Costruzione e Validazione dei Modelli di Rating...Costruzione e Validazione dei Modelli di Rating...

Costruzione e Validazione dei Modelli di RatingModelli di Ratings Interni per le SGR e per gli intermediari finanziari

Gianluca OricchioPresentato al Diaman | Milan | 21 ottobre 2013

Calculating Default Risk, September 2012 2

Agenda

Tecniche di Costruzione dei Modelli di Rating

Validazione iniziale dei Modelli di Rating: Rappresentatività/Stabilità

Ordinamento

Calibrazione

Validazione nel continuo dei Modelli di Rating

Conclusioni

Tecniche di Costruzione dei Modelli di Rating

Calculating Default Risk, September 2012

Analisi di congruenza modelli - portafoglio

Low default Portfolio

• Large Corporate

• Banche

• Paesi

• Finanza Strutturata

High default Portfolio• Mid Corporate

• Small Business

• Retail

Low Data Portfolio• No Profit

• Consorzi

• Finanziarie

Specialised Lending

• Credito Immobiliare

• Finanziamento di Progetto

• Finanza di Scopo

• Finanziamento di beni primari

Portafoglio: mix fonte dati Modelli Rating

Large Corporate

Banche, Paesi

Mid Corporate

Small Business

Retail

0% 100%

100%0% Peso %

Livelli di complessità crescente

AnalisiFonda-mentale

Market Signals

Creazionedi modellidi credito(PDs, LGDs, EADs) e di portafoglio

Creazionemodelli di Pricing (fair value spreads)

CreazioneAgenzia di Rating “Interna”

Validazione iniziale del Modelli di Rating

2. Validazione iniziale Modelli di Rating

APPROCCIO/PORTFOLIO

Rappresentatività/Stabilità

Ordinamento Calibrazione

Statistico PSI/Matrici di Migrazione

AccuracyRatio/ROC/Bayesian Error

Binomial testChi-Squaretest/Normaltest/TrafficLights test

Shadow Rating PSI/Matrici di Migrazione

Benchmarking Benchmarking

Ranking Approach

PSI/Matrici di Migrazione

Giudizio Esperti Bechmarking

Expert Based Matrici di Migrazione

Giudizio Esperti Benchmarking

Contestualizzazione della statistica nell’analisi economica

Errore di I e II specie

Test Binomiale

Test PSI

Test del Semaforo

Accuracy Ratio

Analisi Statistica

LGD per clienti Bad affidati

(errore I specie)

Mark up per clienti Scartati

(errore II specie)

Funzione “Guadagno – Perdita”

Analisi economica: modello IRB Corporate

badgoodModello ex-ante

C/E 1,27€

C/E 1,15€

I modelli Corporate più redditizi sono quelli che minimizzano l’errore di prima specie (minimizzazione delle sofferenze)

Il cut off discende sia da una analisi statistica, sia da una analisi economica.

Spread 150bps LGD 70% f(Def)=2,0% Erogato € 100(1€ x 100 teste)

Min. errore di prima specie

Min. errore di seconda

specie

Analisi economica: modello IRB Retail

Il cut off discende sia da una analisi statistica, sia da una analisi economica.

Spread 600bps LGD 70% f(Def)=2,0%

badgoodModello ex-ante

C/E 5,42€

C/E 4,73€

I modelli Retail più redditizi sono quelli che minimizzano l’errore di seconda specie (minimizzazione del razionamento della clientela)

Min. errore di prima specie

Min. errore di seconda

specie

Erogato € 100(1€ x 100 teste)

Ordinamento è diverso da Calibrazione

AAA AA A BBB BB B CCC

Classe di Rischio

DCapacità di Ordinamento

Classe di Rischio

errata corretta

Classe di Rischio

errata corretta

Calibrazione 0,0%

Classe di Rischio

errata corretta

Calibrazione 0,0%

Classe di Rischio

Derrata corretta

Validazione nel continuo dei Modelli di Rating

Framework chiaro di validazione su base continuativa Qualità dei dati Rappresentatività e

StabilitàPotere discriminante

Massa informativa adeguata

PSI < 0.1 ⇒ stabile

0.1 ≤ PSI ≤ 0.25 ⇒sotto osservazione

PSI > 0.25 ⇒possibile risviluppo

⇒ CRALM

AR ≥ 65% ⇒ livello molto buono

50% < AR < 65% ⇒sotto osservazione

AR* ≤ 50% ⇒possibile risviluppo

⇒ CRALM

* Se l’AR di un singolo modulo risulta inferiore al 50%, il modulo viene posto sotto osservazione e il suo peso d’integrazione all’interno del modello ridotto

