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=3e2f2965984fe19f97f205ced60c9ea7aac6611884b2a12a49f5bcf07f803d01

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 0,028; PD media agregada 32,99 % frente a 31,50 % observada; la mayor diferencia, en el grupo 7 de 10: 25,00 % observado frente a 38,38 % 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)	0,712
Gini en Fuera de tiempo (OOT)	0,424
KS en Fuera de tiempo (OOT)	0,3197
Caída del AUC Desarrollo → Fuera de tiempo (OOT)	-0,026 (-3,5 %)
Peor PSI entre score y PD	0,7454 (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: deuda_ingreso: la tasa de malos invierte la tendencia en Holdout
⚠ Tramos y WoE: ingreso_mensual: la tasa de malos invierte la tendencia en Holdout
⚠ Tramos y WoE: mora_max_12m: la tasa de malos invierte la tendencia en Holdout
⚠ Estabilidad: Estabilidad Desarrollo vs. OOT: banda «Redesarrollar»
⚠ Validación formal: Estado técnico «Falla»: revisar Hosmer-Lemeshow en Holdout (p-valor 0,028; PD media agregada 32,99 % frente a 31,50 % observada; la mayor diferencia, en el grupo 7 de 10: 25,00 % observado frente a 38,38 % 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 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_sin_stepwise/reports\scorecard_report.html
Informe Word: artifacts/consumo_drift_sin_stepwise/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	0,73797	Sin alertas
Gini	Desarrollo	0,4759	Sin alertas
KS	Desarrollo	0,3578	Sin alertas
AUC	Holdout	0,6864	Sin alertas
Gini	Holdout	0,3729	Sin alertas
KS	Holdout	0,2758	Sin alertas
AUC	Fuera de tiempo (OOT)	0,71203	Sin alertas
Gini	Fuera de tiempo (OOT)	0,4241	Sin alertas
KS	Fuera de tiempo (OOT)	0,3197	Sin alertas
Peor PSI entre score y PD · score	Desarrollo vs. Holdout	0,0129	Estable
Peor PSI entre score y PD · score	Desarrollo vs. OOT	0,7454	Redesarrollar
Estado técnico de validación formal	consumo_drift_sin_stepwise	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 6 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 sin stepwise: se ajustó con todas las variables seleccionadas.

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 3,3e-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» (0,379), «ingreso_mensual» (0,261) y «utilizacion_linea» (0,1198). 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	6	0,2609	0,0316	0,2727	0,6813	medium	no	no	descending	—
deuda_ingreso	numerical	OPTIMAL	sí	6	0,3787	0,0449	0,3212	0,8687	strong	no	no	ascending	—
utilizacion_linea	numerical	OPTIMAL	sí	6	0,1198	0,0148	0,1901	0,1403	medium	no	no	ascending	—
mora_max_12m	numerical	OPTIMAL	sí	6	0,0815	0,0101	0,1585	0,0339	weak	no	no	ascending	—
antiguedad_meses	numerical	OPTIMAL	sí	6	0,0624	0,0078	0,1365	0,0403	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 0,289004 y el VIF máximo es 1,12.

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	0,0624	weak	0,5683	0,1365	0,1037	—	—	1,01196	—	—	—
deuda_ingreso	deuda_ingreso__woe	sí	included	0,3787	strong	0,6606	0,3212	0,2287	—	—	1,0327	—	—	—
ingreso_mensual	ingreso_mensual__woe	sí	included	0,2609	medium	0,6364	0,2727	0,1936	—	—	1,0048	—	—	—
mora_max_12m	mora_max_12m__woe	sí	included	0,0815	weak	0,5793	0,1585	0,1216	—	—	1,1183	—	—	—
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	0,1198	medium	0,5951	0,1901	0,1467	—	—	1,0987	—	—	—

Factor de inflación de varianza (VIF)

feature	woe_column	vif	removed	reason
deuda_ingreso	deuda_ingreso__woe	1,0327	no	—
ingreso_mensual	ingreso_mensual__woe	1,0048	no	—
utilizacion_linea	utilizacion_linea__woe	1,0987	no	—
mora_max_12m	mora_max_12m__woe	1,1183	no	—
antiguedad_meses	antiguedad_meses__woe	1,01196	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 0,1299.

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	-0,7011	0,0371	-18,8937	< 0,001	-0,7739	-0,6284	—	—	—	—
antiguedad_meses	antiguedad_meses__woe	-0,8981	0,1493	-6,0148	< 0,001	-1,1907	-0,6054	negative	sí	0,0624	0,0691
deuda_ingreso	deuda_ingreso__woe	-0,9613	0,0617	-15,5893	< 0,001	-1,0822	-0,8405	negative	sí	0,3787	0,4192
ingreso_mensual	ingreso_mensual__woe	-1,0319	0,0757	-13,6291	< 0,001	-1,1803	-0,8835	negative	sí	0,2609	0,2889
mora_max_12m	mora_max_12m__woe	-0,3748	0,1353	-2,7705	0,006	-0,63998	-0,1097	negative	sí	0,0815	0,0902
utilizacion_linea	utilizacion_linea__woe	-0,76097	0,11196	-6,7967	< 0,001	-0,9804	-0,5415	negative	sí	0,1198	0,1326

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	-0,8981	-0,1402	92,46297	92	-0,46297	binning_table
antiguedad_meses	antiguedad_meses__woe	≥ 22,5 y < 39,5	1	-0,1904	-0,8981	-0,1402	96,5362	97	0,4638	binning_table
antiguedad_meses	antiguedad_meses__woe	≥ 39,5 y < 73,5	2	0,0649	-0,8981	-0,1402	103,1519	103	-0,1519	binning_table
antiguedad_meses	antiguedad_meses__woe	≥ 73,5 y < 91,5	3	0,1332	-0,8981	-0,1402	104,9223	105	0,0777	binning_table
antiguedad_meses	antiguedad_meses__woe	≥ 91,5 y < 100,5	4	0,3683	-0,8981	-0,1402	111,0135	111	-0,0135	binning_table
antiguedad_meses	antiguedad_meses__woe	≥ 100,5	5	0,4923	-0,8981	-0,1402	114,2269	114	-0,2269	binning_table
antiguedad_meses	antiguedad_meses__woe	Valores especiales	6	0,0000	-0,8981	-0,1402	101,4707	101	-0,4707	binning_table
antiguedad_meses	antiguedad_meses__woe	Faltantes	7	0,0000	-0,8981	-0,1402	101,4707	101	-0,4707	binning_table
deuda_ingreso	deuda_ingreso__woe	< 0,13284999877214432	0	0,9041	-0,9613	-0,1402	126,5475	127	0,4525	binning_table
deuda_ingreso	deuda_ingreso__woe	≥ 0,13284999877214432 y < 0,3037000000476837	1	0,5397	-0,9613	-0,1402	116,4402	116	-0,4402	binning_table
deuda_ingreso	deuda_ingreso__woe	≥ 0,3037000000476837 y < 0,4851499944925308	2	0,0709	-0,9613	-0,1402	103,43798	103	-0,43798	binning_table
deuda_ingreso	deuda_ingreso__woe	≥ 0,4851499944925308 y < 0,7191999852657318	3	-0,1368	-0,9613	-0,1402	97,6766	98	0,3234	binning_table
deuda_ingreso	deuda_ingreso__woe	≥ 0,7191999852657318 y < 1,1252000331878662	4	-0,6934	-0,9613	-0,1402	82,2375	82	-0,2375	binning_table
deuda_ingreso	deuda_ingreso__woe	≥ 1,1252000331878662	5	-1,6439	-0,9613	-0,1402	55,8735	56	0,1265	binning_table
deuda_ingreso	deuda_ingreso__woe	Valores especiales	6	0,0000	-0,9613	-0,1402	101,4707	101	-0,4707	binning_table
deuda_ingreso	deuda_ingreso__woe	Faltantes	7	0,0000	-0,9613	-0,1402	101,4707	101	-0,4707	binning_table
ingreso_mensual	ingreso_mensual__woe	< 278.556,640625	0	-0,7264	-1,0319	-0,1402	79,8417	80	0,1583	binning_table
ingreso_mensual	ingreso_mensual__woe	≥ 278.556,640625 y < 421.137,734375	1	-0,3292	-1,0319	-0,1402	91,6683	92	0,3317	binning_table
ingreso_mensual	ingreso_mensual__woe	≥ 421.137,734375 y < 582.961,90625	2	0,0109	-1,0319	-0,1402	101,79401	102	0,20599	binning_table
ingreso_mensual	ingreso_mensual__woe	≥ 582.961,90625 y < 674.201	3	0,2002	-1,0319	-0,1402	107,4301	107	-0,4301	binning_table
ingreso_mensual	ingreso_mensual__woe	≥ 674.201 y < 1.116.005	4	0,6605	-1,0319	-0,1402	121,1355	121	-0,1355	binning_table
ingreso_mensual	ingreso_mensual__woe	≥ 1.116.005	5	1,39598	-1,0319	-0,1402	143,03501	143	-0,03501	binning_table
ingreso_mensual	ingreso_mensual__woe	Valores especiales	6	0,0000	-1,0319	-0,1402	101,4707	101	-0,4707	binning_table
ingreso_mensual	ingreso_mensual__woe	Faltantes	7	0,0000	-1,0319	-0,1402	101,4707	101	-0,4707	binning_table
mora_max_12m	mora_max_12m__woe	< 4,5	0	0,4132	-0,3748	-0,1402	105,9395	106	0,0605	binning_table
mora_max_12m	mora_max_12m__woe	≥ 4,5 y < 5,5	1	0,3528	-0,3748	-0,1402	105,2861	105	-0,2861	binning_table
mora_max_12m	mora_max_12m__woe	≥ 5,5 y < 6,5	2	0,2292	-0,3748	-0,1402	103,9492	104	0,0508	binning_table
mora_max_12m	mora_max_12m__woe	≥ 6,5 y < 9,5	3	-0,0298	-0,3748	-0,1402	101,14803	101	-0,14803	binning_table
mora_max_12m	mora_max_12m__woe	≥ 9,5 y < 14,5	4	-0,2911	-0,3748	-0,1402	98,3226	98	-0,3226	binning_table
mora_max_12m	mora_max_12m__woe	≥ 14,5	5	-0,4337	-0,3748	-0,1402	96,7799	97	0,2201	binning_table
mora_max_12m	mora_max_12m__woe	Valores especiales	6	0,0000	-0,3748	-0,1402	101,4707	101	-0,4707	binning_table
mora_max_12m	mora_max_12m__woe	Faltantes	7	0,0000	-0,3748	-0,1402	101,4707	101	-0,4707	binning_table
utilizacion_linea	utilizacion_linea__woe	< 0,2722500115633011	0	0,6442	-0,76097	-0,1402	115,6155	116	0,3845	binning_table
utilizacion_linea	utilizacion_linea__woe	≥ 0,2722500115633011 y < 0,32919999957084656	1	0,5371	-0,76097	-0,1402	113,2635	113	-0,2635	binning_table
utilizacion_linea	utilizacion_linea__woe	≥ 0,32919999957084656 y < 0,46559999883174896	2	0,24305	-0,76097	-0,1402	106,8073	107	0,1927	binning_table
utilizacion_linea	utilizacion_linea__woe	≥ 0,46559999883174896 y < 0,5747999846935272	3	0,0312	-0,76097	-0,1402	102,15595	102	-0,15595	binning_table
utilizacion_linea	utilizacion_linea__woe	≥ 0,5747999846935272 y < 0,7735500037670135	4	-0,2337	-0,76097	-0,1402	96,3401	96	-0,3401	binning_table
utilizacion_linea	utilizacion_linea__woe	≥ 0,7735500037670135	5	-0,4317	-0,76097	-0,1402	91,9924	92	0,0076	binning_table
utilizacion_linea	utilizacion_linea__woe	Valores especiales	6	0,0000	-0,76097	-0,1402	101,4707	101	-0,4707	binning_table
utilizacion_linea	utilizacion_linea__woe	Faltantes	7	0,0000	-0,76097	-0,1402	101,4707	101	-0,4707	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 0,73797, Gini 0,4759 y KS 0,3578.

En Holdout el modelo alcanza AUC 0,6864, Gini 0,3729 y KS 0,2758.

En Fuera de tiempo (OOT) el modelo alcanza AUC 0,71203, Gini 0,4241 y KS 0,3197.

