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=8ff907caa558c9d480cbcf0f74ed9fe77347d4ab1f399e90ea83c2c7bef94b8b

data_hash=43b7a944f9be20b58f829f5bb3bc11075227c499f6c1df02c21d7f7184c9afd5

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: Pasa

Cifras clave

AUC en Holdout	0,824
Gini en Holdout	0,647
KS en Holdout	0,554
Caída del AUC Desarrollo → Holdout	0,00098 (0,1 %)
Peor PSI entre score y PD	0,0764 (Desarrollo vs. Holdout) → Estable

Qué revisar

⚠ Modelo: Concentra más del 90 % del IV del modelo: x1
⚠ Escala maestra: En Holdout, los tramos 3, 4 y 5 tienen 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/german_fabrica/reports\scorecard_report.html
Informe Word: artifacts/german_fabrica/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	0,8227	Sin alertas
Gini	Desarrollo	0,6455	Sin alertas
KS	Desarrollo	0,5053	Sin alertas
AUC	Holdout	0,8237	Sin alertas
Gini	Holdout	0,6474	Sin alertas
KS	Holdout	0,55403	Sin alertas
Peor PSI entre score y PD · score	Desarrollo vs. Holdout	0,0764	Estable
Estado técnico de validación formal	german_fabrica	0 de 1 prueba fallida	Pasa

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 750 observaciones, 21 variables de entrada y una tasa de incumplimiento de 29,47 %. 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_bayesrisk».

La tasa de incumplimiento observada en la población analizada es de 28,09 %, la tasa no se pudo agrupar en el tiempo porque el archivo no trae columna de fecha ni cohorte declarada y se describieron 20 variables frente al incumplimiento.

El perfilado de calidad de datos no levantó alertas de variables casi constantes, casi únicas ni de alta cardinalidad.

La estabilidad temporal de la tasa de incumplimiento no se evaluó: el archivo no trae un eje temporal que ordenar. El indicador configurado era variación relativa.

La variable objetivo del ejercicio es «target_bayesrisk», 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 de forma aleatoria: Desarrollo 80,00 %, Holdout 20,00 % y OOT 0,00 %.

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	529
malo	221
indeterminado	0
excluido	0

Particiones de modelamiento

Partición	Observaciones	Tasa de incumplimiento
Desarrollo	598	0,2809
Holdout	152	0,3487
Fuera de tiempo (OOT)	0	0,0000
Fuera del ajuste	0	0,0000

Exclusiones aplicadas

Motivo	Exclusiones

2.2Población y calidad de datos

A continuación se reproducen el perfil por tramo de 20 variables descritas y la calidad de datos por columna.

La tasa de incumplimiento no se pudo agrupar en el tiempo: el archivo no trae columna de fecha ni cohorte declarada. El resto del análisis exploratorio —el perfil por tramo de cada variable y la calidad de datos por columna— se hizo igual.

Calidad de datos por columna

col	dtype	cardinality	near_constant	near_unique	high_cardinality
x1	object	4	no	no	no
x2	int64	32	no	no	no
x3	object	5	no	no	no
x4	object	10	no	no	no
x5	int64	569	no	no	no
x6	object	5	no	no	no
x7	object	5	no	no	no
x8	int64	4	no	no	no
x9	object	4	no	no	no
x10	object	3	no	no	no
x11	int64	4	no	no	no
x12	object	4	no	no	no
x13	int64	53	no	no	no
x14	object	3	no	no	no
x15	object	3	no	no	no
x16	int64	4	no	no	no
x17	object	4	no	no	no
x18	int64	2	no	no	no
x19	object	2	no	no	no
x20	object	2	no	no	no
target	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 21 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 20 variables candidatas, 20 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 14 de 20 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 11 de 14 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 28,09 %. El ancla es a través del ciclo (TTC).

El desplazamiento aplicado al intercepto es 8,1e-18, lo que preserva el ordenamiento del score: la calibración corrige el nivel de la PD, no su ranking.

El ajuste se realizó sobre 598 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 20 variables binificadas lo encabezan «x1» (0,454), «x2» (0,286) y «x3» (0,276). 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 5 variables con tendencia ascendente y 2 variables con tendencia descendente, y 13 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
x1	categorical	OPTIMAL	sí	4	0,4536	0,0552	0,3548	0,5514	strong	no	no	—	—
x2	numerical	OPTIMAL	sí	6	0,2857	0,0346	0,2815	0,0927	medium	no	no	ascending	—
x3	categorical	OPTIMAL	sí	4	0,2757	0,0328	0,2500	0,3846	medium	no	no	—	—
x4	categorical	OPTIMAL	sí	7	0,17702	0,0216	0,2222	0,0162	medium	no	no	—	—
x5	numerical	OPTIMAL	sí	4	0,14198	0,0174	0,17299	0,0539	medium	no	no	ascending	—
x6	categorical	OPTIMAL	sí	5	0,1699	0,0206	0,1936	0,0349	medium	no	no	—	—
x7	categorical	OPTIMAL	sí	5	0,1044	0,01295	0,1758	0,00297	medium	no	no	—	—
x8	numerical	OPTIMAL	sí	4	0,0644	0,00797	0,1235	0,0213	weak	no	no	ascending	—
x9	categorical	OPTIMAL	sí	3	0,0175	0,0022	0,0674	0,0047	—	no	no	—	—
x10	categorical	OPTIMAL	sí	2	0,0058	0,00072	0,0175	0,0021	—	no	no	—	—
x11	numerical	OPTIMAL	sí	3	0,0037	0,00047	0,0205	0,0000	—	no	no	ascending	—
x12	categorical	OPTIMAL	sí	4	0,1627	0,01997	0,208998	0,2017	medium	no	no	—	—
x13	numerical	OPTIMAL	sí	3	0,0566	0,00704	0,12301	0,1192	weak	no	no	descending	—
x14	categorical	OPTIMAL	sí	3	0,0986	0,0122	0,1308	0,05599	weak	no	no	—	—
x15	categorical	OPTIMAL	sí	3	0,1149	0,0142	0,1551	0,19698	medium	no	no	—	—
x16	numerical	OPTIMAL	sí	2	0,0079	0,00099	0,0424	0,0135	—	no	no	descending	—
x17	categorical	OPTIMAL	sí	3	0,0239	0,00298	0,0756	0,0328	weak	no	no	—	—
x18	numerical	OPTIMAL	sí	2	0,0018	0,00022	0,0155	0,00095	—	no	no	ascending	—
x19	categorical	OPTIMAL	sí	2	0,0229	0,0029	0,0741	0,0557	weak	no	no	—	—
x20	categorical	OPTIMAL	sí	1	0,0000	0,0000	0,0000	0,0000	—	no	sí	—	—

4.2Selección de variables

Las 14 variables que pasaron el filtro son «x1», «x12», «x13», «x14», «x15», «x17», «x19», «x2», «x3», «x4», «x5», «x6», «x7» y «x8».

Las exclusiones se reparten en 1 por ser constante o no finita y 5 por IV insuficiente.

Tras la selección, la correlación absoluta máxima entre las variables finales es 0,5695 y el VIF máximo es 1,75.

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
x1	x1__woe	sí	included	0,4536	strong	0,6774	0,3548	0,3058	—	—	1,1029	—	—	—
x10	x10__woe	no	low_iv	0,0058	—	0,5087	0,0175	0,0175	—	—	—	—	—	IV 0,0058 < mínimo 0,02
x11	x11__woe	no	low_iv	0,0037	—	0,5102	0,0205	0,0205	—	—	—	—	—	IV 0,0037 < mínimo 0,02
x12	x12__woe	sí	included	0,1627	medium	0,6045	0,208998	0,1467	—	—	1,7488	—	—	—
x13	x13__woe	sí	included	0,0566	weak	0,5615	0,12301	0,0993	—	—	1,1239	—	—	—
x14	x14__woe	sí	included	0,0986	weak	0,5654	0,1308	0,1289	—	—	1,0847	—	—	—
x15	x15__woe	sí	included	0,1149	medium	0,5775	0,1551	0,1461	—	—	1,5146	—	—	—
x16	x16__woe	no	low_iv	0,0079	—	0,5212	0,0424	0,0424	—	—	—	—	—	IV 0,0079 < mínimo 0,02
x17	x17__woe	sí	included	0,0239	weak	0,5378	0,0756	0,0465	—	—	1,2878	—	—	—
x18	x18__woe	no	low_iv	0,0018	—	0,5078	0,0155	0,0155	—	—	—	—	—	IV 0,0018 < mínimo 0,02
x19	x19__woe	sí	included	0,0229	weak	0,5371	0,0741	0,0741	—	—	1,2788	—	—	—
x2	x2__woe	sí	included	0,2857	medium	0,6408	0,2815	0,19695	—	—	1,6039	—	—	—
x20	x20__woe	no	constant_or_nonfinite	0,0000	—	0,5000	0,0000	0,0000	—	—	—	—	—	—
x3	x3__woe	sí	included	0,2757	medium	0,6250	0,2500	0,16999	—	—	1,1347	—	—	—
x4	x4__woe	sí	included	0,17702	medium	0,6111	0,2222	0,1618	—	—	1,0417	—	—	—
x5	x5__woe	sí	included	0,14198	medium	0,5865	0,17299	0,1608	—	—	1,7337	—	—	—
x6	x6__woe	sí	included	0,1699	medium	0,5968	0,1936	0,1698	—	—	1,0507	—	—	—
x7	x7__woe	sí	included	0,1044	medium	0,5879	0,1758	0,1331	—	—	1,1201	—	—	—
x8	x8__woe	sí	included	0,0644	weak	0,5618	0,1235	0,0978	—	—	1,2455	—	—	—
x9	x9__woe	no	low_iv	0,0175	—	0,5337	0,0674	0,0646	—	—	—	—	—	IV 0,0175 < mínimo 0,02

Factor de inflación de varianza (VIF)

feature	woe_column	vif	removed	reason
x1	x1__woe	1,1029	no	—
x2	x2__woe	1,6039	no	—
x3	x3__woe	1,1347	no	—
x4	x4__woe	1,0417	no	—
x6	x6__woe	1,0507	no	—
x12	x12__woe	1,7488	no	—
x5	x5__woe	1,7337	no	—
x15	x15__woe	1,5146	no	—
x7	x7__woe	1,1201	no	—
x14	x14__woe	1,0847	no	—
x8	x8__woe	1,2455	no	—
x13	x13__woe	1,1239	no	—
x17	x17__woe	1,2878	no	—
x19	x19__woe	1,2788	no	—

4.3Modelo PD

El modelo final incluye 11 variables: «x1», «x14», «x15», «x19», «x2», «x3», «x4», «x5», «x6», «x7» y «x8».

