Expert System

Gli “Expert System o Sistemi Esperti” sono una metodologia di classificazione e organizzazione della conoscenza che ha recentemente trovato applicazione nell’ambito del credit scoring. Un importante contributo è stato fornito al riguardo dagli autori William F. Messier e James V. Hansen che nel 1988 applicarono tale metodologia all’ambito della previsione delle insolvenze.182

I Sistemi Esperti basano il loro funzionamento sulle conoscenze, e nelle modalità di interpretazione e di ricerca di possibili soluzioni a problemi complessi, di un insieme di individui identificati come “Esperti del Dominio”, dove per dominio si intende il problema (ambito) oggetto dell’indagine. La Figura 3.1 riporta una rappresentazione schematica del funzionamento dei Sistemi Esperti,

180 _{Il processo appena descritto viene ricondotto alle metodologie di analisi che seguono un approccio induttivo (Varetto}

F. Metodi di previsione delle insolvenze: un’analisi comparata, in Szego G. - Varetto F. Il rischio Creditizio: misura e

controllo, Utet, 1999).

181 _{Le nozioni riportate in questa sezione sono state estratte da:}

 Balcaen S. - Oooghe H. Alternative methodologies in studies on business failure: do they produce better results

than the classic statistical methods?, Vlerick Leuven Gent Working Paper Series, 2004/16;

 Varetto F. Metodi di previsione delle insolvenze: un’analisi comparata, in Szego G. - Varetto F. Il rischio

Creditizio: misura e controllo, Utet, 1999.

182 _{Si veda: Messier W., Hansen J. Inducing rules for expert system development: an example using default and bankruptcy}

91

dall’osservazione della quale è possibile individuare i tre nuclei principali che contribuiscono in egual misura all’implementazione del processo di analisi e di organizzazione delle conoscenze sviluppato per mezzo di tale modello.

Figura 3.1: Schema semplificativo di un Sistema Esperto

Fonte: Varetto F. Metodi di previsione delle insolvenze: un’analisi comparata, in Szego G. - Varetto F. Il rischio Creditizio: misura e controllo, Utet, 1999

Il primo nucleo, identificabile nella “Base di Conoscenza o memoria a lungo termine”, raccoglie tutte le informazioni disponibili in relazione ad uno specifico ambito di analisi. Alla sua alimentazione concorrono due categorie di soggetti: gli “Ingegneri della Conoscenza” e gli “Esperti del Dominio”. Qualora il dominio che si sta analizzando sia riconducibile all’ambito della valutazione del merito creditizio di un dato campione di imprese, la figura dell’esperto del dominio viene identificata nel ruolo dell’analista del credito, quale soggetto che dispone di tutte le informazioni necessarie alla valutazione del problema e che, allo stesso tempo, è in grado di razionalizzare e comunicare tali conoscenze in modo efficace agli ingegneri della conoscenza. Questi ultimi sono, invece, soggetti che non possiedono particolari nozioni in merito al dominio, ma che sono dotati di particolari capacità di estrazione, organizzazione e rappresentazione delle informazioni.

Il secondo nucleo d’interesse viene identificato come “Memoria del Lavoro o memoria a breve termine” e raccoglie tutti i fatti conosciuti relativamente al dominio che si sta valutando. Nell’ambito di modelli per la previsione delle insolvenze il Sistema Esperto viene inizialmente applicato al training sample, come visto in generale per gli altri modelli di credit scoring fino ad ora descritti. Delle imprese costituenti questo campione, quindi, si conosce lo stato, sana o in dissesto finanziario, e sono identificabili le principali caratteristiche riconducibili ai rispettivi stati: sulla base di tali

92

informazioni è possibile inferire le regole, secondo le modalità che verranno descritte nel seguito, per procedere all’applicazione del modello anche al validation sample.183

Il “Motore Inferenziale”, che va a identificare l’ultimo nucleo caratterizzante un Sistema Esperto, è rappresentato da una procedura di analisi per mezzo della quale vengono processate tutte le informazioni contenute nella memoria di lavoro. Dati i fatti osservati in relazione ad uno specifico problema, il motore inferenziale interviene andando a ricercare, all’interno della base di conoscenza, tutti gli elementi con questi compatibili e utili alla formulazione delle conclusioni del caso, i quali andranno poi ad alimentare nuovamente il contenuto della memoria di lavoro. Il processo continua in questo senso fino a che non vengono individuati all’interno della base della conoscenza tutti gli elementi rilevanti per l’elaborazione dei fatti noti o delle conclusioni contenute nella memoria di lavoro.

Per procedere all’individuazione e alla rappresentazione delle informazioni rilevanti all’interno della base della conoscenza, il motore inferenziale può seguire diversi approcci, dei quali si identificano e descrivono sinteticamente i principali: le “Regole di Produzione o if - then rules” e i “Frames”.

