Il Rischio di Credito Università Federico II Corso di Teoria del rischio 2010

Misurazione e Gestione Rischio di Credito Margine di Interesse Costo della raccolta Costi operativi p Perdite su crediti Immobilizzi Titoli Crediti Raccolta Liquidità Crediti in bonis Incagli cagli Sofferenze Patrimonio

© Università Federico II Teoria del rischio 2010

L’esigenza di misurare il rischio di credito
Spr e a d bassi Verso la disinter l rmediazio one O ggi R isc hio/R e ndim e nto SISTE M I D I M ISU R A ZIO N E D E L R ISC H IO D I C R E D ITO

A nni '9 0

E s p erien za
A nni '7 0 Spr e a d e le va ti

Q ua lità de l c r e dito

L a g e stio ne de l c r e dito
© Università Federico II Teoria del rischio 2010

Impianto metodologico
Misurazione del Rischio di Credito Scoring/Rating Perdita Attesa Perdita I tt P dit Inattesa Recovery Trasferimento e mitigazione del rischio di Credito
© Università Federico II Teoria del rischio 2010

Utilizzo del VAR

• I concetti chiave del Credit Risk Management • La regolamentazione e gli sviluppi in atto: la funzione del capitale • Basilea II ed i modelli interni • Rating e scoring: definizioni ed aree critiche • Le tecniche di scoring • Il modello di Altman • Le reti neurali e gli algoritmi genetici • Rating interni ed esterni

I concetti chiave del Credit Risk Management
a. b. c. c d. e. f. f g g. Definizione di rischio di credito Esposizione e rischio Perdita attesa Perdita inattesa Matrici di transizione Correlazione e diversificazione C l i di ifi i Il VaR del credito

© Università Federico II Teoria del rischio 2010

Definizione di rischio di credito D fi i i i hi di
Possibilità che una variazione del merito creditizio di una controparte, nei confronti della quale q ale esiste un’esposizione, generi n’esposi ione una corrispondente variazione inattesa del valore di mercato della p posizione creditoria.

Altri concetti sul rischio di credito
• Per controllo del rischio di credito, si intende il monitoraggio del rischio che una variazione inattesa del merito creditizio di una controparte comporti una corrispondente variazione inattesa della d ll posizione creditizia. i i diti i Affinché si possa parlare di rischio, occorre che la variazione del merito creditizio sia inattesa inattesa. Eventuali variazione attese in fase di affidamento, infatti, saranno state opportunamente già considerate e dunque i id d contenute nel prezzo praticato.

© Università Federico II Teoria del rischio 2010

come in Italia. difatti. per effetto della maggiore rischiosità deve risentire di un premio al rischio maggiore. non esiste un mercato secondario liquido nel quale negoziare i prestiti.Altri concetti sul rischio di credito • Il rischio di credito non è legato al solo rischio di inadempimento. diminuisce all’aumentare della rischiosità della controparte poiché il valore attuale dei flussi di cassa attesi. risulta più basso. Il valore del credito. tuttavia. al fine di fissare uno spread sui tassi effettivamente remunerativo tenuto conto della mutata rischiosità dell operazione. ma anche di peggioramento della qualità creditizia della controparte. il d i li id l l i titi t tt i peggioramento della qualità creditizia deve rappresentare un elemento di riferimento nella determinazione del pricing. scontati ad un tasso che. i l i hi i i lt iù b Tale rischio potrebbe non tradursi in una perdita effettiva per la banca laddove. almeno nelle operazioni a breve ed a revoca nelle quali il tasso potrebbe essere rinegoziato. dell’operazione • © Università Federico II Teoria del rischio 2010 .

Da qualche anno è emersa la necessità delle banche di attivare una funzione di credit g . per risk management. sia p effetto del mutato contesto competitivo che per le necessità legate al nuovo ambito normativo nei quali le banche operano. © Università Federico II Teoria del rischio 2010 .

e dunque aumentato la vulnerabilità delle banche al rischio di credito rendendo evidente la necessita di misurarlo. © Università Federico II Teoria del rischio 2010 .Mutato contesto competitivo Maggiore concorrenza. monitorarlo e controllarlo. frutto d ll’i M i f dell’introduzione del d i d l Testo Unico in materia bancaria e finanziaria del 1992 Maggiore stabilità economica con la sua spinta verso il basso dei tassi d’interesse hanno entrambe inevitabilmente ridotto il mark-up applicabile sui tassi di raccolta.

© Università Federico II Teoria del rischio 2010 . di credito.I tre concetti compresi nella definizione di rischio sono dunque: • • • Ha rilevanza il deterioramento del merito . inattesa . Grado di estensione del concetto di esposizione creditizia. La variazione del merito creditizio della controparte deve essere “inattesa”.

Il rischio rappresenta l potenziale perdita l la i l di realizzabile ed è quindi influenzato da elementi probabilistici (P. L’esposizione rappresenta l’utilizzo al momento dell’insolvenza o in un dato dell insolvenza istante di valutazione. • © Università Federico II Teoria del rischio 2010 . e LGD).Esposizione e Rischio • • Da non considerare sinonimi.A.

© Università Federico II Teoria del rischio 2010 .Occorre quindi t t O i di tentare di d t determinare i l’esposizione al momento del default o in una qualunque fase del ciclo di vita del credito.

UP = Undrawn Portion: la quota inutilizzata. in corrispondenza dell’insolvenza. © Università Federico II Teoria del rischio 2010 . UGD = Usage Given Default:la quota utilizzata co spo de de so ve . Adjusted Exposure) AE = DP + UP * UGD DP = Drawn Portion: la quota utilizzata.L’esposizione (AE.

© Università Federico II Teoria del rischio 2010 .Perdita Attesa E’ un espressione del rischio e riflette i valori attesi (secondo un certo intervallo di ) p confidenza) della probabilità di insolvenza del debitore (operazione) e della quota non recuperabile dell’esposizione in caso di dell esposizione insolvenza.

sofferenza. li • credito ristrutturato/in corso di ristrutturazione. la liquidazione coatta e la ristrutturazione del debito (Moody’s). • Classificazione adottata dalla Banca d’Italia tra: • i incaglio.Definizione di insolvenza Inadempienza di una qualsiasi obbligazione finanziaria p q g (Standard & Poor’s). la bancarotta. • sofferenza. (Moody s). © Università Federico II Teoria del rischio 2010 • . • Ogni mancato o ritardato rimborso di interessi e/o di capitale.

• © Università Federico II Teoria del rischio 2010 .Tasso di perdita atteso • Il tasso di perdita atteso è rappresentato di dal valore medio della distribuzione dei tassi di perdita. e quindi nella prezzatura del credito si ti i tiene già conto d ll copertura di t l ià t della t tale rischio. Il tasso di perdita atteso viene stimato ex ante.

Tasso di perdita atteso: una prima formulazione PA = E(ins)*[1-E(rec)] E(ins)*[1PA= PA Tasso di perdita atteso E(ins)= Tasso di insolvenza atteso E(ins) E(rec)= Tasso di recupero in caso di E(rec) insolvenza © Università Federico II Teoria del rischio 2010 .

© Università Federico II Teoria del rischio 2010 .Tasso di insolvenza atteso E(ins) che dipende da: Merito creditizio del debitore e quindi da: • condizioni economiche-finanziarie attuali e prospettiche dell’impresa. dati andamentali (interni ed esterni). management. settore/territorio. • • • • • dati economico finanziari. posizione competitiva. economico-finanziari.

Gravità dello stato di insolvenza. Andamento generale dell’economia. dell economia. Tipologia delle attività detenute dall’impresa e gap fra valore attività e passività.Tasso atteso di recupero in caso di insolvenza E(rec) che dipende da: • • • • • Natura del finanziamento ed eventuali garanzie che assistono lo stesso stesso. Tempi di recupero. © Università Federico II Teoria del rischio 2010 .

© Università Federico II Teoria del rischio 2010 .Tasso atteso di recupero in caso di insolvenza E(rec) ( ) Le variabili dipendenti: • Gravità dello stato di insolvenza ampiezza della differenza tra attività e passività del debitore. • Grado di li idi d liquidità d ll delle attività i i dell’impresa.

p q sofferenza. analitiche per quelli in .Perdita Attesa e Inattesa Le perdite attese determinano rettifiche del valore di libro dei prestiti (forfettarie per q quelli in bonis. forfet/anal per quelli incagliati) Le perdite inattese devono trovare copertura nel capitale di rischio (logiche di risk management e di Vigilanza) © Università Federico II Teoria del rischio 2010 .

Tasso di perdita inattesa • • E’ rappresentato dalla variabilità della perdita attesa intorno al suo valore medio. Il tasso di perdita inatteso evidenzia la possibilità che. a posteriori. la perdita attesa sia superiore a quella inizialmente stimata. © Università Federico II Teoria del rischio 2010 .

Possibilità che il tasso di recupero in caso p f di insolvenza risulti a posteriori inferiore a quello originariamente stimato.Tasso di perdita inattesa Le variabili dipendenti: • Possibilità che il tasso di insolvenza risulti a posteriori superiore a quello originariamente stimato. • © Università Federico II Teoria del rischio 2010 .

05 0 05 0 © Università Federico II Teoria del rischio 2010 Tassi di Perdita .15 0.25 0.2 F Frequenze relative e 0.1 0.3 03 0.L importanza L’importanza della perdita inattesa Funzione di densità delle perdite 0.

perdita © Università Federico II Teoria del rischio 2010 .Perdita inattesa e deviazione standard Su un dato set di osservazioni storiche è pari alla radice quadrata del prodotto tra 1/(n-1) e ( q ) la somma di tutte le differenze (al quadrato) tra i singoli tassi di perdita e il tasso medio di perdita.

intervallo temporale (hp holding period). E’ la differenza tra il valore massimo delle perdite ed il valore della perdita attesa. • © Università Federico II Teoria del rischio 2010 .Il Valore a Rischio • Esprime il livello di perdite inattese sui crediti. cui si è esposti in un dato p ( p gp ).

Valore a Rischio 0.25 0 25 0.2 Pro obabilità VAR 0.15 0.05 Tasso di perdita massima corrispondente al 99° percentile Tasso di perdita p attesa (Media) 0 Tassi di P dit T i Perdita © Università Federico II Teoria del rischio 2010 .3 0.1 0.

d. g g pg g). Basle Clause (modifica dello spread in corrispondenza di un down-grading o up-grading).Matrici di Transizione • Il deterioramento del merito creditizio può essere considerato un terzo profilo d l rischio di id fil del i hi credito. Sempre più nei contratti di finanziamento viene p presa in considerazione la c. • • © Università Federico II Teoria del rischio 2010 . Si prende in esame ogni fase del ciclo di vita del credito.

Rischio Ri hi di spread d Operazioni M/L Termine M/L Termine con indicizzazione al i di i i l rischio di credito B/T A Revoca Rischio di Spread Alto Basso Motivazione Spread non modificabile sino a p scadenza Rischio connesso alle clausole contrattuali t tt li Rischio connesso alla frequenza di revisione Spread celermente modificabile Molto Basso Minimo © Università Federico II Teoria del rischio 2010 .

02 0.12 1.30 1 30 0.84 83.Standard & Poor’s AAA Rating iniziale AAA AA A BBB BB B CCC AA A RATING a FINE ANNO (%) BBB BB B CCC Default 90.70 0 70 0.46 11.22 0 22 8.Tassi di migrazione .00 0.81 0.74 5.27 0.24 0.01 0.53 6.30 80.24 11 24 0.93 7.03 0.20 19.00 0 00 0.79 19 79 © Università Federico II Teoria del rischio 2010 .14 0.14 0 14 0.67 0.17 8.95 0.38 2 38 0.64 0 64 5.11 0.33 90.09 0.06 0.18 1.07 64.06 5.48 2.68 7.05 5.65 90 65 2.06 0.86 64 86 0.00 0.matrici di g transizione Matrice di transizione ad 1 anno .43 1.52 86.33 0.22 0 22 0.06 0 06 0.00 0.73 0.00 4.12 0.00 0 00 0.02 0 02 0.26 1.79 7 79 91.00 0.

di ifi i ) © Università Federico II Teoria del rischio 2010 • .Correlazione e Diversificazione • • Il rischio di un portafoglio crediti è influenzato rispetto ai rischi individuali delle posizioni che lo compongono. Aggiungere ad un portafoglio una posizione caratterizzata da perdite attese superiori a quelle medie di portafoglio non può che accrescere le perdite attese p g p p complessive. gg g p g p g Viceversa aggiungere ad un portafoglio un impiego caratterizzato da perdite inattese superiori a quelle di portafoglio può non accrescere o addirittura ridurre la variabilità complessiva delle perdite e questo grazie agli effetti di portafoglio (correlazione o diversificazione).

Una misura della correlazione è rappresenta dalla covarianza σ AB = ∑ ( LR Ai − PA A) * ( LR Bi − PAB ) * ρAiBi i =1 n Dove: LR= L LR Loss Rate (Tasso di perdita ex post di R (T di ogni posizione. PA= Perdita Attesa ex ante © Università Federico II Teoria del rischio 2010 .

i i ld f l © Università Federico II Teoria del rischio 2010 .Mentre la perdita inattesa di un portafoglio di due impieghi (A e B) può indicarsi come: σ = 2 2 + 2 2 + EAD Aσ A EAD Bσ B 2 EAD A 2 EAD B σ AB Dove: EAD= EAD esposizione al default.

Effetto diversificazione • L’effetto di L’ ff diversificazione d ifi i determina una i diminuzione del tasso di perdita inatteso in conseguenza della composizione del po og o portafoglio impieghi ove siano inseriti p eg s o se crediti caratterizzati da una correlazione imperfetta o non correlati correlati. © Università Federico II Teoria del rischio 2010 .

b Basilea 2: implicazioni nella misurazione e gestione del rischio di credito c.La regolamentazione e gli sviluppi in atto a. L’accordo di Basilea del 1988 b. Basilea 3 © Università Federico II Teoria del rischio 2010 .

Fattore produttivo Finanziamento •Finanziamento asset non liquidi. © Università Federico II Teoria del rischio 2010 .Requisiti patrimoniali per rischio di mercato. q patrimoniali p i rischi operativi per p . Coefficiente l ibilità ( i hi dit RWA) . PV / RWA).Requisiti p Presidio dei rischi p •Assorbimento delle perdite.C ffi i t di solvibilità (per rischio di credito.Patrimonio di Vigilanza. •Requisiti patrimoniali minimi (Basilea e Istruzioni di vigilanza): . •Funzione reputazionale e di “controllo”.LA FUNZIONE DEL CAPITALE Funzione regolamentare •Tutela dei terzi creditori (depositanti) dal rischio riduzione degli attivi. ..

strumenti ibridi di patrimonializzazione. Tier III © Università Federico II Teoria del rischio 2010 . i rivalutazione. Lower Tier I (max 15% Tier I): strumenti capitale.FRBG. -strumenti innovativi di capitale Patrimonio supplementare o Tier II (max 100% Tier I) Upper Tier II: -riserve i li i riserve di i implicite.LA STRUTTURA DEL PATRIMONIO DI VIGILANZA Basilea (esigenza di armonizzare e uniformare regole sul patrimonio di vigilanza nei diversi paesi) Patrimonio di base o Tier I Upper Tier I: -capitale versato. Lower Tier II (max 50% Tier I): -prestiti subordinati. riserve palesi.

Prestiti subordinati ordinari (Lower Tier II) Pari o superiore ai 5 anni Grado di subo d a o e subordinazione della Banca a tutti i creditori subordinati e quindi a quelli ordinari e privilegiati. Remunerazione predeterminata analoga ai titoli di debito. . dit ti d ll b permettendo la continuità dell'operatività. in caso di liquidazione Tipologia di remunerazione Remunerazione può essere variabile e legata agli utili (come per le azioni) oppure predeterminata (come per i titoli di debito). Strumenti ibridi di patrimonializzazione (Upper Tier II) Non possono essere rimborsati su iniziativa del sottoscrittore né senza l'autorizzazione dell'autorità di vigilanza. Cumulabilità della remunerazione © Università Federico II Teoria del rischio 2010 Possibile sia la cumulabilità che la non cumulabilità. Assorbimento delle perdite Utilizzabili per la copertura delle perdite correnti della banca. Subordinati. permettendo l tt d la continuità dell'operatività. anticipato possibile solo dopo il quinto anno dall'emissione. Non applicabile in quanto non è prevista la possibilità di sospendere il pagamento degli Interessi.LA STRUTTURA DEL PATRIMONIO DI VIGILANZA Confronto t i diversi strumenti di capitalizzazione C f t tra di i t ti it li i Caratteristiche Durata Strumenti innovativi di capitale (Lower Tier I) Natura permanente Rimborso permanente. Non possono essere utilizzati per la copertura di perdite correnti della Banca. Non cumulabilità. Subordinati ai creditori ordinari e privilegiati. Remunerazione predeterminata analoga ai titoli di debito. Utilizzabili per la copertura delle perdite correnti d ll b ti della banca. Subordinati a tutti i crediti dell'emittente con un livello di subordinazione non superiore.

-attese di rendimento degli azionisti. ma anche effettuare una scelta qualitativa all’interno delle diverse tipologie di mezzi propri disponibili. -politiche di sviluppo. -valutazione interna sui rischi assunti.LA STRUTTURA DEL PATRIMONIO DI VIGILANZA E’ necessario decidere non solo il livello ottimale di capitale. © Università Federico II Teoria del rischio 2010 . aspettative -aspettative società di rating. E’ necessario considerare forme alternative di capitalizzazione per ottimizzare il costo del capitale. Vincoli: -obblighi regolamentari.

. .) i f ti h ) causa di perdite per la Banca © Università Federico II Teoria del rischio 2010 ..I RISCHI FRONTEGGIATI RISCHIO (volatilità d i ( l tilità dei risultati) RISCHIO DI CREDITO 4Possibilità che si verifichi un numero di insolvenze superiore a quello previsto RISCHIO DI MERCATO 4Possibilità che si verifichino variazioni inattese di variabili di mercato che comportino una riduzione nel id i l valore di poste in bilancio e fuori bilancio RISCHIO DI LIQUIDITÀ 4Possibilità che si verifichi una crisi di liquidità RISCHIO OPERATIVO 4Possibilità che si verifichino eventi non previsti (errore umano. blocco delle procedure informatiche...

I RISCHI FRONTEGGIATI: DOVE SI GENERA IL RISCHIO NELLO STATO PATRIMONIALE DI UNA BANCA Rischio di credito Rischio liquidità A breve A breve Crediti A M/L A M/L Titoli Fondi con destinazione specifica Patrimonio netto Debiti Rischio di mercato Immobilizzazioni ATTIVO PASSIVO Rischio operativo p © Università Federico II Teoria del rischio 2010 .

I REQUISITI IMPOSTI DALLE AUTORITÀ DI VIGILANZA Negli anni ’90 è stata posta particolare attenzione da parte dei Governi e delle 90 Banche Centrali al problema di una regolamentazione sul controllo del rischio cui sono sottoposte le Istituzioni Finanziarie. delle principali tipologie di rischio ’88 88 BASEL CAPITAL ACCORD (BCA) 4 Solo rischio di credito (approccio a blocchi) ’96 96 AMENDAMENT TO BCA 4 Ampliamento al p rischio di mercato (per la misurazione del quale è consentito l’utilizzo di modelli interni) ’06 06 NEW BASLE CAPITAL ACCORD (NBCA) 4 Ampliamento al p rischio operativo 4 Consentiti modelli interni per tutte le tipologie di rischio L obiettivo L’obiettivo della regolamentazione imposta dalle Autorità di Vigilanza è garantire che la patrimonializzazione delle Banche sia sufficiente a coprire i rischi finanziari che pesano sulle attività detenute © Università Federico II Teoria del rischio 2010 .I RISCHI FRONTEGGIATI . La normativa di riferimento si è sviluppata ed affinata fino a ricomprendere e regolare l’assunzione. da parte delle Banche.

OBIETTIVI DEI REQUISITI PATRIMONIALI RICHIESTI Le Autorità di Vigilanza impongono dei requisiti patrimoniali minimi alle Banche tali da garantire la copertura di eventuali perdite dovute alla variabilità (rischio) del valore delle poste dell’attivo e del passivo 125 100 Rischi finanziari Patrimonio 75 Valore atteso 50 25 0 ATTIVO NETTO t0 ATTIVO NETTO t1 Probabilità di “fallimento” ritenuta accettabile dalle Autorità di Vigilanza © Università Federico II Teoria del rischio 2010 .

© Università Federico II Teoria del rischio 2010 .Accordo di Basilea 1988 • Al fine di garantire la stabilità del sistema bancario si impone il rispetto di ff p g coefficienti patrimoniali di vigilanza • Tali coefficienti patrimoniali di vigilanza definiscono il livello minimo di patrimonio a fronte dei rischi assunti dall’azienda di credito.

1 Su quale logica riposano? Stato Patrimoniale Banca Attività Passività Patrimonio netto Attività – Passività = Patrimonio netto © Università Federico II Teoria del rischio 2010 .1.

Cosa avviene in una fase espansiva dell’economia? Stato Patrimoniale Banca Gli impieghi aumentano I fallimenti diminuiscono Il valore dei titoli aumenta Attività Passività Patrimonio Nuovo attivo netto Nuovo patrimonio netto Il valore “ tt ” l “netto” della Banca aumenta © Università Federico II Teoria del rischio 2010 .

Cosa avviene in una fase recessiva dell’economia? Stato Patrimoniale Banca Gli impieghi si riducono I fallimenti aumentano Il valore dei titoli si riduce Attività Passività Patrimonio netto Quando la situazione diventa critica? Il valore “netto” della Banca diminuisce © Università Federico II Teoria del rischio 2010 .

Cosa avviene in una fase recessiva dell’economia? Stato Patrimoniale Banca Gli impieghi si riducono I fallimenti aumentano Il valore dei titoli si riduce Attività Passività Patrimonio netto la Banca è insolvente Quando il valore delle attività q diviene minore di quello delle passività… © Università Federico II Teoria del rischio 2010 … ossia quando è “svanito” il patrimonio netto .

Stabilità d l i S bili à del sistema bancario b i • Il Patrimonio netto di una banca assume il ruolo di “cuscinetto” a fronte di oscillazioni del valore dell’attivo • Il Patrimonio netto assorbe i rischi assunti dall’attività bancaria e riduce la probabilità che eventuali perdite possano generare situazioni di insolvenza © Università Federico II Teoria del rischio 2010 .

Coefficiente patrimoniale minimo obbligatorio Stato Patrimoniale Banca Attività Passività Patrimonio netto 92 Euro ? 100 Euro 8 Euro Il patrimonio minimo deve i i i i d essere pari ad almeno 8 Euro (ovvero l’8%) l 8%) © Università Federico II Teoria del rischio 2010 .

