Loading...

Ottimizzazione del processo di erogazione del credito


Autore: Lorenzo Quirini, Area Servizi Specialistici del Credito, Banca Monte dei Paschi di Siena

Quando un cliente presenta una domanda per ottenere l’erogazione di un credito, la sua richiesta può essere accettata o respinta.

Nel caso venga accettata, l’istituto finanziatore può tenere traccia dei versamenti effettuati dal cliente, osservando quindi il comportamento effettivo. Se, invece, la richiesta viene respinta, il richiedente non riceve il prestito; pertanto, non è possibile registrare i dati relativi all’adempimento dell’obbligo di rimborso e il profilo creditizio del cliente resta sostanzialmente sconosciuto.

In pratica, gli istituti finanziatori utilizzano un meccanismo di selezione, prevalentemente automatizzato, per stabilire se accettare o meno una richiesta. Pur essendo automatizzato, il processo di valutazione del merito creditizio di un cliente coinvolge, in una certa misura, i funzionari responsabili ultimi dell’erogazione del credito.

Tale processo decisionale si pone l’obiettivo previsionale di stimare l’andamento del credito eventualmente erogato al richiedente ma, per effetto del meccanismo di selezione, si basa unicamente sulle informazioni che riguardano la capacità di rimborso dei richiedenti già accettati.

Per reject inference (RI) si intende il processo di creazione di un modello di rischio creditizio per la valutazione del profilo di rischio dei richiedenti, tenendo in considerazione l’intera popolazione comprensiva delle richieste declinate. Questo modello mira a ridurre, tra l’altro, la possibile distorsione insita nel meccanismo di selezione, soprattutto quando la decisione può essere influenzata dall’opinione espressa da addetti che presiedono all’erogazione del credito, i quali possono utilizzare informazioni non necessariamente registrate elettronicamente e quindi difficilmente inseribili in un modello di scoring.

Nel settore del credito al consumo (prestiti personali e carte di credito revolving), la Banca Monte dei Paschi di Siena, con il supporto di Experian, ha sviluppato un modello interno in grado di tradurre il merito creditizio di un cliente in un valore economico espresso dal VAN (valore attuale netto) previsto, valutato per tutta la durata del prestito o su un prefissato orizzonte predefinito per le carte revolving.

Mediante questo modello è possibile massimizzare l’economicità attesa di un portafoglio nel rispetto dei vincoli tipici tipici dell’istituto erogante, come il tasso di rifiuto, il costo del capitale e il numero di funzionari da assegnare al processo di erogazione.

Questo modello (prestiti con piano ammortamento) è stato recentemente accettato per una sua presentazione in occasione dell’ultima edizione della Credit Scoring and Credit Control XIV Conference che si è tenuta a Edimburgo, Regno Unito, dal 26 al 28 agosto 2015. Per dettagli sulle principali conclusioni della nostra ricerca, è possibile consultare la presentazione qui.

Di seguito è fornita una sintesi del nostro modello che coniuga quattro elementi.

Il primo è l’indice di merito creditizio o CWI (Creditworthiness Index, definito come il rapporto tra i flussi di rimborso attualizzati e quelli effettivi in un dato periodo di tempo e l’importo contrattuale corrispondente), utilizzato per misurare la capacità di rimborso di un cliente.

Questo indice, che è costantemente compreso nell’intervallo [0,1], fornisce informazioni più granulari rispetto al normale valore predefinito {0,1} poiché tiene conto dell’effettivo processo di rimborso (vedere pagine 5-7 della presentazione).

Il secondo elemento è l’impiego di un metodo di RI che si ispira alla formulazione di Heckman, basato sulle caratteristiche empiriche del CWI, per modellare il nostro CWI in funzione delle variabili esplicative (vedere pagine 9-12).

È opportuno sottolineare l’importanza di questa classe di modello, basata sul lavoro di James Heckman, premio Nobel per l’economia nel 2000. Tra i diversi rami di interesse, l’economista ha analizzato il ruolo del “selection bias” (distorsione dovuta alla selezione) sull’inferenza nel suo studio seminale “Dummy Endogenous Variables in a Simultaneous Equation System” del 1978.

In terzo luogo, correliamo il CWI atteso alle normali misure utilizzate per valutare la redditività di un prodotto creditizio, cioè il valore attuale netto (VAN) e il tasso interno di rendimento (TIR) (vedere pagine 13-15 della presentazione).

L’ultimo elemento, e forse il più importante, è rappresentato dal valore delle informazioni esterne fornite dai servizi di informazioni creditizie, come Experian.

Il ruolo di Experian è stato fondamentale per due motivi: innanzitutto, ha verificato il corretto funzionamento del nostro modello interno sui prestiti e, in secondo luogo, ha fornito preziose indicazioni in merito al “corpo” centrale di clienti, che ci hanno consentito di migliorare il livello delle decisioni automatizzate (vedere pagine 17-19 della presentazione).

È opportuno che gli istituti finanziatori parimenti interessati a ottimizzare il loro processo decisionale in materia di credito mediante un modello RI tengano conto delle considerazioni seguenti:

  1. Il modello deve mettere in correlazione le informazioni sui clienti con una misura di redditività (come il VAN) utilizzando tutti i dati disponibili sull’intera popolazione (richieste accettate e respinte).
  2. Non deve essere sottovalutato il ruolo dei servizi esterni di informazione e consulenza. Entrambi questi aspetti sono necessari per convalidare il modello aziendale interno e per acquisire nuove informazioni dai dati disponibili internamente.