Dic 072019
 

Nel 2018 la ricchezza finanziaria delle famiglie italiane è diminuita, mentre il tasso di risparmio è lievemente cresciuto.

Nel corso del 2018, le attività finanziarie lorde delle famiglie italiane hanno registrato una contrazione del 3,1% (-0,5% nell’area euro), a fronte di una crescita delle attività reali del 2,7% e una diminuzione delle passività pari allo 0,7% (rispettivamente, +1,3% e +3,6% nell’area euro). Nel complesso, la ricchezza netta delle famiglie italiane in rapporto al reddito disponibile rimane superiore al dato dell’Eurozona (rispettivamente, 8,2 e 7,7 a fine 2018), mentre il tasso di risparmio lordo domestico, pari al 10% circa e in lieve crescita per la prima volta dal 2014, continua a essere inferiore al valore registrato nell’area euro (anch’esso in lieve aumento). Si conferma la distanza tra il nostro Paese e l’Eurozona con riguardo all’incidenza del debito delle famiglie sul Pil (a fine 2018 pari rispettivamente al 40% e al 60%).

I cambiamenti demografici e la trasformazione digitale vedono l’Italia in una posizione di svantaggio rispetto ai Paesi europei.

L’Unione Europea (UE-28) sperimenta da tempo un progressivo invecchiamento della popolazione. L’Italia si caratterizza per una struttura della popolazione relativamente più anziana degli altri Paesi dell’Unione.

Nel confronto internazionale, infine, l’Italia continua a registrare un divario negativo anche in termini di competenze digitali della popolazione, connotandosi al contempo per un più contenuto utilizzo di internet e dell’e-commerce.

Secondo l’Osservatorio CONSOB per il 2019, i decisori finanziari condividono le proprie scelte in oltre l’80% dei casi, sono prevalentemente avversi al rischio e alle perdite e si riconoscono capacità elevate nella gestione delle finanze personali in più del 40% dei casi.

L’Osservatorio CONSOB per il 2019 su ‘L’approccio alla finanza e agli investimenti delle famiglie italiane’ raccoglie i dati relativi a un campione di 3.058 individui, rappresentativo dei decisori finanziari italiani, di cui 1.311 intervistati anche nel 2018.   In linea con le rilevazioni precedenti, circa i tre quarti dei decisori finanziari sono uomini. Le scelte economico-finanziarie risultano tuttavia condivise con il partner in oltre il 60% dei casi, mentre il dato sale all’80% se si considerano anche altri membri del nucleo famigliare.   Secondo gli indicatori attitudinali elaborati sulla base dell’auto-valutazione individuale, la maggioranza degli italiani si conferma avversa al rischio e avversa alle perdite: con particolare riferimento a quest’ultimo aspetto, circa due terzi degli intervistati affermano di non essere disposti a investire in un prodotto che presenti una sia pur ridotta possibilità di perdita del capitale, mentre il restante 37% si dichiara tollerante verso piccole perdite (permanenti o recuperabili nel lungo termine).  
La tendenza alla procrastinazione risulta poco diffusa (vi si dichiara esposto in modo elevato meno del 10% degli individui). Più del 40% si riconosce elevate capacità di gestire le proprie finanze e circa la metà riporta un livello di disagio o ansia finanziaria basso o molto basso. Il 30% degli individui dichiara di essere molto ottimista, mentre la fiducia negli operatori finanziari risulta poco diffusa. La quasi totalità del campione, infine, sembra incline a seguire l’approccio tipico della contabilità mentale nella gestione dei propri investimenti (basato sulla suddivisione degli impieghi delle risorse disponibili in conti mentali diversi, ad esempio in funzione della fonte delle risorse stesse), mentre un quarto degli intervistati sembra esposto a errori riconducibili alla gambler fallacy (ossia all’errata convinzione che il passato condizioni il futuro anche nel caso di una sequenza di eventi casuali).  

Rimangono molto contenute le conoscenze delle nozioni finanziarie più semplici, le abilità di calcolo e …

In linea con le rilevazioni degli anni precedenti, la cultura finanziaria delle famiglie italiane si conferma molto contenuta. Il 21% degli intervistati non conosce nessuna delle nozioni di

base (inflazione, relazione rischio/rendimento, diversificazione, caratteristiche dei mutui, interesse composto) e delle nozioni avanzate (riferite ai titoli obbligazionari) proposte nella Survey; solo il 12% mostra padronanza di quattro dei sette concetti presentati; solo il 2% definisce correttamente tutte le nozioni.

Con riferimento alla consapevolezza del proprio livello di conoscenze finanziarie, in media il 34% del campione mostra un disallineamento (mismatch) fra conoscenze reali e conoscenze percepite ex ante (ossia prima della verifica puntuale delle nozioni prima menzionate), che si traduce in una sovrastima (upward mismatch) nel 14% dei casi e in una sottostima (downward mismatch) nel rimanente 20%. Il divario tra conoscenze reali e valutazione ex post (ossia successiva alla verifica puntuale delle nozioni prima menzionate) mostra invece una sovrastima della propria cultura finanziaria nel 28% dei casi. Solo l’8% degli intervistati rivaluta correttamente le proprie conoscenze correggendo le proprie percezioni dopo aver risposto al test.