Coefficiente patrimoniale minimo obbligatorio (segue) Stato Patrimoniale Banca Attività Passività Patrimonio netto Il patrimonio minimo deve essere pari ad almeno 8 Euro (ovvero l l’8%) Patrimonio netto Attività 8% © Università Federico II Teoria del rischio 2010 .

UE 0% Banche. partecipazioni Attività in ff Atti ità i sofferenza 20% 50% 100% 200% Attività Passività Patrimonio a o o netto © Università Federico II Teoria del rischio 2010 . ai fini del computo vigilanza dell’8%.Coefficiente patrimoniale minimo obbligatorio (segue) Stato Patrimoniale Banca Per la vigilanza. banche centrali. enti pubblici Crediti ipotecari p Crediti. i vari componenti p dell’attivo devono prima essere “pesati” come segue: Esposizioni: Governi.

ipot.6% © Università Federico II Teoria del rischio 2010 .€ 10 Prestiti € 40 Partec. Partec in perdita € 10 Passività 92 Euro Attività ponderate: € 20 x 0% = €0 € 20 x20% = € 4 € 10 x50% = € 5 € 40 x100% = € 40 € 10 x200% = € 20 Patrimonio netto 8 Euro 100 Euro Totale = € 69 Coefficiente: 8 / 69 = 11 6% (>8%) 11.Coefficiente patrimoniale minimo obbligatorio (segue) Stato Patrimoniale Banca Governi € 20 Attività Banche € 20 Cred.

altri elementi.r. al netto di minusvalenze su titoli imm. imm. ai fini del computo vigilanza dell’8%.d. immateriali. il patrimonio netto deve p q essere corretto per quantificare il c. riserve e f. perdite esercizio riserve rivalutazione. avviamento. al netto di azioni proprie.Coefficiente patrimoniale minimo obbligatorio (segue) Stato Patrimoniale Banca Per la vigilanza..b.g. passività subordinate. Patrimonio di Supplementare: © Università Federico II Teoria del rischio 2010 . patrimonio di vigilanza: Patrimonio di vigilanza: g Attività Passività Patrim o a onio o netto Patrimonio di Base: capitale versato.

Riassumendo… Riassumendo Il capitale proprio rappresenta l “dif s ” it l i s t la “difesa” contro possibili insolvenze della banca Il capitale proprio minimo è dato dalla seguente relazione: Patr. Patr vigilanza Attività p ponderate © Università Federico II Teoria del rischio 2010 8% .

più alto è il capitale proprio e minore è il rendimento per gli azionisti R. l i l poco rischio ..O. ….E.In conclusione… Più alto è il livello di capitale proprio e meno rischiosa è la banca per i creditori creditori….= molto capitale. © rendimento basso Università Federico II Teoria del rischio 2010 reddito netto ddi capitale netto molto capitale. a parità di altre condizioni.tuttavia.

O. alto rendimentodel rischio 2010 © Università Federico II Teoria reddito netto ddi capitale netto poco capitale. alto rischio . a parità di altre condizioni..In conclusione… Più alto è il livello di capitale proprio e meno rischiosa è la banca per i creditori creditori….E.= p poco capitale.tuttavia. p . più alto è il capitale proprio e minore è il rendimento per gli azionisti R. ….

Driver delle competizione bancaria: © Università Federico II Teoria del rischio 2010 .

BASILEA 2

Quali sono i limiti della “regola dell’8%”
1. Non differenzia il profilo di rischio dei crediti 2. Non differenzia il profilo di rischio a seconda del ciclo economico 3. Non differenzia il profilo di rischio sulla base della diversificazione di portafoglio

© Università Federico II Teoria del rischio 2010

Principali obiettivi da raggiungere

Sensitività al rischio

Incentivazioni per le misurazioni sofisticate del rischio

Contemperare le esigenze regolamentari e di trasparenza con quelle di valorizzazione delle forze di mercato

1° Pilastro Requisiti patrimoniale minimi

2° Pilastro Controllo prudenziale dell’adeguatezza patrimoniale

3° Pilastro Trasparenza delle informazioni

Basilea II

Misure di rischio slegate dal merito creditizio

Capitale economico ≠ Capitale regolamentare

Mancato riconoscimento Rischio operativo

Vincoli e limiti

Stabilità e solidità del Sistema Finanziario

Principale obiettivo raggiunto

© Università Federico II Teoria del rischio 2010

Basilea I

Maggiore complessità di Basilea II
IL NUOVO ACCORDO SI BASA SU 3 PILASTRI: PILASTRI: PILLAR 1: requisiti patrimoniali minimi obbligatori:
- rischi di credito, di mercato, operativi

PILLAR 2: controllo prudenziale dell’adeguatezza patrimoniale (monitoraggio i t ( it i interno di tutti i rischi e d parte della Vi il t tti i hi da t d ll Vigilanza) ) PILLAR 3: impiego della disciplina di mercato per promuovere la solidità e l’efficienza (obblighi di trasparenza e di disclosure su rischi e capitalizzazione).
© Università Federico II Teoria del rischio 2010

PILLAR 1

COEFF. PATRIMONIALE MINIMO
Patrimonio di vigilanza ≥8% Attivita’ ponderate per rischio di credito + ponderate p rischio di mercato + per attività p attività ponderate per rischi operativi

© Università Federico II Teoria del rischio 2010

PILLAR 1 COEFF. PATRIMONIALE MINIMO

Patrimonio di vigilanza g ≥8% Attivita’ A i i ’ ponderate per rischio di credito + d i hi di attività ponderate per rischio di mercato + attività ponderate per rischi operativi
Cambia il modo di misurarlo
© Università Federico II Teoria del rischio 2010

nuovo

Novità introdotte dal Basilea II
Le novità di maggiore impatto sull’aspetto g gestionale delle banche si sintetizzano:
• nell’introduzione di una serie di cambiamenti sul fronte della misurazione del rischio di credito, richiedendo una maggiore correlazione tra l’allocazione del capitale e l’effettiva qualità degli impieghi; i i hi nell’introduzione del rischio operativo, al fianco del rischio di credito e di mercato, tra gli elementi base mercato del calcolo del requisito patrimoniale complessivo.

© Università Federico II Teoria del rischio 2010

Attività ponderate per il rischio di credito
• Il Patrimonio di Vigilanza che deve essere mantenuto a f fronte d i Ri hi di C di (PVRC) dei Rischi Credito è pari all’8% del totale attività ponderate per il rischio di credito (RWARC) i hi di (RWARC). PVRC = 8% x RWARC
• Per determinare RWARC possono essere utilizzate due metodologie diverse: • L’approccio “standard” • L’approccio basato su rating interni.

© Università Federico II Teoria del rischio 2010

Attività ponderate per il rischio di credito Attività ponderate per il Rischio di credito (RWARC) Metodo standard Internal Rating based di base avanzato © Università Federico II Teoria del rischio 2010 .

Discrezionalità IRB avanzato IRB base metodo standard complessità © Università Federico II Teoria del rischio 2010 .

• © Università Federico II Teoria del rischio 2010 . con la g conseguenza di avere un risultato del tutto simile a Basilea I.Metodo standard • Prevede che venga attribuito un diverso coefficiente di ponderazione ai d bit i ffi i t d i i debitori sulla base del merito creditizio assegnato da d società di rating i di d i i à i indipendenti. ponderazione è pari al 100%. la p g. Per debitori privi di rating.

I principali “rating” internazionali p p g • • • • • • • • • • Moody’s M d ’ Aaa Aa A A Baa Ba B Caa Ca C • • • • • • • • • • Standard&Poors S d d&P AAA AA A BBB BB B CCC CC C Investment grade High yield © Università Federico II Teoria del rischio 2010 .

indipendentemente l d d d dalla qualità del credito © Università Federico II Teoria del rischio 2010 .100 sono pesati €.peso 100% €.100 prive di rating peso 100% Attuale Accordo: 100%.100 sono pesati €.50 da BBB+ a BB.100 BB sotto BBpeso 150% €.100 sono pesati €.20 €.100 sono pesati €.100 sono pesati €.150 €.La ponderazione dell’attivo muta in funzione del “rating” d l“ i ” Esempio dei coefficienti di ponderazione applicati ai crediti verso imprese da AAA a AAda A+ ad A- peso 20% peso 50% €.

© Università Federico II Teoria del rischio 2010 • • .Metodo dei rating interni di base ( (Internal Rating Based base) g ) • La banca. occorre stimare anche LGD . oltre alla PD. ed EAD. La LGD. elementi fondamentali per il calcolo del coefficiente di ponderazione o requisito patrimoniale. In particolare occorre stimare la PD di ciascun particolare. nel caso delle esposizioni verso retail per le q quali. la EAD e la M sono fissi ad eccezione LGD fissi. debitore. . attraverso l’utilizzo di rating interni per ogni cliente deve determinare alcuni cliente.

per tutte le tipologie di esposizioni: PD LGD EAD M © Università Federico II Teoria del rischio 2010 .Metodo dei rating interni avanzato ( (IRB avanzato) ) • E’ richiesto che le banche stimino.

Indica l’ammontare del credito nel caso in cui dovesse maturare lo stato di default. M: M t it M Maturity. Indica la percentuale del credito in default recuperata dopo aver azionato i tentativi di recupero. LGD: Loss Given Default. Indica la probabilità che il debitore vada in default entro un anno dalla stima stima.• • • • PD: Probabilità di default. EAD: Exposure at Default. © Università Federico II Teoria del rischio 2010 . Indica la vita residua dell’operazione.

LGD. creditizia Nell’ambito dell’approccio basato sui rating interni il capitale regolamentare varierà in funzione del merito creditizio della controparte. economico © Università Federico II Teoria del rischio 2010 • . dunque. così come è in uso nelle istituzioni che misurano e monitorano l’allocazione del capitale economico. IRB Le banche. utilizzando le funzioni di ponderazione K fissate a livello regolamentare. EAD. risiede nella individuazione degli approcci IRB. M) in attività ponderate per il rischio e calcolare il requisito totale di capitale a copertura della propria attività creditizia.…in sintesi… • • La novità introdotta dall’attuale accordo. possono trasformare le componenti di rischio (PD.

Le B h L Banche con qualità dei prestiti scarsa li à d i ii dovranno aumentare il capitale e ridurre il ROE per gli azionisti. • © Università Federico II Teoria del rischio 2010 .Quali conseguenze per le banche ? • Le Banche con la migliore qualità dei prestiti potranno ridurre il capitale ed aumentare il ROE per gli azionisti.

N €P.3% © Università Federico II Teoria del rischio 2010 .12 .5% ROE ROE= 1/12 = 8. 92 P. N €. 4 L. 100 CCC € 00 €.5% ROE= 1/4 = 25% ROE= 1/8 = 12.Quali conseguenze per le banche? Banca Alfa Crediti Debiti L.88 Debiti L. 1 ROE= 1/8 = 12. 8 Reddito netto = €. 100 Reddito netto = €. 92 PN €. 1 Banca Beta Crediti D. 96 PN €. L. €. 8 A € 00 €.

B. Internal Rating-based) ( l i b d) • Il Comitato di Basilea si riserva di esaminare la possibilità di concedere alle banche più sofisticate il riconoscimento dei modelli interni di ratings (IRBA: internal rating-based approach) © Università Federico II Teoria del rischio 2010 .Modelli interni di rating (I.R.

Requisiti “minimi”per IRB minimi per • Rilevazione insolvenze (default) per almeno 5 anni (insolvenza= ritardo pagamento 90 gg. requisti di capitale p g q p © Università Federico II Teoria del rischio 2010 .) • Rilevazione tassi di recupero (recovery rates) per almeno 7 anni • Test di robustezza delle analisi • Stessa modellistica impiegata per valutazioni bilancio. pricing.

alle operazioni…” “il sistema IT deve rafforzare la capacità della p banca di soddisfare i requisiti minimi previsti p per l’IRB. 3. Le banche debbono dimostrare la robustezza e l’integrità del loro sistema” • © Università Federico II Teoria del rischio 2010 . n. VII.2. alle migrazioni. alla valutazione dei l i ll l i d i debitori.Ruolo Si R l Sistemi IT i (par. cap. parte B. Nuovo Documento) • “le banche devono raccogliere e catalogare le decisioni l i d i i i relative al rating.

LE DIMENSIONI RILEVANTI DEL CAPITALE CAPITALE DISPONIBILE 4Il capitale disponibile a fini di vigilanza. alla variabilità dei risultati dovuta ai rischi assunti nella gestione della Banca g © Università Federico II Teoria del rischio 2010 . con un certo grado di confidenza. o Patrimonio di Vigilanza. nel perseguimento di un determinato obiettivo reddituale è disposta a sostenere CAPITALE ASSORBITO 4Il capitale assorbito coincide con il capitale che è necessario mantenere per poter far fronte. è l’ammontare dei Mezzi Propri e dei Prestiti subordinati che la Banca ha a disposizione come “cuscinetto” a copertura delle eventuali future perdite CAPITALE ALLOCATO 4Il capitale allocato riflette la propensione al rischio della Banca e coincide con la massima perdita accettabile che la Banca.

DAL CAPITALE DISPONIBILE AL CAPITALE ASSORBITO Misura della propensione al rischio Misura del grado di efficienza delle Aree di Business nell’utilizzare il capitale allocato Tier 2 PVRM Tier 1 PVRC PVRO CAPITALE DISPONIBILE CAPITALE IN ECCESSO CAPITALE ALLOCATO EFFICIENZA FINANZIARIA CAPITALE ASSORBITO Capitale a disposizione della Banca per svolgere le attività finalizzate alla massimizzazione del valore per gli azionisti © Università Federico II Teoria del rischio 2010 Quota del capitale disponibile assegnato alle Aree di business in funzione della propensione al rischio della Banca Capitale effettivamente utilizzato dalle diverse Aree di business .

IL CAPITALE DISPONIBILE CAPITALE DISPONIBILE = PATRIMONIO DI VIGILANZA TIER 1 TIER 2 PATRIMONIO DI VIGILANZA* 4 4 4 4 4 Capitale FRBG Riserve Utile/Perdita .do rischi su crediti 4 ...... 4 Passività subordinata 4 F....... “Cuscinetto” a copertura di eventuali perdite future e non previste di valore degli assets © Università Federico II Teoria del rischio 2010 ........

IL CAPITALE ALLOCATO Il capitale allocato è il capitale che il management della Banca decide di mettere a disposizione delle Aree di Business per l svolgimento d ll proprie attività B i lo l i t delle i tti ità 4Il capitale allocato costituisce pertanto un “tetto” al rischio che ciascuna Area di Business può assumere e. coincide con la Massima Perdita reputata accettabile dal management della Banca 4Il capitale allocato riflette pertanto la propensione al rischio della Banca © Università Federico II Teoria del rischio 2010 . complessivamente.

IL CAPITALE ASSORBITO 4Il Capitale Assorbito può essere misurato •A fini gestionali (con modelli interni) •A fini di vigilanza (con modelli più “standardizzati” individuati dalle Autorità di Vigilanza) 4Con il NBCA si sta progressivamente consentendo alle Banche di utilizzare. i modelli interni di misurazione del rischio OBIETTIVI A fini gestionali STRUMENTI CAPITALE ASSORBITO 4Misurare l’effettiva 4 4Modelli interni di 4 assunzione di rischio per: misurazione del • Consentire il controllo rischio dei limiti operativi definiti per le diverse aree d’affari • Alimentare un sistema di budgeting e controllo basato su misure di redditività corretta per il rischio A fini di vigilanza 4Garantire la solidità patrimoniale del sistema bancario nel suo insieme © Università Federico II Teoria del rischio 2010 4Metodologie sufficientemente standardizzate e “rodate” per poter essere adottate da tutte le Banche . anche a fini di vigilanza.

Q fi i i i i Questa diff differenziazione f i i favorisce l B i le Banche “ h “meno rischiose” e i hi ” “più sofisticate” che possono determinare l’ammontare complessivo di Patrimonio richiesto allineandolo al rischio effettivamente assunto BASSO LIVELLO DI SOFISTICAZIONE ALTO Metodo Standard (approccio a blocchi) Modelli Interni Rischio di Mercato (trading book) ) VaR .simulazione Monte Carlo NOVITA NOVITA’ INTRODOTTE DAL NBCA Approccio Standard(Rating esterni) (scansione per livello di qualità creditizia) CAPITALE ASSORBITO Rischio di Credito (banking book) Foundation Approach Approccio Rating Interni (rating interni + coefficienti standard) ffi i ti t d d) Advanced (rating e coefficienti interni) ) Rischio Operativo Approccio Approccio Semplificato Standard (a (a (a livello di Banca) livello di B.IL CAPITALE ASSORBITO – MISURE ALTERNATIVE DI CAR Le Autorità di Vigilanza indicano metodi di misurazione del rischio con diversi gradi di sofisticazione e precisione.metodo varianze/covarianze .simulazione storica . Unit) livello di Business Unit per categorie di rischio) Approccio su Data Base Interni © Università Federico II Teoria del rischio 2010 .

lav.MODALITÀ DI CALCOLO DEL RISCHIO DI MERCATO Il patrimonio di vigilanza che deve essere mantenuto a fronte dei rischi di mercato generati dal “trading book” (PVRM) può essere calcolato: •Con il “metodo standard” in cui ciascuna posizione nel portafoglio viene moltiplicata per un coefficiente variabile indicato dalle Autorità di Vigilanza •Con “modelli interni di stima del VaR complessivo del portafoglio il cui risultato Con modelli interni” viene moltiplicato per un fattore prudenziale correttivo (K) Rischio di interesse (strumenti (st menti a reddito fisso) eddito + Rischio su azioni (strumenti di capitale) + Rischio su cambi (valute estere) METODO STANDARD (“A BLOCCHI”) PVRM = VALORE ASSET x coefficienti variabili di ponderazione (per stimare il rischio specifico e il rischio generico) RISCHIO DI MERCATO MODELLI NUMERICI Storici MODELLI INTERNI Montecarlo PVRM = K x VaR V R Intervallo di conf. 99% holding period 10g. MODELLI PARAMETRICI Varianza e Covarianza Fattore di moltiplicazione almeno pari a 3 © Università Federico II Teoria del rischio 2010 .

MODALITÀ DI CALCOLO DEL RISCHIO DI CREDITO Il patrimonio di vigilanza che deve essere mantenuto a fronte dei rischi di credito (PVRC) è pari all’8% del totale ponderato delle attività esposte al rischio di credito (RWARC). Per determinare RWARC possono essere utilizzate due metodologie diverse: •L’approccio “standard” •L’approccio basato su rating interni approccio standard RISCHIO DI CREDITO PVRC = 8% x RWARC approccio basato su rating interni © Università Federico II Teoria del rischio 2010 .

RISCHIO DI CREDITO – RWARC RWArc -> Probability of Default (PD) Loss Given Default (LGD) Exposure at Default (EAD) Maturity (M) Granularity Adjustment (GA) Approccio standard 4 Specifiche ponderazioni in base a rating esterni 4 On e Off balance sheet netting 4 Garanzie e Credit Derivatives 4 Pegni e garanzie su cespiti finanziari (simple approach / comprehensive approach) Foundation pp oac Approach 4 Stime standard delle Autorità di Vigilanza dei fattori di conversione (credit conversion factors) Approccio basato su modelli interni Advanced Ad d Apporach 4 Stimate internamente dalla Banca (rating interni) 4 Maturity standard di 3 t d d anni (salvo eccezioni) 4 I credit conversion factors vengono stimati internamente dalla Banca 4 Correzione per la maturity effettiva dell’esposizio ne 4 Solo portafoglio non retail correzione ai RWA per tenere conto dell’effettivo grado di diversificazione del portafoglio © Università Federico II Teoria del rischio 2010 .

ma per il momento (NBCA) l’utilizzo di modelli di portafoglio a g fini di vigilanza non è consentito © Università Federico II Teoria del rischio 2010 . e quindi differenti requisiti patrimoniali (prestare 100 lire a un AAA o a un BB assorbe un patrimonio differente) 4 La diversificazione del portafoglio di esposizioni è valutata.EVOLUZIONE DELLE METODOLOGIE DI CALCOLO DEL RISCHIO DI CREDITO APPROCCIO STANDARD 4 Introdotto da BCA nell’88 ha sostituito a dei requisiti patrimoniali minimi imposti alle Banche. misurazione del rischio di credito 4 La misurazione non è però molto precisa. valutandone anche la diversificazione 4 Misurare il rischio di credito di un portafoglio comporta numerose difficoltà. seppur in maniera piuttosto rudimentale APPROCCIO BASATO SU MODELLI DI PORTAFOGLIO 4 Rappresenta la frontiera dei modelli di misurazione del rischio di credito 4 Consente una piena comprensione della rischiosità di un i hi ità portafoglio di esposizioni. i seppur rudimentale. Le principali Banche e le Autorità di Vigilanza stanno lavorando sull’argomento. “ i hi ità” una prima. a prescindere dalla loro effettiva “rischiosità”. Prestare 100 lire ad una controparte con rating AAA o ad una con rating BB genera lo stesso assorbimento di patrimonio APPROCCIO BASATO SUI RATING 4 Previsto dal NBCA rappresenta un grande passo in avanti nella misurazione del rischio di credito 4 L controparti vengono Le t ti classificate in categorie di rating omogenee a cui sono associate probabilità di fallimento differenti.

Diversamente. La conoscenza di media e varianza non è quindi sufficiente per rappresentare l’intera distribuzione Il secondo problema riguarda la difficoltà nella misurazione delle correlazioni. Nel caso delle azioni. le correlazioni possono essere stimate osservando l’andamento dei prezzi sul mercato. È quindi necessario individuare dei modelli per stimare tale correlazione da variabili osservabili © Università Federico II Teoria del rischio 2010 . Quindi le due misure statistiche – media e varianza – sono sufficienti per l’individuazione della distribuzione del portafoglio. i tassi di rendimento delle attività soggette al rischio di insolvenza hanno una distribuzione fortemente asimmetrica. creditizia la mancanza di dati rende difficile la stima basata sulle osservazioni storiche. l’estensione di questi progressi al campo del rischio di credito comporta la risoluzione di numerosi problemi. Tuttavia. I tassi di rendimento tipici del mercato azionario hanno una distribuzione relativamente p simmetrica.APPROCCI DI PORTAFOGLIO – LE SFIDE IN CORSO La moderna teoria di portafoglio ha fatto grossi passi in avanti nelle sue applicazioni al rischio di mercato. Nel caso della qualità creditizia. ben approssimata da una distribuzione normale. due in particolare Il primo è legato alla distribuzione dei tassi di rendimento.

