El riesgo de contraparte, que combina riesgos de mercado y crédito, cobró prominencia después de la crisis financiera de 2008 debido a su complejidad e implicaciones sistémicas. Los métodos de gestión tradicionales, como la compensación y la colateralización, se han vuelto computacionalmente exigentes bajo marcos como la Revisión Fundamental del Libro de Operaciones (FRTB). Este documento explora la aplicación combinada de la regresión de procesos Gaussianos (GPR) y la cuadratura Bayesiana (BQ) para mejorar la eficiencia y precisión de las métricas de riesgo de contraparte, particularmente el ajuste de valoración de crédito (CVA). Este enfoque equilibra una excelente precisión con significativas ganancias de rendimiento computacional. Enfocándonos en carteras de derivados de renta fija, como permutas de tasas de interés y swaptions, dentro del marco del modelo Gaussiano Lineal Markoviano de un factor (LGM-1F), destacamos tres contribuciones clave. Primero, aproximamos los precios de swaption utilizando la fórmula de Bachelier, mostrando que las tasas de intercambio con inicio diferido pueden ser modeladas como dinámicas Gaussianas, lo que permite cálculos eficientes de CVA. Segundo, demostramos la relevancia práctica de una aproximación analítica para el CVA de una cartera de permutas de tasas de interés. Finalmente, el uso combinado de procesos Gaussianos y cuadratura Bayesiana subraya una poderosa sinergia entre precisión y eficiencia computacional, convirtiéndolo en una herramienta valiosa para la gestión del riesgo crediticio.