Fabiano Columbano
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.
Rel. Guido Perboli, Mariangela Rosano. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Gestionale, 2021
|
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (2MB) | Preview |
Abstract: |
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. |
---|---|
Relators: | Guido Perboli, Mariangela Rosano |
Academic year: | 2020/21 |
Publication type: | Electronic |
Number of Pages: | 101 |
Subjects: | |
Corso di laurea: | Corso di laurea magistrale in Ingegneria Gestionale |
Classe di laurea: | New organization > Master science > LM-31 - MANAGEMENT ENGINEERING |
Aziende collaboratrici: | ARISK SRL |
URI: | http://webthesis.biblio.polito.it/id/eprint/17711 |
Modify record (reserved for operators) |