MODALITÀ DI CALCOLO DEL RISCHIO OPERATIVO APPROCCIO SEMPLIFICATO Moltiplicatore (α) da applicare al Margine di Intermediazione della Banca RISCHIO OPERATIVO APPROCCIO STANDARD Per ogni area di business viene definito un fattore di esposizione (PE) e un relativo moltiplicatore (α) MODELLI INTERNI Ciascuna area di business viene frazionata in categorie di rischio omogeneo e per ciascun gruppo viene calcolato il rischio operativo © Università Federico II Teoria del rischio 2010 .

COMPOSIZIONE DEL PATRIMONIO DI VIGILANZA Il Patrimonio di Vigilanza deve essere > PVRM + PVRC + PVRO Il Patrimonio di Vigilanza minimo che deve essere mantenuto dalla Banche è dato dalla somma dei requisiti per le singole tipologie di rischio © Università Federico II Teoria del rischio 2010 .

Costo del Capitale ROE= Utile Netto Mezzi Propri RAROC= 4 Non tengono conto del rischio 4 Di facile calcolo 4 Tengono conto del rischio 4 Richiedono la misurazione del rischio assunto 4 Misura del valore econo-mico aggiunto (al rendi mento atteso rendi-mento richiesto dall’azionista) 4 Richiede la definizione del costo del capitale. oltre che la misurazione del rischio assunto © Università Federico II Teoria del rischio 2010 .INDICATORI DI REDDITIVITÀ E DI CRAZIONE DI VALORE INDICATORI DI REDDITIVITÀ TRADIZIONALI Utile Netto Totale Attivo CORRETTI PER IL RISCHIO INDICATORI DI VALORE ROA= RORAC= Return Risk adjusted capital Risk adjusted return Capital EVA=Utile Netto .

ALBERO DEL VALORE AGGIUNTO MARGINE DI INTERMEDIAZIONE Margine di interesse Margine da servizi UTILE NETTO Diretti COSTI Ribaltati EVA UTILE NETTO COSTO DEL CAPITALE COMPOSIZIONE (MEZZI PROPRI/ MEZZI DI TERZI) COSTO DEL CAPITALE COSTO DEL CAPITALE (WACC) Costo dell’equity Costo delle passività subordinate © Università Federico II Teoria del rischio 2010 .

. .TIPOLOGIE DI RISCHIO E STRUMENTI PER LA GESTIONE STRUMENTI PER LA GESTIONE 4Derivati “tradizionali” • Derivati su tassi • Derivati su cambi • Derivati su azioni • Derivati su merci TIPOLOGIA DI RISCHIO 4Rischio di mercato • Rischio di interesse • Rischio di cambio • Rischio su azioni • Rischio su merci 4Rischio di credito • Rischio di default • Rischio di spread 4Derivati creditizi • Credit default derivatives • Credit spread derivatives 4Rischi operativi • Rischi di evento (errori..) • Altri rischi 4Coperture assicurative • Coperture assicurative specifiche (ove disponibili) © Università Federico II Teoria del rischio 2010 .. frodi...

imprese di grandi dimensioni La parte che assume il rischio viene indicata come protection seller (venditore di protezione). trasferire il credito sottostante Operazioni caratterizzate da un elevato grado di personalizzazione (negoziate su mercati OTC) Il taglio medio delle operazioni risulta elevato (l’operazione media oscilla tra i 25 e i 50 Mln di dollari) Le parti coinvolte nelle operazioni sono costituite prevalentemente da Banche. in minor misura. mentre l’altra come protection buyer (compratore d ll protezione) ( t della t i ) © Università Federico II Teoria del rischio 2010 .CREDIT DERIVATIVES In prima approssimazione i credit derivatives costituiscono una nuova famiglia di contratti che hanno per oggetto l’assunzione del rischio di credito. peraltro. Investitori Istituzionali e. senza.

CREDIT DERIVATIVES – MACRO FAMIGLIE TIPO DI RISCHIO CARATTERISTICHE CREDIT DEFAULT DERIVATIVES 4 Rischio di default 4 Simili ad opzioni di tipo put su attività sensibili al rischio creditizio. ma non solo) CREDIT DERIVATIVE S CREDIT SPREAD DERIVATIVES 4 Rischio di spread TOTALE RETURN SWAP 4 Rischio di default + Rischio di sp ead spread 4 Adattamenti di swaps tradizionali utilizzati per creare sinteticamente un prestito o per coprire una esposizione creditizia © Università Federico II Teoria del rischio 2010 . swaps o opzioni sullo spread creditizio di determinati asset (tipicamente prestiti. Strutturati generalmente come strumenti che pagano un ammontare predeterminato nel caso si verifichi il mancato pagamento del debitore di riferimento 4 Generalmente forward.

terzo ACQUIRENTE PROTEZIONE Xbp b.p. al verificarsi di un evento futuro e incerto che esprime il deterioramento del profilo creditizio di un incerto. verso il pagamento di un premio. VENDITORE PROTEZIONE FALLIMENTO DI XYZ ACQUIRENTE PROTEZIONE Valore nominale Valore di mercato dell asset dell’asset di riferimento (xyz) VENDITORE PROTEZIONE © Università Federico II Teoria del rischio 2010 . si impegna ad eseguire un pagamento predeterminato in favore di un compratore di protezione.CREDIT DEFAULT DERIVATIVE Il C Credit Default S f Swap (C S) è definito come quel contratto in virtù del quale il (CDS) f venditore di protezione.

ACQUIRENTE PROTEZIONE Spread fisso prestabilito VENDITORE PROTEZIONE Spread d ll’ d dell’asset d di riferimento sul tasso privo di rischio © Università Federico II Teoria del rischio 2010 .CREDIT SPREAD DERIVATIVE Un Credit Spread F U C dit S d Forward (CSF) è d fi it come quel contratto i virtù d l quale il d definito l t tt in i tù del l compratore di protezione ad una data predeterminata paga al venditore di protezione uno spread predefinito su un valore nominale predefinito e riceve dal venditore di protezione lo spread futuro e incerto tra l’asset di riferimento ed il tasso p p privo di rischio sul valore nominale predefinito.

LE CARTOLARIZZAZIONI Schema: Cartolarizzazione classica Banca Originator Cassa Crediti SPV Emissione Cash flow Crediti Titoli Equity Cash flow Investitori Tranche Equity © Università Federico II Teoria del rischio 2010 .

LE CARTOLARIZZAZIONI • Gli effetti sull’attivo della Banca sono funzione di: qualità degli attivi ceduti. correlazione tra attivi ceduti e attivi ancora nel portafoglio della Banca. ricorso implicito (effetti reputazionali). • • Non sempre esiste un miglioramento del profilo di rischio della Banca Spesso sono utilizzate come strumento alternativo di raccolta per rispondere ad esigenze di cassa © Università Federico II Teoria del rischio 2010 .

Credit Risk Model • • • • • • • Rating e scoring: definizioni ed aree critiche Le tecniche di scoring Il modello di Altman Le reti neurali Gli algoritmi genetici Rating interni Rating esterni © Università Federico II Teoria del rischio 2010 .

Lo scoring individua soprattutto metodologie di valutazione basate su informazioni/dati oggettivi/quantitativi. id ti i i i Il termine rating deve essere utilizzato per g p individuare processi di valutazione che p danno un peso rilevante ai fattori qualitativi ed al giudizio del valutatore.Rating e Scoring: definizioni ed aree critiche • • Spesso rating e scoring sono stati considerati sinonimi. • © Università Federico II Teoria del rischio 2010 .

Modelli analitici di natura soggettiva Basati sull’analisi tradizionale di fido • strettamente quantitativa e quindi indirizzata all’analisi delle condizioni economicofinanziarie attuali ed eventualmente p p prospettiche dell’impresa. p qualitativa. basata sull’analisi di variabili quali la qualità del management. • © Università Federico II Teoria del rischio 2010 . le prospettive di evoluzione del settore e quelle del quadro economico di riferimento.

Non consentono mai di pervenire alla perdita inattesa.Modelli analitici di natura soggettiva Punti di forza • Sono di ti univariato: S tipo i i t i principali indici economico-finanziari vengono confrontati con quelli medi di settore con l obiettivo l’obiettivo di valutare il business risk ed il financial risk. Ben si prestano ad essere applicati per small business • Punti di debolezza Sono di natura soggettiva e quindi analisti diversi possono produrre giudizi diversi. • • © Università Federico II Teoria del rischio 2010 .

d z-score. valutazione del merito creditizio sintetizzandolo in un unico valore numerico. numerico Uno dei modelli di scoring più noti è quello di Altman che giunge a determinare il c. score © Università Federico II Teoria del rischio 2010 . multivariati che giungono alla multivariati.Modelli di scoring Si tratta di modelli di natura statistica.

ad es.Classificazione dei modelli di scoring • • Analisi discriminante lineare. Hanno di recente trovato applicazione per le decisioni di affidamento relative a portafogli frazionati ed omogenei (cfr. • • Le reti neurali. • • Analisi probit-logit. Si basa sull’identificazione di variabili (indici contabili) che sull identificazione consentano di discriminare tra imprese sane e imprese anomale. Mediante l’utilizzo di una trasformazione logaritmica fornisce un risultato compreso tra zero ed uno e quindi consente di attribuire al valore numerico un significato di probabilità di insolvenza. © Università Federico II Teoria del rischio 2010 . prestiti al consumo).

Possibilità di ottenere valutazioni consistenti dalle quali ricavare una storia di tassi di insolvenza. © Università Federico II Teoria del rischio 2010 .Modelli di scoring Punti di forza • • Procedura di valutazione oggettiva. i l Punti di debolezza • • Non colgono variabili qualitative. Spesso i coefficienti che esprimono le ponderazioni attribuite alle variabili indipendenti sono instabili e quindi alterano il valore di sintesi o variabile dipendente.

Gr rado di eterog i geneità della po opolazi ione Mappatura dei sistemi Modelli PreditPreditdecisionali tivi basati su Alto logiche IA Sistema Esperto Deduttivo Reti Neurali La scelta del sistema di rating dipende dal tipo di informazioni disponibili Medio Modelli Matematici Sistema basati su scoring Basso Basati su logiche di g Pochi valutazione © Università Federico del migliore II Teoria del rischio 2010 Numerosità gestore Modelli PreditPredittivi basati su t i h tecniche statistiche Molti della popolazione .

Sistema Esperto Deduttivo Logiche Dati quantitativi del gestore g Rating g Il sistema esperto deduttivo riproduce le logiche di valutazione del merito creditizio applicate dal miglior gestore della banca sulla base di dati e ll b d ti informazioni quali/quantitative producendo come output un rating della clientela con eventuale relazione sul cliente l li t Informazioni qualitative Relazione © Università Federico II Teoria del rischio 2010 .

Reti Neurali Sistema Dati quantitativi Esperto p Dati qualitativi © Università Federico II Teoria del rischio 2010 Le reti neurali applicano tecniche di intelligenza artificiale per segmentare la clientela obiettivo e Rating g definiscono per ogni segmento un albero logico di valutazione del merito di credito basato su dati Relazione quali/quantitativi producendo come output un rating clientela con eventuale relazione z DB sul cliente. .

Sistemi di scoring Dati quantitativi Sistema di scoring Rating g Il sistema b i basato sullo ll scoring applica metodi statistici per la definizione di una o più griglie di score che alimentano insieme con dati qualitativi alberi lit ti i lb i decisionali elementari che producono come output un rating della clientela Informazioni qualitative © Università Federico II Teoria del rischio 2010 .

Un modello di Scoring Il Modello di Altman .

Le applicazioni. © Università Federico II Teoria del rischio 2010 . La metodologia. Le variabili utilizzate.Il Modello di Altman • • • • Caratteristiche del modello.

ll’ l Il modello è basato su cinque parametri economico finanziari sintetizzati in un unico punteggio: Z SCORE • © Università Federico II Teoria del rischio 2010 .Caratteristiche del modello • Si avvale della tecnica statistica dell’analisi discriminatoria che consente di posizionare l di i i i h i i le imprese in due distinti gruppi. In tal senso individua i di id uno o più valori di i i iù l i discriminanti i b i in base ai quali classificare l’impresa nell’uno o nell’altro gruppo omogeneo.

L’analisi venne estesa a cinque esercizi precedenti il fallimento. • © Università Federico II Teoria del rischio 2010 . struttura del capitale investito e solvibilità. redditività.La metodologia • Altman si avvalse di un campione di 66 aziende. prevalentemente l manifatturiere if i equamente distribuito tra imprese sane e non. Per ciascuna impresa determinò 22 indici ripartiti in 5 categorie: liquidità.

3X3+0.La funzione di Altman Z = 1.4X2+3.2X1+1.6X4+0.999X5 999X dove: Z=ZSCORE Xi=variabili discriminanti © Università Federico II Teoria del rischio 2010 .

Le variabili utilizzate X1 X2 X3 X4 (Di norma la liquidità tende ad assottigliarsi con il crescere delle perdite operative dell’impresa) Capitale Circolante/Totale Attivo Utili non distribuiti/Totale Attivo Utile operativo/Totale Attivo Considera l’età dell’impresa. la profittabilità Produttività degli asset dell’impresa Quanto può ridursi il valore di mercato prima che l’impresa diventi insolvente Valore mercato capitale proprio/Valore contabile dei debiti Fatturato/Totale Attivo X5 Capacità del management di generare fatturato © Università Federico II Teoria del rischio 2010 . la politica dei dividendi.

88 score modio imprese sane 3.La funzione di Altman u o ed Z Score +5 +4 +3 +2 +1 0.86 0 -1 -2 © Università Federico II Teoria del rischio 2010 +4.81 area grigia -1.89 2.44 2 44 +1.2 -0.61 2.26 score medio imprese fallite i f lli 5°anno 4°anno 3°anno 2°anno 1°anno .60 +2.

= P + M=Miglioramento P=Peggioramento © Università Federico II Teoria del rischio 2010 = ---.= M + = ---.= M = = ---.= P + ++ ---.O.= P + + ++ ++ ---.L’effetto distorsivo delle politiche W.= M = Contabile Debito X5=Fatturato/Totale = Attivo ---.= M + + ---.D.= M + + ---.= P + Merci Ammortamen fatturate e ti ridotti su non spedite beni patrimoniali ti i li ++ = ---.= M + ++ ---.= M ---.= M + X3=Utile ++ operativo/Totale Attivo ---.= P ++ .= M + X4=Valore di mercato X4 V l t del capitale + proprio/Valore ---.= M + + ++ ++ ---.= M = = ---.= M ---.= P ++ + ---. Rivalutazion Rivalutazion e magazzino e beni patrimoniali X1=Capitale Circolante/Totale Attivo X2=Utili non distribuiti/Totale Attivo ++ ---.= M + + ++ ---.= M ---.

25 Ammortament © Università Federico II Teoria del rischio 2010 i ridotti 1.42 2.14 1.2 1.48 6% 0.47 2.31 2.95 -Merci fatturate ma non spedite 1.46 2.86 10% 0.67 2.01 2.45 2.86 6% 2.44 10% 2.78 .44 1.Un esemplificazione Un’esemplificazione Anteriorità rispetto al fallimento 2 anni 3 anni Effetti in % dell'attivo di WDO Z score senza WDO Z score con WDO -Rivalutazione magazzino -Rivalutazione beni patrimoniali 0.81 1.72 2.89 1.

Presentation of the firms • • • • • • • • • • We have calculated the Z-score and Z”-score ratings of 9 major Italian companies from December 2000 through June 2003 p g Industry Cirio Finanziaria SpA Food Fiat SpA Automobiles Finmeccanica SpA Aerospace / Defense Luxottica Group SpA Healthcare Mediaset SpA Media Parmalat Finanziara SpA Food Seat Pagine Gialle SpA Media Telecom Italia SpA Telecommunications TIM SpA Telecommunications Note: Cirio Finanziaria SpA was the first company to default in Italy (€1.12bn of debt) when it missed €150 million of debt payment on November 8. 2003. © Università Federico II Teoria del rischio 2010 . 2002 Parmalat defaulted in December.

60 7 60 8.25 6.99 Safe 2.75 1.81 2.50 4.00 0.74 4.85 6.25 6.20 3.65 5 65 5.12 3.31 1.20 6 20 6.85 6.85 5.07 4.25 5.85 Safe 5.40 4.25 5 25 5.38 2.67 2 67 2.46 5.75 2.35 Distress © Università Federico II Teoria del rischio 2010 .40 4.33 0.00 7.99 Grey 1.99 2.82 1.52 2.15 4.81 3.30 7.85 7.65 6.19 2.50 3.15 5.73 4.35 Rating D CCCCCC CCC+ BB B+ BBBB BB+ BBBBBB BBB+ AA A+ AAAA AA+ AAA > 2.67 2.43 3.50 4.52 2 52 2.99 1.80 1.35 < 4.60 7.15 4.31 1.19 2.15 > 8.43 3.75 3.33 0.80 < 1.20 > 6.82 0.65 5.74 3.30 7.75 4.40 6.20 3.85 4.95 4.00 0 00 0.20 2.95 5.65 6.50 2.80 Distress > 5.38 2.00 0.07 4.00 7.15 8 15 8.80 Rating D CCCCCC CCC+ BB B+ BBBB BB+ BBBBBB BBB+ AA A+ AAAA AA+ AAA Z''-Score < 1 75 1.40 6.75 4.Z and Z”-score Equivalent Bond Rating Z-Score < 0 00 0.80 1.47 5 47 6.73 5.85 Grey 4.12 3.75 1 75 1.99 1.75 4.

Date Cirio Finanziaria SpA Fiat SpA Finmeccanica SpA Luxottica Group SpA Mediaset SpA Parmalat Finanziara SpA Seat Pagine Gialle SpA Telecom Italia SpA TIM SpA 31/12/02 30/06/03 30/06/03 30/06/03 30/06/03 30/06/03 31/12/02 31/12/02 30/06/03 © Università Federico II Teoria del rischio 2010 .Z”-Score Classification Models and S&P Ratings (Based on the latest available financial statements) Z . NA N.Eq.A. BBBN.A.Eq.A.A.A. N.A. NA BBB+ N. Rating D B+ B BBB AA BBBBBB+ BB+ BBB S&P Rating N. NA BBN. Rating D CCC+ CCC BBB+ BZ" .

89 0.0 0.0 1 AAA A+ 0.6 06 4.Cirio Finanziaria SpA Z’’-Score Distress Model for Cirio Finanziaria Spa p 8.0 B+ 3.2 6.0 5.80 Dec 2000 Dec 2001 Dec 2002 D 0 © Università Federico II Teoria del rischio 2010 .8 BBB+ 0.4 CCC+ 2.

32 0.0 Dec 2000 Dec 2001 Dec 2002 June 2003 D 0 © Università Federico II Teoria del rischio 2010 .0 2.50 4 50 4.4 CCC+ 0.0 4.8 BBB+ 4.72 4.63 B+ 0.2 6.0 1 AAA A+ 0.Fiat SpA Z’’-Score Distress Model for Fiat Spa p 8.6 06 4.

2 6.0 1 AAA A+ A 0.8 BBB+ 5.6 B+ 0.0 2.57 4 57 4.4 CCC+ 0.Finmeccanica SpA Z’’-Score Distress Model for Finmeccanica Spa p 8.55 4.0 Dec 2000 Dec 2001 Dec 2002 June 2003 D 0 © Università Federico II Teoria del rischio 2010 .39 0.02 4.0 4.

0 6.0 0.29 0.0 6.8 BBB+ 0.68 6.0 4.56 6 56 5.6 06 B+ 4.Luxottica Group SpA Z’’-Score Distress Model for Luxottica Group Spa p p 8.87 1 AAA A+ 0.4 CCC CCC+ 2.2 Dec 2000 Dec 2001 Dec 2002 June 2003 D 0 © Università Federico II Teoria del rischio 2010 .

0 0.0 7.6 06 B+ 4.31 7 31 6.78 6.70 A+ 0.98 6.4 CCC+ 2.2 1 AAA Dec 2000 Dec 2001 Dec 2002 June 2003 D 0 © Università Federico II Teoria del rischio 2010 .0 0.Mediaset SpA Z’’-Score Distress Model for Mediaset Spa p 8.8 BBB+ 0.0 5.

53 5.0 5.Parmalat Finanziara SpA Z’’-Score Distress Model for Parmalat Finanziara Spa 8.0 0.8 08 BBB+ 5.0 0.6 B+ 4. 2003 not .0 1 AAA A+ 0.2 5.4 CCC+ 2.93 6.73 Dec 2000 Dec 2001 Dec 2002 June 2003 D 0 Note: Information for Total AssetsTeoria del rischio 2010 available. Assumed to be constant from Dec 31. 2002 © Università Federico II as of June 30.68 0.

Parmalat Finanziara SpA Sensitivity Analysis of Z"-Score of Parmalat Finanziara SpA as of September 30.5) D (5.0 2.73 (0. BBBD Reported Financial Statements + Cash Adjustment of (€ 4.0) (7.200) 5.27) (8.5 5. January 27. 2004 © Università Federico II Teoria del rischio 2010 . 2003 Impact of adjustmens on Parmalat's Z"-Score (*) 7.5) (10.17) D (2.5 0.500 + EBIT Adjustment of (€ 530) (7.0 00 + Debt Adjustment of € 12. Source New York Times.0) Reported Cash Debt D D BBBBBB Z"-Score Rating equiv.09) D EBIT (*) As reported by PwC.

0 5.0 5.6 06 B+ 0.75 4.Seat Pagine Gialle SpA Z’’-Score Distress Model for Pagine Gialle Spa g 8.67 6.2 6.8 BBB+ 0.4 CCC+ 2.40 Dec 2000 Dec 2001 Dec 2002 D 0 Note: Book Università Federico II Teoria del rischio 2010 instead of the Market Value of Equity © Value of Equity was used to calculate Z-score .0 0.0 p 1 AAA A+ 0.

0 0.8 08 BBB+ 5.27 5 27 0.Telecom Italia SpA Z’’-Score Distress Model for Telecom Italia Spa 8.0 Dec 2000 Dec 2001 Dec 2002 D 0 © Università Federico II Teoria del rischio 2010 .0 0.95 4 95 4.6 B+ 6.0 1 AAA A+ 0.30 4.4 CCC+ 2.2 5.

6 06 B+ 6.0 6.0 5.0 0.00 5.2 1 AAA A+ 0.92 Dec 2000 Dec 2001 Dec 2002 June 2003 D 0 © Università Federico II Teoria del rischio 2010 .0 0.52 5 52 4.84 4.8 BBB+ 0.4 CCC+ 2.TIM SpA Z’’-Score Distress Model for TIM Spa p 8.

