ETD

• corporate finance
• literature review
• machine learning
• random forest

Il Machine Learning (ML) si sta affermando come una delle tecnologie più promettenti e affidabili per la risoluzione di problemi complessi in ambito finanziario.
La tesi si propone di esplorare l’applicazione del Machine Learning nella previsione dei flussi di cassa aziendali, denominatore comune di molte scelte di gestione.
Nel primo capitolo, dopo una doverosa introduzione alla finanza aziendale, viene descritta l’importanza delle previsioni in ambito finanziario mettendo in risalto le principali variabili utilizzate nella pianificazione aziendale con particolare riferimento ai processi di valutazione e alle operazioni straordinarie.
Nel secondo capitolo si introducono i fondamenti teorici del Machine Learning, dal funzionamento generale alle principali tecniche applicabili come la regressione lineare, la random forest, le reti neurali e il time series forecasting attraverso una rassegna della letteratura accademica sull’utilizzo del ML in operazioni di FP&A, M&A e determinazione del rischio di credito.
Il terzo capitolo contiene l’implementazione dell’algoritmo di Random Forest costruito su un panel data di imprese globali e termina con le conclusioni in cui si racchiudono le evidenze raccolte nella letteratura e i risultati del modello.