Il governo dei rischi di credito: I controlli di II livello e l Asset Quality Review. Milano, 4 Giugno 2019

Il governo dei rischi di credito: I controlli di II livello e l’Asset Quality Review

Milano, 4 Giugno 2019

▪ Rappresentare le linee evolutive del Framework dei controlli di II Livello come leva manageriale

▪ Presentare il collocamento organizzativo della funzione deputata ai controlli del Gruppo Intesa Sanpaolo

▪ Descrivere l’approccio e gli strumenti adottati dal Gruppo Intesa Sanpaolo per i controlli di secondo livello, per supportare il governo del rischio

▪ Presentare i principali vantaggi del Framework adottato e le prossime evoluzioni

2

INDICE

1. Linee evolutive del Framework dei controlli di II Liv.

2. Intesa Sanpaolo: assetto organizzativo controlli di II Liv.

4. Risultati raggiunti e prossimi passi

3. Approccio e strumenti utilizzati

Overview

La revisione dei sistemi di controllo di secondo livello del credito nasce da una importante serie di evoluzioni sia del contesto di riferimento esterno che di quello interno

Le sfide del progetto

Consentire di comprendere ed anticipare le attese e le richieste del Regulator in ambito creditizio

Identificare le aree, i fattori ed i driver di rischio in base ai quali formulare valutazioni del portafoglio e delle policy del credito in ottica

“enterprise risk management oriented”

Rendere i controlli di secondo livello una vera

«leva manageriale» e

massimizzare l’efficacia della comunicazione dei risultati

I driver del cambiamento

IFRS 9 e nuovo manuale AQR GL NPL e calendar provisioning

NDOD 26 agg. 285

…

Contesto normativo

Supporto ex ante all’operatività Identificazione portafogli critici Valutazione delle perfomance / backtesting

Attese del Regulator

Sistema di Early Warning interno Gestione del portafoglio NPL e cessione sofferenze

Evoluzione contesto interno

Evoluzione

metodologie AQR e On Site Inspections

Prassi di vigilanza

4

Fasi del processo

Driver del cambiamento

Sviluppo e integrazione KRI sulla base delle nuove normative (IFRS 9 e GL NPL) e affiancamento metodologie di campionamento secondo logiche AQR

Rafforzamento processo di definizione anche tramite backtesting

Integrazione schede di controllo con nuove aree di indagine e standardizzazione anche ai fini del reporting

Evoluzione dei contenuti della reportistica in linea con le aspettative del Regulator e del processo di definizione della stessa

Proiezione evidenze credit file review sull’intero portafoglio e valutazione livello di accantonamento con challenger model, in linea con la metodologia AQR

Campionamento

Credit file review

Reportistica di sintesi Projections /Challenger

Model 1

2

4 3

Fase

L’evoluzione del sistema di controllo di secondo livello del credito si esplica in ognuna delle sue fase principali

Linee evolutive del Framework dei controlli di II Liv.

Campionamento: metodologie

Metodologia

Approcci

Campionamento statistico

1

Applicazione dei Key Risk

Indicators da utilizzare come filtro per l’identificazione delle

controparti da campionare e sottoporre a controllo

Numerosità variabile sulla base dei KRI adottati e del fenomeno che si intende approfondire

Razionalizzazione dei cluster (secondo le logiche contenute nelle ECB Guidelines sugli NPL) Stratificazione dei rapporti nei cluster individuati

Individuazione della numerosità campionaria statistica

rappresentativa della popolazione

Campionamento proporzionale alla distribuzione della

popolazione all’interno dei cluster individuati

Campionamento

‘‘esperto’’, risk based

2

Lesson learned

▪ Pros & Cons AQR L’evoluzione del

contesto

normativo, con la pubblicazione del nuovo manuale AQR, esige una revisione e

integrazione delle metodologie di campionamento utilizzate e delle logiche ad esse sottostanti

Campionamento statistico distinto tra controparti Performing e Non

Performing

Cluster di rischio (Stage I, II, III), Vintage Default (<6 mesi, 6-12 mesi, >12mesi) e Fasce di Esposizione (5°percentile, Top10/Top8, 5 Bucket intermedi)

