Data models for country risk: an empirical analysis using social data

The analysis of country risk has become in recent years a useful tool for companies that, in an increasingly globalized world, are turning their ambitions towards foreign countries. The study of this discipline is not easy because, although it is possible to assess the country risk level, it is not easy to identify the factors able to influence or predict it. The aim of the thesis is to understand if social variables can be considered a hint to predict the level of country risk of a nation. In order to achieve this goal, the software R will be used. In chapter 1, the source of the used data are shown, giving details about the organizations that collect them: Euromoney, Social Progress Index. The analysis will proceed with the data observation and the descriptive analysis. In chapter 2, the Pearson test will be used to find a possible linear correlation between the variables, the linear and multiple regression models will be presented to identify the most significant variables. In the following chapters, 3 and 4, the analysis will be completed with regression trees and a cluster analysis. A comparison of models will be included.

L’analisi del rischio paese è divenuta negli ultimi anni uno strumento utile alle realtà aziendali che, in un mondo sempre più globalizzato, rivolgono le loro ambizioni verso l’estero. Lo studio di questa disciplina non è semplice poiché, sebbene sia possibile valutare il livello di rischio, non è semplice individuare quali siano i fattori in grado di influenzarlo o prevederlo. Lo scopo della tesi è quello di capire se le variabili sociali possono essere considerate un indizio per prevedere il livello di rischio paese. A questo scopo verrà utilizzato il software R. Nel capitolo 1 verranno mostrate le fonti dei dati, fornendo dettagli sulle organizzazioni che li producono: Euromoney ed il Social Progress Index. L’analisi procederà con l’osservazione dei dati e l’analisi descrittiva. Nel capitolo 2 verrà utilizzato il test di Pearson per identificare una possibile correlazione lineare tra le variabili, verrà presentato il modello di regressione lineare e multipla per individuare le variabili più significative. Nei capitoli successivi, 3 e 4, l’analisi verrà completata con gli alberi di regressione e l’analisi dei cluster. Troverà spazio anche un confronto tra modelli.