Via Durini 27

20122 MILANO

tel. +39.02.76394888

fax +39.02.76310967

Via Emilia S. Pietro 21

42121 REGGIO EMILIA

tel. +39.0522.496221

fax +39.0522.453604

Cluster Analysis e correlazione del rischio

nelle strategie Rating Based

Giuseppe R. Grasso (Presidente KF Economics)

2

INDICE

• Il rating di KF Economics

• Strategie Rating Based

• Cluster analisys e analisi di correlazione

sviluppata per Eurocredit

3

PRINCIPALI PARTNERSHIP

• K Finance

– K Finance è una società di consulenza finanziaria indipendente fondata nel 1999, focalizzata sull’attività di Merger & Acquisition

e finanza straordinaria per la PMI

– KF Economics fornisce a K Finance gli strumenti di analisi del rischio crediti per le attività di pianificazione finanziaria,

ristrutturazione del debito, capital raising e M&A

– K Finance mette a disposizione dei propri clienti una struttura con una vasta esperienza in materia di transazioni e negoziazioni

a livello internazionale e una competenza industriale multi-settoriale, combinando competenze dirette e diversificate sul singolo

mercato / paese con una capacità di copertura internazionale in 15 paesi distribuiti su quattro continenti

• Eurocredit

– Eurocredit è attiva da oltre 40 anni nel mercato della fornitura di informazioni commerciali su aziende italiane ed

estere per la tutela del credito e l’ottimizzazione delle strategie commerciali.

– KF Economics sta affiancando Eurocredit nella messa a punto di strumenti di rating per migliorare la propria offerta

di servizi e prodotti di analisi del rischio creditizio

– In particolare KF Economics sta sviluppando per Eurocredit prodotti per l’analisi del rischio di portafogli crediti

• Bureau van Dijk

– Multinazionale riconosciuta come uno dei leader nella distribuzione di informazioni economico finanziarie, in partnership con

primarie società di raccolta e analisi dei dati, realizza e distribuisce a livello mondiale database unici per copertura, flessibilità di

utilizzo e costo del servizio per consentire ai propri clienti di personalizzare ed analizzare approfonditamente le informazioni

provenienti dal mercato.

– KF Economics fornisce a BvD i dati sul rating creditizio e sulla Probability of Default di tutte le aziende italiane presenti nel

database AIDA

4

• Il campione di insolventi

─ L’identificazione, la raccolta e la prima analisi

degli eventi di insolvenza rappresentano

informazioni di solito non facilmente reperibili

ma di primaria importanza, sulla cui base si

procede alla formazione del campione di

stima del modello

─ La disponibilità di un numero elevato di casi di

imprese insolventi (circa 11.500) permette una

migliore identificazione da parte del modello

delle dinamiche sottostanti l’evento di

insolvenza e di conseguenza stime e

previsioni più precise e più solide

Società

insolventi per

anno

Popolazione Campione

2004 5.055 1.405

2005 5.045 2.034

2006 4.464 1.741

2007 3.398 1.640

2008 3.552 1.731

2009 5.301 2.946

TOTALE 26.815 11.497

LA METODOLOGIA E IL CAMPIONE DI INSOLVENTI A DISPOSIZIONE

• Metodologia:

Regressione logistica binaria (modello logit)

• Vantaggi:

─ Differente sensibilità del modello che permette di

offrire maggiori sfumature a piccoli cambiamenti

delle variabili sottostanti negli intervalli di

significatività degli indici, affievolendo

contemporaneamente l’effetto dei valori estremi

─ Piena controllabilità e verifica del processo di

formazione dei risultati (a differenza di reti neurali o

altre metodologie black box)

