Ago 022018
 

L’innovazione mette alla prova i Wealth Manager

Le Fintech stanno diventando realtà anche nel Wealth Management, il mercato più “human intensive” per definizione. Intelligenza artificiale, chatbot e robot sono le tecnologie Fintech che stanno cambiando il mercato finanziario e che saranno sempre più sulla bocca di tutti, clienti e consulenti finanziari compresi. In tale contesto le tecnologiche emergenti impatteranno sia le dinamiche di relazione consulente-cliente sia la macchina operativa.

È arrivato il Robo Advisory

Il mercato della Consulenza Finanziaria sta affrontando la sfida del Robo Advisory, il servizio di gestione degli investimenti supportato da algoritmi ed erogato attraverso piattaforme digitali. Il Robo Advisory, utilizzando le informazioni dei clienti e combinandole alle strategie desiderate di asset allocation, permette di fornire raccomandazioni d’investimento/ portafogli personalizzati. In poche parole un servizio di consulenza personalizzato, supportato da una gestione e da un’ottimizzazione automatizzata del portafoglio, fruibile mediante dashboard interattive. Questo fenomeno, che interessa sia operatori storici che start-up Fintech, ad oggi sta vivendo in Italia una forte fase espansiva.

 

Robo Advisory: un trend in crescita

A livello globale le masse gestite direttamente attraverso tecnologie Robo Advisory sono destinate a crescere considerevolmente nei prossimi 2 anni. Questo trend sarà principalmente guidato dal mercato americano: nei soli Stati Uniti, infatti, il mercato passerà dagli attuali ~265 €Mld a ~435 €Mld nel 2020. In Europa, invece, si passerà da ~17 €Mld (di cui ~170 €Mln in Italia) a ~50 €Mld nel 2020 (di cui ~670 €Mln in Italia) [Fig. 1]. L’impennata globale degli AUM gestiti da “Robo Advisor” non è tuttavia destinata a rallentare: le attese sono quelle di raggiungere ~1.300 €Mld nel 2025. Spinti da questo trend di crescita, anche i grandi player leader dell’Asset Management stanno orientando alcuni dei loro investimenti sulla costruzione di nuove piattaforme per la gestione completamente automatizzata di grandi portafogli. BlackRock, per esempio, ha recentemente annunciato l’introduzione di un fondo ETF seguito interamente da robot, che utilizzerà l’intelligenza artificiale per la selezione dei titoli replicando “meccanicamente” le analisi normalmente effettuate da intelligenza umana. L’investimento di BlackRock ha fin da subito portato a risultati soddisfacenti: i fondi gestiti dai robot hanno mostrato una performance significativamente superiore rispetto ai classici “stock pickers” discrezionali. Sulla scia di questa iniziativa anche altri grandi gestori di asset management come Bridgewater Associates, Point72 Asset Management e JPMorgan stanno andando nella stessa direzione sperimentando attivamente l’uso dell’automazione.

In Italia, Money Farm è stato un pioniere nell’offerta di servizi di consulenza automatizzata. Società fondata nel 2011, oggi conta 20k clienti attivi al mondo, 150k iscritti profilati dalla piattaforma al mondo e masse gestite a livello mondiale (tra Italia e UK) per oltre 400 €Mln. Lo sviluppo di piattaforme digitali di advisory per i segmenti “affluent” e “mass” con un patrimonio inferiore a 500 €k si sta diffondendo anche tra le banche commerciali italiane.

Quali sono i vantaggi del Robo Advisory?

L’introduzione del Robo Advisory permette di avere costi commissionali e di gestione significativamente più bassi rispetto ai modelli tradizionali, così da costituire un’opportunità per i segmenti di clientela a basso valore attualmente non pienamente serviti. L’utilizzo di algoritmi per la creazione e la gestione di portafogli, infatti, rappresenta una soluzione in grado di ridurre i costi di servizio per la Banca. Questa graduale riduzione dell’effort “discrezionale” dell’uomo si ribalterà sul cliente finale, generando una significativa riduzione dei costi dei servizi finanziari.  Secondo le analisi Monitor Deloitte, solo l’utilizzo delle chatbot porterà, entro il 2020, a significativi risparmi di costo quantificabili tra 0,50 e 0,70 dollari per ogni interazione banca-cliente.

La tecnologia viene quindi vista più come a supporto che come in sostituzione del lavoro umano in un’ottica “Robo 4 Advisor”. Riteniamo che questo potrebbe aprire il mercato della consulenza finanziaria su segmenti di clientela meno abbienti consentendo costi del servizio più accessibili e offrendo la possibilità al gestore di servire meglio e in modo più efficiente i clienti in portafoglio. Da un lato, se oggi per coprire costi diretti e indiretti del servizio, un Wealth Manager può arrivare a dover gestire 100 milioni di euro di masse, attraverso un modello combinato questa soglia potrebbe essere dimezzata.

Come “contropartita”, dal consulente ci si attende che riesca a seguire da vicino portafogli dai 100 ai 200 clienti. Senza il supporto della tecnologia, difficilmente si riuscirebbe ad essere proattivi su un portafoglio di tale entità e focalizzare, allo stesso tempo, l’effort commerciale sui clienti a maggior valore e/o intensità relazionale.

La consulenza Robo può quindi essere “vincente” su profili di clientela che tradizionalmente non potevano permettersi un consiglio finanziario personalizzato, strategia particolarmente attrattiva in questo periodo di tassi di interesse prossimi allo zero.

L’automatizzazione nella gestione dei portafogli, come detto, supporterà senza sostituire la componente umana. A seconda della diversa composizione del portafoglio, infatti, l’intervento umano rappresenta ancora un asset prezioso per la Banca. Nei portafogli molto concentrati (o caratterizzati da titoli con scarsa liquidità) la scarsa disponibilità di informazioni societarie e di settore genera la necessità di un tipo di consulenza più “insightful” ed elaborata, più adatta quindi a una valutazione discrezionale e personale. Saranno invece i settori caratterizzati da asset class consolidate e molto liquide, con la disponibilità di una grande quantità di informazioni, i più adatti a tale innovazione.

Cosa ne pensano i clienti?

Secondo il “Global Investor Pulse”, ricerca annuale di BlackRock sul mercato Italiano, il 46% degli investitori dichiara di sapere conoscere questa tecnologia, con punte che raggiungono il 62% tra i Millenial. Fra coloro che conoscono il Robo Advisory, il 57% dichiara che potrebbe ricorrere a un servizio di consulenza automatizzata già nel corso del prossimo anno (con picchi oltre il 70% per i Millenial) [Fig. 2]. In generale, comunque, tale apertura non è incondizionata, ma è subordinata per la maggior parte degli investitori alla presenza di un supporto terzo: quasi la metà condiziona la sua adozione alla possibilità di interagire con un consulente o con un’istituzione finanziaria avente un forte brand. Poco più del 10% si dice pronto a percorrere questa strada in modalità pienamente autonoma, livello di adozione in linea con i trend caratteristici dei canali digitali in Banca. Per fare un parallelismo con il mondo delle banche tradizionali, il canale fisico rimane (e rimarrà) centrale per la relazione con il cliente evolvendo, tuttavia, il proprio ruolo. Allo stesso modo, anche per il consulente finanziario, le nuove tecnologie prima ancora di cannibalizzare parte del mercato, potranno abilitare una relazione con il cliente più diretta, profonda ed economica.

Le nuove generazioni? Si aspettano sempre di più

Le piattaforme automatizzate possono risultare potenzialmente molto interessanti per una “nuova” fascia di clientela bancaria, giovane, con ampi margini di crescita, molto evoluta digitalmente che allo stesso tempo richiede alla propria banca un controllo e una conoscenza dei propri investimenti sempre maggiore. Infatti, anche i clienti high-net-worth (HNW) diventano più esperti di tecnologia digitale e si aspettano gli stessi livelli di trasparenza e connettività offerti dalle banche retail. Si prevede che le generazioni più giovani erediteranno 1 trilione di dollari nei prossimi 20 anni, aspettandosi un funzionamento dei servizi per la gestione dei propri patrimoni simile a quella di altre applicazioni, come Amazon e Google: servizi semplici e perfettamente integrati nella vita di tutti i giorni.

