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=9cf1d2be3cb76b43a4bbb1d2c99452c4452106bf99a366916b8bb429af654826

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	0,829998
Gini en Holdout	0,659996
KS en Holdout	0,564
Caída del AUC Desarrollo → Holdout	0,005 (0,6 %)
Peor PSI entre score y PD	0,0671 (Desarrollo vs. Holdout) → Estable

Qué revisar

⚠ Escala maestra: En Holdout, el tramo 2 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/german_sin_stepwise/reports\scorecard_report.html
Informe Word: artifacts/german_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	0,8251	Sin alertas
Gini	Desarrollo	0,6502	Sin alertas
KS	Desarrollo	0,5124	Sin alertas
AUC	Holdout	0,829998	Sin alertas
Gini	Holdout	0,659996	Sin alertas
KS	Holdout	0,5641	Sin alertas
Peor PSI entre score y PD · score	Desarrollo vs. Holdout	0,0671	Estable
Estado técnico de validación formal	german_sin_stepwise	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 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 14 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 -7,9e-17, 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 14 variables: «x1», «x12», «x13», «x14», «x15», «x17», «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 0,2423.

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	-0,9664	0,1108	-8,7249	< 0,001	-1,1835	-0,7493	—	—	—	—
x1	x1__woe	-0,78697	0,1651	-4,7673	< 0,001	-1,1105	-0,4634	negative	sí	0,4536	0,2107
x12	x12__woe	-0,2874	0,3573	-0,8043	0,421	-0,9876	0,4129	negative	sí	0,1627	0,0756
x13	x13__woe	-0,5261	0,4723	-1,1139	0,265	-1,4517	0,3995	negative	sí	0,0566	0,0263
x14	x14__woe	-0,6688	0,33796	-1,9788	0,048	-1,3311	-0,0064	negative	sí	0,0986	0,0458
x15	x15__woe	-0,4925	0,3822	-1,2884	0,198	-1,2416	0,2567	negative	sí	0,1149	0,0534
x17	x17__woe	-0,2346	0,7692	-0,30502	0,7604	-1,7422	1,2729	negative	sí	0,0239	0,0111
x19	x19__woe	-1,8517	0,8316	-2,2268	0,026	-3,4815	-0,2219	negative	sí	0,0229	0,0107
x2	x2__woe	-0,5993	0,2425	-2,4715	0,013	-1,0745	-0,12402	negative	sí	0,2857	0,1327
x3	x3__woe	-0,6992	0,2096	-3,3355	< 0,001	-1,1101	-0,2884	negative	sí	0,2757	0,1281
x4	x4__woe	-0,9649	0,2587	-3,7295	< 0,001	-1,4721	-0,4578	negative	sí	0,17702	0,0822
x5	x5__woe	-1,1458	0,3749	-3,0567	0,002	-1,8805	-0,4111	negative	sí	0,14198	0,06596
x6	x6__woe	-0,8845	0,2857	-3,0958	0,002	-1,4445	-0,3245	negative	sí	0,1699	0,0789
x7	x7__woe	-0,97904	0,3436	-2,8491	0,004	-1,6526	-0,3055	negative	sí	0,1044	0,0485
x8	x8__woe	-1,7078	0,4965	-3,4396	< 0,001	-2,6809	-0,7346	negative	sí	0,0644	0,0299

