Il lavoro confronta l'accuratezza di modelli statistici comunemente utilizzati dalle banche per la previsione delle insolvenze delle imprese, ad esempio quello di regressione logistica, con quella di modelli basati su algoritmi di machine learning (una branca dell'intelligenza artificiale), in particolare i modelli random forest e gradient boosted trees.
I modelli basati su algoritmi di machine learning dimostrano una migliore capacità di previsione delle insolvenze rispetto ai modelli statistici tradizionali. Questo vantaggio è più significativo quando questi ultimi utilizzano unicamente dati di bilancio e geo-settoriali. Un esercizio di allocazione del credito basato sulle probabilità di default stimate, mostra che utilizzando modelli machine learning gli intermediari registrerebbero perdite più basse rispetto ai modelli statistici tradizionali e, allo stesso tempo, ne deriverebbe un effetto quantitativo positivo sul credito erogato.
