L’asset quality nel settore bancario: le linee guida del LOM

Negli ultimi anni la Vigilanza Europea ha posto l’attenzione sulla questione dell’asset quality nel settore bancario, emanando diversi provvedimenti come le Linee Guida sugli NPL, la Nuova Definizione di Default (New DoD) e il Calendar Provisioning e in particolare le Linee Guida guida EBA Loan, Origination and Monitoring. L’obiettivo della LOM è migliorare le pratiche di prestito utilizzate dalle istituzioni per valutare efficacemente il merito di credito di un mutuatario al momento della concessione del prestito, passando da un approccio re-active ad un approccio pro-active. A tal fine, dopo aver individuato le principali metriche utili a valutare i segnali di deterioramento del portafoglio creditizio, è stato sviluppato un modello in ottica forward looking con la costruzione di scorecard predittive idonee a simulare scenari futuri su un dataset definito. 

La costruzione del modello Forward Looking

Il lavoro si articola in tre fasi, la prima volta a definire la normativa la quale si compone di otto sezioni. Le prime tre sezioni stabiliscono gli obblighi di notifica, l’oggetto e ambito di applicazione, l’attuazione e il principio di proporzionalità.  Dalla sezione 4 in poi, invece, la LOM definisce tutte le best practice in termini di Governance, Origination, Pricing, gestione delle garanzie e monitoraggio.  

Nella seconda fase, si procede con l’individuazione dei principali KPI e metriche utili per valutare dei segnali di deterioramento del portafoglio creditizio. Al fine di implementare un modello forward-looking sono state considerate due categorie di controparti: Famiglie consumatrici e Piccole e Medie Imprese. Il primo dataset si sostanzia in 1000 mutui residenziali, di importi fino a 500 mila euro. Il secondo dataset riguarda le PMI e considera un portafoglio di 240 controparti distribuite equamente sul territorio nazionale. Le imprese scelte appartengono a tre settori economici differenti, ovvero alloggi e ristorazione, e-commerce e trasporto terrestre e tramite condotte. L’Annex III della LOM predispone diverse metriche di valutazione da considerare in fase di concessione e monitoraggio del credito. Nello specifico si tratta di 39 ratio nell’ambito delle PMI e 5 ratio che si riferiscono ai consumatori. Ai fini dell’analisi sono stati selezionati gli indicatori che potessero essere calcolati in virtù della base dati posseduta, ma soprattutto che fornissero informazioni diverse tra loro. 

Nella fase finale sono illustrate le assumption e i risultati di un modello forward looking basato sull’individuazione e l’applicazione di scenari di stress anche alla luce del contesto post emergenza Covid-19.  

I risultati del modello Forward Looking

In riferimento alla prima analisi, partendo dal tracciato top 1000 mutui residenziali, si procede al calcolo del LTV, che si definisce come  rapporto tra l’importo del finanziamento concesso e il valore del bene che il prenditore intende porre a garanzia del prestito. In seguito, il valore aggiornato degli immobili è stato sottoposto a due livelli di stress che riflettono possibili scenari post pandemici: uno scenario meno stringente i cui valori di stress sui prezzi delle abitazioni sono reperiti tramite l’ISTAT ed uno scenario più drastico che si basa su valori forniti da un paper BCE.  

In riferimento all’analisi per PMI, tra gli indicatori elencati nell’Annex III ne sono stati selezionati sette, di cui cinque di carattere finanziario (Debt to Equity ratio, Total DSCR, Net Profit Margin, Leverage Ratio e Coverage Ratio) e due di redditività (ROA e ROCE). Essi sono stati sottoposti a due scenari di stress, uno soft ed uno strong, i quali sono il risultato di modelli sviluppati da Banca d’Italia e Cerved, che si basano su un contesto post pandemico. In prima istanza sono state ottenute le medie ponderate per fatturato degli indicatori in base ad una suddivisione settoriale e geografica. Successivamente, sono state costruite delle scorecard che mostrano le percentuali di imprese per le quali un certo numero di indicatori si trova nella soglia molto grave. 

I risultati del lavoro sono in linea con le aspettative,  infatti è emerso che il settore più resiliente è quello dell’e-commerce, il settore dei trasporti ha manifestato un decremento della redditività negli scenari di stress, mentre quello  più vulnerabile e anche il più colpito dalla crisi pandemica è settore degli alloggi e ristorazione. Sia dall’analisi delle imprese che dei consumatori è emerso che le aree geografiche che hanno una maggiore concentrazione di imprese rischiose e prestiti con un rapporto LTV superiore alla soglia del 80% sono quella del centro e delle isole. 

Conclusioni 

Visto che le banche sono obbligate ad accantonare un capitale di vigilanza in relazione al rischio di credito assunto, le controparti appartenenti ai settori e alle aree geografiche più vulnerabili, prima evidenziate, faranno più fatica nel reperire risorse finanziarie, innescando così un potenziale fenomeno di credit crunch. In uno scenario post pandemico le società avranno bisogno di una quantità ingente di risorse per ripartire e contribuire alla ripresa economica e finanziaria del nostro paese. Sarà dunque necessario un continuo supporto governativo, che sarà fornito e confermato dal Piano Nazionale di Ripresa e Resilienza (PNRR) e risulterà preponderante per la crescita della produttività del tessuto economico nazionale. 

 di Emmanuele Cuomo, Francesco Esposito, Luca Matteo Rinaldi, Giuliano Schettino