Dal tasso indifferenziato al risk based-pricing

Il mercato delle carte di credito negli Stati Uniti (paese che da qui in avanti sarà l'oggetto di studio) nel 1980 contava oltre 4000 aziende che offrivano servizi a più di 75 milioni31 di consumatori e intorno al 1989 il prestito su carte di credito ammontava a 13032 miliardi di dollari. Agli inizi degli anni '90, come ci mostra Ausubel (1991), il mercato dei prestiti su carta di credito non era competitivo: i markups (percentuale sommata ai costi per ottenere il prezzo di vendita, ovvero la differenza tra il costo dei fondi33 e i tassi di interessi sulle carte di credito) erano alti, i prezzi erano insensibili ai costi e le società emittenti guadagnavano circa 3 o 5 volte l'ordinario tasso di rendimento delle banche.

La spiegazione di questa non competitività è il piccolo margine di manovra che le società emittenti avevano sui tassi di interesse che era dovuto al fenomeno della selezione avversa affrontato da Ausubel (1999): l'aumento di questi tassi comportava l'attrazione dei soli clienti rischiosi e quindi con meno probabilità di ripagare il prestito; infatti tra il 1980 e il 1990 alcune ricerche mostrano che le carte di credito erano offerte a tassi uguali per tutti i clienti ed anche i

31 _{Ausubel, 1991}

32 _{Grodzicki, 2017}

33 _{Il costo dei fondi rappresenta l'interesse pagato dalle società emittenti o dalle banche per il reperimento dei fondi}

rendimenti per le società emittenti erano più alti di altri prodotti offerti dalle banche. Secondo Furletti (2003), le società emittenti di carte di credito offrivano una o due tipologie di carte di credito ad uno stesso tasso annuale medio del 18%.

Verso la fine degli anni '90 tuttavia, in particolare tra il 1992 e il 2001 la media dei tassi di interesse caricati dalle società emittenti sulle carte di credito si riduce sensibilmente dal 17,4% a circa il 14,2%34.

Allo stesso tempo le carte di credito diventano accessibili a più consumatori, specialmente a coloro con redditi inferiori; inoltre cresce la consapevolezza dei clienti riguardo al tasso di interesse inteso come misura di costo, insieme alla capacità dei clienti di trovare nuove offerte di carte di credito e eventualmente di cambiare emittente. In altre parole cresce la concorrenza sui prezzi.

Dagli anni in cui il mercato descritto da Ausubel era poco competitivo e poco concentrato, la situazione è molto cambiata, tanto che già nel 2008 i prestiti accumulati su carte di credito ammontavano a 990 miliardi di dollari e la percentuale di titolari di carte di credito con caratteristiche inferiori tra cui ad esempio reddito basso, era aumentato di circa il 10% (15,3% nel 1989 al 25,7% nel 2007) 35_.

La situazione agli inizi degli anni '90, in cui i tassi offerti ai clienti erano gli stessi e in cui le società emittenti ottenevano grossi profitti dai clienti a basso

34 _{Furletti, 2003}

rischio che servivano per coprire i defaults generati dall'aumento del rischio dei clienti, crea terreno fertile per una concorrenza sui tassi APR; con la concorrenza sul prezzo sempre più spietata, inizia a svilupparsi la strategia del "risk-based pricing" ovvero l'assegnazione di APR sulla base del rischio individuale del singolo cliente: gli APR infatti variavano tra i clienti; allo stesso cliente durante lo stesso mese arrivavano sollecitazioni da diverse società emittenti che offrivano APR che potevano differire tra loro di addirittura 70036 punti base, a causa dell'eterogeneità dei modelli di risk-based pricing.

Le società emittenti che fallivano nella tecnica del risk-based pricing e non riuscivano ad offrire un prezzo adeguato al rischio, si esponevano agli effetti negativi della selezione avversa. In Fig 4.1 viene illustrato come in particolare i debitori con basso profilo di rischio siano stati beneficiati dal risk-based pricing. Il grafico mostra le differenze tra le percentuali di sconto sui tassi di interesse tra i clienti secondo il loro punteggio di rischio; i dati sono raccolti dalla Argus Information & Advisory Services37, una compagnia di consulenza di servizi finanziari a New York.

