	redevelop
pd_psi	dev_vs_oot	pd_calibrated	bin_02	391	34	0,0989	0,0325	0,0737	0,7456	redevelop
pd_psi	dev_vs_oot	pd_calibrated	bin_03	394	59	0,0996	0,0565	0,0245	0,7456	redevelop
pd_psi	dev_vs_oot	pd_calibrated	bin_04	401	84	0,1014	0,0804	0,0049	0,7456	redevelop
pd_psi	dev_vs_oot	pd_calibrated	bin_05	395	81	0,0999	0,0775	0,0057	0,7456	redevelop
pd_psi	dev_vs_oot	pd_calibrated	bin_06	395	104	0,0999	0,0995	0,0000012	0,7456	redevelop
pd_psi	dev_vs_oot	pd_calibrated	bin_07	395	144	0,0999	0,1378	0,0122	0,7456	redevelop
pd_psi	dev_vs_oot	pd_calibrated	bin_08	397	194	0,1004	0,1856	0,0524	0,7456	redevelop
pd_psi	dev_vs_oot	pd_calibrated	bin_09	396	312	0,1001	0,2986	0,2168	0,7456	redevelop
csi	dev_vs_holdout	antiguedad_meses__points	93 puntos	802	234	0,2028	0,2340	0,0045	0,0078	stable
csi	dev_vs_holdout	antiguedad_meses__points	97 puntos	597	156	0,1509	0,1560	0,00017	0,0078	stable
csi	dev_vs_holdout	antiguedad_meses__points	104 puntos	1.942	458	0,49102	0,4580	0,0023	0,0078	stable
csi	dev_vs_holdout	antiguedad_meses__points	111 puntos	309	82	0,0781	0,0820	0,00019	0,0078	stable
csi	dev_vs_holdout	antiguedad_meses__points	114 puntos	305	70	0,0771	0,0700	0,00069	0,0078	stable
csi	dev_vs_oot	antiguedad_meses__points	93 puntos	802	250	0,2028	0,2392	0,00603	1,7748	redevelop
csi	dev_vs_oot	antiguedad_meses__points	97 puntos	597	197	0,1509	0,1885	0,0083	1,7748	redevelop
csi	dev_vs_oot	antiguedad_meses__points	104 puntos	1.942	598	0,49102	0,5722	0,0124	1,7748	redevelop
csi	dev_vs_oot	antiguedad_meses__points	111 puntos	309	0	0,0781	0,0000010	0,8802	1,7748	redevelop
csi	dev_vs_oot	antiguedad_meses__points	114 puntos	305	0	0,0771	0,0000010	0,8678	1,7748	redevelop
csi	dev_vs_holdout	deuda_ingreso__points	56 puntos	207	51	0,0523	0,0510	0,000035	0,0085	stable
csi	dev_vs_holdout	deuda_ingreso__points	82 puntos	574	115	0,1451	0,1150	0,00701	0,0085	stable
csi	dev_vs_holdout	deuda_ingreso__points	101 puntos	1.689	447	0,4271	0,4470	0,00091	0,0085	stable
csi	dev_vs_holdout	deuda_ingreso__points	116 puntos	1.007	266	0,2546	0,2660	0,000498	0,0085	stable
csi	dev_vs_holdout	deuda_ingreso__points	127 puntos	478	121	0,1209	0,1210	1,6e-07	0,0085	stable
csi	dev_vs_oot	deuda_ingreso__points	56 puntos	207	144	0,0523	0,1378	0,0827	0,14801	review
csi	dev_vs_oot	deuda_ingreso__points	82 puntos	574	200	0,1451	0,1914	0,0128	0,14801	review
csi	dev_vs_oot	deuda_ingreso__points	101 puntos	1.689	441	0,4271	0,42201	0,0000599	0,14801	review
csi	dev_vs_oot	deuda_ingreso__points	116 puntos	1.007	180	0,2546	0,1722	0,0322	0,14801	review
csi	dev_vs_oot	deuda_ingreso__points	127 puntos	478	80	0,1209	0,0766	0,0202	0,14801	review
csi	dev_vs_holdout	ingreso_mensual__points	80 puntos	537	132	0,1358	0,1320	0,00011	0,0029	stable
csi	dev_vs_holdout	ingreso_mensual__points	92 puntos	992	249	0,2508	0,2490	0,000013	0,0029	stable
csi	dev_vs_holdout	ingreso_mensual__points	103 puntos	1.397	352	0,3532	0,3520	0,0000042	0,0029	stable
csi	dev_vs_holdout	ingreso_mensual__points	121 puntos	828	225	0,2094	0,2250	0,0011	0,0029	stable
csi	dev_vs_holdout	ingreso_mensual__points	143 puntos	201	42	0,0508	0,0420	0,0017	0,0029	stable
csi	dev_vs_oot	ingreso_mensual__points	80 puntos	537	209	0,1358	0,2000	0,0249	0,0832	stable
csi	dev_vs_oot	ingreso_mensual__points	92 puntos	992	325	0,2508	0,311005	0,0129	0,0832	stable
csi	dev_vs_oot	ingreso_mensual__points	103 puntos	1.397	338	0,3532	0,3234	0,0026	0,0832	stable
csi	dev_vs_oot	ingreso_mensual__points	121 puntos	828	139	0,2094	0,13301	0,0346	0,0832	stable
csi	dev_vs_oot	ingreso_mensual__points	143 puntos	201	34	0,0508	0,0325	0,0082	0,0832	stable
csi	dev_vs_holdout	mora_max_12m__points	97 puntos	249	47	0,06296	0,0470	0,0047	0,0059	stable
csi	dev_vs_holdout	mora_max_12m__points	98 puntos	1.095	279	0,2769	0,2790	0,000016	0,0059	stable
csi	dev_vs_holdout	mora_max_12m__points	101 puntos	1.123	281	0,2839	0,2810	0,000031	0,0059	stable
csi	dev_vs_holdout	mora_max_12m__points	104 puntos	424	106	0,1072	0,1060	0,000014	0,0059	stable
csi	dev_vs_holdout	mora_max_12m__points	106 puntos	1.064	287	0,26903	0,2870	0,0012	0,0059	stable
csi	dev_vs_oot	mora_max_12m__points	97 puntos	249	390	0,06296	0,3732	0,5521	2,1225	redevelop
csi	dev_vs_oot	mora_max_12m__points	98 puntos	1.095	516	0,2769	0,4938	0,1255	2,1225	redevelop
csi	dev_vs_oot	mora_max_12m__points	101 puntos	1.123	124	0,2839	0,1187	0,1442	2,1225	redevelop
csi	dev_vs_oot	mora_max_12m__points	104 puntos	424	10	0,1072	0,0096	0,2359	2,1225	redevelop
csi	dev_vs_oot	mora_max_12m__points	106 puntos	1.064	5	0,26903	0,0048	1,0647	2,1225	redevelop
csi	dev_vs_holdout	utilizacion_linea__points	92 puntos	644	154	0,1628	0,1540	0,00049	0,0133	stable
csi	dev_vs_holdout	utilizacion_linea__points	96 puntos	1.178	348	0,2979	0,3480	0,0078	0,0133	stable
csi	dev_vs_holdout	utilizacion_linea__points	102 puntos	668	169	0,1689	0,1690	5,9e-08	0,0133	stable
csi	dev_vs_holdout	utilizacion_linea__points	107 puntos	753	167	0,1904	0,1670	0,0031	0,0133	stable
csi	dev_vs_holdout	utilizacion_linea__points	115 puntos	712	162	0,18003	0,1620	0,0019	0,0133	stable
csi	dev_vs_oot	utilizacion_linea__points	92 puntos	644	461	0,1628	0,4411	0,2774	0,8221	redevelop
csi	dev_vs_oot	utilizacion_linea__points	96 puntos	1.178	391	0,2979	0,3742	0,0174	0,8221	redevelop
csi	dev_vs_oot	utilizacion_linea__points	102 puntos	668	110	0,1689	0,1053	0,0301	0,8221	redevelop
csi	dev_vs_oot	utilizacion_linea__points	107 puntos	753	61	0,1904	0,0584	0,1561	0,8221	redevelop
csi	dev_vs_oot	utilizacion_linea__points	115 puntos	712	22	0,18003	0,0211	0,3412	0,8221	redevelop

PSI del puntaje por período contra Desarrollo

Período	Operaciones	Puntaje medio	Mediana del puntaje	PD media	PSI	Banda
2023Q1	964	528,4699	527,0000	22,23 %	0,4782	Redesarrollar
2023Q2	973	520,5766	521,0000	26,80 %	0,15003	Revisar
2023Q3	1.001	510,2398	510,0000	33,49 %	0,0156	Estable
2023Q4	987	503,0983	502,0000	38,24 %	0,1131	Revisar
2024Q1	1.030	495,16505	497,0000	44,10 %	0,3701	Redesarrollar
2024Q2	1.045	488,4478	490,0000	49,07 %	0,7487	Redesarrollar

4.8Escala maestra y puntos de corte

7 tramos de puntaje, del 1, de menor riesgo, al 7; cada uno con al menos el 5 % de Desarrollo y una tasa de malos distinta de la de sus vecinos.