Funzione Logit

5

L’ANALISI DEL RISCHIO: OUTPUT DEL MODELLO

Classe di rating

- Sette classi di merito creditizio

- Suddivisione delle società in classi di

rischio omogenee

- Identificazione di variazione significative

di rischio nel tempo e tra società

PD = Probabilty of

Default

Credit Score - Espresso come punteggio tra 0 e 1000

- Consente la comparazione di società

all’interno di una stessa classe di rating

- Valutazione prospettica del rischio

espressa come probabilità di insolvenza

6

IL NOSTRO ALFABETO - LE CLASSI DI RATING

Media Italia (bilanci

2009) = 8,6 ‰

Rischio

Normalità

Eccellenza

Classe di

rating Descrizione

PD

(‰)

KR7 Azienda solvibile e finanziariamente solida 0,1

KR6

Azienda in grado di onorare regolarmente i

debiti e con buona capacità di copertura,

che potrebbe però deteriorarsi in caso di

grave peggioramento delle condizioni

economiche e di mercato

0,6

KR5 Azienda in grado di onorare i debiti ma

esposta al peggioramento delle condizioni

economiche e di mercato

2,1

KR3 Azienda finanziariamente debole ed

esposta al rischio di insolvenza 13,7

KR2 Azienda a significativo rischio di insolvenza 30,5

KR1 Azienda a elevato rischio di insolvenza 74,7

Azienda con solidità finanziaria modesta ma

attualmente in grado di onorare i debiti KR4 5,8

Vulnerabilità

7

KF RATING INDUSTRIA MANIFATTURIERA DISTRIBUZIONE PER CLASSI DI RATING

0,0% 0,0%0,3%

0,9%

2,0%

2,9%

4,7%5,0% 5,1%

6,9%

8,4%8,7%

9,3%

10,2%

9,2%

8,4%

5,7%

1,6%1,1%

0,6%

9,0%

0

0,02

0,04

0,06

0,08

0,1

0,12

0,14

0,16

K7+ K7 K7- K6+ K6 K6- K5+ K5 K5- K4+ K4 K4- K3+ K3 K3- K2+ K2 K2- K1+ K1 K1- Rating

Frequenza (%)

ECCELLENZA NORMALITA' VULNERABILITA

'

RISCHIO

30,0%

37,2%

26,6%

6,1%

13%

23%

26,6%

6,1%

30,0%

37,2%

Fonte: Ricerca KF Rating 2010 (www.kfinance.com)

8

Mappa dei rischi

•Mappa dei rischi: consente di analizzare

trimestralmente l’evoluzione del fenomeno

dell’insolvenza per 240 cluster dell’impresa

italiana composti attraverso tre assi:

•Rischio di Settore: analisi di 20 settori

dell’industria italiana

•Rischio di Area Geografica: analisi di 4 macro-

aree geografiche

•Rischio di Classe Dimensionale: analisi di 3

classi dimensionali

• L’evoluzione dell’incidenza effettiva dei fallimenti

si è dimostrata un efficace indicatore del ciclo

economico congiunturale delle singole aree di

esame (ad es. settore)

9

INDICE

• Il rating di KF Economics

• Strategie Rating Based

• Cluster analisys e analisi di correlazione

sviluppata per Eurocredit

10

KF RATING REPORT

11

IL RATING PER IL MONITORAGGIO CLIENTI

rating

bancario

rating

bancario

centrale

rischi

dati

andamentalirischio di

settore

rating

bancario

rating

globale

analisi qualitativa

- strategia

- posizionamento

- management- business plan

analisi qualitativa

- strategia

- posizionamento

- management- business plan

analisi qualitativa

- strategia

- posizionamento

- management- business plan

analisi qualitativa

- strategia

- posizionamento

- management- business plan

rating operativocentrale

rischi

rischio di

settore

rating tecnico- bilanci- indici

- flussi di cassa

rating tecnico- bilanci- indici

- flussi di cassa

Importare nel mondo delle imprese le “logiche”

dell’analisi di rating sviluppate nel mondo

bancario

Database clienti con informazioni su:

• rating tecnico (dai bilanci annuali)

• analisi qualitativa (questionari periodici)