Tradizionalmente, i Private Banker, grazie alle relazioni personali, hanno gestito le esigenze dei clienti e garantito un livello di servizio elevato. La digitalizzazione non sostituisce quella relazione personale, ma la migliora accelerando i processi e utilizzando i dati dei clienti per prevedere con precisione ciò che sarà più vicino ai loro bisogni. In questo senso, i Private Banker dovranno essere in grado di fornire ai propri clienti un servizio ancora più personalizzato. Offrire un servizio di consulenza eccellente a 360° su tutto il patrimonio non è facile così come non è semplice amministrare capitale, partecipazioni, immobili, con un unico strumento. In questo senso, l’Intelligenza artificiale e tutte le nuove tecnologie disponibili possono venire in aiuto al consulente, permettendogli di offrire un servizio sempre più specifico e personalizzato nel prossimo futuro.

 

Carlo Murolo, Senior Partner, Head of FS Industry, Deloitte Consulting

Manuel Pincetti, Senior Executive, Monitor Deloitte Strategy Consulting

Luigi Capitanio, Senior Executive, Monitor Deloitte Strategy Consulting

Daniele Ingannamorte, Senior Associate, Monitor Deloitte Strategy Consulting

Lug 262018
 

EIOPA launched its fourth union-wide exercise with the aim of assessing the resilience of the European insurance companies against adverse scenarios which can trigger systemic risk and threaten the stability of the European financial markets and the real economy.

The target sample encompasses 42 insurance groups (the first 30 and 12 additional others supervised by different NCAs), for a total coverage close to 78% of the consolidated Assets according to the SII Financial Stability reporting.

The Stress Test (ST) does not represent a “pass” or “fail” exercise, but rather a full bottom up calculation to assess the impact of three adverse scenarios to the insurance groups Balance Sheets (BS), Own Funds (OF) and Solvency Capital Requirement (SCR), with reference date 31.12.17. The set of templates to report these results are broadly based on the SII QRT reporting and will be partly disclosed upon the consent of the participating groups.

Participating groups are requested to submit the filled in templates to the NCAs by the 16th of August and quality checks and benchmarking will be carried out by the supervisors until end October, with the aim of disclosing the results by the second half of January 2019.

In the 2018 ST exercise:

  • the shocks are instantaneous and applied to the entire in force business at the reference date
  • the shocks levels for sovereign or corporate yields refer to a change in the total yield, and changes to the risk free yields (swaps) have to be considered too when calculating the credit spreads
  • shocks on the underwriting risks have to be applied after the market ones and, in case the lapse/longevity shocks imply a positive impact on the SII OF conditional to the situation after the application of the market ones, their impact has to be capped to 0 (only groups take part to the exercise)
  • the consolidation of the results for the group BS after stress shall be in line with the base
  • participations in not-insurance entities and related undertakings held by the group shall be stressed according to the shock prescribed to the stock prices
  • measures like mitigating strategies that rely on taking future actions after the reference date should not be considered
  • the look through approach shall be applied
  • for what concerns the SCR calculation, approximations and simplifications can be used considering the trade-off between feasibility and reliability, and all the simplifications shall be discussed with the group supervisor and cannot include the calculation of Loss Absorbing Capacity of Technical Provisions (LACTP) and Deferred Taxes (LACDT)
  • for what concerns the Risk Margin (RM) recalculation, scaling approaches can be used to derive the post stress RM according to the change in BEL
  • the Long Term Guarantees (LTG) and Transition measures applied at the reference date shall be applied in the stressed situations too and the impact calculated; the impact of the latter on the TP shall be calculated in the base scenario, approved by the NCA and kept constant in the stressed scenarios.

Three adverse scenarios are proposed, along with a questionnaire on the exposure to the cyber risk:

[1] YC up + LAPSE up + inflation pressure (that causes a provision deficiency)

This scenario is characterized by an upward shift in the risk free rates as well as a significant increase in inflationary pressure, followed by a large share of policyholders who surrender. An abrupt fall in the global asset prices puts in trouble the insurers that are large investors in government and corporate bonds, equity and real estates:

  • the swap yield with 10y maturity increases by 85bps in the EU
  • the spread of a 10y government bond increases on average by 36pbs, reaching a maximum of 134bps; yields on corporate and bank debt increase too and in larger measure
  • stock prices in the EU decline by about 39%, equity by 33%, real estate by 41% and residential and commercial real estates by 20% and 31% respectively
  • overall expenses and costs increase strongly because of the inflation pressure
  • an instantaneous shock of 20% of the lapse rate shall be applied in place of the best estimate to all products types (but mandatory), overruling the potential dynamic adjustment generated by the market shocks
  • the annual claims cost of non-life insurers increases by 2.24%

[2] YC dw + LONGEVITY up

This scenario is characterized by a protracted period of extremely low interest rates (including an adjustment to the UFR) in conjunction with a significant increase in the average life expectancy:

  • the swap yield with 10y maturity decreases by 80bps in the EU
  • the spread of a 10y government bond declines on average by 36pbs, spanning from 49 to 17bps; yields on corporate bonds decrease too, increasing the spreads
  • stock prices in the EU decline by about 16%, equity by 6%, real estate by 18% and residential and commercial real estate remain unchanged
  • consistently to the methodology recently suggested for the review of the SF, a relative change of -15% shall be applied to the best estimate mortality assumptions independently of the age and the type of product

[3] NATURAL CATASTROPHE

This scenario is characterized by multiple catastrophic events for windstorm (4), floods (2) and earthquakes (2) to be considered as separate events for reinsurance recoveries. Management actions such additional reinsurances cannot be considered and insurers may therefore suffer from exhaustion of the reinstatement provisions of their reinsurance treaties

 

CYBER QUESTIONNAIRE

The questionnaire aims at gathering information on the current situation, the existing approaches and the best practices to deal with the cyber risk, that has climbed to the top positions in the list of global risks for businesses as a consequence of the digital transformation going on lately. Insurers have to check their definition of cyber risk against a benchmark and have to analyse its impact in terms of frequency and economic loss in the last four years (cyber risk is usually classified as operational risk, linked to a deliberate exploitation of computers systems and networks). They finally have to collect information on the exposures held in underwritten portfolios, split between “affirmative” (coverage explicitly included) and “not affirmative” (coverage not explicitly excluded, i.e. “silent”).

Lug 202018
 

La sera del 18 luglio ho introdotto il film La Grande Scommessa nell’ambito del Polimifest, una bella iniziativa del mio Ateneo. Un film del 2015 di Adam McKay, prodotto da Brad Pitt e tratto dal libro di Michael Lewis, cinque candidature per il premio Oscar, premio Oscar per la migliore sceneggiatura non originale.

Ho buttato giù per iscritto le parole che ho detto per questa occasione in quanto penso (modestamente) che siano una riflessione di qualche interesse per coloro che praticano il mondo della finanza. Ho cercato di essere fedele alle cose che ho detto senza abbellirla in modo artefatto.

Penso che un film del genere dovrebbe essere mostrato agli studenti di finanza e che dovrebbe essere spiegato loro con attenzione e passione. Sarebbe un buon modo di introdurli alle contraddizioni di questo mondo.

Si tratta di un film difficile che fugge due possibili trabocchetti: raccontare una storia romanzata e fare la morale. E’ un film che mantiene un taglio documentarista in modo efficace con alcune trovate che lo rendono avvincente. Si basa su fatti realmente accaduti ed infatti cita personaggi e operatori del mondo finanziario senza remore. E’ difficile per una persona non esperta di finanza comprendere tutto ma non importa, il senso si comprende e quindi non ci si deve spaventare. E’ anche un film senza errori, una nota di merito vista la difficoltà del tema.