© Università Federico II Teoria del rischio 2010 .Definizione di rating Un processo di rating ha l’obiettivo di assegnare una controparte o una specifica p p operazione di finanziamento a una o più classi di rischio predefinito in modo contiguo o ordinale (indicate con lettere o numeri) e a cui verranno collegati un grado di rischio ti i d i hi tipico e un prezzo uniforme.

rischiosità Moody's Standard & Poor's 1 Aaa 2 Aa1 3 Aa2 4 Aa3 RATING 5 A1 MIGLIORI 6 A2 7 A3 8 Baa1 9 Baa2 B 2 10 Baa3 11 Ba1 12 Ba2 13 Ba3 RATING 14 B1 PEGGIORI 15 B2 16 B3 17 Caa 18 Ca © Università Federico II Teoria del rischio 2010 19 D AAA AA+ AA AAA+ A ABBB+ BBB BBBBB+ BB BBB+ B BCCC CC D Rischio Minimo Modesto SOCIETA’ DI TIPO INVESTMENT GRADE Medio basso Accettabile A tt bil Accettabile con attenzione Attenzione specifica e monitoraggio continuo Sotto stretta osservazione/Dubbio esito SOCIETA’ DI TIPO HIGH YIELD .Rating Una classe di rating è costituita da un insieme di soggetti che vengono considerati equivalenti in termini di rischiosità.

l impresa presentazione ad un rating committee. committee eventuale istruttoria suppletiva e delibera del rating committee. il processo si compone di analisi preliminari e incontri con l’impresa emittente. . © Università Federico II Teoria del rischio 2010 .Sistemi di rating esterni Le caratteristiche fondamentali sono: • • • le classi rating rispecchiano attese qualitative di affidabilità.

© Università Federico II Teoria del rischio 2010 .Sistemi di rating interni • Rappresenta una piccola rivoluzione: da un giudizio binario (accettazione o rifiuto) p p si va verso una pluralità di valori possibili.

Ridurre i costi operativi connessi con il credito L’introduzione dei sistemi di credit rating permette di aumentare l’automazione dei processi.Finalità dei sistemi di rating interni i t i Le banche sono diventate maggiormente sensibili ai temi del profitto economico e della creazione di valore per i propri azionisti. di strutturare correttamente le operazioni sul mercato secondario. Il credit rating è necessario per individuare correttamente il capitale assorbito legato al rischio del portafoglio creditizio. e di raggiungere un miglioramento sostanziale nella stima del merito creditizio. con un minore coinvolgimento di risorse Aumentare il margine di intermediazione L’introduzione di sistemi di credit rating permette di definire il pricing sulla base del rischio effettivo Il rating delle attività permette ottimizzare il g p zz portafoglio creditizio e. Ridurre il costo dal rischio di credito Il credit rating permette di dare una valutazione oggettiva del rischio. L nuove regole l Le elaborate dal Comitato di Basilea richiederanno la valutazione degli asset creditizi secondo concrete diti i d t misure di rischiosità Migliorare la gestione g g del portafoglio crediti Ottimizzare il costo del capitale © Università Federico II Teoria del rischio 2010 . di conseguenza.

Scopi e modalità di applicazione di un sistema di rating Decisioni di gestione strategica ii i i i • • Scelte di portafoglio p g relazioni one to one l i i t Decisioni di gestione operativa © Università Federico II Teoria del rischio 2010 .

Decisioni di gestione strategica Politica Creditizia Definizione della composizione del portafoglio crediti t f li diti .livello sofferenze .cartolarizzazione .mix prodotti/clienti Gestione Rischio di Portafoglio Decisioni D i i i di gestione strategica del i i d l portafoglio: .volumi .derivati assorbimento di capitale © Università Federico II Teoria del rischio 2010 .

durata ) covenants…) Gestione . .autorizzazioni.Credito . scelte dei termini del contratto (prezzi.cross-selling.Decisioni di gestione operativa Sottoscrizione . .supplemento di garanzie l t i Recupero Decisioni gestionali su posizioni creditizie dubbie (da incaglio a sofferenza) © Università Federico II Teoria del rischio 2010 .Credito .Prezzo Decisioni di approvazione o rifiuto delle richieste di c ed to.Prezzo Decisioni gestionali su clienti esistenti: ev s o e .revisione . sce te de te credito.

. ottimizzando: tti i d .ricavi (prezzo del credito) .Costo del rischio (diminu(diminuzione delle perdite) .. .Costi operativi (moni(monitoring e screening) © Università Federico II Teoria del rischio 2010 DEFINIZIONI Sistema di valutazione ex ante del grado di rischio di t d l d i hi un cliente su base statistica.Sistemi di rating: obiettivi e definizione OBIETTIVI Aumentare i profitti.guida decisionale per le scelte organizzative di gegestione commerciale e credicreditizia nel tempo .

Qualità e reperireperibilità dei dati .Scelte organizzative .Sistemi Informativi .Deleghe di gestione creditizia e pricing .Tipologia delle griglie di scoring .Sistemi di rating: componenti Valutazione del grado Vl t i d l d di rischio Componenti Principali p Decisioni Logiche e Tecniche Guida Decisionale Cambiamenti Organizzativi .Processi operativi di gegestione dei crediti e del pricing .li comm li e creditizie .Decisioni strategiche comm.Numerosità © Università Federico II Teoria del rischio 2010 Classi di rischio .Metodi Statistici .

Sistemi di rating: fonti informative Dati Lavoro Predittività dei dati Obiettivo Obi tti Stimare la Probabilità di insolvenza Età dei dati Alta Credit Bilancio Bureau Medio Alta lta Inf.ni Gen.li Medio Bassa Bassa assa In tempo reale 30/60 12/15 Varie giorni mesi © Università Federico II Teoria del rischio 2010 E’ necessario distinguere tra clienti esistenti e clienti potenziali per ottimizzare al meglio le informazioni più rilevanti .

Esempio di variabili disponibili: E i i bili di ibili Dati di lavoro Bilancio corporate p • • • • • • • Riduzione nr. e ammontare effetti assunti Riduzione movimento Riduzione utilizzo SBF Aumento utilizzo per cassa e medio complessivo Riduzione movimento i t Riduzione rotazione Sofferenze Centrale Rischi • • • • • • Riduzione utilizzo SBF e aumento margine SBF Aumento utilizzo cassa e diminuzione margine cassa Sofferenze Riduzione fatturato Aumento rimanenze Aumento debiti A t d biti bancari Aumento oneri finanziari fi i i • Riduzione entrate • • Perdita © Università Federico II Teoria del rischio 2010 Alta Medio alta Medio bassa .

• Empl Cap Change/Turn Change • Equity/Employed Capital • Cash flow/Employed Capital • Qualitative Data • Behavioural Data ? UNITED STATES CANADA ENGLAND SWITZERSWITZER LAND SPAIN ITALY Very important factor © Università Federico II Teoria del rischio 2010 Important factor Minor factor .Cap. Change/Turn.Modelli di rating Principali criteri applicati FACTOR • Liquidity • Capitalisation • Profitability • Interest Coverage • Company size • Working Capital Requirement Empl.

Rating e Scoring Esemplificazione di un sistema di misurazione in una piccola banca .

Assegnazione del rating Fattori considerati nel rating •Analisi finanziaria •Analisi di settore •Qualità dei dati •Ratings esterni •Dimensioni e valore delle imprese •Valutazione del management •Ammontare e condizioni del finanziamento •Altre considerazioni Criteri di ratings •Elementi formali •Elementi Elementi soggettivi e culturali •Giudizi basati sull’esperienza Proposte preliminari di rating per approvazione l’approvazione RATING Processo di Uso del rating Finalità quantitative •Monitoraggio del portafoglio •Analisi di congruità delle riserve •Analisi dei business e di redditività •Allocazione interna del capitale e di ritorno del capitale Finalità qualitative •Amministrazione e monitoraggio dei requisiti Strumenti e modelli analitici REPORT © Università Federico II Teoria del rischio 2010 .

Fattori considerati nel rating g Fattori considerati nel rating •Analisi finanziaria •Analisi di settore •Qualità dei dati •Ratings esterni •Dimensioni e valore delle imprese •Valutazione del management Ammontare •Ammontare e condizioni del finanziamento Altre •Altre considerazioni * * * * * * Analisi dei bilanci dell’azienda Analisi del settore in cui opera l’impresa Dimensione e valore dell’impresa Di i l d ll’i (EVA) Management Condizioni del finanziamento Andamento del rapporto (interno/esterno) © Università Federico II Teoria del rischio 2010 .

Criteri e variabili Criteri di ratings •Elementi formali •Elementi soggettivi e culturali •Giudizi basati sull’esperienza       Elementi formali Indici di bilancio Dinamica del valore dell’impresa Andamento d l A d t del rapporto Note pregiudizievoli Centrale dei rischi Valore d ll garanzie delle V l i     Elementi soggettivi Management Anzianità del rapporto Valutazione rapporti attivi Fidi concessi e i richiesti © Università Federico II Teoria del rischio 2010 .

Bilanci Centrale dei Rischi Rischio settore/territorio Andamento Rapporto Rating R ti interno Elementi Q lit ti i Qualitativi Garanzie Congruità Richiesta Giudizio Soggettivo © Università Federico II Teoria del rischio 2010 .

ad un sistema d it valutazione dell’ impresa dinamico di i di © Università Federico II Teoria del rischio 2010 .La valutazione prospettica dell’impresa  Da D un sistema statico di valutazione i i l i dell’impresa  ……….

Normativa. Concorrenza Cassa e indebitamento Analisi di bilancio Centrale dei rischi Budget finanziario Valutazione garanzie Sistema Competitivo IMPRESA Formula imprenditoriale Organizzazione Sistema C Si t Competitivo titi Formula imprenditoriale Organizzazione Equilibrio finanziario e patrimoniale Valutazione Patrimoniale Struttura produttiva Distribuzione Gestione Magazzino Ruoli Organizzativi Tecnologia Meccanismi di controllo Marketing Valutazione della capacità di reddito Tasso di recupero RATING © Università Federico II Teoria del rischio 2010 Probabilità di default .Tecnologia.

…………rating Proposte P t Processo di preliminari di rating per l’approvazione approvazione RATING   Il sistema di rating i t it ti interno d deve rappresentare in modo tangibile le caratteristiche del cliente I criteri e le variabili verrano verrano. eventualmente rimodulate nel tempo in funzione d l riesame storico d ll f i del i t i delle posizioni (back-testing) © Università Federico II Teoria del rischio 2010 .

Problematiche strategiche ed implementazioni metodologiche b. b Processo di rating: quantification c.Implementazione di un sistema di rating a. Validazione del sistema di rating © Università Federico II Teoria del rischio 2010 .

Scelta della metodologia di assegnazione della classe di rischio e quindi della logica prevalente. © Università Federico II Teoria del rischio 2010 .Problematiche Strategiche e Metodologiche • • Scelta del processo di sintesi delle informazioni.

• © Università Federico II Teoria del rischio 2010 .Processo di Rating Quantification • Effettuata la classificazione dei debitori (rating assignment) occorre quantificare il g livello di rischio racchiuso nelle singole classi (rating quantification): Bisogna assegnare quindi ad ogni classe di rating una probabilità di insolvenza.

• © Università Federico II Teoria del rischio 2010 .Assegnazione della Probabilità di default • Priori Probabilities dalla natura dell’evento Probabilities: osservato si d d i deduce quella che d à essere l ll h dovrà la frequenza relativa di accadimento dell’evento se fosse effettuato un numero sufficientemente alto f ff ffi i l di tentativi. Posteriori o empirical probabilities si utilizzano probabilities: tecniche di inferenza statistica per determinare la frequenza relativa di accadimento dell’evento.

Frequenze marginali e cumulate con cui le imprese divengono insolventi (in pratica i tassi di insolvenza marginali rappresentano una proxy della probabilità di insolvenza).Modelli basati sui giudizi delle agenzie di rating • • • Si basano su: Dati storici elaborati dalle agenzie di rating. © Università Federico II Teoria del rischio 2010 .

Actuarial based method utilizza i dati storici di method: insolvenza dei debitori collocati nelle diverse classi di rating per definire i valori attesi. • © Università Federico II Teoria del rischio 2010 . può essere utilizzato i ) ò ili per stimare le PD delle imprese il cui capitale a rischio sia quotato ( i hi i (ma anche per l non quotate h le con qualche aggiustamento).g. KMV C ( Corporation).Due D sono i metodi b t di base utilizzati per tili ti trasformare i dati storici in PD • Equity based method: approccio alla Merton method (e.

dell emittente • (I flussi cedolari o il rimborso in linea capitale vengono attualizzati secondo un tasso che internalizza il premio al rischio dell’emittente ed il premio a rischio di liquidità).Modelli basati sul mercato dei capitali (curva dei rendimenti) • Sfruttano come input le informazioni che provengono dall analisi dall’analisi delle curve dei rendimenti relative a famiglie di titoli omogenei dal punto di vista del rischio di insolvenza dell’emittente. Il confronto tra curve di rendimenti relative a diverse classi di rating dovrebbe permettere di desumere gli spread richiesti dagli investitori e per tale via la probabilità di insolvenza implicita nello spread stesso. © Università Federico II Teoria del rischio 2010 .

La costruzione della curva dei rendimenti. Si parte dalla condizione di equilibrio sul mercato dei prestiti t d i titi 1 + rf * (1 + k ) * p + (1 + k ) * (1 − p) * rr Dove: Rf=tasso risk free rr=tasso di recupero p K=rendimento titolo rischioso (1-p)=probabilità di insolvenza © Università Federico II Teoria del rischio 2010 .

Da iò D ciò: k = 1 + p + rr + r f p * rr − 1 Sottraendo ad entrambi i membri rf k − r f = 1 + p + rr + r f p * rr − (1 + r f ) Dove: k-rf è lo spread richiesto p © Università Federico II Teoria del rischio 2010 .

La struttura a termine degli spread • La maggiorazione di rendimento richiesta g dal mercato ai titoli obbligazionari rischiosi rispetto ai titoli di scadenza equivalenti privi di rischio riflette in modo adeguato le aspettative del mercato circa la probabilità di insol en a dell’emittente insolvenza i titoli rischiosi. © Università Federico II Teoria del rischio 2010 .

approssimati dai tassi di rendimento z/c dei titoli di Stato. • • © Università Federico II Teoria del rischio 2010 . titoli obbligazionari rischiosi. La curva dei tassi di rendimento z/c dei g . I tassi di recupero in caso di insolvenza.I dati di input per ricavare i tassi di insolvenza attesi dal mercato: • La curva d i tassi di rendimento zerodei i di coupon dei titoli risk free.

Determinazione dei tassi di perdita attesa sulla base degli spread fra i tassi a termine delle due categorie di titoli.Le fasi per ricavare i tassi di insolvenza attesi dal mercato: • • Determinazione dei tassi di rendimento a termine per le due categorie di titoli. Determinazione dei tassi di insolvenza sulla base dei tassi di perdita attesa e dei tassi di recupero. • © Università Federico II Teoria del rischio 2010 .

Il tasso di rendimento a termine per p il periodo che va da t a t+1 (1+0Rt+1)t+1 tRt+1 = -----------------------(1+0Rt) 0Rt tRt+1 -1 = tasso di rendimento z/c alla scadenza t = tasso di rendimento a termine z/c per il periodo che va da t a t+1 0Rt+1 = tasso di rendimento z/c alla di / ll scadenza t+1 © Università Federico II Teoria del rischio 2010 .

------------------(1+tTRRt+1) tPAt+1 = perdita attesa t a t+1 = tasso di rendimento a termine per i titoli privi di rischio tTRRt+1 = tasso di rendimento a termine p per i titoli rischiosi tTRFt+1 © Università Federico II Teoria del rischio 2010 .Il tasso di perdita attesa per il p p periodo che va da t a t+1 (1+tTRFt+1) tPAt+1 = 1 .

Il tasso di insolvenza marginale g relativo al periodo t tPAt+1 tTIMt+1 = tTIMt+1 = ------------(1(1-TR) probabilità che l’emittente il titolo rischioso divenga insolvente nel g periodo t tPAt+1 TR = perdita attesa in t : t+1 = tasso di recupero © Università Federico II Teoria del rischio 2010 .

Πtt=1(t-1TIMt) 1 tasso di insolvenza cumulata relativo alla scadenza T. ossia la probabilità che l’emittente titolo i hi l’ itt t il tit l rischioso divenga insolvente © Università Federico II Teoria del rischio 2010 .Il tasso di insolvenza cumulata alla scadenza T 0TICt = 0TICt = 11.

© Università Federico II Teoria del rischio 2010 . l i d ll’i tasso di insolvenza storicamente registrato dalle imprese della medesima categoria di rating.Approccio basato sui tassi di insolinsolvenza del mercato obbligazionario Tale approccio prevede di calcolare la probabilità di insolvenza di un’impresa un impresa sulla base: • • classe di rating dell’impresa.

Tassi di insolvenza •Tassi di insolvenza marginali •Tassi di insolvenza cumulati •Tassi di insolvenza annualizzati .

• © Università Federico II Teoria del rischio 2010 . Rappresentano una proxy della probabilità di insolvenza in uno specifico anno successivo alla concessione del finanziamento.Tassi di insolvenza marginali T i i l i li • Indicano la frequenza con cui i soggetti finanziati divengono insolventi nel corso p di uno specifico anno t.

Tassi di insolvenza cumulati • Rappresentano la frequenza con cui i soggetti fi i finanziati di i i divengono i l insolventi i dal momento della concessione del finanziamento fino ad un certo numero di anni T. Rappresentano una proxy della probabilità di insolvenza dalla concessione del finanziamento fino ad un certo anno successivo. Possono essere ricavati dai tassi marginali. • • © Università Federico II Teoria del rischio 2010 .

Tassi di insolvenza marginali e cumulati l ti Deft MDRt=-----=1-SRt -----=1Popt CDRT=1-Πt=1 SRt =1- MDRt=tasso insolvenza marginale anno t Deft=insolvenze verificatesi nell anno t nell’anno Popt=popolazione complessiva anno t SRt=tasso di sopravvivenza anno t CDRT=tasso di insolvenza cumulato anno T tasso © Università Federico II Teoria del rischio 2010 .

periodi superiori all’anno.Tassi i l T i di insolvenza annualizzati li ti • • Si ricavano d i tassi di sopravvivenza i dai i i marginali. Consentono una stima corretta del premio p p di rendimento per scadenze superiori all’anno. • © Università Federico II Teoria del rischio 2010 . Rappresentano i tassi di insolvenza che espressi su base annua si riferiscono a annua.

Tassi di insolvenza annualizzati z zz Πt=1 SRt=(1-ADRT)T =(1(1 da cui: ADRt=1-(Πt=1 SRt)1/T =1ADRt=tasso insolvenza annualizzato tasso SRt=tasso di sopravviveza anno t © Università Federico II Teoria del rischio 2010 .

86% © Università Federico II Teoria del rischio 2010 Un’applicazione .34% 4.63% 5 2.54% 4 1.66% 96.46% 0 46% 3 3.00% 0.Classe di rating BB g Anno Tasso Tasso di Tasso di Tasso di Insolvenza sopravvivenza iinsolvenza iinsolvenza I l i l l g zz Marginale cumulato annualizzato 1 0.00% 0.78% 97.93% 98.98% 1.38% 1.00% 2 0.00% 100.91% 0 91% 0.91% 0 91% 99.54% 1.07% 6.09% 99 09% 0.22% 8.

Da essa può individuarsi il valore medio ed il valore massimo che il tasso di perdita p può assumere in un certo periodo. un certo livello di confidenza. definito p . © Università Federico II Teoria del rischio 2010 .• • La misurazione del VAR di un esposizione un’esposizione creditizia Comporta la stima della distribuzione di probabilità del tasso di perdita.

Fasi comuni nella stima del VAR di un portafoglio impieghi Calcolo esposizione Stima della probabilità di insolinsolvenza per classi di merito creditizio Stima dei tassi di recupero per tipologie di prodotto Calcolo della perdita attesa per singola esposizione Sti a Stima della possibile va iazio e della p obabilità variazione probabilità di insolvenza e del tasso di recupero Calcolo del VAR della singola esposizione Mapping delle esposizioni pp g p © Università Federico II Teoria del rischio 2010 Stima del VAR del portafoglio .

b bilità Ipotesi relative alla distribuzione di probabilità. © Università Federico II Teoria del rischio 2010 .I modelli per la stima del VAR di un’esposizione creditizia differiscono ff p per 3 elementi principali: • • • Variabile con cui viene stimata la distribuzione di probabilità. Modalità con cui si ottiene una misura del VAR con il livello di confidenza desiderato.

Variabile con cui viene stimata la distribuzione di probabilità • Modelli che si basano su una distribuzione dei tassi di perdita Modelli che si basano su una distribuzione dei valori di mercato • © Università Federico II Teoria del rischio 2010 .

Ipotesi relative alla distribuzione di probabilità
Approcci basati su una distribuzione discreta
• Si adatta ai sistemi di rating e quindi alla d i i i i i di ll classificazione dei debitori in classi di merito creditizio, i modo tale d d di i i in d l da determinare: i
• • • tassi di insolvenza legati alle singole classi; frequenze di migrazione i altre classi; f i i in l l i tassi di recupero in caso di insolvenza;

Approcci basati su una distribuzione continua
• Stima della volatilità dei tassi di insolvenza e quindi q dei tassi di perdita. Da ciò si ricava la distribuzione di probabilità. p

© Università Federico II Teoria del rischio 2010

Modalità con cui si ottiene una misura del VAR con il livello di confidenza desiderato
• • forma funzionale p prestabilita (binominiale, poissoniana, normale ecc.); taglio della distribuzione in corrispondenza del percentile desiderato;

© Università Federico II Teoria del rischio 2010

L’orizzonte temporale di riferimento
Date l fi li à d ll d le finalità della determinazione d l VAR di i i del un portafoglio impieghi (pricing, allocazione del capitale, ecc.), la scelta dell’orizzonte temporale di riferimento può ricadere su due alternative:
• • un orizzonte temporale costante e quindi p q uniforme per tutte le esposizioni; p p un orizzonte temporale variabile e diverso per ogni esposizione, pari alla vita residua di ognuna;

© Università Federico II Teoria del rischio 2010

La scelta dell’orizzonte temporale
Finalità perseguite dalla misura del VAR Controllo del rischio (limiti) Misurazione delle RAP Fattori rilevanti per la scelta dell’O.T.R. Liquidità delle posizioni; Tasso di rotazione media del portafoglio; Frequenza del processo di budgeting; Frequenza di rilevazione dei risultati economici; ; Scadenza degli asset; Frequenza di revisione delle condizioni di tasso; Frequenza della riallocazione periodica del capitale; Liquidità del mercato del capitale di rischio h

Pricing Allocazione del capitale

© Università Federico II Teoria del rischio 2010

La maggior parte dei modelli VAR adottano quale p p orizzonte temporale 1 anno, costante per tutte le posizioni. Tale soluzione non consente di cogliere pienamente la maggiorazione di rischio incorporata in esposizioni di maggiore vita residua. residua La sostituzione di una misura di VAR annuale con una misura multiperiodale può, come per il rischio i li i d l i hi di mercato, effettuarsi nel modo seguente:

© Università Federico II Teoria del rischio 2010

Ipotesi di distribuzione continua: p

σPT = σPt (Τ/τ)1/2 (Τ/ ( /τ

Ipotesi di distribuzione discreta:
• moltiplicando matrice di transizione per se stessa tante volte quanti sono gli anni dell’orizzonte temporale di riferimento.

