L'analisi di Agarwal (2010)

Agarwal nel 2009 analizza il fenomeno della selezione avversa, rafforzando le conclusioni già tratte da Ausubel. Anche Agarwal studia questo fenomeno nel mercato delle carte di credito attraverso l’analisi dei dati ottenuti dagli studi di marketing randomizzati su larga scala, sempre su sollecitazioni preapprovate relative a carte di credito, condotti da un emittente di grandi dimensioni che rilascia carte di credito su scala nazionale tra Gennaio e Maggio del 2001. Al contrario di Ausubel però, Agarwal focalizza l’attenzione su una particolare fetta della popolazione: quella dei debitori “prime” caratterizzati da basso profilo di rischio.

L’intenzione di Agarwal è quella di provare che se esiste selezione avversa in una popolazione caratterizzata da un buona qualità di credito, di conseguenza è ancora più forte in una popolazione con qualità di credito inferiori. Nello specifico, l’emittente in questione invia, nell’arco di cinque mesi, diverse tipologie di offerte per posta elettronica a oltre 2.3 milioni di individui che sono scelti appositamente tra coloro che hanno un buon punteggio FICO. L’emittente ha acquisito questo tipo di informazione dall’agenzia di credito per l’intera lista di potenziali clienti.

Gli esperimenti di marketing effettuati sono tre: l’esperimento A, B e C. Il primo studio (A) include tre tipi di offerta, l’A1 con APR sui prestiti per gli acquisti (da qui in seguito lo chiamerò per semplicità APR sugli acquisti, ma in realtà è un tasso che viene applicato appunto sui prestiti per gli acquisti su carta di

credito ed è il tasso più comune e conosciuto e quello che viene utilizzato maggiormente come termine di paragone tra le offerte) dello 0% per i primi 8 mesi e un tasso nel periodo seguente di 9.99%; l’A2 con APR sugli acquisti dello 0% per i primi 12 mesi e un tasso seguente di 9.99%; infine l’A3 sempre con APR sugli acquisti dello 0% per i primi 8 mesi e un tasso successivo di 8.99%. L’offerta A2 e A3 sono superiori all’offerta A1, mentre non è possibile stabilire una relazione tra l’offerta A2 e A330, motivo per il quale si pongono a confronto l’offerta A2 con l’offerta A1 e l’offerta A3 con la A1. Per il secondo test di marketing, B, consideriamo due offerte: la B1 con APR fisso sugli acquisti e sui trasferimenti del saldo di 9.99% e la B2 con APR fisso sugli acquisti e sui trasferimenti del saldo di 8.99%; ovviamente in questo caso l’offerta B2 è superiore all’offerta B1.

Per quanto riguarda infine l’ultimo test di marketing, C, le offerte si distinguono in offerta C1 con APR dello 0% sugli acquisti, sul trasferimento del saldo e su anticipi di contanti per i primi 6 mesi e successivamente con un tasso del 14.99%; la seconda offerta, C2, propone un APR dello 0% sugli acquisti, sul trasferimento del saldo e sugli anticipi di contanti per i primi 6 mesi e successivamente un tasso del 12.99%. In questo caso l’offerta C2 è superiore all’offerta C1. Da Luglio 2001 i respondents ammontano a 6.448, di cui 1.389 rifiutati dall’emittente per motivi legati a una valutazione sul rischio di credito, per un ammontare di 5.059 carte di credito rilasciate.

I risultati ottenuti dall’analisi di Agarwal sono simili a quelli ottenuti da Ausubel. Le differenze tra le caratteristiche dei responders e dei nonresponders sono significative e dimostrano come anche in questo caso le caratteristiche dei responders sono inferiori a quelle dei nonresponders: l’utilizzo del credito è maggiore per i responders; la durata di permanenza nei file delle agenzie di credito è più corta per i responders (ad esempio nel caso in cui il conto viene disattivato prima per mancati pagamenti) e i giorni di insolvenza registrati nei 12 mesi precedenti all’accettazione dell’offerta sono maggiori per i responders rispetto agli altri.

Dopo aver comparato le caratteristiche dei responders e dei nonresponders, Agarwal analizza e confronta le caratteristiche dei soli responders attraverso le varie offerte proposte nello studio. Innanzitutto è da evidenziare che il tasso di risposta per le offerte superiori è più alto di quelle per le offerte inferiori: 0.56% per l'offerta A2 contro lo 0.27% per l'offerta A1; 0.47% per l'offerta B2 contro lo 0.19% per l'offert B1 e lo 0.44% per l'offerta C2 contro lo 0.19% per l'offerta C1. Dai risultati è evidente che coloro che rispondono all’offerta A1 (inferiore all’offerta A2 e A3), hanno caratteristiche inferiori e sono di conseguenza più rischiosi di coloro che rispondono all’offerta A2 e A3; infatti questi ultimi hanno sia un più alto valore medio di limite al credito su tutte le carte di credito attive, sia una minore percentuale di insolvenze nei 12 mesi precedenti al rilascio della carta.

Negli altri due mercati di “prova” i risultati sono qualitativamente gli stessi del mercato A, quindi anche in questo caso coloro che accettano le offerte inferiori sono più rischiosi di coloro che rispondono alle offerte superiori. Questi clienti più rischiosi presentano restrizioni sul credito e perciò sono costretti ad accettare tassi di interesse più alti per poter ottenere credito.