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	0,73797	0,4759	0,3578	0,3403	—	0,6669	0,3091	pd_calibrated	ok
holdout	1.000	315	685	0,6864	0,3729	0,2758	0,4122	—	0,4889	0,2131	pd_calibrated	ok
oot	1.045	507	538	0,71203	0,4241	0,3197	0,4742	—	0,6765	0,3569	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	272	124	0,6869	0,3131	0,7106	0,6026	0,9081	459,7955	422,0000	475,0000	396	272	124	0,2073	0,0469	2,0706	0,1604
desarrollo	2	396	217	179	0,54798	0,45202	0,5404	0,4923	0,6026	482,1768	474,0000	488,0000	792	489	303	0,3727	0,1146	1,6519	0,2581
desarrollo	3	396	171	225	0,4318	0,5682	0,4535	0,4166	0,4923	492,2096	487,0000	498,0000	1.188	660	528	0,50305	0,1998	1,3017	0,3033
desarrollo	4	396	173	223	0,4369	0,5631	0,3843	0,3546	0,41601	500,4293	496,0000	505,0000	1.584	833	751	0,6349	0,2841	1,3169	0,3508
desarrollo	5	396	134	262	0,3384	0,6616	0,32698	0,2991	0,3546	507,6035	504,0000	512,0000	1.980	967	1.013	0,73704	0,3833	1,0201	0,3538
desarrollo	6	395	101	294	0,2557	0,7443	0,2723	0,2479	0,2988	515,2228	511,0000	519,0000	2.375	1.068	1.307	0,81402	0,4945	0,7708	0,3195
desarrollo	7	395	92	303	0,2329	0,7671	0,2263	0,2052	0,2479	522,2785	518,0000	527,0000	2.770	1.160	1.610	0,8841	0,6092	0,7021	0,27499
desarrollo	8	395	78	317	0,1975	0,8025	0,18296	0,1616	0,2052	530,0709	525,0000	536,0000	3.165	1.238	1.927	0,9436	0,7291	0,5953	0,2145
desarrollo	9	395	43	352	0,1089	0,8911	0,1391	0,1147	0,1616	539,5772	534,0000	547,0000	3.560	1.281	2.279	0,9764	0,8623	0,3282	0,1141
desarrollo	10	395	31	364	0,0785	0,9215	0,079003	0,0163	0,1145	559,24304	545,0000	606,0000	3.955	1.312	2.643	1,0000	1,0000	0,2366	0,0000
holdout	1	100	67	33	0,6700	0,3300	0,6928	0,5944	0,9152	462,3700	418,0000	476,0000	100	67	33	0,2127	0,0482	2,12698	0,1645
holdout	2	100	46	54	0,4600	0,5400	0,5252	0,4764	0,5926	483,8700	476,0000	490,0000	200	113	87	0,3587	0,12701	1,4603	0,2317
holdout	3	100	41	59	0,4100	0,5900	0,4449	0,4122	0,4752	493,2300	489,0000	498,0000	300	154	146	0,4889	0,2131	1,3016	0,2758
holdout	4	100	25	75	0,2500	0,7500	0,3838	0,3524	0,4121	500,5100	496,0000	505,0000	400	179	221	0,5683	0,3226	0,7937	0,2456
holdout	5	100	28	72	0,2800	0,7200	0,3243	0,2988	0,3513	507,9200	504,0000	512,0000	500	207	293	0,6571	0,4277	0,8889	0,2294
holdout	6	100	29	71	0,2900	0,7100	0,2755	0,2535	0,2988	514,6500	511,0000	519,0000	600	236	364	0,7492	0,5314	0,9206	0,2178
holdout	7	100	31	69	0,3100	0,6900	0,2342	0,2151	0,2535	520,9400	518,0000	526,0000	700	267	433	0,8476	0,6321	0,9841	0,2155
holdout	8	100	20	80	0,2000	0,8000	0,1943	0,1706	0,2149	527,7300	523,0000	533,0000	800	287	513	0,9111	0,7489	0,6349	0,1622
holdout	9	100	21	79	0,2100	0,7900	0,1445	0,1173	0,1704	538,2800	532,0000	546,0000	900	308	592	0,9778	0,8642	0,6667	0,1135
holdout	10	100	7	93	0,0700	0,9300	0,0797	0,0186	0,1173	558,9600	545,0000	602,0000	1.000	315	685	1,0000	1,0000	0,2222	0,0000
oot	1	105	83	22	0,7905	0,2095	0,8327	0,7732	0,9192	439,9714	417,0000	452,0000	105	83	22	0,1637	0,0409	1,6293	0,1228
oot	2	105	74	31	0,7048	0,2952	0,7182	0,6688	0,7731	459,7714	452,0000	466,0000	210	157	53	0,3097	0,0985	1,4526	0,2112
oot	3	105	59	46	0,5619	0,4381	0,6311	0,5956	0,6688	471,4667	466,0000	476,0000	315	216	99	0,42604	0,18401	1,1582	0,24202
oot	4	105	65	40	0,61905	0,38095	0,5679999	0,5431	0,5953	479,0381	476,0000	482,0000	420	281	139	0,5542	0,2584	1,2759	0,2959
oot	5	105	56	49	0,5333	0,4667	0,5111	0,4808	0,5427	485,6095	481,0000	490,0000	525	337	188	0,6647	0,3494	1,0993	0,3153
oot	6	104	43	61	0,4135	0,5865	0,4546	0,4302	0,4808	492,0865	489,0000	495,0000	629	380	249	0,7495	0,4628	0,8522	0,2867
oot	7	104	47	57	0,4519	0,5481	0,3966	0,3664	0,4302	498,8558	494,0000	503,0000	733	427	306	0,8422	0,5688	0,9315	0,2734
oot	8	104	36	68	0,3462	0,6538	0,3379	0,3042	0,3661	506,1923	502,0000	511,0000	837	463	374	0,9132	0,6952	0,7135	0,21805
oot	9	104	27	77	0,2596	0,7404	0,2681	0,2311	0,3033	515,8558	510,0000	522,0000	941	490	451	0,9665	0,8383	0,5351	0,1282
oot	10	104	17	87	0,1635	0,8365	0,18002	0,0544	0,2311	531,3942	521,0000	569,0000	1.045	507	538	1,0000	1,0000	0,3369	0,0000

4.7Estabilidad

El peor PSI entre score y PD en Desarrollo vs. Holdout es 0,0129 (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 0,7454 (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 2,16402.