En el ajuste in-sample, el optimizador convergió, el ajuste usó 598 observaciones de Desarrollo, de las cuales 168 son incumplimientos y el pseudo-R² de McFadden es 0,2398.

Marcadas por concentrar una contribución excesiva al IV del modelo: «x1».

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	-0,9684	0,1103	-8,7754	< 0,001	-1,1846	-0,7521	—	—	—	—
x1	x1__woe	-0,8161	0,1639	-4,9806	< 0,001	-1,1373	-0,49496	negative	sí	0,4536	0,2376
x14	x14__woe	-0,6871	0,3344	-2,0546	0,0399	-1,3425	-0,0316	negative	sí	0,0986	0,0517
x15	x15__woe	-0,6709	0,3101	-2,1635	0,031	-1,2786	-0,0631	negative	sí	0,1149	0,0602
x19	x19__woe	-1,8605	0,7651	-2,4315	0,015	-3,3601	-0,3608	negative	sí	0,0229	0,01201
x2	x2__woe	-0,6374	0,23903	-2,6664	0,008	-1,1059	-0,1689	negative	sí	0,2857	0,1496
x3	x3__woe	-0,7089	0,2086	-3,39801	< 0,001	-1,1178	-0,30001	negative	sí	0,2757	0,1444
x4	x4__woe	-0,96303	0,2576	-3,73805	< 0,001	-1,46797	-0,4581	negative	sí	0,17702	0,0927
x5	x5__woe	-1,2066	0,3689	-3,27099	0,001	-1,9297	-0,4836	negative	sí	0,14198	0,0744
x6	x6__woe	-0,8905	0,2841	-3,1342	0,002	-1,4473	-0,3336	negative	sí	0,1699	0,08899
x7	x7__woe	-1,0469	0,335002	-3,1251	0,002	-1,7035	-0,3903	negative	sí	0,1044	0,0547
x8	x8__woe	-1,7302	0,4926	-3,5127	< 0,001	-2,6957	-0,7648	negative	sí	0,0644	0,0337

4.4Scorecard

El scorecard asigna puntajes a los tramos de 11 variables.

Scorecard — puntajes por atributo

feature	woe_column	bin_label	bin_index	woe	beta	intercept_share	raw_points	points	rounding_delta	source
x1	x1__woe	A14	0	0,8964	-0,8161	-0,08803	67,93205	68	0,06795	binning_table
x1	x1__woe	A13	1	0,3287	-0,8161	-0,08803	54,5639	55	0,4361	binning_table
x1	x1__woe	A12	2	-0,2765	-0,8161	-0,08803	40,3124	40	-0,3124	binning_table
x1	x1__woe	A11	3	-0,7355	-0,8161	-0,08803	29,50403	30	0,49597	binning_table
x1	x1__woe	Valores especiales	4	0,0000	-0,8161	-0,08803	46,82398	47	0,17602	binning_table
x1	x1__woe	Faltantes	5	0,0000	-0,8161	-0,08803	46,82398	47	0,17602	binning_table
x1	x1__woe	Categorías no vistas → como «A11»	—	-0,7355	-0,8161	-0,08803	29,50403	30	0,49597	binning_table
x14	x14__woe	A143	0	0,1672	-0,6871	-0,08803	50,1379	50	-0,1379	binning_table
x14	x14__woe	A142	1	-0,428996	-0,6871	-0,08803	38,3191	38	-0,3191	binning_table
x14	x14__woe	A141	2	-0,6387	-0,6871	-0,08803	34,1614	34	-0,1614	binning_table
x14	x14__woe	Valores especiales	3	0,0000	-0,6871	-0,08803	46,82398	47	0,17602	binning_table
x14	x14__woe	Faltantes	4	0,0000	-0,6871	-0,08803	46,82398	47	0,17602	binning_table
x14	x14__woe	Categorías no vistas → como «A141»	—	-0,6387	-0,6871	-0,08803	34,1614	34	-0,1614	binning_table
x15	x15__woe	A152	0	0,2118	-0,6709	-0,08803	50,9247	51	0,0753	binning_table
x15	x15__woe	A151	1	-0,3186	-0,6709	-0,08803	40,6558	41	0,3442	binning_table
x15	x15__woe	A153	2	-0,7457	-0,6709	-0,08803	32,38995	32	-0,38995	binning_table
x15	x15__woe	Valores especiales	3	0,0000	-0,6709	-0,08803	46,82398	47	0,17602	binning_table
x15	x15__woe	Faltantes	4	0,0000	-0,6709	-0,08803	46,82398	47	0,17602	binning_table
x15	x15__woe	Categorías no vistas → como «A153»	—	-0,7457	-0,6709	-0,08803	32,38995	32	-0,38995	binning_table
x19	x19__woe	A192	0	0,1857	-1,8605	-0,08803	56,7953	57	0,2047	binning_table
x19	x19__woe	A191	1	-0,1237	-1,8605	-0,08803	40,1828	40	-0,1828	binning_table
x19	x19__woe	Valores especiales	2	0,0000	-1,8605	-0,08803	46,82398	47	0,17602	binning_table
x19	x19__woe	Faltantes	3	0,0000	-1,8605	-0,08803	46,82398	47	0,17602	binning_table
x19	x19__woe	Categorías no vistas → como «A191»	—	-0,1237	-1,8605	-0,08803	40,1828	40	-0,1828	binning_table
x2	x2__woe	< 8,5	0	1,0751	-0,6374	-0,08803	66,5953	67	0,4047	binning_table
x2	x2__woe	≥ 8,5 y < 11,5	1	0,6443	-0,6374	-0,08803	58,67299	59	0,32701	binning_table
x2	x2__woe	≥ 11,5 y < 15,5	2	0,3129	-0,6374	-0,08803	52,5792	53	0,4208	binning_table
x2	x2__woe	≥ 15,5 y < 25,5	3	0,0302	-0,6374	-0,08803	47,3789	47	-0,3789	binning_table
x2	x2__woe	≥ 25,5 y < 31,5	4	-0,3933	-0,6374	-0,08803	39,5914	40	0,4086	binning_table
x2	x2__woe	≥ 31,5	5	-0,8643	-0,6374	-0,08803	30,9288	31	0,0712	binning_table
x2	x2__woe	Valores especiales	6	0,0000	-0,6374	-0,08803	46,82398	47	0,17602	binning_table
x2	x2__woe	Faltantes	7	0,0000	-0,6374	-0,08803	46,82398	47	0,17602	binning_table
x3	x3__woe	A34	0	0,6379	-0,7089	-0,08803	59,8713	60	0,1287	binning_table
x3	x3__woe	A32	1	-0,048003	-0,7089	-0,08803	45,8421	46	0,1579	binning_table
x3	x3__woe	A33	2	-0,3007	-0,7089	-0,08803	40,6725	41	0,3275	binning_table
x3	x3__woe	A30, A31	3	-1,3647	-0,7089	-0,08803	18,9096	19	0,0904	binning_table
x3	x3__woe	Valores especiales	4	0,0000	-0,7089	-0,08803	46,82398	47	0,17602	binning_table
x3	x3__woe	Faltantes	5	0,0000	-0,7089	-0,08803	46,82398	47	0,17602	binning_table
x3	x3__woe	Categorías no vistas → como «A30, A31»	—	-1,3647	-0,7089	-0,08803	18,9096	19	0,0904	binning_table
x4	x4__woe	A41	0	0,9126	-0,96303	-0,08803	72,1814	72	-0,1814	binning_table
x4	x4__woe	A43	1	0,3321	-0,96303	-0,08803	56,05102	56	-0,05102	binning_table
x4	x4__woe	A45, A42	2	0,0063	-0,96303	-0,08803	46,9997	47	0,00034	binning_table
x4	x4__woe	A40	3	-0,2892	-0,96303	-0,08803	38,78703	39	0,21297	binning_table
x4	x4__woe	A49	4	-0,3173	-0,96303	-0,08803	38,0074	38	-0,0074	binning_table
x4	x4__woe	A46	5	-0,9398	-0,96303	-0,08803	20,7091	21	0,2909	binning_table
x4	x4__woe	A44, A410, A48	6	0,0898	-0,96303	-0,08803	49,3192	49	-0,3192	binning_table
x4	x4__woe	Valores especiales	7	0,0000	-0,96303	-0,08803	46,82398	47	0,17602	binning_table
x4	x4__woe	Faltantes	8	0,0000	-0,96303	-0,08803	46,82398	47	0,17602	binning_table
x4	x4__woe	Categorías no vistas → como «A46»	—	-0,9398	-0,96303	-0,08803	20,7091	21	0,2909	binning_table
x5	x5__woe	< 1.766,5	0	0,24802	-1,2066	-0,08803	55,4592	55	-0,4592	binning_table
x5	x5__woe	≥ 1.766,5 y < 3.998	1	0,2045	-1,2066	-0,08803	53,9444	54	0,0556	binning_table
x5	x5__woe	≥ 3.998 y < 7.760,5	2	-0,4543	-1,2066	-0,08803	31,0064	31	-0,0064	binning_table
x5	x5__woe	≥ 7.760,5	3	-0,8933	-1,2066	-0,08803	15,7223	16	0,2777	binning_table
x5	x5__woe	Valores especiales	4	0,0000	-1,2066	-0,08803	46,82398	47	0,17602	binning_table
x5	x5__woe	Faltantes	5	0,0000	-1,2066	-0,08803	46,82398	47	0,17602	binning_table
x6	x6__woe	A64	0	1,2938	-0,8905	-0,08803	80,0653	80	-0,0653	binning_table
x6	x6__woe	A63	1	0,6108	-0,8905	-0,08803	62,5169	63	0,4831	binning_table
x6	x6__woe	A65	2	0,4786	-0,8905	-0,08803	59,1198	59	-0,1198	binning_table
x6	x6__woe	A62	3	0,0336	-0,8905	-0,08803	47,68799	48	0,31201	binning_table
x6	x6__woe	A61	4	-0,2768	-0,8905	-0,08803	39,7125	40	0,2875	binning_table
x6	x6__woe	Valores especiales	5	0,0000	-0,8905	-0,08803	46,82398	47	0,17602	binning_table
x6	x6__woe	Faltantes	6	0,0000	-0,8905	-0,08803	46,82398	47	0,17602	binning_table
x6	x6__woe	Categorías no vistas → como «A61»	—	-0,2768	-0,8905	-0,08803	39,7125	40	0,2875	binning_table
x7	x7__woe	A74	0	0,39995	-1,0469	-0,08803	58,9054	59	0,0946	binning_table
x7	x7__woe	A75	1	0,2999	-1,0469	-0,08803	55,8822	56	0,1178	binning_table
x7	x7__woe	A73	2	-0,03695	-1,0469	-0,08803	45,7077	46	0,2923	binning_table
x7	x7__woe	A72	3	-0,4732	-1,0469	-0,08803	32,5299	33	0,4701	binning_table
x7	x7__woe	A71	4	-0,4935	-1,0469	-0,08803	31,9157	32	0,0843	binning_table
x7	x7__woe	Valores especiales	5	0,0000	-1,0469	-0,08803	46,82398	47	0,17602	binning_table
x7	x7__woe	Faltantes	6	0,0000	-1,0469	-0,08803	46,82398	47	0,17602	binning_table
x7	x7__woe	Categorías no vistas → como «A71»	—	-0,4935	-1,0469	-0,08803	31,9157	32	0,0843	binning_table
x8	x8__woe	< 1,5	0	0,6108	-1,7302	-0,08803	77,3166	77	-0,3166	binning_table
x8	x8__woe	≥ 1,5 y < 2,5	1	0,1032	-1,7302	-0,08803	51,9772	52	0,0228	binning_table
x8	x8__woe	≥ 2,5 y < 3,5	2	0,0253	-1,7302	-0,08803	48,0851	48	-0,0851	binning_table
x8	x8__woe	≥ 3,5	3	-0,1943	-1,7302	-0,08803	37,1234	37	-0,1234	binning_table
x8	x8__woe	Valores especiales	4	0,0000	-1,7302	-0,08803	46,82398	47	0,17602	binning_table
x8	x8__woe	Faltantes	5	0,0000	-1,7302	-0,08803	46,82398	47	0,17602	binning_table