Gli intervistati si connotano anche per un basso livello di numeracy, come si evince dal fatto che il 54% del campione non è in grado di eseguire un semplice calcolo percentuale.

… le conoscenze dei prodotti finanziari in astratto più noti.

Oltre il 30% del campione non conosce nessuno tra i seguenti prodotti: conto corrente; azioni; obbligazioni; fondi comuni; Bitcoin. Solo il 20% risponde correttamente a tre domande su cinque; solo il 4% ottiene il punteggio massimo.

Con riferimento alla cosiddetta risk literacy, solo il 25% è in grado di ordinare correttamente azioni, obbligazioni e conto corrente per livello di rischio; il 50% degli individui, inoltre, indica le azioni come il prodotto più rischioso, associandovi una maggiore volatilità, un maggior rischio di liquidità e un maggior rischio di perdita del capitale e, nel 70% dei casi circa, la possibilità che tale forma di investimento alimenti disagio e preoccupazione.

Con riferimento a un’ipotetica scelta di investimento, le attività immobiliari sono spesso preferite a impieghi di natura finanziaria, a prescindere dall’orizzonte temporale e dagli obiettivi di rendimento; il 40% degli intervistati inoltre non è in grado di individuare un’opzione di investimento adeguata a nessuno degli scenari proposti.

L’educazione finanziaria ricevuta in famiglia si associa a comportamenti economico-finanziari corretti.

Come evidenziato dalle Survey precedenti, gli intervistati indicano l’educazione famigliare come una delle principali fonti della propria cultura finanziaria, insieme a fattori quali interesse personale ed esperienza. L’Osservatorio 2019 approfondisce questo aspetto indagando se, durante l’adolescenza, i partecipanti alla Survey sono stati stimolati dai propri genitori a tenere comportamenti oculati in tema di risparmio e controllo delle spese. La stragrande maggioranza riferisce di essere stato incoraggiato a risparmiare e a gestire il budget in modo attento, anche se tale incoraggiamento viene qualificato come elevato solo nel 20% dei casi; lo stimolo della famiglia inoltre è più frequente tra gli intervistati che giudicano elevata la cultura finanziaria dei propri genitori. L’educazione famigliare appare significativamente e positivamente correlata con le conoscenze finanziarie degli intervistati e, come dettagliato nel Rapporto, con attitudini corrette in tema di pianificazione, budgeting, risparmio, indebitamento e investimento.  
La pianificazione finanziaria è ancora poco diffusa: gli obiettivi di spesa vengono identificati in modo sequenziale uno per volta e la motivazione al risparmio prevalente è quella precauzionale.

Pianificazione e controllo delle scelte finanziarie (cosiddetto financial control) rimangono comportamenti poco diffusi presso le famiglie italiane. Nella gestione delle finanze personali, il 60% non segue una regola precisa mentre la quasi totalità del restante 40% decide definendo in modo sequenziale un obiettivo di spesa alla volta. Solo un terzo degli intervistati ha un piano finanziario e di questi poco meno del 40% ne monitora l’avanzamento in modo dettagliato, annotando le spese. Tra coloro che non pianificano, il 42% ritiene che sia inutile avere un piano, o perché manca la capacità di risparmio o perché è sufficiente controllare le spese, mentre il 20%, pur riconoscendone l’utilità, non è comunque intenzionato a modificare le sue abitudini nell’immediato.

Circa la metà del campione ha un budget famigliare, che rispetta sempre nel 26% dei casi e che controlla in modo accurato nel 30% dei casi. Gli intervistati risparmiano in modo regolare (soprattutto per motivi precauzionali) nel 31% dei casi (in lieve calo rispetto all’anno precedente quando il dato si attestava al 33%) e in modo occasionale nel 37% dei casi; il 26% non accantona nulla, soprattutto perché le spese assorbono tutte le entrate famigliari.  


Il 30% delle famiglie italiane dichiara di possedere almeno un’attività finanziaria.

A fine 2018, il 30% delle famiglie italiane dichiara di possedere almeno un’attività finanziaria, rappresentata da fondi comuni e titoli di Stato italiani, rispettivamente nel 26% e nel 18% dei casi (il dato risulta stabile rispetto al 2018). La mancanza di risparmi rappresenta il maggior deterrente all’investimento, seguito dalla mancanza di fiducia nel sistema finanziario.    

La percentuale di investitori che risponde correttamente alle domande di cultura finanziaria riferibili ai prodotti posseduti oscilla tra il 15% (relazione prezzo – tasso di interesse di un’obbligazione) e l’83% (caratteristiche delle azioni); il dato si colloca tra il 50% e il 70% circa per le nozioni relative alla cosiddetta risk literacy.  

La maggior parte degli intervistati prende le decisioni di investimento in autonomia o con il supporto di famigliari e conoscenti.

Un investitore su due utilizza una sola fonte informativa per prendere decisioni di investimento, preferendo di gran lunga il supporto di un esperto (consulente finanziario o funzionario della banca) alla consultazione in autonomia di documenti informativi sui prodotti come il prospetto.