4.4Scorecard

El scorecard asigna puntajes a los tramos de 14 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	-0,78697	-0,06903	57,1407	57	-0,1407	binning_table
x1	x1__woe	A13	1	0,3287	-0,78697	-0,06903	44,2498	44	-0,2498	binning_table
x1	x1__woe	A12	2	-0,2765	-0,78697	-0,06903	30,506997	31	0,493003	binning_table
x1	x1__woe	A11	3	-0,7355	-0,78697	-0,06903	20,0845	20	-0,0845	binning_table
x1	x1__woe	Valores especiales	4	0,0000	-0,78697	-0,06903	36,7862	37	0,2138	binning_table
x1	x1__woe	Faltantes	5	0,0000	-0,78697	-0,06903	36,7862	37	0,2138	binning_table
x1	x1__woe	Categorías no vistas → como «A11»	—	-0,7355	-0,78697	-0,06903	20,0845	20	-0,0845	binning_table
x12	x12__woe	A121	0	0,4683	-0,2874	-0,06903	40,6689	41	0,3311	binning_table
x12	x12__woe	A122	1	0,12704	-0,2874	-0,06903	37,8395	38	0,1605	binning_table
x12	x12__woe	A123	2	-0,03695	-0,2874	-0,06903	36,4798	36	-0,4798	binning_table
x12	x12__woe	A124	3	-0,7655	-0,2874	-0,06903	30,4395	30	-0,4395	binning_table
x12	x12__woe	Valores especiales	4	0,0000	-0,2874	-0,06903	36,7862	37	0,2138	binning_table
x12	x12__woe	Faltantes	5	0,0000	-0,2874	-0,06903	36,7862	37	0,2138	binning_table
x12	x12__woe	Categorías no vistas → como «A124»	—	-0,7655	-0,2874	-0,06903	30,4395	30	-0,4395	binning_table
x13	x13__woe	< 25,5	0	-0,4148	-0,5261	-0,06903	30,4898	30	-0,4898	binning_table
x13	x13__woe	≥ 25,5 y < 33,5	1	-0,046003	-0,5261	-0,06903	36,0879	36	-0,0879	binning_table
x13	x13__woe	≥ 33,5	2	0,2085	-0,5261	-0,06903	39,9504	40	0,0496	binning_table
x13	x13__woe	Valores especiales	3	0,0000	-0,5261	-0,06903	36,7862	37	0,2138	binning_table
x13	x13__woe	Faltantes	4	0,0000	-0,5261	-0,06903	36,7862	37	0,2138	binning_table
x14	x14__woe	A143	0	0,1672	-0,6688	-0,06903	40,0117	40	-0,0117	binning_table
x14	x14__woe	A142	1	-0,428996	-0,6688	-0,06903	28,5082	29	0,4918	binning_table
x14	x14__woe	A141	2	-0,6387	-0,6688	-0,06903	24,4614	24	-0,4614	binning_table
x14	x14__woe	Valores especiales	3	0,0000	-0,6688	-0,06903	36,7862	37	0,2138	binning_table
x14	x14__woe	Faltantes	4	0,0000	-0,6688	-0,06903	36,7862	37	0,2138	binning_table
x14	x14__woe	Categorías no vistas → como «A141»	—	-0,6387	-0,6688	-0,06903	24,4614	24	-0,4614	binning_table
x15	x15__woe	A152	0	0,2118	-0,4925	-0,06903	39,7964	40	0,2036	binning_table
x15	x15__woe	A151	1	-0,3186	-0,4925	-0,06903	32,2583	32	-0,2583	binning_table
x15	x15__woe	A153	2	-0,7457	-0,4925	-0,06903	26,1905	26	-0,1905	binning_table
x15	x15__woe	Valores especiales	3	0,0000	-0,4925	-0,06903	36,7862	37	0,2138	binning_table
x15	x15__woe	Faltantes	4	0,0000	-0,4925	-0,06903	36,7862	37	0,2138	binning_table
x15	x15__woe	Categorías no vistas → como «A153»	—	-0,7457	-0,4925	-0,06903	26,1905	26	-0,1905	binning_table
x17	x17__woe	A172	0	0,2721	-0,2346	-0,06903	38,6283	39	0,3717	binning_table
x17	x17__woe	A173	1	-0,0016	-0,2346	-0,06903	36,7757	37	0,2243	binning_table
x17	x17__woe	A174, A171	2	-0,2467	-0,2346	-0,06903	35,1163	35	-0,1163	binning_table
x17	x17__woe	Valores especiales	3	0,0000	-0,2346	-0,06903	36,7862	37	0,2138	binning_table
x17	x17__woe	Faltantes	4	0,0000	-0,2346	-0,06903	36,7862	37	0,2138	binning_table
x17	x17__woe	Categorías no vistas → como «A174, A171»	—	-0,2467	-0,2346	-0,06903	35,1163	35	-0,1163	binning_table
x19	x19__woe	A192	0	0,1857	-1,8517	-0,06903	46,7105	47	0,2895	binning_table
x19	x19__woe	A191	1	-0,1237	-1,8517	-0,06903	30,1763	30	-0,1763	binning_table
x19	x19__woe	Valores especiales	2	0,0000	-1,8517	-0,06903	36,7862	37	0,2138	binning_table
x19	x19__woe	Faltantes	3	0,0000	-1,8517	-0,06903	36,7862	37	0,2138	binning_table
x19	x19__woe	Categorías no vistas → como «A191»	—	-0,1237	-1,8517	-0,06903	30,1763	30	-0,1763	binning_table
x2	x2__woe	< 8,5	0	1,0751	-0,5993	-0,06903	55,3752	55	-0,3752	binning_table
x2	x2__woe	≥ 8,5 y < 11,5	1	0,6443	-0,5993	-0,06903	47,9266	48	0,0734	binning_table
x2	x2__woe	≥ 11,5 y < 15,5	2	0,3129	-0,5993	-0,06903	42,1972	42	-0,1972	binning_table
x2	x2__woe	≥ 15,5 y < 25,5	3	0,0302	-0,5993	-0,06903	37,3079	37	-0,3079	binning_table
