Modelli predittivi dell'insolvenza aziendale: confronto tra Z-score e reti neurali artificiali.

Questo studio confronta due approcci diversi per la previsione dell’insolvenza: il modello Z-score di Altman, basato sull’analisi discriminante multivariata, e le reti neurali artificiali, che sfruttano l’apprendimento per identificare eventuali relazioni non lineari tra le variabili. L’analisi empirica è stata condotta su un dataset di piccole e medie imprese italiane, applicando entrambi i modelli per valutare la loro capacità predittiva, sia nell’anno dell’ultimo bilancio emesso prima del fallimento sia con i dati del bilancio precedente. I risultati mostrano che lo Z-score, pur evidenziando un progressivo deterioramento degli indici di bilancio, presenta dei limiti nella capacità discriminante, determinata soprattutto dall’elevata percentuale di imprese classificate nella zona ambigua e un'accuratezza inferiore. Le reti neurali artificiali hanno dimostrato una maggiore flessibilità, riuscendo a catturare le relazioni non lineari tra gli indici di bilancio e l’insolvenza. Il modello ha ottenuto un'accuratezza superiore e un AUC molto elevata, segnalando una migliore capacità di discriminazione rispetto ad entrambe le riformulazioni dello Z-score. Inoltre, dimostra un buon equilibrio tra sensitività e precisione. Tuttavia, la rete neurale presenta anche alcuni limiti, tra cui una minore trasparenza interpretativa e la necessità di un dataset più ampio.