La scelta degli indici 98

Dopo aver visto quali sono le principali misure di connettività utilizzate nelle network analysis ed averne appurato, per le più importanti, le caratteristiche strutturali, possiamo procedere verso la definizione di un modello empirico che applichi quanto detto ad una base dati concreta.

Come abbiamo esaurientemente esposto, il rischio sistemico in ambito finanziario presume l’esistenza di un insieme di istituzioni tra loro in relazione. I meccanismi di propagazione del rischio poggiano esattamente su tali relazioni, facendo si che uno shock iniziale si diffonda, dal primo soggetto colpito, agli altri componenti del sistema, grazie a fattori come il grado di liquidità, il tasso d’indebitamento, le asimmetrie informative, etc. I collegamenti tra le istituzioni hanno dunque l’effetto di spostare gli effetti negativi di un trigger event dal soggetto iniziale, che pertanto “trasmette” le sue problematiche, a tutta la catena di soggetti direttamente o indirettamente ad esso connessi, che dunque sono al contrario “contagiati” dallo shock.

Il modello che proporremo si prefigge, tramite gli indici di connettività, di cogliere appunto l’importanza di tali collegamenti tra istituzioni, in modo da verificare se e in che misura le relazioni possono favorire il meccanismo di contagio. In linea teorica, poiché il rischio sistemico è direttamente legato alla quantità di connessioni tra le istituzioni di un network e all’intensità di tali legami, ci aspetteremo che il livello di connettività sia direttamente proporzionale alla diffusione di tale rischio. In tale prospettiva, una misura del livello di connettività della rete risulta indispensabile per dar seguito al tentativo di quantificazione del rischio sistemico, che come visto incide direttamente anche sulle possibili politiche di prevenzione e regolamentazione governativa messe in atto dalle autorità vigilanti i mercati finanziari.

Per quanto concerne la scelta degli indici di connettività da utilizzare bisogna fare una premessa. Ogni misura di connessione fornisce un risultato che può rilevarsi più o meno esatto, sulla base dei fattori che essa considera come maggiormente importanti. La ricerca del rischio sistemico cui è soggetto uno specifico sistema finanziario non può prescindere da un’analisi completa, che includa ogni fattore che caratterizza la situazione specifica, come per esempio il trigger event scatenante, la struttura delle diverse istituzioni, etc. Nessuna misura

sarà tuttavia in grado di catturare una pluralità così ampia di variabili e di assegnar loro un peso del tutto corretto al fine del calcolo; pertanto, si deve sicuramente partire dal presupposto che non esiste una misura di connettività che possa essere definita migliore delle altre in senso assoluto.

Nel nostro caso il punto cardine è che una crisi finanziaria sistemica sia maggiormente probabile in condizioni di elevata interdipendenza tra gli agenti che operano nel network, in quanto tali soggetti compiono operazioni il cui esito, nel bene o nel male, influenza direttamente, e da esse è influenzato, le azioni di altri soggetti.

Le tecniche di valutazione del rischio finanziario sono svariate, alcune più semplici, altre molto più complesse. Il Conditional Value at Risk (CoVaR), per esempio, è un indice applicato agli investimenti finanziari, che indica la perdita potenziale di un investimento in un certo orizzonte temporale, con un certo livello di confidenza (solitamente il 95%): esso viene utilizzato comunemente dalle banche d’investimento per misurare il rischio di mercato delle attività che detengono in portafoglio. Dal punto di vista previsionale, il CoVaR può anticipare cambiamenti nella composizione del portafoglio durante la giornata, pertanto si dimostra utile al fine di contenere il rischio di perdite su quel portafoglio. Un’altra misura di connettività tra le istituzioni finanziarie può essere il Distressed Insurance Premium (DIP), che si concentra sulle perdite di un’istituzione data una situazione di crisi del sistema di cui fanno parte50. Tali indici, seppur riescano a dare un’indicazione precisa di come in un periodo di difficoltà i risultati delle istituzioni finanziarie siano strettamente legati tra loro, hanno tuttavia la pecca che non sono significativi se non in condizioni in cui tali istituzioni abbiano già subito in passato delle perdite comuni. Si basano cioè su informazioni che possono essere raccolte solo qualora i rapporti tra i soggetti interessati durano da abbastanza tempo.

La natura cangevole dei network moderni, e la continua proliferazione di strumenti finanziari sempre nuovi e maggiormente complessi, rende tuttavia l’utilizzo di tali indici non del tutto appropriato per la nostra analisi. Come accennato, infatti, il nostro studio coinvolge tre tipi di istituzioni (Banche, Assicurazioni ed Hedge Funds) che solo in tempi più recenti hanno iniziato ad sviluppare relazioni abbastanza stabili e strutturate, non avendo pertanto una storicità di legame abbastanza estesa da permettere il computo degli indici sopra citati. Indici come il CoVaR o il DIP fotografano dunque lo stato della crisi solo durante la stessa, ma non hanno potere predittivo in senso sistemico.

Nostro scopo è invece quello di sfruttare degli indici di connettività che abbiano un certo

                                                                                                                50  _{Si  veda  HUANG,  ZHOU  e  ZHU  (2011)}  

potere previsionale, il che vuol dire che dovremmo scegliere delle misure che non fondino necessariamente su una condizione di relazione pregressa, permettendo un’analisi dei dati più aperta e flessibile. L’assenza di ipotesi di correlazioni passate tra le istituzioni, come pure di pregresse situazioni di perdite e/o default comuni, ci mette nelle condizioni di indagare le connessioni in maniera più naturale e significativa.

Si è dunque scelto di utilizzare due tra gli indici di connettività tra quelli appartenenti alla categoria delle misure di centralità, cioè l’indice di Betweenness Centrality e quello di Closeness Centrality. L’interpretazione di tale indici, come descritto sopra, è molto utile in ambito finanziario per capire l’importanza delle istituzioni nella propagazione del rischio sistemico, quindi il loro utilizzo si presta a quei bisogni informativi predittivi tanto bramati da tutti gli operatori del mercato di riferimento. Ovviamente essi non hanno un potere previsionale assoluto, non possono essere presi come generatori di informazioni capaci di porre fine al rischio sistemico, ma riescono comunque a dare un’indicazione sulla struttura del network di riferimento e sulla sua propensione o resistenza ad un possibile meccanismo di contagio.

Prima di esporre la parte relativa all’implementazione del modello, al calcolo degli indici e all’interpretazione dei risultati, è però necessario definire con esattezza quale siano i dati utilizzati per il nostro procedimento.