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	0,0129	0,10	0,25	stable	—
score_psi	dev_vs_oot	score	0,7454	0,10	0,25	redevelop	redesarrollar
pd_psi	dev_vs_holdout	pd_calibrated	0,01205	0,10	0,25	stable	—
pd_psi	dev_vs_oot	pd_calibrated	0,7411	0,10	0,25	redevelop	redesarrollar
csi	dev_vs_holdout	antiguedad_meses__points	0,00903	0,10	0,25	stable	—
csi	dev_vs_oot	antiguedad_meses__points	1,7757	0,10	0,25	redevelop	redesarrollar
csi	dev_vs_holdout	deuda_ingreso__points	0,0102	0,10	0,25	stable	—
csi	dev_vs_oot	deuda_ingreso__points	0,1492	0,10	0,25	review	vigilar
csi	dev_vs_holdout	ingreso_mensual__points	0,0037	0,10	0,25	stable	—
csi	dev_vs_oot	ingreso_mensual__points	0,0838	0,10	0,25	stable	—
csi	dev_vs_holdout	mora_max_12m__points	0,0074	0,10	0,25	stable	—
csi	dev_vs_oot	mora_max_12m__points	2,16402	0,10	0,25	redevelop	redesarrollar
csi	dev_vs_holdout	utilizacion_linea__points	0,0142	0,10	0,25	stable	—
csi	dev_vs_oot	utilizacion_linea__points	0,8858	0,10	0,25	redevelop	redesarrollar
temporal_score	cohort	score	0,7454	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	387	95	0,0979	0,0950	0,000084	0,0129	stable
score_psi	dev_vs_holdout	score	bin_01	394	85	0,0996	0,0850	0,0023	0,0129	stable
score_psi	dev_vs_holdout	score	bin_02	399	112	0,1009	0,1120	0,0012	0,0129	stable
score_psi	dev_vs_holdout	score	bin_03	358	102	0,0905	0,1020	0,0014	0,0129	stable
score_psi	dev_vs_holdout	score	bin_04	397	93	0,1004	0,0930	0,00056	0,0129	stable
score_psi	dev_vs_holdout	score	bin_05	430	126	0,1087	0,1260	0,0025	0,0129	stable
score_psi	dev_vs_holdout	score	bin_06	382	109	0,0966	0,1090	0,0015	0,0129	stable
score_psi	dev_vs_holdout	score	bin_07	380	88	0,0961	0,0880	0,00071	0,0129	stable
score_psi	dev_vs_holdout	score	bin_08	422	91	0,1067	0,0910	0,0025	0,0129	stable
score_psi	dev_vs_holdout	score	bin_09	406	99	0,1027	0,0990	0,00013	0,0129	stable
score_psi	dev_vs_oot	score	bin_00	387	292	0,0979	0,2794	0,1905	0,7454	redevelop
score_psi	dev_vs_oot	score	bin_01	394	213	0,0996	0,2038	0,0746	0,7454	redevelop
score_psi	dev_vs_oot	score	bin_02	399	143	0,1009	0,1368	0,01096	0,7454	redevelop
score_psi	dev_vs_oot	score	bin_03	358	100	0,0905	0,0957	0,00029	0,7454	redevelop
score_psi	dev_vs_oot	score	bin_04	397	85	0,1004	0,0813	0,004004	0,7454	redevelop
score_psi	dev_vs_oot	score	bin_05	430	86	0,1087	0,0823	0,0074	0,7454	redevelop
score_psi	dev_vs_oot	score	bin_06	382	57	0,0966	0,0545	0,02402	0,7454	redevelop
score_psi	dev_vs_oot	score	bin_07	380	36	0,0961	0,0344	0,0632	0,7454	redevelop
score_psi	dev_vs_oot	score	bin_08	422	25	0,1067	0,0239	0,1238	0,7454	redevelop
score_psi	dev_vs_oot	score	bin_09	406	8	0,1027	0,0077	0,2466	0,7454	redevelop
pd_psi	dev_vs_holdout	pd_calibrated	bin_00	396	97	0,1001	0,0970	0,000099	0,01205	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_01	395	86	0,0999	0,0860	0,0021	0,01205	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_02	393	91	0,0994	0,0910	0,00074	0,01205	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_03	398	111	0,1006	0,1110	0,00102	0,01205	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_04	393	116	0,0994	0,1160	0,0026	0,01205	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_05	398	101	0,1006	0,1010	0,0000013	0,01205	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_06	394	104	0,0996	0,1040	0,00019	0,01205	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_07	394	114	0,0996	0,1140	0,0019	0,01205	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_08	397	83	0,1004	0,0830	0,0033	0,01205	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_09	397	97	0,1004	0,0970	0,00012	0,01205	stable
pd_psi	dev_vs_oot	pd_calibrated	bin_00	396	8	0,1001	0,0077	0,2377	0,7411	redevelop
pd_psi	dev_vs_oot	pd_calibrated	bin_01	395	23	0,0999	0,02201	0,1178	0,7411	redevelop
pd_psi	dev_vs_oot	pd_calibrated	bin_02	393	35	0,0994	0,0335	0,0716	0,7411	redevelop
pd_psi	dev_vs_oot	pd_calibrated	bin_03	398	57	0,1006	0,0545	0,0282	0,7411	redevelop
pd_psi	dev_vs_oot	pd_calibrated	bin_04	393	73	0,0994	0,0699	0,0104	0,7411	redevelop
pd_psi	dev_vs_oot	pd_calibrated	bin_05	398	89	0,1006	0,0852	0,0026	0,7411	redevelop
pd_psi	dev_vs_oot	pd_calibrated	bin_06	394	112	0,0996	0,1072	0,00055	0,7411	redevelop
pd_psi	dev_vs_oot	pd_calibrated	bin_07	394	142	0,0996	0,1359	0,0113	0,7411	redevelop
pd_psi	dev_vs_oot	pd_calibrated	bin_08	397	207	0,1004	0,1981	0,0664	0,7411	redevelop
pd_psi	dev_vs_oot	pd_calibrated	bin_09	397	299	0,1004	0,2861	0,1946	0,7411	redevelop
csi	dev_vs_holdout	antiguedad_meses__points	92 puntos	802	234	0,2028	0,2340	0,0045	0,00903	stable
csi	dev_vs_holdout	antiguedad_meses__points	97 puntos	597	156	0,1509	0,1560	0,00017	0,00903	stable
csi	dev_vs_holdout	antiguedad_meses__points	103 puntos	1.285	292	0,3249	0,2920	0,0035	0,00903	stable
csi	dev_vs_holdout	antiguedad_meses__points	105 puntos	657	166	0,1661	0,1660	8,5e-08	0,00903	stable
csi	dev_vs_holdout	antiguedad_meses__points	111 puntos	309	82	0,0781	0,0820	0,00019	0,00903	stable
csi	dev_vs_holdout	antiguedad_meses__points	114 puntos	305	70	0,0771	0,0700	0,00069	0,00903	stable
csi	dev_vs_oot	antiguedad_meses__points	92 puntos	802	250	0,2028	0,2392	0,00603	1,7757	redevelop
