La Banca d’Italia pubblica uno studio sul merito creditizio con apprendimento automatico e modelli di stacking

La Banca d’Italia ha reso pubblico uno studio dedicato alla valutazione del merito creditizio mediante tecniche di machine learning basate su modelli di stacking, evidenziando che l’adozione di approcci di apprendimento automatico combinati può migliorare la capacità predittiva dei modelli tradizionali, purché siano adottati presidi metodologici robusti, trasparenti e interpretabili per garantire affidabilità, equità e conformità ai requisiti di vigilanza prudenziale.

Il documento analizza varie architetture di stacking – che integrano output di più modelli base in un livello di apprendimento superiore – confrontandone performance su dataset creditizi reali, e sottolinea l’importanza di valutazioni di overfitting, metriche di accuratezza, coerenza con i principi di gestione del rischio e verifiche di equità per evitare discriminazioni non intenzionali nei confronti di classi di soggetti obbligati, richiamando il quadro normativo europeo sulla governance dei modelli di rischio, inclusi requisiti dei regolamenti di vigilanza e delle linee guida di settore sulla gestione dei modelli predittivi.

Lo studio fornisce altresì indicazioni pratiche per gli intermediari in materia di sviluppo, validazione e monitoraggio di modelli di machine learning nell’ambito dei processi di erogazione del credito, con particolare attenzione alla trasparenza delle assunzioni, alla robustezza dei risultati e alla documentazione delle tecniche di stacking adottate, nonché alle implicazioni operative per le funzioni di controllo interno e di audit.

 

Per consultare il comunicato stampa ufficiale, cliccare sul link di seguito: https://www.bancaditalia.it/media/notizia/valutazione-del-merito-creditizio-con-apprendimento-automatico-basato-su-modelli-di-machine-learning-con-stacking/?com.dotmarketing.htmlpage.language=102