polito.it
Politecnico di Torino (logo)

Uso dell'Intelligenza Artificiale per la predizione della business interruption = Use of Artificial Intelligence for business interruption prediction

Andrea Del Pero

Uso dell'Intelligenza Artificiale per la predizione della business interruption = Use of Artificial Intelligence for business interruption prediction.

Rel. Guido Perboli, Mariangela Rosano. 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 (2MB) | Preview
Abstract:

In questo lavoro di tesi si è affrontato il tema del fallimento aziendale e della possibilità di fornire strumenti atti all’individuazione della crisi aziendale e alla gestione del rischio di fallimento. Il percorso seguito nello studio comprende tre filoni principali; il primo consiste nello studio della teoria relativa ai rischi aziendali e ai processi di risk management, andando a definirli in ambito aziendale. Questo ha permesso di individuare e comprendere le dinamiche e metodologie di gestione dei rischi utili ad affrontare il problema presentato nella tesi. Il filone centrale ha toccato nello specifico il rischio di fallimento e di crisi aziendale oltre che presentare un approccio intelligente, attraverso tecniche di Artificial Intelligence e Machine Learning, nella costruzione di strumenti di allerta e predizione del fallimento. In particolare, è stato svolto un lavoro di ricerca dei principali studi presenti in letteratura riguardanti modelli di predizione del fallimento, che interessa un intervallo di tempo dal 1930 ad oggi, che ha permesso di presentare le principali tecniche e modelli finora utilizzati. Il terzo ed ultimo filone verte sulla ricerca sperimentale in cui si è cercato di costruire un modello AI di classificazione per la predizione del fallimento a 36 mesi. Il modello è stato costruito attraverso dati di aziende italiane estratti da AIDA che sono stati preprocessati e preparati alla fase di data mining con l’obiettivo di ottenere conoscenza utile nella individuazione di crisi aziendali premonitrici del fallimento. In questa fase sono stati utilizzati differenti algoritmi e tecniche di preprocessing che sono state testate e comparate tramite metriche di performance. Il modello che ha ottenuto risultati migliori, sebbene migliorabili, è quello implementato con l’algoritmo Random Forest.

Relators: Guido Perboli, Mariangela Rosano
Academic year: 2021/22
Publication type: Electronic
Number of Pages: 86
Subjects:
Corso di laurea: Corso di laurea magistrale in Ingegneria Gestionale
Classe di laurea: New organization > Master science > LM-31 - MANAGEMENT ENGINEERING
Aziende collaboratrici: UNSPECIFIED
URI: http://webthesis.biblio.polito.it/id/eprint/21565
Modify record (reserved for operators) Modify record (reserved for operators)