x2	x2__woe	≥ 25,5 y < 31,5	4	-0,3933	-0,5993	-0,06903	29,9861	30	0,0139	binning_table
x2	x2__woe	≥ 31,5	5	-0,8643	-0,5993	-0,06903	21,8415	22	0,1585	binning_table
x2	x2__woe	Valores especiales	6	0,0000	-0,5993	-0,06903	36,7862	37	0,2138	binning_table
x2	x2__woe	Faltantes	7	0,0000	-0,5993	-0,06903	36,7862	37	0,2138	binning_table
x3	x3__woe	A34	0	0,6379	-0,6992	-0,06903	49,6555	50	0,3445	binning_table
x3	x3__woe	A32	1	-0,048003	-0,6992	-0,06903	35,8177	36	0,1823	binning_table
x3	x3__woe	A33	2	-0,3007	-0,6992	-0,06903	30,7185	31	0,2815	binning_table
x3	x3__woe	A30, A31	3	-1,3647	-0,6992	-0,06903	9,2525	9	-0,2525	binning_table
x3	x3__woe	Valores especiales	4	0,0000	-0,6992	-0,06903	36,7862	37	0,2138	binning_table
x3	x3__woe	Faltantes	5	0,0000	-0,6992	-0,06903	36,7862	37	0,2138	binning_table
x3	x3__woe	Categorías no vistas → como «A30, A31»	—	-1,3647	-0,6992	-0,06903	9,2525	9	-0,2525	binning_table
x4	x4__woe	A41	0	0,9126	-0,9649	-0,06903	62,1942	62	-0,1942	binning_table
x4	x4__woe	A43	1	0,3321	-0,9649	-0,06903	46,0316	46	-0,0316	binning_table
x4	x4__woe	A45, A42	2	0,0063	-0,9649	-0,06903	36,9622	37	0,0378	binning_table
x4	x4__woe	A40	3	-0,2892	-0,9649	-0,06903	28,7332	29	0,2668	binning_table
x4	x4__woe	A49	4	-0,3173	-0,9649	-0,06903	27,95198	28	0,04802	binning_table
x4	x4__woe	A46	5	-0,9398	-0,9649	-0,06903	10,6192	11	0,3808	binning_table
x4	x4__woe	A44, A410, A48	6	0,0898	-0,9649	-0,06903	39,2864	39	-0,2864	binning_table
x4	x4__woe	Valores especiales	7	0,0000	-0,9649	-0,06903	36,7862	37	0,2138	binning_table
x4	x4__woe	Faltantes	8	0,0000	-0,9649	-0,06903	36,7862	37	0,2138	binning_table
x4	x4__woe	Categorías no vistas → como «A46»	—	-0,9398	-0,9649	-0,06903	10,6192	11	0,3808	binning_table
x5	x5__woe	< 1.766,5	0	0,24802	-1,1458	-0,06903	44,9859	45	0,0141	binning_table
x5	x5__woe	≥ 1.766,5 y < 3.998	1	0,2045	-1,1458	-0,06903	43,5475	44	0,4525	binning_table
x5	x5__woe	≥ 3.998 y < 7.760,5	2	-0,4543	-1,1458	-0,06903	21,7663	22	0,2337	binning_table
x5	x5__woe	≥ 7.760,5	3	-0,8933	-1,1458	-0,06903	7,2532	7	-0,2532	binning_table
x5	x5__woe	Valores especiales	4	0,0000	-1,1458	-0,06903	36,7862	37	0,2138	binning_table
x5	x5__woe	Faltantes	5	0,0000	-1,1458	-0,06903	36,7862	37	0,2138	binning_table
x6	x6__woe	A64	0	1,2938	-0,8845	-0,06903	69,8045	70	0,1955	binning_table
x6	x6__woe	A63	1	0,6108	-0,8845	-0,06903	52,3738	52	-0,3738	binning_table
x6	x6__woe	A65	2	0,4786	-0,8845	-0,06903	48,9995	49	0,00046	binning_table
x6	x6__woe	A62	3	0,0336	-0,8845	-0,06903	37,6444	38	0,3556	binning_table
x6	x6__woe	A61	4	-0,2768	-0,8845	-0,06903	29,7224	30	0,2776	binning_table
x6	x6__woe	Valores especiales	5	0,0000	-0,8845	-0,06903	36,7862	37	0,2138	binning_table
x6	x6__woe	Faltantes	6	0,0000	-0,8845	-0,06903	36,7862	37	0,2138	binning_table
x6	x6__woe	Categorías no vistas → como «A61»	—	-0,2768	-0,8845	-0,06903	29,7224	30	0,2776	binning_table
x7	x7__woe	A74	0	0,39995	-0,97904	-0,06903	48,0845	48	-0,0845	binning_table
x7	x7__woe	A75	1	0,2999	-0,97904	-0,06903	45,2573	45	-0,2573	binning_table
x7	x7__woe	A73	2	-0,03695	-0,97904	-0,06903	35,7423	36	0,2577	binning_table
x7	x7__woe	A72	3	-0,4732	-0,97904	-0,06903	23,4186	23	-0,4186	binning_table
x7	x7__woe	A71	4	-0,4935	-0,97904	-0,06903	22,8442	23	0,1558	binning_table
x7	x7__woe	Valores especiales	5	0,0000	-0,97904	-0,06903	36,7862	37	0,2138	binning_table
x7	x7__woe	Faltantes	6	0,0000	-0,97904	-0,06903	36,7862	37	0,2138	binning_table
x7	x7__woe	Categorías no vistas → como «A71»	—	-0,4935	-0,97904	-0,06903	22,8442	23	0,1558	binning_table
x8	x8__woe	< 1,5	0	0,6108	-1,7078	-0,06903	66,8824	67	0,1176	binning_table
x8	x8__woe	≥ 1,5 y < 2,5	1	0,1032	-1,7078	-0,06903	41,8724	42	0,1276	binning_table
x8	x8__woe	≥ 2,5 y < 3,5	2	0,0253	-1,7078	-0,06903	38,0308	38	-0,0308	binning_table
x8	x8__woe	≥ 3,5	3	-0,1943	-1,7078	-0,06903	27,2117	27	-0,2117	binning_table
x8	x8__woe	Valores especiales	4	0,0000	-1,7078	-0,06903	36,7862	37	0,2138	binning_table
x8	x8__woe	Faltantes	5	0,0000	-1,7078	-0,06903	36,7862	37	0,2138	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 0,8251, Gini 0,6502 y KS 0,5124.

