Articoli online e tweet per predire il rischio default delle imprese.
Questa estate Banca d’Italia ha sperimentato la creazione di un credit sentiment scoring, che sfrutta l’analisi testuale per sondare le informazioni pubblicate su Twitter e Factiva e aumentare l’efficacia dei sistemi interni di valutazione del credito.
ICAS: statistiche ed esperti nell’analisi del dato
In questo caso l’ICAS, acronimo di In-house credit assessment system, sistema sviluppato da Banca d’Italia e messo a disposizione delle banche, che prevede l’uso di puri dati statistici (da informazioni di bilancio e Credit Bureau) per stimare una probabilità di default nel giro di un anno, al quale è affiancato l’intervento di analisti finanziari che controllano i livelli di qualità di queste informazioni, scandagliando web, articoli e così via.
Un’attività che richiede naturalmente diverso tempo.
Nuove fonti dati: piattaforme d’informazione e social network
Da qui l’idea: usare la tecnologia per velocizzare il lavoro degli analisti, grazie all’analisi testuale. Metadati, provenienti da nuove fonti, capaci di aumentare le capacità predittive del sistema per ottenere un sentiment del credito.
La scelta è ricaduta su Factiva e Twitter. Tra queste una si dimostrerà più efficace dell’altra, ma ve lo spiego più avanti.
Tra dati e metadati
Il test ha analizzato 6mila aziende, delle quali 500 insolventi almeno una volta nei cinque anni di osservazione (dati ICAS), e i nomi di 11 manager per ogni impresa (dati InfoCamere). Con questo iniziale dataset Banca d’Italia ha scremato gli articoli da analizzare all’interno di Factiva (600mila circa per anno, da oltre 60 giornali): ogni articolo, titolo, sommario, testo, data o fonte disponibile è stato posto sotto analisi, insieme ai metadati, quali la lista di temi trattati e le aziende citate negli articoli.
Ne è sopravvissuto solo l’8%. Ma ha dato prova che creare degli indicatori di credit sentiment da articoli giornalistici può aiutare ad affinare la capacità predittiva del modello ICAS.
Pochi cinguettii
Spostiamoci ora sul social e sui dati che possono essere integrati a beneficio della valutazione. Non potendo considerare tutti i tweet, Bankitalia si è concentrata su una trentina di milioni di tweet per anno, da moltiplicare sempre per 5 anni. Al centro, solo argomenti economici e finanziari generali, come l’inflazione, i prezzi, l’incertezza economica, etc.
Qui è certo difficile trovare i metadata che il database di Factiva metteva a disposizione, che velocizzano naturalmente l’analisi; e il numero totale di tweet è veramente alto, cinquanta volte il numero d’articoli di Factiva. Alla fine, solo lo 0,5% del totale dei tweet si è dimostrato rilevante.
Gli algoritmi NER non parlano molte lingue
Cosa è successo? Factiva ha quindi vinto la coppa grazie alla ricchezza di dati e metadati che mette a disposizione? Sì e no, come racconta Banca d’Italia, la tecnologia ha avuto un ruolo importante.
L’analisi dei dati testuali, infatti, identifica se un articolo o un tweet cita una delle aziende del campione, grazie all’uso di un algoritmo di Named Entity Recognition (NER). Piccolo problema, gli algoritmi NER sono quasi sempre sviluppati per la lingua inglese e occasionalmente prevedono l’estensione ad altre lingue.
Per l’italiano Banca d’Italia ha ne scovati otto, ma alla fine si sono rivelati poco efficienti, soprattutto nei tweet raccolti, ma l’alternativa era ricorrere al vecchio metodo: la manuale ricerca all’interno del testo. Ha così definito un dizionario personalizzato, in italiano, con termini relativi alla crisi aziendale: 400 parole, con un focus su questioni legali, occupazionali e aziendali, per affinare la ricerca.
Il sentiment del credito sarà uno strumento in più
Gli indicatori nati dall’analisi sul social network non hanno pareggiato infine le performance di quelli offerti da Factiva: è diversa d’altronde la natura della fonte di informazione, perché i social network sono evidentemente meno specializzati rispetto alla stampa.
Ma il risultato per Bankitalia è stato comunque positivo e gli indicatori di sentiment del credito potrebbe essere messi a disposizione degli analisti finanziari ICAS.
Questo articolo è stato pubblicato sul numero di novembre 2022 di AziendaBanca ed è eccezionalmente disponibile gratuitamente anche sul sito web. Se vuoi ricevere AziendaBanca, puoi abbonarti nel nostro shop.