csi	dev_vs_oot	antiguedad_meses__points	97 puntos	597	197	0,1509	0,1885	0,0083	1,7757	redevelop
csi	dev_vs_oot	antiguedad_meses__points	103 puntos	1.285	384	0,3249	0,3675	0,0052	1,7757	redevelop
csi	dev_vs_oot	antiguedad_meses__points	105 puntos	657	214	0,1661	0,2048	0,0081	1,7757	redevelop
csi	dev_vs_oot	antiguedad_meses__points	111 puntos	309	0	0,0781	0,0000010	0,8802	1,7757	redevelop
csi	dev_vs_oot	antiguedad_meses__points	114 puntos	305	0	0,0771	0,0000010	0,8678	1,7757	redevelop
csi	dev_vs_holdout	deuda_ingreso__points	56 puntos	207	51	0,0523	0,0510	0,000035	0,0102	stable
csi	dev_vs_holdout	deuda_ingreso__points	82 puntos	574	115	0,1451	0,1150	0,00701	0,0102	stable
csi	dev_vs_holdout	deuda_ingreso__points	98 puntos	794	196	0,2008	0,1960	0,00011	0,0102	stable
csi	dev_vs_holdout	deuda_ingreso__points	103 puntos	895	251	0,2263	0,2510	0,0026	0,0102	stable
csi	dev_vs_holdout	deuda_ingreso__points	116 puntos	1.007	266	0,2546	0,2660	0,000498	0,0102	stable
csi	dev_vs_holdout	deuda_ingreso__points	127 puntos	478	121	0,1209	0,1210	1,6e-07	0,0102	stable
csi	dev_vs_oot	deuda_ingreso__points	56 puntos	207	144	0,0523	0,1378	0,0827	0,1492	review
csi	dev_vs_oot	deuda_ingreso__points	82 puntos	574	200	0,1451	0,1914	0,0128	0,1492	review
csi	dev_vs_oot	deuda_ingreso__points	98 puntos	794	219	0,2008	0,2096	0,00038	0,1492	review
csi	dev_vs_oot	deuda_ingreso__points	103 puntos	895	222	0,2263	0,2124	0,00088	0,1492	review
csi	dev_vs_oot	deuda_ingreso__points	116 puntos	1.007	180	0,2546	0,1722	0,0322	0,1492	review
csi	dev_vs_oot	deuda_ingreso__points	127 puntos	478	80	0,1209	0,0766	0,0202	0,1492	review
csi	dev_vs_holdout	ingreso_mensual__points	80 puntos	537	132	0,1358	0,1320	0,00011	0,0037	stable
csi	dev_vs_holdout	ingreso_mensual__points	92 puntos	992	249	0,2508	0,2490	0,000013	0,0037	stable
csi	dev_vs_holdout	ingreso_mensual__points	102 puntos	999	259	0,2526	0,2590	0,00016	0,0037	stable
csi	dev_vs_holdout	ingreso_mensual__points	107 puntos	398	93	0,1006	0,0930	0,000602	0,0037	stable
csi	dev_vs_holdout	ingreso_mensual__points	121 puntos	828	225	0,2094	0,2250	0,0011	0,0037	stable
csi	dev_vs_holdout	ingreso_mensual__points	143 puntos	201	42	0,0508	0,0420	0,0017	0,0037	stable
csi	dev_vs_oot	ingreso_mensual__points	80 puntos	537	209	0,1358	0,2000	0,0249	0,0838	stable
csi	dev_vs_oot	ingreso_mensual__points	92 puntos	992	325	0,2508	0,311005	0,0129	0,0838	stable
csi	dev_vs_oot	ingreso_mensual__points	102 puntos	999	248	0,2526	0,2373	0,00095	0,0838	stable
csi	dev_vs_oot	ingreso_mensual__points	107 puntos	398	90	0,1006	0,0861	0,0023	0,0838	stable
csi	dev_vs_oot	ingreso_mensual__points	121 puntos	828	139	0,2094	0,13301	0,0346	0,0838	stable
csi	dev_vs_oot	ingreso_mensual__points	143 puntos	201	34	0,0508	0,0325	0,0082	0,0838	stable
csi	dev_vs_holdout	mora_max_12m__points	97 puntos	249	47	0,06296	0,0470	0,0047	0,0074	stable
csi	dev_vs_holdout	mora_max_12m__points	98 puntos	1.095	279	0,2769	0,2790	0,000016	0,0074	stable
csi	dev_vs_holdout	mora_max_12m__points	101 puntos	1.123	281	0,2839	0,2810	0,000031	0,0074	stable
csi	dev_vs_holdout	mora_max_12m__points	104 puntos	424	106	0,1072	0,1060	0,000014	0,0074	stable
csi	dev_vs_holdout	mora_max_12m__points	105 puntos	348	84	0,08799	0,0840	0,00019	0,0074	stable
csi	dev_vs_holdout	mora_max_12m__points	106 puntos	716	203	0,18104	0,2030	0,0025	0,0074	stable
csi	dev_vs_oot	mora_max_12m__points	97 puntos	249	390	0,06296	0,3732	0,5521	2,16402	redevelop
csi	dev_vs_oot	mora_max_12m__points	98 puntos	1.095	516	0,2769	0,4938	0,1255	2,16402	redevelop
csi	dev_vs_oot	mora_max_12m__points	101 puntos	1.123	124	0,2839	0,1187	0,1442	2,16402	redevelop
csi	dev_vs_oot	mora_max_12m__points	104 puntos	424	10	0,1072	0,0096	0,2359	2,16402	redevelop
csi	dev_vs_oot	mora_max_12m__points	105 puntos	348	3	0,08799	0,0029	0,2913	2,16402	redevelop
csi	dev_vs_oot	mora_max_12m__points	106 puntos	716	2	0,18104	0,0019	0,8149	2,16402	redevelop
csi	dev_vs_holdout	utilizacion_linea__points	92 puntos	644	154	0,1628	0,1540	0,00049	0,0142	stable
csi	dev_vs_holdout	utilizacion_linea__points	96 puntos	1.178	348	0,2979	0,3480	0,0078	0,0142	stable
csi	dev_vs_holdout	utilizacion_linea__points	102 puntos	668	169	0,1689	0,1690	5,9e-08	0,0142	stable
csi	dev_vs_holdout	utilizacion_linea__points	107 puntos	753	167	0,1904	0,1670	0,0031	0,0142	stable
csi	dev_vs_holdout	utilizacion_linea__points	113 puntos	209	53	0,0528	0,0530	4,6e-07	0,0142	stable
csi	dev_vs_holdout	utilizacion_linea__points	116 puntos	503	109	0,1272	0,1090	0,0028	0,0142	stable
csi	dev_vs_oot	utilizacion_linea__points	92 puntos	644	461	0,1628	0,4411	0,2774	0,8858	redevelop
csi	dev_vs_oot	utilizacion_linea__points	96 puntos	1.178	391	0,2979	0,3742	0,0174	0,8858	redevelop
csi	dev_vs_oot	utilizacion_linea__points	102 puntos	668	110	0,1689	0,1053	0,0301	0,8858	redevelop
csi	dev_vs_oot	utilizacion_linea__points	107 puntos	753	61	0,1904	0,0584	0,1561	0,8858	redevelop
csi	dev_vs_oot	utilizacion_linea__points	113 puntos	209	15	0,0528	0,0144	0,0502	0,8858	redevelop
csi	dev_vs_oot	utilizacion_linea__points	116 puntos	503	7	0,1272	0,0067	0,3547	0,8858	redevelop