En Holdout el modelo alcanza AUC 0,829998, Gini 0,659996 y KS 0,5641.

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	0,8251	0,6502	0,5124	0,2236	—	0,8333	0,3209	pd_calibrated	ok
holdout	152	53	99	0,829998	0,659996	0,5641	0,3116	—	0,7358	0,1717	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	44	16	0,7333	0,2667	0,7622	0,6694	0,9498	451,6000	401,0000	468,0000	60	44	16	0,2619	0,0372	2,6103	0,2247
desarrollo	2	60	40	20	0,6667	0,3333	0,5845	0,5188	0,6675	477,5500	468,0000	486,0000	120	84	36	0,5000	0,0837	2,37302	0,4163
desarrollo	3	60	22	38	0,3667	0,6333	0,4429	0,37097	0,5156	494,1333	485,0000	504,0000	180	106	74	0,63095	0,1721	1,3052	0,4589
desarrollo	4	60	19	41	0,3167	0,6833	0,3211	0,27597	0,3703	509,2667	502,0000	516,0000	240	125	115	0,74405	0,2674	1,1272	0,4766
desarrollo	5	60	20	40	0,3333	0,6667	0,2347	0,2042	0,2731	521,9000	514,0000	528,0000	300	145	155	0,8631	0,3605	1,1865	0,5026
desarrollo	6	60	9	51	0,1500	0,8500	0,1736	0,1469	0,20396	532,7833	527,0000	539,0000	360	154	206	0,9167	0,4791	0,5339	0,4376
desarrollo	7	60	6	54	0,1000	0,9000	0,1212	0,1022	0,1468	545,1667	538,0000	551,0000	420	160	260	0,9524	0,6047	0,35595	0,3477
desarrollo	8	60	2	58	0,0333	0,9667	0,0861	0,0705	0,1001	556,0500	550,0000	562,0000	480	162	318	0,9643	0,7395	0,1187	0,2248
desarrollo	9	59	6	53	0,1017	0,8983	0,0536	0,0377	0,0691	570,9153	563,0000	581,0000	539	168	371	1,0000	0,8628	0,36199	0,1372
desarrollo	10	59	0	59	0,0000	1,0000	0,0214	0,0044	0,03698	600,9831	582,0000	645,0000	598	168	430	1,0000	1,0000	0,0000	0,0000
holdout	1	16	13	3	0,8125	0,1875	0,82101	0,7136	0,9241	440,6250	414,0000	461,0000	16	13	3	0,2453	0,0303	2,3302	0,21498
holdout	2	16	12	4	0,7500	0,2500	0,5723	0,4433	0,6982	478,5625	462,0000	493,0000	32	25	7	0,4717	0,0707	2,1509	0,40099
holdout	3	15	7	8	0,4667	0,5333	0,3878	0,3589	0,4327	500,5333	494,0000	505,0000	47	32	15	0,6038	0,1515	1,3384	0,4523
holdout	4	15	8	7	0,5333	0,4667	0,3156	0,2805	0,3554	510,0667	504,0000	516,0000	62	40	22	0,7547	0,2222	1,5296	0,5325
holdout	5	15	5	10	0,3333	0,6667	0,2469	0,2219	0,2683	520,0000	515,0000	523,0000	77	45	32	0,8491	0,3232	0,95597	0,5258
holdout	6	15	2	13	0,1333	0,8667	0,1981	0,175999	0,2196	528,2000	524,0000	533,0000	92	47	45	0,8868	0,4545	0,3824	0,4322
holdout	7	15	1	14	0,0667	0,9333	0,1407	0,1203	0,1703	539,8667	533,0000	545,0000	107	48	59	0,9057	0,59596	0,1912	0,3097
holdout	8	15	2	13	0,1333	0,8667	0,0953	0,0809	0,1191	552,9333	546,0000	558,0000	122	50	72	0,9434	0,7273	0,3824	0,2161
holdout	9	15	3	12	0,2000	0,8000	0,0602	0,0389	0,0794	567,2667	557,0000	579,0000	137	53	84	1,0000	0,8485	0,5736	0,1515
holdout	10	15	0	15	0,0000	1,0000	0,0255	0,00604	0,0388	596,3333	580,0000	636,0000	152	53	99	1,0000	1,0000	0,0000	0,0000

