2017 CETIF Milano, 07/06/2017 INFORMAZIONI CREDITIZIE PER LA VERIFICA DELLA SOSTENIBILITÀ

Transcript

1 INFORMAZIONI CREDITIZIE PER LA VERIFICA DELLA SOSTENIBILITÀ

2 Agenda Importanza delle banche dati esterne Stima del reddito puntuale Ricostruzione della housing unit dei soggetti censiti in CRIF Indicatore di tensione finanziaria (ITF) 2

3 La normativa e l importanza delle banche dati esterne Mortgage Credit Directive (Direttiva 2014/17/UE): individua chiaramente il ruolo delle banche dati esterne (info pubbliche e credit bureau privati) nella valutazione del merito creditizio «La consultazione delle banche dati assolve un ruolo essenziale nel fornire attraverso il credit reporting e il c.d. credit scoring una misura della probabilità di default connessa al debitore.» Banca d Italia (Circolare n. 263 del 27 dicembre 2006): La probabilità di default è una componente fondamentale alla base di una corretta valutazione del rischio di credito, da parte degli enti eroganti, nell arco dell intero ciclo del finanziamento Linee guida della European Banking Authority, Guidelines on creditworthiness assessment, e del Financial Stability Board, Principles for Sound Residential Mortgage Underwriting Practices : medesimo approccio per orientare il recepimento della MCD a livello nazionale 3

4 Possibili indicatori di sostenibilità dell operazione Stima reddito Housing unit Indicatore di tensione finanziaria SOSTENIBILITÀ DELL OPERAZIONE 4

5 Agenda Importanza delle banche dati esterne Stima del reddito puntuale Ricostruzione della housing unit dei soggetti censiti in CRIF Indicatore di tensione finanziaria (ITF) 5

6 Stima del reddito: perimetro e metodologia di analisi Fonti Informative Variabili calcolate relative a consumi creditizi del soggetto (Fonte CRIF) Variabili Anagrafiche del soggetto (Fonte CRIF) Dati aggregati pubblici (Fonte Istat) Campione di analisi: Campione rappresentativo di Persone fisiche interrogate con informazioni sul reddito dichiarato nel 2015 Variabile Target Classe di reddito mensile netto, definita in base al reddito mensile netto auto dichiarato dal soggetto Valore Dominio Distribuzione Campionaria ,19% ,94% ,04% ,12% >3000 4,71% 6

7 Stima del reddito Distribuzione per classi - Dichiarato vs Stimato Stima vs Dichiarato Delta = Dichiarato-Stimato DELTA %Anagrafiche -4 0,49% -3 2,26% -2 7,05% -1 20,88% 0 39,23% 1 22,16% 2 6,12% 3 1,45% 4 0,36% 7

8 VALORE STIMATO 2015 Stima del reddito Stabilità del modello, Stimato 2015 vs Stimato 2016 VALORE STIMATO Classe 0-1K 2. Classe 1K-1,5K 3. Classe 1,5K-2K 4. Classe 2K-3K 5. Classe >3K Totale 1. Classe 0-1K 79,88% 15,15% 2,04% 2,27% 0,66% 100,00% 2. Classe 1K-1,5K 6,27% 78,77% 12,18% 2,44% 0,34% 100,00% 3. Classe 1,5K-2K 1,04% 11,29% 76,95% 9,92% 0,81% 100,00% 4. Classe 2K-3K 2,35% 3,54% 13,89% 72,41% 7,81% 100,00% 5. Classe >3K 1,08% 0,85% 2,02% 16,64% 79,41% 100,00% Totale 23,90% 32,69% 21,78% 14,84% 6,79% 100,00% 8

9 Stima del reddito: benchmark territoriale Sulla base dei risultati ottenuti è stato simulata la ricostruzione di un indicatore di benchmark territoriale sulla capacità reddituale, con l obiettivo di classificare anche i soggetti per cui non sono a disposizione informazioni puntuali Fonti Informative Variabili demografiche della zona geografica di riferimento (Dati pubblici ISTAT) Indicatore sulla capacità reddituale (Dati CRIF) Aggregazione territoriale utilizzata: Celle censuarie ISTAT

10 Benchmark reddito territoriale CLASSI REDDITO >

11 Benchmark reddito territoriale CLASSI REDDITO >

12 Benchmark reddito territoriale CLASSI REDDITO >

13 Agenda Importanza delle banche dati esterne Stima del reddito puntuale Ricostruzione della housing unit per i soggetti censiti in CRIF Indicatore di tensione finanziaria (ITF) 13

14 Housing unit: proxy su dati CRIF Ricostruzione del numero di soggetti maggiorenni del nucleo abitativo Ai fini di questa analisi sono state considerate delle logiche di correlazione fra soggetti per individuare le situazioni di coabitazione, che a loro volta potrebbero essere dovute a presenza di un nucleo familiare, ma non solo. In funzione delle logiche utilizzate possono essere trovate un numero di correlazioni molto elevate (es. anche correlazioni per soggetto), è quindi fondamentale discriminare quelle che sono le logiche più significative per raggiungere un risultato ottimale. 14

