Il Risk management diventa motore della strategia di crescita

La volontà di assicurare la compliance al quadro normativo delineato dall'aggiornamento della circolare 263/06 di Banca d'Italia e, soprattutto, la necessità di adeguare i processi di valutazione del rischio all'attuale contesto di sviluppo strategico della Banca sono alla base delprogetto implementato in Banca Mediolanum. Intevista a Stefano Biondi, Responsabile Settore Modeling Quantitativo, Reporting & Coordinamento di Gruppo di Banca Mediolanum

In che modo i limiti del risk appetite influiscono sull'attività del risk management?

Il piano strategico prevede che la crescita degli impieghi futuri si collochi in un quadro di propensione al rischio, di risk appetite per usare un'espressione alla moda, i cui limiti sono stabiliti con precisione dal board della Banca. La crescita degli impieghi deve essere allineata alla gestione della liquidità e del rischio di mercato attraverso un monitoraggio costante, esercitato dalla funzione di risk management, dell'attività di tesoreria attraverso gli indicatori di Var. Da qui, la necessità di ridisegnare i sistemi interni e le procedure di market risk. Sia per massimizzare l'efficacia del processo di monitoraggio, sia, soprattutto, per condurre analisi di scenario e di stress testing capaci di catturare quelli che vengono comunemente definiti black swan, cioè gli eventi estremi difficilmente individuabili con gli strumenti tradizionali.

Monitoraggio degli indicatori di rischio e analisi di scenario. Sono questi i punti nodali del progetto?

Il progetto, incentrato su SAS Risk Management for Banking e realizzato in collaborazione con SAS e con il suo partner Hexe, prevede appunto un ambiente di produzione, per il monitoraggio del Var sul portafoglio titoli della Banca, e un ambiente di laboratorio che consente agli analisti del risk management di effettuare scenario analysis e stress test. Devo sottolineare, a questo proposito, che il progetto ha visto fin dall'inizio il pieno coinvolgimento degli utenti business, che hanno definito i requisiti funzionali, la modellistica di riferimento, le performance da raggiungere, gli attributi in termini di market data necessari per i calcoli, l'output atteso dal motore analitico.

Direi anzi che il coinvolgimento del business è stato uno dei fattori determinanti per il successo del progetto e per il rispetto delle tempistiche stabilite. Il progetto si è concluso infatti in un arco temporale di soli otto mesi, un traguardo sfidante felicemente raggiunto.

Il modello scelto per le simulazioni è di tipo storico?

Dopo la definizione dei requisiti funzionali, siamo passati all'acquisizione dei dati relativi alle posizioni in portafoglio, ai dati di mercato e ai reference data necessari per descrivere e prezzare le posizioni. I dati vanno ad alimentare il data warehouse SAS, pronti per le elaborazioni analitiche e per le simulazioni. In questo ambito, la nostra scelta è caduta sul modello di Var historical simulation, che ricalcola il valore attuale del portafoglio sulla base di scenari storici che coprono un arco temporale di tre anni. Così facendo si stabilisce un riferimento certo e condiviso nel momento in cui occorre discutere con la tesoreria il reale valore di rischio di una posizione rispetto ai limiti fissati di risk appetite.

Quali sono a suo parere i punti di forza della soluzione?

Cito, in ordine sparso, gli strumenti di data quality, che garantiscono la correttezza e l'affidabilità dei risultati delle analisi, la robustezza e la trasparenza dei processi di calcolo. Si tratta, in quest'ultimo caso, di un fattore critico, perché il 15° aggiornamento della 263/06 impone ai business owner e ai risk manager una piena conoscenza dei modelli utilizzati nella gestione del rischio. Questo significa, concretamente, che essi non possono più affidarsi in modo inconsapevole alle black box esistenti sul mercato, ma devono acquisire una perfetta conoscenza dei processi che avvengono nei motori di calcolo. Tra i punti di forza della soluzione, aggiungerei anche la flessibilità. SAS Risk Management for Banking è infatti una soluzione aperta, che ci permette di sviluppare funzioni di pricing e di simulazione aggiuntive rispetto alla libreria standard, pur molto ricca.

Lo sviluppo di nuovi modelli e di funzioni aggiuntive è una delle possibili evoluzioni del progetto?

La disponibilità di un ambiente di laboratorio ci permette non solo di effettuare con continuità le attività di backtesting, per assicurare la tenuta statistica del modello nel progredire del tempo, ma anche di sperimentare nuove soluzioni di modellistica. A titolo di esempio, nella libreria di SAS è presente il metodo di simulazione Monte Carlo, che può essere una valida alternativa alla simulazione storica. Le direttrici evolutive sono quindi da un lato il miglioramento delle procedure e dei modelli esistenti e dall'altro il costante allineamento con l'evoluzione della strategia aziendale e la complessità delle posizioni in portafoglio.

Esiste un circolo virtuoso tra progetto e strategia, tra risk e top management?

Il rapporto tra funzione risk e top management è in un certo senso circolare. Nel senso che, come dicevo, le nostre analisi sono finalizzate a monitorare gli indicatori e i limiti di risk appetite, che devono posizionarsi entro i limiti di propensione al rischio stabiliti dal board e dagli azionisti nell'ambito del piano strategico. Questi indicatori, compresi quelli relativi al rischio di mercato, sono presentati in forma chiara e sintetica in un cruscotto direzionale a disposizione dei senior manager, che, con un colpo d'occhio, sono in grado di valutare l'esposizione al rischio in rapporto all'evolvere del piano strategico.