4.5Calibración

En Desarrollo, la PD media calibrada es 28,09 %, frente a 28,09 % antes de calibrar, contra una tasa de incumplimiento observada de 28,09 %.

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 0,8227, Gini 0,6455 y KS 0,5053.

En Holdout el modelo alcanza AUC 0,8237, Gini 0,6474 y KS 0,55403.

La tabla de desempeño usa hasta 10 tramos de riesgo configurados, ordenados por la PD calibrada. Los tramos efectivos por partición fueron Desarrollo: 10 y Holdout: 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	598	168	430	0,8227	0,6455	0,5053	0,26601	—	0,7798	0,2744	pd_calibrated	ok
holdout	152	53	99	0,8237	0,6474	0,55403	0,3043	—	0,7358	0,1818	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	60	43	17	0,7167	0,2833	0,7585	0,6595	0,9531	452,6833	401,0000	468,0000	60	43	17	0,25595	0,0395	2,55099	0,2164
desarrollo	2	60	39	21	0,6500	0,3500	0,5827	0,5194	0,6583	478,0667	469,0000	485,0000	120	82	38	0,4881	0,0884	2,3137	0,3997
desarrollo	3	60	26	34	0,4333	0,5667	0,4383	0,364001	0,5168	495,0167	485,0000	505,0000	180	108	72	0,6429	0,1674	1,5425	0,4754
desarrollo	4	60	19	41	0,3167	0,6833	0,3266	0,2798	0,3632	508,5333	503,0000	516,0000	240	127	113	0,75595	0,2628	1,1272	0,4932
desarrollo	5	60	15	45	0,2500	0,7500	0,2355	0,2003	0,2794	521,6000	514,0000	527,0000	300	142	158	0,8452	0,3674	0,8899	0,4778
desarrollo	6	60	13	47	0,2167	0,7833	0,1746	0,1473	0,19999	532,4167	527,0000	539,0000	360	155	205	0,9226	0,4767	0,7712	0,4459
desarrollo	7	60	3	57	0,0500	0,9500	0,1245	0,10496	0,147004	544,0500	538,0000	550,0000	420	158	262	0,9405	0,6093	0,17798	0,3312
desarrollo	8	60	3	57	0,0500	0,9500	0,0864	0,0674	0,1048	555,8000	549,0000	562,0000	480	161	319	0,9583	0,7419	0,17798	0,2165
desarrollo	9	59	7	52	0,1186	0,8814	0,0526	0,0372	0,0668	571,4407	564,0000	582,0000	539	168	371	1,0000	0,8628	0,4223	0,1372
desarrollo	10	59	0	59	0,0000	1,0000	0,0215	0,0049	0,03704	600,5763	581,0000	641,0000	598	168	430	1,0000	1,0000	0,0000	0,0000
holdout	1	16	13	3	0,8125	0,1875	0,8235	0,6999	0,9319	440,2500	412,0000	464,0000	16	13	3	0,2453	0,0303	2,3302	0,21498
holdout	2	16	11	5	0,6875	0,3125	0,58103	0,4453	0,6921	478,1875	464,0000	494,0000	32	24	8	0,4528	0,0808	1,9717	0,37202
holdout	3	15	10	5	0,6667	0,3333	0,3909	0,3502	0,4452	500,2667	493,0000	505,0000	47	34	13	0,6415	0,1313	1,9119	0,5102
holdout	4	15	5	10	0,3333	0,6667	0,3124	0,2765	0,34996	510,4000	506,0000	515,0000	62	39	23	0,7358	0,2323	0,95597	0,5035
holdout	5	15	4	11	0,2667	0,7333	0,2449	0,2185	0,27602	520,1333	515,0000	524,0000	77	43	34	0,8113	0,3434	0,7648	0,4679
holdout	6	15	5	10	0,3333	0,6667	0,1961	0,1771	0,2174	528,5333	525,0000	532,0000	92	48	44	0,9057	0,4444	0,95597	0,4612
holdout	7	15	0	15	0,0000	1,0000	0,1398	0,1108	0,1701	540,2000	532,0000	547,0000	107	48	59	0,9057	0,59596	0,0000	0,3097
holdout	8	15	3	12	0,2000	0,8000	0,0905	0,0755	0,1071	554,2000	549,0000	559,0000	122	51	71	0,9623	0,7172	0,5736	0,2451
holdout	9	15	1	14	0,0667	0,9333	0,0576	0,0394	0,0748	568,8000	560,0000	580,0000	137	52	85	0,9811	0,8586	0,1912	0,1225
holdout	10	15	1	14	0,0667	0,9333	0,0249	0,0058	0,0391	596,8667	580,0000	636,0000	152	53	99	1,0000	1,0000	0,1912	0,0000

4.7Estabilidad

El peor PSI entre score y PD en Desarrollo vs. Holdout es 0,0764 (banda «Estable»); corresponde al score. La distribución de la magnitud ganadora se mantiene, de modo que no hay desplazamiento poblacional.

A nivel de variable, el mayor CSI corresponde a «x3__points» con 0,0444.