PD del tramo de 5,05 % a 76,46 %; su promedio en Desarrollo es el ancla de la calibración, 33,17 %.

En Holdout y Fuera de tiempo (OOT) hay tramos que revisar (ver «Qué revisar»).

El tramo mayor tiene el 26,4 % de Desarrollo (tramo 3); índice de concentración 0,189.

Sin corte declarado: la tabla de cortes muestra, para cada límite, cuánto se aprueba, la tasa de malos, los malos evitados y los buenos rechazados.

La PD de cada tramo es su tasa de malos de Desarrollo llevada al ancla de la calibración; en una cartera de aprobados, la tabla mide a quien pasó la política anterior.

Qué revisar: En Holdout, la tasa de malos del tramo 4 es menor que la del tramo 3: el orden de los tramos se invierte.

Qué revisar: En Fuera de tiempo (OOT), el tramo 1 tiene menos de 30 operaciones con desenlace: sin contraste.

Escala maestra — los tramos y su PD

Tramo	Puntaje	PD del tramo	Participación Desarrollo	Tasa de malos Desarrollo	Semáforo Desarrollo	Participación Holdout	Tasa de malos Holdout	Semáforo Holdout	Participación Fuera de tiempo (OOT)	Tasa de malos Fuera de tiempo (OOT)	Semáforo Fuera de tiempo (OOT)
1	desde 554 puntos	5,05 %	6,73 %	4,89 %	Verde	6,90 %	7,25 %	Verde	0,57 %	16,67 %	Sin contraste
2	de 529 a 553 puntos	13,43 %	19,82 %	13,39 %	Verde	16,90 %	18,34 %	Ámbar	4,40 %	10,87 %	Verde
3	de 510 a 528 puntos	25,67 %	26,40 %	25,67 %	Verde	29,10 %	27,15 %	Verde	16,56 %	24,86 %	Verde
4	de 505 a 509 puntos	35,37 %	7,51 %	35,35 %	Verde	7,70 %	23,38 %	Verde	6,60 %	39,13 %	Verde
5	de 485 a 504 puntos	43,64 %	23,34 %	43,66 %	Verde	25,40 %	38,58 %	Verde	29,95 %	43,77 %	Verde
6	de 465 a 484 puntos	59,95 %	11,13 %	60,00 %	Verde	9,80 %	55,10 %	Verde	23,64 %	61,13 %	Verde
7	hasta 464 puntos	76,46 %	5,08 %	76,62 %	Verde	4,20 %	71,43 %	Verde	18,28 %	74,87 %	Verde

Tabla de puntos de corte

Muestra	Aprobar	Puntaje	Aprobados	Tasa de malos de los aprobados	PD esperada de los aprobados	Malos evitados	Buenos rechazados
Desarrollo	Tramos 1 a 1	desde 554 puntos	6,73 %	4,89 %	5,05 %	99,01 %	90,43 %
Desarrollo	Tramos 1 a 2	desde 529 puntos	26,55 %	11,24 %	11,30 %	91,01 %	64,74 %
Desarrollo	Tramos 1 a 3	desde 510 puntos	52,95 %	18,43 %	18,47 %	70,58 %	35,38 %
Desarrollo	Tramos 1 a 4	desde 505 puntos	60,46 %	20,54 %	20,57 %	62,58 %	28,11 %
Desarrollo	Tramos 1 a 5	desde 485 puntos	83,79 %	26,98 %	26,99 %	31,86 %	8,44 %
Desarrollo	Tramos 1 a 6	desde 465 puntos	94,92 %	30,85 %	30,86 %	11,74 %	1,78 %
Desarrollo	Todos los tramos	todos los puntajes	100,00 %	33,17 %	33,17 %	0,00 %	0,00 %
Holdout	Tramos 1 a 1	desde 554 puntos	6,90 %	7,25 %	5,05 %	98,41 %	90,66 %
Holdout	Tramos 1 a 2	desde 529 puntos	23,80 %	15,13 %	11,00 %	88,57 %	70,51 %
Holdout	Tramos 1 a 3	desde 510 puntos	52,90 %	21,74 %	19,07 %	63,49 %	39,56 %
Holdout	Tramos 1 a 4	desde 505 puntos	60,60 %	21,95 %	21,14 %	57,78 %	30,95 %
Holdout	Tramos 1 a 5	desde 485 puntos	86,00 %	26,86 %	27,79 %	26,67 %	8,18 %
Holdout	Tramos 1 a 6	desde 465 puntos	95,80 %	29,75 %	31,08 %	9,52 %	1,75 %
Holdout	Todos los tramos	todos los puntajes	100,00 %	31,50 %	32,98 %	0,00 %	0,00 %
Fuera de tiempo (OOT)	Tramos 1 a 1	desde 554 puntos	0,57 %	16,67 %	5,05 %	99,80 %	99,07 %
Fuera de tiempo (OOT)	Tramos 1 a 2	desde 529 puntos	4,98 %	11,54 %	12,46 %	98,82 %	91,45 %
Fuera de tiempo (OOT)	Tramos 1 a 3	desde 510 puntos	21,53 %	21,78 %	22,62 %	90,34 %	67,29 %
Fuera de tiempo (OOT)	Tramos 1 a 4	desde 505 puntos	28,13 %	25,85 %	25,61 %	85,01 %	59,48 %
Fuera de tiempo (OOT)	Tramos 1 a 5	desde 485 puntos	58,09 %	35,09 %	34,91 %	57,99 %	26,77 %
Fuera de tiempo (OOT)	Tramos 1 a 6	desde 465 puntos	81,72 %	42,62 %	42,15 %	28,21 %	8,92 %
Fuera de tiempo (OOT)	Todos los tramos	todos los puntajes	100,00 %	48,52 %	48,42 %	0,00 %	0,00 %

5Validación formal

La validación formal del modelo «consumo_drift_cinco_bins» ejecutó discriminación, calibración y estabilidad. El estado técnico agregado publicado por el motor es «Falla».

El resultado registra 3 pruebas, de las cuales 1 quedó fallida. Las tablas se copian del resultado que publicó la validación, sin recalcular métricas ni decisiones.

Este estado es evidencia técnica; el veredicto de aprobación, aprobación con observaciones o rechazo corresponde al validador humano y queda POR COMPLETAR.

POR COMPLETAR — Veredicto de validación formal

Emite el juicio humano sobre la aptitud del modelo para su uso previsto: aprobar, aprobar con observaciones o rechazar.

Documenta observaciones, responsables, plazos y la fecha de la próxima revisión; el estado técnico del motor no sustituye este veredicto.

5.1Discriminación

La tabla reproduce por partición AUC, Gini y KS, junto con población, fuente y estado de evaluabilidad. Filas evaluadas: 3.