Nelle scelte di investimento, il 20% degli individui si affida a un consulente finanziario o a un gestore che consulta anche in fase di monitoraggio del proprio portafoglio. Il 40% degli investitori ricorre alla cosiddetta consulenza informale, ossia ai consigli di amici e parenti (talvolta attivi nel settore finanziario), e altrettanti decidono in autonomia.

Gli investitori assegnano un ruolo chiave alle competenze del consulente sia nella fase di avvio sia nel corso della relazione.

Più del 50% degli investitori non è in grado di identificare i tratti distintivi del servizio di consulenza in materia di investimenti. La scelta del consulente è guidata prevalentemente dalle competenze del professionista, seguita dalla fiducia che questi riesce a ispirare nel cliente e dalla segnalazione proveniente da un soggetto ritenuto affidabile (famigliari, amici, istituto bancario di riferimento). La sfiducia, inoltre, è il disincentivo principale alla domanda di consulenza. In linea con i driver che guidano la scelta del professionista, le aspettative degli investitori nei confronti del consulente riguardano soprattutto le sue competenze, l’assenza di conflitto di interessi e il supporto a decisioni informate. La remunerazione della consulenza rimane un elemento poco considerato, sia perché la maggioranza degli individui ritiene che il servizio sia prestato a titolo gratuito sia perché la disponibilità a pagare è molto bassa anche tra gli investitori assistiti da un esperto.  

La relazione con il consulente è prevalentemente di medio-lungo periodo, come attesta il fatto che il 50% degli investitori assistiti non ha mai cambiato il professionista, mentre il 18% lo ha fatto perché insoddisfatto del servizio ricevuto. Gli intervistati quasi sempre riconoscono l’importanza dello scambio informativo con il consulente, anche se solo il 30% degli investitori dichiara di comunicare al consulente variazioni rilevanti della propria situazione personale.

Nell’ambito della relazione con il consulente, prevale la propensione a seguire sempre la raccomandazione ricevuta in circa il 60% dei casi; meno del 20% si documenta sempre, consultando fonti informative alternative; meno del 5% chiede sempre una second opinion. Tuttavia, solo il 17% sarebbe disposto a seguire un consiglio che non ha compreso senza documentarsi, mentre la maggioranza degli intervistati cercherebbe di approfondire rivolgendosi anzitutto allo stesso consulente. Nel corso della relazione i contatti con il professionista sono saltuari o assenti nel 26% dei casi, mentre nel 70% circa ricorrono con frequenza annuale su iniziativa del cliente o del consulente. Nel caso di turbolenze sui mercati finanziari, il 25% degli investitori assistiti cerca sempre conforto nel consulente e altrettanti vengono contattati dal professionista; nel 30% dei casi, infine, gli intervistati dichiarano di essere raggiunti tramite e-mail o newsletter.

FOCUS Gli investimenti sostenibili e socialmente responsabili sono ancora poco conosciuti dagli investitori italiani che dichiarano di avere prodotti SRI nel proprio portafoglio solo nel 5% dei casi.
Il 40% del campione è potenzialmente interessato agli SRI, mentre mancanza di risparmi da investire, il non aver mai ricevuto proposte d’investimento o la diffidenza sono i maggiori deterrenti verso gli SRI.
Gli investimenti sostenibili e socialmente responsabili (SRI) sono ancora poco noti. Se il 40% degli intervistati dichiara di averne almeno sentito parlare, solo il 5% si ritiene bene informato. Le fonti informative prevalenti sono i media e il web, mentre il ruolo dei consulenti finanziari resta secondario. Nel complesso, solo il 5% degli investitori dichiara di avere prodotti SRI nel proprio portafoglio. Il potenziale interesse negli SRI dipende anche dalla importanza riconosciuta ai cosiddetti fattori ESG (environmental, social and governance) e, nell’ambito di questi, ai cambiamenti climatici più frequentemente all’attenzione dell’opinione pubblica. Il 40% degli intervistati non è in grado di esprimere un’opinione sulla rilevanza dei fattori ESG; tra i restanti la tutela dell’ambiente è il tema più sentito, seguito dal supporto alle persone svantaggiate e alle comunità locali.
L’interesse potenziale negli SRI sfiora il 40% del campione, che nella maggior parte dei casi si dichiara attento ai profili finanziari dell’investimento; un quarto del campione non è interessato in alcun caso, mentre più di un terzo non è in grado di esprimere un’opinione. La mancanza di interesse nei prodotti SRI viene ricondotta all’assenza di risparmi da investire nel 47% dei casi (28% per il sottocampione degli investitori, che paiono dunque percepire questa tipologia di prodotti come non fungibile rispetto agli investimenti ‘tradizionali’), seguita dal fatto di non aver mai ricevuto proposte di investimenti in tal senso e dalla mancanza di fiducia.
Nov 282019
 

Il mondo dei pagamenti sta vivendo da alcuni anni un periodo di profonda trasformazione, che ha portato alla nascita di nuovi player nazionali ed internazionali volti a soddisfare le aspettative sempre crescenti di clienti ed esercenti sia in termini di esperienza di pagamento che di costi per transazione, con un numero sempre maggiore di nuovi servizi e modalità di gestione di spese e incassi.