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	0,0764	0,10	0,25	stable	—
pd_psi	dev_vs_holdout	pd_calibrated	0,0612	0,10	0,25	stable	—
csi	dev_vs_holdout	x14__points	0,0105	0,10	0,25	stable	—
csi	dev_vs_holdout	x15__points	0,0044	0,10	0,25	stable	—
csi	dev_vs_holdout	x19__points	0,0024	0,10	0,25	stable	—
csi	dev_vs_holdout	x1__points	0,0396	0,10	0,25	stable	—
csi	dev_vs_holdout	x2__points	0,0287	0,10	0,25	stable	—
csi	dev_vs_holdout	x3__points	0,0444	0,10	0,25	stable	—
csi	dev_vs_holdout	x4__points	0,04196	0,10	0,25	stable	—
csi	dev_vs_holdout	x5__points	0,0264	0,10	0,25	stable	—
csi	dev_vs_holdout	x6__points	0,0054	0,10	0,25	stable	—
csi	dev_vs_holdout	x7__points	0,0114	0,10	0,25	stable	—
csi	dev_vs_holdout	x8__points	0,0167	0,10	0,25	stable	—

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	60	19	0,1003	0,1250	0,0054	0,0764	stable
score_psi	dev_vs_holdout	score	bin_01	55	8	0,09197	0,0526	0,02196	0,0764	stable
score_psi	dev_vs_holdout	score	bin_02	64	18	0,10702	0,1184	0,0012	0,0764	stable
score_psi	dev_vs_holdout	score	bin_03	57	15	0,0953	0,0987	0,00012	0,0764	stable
score_psi	dev_vs_holdout	score	bin_04	56	20	0,0936	0,1316	0,0129	0,0764	stable
score_psi	dev_vs_holdout	score	bin_05	62	18	0,1037	0,1184	0,00196	0,0764	stable
score_psi	dev_vs_holdout	score	bin_06	60	9	0,1003	0,0592	0,0217	0,0764	stable
score_psi	dev_vs_holdout	score	bin_07	61	19	0,10201	0,1250	0,0047	0,0764	stable
score_psi	dev_vs_holdout	score	bin_08	63	13	0,1054	0,0855	0,0041	0,0764	stable
score_psi	dev_vs_holdout	score	bin_09	60	13	0,1003	0,0855	0,0024	0,0764	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_00	60	13	0,1003	0,0855	0,0024	0,0612	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_01	60	13	0,1003	0,0855	0,0024	0,0612	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_02	60	17	0,1003	0,1118	0,0012	0,0612	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_03	59	11	0,0987	0,0724	0,0081	0,0612	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_04	60	16	0,1003	0,1053	0,00024	0,0612	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_05	60	22	0,1003	0,1447	0,0163	0,0612	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_06	59	14	0,0987	0,0921	0,00045	0,0612	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_07	60	18	0,1003	0,1184	0,002998	0,0612	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_08	60	9	0,1003	0,0592	0,0217	0,0612	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_09	60	19	0,1003	0,1250	0,0054	0,0612	stable
csi	dev_vs_holdout	x14__points	34 puntos	87	23	0,1455	0,1513	0,00023	0,0105	stable
csi	dev_vs_holdout	x14__points	38 puntos	32	5	0,0535	0,0329	0,01003	0,0105	stable
csi	dev_vs_holdout	x14__points	50 puntos	479	124	0,801003	0,8158	0,00027	0,0105	stable
csi	dev_vs_holdout	x15__points	32 puntos	62	16	0,1037	0,1053	0,000024	0,0044	stable
csi	dev_vs_holdout	x15__points	41 puntos	103	30	0,1722	0,1974	0,0034	0,0044	stable
csi	dev_vs_holdout	x15__points	51 puntos	433	106	0,7241	0,6974	0,001004	0,0044	stable
csi	dev_vs_holdout	x19__points	40 puntos	349	85	0,5836	0,5592	0,00104	0,0024	stable
csi	dev_vs_holdout	x19__points	57 puntos	249	67	0,4164	0,4408	0,0014	0,0024	stable
csi	dev_vs_holdout	x1__points	30 puntos	167	38	0,2793	0,2500	0,0032	0,0396	stable
csi	dev_vs_holdout	x1__points	40 puntos	150	46	0,2508	0,3026	0,0097	0,0396	stable
csi	dev_vs_holdout	x1__points	55 puntos	41	5	0,0686	0,0329	0,0262	0,0396	stable
csi	dev_vs_holdout	x1__points	68 puntos	240	63	0,4013	0,4145	0,00042	0,0396	stable
csi	dev_vs_holdout	x2__points	31 puntos	106	29	0,1773	0,1908	0,000996	0,0287	stable
csi	dev_vs_holdout	x2__points	40 puntos	30	12	0,0502	0,0789	0,01305	0,0287	stable
csi	dev_vs_holdout	x2__points	47 puntos	211	50	0,3528	0,3289	0,0017	0,0287	stable
csi	dev_vs_holdout	x2__points	53 puntos	153	32	0,2559	0,2105	0,0088	0,0287	stable
csi	dev_vs_holdout	x2__points	59 puntos	47	14	0,0786	0,0921	0,0021	0,0287	stable
csi	dev_vs_holdout	x2__points	67 puntos	51	15	0,0853	0,0987	0,00196	0,0287	stable
csi	dev_vs_holdout	x3__points	19 puntos	43	20	0,0719	0,1316	0,0361	0,0444	stable
csi	dev_vs_holdout	x3__points	41 puntos	55	12	0,09197	0,0789	0,00199	0,0444	stable
csi	dev_vs_holdout	x3__points	46 puntos	313	79	0,5234	0,5197	0,000026	0,0444	stable
csi	dev_vs_holdout	x3__points	60 puntos	187	41	0,3127	0,2697	0,0064	0,0444	stable
csi	dev_vs_holdout	x4__points	21 puntos	30	7	0,0502	0,0461	0,00035	0,04196	stable
csi	dev_vs_holdout	x4__points	38 puntos	63	14	0,1054	0,0921	0,0018	0,04196	stable
csi	dev_vs_holdout	x4__points	39 puntos	140	32	0,2341	0,2105	0,0025	0,04196	stable
csi	dev_vs_holdout	x4__points	47 puntos	118	38	0,1973	0,2500	0,0125	0,04196	stable
csi	dev_vs_holdout	x4__points	49 puntos	19	8	0,0318	0,0526	0,0105	0,04196	stable
csi	dev_vs_holdout	x4__points	56 puntos	169	35	0,2826	0,2303	0,0107	0,04196	stable
csi	dev_vs_holdout	x4__points	72 puntos	59	18	0,0987	0,1184	0,0036	0,04196	stable
csi	dev_vs_holdout	x5__points	16 puntos	43	18	0,0719	0,1184	0,0232	0,0264	stable
csi	dev_vs_holdout	x5__points	31 puntos	105	26	0,1756	0,1711	0,00012	0,0264	stable
csi	dev_vs_holdout	x5__points	54 puntos	236	55	0,3946	0,3618	0,0028	0,0264	stable
csi	dev_vs_holdout	x5__points	55 puntos	214	53	0,3579	0,3487	0,00024	0,0264	stable
csi	dev_vs_holdout	x6__points	40 puntos	347	93	0,5803	0,6118	0,0017	0,0054	stable
csi	dev_vs_holdout	x6__points	48 puntos	62	16	0,1037	0,1053	0,000024	0,0054	stable
csi	dev_vs_holdout	x6__points	59 puntos	118	27	0,1973	0,1776	0,0021	0,0054	stable
csi	dev_vs_holdout	x6__points	63 puntos	40	9	0,0669	0,0592	0,00094	0,0054	stable
csi	dev_vs_holdout	x6__points	80 puntos	31	7	0,0518	0,0461	0,00068	0,0054	stable
csi	dev_vs_holdout	x7__points	32 puntos	41	9	0,0686	0,0592	0,0014	0,0114	stable
csi	dev_vs_holdout	x7__points	33 puntos	96	28	0,1605	0,1842	0,0033	0,0114	stable
csi	dev_vs_holdout	x7__points	46 puntos	208	47	0,3478	0,3092	0,0045	0,0114	stable
csi	dev_vs_holdout	x7__points	56 puntos	147	41	0,2458	0,2697	0,0022	0,0114	stable
csi	dev_vs_holdout	x7__points	59 puntos	106	27	0,1773	0,1776	7,9e-07	0,0114	stable
csi	dev_vs_holdout	x8__points	37 puntos	289	70	0,4833	0,4605	0,0011	0,0167	stable
csi	dev_vs_holdout	x8__points	48 puntos	87	26	0,1455	0,1711	0,0041	0,0167	stable
csi	dev_vs_holdout	x8__points	52 puntos	142	31	0,2375	0,2039	0,0051	0,0167	stable
csi	dev_vs_holdout	x8__points	77 puntos	80	25	0,1338	0,1645	0,0063	0,0167	stable

4.8Escala maestra y puntos de corte

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

PD del tramo de 5,44 % a 73,80 %; su promedio en Desarrollo es el ancla de la calibración, 28,09 %.

En Holdout la tasa de malos sigue el orden de los tramos con contraste y ninguno subestima su PD.

El tramo mayor tiene el 38,0 % de Desarrollo (tramo 1); índice de concentración 0,246.