Calibrazione

AP – 50 bps < DR < AP + 50 bps ⇒

livello accettabile

DR ≤ AP – 50 bps o AP + 50 bps ≤ DR ⇒

possibile modifica AP ⇒ CRALM

Qualità dei dati Rappresentatività e Stabilità

Potere discriminante

Massa informativa adeguata

PSI < 0.1 ⇒ stabile

0.1 ≤ PSI ≤ 0.25 ⇒sotto osservazione

PSI > 0.25 ⇒possibile risviluppo

⇒ CRALM

AR ≥ 65% ⇒ livello molto buono

50% < AR < 65% ⇒sotto osservazione

AR* ≤ 50% ⇒possibile risviluppo

⇒ CRALM

* Se l’AR di un singolo modulo risulta inferiore al 50%, il modulo viene posto sotto osservazione e il suo peso d’integrazione all’interno del modello ridotto

Calibrazione

AP – 50 bps < DR < AP + 50 bps ⇒

livello accettabile

DR ≤ AP – 50 bps o AP + 50 bps ≤ DR ⇒

possibile modifica AP ⇒ CRALM

Risk Calc Italy: Sound Back test 1 year

Frequenza di default

A/A- BBB+ BBB/BBB- BB+ BB/BB- B+/B/B-

Sample: 100.000 SMEs

Risk Calc Italy: Sound Back test 2 years

Accuracy Ratio

Accuracy Ratio (Indice di Gini)

BAAAR+

Modello perfetto

Peggior score Miglior score

% popolazione

cumulata

0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

Time, costs

Accuracyratio

Risk Calc

AP = 80.9%Ext-Rating

AP = 92.3%

Accuracy comparison: External Rating vs Risk Calc

Conclusioni

Coerenza del Portafoglio con il Modello di Rating «messa a comune dei Defaults» D.B. Condiviso

«allargamento» del proprio portafoglio con altri nomi similari

«poggiarsi» su un modello-base e costruire una scoring card

Validazione iniziale vs Validazione nel continuo aberrazioni: backward looking vs forward looking e «inversioni di ciclo»

Consistency: applicazioni coerentiRating – PD – LGD – Credit Spread – Pricing - NAV

Parte Prima:

I Modelli Quantitativi

Parte Seconda:

I Modelli Qualitativi

Parte Terza:

Il Pricing del Rischio di Credito

Appendice statistica

PSI TestStability Assessment – the Population Stability Index The Population Stability Index (PSI) is estimated as follows:

( ) %% % log%

DPSI D VV

= − ∗

∑ (1)

where i is summed over all factor attributes and

%iD stands for the percentage of observations in the development sample that have attribute i.

%iV stands for the percentage of observations in the validation sample that have attribute i.

As the formula indicates, data needs to be binned to allow the calculation of the information value. The PSI can take values between 0 and infinity, where small values indicate little difference in the two populations and high values indicate large differences in the populations. The following interpretations of the measured PSI are commonly used:

0.1PSI < ⇒ Population distribution is STABLE.

0.1 0.25PSI< < ⇒ Population distribution id SOMEWHAT UNSTABLE.

0.25PSI > ⇒ Population distribution is UNSTABLE.

Binomial Test (1/3)

Binomial Test (2/3)

Binomial Test (3/3)

Chi – Square Test

Normal Test e Traffic Lights Tests (1/3)

Receiver Operating Characteristic (ROC)

Bayesian Error Rate

ALL INFORMATION CONTAINED HEREIN IS PROTECTED BY LAW, INCLUDING BUT NOT LIMITED TO, COPYRIGHT LAW, AND NONE OF SUCH INFORMATION MAY BE COPIED OR OTHERWISE REPRODUCED, REPACKAGED, FURTHER TRANSMITTED, TRANSFERRED, DISSEMINATED, REDISTRIBUTED OR RESOLD, OR STORED FOR SUBSEQUENT USE FOR ANY SUCH PURPOSE, IN WHOLE OR IN PART, IN ANY FORM OR MANNER OR BY ANY MEANS WHATSOEVER, BY ANY PERSON WITHOUT MOODY’S PRIOR WRITTEN CONSENT.

All information contained herein is obtained by MOODY’S from sources believed by it to be accurate and reliable. Because of the possibility of human or mechanical error as well as other factors, however, all information contained herein is provided “AS IS” without warranty of any kind. Under no circumstances shall MOODY’S have any liability to any person or entity for (a) any loss or damage in whole or in part caused by, resulting from, or relating to, any error (negligent or otherwise) or other circumstance or contingency within or outside the control of MOODY’S or any of its directors, officers, employees or agents in connection with the procurement, collection, compilation, analysis, interpretation, communication, publication or delivery of any such information, or (b) any direct, indirect, special, consequential, compensatory or incidental damages whatsoever (including without limitation, lost profits), even if MOODY’S is advised in advance of the possibility of such damages, resulting from the use of or inability to use, any such information. The ratings, financial reporting analysis, projections, and other observations, if any, constituting part of the information contained herein are, and must be construed solely as, statements of opinion and not statements of fact or recommendations to purchase, sell or hold any securities.

