Una decisione “informata” si basa su informazioni “significative”, cioè: comprensibili, affidabili, utili.
Questa condizione si realizza quando il risk manager ha il pieno presidio dei processi attraverso cui l’informazione viene prodotta, ossia quando conosce i fenomeni analizzati, verifica i dati in ingresso ai modelli, presidia le procedure di calcolo ed è in grado di spiegare in modo completo e corretto i risultati ottenuti. La fiducia che il risk manager ripone nell’informazione prodotta trasmette sicurezza al management, che può così contare su risposte sempre chiare e coerenti e richiedere, quando necessario, approfondimenti e spiegazioni.
La diffusione di informazione significativa promuove una dialettica costruttiva tra risk management e risk takers, aumenta la consapevolezza di minacce e opportunità, innalza la domanda di ulteriore informazione da parte del business e integra il risk management nel processo di generazione di valore per l’impresa.
Il circolo appena descritto non si sviluppa quando la ricerca di soluzioni rapide alle tematiche di controllo dei rischi spinge all’adozione di approcci semplificati, all’adesione acritica a prassi di settore o all’esternalizzazione dei processi di calcolo. La difficoltà del risk manager nel fornire una giustificazione adeguata dei risultati prodotti dai modelli impedisce lo sviluppo di una dialettica costruttiva con i decisori, i quali tendono a percepire le metriche di rischio come un esercizio privo di concreta utilità operativa.
Se ci interroghiamo sulle ragioni per cui una banca dovrebbe preferire la seconda soluzione rispetto alla prima, dovremmo escludere il tema dei costi, dal momento che il ricorso a soluzioni predefinite comporta costi iniziali elevati e implica costante dipendenza dal fornitore (vendor lock-in): per la stima di parametri, l’elaborazione dei dati, il miglioramento dei programmi e, spesso, anche per la spiegazione dei risultati.
La vera motivazione di questa scelta sembra invece risiedere nell’assenza di piani di medio periodo che prevedano lo sviluppo delle competenze interne alla funzione di controllo dei rischi. In mancanza di tale condizione, ogni nuova richiesta del regolatore o dell’autorità di vigilanza viene inquadrata come evento contingente, a cui rispondere in tempi brevi. In questi casi, l’esternalizzazione del processo appare la soluzione più immediata e risolutiva.
Il rischio di modello è connesso alla possibilità di conseguire perdite a causa di decisioni basate su output di modelli errati o utilizzati in modo improprio. Il rischio di modello può comportare perdite finanziarie, decisioni strategiche inadeguate o danni alla reputazione della banca. Tali conseguenze possono essere evitate attraverso una gestione attiva del rischio di modello che diventa possibile solo quando la banca dispone di sufficienti competenze interne.
Un livello adeguato di conoscenze tecniche e di capacità di modellizzazione all’interno della funzione di controllo dei rischi assicura, infatti, non solo lo sviluppo di modelli interni robusti e adatti alle specificità della banca, ma anche la capacità di condurre analisi accurate e di muovere critiche adeguate ai modelli sviluppati da terzi.
Dal momento che non è l’utilizzo di soluzioni sviluppate da terzi a generare rischio di modello, ma la scarsa capacità di controllo dei processi da parte della banca, l’alternativa tra outsourcing e insourcing non si riferisce alla fase di sviluppo dei modelli, ma al presidio dei processi che utilizzano tali modelli per misurare i rischi.
In questa chiave, l’utilizzo di un modello realizzato da terzi, quando consente al personale della banca di controllare i dati in ingresso, verificare i calcoli intermedi, svolgere analisi di sensitivity e comprendere come si arriva al risultato, si qualifica indubbiamente come insourcing. Un’adeguata formazione del personale della banca e la disponibilità di manuali metodologici chiari, che dosano al minimo le formulazioni matematiche e si concentrano sugli elementi di metodo, promuovono la crescita delle competenze interne a attivano una dialettica aperta e costruttiva con il fornitore.
L’assenza di queste condizioni, propria delle soluzioni in outsourcing, è alla base dell’effetto “black-box” tipico di molti modelli sviluppati da terzi. La completa esternalizzazione del processo, infatti, impedisce un reale controllo da parte del personale della banca che risulta spesso scoraggiato ad addentrarsi nello studio di manuali corposi, poco comprensibili e ridondanti di formulazioni matematiche. I segnali tipici di questa condizione sono: (i) “lo dice il sistema” come unica spiegazione, (ii) impossibilità a decomporre i risultati del modello, (iii) parametri del modello non visibili e non modificabili dalla banca, (iv) sensitività non analizzabili dalla banca, (v) ricorso a consulenti esterni per interpretare l’output.