Ma perché Hedge Fund, Venture Capital e Fintech continuano ad investire in un prodotto tradizionale come i pagamenti, che le Banche hanno sempre considerato poco più che una commodity e sul quale hanno detenuto per lungo tempo un monopolio? Quali fattori hanno spinto gli investimenti e l’innovazione in un campo che sembrava avere minor attrattiva di altri?

Una delle motivazioni più immediate è collegata al concetto di “data monetization” che i grandi player non bancari, in particolare quelli provenienti dal web, hanno sempre considerato quale uno dei principali asset sul quale investire con l’obiettivo di conoscere sempre meglio i comportamenti dei propri utenti. Informazioni, queste, da condividere con terze parti interessate a fare cross selling di prodotti e servizi collegabili a specifici comportamenti della clientela.

A nostro avviso tale motivazione, seppur rilevante, non può essere l’unica ad aver impresso tale accelerazione al mercato che evidenzia, ad esempio, un trend di crescita delle operazioni no-cash stimato in doppia cifra (circa 13%) fino al 2021 quando dovrebbero arrivare a sfiorare i 900 miliardi di dollari complessivi.

Figura – Numero di “non-cash transactions” per zona – miliardi di dollari; forecast. Fonte: World Payments Report 2018

Infatti, diverse large corporate si sono attivate per ritagliarsi un ruolo di rilievo all’interno del mercato.

Facebook è entrata ormai nel mondo dei servizi finanziari attraverso la creazione della propria Banca e in particolare ha annunciato l’ingresso nel mondo dei pagamenti P2P grazie alla creazione di una propria moneta (Libra) con l’intento di gestire potenzialmente lo scambio di denaro fra i propri clienti (più di 1 miliardo al mondo).

Anche Apple, nel corso del 2019, ha presentato la propria carta di credito dichiarando che non utilizzerà mai i dati dei clienti come asset monetizzabile ed inserendo di fatto la “data protection” nell’alveo dei servizi a valore aggiunto rilevanti del prossimo futuro. In questo caso, Apple si è appoggiata a Goldman Sachs quale partner per gestire i servizi finanziari e gli adempimenti regolamentari fuori dalla portata di un soggetto non bancario.

Oltre ai grandi player, non vanno trascurate le realtà emergenti, nate negli ultimi anni grazie alla rinnovata attenzione per il mondo dei pagamenti, alle novità in termini regolamentari e alle nuove tecnologie che hanno rivoluzionato le esperienze e le esigenze della clientela.

In tale contesto le grandi multinazionali del mondo retail, con rilevanti volumi di incassi e pagamenti anche di piccole dimensioni, hanno intrapreso, o stanno decidendo di farlo, un percorso di trasformazione del proprio modello operativo anche attraverso la costituzione di società “ad hoc” (IMEL o IP) al fine di gestire in autonomia una parte o la totalità del processo di collection, prima sostanzialmente demandato alle banche di riferimento. Questo trend è già presente in diversi settori (es. automotive, energy, …) dove alcuni player, nazionali ed internazionali, offrono wallet e strumenti digitali che consentono il pagamento del servizio/prodotto monitorandone l’efficacia ed efficienza durante tutto il ciclo di vita (acquisto, pagamento, consegna, utilizzo, funzionamento, …). In tal modo, l’utente finale percepisce il retailer come un canale di pagamento, consentendo a quest’ultimo, da un lato, la disintermediazione delle banche e il conseguente abbattimento delle commissioni, dall’altro il miglioramento della propria offerta attraverso nuove modalità di pagamento e nuovi servizi che rafforzano di fatto il legame con il cliente. In tale contesto, e nell’ottica di aggredire il mercato in crescita, rivestono particolare importanza le seguenti attività: definire il ruolo che il retailer vuole giocare, anche in coerenza con le opportunità offerte dalla PSD2 (es. PISP, AISP, …), in base alle proprie caratteristiche, valutare correttamente gli impatti organizzativi e di processo con particolare focus sull’order to cash, selezionare il partner tecnologico più adatto che consenta la migliore flessibilità e scalabilità.

In definitiva, gestire i pagamenti ha un valore strategico per qualsiasi realtà in quanto significa entrare nella vita di tutti i giorni delle persone costruendo di fatto un legame indissolubile in termini di utilizzo e mantenimento di device (Apple, Samsung), software (Facebook, Whatsapp, Instagram, …) o servizi (ENEL, EDISON, …).