Il film racconta l’alta finanza per quello che è: una trasposizione moderna della ‘‘guerra’’ in una società (quella americana) ben educata e sviluppata. Non penso di essere il primo né l’ultimo che fa questo paragone. Il film lo mostra in modo efficace. Una guerra che si consuma in palazzi di vetro, tra persone ben vestite che non fa vittime fisicamente (almeno direttamente) ma che può procurare molti danni.

Le storie di quattro personaggi si intrecciano nel film. Vediamoli:

  1. Michael Burry: il medico che è diventato un guru della finanza con qualche problema di relazione e che scommette per primo contro il mercato immobiliare in quanto si è documentato e agisce principalmente per il gusto di mostrare che ha ragione.
  2. Mark Baum: il moralizzatore, che pur gestendo un hedge fund, vorrebbe dare un calcio nei denti alle banche e quindi scommette contro il mercato immobiliare per far scoppiare la bolla e farle soffrire.
  3. Jared Vennett: il venditore senza morale che non esita a vendere prodotti che vanno contro l’interesse della sua banca pensando solo al suo bonus.
  4. Jamie Shipley e Charlie Geller: due giovani rampanti che vogliono semplicemente diventare ricchi scommettendo contro il mercato immobiliare.

Sono tanti i punti di contatto tra finanza e guerra mostrati dal film. Vediamoli.

  1. E’ un film solo al maschile in cui le figure femminili svolgono un ruolo marginale. La finanza come affermazione di virilità sotto varie forme. Non soltanto per fare soldi ma anche per vedere riconosciuti i propri argomenti, per sopraffare l’altro, per vincere una scommessa, o per moralizzare il mondo. Insomma la finanza è uno splendido palcoscenico in cui affermare il proprio ego. Potremmo dire il gioco dei giochi in quanto i soldi in ballo sono tanti, le ricadute per la collettività inimmaginabili e la necessità di rispondere del proprio operato è assai limitata.
  2. Racconta la finanza nelle sue contraddizioni. I quattro protagonisti, seppur animati da motivazioni diverse, fanno alla fine soldi a palate non solo per loro ma anche per altri, che non erano animati da buone intenzioni (nel caso di Baum e Burry) e contribuiscono a salvare il sistema finanziario (Baum). Dove sta il bene e il male? Cosa è giusto o sbagliato? Difficile da dire.

Georgina Hale di Standard&Poor’s messa sotto pressione per i rating farlocchi degli ABS e dei CDO scritti sui mutui subprime lo dice in modo chiaro a Mark Baum: il vostro interesse a veder abbassare il rating è motivato dalla vostra posizione corta sui titoli. Baum non si nasconde ma rivendica che avere una posizione corta non fa sì che lui sia in errore nel chiedere alle agenzie di rating un rating più basso per questi titoli. Giorgina ribatte che è un ipocrita.

E’ questa la contraddizione che deve essere affrontata: distinguere l’interesse personale (nel rispetto della norma che a dire il vero ‘‘morde’’ poco) da ciò che è vero, ciò che è giusto. Un tema difficile da affrontare in finanza in quanto non ci sono regole chiare stringenti e i valori e i diritti in campo non sono ben definiti. Il film ci sottopone il dilemma senza pretendere di darci risposte.

Mark Baum è l’ultimo a cedere, non vuole liquidare la sua posizione per salvare Morgan Stanley in quanto vuole dargli una pedata nei denti e combattere la sua crociata. Quando accetta di farlo diventando incredibilmente ricco confessa: se facciamo questo diventeremo come gli altri. Il film non suggerisce cosa sia giusto o sbagliato. Non fa la morale, il moralizzatore è soltanto triste e dopo la crisi diventerà più gentile e non si permetterà mai di dire ‘‘Io l’avevo detto, Io avevo ragione’’ in quanto appunto è come gli altri. Uno sconfitto.

  1. Racconta un mondo della finanza in cui regna l’irresponsabilità in quanto i protagonisti della finanza hanno spesso poca dimestichezza con la loro coscienza, pensano al bonus, alla loro (breve) carriera in cui potrebbero anche farla franca tenendo comportamenti avventati.
  2. Il paragone con la guerra si vede bene in un aspetto che spesso viene dimenticato. Come i legionari romani che tornavano dalla campagna militare e venivano allietati da donne e banchetti, i protagonisti della finanza (tutti maschi) vivono una vita nel lusso fatta champagne e di ristoranti stellati.
  3. Un altro punto di contatto è offerto dal predominio della tecnica che appare neutra (e quindi pulita) ma non lo è. Quante volte negli ultimi decenni ci è stata raccontata la balla della guerra tecnologica che non farebbe danni collaterali. Bombe intelligenti che non farebbero vittime. Discorso simile in finanza. I protagonisti si fanno la guerra tra di loro (a chi fa più soldi) ma poi a soffrire davvero sono le persone che perdono il lavoro e sono costrette a vivere in macchina in quanto non hanno più una casa.

Questo porta alla contraddizione tra mondo della finanza e mondo reale che è molto simile al contrasto tipico di tutte le guerre tra la vita degli alti comandi e le sofferenze della popolazione.

  1. Come in guerra non ci sono strumenti di protezione. Non c’è Stato, né regolatore che tengano. Un po’ come nel caso della Convenzione di Ginevra in guerra che offre davvero poche garanzie, in finanza è permesso tutto ciò che non è espressamente proibito e se poi divieni vittima puoi davvero farci poco.

Jared Vennett usa un’espressione che può essere rivenduta: ‘‘dimmi la differenza che c’è tra stupido e illegale e faccio arrestare mio cognato’’. Il sistema finanziario avrebbe fatto cose stupide in quanto non valutava bene i titoli strutturati scritti sui mutui subprime e aveva messo in gioco meccanismi non controllabili ma nessuno faceva, secondo la sua interpretazione, cose illegali (cosa tutta da dimostrare).

Il film si chiude con una riflessione di Mark Baum che fa pensare. Osservando che dopo dieci anni nessuno ha pagato e che il sistema non è stato riformato afferma: ‘‘ho la sensazione che tra qualche anno la gente dirà quello che dice sempre quando l’economia crolla. Daranno la colpa agli immigrati e alla povera gente.’’ Non era ancora arrivato Donald Trump, era in anticipo sui tempi ma ha colto nel segno.

Una riflessione che ci obbliga a valutare se questa crisi sia passata invano. Difficile da dire, molte cose sono state fatte c’è da domandarsi se si è andati sempre nella giusta direzione non per moralizzare la finanza ma per farla funzionare bene. Si può e si deve agire sui comportamenti degli uomini ma in fin dei conti una buona finanza è una finanza ben costruita.

Lug 152018
 

Robotic Process Automation – Challenges of Implementation in the Financial Services Industry

In more established industries, finding new ways of increasing internal efficiency while maintaining a high level of customer satisfaction is persistently becoming more crucial not just to achieve success, but also to survive in an ever-competitive environment.

The Financial Service Industry (from now on, FSI) belongs to this category of slowly increasing markets and shows several characteristics that make it one of the best subjects for the application of Robotic Process Automation.

Robotic Process Automation (from now on, RPA), often referred to as “robotics” or “robots”, is defined as the automation of rule-based processes with software integrated at user interface level that can interact with the internal information technology landscape or external web application simulating a human. In other terms, RPA is a software solution that mimics a variety of rule-based, repeatable processes that do not require real-time creativity or judgment.

Classic processes that can benefit from RPA typically have repeatable and predictable interactions with IT applications, including those that may require toggling between multiple applications. These peculiar characteristics can be easily found in almost all of the totality of FSI middle and back-office processes.

In essence, a robot can perform activities like opening emails and attachments, logging into web/enterprise applications, moving files and folders, filling in forms, reading/writing from databases, scraping data from the web, connecting to system API, extracting structured data from documents and following “if/then” decision rules. On the other hand, a robot is not designed to: read hand-written documents, understand the meaning of documents, self-adapt to variations of the underlying applications, produce physical outputs, perform complex tasks requiring human interaction, cognitive systems or artificial intelligence.