© Università Federico II Teoria del rischio 2010

La definizione dell intervallo dell’intervallo di confidenza
Soluzione Sol ione
• • • ignorare l’intervallo di confidenza; correzioni degli scalari (solo per distribuzione normale) come per il rischio di mercato; distribuzioni diverse ( B t o poissoniana); di t ib i i di (es. Beta i i )

© Università Federico II Teoria del rischio 2010

La segmentazione del portafoglio delle esposizioni
• La determinazione delle classi di esposizioni, i i i e quindi i di la l loro l segmentazione, consente di individuare gli input informativi più consoni alla determinazione del VAR. Una possibile nomenclatura è la seguente:

© Università Federico II Teoria del rischio 2010

Dati prodotti da agenzie di rating esterne. Dati prodotti da agenzie di rating esterne. Dati aggregati relativi a tassi di insolvenza e recupero . Rating interni.Esposizioni e input informativi • Derivati OTC • • Titoli Obbligaziona ri • • Prestiti con rating i • • Corporate senza rating • • Retail © Università Federico II Teoria del rischio 2010 • • • Volatilità fattori di mercato. Rating esterni. t Dati prodotti da sistema interno di rating.

Distribuzione discreta dei tassi di perdita. © Università Federico II Teoria del rischio 2010 . Distribuzione continua dei tassi di perdita. Di t ib i ti d it i dit Distribuzione discreta dei valori di mercato.Modelli per la misurazione p z della perdita inattesa • • • • Distribuzione binomiale dei tassi di Di ib i bi i l d i i perdita.

Punti di debolezza Incapacità di cogliere il rischio di migrazione © Università Federico II Teoria del rischio 2010 . Poche informazioni di input. Punti di forza Semplicità. i l Tasso di recupero.Distribuzione binomiale dei tassi di perdita Input Tasso di insolvenza atteso.

Punti di forza Capacità di cogliere il rischio d di migrazione. Matrici di transizione. Tassi di recupero. © Università Federico II Teoria del rischio 2010 Punti di debolezza Necessità di informazioni s o c e accu a e. . Prescinde dalla forma funzionale della distribuzione. storiche accurate.Distribuzione discreta dei tassi di perdita Input Tassi di insolvenza per classi. g a o e.

Stima della perdita inattesa. Attribuzione d l tasso di i l A ib i del insolvenza atteso ad ogni classe di merito creditizio. Fasi: © Università Federico II Teoria del rischio 2010 .• • • • Definizione di un sistema di classi di merito creditizio (sistema di rating). Matrice di transizione che indichi la p probabilità con cui un impiego p g appartenente ad una certa classe resti nella g stessa classe o migri verso altre classi di rating.

03 7.68 88.10 0.15 0.41 B 0.99 7.28 0.05 0 05 Default © Università Federico II Teoria del rischio 2010 .91 4.03 0.77 AA A BBB BB B 0.25 2 25 5.01 0.Standard & Poor’s AAA Rating iniziale AAA 88.00 0.07 0.25 0 25 0.27 73.88 4 88 0.05 7.07 0 07 0.07 0.Tassi T i di migrazione .18 7.80 0.88 4 88 83.55 4.00 0.28 2.01 7.matrici di i i ti i transizione Matrice di transizione ad 1 anno .41 0.05 4.00 AA 0.68 0.10 0.88 87 88 83.33 0.00 0.25 0.53 0.42 87.74 0.08 RATING a FINE ANNO (%) A BBB BB 0.02 0.

50 4.34 2 34 Default © Università Federico II Teoria del rischio 2010 .99 3.42 0 42 1.54 0.08 0.58 30.48 7.17 0.48 28.98 3.56 4 56 B 1.13 3.33 3.49 2 49 19.58 0 58 0.matrici di i i ti i transizione Matrice di transizione a 10 anni .46 2.84 0.79 15 79 6.45 34.20 11.00 1.05 AA A BBB BB B 0.31 28 31 1.66 6.15 7 15 14.54 2.17 0.65 34 65 24.39 1.78 7.54 1 54 4.05 0.29 15.66 29.Standard & Poor’s AAA Rating iniziale AAA 31.28 25.11 0 11 RATING a FINE ANNO (%) A BBB BB 5.08 3 08 0.Tassi T i di migrazione .63 0.24 3.00 0 00 AA 11.76 3 76 1.

probabilità di insolvenza cumulate. anni (e. Un primo approccio necessita dei seguenti strumenti: • • • matrice di transizione ad un anno. © Università Federico II Teoria del rischio 2010 . i i i d matrice di transizione a n.Stima della perdita inattesa Si basa sul calcolo della deviazione standard del tasso di perdita attesa.g. 10 anni).

Pa perdita attesa Pa= © Università Federico II Teoria del rischio 2010 2 ) i 1 i=1 ad n .t*(Pai.t-1-Paj.tj.t-1 ( i.t= Σ jPMi. PM=probabilità di migrazione.Una possibile formulazione PNAj.tPNA= Perdita inattesa.

Punti di debolezza Non coglie il rischio di migrazione.Distribuzione continua dei tassi di perdita Input Valore atteso e volatilità del tasso di inl l ili à d l i solvenza per classi di merito. Punti di forza Migliore rappresentazione del rischio di insolvenza. Tassi di recupero. © Università Federico II Teoria del rischio 2010 . Ipotesi relative alla forma della distribuzione.

Distribuzione discreta dei valori di mercato Input Tasso di insolvenza per classi di merito. d di migrazione. il rischio di cogliere Poche informazioni e. Tasso di recupero e matrici di transizione. g a o di Prescinde dalla forma funzionale della distribuzione. Punti di forza Punti di forza Capacità Semplicità. Curva degli spread relativi alle singole classi di merito. . input. © Università Federico II Teoria del rischio 2010 Punti di debolezza Richiede struttura a termine degli spread per classi di merito creditizio.

© Università Federico II Teoria del rischio 2010 . Selezione degli impieghi in base al loro livello di correlazione.La diversificazione del f z portafoglio Due tipologie di diversificazione portafoglio i i hi f li impieghi: • • del Incremento del numero di impieghi in portafoglio con l’obiettivo di stabilizzare il tasso di perdita del portafoglio.

© Università Federico II Teoria del rischio 2010 .L’incremento del numero di L incremento impieghi • Viene effettuato con l’obiettivo di l obiettivo stabilizzare il tasso di perdita del portafoglio attorno ad un valore corrispondente a quello della popolazione complessiva da cui i singoli prestiti sono estratti.

La formulazione ΤΙPOP σP = σ2POP + −−−−− Ν Rischio di selezione avversa Rischio specifico singole imprese finanziate fi i t Variabilità t V i bilità tasso di insolvenza i l medio della popolazione σP=Volatilità tasso insolvenza portafoglio banca ΤΙPOP . σPOP = Livello © Università Federico II Teoria del rischio 2010 e volatilità del tasso insolvenza della popolazione da cui è estratto il portafoglio banca .

Selezione degli impieghi in base al loro livello di correlazione z • Le variazioni dei tassi di insolvenza sono tra loro correlate in base alla loro dipendenza da fattori di rischio sistematico quali l’appartenenza a settori produttivi o aree geografiche omogenee. Gli impieghi sono selezionati in base alla sensibilità ai fattori sistematici. • © Università Federico II Teoria del rischio 2010 .

Altre definizioni -”Agenda” • • I rischi di un’esposizione creditizia Il mapping delle esposizioni creditizie © Università Federico II Teoria del rischio 2010 .

I rischi di un esposizione creditizia • • • Rischio sistematico Rischio specifico Rischio semi-specifico semi specifico © Università Federico II Teoria del rischio 2010 .

con uno spostap spostap mento verso il basso della curva b d ll dei tassi. Rischio sistematico Fase di recessione Riduzione dell’ammontare complessivo t l i dei fidi accordati © Università Federico II Teoria del rischio 2010 .Deriva da fattori non strettamente controllabili dal management aziendale: • andamento generale d ll congiuntura macrod l della i economica e ciclo dei profitti delle imprese produttive nel l d i l loro complesso l Solitamente ad una recessione si accompagna una politica monemonetaria espansiva.

© Università Federico II Teoria del rischio 2010 . p . nei limiti del possibile. A d dei i bi Esportazioni. Ciclo delle scorte e degli investimenti. Consumi interni. Finalità: Anticipare.Alcuni leading indicators • • • • Andamento d i tassi di cambio. i A ti i i li iti d l ibil punti di svolta del ciclo economico.

di gestione del rapporto ed in occasione dei rinnovi successivi © Università Federico II Teoria del rischio 2010 . Basato sull’analisi del merito di credito delle controparti L’analisi deve essere effettuata in sede di concessione.Rischio specifico • Dipende dal grado di affidabilità delle singole controparti.

Rischio semi-specifico semi• Caratteristica connessa alle caratteristiche strutturali del settore produttivo e dell’area dell area geografica cui appartiene l’impresa da finanziare. finan iare Tutte le imprese appartenenti ad uno stesso segmento geogeog f graficografico. © Università Federico II Teoria del rischio 2010 .settoriale presentap presentano caratteristiche relativarelativamente simili.

p g p g • variazioni inattese dei tassi di migrazione degli impieghi in portafoglio. © Università Federico II Teoria del rischio 2010 .Il mapping delle esposizioni creditizie Viene effettuato identificando l’eventuale dipendenza da fattori comuni in modo da stimare il grado di correlazione fra: • variazioni inattese dei tassi di insolvenza degli impieghi in portafoglio. • variazioni inattese dei tassi di recupero degli impieghi in portafoglio.

Di conseguenza….. © Università Federico II Teoria del rischio 2010 . La correlazione viene studiata calcolando la correlazione fra le variazioni degli spread tra due soggetti o gruppi di soggetti. i • La struttura a termine degli spread può essere utilizzata per stimare la probabilità di insolvenza.Stima delle correlazioni tra tassi di insolvenza (1) • La probabilità di insolvenza è stimata sulla base dei dati l i i li d i d i relativi agli spread f rendimenti d i titoli d fra di i dei i li obbligazionari emessi da imprese e quelli dei titoli risk f i k free.

Stima delle correlazioni tra tassi di insolvenza (2) • • Basata sul modello option pricing. quest’ultimo stimato sulla b li i ll base d l grado di del d correlazione fra i rendimenti dei titoli azionari delle due imprese. d ll d i © Università Federico II Teoria del rischio 2010 . La probabilità di insolvenza congiunta di due imprese è stimata in funzione del grado di correlazione fra le variazioni dei valori di mercato delle attività delle due imprese.

Stima delle correlazioni tra tassi di insolvenza (3) • • Basata sul concetto di rischio semi-specifico Utilizza le correlazioni fra le variazioni dei tassi di insolvenza mediamente registrati dai diversi g settori/aree per stimare il rischio di un p portafoglio di impieghi creditizi. g p g Le fasi sono le seguenti: • © Università Federico II Teoria del rischio 2010 .

Stimare le correla ioni fra le variazioni dei correlazioni aria ioni tassi di insolvenza medi di ogni settore/area.2 .Fasi • Ricondurre i singoli impieghi ai relativi ( pp g g g settori/aree (mapping di ogni singola esposizione). Il rischio del portafoglio sarà: • • © Università Federico II Teoria del rischio 2010 .

jj Quota del portafoglio impieghi ricondotta al settore i-esimo © Università Federico II Teoria del rischio 2010 .Rischio del portafoglio σP = Σi Σj Εi Εj σ i σ j ρii.

( i i i i di i li) • © Università Federico II Teoria del rischio 2010 . La correlazione tra tassi di migrazione è calcolata con riferimento ai parametri che rappresentano lo stato dell’economia (matrici di transizione condizionali).Stima delle correlazioni tra tassi di migrazione • Considera oltre al solo evento insolvenza anche l possibile migrazione tra classi h la ibil i i l i diverse.

•A li i i dei modelli di credit risk Applicazioni d i d lli dit i k management g • • • La misurazione della redditività corretta per il rischio L’imposizione di limiti di VAR La costruzione di portafogli efficienti © Università Federico II Teoria del rischio 2010 .

Ciò può essere realizzato tipicamente in due d modi: di • © Università Federico II Teoria del rischio 2010 .La i L misurazione della redditività corretta i d ll dditi ità tt p per il rischio • Occorre confrontare il margine economico ( (al netto delle perdite attese) associabile p ) ad una certa combinazione produttiva con il capitale a rischio ad esso connesso connesso.

La perdita inattesa coincide con il capitale a rischio. p p .= -------------------------Perdita inattesa Capitale a rischio p L’utile si intende calcolato al netto delle perdite attese. © Università Federico II Teoria del rischio 2010 .Determinando il RAROC Utile Utile RAROC = ------------------.

RAROC (i-TIF)*C-PA C (i-TIF)*C-PA*C TIF) C CRAROC = ---------------.------------------. i=tasso di interesse richiesto. C=ammontare dell’impiego. PA=perdita attesa stimata ad un anno PA dit tt ti t d © Università Federico II Teoria del rischio 2010 pi=perdita inattesa .+ rf pi*C p rf=tasso privo di rischio.

La L perdita inattesa coincide con il capitale a rischio. dit i tt i id it l i hi ke=costo del capitale © Università Federico II Teoria del rischio 2010 .ke* Perdita inattesa oppure VAA= Utile .Determinando il VAA o EVA VAA = Utile .ke*Capitale a rischio L’utile si intende calcolato al netto delle perdite attese.

VAA oppure EVA VAA = (i-TIF-PA)*C-(ke-rf)*CAR (i-TIF-PA)*C- rf=tasso privo di rischio. i=tasso di interesse richiesto. C=ammontare dell’impiego. CAR=Capitale a rischio ke=costo del capitale PA=perdita attesa stimata ad un anno PA dit tt ti t d © Università Federico II Teoria del rischio 2010 .

• un obiettivo di RAROC crescente può consentire di spingere a modificare gradualmente e senza strappi la politica di assunzione del rischio. Pregi • Difetti © Università Federico II Teoria del rischio 2010 . può spingere a una brusca crescita della selettività delle operazione con la conseguente eccessiva distruzione di relazioni di clientela. direzione. clientela. Se tale obiettivo è troppo alto pp rispetto alla redditività corrente.Confronto tra RAROC e VAA RAROC • In presenza di redditività bassa. selettività. rischio. In presenza di RAROC correnti • p molto elevati può spingere a una eccessiva selettività. VAA Spinge ad adottare come soglia di rendimento minimo non il rendimento corrente (che potrebbe essere troppo elevato o troppo basso) ma il costo del capitale o l’obiettivo di redditività deciso dall’alta direzione.

L’imposizione di limiti di VAR Una volta sviluppato ed introdotto un sistema di misurazione del rischio di credito è possibile attribuire alle singole unità un grado di autonomia operativa in termini di rischio complessivo che tali unità possono assumere. ià In tal senso le singole unità di risk taking g g potrebbero costruire il proprio portafoglio in funzione dei vari mix di rischiosità rischiosità.
© Università Federico II Teoria del rischio 2010

La costruzione di portafogli efficienti
• Viene effettuata perseguendo obiettivi di contenimento del rischio di concentrazione e sfruttando al massimo le possibilità di di ibili à diversificazione offerte d l ifi i ff dal mercato.

© Università Federico II Teoria del rischio 2010

Il modello KMV per le società quotate (public firm)

ASPETTI GENERALI
Presupposti: L’obiettivo di un modello di rating deve essere la stima di una probabilità di d f l b bili à default Nella filosofia di KMV tale stima deve poter essere frequentemente aggiornata (scadenze settimanali e/o q gg ( / mensili), incorporando le aspettative future circa il merito creditizio della controparte.

© Università Federico II Teoria del rischio 2010

ASPETTI GENERALI: il default
Nel modello KMV la probabilità di default della controparte è espressa dal c.d. E.D.F., Expected default frequency (frequenza attesa di default). L’EDF rappresenta la probabilità che una società entri in default entro un determinato periodo di tempo (generalmente un anno), dove per d f lt si intende: ( l t ) d default i i t d

Default
valore di mercato dell’attivo < valore di libro passività
© Università Federico II Teoria del rischio 2010

ASPETTI GENERALI: il default
In altre parole, nel modello KMV una società va in default nel momento in cui tecnicamente fallisce, ovvero quando , q il valore dell’attivo raggiunge il valore di libro dei debiti. In realtà, il default point (D P il valore dell attivo in realtà (D.P., dell’attivo corrispondenza del quale la società fallisce) è compreso tra il valore delle passività consolidate e il valore delle passività totali.
VALORE DI MERCATO ATTIVO VALORE PASSIVITA’ CORRENTI VALORE PASSIVITA’ TOTALI
© Università Federico II Teoria del rischio 2010

110 20 100

VALORE PASSIVITA’ CONSOLIDATE 80

Default Point: 90

Il modello: gli elementi costitutivi (driver)
Il modello KMV si basa sui seguenti tre d i : d ll ib i ti t driver Il valore di mercato dell’attivo La volatilità dell attivo dell’attivo

Default Point

© Università Federico II Teoria del rischio 2010

I driver del modello
1) IL VALORE DI MERCATO DELL’ATTIVO Il valore di mercato dell’attivo di una società rappresenta le aspettative degli azionisti circa i futuri cash flows p g derivanti dall’attività d’impresa. Il valore di mercato non è direttamente osservabile; risulta determinabile utilizzando la teoria delle opzioni e sfruttando i prezzi azionari e il valore delle passività aziendali (dal valore dell’equity si deriva il valore di mercato dell’attivo). Un modello basato sui valori di mercato è un modello dinamico e prospettico.
© Università Federico II Teoria del rischio 2010

© Università Federico II Teoria del rischio 2010 .Le opzioni: definizioni L opzione L’opzione è un contratto che conferisce il diritto. alla (opzione “europea”) o entro (opzione “americana”) la data di scadenza una determinata attività finanziaria o reale ad un prezzo stabilito (prezzo di esercizio. Il diritto è rilasciato dal venditore (writer) all’acquirente (holder) contro pagamento di un premio che costituisce il prezzo (valore) dell’opzione. per l’acquirente di acquistare (opzione call) ovvero di vendere (opzione put). ma non l’obbligo. strike price) esercizio ).

Currency option (relative a valute) .Le opzioni: definizioni Le opzioni più diffuse sono : .Commodity option (relative a merci) .Interest rate option (relative ai tassi di interesse) © Università Federico II Teoria del rischio 2010 .Security option (relative a titoli) .

DEFINIZIONI Indichiamo con: PE il prezzo di esercizio (Strike Price) PM il prezzo corrente dell’attività sottostante OPZIONE CALL (facoltà di acquisto) OPZIONE PUT (facoltà di vendita) PE > PM (l’holder non acquista dal writer qualcosa che sul mercato ha un valore minore) PE = PM PE < PM © Università Federico II Teoria del rischio 2010 OUT OF THE MONEY PE < PM (l’holder non vende al writer qualcosa che sul mercato ha un valore maggiore) PE = PM PE > PM AT THE MONEY IN THE MONEY .

premio © Università .DEFINIZIONI Un’opzione call verrà esercitata se: prezzo corrente > prezzo di esercizio Una put option verrà esercitata se: prezzo corrente < strike price Il p punto di pareggio (break even point) in corrispondenza p gg p p del quale per l’acquirente è indifferente esercitare o no l’opzione risulta pari a: Opzione call prezzo corrente = prezzo d’esercizio + premio d esercizio Opzione put prezzo Federico II Teoria del rischio 2010 corrente = prezzo d’esercizio .

Il rischio ed il rendimento IL RENDIMENTO DI UN’OPZIONE CALL Rendimento netto di una call Prezzo di esercizio Prezzo corrente attività sottostante Se PM < PE Il rendimento netto è negativo (pari al premio) © Università Federico II Teoria del rischio 2010 Se PM > PE Il rendimento lordo = PM-PE .

Il rischio ed il rendimento IL RENDIMENTO DI UN’OPZIONE PUT Prezzo di esercizio Prezzo corrente attività sottostante P t tti ità tt t t Se PM < PE Il rendimento lordo = PE-PM © Università Federico II Teoria del rischio 2010 Se PM > PE Il rendimento netto è negativo (pari al premio) .

Il venditore dell’opzione ha un reddito massimo pari al premio mentre risulta esposto ad una perdita illimitata.Il rischio ed il rendimento Le opzioni sono caratterizzate da una forte asimmetria della distribuzione dei rischi assunti L’acquirente di un’opzione ha la possibilità di realizzare profitti illimitati. mentre è esposto a un rischio massimo illimitati pari al premio pagato. © Università Federico II Teoria del rischio 2010 .

Il valore di un opzione cresce al crescere della durata: un’opzione tanto più lunga è la durata tanto più può variare il valore dell’attività sottostante.Il valore (prezzo) di un opzione un’opzione Il valore di un’opzione dipende dall’attività sottostante: variazioni del valore dell’attività sottostante influenzano il i i id l l d ll’ i i à i fl valore della relativa opzione. © Università Federico II Teoria del rischio 2010 . maggiore risulta il valore dell’opzione. Il motivo della suddetta relazione dipende dal fatto che il possessore di un’opzione non può mai perdere una somma superiore al premio pagato: una maggiore volatilità del prezzo corrente accresce la possibilità di ottenere rendimenti elevati. Maggiore è la varianza del valore dell’attività sottostante.

Il valore di un opzione un’opzione Nel caso delle opzioni call (diritto di acquistare ad un prezzo determinato) il valore dell’opzione diminuirà al crescere del prezzo di esercizio. A parità di condizioni un’opzione americana vale di più di ià di i i ’ i i l iù un’opzione europea. © Università Federico II Teoria del rischio 2010 . nel caso della put (diritto di vendere ad un prezzo determinato) il valore dell’opzione aumenterà al crescere del prezzo di esercizio.

infine. © Università Federico II Teoria del rischio 2010 . altri studi si sono rivolti allo sviluppo bili i I it lt i t di i i lti ll il di un modello per la valutazione delle opzioni in valuta: abbiamo così il secondo modello di Black&Scholes del 1976. il più recente modello di Garman&Kohlhagen del 1982.Il valore di un opzione: modello di calcolo un’opzione: BLACK & SCHOLES Il primo modello moderno per il pricing delle opzioni risale p y al 1973 ad opera di Fischer Black e Myron Scholes (modello Black&Scholes) e la sua applicazione era rivolta essenzialmente alla valutazione dei premi su valori mobiliari. . quello di Cox&Rubinstein per la valutazione delle p p . In seguito. p opzioni di tipo americano ed.