In questo contesto per le banche tradizionali non sarà semplice trovare una collocazione che consenta di continuare a generare profitti perdendo potenzialmente la relazione diretta con il cliente finale. Per tale motivo, le istituzioni finanziarie dovranno agire celermente per rispondere in maniera efficace alle nuove esigenze dei clienti facendo leva su alcuni elementi distintivi che le contraddistinguono e rafforzando la loro posizione nei servizi innovativi anche alleandosi con le principali fintech sul mercato. Di seguito riportiamo alcune sfide che le istituzioni finanziare si troveranno ad affrontare nei prossimi 12-24 mesi:

  • Request to Pay: il servizio, non ancora presente sul mercato, rivoluzionerà le modalità di pagamento tra privati e aziende;il ruolo del pagatore sarà infatti semplificato grazie alla ricezione di una richiesta di pagamento via notifica push, che potrà accettare o meno in modalità “on click” verificando che quanto richiesto sia corretto e senza il bisogno inserire ulteriori dati. Tale modalità di pagamento real-time semplificherà la fase di collection anche per i creditori, i quali potranno gestire in modalità totalmente automatica i processi di incasso;
  • Instant Payments Fraud: i pagamenti istantanei non sono una vera novità ma diventeranno sempre più rilevanti nel mercato delle transazioni di pagamento sia retail che corporate. Oltre ad offrire una migliore customer experience, garantiscono un efficientamento dei processi operativi delle banche e dei processors riducendo drasticamente le attività operative di riconciliazione e i controlli manuali sulle singole transazioni non corrette. In tale contesto, il potenziale rallentamento nell’adozione dell’instant payment è da ricercarsi nella richiesta da parte degli utenti di garanzie sulla sicurezza dei loro pagamenti rispetto al rischio di frodi e di riciclaggio. In tale contesto, l’adozione di soluzioni evolute di artificial intelligence, in grado di allertare il pagatore rispetto a possibili errori nell’imputazione dei dati o bloccare la transazione in caso di rischio di riciclaggio, diventerà la chiave di evoluzione del servizio di pagamento istantaneo;
  • Seamless cross-border payments: il mondo delle corporates, grandi o piccole che siano, si trova ad affrontare un crescente bisogno di gestire in modalità standard pagamenti e transazioni internazionali alla stregua di quelle domestiche al fine di semplificare i propri processi interni e garantire una modalità di gestione dei clienti e dei fornitori omogenea. In tale contesto, le attuali piattaforme di pagamento presenti sul mercato hanno ampi spazi di innovazione con l’obiettivo di offrire ai propri clienti soluzioni in grado di cogliere le opportunità offerte da un mercato sempre più globale;

Autori:

Massimo Tonassi– Partner Deloitte Consulting

Emanuel Doneda – Senior Manager Deloitte Consulting

Alessio Marras – Manager Deloitte Consulting

Alberto Comello – Senior Consultant Deloitte Consulting

Stefano Rampinelli – Senior Consultant Deloitte Consulting

Nov 152019
 

EIOPA has recently (25.10.2019) published the risk dashboard (RDB) update at October 2019.

The RDB is published on a quarterly basis, showing the level of risk for 8 (=7+1) risk categories. The latest outcome is reported in the table below, compared to the previous one (July 2019):

Some comments

  1. Macro risks [high, stable]

This is an overarching category affecting the whole economy, which considers economic growth, monetary policies, consumer price indices and fiscal balances.

The economic environment remains fragile because of both the continuous decline of the GDP growth, which has been revised downwards across all geographic areas (the indicator is a weighted average over Euro Area, UK, Switzerland, US and BRICS) till 20Q2 and a further decline in swap rates, decreases from the previous quarter (0.30%, -0.50%) due to homogeneous declines in swap rates for all the currencies considered (EUR, GBP, CHF, USD); EUR moved from 0.26% to -0.04%. These outcomes point out a potential economic slowdown, together with the decrease in the inflation forecast (CPI: 1.60%, -0.10%), that remains a concern going forward. The unemployment rate remains at historical low levels. The ECB has announced a further decrease of the key rates, which will be reflected in later updates. CB’s BS globally shrank slightly, mainly driven by the FED, whose balance sheet is contracting by 9%.

  • Credit risks [medium, stable]

This category measures the vulnerability to the credit risk by looking at the relevant credit asset classes exposures combined with the associated metrics (e.g. government securities and credit spread on sovereigns). Since the previous assessment, spreads have decreased across all corporate bond segments, but secured financial corporate bonds. The average credit quality step of investments slightly increased (1.83; +0.08), still corresponding to an S&P rating between AA and A.

The exposures of the Insurers in different asset classes remain quite stable and around

  • 30.0% in European sovereign bonds, whose CDS spreads has slightly decreased
  • 12.4% in non-financial corporate bonds, whose spreads have declined
  • 7.3% in unsecured financial corporate bonds, whose spreads has declined
  • 3.0% in secured financial corporate bonds, whose spreads has slightly increased
  • 0.6% in loans and mortgages
  • Market risks [high, stable]

This vulnerability of the insurance sector to adverse developments is evaluated based on the investment exposures, while the current level of riskiness is evaluated based on the volatility of the yields together with the difference between the investment returns and the guaranteed interest rates. The market risks remain stable, reflecting the stability of the portfolios’ allocations of insurers, where the volatility of the bonds, largest asset class (60% of exposure), increased, opposed to the decreased volatility of the equity market (6.3%), while the property one (3.2% exposure) remained stable.