Benefits

The main results of a successful RPA implementation are identifiable in significantly faster (payback at less than 12 months[1]) and higher ROI, achievable with a limited investment compared to a traditional IT project and tangible efficiency improvements (about 20% of FTE capacity coverable by robots on average[1]).

Nonetheless, organizations adopting RPA solutions typically experience benefits beyond mere cost reduction and speed of implementation:

  • Decreased cycle times: usually robots are faster than humans in work execution and can run 24/7;
  • Flexible cost structure: robots can be scheduled and reassigned depending on the current needs of the organizations (e.g. by dynamically allocating more robots to more cumbersome or urgent processes);
  • Improved accuracy: as long as any exception is properly mapped, robots cannot fail in the standard execution (e.g. they do not make typos);
  • Improved organizational structure: RPA can free staff from the more repetitive and alienating tasks and enables a more valuable personnel allocation;
  • Detailed data capture: robotic solutions are designed to provide users and controllers with a wide set of reports and logs, useful for supporting further process improvements, auditing and bolstering regulatory compliances.

Challenges

These are just some of the examples of the benefits that a robotic solution can yield to a financial service provider, which well explains why nowadays RPA has become a key topic of the business jargon of this industry.

Yet there are several challenges that may emerge when implementing a RPA solution, whose nature can span from mere technical and infrastructural issues to strategic and behavioural matters.

First, RPA is so effective in the short time that it incurs in the risk of being considered as a simple “patch” solution, only able to quickly solve a temporary issue, with the result that Proof of Concepts and Technologies take precedence over a cohesive, end-to-end strategy that considers also people change management implications. Moreover, organizations often take a de-centralized approach to RPA, testing the capability across multiple functions with uncoordinated initiatives. This short sighted approach eventually leads to an ineffective scaling of RPA throughout the organization.

On the other hand, a successful pilot implementation may create a misconception of what RPA is actually capable of, overestimating its possible applications also on processes that do not comply with the automation basic requirements. More commonly, organizations perform an RPA transformation without considering broader value propositions comprehensive of complementary technologies, which drastically reduce the possibilities of an effective implementation.

In some cases, employees may turn to be apprehensive about the potential impacts of service automation on their jobs, and executives cannot neglect this aspect. Indeed, where one side sees an opportunity for better allocation of resources to more valuable activities, the other side perceives a threat to their role in the organization. In the worst case, staff members might panic and even sabotage new initiatives.

Finally, even though RPA is designed to mimic human behaviour, a minimum of process reengineering is required in order to effectively automate the activities. This fact adds to the basket all the possible issues that may occur whenever a change is brought to a consolidated procedure, and the complexity is further increased if we consider that the change involves both the business and the IT functions.

The largest threat that all these elements bring together is the concrete possibility of a stand-alone RPA implementation, as showed in a research conducted by Deloitte in 2017[1] over 400 firms spread across the world. Indeed, while 53% of the interviewed sample had started an RPA initiative, only 3% was able to scale such activities and reach a steady productivity state.

Solutions

Therefore, despite the easiness of implementation of an RPA solution compared to a traditional IT change, a concretely effective process automation is far from being a simple task.

Indeed, the correct adoption of RPA in the organization requires executives and users to take into account several aspects, not just IT-related, such as:

  • A strong commitment from management to help deliver the service automation vision. This can be achieved by steering internal communications to inform staff about the service automation strategy and timing and its effects on employees;
  • An early involvement of IT professionals to avoid risks to the organization, such as exposing sensitive data, and to plan a comprehensive automation roadmap, which is crucial to ensure a proper development of RPA aligned with traditional systems evolution;
  • A direct engagement of employees in the design and implementation of the RPA solution, which can also be very effective in reducing resistance and can lead to further positive impacts including higher job satisfaction.

The result of these considerations is the creation of a centralized Center of Excellence inclusive of the organizational layers involved in the initial implementation. The CoE will represent the unit that, by applying a sound governance framework, will be in charge of the evolution of robotics in the organization.

Under a strategic perspective, to successfully start and maintain an RPA initiative, an organization should:

  • Adopt a different mind-set that considers a new category of digital workforce, inclusive of users and robots as well. This novel perception requires first to start with a bold ambition for the digital workforce, which is then translated in a continuous transformation programme. In turn, this needs continuous and apt investments: RPA should not be considered as an one-off cost, but its effective implementation and improvement has to be sustained over time;
  • Be aware that RPA actually represents only the first step of the automation spectrum. Indeed, RPA can get more effective if it is connected with other supporting/enabling technologies, such as BPM, OCR and Machine Learning. The development of further, “smarter” technologies with RPA tools enables the real paradigm shift towards the Intelligent Enterprise;
  • Manage RPA issues that can emerge in aligning the new solution with the current IT architecture, by having a strong checklist in place regarding infrastructure and compliance requirements. This point is crucial in order to ensure that the correct infrastructure is in place and compliance requirements have been met early on in the project. The proper architectural alignment comes first with the targeted selection of the RPA vendor that best meets the business needs.

Maximizing the impact of RPA requires a committed shift in mind-set and an approach switch from experimentation oriented to transformation oriented.

Conclusion

The recent developments of the Financial Services Industry are shifting the focus on efficiency. Thanks to its ability to deliver quick and concrete results with a limited investment, RPA appears to be the right solution for such emerging needs.

Yet, despite the several benefits provided, RPA comes also with some potential issues that may halt its development. Elements like poor planning, employees’ resistance and change aversion may indeed represent a critical obstacle to a proper scaling of RPA in the organization, which would lay-off many of the potential benefits.

Therefore, for an organization resolving to this kind of implementation it is essential to adopt a strategic approach inclusive of both the organizational and technical aspects that considers RPA as the starting element towards the realization of the digital enterprise run by the digital workforce.

 

Alessandra Ceriani – Partner Deloitte Consulting

Alberto D’Elicio – Manager Deloitte Consulting

Giuseppe Scotti – Analyst Deloitte Consulting

 

Notes

[1] Deloitte, The robots are ready. Are you? Untapped advantage in your digital workforce, 2017

Lug 072018
 

«Thanks to Fed, an Inverted Yiled Curve is imminent» titolava, con toni allarmistici, pochi giorni fa un articolo di Brian Chappatta su Bloomberg [1], a seguito della recente decisione del FED Open Market Committee – FOMC – di rivedere al rialzo i tassi a breve [2].

La paura di un’inversione della curva non è tema nuovo oltreoceano; già in passato, al meeting di Dicembre 2017 del FOMC, Evans e Kashkari votarono contro un rialzo dei tassi proprio per timori legati a questa eventualità.

Che cos’è che spaventa in una curva dei rendimenti invertita? Ma soprattutto, quali sono le dinamiche dietro la sua formazione?

Con curva dei rendimenti (risk-free) invertita s’intende una situazione di mercato in cui i rendimenti offerti, per scadenze più lunghe, sono minori rispetto ai rendimenti della parte a breve della curva (in questo caso solitamente si considera il “breve” come i tassi fino a 2 anni). Si tratta di una situazione a prima vista contro-intuitiva. Chi ha studiato Finanza ricorderà certamente il mantra per cui 1 euro oggi è meglio di 1 euro domani; una curva invertita, invece, dice esattamente l’opposto: meglio 1 euro domani. Questo comporta che gli investitori, in media, si orientino verso investimenti di lungo periodo, nonostante i rendimenti inferiori agli investimenti di breve.

A questo punto una domanda sorge spontanea: quali sono i drivers che spingono l’investitore ad accettare tempi più lunghi per il rientro del proprio capitale nonostante il minor rendimento?

Per rispondere a questa domanda mettiamoci nei panni di un investitore che abbia una disponibilità e un orizzonte di investimento di 10 anni. Egli può, idealmente, comprare direttamente un bond decennale, accettando il rendimento implicito [3] o investire di anno in anno in un bond annuale (facendo il così detto rolling).

