La Sfida
La cartolarizzazione o e securitization è un processo di cessione del credito che coinvolge Banche, Agenzie di Rating (es. Standard & Poor’s, Moody’s, …), SPV che veicolano le attività finanziarie cedute dalle banche e Investitori che acquistano il debito generato da questi crediti deteriorati (Non Performing Loans NPL) attraverso portfoli di crediti deteriorati.
In questo contesto, una importante SPV italiana, ha richiesto di modernizzare le proprie analitiche sul portfolio dei crediti ceduti al fine di individuare nuove analisi di portfolio e predittive da fornire ai propri Clienti Investitori, utili sia alla composizione del portfolio che acquisteranno gli investitori sia alla previsione di incasso dei credito deteriorato dai debitori originari.
La Soluzione
Il servizio di Machine Learning proposto si è definito a partire da un Progetto Pilota che ha permesso l’individuazione, su un sottoinsieme di Clienti, di diversi modelli di machine learning sia Unsupervised che Supervised che Predittivi.
In particolare, i Modelli hanno permesso l’individuazione di una Classificazione del Portofilio con diversi gradi di “certezza di incasso” del portfolio, la profilazione comportamentale dei componenti del portfolio tra portfoli simili utile per prendere decisioni in fase di costituzione di un portfolio ed infine il Monitoraggio del credito da recuperare con predizione temporale e quantitativa.
I Benefici
Il beneficio di una tale soluzione di Machine Learning, sta nell’arricchimento delle analisi sul Credito Deteriorato (NPL) poiché costituisce la possibilità di affiancare i risultati degli algoritmi di Machine Learning ad analisi di Business Intelligence già presenti e a risultati di classici algoritmi statistici già presenti.
Il Ruolo di Humanativa
Realizzazione del servizio Pilota di Machine Learning, dalla realizzazione di Modelli di Machine Learning agli Advanced Analytics.