• dati pregiudizievoli (da db esterni)

• dati andamentali (ordini/incassi)

• rischio di settore (da db esterni)

• strategicità/attratività del cliente

• altri parametri operativi rilevanti

Pregiudi-

zievoli

Ordini

Incassi

Strategicità

Attrattività stima di un

Rating Interno

Aziendale

12

DISTRIBUZIONE PER CLASSI DI RATING

0,0% 0,0%0,3%

0,9%

2,0%

2,9%

4,7%5,0% 5,1%

6,9%

8,4%8,7%

9,3%

10,2%

9,2%

8,4%

5,7%

1,6%1,1%

0,6%

9,0%

0

0,02

0,04

0,06

0,08

0,1

0,12

0,14

0,16

K7+ K7 K7- K6+ K6 K6- K5+ K5 K5- K4+ K4 K4- K3+ K3 K3- K2+ K2 K2- K1+ K1 K1- Rating

Frequenza (%)

ECCELLENZA NORMALITA' VULNERABILITA

'

RISCHIO

30,0%

37,2%

26,6%

6,1%

CAMPAGNE MARKETING RATING-BASED

Ranking basato su Rating Ranking basato su settore industriale

Ranking basato su Geografia

Ragione Socia le

T OT . VAL.

DELLA

PRODUZI

ONE EUR

2007

Dipend

enti

2007

EBIT DA

/Vendite

(%)

