Modelli di Risk Scoring
Scenario
Nel contesto attuale, dove i mercati cambiano rapidamente, valutare correttamente il rischio di credito è fondamentale per prendere decisioni finanziarie informate. Modefinance, azienda specializzata nell’analisi del rischio, utilizzava già diversi strumenti per questo scopo, ma sentiva il bisogno di un sistema unico in grado di offrire una valutazione complessiva e facilmente interpretabile sul rischio che un’azienda possa fallire. Per realizzarlo, si è rivolta a Deix, che grazie alla sua esperienza nell’intelligenza artificiale e nell’analisi dei dati complessi, ha rappresentato il partner ideale.
La sfida
La sfida principale era creare uno strumento capace di unire informazioni diverse e a volte incomplete in un unico indicatore semplice da leggere, ma allo stesso tempo affidabile. Questo indicatore doveva stimare con precisione la possibilità che un’azienda potesse trovarsi in difficoltà nei mesi successivi combinando dati descrittivi con KPI generati da modelli statistici già esistenti. Era inoltre fondamentale che il risultato fosse comprensibile e trasparente, per permettere a chi lo utilizza di fornire una giustificazione chiara e coerente di ogni valutazione.
La soluzione
Per rispondere alle esigenze di Modefinance, Deix ha sviluppato una libreria software su misura, facilmente integrabile nei loro sistemi esistenti. Questa libreria permette di addestrare e utilizzare un modello di valutazione del rischio basato su una tecnologia avanzata chiamata FT-Transformer. Si tratta di un tipo di rete neurale che nasce per analizzare dati complessi, come testi o serie temporali, e che qui è stata adattata per lavorare con i dati numerici e categoriali tipici delle aziende.
Il cuore della soluzione è proprio questo modello, che offre tre vantaggi fondamentali:
Comprensione delle relazioni complesse tra dati
Grazie a una tecnica chiamata self-attention, il modello riesce a cogliere collegamenti anche non ovvi tra le diverse informazioni disponibili su un’azienda, migliorando la precisione nella previsione del rischio.
Gestione intelligente dei dati mancanti
Capita spesso che alcune informazioni non siano disponibili. Il FT-Transformer è progettato per ignorare in modo selettivo queste assenze, evitando che influenzino negativamente il risultato.
Trasparenza e spiegabilità
Oltre a fornire uno score sintetico, la libreria sviluppata da Deix include strumenti che permettono di capire perché una certa azienda ha ottenuto un determinato punteggio, sia a livello generale che nel dettaglio per ogni singolo caso.
I risultati del progetto
Il nuovo modello ha ottenuto risultati eccellenti: è stato in grado di prevedere con grande precisione il rischio di default, raggiungendo un’accuratezza del 90% (AUC) nell’individuare le aziende più a rischio. Questo rappresenta un netto miglioramento rispetto ai modelli utilizzati in precedenza.
Le prospettive
I transformer applicati ai dati aziendali stanno diventando sempre più performanti e flessibili. Le prossime evoluzioni punteranno a modelli ancora più leggeri, veloci da addestrare e capaci di adattarsi in tempo reale a nuovi dati.