Default prediction of SMEs in the Italian Minibond market: an analysis under a new human perspective

The default of companies has already been discussed for years in the global literature, in different form and treating companies of different typologies. The prediction analysis in the credit market is a key point in the assessment of debt from all the active agents, both from the lender side both from the borrower. Banks and financial institutions for years exploit models and theories in the credit scoring algorithms and procedures, on the other hand the companies are interested in maintaining some indicators high enough to be considered safe and have loans granted. In this dissertation the focus is on the firms that issued Minibonds in the Italian market, the company analysed are SMEs that historically are the spine of the Country and for which the access to credit could result more difficult than could be for bigger entities. Nowadays the ever-increasing use and development of information technologies, like the machine learning algorithms or the rapid ascent of the artificial intelligence seemed to have left behind the attention on the human capital in its disparate forms and its abilities, for this reason will be analysed the performances of the firms that issued minibonds up to the end of 2020 looking at their capacity of developing new intellectual properties and the composition of the management. The objective of the research is finding a prediction model that could classify the default of the companies through statistics that not consider only the more economic variables but rather new types of variables focused on the human capital trying to give the starting point on new typologies of decision for the credit market.

Il default delle aziende è già stato discusso per anni nella letteratura mondiale, in forme diverse e trattando compagnie di diverso tipo. L'analisi predittiva nel mercato del credito è un punto chiave nella valutazione del debito da parte di tutti gli agenti attivi, sia dal lato del finanziatore che del richiedente. Le banche e le istituzioni finanziarie sfruttano da anni modelli e teorie negli algoritmi e nelle procedure di credit scoring, mentre le aziende sono interessate a mantenere alcuni indicatori sufficientemente alti per essere considerate sicure e ottenere prestiti. In questa tesi l'attenzione si concentra sulle imprese che hanno emesso Minibond nel mercato italiano; le aziende analizzate sono PMI che storicamente sono la spina dorsale del Paese e per le quali l'accesso al credito potrebbe risultare più difficile di quanto non lo sia per le imprese più grandi. Al giorno d'oggi l'uso e lo sviluppo sempre maggiore delle tecnologie informatiche, come gli algoritmi di machine learning o la rapida ascesa dell'intelligenza artificiale, sembra aver lasciato indietro l'attenzione sul capitale umano nelle sue forme più varie e sulle sue capacità, per questo motivo verranno analizzate le performance delle imprese che hanno emesso minibond fino alla fine del 2020 guardando alla loro capacità di sviluppare nuove proprietà intellettuali e alla composizione del management. L'obiettivo della ricerca è quello di trovare un modello di previsione che possa classificare il default delle aziende attraverso statistiche che non considerino solo le variabili più economiche ma piuttosto nuovi tipi di variabili incentrate sul capitale umano cercando di dare il punto di partenza su nuove tipologie di decisione per il mercato del credito.