Banca d’Italia ha pubblicato un approfondimento dal titolo: “Indicatori di allerta del rischio di liquidità per le banche italiane: un approccio basato sul machine learning”.
Il lavoro sviluppa un modello di early warning delle crisi di liquidità per le banche italiane, confrontando l’efficacia di tre metodi di machine learning (logistic LASSO, random forest e Extreme Gradient Boosting) nel prevedere la probabilità di una crisi. Si utilizza un dataset originale costruito a partire dai casi di ELA, e si calibrano i segnali dei modelli tramite un’ottimizzazione basata sulle preferenze tra l’errore di I tipo (mancata segnalazione di una crisi) e di II tipo (falso allarme).
In particolare, evidenzia Banca d’Italia, i modelli combinati sono in grado di ottenere una bassa percentuale di mancate segnalazioni di una crisi (falsi negativi) pur limitando allo stesso tempo i falsi allarme (falsi positivi).