Daniele Borin, Sella Leasing – Luciano Bruccola, Conectens

Pubblicato su Leasenews.it il 03/10/2022: link

Le incognite legate al superamento delle moratorie e all’andamento dell’economia nazionale suggeriscono un monitoraggio attento dell’evoluzione della rischiosità. La realizzazione di un sistema strutturato di monitoraggio del portafoglio clienti a cadenza mensile che contempli la verifica di posizionamento dei propri clienti rispetto al mercato leasing complessivo, può aiutare nell’individuare preventivamente il deterioramento del profilo di rischio dei clienti al fine di preparare le modalità di recupero meglio allineate alle caratteristiche dei clienti stessi e valutare e misurare preventivamente l’impatto finanziario potenziale.

Su queste basi Sella Leasing ha deciso di utilizzare il Bureau Score di Collection, realizzato da Conectens sui dati di BDCR Assilea, per produrre mensilmente, in modo sistematico e strutturato, analisi del posizionamento del proprio portafoglio clienti a supporto dell’individuazione preventiva dei clienti soggetti a deterioramento del profilo di rischio con l’estrazione conseguente delle liste.

La valutazione del portafoglio clienti e contratti attraverso i dati del SIC di settore beneficia dell’apporto informativo di comportamento di rimborso nei confronti degli altri operatori ed è sempre più rilevante se si considera che una buona parte – può raggiungere anche il 50% – del portafoglio clienti ha contratti in essere con più società di leasing.

Il Bureau Score di Collection implementato sui suddetti dati è uno strumento utile a questi fini: focalizzando sui clienti che presentano insoluti restituisce una classificazione degli stessi ordinandoli secondo la maggiore probabilità di rientro in bonis ovvero al contrario secondo la maggiore probabilità dei peggioramento degli insoluti.

Le macro componenti informative sulle quali si basa sono: le caratteristiche dell’insoluto (numero contratti in insoluto, canoni e oneri insoluti, numero società segnalanti insoluto); la credit history del cliente (segnalazioni storiche di insoluto e contenzioso effettuate dalle diverse società di leasing); i livelli di operatività leasing del cliente (esposizione leasing complessiva, numero contratti, durata e importi relativi, …); le caratteristiche geo-settoriali e dimensionali (localizzazione territoriale, attività svolta, organizzazione societaria).

Tavola 1Nella Tavola 1 sono rappresentati i clienti con insoluti in partenza classificati, sulla base delle informazioni disponibili al momento di osservazione, nelle 10 classi di score di collection ove classe Ins1 è quella per la quale si prevede un maggior tasso di rientro in bonis e classe Ins10 è quella per la quale si prevede una maggiore presenza di peggioramento dello stato di insolvenza. Le performance registrate si riferiscono a 6 mesi successivi. Al fine di apprezzare al meglio le differenze di performance legate alla classificazione iniziale, si considerano anche i clienti regolari con i pagamenti e i clienti che presentano contratti in sinistro senza aver manifestato insoluti.

Per ciascuna classe di score viene presentata la quota di clienti che, a 6 mesi di distanza, rientrano in bonis rappresentati dalla parte di istogramma in verde. Il mancato rientro in bonis è invece differenziato tra: coloro che peggiorano il proprio stato in termini di aumento dell’importo degli insoluti a 6 mesi ovvero stato contratto in contenzioso (identificati dall’istogramma rosso scuro), coloro che al termine del periodo di osservazione si ritrovano in insoluto con lo stesso identico importo (in arancione) e infine coloro che si ritrovano in insoluto con importo ridotto.

Come si può verificare dalla tavola, il Bureau Score di Collection ordina i clienti con mancati pagamenti sulla base della probabilità di rientro in bonis ovvero del mancato rientro a seguito della manifestazione di insoluti e si conferma essere uno strumento utile nel differenziare la capacità dei clienti di rientrare in bonis ovvero di peggiorare il proprio stato.

Tavola 2L’implementazione sistematica e strutturata dello strumento nei processi di Sella Leasing volti al monitoraggio preventivo del comportamento dei clienti, completa il quadro delle informazioni disponibili in capo al cliente e supporta, secondo le linee esemplificative di indirizzo presentate in Tavola 2, l’individuazione dell’approccio di early collection più adatto ai diversi segmenti di clienti.

