Paolo Giudici
DATA MINING
Capitolo 10
METODI STATISTICI PER LA PREVISIONE DELLE
INSOLVENZE D'IMPRESA*
*Questa presentazione illustra un caso simile a quello illustrato nel capitolo, citato negli
approfondimenti, e dettagliato nel lavoro di Bontade e Giudici (2000)
[email protected]
Riassunto
Un caso illustrativo
Analisi esplorativa
Il modello
Indici di bontà del modello
Conclusioni
Copyright 2001 - The McGraw-Hill Companies srl
[email protected]
L’applicazione: il campione considerato
Variabile risposta
Imprese
good
Imprese
bad
85,5% 14,5%
Variabili esplicative
Forma giuridica
SPA
CONS
SRL
SS
Province
ALTRO
24,91%
COND
SNC
SDF
SCRL
SAS
ENPG
Copyright 2001 - The McGraw-Hill Companies srl
DI
AL
5,41%
AO
CN NO
4,45% 4,96% 4,55%
TO
55,71%
[email protected]
Le altre variabili esplicative
C.A.P. ed ETA’
Settore
Variabili di bilancio
Variabili macro-economiche
Copyright 2001 - The McGraw-Hill Companies srl
[email protected]
Quattro tipi di modelli
Modello anagrafico
Modello con variabili di bilancio
Modello macro-economico
Modello con interazione
Copyright 2001 - The McGraw-Hill Companies srl
Segmentazione delle variabili
esplicative: gli alberi decisionali
[email protected]
Conclusioni  sebbene interessanti, si preferisce utilizzare
un’analisi di tipo univariato standard
Copyright 2001 - The McGraw-Hill Companies srl
[email protected]
Analisi esplorativa
imprese " bad" nella classe X
tasso di rischio % 
totale imprese classe X
100%
80%
60%
40%
20%
0%
Forma Giuridica
Aree Geografiche
100%
80%
60%
40%
20%
0%
COND CONS ENPG DI
Nord Piem. Val D'A o. To
Cen.
Iso.
Copyright 2001 - The McGraw-Hill Companies srl
sud
SAS SCRL SDF SNC SPA SRL SS
[email protected]
Il modello logistico
Funzione di regressione
logistica
exp   x 
 x  
1  exp   x 
Società sane (good) = 
Società anomale (bad)= 
Vantaggi
Copyright 2001 - The McGraw-Hill Companies srl
Potenza, Facilità di interpretazione