Validación formal — discriminación

partition	n_total	n_bad	auc	gini	ks	source	status
Desarrollo	3.955	1.312	0,7368	0,4736	0,35198	Reusada de la etapa de desempeño	Evaluada
Holdout	1.000	315	0,6849	0,3698	0,2755	Reusada de la etapa de desempeño	Evaluada
Fuera de tiempo (OOT)	1.045	507	0,7097	0,4195	0,3122	Reusada de la etapa de desempeño	Evaluada

5.2Calibración

La tabla reúne Hosmer-Lemeshow, Brier y, cuando fue configurado, el contraste por grado con sus decisiones y semáforo publicados. Filas evaluadas: 6.

Validación formal — calibración

partition	test	grade	n	observed_defaults	expected_pd	observed_dr	statistic	degrees_of_freedom	p_value	alpha	decision	traffic_light
Desarrollo	Hosmer-Lemeshow	—	3.955	1.312	0,3317	0,3317	7,38099	8	0,496	0,05	Pasa	—
Desarrollo	Puntaje de Brier	—	3.955	1.312	0,3317	0,3317	0,1872	—	—	—	Sin veredicto	—
Holdout	Hosmer-Lemeshow	—	1.000	315	0,32997	0,3150	19,5855	8	0,012	0,05	Falla	—
Holdout	Puntaje de Brier	—	1.000	315	0,32997	0,3150	0,1955	—	—	—	Sin veredicto	—
Fuera de tiempo (OOT)	Hosmer-Lemeshow	—	1.045	507	0,4907	0,4852	4,5545	8	0,804	0,05	Pasa	—
Fuera de tiempo (OOT)	Puntaje de Brier	—	1.045	507	0,4907	0,4852	0,2164	—	—	—	Sin veredicto	—

Hosmer-Lemeshow por grupo · Desarrollo

Grupo	Observaciones	Malos observados	Malos esperados	Tasa observada (%)	PD media (%)	Diferencia (pp)	O/E	Contribución al estadístico
1	396	31	31,5000	7,8300	7,9500	-0,1200	0,9840	0,0100
2	396	51	55,2000	12,8800	13,9300	-1,0500	0,9240	0,3700
3	396	69	73,5000	17,4200	18,5600	-1,1300	0,9390	0,3400
4	396	93	90,2000	23,4800	22,7800	0,7000	1,0310	0,1100
5	396	109	108,5000	27,5300	27,3900	0,1300	1,0050	0,0000
6	395	133	129,5000	33,6700	32,7900	0,8900	1,0270	0,1400
7	395	167	151,7000	42,2800	38,4000	3,8700	1,1010	2,5100
8	395	167	178,4000	42,2800	45,1600	-2,8900	0,9360	1,3300
9	395	223	213,2000	56,4600	53,9700	2,4900	1,0460	0,9800
10	395	269	280,4000	68,1000	70,9900	-2,8800	0,9590	1,6000

Hosmer-Lemeshow por grupo · Holdout

Grupo	Observaciones	Malos observados	Malos esperados	Tasa observada (%)	PD media (%)	Diferencia (pp)	O/E	Contribución al estadístico
1	100	8	8,0000	8,0000	8,0300	-0,0300	0,9960	0,0000
2	100	19	14,6000	19,0000	14,6400	4,3600	1,2980	1,5200
3	100	19	19,7000	19,0000	19,7100	-0,7100	0,9640	0,0300
4	100	31	23,7000	31,0000	23,7300	7,2700	1,3070	2,9200
5	100	32	27,7000	32,0000	27,6800	4,3200	1,1560	0,9300
6	100	21	32,8000	21,0000	32,7600	-11,7600	0,6410	6,2800
7	100	32	38,0000	32,0000	38,0200	-6,0200	0,8420	1,5400
8	100	46	44,1000	46,0000	44,1000	1,9000	1,0430	0,1500
9	100	40	52,2000	40,0000	52,2500	-12,2500	0,7660	6,0100
10	100	67	69,1000	67,0000	69,0600	-2,0600	0,9700	0,2000

Hosmer-Lemeshow por grupo · Fuera de tiempo (OOT)

Grupo	Observaciones	Malos observados	Malos esperados	Tasa observada (%)	PD media (%)	Diferencia (pp)	O/E	Contribución al estadístico
1	105	19	19,2000	18,1000	18,2500	-0,1600	0,9910	0,0000
2	105	28	28,4000	26,6700	27,0100	-0,3400	0,9870	0,0100
3	105	36	35,7000	34,2900	33,9600	0,3300	1,0100	0,0000
4	105	47	41,7000	44,7600	39,7300	5,0300	1,1270	1,1100
5	105	45	48,0000	42,8600	45,7300	-2,8700	0,9370	0,3500
6	104	54	53,2000	51,9200	51,1400	0,7900	1,0150	0,0300
7	104	61	59,2000	58,6500	56,9400	1,7100	1,0300	0,1200
8	104	60	65,9000	57,6900	63,3300	-5,6400	0,9110	1,4200
9	104	75	74,9000	72,1200	72,0000	0,1200	1,0020	0,0000
10	104	82	86,7000	78,8500	83,3300	-4,4900	0,9460	1,5100

5.3Estabilidad

La tabla reproduce PSI/estabilidad, umbrales, banda, acción y la decisión que dejó la validación. Filas evaluadas: 15.

Validación formal — estabilidad

metric	comparison	feature	value	stable_threshold	review_threshold	band	action	source	status	decision
PSI del score	Desarrollo vs. Holdout	score	0,0162	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
PSI del score	Desarrollo vs. OOT	score	0,7487	0,10	0,25	Redesarrollar	redesarrollar	Reusado de la etapa de estabilidad	Evaluada	Falla
PSI de la PD	Desarrollo vs. Holdout	pd_calibrated	0,0151	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
PSI de la PD	Desarrollo vs. OOT	pd_calibrated	0,7456	0,10	0,25	Redesarrollar	redesarrollar	Reusado de la etapa de estabilidad	Evaluada	Falla
CSI	Desarrollo vs. Holdout	antiguedad_meses__points	0,0078	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. OOT	antiguedad_meses__points	1,7748	0,10	0,25	Redesarrollar	redesarrollar	Reusado de la etapa de estabilidad	Evaluada	Falla
CSI	Desarrollo vs. Holdout	deuda_ingreso__points	0,0085	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. OOT	deuda_ingreso__points	0,14801	0,10	0,25	Revisar	vigilar	Reusado de la etapa de estabilidad	Evaluada	Revisar
CSI	Desarrollo vs. Holdout	ingreso_mensual__points	0,0029	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. OOT	ingreso_mensual__points	0,0832	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. Holdout	mora_max_12m__points	0,0059	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. OOT	mora_max_12m__points	2,1225	0,10	0,25	Redesarrollar	redesarrollar	Reusado de la etapa de estabilidad	Evaluada	Falla
CSI	Desarrollo vs. Holdout	utilizacion_linea__points	0,0133	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. OOT	utilizacion_linea__points	0,8221	0,10	0,25	Redesarrollar	redesarrollar	Reusado de la etapa de estabilidad	Evaluada	Falla
PSI temporal	Cohorte	score	0,7487	0,10	0,25	Redesarrollar	redesarrollar	Reusado de la etapa de estabilidad	Evaluada	Falla

6Conclusiones y recomendación

Discriminación (AUC): Desarrollo 0,7368, Holdout 0,6849 y Fuera de tiempo (OOT) 0,7097.

Estabilidad (peor PSI entre score y PD): Desarrollo vs. Holdout 0,0162 («Estable»; score) y Desarrollo vs. OOT 0,7487 («Redesarrollar»; score).

La estabilidad exige atención en Desarrollo vs. OOT antes de aprobar el uso continuado del modelo.

Calibración: la PD media calibrada en Desarrollo (33,17 %) se contrasta con la tasa observada (33,17 %).

Estos hallazgos son los que el motor puede sostener con los números de la corrida. La recomendación —aprobar, aprobar con observaciones o rechazar— es un juicio humano y no se deriva automáticamente de ellos.

POR COMPLETAR — Conclusiones y recomendación

Emite el juicio: ¿el modelo es apto para el uso previsto? La recomendación (aprobar, aprobar con observaciones o rechazar) la firma un humano, no el motor.

Enumera las observaciones y condiciones de uso, con responsable y plazo para cada una, y fija la fecha de la próxima revisión.