Daniele Borin, Sella Leasing – Luciano Bruccola, Conectens. Proprietà riservata (2022)

L'articolo Sella Leasing: monitoraggio portafoglio clienti proviene da Conectens.

Luciano Bruccola, Conectens

Pubblicato su Leasenews.it il 01/07/2021 link

Il rischio di credito nel Leasing negli ultimi 10 anni ha visto una netta ed anche repentina diminuzione trovando tra il 2017 e 2019 un sostanziale assestamento a livelli contenuti e mai così registrati. Questo è vero sia che si guardi all’andamento di rischiosità dei singoli contratti sia che si prediliga una visione cliente valutato attraverso l’insieme dei contratti a lui riconducibili.

Nelle analisi a livello cliente la definizione di default utilizzata – segnalazione di contenzioso oppure presenza di tre segnalazioni consecutive di insoluto nei 12 mesi di osservazione – è complessivamente più severa della definizione regolamentare, in quanto non considera franchigie ed è valutata sull’insieme di contratti censiti in BDCR Assilea, pertanto le segnalazioni di insolvenza possono provenire anche da società diverse. La circostanza che questa definizione è stata adottata da diversi anni, consente di avere uno storico di riferimento importante per valutarne l’evoluzione nel tempo.

Analizzando il tasso di nuovi clienti in default anno per anno in Figura 1, possiamo valutare chiaramente tre fasi: la contrazione registrata tra il 2013 e il 2017, la stabilizzazione tra il 2017 e il 2019 e il cambio di tendenza dal 2020.

Figura 1 – Storico Default clientiLegenda – Default: segnalazione di contenzioso nei 12 mesi o 3 segnalazioni mensili consecutive di insoluto. Tasso di Default: numero clienti in default a fine periodo diviso numero clienti non in default a inizio periodo.

Fonte: Elaborazioni e stime Conectens su dati BDCR Assilea (2021)

Nella prima fase l’effetto è stato amplificato dalla contemporanea diminuzione dei numeratore – nuovi default registrati nel corso dell’anno – e dall’aumentare del denominatore – più clienti in bonis in partenza e quindi portafogli clienti via via più virtuosi da un punto di vista di rischio di credito. Il tutto è frutto di fattori esogeni quali la relativa ripresa e stabilità economica nel periodo in considerazione ma anche di capacità di gestione del rischio di credito da parte delle Società di Leasing nel complesso.

Alla stabilità raggiunta nel triennio 2017-2019 si è assistito nel 2020 ad una inversione di tendenza, nonostante l’effetto di congelamento dei crediti per le numerose moratorie attivate al fine di arginare la crisi economica conseguente alla crisi pandemica.

Come già abbiamo avuto modo di commentare nel precedente articolo “Moratorie e performance creditizie dei clienti nel leasing”^[1], l’accresciuta rischiosità è spiegata dalla registrazione di almeno 3 segnalazioni mensili consecutive di insoluto nell’anno proprio da parte dei clienti che hanno attivato almeno una moratoria nel corso del 2020 su uno dei contratti a loro riconducibili.

Sempre nello stesso articolo facevamo notare che già il sistema di Score Comportamentale segnalava in partenza (gennaio 2020) come il profilo di questi clienti fosse più rischioso (minore presenza nelle classi meno rischiose vs maggiore presenza nelle classi più rischiose).

L’ipotesi per la quale la crisi abbia colpito o colpisca le aziende che già sperimentavano difficoltà prima della pandemia – su questo punto si veda l’analisi geo-settoriale-dimensionale pubblicata su queste pagine ^[2] – e che l’accesso alle moratorie sia stato colto in misura più importante dalle stesse imprese, sembra peraltro avvalorata dal fatto che le aziende che hanno beneficiato di moratorie registrino un calo di fatturato più importante delle altre.^[3]

L’interrogativo che ci si pone è in quale misura questo si tradurrà in aggravamento delle esposizioni classificate in default. Le proiezioni che presentiamo di seguito sono basate sulla stima di nuovi clienti in default per ciascuna classe di score, corretta per una valutazione delle previsioni sul quadro macroeconomico e fanno parte di un più ampio esercizio di stima delle probabilità di default a lungo termine per gli accantonamenti previsti sul tema IFRS9.