2007

Fattura to x

dipendente

S.M.C. HOLDING S.P.A. 479.011 1 68,65 479.011

OBJECTWAY FINANCE S.R.L. 9.324.407 99 34,15 94.186

PHOENIX INFORMATICA BANCARIA S.P.A. 45.482.620 112 27,17 406.095

RGI SPA 21.132.100 293 26,71 72.123

DYLOG ITALIA S.P.A. 26.542.372 289 22,59 91.842

OBJECTWAY CSF S.R.L. 1.024.632 10 22,24 102.463

FINCONS S.R.L. 70.577 2 21,89 35.289

ADP DEALER SERVICES ITALIA S.R.L. 19.694.458 141 19,96 139.677

SEMPLA S.P.A. 8.258.895 70 18,80 117.984

FAMULA ON-LINE S.P.A. 36.065.040 103 16,53 350.146

SMC GROUP S.R.L. 661.178 14 16,02 47.227

AUSELDA AED GROUP S.P.A. -IN SIGLA AED GROUP - 36.519.543 277 15,59 131.840

BYTE SOFTWARE HOUSE S.P.A. 39.700.884 227 13,66 174.894

TECHEDGE CONSULTING S.R.L. 9.114.512 143 13,61 63.738

SOLGENIA S.P.A. 3.767.120 47 13,11 80.151

AIVE S.P.A. 27.532.260 287 12,98 95.931

SEMPLA S.R.L. 23.128.034 220 12,55 105.127

ALTEA SOCIETA' PER AZIONI O, IN FORMA ABBREVIATA, ALTEA S.P.A.20.397.319 167 11,35 122.140

TECHEDGE S.P.A. 22.204.139 22 11,18 1.009.279

ALTEN ITALIA S.P.A. 12.049.115 220 11,13 54.769

NOUS INFORMATICA S.R.L. 13.644.140 213 11,10 64.057

BYTE SISTEMI INFORMATIVI S.P.A. 4.568.743 51 11,08 89.583

OBJECTWAY SPA 20.048.440 196 10,97 102.288

GRUPPO FORMULA S.P.A. 30.960.750 309 10,39 100.197

BETA 80 S.P.A. SOFTWARE E SISTEMI O, IN FORMA ABBREVIATA BETA 80 S.P.A12.422.662 97 10,19 128.069

AVANADE ITALY S.R.L. 25.365.999 293 10,01 86.573

SMC TREVISO S.R.L. 7.694.319 72 9,41 106.866

I & T SERVIZI S.R.L. 10.403.279 85 9,09 122.392

SMC VENEZIA S.R.L. 1.451.292 17 8,91 85.370

LECTRA ITALIA - S.P.A. 35.297.901 131 8,37 269.450

ASYSTEL S.P.A. 77.323.821 212 7,97 364.735

EUSTEMA S.P.A. 35.326.032 199 7,79 177.518

SOPRA GROUP S.P.A. 30.442.313 285 7,75 106.815

BRAIN FORCE S.P.A. 17.061.888 271 7,69 62.959

TIETOENATOR ITALIA S.P.A. 30.814.256 225 7,56 136.952

INAZ SRL 35.685.611 139 6,96 256.731

BETA 80 GROUP S.R.L. 1.924.284 11 6,60 174.935

COSMIC BLUE TEAM SOCIETA' PER AZIONI OVVERO COSMIC BLUE TEAM -S.P.A45.245.553 33 6,41 1.371.077

BMC SOFTWARE S.R.L. 22.040.380 88 5,06 250.459

PARAMETRIC TECHNOLOGY ITALIA S.R.L. 24.046.068 59 4,93 407.560

BYTE ELABORAZIONI SRL 1.000.149 4 4,87 250.037

TERASYSTEM S.P.A. 35.669.668 75 4,17 475.596

PHOENIX SERVICES - S.R.L. 937.262 - 3,47

SEDOC S.R.L. 31.123.095 123 3,23 253.033

FINCONS S.P.A. 8.593.040 28 3,01 306.894

DEVOTEAM AUSYSTEMS S.P.A. 28.709.268 335 2,36 85.699

CONSULENZA AZIENDALE PER L'INFORMATICA SCAI - SOCIETA' PER AZIONI28.804.745 332 2,09 86.761

IRPE S.P.A. 35.066.595 196 1,87 178.911

NESSPRO ITALY S.P.A. 20.472.157 89 1,70 230.024

MAGIRUS ITALIA S.P.A. 5.914.328 46 0,47 128.572

INFOR GLOBAL SOLUTIONS ITALIA S.R.L. 390.848 2 0,36 195.424

INFOR GLOBAL SOLUTIONS (MILANO III) S.R.L. 715.437 4 0 178.859

OBJECTWAY SOFTLAB S.R.L. 1.799.303 20 0 89.965

S.M.C. GROUP S.R.L. 363.868 0

SOLGENIA CUSTOM SOLUTION S.R.L. 228.766 0

GFI ITALIA S.P.A. 38.439.040 330 -0,05 116.482

UNISYS ITALIA S.R.L. 69.288.035 392 -3,91 176.755

INFOR GLOBAL SOLUTIONS (MILANO) S.R.L. 13.630.529 49 -4,60 278.174

INFOR GLOBAL SOLUTIONS (MILANO II) S.R.L. 3.480.863 24 -4,97 145.036

SIEMENS IT SOLUTIONS AND SERVICES S.P.A. ######### 550 -7,37 220.017

AGS GROUP S.R.L. 1.394.504 1 -71,08 1.394.504

INFOR GLOBAL SOLUTIONS (MILANO IV) S.R.L. 1.231.737 0 -79,33

Lista target prioritizzata

Ranking basato su altre informazioni interne

13

RATING ADJUSTED PRICING

Rischio

alto

Rischio

basso

Prezzo

Prezzo non

risk-adjusted

risk-adjusted

pricing Clienti solidi

sottratti alla

concorrenza

Clienti rischiosi

lasciati ai

concorrenti

Se il prezzo viene determinato

anche in funzione del rischio del

cliente:

• si attrarranno con prezzi più

competitivi i clienti più solidi,

mentre

• i clienti più rischiosi

remunereranno la loro

maggiore onerosità con un

prezzo più alto oppure

andranno alla concorrenza

Un esempio classico di

applicazione implicita di questa

strategia è la politica degli

“sconti cassa”