Numerosità campionaria minima definita sulla base dei ‘‘Statistical sufficiency parameters’’, riportati nel manuale AQR, dal Segmento, Portafoglio e dallo Stato Rischio

Metodologia AQR

▲Approccio semplificato

▲Numerosità campionaria ridotta

▲Maggiore focus su esposizioni elevate e rischiose

▼Rischio di campionare in modo non

sufficientemente

omogeneo differenti stati amministrativi

▼Assenza di

differenziazione per le sofferenze con vintage maggiore di 12 mesi

6

Campionamento: processo di definizione KRI

Selezione dei KRI rilevanti

Analisi degli indicatori di rischio utilizzati dalla Banca e coerenti con le recenti normative

Selezione di un set di KRI specifici sulla base di:

▪ analisi degli indicatori già utilizzati dalla Banca

▪ analisi di Benchmark e dei principali trend e best practice di mercato

▪ analisi di dettaglio dei requisiti richiesti dalle molteplici normative impattanti

Definizione di una short list di indicatori tramite l’applicazione di metodologie di test mirate

(statistiche e non) attraverso:

▪ individuazione di un campione di esiti noti statisticamente rappresentativo

▪ analisi della capacità di interpretazione dell’anomalia dei KRI attraverso metodologie statistiche avanzate

▪ valutazione dei KRI che descrivono meglio l’anomalia su tutti i modelli statistici applicati

Analisi preliminari

Definizione long list

Test short list

Permanenza/ Coerenza Stato amministrativo 1

Esposizione, Sconfini, Scaduti 2

Classe di rating/PD 3

Forborne 4

Centrale Rischi 5

Garanzie e mutui ipotecari 6

Rettifiche 7

Piani di rientro/

Processi di recupero 8

Personalizzare il framework definito tramite una short list di indicatori che meglio si adattano alle caratteristiche specifiche dei portafogli della Banca

Lesson learned

Classificazione

controparti Congruità degli

accantonamenti Processo di recupero Legenda

▪ Applicazione visione olistica alla controparte

(inclusione garanti,

G.E./mercato/elementi fwd- looking)

▪ Sviluppare KRI andamentali

(variazioni rilevanti di rettifiche, garanzie e misure forbearance)

▪ Aggiornare periodicamente i KRI

▪ Adozione di regole di campionamento flessibili (statistiche e/o manageriali), verificando anche ex-post la coerenza con i KRI

Campionamento Credit File Review

Reportistica di sintesi Projections /Challenger Model

Linee evolutive del Framework dei controlli di II Liv.

Credit File Review

Area di rischio

Analizzare le pratiche

selezionate anche rispetto alle

logiche AQR e con modalità volte a generare un

database ordinato e interrogabile di tutte le evidenze dei controlli

Lesson learned

▪ Sviluppare workshop con i controller

▪ Includere valutazioni sull’efficacia /efficienza delle metodologie di recupero (e.g. in-house vs outsourcing, stragiudiziale vs legale)

▪ Prediligere l’utilizzo di risposte a scelta multipla

▪ Utilizzare i risultati dei controlli per rinforzare gli indicatori di rischio impiegati nella fase di

campionamento

Permanenza/ Coerenza Stato amministrativo 1

Esposizione, Sconfini, Scaduti 2

Classe di rating/PD 3

Forborne 4

Centrale Rischi 5

Garanzie e mutui ipotecari 6

Rettifiche 7

Piani di rientro / Processi di recupero 8

Controlli sulla materialità degli sconfini/scaduti e delle sofferenze a sistema

Controlli sulla validità del rating/PD attribuito alle controparti e sull’adeguatezza della ri-classificazione della controparte in caso di down/upgrading

Controlli sulla congruità della classificazione della posizione creditizia interna ed esterna della controparte (es. quadrature con Centrale Rischi)

Controllo volti a monitorare il valore delle garanzie nonché la corretta valutazione delle garanzie ipotecarie

