Sintesi Tecnica: Applicazione di Dati Alternativi nella Valutazione del Credito per la Popolazione Unbanked

1. Definizione del Problema

Lo studio affronta la sfida dell' "invisibilità creditizia", una condizione che colpisce individui privi di uno storico creditizio tradizionale (ad esempio, utilizzo di carte di credito, registri di prestiti formali). Nei sistemi di reporting creditizio convenzionali, questi individui sono spesso classificati erroneamente come ad alto rischio o automaticamente esclusi dal credito a causa delle lacune nei dati, il che li costringe a ricorrere a prestiti subprime o li esclude del tutto dai servizi finanziari. Il problema centrale è che i modelli di scoring tradizionali confondono la mancanza di dati con la mancanza di capacità di rimborso, limitando così l'inclusione finanziaria e impedendo alle istituzioni di identificare potenziali clienti di alta qualità.

2. Metodologia

Dati e Disegno Sperimentale

La ricerca utilizza dati reali relativi a domande di prestiti auto subprime dal 2021 al 2023. Il dataset comprende:

• Campione di Training: 50.000 osservazioni.
• Campione di Test: 20.000 osservazioni.
• Variabile Target: Stato di default su un periodo di osservazione di 12 mesi.

Lo studio costruisce un framework comparativo che coinvolge due gruppi primari:

1. Modelli Baseline: Addestrati esclusivamente su variabili creditizie tradizionali (limiti delle carte di credito, saldi storici, conti in sospeso, reddito, rapporto debito-reddito, anzianità del conto, segnali di morosità e richieste recenti).
2. Modelli di Fusione (Fusion Models): Addestrati su variabili tradizionali aumentate da Dati Alternativi.

Ingegneria delle Caratteristiche (Feature Engineering)

Le caratteristiche dei dati alternativi sono derivate da finestre di osservazione di 24 mesi di comportamenti di pagamento non creditizi, specificamente:

• Storico dei Pagamenti dell'Affitto: Numero di locazioni successive, tassi di regolamento (es. ultimi 90 giorni) e durata degli arretrati.
• Bollette di Utenze e Telecomunicazioni: Tassi di regolamento delle bollette, giorni di ritardo nel pagamento e volatilità dell'importo pagato.
• Metriche di Stabilità: Stabilità del numero di cellulare su 365 giorni e tasso di variazione degli importi pagati.

Fondamentalmente, lo studio tratta i record mancanti non come errori da imputare con media/mediana o da eliminare, ma come indicatori informativi della mancanza di dati. Ciò preserva la distinzione tra richiedenti con un limitato storico creditizio formale e quelli con comportamenti di rimborso instabili.

Architettura del Modello

Lo studio impiega un framework a tre livelli:

1. Livello Baseline: Un modello di regressione logistica regolarizzata utilizzando variabili tradizionali per stabilire una linea di base di rischio lineare.
2. Livello di Fusione (Fusion Layer): Integrazione delle caratteristiche dei dati alternativi in tre algoritmi:
   • Regressione Logistica
   • Random Forest
   • XGBoost
3. Livello Decisionale: Un meccanismo di discriminazione congiunta che ottimizza simultaneamente il controllo del rischio (probabilità di default), la copertura delle approvazioni e l'equità tra i gruppi.

Algoritmi e Ottimizzazione:

• Regressione Logistica: Utilizzata per l'interpretabilità e il confronto con la baseline lineare.
• XGBoost: Utilizzato per l'interazione non lineare delle caratteristiche e l'apprendimento d'insieme (ensemble learning). La funzione obiettivo minimizza la perdita tra le etichette di default reale e le probabilità previste, controllando la complessità del modello tramite i pesi dei nodi foglia e i parametri di regolarizzazione.
• Vincoli di Equità (Fairness Constraints): Il livello decisionale incorpora vincoli per la Parità Demografica (DP) e l'Uguaglianza di Opportunità (EO) per evitare che il modello aumenti i tassi di approvazione a scapito dell'equità demografica.

Metriche di Valutazione

Le prestazioni sono valutate tramite:

• Potere Predittivo: AUC, statistica KS e punteggio F1.
• Metriche Operative: Tassi di approvazione dei prestiti e tassi di default a 12 mesi.
• Metriche di Equità: Differenze di parità demografica e differenze di uguaglianza di opportunità tra gruppi razziali e di reddito.
• Spiegabilità: Valori SHAP (SHapley Additive exPlanations) per l'importanza globale e locale delle caratteristiche, e LIME per controlli di coerenza locale.