  • Liquidity and funding risk [medium, stable]

The vulnerability to liquidity shocked is monitored measuring the lapse rate, the holding in cash and the issuance of catastrophe bonds (low volumes or high spreads correspond to a reduction in the demand which could forma a risk). The median liquid assets ratio is stable at 65%, while the average ratio of coupons to maturity has increased, as well as the issued bond volumes (6.3bln euro, +1bln). Lapse rates in life business are broadly stable, showing a median lapse rate around 2.3% (slightly decreased).

  • Profitability and solvency [medium, stable]

The solvency level is measured via SCR and quality of OF, while the profitability via return on investments and combined ratio for the life and non-life sectors. SCR ratios for both groups and non-life undertakings have remained broadly stable, though a decline across the whole distribution has been observed for life undertakings (165%, -12%).

  • Interlinkages and imbalances [medium, decreasing]

Interlinkages are assessed between primary insurers and reinsurers, insurance and banking sector and among the derivative holdings. The exposure towards domestic sovereign debt is considered as well. The risks shows a decreasing trend due to a reported decrease in the share of

premiums ceded to reinsurers and to a slight decrease in the median exposure to domestic sovereign debt. Insurance groups’ investments in banks, insurers and other financial institutions remained broadly unchanged.

  • Insurance (underwriting) risk [medium, stable]

Indicators for insurance risks are gross written premia, claims and losses due to natural catastrophes. The catastrophe loss ratio declines (5.1%, -2.5%), while overall insurance loss ratios have remained broadly unchanged. Median premium growth in life business increased (%, +1.5%), premium growth in non-life business remains stable around 4%.

  • Market perception [medium, stable]

The market perception remains constant at medium level. The quantities assessed are relative stock market performances (insurance stock underperformed the Stoxx 600 both in life and non-life segments, this is particularly notable for the life sector), price to earnings ratio (declined from the previous assessment: median 11.3%, -1.1%), CDS spreads (median value stable 64.3bps) and external rating outlooks (unchanged from the last quarter).

Nov 092019
 

KIID per UCITS  vs KID per prodotti retail. Breve rassegna e comparazione

L’informativa per il pubblico per i fondi comuni a livello comuniario è regolata dalla normativa UCITS, cioè dalla  Direttiva 2009/65/CE (UCITS IV), e da ulteriori normative attuative. La normativa è entrata in vigore al livello di ordinamento nazionale in data 1.1.2013.

Tali normative stabiliscono la consegna al cliente obbligatoria del KIID (Key information investement document), documento breve standardizzato che riporta le politiche di investimento, profili rischio rendimento, costi del prodotto.

La seconda normativa europea di riferimento per l’informativa sui prodotti finanziari è la Regulation EU 1286/2014 riguardante i PRIIPs (Prepackaged Retail Investment and Insurance based Products). Anche tale disciplina definisce una documentazione sintetica standardizzata (max 3 pagine formato A4) per la clientela, denominata in questo caso KID (key information document).

La normativa detta dei “KID for PRIIPS” è in vigore da 1.1.2018.

L’ambito di applicazione è schematizzato nella seguente tabella


Come si vede, la normativa dei KID/PRIIPs ha nel perimetro anche i fondi comuni, con potenziale sovrapposizione rispetto al KIID UCITS.

In fase di entrata in vigore della stessa, è stata però concessa deroga agli operatori dell’asset management sino al 31.12.2019 per la produzione dei KID, deroga poi estesa sino al 31.12.2021, causa forte dibattito critico espresso dalla comunità finanziaria in ordine alla applicazione della normativa KID anche ai fondi.

Prima di illustrare tale dibattito e le critiche principali, analizziamo le principali differenze dei KIID UCITS vs KID PRIIPS. Ci limitiamo qui alla parte su profilo di rischio e rendimento, non trattiamo dei costi per motivi di spazio.

Vediamo dunque le differenze (e analogie):

  • Rappresentazione del rischio. Entrambi i documenti rappresentano il rischio mediante un SRI (syntethic/summary risk indicator) su scala 1…7, dove 1 rappresenta il livello minino, 7 quello massimo. A tale classe di rischio si giunge ovviamente dopo avere mappato misure continue in classi discrete in base a certi range. Da notare che per i fondi la normativa si esprime su Risk & Reward indicator, come ad assumere quindi che a rischi maggiori corrispondano sempre rendimenti maggiori, ma di fatto è un indicatore di solo rischio
  • Tipi di rischio coperti. Il KIID dei fondi comuni cattura il rischio di mercato in senso stretto, in quanto la misura sintetica è basata sulla volatilità della quota (NAV) del fondo. Per i KID invece l’indicatore finale è la combinazione di due processi, uno legato al rischio di mercato del prodotto, l’altro al rischio di credito/emittente, che poi vengano aggregati tra loro. Infatti, nei disclaimer dei KIID dei fondi sui rischi non coperti dall’indicatore, pressoché tutti la case prodotto citano il rischio di credito
  • Metodologia per il rischio di mercato. Entrambe i prospetti sono basati su concetti di VaR e volatilità su scala annua. Per i fondi si esegue un calcolo di volatilità classico, ottenuta come deviazione standard dei rendimenti giornalieri. Per i PRIIPS il calcolo è molto più complesso: i prodotti sono classificati in categorie in relazione al tipo di payoff. Per tutte le categorie si parte da un calcolo di VaR che poi viene convertito in una misura di volatilità. Per i prodotti con payoff lineare si usa un approccio analitico detto di Cornish-Fisher, per la stima del percentile (VaR), mentre per i prodotti non lineari (caso più importante i certificates esotici), è richiesto un approccio simulativo mediante ricampionamento dei rendimenti storici. Si veda per  maggiori dettagli [3]
  • Rappresentazione rendimenti. Per il KIID dei fondi vengono mostrate in forma di istogramma le performance passate annue del prodotto, con quelle del benchmark se disponibile, su 10 anni. Per i PRIIPs sono invece visualizzati i rendimenti prospettici su più scenari: favorevole, mediano, sfavorevole, sotto stress. I primi corrispondono ai percentili (90%, 50%, 10%) dei possibili rendimenti. Lo scenario di stress è ottenuto a partire da una stima “estrema” della volatilità, ottenuta su più possibili subfinestre, infine dalla applicazione di un opportuno percentile.