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, los tramos 3, 4 y 5 tienen 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
1	desde 541 puntos	5,44 %	37,96 %	5,29 %	Verde	34,87 %	9,43 %	Verde
2	de 517 a 540 puntos	20,61 %	20,40 %	20,49 %	Verde	22,37 %	23,53 %	Verde
3	de 503 a 516 puntos	34,29 %	12,21 %	34,25 %	Verde	15,13 %	39,13 %	Sin contraste
4	de 472 a 502 puntos	50,75 %	17,73 %	50,94 %	Verde	13,82 %	66,67 %	Sin contraste
5	hasta 471 puntos	73,80 %	11,71 %	74,29 %	Verde	13,82 %	80,95 %	Sin contraste

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 541 puntos	37,96 %	5,29 %	5,44 %	92,86 %	50,00 %
Desarrollo	Tramos 1 a 2	desde 517 puntos	58,36 %	10,60 %	10,75 %	77,98 %	27,44 %
Desarrollo	Tramos 1 a 3	desde 503 puntos	70,57 %	14,69 %	14,82 %	63,10 %	16,28 %
Desarrollo	Tramos 1 a 4	desde 472 puntos	88,29 %	21,97 %	22,03 %	30,95 %	4,19 %
Desarrollo	Todos los tramos	todos los puntajes	100,00 %	28,09 %	28,09 %	0,00 %	0,00 %
Holdout	Tramos 1 a 1	desde 541 puntos	34,87 %	9,43 %	5,44 %	90,57 %	51,52 %
Holdout	Tramos 1 a 2	desde 517 puntos	57,24 %	14,94 %	11,37 %	75,47 %	25,25 %
Holdout	Tramos 1 a 3	desde 503 puntos	72,37 %	20,00 %	16,17 %	58,49 %	11,11 %
Holdout	Tramos 1 a 4	desde 472 puntos	86,18 %	27,48 %	21,71 %	32,08 %	4,04 %
Holdout	Todos los tramos	todos los puntajes	100,00 %	34,87 %	28,91 %	0,00 %	0,00 %

5Validación formal

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

El resultado registra 1 prueba, de las cuales 0 quedaron fallidas. 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: 2.

Validación formal — discriminación

partition	n_total	n_bad	auc	gini	ks	source	status
Desarrollo	598	168	0,8227	0,6455	0,5053	Reusada de la etapa de desempeño	Evaluada
Holdout	152	53	0,8237	0,6474	0,55403	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 publicadas: 4; 1 sin veredicto.

Hosmer-Lemeshow no se evaluó en la muestra Holdout: un grupo de PD quedó bajo el mínimo de operaciones (con 152 operaciones en 10 grupos de PD, el grupo de PD más chico quedó con 15 operaciones, bajo el mínimo de 30).

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	—	598	168	0,2809	0,2809	12,1806	8	0,143	0,05	Pasa	—
Desarrollo	Puntaje de Brier	—	598	168	0,2809	0,2809	0,14699	—	—	—	Sin veredicto	—
Holdout	Hosmer-Lemeshow	—	152	53	0,2916	0,3487	—	8	—	—	Sin veredicto	—
Holdout	Puntaje de Brier	—	152	53	0,2916	0,3487	0,1665	—	—	—	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	60	0	1,3000	0,0000	2,1800	-2,1800	0,0000	1,3400
2	60	7	3,2000	11,6700	5,3400	6,3300	2,1860	4,7600
3	60	3	5,3000	5,0000	8,7600	-3,7600	0,5710	1,0600
4	60	3	7,6000	5,0000	12,5900	-7,5900	0,3970	3,1400
5	60	13	10,6000	21,6700	17,6400	4,0200	1,2280	0,6700
6	60	15	14,3000	25,0000	23,8100	1,1900	1,0500	0,0500
7	60	20	19,8000	33,3300	32,9500	0,3900	1,0120	0,0000
8	60	26	26,6000	43,3300	44,3500	-1,0200	0,9770	0,0300
9	59	38	34,6000	64,4100	58,6100	5,8000	1,0990	0,8200
10	59	43	44,8000	72,8800	76,0200	-3,1300	0,9590	0,3200

5.3Estabilidad

La tabla reproduce PSI/estabilidad, umbrales, banda, acción y la decisión que dejó la validación. Filas evaluadas: 13.

Validación formal — estabilidad

metric	comparison	feature	value	stable_threshold	review_threshold	band	action	source	status	decision
PSI del score	Desarrollo vs. Holdout	score	0,0764	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
PSI de la PD	Desarrollo vs. Holdout	pd_calibrated	0,0612	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. Holdout	x14__points	0,0105	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. Holdout	x15__points	0,0044	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. Holdout	x19__points	0,0024	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. Holdout	x1__points	0,0396	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. Holdout	x2__points	0,0287	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. Holdout	x3__points	0,0444	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. Holdout	x4__points	0,04196	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. Holdout	x5__points	0,0264	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. Holdout	x6__points	0,0054	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. Holdout	x7__points	0,0114	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. Holdout	x8__points	0,0167	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa

6Conclusiones y recomendación

Discriminación (AUC): Desarrollo 0,8227 y Holdout 0,8237.

Estabilidad (peor PSI entre score y PD): Desarrollo vs. Holdout 0,0764 («Estable»; score).

Calibración: la PD media calibrada en Desarrollo (28,09 %) se contrasta con la tasa observada (28,09 %).

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

8ff907caa558c9d480cbcf0f74ed9fe77347d4ab1f399e90ea83c2c7bef94b8b

created_at

2026-10-19T14:00:01.273091Z

data_hash

43b7a944f9be20b58f829f5bb3bc11075227c499f6c1df02c21d7f7184c9afd5

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

d41688a64092ab4fe954a4623f0a637fe00e44f3b8d1ab76a8c7cfd837b4fb37

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.univariate.profiles.x1",
  "eda.univariate.profiles.x10",
  "eda.univariate.profiles.x11",
  "eda.univariate.profiles.x12",
  "eda.univariate.profiles.x13",
  "eda.univariate.profiles.x14",
  "eda.univariate.profiles.x15",
  "eda.univariate.profiles.x16",
  "eda.univariate.profiles.x17",
  "eda.univariate.profiles.x18",
  "eda.univariate.profiles.x19",
  "eda.univariate.profiles.x2",
  "eda.univariate.profiles.x20",
  "eda.univariate.profiles.x3",
  "eda.univariate.profiles.x4",
  "eda.univariate.profiles.x5",
  "eda.univariate.profiles.x6",
  "eda.univariate.profiles.x7",
  "eda.univariate.profiles.x8",
  "eda.univariate.profiles.x9",
  "eda.quality.by_column",
  "binning.tables.x1",
  "binning.tables.x10",
  "binning.tables.x11",
  "binning.tables.x12",
  "binning.tables.x13",
  "binning.tables.x14",
  "binning.tables.x15",
  "binning.tables.x16",
  "binning.tables.x17",
  "binning.tables.x18",
  "binning.tables.x19",
  "binning.tables.x2",
  "binning.tables.x20",
  "binning.tables.x3",
  "binning.tables.x4",
  "binning.tables.x5",
  "binning.tables.x6",
  "binning.tables.x7",
  "binning.tables.x8",
  "binning.tables.x9",
  "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",
  "master_scale.scale",
  "master_scale.cutoffs"
]

Tabla de binning WoE — variable «x1»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
A14	240	0,4013	207	33	0,1375	0,8964	0,2554	0,0309
A13	41	0,0686	32	9	0,2195	0,3287	0,0069	0,00085
A12	150	0,2508	99	51	0,3400	-0,2765	0,0203	0,0025
A11	167	0,2793	92	75	0,4491	-0,7355	0,17099	0,0209
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
	598	1,0000	430	168	0,2809		0,4536	0,0552

Tabla de binning WoE — variable «x10»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
A103	36	0,0602	28	8	0,2222	0,3129	0,0055	0,00068
A101, A102	562	0,9398	402	160	0,2847	-0,0185	0,00032	0,000041
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
	598	1,0000	430	168	0,2809		0,0058	0,00072

Tabla de binning WoE — variable «x11»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 1,5	80	0,1338	60	20	0,2500	0,1588	0,0033	0,00041
≥ 1,5 y < 3,5	259	0,4331	185	74	0,2857	-0,0235	0,00024	0,0000301
≥ 3,5	259	0,4331	185	74	0,2857	-0,0235	0,00024	0,0000301
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
	598	1,0000	430	168	0,2809		0,0037	0,00047

Tabla de binning WoE — variable «x12»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
A121	173	0,2893	139	34	0,1965	0,4683	0,0566	0,00701
A122	125	0,20903	93	32	0,2560	0,12704	0,0033	0,00041
A123	208	0,3478	148	60	0,2885	-0,03695	0,00048	0,0000598
A124	92	0,1538	50	42	0,4565	-0,7655	0,1024	0,0125
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
	598	1,0000	430	168	0,2809		0,1627	0,01997

Tabla de binning WoE — variable «x13»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 25,5	113	0,18896	71	42	0,3717	-0,4148	0,0352	0,0044
≥ 25,5 y < 33,5	186	0,31104	132	54	0,2903	-0,046003	0,00066	0,000083
≥ 33,5	299	0,5000	227	72	0,2408	0,2085	0,0207	0,0026
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
	598	1,0000	430	168	0,2809		0,0566	0,00704

Tabla de binning WoE — variable «x14»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
A143	479	0,801003	360	119	0,2484	0,1672	0,0215	0,0027
A142	32	0,0535	20	12	0,3750	-0,428996	0,0107	0,0013
A141	87	0,1455	50	37	0,4253	-0,6387	0,0664	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
	598	1,0000	430	168	0,2809		0,0986	0,0122

Tabla de binning WoE — variable «x15»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
A152	433	0,7241	329	104	0,2402	0,2118	0,0309	0,0039
A151	103	0,1722	67	36	0,3495	-0,3186	0,0186	0,0023
A153	62	0,1037	34	28	0,4516	-0,7457	0,0653	0,00798
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
	598	1,0000	430	168	0,2809		0,1149	0,0142

