L'utilizzo del Machine Learning nel risk management: il punto di Banca Intesa Sanpaolo

“ Il machine learning consente di istruire i computer ad analizzare dei dati, imparare da questi e fare delle previsioni su nuovi dati, migliorando i propri algoritmi predittivi nel corso del tempo. La normativa è, inoltre, orientata sempre di più all’Open Banking, che consente l’accesso a un numero molto più ampio di informazioni e una sempre maggiore digitalizzazione del processo del credito. C’è, inoltre, la sempre maggior concorrenza di operatori non bancari nell’uso di approcci innovativi; a ciò si aggiungono una normativa sempre più restrittiva e un aumento dei costi di compliance, oltreché un inasprimento dei requisiti patrimoniali, che rendono indispensabile aumentare la redditività e ridurre il costo del credito sfruttando anche le potenzialità di tali tecniche."

Rita Gnutti, Executive Director Internal Validation and Controls di Intesa Sanpaolo.

L'uso del Machine Learning nel risk management, e soprattutto nei sistemi IRB ha alimentato intensi dibattiti a livello nazionale e internazionale. Ciò che accende il dibattito è da un lato i potenziali benefici, ma dall'altro anche i problemi che ne possono derivare.

A riguardo, CRIF e Banca Intesa Sanpaolo hanno recentemente redatto un position paper dal titolo “Machine Learning for Credit Risk management and IRB models: lessons from successful case histories”.

Guarda la videointervista di Daniele Vergari, Director, Risk Analytics Transformation Services CRIF, a Rita Gnutti, Executive Director Internal Validation and Controls Intesa Sanpaolo.