Il valore di un opzione: il modello B&S un’opzione: (d 1 ) − S*e− r (T − t )N (d 2 ) Call = Pc*e N − rf (T − t ) (− d 1 ) + S*e− r (T − t )N (− d 2 ) Put = −Pc e Pc*e N S e − rf (T − t ) ⎛ Pc ⎞ ⎛ 1 σ 2 ⎞( − ) ⎟T t ln ⎜ ⎟ + ⎜ r − rf + 2 ⎠ = ⎝S ⎠ ⎝ d1 σ T −t ⎛ Pc ⎞ ⎛ 1 σ 2 ⎞( − ) ⎟T t ln ⎜ ⎟ + ⎜ r − rf − 2 ⎠ = ⎝S ⎠ ⎝ d2 σ T −t © Università Federico II Teoria del rischio 2010 .

I driver del modello IL VALORE DI MERCATO DELLATTIVO e la teoria delle DELL’ATTIVO opzioni: l’equity (capitalizzazione di borsa) rappresenta il valore di una call option sull’attivo (sottostante dell’opzione) della società con strike price uguale al valore di libro delle i tà t ik i l l l lib d ll passività. © Università Federico II Teoria del rischio 2010 .

L equity L’equity come una call option Esempio: • Consideriamo una società il cui attivo è rappresentato da 100 milioni di euro investiti in oro ili i i titi i • L’azienda si finanzia attraverso 20 milioni di capitale proprio e 80 milioni di indebitamento bancario che deve essere rimborsato in 5 anni • Dopo 5 anni l’oro verrà venduto ed il debito restituito © Università Federico II Teoria del rischio 2010 .

Equity 20 © Università Federico II Teoria del rischio 2010 . 3) Per semplicità trascuriamo interessi. costi di transizione e di magazzinaggio.L equity L’equity come una call option ATTIVO PASSIVO 1) Investiamo 100 milioni di euro in oro. Oro 100 Debiti 80 2) Fi Finanziamo l’ tti i l’attivo con 20 milioni ili i di euro di capitale proprio e 80 di debito bancario.

L’equity come una call option q y p Supponiamo che 5 anni dopo l’oro valga sul mercato 110 milioni di euro. ili i Vendiamo l’oro a 110 Qual è il valore dell’equity ? Restituiamo il debito (80) Valore dell’Equity 30 100 Valore dell’equity dopo 5 anni 50 30 0 © Università Federico II Teoria del rischio 2010 50 100 110 150 Valore dell’Attivo (oro) dopo 5 anni .

L’equity come una call option Supponiamo che 5 anni dopo l’oro valga 90 milioni di euro. Vendiamo l’oro a 90 Qual è il valore dell’equity? Restituiamo il debito (80) q y ( ) Valore dell’Equity 10 100 Valore dell’equity dopo 5 anni 50 10 0 © Università Federico II Teoria del rischio 2010 50 90 100 150 Valore dell’Attivo (oro) dopo 5 anni .

Vendiamo l’oro a 80 Qual è il valore dell’equity? Restituiamo il debito (80) q y ( ) Valore dell’Equity 0 100 Valore dell’equity 50 dopo 5 anni 0 © Università Federico II Teoria del rischio 2010 50 80 100 150 Valore dell’Attivo (oro) dopo 5 anni .L’equity come una call option q y p Supponiamo che 5 anni dopo l’oro valga 80 milioni di euro.

Vendiamo l’oro a 70 Qual è il valore dell’equity? Restituiamo il debito (80) q y ( ) Valore dell’Equity 0 100 Valore dell’equity dopo 5 anni 50 0 © Università Federico II Teoria del rischio 2010 50 70 100 150 Valore dell’Attivo (oro) dopo 5 anni .L’equity come una call option Supponiamo che 5 anni dopo l’oro valga 70 milioni di euro.

L’equity come una call option L’Equity come una call option 100 Valore dell’equity dopo 5 anni 50 0 © Università Federico II Teoria del rischio 2010 80 100 50 Valore di libro del debito 150 Valore dell’attivo (oro) alla fine dei 5 anni .

precisamente.Nella realtà le cose si complicano … Supponiamo di essere interessati a valutare l’equity prima della scadenza e. L’oro vale sul mercato 70 (rispetto ad un valore di bilancio di 100). Qual è il valore dell’equity? © Università Federico II Teoria del rischio 2010 . al secondo anno di vita della società.

Nella realtà le cose si complicano … 100 Valore dell’equity dopo 5 anni 50 Perchè il valore dell’equity non è zero? ? 0 © Università Federico II Teoria del rischio 2010 50 70 100 150 Valore dell’attivo (oro) dell attivo alla fine dei 5 anni .

Nella realtà le cose si complicano … Il valore dell’equity risulta maggiore di zero visto che mancano ancora tre anni alla scadenza ed esiste pertanto una probabilità che il valore degli asset ( ) superi 80. b bilità h l d li t (oro) i 80 Equity Value 70 0 © Università Federico II Teoria del rischio 2010 Asset (Gold) Value Distribuzione Probabilità (Valore Oro) .

Nella realtà le cose si complicano … p © Università Federico II Teoria del rischio 2010 .

Riepilogando 1) Il valore di mercato dell’attivo non è direttamente dell attivo osservabile 2) Il valore di mercato dell’attivo si deriva dal valore dell’equity q y che è osservabile sul mercato (capitalizzazione di borsa) 3) Pensando all’equity come ad una opzione siamo in grado di usare i valori osservabili dell’equity per derivare il valore di mercato dell’attivo © Università Federico II Teoria del rischio 2010 .

I driver del modello 2) LA VOLATILITA’ DELL’ATTIVO Esprime l’incertezza del valore di mercato del business p e può essere “estratta” dal valore dell’equity (volatilità implicita) Riflette la difficoltà di prevedere i futuri cash flow Quantifica il rischio di business: società dello stesso settore e dimensioni tendono ad avere simile volatilità degli asset. © Università Federico II Teoria del rischio 2010 .

I driver del modello 3) IL DEFAULT POINT Rappresenta l’ammontare delle passività dovute in caso p di default della controparte Il default point è una funzione della struttura del passivo p p E’ il “punto” in corrispondenza del quale una società p p q tendenzialmente fallisce: sopra il livello delle passività correnti ma sotto le passività totali © Università Federico II Teoria del rischio 2010 .

Asset Volatility.Il modello KMV: gli elementi che lo compongono g p g Distance to Default (DD) Si tratta di una misura del rischio di default La sua quantificazione dipende dai tre drivers del modello: Market Value of Assets. Default Point La DD misura la distanza tra il valore di mercato dell attivo dell’attivo e il Default Point DD = Asset Market Value – Default Point Asset Market Value * Volatility A tM k tV l V l tilit © Università Federico II Teoria del rischio 2010 .

Il calcolo dell’EDF l l d ll’EDF Una lt d t U volta determinato il valore di DD occorre rispondere alla i t l i d ll domanda: “qual è la probabilità che un’azienda con un dato valore di à DD vada in default?” KMV fornisce una risposta a tale domanda mediante il calcolo dell EDF (expected default frequency) dell’EDF © Università Federico II Teoria del rischio 2010 .

6 5.8% 2.0 Quale società ha un EDF maggiore? © Università Federico II Teoria del rischio 2010 .4 9.2 15.2 7.0 Società B 9.Mkt.2% 4.Distance to Default 13.Value of Assets DPT-Default Point ASG-Asset Volatility DD .Società A vs Società B Società A AVL.

000 private company d f lt i a separate global d t b O 40 000 i t defaults in t l b l database Number of Defa aults 50 40 30 20 10 0 © Università Federico II Teoria del rischio 2010 . 3.300 default) 3 300 90 80 70 60 • 28 years of data • Approx 3. Il data base di aziende di riferimento risulta molto numeroso (28 anni di dati. 200.000 società per ogni anno.300 public company defaults • Over 200.Il calcolo dell’EDF KMV utilizza le frequenze di default che si sono verificate nel tempo relativamente ad aziende con analoghe caratteristiche in termini di DD.000 company-years • North American companies •Over 40.

Frequenza attesa di default (EDF) EDF™ DD © Università Federico II Teoria del rischio 2010 Distance to Default .Il calcolo dell’EDF In pratica si tratta di associare ad ogni livello di DD una percentuale che esprime appunto la probabilità di default esprime. appunto.

la volatilità dell’equity) • Calcolare la Distance to Default (viene calcolata attraverso una formula utilizzando il valore e la volatilità ) dell’attivo) • Calcolare l’EDF (viene calcolata in funzione del valore DD) © Università Federico II Teoria del rischio 2010 . il valore di libro delle passività.p q • Stimare il valore e la volatilità dell’attivo (attraverso il valore di mercato.Il calcolo dell EDF dell’EDF Riassumendo. per calcolare l’EDF occorre quindi: .

82% 3.00% .00% 12 00% 10.05% 0.00% 16.20% .57% 6.0% 71%-2 0% 2.07% 0.00% 16 00% EDF (Predicted) (P di t d) Observed Default History 15.01%-20% 7 01%-20% © Università Federico II Teoria del rischio 2010 .00% 4.25% 1.21%-.70% .71%-2.44% 1.09% 2.63% 18.02%-.00% 12.42% 0.00% 3.20% 02%.70% 21%.21% 14.00% 8.Test di “acuratezza” Predicted and Actual Default Rates Cohorts Reformed 16.00% 0.01%-7.00% 0.0% 2 01%-7 0% 7.

Il modello KMV per le società non quotate (private firm) .

la stima della probabilità di default si ottiene attraverso i seguenti passi: 1) Stima del valore dell’attivo. della sua volatilità e del default i t d f lt point 2) C l l d ll Di t Calcolo della Distance t d f lt to default 3) Calcolo della EDF © Università Federico II Teoria del rischio 2010 .LA LOGICA DEL MODELLO Analogamente al modello relativo alle società quotate.

Le informazioni di mercato vengono segmentate per paese e ramo di attività economica e sono aggiornate mensilmente. per stimare l’EDF di una società non quotata. © Università Federico II Teoria del rischio 2010 . utilizza le informazioni di bilancio della società e le informazioni relative ai prezzi azionari di società simili (teoria dei comparables) ).LA LOGICA DEL MODELLO Il Private Firm Model (PFM).

Il valore dell’attivo viene. © Università Federico II Teoria del rischio 2010 . determinato a partire dal l d ll’ tti i i di d t i t ti d l valore dell’EBITDA attraverso un multiplo.I DRIVER DEL MODELLO 1) Il valore dell attivo e la sua volatilità dell’attivo Visto che il mercato non prezza le azioni di società non quotate. L EBITDA L’EBITDA può essere interpretato come una proxy dei cash flow che la società può generare. quindi. quotate il modello si basa sul confronto con aziende quotate simili.

I DRIVER DEL MODELLO © Università Federico II Teoria del rischio 2010 .

I DRIVER DEL MODELLO Il valore del moltiplicatore dipende dalle prospettive future di ogni settore e si modifica al variare di tali prospettive. Per stimare il valore dell’attivo di una società non quotata. flow © Università Federico II Teoria del rischio 2010 . PFM utilizza il valor medio degli assets di società t t tili l di d li t i tà relative alla stessa regione e settore e con analoghi cash flow.

p E’ stato osservato che società con valori particolarmente p contenuti di fatturato (size). anche per la stima della volatilità si utilizza l approccio l’approccio dei comparable. dalla dimensione del fatturato e dal p paese in cui opera la società. © Università Federico II Teoria del rischio 2010 . La volatilità del valore dell’attivo è chiaramente dipendente dell attivo dal settore industriale.I DRIVER DEL MODELLO 2) La volatilità degli asset Analogamente a quanto avviene per l stima d l valore A l t t i la ti del l dell’attivo. tendono ad avere risultati più variabili.

I DRIVER DEL MODELLO 3) Il default point Il calcolo del Default Point non differisce da quello descritto nel modello public. Il valore dell’attivo. il rischio del settore e il default point possono essere riassunti in una singola misura di rischio: la distance to default DD = Asset Market Value – Default Point Asset Market Value * Volatility © Università Federico II Teoria del rischio 2010 .

Il calcolo dell’EDF In pratica si tratta di associare ad ogni livello di DD una percentuale che esprime appunto la probabilità di default esprime. Frequenza attesa di default (EDF) EDF™ DD © Università Federico II Teoria del rischio 2010 Distance to Default . appunto.

Sistemi di scoring a b Si i i base statistica ( i i (es.Actuarial based method Vi • • • sono almeno tre diversi riconducibili a questo metodo: i d ibili t t d approcci Metodo attuariale diretto – richiede consistenti casi di d f l e d bi i rated . Z score). © Università Federico II Teoria del rischio 2010 . i i i default debitori d Mapping delle classi del sistema di rating interno alle classi previste d ll agenzie di i ll l i i dalle i rating.

t f li ) Notevole differenziazione delle tecniche di analisi introdotte rispetto a quelle che tradizionalmente hanno consentito una gestione del rischio sufficientemente prudente (occasione di reingegnerizzazione d l processo d l credito).Validazione del Sistema di Rating L’esigenza della validazione del sistema di rating nasce da una duplice esigenza: • Numerose applicazioni gestionali che vengono ad essere montate sul sistema di rating (per ora Basilea è prescrittiva solo con le esigenze di capital regulation rinviando ad un secondo momento l’applicazione delle tecniche d ll t i h di portafoglio). i i i del del dit ) • © Università Federico II Teoria del rischio 2010 .

Svolgimento di test empirici diretti ad assicurare l’affidabilità delle tecniche utilizzate per definire la probabilità di insolvenza e dei tassi di recupero.Prime riflessioni (Marullo Reedtz) • Determinazione di best pratices alle quali le procedure aziendali dovrebbero ispirarsi p per corrispondere a principi di sana e p p p prudente gestione. p • © Università Federico II Teoria del rischio 2010 .

livelli di rischio dei crediti in bonis.Prime riflessioni (FED) • Funzionamento e design del sistema: non sempre consente di distinguere tra i diversi . Assegnazione e validazione dei grade: può sovente non garantire rigorosità e indipendenza. • © Università Federico II Teoria del rischio 2010 .

Validazione: Proposta di Basilea 2 • Definizione del rating del debitore con riferimento alla numerosità delle classi di g ( p g rating (6/9 performing – 2 non performing). Rating dell’operazione con riferimento alla determinazione della LGD (necessario per adottare l’Advanced IRB Approach) • © Università Federico II Teoria del rischio 2010 .

essere oggetto di reporting al Cda o Alta Direzione. © Università Federico II Teoria del rischio 2010 . supportare il pricing dei prestiti. app occ o a a ges o e de sc . Avere funzione di analisi adeguatezza patrimoniale.Il riconoscimento del sistema. Il sistema di rating deve: • • • • supportare le delibere di fido e la fissazione di limiti. patrimoniale redditività ed accantonamenti. Esso è parte integrante dell’operatività della banca e de del suo approccio alla gestione dei rischi.

CFlow/At.O. t/ at. t at Var. = © Università Federico II Teoria del rischio 2010 molto importante = fattore importante = fattore secondario USA Canada GB CHF E Italia .F. MP/CI MP/CI CFlow/At. Dimensioni WCR Var.Criteri di rating: scenario internazionale Fattore Liquidità Li idi à Capit.At/Fat.At/Fat. Va . Dati And.ne Redditività Copert. Dati Qual.

Classificazione dei modelli di misurazione del rischio di credito .

Classificazione dei modelli di misurazione del rischio di credito la tipologia di rischio considerata • • solo rischio di insolvenza (default risk). la modalità di valutazione delle esposizioni creditizie (a valori contabili o a valore di mercato). anche rischio di deterioramento della qualità dell’affidato (migration risk). © Università Federico II Teoria del rischio 2010 .

di t distanza d l dal default).• • i fattori determinanti la probabilità di migrazione o di insolvenza (es. classe di rating + tt ti l ti +settore. © Università Federico II Teoria del rischio 2010 . la classificazione (per classi discrete o nel continuo) del livello di rischio della singola controparte. classe di rating.

l’approccio metodologico adottato per la determinazione della probabilità di d t i i d ll b bilità insolvenza e del tasso di perdita: • alla Merton (CreditMetrics. KMV) • attuariale (CreditRisk+ di Credit Suisse First Boston)) • macroeconomico (CreditPortfolioView di McKinsey) © Università Federico II Teoria del rischio 2010 .

Il livello di rischio di insolvenza è identificato dalla classe di rating: il rischio di credito è identificato dalla diminuzione del VM della posizione conseguente al peggioramento della classe di rating.CreditMetrics Il calcolo del VaR per una singola posizione l l d lV R i l ii • • Considera sia il rischio di default che migration risk. Valutazione a valori di mercato: il VM di un prestito è la somma dei valori attuali dei flussi futuri scontati a un tasso espressivo del rischio di default. © Università Federico II Teoria del rischio 2010 • .

Curva dei tassi forward a 1 anno per ogni classe di rating: consente di calcolare il valore l ti t l l l attuale fra un anno dei flussi futuri del prestito/titolo i ogni i t i di rating f t tit /tit l in i ipotesi ti futuro.Tre “ingredienti” chiave: ingredienti • Matrice di transizione: rappresenta la probabilità che un affidato con rating X a inizio anno abbia rating Y a fine anno. © Università Federico II Teoria del rischio 2010 • • . Essa è ricostruita per ogni classe di rating. Recovery rate atteso.

60 5.39 4.01 0.76 5.26 5.79 76.00 86.06 0.99 0. Aa A Baa Ba B Caa-C Def.87 12. .21 1 21 0. .32 1.12 0.41 .87 82.63 0.61 79.34 1.00 .04 0.41 1.Matrice di transizione a 1 anno (media 1920 19201996) . RATING A Aa A Baa Ba B Caa-C INIZIO ANNO © Università Federico II Teoria del rischio 2010 Fonte: Moody’s Investor s Service .03 4.61 0. .02 0.13 0.00 0.67 0.28 0.11 0.02 0.29 71.23 0. .Dati in percentuale RATING A FINE ANNO Aaa Aaa 88.52 4.07 0.09 4. .00 0.76 0.16 0.10 0.96 0.30 86.24 3.03 0.08 3.68 0.66 0.04 0.08 0.30 3.02 0. 6.06 86 76 5 76 0 66 0 16 0 02 0 00 0 06 2.00 0.02 0.49 0.00 0.15 0. .

© Università Federico II Teoria del rischio 2010 .1 è il tasso forward fra 1 anno per 1 anno. occorre poi ricavare il VM del prestito a tale data.• • Dato il possibile rating a 1 anno. Cioè p determinare (per ogni classe) a quale tasso i flussi futuri saranno scontati fra 1 anno (tassi f ( forward).1)(1+i1.1)=(1+i0. I tassi forward si ricavano dalla relazione (1+i0.2)2 )(1 )=(1 dove i1.

78)3 .1 2 % 5 .2 7 % 8 .7 3 % 4 .3 2 % 3 5 .5 2 % Titolo in classe A.t+1anno=5+--------------+--------------+--------------=100.0 2 % 0 1 5.03 % 5 .43 BB t+1anno=5+--------------+--------------+--------------=100.2 5 % 6 .6 5 % 3 .02 % 4 .02)2 (1+6.6 3 % 7 .3 2 % 3 4 .1 7 % 4 .9 3 % 9 5 . declassato a BB 5 5 5+100 VMBB.5 5 % 6 .7 2 % 7 4 .5 2 % 1 3.1 7 % 5 .43 5 100. 4 anni.05 % T a sso ze ro T a sso ze ro T a sso ze ro c o u po n a 2 a n n i c o u po n a 3 a n n i c o u po n a 4 a n n i 4 .2 2 % 4 .7 8 % 8 .0 5 % 0 1 5.43 © Università Federico II Teoria del rischio 2010 (1+5.0 2 % 7 . cedola 5%.0 3 % 0 1 4.6 0 % 3 .1 0 % 5 .6 7 % 6 .Curva dei tassi forward zero coupon a 1 anno C la sse d i r a ting AAA AA A BBB BB B CCC T a sso ze ro c o u po n a 1 anno 3 .7 8 % 4 .55)1 (1+6.

i t ) © Università Federico II Teoria del rischio 2010 . Il calcolo del valore in caso di default richiede infatti un’ipotesi circa il valore p del recovery rate: il valore del prestito in caso di default sarà pari al capitale per il recovery rate (stimato su base storica o interna).• • Tale formulazione consente di calcolare il valore a 1 anno del prestito per ogni rating (default escluso).

0 4 5 0 3 .2 2 .3 0 1 0 4 .7 4 1 0 5 . .8 0 .8 9 AAA AA A BBB BB B CCC In s o lv e n z a 0 .4 . 0 .4 2 V a r ia n z a D e v ia z io n e s t d D if fe r e n z e al q u a d r a to p o n d e r a te 0 .4 3 9 7 .5 2 % .1 6 5 6 0 .3 6 8 3 .1 6 VM p o n d e r a to D iffe r e n z a r is p e t to a l p rezzo m e d io 0 .2 1 .0 2 © Università Federico II Teoria del rischio 2010 .1 4 . 2 .0 2 9 7 .0 1 % 0 .4 3 .1 5 8 0 0 . 1 0 5 .2 6 % 0 .7 4 0 .1 0 . 0 . 0 .2 5 0 .0 1 8 1 0 .0 1 0 .0 0 6 7 0 .0 5 % 5 .5 7 0 3 1 .7 4 % 0 .7 3 .8 8 5 .7 3 .1 4 6 7 3 .6 8 .7 . 0 .8 4 .4 0 9 5 . 2 .Distribuzione dei valori di mercato a 1 anno Di t ib i d i l i t R a t in g a fin e a n n o P r o b a b i l it à ( d a ti S & P ) V M t+ 1 (in c lu s o c e d o la ) 1 0 5 .7 6 .0 .0 9 % . 1 0 0 . 0 .5 4 0 .7 2 .7 0 1 0 5 .0 0 0 4 .9 4 3 2 .0 6 % M e d ia 0 .2 7 % 9 1 .

© Università Federico II Teoria del rischio 2010 . • il valore del titolo a un percentile desiderato ( il minor valore possibile d id (es. i l ibil nel 99% dei casi).Dalla tabella precedente è possibile ricavare: • il valore medio del titolo a un anno. • la deviazione standard della sua distribuzione.