Tabla de binning WoE — variable «x16»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 1,5	384	0,6421	271	113	0,2943	-0,0651	0,0028	0,00034
≥ 1,5	214	0,3579	159	55	0,25701	0,1217	0,0052	0,00064
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
	598	1,0000	430	168	0,2809		0,0079	0,00099

Tabla de binning WoE — variable «x17»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
A172	109	0,1823	84	25	0,2294	0,2721	0,0127	0,0016
A173	384	0,6421	276	108	0,2812	-0,0016	0,0000015	1,9e-07
A174, A171	105	0,1756	70	35	0,3333	-0,2467	0,0112	0,0014
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
	598	1,0000	430	168	0,2809		0,0239	0,00298

Tabla de binning WoE — variable «x18»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 1,5	505	0,8445	365	140	0,2772	0,0184	0,00029	0,000036
≥ 1,5	93	0,1555	65	28	0,3011	-0,0976	0,0015	0,00019
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
	598	1,0000	430	168	0,2809		0,0018	0,00022

Tabla de binning WoE — variable «x19»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
A192	249	0,4164	188	61	0,24498	0,1857	0,0138	0,0017
A191	349	0,5836	242	107	0,3066	-0,1237	0,0092	0,0011
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
	598	1,0000	430	168	0,2809		0,0229	0,0029

Tabla de binning WoE — variable «x2»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 8,5	51	0,0853	45	6	0,1176	1,0751	0,0741	0,0088
≥ 8,5 y < 11,5	47	0,0786	39	8	0,1702	0,6443	0,0278	0,0034
≥ 11,5 y < 15,5	153	0,2559	119	34	0,2222	0,3129	0,0233	0,0029
≥ 15,5 y < 25,5	211	0,3528	153	58	0,2749	0,0302	0,00032	0,0000399
≥ 25,5 y < 31,5	30	0,0502	19	11	0,3667	-0,3933	0,0084	0,00104
≥ 31,5	106	0,1773	55	51	0,4811	-0,8643	0,1518	0,0184
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
	598	1,0000	430	168	0,2809		0,2857	0,0346

Tabla de binning WoE — variable «x20»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE
A202, A201	598	1,0000	430	168	0,2809	1,1e-16
Valores especiales	0	0,0000	0	0	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000
	598	1,0000	430	168	0,2809

Tabla de binning WoE — variable «x3»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
A34	187	0,3127	155	32	0,1711	0,6379	0,1084	0,0133
A32	313	0,5234	222	91	0,2907	-0,048003	0,0012	0,00015
A33	55	0,09197	36	19	0,3455	-0,3007	0,0088	0,0011
A30, A31	43	0,0719	17	26	0,6047	-1,3647	0,1573	0,0183
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
	598	1,0000	430	168	0,2809		0,2757	0,0328

Tabla de binning WoE — variable «x4»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
A41	59	0,0987	51	8	0,1356	0,9126	0,0648	0,0078
A43	169	0,2826	132	37	0,2189	0,3321	0,0288	0,0036
A45, A42	118	0,1973	85	33	0,2797	0,0063	0,0000079	9,8e-07
A40	140	0,2341	92	48	0,3429	-0,2892	0,0208	0,0026
A49	63	0,1054	41	22	0,3492	-0,3173	0,0113	0,0014
A46	30	0,0502	15	15	0,5000	-0,9398	0,0511	0,0062
A44, A410, A48	19	0,0318	14	5	0,2632	0,0898	0,00025	0,000031
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
	598	1,0000	430	168	0,2809		0,17702	0,0216

Tabla de binning WoE — variable «x5»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 1.766,5	214	0,3579	164	50	0,2336	0,24802	0,0208	0,0026
≥ 1.766,5 y < 3.998	236	0,3946	179	57	0,2415	0,2045	0,0157	0,00196
≥ 3.998 y < 7.760,5	105	0,1756	65	40	0,38095	-0,4543	0,0395	0,0049
≥ 7.760,5	43	0,0719	22	21	0,4884	-0,8933	0,06596	0,00798
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
	598	1,0000	430	168	0,2809		0,14198	0,0174

Tabla de binning WoE — variable «x6»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
A64	31	0,0518	28	3	0,0968	1,2938	0,0611	0,0072
A63	40	0,0669	33	7	0,1750	0,6108	0,0214	0,0026
A65	118	0,1973	95	23	0,1949	0,4786	0,0402	0,00498
A62	62	0,1037	45	17	0,2742	0,0336	0,00012	0,000015
A61	347	0,5803	229	118	0,3401	-0,2768	0,047004	0,0059
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
	598	1,0000	430	168	0,2809		0,1699	0,0206

Tabla de binning WoE — variable «x7»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
A74	106	0,1773	84	22	0,2075	0,39995	0,0258	0,0032
A75	147	0,2458	114	33	0,2245	0,2999	0,0206	0,0026
A73	208	0,3478	148	60	0,2885	-0,03695	0,00048	0,0000598
A72	96	0,1605	59	37	0,3854	-0,4732	0,0393	0,0049
A71	41	0,0686	25	16	0,3902	-0,4935	0,0183	0,0023
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
	598	1,0000	430	168	0,2809		0,1044	0,01295

Tabla de binning WoE — variable «x8»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 1,5	80	0,1338	66	14	0,1750	0,6108	0,0428	0,0053
≥ 1,5 y < 2,5	142	0,2375	105	37	0,2606	0,1032	0,0025	0,00031
≥ 2,5 y < 3,5	87	0,1455	63	24	0,2759	0,0253	0,000092	0,000012
≥ 3,5	289	0,4833	196	93	0,3218	-0,1943	0,01899	0,0024
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
	598	1,0000	430	168	0,2809		0,0644	0,00797

Tabla de binning WoE — variable «x9»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
A93	341	0,5702	253	88	0,2581	0,1162	0,0075	0,00094
A94	54	0,0903	38	16	0,2963	-0,0748	0,00051	0,000064
A92, A91	203	0,3395	139	64	0,3153	-0,1642	0,0095	0,0012
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
	598	1,0000	430	168	0,2809		0,0175	0,0022

Perfil frente al incumplimiento — variable «x1»

tramo	n	coverage	default_rate
A11	167	0,2793	0,4491
A12	150	0,2508	0,3400
A13	41	0,0686	0,2195
A14	240	0,4013	0,1375

Perfil frente al incumplimiento — variable «x10»

tramo	n	coverage	default_rate
A101	534	0,89298	0,2772
A102	28	0,0468	0,4286
A103	36	0,0602	0,2222

Perfil frente al incumplimiento — variable «x11»

tramo	n	coverage	default_rate
> 1 y ≤ 2	253	0,4231	0,2846
> 2 y ≤ 3	86	0,1438	0,2558
> 3 y ≤ 4	259	0,4331	0,2857

Perfil frente al incumplimiento — variable «x12»

tramo	n	coverage	default_rate
A121	173	0,2893	0,1965
A122	125	0,20903	0,2560
A123	208	0,3478	0,2885
A124	92	0,1538	0,4565

Perfil frente al incumplimiento — variable «x13»

tramo	n	coverage	default_rate
> 19 y ≤ 23,700000000000003	60	0,1003	0,3667
> 23,700000000000003 y ≤ 26	86	0,1438	0,31395
> 26 y ≤ 28	58	0,09699	0,3103
> 28 y ≤ 30	47	0,0786	0,3191
> 30 y ≤ 33,5	48	0,0803	0,2917
> 33,5 y ≤ 36	68	0,1137	0,1618
> 36 y ≤ 40	61	0,10201	0,2131
> 40 y ≤ 45	52	0,08696	0,3269
> 45 y ≤ 53	60	0,1003	0,2333
> 53 y ≤ 75	58	0,09699	0,2931

Perfil frente al incumplimiento — variable «x14»

tramo	n	coverage	default_rate
A141	87	0,1455	0,4253
A142	32	0,0535	0,3750
A143	479	0,801003	0,2484

Perfil frente al incumplimiento — variable «x15»

tramo	n	coverage	default_rate
A151	103	0,1722	0,3495
A152	433	0,7241	0,2402
A153	62	0,1037	0,4516

Perfil frente al incumplimiento — variable «x16»

tramo	n	coverage	default_rate
> 1 y ≤ 2	578	0,9666	0,28201
> 2 y ≤ 4	20	0,0334	0,2500

Perfil frente al incumplimiento — variable «x17»

tramo	n	coverage	default_rate
A171	15	0,0251	0,4000
A172	109	0,1823	0,2294
A173	384	0,6421	0,2812
A174	90	0,1505	0,3222

Perfil frente al incumplimiento — variable «x18»

tramo	n	coverage	default_rate
> 1 y ≤ 2	598	1,0000	0,2809

Perfil frente al incumplimiento — variable «x19»

tramo	n	coverage	default_rate
A191	349	0,5836	0,3066
A192	249	0,4164	0,24498

Perfil frente al incumplimiento — variable «x2»

tramo	n	coverage	default_rate
> 4 y ≤ 9	79	0,1321	0,1519
> 9 y ≤ 12	127	0,2124	0,2205
> 12 y ≤ 15	45	0,0753	0,1778
> 15 y ≤ 18	71	0,1187	0,3662
> 18 y ≤ 24	140	0,2341	0,2286
> 24 y ≤ 30	30	0,0502	0,3667
> 30 y ≤ 36	51	0,0853	0,4706
> 36 y ≤ 72	55	0,09197	0,4909

