Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Discriminazione logistica per la valutazione del rischio di credito

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.

Capitolo 1. Modelli Statistici ed Economici per il Credit Scoring Il limite principale di questo metodo ‘e intuitivo: l output rinforza sostanzial- mente quello dello scoring precedente cosicch‘e se un soggetto buono era stato classi cato erroneamente come cattivo e non gli era stato concesso il prestito, il risultato non cambia perch·e gli ‘e stato riassegnato lo status di cattivo.Ci‘o signi ca che non c ‘e una variazione di performance. 2. Una seconda alternativa prevede di individuare, tra il campione di clienti la cui richiesta di credito ‘e stata accettata (approved applicants), quelli il cui pro lo ‘e simile a coloro che sono stati ri utati ( rejected applicants). Il pro- lo ‘e l insieme delle modalit‘a delle variabili che sono state osservate su un soggetto. Si assegna, cos‘ , la stessa probabilit‘a di insolvenza di questi cli- enti a quelli che sono stati ri utati; si usano ovvero gli approved applicants per inferire sui rejected applicants. Si prosegue, poi, costruendo la nuova score card. Il limite principale di questa procedura ‘e l impossibilit‘a di de nire oggetti- vamente il concetto di similitudine e di scegliere le variabili da considerare per stabilire se due clienti sono simili.Ci‘o la rende inapplicabile. 3. L ultimo metodo di reject inference, che ‘e quello che incontra i favori mag- giori, comporta la costruzione di due modelli separati. Il primo modello ‘e costruito soltanto con i dati degli approved applicants. Sulla base del- l applicazione di questo modello viene valutata la probabilit‘a d insolvenza (score) dei rejected applicants.Ilmanagement, tenendo conto della politica aziendale, stabilisce il benchmark al di sotto del quale i clienti sono classi - cati cattivi. Considerando tale soglia e lo score di ogni rejected applicants, viene loro assegnato lo status di buono o cattivo. Le informazioni sull in- tero data set sono, successivamente, combinate e utilizzate per costruire il secondo modello di scoring complessivo. 14

Anteprima della Tesi di Annalisa Aiello

Anteprima della tesi: Discriminazione logistica per la valutazione del rischio di credito, Pagina 14

Tesi di Laurea

Facoltà: Economia

Autore: Annalisa Aiello Contatta »

Composta da 173 pagine.

 

Questa tesi ha raggiunto 2992 click dal 20/03/2004.

 

Consultata integralmente 18 volte.

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