Il grafico mostra che negli anni, in particolare gli anni 1998, 2000, 2002 (a cavallo del risk-based pricing) i debitori hanno ottenuto uno sconto sempre maggiore nel tasso di interesse e, scendendo nel dettaglio, per i clienti meno rischiosi (con FICO maggiore di 600) lo sconto è maggiore rispetto ai clienti ad

36 _{Grodzicki, 2015}

alto rischio (FICO minore di 600); lo sconto di cui hanno beneficiato in particolare i clienti a basso rischio, è incrementato dal 1992, periodo in cui a tutti i clienti veniva offerto lo stesso tasso.

Fig 4.1 Differenza negli sconti sulle tariffe offerte a clienti meno rischiosi rispetto al cliente con rischio massimo

Fonte: Furletti 2003 (Argus Information & Advisory Services)

I clienti meno rischiosi che, una volta pagavano lo stesso prezzo dei clienti rischiosi, agli inizi del 2000 godono di uno sconto che può arrivare a fino 800 punti base.

Senza il risk-based pricing, si verificherebbe una situazione in cui i clienti meno rischiosi vengono svantaggiati e i clienti più rischiosi invece ne escono avvantaggiati. Ad esempio, supponiamo che per coprire il tasso medio delle perdite in un portafoglio di carte di credito di un creditore, venga richiesto il pagamento di un tasso del 14% e supponiamo inoltre che i titolari con una buona

qualità creditizia e quindi meno rischiosi ( ad esempio coloro che non presentano nessun ritardo nei pagamenti) possano beneficiare di un tasso dell'8% mentre altri titolari invece con peggiori qualità creditizie (ad esempio quei debitori che abbiano superato i 90 giorni di ritardo nei pagamenti) e quindi con maggiori porabilità di default possano beneficiare di un tasso del 20% o superiore. Se l'emittente decidesse di offrire ad entrambi lo stesso tasso del 14%, si verificherebbe la situazione in cui un cliente paga troppo e l'altro troppo poco rispetto ai loro profili di rischio. Di conseguenza i debitori meno rischiosi andrebbero in cerca di migliori offerte e sicuramente avrebbero più probabilità di trovare un emittente in grado di offrirgli un tasso più adatto alla sua situazione.

Il risk-based pricing non potrebbe esistere senza due strumenti che sono: il CREDIT REPORTING e il CREDIT SCORING.

Le compagnie di credit reporting, conosciute anche come agenzie di credito, sono state di cruciale importanza per i creditori come fonte di informazione sui potenziali clienti di carte di credito. In passato queste agenzie del credito erano rappresentate da cooperative di un gruppo di creditori che si univano per effettuare un monitoraggio più efficiente. Negli anni 1960 e 1970 migliaia di agenzie di credito operavano localmente38_{; nel 1980 si contavano tre grandi}

agenzie che dominavano il mercato a livello nazionale; ad oggi i tre maggiori credit reporting bureaus in USA sono: Equifax, Experian e TransUnion.

38 _{Grodzicki 2017}

La funzione del credit reporting è molto importante in quanto la disponibilità di dati dettagliati sul cliente tra cui la storia creditizia, la storia lavorativa, i saldi su carte di credito, i limiti al credito, è di supporto alla valutazione del rischio. Inoltre le agenzie del credito facilitano la condivisione di informazione tra creditori ed hanno favorito i creditori anche nella riduzione dei costi legati alla determinazione del rischio per ogni cliente.

Le innovazioni nel credit reporting, conseguenti a un'ondata di information technology che veniva adottata da alcune compagnie è stata decisiva per il mercato delle carte di credito: le società emittenti, come Capital One, che hanno deciso di investire in piattaforme tecnologiche per la raccolta di dati (credit report) e in sistemi di gestione dati più innovativi, e sono quindi diventate technology oriented, sono riuscite ad acquisire grossi vantaggi nei confronti dei loro competitors.

Il credit scoring, il secondo elemento da cui dipende il risk-based pricing, è nato e si è evoluto per aiutare i creditori a utilizzare i dati forniti dai credit reports in maniera più efficiente.

Fino alla metà degli anni '60 le decisioni riguardo al prestito ai clienti venivano prese individualmente da agenti che esercitavano il loro personale giudizio su ogni singola richiesta di carta di credito; questi agenti raccoglievano informazioni sui potenziali clienti, sulla base delle quali rilasciavano o no la carta di credito.