4.7Estabilidad

El peor PSI entre score y PD en Desarrollo vs. Holdout es 0,0671 (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	0,0671	0,10	0,25	stable	—
pd_psi	dev_vs_holdout	pd_calibrated	0,0347	0,10	0,25	stable	—
csi	dev_vs_holdout	x12__points	0,0121	0,10	0,25	stable	—
csi	dev_vs_holdout	x13__points	0,0172	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	x17__points	0,0098	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	0,0076	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	59	18	0,0987	0,1184	0,0036	0,0671	stable
score_psi	dev_vs_holdout	score	bin_01	61	8	0,10201	0,0526	0,0327	0,0671	stable
score_psi	dev_vs_holdout	score	bin_02	58	17	0,09699	0,1118	0,0021	0,0671	stable
score_psi	dev_vs_holdout	score	bin_03	59	18	0,0987	0,1184	0,0036	0,0671	stable
score_psi	dev_vs_holdout	score	bin_04	59	22	0,0987	0,1447	0,0177	0,0671	stable
score_psi	dev_vs_holdout	score	bin_05	63	16	0,1054	0,1053	7,4e-08	0,0671	stable
score_psi	dev_vs_holdout	score	bin_06	59	13	0,0987	0,0855	0,0019	0,0671	stable
score_psi	dev_vs_holdout	score	bin_07	57	13	0,0953	0,0855	0,0011	0,0671	stable
score_psi	dev_vs_holdout	score	bin_08	62	13	0,1037	0,0855	0,0035	0,0671	stable
score_psi	dev_vs_holdout	score	bin_09	61	14	0,10201	0,0921	0,00101	0,0671	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_00	60	14	0,1003	0,0921	0,000704	0,0347	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_01	60	13	0,1003	0,0855	0,0024	0,0347	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_02	60	13	0,1003	0,0855	0,0024	0,0347	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_03	59	14	0,0987	0,0921	0,00045	0,0347	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_04	60	15	0,1003	0,0987	0,000027	0,0347	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_05	60	21	0,1003	0,1382	0,0121	0,0347	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_06	59	19	0,0987	0,1250	0,0062	0,0347	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_07	60	15	0,1003	0,0987	0,000027	0,0347	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_08	60	11	0,1003	0,0724	0,0091	0,0347	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_09	60	17	0,1003	0,1118	0,0012	0,0347	stable
csi	dev_vs_holdout	x12__points	30 puntos	92	24	0,1538	0,1579	0,00011	0,0121	stable
csi	dev_vs_holdout	x12__points	36 puntos	208	55	0,3478	0,3618	0,00055	0,0121	stable
csi	dev_vs_holdout	x12__points	38 puntos	125	36	0,20903	0,2368	0,0035	0,0121	stable
csi	dev_vs_holdout	x12__points	41 puntos	173	37	0,2893	0,2434	0,0079	0,0121	stable
csi	dev_vs_holdout	x13__points	30 puntos	113	29	0,18896	0,1908	0,000018	0,0172	stable
csi	dev_vs_holdout	x13__points	36 puntos	186	56	0,31104	0,3684	0,0097	0,0172	stable
csi	dev_vs_holdout	x13__points	40 puntos	299	67	0,5000	0,4408	0,0075	0,0172	stable
csi	dev_vs_holdout	x14__points	24 puntos	87	23	0,1455	0,1513	0,00023	0,0105	stable
csi	dev_vs_holdout	x14__points	29 puntos	32	5	0,0535	0,0329	0,01003	0,0105	stable
csi	dev_vs_holdout	x14__points	40 puntos	479	124	0,801003	0,8158	0,00027	0,0105	stable
csi	dev_vs_holdout	x15__points	26 puntos	62	16	0,1037	0,1053	0,000024	0,0044	stable
csi	dev_vs_holdout	x15__points	32 puntos	103	30	0,1722	0,1974	0,0034	0,0044	stable
csi	dev_vs_holdout	x15__points	40 puntos	433	106	0,7241	0,6974	0,001004	0,0044	stable
csi	dev_vs_holdout	x17__points	35 puntos	105	32	0,1756	0,2105	0,0063	0,0098	stable
csi	dev_vs_holdout	x17__points	37 puntos	384	91	0,6421	0,5987	0,00305	0,0098	stable
