ABI - ROMA 23 Aprile 2008 Stress Testing di I Pilastro Modello di Stress testing sulle probabilità di default Gerardo Rescigno Pasquale Nicastro Servizio Risk Management Gruppo Monte dei Paschi di Siena 1
Agenda Executive summary Cenni Normativi Le prove di stress in Basilea 2 Stress Test ex Pillar I Modello di Stress Contesto di riferimento Approccio metodologico adottato Benefici attesi e prossimi passi Compliance normativa Utilizzi gestionali 2
Executive summary Gli obiettivi della presentazione che segue sono: fornire una breve descrizione del contesto normativo relativo alle attività di stress test nell ambito della misurazione e gestione del Rischio di Credito; descrivere l approccio metodologico alla base del modello di stress test attualmente implementato per il Loan Portfolio del Gruppo MPS; rappresentare i possibili vantaggi ottenibili attraverso il modello sia in termini di compliance normativa sia da un punto di vista gestionale; evidenziare potenziali evoluzioni del modello proposto. 3
Cenni Normativi Le prove di stress in Basilea 2 Circolare Bankit 263/06 La principale novità per il calcolo del requisito patrimoniale a fronte del rischio di credito è rappresentata dall introduzione dei metodi IRB, in cui le ponderazioni di rischio sono funzione delle valutazioni che le banche effettuano internamente sui debitori; la disciplina detta i requisiti organizzativi e quantitativi che gli intermediari devono rispettare per il riconoscimento dei metodi a fini prudenziali; i principali requisiti quantitativi attengono alla struttura dei sistemi di rating, alla determinazione dei parametri di rischio, all utilizzo di modelli di fornitori esterni, alle prove di stress; al fine di valutare l adeguatezza prospettica delle risorse patrimoniali rispetto ai rischi assunti, le banche nell ambito dell attività di misurazione e gestione del rischio di credito, devono condurre prove di stress (stress test) relative ai portafogli ricompresi nel perimetro di convalida (Titolo II Cap. 1). Requisiti normativi le prove di stress sono un requisito per l autorizzazione dei sistemi di rating interni; i risultati delle prove di stress contribuiscono alla valutazione da parte della Banca d Italia della coerenza delle risorse patrimoniali con i rischi che potrebbero emergere anche in condizioni di mercato non normali; i risultati costituiscono oggetto del processo di controllo prudenziale (ICAAP). 4
Cenni Normativi Stress Test ex Pillar I Tipologie di Stress Test Analisi di sensitività: valutazione adeguatezza del capitale regolamentare a variazione di un unico fattore di rischio Analisi di scenario: valutazione impatto su dotazioni patrimoniali di uno shock avverso che conduca alla variazione contemporanea di un insieme di fattori di rischio Stress Test Sensitivity: Si simula una variazione dei singoli Risk Factor Historical sensitivity Simple sensitivity Requisiti normativi Scenario: Si ipotizza un contesto generale di stress micro/macro economico Historical scenario Hipotetical scenario Le banche che adottano l IRB devono effettuare prove di stress che includono sia analisi di sensitività sia analisi di scenario (scenari storici e ipotetici); Le prove di stress devono essere plausibili, coerenti con modelli quantitativi adottati, attinenti alle specificità del portafoglio e delle fonti di rischio assunte. 5