Il giudizio umano su ogni singola applicazione era lento e laborioso; questo ha spinto verso l'invenzione di modelli statistici di credit scoring che hanno fornito ai creditori un potente strumento per la valutazione rapida del rischio, che veniva tradotta in un semplice punteggio numerico (punteggio FICO) che solitamente è compreso tra 850 e 30039. Nell'ambito del credit scoring sono stati fatti molti progressi: prima molte grandi emitteniti utilizzavano un sistema in grado di analizzare 5 milioni di dossier di credito40 raccolti da ogni agenzia di credito nel corso di un anno, al fine di costruire dei profili da quei file di clienti che risultavano in bancarotta; questi profili potevano poi essere comparati a quelli dei titolari di carta di credito e a coloro che richiedevano una nuova carta di credito.

Un altro sistema, il Fair Isaac Corporation's credit scoring system (arrivato verso la fine degli anni '90), ha studiato i casi di default durante un arco temporale di due anni e ha constatato che le società emittenti in realtà avevano bisogno, per poter prevenire eventuali perdite, di riconoscere le spese e i pagamenti di un individuo nei sei mesi precedenti al default.

In questi casi (situazioni di default) solitamente si assiste a un incremento nella spesa media mensile con un conseguente incremento nel saldo sin dai 1841 _mesi

precedenti alla bancarotta; il dato interessante è che la media mensile delle spese

39 _{Nel sistema FICO, il punteggio più alto ovvero 850 rappresenta una buona qualità creditizia, ma si considera già}

qualitativamente buono un punteggio superiore a 600.

40 _{Evans, Schmalensee (2004)} 41 _{Evans, Schmalensee (2004)}

comincia a diminuire quando ci si avvicina al giorno in cui viene registrato il default, mentre i saldi continuano ad aumentare durante tutto il periodo. Da qui poi deriva, attraverso analisi statistiche su questi dati, il punteggio FICO che serve a predire la probabilità di default di un consumatore sul prestito richiesto. Dagli anni '90 fino agli inizi del secondo millennio, l'accesso per i clienti alle informazioni sul credit score era limitato; dal 201342 molte compagnie hanno iniziato a rilasciare gratuitamente il credit score ai propri clienti, se non che ad oggi vi sono molti strumenti per poterlo calcolare autonomamente.

Fig 4.2 Le cinque componenti del FICO score Fonte: Creditcards.com

Il grafico a torta (Fig 4.2) rappresenta le cinque componenti del FICO score: • Lo storico dei pagamenti: un buon comportamento nei pagamenti ha un

peso del 35%.

• Totale dei debiti: a seconda dell'ammontare di debiti posseduti si attribuisce un peso, che è del 30% in caso di assenza di debiti.

• Lunghezza dello storico creditizio: più lungo è lo storico più è alto il punteggio attribuito (peso del 15%).

• Nuovi crediti richiesti in breve tempo indicano maggior rischio e possono aggiungere un punteggio del 10% al FICO score.

• Mix di crediti (10%): per ottenere un punteggio alto è auspicabile aver richiesto prestiti di tipologia differente.

Sulla base di metodi statistici multivariati e su decine di migliaia di dati del passato, i modelli di credit scoring identificano e predicono le relazione tra un'ampia varietà di variabili e l'andamento del prestito.

L'efficacia dei modelli di credit scoring è direttamente proporzionale all'accuratezza dei dati che vengono inseriti; un modello di credit scoring efficace può contribuire a un incremento nelle probabilità dell'emittente di creare conti profittevoli e migliorare la performance del portafoglio nel tempo, al contrario invece di quei portafogli che vedono un deterioramento a causa del

fenomeno della selezione avversa (debitori "buoni" che lasciano l'emittente per cercare rivali che li ricompensino con migliori offerte e debitori "cattivi" che sono attratti da condizioni che non riflettono esattamente il loro profilo creditizio)43.

Barron e Staten (2003)44 forniscono un buon esempio per osservare i benefici del credit reporting sul credit scoring ponendo a confronto una situazione in cui il credit reporting offre tutte le informazioni possibili, positive e negative, e un'altra in cui le informazioni disponibili sono ristrette. In Fig 4.3 è rappresentato il forte potere predittivo dei modelli di credit scoring reso possibile dalle informazioni ricevute. I potenziali clienti vengono suddivisi in tre categorie secondo il credit score (che indica la probabilità di default). Sull'asse delle ascisse sono riportate le percentuali di clienti a cui è stato approvato il prestito, mentre sull'asse delle ordinate è riportata la percentuale di default su questi campioni. Prendendo ad esempio il campione con il 60% di clienti approvati, è possibile notare, grazie ai colori differenti, che per il modello costruito su informazioni ristrette (Neg-only model colorato di rosa), i debitori hanno prodotto un 3.36% di default, mentre per il modello costruito su maggiori informazioni (full model colorato di verde), il tasso di default arriva a 1.95%.