csi	dev_vs_holdout	x17__points	39 puntos	109	29	0,1823	0,1908	0,00039	0,0098	stable
csi	dev_vs_holdout	x19__points	30 puntos	349	85	0,5836	0,5592	0,00104	0,0024	stable
csi	dev_vs_holdout	x19__points	47 puntos	249	67	0,4164	0,4408	0,0014	0,0024	stable
csi	dev_vs_holdout	x1__points	20 puntos	167	38	0,2793	0,2500	0,0032	0,0396	stable
csi	dev_vs_holdout	x1__points	31 puntos	150	46	0,2508	0,3026	0,0097	0,0396	stable
csi	dev_vs_holdout	x1__points	44 puntos	41	5	0,0686	0,0329	0,0262	0,0396	stable
csi	dev_vs_holdout	x1__points	57 puntos	240	63	0,4013	0,4145	0,00042	0,0396	stable
csi	dev_vs_holdout	x2__points	22 puntos	106	29	0,1773	0,1908	0,000996	0,0287	stable
csi	dev_vs_holdout	x2__points	30 puntos	30	12	0,0502	0,0789	0,01305	0,0287	stable
csi	dev_vs_holdout	x2__points	37 puntos	211	50	0,3528	0,3289	0,0017	0,0287	stable
csi	dev_vs_holdout	x2__points	42 puntos	153	32	0,2559	0,2105	0,0088	0,0287	stable
csi	dev_vs_holdout	x2__points	48 puntos	47	14	0,0786	0,0921	0,0021	0,0287	stable
csi	dev_vs_holdout	x2__points	55 puntos	51	15	0,0853	0,0987	0,00196	0,0287	stable
csi	dev_vs_holdout	x3__points	9 puntos	43	20	0,0719	0,1316	0,0361	0,0444	stable
csi	dev_vs_holdout	x3__points	31 puntos	55	12	0,09197	0,0789	0,00199	0,0444	stable
csi	dev_vs_holdout	x3__points	36 puntos	313	79	0,5234	0,5197	0,000026	0,0444	stable
csi	dev_vs_holdout	x3__points	50 puntos	187	41	0,3127	0,2697	0,0064	0,0444	stable
csi	dev_vs_holdout	x4__points	11 puntos	30	7	0,0502	0,0461	0,00035	0,04196	stable
csi	dev_vs_holdout	x4__points	28 puntos	63	14	0,1054	0,0921	0,0018	0,04196	stable
csi	dev_vs_holdout	x4__points	29 puntos	140	32	0,2341	0,2105	0,0025	0,04196	stable
csi	dev_vs_holdout	x4__points	37 puntos	118	38	0,1973	0,2500	0,0125	0,04196	stable
csi	dev_vs_holdout	x4__points	39 puntos	19	8	0,0318	0,0526	0,0105	0,04196	stable
csi	dev_vs_holdout	x4__points	46 puntos	169	35	0,2826	0,2303	0,0107	0,04196	stable
csi	dev_vs_holdout	x4__points	62 puntos	59	18	0,0987	0,1184	0,0036	0,04196	stable
csi	dev_vs_holdout	x5__points	7 puntos	43	18	0,0719	0,1184	0,0232	0,0264	stable
csi	dev_vs_holdout	x5__points	22 puntos	105	26	0,1756	0,1711	0,00012	0,0264	stable
csi	dev_vs_holdout	x5__points	44 puntos	236	55	0,3946	0,3618	0,0028	0,0264	stable
csi	dev_vs_holdout	x5__points	45 puntos	214	53	0,3579	0,3487	0,00024	0,0264	stable
csi	dev_vs_holdout	x6__points	30 puntos	347	93	0,5803	0,6118	0,0017	0,0054	stable
csi	dev_vs_holdout	x6__points	38 puntos	62	16	0,1037	0,1053	0,000024	0,0054	stable
csi	dev_vs_holdout	x6__points	49 puntos	118	27	0,1973	0,1776	0,0021	0,0054	stable
csi	dev_vs_holdout	x6__points	52 puntos	40	9	0,0669	0,0592	0,00094	0,0054	stable
csi	dev_vs_holdout	x6__points	70 puntos	31	7	0,0518	0,0461	0,00068	0,0054	stable
csi	dev_vs_holdout	x7__points	23 puntos	137	37	0,2291	0,2434	0,00087	0,0076	stable
csi	dev_vs_holdout	x7__points	36 puntos	208	47	0,3478	0,3092	0,0045	0,0076	stable
csi	dev_vs_holdout	x7__points	45 puntos	147	41	0,2458	0,2697	0,0022	0,0076	stable
csi	dev_vs_holdout	x7__points	48 puntos	106	27	0,1773	0,1776	7,9e-07	0,0076	stable
csi	dev_vs_holdout	x8__points	27 puntos	289	70	0,4833	0,4605	0,0011	0,0167	stable
csi	dev_vs_holdout	x8__points	38 puntos	87	26	0,1455	0,1711	0,0041	0,0167	stable
csi	dev_vs_holdout	x8__points	42 puntos	142	31	0,2375	0,2039	0,0051	0,0167	stable
csi	dev_vs_holdout	x8__points	67 puntos	80	25	0,1338	0,1645	0,0063	0,0167	stable

