Valutazione del rischio di credito nel settore dei Trasporti = Credit risk assessment in transport sector

Il presente lavoro di tesi ha l’obiettivo di confrontare tra loro due differenti modelli di credit scoring: la regressione logistica e Support Vector Machines. Nei capitoli introduttivi sono descritti i concetti alla base del rischio di credito e la teoria su cui si basano entrambi i modelli utilizzati. L'analisi è stata implementata utilizzando i dati di bilancio, estratti dalla banca dati AIDA, di un campione di imprese appartenenti al settore dei Trasporti. Dopo aver descritto le caratteristiche fondamentali del settore è stato sviluppato il modello logistico attraverso il software statistico R, e Support Vector Machines con il linguaggio di programmazione Python. I modelli hanno portato a risultati diversi, in quanto differente è il criterio adottato da ciascuno per determinare il confine che separa le società anomale dalle sane: la regressione logistica si basa su un approccio statistico, mentre SVM si basa principalmente sulle proprietà geometriche dei dati.