7Limitaciones y supuestos

El alcance de este informe es la construcción y evaluación del scorecard. La validación formal ejecutó discriminación, calibración y estabilidad y se documenta en su capítulo propio; el estado técnico no sustituye el veredicto humano.

Todas las métricas provienen de la corrida trazada en el Anexo A. El informe no completa ningún hueco con supuestos: lo que no se pudo calcular aparece declarado como no disponible.

Caveats de reproducibilidad declarados por la corrida: git no disponible: la corrida no tiene SHA de origen.

No hay secciones obligatorias ausentes en esta corrida.

Anexo A —Lineage y reproducibilidad

La corrida queda identificada por los hashes de configuración y de datos, el commit del código y la semilla raíz. Con estos cuatro valores el resultado es reproducible.

Parámetros y payload

config_hash

f3e87cfdef6ba84fac670e41e1433ce311fc36b9818d7b17281bffdd4e6055b0

created_at

2026-10-19T14:07:17.073690Z

data_hash

d21ea993b85ee031a8a4d1f88e3d7af00ead13d98066496a3711e6b979ef2e7d

determinism_caveats

[
  "git no disponible: la corrida no tiene SHA de origen"
]

git_dirty

git_sha

—

library_versions

{
  "PyYAML": "6.0.3",
  "bayesrisk": "2.16.0",
  "numpy": "1.26.4",
  "pandas": "2.3.3",
  "pydantic": "2.14.1"
}

root_seed

20240706

runtime_environment_hash

1e4e5c376bed6a330dfaf0da715d45ad30bd08f7bd80a20a342243ff2e4dfb7b

schema_version

1.0.0

uv_lock_hash

6c446c2ad040ff52262caae544ea32b26af36b8abebe5f10d5d276f49e967322

Anexo B —Tablas detalladas

Este anexo reproduce íntegras todas las tablas que produjo la corrida, incluidas las que el cuerpo del informe ya mostró. Es la trazabilidad completa: nada de lo que el motor calculó queda fuera del documento.

Parámetros y payload

figure_keys

[
  "eda.figures"
]

table_keys

[
  "eda.default_rate.by_period",
  "eda.univariate.profiles.antiguedad_meses",
  "eda.univariate.profiles.deuda_ingreso",
  "eda.univariate.profiles.ingreso_mensual",
  "eda.univariate.profiles.mora_max_12m",
  "eda.univariate.profiles.segmento",
  "eda.univariate.profiles.utilizacion_linea",
  "eda.quality.by_column",
  "binning.tables.antiguedad_meses",
  "binning.tables.deuda_ingreso",
  "binning.tables.ingreso_mensual",
  "binning.tables.mora_max_12m",
  "binning.tables.segmento",
  "binning.tables.utilizacion_linea",
  "binning.summary",
  "binning.woe_frame",
  "selection.selected_woe_frame",
  "selection.selection_table",
  "selection.correlation_matrix",
  "selection.vif_table",
  "selection.stability_table",
  "model.coefficients",
  "model.raw_pd_frame",
  "scorecard.scorecard",
  "scorecard.score",
  "calibration.calibrated_pd_frame",
  "performance.performance_table",
  "performance.discriminant_metrics",
  "stability.psi_table",
  "stability.stability_metrics",
  "master_scale.grades",
  "master_scale.grade_table",
  "master_scale.cutoff_table",
  "data.states",
  "data.partitions",
  "data.exclusions",
  "validation.discrimination",
  "validation.calibration",
  "validation.stability",
  "validation.hosmer_lemeshow_groups.desarrollo",
  "validation.hosmer_lemeshow_groups.holdout",
  "validation.hosmer_lemeshow_groups.oot",
  "master_scale.scale",
  "master_scale.cutoffs",
  "stability.psi_by_period"
]

Tabla de binning WoE — variable «antiguedad_meses»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 22,5	802	0,2028	471	331	0,4127	-0,3476	0,0258	0,0032
≥ 22,5 y < 39,5	597	0,1509	373	224	0,3752	-0,1904	0,0056	0,000704
≥ 39,5 y < 91,5	1.942	0,49102	1.335	607	0,3126	0,0878	0,0037	0,00047
≥ 91,5 y < 100,5	309	0,0781	230	79	0,2557	0,3683	0,0099	0,0012
≥ 100,5	305	0,0771	234	71	0,2328	0,4923	0,0169	0,0021
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	3.955	1,0000	2.643	1.312	0,3317		0,0619	0,0077

Tabla de binning WoE — variable «deuda_ingreso»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 0,13284999877214432	478	0,1209	398	80	0,1674	0,9041	0,08101	0,0098
≥ 0,13284999877214432 y < 0,3037000000476837	1.007	0,2546	781	226	0,2244	0,5397	0,0665	0,0082
≥ 0,3037000000476837 y < 0,7191999852657318	1.689	0,4271	1.118	571	0,3381	-0,0285	0,00035	0,000043
≥ 0,7191999852657318 y < 1,1252000331878662	574	0,1451	288	286	0,4983	-0,6934	0,0756	0,0093
≥ 1,1252000331878662	207	0,0523	58	149	0,7198	-1,6439	0,1506	0,01696
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	3.955	1,0000	2.643	1.312	0,3317		0,3741	0,0443

Tabla de binning WoE — variable «ingreso_mensual»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 278.556,640625	537	0,1358	265	272	0,5065	-0,7264	0,0778	0,0095
≥ 278.556,640625 y < 421.137,734375	992	0,2508	587	405	0,4083	-0,3292	0,0285	0,0035
≥ 421.137,734375 y < 674.201	1.397	0,3532	953	444	0,3178	0,0634	0,0014	0,00018
≥ 674.201 y < 1.116.005	828	0,2094	659	169	0,2041	0,6605	0,0796	0,0098
≥ 1.116.005	201	0,0508	179	22	0,1095	1,39598	0,0711	0,0082
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	3.955	1,0000	2.643	1.312	0,3317		0,2584	0,0312

Tabla de binning WoE — variable «mora_max_12m»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 5,5	1.064	0,26903	797	267	0,2509	0,3932	0,0386	0,0048
≥ 5,5 y < 6,5	424	0,1072	304	120	0,28302	0,2292	0,0054	0,00067
≥ 6,5 y < 9,5	1.123	0,2839	743	380	0,3384	-0,0298	0,00025	0,000032
≥ 9,5 y < 14,5	1.095	0,2769	658	437	0,3991	-0,2911	0,0245	0,0031
≥ 14,5	249	0,06296	141	108	0,4337	-0,4337	0,0126	0,0016
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	3.955	1,0000	2.643	1.312	0,3317		0,0813	0,0101

Tabla de binning WoE — variable «segmento»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
asalariado	1.321	0,33401	898	423	0,3202	0,0524	0,00091	0,00011
pensionado	1.330	0,3363	893	437	0,3286	0,0143	0,000069	0,0000086
independiente	1.304	0,3297	852	452	0,3466	-0,0665	0,0015	0,00018
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	3.955	1,0000	2.643	1.312	0,3317		0,0025	0,00031

Tabla de binning WoE — variable «utilizacion_linea»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 0,32919999957084656	712	0,18003	561	151	0,2121	0,6121	0,0595	0,0073
≥ 0,32919999957084656 y < 0,46559999883174896	753	0,1904	542	211	0,2802	0,24305	0,0108	0,0013
≥ 0,46559999883174896 y < 0,5747999846935272	668	0,1689	451	217	0,3249	0,0312	0,00016	0,0000205
≥ 0,5747999846935272 y < 0,7735500037670135	1.178	0,2979	724	454	0,3854	-0,2337	0,0168	0,0021
≥ 0,7735500037670135	644	0,1628	365	279	0,4332	-0,4317	0,0322	0,00399
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	3.955	1,0000	2.643	1.312	0,3317		0,1194	0,0148