Figura 2 – Storico Default e previsioni 2021Legenda – Default: segnalazione di contenzioso nei 12 mesi o 3 segnalazioni mensili consecutive di insoluto. Tasso di Default: numero clienti in default a fine periodo diviso numero clienti non in default a inizio periodo.

Fonte: Elaborazioni e stime Conectens su dati BDCR Assilea (2021)

Come primo punto è utile osservare che il portafoglio di partenza (1 1 2021) – tenendo conto degli spostamenti di classificazione, dei clienti che hanno chiuso contratti nel corso dell’anno, dei nuovi clienti che hanno attivato contratti – si presenta complessivamente con profilo peggiorato rispetto a quello che si aveva all’inizio della pandemia (1 1 2020), da un punto di vista di numero posizioni classificate per classe di Score Comportamentale. Questo rappresenta peraltro un’ulteriore conferma che lo strumento non ha risentito nella sua capacità di sintetizzare il rischio prospettico dei clienti.

Per quanto concerne il quadro macroeconomico, l’analisi ha contemplato insieme gli effetti del 2020, ritardati grazie alle misure economiche di contrasto, che ricordiamo si chiude comunque con un meno 9% di PIL e il rimbalzo positivo atteso nell’anno in corso.

La stima complessiva di tasso nuovi clienti in default, riportata in Figura 2, conferma l’inversione di tendenza già osservata nel 2020. Ciò detto, l’impatto della crisi sulla rischiosità dei clienti nel Leasing sembra comunque non possa raggiungere i livelli già sperimentati in passato.

Come già osservato negli articoli richiamati, un attento monitoraggio di portafoglio che valorizzi le fonti informative e gli strumenti su queste disponibili, può contribuire ad una early detection delle possibili posizioni problematiche e a fronteggiarle tempestivamente.

Luciano Bruccola, Conectens. Proprietà riservata (2021)

1. Moratorie e performance creditizie dei clienti nel leasing
2. Strumentazione di analisi portafogli crediti ai tempi dell’emergenza sanitaria
3. Su questo punto si veda Banca d’Italia, Rapporto sulla stabilità finanziaria 1/2021 pag. 37 e seguente.

L'articolo Le previsioni di rischiosità clienti nel Leasing per il 2021 proviene da Conectens.

Luciano Bruccola, Conectens

Pubblicato su La lettera di Assilea numero 3 anno 2016

I flussi mensili di alimentazione alla BDCR Assilea, raccolti e gestiti dalla piattaforma di Monitoraggio delle Performance di Portafoglio, consentono analisi interessanti sulle dinamiche della qualità di portafoglio dei contratti leasing e più in generale sulle dinamiche di passaggio di stato dei contratti. Risulta possibile valutare le performance, da un punto di vista rischio di credito, per ciascun momento del ciclo di vita dei contratti dalla fase di origination, alla gestione comportamentale, alla fase di recupero. In questo articolo daremo qualche evidenza sulla evoluzione della rischiosità nelle tre fasi, beneficiando della disponibilità temporale dei dati dal 2011 sino a inizio 2016 e con particolare riferimento alle performance delle azioni di recupero sui primi segnali di insolvenza (early collection).

Un primo elemento di analisi è il confronto delle performance delle diverse generazioni annuali di produzione dei contratti leasing. Nel grafico 1 è possibile osservare, per ciascuna delle generazioni dal 2011 al 2015, la decadenza a contenzioso nel corso del tempo. A parità di anzianità di contratto si osserva agevolmente la rischiosità più contenuta delle generazioni di produzione più recente. Per esempio a 25 mesi di distanza dalla rispettiva data di produzione è possibile misurare che la quota di contratti passati a contenzioso scende da circa 3,4% per la generazione 2011, a poco più di 1,6% per la generazione 2013, testimoniando quindi una crescente capacità complessiva di gestire il rischio sin dalla prima fase di selezione in accettazione. L’andamento della generazione di contratti 2014 presenta un ulteriore miglioramento del contenimento del rischio e le prime evidenze per il 2015 sono a quest’ultima allineate.