PSI del puntaje por período contra Desarrollo

Período	Operaciones	Puntaje medio	Mediana del puntaje	PD media	PSI	Banda
2023Q1	964	528,3475	527,0000	22,09 %	0,4938	Redesarrollar
2023Q2	973	520,1973	520,0000	26,79 %	0,1551	Revisar
2023Q3	1.001	509,7403	509,0000	33,54 %	0,0186	Estable
2023Q4	987	502,6454	503,0000	38,23 %	0,1133	Revisar
2024Q1	1.030	494,5126	495,0000	44,21 %	0,3835	Redesarrollar
2024Q2	1.045	487,9244	489,0000	49,06 %	0,7454	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 5,11 % a 77,99 %; su promedio en Desarrollo es el ancla de la calibración, 33,17 %.

En Holdout y Fuera de tiempo (OOT) la tasa de malos sigue el orden de los tramos con contraste y ninguno subestima su PD.

El tramo mayor tiene el 23,9 % de Desarrollo (tramo 3); índice de concentración 0,171.

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 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 553 puntos	5,11 %	6,65 %	4,94 %	Verde	7,00 %	7,14 %	Verde	0,57 %	16,67 %	Sin contraste
2	de 532 a 552 puntos	12,37 %	16,61 %	12,33 %	Verde	14,00 %	17,14 %	Ámbar	3,54 %	8,11 %	Verde
3	de 514 a 531 puntos	22,71 %	23,94 %	22,70 %	Verde	25,30 %	26,09 %	Verde	13,40 %	22,86 %	Verde
4	de 505 a 513 puntos	33,34 %	12,21 %	33,33 %	Verde	13,50 %	28,89 %	Verde	9,47 %	36,36 %	Verde
5	de 488 a 504 puntos	43,06 %	20,83 %	43,08 %	Verde	22,20 %	34,68 %	Verde	24,69 %	43,02 %	Verde
6	de 465 a 487 puntos	56,32 %	14,31 %	56,36 %	Verde	13,60 %	54,41 %	Verde	30,14 %	57,78 %	Verde
7	hasta 464 puntos	77,99 %	5,44 %	78,14 %	Verde	4,40 %	68,18 %	Verde	18,18 %	74,74 %	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 553 puntos	6,65 %	4,94 %	5,11 %	99,01 %	90,54 %
Desarrollo	Tramos 1 a 2	desde 532 puntos	23,26 %	10,22 %	10,29 %	92,84 %	68,75 %
Desarrollo	Tramos 1 a 3	desde 514 puntos	47,21 %	16,55 %	16,59 %	76,45 %	41,05 %
Desarrollo	Tramos 1 a 4	desde 505 puntos	59,42 %	20,00 %	20,03 %	64,18 %	28,87 %
Desarrollo	Tramos 1 a 5	desde 488 puntos	80,25 %	25,99 %	26,01 %	37,12 %	11,12 %
Desarrollo	Tramos 1 a 6	desde 465 puntos	94,56 %	30,59 %	30,60 %	12,80 %	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 553 puntos	7,00 %	7,14 %	5,11 %	98,41 %	90,51 %
Holdout	Tramos 1 a 2	desde 532 puntos	21,00 %	13,81 %	9,95 %	90,79 %	73,58 %
Holdout	Tramos 1 a 3	desde 514 puntos	46,30 %	20,52 %	16,92 %	69,84 %	46,28 %
Holdout	Tramos 1 a 4	desde 505 puntos	59,80 %	22,41 %	20,63 %	57,46 %	32,26 %
Holdout	Tramos 1 a 5	desde 488 puntos	82,00 %	25,73 %	26,70 %	33,02 %	11,09 %
Holdout	Tramos 1 a 6	desde 465 puntos	95,60 %	29,81 %	30,91 %	9,52 %	2,04 %
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 553 puntos	0,57 %	16,67 %	5,11 %	99,80 %	99,07 %
Fuera de tiempo (OOT)	Tramos 1 a 2	desde 532 puntos	4,11 %	9,30 %	11,36 %	99,21 %	92,75 %
Fuera de tiempo (OOT)	Tramos 1 a 3	desde 514 puntos	17,51 %	19,67 %	20,04 %	92,90 %	72,68 %
Fuera de tiempo (OOT)	Tramos 1 a 4	desde 505 puntos	26,99 %	25,53 %	24,71 %	85,80 %	60,97 %
Fuera de tiempo (OOT)	Tramos 1 a 5	desde 488 puntos	51,67 %	33,89 %	33,48 %	63,91 %	33,64 %
Fuera de tiempo (OOT)	Tramos 1 a 6	desde 465 puntos	81,82 %	42,69 %	41,89 %	28,01 %	8,92 %
Fuera de tiempo (OOT)	Todos los tramos	todos los puntajes	100,00 %	48,52 %	48,45 %	0,00 %	0,00 %

5Validación formal

La validación formal del modelo «consumo_drift_sin_stepwise» 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	0,73797	0,4759	0,3578	Reusada de la etapa de desempeño	Evaluada
Holdout	1.000	315	0,6864	0,3729	0,2758	Reusada de la etapa de desempeño	Evaluada
Fuera de tiempo (OOT)	1.045	507	0,71203	0,4241	0,3197	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	12,1162	8	0,146	0,05	Pasa	—
Desarrollo	Puntaje de Brier	—	3.955	1.312	0,3317	0,3317	0,1869	—	—	—	Sin veredicto	—
Holdout	Hosmer-Lemeshow	—	1.000	315	0,3299	0,3150	17,2314	8	0,028	0,05	Falla	—
Holdout	Puntaje de Brier	—	1.000	315	0,3299	0,3150	0,1951	—	—	—	Sin veredicto	—
Fuera de tiempo (OOT)	Hosmer-Lemeshow	—	1.045	507	0,4906	0,4852	7,2936	8	0,505	0,05	Pasa	—
Fuera de tiempo (OOT)	Puntaje de Brier	—	1.045	507	0,4906	0,4852	0,2158	—	—	—	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	31,3000	7,8300	7,9100	-0,0800	0,9900	0,0000
2	396	43	55,2000	10,8600	13,9300	-3,0700	0,7800	3,1100
3	396	78	72,6000	19,7000	18,3200	1,3700	1,0750	0,5000
4	396	93	89,8000	23,4800	22,6700	0,8200	1,0360	0,1500
5	396	102	108,1000	25,7600	27,2900	-1,5300	0,9440	0,4700
6	395	133	129,4000	33,6700	32,7600	0,9100	1,0280	0,1500
7	395	175	152,0000	44,3000	38,4900	5,8200	1,1510	5,6400
8	395	169	179,3000	42,7800	45,4000	-2,6100	0,9420	1,0900
9	395	216	213,6000	54,6800	54,0800	0,6000	1,0110	0,0600
10	395	272	280,8000	68,8600	71,0800	-2,2200	0,9690	0,9500