Perfil frente al incumplimiento — variable «antiguedad_meses»

tramo	n	coverage	default_rate
> 1 y ≤ 11	401	0,1014	0,39401
> 11 y ≤ 22	401	0,1014	0,4314
> 22 y ≤ 33	391	0,0989	0,3632
> 33 y ≤ 44	392	0,0991	0,3393
> 44 y ≤ 55	397	0,1004	0,3174
> 55 y ≤ 66	426	0,1077	0,33803
> 66 y ≤ 76	393	0,0994	0,2952
> 76 y ≤ 87	391	0,0989	0,3095
> 87 y ≤ 98	398	0,1006	0,2714
> 98 y ≤ 120	365	0,0923	0,2493

Perfil frente al incumplimiento — variable «deuda_ingreso»

tramo	n	coverage	default_rate
> 0,0034 y ≤ 0,11828000000000001	396	0,1001	0,1692
> 0,11828000000000001 y ≤ 0,1853	397	0,1004	0,2217
> 0,1853 y ≤ 0,2522	396	0,1001	0,2096
> 0,2522 y ≤ 0,3205	394	0,0996	0,2513
> 0,3205 y ≤ 0,3938	395	0,0999	0,3291
> 0,3938 y ≤ 0,48384000000000005	395	0,0999	0,3063
> 0,48384000000000005 y ≤ 0,5824399999999996	395	0,0999	0,36203
> 0,5824399999999996 y ≤ 0,7165	398	0,1006	0,3643
> 0,7165 y ≤ 0,9192999999999999	393	0,0994	0,4936
> 0,9192999999999999 y ≤ 2,5	396	0,1001	0,6111

Perfil frente al incumplimiento — variable «ingreso_mensual»

tramo	n	coverage	default_rate
> 52.315,01 y ≤ 251.196,692	396	0,1001	0,4899
> 251.196,692 y ≤ 318.904,67600000004	395	0,0999	0,4658
> 318.904,67600000004 y ≤ 372.689,54400000017	396	0,1001	0,40404
> 372.689,54400000017 y ≤ 429.434,72800000006	395	0,0999	0,3873
> 429.434,72800000006 y ≤ 490.412,52	396	0,1001	0,3434
> 490.412,52 y ≤ 555.037,7960000002	395	0,0999	0,31899
> 555.037,7960000002 y ≤ 635.937,0399999999	395	0,0999	0,2886
> 635.937,0399999999 y ≤ 745.715,8700000001	396	0,1001	0,2626
> 745.715,8700000001 y ≤ 935.559,7919999999	395	0,0999	0,2025
> 935.559,7919999999 y ≤ 2.624.228,2	396	0,1001	0,15404

Perfil frente al incumplimiento — variable «mora_max_12m»

tramo	n	coverage	default_rate
> 0 y ≤ 3	425	0,1075	0,2565
> 3 y ≤ 5	639	0,1616	0,2473
> 5 y ≤ 6	424	0,1072	0,28302
> 6 y ≤ 7	400	0,1011	0,3550
> 7 y ≤ 8	370	0,0936	0,3135
> 8 y ≤ 9	353	0,0893	0,3456
> 9 y ≤ 10	287	0,0726	0,4355
> 10 y ≤ 11	297	0,0751	0,4175
> 11 y ≤ 13	391	0,0989	0,3708
> 13 y ≤ 23	369	0,0933	0,4092

Perfil frente al incumplimiento — variable «segmento»

tramo	n	coverage	default_rate
asalariado	1.321	0,33401	0,3202
independiente	1.304	0,3297	0,3466
pensionado	1.330	0,3363	0,3286

Perfil frente al incumplimiento — variable «utilizacion_linea»

tramo	n	coverage	default_rate
> 0,0192 y ≤ 0,2395	397	0,1004	0,2191
> 0,2395 y ≤ 0,34658	394	0,0996	0,2183
> 0,34658 y ≤ 0,4202800000000001	396	0,1001	0,2727
> 0,4202800000000001 y ≤ 0,48708000000000007	395	0,0999	0,3241
> 0,48708000000000007 y ≤ 0,5489	396	0,1001	0,3106
> 0,5489 y ≤ 0,6159200000000001	395	0,0999	0,3823
> 0,6159200000000001 y ≤ 0,68406	395	0,0999	0,3595
> 0,68406 y ≤ 0,74944	396	0,1001	0,4066
> 0,74944 y ≤ 0,83078	395	0,0999	0,4177
> 0,83078 y ≤ 0,998	396	0,1001	0,4066

Puntos de corte por muestra

sample	grades_approved	cutoff_score	declared	n_scored	n_with_outcome	n_approved	n_approved_with_outcome	n_bad	n_good	approved_share	approved_bad_rate	approved_expected_pd	bads_avoided_share	goods_rejected_share
desarrollo	1	553,50	no	3.955	3.955	266	266	1.312	2.643	0,0673	0,0489	0,0505	0,9901	0,9043
desarrollo	2	528,50	no	3.955	3.955	1.050	1.050	1.312	2.643	0,2655	0,1124	0,11304	0,9101	0,6474
desarrollo	3	509,50	no	3.955	3.955	2.094	2.094	1.312	2.643	0,5295	0,1843	0,1847	0,7058	0,3538
desarrollo	4	504,50	no	3.955	3.955	2.391	2.391	1.312	2.643	0,6046	0,2054	0,2057	0,6258	0,2811
desarrollo	5	484,50	no	3.955	3.955	3.314	3.314	1.312	2.643	0,8379	0,2698	0,2699	0,3186	0,0844
desarrollo	6	464,50	no	3.955	3.955	3.754	3.754	1.312	2.643	0,9492	0,3085	0,3086	0,1174	0,0178
desarrollo	7	—	no	3.955	3.955	3.955	3.955	1.312	2.643	1,0000	0,3317	0,3317	0,0000	0,0000
holdout	1	553,50	no	1.000	1.000	69	69	315	685	0,0690	0,0725	0,0505	0,9841	0,9066
holdout	2	528,50	no	1.000	1.000	238	238	315	685	0,2380	0,1513	0,10997	0,8857	0,7051
holdout	3	509,50	no	1.000	1.000	529	529	315	685	0,5290	0,2174	0,1907	0,6349	0,3956
holdout	4	504,50	no	1.000	1.000	606	606	315	685	0,6060	0,2195	0,2114	0,5778	0,3095
holdout	5	484,50	no	1.000	1.000	860	860	315	685	0,8600	0,2686	0,2779	0,2667	0,0818
holdout	6	464,50	no	1.000	1.000	958	958	315	685	0,9580	0,2975	0,3108	0,0952	0,0175
holdout	7	—	no	1.000	1.000	1.000	1.000	315	685	1,0000	0,3150	0,3298	0,0000	0,0000
oot	1	553,50	no	1.045	1.045	6	6	507	538	0,0057	0,1667	0,0505	0,99803	0,9907
oot	2	528,50	no	1.045	1.045	52	52	507	538	0,0498	0,1154	0,1246	0,9882	0,9145
oot	3	509,50	no	1.045	1.045	225	225	507	538	0,2153	0,2178	0,2262	0,9034	0,6729
oot	4	504,50	no	1.045	1.045	294	294	507	538	0,2813	0,2585	0,2561	0,8501	0,5948
oot	5	484,50	no	1.045	1.045	607	607	507	538	0,5809	0,3509	0,3491	0,5799	0,2677
oot	6	464,50	no	1.045	1.045	854	854	507	538	0,8172	0,4262	0,4215	0,2821	0,0892
oot	7	—	no	1.045	1.045	1.045	1.045	507	538	1,0000	0,4852	0,4842	0,0000	0,0000

