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.

8 Vantaggi della tecnica treeboost sono la possibilità di gestire un numero assai elevato di variabili e l'accuratezza delle previsioni. Punto di debolezza della tecnica è invece la complessità del modello generato, il che comporta l'impossibilità di rappresentarlo graficamente. Obiettivo di questo elaborato è approfondire dal punto di vista teorico e applicativo le Random Forests, partendo dall'analisi dei CART su cui esse si basano e proporne un possibile utilizzo per il monitoraggio del rischio di credito in ambito bancario e più precisamente per l’individuazione dei fattori di rischio che conducono al default del cliente. Nel primo capitolo vengono descritti sinteticamente i modelli e i sistemi di cui il sistema bancario si è dotato nel tempo per misurare e monitorare i rischi specifici del proprio settore e in particolar modo il rischio di credito, in quanto oggetto specifico della presente trattazione. Il capitolo prosegue analizzando più specificatamente i modelli di credit risk management e i diversi sistemi di rating, giungendo a descrivere le diverse implementazioni adottabili, tra le quali i sistemi statistico- analitici, come ad esempio il modello Basato sull’utilizzo del Random Forests descritto nei capitoli successivi. Nel secondo capitolo, partendo dal concetto generale di "segmentazione gerarchica" verrà introdotto il concetto di "albero binario" e si illustreranno i fondamenti teorici della metodologia CART con i propri punti di forza e di debolezza. Argomento centrale del terzo capitolo sarà l'analisi teorica della tecnica delle Random Forests, tecnica che elimina il problema dell'instabilità dei risultati tipico dei CART. Presentati dal punto di vista teorico i CART e le Random Forests, dal quarto capitolo si analizzerà una loro applicazione pratica ai dati

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 3

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.