Strumentazione di analisi portafogli crediti ai tempi dell’emergenza sanitaria

Le conseguenze economiche della crisi sanitaria non sono state le stesse per i diversi settori di attività economica e la sospensione dei pagamenti dovuta alla concessione di moratorie ha influito sulla disponibilità di informazioni sul pagamento puntuale delle rate. Quali ripercussioni sugli strumenti di previsione di andamento dei finanziamenti concessi?

Luciano Bruccola, Conectens

Pubblicato su Leasenews.it il 20/01/2021 link

I dati del comportamento di rimborso dei finanziamenti non sembrano ancora riflettere gli effetti della crisi economica dovuta all’emergenza sanitaria. Anche scontando il ritardo naturale di qualche trimestre con cui normalmente i fondamentali dell’economia vengono trasmessi al comportamento di rimborso dei prestiti, è evidente il ruolo giocato dalle politiche di congelamento degli effetti della crisi, su tutte la sospensione dei pagamenti dovuta dalla concessione di moratorie.

Figura 1 – Deterioramento annuale (a) dei prestiti per settore e (b) del leasingGuardando ai dati recentemente pubblicati da Banca d’Italia[1] per i primi 3 trimestri del 2020, i tassi di deterioramento annuale dei prestiti[2] presentano, soprattutto per i comparti Famiglie Produttrici e Società non Finanziarie, dei tassi stazionari se non in diminuzione, come è possibile osservare in Figura 1 (a).

Situazione analoga si registra nel comparto leasing: la segnalazione dei contratti in contenzioso[3] nei primi tre trimestri 2020 ha un andamento simile, come rappresentato in Figura 1 (b).

All’indomani del manifestarsi dell’emergenza sanitaria le prospettive di andamento dei default legate alle previsioni macroeconomiche ipotizzavano una impennata della difficoltà di rimborso dei prestiti. Il percorso sostanzialmente flat o in diminuzione della curva mostra che l’andamento di pagamento dei rimborsi è ancora lontano da registrare impatti della crisi.

È del pari evidente che questo non può tranquillizzare le banche e le società che hanno erogato tali finanziamenti perché è alto il timore che la manifestazione degli effetti della crisi (le ultime previsioni indicano che la riduzione del PIL in Italia per il 2020 si attesterà intorno al 9,2%) venga scontata interamente ed in modo repentino alla rimozione delle sospensive attualmente in vigore e che l’effetto atteso si manifesti comunque prima o poi.

In second’ordine l’eccezionalità degli avvenimenti economici ha un impatto anche sugli strumenti di previsione di andamento, siano questi macro siano questi riferiti ai singoli finanziamenti o ai singoli prenditori.

In quest’ultimo contesto si pensi in particolare alla tenuta dei modelli di scoring andamentali o comportamentali sui portafogli clienti esistenti, sia costruiti su basi dati compartite ovvero sul portafoglio specifico di ciascuna banca. Come è noto una parte importante della capacità di questi strumenti di intercettare il verificarsi di insoluti è legata all’andamento della credit history dei clienti. Venendo a mancare la componente che registra il pagamento mensile delle rate – e quindi anche il mancato pagamento – sembra venir inficiata la capacità predittiva di tali modelli.

Inoltre, come abbiamo potuto vedere, la crisi non colpisce uniformemente le diverse tipologie di attività economiche. Alcune soffrono più di altre, si pensi ad esempio alle evidenze delle conseguenze su tutte alle attività dei servizi di alloggio e di ristorazione, a quelle legate ai viaggi, all’arte e alla cultura, all’intrattenimento. Anche tali difformità hanno un potenziale impatto sugli strumenti di previsione e di scoring, in quanto comportano potenzialmente una mutazione importante del grado di rischiosità dei singoli settori sinora registrato, sul quale i sistemi di previsione e di scoring sono stati costruiti.

Con l’obiettivo di misurare le ripercussioni di questi temi sulla tenuta del modello di Bureau Score Comportamentale costruito sui dati di BDCR Assilea, abbiamo percorso su un campione ampio e rappresentativo della banca dati, un esercizio di proiezione delle indicazioni provenienti da indagini e ricerche esterne[4] il cui obiettivo era investigare quali settori di attività economica, quali aree territoriali, quali caratteristiche dimensionali fossero a potenziale maggior impatto negativo dovuto alla emergenza sanitaria.

Figura 2 – Segnalazioni geo-settoriali e posizionamento in BDCR pre-pandemiaElaborazione Conectens su dati Assilea, Istat, Confindustria/Cerved (2021)

In dettaglio, una volta recepite da queste ricerche le indicazioni più rilevanti per l’esercizio in esame, si sono costruite opportune variabili indicatrici, una per ciascuna analisi ritenuta di interesse: ad esempio la localizzazione geografica delle imprese che hanno dichiarato seri rischi operativi e di sostenibilità dell’attività, i settori nelle quali operano, la classe dimensionale.