Tramos de la escala por muestra

sample	grade	n	share	n_with_outcome	n_bad	bad_rate	pd	jeffreys_p_value	traffic_light
desarrollo	1	266	0,0673	266	13	0,0489	0,0505	0,532	green
desarrollo	2	784	0,1982	784	105	0,1339	0,1343	0,506	green
desarrollo	3	1.044	0,26397	1.044	268	0,2567	0,2567	0,498	green
desarrollo	4	297	0,0751	297	105	0,3535	0,3537	0,501	green
desarrollo	5	923	0,2334	923	403	0,4366	0,4364	0,494	green
desarrollo	6	440	0,1113	440	264	0,6000	0,5995	0,492	green
desarrollo	7	201	0,0508	201	154	0,7662	0,7646	0,485	green
holdout	1	69	0,0690	69	5	0,0725	0,0505	0,194	green
holdout	2	169	0,1690	169	31	0,1834	0,1343	0,035	amber
holdout	3	291	0,2910	291	79	0,2715	0,2567	0,2796	green
holdout	4	77	0,0770	77	18	0,2338	0,3537	0,988	green
holdout	5	254	0,2540	254	98	0,3858	0,4364	0,948	green
holdout	6	98	0,0980	98	54	0,55102	0,5995	0,836	green
holdout	7	42	0,0420	42	30	0,7143	0,7646	0,783	green
oot	1	6	0,0057	6	1	0,1667	0,0505	—	not_evaluable
oot	2	46	0,04402	46	5	0,1087	0,1343	0,6796	green
oot	3	173	0,1656	173	43	0,2486	0,2567	0,592	green
oot	4	69	0,06603	69	27	0,3913	0,3537	0,255	green
oot	5	313	0,2995	313	137	0,4377	0,4364	0,4804	green
oot	6	247	0,2364	247	151	0,6113	0,5995	0,353	green
oot	7	191	0,1828	191	143	0,7487	0,7646	0,702	green

Tramos de la escala maestra

grade	score_min	score_max	label	pd	n_development	share_development	n_bad_development	bad_rate_development	source
1	553,50	—	desde 554 puntos	0,0505	266	0,0673	13	0,0489	formed
2	528,50	553,50	de 529 a 553 puntos	0,1343	784	0,1982	105	0,1339	formed
3	509,50	528,50	de 510 a 528 puntos	0,2567	1.044	0,26397	268	0,2567	formed
4	504,50	509,50	de 505 a 509 puntos	0,3537	297	0,0751	105	0,3535	formed
5	484,50	504,50	de 485 a 504 puntos	0,4364	923	0,2334	403	0,4366	formed
6	464,50	484,50	de 465 a 484 puntos	0,5995	440	0,1113	264	0,6000	formed
7	—	464,50	hasta 464 puntos	0,7646	201	0,0508	154	0,7662	formed

Matriz de correlación entre variables

deuda_ingreso__woe	ingreso_mensual__woe	utilizacion_linea__woe	mora_max_12m__woe	antiguedad_meses__woe
1,0000	0,0373	0,1182	0,1509	0,0499
0,0373	1,0000	0,0329	0,0582	0,02905
0,1182	0,0329	1,0000	0,2845	0,0522
0,1509	0,0582	0,2845	1,0000	0,0992
0,0499	0,02905	0,0522	0,0992	1,0000

Estabilidad de las variables candidatas

feature	woe_column	sample	csi	csi_band	smoothing

Detalle por observación

Esta corrida produjo tablas con una fila por operación que no se reproducen en el informe (son datos, no evidencia de validación) y que no se exportaron: añada csv o xlsx a report.formats para obtenerlas completas.

Dataset transformado a WoE — 6.000 filas
PD calibrada por observación — 6.000 filas
PD sin calibrar por observación — 6.000 filas
Puntaje por observación — 6.000 filas
Dataset WoE de las variables seleccionadas — 6.000 filas

Anexo C —Parámetros completos

Este anexo reproduce el payload completo de cada etapa: los parámetros efectivos y las métricas estructuradas tal como las publicó cada step, sin resumir.

C.1Población, particiones y exclusiones

Artefacto de origen: data.data_card

Parámetros y payload

bad_rate

0,3557

class_counts

{
  "bueno": 3866,
  "excluido": 0,
  "indeterminado": 0,
  "malo": 2134
}

data_hash

d21ea993b85ee031a8a4d1f88e3d7af00ead13d98066496a3711e6b979ef2e7d

effective_config

{
  "load": {
    "backend": "pandas",
    "csv_options": {
      "decimal": ".",
      "encoding": "utf-8",
      "sep": ","
    },
    "file_format": "auto",
    "source": "prepared/consumo_drift/input.parquet"
  },
  "missing": {
    "max_missing_rate": "0,99",
    "special_values": []
  },
  "partition": {
    "min_bads_per_partition": 30,
    "strategy": {
      "cohort_col": "cohorte",
      "holdout_fraction": "0,20",
      "oot_cohorts": [
        "2024Q2"
      ],
      "type": "cohort"
    },
    "ttd_includes_excluded": true
  },
  "schema_": {
    "columns": [
      {
        "coerce": false,
        "dtype": "float",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "ingreso_mensual",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "float",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "deuda_ingreso",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "float",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "utilizacion_linea",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "mora_max_12m",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "antiguedad_meses",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "str",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "segmento",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "str",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "cohorte",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "bad_flag",
        "nullable": false,
        "required": true,
        "unique": false
      }
    ],
    "index_col": "loan_id",
    "ordered": false,
    "strict": false,
    "unique_keys": null
  },
  "target": {
    "bad_rule": {
      "all_of": [
        {
          "col": "bad_flag",
          "op": "==",
          "value": 1
        }
      ],
      "any_of": []
    },
    "exclusion_rules": [],
    "good_rule": {
      "all_of": [
        {
          "col": "bad_flag",
          "op": "==",
          "value": 0
        }
      ],
      "any_of": []
    },
    "indeterminate_rule": {
      "all_of": [
        {
          "col": "bad_flag",
          "op": "isna",
          "value": null
        }
      ],
      "any_of": []
    },
    "target_col": "target",
    "window": null
  },
  "type": "standard"
}

exclusions_by_reason

{}

n_features

n_rows

6.000

partition_bad_rates

{
  "desarrollo": "0,3317",
  "fuera_de_modelo": "0,0000",
  "holdout": "0,3150",
  "oot": "0,4852"
}

partition_sizes

{
  "desarrollo": 3955,
  "fuera_de_modelo": 0,
  "holdout": 1000,
  "oot": 1045
}

performance_window_months

—

source

data-64d3cca96e04c90b.parquet

target_col

target

C.2Población y calidad de datos

Artefacto de origen: eda.eda_card

Parámetros y payload

axis

cohort

axis_inferred

default_rate_not_evaluable_reason

—

effective_config

{
  "analysis_partition": "desarrollo",
  "default_rate": {
    "axis": "cohort",
    "cohort_col": "cohorte",
    "date_col": null,
    "min_obs_per_period": 50,
    "period_freq": "M"
  },
  "quality": {
    "high_cardinality_threshold": 50,
    "near_constant_threshold": "0,99"
  },
  "sampling": {
    "enabled": false,
    "max_rows": 500000
  },
  "stability": {
    "metric": "cv",
    "threshold": "0,25"
  },
  "type": "standard",
  "univariate": {
    "columns": [
      "ingreso_mensual",
      "deuda_ingreso",
      "utilizacion_linea",
      "mora_max_12m",
      "antiguedad_meses",
      "segmento"
    ],
    "compute_descriptive_iv": false,
    "n_quantile_bins": 10,
    "rare_level_threshold": "0,01"
  }
}

failed_analyses

{}

n_columns_profiled

n_figures

n_periods

overall_default_rate

0,3317

quality_flag_counts

{
  "high_cardinality": 0,
  "near_constant": 0,
  "near_unique": 1
}

stability_flagged

stability_metric_used

stability_not_evaluable_reason

eje_cohorte

stability_threshold

0,25

stability_value

—

C.3Binning WoE y poder predictivo

Artefacto de origen: binning.binning_card

Parámetros y payload

assigned_bins

[]