La prima strategia d’investimento non presenta alcun elemento di aleatorietà, poiché l’investitore non deve far altro che mettere il suo capitale nel bond al tempo iniziale (t = 0) e riscuotere a scadenza(in questo caso t = 10). La seconda strategia d’investimento, invece, ha un risultato incognito dato dal fatto che i tassi futuri con scadenza un anno non sono noti al tempo in cui si inizia la strategia.

La scelta fra le due sarà dunque guidata dalle aspettative che l’investitore elabora sulla futura evoluzione dei tassi ad un anno. Se l’investitore si aspetta un rialzo futuro dei tassi ad un anno, egli preferirà investire nella strategia di rolling, in modo da poter investire a scadenza (t = 1) il proprio capitale in titoli con rendimento maggiore (sempre che l’aspettativa si realizzi). In caso di aspettative ribassiste, invece, un investitore razionale sarà più propenso ad immobilizzare il proprio capitale direttamente nel bond decennale.

Un po’ come accade nella scelta di un mutuo: se l’aspettativa è quella di un ribasso dei tassi è buona norma scegliere un mutuo a tasso variabile, altrimenti si opta per un tasso fisso. Nel nostro esempio il bond decennale ricopre il ruolo del mutuo a tasso fisso, in quanto ci permette di bloccare il rendimento in maniera sicura, mentre la strategia di rolling è paragonabile al mutuo a tasso variabile.

Estendendo il ragionamento alla generalità degli investitori è facile intuire che i rendimenti delle due strategie (uno certo, l’altro atteso) devono tendere, in equilibrio, ad equivalersi. Se così non fosse gli investitori avrebbero tutto l’incentivo a spostare il proprio capitale da una strategia all’altra.

In sostanza, denotando con l’aspettativa al tempo zero del tasso annuale futuro al tempo t, si può supporre che in equilibrio:

dove l’argomento a sinistra dell’uguale rappresenta il rendimento (atteso) dalla strategia di rolling, mentre l’argomento a destra rappresenta il rendimento (certo) dato dall’investire tutto e subito nel bond decennale.

Affinché nel mercato si realizzi una curva invertita, bisogna che le aspettative degli agenti di mercato siano tali che l’uguaglianza si trasformi, temporaneamente, in una disuguaglianza:

In tal caso la maggioranza degli investitori è spinta a investire nel bond a 10 anni piuttosto che nella strategia di rolling: questa, come si vede dalla disuguaglianza, restituisce infatti un rendimento complessivo inferiore.

Una maggiore domanda orientata verso il bond decennale porta ad un incremento del suo prezzo e conseguentemente ad una riduzione del suo rendimento, fintanto che l’uguaglianza non è ristabilita per un tasso più basso. Se questa diminuzione è consistente, il risultato ottenuto è un’inversione della curva.

La condizione che determina il crearsi di tale disequilibrio, e di conseguenza l’inversione della curva, è essenzialmente una: l’affermarsi di un’aspettativa ribassista sui tassi a breve futuri.

Ma come si genera un’aspettativa dominante di tassi a breve in declino? La risposta sembra essere un’altra aspettativa: quella di una recessione economica. La prima reazione da parte delle banche centrali ad una recessione è infatti, da sempre, l’abbassamento dei tassi a breve. Di conseguenza, un’aspettativa di recessione si traduce in un’aspettativa di tassi a breve futuri minori, ovvero nella disuguaglianza che origina l’inversione della curva.

Ma cosa provoca allora la diffusione di questa seconda aspettativa di recessione economica? La risposta sta nell’azione della Fed, come citato a inizio articolo. Qualora l’azione delle banche centrali di alzare i tassi a breve venga mal percepita dal mercato, questa sarà la premessa logica per un’aspettativa di caduta in recessione nel futuro (cui seguono tassi bassi futuri per contrastare la recessione). Una curva invertita è dunque conseguenza dell’azione di una banca centrale che alza i tassi a breve termine (facendo dunque salire la parte sinistra della curva) e di un’interpretazione del mercato che porta la parte lunga della curva a scendere sotto il livello della parte a breve.

Ricapitolando: da un’azione della FED, ritenuta sbagliata o “precoce” dalla maggior parte degli operatori, può generarsi un’aspettativa di recessione futura, che si traduce a sua volta in un’aspettativa di tassi a breve futuri in ribasso. Tutto ciò finisce per incrementare la domanda rivolta ai bond di lungo termine con conseguente abbassamento dei rendimenti di lungo termine sotto quelli di breve.

Proprio a causa di questo forte nesso logico, l’inversione della curva è sovente usata in letteratura come predittore di crisi economiche. Basti pensare che le ultime sette recessioni economiche sono tutte state precedute da un’inversione della curva.

Estrella e Mishkin (1996) utilizzano un semplice approccio di regressione probit per stimare la probabilità di recessione 12 mesi avanti usando lo spread nei rendimenti a 10 anni e 3 mesi.

Al 22 Giugno 2018 lo spread 10Y-3M sulla curva americana è di 97 bps, quindi ancora in una sorta di confort zone, se ci basiamo sulla tabella di Estrella e Mishkin. Tuttavia ciò che conta spesso in Economia è anche la dinamica del fenomeno che, come si vede dalla Figura 2, è caratterizzata da un trend in netto peggioramento.

 

 

 

Note:

[1] https://www.bloomberg.com/view/articles/2018-06-13/fed-decision-an-inverted-yield-curve-is-imminent

[2] Federal Fund Rates e Discount Rates

[3] il pedice rappresenta il momento temporale di riferimento a cui è definito il tasso di rendimento, l’argomento fra parentesi rappresenta la maturity dell’investimento.

Giu 292018
 

AIFIRM (Associazione Italiana Financial Industry Risk Managers), tramite la propria Commissione Rischi di Mercato, ha risposto alla consultazione proposta dal Comitato di Basilea sulla revisione dei requisiti minimi di capitale per il rischio di mercato.

Il documento “Revisions to the minimum capital requirements for market risk”, posto in consultazione dal Comitato di Basilea dal 22 marzo al 20 giugno 2018, rappresenta un passaggio fondamentale nella ridefinizione delle regole internazionali volte a prevenire problemi analoghi a quelli verificatisi nel corso della crisi del 2007-2008 e, più in generale, a garantire una gestione più robusta dei rischi di mercato assunti dalle banche, rafforzandone la capacità di resistere a periodi di stress finanziario. Il contesto, infatti, è quello dei passaggi conclusivi per la finalizzazione del nuovo framework sui rischi di mercato, che prende le mosse da una revisione del discrimine tra portafoglio bancario e portafoglio di negoziazione e prevede tre alternative per le banche:

  • l’approccio dei modelli interni, con un significativo innalzamento dei requisiti in termini di capacità dei modelli di cogliere tutti i fattori di rischio che concorrono alla determinazione dei profitti e del Profit&Loss
  • un approccio standardizzato interamente nuovo, basato sulle sensitivity prodotte dai modelli di pricing utilizzati dalla banca
  • un approccio standardizzato semplificato, riservato alle banche con attività di negoziazione meno complesse.

I commenti formulati da AIFIRM, sostanzialmente allineati con quelli formulati da altre realtà dell’industria finanziaria, si focalizzano sui temi ancora oggetto di affinamento, tra cui:

  • la proposta di revisione degli scenari di correlazione fra i fattori di rischio e la modifica dei requisiti per il trattamento degli strumenti finanziari non lineari nell’ambito del nuovo metodo standardizzato, tipicamente utilizzato dalle banche piccole e medie,
  • una gestione più efficiente del test di attribuzione del Profit&Loss, che autorizza il metodo basato sui modelli interni tipicamente utilizzato dalle grandi banche.