43.74% = 1. q p .01%+0.07% ⇓ Il primo percentile corrisponde a un declassamento a BB e quindi a un valore del titolo pari a 100.33% Probabilità cumulata di un declassamento a BB o inferiore: 0.36).06%+0.26%+0.Esempio: Esempio: • Probabilità cumulata di un declassamento a B o inferiore: 0.26% = 0.01%+0. © Università Federico II Teoria del rischio 2010 .06%+0. Allo 0.1% dei casi più sfavorevoli corrisponde un declassamento a B (valore del titolo 97 36) 97.

il VaR del titolo.9% 99.9% = E(VMt+1) . © Università Federico II Teoria del rischio 2010 . pari alla differenza fra valore medio del titolo e valore nel percentile obiettivo. • Esempio: VaR al 99.36 = 7. 97.wcs99.9%: VaR99. t t+1 t t+1.16 ..80 105.Si ricavano quindi due possibili misure di q p rischio: • • la deviazione standard dei valori a un anno.wcs99 = 105.97.VMt+1.

© Università Federico II Teoria del rischio 2010 .Il modello KMV Il calcolo del VaR per una singola posizione l l d lV R i l ii • • • Considera sia default che migration risk. Può essere utilizzato sia in una logica contabile che a valori di mercato. Il rischio è identificato dalla expected default frequency (EDF) che può essere calcolata in modo individuale per ogni controparte (anche se può essere aggregata in classi discrete).

• • Il modello KMV si basa sull’approccio di pp Merton (1974). I passaggi chiave sono: il fallimento avviene quando il valore delle attività di un’impresa scende sotto una certa soglia critica (default point) Es : valore delle point). . la l probabilità di attraversare t l soglia è b bilità tt tale li funzione: • • del valore di mercato delle attività (-). della volatilità del VM delle attività (+) • • © Università Federico II Teoria del rischio 2010 sulla base di tali elementi si può determinare la probabilità di attraversare la soglia (ovvero l’EDF). Es.: passività.

La logica dell approccio di Merton dell’approccio • Il fallimento è un evento che si realizza quando il valore delle attività dell’impresa g scende al di sotto di una certa soglia. Si può ipotizzare ad esempio che essa sia data dalle passività dell’impresa dell impresa. • KMV: media fra passività a breve e passività a breve+lungo. Questo livello f p ( ) identifica il default point (DP). © Università Federico II Teoria del rischio 2010 .

tanto più alta quanto maggiore è l volatilità d l i l i la l ili del valore delle attività. relazione fra default distance e probabilità di insolvenza (EDF) A ogni DD si abbina quindi (EDF). Tale valore è distanza detto default distance (DD). una EDF. • • E E’ quindi possibile calcolare la distanza dal punto di default in termini di “numero di deviazioni standard di distanza”. Su base storica si può quindi ricavare la storica.• • • La probabilità che il valore delle attività scenda sotto tale soglia è: g tanto più bassa quanto maggiore è la distanza fra valore delle attività e default point. © Università Federico II Teoria del rischio 2010 .

Problemi metodologici P bl i t d l i i • La fissazione del punto di default (il valore delle passività è derivato dal bilancio e potenzialmente non aggiornato). La stima della volatilità e del valore delle attività. p gg ). Le azioni sono quindi considerate come un’opzione call sul valore delle attività. attività Tale stima si ricava partendo dal valore e dalla volatilità delle azioni. p • © Università Federico II Teoria del rischio 2010 .

ma non quella inattesa (e quindi il rischio). può portare p . © Università Federico II Teoria del rischio 2010 . che corrisponde alla probabilità di perdita attesa. a determinare la perdita attesa. combinato con una stima di esposizione e di recovery rate. determinare un valore di EDF. attesa Tale valore.• • Il modello di KMV descritto consente di .

analizzando una matrice di transizione basata sulle “classi di EDF” invece che sulle classi di rating rating. la variazione inattesa del VM del titolo o prestito (se si associa a ogni classe di EDF una term structure dei credit spread). © Università Federico II Teoria del rischio 2010 . Conoscendo la possibilità di migrare verso classi di EDF più rischiose si può stimare: l i iù i hi i ò i la variazione inattesa del tasso di perdita. con una logica analoga a CreditMetrics.• • La perdita inattesa può essere determinata.

CreditRisk+ Il calcolo del VaR per una singola posizione Si concentra solo sul rischio di default. Consente di valutare il rischio di credito solo in termini di valori contabili (analisi dei p ) tassi di perdita inattesi). dell evento). © Università Federico II Teoria del rischio 2010 . e non considera affatto il migration risk. Il rischio di credito è valutato in termini attuariali (probabilità dell’evento dannoso × gravità attesa dell’evento).

Il VaR del V R d l portafoglio è d t t f li determinato i t analiticamente e non con l’adozione di una simulazione di M i l i Montecarlo. volatilità del tasso di perdita medio.Punta a ridurre al minimo gli input g p richiesti. con lo scopo dichiarato di ridurre gli errori di stima: • • • • esposizione. probabilità di perdita attesa (per classi di controparti). recovery rate. l © Università Federico II Teoria del rischio 2010 .

probabilità di avere n casi di insolvenza è data da: d t d e. e la probabilità media che ciò si verifichi è pari a μ/N allora la erifichi /N. in una data classe di rating l’insolvenza delle N diverse controparti sia indipendente.Nella versione più semplice se si ipotizza che semplice.μ μn p(n) = -------------n! © Università Federico II Teoria del rischio 2010 .

p insolvenze è: p( ) ( p(0)=(e-440)/0!=e-4=1.83% ) . la possibilità di non avere p . La distribuzione del numero di insolvenze è una Poissoniana con media μ.Ad esempio. © Università Federico II Teoria del rischio 2010 .

© Università Federico II Teoria del rischio 2010 .

Se si ipotizza invece che la probabilità media di insolvenza non sia certa ma abbia una sua volatilità. allora la distribuzione della probabilità di perdita è più schiacciata e assume la forma della distribuzione binomiale negativa. Ciò produce risultati più coerenti con q l’effettiva volatilità della frequenza delle insolvenze (più elevata di quanto deriverebbe dalla Poissoniana) Poissoniana). © Università Federico II Teoria del rischio 2010 .

3 3 % 3 5 .0 5 % .Tassi medi di insolvenza e deviazione standard 1970-1996.0 0 % 0 .2 9 % 1 . .4 5 % 0 . 0 .0 2 % 0 .1 2 % A B aa Ba B © Università Federico Fonte: Carty e II Teoria del rischio 20101998 Lieberman. C la sse d i ra ting M edia D ev ia zio ne sta nda rd Aaa Aa 0 .0 0 % 0 .2 0 % 2 6 .1 4 % 1 .1 1 % 0 .0 1 % . 0 .

o. di loss given default (LGD). Dalla distribuzione del numero/della frequenza di casi di insolvenza è possibile ricostruire la distribuzione delle perdite del portafoglio.I d ti storici d bb dati t i i debbono essere i t integrati con un ti giudizio soggettivo. dell’esposizione. più correttamente. Ciò richiede di dividere le controparti in funzione delle dimensioni dell esposizione. data da: © Università Federico II Teoria del rischio 2010 .

nell’ipotesi di indipendenza fra l’insolvenza delle diverse classi. è possibile ricostruire la distribuzione dei tassi di perdita del portafoglio. ma poi viene mantenuto fisso e considerato deterministico. © Università Federico II Teoria del rischio 2010 .LGD = esposizione × (1- recovery rate) Nel modello di CreditRisk+ è possibile ipotizzare un recovery rate che può essere anche diverso per ogni controparte. Aggregando le possibili perdite dei crediti riferibili alle diverse “bande di LGD e alle diverse classi di bande LGD” rischio.

La classificazione delle controparti è per g p . © Università Federico II Teoria del rischio 2010 CreditPortfolioView Il calcolo del VaR per una singola posizione . Può essere utilizzato sia valutando a valori di mercato ( (con l i logica analoga a l CreditMetrics) che a valori contabili. Considera sia default che migration risk. classe di rating/settore/paese.• • • • Approccio macroeconomico: lo stato di alcune variabili economiche chiave incide sul livello del rischio di credito.

t+ βj.t+ υj.3Xj.3 j.2 j.0+ βj.2 j.t= βj.3 © Università Federico II Teoria del rischio 2010 1 pj.2.1 j.1.In I generale.t+ βj.2Xj.1Xj. per un settore/paese j al tempo t l l / l la probabilità di insolvenza assume la forma: dove Y è un indice specifico di “stato di salute salute” dato da: Yj.3.t j.1 j.0 j.t .t= -------------1+eyj.

2 j. d l PIL tasso di di disoccupazione. βj.3. Xj.2.1.3) j0 j1 j2 j3 è il vettore d i coefficienti di regressione tt dei ffi i ti i rispetto al vettore Xj = (Xj.t.3 variabili macroeconomiche prescelte come più i bili i h lt iù significative per il settore j (es.2.1 j.t) delle j. βj. © Università Federico II Teoria del rischio 2010 . βj. livello spesa pubblica). li ll tassi i livello i di interesse.βj = (βj. Xj.0.t. .1. crescita reale del PIL.

i.i.1 j.ti.2Xj.0 i.i.j.t i.tI fattori υ (nella funzione del “superindice” Y) superindice ed ε (nella funzione della variabile macro) rappresentano f tt i di di t b casuali ( h t fattori disturbo li (che possono essere correlati fra loro).2 j.t=ki.Ogni variabile macroeconomica segue a sua g g volta un processo autoregressivo: Xi.t-1+ki.0+ki.t-2+ εj.i.1Xj.i. © Università Federico II Teoria del rischio 2010 .

Il punto di riferimento è la probabilità di default delle d f lt d ll controparti speculative grade t ti l ti d (speculative default probability.• • Calcolando la probabilità di insolvenza condizionata al livello di Y è possibile comprendere in quale direzione “deformare” la matrice di transizione media di lungo termine termine. SDP): © Università Federico II Teoria del rischio 2010 .

se SDP/SDPmedia < 1 favorevole) f l ) ⇒ (ciclo economico si diminuiscono le probabilità di downgrade e q pg si aumentano quelle di upgrade.se SDP/SDPmedia > 1 sfavorevole) ⇒ (ciclo economico si aumentano le probabilità di downgrade e si diminuiscono quelle di upgrade. © Università Federico II Teoria del rischio 2010 .

La matrice di transizione dipende così dallo p stato dell’economia / del singolo settore. Pregio: Difetto: Dif tt la stima del VaR dipende dal ciclo altissimo rischio nella stima d i lti i i hi ll ti dei parametri Sono possibili analisi multiperiodali (matrici p p ( autocorrelate) © Università Federico II Teoria del rischio 2010 .

Ciò richiede di modellare le correlazioni fra l’andamento del rischio di credito delle diverse controparti. • © Università Federico II Teoria del rischio 2010 .Il problema della valutazione delle perdite a livello di portafoglio. p . • Uno dei problemi più complessi nella definizione del VaR per il rischio credito è la modalità con la quale si può giungere alla definizione del VaR di portafoglio.

Particolarità: - correlazione nelle migrazioni vs.correlazione nel default; - identificazione del driver delle correlazioni; CreditMetrics,KMV→VM attività/equity (Merton); (Merton); CreditRisk+ →indipendenza / settori; settori; CreditPortfolioView →fattori macroeconomici; macroeconomici;

© Università Federico II Teoria del rischio 2010

L’analisi a livello di portafoglio in CreditMetrics
• Per P simulare i l l’andamento l’ d t del d l portafoglio, CreditMetrics adotta un approccio alla M t analogo a quello utilizzato d KMV ll Merton l ll tili t da KMV; L’idea è quella di simulare diversi possibili valori delle attività; in funzione del valore si può determinare se l’impresa va in default (coda sinistra della distribuzione) oppure a quale classe di rating sia attribuibile;

© Università Federico II Teoria del rischio 2010

Esempio: rating iniziale BB
0,45 0,4 0,35 0,3
Z-B

Z-BB

0,25 0 25 f(x) 0,2 0,15 0,1
Z-def Z-A Z-AA Z-BBB

Z-CCC

0,05 0 -4 Università Federico II Teoria del rischio 2010 -3 -2 © -1 0 1 2 3 4

L analisi L’analisi a livello di portafoglio in CreditMetrics La perdita al 95% o 99% si ottiene simulando l’andamento del portafoglio, mediante l’estrazione da una funzione normale multivariata (con tante variabili quanti sono i settori/classi di rating)

© Università Federico II Teoria del rischio 2010

Quale correlazione utilizzare? (a) correlazione fra classi di rating ; (b) correlazione f l i fra prezzi azionari i i i (come proxy del VM delle attività) attraverso l’utilizzo di un modello multifattoriale;

© Università Federico II Teoria del rischio 2010

Utilizzo di un modello multifattoriale di scomposizione i i dei d i rendimenti di ti (imprese (i considerate A e B): rA=w1,AI1+w2,AI2+w3,Ar’A rB=w1 BI3+w2 Br’B w1,B w2,B dove: I1,I2,I3 I I → i di i di settore/paese; indici tt / → componente di rischio specifico; r’A, r’B La L correlazione è data da: l i d t d ρA,B=w1,Aw1,BρI1,I3+w2,Aw1,B ρI1,I3
w=peso attribuito ad ogni singola componente p g g p
© Università Federico II Teoria del rischio 2010

L’analisi a livello di portafoglio in KMV
• KMV adotta un approccio simile a quello d tt i i il ll appena descritto (alla Merton), analogamente a quanto accade p p anche per determinare la perdita attesa.

© Università Federico II Teoria del rischio 2010

• In linea di massima, la simulazione è utilizzata solo per determinare il livello di perdite in termini contabili; in questo caso ciò che conta è solo il q fatto che si verifichi o no il default (se c’è attraversamento del default point); • E’ possibile anche valutare l’andamento del VM del portafoglio crediti, utilizzando al posto delle classi di rating l “ l i di EDF” e abbinando a l i i le “classi bbi d ciascuna di esse una term structure dei credit spread;

© Università Federico II Teoria del rischio 2010

anche qui basata sulla .• L’analisi delle correlazioni fra due controparti. © Università Federico II Teoria del rischio 2010 . correlazione tra titoli azionari. è ricostruita in modo simile ma ancora più articolato.

ii t bb t t t La modalità per introdurre il fenomeno della correlazione è quella di scindere l’esposizione (o meglio la LGD) per settore.L’analisi a livello di portafoglio in p f g CreditRisk+ • • • Nella versione base di CreditRisk+ si adotta l ipotesi di assenza di correlazione. l’ipotesi correlazione Le correlazioni fra default sono comunque empiricamente abbastanza contenute. © Università Federico II Teoria del rischio 2010 .

in caso contrario sono indipendenti. i di d i © Università Federico II Teoria del rischio 2010 .Si i ti ipotizza che: h •all’interno del settore vi sia un andamento omogeneo (perfetta correlazione fra le p ) componenti riferite al medesimo settore). •fra settori diversi vi sia indipendenza. La correlazione fra i tassi di default fra due imprese si h solo se queste h i i ha l hanno almeno un l settore in comune.

dei “superindici” Yj. mediante una simulazione M i l i Monte C l Carlo.L’analisi di portafoglio in L analisi CreditPortfolioView • Nell’approccio di CreditPortfolioView il valore del d l portafoglio può essere ricostruito. • © Università Federico II Teoria del rischio 2010 . Si simula in questo caso l’andamento (correlato): • • delle variabili macroeconomiche Xi. dipendenti dalle Xi. come per f li ò i i KMV e CreditMetrics.

© Università Federico II Teoria del rischio 2010 .In conseguenza è possibile determinare: • • le probabilità di default condizionate. la matrice di transizione condizionata. se si considera un approccio a valori di mercato. considera un approccio a valori contabili. se si pp .

m a è a d a tta b ile a n c h e p e r il m ig r a tio n r is k P r e v a le n te m e n te a v a lo r i c o n ta b ili D is ta n z a d a l p u n to d i d e fa u lt ↓ E x p e c te d D e fa u lt Freq u ency (E D F) C o r re la z io n e fr a a s s e t v o la tilit y ( p r o x y: a z io n i) y ) C r e d itR isk + S o lo d e fa u lt C r e d it P o r tf o lio V ie w S ia d e fa u lt c h e m ig r a tio n r is k A d a tta b ile a e n tr a m b i C la s s e d i r a tin g / s e tto re /a re a g e o g r a fic a ↓ m a tr ic e d i tr a n s iz io n e c o n d iz io n a ta V a r ia b ili m a c r o e c o n o m ic he V a lu ta z io n e d e lle p o s iz io n i A v a lo r i c o n ta b ili C la s s e d i r a tin g o p p u r e s e tto r e ↓ p ro b a b ilità d i p e rd ita A p p a r te n e n z a a s e tto r i c o m u n i F a t to r i C la s s e d i r a tin g d e t e r m in a n t i la p r o b a b ilità ↓ d i m ig r a z io n e m a tr ic e d i o d i d e fa u lt tr a n s iz io n e in d iv id u a le (m a p p in g ) C o r re la z io n e fr a F a t to r i a s s e t v o la tilit y d e t e r m in a n t i ( p r o x y a z io n i) y: ) la c o r r e la z io n e a liv e llo d i p o r ta f o g lio C a s u a le R eco very ra te P e r s im u la z io n e C a lc o lo r is c h io d Federico II Teoria del rischio 2010 © Università e l p o r ta f o g lio C a s u a le P e r s im u la z io n e F is s o A n a lit ic a m e n te C a s u a le P e r s im u la z io n e .Un confronto tra i diversi modelli M o d e llo R i chi is io c o n s id e r a t o C r e d it M e t r ic s ™ S ia d e fa u lt c h e m ig r a tio n r is k A v a lo r i d i m e rc a to KMV D e fa u lt r is k .

Le matrici di trans izione s ono s timate s u dati di lungo periodo Cas uale (dis tribuzione beta) Probabilità di default/Deviazione s tandard dei VM della pos izione Dis tribuzione delle perdite del Teoria portafoglio del rischio 2010 Definizione del recovery rate Output disponibili analiticamente Si. nella mis ura in cui No. ma i prezzi azionari delle indipendente dal impres e valutate ciclo economico. Si. g Cas uale Probabilità di default Sensibilità delle stime al ciclo economico No. non s i ricorre a s imulazioni Output disponibili per simulazione © Università Federico II Dis tribuzione delle perdite del portafoglio Dis tribuzione delle perdite del portafoglio Fonte: SAITA. è pos s ibile mappare le es pos izioni per s ettori (ipotizzati indipendenti) Set di variabili macroeconomiche che determinano congiuntamente le probabilità di default di s egmenti divers i. Il tas s o di default è volatile. Si può inoltre ipotizzare correlazione negli s hock s ia macro che s pecifici di s ettore. In una vers ione più comples s a. Dis tribuzione delle perdite del portafoglio.Modello Tipologia di rischio p g considerata CreditMetrics Sia migration ris k che ris chio di ins olvenza KMV Ris chio di ins olvenza. ma è adattabile anche per il migration ris k Prevalentemente a valori contabili CreditRisk+ Solo ris chio di ins olvenza CreditPortfolioView Sia migration ris k che ris chio di ins olvenza Valutazione delle posizioni Fattori determinanti la probabilità di migrazione o di default individuale (mapping) Classificazione del rischio dei singoli soggetti Fattori determinanti la correlazione a livello di li ll portafoglio A valori di mercato A valori contabili Clas s e di rating Dis tanza dal punto di => default Matrice di trans izione => Ex pected Default Frequency (EDF) Clas s e di rating oppure s ettore => Probabilità di perdita Adattabile a entrambi (anche in combinazione) Clas s e di rating/Settore/Area G eografica => Matrice di trans izione condizionata Dis creta Dis creta Continua (dis creta s e li s i aggrega in clas s i EDF) Correlazione fra l'as s et volatily delle controparti s timata s ulla bas e della correlazione fra i rendimenti dei titoli azionari (modello multifattoriale) Dis creta Correlazione fra l'as s et volatily delle controparti s timata s ulla bas e della correlazione fra i rendimenti dei titoli azionari (modello multifattoriale) A un primo livello. anticipano il ciclo economico Cas uale Fis s o Probabilità di default Dis tribuzione dei tas s i di default. 1999 . L'andamento del ciclo è decis ivo nel determinare tas s i di perdita e di migrazione. portafoglio Nes s uno. la volatilità del tas s o di default.

Revisione e gestione delle singole g g posizioni c. c Pricing degli affidamenti d.Applicazioni dei sistemi di rating: dall’approccio metodologico all approccio all’approccio gestionale a. Ottimizzazione del portafoglio crediti © Università Federico II Teoria del rischio 2010 . G ti Gestione degli impieghi creditizi d li i i hi diti i b.

Incentivazione del management (budget in funzione di rischio/rendimento). Attivazione di processi di revisione (anche automatici) e/o di azioni cautelative. Definizione di limiti per le funzioni istruttorie e deliberanti. • • • • • Sviluppo e mantenimento di una stringente ed efficace disciplina creditizia..Le finalità………. Perseguimento delle condizioni di redditività e pricing. © Università Federico II Teoria del rischio 2010 .

Gestione degli Impieghi Creditizi • • Scelta del livello complessivo di rischio. Scelta ed allocazione del capitale per segmenti di portafoglio sulla base del rendimento di ogni singolo segmento. © Università Federico II Teoria del rischio 2010 .

Revisione e Gestione delle Singole Posizioni • Mentre il sistema tradizionale genera allarmi in caso di migrazioni nelle classi p p di merito corrispondenti alle partite anomale. L’uso del rating consente di focalizzare l’attenzione anche sui casi di migrazione • © Università Federico II Teoria del rischio 2010 .

Pricing degli Affidamenti • • • Modello di pricing risk neutral. RAROC © Università Federico II Teoria del rischio 2010 . Modello risk adverse.

Modello di pricing risk neutral i © Università Federico II Teoria del rischio 2010 p i = rf + PA 1 − PA .

Modello risk adverse i p i = rf + PA + V % * (k e − i rf ) Var 1 − PA © Università Federico II Teoria del rischio 2010 .

RAROC i RAROC= * (1 − PA) − irf * (1−V R%) − PA VaR p VAR% © Università Federico II Teoria del rischio 2010 .

Ottimizzazione del Portafoglio Crediti • Sulla base dell’individuazione delle diverse aratteristiche dei segmenti in cui p g . © Università Federico II Teoria del rischio 2010 . si ricorre ai mercati secondari (anche operazioni di cartolarizzazione) e/o ai derivati per ricondurre il rischio complessivo del portafoglio al li ll d id t t f li l livello desiderato. viene suddiviso il portafoglio.

L ottica L’ottica gestionale © Università Federico II Teoria del rischio 2010 .

© Università Federico II Teoria del rischio 2010 . componenti.Per poter efficacemente gestire il rischio di credito occorre approfondire le sue credito.

