Tecniche statistiche algoritmiche per il monitoraggio del rischio di credito e l’individuazione dei fattori di rischio di default aziendale

L'anteprima di questa tesi è scaricabile in PDF gratuitamente.
Per scaricare il file PDF è necessario essere iscritto a Tesionline.
L'iscrizione non comporta alcun costo. Mostra/Nascondi contenuto.

6 Introduzione Il desiderio di approfondire un tema di interesse economico connesso al mio ambito lavorativo e la possibilità, accordatami dal gruppo bancario Popolare di Vicenza per cui lavoro come Consulente PMI presso Banca Popolare di Vicenza, di ottenere un ampio dataset su cui poter effettuare delle elaborazioni statistiche, mi ha portato ad indirizzare la tematica della tesi verso un argomento di impatto quotidiano per il sottoscritto dal punto di vista professionale, e anche di concreta attualità per la situazione di crisi economica che ad oggi non ha ancora concluso le sue ripercussioni sul sistema economico-finanziario globale. Il peggioramento della situazione congiunturale con un progressivo aumento delle numerosità, sia in termini assoluti che relativi, delle situazioni di difficoltà finanziaria da parte di una crescente quota delle piccole e medie imprese rappresentative del nostro tessuto economico nazionale, ha condotto ad un’aumentata sensibilità da parte degli istituti di credito verso la tematica del credit risk management. Tale rinnovata sensibilità sta conducendo ad un perfezionamento di modelli previsionali sempre più efficienti dal punto di vista della stima della probabilità di default (PD) di un soggetto finanziato, ossia la previsione che tale soggetto non sia più in grado di restituire i finanziamenti concessi. Dal punto di vista statistico, la disponibilità di un dataset relativo ad aziende corporate (small e mid) clienti della Banca (trattasi in generale di PMI escluse le microimprese con fatturato inferiore da 517.000 euro 50 milioni di euro circa), idoneo sia in termini di numerosità e varietà

Anteprima della Tesi di Daniele Rosa

Anteprima della tesi: Tecniche statistiche algoritmiche per il monitoraggio del rischio di credito e l’individuazione dei fattori di rischio di default aziendale, Pagina 1

Laurea liv.II (specialistica)

Facoltà: Economia

Autore: Daniele Rosa Contatta »

Composta da 239 pagine.

 

Questa tesi ha raggiunto 1202 click dal 02/04/2010.

 

Consultata integralmente 4 volte.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.