Le piccole imprese spesso faticano a ottenere prestiti perché le banche hanno difficoltà a valutarne l’affidabilità. Ma con l’ascesa del FinTech, strumenti come il machine learning (ML) stanno cambiando le regole del gioco!
Se ne parla nello studio dal titolo “Can we trust machine learning to predict the credit risk of small businesses?” di Alessandro Bitetto (LIUC) con i colleghi Paola Cerchiello, Stefano Filomeni, Alessandra Tanda, Barbara Tarantino. Lo studio è pubblicato in Review of quantitative finance and accounting.
Di cosa parla lo studio?
Questa ricerca ha testato se il ML può prevedere il rischio di credito delle PMI meglio dei metodi tradizionali. Utilizzando dati reali di piccole imprese italiane (2015–2017), lo studio ha confrontato il ML con modelli statistici più vecchi.
Risultati chiave:
- Il ML batte i metodi tradizionali quando le informazioni a disposizione sono limitate (es. solo dati finanziari recenti o ritardi nei pagamenti).
- Con dati storici, ML e modelli tradizionali sono equivalenti.
- Quali sono i fattori più importanti per prevedere il rischio? Fatturato, debiti e comportamenti di pagamento (es. ritardi nelle fatture).
- Il problema del “black box” del ML? Lo studio ha usato gli Shapley value per spiegare come il ML prende decisioni, rendendolo trasparente per chi concede prestiti e imprese.
Perché è importante?
Le piattaforme FinTech usano il ML per accelerare l’approvazione dei prestiti, aiutando le PMI ad accedere a fondi più rapidamente. Questa ricerca dimostra che il ML non è solo preciso, ma anche interpretabile, favorendo la fiducia nel credito digitale.
