Riassunto
Oltre al modello logistico e alla analisi discriminante, altri metodi statistici sono correntemente in uso nell’ambito del credit scoring. Essi costituiscono l’evoluzione dei modelli presentati nei capitoli precedenti e, pertanto, per la loro formulazione occorre attingere in larga parte dai concetti teorici già illustrati. Alcuni di questi strumenti, quali le reti neurali, sono stati disegnati in contesti non statistici, come, ad esempio, il data mining o l’intelligenza artificiale, e successivamente interpretati come modelli probabilistici e stimati attraverso tecniche inferenziali. Nei paragrafi 5.2 e 5.3 sono riportati due classificatori non parametrici, il metodo delle k unità più vicine e gli alberi di classificazione. Come vedremo, essi non portano ad una esplicitazione della funzione di score. Le reti neurali sono illustrate nel paragrafo 5.4. Queste possono essere viste come evoluzione del modello logistico presentato nel capitolo 3. Infine, nel paragrafo 5.5 è riportato un algoritmo di massimizzazione che emula il processo di selezione genetica alla base della evoluzione della specie. Alcune considerazioni conclusive, nel paragrafo 5.6, chiudono il capitolo.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2009 Springer-Verlag Italia, Milano
About this chapter
Cite this chapter
Stanghellini, E. (2009). Altri metodi statistici. In: Introduzione ai metodi statistici per il credit scoring. Unitext(). Springer, Milano. https://doi.org/10.1007/978-88-470-1081-9_5
Download citation
DOI: https://doi.org/10.1007/978-88-470-1081-9_5
Publisher Name: Springer, Milano
Print ISBN: 978-88-470-1080-2
Online ISBN: 978-88-470-1081-9
eBook Packages: Mathematics and StatisticsMathematics and Statistics (R0)