Logo UPO, Università del Piemonte Orientale
Main content
Argomento
Scienza e Ricerca

Machine learning e rischio finanziario: l’assegnista di ricerca UPO Jurgena Myftiu tra le autrici di uno studio pubblicato sulla rivista Statistics

Il saggio “Explainable Machine Learning for Financial Risk Management: Two Practical Use Cases” evidenzia il potenziale del machine learning nella gestione del rischio finanziario, sottolineando l'importanza dell'interpretabilità per l'adozione e l'efficacia di tali tecnologie nel settore

Di Federico Mellano

Data di pubblicazione

Jurgena Myftiu
Jurgena Myftiu

Il 13 settembre 2024, sulla rivista Statistics, dedicata principalmente alla statistica teorica e applicata, è stato pubblicato lo studio intitolato “Explainable Machine Learning for Financial Risk Management: Two Practical Use Cases”. Tra le autrici e gli autori del lavoro si annovera la dottoressa Jurgena Myftiu, assegnista di ricerca in Economia e statistica presso il Dipartimento di Studi per l'Economia e l'Impresa (DISEI) dell’Università del Piemonte Orientale, con esperienze internazionali presso la University of the West of England (UWE Bristol) e l’ESSEC Business School (Paris Cergy Campus). 

Oltre alla dottoressa Myftiu, hanno partecipato alla ricerca il dottor Angelo Famà, data analyst e business intelligence specialist presso l’azienda Ernst & Young, il dottor Paolo Pagnottoni, ricercatore in Economia all’Università degli Studi dell'Insubria, e il professor Alessandro Spelta, associato al Dipartimento di Scienze Economiche e Aziendali presso l’Università degli Studi di Pavia.

Lo studio esplora l'applicazione di modelli di machine learning (ML) nella gestione del rischio finanziario, focalizzandosi su due casi pratici: la gestione del rischio di credito e la copertura del rischio finanziario. Gli autori sottolineano l'importanza dell'interpretabilità dei modelli di ML, poiché la trasparenza è cruciale per la fiducia degli utenti e per la conformità alle normative. Nel primo dei due casi pratici analizzati dal team, viene indagato come i modelli di ML possano migliorare la previsione del default dei mutui, utilizzando tecniche come le reti neurali convoluzionali. Nel secondo, invece, si discute l'uso di metodi di ML per la gestione del rischio di mercato, evidenziando come questi strumenti possano aiutare a prendere decisioni più informate e tempestive. 

La pubblicazione, in conclusione, sottolinea la necessità di sviluppare metodi di ML che non solo siano efficaci, ma anche spiegabili, al fine di garantire decisioni basate su questi modelli che possano essere comprese e accettate dagli operatori del settore finanziario. Gli autori propongono che l'adozione di tecniche di spiegazione, come SHAP (shapley additive explanation) e LIME (local interpretable model-agnostic explanations), possa contribuire a raggiungere questo obiettivo.

Nell’analisi, il contributo della dottoressa Jurgena Myftiu è stato fondamentale per l'approccio complessivo della ricerca, combinando competenze analitiche e teoriche per affrontare le sfide della gestione del rischio finanziario attraverso l'uso di tecnologie avanzate come il machine learning.

    Ultima modifica 9 Ottobre 2024

    Leggi anche

    RODEO: UniSi e UPO perfezionano i dispositivi optoelettronici

    Il progetto RODEO unisce le forze dell'Università di Siena e dell'Università del Piemonte Orientale per sviluppare nuovi materiali organici più efficienti per celle solari e display OLED. L'obiettivo è individuare le caratteristiche molecolari ideali per ottimizzare la conversione energetica.

    Argomento
    Scienza e Ricerca

    Data di pubblicazione 19 Dicembre 2024

    Pannelli solari

    Il Comitato Nazionale Bioetica risponde al Ministero della Salute sull’eticità dell’uso del farmaco triptorelina per minori con disforia di genere

    Il gruppo di lavoro del CNB guidato dal professor Luca Savarino (DIMET, UPO) ha evidenziato la necessità di finanziare nuovi studi clinici indipendenti per irrobustire ulteriormente i dati già disponibili riguardo alla somministrazione del farmaco a minori affetti da disforia di genere.

    Argomento
    Scienza e Ricerca

    Data di pubblicazione 18 Dicembre 2024

     Comitato Nazionale per la Bioetica

    La ricerca conferma: l’origine del tartufo bianco pregiato dell’Alto Monferrato è tracciabile al 100%

    Grazie alle ricerche svolte nei laboratori UPO è ora possibile tracciare in maniera analitica e inequivocabile la provenienza e l’origine dei Tartufi bianchi pregiati dell'Alto Monferrato, con ricadute potenzialmente enormi per i comuni del territorio che potranno dare forte impulso a programmi di turismo enogastronomico dedicati a una platea internazionale. La ricerca promette di avere effetti importanti anche sul valore commerciale di questa particolare tipologia di tartufo.

    Argomento
    Scienza e Ricerca

    Data di pubblicazione 09 Dicembre 2024

    Presentato il report sulla tracciabilità del tartufo bianco preagiato