Perfil frente al incumplimiento — variable «x20»

tramo	n	coverage	default_rate
A201	576	0,9632	0,2882
A202	22	0,0368	0,0909

Perfil frente al incumplimiento — variable «x3»

tramo	n	coverage	default_rate
A30	15	0,0251	0,6000
A31	28	0,0468	0,6071
A32	313	0,5234	0,2907
A33	55	0,09197	0,3455
A34	187	0,3127	0,1711

Perfil frente al incumplimiento — variable «x4»

tramo	n	coverage	default_rate
A40	140	0,2341	0,3429
A41	59	0,0987	0,1356
A410	8	0,0134	0,3750
A42	107	0,1789	0,2804
A43	169	0,2826	0,2189
A44	8	0,0134	0,2500
A45	11	0,0184	0,2727
A46	30	0,0502	0,5000
A49	63	0,1054	0,3492
_otros_	3	0,00502	0,0000

Perfil frente al incumplimiento — variable «x5»

tramo	n	coverage	default_rate
> 276 y ≤ 944,6	60	0,1003	0,3000
> 944,6 y ≤ 1.282,4	60	0,1003	0,2167
> 1.282,4 y ≤ 1.526,4	60	0,1003	0,2333
> 1.526,4 y ≤ 1.927,2	59	0,0987	0,2542
> 1.927,2 y ≤ 2.338,5	60	0,1003	0,3000
> 2.338,5 y ≤ 2.912,6000000000004	60	0,1003	0,2500
> 2.912,6000000000004 y ≤ 3.598,6	59	0,0987	0,1525
> 3.598,6 y ≤ 4.683,2	60	0,1003	0,2833
> 4.683,2 y ≤ 6.879,400000000007	60	0,1003	0,4000
> 6.879,400000000007 y ≤ 15.945	60	0,1003	0,4167

Perfil frente al incumplimiento — variable «x6»

tramo	n	coverage	default_rate
A61	347	0,5803	0,3401
A62	62	0,1037	0,2742
A63	40	0,0669	0,1750
A64	31	0,0518	0,0968
A65	118	0,1973	0,1949

Perfil frente al incumplimiento — variable «x7»

tramo	n	coverage	default_rate
A71	41	0,0686	0,3902
A72	96	0,1605	0,3854
A73	208	0,3478	0,2885
A74	106	0,1773	0,2075
A75	147	0,2458	0,2245

Perfil frente al incumplimiento — variable «x8»

tramo	n	coverage	default_rate
> 1 y ≤ 2	222	0,3712	0,2297
> 2 y ≤ 3	87	0,1455	0,2759
> 3 y ≤ 4	289	0,4833	0,3218

Perfil frente al incumplimiento — variable «x9»

tramo	n	coverage	default_rate
A91	26	0,0435	0,4231
A92	177	0,29599	0,2994
A93	341	0,5702	0,2581
A94	54	0,0903	0,2963

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	540,50	no	598	598	227	227	168	430	0,3796	0,0529	0,0544	0,9286	0,5000
desarrollo	2	516,50	no	598	598	349	349	168	430	0,5836	0,10602	0,1075	0,7798	0,2744
desarrollo	3	502,50	no	598	598	422	422	168	430	0,7057	0,1469	0,1482	0,63095	0,1628
desarrollo	4	471,50	no	598	598	528	528	168	430	0,8829	0,2197	0,2203	0,3095	0,0419
desarrollo	5	—	no	598	598	598	598	168	430	1,0000	0,2809	0,2809	0,0000	0,0000
holdout	1	540,50	no	152	152	53	53	53	99	0,3487	0,0943	0,0544	0,9057	0,5152
holdout	2	516,50	no	152	152	87	87	53	99	0,5724	0,1494	0,1137	0,7547	0,2525
holdout	3	502,50	no	152	152	110	110	53	99	0,7237	0,2000	0,1617	0,5849	0,1111
holdout	4	471,50	no	152	152	131	131	53	99	0,8618	0,2748	0,2171	0,3208	0,0404
holdout	5	—	no	152	152	152	152	53	99	1,0000	0,3487	0,2891	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	227	0,3796	227	12	0,0529	0,0544	0,525	green
desarrollo	2	122	0,20401	122	25	0,2049	0,2061	0,504	green
desarrollo	3	73	0,1221	73	25	0,3425	0,3429	0,498	green
desarrollo	4	106	0,1773	106	54	0,5094	0,5075	0,484	green
desarrollo	5	70	0,1171	70	52	0,7429	0,73803	0,472	green
holdout	1	53	0,3487	53	5	0,0943	0,0544	0,106	green
holdout	2	34	0,2237	34	8	0,2353	0,2061	0,325	green
holdout	3	23	0,1513	23	9	0,3913	0,3429	—	not_evaluable
holdout	4	21	0,1382	21	14	0,6667	0,5075	—	not_evaluable
holdout	5	21	0,1382	21	17	0,8095	0,73803	—	not_evaluable

Tramos de la escala maestra

grade	score_min	score_max	label	pd	n_development	share_development	n_bad_development	bad_rate_development	source
1	540,50	—	desde 541 puntos	0,0544	227	0,3796	12	0,0529	formed
2	516,50	540,50	de 517 a 540 puntos	0,2061	122	0,20401	25	0,2049	formed
3	502,50	516,50	de 503 a 516 puntos	0,3429	73	0,1221	25	0,3425	formed
4	471,50	502,50	de 472 a 502 puntos	0,5075	106	0,1773	54	0,5094	formed
5	—	471,50	hasta 471 puntos	0,73803	70	0,1171	52	0,7429	formed

Matriz de correlación entre variables

x1__woe	x2__woe	x3__woe	x4__woe	x6__woe	x12__woe	x5__woe	x15__woe	x7__woe	x14__woe	x8__woe	x13__woe	x17__woe	x19__woe
1,0000	0,0633	0,1784	0,1073	0,1788	0,0884	0,0346	0,1097	0,0507	0,0578	0,0014	0,1347	0,00043	0,0695
0,0633	1,0000	0,1263	-0,0426	-0,0226	0,28998	0,5071	0,1371	-0,0848	0,0817	0,1564	0,0146	0,2139	-0,1328
0,1784	0,1263	1,0000	0,0492	0,0264	0,0627	0,07104	0,0814	0,1387	0,2374	-0,0163	0,09896	0,0403	0,0273
0,1073	-0,0426	0,0492	1,0000	0,0649	0,01404	-0,05996	0,03105	0,0728	0,0782	0,0513	-0,00302	-0,08298	0,0393
0,1788	-0,0226	0,0264	0,0649	1,0000	0,0322	-0,006997	0,0427	0,0651	-0,0037	-0,03597	0,0765	-0,0259	0,0992
0,0884	0,28998	0,0627	0,01404	0,0322	1,0000	0,2847	0,5695	-0,0618	0,1008	0,0639	-0,1064	0,2528	-0,2042
0,0346	0,5071	0,07104	-0,05996	-0,006997	0,2847	1,0000	0,1229	0,0241	0,0554	-0,2524	-0,0138	0,2555	-0,2442
0,1097	0,1371	0,0814	0,03105	0,0427	0,5695	0,1229	1,0000	-0,0053	0,00702	0,0089	0,00038	0,1112	-0,0697
0,0507	-0,0848	0,1387	0,0728	0,0651	-0,0618	0,0241	-0,0053	1,0000	0,0202	-0,1157	0,2008	0,100001	0,0751
0,0578	0,0817	0,2374	0,0782	-0,0037	0,1008	0,0554	0,00702	0,0202	1,0000	0,0457	-0,0106	0,0681	-0,0407
0,0014	0,1564	-0,0163	0,0513	-0,03597	0,0639	-0,2524	0,0089	-0,1157	0,0457	1,0000	-0,0738	0,0267	-0,0062
0,1347	0,0146	0,09896	-0,00302	0,0765	-0,1064	-0,0138	0,00038	0,2008	-0,0106	-0,0738	1,0000	-0,06999	0,2086
0,00043	0,2139	0,0403	-0,08298	-0,0259	0,2528	0,2555	0,1112	0,100001	0,0681	0,0267	-0,06999	1,0000	-0,3769
0,0695	-0,1328	0,0273	0,0393	0,0992	-0,2042	-0,2442	-0,0697	0,0751	-0,0407	-0,0062	0,2086	-0,3769	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 — 750 filas
PD calibrada por observación — 750 filas
PD sin calibrar por observación — 750 filas
Puntaje por observación — 750 filas
Dataset WoE de las variables seleccionadas — 750 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