Hosmer-Lemeshow por grupo · Holdout

Grupo	Observaciones	Malos observados	Malos esperados	Tasa observada (%)	PD media (%)	Diferencia (pp)	O/E	Contribución al estadístico
1	100	7	8,0000	7,0000	7,9700	-0,9700	0,8780	0,1300
2	100	21	14,5000	21,0000	14,4500	6,5500	1,4530	3,4700
3	100	20	19,4000	20,0000	19,4300	0,5700	1,0290	0,0200
4	100	30	23,4000	30,0000	23,4200	6,5800	1,2810	2,4100
5	100	30	27,6000	30,0000	27,5500	2,4500	1,0890	0,3000
6	100	28	32,4000	28,0000	32,4300	-4,4300	0,8630	0,9000
7	100	25	38,4000	25,0000	38,3800	-13,3800	0,6510	7,5700
8	100	41	44,5000	41,0000	44,4900	-3,4900	0,9220	0,4900
9	100	46	52,5000	46,0000	52,5200	-6,5200	0,8760	1,7000
10	100	67	69,3000	67,0000	69,2800	-2,2800	0,9670	0,2400

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	17	19,0000	16,1900	18,0500	-1,8600	0,8970	0,2500
2	105	27	28,3000	25,7100	26,9100	-1,2000	0,9550	0,0800
3	105	37	35,6000	35,2400	33,9300	1,3000	1,0380	0,0800
4	105	47	41,9000	44,7600	39,8800	4,8800	1,1220	1,0400
5	105	46	48,0000	43,8100	45,6800	-1,8700	0,9590	0,1500
6	104	55	53,4000	52,8800	51,3700	1,5100	1,0290	0,1000
7	104	65	59,3000	62,5000	56,9700	5,5300	1,0970	1,3000
8	104	57	65,8000	54,8100	63,2900	-8,4800	0,8660	3,2200
9	104	73	74,8000	70,1900	71,9600	-1,7700	0,9750	0,1600
10	104	83	86,7000	79,8100	83,3300	-3,5200	0,9580	0,9300

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	0,0129	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
PSI del score	Desarrollo vs. OOT	score	0,7454	0,10	0,25	Redesarrollar	redesarrollar	Reusado de la etapa de estabilidad	Evaluada	Falla
PSI de la PD	Desarrollo vs. Holdout	pd_calibrated	0,01205	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
PSI de la PD	Desarrollo vs. OOT	pd_calibrated	0,7411	0,10	0,25	Redesarrollar	redesarrollar	Reusado de la etapa de estabilidad	Evaluada	Falla
CSI	Desarrollo vs. Holdout	antiguedad_meses__points	0,00903	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. OOT	antiguedad_meses__points	1,7757	0,10	0,25	Redesarrollar	redesarrollar	Reusado de la etapa de estabilidad	Evaluada	Falla
CSI	Desarrollo vs. Holdout	deuda_ingreso__points	0,0102	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. OOT	deuda_ingreso__points	0,1492	0,10	0,25	Revisar	vigilar	Reusado de la etapa de estabilidad	Evaluada	Revisar
CSI	Desarrollo vs. Holdout	ingreso_mensual__points	0,0037	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. OOT	ingreso_mensual__points	0,0838	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. Holdout	mora_max_12m__points	0,0074	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. OOT	mora_max_12m__points	2,16402	0,10	0,25	Redesarrollar	redesarrollar	Reusado de la etapa de estabilidad	Evaluada	Falla
CSI	Desarrollo vs. Holdout	utilizacion_linea__points	0,0142	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. OOT	utilizacion_linea__points	0,8858	0,10	0,25	Redesarrollar	redesarrollar	Reusado de la etapa de estabilidad	Evaluada	Falla
PSI temporal	Cohorte	score	0,7454	0,10	0,25	Redesarrollar	redesarrollar	Reusado de la etapa de estabilidad	Evaluada	Falla

6Conclusiones y recomendación

Discriminación (AUC): Desarrollo 0,73797, Holdout 0,6864 y Fuera de tiempo (OOT) 0,71203.

Estabilidad (peor PSI entre score y PD): Desarrollo vs. Holdout 0,0129 («Estable»; score) y Desarrollo vs. OOT 0,7454 («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

3e2f2965984fe19f97f205ced60c9ea7aac6611884b2a12a49f5bcf07f803d01

created_at

2026-10-19T14:07:02.454612Z

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 < 73,5	1.285	0,3249	877	408	0,3175	0,0649	0,0014	0,00017
≥ 73,5 y < 91,5	657	0,1661	458	199	0,3029	0,1332	0,0029	0,00036
≥ 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		0,0624	0,0078

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 < 0,4851499944925308	895	0,2263	612	283	0,3162	0,0709	0,0011	0,00014
≥ 0,4851499944925308 y < 0,7191999852657318	794	0,2008	506	288	0,3627	-0,1368	0,0038	0,00048
≥ 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		0,3787	0,0449

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 < 582.961,90625	999	0,2526	670	329	0,3293	0,0109	0,0000297	0,0000037
≥ 582.961,90625 y < 674.201	398	0,1006	283	115	0,2889	0,2002	0,0039	0,00049
≥ 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		0,2609	0,0316