14

INDICE

• Il rating di KF Economics

• Strategie Rating Based

• Cluster analisys e analisi di correlazione

sviluppate per Eurocredit

15

RISCHIO DI PORTAFOGLIO/1

• Il rischio di un portafoglio di crediti è determinato dall’eventualità di subire perdite perché

i debitori non rimborsano il capitale o non pagano gli interessi (anche solo in parte) alle

scadenze pattuite

• Perdita attesa (Expected Loss):

EL = PD × EAD × (1 − RR)

= PD × LGD

PD = Probability of Default %: Quanto è probabile l’insolvenza?

EAD = Exposure at Default €:

RR = Recovery Rate %: Che frazione del credito si può recuperare

in caso di insolvenza?

LGD = Loss Given Default = EAD × (1 − RR): Entità della perdita in caso di

insolvenza

• La perdita attesa di portafoglio è la somma delle perdite attese sui singoli crediti:

ELPortafoglio = Σ ELi = Σ PDi × LGDi

16

RISCHIO DI PORTAFOGLIO/2

• La perdita attesa è una stima puntuale, utile per determinare il prezzo del credito e gli accantonamenti a

fronte dei rischi prevedibili, ma è soggetta a margini di errore

• La perdita effettiva di portafoglio (non prevedibile) dipenderà dal verificarsi di un certo numero di default

che interesseranno certi crediti specifici

• La valutazione della distribuzione di probabilità delle perdite potenziali è un elemento essenziale della

valutazione del rischio di credito

Distribuzione delle perdite di portafoglio

Portafoglio di 100 crediti di importo pari a

€10.000 ciascuno

Credito complessivo: € 1.000.000

PD Media: 0,6%

Perdita attesa (EL): € 6.000

95° percentile: € 20.000

Perdita inattesa (UL): €20k - €6k = € 14.000

EL = €6k Perc(95)

UL = €14k

17

RISCHIO DI PORTAFOGLIO

• La perdita inattesa (‘Unexpected Loss’) è l’importo della perdita massima che si valuta

potrebbe essere subita in una percentuale elevata di casi (es. 95%, 99%) in eccesso

rispetto alla perdita attesa

• Alla perdita inattesa corrisponde il capitale economico richiesto per coprire il rischio del

portafoglio crediti (oltre alle riserve accantonate a fronte delle perdite attese)

• Buona parte del rischio di portafoglio può essere eliminato attraverso la diversificazione:

– La suddivisione dei rischi su un numero maggiore di clienti (a parità di credito

complessivamente concesso) riduce l’impatto del rischio specifico di ciascuno sulla

perdita inattesa

– Parte del rischio dipende però da fattori comuni (es. la congiuntura economica) e non

può essere del tutto eliminato

– La correlazione tra i rischi dei crediti in portafoglio è la principale determinante della

perdita inattesa

• Selezionando i creditori e le operazioni in base alla diversa reattività ai fattori di rischio

comuni si può tenere sotto controllo la rischiosità complessiva del portafoglio riducendo la

perdita inattesa e il fabbisogno di capitale economico

18

MISURAZIONE DEL RISCHIO SISTEMATICO DI PORTAFOGLIO

Determinare la relazione tra i fattori

e le posizioni in portafoglio

Determinare la correlazione tra le

posizioni a partire dalla correlazione

di ciascuna delle posizioni con i

fattori rilevanti

Le metodologie tradizionali, per mancanza di dati analitici sulle singole posizioni e sulla loro

evoluzione nel tempo e rispetto ai fattori determinanti, sono costrette a fare ipotesi fortemente

semplificatrici sulle correlazioni, perdendo di fatto gran parte della loro efficacia predittiva

La metodologia KF Economics per Eurocredit consente di trattare analiticamente tutti i

fattori coinvolti e di basare quindi la propria analisi di portafoglio su dati effettivi e che

tengono conto dell’evoluzione congiunturale del ciclo con una precisione trimestrale