Le regole di produzione rappresentano una metodologia dinamica, facilmente comprensibile e intuitiva di strutturazione della conoscenza che opera per mezzo dell’applicazione di regole espresse in forma di proposizioni, le quali vengono formulate a partire dalle informazioni riportate nella Base della Memoria.

(3.17)184

La regola di produzione (3.17) riporta una possibile rappresentazione delle if-then rules. Il corpo principale della proposizione è costituito dalla premessa, dove viene definito l’insieme delle condizioni che devono essere verificate per poter procedere all’attivazione della regola. Qualora sia possibile identificare più regole la cui premessa risulta coerente con il contenuto della Memoria del Lavoro, allora il modello implementa una procedura di risoluzione dei conflitti, per mezzo della quale viene definito un ordine prioritario di esecuzione delle regole. Il secondo elemento caratteristico delle

183 _{Balcaen S. - Oooghe H. Alternative methodologies in studies on business failure: do they produce better results than}

the classic statistical methods?, Vlerick Leuven Gent Working Paper Series, 2004/16.

184 _{Varetto F. Metodi di previsione delle insolvenze: un’analisi comparata, in Szego G. - Varetto F. Il rischio Creditizio:}

93

if-then rules sono le conseguenze. Il corpo principale delle regole può venire, inoltre, arricchito con una serie di informazioni quali la probabilità p che le conseguenze siano vere date le premesse, e l’utilità u della regola espressa in termini di quantità di informazioni in essa contenute.

Dato il contenuto della premessa, il Motore inferenziale può seguire alternativamente due processi, che si differenziano in termini di orientamento dell’analisi svolta, per valutare l’attivabilità delle Regole:

 Il processo “Forward Chaining”, secondo il quale le regole vengono attivate osservando la congruenza tra quanto riportato nella premessa e i fatti iniziali, e quelli via via aggiunti dalle regole attivate, ricompresi nella Memoria del Lavoro. Il processo termina quando non sono vi più regole applicabili.

 Il processo “Backward Chaining”, secondo il quale, invece, le regole vengono attivate partendo dalle conseguenze piuttosto che dalle premesse. In tale modo si cerca di giustificare un obiettivo finale attraverso un processo di ricerca a ritroso delle regole che portano all’identificazione delle ipotesi riconducibili a tale obiettivo.

Le regole di produzione, nonostante i diversi aspetti positivi loro riconducibili, diventano poco efficienti nel momento in cui un elevato numero di regole vengono incluse nel processo di valutazione, andando così ad inficiare la consistenza dei risultati. In alternativa, quindi, a tale approccio si identificano i Frames, quale una metodologia, questa volta, statica che basa il processo di rappresentazione della conoscenza sull’identificazione di un insieme di elementi chiave, quali caratteristiche peculiari, in grado di descrivere il fenomeno oggetto di valutazione. Gli elementi individuati con riferimento ad un determinato dominio (se il problema in analisi è ad esempio l’individuazione di imprese insolventi, un aspetto chiave potrebbe essere individuato in termini, ad esempio, di redditività modesta o negativa), vengono generalmente organizzati in sezioni, ognuna delle quali raccoglie le caratteristiche utili a descriverne alcuni aspetti particolari.

Se viene scelta tale metodologia di analisi e organizzazione delle informazioni, la base di conoscenza risulterà quindi essere composta, piuttosto che da un insieme di regole, da un insieme di Frames e dai loro collegamenti. Il motore inferenziale opererà, quindi, attivando le azioni connesse ai vari Frames che sono stati individuati, per poter estrarre tutte le informazioni necessarie all’analisi del problema.

I Sistemi Esperti si sono dimostrati uno strumento abile in termini di organizzazione della conoscenza e razionalizzazione delle informazioni. Tra gli aspetti positivi riconducibili a questo modello si

94

identifica, in primo luogo, la possibilità di utilizzare qualsiasi tipo di informazione in fase di realizzazione dell’analisi, compresi dati qualitativi. In secondo luogo il modello non prevede, per la sua implementazione, che i dati seguano particolari distribuzioni statistiche. Nonostante ciò esso risulta essere di difficile implementazione, in quanto per poter ottenere dei risultati efficienti il modello richiede il sostenimento di elevati costi espressi in termine di tempistiche e di coinvolgimento di risorse con conoscenze e competenze di elevata qualità, in particolare per quanto riguarda la fase di raccolta e analisi delle informazioni contenute nella base di conoscenza e la conseguente estrazione delle regole. Essi si dimostrano, inoltre, incapaci di adattare le regole di produzione (o i Frames) determinate in fase di implementazione del modello a cambiamenti, ad esempio, nella composizione della base di conoscenza, rendendo necessario ripetere nuovamente tutto il processo di analisi. Non sono, inoltre, in grado gestire dati incompleti o informazioni di input con errori.185

In termini di previsione delle insolvenze, infine, che costituisce l’ambito della nostra indagine, tali modelli hanno prodotto risultati poco soddisfacenti se confrontati con quelli di altri strumenti.