Descriere
În organizații moderne, modelele (de risc, scoring, forecast, pricing, ML) nu sunt doar “algoritmi” — sunt decizii codificate. Iar dacă nu sunt validate, monitorizate și guvernate, ele devin o sursă de risc operațional, reputațional și financiar.
Acest curs te învață cum să construiești un cadru complet de Model Risk Management (MRM) — astfel încât modelele să fie audit-ready, să reziste la schimbări de date / piață și să fie înțelese de stakeholderi (business, management, control intern).
Ce vei învăța la cursul Model Risk Management & Validare:
- Să înțelegi ciclul de viață (lifecycle-ul) complet al unui model: dezvoltare → aprobare → utilizare → monitorizare → modificare → retragere;
- Să validezi corect performanța: discriminare, calibrare, backtesting și benchmark/challenger;
- Să proiectezi un pachet de monitorizare (stabilitate, drift, praguri, escaladare, action log);
- Să gestionezi explicabil, bias/fairness și overrides într-un mod controlat;
- Să livrezi documentație audit-ready (Model Doc, Raport de Validare, Plan Monitorizare, Log-ul Modificărilor).
Curriculum (secțiuni și lecții)
Secțiunea 1 – Model Risk Management (MRM): fundația și “contractul” cu beneficiarul
Punem baza: ce este MRM, cum clasifici modelele și cum arată responsabilitățile într-un cadru sănătos.
- 1. Ce este Model Risk Management și de ce contează (model ≠ output)
- 2. Ciclul de viata al modelului: dezvoltare → aprobare → utilizare → monitorizare → modificare → retragere
- 3. Inventarul modelelor (niveluri de risc și ce impune fiecare)
- 4. Roluri și responsabilități: owner, developer, validator, user, aprobator (approver)
Secțiunea 2 – Date & reproducibilitate: condiția de “auditability”
Fără date și reproducibilitate, nu există validare credibilă. Înțelegem ce trebuie să fie “provabil”.
- 1. Trasabilitatea datelor (data lineage) pentru model (de la sursă la feature)
- 2. Calitatea datelor (data quality) minim necesar pentru validare (checks de bază)
- 3. Eșantionare, splitare, leakage: cum te ferești de “victorie falsă”
- 4. Pachet reproductibil: ce păstrezi ca dovadă (inputs/outputs/versioning)
Secțiunea 3 – Validare de performanță: discriminare & calibrare
Validarea nu înseamnă “un scor bun”, ci o verificare completă: performanță, calibrare și robustețe pe segmente.
- 1. Discriminare: AUC/ROC, KS, Gini – interpretare corectă
- 2. Calibrare: PD alignment, calibration curves, binning inteligent
- 3. Backtesting: ce verifici, când e fail, când e acceptabil cu acțiuni
- 4. Benchmarking & challenger: cum demonstrezi “best available”
- 5. Stabilitate Segmente: performanță pe clustere (industrie, mărime, produse)
Secțiunea 4 – Stabilitate & drift: monitorizare în producție
Construim o monitorizare practică (nu “teorie”), cu praguri, semafoare și plan de acțiuni.
- 1. Stabilitatea inputurilor (CSI) vs stabilitatea scorului (PSI)
- 2. Tipuri de drift: covariate shift, concept drift, label drift (pe înțeles)
- 3. Thresholds & traffic lights: praguri care nu blochează business-ul
- 4. Dashboard-UL de monitorizare: pachet lunar/trimestrial (ce intră obligatoriu)
- 5. Incidente de Model: triaj, RCA, plan remediere
Secțiunea 5 – Explicabilitate, bias & controale
Explicăm decizia modelului, controlăm “părtinirea (bias)” și punem reguli pentru overrides.
- 1. Explicabilitate pentru stakeholderi (nu doar “data science”)
- 2. Importanta risk driveri-lor & SHAP: ce poți spune și ce NU e corect să spui
- 3. Bias/fairness: riscuri, teste simple, decizii pragmatice
- 4. Overrides & expert judgement: policy, logging, control, feedback loop
Secțiunea 6 – Change management & documentație “audit-ready”
Închidem cu partea care face diferența în practică: schimbări controlate, versiuni, documentație standard și capstone.
- 1. Modificarea condițiilor de funcționare: când redezvolți modelul (și când NU)
- 2. Versionări: model, date, cod, parametri (minimul obligatoriu)
- 3. Documentație standard: Model Doc + Validation Report + Monitoring Plan
- Capstone: “Pachet MRM” complet pentru un model (template + checklist)
Certificare: CorpQuants Training Center