Segnaliamo che la Banca d’Italia ha pubblicato il nuovo numero della collana "Mercati, infrastrutture, sistemi di pagamento" dal titolo "Valutazione del merito creditizio con apprendimento automatico basato su modelli di machine learning con stacking". 

In particolare, il lavoro confronta le prestazioni di S-ICAS – il modello statistico utilizzato dalla Banca d'Italia per la valutazione del merito creditizio delle imprese non finanziarie (ICAS) – con quelle dei modelli di intelligenza artificiale, in particolare i modelli di machine learning (ML) e di deep learning (reti neurali).

I risultati evidenziano che il deep learning migliora la capacità discriminante e che gli insiemi di alberi decisionali apportano un ulteriore miglioramento, così come un meta-modello che combina random forests, extreme gradient boosting e reti neurali. Inoltre, applicando tecniche di interpretazione dei risultati (XAI) dei modelli alle previsioni del meta-modello, si mostra che queste tecniche possono aiutare gli analisti nella comprensione dei fattori chiave alla base delle differenze tra le previsioni ML e quelle di S-ICAS, contribuendo così a raffinare la loro valutazione.

Infine, è stato rilevato che, sebbene i problemi di interpretabilità impediscano ai modelli basati su intelligenza artificiale di rappresentare un'alternativa completa ai modelli tradizionali, le tecniche di interpretazione dei risultati consentono l'integrazione nel processo complessivo di valutazione del merito di credito, aumentandone così l'efficacia.

Link al comunicato.