Valutazione del rischio di credito: Una valutazione empirica attraverso KMV, CreditGrades e Altman Z-Score

Abstract

Questa tesi confronta e applica tre modelli di rischio di credito - il modello KMV, il modello CreditGrades e lo Z-Score di Altman - ad una società privata utilizzata come caso studio per un periodo che va dal 2010 al 2023. I dati di bilancio della società e i dati di mercato, come l'EURIBOR a 12 mesi utilizzato come una proxy del tasso privo di rischio, sono stati ricavati da Bloomberg®. La volatilità dell'equity, le probabilità di default e lo score di Altman sono stati implementati utilizzando il linguaggio di programmazione R. I risultati mostrano che i modelli di credito strutturali producono probabilità di default più basse e più stabili, mentre l'Altman Z Score evidenzia periodi di stress finanziario, in particolare nel 2016 e nel 2022. Inoltre, gli scenari What-If evidenziano la maggiore sensibilità del modello CreditGrades agli shock dell'equity, a differenza del modello KMV, che sembra essere più sensibile alle variazioni della volatilità. Il confronto tra i tre modelli evidenzia anche i limiti dell'applicazione dei modelli di scoring tradizionali alle imprese private non manifatturiere.

This thesis applies and compares three credit risk models - the KMV model, CreditGrades Model, and Altman Z-Score - to a private company used as a case study covering the period from 2010 to 2023. The company's financial statement data and market data, such as the 12-month EURIBOR as a proxy for the risk-free rate, were retrieved from Bloomberg®. Equity volatility, default probabilities, and the Altman Score were implemented using the R programming language. The results show that structural credit models produce lower and more stable default probabilities, whilst the Altman Z Score highlights periods of financial stress, particularly in 2016 and 2022. Additionally, What-If scenarios highlight the greater sensitivity of the credit grades model to shocks in equity, in contrast to the KMV Model, which appears to be more sensitive to changes in volatility. The comparison between the three models also highlights the limitations of applying traditional scoring models to private non-manufacturing companies.