Caratteristiche Il gruppo MPS ha richiesto l autorizzazione all utilizzo dei metodi avanzati per il calcolo del requisito patrimoniale a fronte del rischio di credito. Nell ambito del processo di validazione, così come richiesto dalla normativa, la Banca ha definito un programma di prove di stress mediante la realizzazione di un modello interno di stress test con le seguenti caratteristiche: Tipologie di scenari di stress: storici e discrezionali Tipo di approccio: macroeconomico (si assume che il dato da sottoporre ad analisi di stress test sia dipendente dalle variazioni di un insieme di indicatori di tipo macroeconomico, come ad esempio indici di mercato o di produttività) Variabile oggetto di stress test: time series delle probabilità di default Periodo e frequenza di riferimento della serie storica delle PD: 2001/2007 - mensile Variabili di regressione: contesto di riferimento: mercato italiano variabili reali: GDP, indice di fiducia negli investimenti, inflazione, debito pubblico, etc. variabili monetarie: cambio euro\usd, euro\gbp, etc. variabili bancarie: interest rate, ammontare mutui e prestiti erogati, etc. 6
La variabile regredita Le probabilità di default (rinvenenti dall applicazione dei modelli behavioural no prime erogazioni) utilizzate hai fini delle analisi che seguono hanno frequenza mensile e fanno riferimento ad un periodo temporale Gennaio 2001 Giugno 2007. Le PD sono segmentate nelle seguenti categorie: Retail Rateale Non Rateale SME Pluriennali Corporate Large corporate 5.0% 4.5% 4.0% 3.5% 3.0% 2.5% 2.0% 1.5% 1.0% 0.5% 0.0% Serie Storica PD gen-02 lug-02 gen-03 lug-03 gen-04 lug-04 gen-05 lug-05 gen-06 lug-06 gen-07 PD_SME PD_RETAIL PD_RATEALI PD_PLU PD_NON_RATEALI PD_CORPORATE PD_LARGE CORP 7
Le Aree alcuni esempi GDP Produzione Industriale Disoccupazione Salari Leading Indicator M1, M2, M3 Inflazione Ammontari prestiti erogati a sistema ad imprese e famiglie Real Estate Tassi di interesse (a breve e a lunga) Tassi di cambio Tasso dei prestiti a corporate e retail Indici Azionari Quotazioni Commodities Esportazioni ed Importazioni 8
Le Aree alcuni indicatori TASSO INTERESSE A 3 MESI TASSO INTERESSE A 6 MESI TASSO INTERESSE 1 ANNO TASSO INTERESSE 2 ANNI TASSO INTERESSE 3 ANNI TASSO INTERESSE 4 ANNI TASSO INTERESSE 5 ANNI TASSO INTERESSE 6 ANNI TASSO INTERESSE 7 ANNI TASSO INTERESSE 8 ANNI TASSO INTERESSE 9 ANNI TASSO INTERESSE 10 ANNI TASSO INTERESSE A 15 ANNI TASSO INTERESSE A 20 NNI TASSO INTERESSE A 25 ANNI TASSO INTERESSE A 30 ANNI TASSO CREDITO AL CONSUMO CON MATURITY INFERIORE AD UN ANNO TASSO CREDITO AL CONSUMO CON MATURITY TRA 1 E 5 ANNI TASSO CREDITO AL CONSUMO CON MATURITY SUPERIORE 5 ANNI TASSO SU SCOPERTI DI CONTO EROGATI A PRIVATI TASSO SU MUTUI CON MATURITY INFERIORE ALL ANNO TASSO SU MUTUI CON MATURITY TRA Q E 5 ANNI TASSO SU MUTUI CON MATURITY SUPERIORE A 5 ANNI TASSI SU SCOPERTI DI CONTO EROGATI A CLIENTELA CORPORATE TASSO SU PRESTITI EROGATI A CLIENTELA CORPORATE AMMONTARE EROGATO A TITOLO DI MUTUO DURATA INFERIORE AD UN ANNO AMMONTARE EROGATO A TITOLO DI MUTUO CON DURATA TRA 1 E 5 ANNI AMMONTARE EROGATO A TITOLO DI MUTUO CON DURATA SUPERIORE A 5 ANNI AMMONTARE CREDITO AL CONSUMO CON MATURITY INFERIORE AD UN ANNO AMMONTARE CREDITO AL CONSUMO CON MATURITY TRA 1 E 5 ANNI AMMONTARE CREDITO AL CONSUMO CON MATURITY SUPERIORE 5 ANNI AMMONTARE PRESTITI COMMERCIALI A BREVE AMMONTARE PRESTITI A BREVE TERMINE AMMONTARE DEI PRESTITI A MEDIO E LUNGO TERMINE AMMONTARE DEI PRESTITI EROGATI A SOGGETTI CORPORATE DURATA < 1 ANNO AMMONTARE DI PRESTITI EROGATI A SOGGETTI CORPORATE DURATA TRA 1 E 5 ANNI AMMONTARE PRESTITI A CORPORATE DURATA MAGGIORE 5 ANNI AMMONTARE CREDITO IN CONTO CORRENTE INDICE PRODUZIONE BENI DI CONSUMO INDICE PRODUZIONE BENI DUREVOLI INDICE PRODUZIONE BENI NON DUREVOLI INDICE PRODUZIONE MANIFATTURIERO INDICE PRODUZIONE TOTALE INDICE PRODUZIONE ENERGIA INDICE PRODUZIONE BENI INVESTIMENTO TASSO CAMBIO EURO/YEN TASSO CAMBIO EURO/DOLLARO TASSO CAMBIO EURO/STERLINA INDICE PREZZI AL CONSUMO PANIERE TOTALI INDICE PREZZI AL CONSUMO SOLE MERCI INDICE PREZZI AL CONSUMO SOLE MERCI INDUSTRIALI INDICE PREZZI AL CONSUMO MERCI NO ENERGIA INDICE PREZZI AL CONSUMO ENERGIA AMMONTARE BANCONOTE IN CIRCOLAZIONE AMMONTARE BASE MONETARIA IN CIRCOLAZIONE PREZZO PETROLIO CONSUMER PRICE INDEX TASSO INFLAZIONE TASSO DISOCCUPAZIONE PRODUZIONE INDUSTRIALE TOTALE PRODUZIONE MANIFATTURIERA TOTALE MIB30 MIBTEL COMIT 30 COMIT BANKNOTES BASEMONEY 9
