Communitygithub.com

diegosouzapw/awesome-omni-skill

Detectar y explicar la deriva de riesgo en carteras de préstamos a lo largo del tiempo utilizando análisis vintage, matrices de migración y métricas de concentración. Úselo al monitorear tendencias de calidad crediticia de la cartera, preparar informes de riesgo para el consejo, realizar pruebas de estrés o cuando las métricas de riesgo se desvíen de los umbrales de apetito.

¿Qué es awesome-omni-skill?

Esta habilidad está diseñada para monitorear y cuantificar los cambios en los perfiles de riesgo de carteras de préstamos a lo largo del tiempo, utilizando técnicas avanzadas como análisis de curvas vintage, matrices de migración de crédito, seguimiento de concentración e indicadores de alerta temprana. Es útil para equipos de gestión de riesgos, comités de cartera y responsables de informes trimestrales, ya que permite detectar desviaciones del apetito de riesgo antes de que se materialicen pérdidas. La habilidad admite datos de cartera de préstamos (loan tape), etiquetas vintage, calificaciones de riesgo, datos de rendimiento, umbrales de apetito de riesgo e indicadores macroeconómicos. Su metodología sigue un marco VMIC (Vintage, Migración, Indicadores, Concentración) que descompone la deriva en causas raíz como calidad de originación, efecto de maduración, entorno económico y cambios de política. Los resultados incluyen un panel de control de riesgo, tablas de tendencias, atribución de deriva y recomendaciones accionables, siguiendo una especificación de salida estructurada que facilita la presentación a comités de riesgos y la toma de decisiones.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/diegosouzapw/awesome-omni-skill/tree/HEAD/skills/development/portfolio-risk-drift-detection

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Detección de Deriva de Riesgo en Carteras

Resumen

Monitoree y cuantifique los cambios en los perfiles de riesgo de carteras de préstamos a lo largo del tiempo. Esta habilidad aplica análisis vintage, matrices de migración de crédito, seguimiento de concentración e indicadores de alerta temprana para detectar desviaciones del apetito de riesgo de la institución antes de que se materialicen pérdidas. Los resultados incluyen descomposición de tendencias, atribución de los impulsores de la deriva y recomendaciones accionables para los comités de gestión de cartera.

Cuándo Usarlo

  • Informes trimestrales de riesgo de cartera al consejo y comités de riesgo
  • Detección de deterioro en la calidad de originación entre vintages
  • Monitoreo de violaciones de límites de concentración (geografía, industria, prestatario)
  • Pruebas de estrés de resiliencia de la cartera bajo escenarios adversos
  • Evaluación del impacto de cambios en políticas crediticias sobre la composición de la cartera
  • Respuesta a señales de alerta temprana de tendencias de morosidad o migración

Entradas Requeridas

EntradaDescripciónFormato
Cinta de préstamosCartera completa con datos de originación y rendimientoExtracto a nivel de préstamo
Etiquetas vintageTrimestre/año de originación para cada préstamoCampo de fecha
Calificaciones de riesgoGrados de riesgo internos o bandas de PDEscala de calificación
Datos de rendimientoEstado de morosidad, castigos, modificacionesInstantáneas mensuales
Apetito de riesgoLímites y umbrales aprobados por el consejoDocumento de política
Indicadores macroDesempleo, HPI, PIB, pronósticos de tasas de interésAlimentación de datos económicos

Metodología

Paso 1 — Análisis de Curvas Vintage

Construya curvas acumuladas de incumplimiento y pérdida por vintage de originación:

  • Grafique la tasa de castigo neto acumulada (NCO) por meses en libros para cada vintage
  • Compare vintages recientes contra puntos de referencia consolidados a edades equivalentes
  • Calcule el índice de desviación vintage: ratio del NCO del vintage actual respecto al NCO de referencia al mismo mes en libros
  • Marque vintages donde el índice de desviación supere 1.2 (20% peor que el punto de referencia)
  • Descomponga las desviaciones en efecto volumen (cambio de mezcla) vs. efecto tasa (cambio de calidad)

Paso 2 — Construcción de Matriz de Migración de Crédito

Construya matrices de transición que muestren el movimiento de calificaciones entre períodos:

  • Construya una matriz de migración NxN para cada período de informe (trimestral recomendado)
  • Calcule la tasa de mejora, tasa de degradación y tasa de estabilidad para cada grado
  • Calcule el puntaje de migración promedio ponderado (WAMS): positivo = mejora de la cartera, negativo = deterioro
  • Compare los patrones de migración actuales contra normas históricas (promedios de 3 y 5 años)
  • Identifique grados con velocidad de degradación anormal (>1.5x la tasa histórica)

Paso 3 — Seguimiento de Deriva de Concentración

Monitoree la concentración de la cartera en dimensiones clave:

  • Geográfica: Exposición por estado/área metropolitana vs. límites
  • Industria/sector: Concentración por código NAICS vs. objetivos de diversificación
  • Tamaño del prestatario: Concentración de nombre único y exposición a los 10/25 principales
  • Mezcla de productos: Fijo vs. variable, garantizado vs. no garantizado, a plazo vs. rotativo
  • Distribución de grados de riesgo: Porcentaje en pase, vigilancia, subestándar, dudoso

Calcule el Índice Herfindahl-Hirschman (HHI) para cada dimensión y rastree la tendencia. Marque cualquier dimensión donde el HHI aumente más del 10% trimestre a trimestre o supere el límite de política.

Paso 4 — Panel de Indicadores de Alerta Temprana

Calcule y siga la tendencia de los siguientes indicadores adelantados:

  • Tasa de morosidad a 30 días por vintage y producto (señal más temprana)
  • Análisis de tasas de avance: Probabilidad de transición de corriente → 30 DPD → 60 DPD → 90 DPD → castigo
  • Migración de Probabilidad de Incumplimiento (PD): PD promedio ponderado de la cartera vs. períodos anteriores
  • Tendencia de Pérdida Dado el Incumplimiento (LGD): Tasas de recuperación en incumplimientos realizados
  • Pérdida Crediticia Esperada (ECL) bajo CECL/IFRS 9: Movimiento en la estimación de pérdida durante la vida
  • Ratio de activos criticados: Clasificados + mención especial como porcentaje del total de préstamos

Paso 5 — Análisis de Atribución

Descomponga la deriva observada en causas raíz:

  • Calidad de originación: ¿Son las nuevas contrataciones más riesgosas que los promedios históricos?
  • Efecto de maduración: ¿Están los préstamos más antiguos rindiendo como se esperaba a su edad?
  • Entorno económico: ¿Pueden los cambios en factores macro explicar la migración observada?
  • Cambios de política: ¿Modificaron recientemente las políticas crediticias el perfil de riesgo?
  • Agotamiento de la cartera: ¿Se concentran los pagos en segmentos de menor riesgo, dejando un fondo residual más riesgoso?

Use un marco de descomposición: Deriva total = Efecto de originación + Efecto de maduración + Efecto económico + Efecto de mezcla + Residual

Paso 6 — Superposición de Escenarios de Estrés

Proyecte el rendimiento de la cartera bajo estrés:

  • Aplique escenarios de estrés regulatorio (CCAR severamente adverso) a la cartera actual
  • Calcule PD, LGD y ECL estresados bajo cada escenario
  • Compare las pérdidas estresadas con los colchones de capital y las reservas para pérdidas crediticias
  • Evalúe si la deriva observada ha aumentado la vulnerabilidad al estrés
  • Cuantifique el capital incremental necesario si la deriva continúa en su trayectoria actual

Paso 7 — Generación de Informe y Recomendaciones

Produzca un informe integral de deriva con:

  • Panel de control de riesgo de cartera con indicadores de semáforo
  • Gráficos de tendencia para todas las métricas clave (horizonte mínimo de 12 trimestres)
  • Hallazgos específicos de deriva con atribución de causa raíz
  • Comparación con umbrales de apetito de riesgo (dentro / acercándose / violado)
  • Acciones de gestión recomendadas (endurecer originación, aumentar reservas, cobertura)

