QUESTI SITO USA I COOKIES E TECNOLOGIE SIMILARI (vedi dettagli)

Se non cambi la configurazione del browser, sei d'accordo. 

Fri07Nov200300:10
Altri algoritmi di Credit Scoring
Nell’ultimo articolo proposto nella sezione Market Risk di Portalino è presente un’introduzione agli algoritmi lineari alla produzione di scoring, nella fattispecie applicati al credit risk. La comprensibile ostilità ai “formulari” mi impediscono di proseguire il tema in via analitica, preferendone la versione descrittiva. Senza tediare il lettore su tutte le soluzioni di algoritmo producibili, esistono algoritmi relativamente recenti e innovativi che hanno trovato sviluppi negli applicativi sul credit scoring.

Accanto allo score lineari, modello logistico, programmazione lineare, teoria delle catastrofi, sistemi esperti, esistono anche gli alberi decisionali e le reti neurali.

Alberi decisionali

Gli alberi decisionali sono dei formalismi che consentono di ottenere in via automatica una o più classificazioni progressive di un insieme di oggetti a partire da una serie di caratteristiche osservate. L’idea centrale sta nell’effettuare successive ripartizioni disgiunte dell’insieme di oggetti, in modo da condurre ad una rete ordinata discendente di relazioni, articolate in una o più “foglie” che si dipartono da nodi decisionali o intermedi.

Un nodo decisionale specifica i test da condurre su un attributo; per ciascun risultato possibile dei test si diparte dal nodo un ramo che può dar origine ad un sotto-albero.

Una foglia rappresenta un punto terminale dell’albero e contraddistingue una classe di oggetti.

Uno dei problemi più rilevanti degli alberi decisionali risiede nel fatto che spesso la complessità delle situazioni reali, come la previsione delle insolvenze, conduce a strutture molto laboriose e articolate, tali da rendere problematica la lettura e l’interpretazione. D’altro lato, però, un albero decisionale può essere direttamente convertito in un insieme di regole che possono aiutare a discriminare meglio e prestarsi ad essere organizzati con motori inferenziali in sistemi esperti. Le regole costituiscono una descrizione strutturata del cammino che occorre seguire dalla radice dell’albero per arrivare a ciascuna foglia terminale.

I risultati e le sperimentazioni degli alberi decisionali nel campo della previsione delle insolvenze sono stati in taluni casi migliori di quelli delle metodologie tradizionali.

Reti neurali

Le reti neurali cercano di mimare il processo di apprendimento seguito dalla mente umana la quale, dati degli input, produce degli output che sono rappresentabili attraverso connessioni neurali a vari livelli. I modelli derivanti sono composti da un grande numero di unità elementari di elaborazione; ogni unità è interconnessa con altre e ciascuna è in grado di effettuare calcoli relativamente semplici.

Il risultato delle reti deriva più dal loro comportamento collettivo che da quello specifico di singole unità.

L’aspetto cruciale risiede nel fatto che i pesi delle connessioni non sono fissi, ma possono essere modificati sulla base di una procedura di apprendimento derivata dal confronto tra le risposte della rete e le risposte desiderate. La procedura di apprendimento assume un ruolo fondamentale: si può dire che, mentre nei programmi informatici tradizionali viene dichiarato implicitamente al calcolatore come raggiungere un certo risultato, nelle reti neurali è il meccanismo interno autoregolante che porta al risultato voluto. La rete, in altri termini, si comporta come un sistema dinamico adattivo che reagisce alle differenze di risposta.

Per contro, le reti neurali mancano di un impianto teorico che sia in grado di definire il tipo di architettura ottimale da usare nei vari problemi; inoltre, la loro scarsa trasparenza rende difficile per l’analista comprenderne il reale funzionamento e valutare la plausibilità economica del modello.

La letteratura scientifica sulle reti neurali è assai ampia, come vasto è l’applicativo prodotto rispetto all’analisi dell’insolvenza. Accolta abbastanza freddamente dal mondo accademico, ora sembra essere in fase di rivalutazione per effetto di una continua ricerca sperimentale, legata soprattutto al credit scoring.

 

Mariano Rossi - (This email address is being protected from spambots. You need JavaScript enabled to view it.)