Metodi di Machine Learning per il Rischio di credito

In questo elaborato vengono presentate diverse tecniche di machine learning applicate al problema del rischio di credito. In tale contesto, risulta particolarmente complesso effettuare inferenza sulla classe dei default, poiché essa è significativamente meno rappresentata rispetto a quella dei non default. Oltre all’impiego di modelli classici di machine learning, viene proposta una metodologia basata su metodi ensemble e ottimizzazioni mirate, con l’obiettivo di migliorare la recall della classe dei default. Tale metrica risulta infatti tra le più penalizzate nelle applicazioni di rischio di credito, pur rappresentando un indicatore fondamentale della cautela del modello nell’identificazione dei soggetti a rischio. Un ulteriore obiettivo del lavoro, valido sia per i modelli classici sia per quelli ensemble, è il calcolo della probabilità marginale di default. Il fine ultimo è la definizione di una pipeline robusta, in grado di affrontare efficacemente il problema delle classi sbilanciate e supportare l’analisi predittiva in ambito creditizio