Aditya Wanjale / Kirti Wanjale
Librería Desdémona
Librería Samer Atenea
Librería Aciertas (Toledo)
Kálamo Books
Librería Perelló (Valencia)
Librería Elías (Asturias)
Donde los libros
Librería Kolima (Madrid)
Librería Proteo (Málaga)
La previsione del rischio di prestito è fondamentale per le istituzioni finanziarie al fine di minimizzare i rischi di prestito. Questo studio analizza l’efficacia dei dati delle transazioni nella previsione del rischio di prestito, confrontando le prestazioni di due algoritmi popolari: la regressione logistica e le reti neurali feed-forward. La ricerca mira a valutare le capacità predittive, l’interpretabilità e l’applicabilità pratica di questi modelli nell’identificazione di potenziali inadempienze sui prestiti basate su modelli transazionali. I dati transazionali, acquisiti da Kaggle, sono stati sottoposti a una rigorosa pre-elaborazione e a un’ingegnerizzazione delle caratteristiche adattata alle caratteristiche uniche dei record delle transazioni finanziarie. Entrambi i modelli sono stati addestrati e valutati utilizzando metriche consolidate, tra cui accuratezza, precisione, richiamo e punteggio F1, per misurare in modo esaustivo le loro prestazioni nella previsione delle inadempienze sui prestiti. I risultati indicano diversi punti di forza tra i modelli: la regressione logistica dimostra una lodevole interpretabilità, raggiungendo al contempo metriche di prestazione competitive, mentre la rete neurale feed-forward mostra un’accuratezza predittiva più elevata, sebbene con una maggiore complessità e una minore interpretabilità.
