La realizzazione di sistemi di rating basati su modelli statistici

Transcript

1 La realizzazione di sistemi di rating basati su modelli statistici Rischio di Credito: Rating interni e Cartolarizzazione ABI Roma 23 Novembre 2000

2 A cosa serve un sistema di rating? Clienti non a rischio Sistema di rating Clienti a rischio

3 A cosa serve un sistema di rating? Clienti non a rischio Sistema di rating E possibile avere sistemi di rating più o meno discriminanti Clienti a rischio

4 A cosa serve un sistema di rating? Sistema di rating Gestione strategica Gestione operativa

5 Utilizzo dello scoring per la determinazione di sistemi di rating Assegna statisticamente il peso delle variabili E semplice da monitorare Permette di valutare il valore delle fonti informative Permette la creazione di un modello fortemente discriminante

6 HOST SYSTEMS LEVEL EXTRACT S CHEQUE ACTIVE VALIDATION / TRANSFER PROCESSING VALIDATION / / TRANSFER PROCESSING NON CHEQUE ACTIVE CHEQUE ACTIVE CHEQUE MODULE S E M NON CREDIT MODULE NON CHEQUE MODULE S E M NON CHEQUE ACTIVE CHEQUE RESULTS SUMMARY S NON CHEQUE RESULTS DATASTORE COMBINED SUMMARY SORT/MERGE GROUP ID CUSTOMER NO. NO. SEQUENCE GROUP ID / CUSTOMER NO./ NO. SNAPSHOT DATASTORE FEEDBACK GROUP ID ACTIVE CUSTOMER MODULE CUSTOMER RESULTS DATASTORE S E M LINKAGE 1 GROUP 1-10 CUSTOMER PER GROUP S PER CUSTOMER CUSTOMER AGGREGATION MODULE GROUP ID / CUSTOMER NO./ NO. SNAPSHOT CUSTOMER EXTRACT

7 Il sistema di scoring PMI SCORING CLIENTE INFORMAZIONI INTERNE INFORMAZIONI ESTERNE Informazioni livello cliente Informazioni a livello conto Info CRisch i Info Bilanci o Info cameral i Credit Bureau Conto corrente Altri fidi BT Fidi M/LT Scoring calcolato mensilmente sull intero portafoglio affidato

8 Come analizzare la discriminazione: l indice Gini % Cum B/C 100% 20% 40% 5% = Cattivi = Buoni Score

9 Come analizzare la discriminazione: l indice Gini GINI 40% GINI 50% Griglia ideale % Cum B/C 100% % Cum B/C 100% % Cum B/C 40% 23% 20% 50% 100% 5% Score 2% Score Score = Cattivi = Buoni Ad un indice Gini più elevato corrisponde un sistema di scoring più discriminante

10 Il sistema di scoring PMI SCORING CLIENTE INFORMAZIONI INTERNE INFORMAZIONI ESTERNE Informazioni livello cliente Informazioni a livello conto Info CRisch i Info Bilanci o Info cameral i Credit Bureau Conto corrente Altri fidi BT Fidi M/LT Il Gini più elevato è quello ottenuto con la griglia del profilo cliente, sviluppata sulla base di tutte le informazioni interne ed esterne Questo viene utilizzato come Benchmark e fissato pari a 100 Gli indici delle griglie costruite utilizzando singoli set di informazioni vengono rapportati di volta in volta al benchmark

11 Confronto informazioni interne e informazioni esterne Utilizzando unicamente le informazioni relative al comportamento del cliente con la banca, si ottiene una capacita discriminante prossima a quella della griglia Benchmark. I modelli costruiti utilizzando soltanto le informazioni desumibili da fonti esterne, consentono di ottenere una capacita discriminante pari al 52% del Benchmark Benchmark Informazioni interne Informazioni esterne

12 Confronto tra differenti tipologie di informazioni esterne La capacità discriminante delle informazioni esterne varia in funzione della loro disponibilità e tipologia In considerazione del segmento analizzato, risulta essere importante anche il comportamento dei COLLEGATI alle aziende Small Business. Quest ultimo risulta stimabile attraverso score comportamentali ottenibili dal Credit Bureau Benchmark C. Rischi Bilanci Info camerali Credit bureau

13 Confronto tra differenti tipologie di informazioni a livello conto corrente Posto pari a 100 l indice Gini della griglia ottenuta dal modello che utilizza l insieme delle variabili disponibili a livello Conto Corrente, sono stati calcolati tre Gini relativi delle griglie ottenute considerando separatamente i set di variabili relativi allo sconfinamento, alla rotazione e all utilizzo L analisi rivela un potere disciminante equivalente per i diversi gruppi di variabili A livello conto CC Sconfinamenti Rotazioni Utilizzi

14 Alcune applicazioni pratiche Definizione del VAR Rientro sulle posizioni problematiche Pricing in funzione del rischio