Successivamente è stato conteggiato quante volte ciascun cliente presente in BDCR Assilea venisse raggiunto da queste indicazioni e il passo finale è stato quello di valutarne il posizionamento in banca dati, in termini di comportamento di rimborso, a fine 2019 quindi in una situazione precedente l’emergenza sanitaria.

Come si evince in Figura 2, le imprese ritenute a maggior impatto negativo dovuto alla emergenza sanitaria e quindi intercettate dal maggior numero di indicazioni sono quelle che in un momento di pre-pandemia (fine 2019) manifestavano già maggiori difficoltà nei rimborsi e quindi dei tassi di contenzioso più elevati. Ad esempio si può osservare che le imprese intercettate da 5 o più segnalazioni presentano una rischiosità di partenza che è più del doppio rispetto alle imprese che non vengono intercettate da alcuna indicazione.

Ripercorriamo ora lo stesso esercizio differenziando i clienti in banca dati rispetto alle classi di score assegnate a fine 2019 – ove la probabilità di registrare insoluti nei 12 mesi successivi è crescente da classe 1 a classe 10 – e ci soffermiamo sulle prime 7 classi di score complessivamente considerate a minor rischio.

Figura 3 – Segnalazioni geo-settoriali e classificazione pre-pandemia Bureau Score ComportamentaleElaborazione Conectens su dati Assilea, Istat, Confindustria/Cerved (2020)

Come si nota in Figura 3, da classe di Score 1 a classe di Score 7 aumentano i clienti via via intercettati dalle indicazioni geo-settoriali. In dettaglio, se mettiamo a confronto la classe di score 7 (maggior rischio potenziale stimato a fine 2019) e la classe di score 1 (minor rischio potenziale stimato a fine 2019) è immediato verificare la maggior presenza in classe di score 7 di soggetti intercettati da più segnalazioni di presunta accresciuta difficoltà dovuta agli effetti della emergenza sanitaria. E quindi coloro che presumibilmente sono destinati ad essere maggiormente toccati dalle conseguenze economiche della emergenza sanitaria, rispecchiavano già di partenza una maggiore rischiosità potenziale.

Ai fini della corretta interpretazione vale la pena sottolineare che il Bureau Score Comportamentale è costruito sui dati di esposizione leasing, di comportamento di rimborso e di caratteristiche di controparte presenti in BDCR Assilea mentre le indicazioni di potenziale maggiore rischiosità provenienti dalle ricerche considerate sono del tutto estranee al calcolo dello score.

Sulla base di queste analisi si può ragionevolmente concludere che comunque la valutazione di rischiosità fornita dallo strumento di score è credibile anche in considerazione dell’impatto atteso e delle conseguenze dovute all’emergenza sanitaria.

In linea più generale, solo l’osservazione dei fenomeni e la visibilità di un po’ di storia ci darà la possibilità di interpretare correttamente la portata degli avvenimenti e quindi anche di intervenire sulla strumentazione in senso lato e adattarla ai mutamenti a cui assistiamo.

Per gestire il momento, come non mai è assolutamente necessario provvedere ad un monitoraggio attento e costante del comportamento dei propri clienti valorizzando tutte le informazioni potenzialmente disponibili e accessibili, sia guardando in casa propria ai propri contratti, sia guardando al comportamento verso gli altri soggetti che erogano finanziamenti. Ogni singola prima indicazione che emerge deve esser utilizzata per affinare l’approccio alla gestione della relazione con ciascun singolo cliente, nell’ottica di salvaguardare la relazione e nell’ottica di valutare attentamente quali segnali meritano di essere interpretati come anticipatori di deterioramento della relazione stessa e intervenire con approcci tempestivi e appropriati.

In questo contesto, i dati di sistema riguardanti l’utilizzo dei contratti di leasing e gli strumenti di sintesi costruiti su questi offrono un supporto puntale e tempestivo per la accuratezza e la profondità della valutazione dell’esposizione leasing, valorizzando maggiormente gli eventuali sistemi di rating interno o di capogruppo già presenti sui propri clienti.

Luciano Bruccola, Conectens. Proprietà riservata (2021)

  1. Banca d’Italia, Banche e istituzioni finanziarie: condizioni e rischiosità del credito per settori e territori, dicembre 2020
  2. Numero affidati in default a un anno di distanza – default rettificato
  3. Registrazione di insoluti tali da spingere le società di leasing a risolvere il contratto
  4. Istat, Situazione e prospettive delle imprese nell’emergenza sanitaria covid-19, giugno 2020 e Confindustria/Cerved, Rapporto Regionale PMI 2020, giugno 2020

Contact Us

If you want to get in touch with us, write to us at the following address or use the contact form below