Approccio metodologico adottato Step di costruzione del modello STEP 1 Trattamento statistico dei dati Definizione dei cluster di indicatori macroeconomici; Definizione dei segni attesi di correlazione; Analisi di stazionarietà delle serie. STEP 2 Analisi di Sensitivity Analisi delle regressioni univariate; Definizione drivers metodologici per l analisi multivariata. STEP 3 Analisi Multivariata Implementazione metodologie di analisi multivariata; Analisi delle regressioni multivariate. STEP 4 Analisi di stress Definizione della metodologia di creazione degli scenari discrezionali; Analisi degli scenari storici e discrezionali. 10
Focus Step 1: trattamento statistico dei dati Definizione dei cluster di indicatori macroeconomici Gli indicatori considerati sono stati suddivisi in 21 Aree tematiche, le quali permettono una descrizione univoca ed esaustiva dell universo macroeconomico considerato. Analisi di correlazione fra gli indicatori All interno di ciascuna area sono state effettuate delle analisi volte alla eliminazione degli indicatori individuati sulla base della correlazione fra essi presente. Nella selezione si è scelto qualitativamente di mantenere l indicatore potenzialmente più rappresentativo dell Area. Analisi di stazionarietà sugli indicatori e sulle probabilità di default. Per testare la non stazionarietà della serie, il test utilizzato è quello di Dickey-Fuller aumentato (ADF). A seguito delle risultanze ottenute si è proceduto all applicazione del filtro per differenze prime, riducendo sia gli indicatori che le Pd alle variazioni assolute. Analisi della correlazione e del miglior lag temporale Verificata la stazionarietà delle serie storiche alle differenze prime si è individuato, per ogni indice, quale fosse il miglior lag possibile su cui regredire la serie storica delle differenze prime delle Pd. 11
Focus Step 2: analisi di sensitivity L analisi di sensitivity mira a valutare l impatto sulle misure di rischio di variazioni di un singolo fattore macroeconomico. Tale processo si articola in due fasi 1. su tutti gli indicatori economici selezionati, è stata stimata la miglior regressione lineare del primo ordine [ X ( t) X ( t 1) ] ε ( ) Pd( t) Pd( t 1) = β + β 1 + 0 i i t Modello polinomiale del primo ordine 2. sono state utilizzate forme funzionali di ordine superiore (quadratiche e cubiche) verificando il possibile incremento in termini di bontà di fitting. 2 [ X ( t) X ( t 1) ] + β2[ X ( t) X ( t 1) ] ε( ) Pd( t) Pdt ( 1) = β + β1 + 0 i i i i t 2 3 [ X ( t) X ( t 1) ] + β2[ X ( t) X ( t 1) ] + β3[ X ( t) X ( t 1) ] ε( ) Pd( t) Pdt ( 1) = β + β1 + 0 i i i i i i t Modello polinomiale del secondo ordine Modello polinomiale del terzo ordine Le analisi hanno evidenziato come l utilizzo di una regressione univariata non sia mai significativo in termini di bontà del fitting dato che, ad esempio, il massimo valore di R 2 adjusted ottenuto non supera mai il 20%. Vista la non significatività degli indicatori come singoli regressori, si è deciso di proseguire nelle analisi di sensitivity con regressioni multivariate polinomiali sull intero dataset individuato. 12
Focus Step 3: analisi multivariata (1 di 2) Dal data set individuato sono stati estratti 22 indicatori sintetici (PCA) su cui è stata effettuata l analisi di regressione multivariata polinomiale al secondo ordine. Regressione Multivariata - Corporate Regressione Multivariata - Retail 0.300 0.200 0.100 0.000-0.100-0.200-0.300-0.400-0.500-0.600 0.400 0.200 0.000-0.200-0.400-0.600-0.800-1.000 ott-01 apr-02 ott-02 apr-03 ott-03 apr-04 ott-04 apr-05 ott-05 apr-06 ott-06 apr-07 ott-07 nov-01 mag-02 nov-02 mag-03 nov-03 mag-04 nov-04 mag-05 nov-05 mag-06 nov-06 mag-07 nov-07 Diff prime pd storica diff. prime pd stimate diff. prime pd storica diff. prime pd stimate Dato che i residui di regressione si configurano come white noise (si distribuiscono secondo una normale), la probabilità che i loro valori siano compresi nell intervallo di confidenza uguale a due deviazioni standard è pari al 95,4%. L utilizzo dei residui come add-on di regressione permette di ottenere una stima dell andamento della Probabilità di default cautelativa e conservativa. 13
Focus Step 3: analisi multivariata (2 di 2) 0.300 0.200 Multivariata Multivariata Corporate con Corporate add-on degli errori di regressione 0.100 0.000-0.100-0.200-0.300-0.400-0.500-0.600 14 ott-01 feb-02 giu-02 ott-02 feb-03 giu-03 ott-03 feb-04 giu-04 ott-04 feb-05 giu-05 ott-05 feb-06 giu-06 ott-06 feb-07 giu-07 ott-07 pd_corporate 2 dev Multivariata Retail con add-on degli errori di regressione Multivariata Retail 0.350 0.150-0.050-0.250-0.450-0.650-0.850 nov-07 nov-01 mar-02 lug-02 nov-02 mar-03 lug-03 nov-03 mar-04 lug-04 nov-04 mar-05 lug-05 nov-05 mar-06 lug-06 nov-06 mar-07 lug-07 pd_retail 2 dev
Focus Step 4: quali drivers per gli scenari? Scenario tests Sensitivity tests Ottenere buone stime di verosimiglianza per ciascun scenario Garantire la copertura di tutti I tipi di rischio Garantire la copertura dei principali portafogli/espo sizioni attraverso variabili specifiche utilizzate in ogni scenario di stress Scenari storici Scelta di differenti scenari che sono molto rilevanti per differenti parti del portafoglio Copertura almeno dei principali rischi in portafoglio 9/11 Terrorist attacks Asian crisis 1997 Black Monday Oct. 1987 Approccio ibrido Scenari ipotetici Più adatto per il portafoglio attuale e per le condizioni di mercato che non per gli scenari storici Labour intensive Richiede maggiori ipotesi di base di solito fornite da esperti di Management Business level Modelli macroeconomici Gli scenari ipotetici sono basati su scenari 25 storici: 20 Scenari storici aggiustati 15 Le volatilità dei prezzi vengono settate 10 usando serie storiche; 5 Gli effetti di liquidità sono determinati 0 sulla base di scenari storici Definito per mezzo di shift delle variabili sottostanti Relativamente facile da definire e implementare spesso usato nei desk di trading ed a livello di business line Gli shifts di alcune variabili devono essere usati per simulare gli eventi storici Il corretto uso di correlazioni stressate tra tipi di rischio diviene cruciale Difficile da parametrizzare Exposure 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Rating class 15
Focus Step 4: analisi di scenario (1 di 2) La generazione degli shock discrezionali è stata effettuata mediante la creazione di un algoritmo in grado di produrre un vettore di osservazioni derivante da una particolare situazione di stress imputata esternamente su un determinato indicatore Risultanze cluster Retail Risultanze cluster Corporate Dalle risultanze ottenute si osserva come l add-on di due deviazioni dalla media permetta una stima di natura cautelativa e conservativa 16
Focus Step 4: analisi di scenario (2 di 2) La rappresentazione degli shock storicamente registrati è stata effettuata mediante l imputazione all interno del modello econometrico di tre situazioni di crisi estrema per il mercato finanziario mondiale: Iraq War; Bolla Speculativa della New Economy (Caso DotCom); Twin Towers. Scenario Iraq War Bolla Speculativa New Economy (caso DotCom) Periodo di riferimento 20/03/2003-24/04/2003 10/03/2000-07/04/2000 Variazione Indici azionari Pd al 31/12/2007 Risultanze cluster Retail Pd attesa (da modello) Variazione bp Variazione % Pd attesa (da modello) +2 Dev.St Variazione bp +2 Dev.st Variazione % +2 Dev.st -16.60% 2.19 25.30 12.88% 2.26 32.17 16.5% -8.02% 2.06 12.1 6.21% 2.13 18.8 9.66% 1.94 11 Settembre 2001 Scenario Iraq War Bolla Speculativa New Economy (caso DotCom) 11 Settembre 2001 10/09/2001-10/10/2001 Periodo di riferimento 20/03/2003-24/04/2003 10/03/2000-07/04/2000 10/09/2001-10/10/2001-3.00% 2.01 6.95 3.58% 2.08 13.65 7.03% Variazione Indici azionari Pd al 31/12/2007 Risultanze cluster Corporate Pd attesa (da modello) Variazione bp Variazione % Pd attesa (da modello) +2 Dev.St Variazione bp +2 Dev.st Variazione % +2 Dev.st -16.60% 3.16 7.40 2.39% 3.21 12.7 4.1% -8.02% 3.13 4.90 1.59% 3.19 10.3 3.35% 3.08-3.00% 3.11 3.02 1.05% 3.17 8.6 2.81% 17
Benefici attesi Compliance normativa Il modello di Stress Test adottato, pur avendo come mission principale il conseguimento di risultati in termini di compliance normativa relativamente a quanto disposto nel Pillar I (focus sul Regulatory Capital), costituisce anche la base per l attuazione delle disposizioni normative previste all interno del Pillar II in termini di valutazione dell effettiva adeguatezza patrimoniale (focus sull Economic Capital). Pillar I Attinenza ai requisiti quantitativi per la validazione del modello di Internal Rating Pillar II Definizione e costruzione di un modello si stress test propedeutico a effettuare: prove di stress per una migliore valutazione dell esposizione ai rischi, dei relativi sistemi di attenuazione e controllo e dell adeguatezza del capitale interno; analisi di tipo what if per valutare l esposizione al rischio in circostanze avverse e il capitale interno necessario a coprire il medesimo o altri interventi per ridurre o attenuare il rischio; effettuare una verifica del risultato e dell accuratezza dei modelli di valutazione del rischio (in particolare per identificare effetti di non linearità nell aggregazione dei rischi). 18
Conclusioni Potenziali utilizzi gestionali. Supporto ad un efficiente limit setting per sub-portfolios al fine di evitare perdite estreme; Portfolio Risk Management Analisi risk/returns a fronte di condizioni estreme ma plausibili del mercato al fine di valutare l effettivo Risk Appetite della Banca e supportarne una corretta determinazione; Supporto all utilizzo di strumenti di mitigazione del rischio creditizio (Credit Derivatives). Economic Capital Management Stima della volatilità del capitale economico a fronte di potenziali perdite inattese (confronto tra patrimonio e capitale economico per la definizione dell eventuale buffer di capitale); Maggiore capacità di integrazione dei rischi e conseguente quantificazione del beneficio legato alla diversificazione; Supporto alla gestione attiva della default correlation e della correlazione tra rischi. Budgeting e Pianificazione Capacità predittiva nel breve periodo di variazioni delle probabilità di default a fronte di variazioni dei livelli attuali degli variabili esplicative; Supporto nella fase di pianificazione di medio-lungo periodo mediante l analisi dell impatto sul capitale dei cicli economici insiti nel comportamento degli indicatori. 19
Grazie gerardo.rescigno@banca.mps.it pasquale.nicastro@banca.mps.it 20