effective_config

{
  "cat_cutoff": "0,01",
  "cat_unknown": null,
  "categorical_columns": [
    "segmento"
  ],
  "exclude_columns": [],
  "fail_on_non_binnable": false,
  "feature_columns": [
    "ingreso_mensual",
    "deuda_ingreso",
    "utilizacion_linea",
    "mora_max_12m",
    "antiguedad_meses",
    "segmento"
  ],
  "keep_structural_columns": true,
  "max_n_bins": 5,
  "max_n_prebins": 20,
  "max_pvalue": null,
  "max_pvalue_policy": "consecutive",
  "metric_missing": "empirical",
  "metric_special": "empirical",
  "min_bin_n_event": 1,
  "min_bin_n_nonevent": 1,
  "min_bin_size": "0,05",
  "min_event_rate_diff": "0,00",
  "min_n_bins": null,
  "min_prebin_size": "0,05",
  "mip_solver": "bop",
  "monotonic_trend": "auto_asc_desc",
  "n_jobs": null,
  "output_suffix": "__woe",
  "require_optimal": true,
  "solver": "mip",
  "special_handling": "separate",
  "split_digits": null,
  "time_limit": 10,
  "type": "standard",
  "variable_overrides": []
}

excluded_by_target_rule

[]

iv_by_variable

{
  "antiguedad_meses": "0,0619",
  "deuda_ingreso": "0,3741",
  "ingreso_mensual": "0,2584",
  "mora_max_12m": "0,0813",
  "segmento": "0,0025",
  "utilizacion_linea": "0,1194"
}

missing_handling

empirical

monotonicity_by_variable

{
  "antiguedad_meses": "descending",
  "deuda_ingreso": "ascending",
  "ingreso_mensual": "descending",
  "mora_max_12m": "ascending",
  "segmento": null,
  "utilizacion_linea": "ascending"
}

n_variables_binned

n_variables_requested

n_variables_skipped

optbinning_version

0.20.0

rare_category_regroupings

{}

special_handling

separate

C.4Selección de variables

Artefacto de origen: selection.selection_card

Parámetros y payload

dependency_versions

{
  "numpy": "1.26.4",
  "pandas": "2.3.3",
  "scikit-learn": "1.7.2",
  "scipy": "1.17.1",
  "statsmodels": "0.15.0"
}

effective_config

{
  "compute_univariate_metrics": true,
  "correlation": {
    "clustering_method": "none",
    "enabled": true,
    "method": "pearson",
    "threshold": "0,75"
  },
  "exclude_columns": [],
  "fail_if_no_features": true,
  "feature_columns": "*",
  "force_exclude": [],
  "force_include": [],
  "keep_structural_columns": true,
  "max_iv": "0,50",
  "max_iv_action": "flag",
  "min_auc": null,
  "min_gini": null,
  "min_iv": "0,02",
  "min_ks": null,
  "priority_order": [
    "iv",
    "auc",
    "ks",
    "name"
  ],
  "stability": {
    "action": "report_only",
    "enabled": false,
    "review_threshold": "0,25",
    "smoothing": "0,000001",
    "stable_threshold": "0,10"
  },
  "type": "standard",
  "vif": {
    "add_intercept": true,
    "enabled": true,
    "max_iterations": null,
    "threshold": "5,00"
  }
}

excluded_by_reason

{
  "low_iv": 1
}

high_iv_flags

[]

max_abs_correlation_after_selection

0,2845

max_vif_after_selection

1,1148

n_candidates

n_excluded

n_selected

selected_features

[
  "antiguedad_meses",
  "deuda_ingreso",
  "ingreso_mensual",
  "mora_max_12m",
  "utilizacion_linea"
]

stability_flags

[]

thresholds

{
  "correlation.clustering_method": "none",
  "correlation.method": "pearson",
  "correlation.threshold": "0,75",
  "max_iv": "0,50",
  "max_iv_action": "flag",
  "min_auc": null,
  "min_gini": null,
  "min_iv": "0,02",
  "min_ks": null,
  "stability.action": "report_only",
  "stability.review_threshold": null,
  "stability.stable_threshold": null,
  "vif.threshold": "5,00"
}

C.5Modelo PD

Artefacto de origen: model.model_card

Parámetros y payload

dependency_versions

{
  "numpy": "1.26.4",
  "pandas": "2.3.3",
  "scikit-learn": "1.7.2",
  "scipy": "1.17.1",
  "statsmodels": "0.15.0"
}

effective_config

{
  "alpha": "0,05",
  "engine": "logit",
  "fail_if_no_features": true,
  "fit_intercept": true,
  "fit_maxiter": 100,
  "force_exclude": [],
  "force_include": [],
  "iv_contribution": {
    "action": "flag",
    "threshold": "0,90"
  },
  "optimizer": "newton",
  "sign_policy": {
    "action": "flag",
    "expected_beta_sign": "negative",
    "fail_on_forced_inverted": false
  },
  "stepwise": {
    "criterion": "wald_pvalue",
    "direction": "bidirectional",
    "enabled": true,
    "entry_p_value": "0,05",
    "exit_p_value": "0,05",
    "max_iter": 100,
    "min_features": 1
  },
  "tol": "0,00000001",
  "type": "standard"
}

engine

logit

final_features

[
  "antiguedad_meses",
  "deuda_ingreso",
  "ingreso_mensual",
  "mora_max_12m",
  "utilizacion_linea"
]

fit_statistics

{
  "aic": "4.390,59",
  "bic": "4.428,29",
  "converged": true,
  "llr": "647,4097",
  "llr_p_value": "< 0,001",
  "log_likelihood": "-2.189,296",
  "n_events_dev": 1312,
  "n_iterations": 6,
  "n_nonevents_dev": 2643,
  "n_obs_dev": 3955,
  "null_log_likelihood": "-2.513,001",
  "optimizer": "newton",
  "pseudo_r2_mcfadden": "0,1288"
}

iv_contribution_flags

[
  "deuda_ingreso"
]

n_candidates

n_final_features

sign_flags

[]

thresholds

{
  "alpha": "0,05",
  "engine": "logit",
  "entry_p_value": "0,05",
  "exit_p_value": "0,05",
  "fail_if_no_features": "true",
  "fit_intercept": "true",
  "fit_maxiter": "100,00",
  "iv_contribution.action": "flag",
  "iv_contribution.threshold": "0,90",
  "optimizer": "newton",
  "sign_policy.action": "flag",
  "sign_policy.expected_beta_sign": "negative",
  "stepwise.criterion": "wald_pvalue",
  "stepwise.direction": "bidirectional",
  "stepwise.max_iter": "100,00",
  "stepwise.min_features": "1,00"
}

C.6Scorecard

Artefacto de origen: scorecard.card

Parámetros y payload

dependency_versions

{
  "numpy": "1.26.4",
  "pandas": "2.3.3"
}

effective_config

{
  "clip": false,
  "intercept_allocation": "uniform",
  "max_score": null,
  "min_score": null,
  "output_suffix": "__points",
  "pdo": "20,00",
  "point_overrides": [],
  "rounding_method": "nearest_integer",
  "score_column": "score",
  "score_direction": "higher_is_lower_risk",
  "target_odds": "50,00",
  "target_score": "600,00",
  "type": "standard"
}

factor

28,8539

max_score

—

min_score

—

n_variables

offset

487,1229

overrides_count

pdo

20,0000

points_columns

[
  "antiguedad_meses__points",
  "deuda_ingreso__points",
  "ingreso_mensual__points",
  "mora_max_12m__points",
  "utilizacion_linea__points"
]

rounding_method

nearest_integer

score_column

score

score_direction

higher_is_lower_risk

target_odds

50,0000

target_score

600,0000

C.7Calibración

Artefacto de origen: calibration.card

Parámetros y payload

anchor_kind

through_the_cycle

anchor_source

development_observed

calibrated_mean_pd_dev

0,3317

dependency_versions

{
  "numpy": "1.26.4",
  "pandas": "2.3.3",
  "scipy": "1.17.1"
}

effective_config

{
  "anchor_kind": "through_the_cycle",
  "anchor_source": "development_observed",
  "fit_partition": "desarrollo",
  "linear_predictor_calibrated_column": "linear_predictor_calibrated",
  "linear_predictor_column": "linear_predictor",
  "max_abs_offset": null,
  "max_iter": 100,
  "method": "intercept_offset",
  "min_fit_rows": 30,
  "partition_column": "partition",
  "pd_calibrated_column": "pd_calibrated",
  "pd_raw_column": "pd_raw",
  "require_both_classes_for_supervised": true,
  "target_column": "target",
  "target_pd": null,
  "target_tolerance": "0,000000000001",
  "type": "standard"
}

