Modelli di machine learning per il credit scoring
- Tipologia:
Tesi di Laurea di secondo livello / magistrale
- Anno accademico:
2019/2020
- Relatore:
- Marco Minozzo
- Università:
Università degli Studi di Verona
- Facoltà:
Economia
- Corso:
Economia Bancaria, Finanziaria ed Assicurativa
- Cattedra:
modelli stocastici per la finanza
- Lingua:
- Italiano
- Pagine:
- 73
- Formato:
- Protezione:
- DRM Adobe
- Dimensione:
- 7.37 Mb
Descrizione Modelli di machine learning per il credit scoring
Il credit scoring è l’espressione numerica del merito di credito di un soggetto che si vuole finanziare. Le banche lo utilizzano quando devono prendere decisioni sulle concessioni di prestiti e finanziamenti. Al giorno d’oggi, in molte situazioni, chi si trova ad analizzare il soggetto richiedente il credito, deve prima valutare la storia creditizia e dopo decidere se concedere o meno il servizio. Questo processo richiede tempo per il controllo dell’intero profilo del richiedente in ordine alla generazione di un report. Ecco che il credit scoring viene sviluppato per risparmiare tempo ed essere immediatamente comprensibile da entrambe le parti. Si inseriscono in questo contesto i modelli di machine learning, cioè degli algoritmi che “studiano” (dal verbo inglese “to learn” che significa studiare) come comportarsi, sulla base di un campione di dati, definito “training set” o campione di allenamento (dal verbo inglese “to train” che significa allenare), rappresentativo della situazione finanziaria della clientela, per effettuare delle previsioni su nuovi soggetti.