15 HOST SYSTEMS LEVEL EXTRACT S CHEQUE ACTIVE VALIDATION / TRANSFER PROCESSING VALIDATION / / TRANSFER PROCESSING NON CHEQUE ACTIVE CHEQUE ACTIVE CHEQUE MODULE S E M NON CREDIT MODULE NON CHEQUE MODULE S E M NON CHEQUE ACTIVE CHEQUE RESULTS SUMMARY S NON CHEQUE RESULTS DATASTORE COMBINED SUMMARY SORT/MERGE GROUP ID CUSTOMER NO. NO. SEQUENCE GROUP ID / CUSTOMER NO./ NO. SNAPSHOT DATASTORE FEEDBACK GROUP ID ACTIVE CUSTOMER MODULE CUSTOMER RESULTS DATASTORE S E M LINKAGE 1 GROUP 1-10 CUSTOMER PER GROUP S PER CUSTOMER CUSTOMER AGGREGATION MODULE GROUP ID / CUSTOMER NO./ NO. SNAPSHOT CUSTOMER EXTRACT

16 Score distribution Score Tasso di default Alto Rischio G/B Index %Popolazione <= B 3% B 4% B 5% B 8% B 10% G 10% G 15% G 15% G 15% G 15% Totale 100G 100% Basso Rischio

17 Benchmark vs. esterne Distribuzione di score griglia Benchmark Distribuzione di score griglia informazioni esterne Fasce di score Good Bad Index % popolazione Fasce di score Good Bad Index % popolazione A 4200B 1 A 2400B 1 B 1900B 1 B 990B 1 C 1100B 1 C 400B 1 D 1000B 2 D 300B 2 E 400B 10 E 150B 10 F 150B 11 F 160G 11 G 380G 32 G 100G 32 H 3800G 43 H 260G 43

18 Definizione del VAR Il VAR e direttamente correlato alla variabilita della perdita attesa. Con algoritmi di scoring piu accurati si otterranno quindi valori di perdita inattesa più alti per le fasce di scoring più a rischio e valori piu bassi per le fasce migliori Benchmark Info esterne Fasce di score % pop. Probabilita insolvenza Perdita attesa (%) VAR (%) A B C D E F G H Fasce di score % pop. Probabilita insolvenza Perdita attesa (%) VAR (%) A B C D E F G H Ipotesi: orizzonte temporale 1 anno, livello di confidenza 1%, distribuzione binomiale degli eventi, mancanza di correlazione tra impieghi, tasso di severity 50%

19 Applicazioni operative In funzione della fascia di score, l Istituto puo intraprendere azioni differenziate Fasce di Good Bad % score Index popolazione A 4200B 1.00 B 1900B 1.00 C 1100B 1.00 D 1000B 2.00 E 400B F 150B G 380G H 3800G Totale 100B RIENTRARE clienti che rivelano anomalie tali da indurre la banca a chiudere la relazione SORVEGLIARE clienti che rivelano anomalie presumibilmente superabili IN BONIS clienti che non presentano anomalie comportamentali

20 Diversa efficacia delle azioni Un migliore sistema di rating permette una maggior precisione di intervento, con impatti economici sensibilmente superiori Benchmark Info esterne Fasce di score Good Bad Index Good Bad Index A 4200B 2400B B 1900B 990B Concentrando l azione sull 1% del portafoglio, si chiuderebbero i rapporti con il 13% dei clienti Cattivi (limitando l errore allo 0.3% dei clienti Buoni) C D E F 1100B 1000B 400B 150B 400B 300B 150B 160G Concentrando l azione sull 1% del portafoglio, si chiuderebbero i rapporti con il 7% dei clienti Cattivi (colpendo lo 0.4% dei clienti Buoni) G 380G 100G H 3800G 260G

21 Impatto economico Benchmark - = 3 Perdite evitate Mancato ricavo Impatto economico complessivo Info esterne = Ipotesi: 1 lira affidamento per cliente, portafoglio teorico con buoni e 1000 cattivi, stesso cut-off (1%), tasso interesse 10%, perdita in caso di default pari al 50% del fido

22 Pricing Tasso per il quale si ha indifferenza tra un investimento risk free (rendimento ipotizzato pari all EURIBOR) e un investimento con un tasso di sofferenza stimato. (1 + tasso risk free) = (1+i) * P(B) + (1- Tasso di severity) * P(C) Ipotesi: -Nel caso di sofferenza é stata stimata una perdita effettiva pari al complemento a uno del tasso di recupero su pratiche cattive (tasso di severity del 50%) -tasso risk free=4,5% -P(C) = tasso d insolvenza (P(B)=1-P (C) )

23 Applicazione del pricing Un migliore sistema di rating permette di avere tassi di interesse teorici più differenziati e quindi selezionare in maniera più accurata la clientela con cui lavorare Benchmark Info esterne Fasce di score Pricing % popolazione A B C D E F G H Fasce di score Pricing % popolazione A B C D E F G H Tassi usura

24 Alcune applicazioni pratiche Definizione del VAR Rientro sulle posizioni problematiche Pricing in funzione del rischio Analisi degli effetti su un portafoglio PMI di sistemi di rating più o meno discriminanti

25 La realizzazione di sistemi di rating basati su modelli statistici Rischio di Credito: Rating interni e Cartolarizzazione ABI Roma 23 Novembre 2000