Evolutionary Rule Extraction from Corporate Default Prediction Models

Sintesi Tecnica: Estrazione Evolutiva di Regole da Modelli di Previsione del Default Aziendale

Enunciato del Problema
Le piccole e medie imprese (PMI) costituiscono la maggior parte delle imprese nella maggior parte delle economie, ma affrontano vincoli finanziari significativi e vulnerabilità al dissesto. La previsione del default delle PMI è fondamentale per le istituzioni finanziarie e i decisori politici. Sebbene l'apprendimento automatico (ML) abbia migliorato le prestazioni predittive nella modellazione del rischio di credito rispetto ai metodi econometrici tradizionali, la natura "scatola nera" di modelli complessi solleva preoccupazioni riguardo alla trasparenza e alla conformità normativa. Gli approcci esistenti di intelligenza artificiale spiegabile (XAI) si concentrano spesso sull'attribuzione delle caratteristiche piuttosto che sulla ricostruzione della logica decisionale sottostante, e molti metodi di estrazione delle regole non sono pienamente agnostici rispetto al modello o sono stati testati solo in ambienti sintetici a bassa dimensionalità. Esiste la necessità di framework che bilancino elevata accuratezza predittiva con regole decisionali interpretabili e economicamente significative in dati finanziari ad alta dimensionalità e sbilanciati.

Metodologia
Lo studio utilizza un pannello di 50.718 PMI italiane dal 2015 al 2024, comprendente 6.695 imprese in default e 44.023 imprese attive. Il dataset include variabili contabili a livello aziendale (bilancio e conto economico), caratteristiche strutturali e indicatori macroeconomici/contextuali (tassi di default settoriali, PIL regionale, inflazione). I dati sono strutturati come un pannello sbilanciato con un obiettivo di previsione a un anno di anticipo per prevenire il bias di look-ahead.

La metodologia procede attraverso quattro fasi:

1. Preprocessing dei Dati: I dati grezzi sono trasformati in un pannello impresa-anno. I rapporti finanziari sono limitati e trasformati logaritmicamente per gestire l'asimmetria. Il dataset è suddiviso in set di addestramento (70%), validazione (20%) e test (10%) utilizzando un campionamento stratificato a livello aziendale per preservare le proporzioni delle classi (tasso di default di circa l'1,4%).
2. Stima del Modello: Vengono addestrati quattro classificatori: Regressione Logistica (benchmark), Random Forest, XGBoost e Perceptron Multistrato (MLP). Le prestazioni sono valutate utilizzando l'Accuratezza Bilanciata e l'Area sotto la curva Precisione-Recall (PR-AUC) per affrontare lo sbilanciamento delle classi. Gli iperparametri sono ottimizzati sul set di validazione.
3. Estrazione delle Regole (DEXiRE-EVO): Lo studio introduce DEXiRE-EVO, un nuovo framework evolutivo di estrazione delle regole. Estende la pipeline DEXiRE per essere agnostico rispetto al modello, consentendo l'applicazione a modelli basati su alberi come XGBoost. Il framework impiega un'ottimizzazione evolutiva multi-obiettivo (algoritmo NSGA-II) guidata dal metodo Importanza e Utilità Contestuale (CIU).
   • Obiettivo 1 (Fedeltà): Massimizzare la capacità del set di regole di replicare le previsioni del modello a scatola nera (misurata dall'Accuratezza Bilanciata).
   • Obiettivo 2 (Allineamento CIU): Massimizzare la coerenza semantica tra le variabili nelle regole estratte e la loro importanza contestuale come stimata da CIU.
   • Il processo evolve una popolazione di regole decisionali (congiunzioni di predicati) per approssimare il comportamento del modello, selezionando soluzioni Pareto-ottimali che bilanciano fedeltà e interpretabilità.
4. Analisi: Le regole estratte sono analizzate per la plausibilità economica, collegando le strutture logiche ai pattern di vulnerabilità finanziaria.