15 Housing unit: proxy su dati CRIF Di seguito un esempio di alcune delle correlazioni verificate: 1. Condivisione di almeno un contratto creditizio e dell indirizzo di residenza attuale 2. Condivisione di un numero telefonico e dell indirizzo di residenza attuale 3. Condivisione di almeno un contratto creditizio e del cognome 4. Condivisione del cognome e dell indirizzo di residenza attuale n 15

16 Housing unit: proxy su dati CRIF Conclusioni sul campione di test: La Validazione della logiche di riconoscimento della Housing Unit tramite le regole individuate corrisponde nel 60% dei casi con quanto è stato dichiarato dai soggetti interrogati (utilizzando lo stesso campione di sviluppo della stima del reddito). La procedura implementata consente non solo di individuare i legami diretti tra i soggetti ma anche quelli indiretti, in modo da ricostruire in modo più efficace il nucleo abitativo! 16

17 Agenda Importanza delle banche dati esterne Stima del reddito puntuale Ricostruzione della housing unit dei soggetti censiti in CRIF Indicatore di tensione finanziaria (ITF) 17

18 INDICATORE DI TENSIONE FINANZIARIA 2.0 INDICATORE DI TENSIONE FINANZIARIA 2.0 è un indicatore che stima la probabilità di stress finanziario del segmento retail, nell arco dei 12 mesi successivi alla valutazione Le caratteristiche SOGGETTI VALUTATI CONSUMER & DITTE INDIVIDUALI FONTI INFORMATIVE VARIABILI ANALIZZATE 4 EURISC (con particolare riferimento ad impegni e particolari eventi come surroghe ed estinzioni anticipate) informazioni macro economiche Informazioni pubbliche big data 800 NUMERO MODELLI 8 18

19 INDICATORE DI TENSIONE FINANZIARIA 2.0 Campione di sviluppo ed evento target Campione di anagrafiche presenti in EURISC a Dicembre 2013, con i seguenti requisiti: Persone Fisiche e Ditte Individuali Esposto direttamente in Eurisc negli ultimi 36 mesi Almeno 6 mesi di storia creditizia A partire dal momento della valutazione (t0) è stata considerata una finestra di performance di 18 mesi su cui si sono osservati i seguenti fenomeni: Trigger di stress finanziario, ovvero l evento target del modello (breve periodo) Default nei pagamenti 19

20 INDICATORE DI TENSIONE FINANZIARIA 2.0 Ordinamento del rischio e performance statistica INDICATORE DI TENSIONE FINANZIARIA 2.0 ordina il portafoglio in base alla probabilità di «stress finanziario» della controparte Lo stress finanziario risulta un fenomeno anticipatore della rischiosità creditizia La prima classe dell indicatore è caratterizzata da: tasso di «stress» massimo (su orizzonte di successivi 12 mesi) rischiosità creditizia quasi 9 volte quella media di portafoglio (su orizzonte di successivi 18 mesi) 20

21 INDICATORE DI TENSIONE FINANZIARIA 2.0 Utilizzo in logica Early Warning Relazione tra evento di stress e passaggio a default Sull intera popolazione in bonis (non già stressata al momento della valutazione) i tempi medi per la registrazione dell evento di stress e del passaggio a default sono, rispettivamente, 3 e 8 mesi Sulla classe 1 dell Indicatore di Tensione Finanziaria questi tempi si abbassano a 1 e 5 mesi, sulle classi dalla 12 alla 14 salgono a 8 e 15 mesi 21

22 INDICATORE DI TENSIONE FINANZIARIA 2.0 Utilizzo in logica Early Warning Rolling a stato di stress e default In media circa il 14% della popolazione rolla a un stato di stress nell arco dei 12 mesi successivi al calcolo dell Indicatore di Tensione Finanziaria, Di questi oltre il 30% in media rolla a default LO STATO DI STRESS È ANTICIPATORE DELLO STATO DI DEFAULT 22

23 Utilizzo in logica early warning Relazione tra evento di Stress e di Default Rolling a stato di stress e default Rolling medio a default Rolling medio a stressed Escludendo la classe 1 dell Indicatore di tensione finanziaria (ITF) che include anche le anagrafiche già in situazione di stress, l analisi delle % di coloro che rollano nei mesi successivi prima a stato di stress e poi a default evidenzia come i due fenomeni siano contro correlati: nelle classi da 2 a 3 meno del 15% di chi passa a uno stato di stress passa poi a default. nelle classi dalla 8 alla 11 circa il 30% di chi passa a uno stato di stress passa poi a default. Il dato è solo apparentemente contro intuitivo, dato che è dimensionalmente ben diverso il 12% del 50% (classe 2) dal 30% del 3% (classe 9). 23

24 Grazie per l attenzione