Especificación de Salida

## Informe de Deriva de Riesgo de Cartera — [Período]

### Panel de Riesgo
| Métrica | Actual | Trim. Anterior | Cambio Anual | Límite de Apetito | Estado |
|---------|--------|----------------|--------------|-------------------|--------|
| WA PD | X.XX% | X.XX% | +/- X pbs | X.XX% | [V/A/R] |
| WA LGD | XX.X% | XX.X% | +/- X pp | XX.X% | [V/A/R] |
| Tasa NCO | X.XX% | X.XX% | +/- X pbs | X.XX% | [V/A/R] |
| 30+ DPD | X.XX% | X.XX% | +/- X pbs | X.XX% | [V/A/R] |
| HHI (Geo) | X,XXX | X,XXX | +/- XXX | X,XXX | [V/A/R] |
| Ratio Criticado | X.XX% | X.XX% | +/- X pbs | X.XX% | [V/A/R] |

### Análisis Vintage
- Peor vintage: [Trimestre] — [X]% por encima del punto de referencia a los [N] meses en libros
- Vintages en vigilancia: [Lista]

### Resumen de Migración
- Puntaje de migración promedio ponderado: [X.XX] (negativo = deterioro)
- Grados con velocidad de degradación elevada: [Lista]

### Atribución de Deriva
- Calidad de originación: [X]% de la deriva total
- Entorno económico: [X]% de la deriva total
- Efecto de mezcla/agotamiento: [X]% de la deriva total
- Impacto de cambio de política: [X]% de la deriva total

### Impacto de Prueba de Estrés
- ECL base: $[X]M
- ECL severamente adverso: $[X]M (+[X]%)
- Adecuación de capital bajo estrés: [Adecuado / Marginal / Insuficiente]

### Recomendaciones
1. [Acción — parte responsable — plazo]
2. [Acción — parte responsable — plazo]
3. [Acción — parte responsable — plazo]

Marco de Análisis

Aplique el marco VMIC:

  • Vintage — Compare curvas de rendimiento de cohortes contra puntos de referencia
  • Migración — Rastree transiciones de grados de crédito para detectar deriva direccional
  • Indicadores — Monitoree señales adelantadas de morosidad y pérdida
  • Concentración — Mida cambios en la diversificación entre dimensiones

Ejemplos

Ejemplo 1 — Deterioro de Calidad de Originación

Hallazgo: Los préstamos automotrices del vintage Q3 2025 muestran una morosidad a 30 días del 4.2% a los 6 meses en libros vs. 2.8% de referencia (índice de desviación: 1.50). Atribución: 68% calidad de originación (el FICO promedio bajó 22 puntos tras el cambio de política), 32% económico (pico de desempleo regional). Recomendación: Revertir el FICO mínimo al umbral previo al cambio, aplicar superposición de riesgo geográfico para las áreas metropolitanas afectadas.

Ejemplo 2 — Violación de Concentración

Hallazgo: La exposición a oficinas CRE alcanzó el 342% del capital Tier 1 (límite: 300%). El HHI para la concentración sectorial aumentó un 18% trimestre a trimestre. La matriz de migración muestra que el 12% de los préstamos CRE de oficinas fueron degradados en el trimestre (norma histórica: 4%). Recomendación: Pausar nuevas originaciones de CRE de oficinas, acelerar la reestructuración de créditos subestándar, presentar plan de remediación al consejo en un plazo de 30 días.

Directrices

  • Use al menos 12 trimestres de datos históricos para el análisis de tendencias y la construcción de puntos de referencia
  • Aplique tanto umbrales absolutos como disparadores de tasa de cambio para la alerta temprana
  • Separe la deriva de la cartera de los patrones de maduración esperados usando métricas ajustadas por edad
  • Valide las curvas vintage contra la emergencia real de pérdidas antes de usarlas como puntos de referencia
  • Coordine los hallazgos con ALCO, comité de riesgo crediticio y finanzas (adecuación de reservas)
  • Presente las matrices de migración a nivel de grado individual, no agregado aprobado/reprobado
  • Documente todas las fuentes de datos, exclusiones y supuestos metodológicos

