Conceptos

Modelo mental mínimo para leer el resto de la documentación.

El config declarativo es el experimento

Toda corrida se describe con un único objeto NikodymConfig (Pydantic v2): esquema de datos, partición, binning, selección de variables, modelo, scorecard, calibración, desempeño y estabilidad. No hay estado oculto ni parámetros dispersos por el código: el config es la verdad, y la misma estructura que se edita a mano es la que se serializa a YAML/JSON y la que consume la UI. De ahí la propiedad central: (datos + config + semilla) → resultado idéntico.

run → Study

nikodym.run(config) es la superficie pública única de ejecución. Ensambla el audit sink y el inventario de modelos, corre el pipeline y devuelve un Study: el contenedor de la corrida con el RunContext (estado + lineage) y el ArtifactStore namespaced por dominio. Los resultados no viven en un dict plano sino en study.artifacts.get(<dominio>, <clave>) — p. ej. ("scorecard", "scorecard") o ("performance", "discriminant_metrics").

El pipeline F1 (scorecard de comportamiento)

El MVP (Fase 1) es un scorecard de comportamiento. La corrida encadena estos pasos, cada uno gobernado por su sección del config:

1. binning — discretiza las variables en bins con Weight of Evidence (WoE) y monotonía controlada (motor OptBinning).
2. selección — filtra variables por IV, correlación y VIF antes de modelar.
3. modelo — regresión logística con stepwise e inferencia (statsmodels).
4. scorecard — traduce los coeficientes a puntajes enteros (escala PDO / target odds).
5. calibración — ajusta la PD a un ancla de negocio (through-the-cycle).
6. desempeño / estabilidad — métricas de discriminación (AUC/KS/Gini) y PSI/CSI por partición.

Fases posteriores añaden ML (GBDT), survival, forward-looking, provisiones CMF e IFRS 9/ECL y stress testing, cada una como secciones adicionales del mismo config.

Reproducibilidad y gobernanza

Cada corrida emite un lineage bundle (git SHA + hash lógico de datos + config_hash + semilla + uv.lock) y un audit-trail, y produce una model card (SR 11-7). Reejecutar el mismo config con la misma semilla sobre los mismos datos reproduce el resultado bit a bit.