Come sfruttare dati comportamentali, reputazionali e geografici per il rischio bancario?

Come possono le banche sfruttare le informazioni comportamentali, reputazionali e geografiche nella valutazione del rischio per migliorare la gestione degli NPL e quali strumenti possono essere utilizzati per integrare queste informazioni nei processi decisionali?

L’approccio ai dati, di ogni tipo, deve essere oggetto di attenta valutazione da parte dell’intermediario, nell’ottica di renderli funzionali e coerenti con la dimensione, complessità, tipologia di indebitamento e prospettive di recupero, se esistenti. Pertanto la risposta non può essere univoca, peggio di non avere dati è averne a disposizione ridondanti o incoerenti rispetto agli obiettivi di recupero. Sicuramente le nuove tecnologie disponibili (una per tutti l’AI) e la potenziale enorme disponibilità di dati e informazioni accessibili, anche con configurazioni e caratteristiche alternative a quelle tipiche bancarie, costituiscono una riserva di valore importante per la gestione del portafoglio deteriorato ma richiede un’analisi attenta e focalizzata, distinta e clusterizzata per tipologia di clientela, commisurata e organizzata per gli obiettivi della Banca.

Da questo punto di vista vedo un potenziale di sinergia tra le strutture di workout, il Chief data officer, il CRO e la funzione AML, al fine di mettere a sistema in modo intelligente ed efficace le competenze e specificità e “fare sistema” all’interno della banca.

Non meno importanti a mio avviso risulta il ricorso anche ad informazioni residenti nella dimensione “social” del web che, soprattutto per le persone fisiche possono costituire un complemento utile a riscontrare quelle già disposizione della banca e accertare anche il grado di “affidabilità” informativa del cliente. E’ evidente, tuttavia che tali elementi richiedono tecnologie di elaborazione e interpretazione non banali.

Quali nuovi modelli possono essere sviluppati per il rating creditizio rivolto a persone fisiche e giuridiche e come possono questi modelli essere migliorati per riflettere meglio il rischio reale e le condizioni di mercato?

Persone fisiche e giuridiche pongono problemi di scoring/rating creditizio completamente diversi per complessità, disponibilità e capacità previsionale.

Vedo anche possibilità diverse di complementare le metodologie “tradizionali” di elaborazione e calcolo con i dati meno strutturati ma oggi disponibili per gli intermediari e mi riferisco, come già anticipato, sia ai dati relativi all’attività “social” del soggetto, sia quelli relativi ai profili ESG.

Inoltre diventa cruciale per la Banca integrare sempre più elementi previsionali “forward looking “ che integrino elementi di sostenibilità prospettica del debito e tengano conto dell’evoluzione possibile della struttura finanziaria e dell’indebitamento della controparte cliente.

In generale sono abbastanza convinto che le nuove tecnologie basate sulla elaborazione ed interpretazione di grandi moli di dati possano essere molto efficaci nell’indirizzare la decisione creditizia relativamente alle persone fisiche, anche ricorrendo a strutture decisionali “prescrittive” basate su griglie di accettazione/eleggibilità costruite sull’esperienza dell’intermediario e dinamiche nel tempo. Diverso ragionamento farei per le persone giuridiche la cui complessità gestionale, nonché la condizione di partecipante al proprio mercato, settore, geografia di riferimento rende la componente di “human touch” assolutamente preminente, seppur supportata da strumenti sofisticati e veloci nell’elaborazione di informazioni a supporto della decisione creditizia.

In ultimo direi che la sfida di integrare i fattori ESG nello score/rating è a vera nuova frontiera con cui dovremo confrontarci e la cui evoluzione è appena all’inizio.

Quali sono i modelli più efficaci per valutare l’esposizione al rischio climatico dei portafogli bancari e come possono le banche adattare le loro strategie di gestione del rischio per tenere conto dei cambiamenti climatici?

Come anticipavo prima, la difficoltà di integrare i fattori ESG nella valutazione del rischio è ancora ampiamente non risolta e sotto questo aspetto la capacità della banca di gestire il rischio dipende molto dalla capacità della controparte di rendere disponibili, affidabili, completi e aggiornati i dati relativi alla sua dimensione ESG. E’ una situazione nuova per la Banca è non del tutto sotto la propria capacità di controllo. E’ evidente che in questo ambito il ruolo principale lo giaco l’impresa stessa nella sua capacità di fornire, sia se obbligata sia volontariamente dati in merito alla sue esposizione/posizione rispetto ai rischi C&A sufficientemente “reliable” per essere integrata nei modelli analitici e  previsionali della Banca.

Sicuramente l’evoluzione degli obblighi di rendicontazione (una per tutte la CSRD) migliorerà la qualità, completezza e coerenza degli stessi e, di conseguenza, la capacità di discriminare le informazioni e il rischio; tuttavia occorre riflettere sul fatto che la tipologia stessa di fenomeni sottostanti le dimensioni ESG e la difficolta di prevederne l’evoluzione, la direzione e soprattutto i tempi di manifestazione,  che esorbitano i tempi “ordinari “ di pianificazione e di analisi del ciclo economico-gestionale, introducono un fattore di complessità e di incognita che non è scontato mettere a “sistema” come le variabili economiche e finanziarie che attualmente rappresentano gli elementi previsionali di analisi alla base delle misure di rischio conosciute ed utilizzate.

Su questo piano vedo un percorso lungo e graduale di arricchimento e integrazione di tale set informativo nel patrimonio decisionale della Banca e la necessità di accettare componenti di “proxy” più o meno ampie rispetto alla tipologie di portafoglio creditizio e di controparte che caratterizzano ciascun Istituto.

Incontra Roberto Russo il 2 ottobre a Milano, a Forum Banca , il più grande evento in Italia dedicato al mondo Banking durante la sessione Risk & Automation.