Più in dettaglio, in relazione agli scenari di correlazione, AIFIRM ha evidenziato come le modifiche proposte nel documento di consultazione rappresentino una soluzione ragionevole ai problemi che erano stati rilevati, migliorando almeno in parte la coerenza dello scenario di “basse correlazioni” con quanto potrebbe essere effettivamente osservato in scenari di stress reali. Era stato infatti osservato che la regola precedentemente prevista per modificare le correlazioni tendeva a produrre valori di correlazione troppo bassi per fattori di rischio che tendono ad essere empiricamente molto correlati, quali ad esempio tassi d’interesse riferiti a tenor adiacenti della stessa curva.

Nell’ambito delle modifiche proposte al trattamento degli strumenti non lineari, AIFIRM ha commentato, come richiesto dal Comitato, i pregi e i limiti di due soluzioni alternative per la l’applicazione di scenari coerenti all’interno dello stesso raggruppamento (“bucket”) di fattori di rischio. E’ stata inoltre evidenziata una caratteristica delle formule previste nel nuovo approccio standardizzato che potrebbe, sotto talune condizioni, produrre dei “cliff effect”, intesi come forti variazioni dei risultati a fronte di variazioni apparentemente non significative delle posizioni di rischio.

Nell’ambito delle osservazioni sul test di attribuzione del Profit&Loss, AIFIRM ha sottolineato l’importanza di garantire meccanismi che consentano una gestione graduale delle eccezioni rilevate nell’ambito del test. L’introduzione di un approccio “a semaforo”, che prevede tre zone (“zona verde”, “zona gialla”, “zona “rossa”) invece di un approccio puramente “binario” (test superato o non superato), rappresenta un importante miglioramento in tale ambito, tuttavia sarebbe auspicabile consentire ad un desk che ha fallito il test, entrando in “zona rossa”, di ritornare in “zona gialla” se soddisfa i corrispondenti requisiti, pur non avendo raggiunto quelli della “zona verde”.

Per quanto riguarda l’approccio semplificato proposto dal Comitato di Basilea, basato sulla ricalibrazione delle regole di Basilea II sul rischio di mercato, AIFIRM auspica la possibilità di applicazione di tale approccio ad un ampio insieme di banche che non presentano particolari livelli di rilevanza e complessità dell’attività di trading.

AIFIRM auspica che il confronto fra regolatori e industria finanziaria proceda, per arrivare a delle regole internazionali sulla gestione dei rischi efficaci nel proteggere sia le banche che gli investitori ed i risparmiatori dagli effetti negativi di nuove possibili crisi finanziarie.

 

Riferimenti:

BIS: Revisions to the minimum capital requirements for market risks (PDF) 

Basel Committee: revisions to minimum capital requirements for market risk (Finriskalert News)

Giu 222018
 

Big Data is being increasingly used in many spheres of investment, and identifying sources of information which lend themselves to this practice has become a hot topic both in academia and the investment profession.

Social media is an obvious contender here and can be thought of as a database of society’s behaviour and a medium for capturing investor sentiment via Twitter and financial blogs, to name but a few.

As behavioural finance continues to challenge the notion of efficient markets, an interesting research question for the investment management profession is whether comments shared on social media are correlated to, or even predictive of, the state of the global economy and the future performance of stocks and markets.

Twittering into the future

One of the first papers on this topic, titled ‘Twitter Moods Predict the Stock Market’, was published in the Journal of Computational Science in 2011 by a trio of academics, who investigated the links between the daily content of 9.7 million tweets posted by 2.7 million users between March and December 2008 and the Dow Jones Industrial Average (DJIA).

They did so by using two tools to assess the mood of a tweet: OpinionFinder, a publicly-available software package to measure sentiment analysis, and GPOM, which is a little bit more sophisticated in that it measures six dimensions of mood instead of just positive or negative.

Their results did show significant correlation between one Twitter sentiment dimension and the direction of the DJIA. However, this study can be easily criticised because of the short length of the data series and a lack of out-of-sample testing.

Since the publication of the above study, other researchers have started investigating social media as a potential factor in predicting stock market returns.

For example, a team from Johns Hopkins University published a study in the Journal of Portfolio Management last year, calling social media the ‘sixth factor’ in an asset pricing model of stock returns.

They argued that social media is a distinct factor on top of the five advocated by famous academic duo, Eugene Fama and Kenneth French, who updated their three-factor model to a five-factor model (size, value, momentum, profitability and investment) in 2015.

The John Hopkins team researched sentiment-based content published on StockTwits, a social media platform that collects views on specific securities generated by the crowd, typically market participants such as traders, analysts and financial information providers.

The peculiarity of this dataset is that each contributor can define the sentiment of their tweets by labelling them as ‘bullish’ or ‘bearish’. The authors utilise this feature, which makes this study different from others which employ more complex textual analysis techniques.

The authors found a statistical relation between positive sentiment on stocks and their future positive return and have documented this factor as distinct from the five proposed by Fama-French.

In terms of the econometric rigour, this study is an improvement over prior ones but still lacks a long time series. It analysed data from 2013 to 2015 and was limited to a group of 15 US-based stocks.

News flash

A longer data set was studied by Stephen Heston from the University of Maryland and Nitish Sinha from the Federal Reserve in Washington. Their paper, titled ‘News versus Sentiment: Predicting Stock Returns from News Stories’, was published last autumn in the Financial Analyst Journal.

Their study brings a few improvements: it expands the time series from 2003 to 2010 and it explores the effect of aggregating news over horizons longer than one day, as well as the importance of understanding the tone of the news.

The authors found that daily aggregation of news sentiment is sub-optimal for predicting future stock returns. It is better to quantify the sentiment over at least a weekly period. They also found that news tone matters. In fact, negative news had the highest predictability.

The bottom line

In terms of the application of these new data sets by investment managers, private conversations I’ve had with some quantitative asset managers reveal an increased interest in studying them but caution in allocating a risk budget to these newer alpha signals.

In the words of Fan et al. (2014), ‘Big Data bring new opportunities to modern society but challenges to data scientists’.

According to the authors, the challenges brought by the high dimensionality of Big Data include: noise accumulation and spurious correlations; and heavy computational costs and algorithm instability.

There are interesting implications for investors but lot of more research work by the PhDs is needed.

Giu 152018
 

Digital Insurance Ecosystem – Disruptive Technologies and Innovation

Technology is transforming the insurance industry requiring a new niche of insurance products and services. Insurers will need a laser focus on how they will remain relevant, as well as profitable, in an increasingly tech-centric and connected society. It is crucial to assess disruption across the insurance ecosystem and determines how it affects the whole environment.

Disruption

Disruptive innovation describes a process by which a product or service takes root initially in simple applications at the bottom of a market and then relentlessly moves up market, eventually displacing established competitors.

Insurers through accelerator programs aimed specifically at insurance tech entrepreneurs along with enthusiasts and accessible talent could unwind vast potential in InsurTech.

The insurance industry is perhaps facing more disruption than any other industry. Many incumbent players feel the exponential growth of digitization posing threats to their industry, particularly the entry of innovative firms or FinTech / InsurTech, which is an economic industry, composed of companies that use technology to make financial services more efficient and the purpose is to disrupt incumbent financial systems and corporations that rely less on software.

Examples of disruptive technology includes Fintech/InsurTech, Robotics, Cognitive Automation, Robo-Agents/Advisors, Chatbot.

Analytics

Organizations of all sizes are seeking to master, monetize, and measure their use of data. Business analytics specialists look inside this data to help create and refine strategies for delivering data-driven insights that yield informed and differentiating business decisions.

Business analytics services also provide customized data analytics tools that are ready for deployment to immediately improve an organization’s analytics capabilities.

Building on analytics successes, leaders are beginning to take steps toward connecting these successes to create the insight-driven organization.

The main areas that can be improved are Predictive Analytics, Customer Analytics, Operational Analytics, Big Data, and Advanced Analytics.

Internet of Things

The Internet of Things (IoT) is arguably one of the hottest technology trends of today. This refers to a world of intelligent, connected devices that generate data for automating business processes and enabling new services.

Experts believe that the insurance industry will undergo a marked change with the growing adoption of IoT.