43 _{Mason, Biggs (2002)}

Detto in altre parole, il tasso di default sul modello con poche informazioni è maggiore del 72% rispetto a quello riportato nel modello con informazioni più dettagliate.

Fig 4.2 Comparazione tra modello scoring su informazioni complete e modello scoring su informazioni ristrette Fonte: Barron e Staten (2003)

E' stato in particolare tra il 1990 e il 2002 che c'è stata una crescita nell'investimento da parte delle banche e delle società emittenti in tecnologia e in particolare in più sofisticati modelli di credit risk scoring che permettevano

di selezionare i clienti in maniera più efficiente; questi modelli sostituiscono definitivamente i sistemi decisionali basati su giudizio. Questo cambiamento nella tecnologia rende i processi automatizzati riducendo la natura decisionale dell'agente.

Grazie alla tecnologia adottata, Capital One ad esempio ha cercato di sottrarre ai rivali quei clienti che erano sottoposti a costi eccessivamente alti dato il loro rischio di default; in questo modo i rivali hanno subito il fenomeno della selezione avversa: i clienti profittevoli lasciavano il posto a quelli meno profittevoli. Questa è stata al ragione per la quale anche i rivali hanno dovuto iniziare ad adottare la strategia di risk-based pricing come arma di difesa ed è anche il motivo per il quale la tecnologia si è diffusa ed ha ampliato il range di tassi offerti ai clienti.

In Fig 4.4 è rappresentato l'ampliamento del range degli APR45 offerto ai clienti registrato dal 1990 al 2001, periodo a cavallo dell'introduzione del risk-based strategy; questo ampliamento è causato appunto dalla diffusione dell'utilizzo della tecnologia tra le società emittenti come arma di difesa competitiva inoltre questa strategia ha permesso ad alcune società in particolare Capital One, che agli inizi degli anni '90 è stata la pioniera46 _{del sistema dei prezzi basati sulla}

rischiosità e quindi del collegamento tra tassi della carta di credito e rischio di

45 _{Mason,Biggs (2002)}

credito del cliente, di aprire nuovi segmenti di mercato (come si può vedere dalla Fig 4.4, sono rappresentati i nuovi segmenti aperti in corrispondenza del range di tassi offerti ai rispettivi segmenti di clientela):

• SUBPRIME cosituito dai clienti più rischiosi a cui viene caricato un range di tassi più alto.

• SUPERPRIME costituito da clienti meno rischiosi che vengono ricompensati da un range di tassi inferiore.

Fig 4.4 Range APR dal 1990 Fonte: Mason, Biggs (2002)

4.2 Dai modelli credit scoring al behavioral scoring

Negli anni successivi ci sono stati dei progressi grazie ai quali, oggigiorno, vengono utilizzati ancora più sofisticati modelli di credit scoring le cui informazioni sui clienti vengono costantemente aggiornate47; questi modelli sono stati integrati da modelli comportamentali. La principale differenza tra l'approccio del behavioral scoring e il credit scoring sono il maggior numero di variabili disponibili: in aggiunta ai dati dell'agenzia del credito (i quali vengono comunque regolarmente inseriti e aggiornati costantemente nel sistema di credit scoring) ci sono caratteristiche che descrivono i pagamenti e la condotta legata all'uso della carta di credito dei clienti.

Una volta che il debitore ha ottenuto la carta di credito, il suo comportamento deve essere monitorato per diverse ragioni:

• Permette al creditore di aggiornare la situazione del cliente e di valutare in maniera più efficiente il rischio

• Il creditore può decidere sulla base del comportamento tenuto dal cliente di variare il limite del credito e il tasso di interesse.

• Permette al creditore di effettuare operazioni di marketing e quindi di offrire nuovi prodotti ai debitori "buoni" e di rispondere alle richieste del cliente per nuovi prodotti o cambiamenti nel limite al credito e nel tasso di interesse.