Un progetto di: Finclude
Finclude ha lavorato per consentire a coloro che sono “invisibili al credito”, ovvero coloro che non soddisfano i criteri tradizionali per un prodotto di credito, di avere una possibilità equa. Ottenere credito è un circolo vizioso per i consumatori con una breve storia creditizia o un “thin credit file”: non possono ottenere credito e costruire la propria storia creditizia, perché secondo i criteri predefiniti non sono idonei per una linea di credito. L’approccio di Finclude utilizza un algoritmo sviluppato internamente che sfrutta l’apprendimento automatico per valutare in modo alternativo il rischio creditizio di un consumatore basandosi sul loro comportamento transazionale.
Obiettivi e benefici
La soluzione adottata fornisce una comprensione più approfondita delle condizioni finanziarie, migliorando così la capacità di scegliere e ottenere il prodotto finanziario più adeguato alle proprie possibilità economiche. Inoltre, promuove un accesso equo al credito per tutti gli europei, contribuendo al miglioramento del benessere finanziario generale.
Tecnologie abilitanti
Vengono utilizzati un set di dati per creare un motore di classificazione in grado di prevedere le prestazioni di ciascun candidato. La soluzione utilizza varie tecniche di Machine Learning automatico (ensemble) in successione (stacking) per produrre le previsioni più accurate. I risultati prodotti da ciascun predittore come singolo modello sono poi alimentati allo strato successivo costituito anch’esso da altri classificatori e reti. Ciascuno di questi strati a cascata diminuisce di dimensione per raggiungere l’ultimo stadio/strato che produce la previsione finale.