New business models, revenue streams and prospects will emerge. Functions core to the industry including risk assessment, sales processes for insurance products will be reinvented. Partnerships with smart device manufacturers, analytics providers, telecom players, software firms and even competitors will enable insurers to create competitive advantages, new revenue sources and effective, innovative business models.

Examples: Personal wearables, Smarthomes, Smart-businesses, Telematics and black boxes, IoT-based coverage

Mobility

Mobility is more than just the latest step function in tech innovation. It is a fast-moving engine that is fundamentally reshaping operating models, business models, and marketplaces. Mobility also includes GPS enabled programs, mobile apps and online market places linking insurers with customers.

Insurers are driving mobility transformation in their businesses by identifying use cases that can be mobile enabled. Utilizing the true power of mobility requires insurers to enable speedy, high quality communications for customers, field agents, and the management.

Firms that proactively adopt mobile technology enable customers to do business on-the-fly and are seeing improvement in customer loyalty.

Mobility also helps the enterprise provide rich on-site data to employees including claims adjusters besides powerful decision making tools to the management.

The future of Mobility, which would upend the existing models of insurance, includes Sensor-controlled cars, Self-driving cars, Mobile apps, Tablet/Mobile based Solutions and Drones.

Tech Transformation

Technology transformation is not just about upgrading, it is about establishing the right portfolio of technology to run the business most effectively.

Tech Transformation incorporates client issues and sub-issues around digital and emerging technology (cloud, social computing), technology Initiatives, cyber risk and comparison websites.

It also recognizes promising commercial potentials in bringing forth efficiencies in current products as well as in new markets opportunities.

Digital technologies, such as social media and telematics, will continue to transform the systems insurers, reinsurers and brokers use. The connected world will alter the insurance market landscape throughout its value chain. It is imperative insurers identify tech trends, plan, partner and react fast by incorporating innovation into the enterprise culture in order to survive and thrive.

The main important trends include Artificial Intelligence, Machine Learning Tools, Automated underwriting/pricing, Cloud Computing and Digital Technologies.

New emerging paradigm: the Transformation of the Actuarial Profession

As this shift unfold, the actuarial professional is changing dramatically – opening opportunities for actuaries to take on dynamic, new business roles.

A wider range of actuarial tasks, empowering actuaries to shift their focus to higher value activities are encompassing more resources. This pivot towards more advanced strategic analysis – requiring sophisticated cognitive ability, communications savvy, and business knowledge – is the engine driving the rise of the shift in the Actuarial Profession.

These new technologies are transforming actuarial tasks in fundamental ways:

Facilitating data gathering and preparation – Technologies efficiently prepare data for analysis, including finding, cleaning, organizing, and parsing data. In the future, actuaries will spend less time on these manual process tasks and more time generating insights that drive business performance.

Performing analysis and computation – Technologies are programmed to perform rote calculations that, while complicated, require lower cognitive skills. This area has seen the most automation to date, and the use of these powerful, brute force-computing tools will only become more powerful as models are consolidated, refined, span a wider spectrum of actuarial processes, and are shared across user groups.

Improving reporting and analytics – Technologies can automate actuarial reporting based on rule sets, machine learning, and natural language generation capabilities. This will enable actuaries to focus on fine‑turning reports, developing insights from data, and communicating these insights to business leaders.

Defining the Actuary of the Future

While some express uncertainty about these shifts, it should be seen a once‑in‑a‑lifetime opportunity.

Actuaries who embrace this change will elevate their capabilities and strengthen their value to their organizations.

It starts with a shift in mindset from data steward to business strategist. Rather than simply producing numbers, actuaries must learn how to harness data to generate business insights, serving as the organization’s bridge between technology and strategy.

To make this jump, actuaries must augment their fluency with numbers with a deeper understanding of the business. This means applying actuarial skills not simply to traditional tasks such as compliance and risk management, but to broader challenges:

  • Analyzing the market challenges their organizations face.
  • Helping organizations decide what products to sell and the best channels to distribute products.
  • Providing insights about profitability, maximizing returns for shareholders, and entering the right markets at the right prices.

Giovanni Di Marco – Partner Deloitte Consulting | Actuarial, Rewards and Analytics

Giu 062018
 

FAMIGLIE

  • Il debito delle famiglie in rapporto al reddito disponibile si mantiene stabile. La quota dei mutui a tasso fisso è cresciuta negli ultimi dieci anni di dieci punti (37%).
  • La crescita dell’indebitamento per finalità di consumo cresce soprattutto tra le famiglie con redditi superiori alla mediana.
  • Il tasso di insolvenza nei prestiti delle famiglie è ai minimi da dieci anni. La percentuale delle famiglie vulnerabili e l’incidenza del loro debito sul totale sono pari all’1.8% e all’11,4%, la metà del dato del 2008. Il dato non subirebbe variazioni significative anche in presenza di un aumento dei tassi di interesse di 200 punti base e di un andamento negativo dell’economia.

 

IMPRESE

  • La leva finanziaria delle imprese si è ridotta al 40%, un dato solo di due punti percentuali superiore a quello medio dell’area euro. Dal 2011 le imprese hanno destinato una parte cospicua dei profitti all’aumento del capitale di rischio.
  • Aumenta il ricorso all’emissione di titoli obbligazionari da parte delle imprese: 20 miliardi nel 2017 contro una media di 6 miliardi nei tre anni precedenti.
  • Il tasso medio annuo di deterioramento dei prestiti è passato dal 4.1% nel 2016 al 3.2%. Il numero di fallimenti è in diminuzione per il terzo anno consecutivo. I nuovi crediti deteriorati in rapporto al totale dei prestiti sono tornati su livelli precedenti la crisi.
  • Secondo il modello di Banca d’Italia, il numero di imprese vulnerabili da un punto di vista finanziario è passato dal 33% nel 2007 al 25% nel 2016.

 

BANCHE

  • Il credito bancario è in aumento ma il ciclo finanziario è ancora debole. Il rapporto tra credito bancario e PIL (credit-GDP gap) è ancora sotto di dieci punti percentuali rispetto al trend di lungo periodo. La forbice diminuirà il prossimo anno ma non scomparirà.
  • L’esposizione debitoria delle banche nel mercato MTS repo nei primi mesi 2018 è inferiore di circa un quarto rispetto alla media del 2017.
  • L’ammontare di rifinanziamento presso l’Eurosistema è costante e la liquidità in eccesso è elevata.
  • Il Texas ratio delle banche classificate come significative è diminuito di dieci punti percentuali ed è pari all’86%.
  • La raccolta obbligazionaria delle banche è in diminuzione (pari a 267 miliardi), di cui 39 in strumenti subordinati (15 detenuti da famiglie). I collocamenti sui mercati internazionali negli ultimi tre anni sono stati pari soltanto a 80 miliardi (pari al 2.6% del totale delle consistenze).
  • Il deficit di passività idonee secondo i requisiti della Bank Recovery Resolution DIrective potrebbe essere tra 30 e 60 miliardi per le banche italiane con un aumento del costo della raccolta stimato tra 10 e 30 punti base e un calo del margine di intermediazione tra il 2 e l’8%.
  • Il LCR delle banche non verrebbe impattato in modo significativo da un aumento dei tassi di interesse (fino a 300 punti base), soltanto il 5% delle banche andrebbe sotto la soglia di 100.
  • Il rischio di tasso per le banche è limitato: un aumento di 200 punti base porterebbe ad un aumentomedio del valore economico dei fondi propri dei principali 11 gruppi
  • pari al 2.9%.
  • Le banche italiane significative hanno un deficit di capitale contenuto rispetto alle banche europee (150 punti base, il leverage ratio è pari a 6 contro una media pari a 5.5).