Sull’ultimo punto di sotto nelle figure il confronto secondo le due normative di due prodotti con mercato di riferimento simile, cioè un fondo azionario europeo e un certificate collegato all’indice Eurostoxx50 con leva long di circa 3.5 (al momento del presente articolo).

2  Critiche all’attuale KID dell’industria dell’Asset Management

L’industria dell’asset management europea, mediante la propria associazione di categoria EFAMA, ha espresso varie critiche rispetto alla applicazione as-is della normativa sui KID anche ai fondi comuni. Tali critiche sono state espresse nel corso del 2018 e sintetizzate in un position paper.

Tra l’altro, va anche detto che se non intervengono modifiche normative, i clienti si vedrebbero consegnare sia il KID sia il “vecchio” KIID.

Le principali critiche, oltre la disclosure sui costi, riguardano la eliminazione delle performace passate in favore degli scenari ipotetici futuri.

 La posizione di EFAMA in [4]. Qui di sotto riportiamo la press relase che bene evidenzia lo scetticismo.

3 Il recente paper di consultazione delle authorities europee. Innovazioni sul KID per i fondi

Le authorities di supervisione di intermediari e mercati ESA (ESMA, EBA, EIOPA) hanno pubblicato nell’ottobre 2019 un paper di consultazione che cerca di tenere conto sia delle perplessità espresse dalle associazioni di categoria in una precedente consultazione e anche di test condotti presso i consumatori. Si veda [5].

Tralasciando come detto la questione dei costi, ci soffermiamo  qui sulle significative proposte riguardanti la illustrazione al cliente delle performance.

E’ necessario un piccolo passo indietro. Oltre al fatto di non visualizzare le performance passate, giudicate più semplici in quanto “deterministiche” e quindi di facile comprensione, l’altro aspetto molto criticato della metodologia sulle performance è di essere prociclica.

Basandosi gli scenari di performance sulle serie storiche (in genere se disponibili 5 anni di dati), se ne ricava che le distribuzioni di probabilità stimate sui rendimenti, oltre alla incertezza (volatilità), ricavano dai dati anche il trend passato che diventa, sul futuro, una sorta di rendimento atteso.

Perché dunque prociclico? Se i nuovi prodotti, specie azionari, nascono in una fase di mercati positivi, la metodologia incorpora i trend osservati e quindi porta ad alcuni paradossi, come il fatto ad esempio, che anche lo scenario sfavorevole (10% peggior percentile) possa mostrare performance positive o solo debolmente negative. Fatto amplificato dall’eventuale uso di serie storiche su 2 anni, consentito dalla regulation. Lo stesso vale ovviamente per fasi di mercato negativo.

A fronte di questa critica motivata, le ESA propongono di eliminare i trend storici in favore di un concetto più solido e stabile di rendimento atteso, in qualche modo guidato da una combinazione di dividendo e di free risk.

Più in particolare viene proposto quanto segue:

  • il rendimento (atteso) è dato dalla combinazione (somma) di: A) reference rate per currency B) asset specific risk premium.
  • Il reference rate, che agisce come una sorta di pivot, è costruito con la curva ottenibile dai bond governativi del paese, così da catturare anche l’eventuale rischio specifico del paese
  • il risk premium è specifico per asset type, e vengono date le indicazioni che seguono:
    • equity: tasso di dividendo
    • bond: tasso cedola diminuito del reference rate
    • FX: forward rate diminuiti del reference rate
    • Commodity: forward rate diminuiti del reference rate

Si demanda alla consultazione e ai prossimi passi attuativi di definire con maggiore dettaglio quanto sopra.

Più in generale, vengono confermati gli scenari what if guidati da opportuni livelli di confidenza probabilistici (percentili), impianto che pure era stato soggetto a critiche per una sua rimozione.

Riportiamo qui uno dei passaggi chiave di [5] per argomentare questa nuova impostazione.

