Modelli di Machine Learning per il Credit Scoring

1 Introduzione 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. Infatti una volta che questi modelli sono “allenati”, vengono utilizzati per prevedere la classe di appartenenza di un nuovo richiedente, non appartenente al campione di allenamento; per esempio, vengono utilizzati per prevedere se un nuovo richiedente appartenga alla classe dei soggetti solventi oppure a quella dei soggetti insolventi, nei problemi di classificazione, oppure stimano la probabilità di appartenenza del soggetto sotto esame ad una classe. Per esempio, può essere stimata la probabilità di insolvenza di un nuovo richiedente, analizzando la sua probabilità di appartenere alla classe “1” dei soggetti insolventi .Tra i punti di forza dei modelli di machine learning vi è la capacità di evitare il cosiddetto problema di overfitting, consistente nell’incapacità di un modello di fare previsioni affidabili su soggetti che non appartengono al campione di allenamento, inoltre sono efficaci nell’affrontare situazioni in cui tra la variabile risposta e le variabili predittive non sussistono relazioni di tipo lineare, sono veloci e hanno costi relativamente bassi. La stima delle probabilità di default è una sfida cruciale nell’ambito della misurazione del rischio di credito, sul quale, a seguito della crisi finanziaria del 2008, è stata posta una lente di ingrandimento con gli accordi di Basilea 2; di particolare rilevanza è la possibilità da parte degli istituti finanziari di utilizzare modelli di stima delle suddette probabilità e la costruzione di modelli di rating interni. Ho scelto di analizzare 3 modelli di machine learning, Random Forest, Support Vector Machine e Regressione logistica. Il primo perché ha un algoritmo molto efficiente in termini di tempo di calcolo in grandi datasets, il secondo perché ha un sofisticato supporto matematico, il terzo per la sua diffusione nel risk