In seguito Agarwal fa un’indagine più approfondita sull’importanza del fenomeno della selezione avversa, prima attraverso due misure di rischio che sono il punteggio FICO aggiornato nei mesi successivi al rilascio della carta e valutato in relazione al tipo dell’offerta scelta dal cliente e il punteggio del comportamento del cliente in particolare nei pagamenti; in un secondo momento attraverso la stima della probabilità di default del cliente in relazione a degli indicatori del tipo di offerta accettata dal cliente, delle sue caratteristiche demografiche e delle misure di rischio osservate inizialmente, per vedere se esiste una connessione.

Prima di passare ai risultati empirici è necessario fare una piccola premessa che poi verrà meglio approdofondita nei capitoli successivi. Il punteggio FICO, ovvero il vero e proprio punteggio di credito può predire la capacità del debitore di ottemperare ai pagamenti, ma al momento dello studio di Agarwal ci troviamo nel 2010 e negli anni vi sono stati ulteriori progressi in questo campo; sono stati introdotti nuovi modelli che hanno integrato il vecchio credit scoring con modelli capaci di valutare il comportamento del debitore oltre il semplice merito creditizio.

I nuovi modelli basati sul comportamento dei clienti valutano dettagli personali, dalla storia creditizia allo stato civile, all'età, ai dati demografici; quindi mentre il FICO score deriva da algoritmi e da modelli matematici, il punteggio relativo al comportamento è arricchito anche da elementi "umani".

Dai risultati empirici si scopre che mentre non ci sono significative variazioni nel punteggio FICO nei 12 o 24 mesi successivi al rilascio della carta, in quanto, il target della popolazione sono i debitori cosiddetti “prime” e quindi soggetti con un punteggio FICO mediamente buono, dall'altra parte il punteggio attribuito al comportamento ci fornisce dati significativi in quanto questo peggiora per coloro che hanno accettato ex ante un’offerta di tipo inferiore. La stima della probabilità di default (default viene inteso quando il cliente supera i 60 giorni di ritardo) valutata in funzione di variabili osservate al momento del rilascio della carta di credito tra le quali caratteristiche demografiche che includono età, genere, stato civile e reddito, condizioni macroeconomiche tra cui disoccupazione, tasso di divorzio ecc, e di misure del rischio di credito osservate al momento del rilascio della carta di credito tra cui tasso di utilizzo del credito, limite del credito, numero di carte di credito detenute dal titolare, l’ammontare trasferito sulla carta di credito detenuta; rivela che mentre il genere del cliente non è correlato alla probabilità di default dello stesso, l’età, lo stato civile e il reddito lo sono: coloro che sono sposati, che sono più giovani e con un reddito più elevato, tendenzialmente hanno una probabilità inferiore di default.

Coerentemente con gli studi precedenti, le misure del rischio di credito hanno una correlazione con la probabilità di default, infatti i titolari con limiti del credito più bassi, con un elevato utilizzo del credito, con un cospicuo numero di carte di credito detenute o con elevati trasferimenti del saldo, hanno una probabilità di default maggiore.

Dalla stima della probabilità di default valutata invece con indicatori appositamente costruiti per le varie tipologie di offerta emerge che questi indicatori sono buoni nel predire la probabilità di default, infatti per le offerte inferiori nei tre studi (A,B,C) gli indicatori hanno coefficiente negativo che significa che i titolari che hanno risposto a queste offerta hanno una maggiore probabilità di default, mentre coloro che hanno risposto a offerte superiori hanno un minore rischio di default ex post. Gli indicatori sono negativi anche per il comportamento nei pagamenti e la probabilità di default ex post, ovvero, attraverso i tre marketing trial, queste due variabili sono statisticamente e negativamente correlate. Coloro che hanno scelto offerte di tipo inferiore hanno mostrato un peggiore comportamento nei pagamenti peggiore ed hanno mostrato una maggiore probabilità di default ex post.

In conclusione Agarwal fornisce nuovamente prove convincenti dell’esistenza della selezione avversa, in quanto individui con caratteristiche inferiori (reddito basso, limite del credito basso, tasso di utilizzo del credito elevato ecc) sono

coloro che scelgono l’offerta inferiore (con APR più alto) e di conseguenza come viene mostrato, seppur in una piccola fetta di mercato, sono coloro che hanno una maggiore probabilità di default ex post e quindi costituiscono la principale fonte di rischio per l’emittente che rilascia loro la carta di credito (selezione avversa).

Come abbiamo appena visto, grazie agli studi effettuati sull’argomento, la selezione avversa costituisce un problema per le banche e per gli emittenti di carte di credito; ccco perché diventa indispensabile per gli emittenti utilizzare efficienti modelli per la gestione del rischio e per la selezione dei “buoni” clienti da quelli “cattivi”.

Nei prossimi capitoli andremo ad analizzare come le strategie e le tecniche di valutazione del rischio dei clienti si sono sviluppate nel tempo e quali sono le soluzioni adottate dagli istituti per mitigare la selezione avversa ed ad analizzare nello specifico alcune di queste società emittenti di carte di credito.