Contributi Chiave

• Valutazione Empirica su Grande Scala: Il documento fornisce un confronto completo tra modelli tradizionali e ML su un dataset ampio, realistico e fortemente sbilanciato di PMI italiane, affrontando la scarsità di tali confronti sistematici in contesti ad alta dimensionalità.
• Nuovo Framework (DEXiRE-EVO): Propone un approccio evolutivo agnostico rispetto al modello per l'estrazione delle regole che integra CIU nella funzione di fitness. Ciò garantisce che le regole estratte non siano solo fedeli al modello originale, ma anche allineate alla rilevanza contestuale delle caratteristiche.
• Integrazione del Contesto Macro: Lo studio valuta l'impatto dell'inclusione di variabili macroeconomiche e settoriali, nonché delle dinamiche storiche (mediante medie mobili a ponderazione esponenziale), sia sulle prestazioni predittive che sull'importanza delle caratteristiche.

Risultati

• Prestazioni Predittive: XGBoost ha superato significativamente il benchmark di Regressione Logistica, raggiungendo un'Accuratezza Bilanciata di 0,901 e una PR-AUC di 0,429, rispetto a 0,551 e 0,016 per la Regressione Logistica, rispettivamente. Anche Random Forest e MLP hanno mostrato prestazioni solide.
• Impatto della Struttura dei Dati:
  • L'inclusione di variabili macroeconomiche e settoriali (Dataset D1) ha migliorato le prestazioni rispetto ai modelli che utilizzavano solo rapporti a livello aziendale (Dataset D2), aumentando l'Accuratezza Bilanciata da 0,879 a 0,901 e la PR-AUC da 0,366 a 0,429.
  • L'aggiunta di dinamiche storiche (Dataset D3) ha ulteriormente migliorato le prestazioni di ranking (PR-AUC 0,449) con un cambiamento minimo nell'Accuratezza Bilanciata.
• Prestazioni di Spiegabilità: DEXiRE-EVO ha dimostrato prestazioni superiori rispetto al framework DEXiRE originale, raggiungendo una fedeltà più elevata (media 0,856 contro 0,832) e un allineamento CIU significativamente migliore (media 0,684 contro 0,444).
• Regole Estratte: Il processo evolutivo ha identificato pattern coerenti e economicamente significativi associati al rischio di default, tra cui:
  • Debole generazione interna di liquidità (basso flusso di cassa rispetto alle attività).
  • Erosione del capitale interno (utili non distribuiti negativi).
  • Alta leva finanziaria (alto rapporto debito/patrimonio netto).
  • Inefficienza operativa (bassi rapporti di rotazione).
  • Le regole hanno evidenziato che questi segnali sono particolarmente informativi per le imprese oltre la loro fase iniziale del ciclo di vita e che il disagio settoriale e la volatilità storica sono fattori contestuali critici.

Significato e Affermazioni
Il documento afferma che combinare ML con l'estrazione evolutiva di regole tramite DEXiRE-EVO offre una via percorribile per risolvere il compromesso tra accuratezza predittiva e interpretabilità nella modellazione del rischio di credito. Generando regole decisionali trasparenti e leggibili dall'uomo che mantengono un'alta fedeltà ai modelli complessi e si allineano all'importanza contestuale delle caratteristiche, l'approccio supporta un processo decisionale più trasparente e guidato dai dati. Lo studio sottolinea che le regole estratte riflettono meccanismi economici coerenti (ad esempio, vincoli di liquidità, erosione del capitale) piuttosto che correlazioni statistiche arbitrarie, migliorando così la fiducia e la conformità normativa negli ambienti finanziari. Gli autori notano che, sebbene il framework sia promettente, il lavoro futuro dovrebbe esplorare la modellazione esplicita delle serie temporali per traiettorie finanziarie più ricche e applicare il metodo ai mercati del credito privato dove le informazioni qualitative sono scarse.