Controlli sulla correttezza delle rettifiche applicate alla controparte

Controlli sull’efficacia del processo di recupero e sulla correttezza del valore di recupero (es. piani di rientro non rispettati)

Controlli sulla corretta classificazione della controparte alla luce dell’evoluzione dei dati finanziari del cliente/gruppo economico di appartenenza (es. classe di rischio)

Controlli su sostenibilità ed efficacia delle misure di forbearance nonché sull’adeguatezza del monitoraggio del probation period

Descrizione del controllo

8

Projections / Challenger model

Proiettare le

evidenze emerse dalla credit file review sull’intero portafoglio, in linea con la

metodologia AQR e valutare i livello degli

accantonamenti con un modello challenger

coerente con IFRS 9

Lesson learned

▪ Adozione delle metodologie AQR per la proiezione sul complessivo portafoglio

▪ Adozione di modelli challenger AQR-like e/o personalizzati come metodo di backtesting

▪ Fine-tuning e improvement incrementali per

consolidamento

metodologia di proiezione

▪ Adozione delle proiezioni come ulteriore elemento per successivi controlli

campionari

Campionamento Credit File Review

Reportistica di sintesi Projections /Challenger Model

A partire dagli esiti di Credit File review, calcolo dell’additional impairment (errore) 1

Identificazione e rimozione di eventuali anomalie evidenti 2

Identificazione e trattamento di eventuali valori outlier 3

Calcolo dell’errore medio per ogni cluster della griglia AQR 4

Calcolo dell’errore medio per ogni fascia di rischio 5

Identificazione dei cluster che evidenziano sovra o sottostima dell’errore rispetto alla fascia di rischio e verifica presenza di anomalie

6

Proiezione dell’errore medio 8

Definizione dell’errore medio da adottare per la proiezione

Challenger Projectionsof findings model 7

Con priorità sui segmenti Retail adozione del challenger model come metodo di controllo, eventualmente anche per indirizzare ulteriori regole di campionamento

Linee evolutive del Framework dei controlli di II Liv.

Reportistica di sintesi

Far evolvere la reportistica di sintesi degli esiti dei controlli a supporto dei processi di

governo del rischio

Lesson learned

▪ L’adeguamento e la standardizzazione delle schede di controllo

consentono la produzione di una reportistica di sintesi fruibile

▪ Integrare viste di reporting con evidenze su efficacia /efficienza dei processi di recupero, gestione

garanzie, data quality, anche in linea con le aspettative del Regulator

▪ Reporting focalizzato sugli esiti dell’analisi con evidenza della valutazione del controller

sull’adeguatezza del

provisioning della controparte

▪ Informazioni di dettaglio circa le motivazioni della

valutazione del controller contenute in un campo testo a lunghezza variabile e non analizzabile in maniera massiva

Old Reporting New Reporting

▪ Reporting evoluto sugli esiti dell’analisi con evidenza delle motivazioni della valutazione sull’adeguatezza del

provisioning

▪ Possibilità di estendere la reportistica ad altri elementi del processo di valutazione (e.g. accordi stragiudiziali, perizie, disallineamento tra sistemi IT)

10

INDICE

1. Linee evolutive del Framework dei controlli di II Liv.

2. Intesa Sanpaolo: assetto organizzativo controlli di II Liv.

4. Risultati raggiunti e prossimi passi

3. Approccio e strumenti utilizzati

Struttura organizzativa

Internal Validation and Controls

department Paolo Di Biasi

Credit Risk Internal Systems

office

Foreign Banks Controls office

Managerial Models office

Foreign Banks Validation

office

Methodologies and Tools for Validation and Controls

office

Credit Controls

sub-department Other Risks Controls

office Internal Validation

sub-department

Model Risk Management sub-department

BdT Controls office

CIB, Structured, Public and Project Finance

Controls office

Non-performing Loans Controls

office

Pillar 1 and pillar 2 Models

office

Market and Counterparty Risk

Internal Systems office

Operation Risk Internal Systems and ICAAP

office

12

Funzionigramma

▪ Analizzare il credito identificando le principali anomalie e le relative azioni di mitigazione

