Lo scoring del credito

Nel corso degli ultimi dieci anni la quasi totalità delle grandi banche internazionali ha effettuato ingenti investimenti in risorse umane e tecnologiche per ristrutturare il proprio modo di gestire il rischio di credito.
Alla base di tutto questo vi è lo sviluppo di modelli per la misurazione del rischio di credito che rispondono all'esigenza di quantificare in modo appropriato il grado di rischio associato alle esposizioni creditizie e risultano funzionali all'obiettivo della banca di utilizzare in modo più efficiente la propria capacità complessiva di assumere rischio.
I modelli per la misurazione del rischio di credito si propongono di stimare il grado di rischio di una certa esposizione creditizia come il prestito, titolo obbligazionario, strumento derivato OTC, ecc. o di un portafoglio di esposizioni.
I modelli tradizionalmente più diffusi per prevenire l'insolvenza di un'impresa sono i cosiddetti modelli di scoring, modelli multivariati di natura statistica che utilizzano come input i principali indici economico-finanziari di un'impresa. Questo scoring è una procedura automatizzata con cui è possibile valutare le richieste di credito in tempi molto rapidi; tale procedura si fonde su una serie di analisi statistiche, su elementi socioeconomici e sulla verifica dei dati del richiedente presso diverse banche dati. Il risultato di tale procedura è un punteggio, il credit score che è un indicatore sintetico dell'affidabilità creditizia di un soggetto. Attribuendo a ognuno di essi un coefficiente di ponderazione che riflette l'importanza relativa di ognuno di essi nel prevedere l'insolvenza, si giunge a una valutazione del merito creditizio che viene sintetizzata in un unico valore numerico rappresentativo della probabilità d'insolvenza.
Seppure la struttura fondamentale sottostante i modelli di scoring sia stata elaborata ancora negli anni Trenta da autori quali Fischer (1936) e Durand (1941), la spinta decisiva allo sviluppo e alla diffusione di questi modelli si è avuta negli anni Settanta con Beaver (1967)e Altman (1968).
I modelli di scoring possono essere impiegati con due obiettivi: la previsione delle insolvenze e la classificazione degli impieghi in diverse categorie di rischio. Tale distinzione è importante in quanto la scelta degli input di un modello di scoring può essere diversa in funzione dell'obiettivo perseguito.
I modelli di scoring possono essere classificati in quattro principali categorie:
1. l'analisi discriminante lineare lineare, originariamente applicata alla previsione delle insolvenze da Edward Altman negli anni Settanta;
2. i modelli di regressione lineare quali il linear probalistic model;
3. i modelli logit (logistic probability model) e probit;
4. i più recenti modelli induttivi di natura euristica quali le reti neurali e gli algoritmi genetici.
Mentre le prime tre categorie di modelli (analisi discriminante, linearregression, probit e logit) si fondano su un approccio deduttivo volto a identificare le relazioni causali di natura economica che spiegano il fenomeno dell'insolvenza, la quarta categoria (reti neurali e algoritmi genetici) segue un approccio puramente empirico di tipo induttivo.