0,2947

class_counts

{
  "bueno": 529,
  "excluido": 0,
  "indeterminado": 0,
  "malo": 221
}

data_hash

43b7a944f9be20b58f829f5bb3bc11075227c499f6c1df02c21d7f7184c9afd5

effective_config

{
  "load": {
    "backend": "pandas",
    "csv_options": {
      "decimal": ".",
      "encoding": "utf-8",
      "sep": ","
    },
    "file_format": "auto",
    "source": "prepared/german/input.parquet"
  },
  "missing": {
    "max_missing_rate": "0,99",
    "special_values": []
  },
  "partition": {
    "min_bads_per_partition": 30,
    "strategy": {
      "dev_fraction": "0,80",
      "holdout_fraction": "0,20",
      "oot_fraction": "0,00",
      "stratify_by": null,
      "type": "random"
    },
    "ttd_includes_excluded": true
  },
  "schema_": {
    "columns": [
      {
        "coerce": false,
        "dtype": "str",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "x1",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "x2",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "str",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "x3",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "str",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "x4",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "x5",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "str",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "x6",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "str",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "x7",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "x8",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "str",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "x9",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "str",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "x10",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "x11",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "str",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "x12",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "x13",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "str",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "x14",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "str",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "x15",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "x16",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "str",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "x17",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "x18",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "str",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "x19",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "str",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "x20",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "target",
        "nullable": false,
        "required": true,
        "unique": false
      }
    ],
    "index_col": null,
    "ordered": false,
    "strict": false,
    "unique_keys": null
  },
  "target": {
    "bad_rule": {
      "all_of": [
        {
          "col": "target",
          "op": "==",
          "value": 1
        }
      ],
      "any_of": []
    },
    "exclusion_rules": [],
    "good_rule": {
      "all_of": [
        {
          "col": "target",
          "op": "==",
          "value": 0
        }
      ],
      "any_of": []
    },
    "indeterminate_rule": {
      "all_of": [
        {
          "col": "target",
          "op": "isna",
          "value": null
        }
      ],
      "any_of": []
    },
    "target_col": "target_bayesrisk",
    "window": null
  },
  "type": "standard"
}

exclusions_by_reason

{}

n_features

n_rows

750

partition_bad_rates

{
  "desarrollo": "0,2809",
  "fuera_de_modelo": "0,0000",
  "holdout": "0,3487",
  "oot": "0,0000"
}

partition_sizes

{
  "desarrollo": 598,
  "fuera_de_modelo": 0,
  "holdout": 152,
  "oot": 0
}

performance_window_months

—

source

data-43ea3502f6d24b11.parquet

target_col

target_bayesrisk

C.2Población y calidad de datos

Artefacto de origen: eda.eda_card

Parámetros y payload

axis

period

axis_inferred

default_rate_not_evaluable_reason

sin_eje_temporal

effective_config

{
  "analysis_partition": "desarrollo",
  "default_rate": {
    "axis": "period",
    "cohort_col": null,
    "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": [
      "x1",
      "x2",
      "x3",
      "x4",
      "x5",
      "x6",
      "x7",
      "x8",
      "x9",
      "x10",
      "x11",
      "x12",
      "x13",
      "x14",
      "x15",
      "x16",
      "x17",
      "x18",
      "x19",
      "x20"
    ],
    "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

0,2809

quality_flag_counts

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

stability_flagged

stability_metric_used

stability_not_evaluable_reason

sin_eje_temporal

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": [
    "x1",
    "x3",
    "x4",
    "x6",
    "x7",
    "x9",
    "x10",
    "x12",
    "x14",
    "x15",
    "x17",
    "x19",
    "x20"
  ],
  "exclude_columns": [],
  "fail_on_non_binnable": false,
  "feature_columns": [
    "x1",
    "x2",
    "x3",
    "x4",
    "x5",
    "x6",
    "x7",
    "x8",
    "x9",
    "x10",
    "x11",
    "x12",
    "x13",
    "x14",
    "x15",
    "x16",
    "x17",
    "x18",
    "x19",
    "x20"
  ],
  "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

{
  "x1": "0,4536",
  "x10": "0,0058",
  "x11": "0,0037",
  "x12": "0,1627",
  "x13": "0,0566",
  "x14": "0,0986",
  "x15": "0,1149",
  "x16": "0,0079",
  "x17": "0,0239",
  "x18": "0,0018",
  "x19": "0,0229",
  "x2": "0,2857",
  "x20": "0,0000",
  "x3": "0,2757",
  "x4": "0,17702",
  "x5": "0,14198",
  "x6": "0,1699",
  "x7": "0,1044",
  "x8": "0,0644",
  "x9": "0,0175"
}

missing_handling

empirical

monotonicity_by_variable

{
  "x1": null,
  "x10": null,
  "x11": "ascending",
  "x12": null,
  "x13": "descending",
  "x14": null,
  "x15": null,
  "x16": "descending",
  "x17": null,
  "x18": "ascending",
  "x19": null,
  "x2": "ascending",
  "x20": null,
  "x3": null,
  "x4": null,
  "x5": "ascending",
  "x6": null,
  "x7": null,
  "x8": "ascending",
  "x9": null
}

n_variables_binned

n_variables_requested

n_variables_skipped

optbinning_version

0.20.0

rare_category_regroupings

{
  "x4": {
    "declared_cat_cutoff": "0,01",
    "effective_cat_cutoff": "0,014214046822742474",
    "levels": [
      "A48"
    ],
    "n_events": 0,
    "n_obs": 3
  }
}

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

{
  "constant_or_nonfinite": 1,
  "low_iv": 5
}

high_iv_flags

[]

max_abs_correlation_after_selection

0,5695

max_vif_after_selection

1,7488

n_candidates

n_excluded

n_selected

selected_features

[
  "x1",
  "x12",
  "x13",
  "x14",
  "x15",
  "x17",
  "x19",
  "x2",
  "x3",
  "x4",
  "x5",
  "x6",
  "x7",
  "x8"
]

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

[
  "x1",
  "x14",
  "x15",
  "x19",
  "x2",
  "x3",
  "x4",
  "x5",
  "x6",
  "x7",
  "x8"
]

fit_statistics

{
  "aic": "563,9317",
  "bic": "616,6547",
  "converged": true,
  "llr": "170,2957",
  "llr_p_value": "< 0,001",
  "log_likelihood": "-269,9658",
  "n_events_dev": 168,
  "n_iterations": 6,
  "n_nonevents_dev": 430,
  "n_obs_dev": 598,
  "null_log_likelihood": "-355,1137",
  "optimizer": "newton",
  "pseudo_r2_mcfadden": "0,2398"
}

iv_contribution_flags

[
  "x1"
]

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

[
  "x1__points",
  "x14__points",
  "x15__points",
  "x19__points",
  "x2__points",
  "x3__points",
  "x4__points",
  "x5__points",
  "x6__points",
  "x7__points",
  "x8__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

0,2809

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

598

observed_default_rate_dev

0,2809

offset

8,1e-18

pd_calibrated_column

pd_calibrated

pd_raw_column

pd_raw

ranking_preserved

sí

raw_mean_pd_dev

0,2809

slope

—

target_pd

0,2809

ties_created

C.8Desempeño y discriminación

Artefacto de origen: performance.card

Parámetros y payload

bands_by_partition

{
  "desarrollo": "ok",
  "holdout": "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"
  ],
  "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": "0,8227",
    "gini": "0,6455",
    "ks": "0,5053"
  },
  "holdout": {
    "auc": "0,8237",
    "gini": "0,6474",
    "ks": "0,55403"
  }
}

n_deciles

partitions

[
  "desarrollo",
  "holdout"
]

score_direction

higher_is_lower_risk

thresholds

{}

Métricas estructuradas

discrimination

{
  "effective_deciles_by_partition": {
    "desarrollo": 10,
    "holdout": 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"
}

comparisons

[
  "dev_vs_holdout"
]

csi_source

score_points

dependency_versions

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

effective_config

{
  "comparisons": [
    "dev_vs_holdout"
  ],
  "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": "none",
  "temporal_column": null,
  "temporal_freq": "M",
  "type": "standard"
}

max_psi_by_comparison

{
  "dev_vs_holdout": "0,0764"
}

psi_bins

psi_metric_by_comparison

{
  "dev_vs_holdout": "score_psi"
}

review_threshold

0,25

score_direction

higher_is_lower_risk

stable_threshold

0,10

worst_csi_feature

x3__points

worst_csi_value

0,0444

Métricas estructuradas

stability

{
  "csi_features": [
    "x14__points",
    "x15__points",
    "x19__points",
    "x1__points",
    "x2__points",
    "x3__points",
    "x4__points",
    "x5__points",
    "x6__points",
    "x7__points",
    "x8__points"
  ],
  "include_pd_stability": true,
  "n_periods": 0,
  "temporal_axis": "none"
}

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"
    ]
  },
  "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

german_fabrica

n_failed

n_tests

overall_status

pass

Métricas estructuradas

validation

{
  "families_run": [
    "discrimination",
    "calibration",
    "stability"
  ],
  "min_rows_per_group": 30,
  "n_failed": 0,
  "n_tests": 1,
  "not_evaluable_grades": [],
  "not_evaluable_partitions": [
    {
      "min_group_size": 15,
      "min_rows": 30,
      "n": 152,
      "n_groups": 10,
      "partition": "holdout",
      "reason": "group_below_min"
    }
  ],
  "overall_status": "pass",
  "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

0,2809

anchor_source

development_observed

approval_cutoff

—

cutoff_out_of_range

cuts

[
  "471,50",
  "502,50",
  "516,50",
  "540,50"
]

delta

-0,0073

diagnostics

{
  "desarrollo": {
    "amber_grades": [],
    "hhi": "0,2457",
    "inversions": [],
    "max_share": "0,3796",
    "max_share_grade": 1,
    "monotonic": true,
    "not_evaluable_grades": [],
    "red_grades": []
  },
  "holdout": {
    "amber_grades": [],
    "hhi": "0,2327",
    "inversions": [],
    "max_share": "0,3487",
    "max_share_grade": 1,
    "monotonic": true,
    "not_evaluable_grades": [
      3,
      4,
      5
    ],
    "red_grades": []
  }
}

effective_config

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

equalized_grades

[]

formation_cause

—

integer_card

sí

n_grades

neighbours_not_distinct

[]

pd

[
  "0,0544",
  "0,2061",
  "0,3429",
  "0,5075",
  "0,73803"
]

samples

[
  "desarrollo",
  "holdout"
]

score_direction

higher_is_lower_risk

solver_status

OPTIMAL

source

formed