DIPARTIMENTO DI ECONOMIA
Corso di Laurea Magistrale in Finanza e Metodi Quantitativi per l’Economia- CF 6
Metodi statistici per Credit Scoring - Prof. ssa Elena Stanghellini
Anno accademico 2021/2022
Brief Description of the course in English. The module taught in English. It is open to Erasmus/ incoming students. The module aims at illustrating the most used classification methods in Credit Scoring (or Rating), namely logistic regression and discriminant analysis. Tools for assessing the efficacy of the classifier, such as the ROC curve and the confusion matrix, will also be presented. Some nonparametric techniques will also pbe addressed.
For more information on the module, pls visit
L’obiettivo del corso è l’insegnamento di tecniche statistiche per l’analisi e la previsione del rischio di insolvenza e per lo sviluppo di un sistema di scoring (o rating), diventate di grande attualità alla luce anche della recente crisi economica. Il corso è destinato agli studenti della Laurea Magistrale in Finanza.
Credit scoring: introduzione, ipotesi e obiettivi, fasi. Errori di classificazione e scelta del valore di soglia (cut-off). Curve ROC e CAP. Campione di sviluppo e di convalida. Richiami di probabilità: indipendenza marginale e condizionata, misure di associazione per variabili categoriali. Modello logistico; stima del modello logistico; selezione delle variabili; criteri e procedure per la scelta del modello. Tabella di errata classificazione. Test di Hosmer e Lemeshow. Campione bilanciato. Lo score nel tempo. Analisi discriminante: il caso normale; stima della funzione discriminante; selezione delle variabili. Probabilità di errore e relative stime.
Il corso sarà basato su analisi di casi reali, analizzati al computer con il software statistico R.
Per maggiori informazioni sul corso:
Testi di riferimento:
Notes in English that will be distributed during the lectures.
E. Stanghellini (2009) Introduzione ai metodi statistici per il Credit Scoring -- Springer Italia, Capp: 1-4.
AVVISO per i non frequentanti: l’esame prevede lo svolgimento di una esercitazione su dati reali, da consegnare 3 giorni lavorativi prima della data dell’esame. Si prega di contattare il docente per il testo dell’esercitazione.
Materiale didattico:
Note su R a cura di L. Scrucca
-----------------------------------------