Rischio

intrinseco del

settore di attività

Valutazione del rischio

sistematico

Rischio specifico

del Paese o

dell’area geografica

Rischio specifico

d’impresa

Stato generale

dell’economia

Ciclicità del

settore

19

LA RELAZIONE TRA DEFAULT E ANDAMENTO GENERALE

DELL’ECONOMIA

-2

-1,5

-1

-0,5

0

0,5

1

1,5

2

90

92

94

96

98

100

102

104

200

5:Q

1

200

5:Q

2

200

5:Q

3

200

5:Q

4

200

6:Q

1

200

6:Q

2

200

6:Q

3

200

6:Q

4

200

7:Q

1

200

7:Q

2

200

7:Q

3

200

7:Q

4

200

8:Q

1

200

8:Q

2

200

8:Q

3

200

8:Q

4

200

9:Q

1

200

9:Q

2

200

9:Q

3

200

9:Q

4

201

0:Q

1

201

0:Q

2

201

0:Q

3

201

0:Q

4

201

1:Q

1

201

1:Q

2

IIPN XTCNIndice di produzione

industriale Tasso di insolvenza

trimestrale destagionalizzato

Nota: - l’indice di produzione industriale e le insolvenze trimestrali sono valori normalizzati;

- i quadranti colorati rappresentano periodi di espansione (verde) e recessione (rosso) economica, secondo definizioni dell’OCSE

• È evidente e significativa la

correlazione inversa tra

tasso di insolvenza e

andamento generale

dell’economia

• I due fattori (stato

dell’economia e tasso di

insolvenza) sono tra loro

interdipendenti,

influenzandosi

vicendevolmente

20

L’EFFETTO DELL’APPARTENENZA A DIVERSI SETTORI

• Settori diversi hanno livelli di

rischio fisiologicamente differenti

tra loro, così come trend che non

sempre coincidono con

l’andamento del livello di

insolvenza nazionale

• anche la sensibilità e velocità di

reazione al mutamento delle

condizioni economiche sottostanti

varia da settore a settore

L’analisi del rischio intrinseco di un

settore ed il suo trend rappresentano

elementi essenziali per una corretta

valutazione di portafoglio e uno degli

elementi più incisivi per operare una

strategia di diversificazione del

rischio

Tassi di insolvenza trimestrale destagionalizzati

0,0

2,0

4,0

6,0

8,0

10,0

12,0

14,0

16,0

18,0

20,0

20

06:Q

1

20

06:Q

2

20

06:Q

3

20

06:Q

4

20

07:Q

1

20

07:Q

2

20

07:Q

3

20

07:Q

4

20

08:Q

1

20

08:Q

2

20

08:Q

3

20

08:Q

4

20

09:Q

1

20

09:Q

2

20

09:Q

3

20

09:Q

4

20

10:Q

1

20

10:Q

2

20

10:Q

3

20

10:Q

4

20

11:Q

1

20

11:Q

2

Tessile, abbigliamento e pelli Prodotti chimici, sintetici e combustibili

Meccanica e macchine utensili Costruzioni

Totale

Nota:- i quadranti colorati rappresentano periodi di espansione e recessione

economica, secondo definizioni dell’OCSE

Tassi di insolvenza trimestrale destagionalizzati

21

ANALISI DEL PORTAFOGLIO CREDITI PER CLASSE DI RATING

3

10

15

34

15 14

6

0,3

7,1

10,8

6,8

3,2

1,2

0,4 0

2

4

6

8

10

12

0

5

10

15

20

25

30

35

40

KR1 KR2 KR3 KR4 KR5 KR6 KR7

Solidità

Normalità

Rischio

Confronto distribuzione per classe di rating; numerosità vs valore plafond

Il confronto tra la

distribuzione per

numerosità e per valore

di plafond mostra come,

nel caso preso ad

esempio, il valore sia

sbilanciato sui soggetti

più rischiosi del

portafoglio

(unità) (importi in

milioni di Euro)