 

MONDO ASSICURATIVO E FONDI COMUNI

  • Le compagnie di assicurazioni detengono il 43% degli attivi in titoli di Stato.
  • La quota di riserve matematiche relative a polizze vita con garanzie pari o inferiore a 1% è pari al 55% (era 46% nel 2016). Il volatility adjustment porta ad un innalzamento dell’indice di solvibilità del 9% contro un 24% medio a livello europeo.
  • Un’estensione del Last liquid point per la valutazione delle riserve porterebbe ad una riduzione del margine di solvibilità del 7%, misura inferiore a quella delle compagnie europee.
  • I PIR hanno un patrimonio di 12 miliardi di cui oltre il 56% investito in società non finanziarie residenti (36% in azioni, 20% in obbligazioni che rappresentano il 35% del totale delle emissioni).

 

SISTEMA FINANZIARIO

Le consistenze nette di CDS su rischio Italia (Stato, banche, imprese) sono in diminuzione.

  • Nel 2017, la quota di titoli pubblici italiani detenuta dalla Banca d’Italia è salita di 5 punti al 19%, quella delle banche è diminuita (dal 17.8 al 15.3%), sono rimaste stabili quelle delle famiglie (5.3%) e degli investitori esteri (33.2%).
  • La vita media residua dei tioli di Stato è 6.8 anni. Il costo medio dei tioli di Stato in essere è ai minimi (2.7%), il costo medio sulle nuove emissioni è 0.60%.
Giu 012018
 

L’intensificarsi dell’incertezza politica nella fase di formazione del nuovo Governo ha riportato l’Italia al centro dell’attenzione su scala globale. Se fino alla prima settimana di maggio dai mercati non si ravvisavano forti tensioni (si veda al riguardo BEM Research, 2018), nelle ultime tre settimane la situazione è radicalmente cambiata.

In particolare è aumentata la percezione che l’Italia possa effettivamente uscire dall’Area euro. Guardando alle ricerche effettuate su Google del termine “Italexit”, che come per Brexit e Grexit sta ad indicare l’uscita dell’Italia dall’Unione Europea e dall’Area euro, si rileva una netta impennata dell’interesse degli utenti su scala globale proprio dopo la controversa indicazione di Paolo Savona come Ministro dell’Economia e delle Finanze del nascente Governo (grafico 1). Un picco di ricerche si era osservato anche in coincidenza del 4 marzo, ma poi l’interesse verso una potenziale Italexit si era progressivamente sopito.

Grafico 1. Interesse sul web a livello globale su “Italexit”
(100=massimo interesse)


Fonte: elaborazioni BEM Research su dati Google Trends.

Più in generale, i temi politici italiani stanno destando un crescente interesse a livello globale. Al riguardo un’indicazione può essere fornita ancora una volta delle ricerche effettuate su Google, ma in questo caso relative all’argomento “Governo della Repubblica Italiana” (l’argomento offre l’indicazione della frequenza di ricerca di un insieme di termini che condividono lo stesso concetto, in qualsiasi lingua). Osservando la dinamica delle ricerche sull’argomento “Governo della Repubblica Italiana” e lo spread tra i tassi d’interesse a 10 anni dei titoli italiani e quelli medi di Spagna e Portogallo, due paesi in condizioni economico-finanziarie simili all’Italia, si riscontra una stretta correlazione (grafico 2; andamento analogo si osserva nel caso dello spread BTP-Bund). Questo risultato può essere interpretato come un’evidenza del fatto che l’interesse degli utenti web su scala globale esprime le crescenti preoccupazioni sulla stabilità politica italiana, che in un’ultima istanza si riflettono poi sui mercati finanziari.

Grafico 2. Interesse sul web a livello globale su “Governo della Repubblica Italiana” e reazione dei mercati finanziari
(dati medi settimanali)

Fonte: elaborazioni BEM Research su dati Google Trends e Thomson-Reuters.

L’aumento degli spread sui titoli governativi italiani segnala un maggior premio per il rischio richiesto dai sottoscrittori di BOT e BTP. La dinamica dei Credit Default Swap (CDS) a 5 anni, titoli derivati che non risentono degli effetti calmieranti legati agli acquisti effettuati dalla BCE nell’ambito del quantitative easing, offre proprio questa indicazione: il premio sui CDS è passato dai 52 punti del 2 marzo 2018 agli oltre 100 del 30 maggio. Gli operatori di mercato stanno quindi scontando una probabilità di default sui titoli governativi italiani più alta rispetto a tre mesi fa. Questo maggior pessimismo ha un effetto immediato sul costo del debito che il Governo Italiano deve sostenere nel momento in cui effettua una nuova emissione di titoli. Impatta inoltre indirettamente sulle banche italiane che detengono un’ampia quota di titoli di Stato domestici e per tale motivo sono soggette a perdite di bilancio se i rendimenti salgono e i prezzi scendono. Non stupisce quindi che anche i premi sui CDS dei principali istituti di credito italiani siano aumentati in quest’ultimo mese.

Fintanto che il QE sarà in essere è comunque difficile che i rendimenti crescano a tal punto da rendere la situazione insostenibile, come si è rischiato tra il 2011 e il 2012. In altri termini, con l’ombrello della BCE l’Italia non corre, nel brevissimo termine, eccessivi rischi di soccombere sotto gli attacchi speculativi dei mercati finanziari.

Affinché “l’ombrello” BCE rimanga aperto, però, l’Italia deve superare un altro esame, quello delle agenzie di rating. Per poter accedere al QE, così come per poter presentare un bond come collaterale nell’operazioni di politica monetaria, è necessario infatti che un’obbligazione abbia ottenuto, da almeno una delle quattro agenzie di rating internazionali riconosciute dalla BCE, ovvero Standard & Poor’s, Moody’s, Fitch e DBRS, un giudizio pari a investment grade (si veda BCE, 2015). Allo stato attuale l’Italia ha ottenuto il voto più alto da DBRS con BBB+, ovvero tre gradini sopra la classe speculative grade (tabella 1). Moody’s ha però già avvisato il mercato che si accinge a rivedere in negativo il suo giudizio sull’Italia, pari a BBB. Dopo la prima mossa di Moody’s anche le altre tre agenzie potrebbero seguirla peggiorando la pagella italiana.

Tabella 1. Rating dei titoli governativi dei paesi dell’Area euro

Note: la codifica dei rating è stata armonizzata.
Fonte: elaborazioni BEM Research su dati Standard & Poor’s, Moody’s, Fitch e DBRS.

 

Guardando alla relazione tra il miglior rating assegnato ai paesi europei e il premio pagato sui CDS nel periodo più recente, la probabilità di un downgrade dell’Italia appare elevata (grafico 3). Sulla base dei premi mediamente pagati da metà a fine maggio, l’Italia risulta essere sostanzialmente in linea con il Portogallo, che ha un rating massimo pari a BBB, un notch sopra ai titoli italiani. Focalizzando l’attenzione sul dato relativo al 30 maggio la situazione peggiora ulteriormente: il premio sui CDS è infatti ben superiore a quello del Portogallo e in linea con quello di Cipro, che invece ha un rating massimo di BB+, ovvero speculative grade.

In definitiva, un downgrade generalizzato, e nell’ordine di 2 o 3 notch, da parte delle agenzie di rating aggraverebbe velocemente la situazione italiana, determinando – a regole vigenti – la sospensione degli acquisti di titoli italiani da parte della BCE e seri problemi di liquidità per le banche domestiche, che non potrebbero più presentare come collaterale i titoli italiani. Per scongiurare questo circolo vizioso è cruciale che sui mercati torni la fiducia nel rispetto degli impegni di finanza pubblica presi dall’Italia e, soprattutto, che venga fugato qualsiasi dubbio che il futuro Governo consideri, anche solo come piano B, l’uscita dall’eurozona.

Grafico 3. Relazione tra premio sui CDS e miglior rating tra le Agenzie accreditate presso la BCE

Fonte: elaborazioni BEM Research su dati Thomson-Reuters, Standard & Poor’s, Moody’s, Fitch e DBRS.

Bibliografia

BCE, Guideline of the European Central Bank of 19 December 2014 on the implementation of the Eurosystem monetary policy framework.

BEM Research, L’incertezza politica letta attraverso il web ed effetti sui mercati, Analisi Flash del 10 maggio 2018.