Accordo di ricerca tra Keos Finance e il Dipartimento di Scienze Statistiche dell'Università

La collaborazione scientifica prevede l'applicazione di tecniche della Intelligenza Artificiale e in particolare dei Big Data Analytics in materia di:

1- predizione del fallimento di imprese commerciali con l’obiettivo di sviluppare un algoritmo avanzato per la determinazione della probabilità associata all’evento (Probability of Default);

2- profilazione delle imprese richiedenti accesso al credito in termini di rating; a questo scopo la ricerca è orientata alla creazione di un algoritmo in grado di distinguere il livello di merito della singola impresa e restituire una fascia di appartenenza su una graduatoria definita; in questo ambito di ricerca possono essere ricondotti gli algoritmi necessari a stimare gli stanziamenti in bilancio delle perdite potenziali dei crediti concessi dalle banche o da altri istituti finanziari;

3- identificazione delle imprese che redigono il Bilancio Sociale a fronte dell’effettiva corrispondenza con le azioni intraprese; a questo riguardo la ricerca ha ad oggetto l’esame dei bilanci delle imprese attraverso le tecniche proprie dei BDA al fine di investigare l’effettiva corrispondenza di quanto dichiarato, anche attraverso la redazione del

4- fraud detection in materia di Bilancio di impresa; il presente filone di ricerca persegue l’obiettivo di sviluppare un algoritmo di quantificazione della probabilità riferibile al rischio di falsificazione del bilancio di impresa al fine di avviare lo stesso, nei casi di maggiore allarme, all’esame analitico;

5- sviluppo di algoritmi idonei a prevedere le quotazioni dei titoli negoziati e gli andamenti dei mercati di riferimento, attraverso le tecniche dei BDA.

6- predizione della probabilità dell’andamento del valore delle piccole e medie imprese; atteso che non appare di facile gestione la raccolta dei dati necessari (bilanci semplificati) per l’applicazione di un modello di stima del valore delle piccole e medie imprese, ad esempio l’EVA, (Economic Value Added), la costruzione di un algoritmo in grado di prevedere l’incremento (o il decremento) su un determinato orizzonte temporale del valore d’impresa appare altamente opportuno. La ricerca potrebbe favorire la creazione di metodi alternativi ai modelli teorici laddove, questi ultimi, non siano di facile applicazione.