3. Risultati Chiave

Prestazioni Predittive e Tassi di Approvazione

L'introduzione dei dati alternativi ha migliorato significativamente le prestazioni del modello in tutti gli algoritmi rispetto alle baseline basate solo sui dati tradizionali:

• Miglioramenti dell'AUC:
  • Regressione Logistica: aumentata da 0.682 a 0.731.
  • Random Forest: aumentata a 0.758.
  • XGBoost: aumentata a 0.781.
• Tassi di Approvazione: Il modello XGBoost con dati alternativi ha aumentato il tasso di approvazione dal 41,6% (baseline tradizionale) al 63,7%. Ciò rappresenta un aumento di 22,1 punti percentuali, approvando ulteriori 4.420 richiedenti nel campione di test.
• Controllo del Rischio: Nonostante il significativo aumento delle approvazioni, il tasso di default a 12 mesi è aumentato solo marginalmente dal 6,8% al 7,2% (un aumento di 0,4 punti percentuali), il che è risultato statisticamente insignificante. Ciò indica che le approvazioni aggiuntive non si sono concentrate nella coda ad alto rischio.

Importanza delle Caratteristiche (Feature Importance)

I test di importanza delle caratteristiche hanno identificato le seguenti variabili di dati alternativi come determinanti critici della capacità di rimborso per i debitori senza credito (credit-invisible):

• Pagamenti tempestivi dell'affitto.
• Il numero di pagamenti tempestivi delle bollette.
• Coerenza a lungo termine dei numeri di telefono.

Analisi dell'Equità

I test di equità condotti su gruppi razziali e di reddito non hanno mostrato prove di un peggioramento dell'equità:

• Gruppi Razziali: La differenza nella parità demografica è cambiata di 0,005 (p-value: 0,312), e la differenza di uguaglianza di opportunità è cambiata di 0,004 (p-value: 0,347).
• Gruppi di Reddito: Il divario di equità demografica è cambiato di 0,005 (p-value: 0,286), e la differenza di uguaglianza di opportunità è cambiata di 0,003 (p-value: 0,401).
  I risultati suggeriscono che l'espansione della copertura delle approvazioni non è avvenuta a scapito di un aumento della discriminazione contro i gruppi minoritari o a basso reddito.

Studio di Ablazione sui Dati Mancanti

Lo studio ha rilevato che trattare i record creditizi tradizionali mancanti come segnali informativi (anziché imputarli o eliminare i campioni) era essenziale. L'imputazione ha compresso schemi di mancanza eterogenei, indebolendo il confine tra scarsità di informazioni e rischio reale, mentre l'eliminazione dei campioni ha ridotto la rappresentatività della popolazione senza credito.

4. Contributi Chiave

1. Validazione Empirica dei Dati Alternativi: Lo studio dimostra che i dati alternativi (affitto, utenze, telecomunicazioni) possono integrare efficacemente le informazioni creditizie tradizionali, convertendo la continuità di pagamento non osservata in prove misurabili della capacità di rimborso.
2. Ottimizzazione Congiunta di Rischio-Equità: Il framework proposto bilancia con successo l'espansione dell'inclusione finanziaria (tassi di approvazione più elevati) con la gestione del rischio (minimo aumento del tasso di default) e i vincoli di equità, evitando lo "spillover del rischio" spesso associato all'allentamento degli standard di approvazione.
3. Rigore Metodologico: Confrontando i modelli con dati alternativi contro una solida baseline XGBoost di dati tradizionali, lo studio isola il valore incrementale dei dati alternativi dai benefici derivanti dall'uso di algoritmi più complessi.
4. Gestione dei Dati Mancanti: Il documento sostiene una specifica strategia di elaborazione dei dati in cui la mancanza di dati è trattata come un segnale strutturato, il che si è dimostrato più appropriato per le popolazioni senza credito rispetto alle tecniche di imputazione standard.

5. Significato e Rivendicazioni

Il documento afferma che il suo approccio offre un ambito di copertura dei servizi finanziari più ampio rispetto alle pratiche convenzionali di valutazione del rischio di credito. Postula che i dati alternativi non si limitano ad abbassare gli standard di approvazione, ma forniscono informazioni comportamentali critiche che i punteggi creditizi tradizionali perdono.

Gli autori affermano che questa metodologia:

• Migliora l'inclusione finanziaria consentendo agli individui senza credito di accedere al credito formale invece di fare affidamento su canali di prestito più costosi o opachi.
• Affina la valutazione del rischio identificando modelli di pagamento stabili che correlano con la capacità di rimborso.
• Mantiene l'equità demografica, garantendo che i benefici dei dati alternativi siano distribuiti equamente tra i gruppi razziali e di reddito.

Lo studio conclude che, sebbene i risultati siano specifici per il contesto dei prestiti auto subprime, essi forniscono una base empirica robusta per l'uso dei dati alternativi nella valutazione del credito inclusiva. Gli autori notano i limiti riguardanti la generalizzazione di questi risultati ad altri tipi di prestiti e suggeriscono che il lavoro futuro potrebbe coinvolgere dati a lungo termine, l'integrazione di scenari multipli e tecniche di calcolo che preservino la privacy.