Analisi del rischio di default mediante algoritmi di intelligenza artificiale. Il caso delle PMI italiane appartenenti al settore industry. = Default risk analysis through artificial intelligence algorithms. The case of Italian SMEs in industry sector.

Il presente lavoro di tesi si propone di analizzare le conseguenze socio-economiche legate al virus Sars-Cov-2 sulle PMI italiane appartenenti al settore industry. Gli effetti sono stati analizzati mediante un confronto tra lo stato di salute delle imprese pre e post evento disruptive, il quale ha determinato forti restrizioni produttive per la quasi totalità delle imprese aumentando il rischio di business interruption. La stesura del lavoro è stata resa possibile dalla collaborazione con la società ARISK SRL, start-up e spin-off del Politecnico di Torino, che ha messo a disposizione l’algoritmo proprietario, basato su tecniche di intelligenza artificiale e Machine Learning, capace di definire gli indicatori finanziari e di governance alla base dei risultati finali ottenuti. Ha permesso, quindi, di applicare l’intelligenza artificiale (AI) alla disciplina del risk management (RM) offrendo un ottimo strumento di supporto decisionale per i diversi stakeholder interessati (e.g. imprenditori, policy maker e istituzioni finanziarie). Uno degli obiettivi del lavoro è rappresentato proprio dal dimostrare come il recente “binomio” creatosi tra AI e RM possa garantire ottimi sistemi di predizione per agire in maniera immediata e ottenere output rapidi e affidabili. Questi permetteranno di gestire i rischi ai quali le organizzazioni sono quotidianamente esposte; in linea con le disposizioni del Codice della Crisi d'Impresa e dell'Insolvenza che perseguono la ratio di intercettare tempestivamente lo stato di crisi garantendo l’applicazione di azioni correttive in tempi adeguati. Il confronto si basa sulle analisi economico-finanziarie delle PMI italiane, sull’analisi della probabilità di fallimento delle imprese e sull’adeguatezza del modello organizzativo delle stesse, estremamente influente nella capacità di risposta agli eventi di crisi. Gli output economico-finanziari e gli indicatori sopracitati hanno permesso di rispondere alle seguenti domande: • quali sono le differenze tra le aree geografiche italiane e quali sono soggette ad una più alta probabilità di default? • quali sono le dimensioni (volume di ricavi) che rendono un’impresa più fragile? • come è cambiata la probabilità di fallimento delle PMI prima e dopo l’evento disruptive? • esiste una relazione tra un adeguato assetto organizzativo e la probabilità di default? Un’ulteriore analisi ha riguardato i benefici che potrebbero avere gli interventi delle politiche governative. I diversi scenari di sostegno economico per le imprese sono stati simulati attraverso l’algoritmo di Arisk. Questi risultati evidenziano come cambia la probabilità di default a seconda delle politiche governative messe in atto. Il lavoro è stato caratterizzato principalmente da tre macro-step. Il primo ha riguardato la ricerca e la raccolta dei dati sia finanziari che organizzativi delle imprese costituenti il campione. Questo step è stato reso possibile grazie agli accordi di ricerca tra il Politecnico di Torino e la banca dati AIDA, i quali hanno autorizzato lo svolgimento del lavoro da remoto. Il download dati ha riguardato gli ultimi cinque anni, per ognuno di questi, nel secondo macro-step, sono stati calcolati gli indici di interesse attraverso la stretta collaborazione con la società Arisk. Lo step finale ha interessato l’interpretazione dei dati e la loro sintesi in modo da estrapolare le conclusioni finali, ponendo enfasi soprattutto sulla probabilità di fallimento prima e dopo il virus Sars-Cov-2.