Un secondo elemento di interesse è rappresentato dall’andamento delle dinamiche di “produzione” di nuove insolvenze o contenziosi provenienti da contratti regolari. Il grafico 2 di seguito, costruito sulla finestra di osservazione giugno 2011 – marzo 2016, mostra come la produzione di nuove Insolvenze (area grigia ed arancione) e di nuovi contenziosi (area in azzurro) proveniente da contratti Regolari è decisamente in diminuzione.

Più in dettaglio, la quota parte dei contratti classificati come Regolari che a distanza di 3 mesi passano allo stato di Insolvenza (distinto in Leggera e Grave) ovvero al passaggio allo stato di Contenzioso passa da oltre 2,5% di inizio 2012 a 1,3% a marzo 2016.

Queste analisi testimoniano come ad una crescente capacità di selezionare il rischio in accettazione si accompagni anche una decisa diminuzione di Insolvenze e Contenziosi provenienti dai contratti Regolari.

Registrata la crescente capacità di contenimento del rischio, sorge la domanda su quale sia invece la dinamica dei contratti che entrano in insolvenza e in particolare, quale sia la capacità di gestire i processi di early collection e se questa abbia subito delle modifiche nel corso del tempo.

Una analisi di dettaglio sulle performance dei contratti classificati in Insolvenza Leggera (IL) può aiutare a misurare e comprendere meglio il fenomeno. La definizione di Insolvenza Leggera adottata in BDCR è basata sul confronto dell’ammontare dell’insoluto registrato rispetto a due parametri: il primo è relativo al valore del bene e presenta una soglia pari al 5%, il secondo è relativo all’ammontare dei canoni a scadere nei 6 mesi successivi e presenta una soglia pari al 35%. Nel caso in cui l’ammontare registrato dell’insolvenza sia inferiore ad entrambe le soglie, il contratto viene classificato in Insolvenza Leggera e, in definitiva, si può ritenere di essere in presenza di clienti/contratti con difficoltà contenute e per i quali il successo delle azioni di recupero (early collection) dovrebbe essere più elevato.

Il grafico 3 ci mostra l’andamento delle performance dei contratti classificati in Insolvenza Leggera a 3 mesi sempre nella finestra di osservazione giugno 2011 – marzo 2016. Mentre la quota di contratti che rientra in bonis si attesta nella forchetta 35-40%, la quasi totalità della restante parte si divide tra quelli che peggiorano la propria classificazione da Insolvenza Leggera a Grave (il cui ammontare dell’insoluto quindi varca almeno una delle due soglie precedentemente indicate), e quelli che restano nella stessa classe di stato. La quota di contratti che restano in Insolvenza Leggera mostra come lo spazio temporale di 3 mesi non sia sufficiente a garantire una definizione della difficoltà di rimborso.

La domanda che si pone è: vista la capacità di miglioramento della selezione in accettazione e la diminuzione della trasformazione di contratti regolari in insolvenza o contenzioso, ci si può aspettare anche un miglioramento delle azioni di early collection che consentano in generale un approccio più tempestivo e che portino ad un risultato migliore in termini di rientro in bonis?

Come ampiamente sottolineato le analisi precedenti sono costruite sulla base dei dati sottostanti alla piattaforma di Monitoraggio delle Performance di Portafoglio su dati BDCR ed è quindi possibile per ciascuna associata utilizzatrice del servizio ripercorrere le stesse analisi sul proprio specifico portafoglio per misurare i propri fenomeni ed effettuare le considerazioni del caso. Una volta misurati i fenomeni, è utile invero avere la disponibilità di strumenti che aiutino a prendere una decisione su quale potrebbe essere la strategia e l’azione associata di recupero più consona rispetto alle caratteristiche del contratto e del cliente in esame. Con questo specifico obiettivo è in fase di sviluppo sui dati di BDCR lo Scoring di Collection il quale, una volta implementato, consentirà di valutare le caratteristiche di un cliente (con tutti i contratti associati) rispetto alla probabilità che, una volta registrato un primo insoluto, a distanza di 6 mesi possa tornare in bonis ovvero peggiorare il proprio stato. La pubblicazione di questo scoring in BDCR consentirà agli utilizzatori di beneficiare direttamente dello strumento a complemento di quanto già in uso per gestire le azioni di collection.

Luciano Bruccola, Conectens. Proprietà riservata (2016)

L'articolo Evidenze sulla efficacia delle azioni di Early Collection nel Leasing proviene da Conectens.