Lista de Verificación de Validación

  • Las curvas vintage están ajustadas por edad para una comparación justa entre cohortes
  • Las matrices de migración están completas (todos los grados representados, las filas suman 100%)
  • Las métricas de concentración reflejan saldos actuales, no solo compromisos
  • Los indicadores de alerta temprana usan definiciones consistentes entre períodos
  • El análisis de atribución considera todos los impulsores materiales de deriva
  • Los escenarios de estrés están actualizados (alineados con la guía CCAR/DFAST más reciente)
  • Los umbrales de apetito de riesgo reflejan límites aprobados por el consejo, no objetivos informales
  • El informe incluye tanto métricas cuantitativas como contexto narrativo
  • Los problemas de calidad de datos se divulgan y se evalúa su impacto en las conclusiones
  • Las recomendaciones están priorizadas por urgencia e impacto esperado

Individual skills in this repo

This repo contains 17 individual skills — each has its own dedicated page.

diegosouzapw/awesome-omni-skill

Build a GitHub portfolio that gets you hired — curate 3-5 polished projects, craft compelling READMEs, deploy live demos, tell a coherent story across your repos, and align everything to AI-native development roles. Use when preparing your GitHub for job searches, deciding what to pin, or auditing your public presence.

diegosouzapw/awesome-omni-skill

Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.

diegosouzapw/awesome-omni-skill

Factor modeling and portfolio construction (Markowitz, Black-Litterman, constraints, turnover).

diegosouzapw/awesome-omni-skill

Analyze the CustomGPT.ai Labs Innovation workbook and cost tracking data to surface portfolio-level insights, trends, and recommendations for where to focus Innovation efforts.

diegosouzapw/awesome-omni-skill

Optimize project portfolio selection under constraints using mathematical optimization

diegosouzapw/awesome-omni-skill

Rapidly build, prototype, and deploy full-stack software using AI "text-to-app" tools. Use this when you need to create a greenfield application, build a high-fidelity working prototype for user testing, or bypass traditional engineering bottlenecks for internal tools.

diegosouzapw/awesome-omni-skill

Expert in building portfolios that actually land jobs and clients - not just showing work, but creating memorable experiences. Covers developer portfolios, designer portfolios, creative portfolios,...

diegosouzapw/awesome-omni-skill

Minimalist, typography-focused portfolio design system inspired by neo-brutalist and Swiss design principles. Emphasizes bold typography, generous whitespace, monochromatic color schemes, and elegant simplicity for developer/designer portfolios.

diegosouzapw/awesome-omni-skill

Review UI code for Web Interface Guidelines compliance. Use when asked to "review my UI", "check accessibility", "audit design", "review UX", or "check my site against best practices".

diegosouzapw/awesome-omni-skill

High-converting landing pages. Copy + design + implementation. Triggers: landing page, conversion page.

diegosouzapw/awesome-omni-skill

Portfolio allocation and rebalancing optimizer. Manages asset allocation across stocks/cash/bonds, performs periodic rebalancing, and ensures diversification according to market regime and risk tolerance.

diegosouzapw/awesome-omni-skill

Review UI code for Web Interface Guidelines compliance. Use when asked to "review my UI", "check accessibility", "audit design", "review UX", or "check my site against best practices".

diegosouzapw/awesome-omni-skill

Review UI code for Web Interface Guidelines compliance. Use when asked to "review my UI", "check accessibility", "audit design", "review UX", or "check my site against best practices".

diegosouzapw/awesome-omni-skill

Index-based file discovery using ABOUTME headers. Use INSTEAD of grep or Explore agent when searching for files by purpose or feature. Faster and more accurate than scanning code. Invoke this skill when user asks "which files handle X", "where is Y implemented", or when you need to find files related to a feature or task.

diegosouzapw/awesome-omni-skill

Index-based file discovery using ABOUTME headers. Use INSTEAD of grep or Explore agent when searching for files by purpose or feature. Faster and more accurate than scanning code. Invoke this skill when user asks "which files handle X", "where is Y implemented", or when you need to find files related to a feature or task.

diegosouzapw/awesome-omni-skill

Automate Klipfolio tasks via Rube MCP (Composio). Always search tools first for current schemas.

diegosouzapw/service-website-generator

Orchestrates automated service-based website generation with local SEO optimization. Creates 200+ service+location pages using parallel agents, Unsplash images via Jina AI, NextJS with dynamic routing, and PostgreSQL database. Use when building service business websites (plumbers, electricians, pressure washing, HVAC, etc.) targeting multiple locations.

Skills relacionados