Valutazione del merito creditizio con apprendimento automatico basato su modelli di machine learning con stacking

8 gennaio 2026

La Banca d'Italia pubblica oggi "Valutazione del merito creditizio con apprendimento automatico basato su modelli di machine learning con stacking", il nuovo numero della collana "Mercati, infrastrutture, sistemi di pagamento".

Il sistema interno della Banca d'Italia per la valutazione del merito creditizio delle imprese non finanziarie (ICAS), utilizzato nel quadro delle garanzie dell'Eurosistema per l'attuazione della politica monetaria, si compone di un modello statistico (S-ICAS) e della valutazione degli analisti. Il lavoro confronta le prestazioni di S-ICAS con quelle dei modelli di intelligenza artificiale (IA), in particolare i modelli di machine learning (ML) e di deep learning (reti neurali). I risultati suggeriscono che il deep learning migliora la capacità discriminante; gli insiemi di alberi decisionali apportano un ulteriore miglioramento, così come un meta-modello che combina random forests, extreme gradient boosting e reti neurali. Applicando tecniche di interpretazione dei risultati (XAI) dei modelli alle previsioni del meta-modello, si mostra che queste tecniche possono aiutare gli analisti nella comprensione dei fattori chiave alla base delle differenze tra le previsioni ML e quelle di S-ICAS, contribuendo così a raffinare la loro valutazione. Sebbene i problemi di interpretabilità impediscano ai modelli basati su IA di rappresentare un'alternativa completa ai modelli tradizionali, le tecniche di interpretazione dei risultati consentono l'integrazione nel processo complessivo di valutazione del merito di credito, aumentandone così l'efficacia.