Approfondimenti sugli elementi del CRM Probabilità di default (PD) Loss Given Default (LGD) Exposure at default (EAD) Maturity (M) Expected Loss (EL) Unexpected Loss (UL) Capitale a rischio (CaR) C i i i (C ) © Università Federico II Teoria del rischio 2010 .

nell approccio avanzato banche dovranno stimare la PD di tutte le categorie di debitori. si intende un concetto più ampio di q . Default In linea con Basilea II. in quanto esso comprende lo stato di Past due incaglio nuovo sofferenza sofferenza © Università Federico II Teoria del rischio 2010 . versi in uno stato di inadempienza. p p quello in uso nella p prassi bancaria nazionale.Probabilità di default • • Probabilità che il debitore in bonis. nell’arco di uno anno dalla effettuazione della stima. Secondo l’accordo di Basilea II sia nell’approccio IRB base che avanzato. le l accordo II.

nel caso di esposizioni verso Enti del Settore Pubblico o c e e a a de ag o. le “condizioni locali” possono rendere opportuno l’innalzamento del limite a 180 giorni anche per i crediti verso imprese. In un paese membro. l’Autorità di Vigilanza può – ove lo ritenga uo à d Vg a a o e ga opportuno in base alle “condizioni locali” – innalzare il limite di 90 giorni a 180 giorni per alcuni strumenti. • Condizione applicata in Italia © Università Federico II Teoria del rischio 2010 . clientela al dettaglio. Inoltre. i i Gli sconfinamenti di conto sono considerati alla stregua di crediti scaduti dal momento in cui l’obbligato ha superato l’importo accordato o ha ricevuto notifica di un accordato inferiore al saldo corrente in essere.Past due Past due • • Per past due si intendono quelle posizioni per le quali l’obbligato presenta verso il gruppo bancario crediti scaduti rilevanti da oltre 90 giorni. q esta erso questa prescrizione si applica per un periodo transitorio di 5 anni.

essere volturate tra i crediti in “sofferenza”. © Università Federico II Teoria del rischio 2010 . oppure. Le L posizioni in “incaglio” possono ritornare “in i i i i “i li ” it “i bonis”.Concetto di incaglio • Nella categoria “incaglio” va ricondotta l’intera esposizione per cassa nei confronti di soggetti in stato di i i i f i ii momentanea difficoltà. sofferenza . permanendo lo stato di difficoltà.

o in situazioni sostanzialmente equiparabili. N > 2) sia esposto per almeno il 70% dell’indebitamento complessivo del cliente o. p g (caso del sia in sofferenza presso l’unico intermediario che ha erogato credito ( cliente monoaffidato). vi siano almeno due intermediari che segnalano a sofferenza il cliente (due o più su N) per importi pari o superiori al 10% dell indebitamento complessivo. se non si raggiunge tale percentuale. anche non accertato in sede giudiziaria. dell’indebitamento sia segnalato in sofferenza da un intermediario e tra gli sconfinamenti dell’unico altro intermediario esposto (caso del cliente biaffidato). vi siano sconfinamenti per almeno il 10% i l l i i fi i l dell’indebitamento complessivo.Concetto di sofferenza e sofferenza rettificata • • • Nella categoria “sofferenze” va ricondotta l’intera esposizione per cassa nei confronti di soggetti in stato di insolvenza. È considerato “sofferenza rettificata” l’indebitamento complessivo (utilizzato per cassa) verso il sistema di un affidato segnalato in sofferenza da almeno un intermediario qualora: l’unico intermediario che segnala il cliente a sofferenza (uno su N. Sono escluse le posizioni la cui situazione di it i i t i l t i bili S l l i i il i it i anomalia sia riconducibile a profili attinenti al rischio-paese. © Università Federico II Teoria del rischio 2010 • • • .

dati andamentali (interni ed esterni). economico finanziari. settore/territorio.La probabilità di default • Il merito creditizio del debitore dipende da: condizioni economiche-finanziarie attuali e prospettiche dell’impresa. posizione competitiva © Università Federico II Teoria del rischio 2010 . tt /t it i management. dati economico-finanziari.

© Università Federico II Teoria del rischio 2010 • .Loss Given Default (LGD) • La Loss Given Default rappresenta la perdita sostenuta dalla banca in caso di default di un debitore. Sintetizza le capacità della banca di recuperare (in termini sia quantitativi che temporali) l’esposizione al momento del default.

Loss Given Default (LGD) • Calcolo della LGD: Recuperi attualizzati .spese attualizzate p p 1Esposizione iniziale al momento del default © Università Federico II Teoria del rischio 2010 .

tipologia delle attività detenute dall’impresa e gap fra valore attività e passività. © Università Federico II Teoria del rischio 2010 . . g gravità dello stato di insolvenza.Loss Given Default (LGD) La LGD dipende dai seguenti fattori: • • • • • natura del finanziamento ed eventuali garanzie che assistono lo stesso. tempi di recupero. andamento generale dell’economia (apprezzamento o deprezzamento dei beni immobiliari).

retail Nell’ambito dell’approccio IRB Advanced le Banche devono provvedere ad effettuare delle stime interne relativamente all’LGD per tutte le esposizioni. nell’approccio IRB Foundation i valori di LGD vengono definiti dal regolatore.Loss Given Default (LGD) • Nell’ambito Basilea II. ad eccezione che per le esposizioni retail. p E’ richiesta una serie storica dei tassi di recupero ( (recovery rates) per almeno 7 anni (ridotti a 5 y )p ( per le esposizioni retail). © Università Federico II Teoria del rischio 2010 • • .

Il rischio rappresenta l massima perdita l i hi la i di realizzabile ed è quindi influenzato da elementi probabilistici (PA e LGD).Esposizione e Rischio • • Non sono sinonimi !!! L’esposizione rappresenta l’utilizzo al momento dell’insolvenza o in un dato dell insolvenza istante di valutazione. © Università Federico II Teoria del rischio 2010 • .

EL = PD x LGD x EAD © Università Federico II Teoria del rischio 2010 .Expected Loss (EL) E’ un espressione del rischio e riflette i valori attesi (secondo un certo intervallo di ) probabilità di insolvenza confidenza) della p del debitore (operazione) e della quota non recuperabile dell esposizione in caso di dell’esposizione insolvenza.

1 0.Expected Loss (EL) 0.2 Frequenze relative 0.25 0.3 0.05 EL 0 Tassi di Perdita © Università Federico II Teoria del rischio 2010 .15 0.

come una componente di costo da coprire con i ricavi delle p p operazioni cui si riferisce. da includere nella definizione dello spread minimo accettabile sull operazione. Il tasso atteso di perdita deve essere considerato. in quanto atteso. in grado di caratterizzare ex ante il livello di rischio delle operazioni componenti l’insieme e l’orizzonte i i i l’i i l’ i temporale considerato. sull’operazione © Università Federico II Teoria del rischio 2010 • .Expected Loss (EL) • I valori medi dei tassi di perdita rilevati ex post sui dati storici possono essere una possibile indicazione dei valori attesi. Esso è. quindi.

La Perdita attesa TASSI DI MERCATO CASI DI PERDITA ( (PD) ) QUANTO? (LGD) SU CHE IMPORTO? (EAD) COSTI BANCA © Università Federico II Teoria del rischio 2010 Perdita Attesa PREZZO .

• © Università Federico II Teoria del rischio 2010 . La perdita inattesa viene rappresentata dalla deviazione standard delle perdite attese.La perdita inattesa (Unexpected Loss) • La perdita inattesa può essere sintetizzata dalla variabilità delle perdite intorno al loro valore medio.

Possibilità che il tasso di recupero in caso di insolvenza risulti a posteriori inferiore a quello originariamente stimato. stimato • © Università Federico II Teoria del rischio 2010 .La perdita inattesa (Unexpected Loss) È influenzata dalla • Possibilità che il tasso di insolvenza risulti a p posteriori superiore a quello originariamente p q g stimato.

Il Capitale a Rischio ( p (CaR) ) © Università Federico II Teoria del rischio 2010 .

e il valore della perdita attesa. Esso è approssimato dalla differenza tra la massima perdita cui la banca può incorrere con un certo livello di probabilità in un determinato orizzonte temporale. © Università Federico II Teoria del rischio 2010 • .9% dei casi. li ll / bi i pari al 99. la i l 99 9% d i i l probabilità di subire perdite superiori.Capitale a rischio (CaR) • Esprime il livello di perdite inattese sui crediti cui la banca è esposta in un certo livello il b i li ll temporale tale da confinare al di sotto di un dato livello/obiettivo.

05 0 05 EL 0 © Università Federico II Teoria del rischio 2010 Tassi di Perdita 99.15 CaR 0.2 Frequenze relat tive 0.Capitale a rischio (CaR) 0.9° percentile .3 0.25 0.1 0.

• • Secondo la determinazione dell’accordo di Basilea II. CaR = 8% x RWARC = ∑ Ki x EADi dove i = singola esposizione creditizia d i l i i diti i © Università Federico II Teoria del rischio 2010 . il Capitale a Rischio a copertura del rischio di credito che la Banca deve disporre è p pari all’8% delle attività pesate per il rischio. È equivalente alla sommatoria dei prodotti tra i requisiti di capitale per unità di esposizione di ciascun credito e l’ammontare dei rispettivi p crediti.

Capitale a rischio (CaR) • • • Ha la funzione di coprire le perdite inattese cui si può incorrere con un certo livello di probabilità probabilità. poteva anche discostarsi significativamente dal “regulatory capital” richiesto dalla normativa poiché quest’ultima non prendeva in considerazione il merito creditizio della controparte. dato che rappresenta il cosiddetto ’”economic economic capital”. invece avviene invece. tale dato. così come avviene. © Università Federico II Teoria del rischio 2010 . Rappresenta la quantità di rischio assorbita dal singolo prestito e deve trovare copertura nel patrimonio degli azionisti della banca. secondo i metodi IRB dell accordo di dell’accordo Basilea II nonché per la determinazione dell’“economic capital”. Prima dell’introduzione dell’accordo di Basilea II.

caratterizzate da un rapporto creditizie. della LGD e della EAD iù lt d ll EAD.Il CaR nelle scelte gestionali • È un indicatore di fondamentale importanza perchè. Il monitoraggio di questo dato consente di controllare il mutamento della rischiosità complessiva di singole operazioni. • • © Università Federico II Teoria del rischio 2010 . effetto della stima della PD. gioca un ruolo chiave nelle scelte di d ll’ ffid t i l hi ll lt allocazione delle risorse. più alta. perchè determinando il costo complessivo di ciascuna operazione in termini di capitale economico/regolamentare assorbito a fronte dell’affidamento. infatti CaR/Utilizzato più alto avranno una rischiosità complessiva. Posizioni creditizie infatti.

come la presenza o meno delle garanzie. © Università Federico II Teoria del rischio 2010 . Determinare il “pricing” in base alla rischiosità della singola operazione pricing per coprire i rischi individuali e di portafoglio assunti.Obiettivi del controllo del rischio di credito (1) Passare da un giudizio dicotomico sull’affidabilità delle controparti ad un giudizio graduato (classi di PD) Valutare coerentemente il merito creditizio della controparte senza lasciarsi condizionare dalle caratteristiche dei rapporti. Monitorare prontamente eventuali peggioramenti della qualità creditizia della controparte. senza attendere il conclamarsi di stati di default. ossia le perdite in cui la banca potrà incorrere sulla quota di portafoglio di prestiti che evolverà in maniera patologica.

eventuali operazioni di cartolarizzazioni o di credit derivatives che si fondano sulla determinazione del fair value dei crediti: essenziale. laddove valutando opportuno. in tal senso. è il essenziale senso monitoraggio del merito creditizio in senso lato.Obiettivi del controllo del rischio di credito (2) Ottimizzare la gestione del portafoglio valutando. ) © Università Federico II Teoria del rischio 2010 . i l (b i insolvenza). ossia non limitato alla valutazione dello stato della controparte (bonis.

Obiettivi del controllo del rischio di credito (3) Ottimizzare le scelte di portafoglio in termini di frazionamento e diversificazione. attratti da condizioni più competitive offerte da banche in grado di differenziare l’offerta. Evitare il fenomeno della selezione avversa: l’applicazione di condizioni uniformi che non tengano conto della specifica PD ed LGD. infatti LGD infatti. dimensione.p p differenziate. ) © Università Federico II Teoria del rischio 2010 . e acquisirà clienti p gg peggiori in fuga da altre banche che. mediante la correlazione tra i tassi di perdita inattesi dei prenditori in rapporto al settore. ramo. proporranno condizioni meno competitive. ha come conseguenza che la banca subirà una fuga dei clienti migliori. proponendo condizioni g . Evitare il peggioramento della qualità del proprio portafoglio (aumento delle sofferenze per l acquisizione di clienti con alte l’acquisizione PD) con la conseguenze di essere sempre meno competitiva sul mercato (necessità di caricare il prezzo praticato di un costo delle sofferenze crescente). etc. localizzazione dimensione etc settore ramo localizzazione.

consumatori) per verificare il contributo al rischio dei singoli segmenti Distribuire il CaR totale tra le singole unità organizzative per verificare il contributo al rischio delle filiali. imprese Pmi (retail imprese. © Università Federico II Teoria del rischio 2010 .Obiettivi del controllo del rischio di credito (4) Monitorare il CaR tra subportafogli (retail. ossia di performance di t l it l bit i f corretta per il rischio. al fine di filiali misurare il patrimonio effettivamente drenato dalle diverse funzioni della banca e rendicontarne i risultati in termini di rendimento sul capitale assorbito. Adempiere agli obblighi imposti dall’Autorità di Vigilanza p g g p g che prevede uno stretto collegamento tra classe di rating e requisiti di capitale. Pmi.

© Università Federico II Teoria del rischio 2010 .

Scoring andamentale Centrale dei Rischi Comportamento con la banca Input In Bonis (BO) Classificazione mensile proposta Sotto osservazione (OS) A Rischio (AR) © Università Federico II Teoria del rischio 2010 .

I modelli di scoring © Università Federico II Teoria del rischio 2010 .

id ti i i i Il termine rating deve essere utilizzato per g p individuare processi di valutazione che p danno un peso rilevante ai fattori qualitativi ed al giudizio del valutatore. Lo scoring individua processi di valutazione oggettivi/quantitativi. © Università Federico II Teoria del rischio 2010 • .Rating e Scoring: definizioni ed aree critiche • • Spesso rating e scoring sono stati considerati sinonimi.

I sostanza. esso si tifi d i hi In t i basa su una classificazione di un prenditore di fondi. basata su un giudizio globale derivante da una serie di informazioni. in modo contiguo ed ordinale (di norma indicate da lettere e/o numeri) e a cui sono vengono associati tassi attesi di insolvenza o di perdite diversi.Il rating Con il termine rating s’intende generalmente la s intende valutazione del merito creditizio. . utili per quantificare il suo grado di rischio. o di una specifica operazione in una tra tante classi di rischio operazione. predefinite. ovvero della solvibilità di una controparte. qualitative o quantitative. omogenee e confrontabili.

numerico © Università Federico II Teoria del rischio 2010 . valutazione del merito creditizio sintetizzandolo in un unico valore numerico. multivariati che giungono alla multivariati.Modelli di scoring Si tratta di modelli di natura statistica.

© Università Federico II Teoria del rischio 2010 • .Cosa sono i modelli di scoring • Gli strumenti finalizzati alla analisi statistica dei dati dei clienti si definiscono MODELLI DI SCORING I modelli di previsione delle insolvenze basati su metodologie di carattere statistico rientrano nella fase quantitativa del processo di valutazione del merito creditizio.

salute Analisi andamentale • Dati di lavoro interni • C t l dei Centrale d i Rischi • ………….L’obiettivo dei modelli di scoring • L’obiettivo è quello di ottenere una p valutazione automatica delle controparti attraverso l’assegnazione di uno score che ne individua lo stato di salute. Score andamentale d t l PD © Università Federico II Teoria del rischio 2010 .

con predittività di un anno. le relazioni che manifesteranno il deterioramento del profilo di rischio T=-12 data di primo segnale di rischio derivante dallo score Tempo (mesi) © Università Federico II Teoria del rischio 2010 T=0 data di classificazione “non performing” - - . l’obiettivo è quello di t i t t tt t ti l l’ bi tti ll fornire uno strumento che consenta di: svolgere una costante azione di sorveglianza del portafoglio discriminare.L obiettivo L’obiettivo dei modelli di scoring Da D un punto di vista strettamente gestionale.

Gli elementi di valutazione vengono integrati secondo questo schema concettuale di riferimento Analisi Qualitativa Analisi Eco-finanziaria Analisi settoriale/ ambientale Score ambientale PROFILO AZIENDALE PROFILO COMPORTAMEN NTALE Score qualitativo Rating di Bilancio Rating di Impresa RATING INTERNO COMPLESSIVO Score andamentale Score andamentale di CR Score andamentale interno Analisi dati Centrale Rischi Analisi Rapporto B/I 26 © Università Federico II Teoria del rischio 2010 .

Profilo comportamentale • Per analisi andamentale si intende l’osservazione del comportamento che il l’ i d l t t h Cliente ha nei confronti della Banca e del Sistema. Si La valutazione si basa su due fonti di informazione: • • Dati desumibili dalla Centrale dei Rischi della BdI appo corso con a a ca Rapporti in co so co la Banca © Università Federico II Teoria del rischio 2010 • .

segnali di anomalie gravi nei rapporti (eventuali presenze di sofferenze) p .numero di soggetti affidanti © Università Federico II Teoria del rischio 2010 .tipologie di forme tecniche utilizzate dal cliente .I dati della Centrale dei Rischi • I dati della Centrale Rischi Banca d’Italia consentono di monitorare l’andamento dei i l’ d d i rapporti detenuti dal debitore presso il Sistema. in termini di: Si i i i di .livello di utilizzo rispetto ai fidi accordati .

presenza di segnali di tensione (sconfinamenti frequenti/perduranti e presenza di assegni sospesi) .I dati interni • L’analisi dei rapporti con la Banca permette di comprendere le necessità finanziarie e lo stato di salute della relazione mediante l’osservazione di: .livello della movimentazione.ritorno di insoluti. sintomatico della qualità della rispettiva clientela p © Università Federico II Teoria del rischio 2010 . sintomatica del grado di inserimento commerciale del cliente .

Analisi Qualitativa Analisi Eco-finanziaria Analisi settoriale/ ambientale Score ambientale Score Area di andamentale analisi del Score Score andamentale Rating Andamentaleandamentale di CR g interno Analisi dati Centrale Rischi Analisi Rapporto B/I PROFILO AZIENDALE PROFILO COMPORTAMEN NTALE Score qualitativo Rating di Bilancio Rating di Impresa RATING INTERNO COMPLESSIVO 26 © Università Federico II Teoria del rischio 2010 .

Total Credit Quality • Il modello TCQ è uno strumento di scoring andamentale che consente di g svolgere una costante azione di sorveglianza del portafoglio e di monitoraggio del rischio associato associato. © Università Federico II Teoria del rischio 2010 .

Osservazione. TCQ determina la valutazione conclusiva del singolo cliente: Bonis. articolato su 12 classi (dalla AAA alla li i l l i (d ll ll D+). Sulla base delle valutazioni ricevute da eventuali soggetti collegati e della presenza di note negative anagrafiche. © Università Federico II Teoria del rischio 2010 . A Rischio.• • TCQ analizza mensilmente le informazioni relative agli aspetti andamentali interni ed l i li i d li i i d esterni ed assegna uno score a ciascun cliente.

Aspetti andamental i interni Aspetti A tti andamentali esterni 1 AAA 2 AA 3 A 4 BBB 5 BB 6 B 7 CCC 8 CC 9 C 10 DDD 11 DD 12 D D+ Note anagrafiche negative BONIS OSSERVAZIONE Valutazione dei collegati A RISCHIO © Università Federico II Teoria del rischio 2010 .

. Carte di Credito (Revolving) Fi (R l i ) o Finanziamento con pagamento i rateale. ecc. di almeno un i i l b l rapporto di Conto Corrente. titoli. esclusi dal monitoraggio i clienti che hanno solo prodotti di deposito ovvero privi di rischio quali libretti di risparmio. presso la banca.. Vengono.• • Il Sistema Andamentale prende in considerazione tutti i soggetti (persona id i i i( fisica. © Università Federico II Teoria del rischio 2010 . giuridica o cointestazione) intestatari. quindi..

I soggetti monitorati sono ripartiti TIPO CLIENTE PRIVATI AZIENDE • Solo persone fisiche e cointestazioni © Università Federico II Teoria del rischio 2010 .

Dati anagrafici Comportamento con la banca Scoring andamentale In Bonis (BO) Classificazione mensile proposta Sotto osservazione (IO) Centrale dei Rischi Bilancio A Rischio (AR) © Università Federico II Teoria del rischio 2010 .

TCQ © Università Federico II Teoria del rischio 2010 .Sistema di Gestione del Rischio Il gestore delle posizioni interagisce con SGR accettando/modificando la classificazione proposta in automatico da TCQ.

CLASSIFICAZIONE PROPOSTA MENSILMENTE GESTORE Si CLASSIFICAZIONE AR SCORE IO BO No AR IO BO © Università Federico II Teoria del rischio 2010 .

© Università Federico II Teoria del rischio 2010 .• La valutazione oggettiva dell’algoritmo è integrata dalle informazioni qualitative i t t d ll i f i i lit ti conosciute dal gestore.

© Università Federico II Teoria del rischio 2010 . gestisce il trend delle classificazioni proposte e le attuali classificazioni. d ll unità di controllo i di dalle i à ll interno sino alla rete periferica.• Usando lo stesso sistema. l’intera filiera del d l credito. Inoltre il sistema controlla se le regole sono state applicate e se il tempo massimo di permanenza concesso in ogni classe di rischio è stato rispettato.

SGR consente di monitorare la qualità del portafoglio crediti di competenza mediante la visione della classificazione automatica attribuita alle singole g relazioni. © Università Federico II Teoria del rischio 2010 .

© Università Federico II Teoria del rischio 2010 . ) proposta (BO/OS/AR).Esempio di scheda cliente: valutazione finale attribuita sia in termini di classi di rating ( g (AAA. . ecc) che in termini di classificazione automatica . BBB.

• • • La valutazione del cliente deriva da due steps: Valutazione singoli rapporti Valutazione variabili “cliente” © Università Federico II Teoria del rischio 2010 .

1° step: Esempio di scheda cliente: valutazione attribuita ai singoli rapporti da cui dipende la valutazione finale attribuita al cliente. cliente © Università Federico II Teoria del rischio 2010 .

riepilogo rapporti. ecc).2° step: Esempio di scheda cliente: valutazione attribuita alle variabili di tipo cliente (CR. (CR rapporti ecc) © Università Federico II Teoria del rischio 2010 .

oltre alla classificazione da attribuire alla relazione. azioni o decisioni.La valutazione automatica di TCQ può essere modificata indicando. obiettivi. anche proprie . p p motivazioni. © Università Federico II Teoria del rischio 2010 .