polito.it
Politecnico di Torino (logo)

Modelli Predittivi di Machine Learning applicati all'Analisi Creditizia

Gianmarco Salvadori

Modelli Predittivi di Machine Learning applicati all'Analisi Creditizia.

Rel. Franco Varetto. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Gestionale, 2021

[img]
Preview
PDF (Tesi_di_laurea) - Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (7MB) | Preview
Abstract:

Alla base di questo elaborato vi è un’analisi creditizia applicata alle imprese operanti in un particolare settore economico italiano, quello metallurgico. In particolare, l’obiettivo di questa tesi di laurea è quello di realizzare un sistema di Credit Scoring, mediante l’utilizzo di alcuni tra i più importanti e attuali modelli di Machine Learning come la Regressione Logistica, la Rete Neurale e l’XGBoost, al fine di tentare di predire l’evento default/non default societario sulla base dell’affidabilità creditizia delle aziende prese in esame. La principale motivazione che mi ha spinto ad approfondire tale tema è stata l’interesse nel confrontare quale tra gli algoritmi sopracitati risultasse maggiormente adatto all’obiettivo prefissato in termini sia di prestazioni che di robustezza dei risultati.

Relatori: Franco Varetto
Anno accademico: 2020/21
Tipo di pubblicazione: Elettronica
Numero di pagine: 238
Soggetti:
Corso di laurea: Corso di laurea magistrale in Ingegneria Gestionale
Classe di laurea: Nuovo ordinamento > Laurea magistrale > LM-31 - INGEGNERIA GESTIONALE
Aziende collaboratrici: NON SPECIFICATO
URI: http://webthesis.biblio.polito.it/id/eprint/17669
Modifica (riservato agli operatori) Modifica (riservato agli operatori)