Upload
others
View
4
Download
0
Embed Size (px)
Citation preview
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
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