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
14Overview
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
CampionamentoCredit 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
22Vantaggi 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
Framework applicabile alle altre Società del GruppoPossibili 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