Analisi empirica dei risultati del campione di banche considerato

Si riportano qui alcuni dei principali risultati ottenuti dall’esercizio di stress test, nelle due diverse ipotesi, Stress [+] e Stress [-]. Lo scopo dell’esercizio è puramente esemplificativo delle possibili modalità di implementazione del modello proposto e non rappresenta in alcun modo un giudizio sull’adeguatezza patrimoniale delle banche prese in considerazione; i risultati ottenuti devono essere considerati come potenziali esiti connessi al verificarsi degli scenari particolarmente avversi ipotizzati, non in qualità di valori attesi o più prabibili. Se come misura del grado di fragilità di una banca si considera la riduzione del Cet1 ratio rispetto ai corrispondenti valori di partenza del 2013, i risultati dello stress test evidenziano una elevata differenziazione nel grado di fragilità finanziaria delle banche analizzate. Infatti, considerando gli impatti al primo percentile della simulazione Stress [+], se la riduzione media 2014 vs 2013 del Cet1 ratio è di circa 500 bps, il range di impatti tra le banche nel campione varia da un minimo di 300 bps fino a 800 bps; considerando gli impatti tra le banche a due anni (2015 vs 2013) la variabilità nel grado di fragilità finanziaria aumenta, con un valore medio di circa 800 bps e un range compreso tra 400 bps e oltre 1000 bps.

La variabilità del grado di fragilità finanziaria emerge anche dai valori delle probabilità di infringement riportati nella FIG. (3.2), in cui sono indicate le probabilità cumulate attese ai vari anni rispetto a tre diverse soglie: 8%; 7%; 4,5%, e in entrambe le simulazioni Stress [+] e Stress [-]. La differenziazione nei valori delle probabilità di infringement fornisce la misura migliore per cogliere la diversità nel grado di fragilità finanziaria delle banche considerate. L’ampio scarto tra i valori relativi alla simulazione Stress [+] e Stress [-] denota il significativo impatto di fenomeni di non linearità nelle coda delle distribuzioni.

69 FIG (3.2) Probabilità di infringement del Cet1 ratio (valori %)55

Come si può osservare nella FIG. (3.3), il valore iniziale (2013) dei ratio patrimoniali regolamentari non è l’elemento decisivo per spiegare il grado di fragilità delle banche, che invece emerge dai risultati delle simulazioni. Si consideri che, fatta eccezione per due banche56_{, tutte le altre avevano livelli di}

Cet1 ratio iniziali intorno all’11% e racchiusi in un intervallo molto stretto.

55 _{Fonte dati: Bloomberg. Elaborazioni: value.bank} 56 _{UniCredit e Credit Agicole.}

70 FIG. (3.3) Stressed Ce1 ratio 2015 vs. Cet1 201357

Gli elementi che sembrano spiegare maggiormente il grado di fragilità finanziaria emerso dall’analisi dello stress test sono:

margine di interesse: le banche con elevati margini di interesse sono le più resistenti allo stress test, ciò conferma come questa grandezza costituisca il principale buffer patrimoniale per una banca58_;

57 _{Fonte dati: Bloomberg.Elaborazioni: value.bank}

58 _{L’impatto dello stress test agisce sul margine di interesse, sia per effetto della variabilità dei tassi attivi}

e passivi (che sono variabili stocastiche), che per gli effetti indiretti derivanti dalla dinamica del default rate che determina l’ammontare dei performing loans, e quindi le masse che generano interessi attivi.

71

leva finanziaria: le banche con livelli di leverage ratio più elevati sono quelle più vulnerabili agli scenari avversi59_;

rischio di mercato: tendenzialmente le banche più esposte al rischio di

mercato sono anche le più vulnerabili in scenari avversi; da notare come le banche con elevate esposizioni al rischio di mercato (investment bank) corrispondono anche a quelle con più elevati livelli di leverage. A ciò contribuisce il fatto che, in genere, le banche tendono a mantenere un assorbimento patrimoniale più basso sulla componente rischio di mercato rispetto a quello sul rischio di credito (cf. sui capital coverage, FIG. (3.4) e FIG. (3.5)).

59 _{Questo tipo di conclusione trova conferma in alcune ricerche empiriche sulle crisi finanziarie. In queste}

analisi si mette in evidenza come semplici modellizzazioni, basate proprio su un indicatore di leverage, hanno una migliore capacità esplicativa nel prevedere i fallimenti bancari rispetto a tecniche più complesse. Cfr. Estrella et al. (2000); Jagtiani et al. (2000); Demirguc-Kunt et al. (2010); Haldane e Madouros (2012).

72 FIG. (3.4) Stressed leverage ratio 2015 vs. leverage 201360 _{(Leverage = tangible} common equity/net risk assets)

Nella FIG. (3.3) sono evidenziati per ogni banca i valori del Cet1 ratio associati al primo, quinto e decimo percentile delle funzioni di distribuzione ottenute con le simulazioni Stress [+] e Stress [-] al 2015, ovvero considerando l’impatto cumulato su due anni di scenari avversi. I valori sono messi a confronto con i corrispondenti livelli di Cet1 ratio di partenza al 2013, in modo da consentire di visualizzare l’impatto dello stress test. Nella FIG. (3.4) sono riportati, con le stesse modalità, i valori relativi al leverage ratio (calcolato come tangible common equity/net risk assets).

I risultati della simulazione possono essere utilizzati anche per verificare se e in che misura i requisiti patrimoniali riescono a coprire le potenziali perdite simulate in condizione di stress per i fattori di rischio.

73 FIG. (3.5) Stress [+] simulation: credit risk capital coverage61

Le figure (3.5) e (3.6) rappresentano in forma grafica il grado di copertura dei requisiti patrimoniali collegati al rischio di credito e al rischio di mercato & controparte. Gli istogrammi mostrano il rapporto tra requisito patrimoniale del 2013 e perdite cumulate nel periodo derivanti dal corrispondente fattore di rischio.

Le perdite associate ai fattori di rischio sono considerate con tre livelli di confidenza delle distribuzioni generate dalla simulazione (99-esimo, 95-esimo e 90-esimo percentile) nell’ipotesi di Stress [+]. Livelli di copertura al di sopra di 1 indicano una buona capacità di copertura delle misure regolamentari sui rischi di perdite generati nello stress test; viceversa valori inferiori a 1 indicano che le misure regolamentari non coprono interamente il rischio di perdite connesse alla simulazione.

74 FIG. (3.6) Stress [+] simulation: market & counterparty risk capital coverage62

I risultati evidenziano che i requisiti di capitale per il rischio di credito sono generalmente adeguati a coprire le potenziali perdite in condizioni di stress, con coverage quasi sempre al di sopra di 1, mentre quelli connessi al rischio di mercato & controparte, salvo pochi casi, non sono sufficienti a coprire scenari avversi.

La FIG. (3.7) mostra il ranking di fragilità delle banche in termini di heuristic measure of tail risk (H) in relazione al 2015.

FIG. (3.7) Heuristic measure of tail risk (2015)63

62 _{Fonte dati: Bloomberg.Elaborazioni: value.bank} 63 _{Fonte dati: Bloomberg.Elaborazioni: value.bank}

75

Gli istogrammi mostrano per ogni banca il range di valori dell’indicare H ottenuti nelle ipotesi di Stress [+] e Stress [-]. L’ampiezza di range evidenzia l’incremento delle condizioni di non linearità nelle code delle distribuzioni all’aumentare del grado di severity dello stress. I risultati di quest’analisi tendono a confermare le conclusioni derivate dai risultati precedenti.

76

3.3 I risultati del modello stocastico a confronto con lo stress test condotto