22

CONFRONTO CREDIT SCORE DEL PORTAFOGLIO (MEDIA SEMPLICE

PER MACRO SETTORE) CON IL CLUSTER DI RIFERIMENTO

0

100

200

300

400

500

600

700

800

900

CS Medio Portafoglio

CS Medio Cluster

↑Lavorazione

metalli

↓Editoria e

stampa

↑Costruzioni ↑Chimica

↓Alimentari e

tabacco

∑= 97 soggetti

23

ANALISI PERIODICA RISCHIOSITÀ DEL PORTAFOGLIO CREDITI –

IMPLICAZIONI SUL PORTAFOGLIO ANDAMENTO INDUSTRIE

•KF Economics ogni 3 mesi

pubblica un rapporto con l’analisi

dell’incidenza delle insolvenze per

cluster nel trimestre precedente

•Questo dato viene utilizzato per

fornire una indicazione del

miglioramento del peggioramento

dei cluster e viene utilizzato per

simulare l’impatto sul portafoglio

0%

2%

4%

6%

8%

10%

12%

14%

16%

K1-

K1-

K1+

K2

K2-

K2+

K3-

K3

K3+

K4-

K4

K4+

K5-

K5

K5+

K6-

K6

K6+

K7-

K7

K7+

Unadjusted Adjusted

Variazione della distribuzione del portafoglio aggiustato in

base all’andamento delle industrie

24

ANALISI PERIODICA RISCHIOSITÀ DEL PORTAFOGLIO CREDITI –

DISTRIBUZIONE CLIENTI VS SOCIETA’ PARAGONABILI (PEERS)

-5

-4

-3

-2

-1

0

1

2

3

4

5

Settore 1 Settore 2 Settore 3 Settore 4 Settore 5

Tot NE

NE Small

NE Mid

NE Large

Tot NO

NO Small

NO Mid

NO Large

Tot Centro

Centro Small

Centro Mid

Centro Large

Tot Sud

Sud Small

Sud Mid

Sud Large

Confronto del rating per macro cluster rispetto alla popolazione delle aziende in Italia

Il p

ort

afo

glio

è m

en

o

risch

ioso

de

lla p

op

ola

zio

ne

Il p

ort

afo

glio

è p

iù r

isch

ioso

de

lla p

op

ola

zio

ne

25

AREE DI APPLICAZIONE

Le aree di applicazione di questa metodologia proprietaria di analisi del rischio di portafoglio

comprendono:

Valutazione della probabilità di default di portafogli crediti per cartolarizzazioni:

• con analisi puntuale del rischio delle singole posizioni e delle loro correlazioni

• sia ex-ante che attraverso aggiornamenti e monitoraggi periodici

Ottimizzazione dei portafogli

• ricercandone la diversificazione ottimale attraverso l’inclusione/esclusione di posizioni

in funzione della loro correlazione, sia in fase di progettazione che di «manutenzione»

Analisi dell’esposizione crediti aziendale in funzione del livello di correlazione

• l’esposizione verso clienti di un’azienda può essere analizzata esattamente come un

portafoglio cartolarizzato e sottoposta alle stesse tecniche di monitoraggio e

ottimizzazione

Con la metodologia KF Economics per Eurocredit l’analisi di portafoglio non è più

una black-box basata su metodi statistici teorici che non riflettono la realtà, ma è

un’analisi puntuale basata sul rischio delle singole aziende e sull’evoluzione di

fenomeni reali, monitorati nei loro andamenti storici e attuali.

26

www.kfeconomics.com

kfeconomics@kfeconomics.com

Via Emilia San Pietro 21

42121 Reggio Emilia

Tel +39.0522.496221

Fax +39.0522.453604

Via Durini 27

20122 Milano

Tel +39.02.76394888

Fax +39.02.76310967