Lernmodelle erkennen kommunale Finanzkrisen besser als Regeln
Maschinelles Lernen erkennt schwere Finanzkrisen italienischer Gemeinden besser als das geltende Indikatorensystem, zeigt eine Studie der italienischen Zentralbank. Grundlage sind Daten von 7.778 Gemeinden für 2009–2023.
Mehr Treffer, weiterhin Fehlalarme
Matteo Bergamaschi, Michele Cascarano, Anna Laura Mancini, Francesco Rinaldi und Giacomo Ziglio vergleichen sechs Modelltypen in 99 Versuchsanordnungen.
Ihre Studie bei der italienischen Zentralbank umfasst 116.670 Gemeindejahre und 897 Krisenereignisse.
Für 2009–2015 erreicht die beste logistische Regression einen F1-Wert von 0,272, für 2016–2023 ein neuronales Faltungsnetz 0,297. Das Regelwerk erzielt für 2010–2023 nur 0,133; es erkennt 10,7 Prozent der Krisen, bei 17,5 Prozent korrekten Warnungen.
Die besten Modelle erreichen hier 46,9 und 19,2 Prozent beziehungsweise 22,9 und 42,3 Prozent.
Zufallswaldmodelle erzielen mediane ROC-AUC-Werte von 0,873 und 0,895, schwanken aber stärker als die logistische Regression.
Die Ergebnisse geben die Auffassung der Autoren wieder.
Schnellere Daten, schwächere Trennschärfe
Vollständige Jahresabschlüsse aus OpenBDAP liefern die stärksten Prognosen, liegen aber verzögert vor.
Haushaltsplanungen aus ReadyBDAP und tägliche Kassenkredite aus SIOPE erlauben frühere Prüfungen.
Kassenkredite allein erreichen im Mittel nur etwa 0,54 ROC-AUC; zusätzlich zu Abschlüssen verbessern sie die Prognosen im Mittel nicht.
Zwei- und dreijährige Prognosefenster schneiden meist besser ab als einjährige; mehr als fünf Jahre Historie bringen wenig Zusatznutzen.
Erklärungsverfahren identifizieren Schuldendienst, Kassenkredite und Investitionszahlungen als zentrale Merkmale.
Risikohinweis statt automatischer Sanktion
Die Autoren empfehlen abgestufte Risikowerte als Ergänzung menschlicher Prüfungen, nicht als deren Ersatz.
Vor einem Einsatz verlangen sie eine Abwägung der Verwaltungskosten von Fehlalarmen gegen die sozialen Kosten übersehener Krisen.
Die Zielvariable erfasst nur formelle Krisenverfahren, nicht das gesamte Spektrum kommunaler Finanznot.
IN: