I sistemi di rating Slides tratte da: Andrea Resti Andrea Sironi Rischio e valore nelle banche Misura, regolamentazione, gestione Egea, 2008 Rischio e valore nelle banche I sistemi di rating AGENDA • I sistemi di rating • Il processo di assegnazione del rating • Rating quantification • Rating validation •Esercizi © Resti e Sironi, 2008 2 Rischio e valore nelle banche I sistemi di rating I sistemi di rating • Un rating è una valutazione sintetica del merito di credito Un rating di emissione, o di facility, analizza la PD del debitore ed i possibili margini di recupero in caso di default (RR e LGD) Un rating di emittente (o di PD) si concentra sulla capacità di un debitore di onorare tempestivamente e integralmente le proprie obbligazioni • L’attribuzione del rating a una media impresa è spesso basata su analisi qualitative e sull’output di un modello quantitativo © Resti e Sironi, 2008 3 Rischio e valore nelle banche I sistemi di rating Rating esterni ed interni – Quali differenze? • I criteri di attribuzione di un rating sono diversi a seconda che si considerino i rating “esterni” (agenzie di rating) o quelli “interni” (elaborati internamente dalla banca) • Tre motivi: 1. Le controparti oggetto di valutazione Le agenzie valutano soggetti di dimensioni elevate, grandi corporation, stati sovrani etc., le analisi possono essere complesse e non standardizzate Nel caso dei rating interni le controparti sono molto più numerose e varie, dalle grandi imprese alle imprese artigiane e ai clienti retail. Le analisi devono essere più standardizzate e meno costose © Resti e Sironi, 2008 4 Rischio e valore nelle banche I sistemi di rating Rating esterni ed interni – Quali differenze? 2. Informazioni disponibili Per molte controparti bancarie non sono reperibili informazioni (quotazioni azionarie, spread, etc) utilizzate invece dalle agenzie di rating La banca può valutare l’andamento dei rapporti di conto con il debitore, cioè la movimentazione del finanziamento. L’utilizzo al massimo il credito assegnato o uno sconfinamento può rappresentare un segnale del deterioramento del merito di credito 3. Sistema di incentivi Le agenzie devono offrire un’opinione indipendente agli investitori fondata su criteri oggettivi: a tutela della reputazione, bisogna evitare che i deterioramenti della qualità creditizia anticipino i rating Nel caso dei rating interni la banca è autore e destinatario delle proprie valutazioni: è interessata a tutelare i propri prestiti, non interessa la stabilità dei rating ma la reattività © Resti e Sironi, 2008 5 Rischio e valore nelle banche I sistemi di rating Rating esterni ed interni – Quali differenze? • Le agenzie di rating seguono un processo definito through the cycle La capacità di rimborso di un’impresa è valutata nell’eventualità di una recessione, anche se la congiuntura attuale è favorevole • Le banche si basano su una metodologia point in time Si valuta il merito di credito della controparte sulla base delle condizioni correnti e previste per l’immediato futuro • Come detto, si deve distinguere tra issuer rating e issue o facility rating Rating di PD, relativo ad un emittente © Resti e Sironi, 2008 Rating di una specifica esposizione 6 Rischio e valore nelle banche I sistemi di rating Rating esterni ed interni – Quali differenze? • Nel passaggio da issuer rating a issue rating ci può essere una riduzione del giudizio (notching down), in base al grado di subordinazione dell’esposizione: Emissioni senior secured (garantite e non subordinate), Issue rating = issuer rating Obbligazioni subordinate (minor tasso di recupero in caso di insolvenza) Issue rating scende di un notch se l’emittente è investment grade o di due se l’emittente è speculative grade Presenza di garanzie o covenants Issue rating in linea o superiore all’issuer rating • Solo negli ultimi anni le agenzie di rating hanno iniziato a produrre dei rating specifici anche per i recovery rate © Resti e Sironi, 2008 7 Rischio e valore nelle banche I sistemi di rating I rating delle agenzie • Le principali agenzie di rating sono Moody’s (presente in 17 paesi con 800 analisti), Standard and Poor’s (copre 158000 bonds di 22000 emittenti) e Fitchratings, specializzata nella valutazione di aziende bancarie e di emissioni strutturate • La diffusione dei rating nelle economie avanzate è ancora disomogenea (Estrella 2000) Su 100 imprese industriali con fatturato > 500 milioni di dollari, ricevono un rating: 50 imprese negli USA 12-13 in Olanda e nel Regno Unito 5 in Francia 1-2 in Paesi come la Germania e l’Italia • Inizialmente le agenzie si finanziavano attraverso la vendita di pubblicazioni e materiali di analisi • Con la diffusione delle fotocopiatrici, le agenzie hanno iniziato a richiedere una commissione alle società valutate © Resti e Sironi, 2008 8 Rischio e valore nelle banche I sistemi di rating I rating delle agenzie • Le agenzie traggono parte dei propri ricavi anche dalle attività di formazione fornite a banche e intermediari per lo sviluppo di processi interni di rating • I rating sono accompagnati da un’indicazione sulle prospettive future (outlook): positive, negative o stabili L’outlook non costituisce comunque una garanzia o un preannuncio che il rating sarà cambiato • La “messa sotto osservazione” (creditwatch) indica che sono intervenute novità riguardanti l’emittente che devono ancora essere valutate dall’agenzia • Il processo di rating dura da alcune settimane ad alcuni mesi Acquisizione di tutte le informazioni rilevanti © Resti e Sironi, 2008 Giudizio sintetico attraverso una procedura uniforme nel tempo e tra emittenti 9 Rischio e valore nelle banche I sistemi di rating I rating delle agenzie • Viene valutato il contesto economico e di mercato dell'emittente (rischio di business): Posizione competitiva all’interno del settore Prospettive del settore Future strategie gestionali e di sviluppo Rischi per la tenuta del fatturato e dei margini di profitto • L’analisi del rischio finanziario utilizza i dati di bilancio: 1. Budget futuri 2. Proprie simulazioni sui flussi di cassa attesi 3. Adeguatezza dei flussi di cassa per il rimborso del debito Si calcolano dei ratios che vengono confrontati con i valori “tipici” delle imprese a cui l’agenzia ha già concesso un determinato rating © Resti e Sironi, 2008 10 Rischio e valore nelle banche I sistemi di rating I rating delle agenzie • Valori mediani di alcuni financial ratios per diverse classi di rating: AAA 21,4 AA 10,1 A 6,1 BBB 3,7 BB 2,1 B 0,8 CCC 0,1 Margine operativo lordo (MOL) su oneri finanziari MOL ante ammortamenti e svalutazioni 26,5 12,9 9,1 5,3 3,4 1,8 1,3 su oneri finanziari Cash flow operativo libero su debito totale (%) 84,2 25,2 15,0 8,5 2,6 -3,2 -12,9 Fondi dalla gestione operativa su debito totale(%) 128,8 55,4 43,2 30,8 18,8 7,8 1,6 Rendimento dei capitali investiti(%) 34,9 21,7 19,4 13,6 11,6 6,6 1,0 Utile operativo su fatturato (%) 27,0 22,1 18,6 15,4 15,9 11,9 11,9 Debito a lungo termine su capitali investiti (%) 13,3 28,2 33,9 42,5 57,2 69,7 68,8 Debito totale/capitali investiti (%) 22,9 37,7 42,5 48,2 62,6 74,8 87,7 Numero di società 8 29 136 218 273 281 22 Fonte: Standard and Poor’s, citato in (de Servigny e Renault 2004, 27) • Il confronto con i valori mediani non avviene in modo automatico: è comunque un utile termine di paragone Business risk e financial risk vanno valutati insieme © Resti e Sironi, 2008 Es., in caso di alto indebitamento : Rating migliore se il settore della società non è influenzato dal ciclo economico (flussi di cassa stabili) 11 Rischio e valore nelle banche I sistemi di rating I rating delle agenzie Valori minimi (in %) del "cash flow coverage ratio" (cash flow libero / debito) per differenti classi di rating Rating di business risk Eccellente (AAA/AA) Sopra la media (A) Medio (BBB) Sotto la media (BB) Molto sotto la media (B) AAA 30 20 - Rating di business risk Eccellente (AAA/AA) Sopra la media (A) Medio (BBB) Sotto la media (BB) Molto sotto la media (B) AAA 80 150 - Rating finale AA A BBB 60 40 25 80 50 30 105 60 35 85 40 65 BB 10 15 20 25 45 Fonte: (Standard and Poor's 2003) AA 40 25 15 - Rating finale A BBB 50 60 40 50 30 40 25 35 25 BB 70 60 55 45 35 Valori minimi (in %) del leverage (debito / capitali investiti) per differenti classi di rating Fonte: (Standard and Poor's 2003) Cash flow più modesti e leverage più elevati sono compatibili con un certo rating solo se l’impresa ha un business risk ridotto © Resti e Sironi, 2008 12 Rischio e valore nelle banche I sistemi di rating I rating delle agenzie • I dati “quantitativi” tratti dal bilancio sono solo un ingrediente di un processo più complesso Approccio delle società di rating: Analisi di settore: situazione corrente e prospettive future Analisi della posizione competitiva Analisi della situazione economico-finanziaria Proiezioni economico-finanziarie Analisi fischio finanziario e rischio di business Analisi della debt capacity Capacità di indebitamento dell’impresa in scenari worst case Analisi di sensitività ai fattori critici di rischio © Resti e Sironi, 2008 13 Rischio e valore nelle banche I sistemi di rating I rating delle agenzie • I risultati delle analisi condotte dalla società di rating vengono sintetizzati in un rapporto che propone un giudizio, esaminato dal comitato di rating • La società analizzata può richiedere una revisione del rating basata su nuove informazioni che rende disponibili • Il rating può essere divulgato presso i principali canali di informazione finanziaria, se la società lo autorizza • Le agenzie di rating non assegnano esplicitamente una PD, ma classificano gli emittenti in classi (le PD possono essere ricavate implicitamente, attraverso la % di insolvenze verificatasi nel passato nelle diverse classi) • Le definizioni delle varie classi adottate dalle agenzie di rating sono nonquantitative Il rating è una variabile qualitativa discreta di tipo ordinale © Resti e Sironi, 2008 14 Rischio e valore nelle banche I sistemi di rating I rating delle agenzie classi di rating e relativo significato Moody’s S&P e Fitchratings Aaa AAA Aa1 Aa2 Aa3 A1 A2 AA+ AA AAA+ A A3 A- Baa1 Baa2 Baa3 Ba1 Ba2 BBB+ BBB BBBBB+ BB Ba3 BB- B1 B2 B+ B B3 B- Caa CCC Ca CC Nomenclatura corrente High investment grade Investment grade Lower investment grade Non investment grade Descrizione Buona qualità dell’attivo, ampia diversificazione e dimensione consolidata, eccellente posizionamento di mercato, abilità manageriale distintiva, elevatissime capacità di copertura del debito Buona qualità e liquidità dell’attivo, buon inserimento di mercato e diversificazione di sbocchi, buona qualità del management, solida capacità di copertura del debito Qualità e liquidità dell’attivo soddisfacenti, inserimento di mercato e qualità del management nella media, standard creditizi normali, capacità di copertura del debito nella media Qualità e liquidità dell’attivo accettabili seppure con un grado di rischio apprezzabile, più debole capacità di copertura del debito Below investment grade Qualità e liquidità dell’attivo accettabili seppure con un grado di rischio significativo, scarsa diversificazione delle attività, contenuta liquidità e limitati margini di ccopertura del debito Speculative grade Credito sotto osservazione, qualità dell’attivo accettabile seppure con difficoltà temporanee di liquidità, alta leva finanziaria, qualche debolezza manageriale, di posizionamento e di inserimento di mercato High risk Come sopra ma con difficoltà evidenti e gestione del debito a volte tesa e affannosa. Incertezze sulle possibilità di ripagamento degli interessi, non ancora del capitale. Fonte: (Maino e Masera 2003) © Resti e Sironi, 2008 15 Rischio e valore nelle banche I sistemi di rating I rating interni delle banche • Anche i rating interni rappresentano un giudizio sintetico sulla capacità di un’impresa di adempiere puntualmente alle proprie obbligazioni Si valutano anche qui financial risk e business risk • Ogni banca ha le proprie procedure ma esistono alcuni punti fermi: • numero di classi di rating • selezione delle informazioni rilevanti • scelta di una definizione di insolvenza • passaggio dal rating di PD alla valutazione delle diverse esposizioni creditizie • tempi e logiche di revisione del rating © Resti e Sironi, 2008 16 Rischio e valore nelle banche I sistemi di rating I rating interni delle banche • Numero di classi di rating: Forte variabilità tra banche media = 10 minimo = 2 massimo = più di 20 media = 3 Numero di classi per soggetti “problematici” minimo = 0 massimo = 6 La granularità (numero delle classi) cresce con l’età del sistema di rating ed è più elevata per le banche più esperte Un sistema di rating granulare é preferibile aiuta ad evitare la concentrazione dei debitori in una o poche classi © Resti e Sironi, 2008 consente un pricing dei prestiti più accurato È meglio non costruire classi troppo ampie: a tutti i debitori di una classe viene praticato lo stesso tasso attivo (troppo alto per i debitori migliori, troppo basso per quelli peggiori). 17 Rischio e valore nelle banche I sistemi di rating I rating interni delle banche • Informazioni rilevanti: I sistemi di rating utilizzano informazioni diverse in base al segmento di clientela considerato Nel caso delle imprese: indici economico-finanziari tratti dal bilancio variabili qualitative come qualità del management, posizionamento competitivo, etc. analisi del settore dell’impresa analisi delle informazioni che derivano dall’evoluzione dei rapporti di credito/debito i dati della centrale dei rischi pubblica o di centrali dei rischi private (rapporti tra impresa e sistema bancario) © Resti e Sironi, 2008 18 Rischio e valore nelle banche I sistemi di rating I rating interni delle banche • (continua) Informazioni rilevanti: Nel caso del settore retail le informazioni raccolte possono essere elaborate in un modello statistico per cercare di prevedere la frequenza dei default…. …..oppure si lascia più discrezionalità agli analisti addetti al credito Piccole imprese analisi automatizzata i margini ottenuti dalla banca non giustificano elevati costi di monitoraggio Grandi imprese analisi fondate sul lavoro di uno o più esperti Esposizioni notevoli e numero di clienti ridotto Non é possibile implementare un modello statistico Si può anche procedere per stadi: Primo livello Secondo livello Terzo livello © Resti e Sironi, 2008 modello di scoring integrazione con informazioni di natura qualitativa Prospettive del settore/Paese 19 Rischio e valore nelle banche I sistemi di rating Rating quantification • Come tradurre il rating assegnato in una PD? • 3 approcci: approccio statistico: la PD é calcolata a partire dal valore del punteggio ottenuto con un modello di scoring dal debitore consente di assegnare ad ogni cliente una PD specifica, ma: É praticabile solo se il rating è stato ottenuto con un modello statistico © Resti e Sironi, 2008 Può basarsi su ipotesi scarsamente realistiche (ad esempio: PD ricavate da score di analisi discriminante ipotesi sottostante: distribuzione delle variabili usate nello score é normale multivariata) 20 Rischio e valore nelle banche I sistemi di rating Rating quantification approccio attuariale: il tasso di insolvenza passato delle diverse classi di rating é utilizzato come stima della PD futura PD unica per ogni classe Approccio è generalmente seguito dalle agenzie di rating e da molte banche approccio del mapping. Viene stabilita una corrispondenza tra i propri rating interni e quelli di Moody’s o Standard & Poor’s Si usano le PD pubblicate dalle agenzie Problema: la corrispondenza tra rating interni e di agenzia potrebbe essere imperfetta © Resti e Sironi, 2008 21 Rischio e valore nelle banche I sistemi di rating Approccio attuariale • A partire dagli anni novanta agenzie di rating internazionali rendono pubblici i tassi di insolvenza registrati dalle imprese dotate di rating • Sono diffusi anche i dati sulla frequenza con cui le imprese delle diverse classi di rating “migrano” verso altre classi (tassi di migrazione e matrici di transizione) • all’inizio di ogni anno gli emittenti e le emissioni vengono raggruppati per classe di rating (pool) • ogni pool viene monitorato negli anni successivi, registrando i tassi di insolvenza • I tassi di insolvenza (annui e pluriennali) vengono combinati per ottenere dati medi © Resti e Sironi, 2008 22 Rischio e valore nelle banche I sistemi di rating Approccio attuariale • Tasso di insolvenza marginale relativo all’anno t: Dt d t Nt numero di emittenti (o di obbligazioni) presenti all’inizio dell’anno t numero di insolvenze registrato nell’anno t • Tasso di sopravvivenza marginale nell’anno t: N t Dt st 1 d t Nt © Resti e Sironi, 2008 23 Rischio e valore nelle banche I sistemi di rating Approccio attuariale • I tassi di insolvenza marginali calcolati su una popolazione rappresentano una stima della probabilità che un’emissione risulti insolvente dopo t anni Rating Aaa Aa1 Aa2 Aa3 A1 A2 A3 Baa1 Baa2 Baa3 Ba1 Ba2 Ba3 B1 B2 B3 1 0,01% 0,02% 0,02% 0,03% 0,05% 0,06% 0,09% 0,13% 0,16% 0,70% 1,25% 1,79% 3,96% 6,14% 8,31% 15,08% 2 0,02% 0,05% 0,08% 0,08% 0,09% 0,09% 0,18% 0,27% 0,36% 1,11% 1,85% 2,59% 3,90% 5,21% 6,52% 6,82% 3 0,03% 0,07% 0,12% 0,13% 0,14% 0,15% 0,23% 0,31% 0,40% 1,11% 1,82% 2,53% 3,53% 4,54% 5,54% 5,21% 4 0,03% 0,08% 0,12% 0,14% 0,16% 0,18% 0,30% 0,43% 0,55% 1,19% 1,84% 2,48% 3,12% 3,75% 4,39% 3,80% Anno (t) 5 6 0,07% 0,07% 0,10% 0,10% 0,14% 0,12% 0,17% 0,15% 0,21% 0,18% 0,24% 0,20% 0,33% 0,30% 0,42% 0,40% 0,51% 0,49% 1,15% 0,98% 1,80% 1,47% 2,44% 1,96% 2,71% 2,60% 2,98% 3,25% 3,24% 3,90% 3,14% 4,43% 7 0,11% 0,11% 0,11% 0,12% 0,14% 0,15% 0,31% 0,47% 0,63% 0,93% 1,22% 1,51% 1,81% 2,11% 2,41% 2,58% 8 0,12% 0,12% 0,11% 0,16% 0,20% 0,24% 0,38% 0,51% 0,64% 0,91% 1,17% 1,44% 1,75% 2,05% 2,35% 1,69% 9 0,14% 0,13% 0,13% 0,19% 0,24% 0,30% 0,42% 0,53% 0,65% 0,90% 1,15% 1,40% 1,50% 1,60% 1,70% 2,54% 10 0,15% 0,15% 0,15% 0,22% 0,28% 0,35% 0,42% 0,50% 0,57% 0,84% 1,11% 1,39% 1,47% 1,55% 1,64% 2,01% Tassi di insolvenza marginali (d’t) su un campione di bond con rating di Moody’s Fonte: Moody’s Investors Service © Resti e Sironi, 2008 24 Rischio e valore nelle banche I sistemi di rating Approccio attuariale Dalla tabella della slide precedente si può notare che: • I pool con rating peggiore sono contraddistinti di norma da d’t più elevate • I tassi di insolvenza marginali crescono al crescere di t per le classi di rating migliori mentre accade il contrario per le classi di rating peggiori 0,30% 7% 6% 0,25% 5% 0,20% 4% 0,15% Tassi di default marginali per la classe A1 - scala sx 3% 0,10% 2% 0,05% 1% 0,00% 0% 1 2 3 4 5 6 Time © Resti e Sironi, 2008 7 8 9 10 Tassi di default marginali per la classe B1 - scala dx “rating drift”: col passare del tempo le aziende con rating elevato (se non falliscono) rischiano di migrare in classi di rating peggiori. Le imprese peggiori, se non falliscono, possono migliorare il loro rating e dunque ridurre il proprio tasso di insolvenza marginale 25 Rischio e valore nelle banche I sistemi di rating Approccio attuariale • Tasso di insolvenza cumulativo, per il periodo compreso tra 0 e T : T D t dT t 1 N1 tutti i default accaduti tra 0 e T, diviso la consistenza iniziale del pool • Tasso di sopravvivenza cumulato relativo tra 0 e T : sT 1 pT N1 T D t t 1 N1 • Per definizione Nt+1 = Nt – Dt , quindi st : dai tassi di insolvenza marginali è possibile ricavare i tassi di insolvenza cumulati T sT st t 1 T d T 1 sT 1 1 d t t 1 © Resti e Sironi, 2008 Proxy della probabilità di insolvenza fino a un certo anno successivo 26 Rischio e valore nelle banche I sistemi di rating Approccio attuariale Anno(t) Tassi di insolvenza (e di sopravvivenza) 1 marginali relativi a un certo pool 2 3 4 d 5 1 0,9909 0,9634 0,9807 0,9722 1 0,9103 8,98% 5 Rating AAA AA A BBB BB B CCC Investment grade Specultative grade d’t 0.0% 0.91% 3.66% 1.93% 2.78% s’t 100.0% 99.09% 96.34% 98.07% 97.22% Anno (T) 1 2 3 4 5 6 7 8 9 10 0.00 0.00 0.06 0.12 0.19 0.35 0.52 0.82 0.93 1.06 0.00 0.02 0.10 0.20 0.35 0.53 0.70 0.84 0.91 1.00 0.05 0.14 0.24 0.39 0.58 0.77 0.97 1.22 1.49 1.76 0.18 0.42 0.67 1.21 1.68 2.18 2.66 3.07 3.38 3.71 0.91 2.95 5.15 7.32 9.25 11.22 12.29 13.40 14.33 15.07 4.74 9.91 14.29 17.42 19.70 21.26 22.56 23.75 24.71 25.55 18.90 26.01 30.99 35.10 39.02 39.88 40.87 41.17 41.86 42.72 0.07 0.18 0.31 0.54 0.78 1.05 1.31 1.58 1.79 2.02 3.75 7.60 11.03 13.79 16.03 17.72 18.90 20.00 20.93 21.73 Fonte: (Standard and Poor’s, 1998) © Resti e Sironi, 2008 dt 0.0% 0.91% 4.54% 6.38% 8.98% esempio di tassi di insolvenza cumulati elevata correlazione fra classi di rating e tassi di insolvenza medi 27 Rischio e valore nelle banche I sistemi di rating Approccio attuariale • Dato un certo tasso d’insolvenza cumulato dT è possibile ricavare il corrispondente tasso di insolvenza medio annuo dT • È il valore che, sostituito ai diversi tassi di insolvenza marginali, condurrebbe a dT dT d 1 * 1 d 1 1 d T * * T dT t 1 Da cui: d T 1 T 1 d T © Resti e Sironi, 2008 28 Rischio e valore nelle banche I sistemi di rating Approccio attuariale • I tassi d’insolvenza medi annui possono essere utilizzati per determinare lo spread a copertura della perdita attesa di un prestito Spread: funzione della PD e del tasso di recupero atteso • Il tasso di insolvenza cumulato fornirebbe una stima della PD troppo elevata, generando uno spread (che è calcolato su base annua) molto superiore al dovuto I tassi di insolvenza medi annui sono più adatti Anno (t) 1 2 3 4 5 © Resti e Sironi, 2008 d t dt dt 0.0% 0.91% 3.66% 1.93% 2.78% 0.0% 0.91% 4.54% 6.38% 8.98% 0.00% 0.46% 1.54% 1.63% 1.86% I tassi medi sono significativamente inferiori ai tassi di cumulati 29 Rischio e valore nelle banche I sistemi di rating Approccio attuariale • Complicazioni tecniche nella stima di d’t, dT e dT : 1. Definizione di insolvenza: può variare in modo significativo nelle diverse analisi. Ad esempio, Standard and Poor’s la definisce come inadempienza di una qualsiasi obbligazione finanziaria 2. Dati utilizzati: Numero di emittenti Società del campione con più titoli vengono Numero di conteggiate una sola volta obbligazioni Tasso di insolvenza = rapporto fra il numero di emissioni insolventi in t e il numero di emissioni presenti all’inizio di t Valore monetario delle obbligazioni comprese nel campione Tasso di insolvenza = rapporto fra il valore dei titoli insolventi nel periodo t e il valore total dei titoli all’inizio di t © Resti e Sironi, 2008 30 Rischio e valore nelle banche I sistemi di rating Approccio attuariale • I criteri del numero di obbligazioni e del numero di emittenti sono utilizzati rispettivamente da Moody’s e Standard and Poor’s • Il primo criterio attribuisce un peso maggiore all’insolvenza di imprese più grandi: è adeguato se si vuole stimare il “costo” atteso delle insolvenze 3. natura del campione obbligazioni appena emesse oppure pool di obbligazioni emesse anche in epoche precedenti Il secondo è generalmente utilizzato dalle agenzie di rating “aging effect ” Utilizzare anche emissioni realizzate negli anni precedenti porta a tassi d’insolvenza medi più elevati. Il tasso di insolvenza al primo anno per un’emissione obbligazionaria risulta infatti solitamente inferiore © Resti e Sironi, 2008 31 Rischio e valore nelle banche I sistemi di rating Approccio attuariale • L’approccio attuariale si basa su due ipotesi impegnative: la PD è identica per tutte le imprese della medesima classe di rating Una variabile continua, la PD, viene dunque approssimata con un sistema di valori discreto la PD associata a una certa classe di rating rimane stazionaria nel tempo PD futura = PD passata • E. I. Altman (1989) mostra come la prima ipotesi sia spesso violata nella realtà • I tassi di insolvenza medi storici possono deviare in modo significativo dai tassi di insolvenza relativi ai periodi successivi © Resti e Sironi, 2008 32 Rischio e valore nelle banche I sistemi di rating Approccio attuariale: tassi di migrazione e matrici di transizione • L’approccio attuariale può servire a stimare la frequenza con cui le imprese di una certa classe “migrano” verso altre classi di rating Rating iniziale Matrice di transizione a un anno – Standard & Poor’s AAA 88.77 0.68 0.07 0.03 0.02 0.00 0.16 AAA AA A BBB BB B CCC AA 7.80 88.28 2.25 0.28 0.10 0.08 0.00 A 0.68 7.42 87.88 5.33 0.53 0.25 0.32 Rating a fine anno (%) BBB BB B 0.05 0.10 0.00 0.55 0.05 0.15 4.88 0.61 0.25 83.01 4.44 0.99 7.07 74.44 7.27 0.41 6.12 73.03 0.97 2.26 9.86 CCC 0.00 0.02 0.01 0.10 0.79 3.32 53.15 Default 0.00 0.00 0.05 0.18 0.91 4.74 18.90 N.R.* 2.60 3.03 4.01 5.63 8.87 12.06 14.38 *N.R.(“not rated”) indica le imprese non più soggette a rating e uscite dal campione Fonte:(Standard and Poor’s, 1998) Rating iniziale Aaa Aa A Baa Ba B Caa Aaa 88.32 1.21 0.07 0.03 0.01 0.00 0.00 Aa 6.15 86.76 2.30 0.24 0.08 0.04 0.02 A 0.99 5.76 86.09 3.87 0.39 0.13 0.04 Rating a fine anno (%) Baa Ba B Caa 0.23 0.02 0.00 0.00 0.66 0.16 0.02 0.00 4.67 0.63 0.10 0.02 82.52 4.68 0.61 0.06 4.61 79.03 4.96 0.41 0.060 5.79 76.30 3.08 0.34 1.26 5.29 71.87 Default 0.00 0.06 0.12 0.28 1.11 3.49 12.41 W.R.* 4.29 5.36 5.99 7.71 9.39 10.53 8.78 Matrice di transizione a un anno – Moody’s *W.R.(“withdrawn rating”) indica le imprese non più soggette a rating e uscite dal campione Fonte:(L. V. Carty 1998) © Resti e Sironi, 2008 33 Rischio e valore nelle banche I sistemi di rating Approccio attuariale: tassi di migrazione e matrici di transizione • Come si può notare dalla tabelle della slide precedente, le classi di rating migliori sono caratterizzate da una maggiore stabilità • Le classi di rating migliori hanno una frequenza di default praticamente nulla Concentrandosi solo sul rischio di insolvenza, questo tipo di esposizioni sarebbero praticamente prive di rischio • In realtà, ad esempio, una obbligazione AAA ha una probabilità superiore all’8% di subire un downgrading • I tassi di migrazione stimati a partire dai rating delle agenzie non sono facilmente confrontabili con quelli ricavati dal sistema interno di una banca (diversi approcci through the cycle e point in time) © Resti e Sironi, 2008 34 Rischio e valore nelle banche I sistemi di rating Approccio attuariale: tassi di migrazione e matrici di transizione • Se la valutazione è through the cycle, il rating incorpora fin dall’inizio le possibili variazioni del ciclo economico La congiuntura incide meno sul rating delle imprese Le migrazioni sono comparativamente limitate I tassi di insolvenza relativi alle varie classi possono però essere più instabili nel tempo • Il contrario succede per i rating è point in time Tassi di migrazione Tassi di insolvenza © Resti e Sironi, 2008 Point in time Più elevati Stabili Through the cycle Più bassi Instabili 35 Rischio e valore nelle banche I sistemi di rating Rating validation • Un sistema di rating deve essere sottoposto ad analisi periodiche volte a verificarne l’efficacia I giudizi espressi ex ante dal sistema sono coerenti ex post con il comportamento dei soggetti valutati? • Ai fini dell’accordo di Basilea, le banche che utilizzano i rating interni per la determinazione dei requisiti patrimoniali obbligatori devono sottoporre i propri sistemi alla “validazione” delle autorità di vigilanza Valutazione della qualità degli input che alimentano il sistema e dell’affidabilità del processo di elaborazione. © Resti e Sironi, 2008 36 Rischio e valore nelle banche I sistemi di rating Rating validation: Alcuni criteri qualitativi • Alcune semplici regole: 1. i tassi di insolvenza dovrebbero risultare crescenti in modo monotono al peggiorare del rating 2. i tassi di insolvenza per classe di rating dovrebbero essere stabili nel tempo (in particolare per l’approccio point in time) 3. la percentuale di esposizioni che rimangono nella stessa classe di rating da un anno all’altro dovrebbe essere sufficientemente elevata 4. i tassi di migrazione verso classi di rating vicine dovrebbero essere più elevati rispetto a quelli verso classi più lontane 5. i debitori divenuti insolventi dovrebbero essere stati classificati in una classe di rating bassa già da diversi anni © Resti e Sironi, 2008 37 Rischio e valore nelle banche I sistemi di rating Rating validation: Criteri quantitativi • Vi sono strumenti più sofisticati per verificare la correttezza del processo di rating assigment: 1. Contingency table Giudizio del modello Sano Anomalo Può essere applicata nel caso di sistemi di rating molto elementari, che suddividiono i clienti in “accettabili” e “ad alto rischio” É una matrice, che confronta le previsioni del modello con gli eventi verificatisi in seguito Comportamento reale del debitore Performing Insolvente Valutazione corretta (N1 casi) Errore (N2 casi) Errore (N3 casi) Valutazione corretta (N4 casi) imprese erroneamente valutate anomale imprese correttamente valutate come “sane” dal modello © Resti e Sironi, 2008 imprese correttamente valutate come anomale imprese erroneamente valutate come sane 38 Rischio e valore nelle banche I sistemi di rating Rating validation: Criteri quantitativi • Sulla base della contingency table è possibile calcolare degli indicatori di successo e di errore N4 la sensitivity (percentuale di imprese insolventi correttamente identificate): N 2 N 4 N1 la specificity (percentuale di imprese N1 N 3 sane correttamente identificate): N2 il tasso di errore alfa (E, percentuale di imprese N2 N4 insolventi erroneamente classificate come sane) N3 il tasso di errore beta o (E, percentuale di imprese N1 N 3 sane erroneamente classificate come insolventi) N1 N 4 N N4 il tasso di successo o hit rate (percentuale 1 N1 N 2 N 3 N 4 N di imprese correttamente classificate) © Resti e Sironi, 2008 39 Rischio e valore nelle banche I sistemi di rating Rating validation: Criteri quantitativi • La qualità del modello di scoring o di rating andrà valutata analizzando i valori assunti da E ed E, considerando anche il costo dei due errori Il livello di E ed E dipende anche dal valore del cutoff utilizzato per discriminare fra imprese sane e imprese insolventi Una valutazione accurata di un modello richiederebbe di verificare come cambia la sua performance al variare del punto di cutoff Su questa intuizione si basa il secondo strumento per la validazione dei modelli di rating: la curva ROC (Receiver Operating Characteristic). © Resti e Sironi, 2008 40 Rischio e valore nelle banche I sistemi di rating Rating validation: Criteri quantitativi 2. Curva ROC La curva ROC analizza i livelli di errore associati a tutti i possibili valori del cutoff (“k”) Per ogni cutoff il grafico riporta: in ordinata il corrispondente valore della sensitivity, indicato con Hk in ascissa il corrispondente valore dell’errore beta (errore del secondo tipo, cioè falsi allarmi), indicato anche con Fk Un sistema di scoring/rating risulta tanto migliore quanto maggiore è il primo indicatore (Hk) e quanto minore è il secondo (Fk) Aumentando k un buon modello isola efficacemente le imprese anomale mantenendo l’errore del II tipo, Fk su valori ridotti. © Resti e Sironi, 2008 41 Rischio e valore nelle banche Rating validation: Criteri quantitativi I sistemi di rating 100% modello perfetto Concentrandoci sul modello reale Maggiore è l’inclinazione del tratto iniziale della curva, minore è il numero di “falsi allarmi” La curva ROC esprime il trade-off fra errori Eα (1-Hk) ed errori Eβ (Fk) Modello “perfetto” Modello “naive” © Resti e Sironi, 2008 Hk – sensitivity (1 - E) modello reale modello naïve Fk – tasso di falsi allarmi (E) 100% Esiste un valore di k che consente di classificare correttamente il 100% (Hk) di imprese anomale senza commettere nemmeno un errore (Fk = 0) area a sud-est della curva ROC (AUROC) = 1 Senza capacità di separare le imprese sane da quelle anomale. Al variare della soglia Fk e Hk rimangono costanti e AUROC =1/2 42 Rischio e valore nelle banche I sistemi di rating Rating validation: Criteri quantitativi 100% 100% Hk Hk modello perfetto modello naïve Fk 100% Fk 100% • L’AUROC sintetizza in un numero il grado di efficacia del modello (“coefficient of concordance” – CoC) AUROC = probabilità di classificare correttamente, data una qualsiasi coppia di imprese, quella sana e quella anomala © Resti e Sironi, 2008 43 Rischio e valore nelle banche I sistemi di rating Rating validation: Criteri quantitativi • Un‘altra misura della performance di un modello è la curva di Gini o “cumulative accuracy profile” (CAP) Campione = N imprese Consideriamo di volta in volta un numero S crescente di imprese cominciando da quelle con score peggiore Indichiamo sull’asse orizzontale S Indichiamo con D(S) il numero di aziende risultate effettivamente insolventi Riportiamo D(S) sull’asse verticale © Resti e Sironi, 2008 44 Rischio e valore nelle banche I sistemi di rating Rating validation: Criteri quantitativi • Modello con capacità previsiva perfetta: D(S)=S per qualsiasi SN2+N4. Per SN2+N4, D(S) resterà costante e pari a N2+N4 (non ci sono altre imprese anomale) N2+N4 D(S) – numero di clienti insolventi nel sottocampione modello perfetto modello reale modello naïve N2+N4 • Modello con capacità previsiva nulla: le imprese anomale N2+N4 = numero totale saranno sempre pari di clienti anomali ad una percentuale costante p=(N2+N4)/N. N D(S) = pS per qualsiasi S S – Numero di clienti nel sottocampione Un modello reale avrà una curva compresa tra questi due casi estremi © Resti e Sironi, 2008 45 Rischio e valore nelle banche I sistemi di rating Rating validation: Criteri quantitativi • Per rendere più leggibili i risultati, la curva CAP viene ridisegnata considerando la percentuale di clienti nei diversi sottocampioni e la relativa percentuale di clienti anomali 100% D(S)/(N2+N4) – quota di clienti in default nel sottocampione modello perfetto modello reale modello naïve N2+N4 N © Resti e Sironi, 2008 Asse orizzontale riporta S/N e non S 100% S/N – Quota di clienti nel sottocampione Asse orizzontale riporta D(S)/D(N), dove D(N)=N2+N4 46 Rischio e valore nelle banche I sistemi di rating Rating validation: Criteri quantitativi Accuracy Ratio (AR) B G A B G è compreso fra zero e uno Maggiore è G, maggiore è il potere discriminante del sistema di rating in esame 100% modello perfetto D(S)/(N2+N4) – quota di clienti in default nel sottocampione • Il rapporto di Gini o modello reale B modello naïve N2+N4 N © Resti e Sironi, 2008 A 100% S/N – Quota di clienti nel sottocampione 47 Rischio e valore nelle banche I sistemi di rating Rating validation: Criteri quantitativi • La curva CAP (o la curva ROC) sono applicabili anche a sistemi di rating fondati su classi discrete • Esempio: Classe di N. di rating j clienti, Cj 10 9 8 7 6 5 4 3 2 1 Totale 100 100 100 100 100 100 100 100 100 100 1000 N. di clienti insolventi, Dj 24 12 8 6 4 3 2 1 0 0 60 Valori cumulati assoluti N. di clienti nel N. di insolvenze sottocampione S = su S D(S) = 100 24 200 36 300 44 400 50 500 54 600 57 700 59 800 60 900 60 1000 60 Valori percentuali S/N D/D(N) 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 2,4% 3,6% 4,4% 5,0% 5,4% 5,7% 5,9% 6,0% 6,0% 6,0% • Il sistema è composto da 10 classi © Resti e Sironi, 2008 48 Rischio e valore nelle banche I sistemi di rating Rating validation: Criteri quantitativi • Con i dati della slide precedente è possibile costruire la curva CAP • L’area compresa fra la curva CAP del sistema di rating reale e quella del modello con capacità previsiva nulla – Area B = 0,29; • Si può anche misurare: 100% D/D(N), quota di clienti in default nel sottocampione 90% A 80% 70% B 60% 50% 40% 30% modello reale 20% modello perfetto 10% modello naïve 0% 0% 20% © Resti e Sironi, 2008 40% 60% S/N, quota di clienti nel sottocampione 80% 100% • L’area compresa tra la curva CAP di un sistema perfetto e quella del modello con capacità previsiva nulla – Area A+B = 0,45; • L’accuracy ratio: B / (A+B) = 64%. 49 Rischio e valore nelle banche I sistemi di rating Rating validation: Criteri quantitativi • E’ possibile derivare una relazione algebrica tra AR (basato sulla curva CAP) e AUROC (derivato dalla curva ROC): AR = 2AUROC - 1 • I risultati ottenuti con le curve ROC e CAP e i valori di AUROC e AR, dipendono dal campione utilizzato • Sobehart e Keenan 2004 lo dimostrano con un esempio efficace: Dati 2 modelli, A e B, entrambi perfettamente accurati su qualsiasi campione. Applichiamo A al campione SA, (5% in default) e B al campione SB, (10% in default) Con un cutoff al 5% il modello A ottiene una performance del 100%, il modello B, cattura solo la metà delle osservazioni in default. “Affermare che il modello A è meglio del modello B per via di questo tasso di successo più elevato sarebbe errato” © Resti e Sironi, 2008 50 Rischio e valore nelle banche I sistemi di rating Rating validation: Criteri quantitativi • La “sample dependency” ha due conseguenze: non è possibile definire a priori una soglia minima dell’accuracy ratio oltre la quale un sistema di rating è“buono” o “accettabile” © Resti e Sironi, 2008 il confronto dell’efficacia di due sistemi di rating deve avvenire sulla base del medesimo campione di osservazioni 51 Rischio e valore nelle banche I sistemi di rating Validare la rating quantification: • Gli strumenti esaminati fino ad ora (contingency table, ROC, AUROC, CAP, AR) possono essere utilizzati per validare la fase di rating assignment • Un’altra fase importante è la Rating quantification: fase in cui le classi di rating o gli scores vengono convertiti in PD I modelli proposti confrontano la PD teorica dei clienti assegnati ad una certa classe di rating ed i tassi di default empiricamente registrati su tale classe Determinazione di intervalli di confidenza in cui i valori delle frequenze empiriche di default sono accettabili © Resti e Sironi, 2008 52 Rischio e valore nelle banche I sistemi di rating Validare la rating quantification: • Primo approccio: utilizzo della distribuzione binomiale (simile al test di Kupiec) • Se il numero di clienti presenti in un bucket è sufficientemente elevato, la binomiale converge a una normale • Estremi dell’intervallo, basato su un livello di confidenza pari a 1-2: il numero di clienti presenti nella classe di rating Z N-1(a) il percentile -esimo di una distribuzione normale standard pˆ 1 pˆ pˆ 1 pˆ pˆ z ˆ z ; p N N PD stimata dalla banca Esempio: PD = 1%, N = 1.000 clienti, a = 5%, intervallo di confidenza al 90% • Intervallo: 0,01 N 1 (5%) 0,01 0,99 ;0,01 N 1 (5%) 0,01 0,99 (0,0048;0,0152) 1000 1000 Massimo tasso di default =1,52%, cioè 15 default © Resti e Sironi, 2008 53 Rischio e valore nelle banche I sistemi di rating Validare la rating quantification: • Gli intervalli di confidenza hanno due limitazioni: 1. Vanno applicati più volte, perché verifichino la correttezza della PD stimata per una classe di rating per volta. Che giudizio dare se il numero di default effettivo giace all’interno del intervallo di confidenza solo per alcune classi? Necessità di un test che verifichi congiuntamente la correttezza delle PD stimate per tutte le classi numero di classi numero di clienti numero di default nella classe i-esima Se le PD stimate sono corrette e se le classi di rating contengono un numero di debitori sufficientemente elevato, il test si distribuisce secondo una chi-quadrato con m gradi di libertà Valori elevati inducono a respingere l’ipotesi che le PD stimate siano corrette © Resti e Sironi, 2008 54 Rischio e valore nelle banche I sistemi di rating Validare la rating quantification: 2. Gli intervalli di confidenza potrebbero, risultare eccessivamente ristretti. Si utilizza una distribuzione binomiale, ipotizzando che i default dei singoli debitori siano incorrelati tra loro I debitori delle banche e le imprese che emettono obbligazioni tendono a fallire “in grappoli” sulla base del ciclo economico In recessione, default più frequenti In periodi di espansione economica, default più rari È possibile che il tasso di insolvenza si discosti sensibilmente dal suo valore atteso stimato senza che questo implichi un errore nella sima della PD © Resti e Sironi, 2008 55 Rischio e valore nelle banche I sistemi di rating Validare la rating quantification: • Tasche (2003) propone due metodologie per derivare intervalli di confidenza quando i default sono correlati Distribuzione beta stimata con il metodo dei momenti Modello di Gordy (2003) per un portafoglio di default correlati, + aggiustamento proposto da Martin e Wilde (2002) In entrambi i casi gli intervalli di confidenza sono più ampi di quelli che di una semplice binomiale Ipotesi di lavoro Nessuna correlazione (approccio binomiale) Asset correlation (r) del 5% Approccio 1: (Gordy 2003) Approccio 2: distribuzione beta Asset correlation (r) del 20% Approccio 1: (Gordy 2003) Approccio 2: distribuzione beta © Resti e Sironi, 2008 Estremo superiore 15 24 25 39 42 Fonte: (Tasche 2003) Tanto maggiore è r, tanto maggiore è il numero di default compatibile con l’ipotesi che una PD del 1% sia corretta 56 Rischio e valore nelle banche I sistemi di rating Osservazioni conclusive • Crescente rilevanza dei sistemi di rating negli ultimi anni Un sistema di rating interno preciso può essere un vantaggio competitivo per la banca I giudizi delle agenzie di rating rappresentano un fattore cruciale nella determinazione del rendimento dei titoli obbligazionari • Processo di rating assignment: un sistema di rating è la sintesi di un set di informazioni che devono essere gestite in modo efficiente ed efficace Modelli quantitativi come l’analisi discriminante e il modello di KMV, possono rappresentare importanti input © Resti e Sironi, 2008 57 Rischio e valore nelle banche I sistemi di rating Esercizi/1 1. Usando la matrice di transizione a un anno della Tabella 9 e ipotizzando che le transizioni a un anno siano serialmente incorrelate (così che la stessa matrice di transizione può essere utilizzata due volte di seguito), calcolate la probabilità che un’obbligazione con rating BBB a. b. c. abbia ancora rating BBB alla fine del primo anno e risulti insolvente alla fine del secondo; sia stata promossa in classe AA alla fine del primo anno e risulti insolvente alla fine del secondo; sia stata retrocessa in classe B alla fine del primo anno e risulti insolvente alla fine del secondo; © Resti e Sironi, 2008 58 Rischio e valore nelle banche I sistemi di rating Esercizi/1 d. e. sia migrata in qualsiasi altra classe (a parte quelle già indicate sub a.-c.) alla fine del primo anno e risulti insolvente alla fine del secondo; sia già insolvente alla fine del primo anno. Siete ora in grado di stimare la probabilità di default a due anni di un’obbligazione con rating BBB? © Resti e Sironi, 2008 59 Rischio e valore nelle banche I sistemi di rating Esercizi/2 2. Una banca ha utilizzato un modello di scoring per valutare 15 debitori, 4 dei quali sono poi risultati insolventi. La tabella qui sotto mostra i loro score (score elevati indicano rischio basso), evidenziando quelli terminati in default. Usando questi dati e un foglio di carta a quadretti, disegnate la curva CAP. Quindi aggiungete la curva CAP di un modello perfetto e quella per un modello naïve (nel calcolare il numero di clienti in default individuati da quest’ultimo, arrotondate all’intero più vicino). Infine, immaginate che il cliente 5 avesse ricevuto uno score pari a 3 e che il cliente 13 avesse ricevuto uno score pari a 3,5: come cambierebbe il quoziente di Gini? Tale cambiamento andrebbe interpretato come un miglioramento o come un peggioramento della performance del modello? © Resti e Sironi, 2008 60 Rischio e valore nelle banche I sistemi di rating Esercizi/2 Cliente 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 © Resti e Sironi, 2008 Score 0.4 0.7 1.2 1.5 2.6 3.2 3.3 4 4.3 4.3 5 5.7 6 8 8.5 Insolvente? no sì sì sì no no no no no no no no sì no no 61 Rischio e valore nelle banche I sistemi di rating Esercizi/3 3. Sulla base dei dati del precedente esercizio, provate a fissare la soglia tra imprese “anomale” e “sane” a 0, 0,5, 1… e continuate così fino a raggiungere 9. Per ogni soglia, calcolate il tasso di falso allarme Fi e il sensitivity ratio Hi e trascrivete i due valori in una tabella. Sulla base della tabella, disegnate la curva ROC del modello. Completate il grafico disegnando la curva ROC di un modello “perfetto”. Ora confrontate questo grafico con quello disegnato nell’esercizio 4, e dite in che modo sono diversi. © Resti e Sironi, 2008 62