PRIN 2022 项目
基于人工智能的 早期预警工具
PRIN 2022 资助的研究项目
PRIN 2022 资助的研究项目
目标
研究目标
本项目考察了意大利《企业危机与破产法典》和欧盟第 2019/1023 号指令所规定的早期预警措施在适用中的不足与潜在局限，重点关注中小企业。
本研究结合法律分析与经济统计方法，将法律规定的指标同企业危机的定量和定性信号进行比较，并据此形成“示范法”形式的规范性提案。
方法
人工智能的应用
传统机器学习模型在信用评分方面有效，但用于预测无力偿债时，往往会产生大量假阳性。换言之，一些企业被归类为存在无力偿债风险，尽管它们此后并未倒闭。
现有模型在无力偿债预测中仍存在显著误差。
方法
已实现的预测模型
实验流程比较逻辑回归、无序列前馈网络和多输入 LSTM 网络。后者结合三年序列、四个静态变量和地区信息。
脚本将目标命名为 allert，其构造位于已发布文件之外。因此本页仅描述流程和时间评估，不为结果添加代码未定义的概率或时间范围。
time_features_lstm_2020 <- layer_input(shape = c(3, 51), dtype = 'float32', name = "time_features_lstm_2020")
bilancio_lstm_2020 <- time_features_lstm_2020 %>%
layer_lstm(units = 64) %>%
layer_dropout(0.2)项目成果
监管提案
作为本研究的最终成果，提出了一项以“示范法”形式呈现的综合监管干预提案，旨在引入创新标准以早期识别危机情况，并建立更高效和成比例的预警激活程序，通过引入第 5-ter 条和每季自动预测测试来修改第 14/2019 号法令。
在第 14/2019 号法令第 3 条第 4 款的 d) 项后插入以下内容: “e) 预测测试显示的危机概率信号...”
“在第 13 条所述的国家在线平台上，提供基于人工智能工具的企业危机概率预测测试...”
第 1 条 对第 14/2019 号立法法令的补充
1. 在 2019 年 1 月 12 日第 14 号立法法令第 3 条第 4 款 d) 项之后，加入以下内容：“e) 根据第 5-ter 条所述企业危机概率预测测试得出的危机概率信号”。
2. 在第 5-bis 条之后加入：“第 5-ter 条——企业偿付能力人工智能测试。 第 13 条所述国家在线平台提供基于人工智能工具的企业危机概率预测测试。该测试每季度自动执行……”
第 2 条——实施和资金规定。 企业与意大利制造部通过法令发布第 1 条所规定措施的实施细则。
出版物
项目出版物
在 AI-EWT 项目框架下发表的专著和科学论文。
代表性著作包括：La gestione iniziale della crisi. L’intelligenza artificiale nella rilevazione tempestiva della crisi e gli strumenti preconcorsuali di risanamento（危机的初步管理。人工智能在危机及时发现中的应用及重组前工具），由 Mario Campobasso 和 Maria Consiglia di Martino 编辑，Cacucci 出版社出版。
集体著作 · 2025 年 1 月 31 日
会议
会议和倡议档案
AI-EWT 项目的活动、研讨会、出版物和传播活动。
研究影响
研究影响
引入更先进的预测指标可以使危机的发现更及时、更准确，增加重组机会，并促进适当的组织、行政和会计架构的普及，特别是在中小企业中。
量化影响