fit_partition

desarrollo

intercept

—

method

intercept_offset

n_fit

3.955

observed_default_rate_dev

0,3317

offset

4,8e-14

pd_calibrated_column

pd_calibrated

pd_raw_column

pd_raw

ranking_preserved

sí

raw_mean_pd_dev

0,3317

slope

—

target_pd

0,3317

ties_created

C.8Desempeño y discriminación

Artefacto de origen: performance.card

Parámetros y payload

bands_by_partition

{
  "desarrollo": "ok",
  "holdout": "ok",
  "oot": "ok"
}

dependency_versions

{
  "numpy": "1.26.4",
  "pandas": "2.3.3",
  "scikit-learn": "1.7.2"
}

effective_config

{
  "evaluation_source": "pd_calibrated",
  "min_events_per_partition": 1,
  "min_rows_per_partition": 30,
  "n_deciles": 10,
  "optional_thresholds": {},
  "partition_column": "partition",
  "partitions": [
    "desarrollo",
    "holdout",
    "oot"
  ],
  "pd_column": "pd_calibrated",
  "schema_version": "1.0.0",
  "score_column": "score",
  "score_direction": "higher_is_lower_risk",
  "target_column": "target",
  "type": "standard"
}

evaluation_source

pd_calibrated

max_metrics_by_partition

{
  "desarrollo": {
    "auc": "0,7368",
    "gini": "0,4736",
    "ks": "0,35198"
  },
  "holdout": {
    "auc": "0,6849",
    "gini": "0,3698",
    "ks": "0,2755"
  },
  "oot": {
    "auc": "0,7097",
    "gini": "0,4195",
    "ks": "0,3122"
  }
}

n_deciles

partitions

[
  "desarrollo",
  "holdout",
  "oot"
]

score_direction

higher_is_lower_risk

thresholds

{}

Métricas estructuradas

discrimination

{
  "effective_deciles_by_partition": {
    "desarrollo": 10,
    "holdout": 10,
    "oot": 10
  },
  "not_evaluable_reasons_by_partition": {},
  "threshold_flags_by_partition": {}
}

C.9Estabilidad

Artefacto de origen: stability.card

Parámetros y payload

bands_by_comparison

{
  "dev_vs_holdout": "stable",
  "dev_vs_oot": "redevelop"
}

comparisons

[
  "dev_vs_holdout",
  "dev_vs_oot"
]

csi_source

score_points

dependency_versions

{
  "numpy": "1.26.4",
  "pandas": "2.3.3",
  "pandera": "0.34.1"
}

effective_config

{
  "comparisons": [
    "dev_vs_holdout",
    "dev_vs_oot"
  ],
  "csi_bins": 10,
  "csi_source": "score_points",
  "include_pd_stability": true,
  "partition_column": "partition",
  "pd_column": "pd_calibrated",
  "psi_bins": 10,
  "psi_review_threshold": "0,25",
  "psi_stable_threshold": "0,10",
  "schema_version": "1.0.0",
  "score_column": "score",
  "score_direction": "higher_is_lower_risk",
  "smoothing": "0,000001",
  "temporal_axis": "cohort",
  "temporal_column": "cohorte",
  "temporal_freq": "M",
  "type": "standard"
}

max_psi_by_comparison

{
  "dev_vs_holdout": "0,0162",
  "dev_vs_oot": "0,7487"
}

psi_bins

psi_metric_by_comparison

{
  "dev_vs_holdout": "score_psi",
  "dev_vs_oot": "score_psi"
}

review_threshold

0,25

score_direction

higher_is_lower_risk

stable_threshold

0,10

worst_csi_feature

mora_max_12m__points

worst_csi_value

2,1225

Métricas estructuradas

stability

{
  "csi_features": [
    "antiguedad_meses__points",
    "deuda_ingreso__points",
    "ingreso_mensual__points",
    "mora_max_12m__points",
    "utilizacion_linea__points"
  ],
  "include_pd_stability": true,
  "n_periods": 6,
  "temporal_axis": "cohort"
}

C.10Validación formal

Artefacto de origen: validation.card

Parámetros y payload

dependency_versions

{
  "numpy": "1.26.4",
  "pandas": "2.3.3",
  "scipy": "1.17.1"
}

effective_config

{
  "backtesting": {
    "alpha": "0,05",
    "enabled": false,
    "one_sided": true,
    "parameters": [
      "pd",
      "lgd",
      "ead"
    ],
    "pd_test": "jeffreys",
    "realised_ead_col": "realised_ead",
    "realised_lgd_col": "realised_lgd",
    "realised_pd_col": "realised_default",
    "segment_col": "portfolio"
  },
  "calibration": {
    "alpha": "0,05",
    "binomial_by_grade": false,
    "brier": true,
    "grade_col": "grade",
    "hl_grouping": "deciles",
    "hl_n_groups": 10,
    "hosmer_lemeshow": true,
    "min_rows_per_group": 30,
    "partition_column": "partition",
    "pd_column": "pd_calibrated",
    "pd_test": "jeffreys",
    "target_column": "target",
    "traffic_light_green_alpha": "0,05",
    "traffic_light_red_alpha": "0,01"
  },
  "discrimination": {
    "consume_performance": true,
    "partitions": [
      "desarrollo",
      "holdout",
      "oot"
    ]
  },
  "fail_on_falta_dato": true,
  "families": [
    "discrimination",
    "calibration",
    "stability"
  ],
  "schema_version": "1.0.0",
  "stability": {
    "consume_stability": true,
    "psi_review_threshold": "0,25",
    "psi_stable_threshold": "0,10"
  },
  "type": "standard"
}

falta_dato

[]

families_run

[
  "discrimination",
  "calibration",
  "stability"
]

model_ref

consumo_drift_cinco_bins

n_failed

n_tests

overall_status

fail

Métricas estructuradas

validation

{
  "families_run": [
    "discrimination",
    "calibration",
    "stability"
  ],
  "min_rows_per_group": 30,
  "n_failed": 1,
  "n_tests": 3,
  "not_evaluable_grades": [],
  "not_evaluable_partitions": [],
  "overall_status": "fail",
  "stability_recompute": null,
  "stability_source": "stability_artifact",
  "traffic_light": {
    "amber": 0,
    "green": 0,
    "red": 0
  },
  "traffic_light_cuts": null
}

C.11Escala maestra y puntos de corte

Artefacto de origen: master_scale.card

Parámetros y payload

anchor

0,3317

anchor_source

development_observed

approval_cutoff

—

cutoff_out_of_range

cuts

[
  "464,50",
  "484,50",
  "504,50",
  "509,50",
  "528,50",
  "553,50"
]

delta

-0,0012

diagnostics

{
  "desarrollo": {
    "amber_grades": [],
    "hhi": "0,1886",
    "inversions": [],
    "max_share": "0,26397",
    "max_share_grade": 3,
    "monotonic": true,
    "not_evaluable_grades": [],
    "red_grades": []
  },
  "holdout": {
    "amber_grades": [
      2
    ],
    "hhi": "0,1998",
    "inversions": [
      [
        3,
        4
      ]
    ],
    "max_share": "0,2910",
    "max_share_grade": 3,
    "monotonic": false,
    "not_evaluable_grades": [],
    "red_grades": []
  },
  "oot": {
    "amber_grades": [],
    "hhi": "0,2127",
    "inversions": [],
    "max_share": "0,2995",
    "max_share_grade": 5,
    "monotonic": true,
    "not_evaluable_grades": [
      1
    ],
    "red_grades": []
  }
}

effective_config

{
  "approval_cutoff": null,
  "grade_edges": null
}

equalized_grades

[]

formation_cause

—

integer_card

sí

n_grades

neighbours_not_distinct

[]

pd

[
  "0,0505",
  "0,1343",
  "0,2567",
  "0,3537",
  "0,4364",
  "0,5995",
  "0,7646"
]

samples

[
  "desarrollo",
  "holdout",
  "oot"
]

score_direction

higher_is_lower_risk

solver_status

OPTIMAL

source

formed