Quando il modello da realizzare è particolarmente complesso, il ricorso a soluzioni sviluppate da terzi presenta indubbi vantaggi, quali: (i) l’accesso a competenze specialistiche (consente di utilizzare esperti e/o tecnologie avanzate, difficili da costruire e mantenere internamente), (ii) aggiornamento continuo (i fornitori specializzati sono aggiornati sull’evoluzione delle metodologie e della normativa di riferimento).
I problemi si verificano quando la banca non si limita ad acquistare un modello esterno, ma esternalizza l’intero processo di misurazione di uno specifico rischio. In questi casi, si osserva: (i) scarsa explainability (non comprendendo pienamente il modello e i suoli limiti, il personale della banca non riesce a giustificare i risultati ai risk takers e agli auditors), (ii) rischio di compliance (le autorità di vigilanza richiedono che la banca mantenga la responsabilità ultima dei modelli, anche se esternalizzati), (iii) condivisione di dati sensibili o proprietari con terze parti.
Questi problemi scompaiono quando la banca decide di riportare all’interno il governo del processo (backsourcing). In questi casi, si osserva: (i) recupero di controllo ed accountability da parte del personale interno (sviluppo delle conoscenze interne e maggiore capacità di comprensione dei modelli), (ii) riservatezza delle informazioni (i fornitori non accedono a dati o metriche di rischio della banca), (iii) attivazione di processi di miglioramento continuo (sviluppo di competenze quantitative e capacità di governo dei modelli, challenge al fornitore del software, aumento della dialettica interna e costante affinamento della reportistica).
MetricsLab
L’attività di ricerca MetricsLab svolte attività di ricerca finalizzata allo sviluppo di modellistica avanzata integrabile nei processi di controllo dei rischi e di valutazione degli attivi della banche.
Le applicazioni sono
, per le banche, a supporto dei processi di insourcing e backsourcing di attività critiche, quali: la misurazione dei rischi, il pricing dei crediti all’origine, la valutazione dei crediti performing e non-performing, il controllo dei tassi di recupero delle sofferenze.
La società valorizza l’esperienza dei soci fondatori che, da oltre 30 anni, operano nel campo della gestione dei rischi, ricoprendo ruoli di responsabilità all’interno di istituti bancari, svolgendo attività di ricerca e docenza in ambito accademico e professionale e fornendo consulenza per lo sviluppo di processi interni di controllo dei rischi. Il costante raccordo con l’operatività bancaria, rende
Obiettivo: promuovere processi di insourcing
E’ un investimento che crea valore e riduce i costi nel tempo
Una funzione risk management competente ha bisogno di poche risorse e crea valore. Perciò è una soluzione applicabile alle banche non grandi.
Metrics Library
Metrics è una libreria di programmi per la valutazione dei crediti e per il risk management delle banche.
Pricing dei crediti all’origine.
Calcolo del tasso di pareggio (hurdle rate) e dei margini generati da ogni nuova operazione di credito.
Costruzione delle matrici di transizione e delle curve di default forward looking.
Calcolo delle perdite attese lifetime e a 12 mesi.
Calcolo della Distribuzione delle perdite e del Credit VaR a livello di portafoglio.
Stima dell’evoluzione prospettica degli NPL.
Controllo della persistenza negli stati NPL.
Supporto al monitoraggio del credito.
Piani di recupero
Costruzione dei piani di recupero per la valutazione degli crediti non-performing.
Controllo dei tassi di recupero
Calcolo dei tassi di recupero sulle sofferenze. Controllo delle stime di recupero e verifiche di aderenza tra recuperi attesi e recuperi realizzati.
Calcola il delta-EVE e l’expected NII mediante approccio deterministico e stocastico.
Supporta il risk management e la pianificazione nella stima del margine di interesse atteso in scenari alternativi.
Rischio di mercato
Analisi del rischio dei portafogli di strumenti finanziari.
Calcolo del value at risk.
Calcolo dell’esposizione al rischio di tasso e al rischio di spread.
Supporto ai servizi di retail risk management rivolti agli investitori privati.
Faq
I vostri applicativi sono integrabili con il sistema informativo della mia banca?
Sì. Gli applicativi Metrics Lab sono progettati per lavorare anche in autonomia, ma possono integrarsi con i dati interni attraverso import/export da Excel o file strutturati (CSV/XML).
Sono strumenti pensati solo per grandi banche?
Quanto tempo serve per iniziare a usarli?
Offrite supporto anche dopo l’installazione?
È possibile vedere una demo prima dell’acquisto?
Vuoi capire se può funzionare anche per la tua banca?
Contattaci per ricevere informazioni personalizzate sui nostri applicativi.
