Descrizione del progetto: Il progetto risponde alla necessità di avere strumenti e metodi capaci di integrare dati di varia natura (quantitativi, qualitativi, strutturati, non strutturati) per ottimizzare in termini di capacità predittiva, discriminatoria e stabilità le previsioni dei modelli statistici oggi utilizzati nella previsione dei rischi finanziari, con particolare riferimento alla gestione del rischio di credito, operativo anche con riferimento alle frodi interne e al problema del riciclaggio di denaro.

La normativa vigente e i controlli delle autorità di vigilanza di Banca d’Italia, impongono agli intermediari finanziari di dotarsi di strumenti e metodologie accurate e sicure per la mitigazione dei rischi finanziari e questo è possibile da un lato utilizzando tutto il patrimonio informativo rappresentato da dati di diversa natura interni ed esterni, sia con la proposta di nuovi modelli sempre più precisi capaci di massimizzare in termini di efficacia ed efficienza i risultati ottenibili da algoritmi di classificazione e previsione e da modelli innovativi di data science basati su approcci di averaging.

L’idea di questo progetto nasce da un articolo scientifico “Statistical merging of rating models” pubblicato sulla rivista internazionale Journal of the Operational Research Society, dove empiricamente è stato dimostrato che l’integrazione tra dati qualitativi e quantitativi per la stima della probabilità di fallimento di piccole medie imprese, utilizzando sia modelli classici sia dinamici, comporta un miglioramento significativo in termini di corretta previsione dell’evento default, una migliore capacità di discriminazione tra “good” e “bad”, risultati stabili e una minimizzazione del tasso di errore con particolare riferimento al tasso di falsi negativi. L’idea metodologica è direttamente estendibile allo studio della probabilità di insolvenza per mutui o prestiti di persone fisiche.

L’intermediario bancario, adottando la nostra proposta, in parte già testata su dati reali forniti da Credit Reform Rating Agency nell’ambito del progetto europeo MUSING finanziato nel Sesto Programma Quadro, avrebbe a disposizione uno strumento che consente la stima di probabilità di rischio di default per una impresa o la stima del rischio di credito per soggetti che chiedono finanziamenti con maggiore rigore scientifico e possibilità di essere affidabile per formulare una corretta decisione su una richiesta di finanziamento.

La metodologia proposta è direttamente applicabile anche nel contesto marketing con particolare riferimento al rischio di churn, stima del lifetime value e propensity models.

Un’ulteriore applicazione è legata all’uso di dati interni ed esterni per lo studio del problema del riciclaggio usando la social network analysis. Alcuni risultati relativi all’applicazione delle reti sociali per l’anti-riciclaggio sono stati presentati in una audizione presso il Ministero dell’Economia e delle Finanze e presso l’Unità di Informazione Finanziaria di Banca d’Italia.

Il problema di integrazione di dati interni con dati esterni e con gli open data è una naturale estensione di questa idea progettuale, pertanto, anche la pubblica amministrazione può essere interessata all’uso della nostra proposta metodologica per creare modelli di governace più efficienti e precisi.

Il progetto è supportato da un comitato scientifico che include esperti internazionali del settore, con particolare riferimento per l’uso di metodologie di data science per il rischio (Prof.ssa Antonietta Mira, Istituto interdisciplinare di data science dell’Università di Lugano; Prof. Omiros Papaspiliopoulos, Direttore del Master in Data Science Università di Barcellona; Prof.ssa Raffaella Calabrese, University of Essex), modelli di governante a supporto della pubblica amministrazione (Dott. Jukka Onnela, Assistant Professor School of Public Health, Università di Harward), metodi di simulazione e di computer science (Dott.ssa Rossella Conte, Vice Presidente CNR e responsabile del Laboratory of Agent Based Social Simulation presso Institute for Cognitive Science of Technology), metodologie innovative di previsione dei rischi finanziari (Credit Research Centre Università di Edimburgo; Prof. Peter Sarlin Hanken School of Economics Helsinki e Direttore di RiskLab Finland).

LINK

Progetti Europei con coinvolgimento diretto del referente del progetto

MUSING – MUlti-industry, Semantic-based next generation business INtelliGence http://economia.unipv.it/cibie/UPV%20Musing%20web%20page%20english.htm

SYRTO – Systemic Risk Tomography http://syrtoproject.eu/research-team/

Modello Antiriciclaggio:

http://www.dt.tesoro.it/it/news/antiriciclaggio_transazioni_finanziarie.html
http://www.scuola24.ilsole24ore.com/art/universita-e-ricerca/2015-03-24/da-tre-universitari-pavia-sistema-scovare-riciclaggio-danaro-162416.php?uuid=ABUItMED
http://www.rai.tv/dl/RaiTV/programmi/media/ContentItem-355c6fef-77ad-492a-9042-c61d0b7650ba-tgr.html#p=0
http://ischool.startupitalia.eu/34999/ischool-2/ecco-come-tre-studenti-universitari-combattono-il-riciclaggio-di-denaro/
http://www.italianews24.it/video/162685/Pavia-studenti-creano-un-metodo-antiriciclaggio
http://www.adnkronos.com/fatti/pa-informa/economia/2015/03/26/antiriciclaggio-dall-universita-pavia-nuovo-modello-per-analisi-delle-transazioni-finanziarie_Pi6I79eKwfYwsb8JwCcecN.html