NO WARRANTY, EXPRESS OR IMPLIED, AS TO THE ACCURACY, TIMELINESS, COMPLETENESS, MERCHANTABILITY OR FITNESS FOR ANY PARTICULAR PURPOSE OF ANY SUCH RATING OR OTHER OPINION OR INFORMATION IS GIVEN OR MADE BY MOODY’S IN ANY FORM OR MANNER WHATSOEVER.

Each rating or other opinion must be weighed solely as one factor in any investment decision made by or on behalf of any user of the information contained herein, and each such user must accordingly make its own study and evaluation of each security and of each issuer and guarantor of, and each provider of credit support for, each security that it may consider purchasing, holding, or selling.

Any publication into Australia of this document is pursuant to the Australian Financial Services License of Moody’s Analytics Australia Pty Ltd ABN 94 105 136 972 AFSL 383569. This document is intended to be provided only to “wholesale clients” within the meaning of section 761G of the Corporations Act 2001. By continuing to access this document from within Australia, you represent to MOODY’S that you are, or are accessing the document as a representative of, a “wholesale client” and that neither you nor the entity you represent will directly or indirectly disseminate this document or its contents to “retail clients” within the meaning of section 761G of the Corporations Act 2001.

Costruzione e Validazione dei Modelli di Rating...Costruzione e Validazione dei Modelli di Rating...

Documents

Transcript of Costruzione e Validazione dei Modelli di Rating...Costruzione e Validazione dei Modelli di Rating...

VALIDAZIONE DEI DATI E DEI MODELLI - intranet dica: Homeintranet.dica.polimi.it/uploads/media/2_validazione_dati.pdf · operativi della "cluster analysis", della regressione multipla

PRIME RIFLESSIONI SU BASILEA3 E POSSIBILI IMPATTI … · sistema finanziario Pubblici poteri ... nel patrimonio di vigilanza ... - discutibile efficacia dei modelli di rating interno

efficient building innovation - Eurotherm · CERVED RATING AGENCY . Metodologia di rating . maggio 2014 RATING PERFORMED BY 12/10/2014. The rating is an opinion on the ability of

Metodologia di rating in Cerved

Rischi di credito: modelli di scoring, LGD, EAD · Metodo utilizzato anche dalle banche per la valutazione ... approccio adottato dalle Agenzie di Rating - continua Valutazione espressa

Rating System

PROPOSTE TESI 2013 LEGNO - ing.unitn.ittomasir/tesi/2013-PROPOSTE-TESI.pdf · strutture composte); VALIDAZIONE DI MODELLI DI LINEARI E NON LINEARI DI STRUTTURE COMPOSTE ATTRAVERSO

Testing e validazione

Presentazione Rating System

Agenzie di rating

POLITECNICO DI MILANO - politesi.polimi.it · 2.4 Evoluzione dei modelli per la gestione dei rapporti di fornitura.89 ... 2.4.4 La valutazione dei fornitori: il vendor rating ...

Validazione scientifica dei modelli idrologici

Rating Pubblico 2014 AREA 1

Disegni degli esperimenti (Design of Experiments DoE)users.unimi.it/gazzalab/wordpress/wp-content/uploads/2019/01/22... · Calcolo dei modelli matematici, loro validazione e valutazione

Nota Metodologica La validazione del Questionario insegnante · 1.3 Le pratiche di insegnamento ... , dalla trasmissione del sistema di valori, norme e modelli di comportamento condivisi

Aspetti di business e metodologici - Financerisks.com risk/rating... · 2004-06-28 · delle Risk Components e dei Rating Le Metodologie di testing per la validazione dei Credit Scoring

POLITECNICO DI TORINO · 2019. 8. 1. · in Ingegneria Biomedica Tesi di Laurea Magistrale VALIDAZIONE DI MODELLI PERSONALIZZATI AD ELEMENTI FINITI PER LA PREDIZIONE DEL COMPORTAMENTO

IL RATING IMMOBILIARE Carlo Frittoli. Perché il rating immobiliare? Fideiussioni agli Acquirenti BasileaDue Crisi Finanziaria.

Veri ca e validazione dei modellipitagora.dm.uniba.it/~mazzia/didattica/simula06/lezione...Veri ca e validazione dei modelli Corso di Tecniche di Simulazione, a.a. 2005/2006 Francesca

Per validazione tecnica intendiamo una validazione ... · Per validazione tecnica intendiamo una validazione analitica ristretta al controllo strumentale e al controllo di qualità