Cocco, Eleonora (A.A. 2024/2025) Credit scoring e machine learning: il contributo dei dati alternativi in un’analisi empirica. Tesi di Laurea in Metodi quantitativi in strategic management, Luiss Guido Carli, relatore Marco Pirra, pp. 144. [Master's Degree Thesis]

Preview

PDF (Full text) Download (3MB) | Preview

Abstract/Index

Quadro normativo italiano e europeo sul merito creditizio e sull’IA. Direttive europee sulla disciplina del credito al consumo. GDPR per la tutela dei dati personali e profilazione automatizzata. Artificial intelligence Act e credit scoring. Metodologie di credit-scoring. Evoluzione storica del credit-scoring: scorecard logistiche e sistemi bureau. Introduzione ai modelli di machine learning. Metodi tradizionali per il credit scoring. Modelli di ensemble learning per il credit scoring. Deep learning vs machine learning. XAI: principi, tecniche e applicazioni nel credit scoring. Big Data, utilizzo dei dati alternativi e bias nel credit scoring. L’impatto dei big data nel credit scoring. Opportunità per l’inclusione creditizia tramite dati alternativi. Bias algoritmico e machine learning: ruolo dei dati e del machine learning nell’amplificazione delle disuguaglianze. Ricerca empirica: metodologia e sperimentazione. Unificazione dei dataset. Selezione e scrematura delle variabili. Confronto predittivo tra modelli di machine learning nel credit scoring. Interpretabilità dei modelli tramite XAI.

References

Bibliografia: pp. 119-126. Sitografia: pp. 127-130.

Thesis Type:	Master's Degree Thesis
Institution:	Luiss Guido Carli
Degree Program:	Master's Degree Programs > Master's Degree Program in Strategic Management (LM-77)
Chair:	Metodi quantitativi in strategic management
Thesis Supervisor:	Pirra, Marco
Thesis Co-Supervisor:	Morelli, Francesco
Academic Year:	2024/2025
Session:	Autumn
Deposited by:	Alessandro Perfetti
Date Deposited:	17 Mar 2026 10:19
Last Modified:	17 Mar 2026 10:19
URI:	https://tesi.luiss.it/id/eprint/45121

Downloads

Repository Staff Only

View Item