Tabla de binning WoE — variable «mora_max_12m»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 4,5	716	0,18104	539	177	0,2472	0,4132	0,0285	0,0035
≥ 4,5 y < 5,5	348	0,08799	258	90	0,2586	0,3528	0,0102	0,0013
≥ 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		0,0815	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
< 0,2722500115633011	503	0,1272	399	104	0,2068	0,6442	0,0462	0,0057
≥ 0,2722500115633011 y < 0,32919999957084656	209	0,0528	162	47	0,2249	0,5371	0,0137	0,0017
≥ 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		0,1198	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	552,50	no	3.955	3.955	263	263	1.312	2.643	0,0665	0,0494	0,0511	0,9901	0,9054
desarrollo	2	531,50	no	3.955	3.955	920	920	1.312	2.643	0,2326	0,1022	0,1029	0,9284	0,6875
desarrollo	3	513,50	no	3.955	3.955	1.867	1.867	1.312	2.643	0,4721	0,1655	0,1659	0,7645	0,4105
desarrollo	4	504,50	no	3.955	3.955	2.350	2.350	1.312	2.643	0,5942	0,2000	0,2003	0,6418	0,2887
desarrollo	5	487,50	no	3.955	3.955	3.174	3.174	1.312	2.643	0,8025	0,2599	0,2601	0,3712	0,1112
desarrollo	6	464,50	no	3.955	3.955	3.740	3.740	1.312	2.643	0,9456	0,3059	0,30597	0,12805	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	552,50	no	1.000	1.000	70	70	315	685	0,0700	0,0714	0,0511	0,9841	0,9051
holdout	2	531,50	no	1.000	1.000	210	210	315	685	0,2100	0,1381	0,0995	0,9079	0,7358
holdout	3	513,50	no	1.000	1.000	463	463	315	685	0,4630	0,2052	0,1692	0,6984	0,4628
holdout	4	504,50	no	1.000	1.000	598	598	315	685	0,5980	0,2241	0,2063	0,5746	0,3226
holdout	5	487,50	no	1.000	1.000	820	820	315	685	0,8200	0,2573	0,267003	0,3302	0,1109
holdout	6	464,50	no	1.000	1.000	956	956	315	685	0,9560	0,2981	0,3091	0,0952	0,0204
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	552,50	no	1.045	1.045	6	6	507	538	0,0057	0,1667	0,0511	0,99803	0,9907
oot	2	531,50	no	1.045	1.045	43	43	507	538	0,0411	0,09302	0,1136	0,9921	0,9275
oot	3	513,50	no	1.045	1.045	183	183	507	538	0,1751	0,1967	0,2004	0,92899	0,7268
oot	4	504,50	no	1.045	1.045	282	282	507	538	0,2699	0,2553	0,2471	0,85799	0,6097
oot	5	487,50	no	1.045	1.045	540	540	507	538	0,5167	0,3389	0,3348	0,6391	0,3364
oot	6	464,50	no	1.045	1.045	855	855	507	538	0,8182	0,4269	0,4189	0,2801	0,0892
oot	7	—	no	1.045	1.045	1.045	1.045	507	538	1,0000	0,4852	0,4845	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	263	0,0665	263	13	0,0494	0,0511	0,531	green
desarrollo	2	657	0,1661	657	81	0,1233	0,1237	0,507	green
desarrollo	3	947	0,2394	947	215	0,22703	0,2271	0,499	green
desarrollo	4	483	0,1221	483	161	0,3333	0,3334	0,499	green
desarrollo	5	824	0,2083	824	355	0,4308	0,4306	0,494	green
desarrollo	6	566	0,1431	566	319	0,5636	0,5632	0,492	green
desarrollo	7	215	0,0544	215	168	0,7814	0,7799	0,484	green
holdout	1	70	0,0700	70	5	0,0714	0,0511	0,209	green
holdout	2	140	0,1400	140	24	0,1714	0,1237	0,048	amber
holdout	3	253	0,2530	253	66	0,2609	0,2271	0,101	green
holdout	4	135	0,1350	135	39	0,2889	0,3334	0,864	green
holdout	5	222	0,2220	222	77	0,3468	0,4306	0,994	green
holdout	6	136	0,1360	136	74	0,5441	0,5632	0,674	green
holdout	7	44	0,0440	44	30	0,6818	0,7799	0,937	green
oot	1	6	0,0057	6	1	0,1667	0,0511	—	not_evaluable
oot	2	37	0,0354	37	3	0,0811	0,1237	0,777	green
oot	3	140	0,13397	140	32	0,2286	0,2271	0,476	green
oot	4	99	0,0947	99	36	0,3636	0,3334	0,259	green
oot	5	258	0,2469	258	111	0,4302	0,4306	0,503	green
oot	6	315	0,3014	315	182	0,5778	0,5632	0,301	green
oot	7	190	0,1818	190	142	0,7474	0,7799	0,8597	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	552,50	—	desde 553 puntos	0,0511	263	0,0665	13	0,0494	formed
2	531,50	552,50	de 532 a 552 puntos	0,1237	657	0,1661	81	0,1233	formed
3	513,50	531,50	de 514 a 531 puntos	0,2271	947	0,2394	215	0,22703	formed
4	504,50	513,50	de 505 a 513 puntos	0,3334	483	0,1221	161	0,3333	formed
5	487,50	504,50	de 488 a 504 puntos	0,4306	824	0,2083	355	0,4308	formed
6	464,50	487,50	de 465 a 487 puntos	0,5632	566	0,1431	319	0,5636	formed
7	—	464,50	hasta 464 puntos	0,7799	215	0,0544	168	0,7814	formed

Matriz de correlación entre variables

deuda_ingreso__woe	ingreso_mensual__woe	utilizacion_linea__woe	mora_max_12m__woe	antiguedad_meses__woe
1,0000	0,0394	0,1192	0,1534	0,0517
0,0394	1,0000	0,0317	0,0575	0,0241
0,1192	0,0317	1,0000	0,289004	0,0524
0,1534	0,0575	0,289004	1,0000	0,0983
0,0517	0,0241	0,0524	0,0983	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": 6,
  "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": "0,0624",
  "deuda_ingreso": "0,3787",
  "ingreso_mensual": "0,2609",
  "mora_max_12m": "0,0815",
  "segmento": "0,0025",
  "utilizacion_linea": "0,1198"
}

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

0,289004

max_vif_after_selection

1,1183

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": false,
    "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": "4.385,02",
  "bic": "4.422,72",
  "converged": true,
  "llr": "652,9809",
  "llr_p_value": "< 0,001",
  "log_likelihood": "-2.186,51",
  "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": "0,1299"
}

iv_contribution_flags

[]

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": "none",
  "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

3,3e-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": "0,73797",
    "gini": "0,4759",
    "ks": "0,3578"
  },
  "holdout": {
    "auc": "0,6864",
    "gini": "0,3729",
    "ks": "0,2758"
  },
  "oot": {
    "auc": "0,71203",
    "gini": "0,4241",
    "ks": "0,3197"
  }
}

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": "0,0129",
  "dev_vs_oot": "0,7454"
}

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

2,16402

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_sin_stepwise

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",
  "487,50",
  "504,50",
  "513,50",
  "531,50",
  "552,50"
]

delta

-0,0013

diagnostics

{
  "desarrollo": {
    "amber_grades": [],
    "hhi": "0,1711",
    "inversions": [],
    "max_share": "0,2394",
    "max_share_grade": 3,
    "monotonic": true,
    "not_evaluable_grades": [],
    "red_grades": []
  },
  "holdout": {
    "amber_grades": [
      2
    ],
    "hhi": "0,1764",
    "inversions": [],
    "max_share": "0,2530",
    "max_share_grade": 3,
    "monotonic": true,
    "not_evaluable_grades": [],
    "red_grades": []
  },
  "oot": {
    "amber_grades": [],
    "hhi": "0,2131",
    "inversions": [],
    "max_share": "0,3014",
    "max_share_grade": 6,
    "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

[
  "0,0511",
  "0,1237",
  "0,2271",
  "0,3334",
  "0,4306",
  "0,5632",
  "0,7799"
]

samples

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

score_direction

higher_is_lower_risk

solver_status

OPTIMAL

source

formed