▪ Analizzare la corretta implementazione del credit risk management process includendo il processo di

assegnazione e aggiornamento del rating oltre che alla corretta gestione dei processi di Credit Risk Mitigation Credit

Controls

Internal Validation

Model Risk Management

Other Risk Controls

Methodologies and Tools for Validation and

Controls

▪ Identificare, definire e guidare lo sviluppo, l’implementazione e la manutenzione delle metodologie e degli strumenti di supporto alle le attività di monitoraggio del credito di II livello e le attività di controllo

▪ Garantire, per tutti i segmenti di rischio, la validazione dei modelli interni impiegati per gli obiettivi di Basilea Pillar I e Pillar II

▪ Valutare su base continuativa la gestione e la misurazione del rischio con il presidio delle seguenti aree: modello, processo, infrastrutture IT

▪ Svolgere attività di controllo di II Livello e contribuire al disegno dei controlli di I Livello riguardanti le altre tipologie di rischio verificandone l’effettiva implementazione, la tracciabilità e l’execution

▪ Identificare e gestire il rischio derivante dall’utilizzo dei modelli interni e manutenere il Model Risk Management Framework

Intesa Sanpaolo: assetto organizzativo controlli di II Liv.

INDICE

1. Linee evolutive del Framework dei controlli di II Liv.

2. Intesa Sanpaolo: assetto organizzativo controlli di II Liv.

4. Risultati raggiunti e prossimi passi

3. Approccio e strumenti utilizzati

Approccio e strumenti utilizzati

Overview

La Direzione Convalida Interna e Controlli ha avviato una progettualità volta ad adeguare le metodologie di controllo nonché all’ingegnerizzazione degli strumenti, a supporto del processo di controllo

Stato

Credit File Review

Reportistica di sintesi Projections /Challenger

Model 1

2

4 3

Fase

✓Lista KRI aggiornata e arricchita

✓Metodologia di campionamento aggiornata

✓Schede di controllo ERMES integrate e standardizzate e fruibili in DB SAS

✓Sviluppati strumenti per l’applicazione delle metodologie AQR-like

✓Reportistica integrata e alimentata automaticamente a partire dalle evidenze delle schede di controllo

RPA

Risultati Strumenti

Campionamento: processo di backtesting dei KRI

L’analisi dell’efficacia dei KRI nel predire il verificarsi dell’anomalia è stata svolta attraverso lo sviluppo di modelli deterministici e modelli statistici. Il cruscotto SAS (SAS Guide) supporta la gestione del DB dei KRI nonché lo svolgimento di alcune analisi statistiche

1 Variabili a valorizzazione binaria (i.e. KRI ‘‘acceso’’ / ‘‘spento’’) ²Variabili ordinate secondo

‘‘gravità’’ (e.g. SAG deteriorato ordinato a seconda che sia sconfinante, a inadempienza, a Sofferenza) ³E.g. valori contabili, vintage

Gestione data base dei KRI:

• scarico in SAS esiti dei controlli su tutti i portafogli (Bonis, Proattivo, UTP, Soff)

• scarico in SAS dati per il calcolo dei KRI alle varie date dei

campioni di controllo

• integrazione in un unico data base

Esecuzione di alcune analisi statistiche (e.g. Discriminante stepwise)

Tipologia KRI Indicatori di riferimento Analisi

Analisi

discriminante KRI stand-alone

Alberi decisionali

Modello Logit Binario

Variabili dicotomiche¹

Variabili dicotomiche¹, discrete²e continue³

▪ Numero ‘‘accensioni’’ del KRI

▪ Positive predictive value

▪ Numero ‘‘accensioni’’ dei KRI

▪ Accuracy

▪ Gini impurity

▪ Positive predictive value

▪ Accuracy

▪ Log-verosimiglianza

▪ P-value variabili indipendenti

▪ Coefficienti variabili indipendenti

▪ Accuracy

▪ P-value Lambda di Wilk

▪ P-value variabili indipendenti

▪ Coefficienti variabili indipendenti

Con l’obiettivo di massimizzare l’efficacia dei modelli statistici, i KRI dicotomici sono stati trasformati, laddove possibile, in variabili discrete o continue

Numero accensioni con anomalia su accensioni totali

16

Campionamento: processo di utilizzo KRI campionamento

Il tool SAS (SAS Guide) sviluppato consente il campionamento delle controparti su cui effettuare verifiche puntuali sulla corretta classificazione e sulla congruità degli accantonamenti, nonché l’alimentazione in ERMES per l’attivazione del workflow di controllo

Calcolo KRI

Selezione KRI

Estrazione campione

Verifica campione con

Controller 1

2

4 3

Fase

Calcolo di tutti i KRI su ogni database di controparti per stato rischio

Accensione/spegnimento nel Cruscotto di

campionamento dei KRI da utilizzare per identificare le controparti campionabili

Estrazione delle controparti per il caricamento in ERMES Condivisione del campione con Controller: i) sostenibilità a livello operativo, ii) allineamento alle esigenze

gestionali dei Controller, e recepimento delle osservazioni degli stessi

Descrizione approccio

Import base dati alla data di riferimento, per stato di rischio e tipologia di controparte e calcolo KRI

Cruscotto di campionamento per accensione /spegnimento indicatori e definizione campione

Estrazione controparti per alimentazione ERMES N.A

Approccio e strumenti utilizzati

Credit File Review

Le schede di controllo ERMES sono state standardizzate al fine di garantire lo scambio del patrimonio informativo da e verso SAS

A

Estrazione del patrimonio

informativo rilevante alla compilazione del data tape necessari all’esecuzione dei controlli da di II livello EPC

HERMIONE MOCRED

MOPLE

I data tape sulle controparti campionate sono caricati in ERMES per la

generazione delle schede di controllo

D

Popolazione base dati Coinvolgimento di ERMES

B

L’Ufficio Metodologie e Strumenti di Controllo configura la scheda di controllo ERMES e prepara i data tape con il patrimonio informativo delle controparti campionate

Configurazione data tape

Accesso ad ERMES per l’attivazione del workflow di controllo che

prevede step predefiniti nel processo di controllo con il coinvolgimento di specifici attori

C

Sezione

informativa

Workflow

▪ Sezione che contiene i dati sulle controparti al momento dell’estrazione del campione per il controllo

▪ Elaborata con SAS per caricamento in ERMES

▪ Sezione in cui il controller inserisce gli esiti dei vari step necessari ad eseguire il controllo sulla

controparte

▪ Storicizzazione degli output in tabelle SAS

18

Descrizione approccio

Projections

In caso di campionamento secondo logiche AQR-like, il tool SAS (SAS Guide) sviluppato consente di effettuare l’attività di Projection of findings finalizzata a verificare la congruità degli accantonamenti sui portafogli NPE, in linea con la metodologia AQR

Calcolo della maggiore rettifica

(misstatement) Identificazione e

trattamento anomalie e

outlier

Projection of findings e valutazione degli

esiti Calcolo e confronto misstatement

medi 1

2

3

Fase

Calcolo della maggiore rettifica in percentuale dell’esposizione per sofferenze e UTP

Identificazione e trattamento di anomalie evidenti e dei valori outlier

Proiezione del misstatement medio sull’intero portafoglio e confronto fra rettifiche iniziali e finali

Calcolo del misstatement medio per ciascun bucket della griglia AQR e a livello di fascia di rischio, e identificazione dei cluster che evidenziano sovra o sottostima dell’errore rispetto alla fascia di rischio

Import tabella esiti controlli ed integrazione dati con campione AQR estratto

Calcolo del misstatement per sofferenze e UTP

Identificazione ed esclusione di eventuali anomalie evidenti e trattamento degli outlier

Azzeramento dei misstatement inferiori o pari all’1%

Calcolo maggiore rettifica stimata sul campione e popolazione non campionata e calcolo additional impairment per bucket griglia AQR

Calcolo additional impairment a livello di

segmento, stato amministrativo e dell’incremento stimato delle rettifiche iniziali

Calcolo dei misstatement medi a livello di bucket e fascia di rischio; test «d di Cohen» per

identificazione misstatement medio sovrastimato o sottostimato rispetto alla fascia di rischio

Approccio e strumenti utilizzati

4

Descrizione approccio

Challenger model

In caso di campionamento secondo logiche AQR-like, il tool SAS (SAS Guide) sviluppato consente di effettuare l’attività di Collective Provision Analysis, mediante il cosiddetto «challenger model»

Perimetro di applicazione

Stima parametri PD/LGL/LGI/EAD/

EIR

Applicazione del modello challenger Stima Staging 1

2

3

Fase

Stratificazione in funzione delle classi di rischio AQR/Flag presenza garanzia

Stima dei parametri di rischio per ciascun strato del portafoglio per mezzo dei quali calcolare l’ECL

Confronto fra ECL da modello interno e ECL da challenger model per valutare adeguatezza del provisioning, rispetto allo scenario Baseline

Determinazione per ciascun strato del perimetro di

applicazione la percentuale di controparti in stage 1 e la percentuale di controparti in stage 2

Identificazione perimetro di applicazione modello challenger e arricchimento dati (informazioni Flag garanzia/Stage/ECL)

Determinazione dei parametri di rischio o di alcune componenti

Predisposizione format di sintesi dei risultati

Calcolo della percentuale di controparti in Stage 1 e in Stage 2

4

20

Architettura

Il Framework di controllo definito, che integra le logiche AQR e prevede l’utilizzo di SAS nelle diverse fasi del processo, è pienamente integrato nell’Architettura IT del Gruppo

Repository Dati

Workflow Controlli

Campionatura Risk Based

AQR

Descrizione campione

Esito controlli

Caricamento DB

Approccio e strumenti utilizzati

INDICE

1. Linee evolutive del Framework dei controlli di II Liv.

2. Intesa Sanpaolo: assetto organizzativo controlli di II Liv.

4. Risultati raggiunti e prossimi passi

3. Approccio e strumenti utilizzati

Risultati raggiunti e prossimi passi

Vantaggi dell’evoluzione del processo di controllo

1

2

3

4

5

Standardizzazione e armonizzazione nella lavorazione dei campioni funzionale per i flussi informativi verso Regulator/Funzioni di controllo e la definizione della reportistica gestionale/direzionale

Adozione di una metodologia e sviluppo di Tool SAS che permettono di eseguire il processo in sequenza o per parti: applicabilità per portafoglio/divisione di business e possibilità di

personalizzazione, pur in presenza di elevata automazione

Standardizzazione

Framework pienamente integrato nell’Architettura IT del Gruppo

Ottimizzazione del processo di controllo in termini di tempistiche, qualità e fruibilità dei risultati

Integrazione Componibilità e

scalabilità

Ottimizzazione

Applicabilità

Possibili enhancements

▪ Affinamento delle metodologie di

campionamento attraverso l’applicazione di tecniche di Machine Learning: identificazione delle porzioni più rischiose della popolazione e dei driver (KRI) più predittivi

▪ Pre - compilazione delle schede di controllo in Ermes attraverso l’estensione dell’applicazione dell’RPA

▪ Scoring delle ctp controllate con ML che supporti l’espressione dell’esito delle attività di controllo

▪ Definizione delle modalità di utilizzo dello score ML a supporto dell’elaborazione dell’esito finale del controllo

▪ Estensione del perimetro a tutti i cluster (in particolare non performing)

▪ Arricchimento delle basi dati con ulteriori variabili / trattamento delle variabili

▪ Estensione del perimetro a tutti i cluster (in particolare non performing)

▪ Arricchimento delle basi dati con ulteriori variabili / trattamento delle variabili

▪ Estensione del perimetro a tutti i cluster (in particolare non performing)

▪ Arricchimento delle basi dati con ulteriori variabili / trattamento delle variabili

To beChallangeFattori abilitanti Machine Learning Evoluzione Ermes + RPA + MLEvoluzione Ermes + RPA

Campionamento Raccolta informazioni/dati Pre-elaborazione esito del

controllo, analisi e validazione

24