4.8Escala maestra y puntos de corte

4 tramos de puntaje, del 1, de menor riesgo, al 4; cada uno con al menos el 5 % de Desarrollo y una tasa de malos distinta de la de sus vecinos.

PD del tramo de 4,11 % a 68,70 %; 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 30,4 % de Desarrollo (tramo 3); índice de concentración 0,261.

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, el tramo 2 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
1	desde 551 puntos	4,11 %	30,10 %	3,89 %	Verde	26,32 %	7,50 %	Verde
2	de 529 a 550 puntos	12,06 %	18,39 %	11,82 %	Verde	17,11 %	15,38 %	Sin contraste
3	de 488 a 528 puntos	33,40 %	30,43 %	33,52 %	Verde	36,84 %	39,29 %	Verde
4	hasta 487 puntos	68,70 %	21,07 %	69,05 %	Verde	19,74 %	80,00 %	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 551 puntos	30,10 %	3,89 %	4,11 %	95,83 %	59,77 %
Desarrollo	Tramos 1 a 2	desde 529 puntos	48,49 %	6,90 %	7,12 %	88,10 %	37,21 %
Desarrollo	Tramos 1 a 3	desde 488 puntos	78,93 %	17,16 %	17,25 %	51,79 %	9,07 %
Desarrollo	Todos los tramos	todos los puntajes	100,00 %	28,09 %	28,09 %	0,00 %	0,00 %
Holdout	Tramos 1 a 1	desde 551 puntos	26,32 %	7,50 %	4,11 %	94,34 %	62,63 %
Holdout	Tramos 1 a 2	desde 529 puntos	43,42 %	10,61 %	7,24 %	86,79 %	40,40 %
Holdout	Tramos 1 a 3	desde 488 puntos	80,26 %	23,77 %	19,25 %	45,28 %	6,06 %
Holdout	Todos los tramos	todos los puntajes	100,00 %	34,87 %	29,01 %	0,00 %	0,00 %

5Validación formal

La validación formal del modelo «german_sin_stepwise» 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	0,8251	0,6502	0,5124	Reusada de la etapa de desempeño	Evaluada
Holdout	152	53	0,829998	0,659996	0,5641	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	11,8224	8	0,159	0,05	Pasa	—
Desarrollo	Puntaje de Brier	—	598	168	0,2809	0,2809	0,1467	—	—	—	Sin veredicto	—
Holdout	Hosmer-Lemeshow	—	152	53	0,2917	0,3487	—	8	—	—	Sin veredicto	—
Holdout	Puntaje de Brier	—	152	53	0,2917	0,3487	0,1627	—	—	—	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	2,1600	-2,1600	0,0000	1,3300
2	60	6	3,3000	10,0000	5,4400	4,5600	1,8370	2,4200
3	60	2	5,2000	3,3300	8,7100	-5,3800	0,3830	2,1800
4	60	6	7,4000	10,0000	12,2700	-2,2700	0,8150	0,2900
5	60	10	10,5000	16,6700	17,5500	-0,8800	0,9500	0,0300
6	60	19	14,2000	31,6700	23,7100	7,9500	1,3350	2,1000
7	60	21	19,5000	35,0000	32,4300	2,5700	1,0790	0,1800
8	60	22	26,9000	36,6700	44,7800	-8,1200	0,8190	1,6000
9	59	39	34,7000	66,1000	58,8200	7,2900	1,1240	1,2900
10	59	43	45,1000	72,8800	76,3800	-3,5000	0,9540	0,4000

5.3Estabilidad

La tabla reproduce PSI/estabilidad, umbrales, banda, acción y la decisión que dejó la validación. Filas evaluadas: 16.

Validación formal — estabilidad

metric	comparison	feature	value	stable_threshold	review_threshold	band	action	source	status	decision
PSI del score	Desarrollo vs. Holdout	score	0,0671	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
PSI de la PD	Desarrollo vs. Holdout	pd_calibrated	0,0347	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. Holdout	x12__points	0,0121	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. Holdout	x13__points	0,0172	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	x17__points	0,0098	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	0,0076	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 0,8251 y Holdout 0,829998.

Estabilidad (peor PSI entre score y PD): Desarrollo vs. Holdout 0,0671 («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

9cf1d2be3cb76b43a4bbb1d2c99452c4452106bf99a366916b8bb429af654826

created_at

2026-10-19T14:00:14.757183Z

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	550,50	no	598	598	180	180	168	430	0,301003	0,0389	0,0411	0,9583	0,5977
desarrollo	2	528,50	no	598	598	290	290	168	430	0,4849	0,06897	0,0712	0,88095	0,3721
desarrollo	3	487,50	no	598	598	472	472	168	430	0,7893	0,1716	0,1725	0,5179	0,0907
desarrollo	4	—	no	598	598	598	598	168	430	1,0000	0,2809	0,2809	0,0000	0,0000
holdout	1	550,50	no	152	152	40	40	53	99	0,2632	0,0750	0,0411	0,9434	0,6263
holdout	2	528,50	no	152	152	66	66	53	99	0,4342	0,1061	0,0724	0,8679	0,40404
holdout	3	487,50	no	152	152	122	122	53	99	0,8026	0,2377	0,1925	0,4528	0,0606
holdout	4	—	no	152	152	152	152	53	99	1,0000	0,3487	0,2901	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	180	0,301003	180	7	0,0389	0,0411	0,536	green
desarrollo	2	110	0,1839	110	13	0,1182	0,1206	0,516	green
desarrollo	3	182	0,3043	182	61	0,3352	0,33397	0,483	green
desarrollo	4	126	0,2107	126	87	0,6905	0,68696	0,471	green
holdout	1	40	0,2632	40	3	0,0750	0,0411	0,139	green
holdout	2	26	0,1711	26	4	0,1538	0,1206	—	not_evaluable
holdout	3	56	0,3684	56	22	0,3929	0,33397	0,175	green
holdout	4	30	0,1974	30	24	0,8000	0,68696	0,087	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	550,50	—	desde 551 puntos	0,0411	180	0,301003	7	0,0389	formed
2	528,50	550,50	de 529 a 550 puntos	0,1206	110	0,1839	13	0,1182	formed
3	487,50	528,50	de 488 a 528 puntos	0,33397	182	0,3043	61	0,3352	formed
4	—	487,50	hasta 487 puntos	0,68696	126	0,2107	87	0,6905	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": 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

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

fit_statistics

{
  "aic": "568,1319",
  "bic": "634,0358",
  "converged": true,
  "llr": "172,0954",
  "llr_p_value": "< 0,001",
  "log_likelihood": "-269,06597",
  "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": "0,2423"
}

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

[
  "x1__points",
  "x12__points",
  "x13__points",
  "x14__points",
  "x15__points",
  "x17__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

-7,9e-17

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": "0,8251",
    "gini": "0,6502",
    "ks": "0,5124"
  },
  "holdout": {
    "auc": "0,829998",
    "gini": "0,659996",
    "ks": "0,5641"
  }
}

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": "0,0671"
}

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": [
    "x12__points",
    "x13__points",
    "x14__points",
    "x15__points",
    "x17__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_sin_stepwise

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

[
  "487,50",
  "528,50",
  "550,50"
]

delta

-0,0094

diagnostics

{
  "desarrollo": {
    "amber_grades": [],
    "hhi": "0,2615",
    "inversions": [],
    "max_share": "0,3043",
    "max_share_grade": 3,
    "monotonic": true,
    "not_evaluable_grades": [],
    "red_grades": []
  },
  "holdout": {
    "amber_grades": [],
    "hhi": "0,2732",
    "inversions": [],
    "max_share": "0,3684",
    "max_share_grade": 3,
    "monotonic": true,
    "not_evaluable_grades": [
      2
    ],
    "red_grades": []
  }
}

effective_config

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

equalized_grades

[]

formation_cause

—

integer_card

sí

n_grades

neighbours_not_distinct

[]

pd

[
  "0,0411",
  "0,1206",
  "0,33397",
  "0,68696"
]

samples

[
  "desarrollo",
  "holdout"
]

score_direction

higher_is_lower_risk

solver_status

OPTIMAL

source

formed