4 Riflessioni e Conclusioni

Come giudicare quanto proposto? Sarà interessante vedere gli esiti della consultazione, che si chiude in gennaio con pubblicazione degli esiti di sintesi alcuni mesi dopo. Di certo, se pensiamo ai fondi, tale aproccio che “unificherà” il rendimento atteso di prodotti analoghi (fondi azionari europra, fondi oggligazionari euro governativi medio termine, ecc) porterà ad una maggiore stabilità nel tempo delle figure di performance mostrate nel KID e anche una minore variabilità interna nel cluster di riferimento.

Alla fine il nodo critico rimane lo stesso: quanto l’industria del risparmio gestito sta sulla frontiera efficiente? Se pensiamo che la nuvola dei punti (i fondi comuni) sia molto compatta vicino la frontiera, la nuova proposta aggiunge chiarezza oltre che stabilità, se invece il panel dei prodotti a parità dello stesso cluster ha performance storiche molto differenziate, i nuovi scenari probabilistici impoveriti del trend storico potrebbero essere poco premianti per i migliori gestori, creando un generale livellamento tra i competitors, non veritiero su base empirica. Cercheremo di rispondere a questo in un prossimo articolo.

Alla fine il nodo critico rimane lo stesso: quanto l’industria del risparmio gestito sta sulla frontiera efficiente? Se pensiamo che la nuvola dei punti (i fondi comuni) sia molto compatta vicino la frontiera, la nuova proposta aggiunge chiarezza oltre che stabilità, se invece il panel dei prodotti a parità dello stesso cluster ha performance storiche molto differenziate, i nuovi scenari probabilistici impoveriti del trend storico potrebbero essere poco premianti per i migliori gestori, creando un generale livellamento tra i competitors, non veritiero su base empirica. Cercheremo di rispondere a questo in un prossimo articolo.

Riferimenti

[1] European Parliament (2009), “UCITS IV, regulation  2009/65”, Official Journal of the European Union

[2] European Parliament (2014), “Regulation 1286/2014 Key information documents for packaged retail and insurance-based investment products (PRIIPs)”, Official Journal of the European Union.

[3] Autori Vari (2016), “Risk section KID”,  COM Workshop: KID for PRIIPs – 11/07/2016.

[4] EFAMA (2018), “EFAMA’S EVIDENCE ON THE  PRIIP KID’S SHORTCOMINGS “

[5] ESMA, EBA, EIOPA (2019), “Joint Consultation Paper concerning amendments to the PRIIPs KID”

Ott 222019
 

How Digital transformation is transforming CFOs agenda

Digital Transformation in the Financial Services is changing the way how business operates leveraging on new technologies and processes to create—and to sustain—a competitive advantage, byimproving efficiency, empowering new products and services, enabling new business models to overcome the boundaries among industries.

Figure 1. Financial Companies investments in digital transformation are part of their strategic plan goals

Looking at the Finance area, the Digital Transformation is being started to re-think and support the core processes and to introduce new innovative ones, as emerging from the CFOs agenda[1]:

  • Finance success will be related to a combination of humans, robots and algorithms, as stated by over 42% of CFOs, implying the need for new processes definition impacting the way Business is supported in the Decision-Making process;
  • New technologies, such as Artificial Intelligence, will represent a distinctive factor to raise the bar of prediction and accuracyover 60% of Finance Leaders say that using data science and leveraging on power of advanced analytics is a top influence on their strategy for delivering accurate financial reports to support/ anticipate business decisions;
  • The time dedicated to traditional activities in favour of strategic and highly innovative activities is decreasing[2], expecting a shift from standard reporting/ analysis to cognitive/ predictive analysis.

Several constraints for Finance growth are internal (organization structure, siloed behaviors, culture, inefficiency, etc.), as 80% of CFOs are declaring, leading to the identification of new interventions to change their organizational model supported by the new technologies

The focus highlighted by Finance Leaders on actuals and predictions accuracy to proactively support the business Decision-Making process leveraging on Big Data and AI has a specific impact on “Planning & Control” transformation and streamlining journey.

How Planning & Control is going to rethink the support to Decision-Making

Within the CFO area, Planning and Control function is preparing for its own streamlining, boosted by the digital transformation

1.Roles & Operating Model, P&C as a new Business Partner

The application of Automation, Robotics and AI will allow Planning & Control functions to re-interpret and reinforce the “proactive partnering” role, providing Business people (Relationship Managers, Sales, Traders etc…) with “just in time” data, new insights, advanced visualization and storytelling – moving from the “cut and paste” era, spending time to crunch and reconcile figures, to “advanced financial analyses” one, granting continuing osmosis with commercial and business areas.

Figure 2. Finance work expectations in three years – Percent of CFOs selecting a specific level of agreement for each statement; Source: CFO Signals, Q3 2018, CFO Program, Deloitte LLP

“What does this tell me about the business?” and “How can the business close gaps in performance expectations?” will be the future key questions, requiring for a strong business centric service, dedicated new skills and new organizational structures:

  • Business centric operating model will lead to new agile pool of resources with differentiated service levels for the different business stakeholders (e.g. co-location, co-processes and new technological solutions will be key to grant business and P&C people constantly connected)
  • Cross-functional teams leveraging on differentiated but integrated competences will include not only business experts, but also “Finance Data scientist” (statistical and mathematical models skills), “Finance Data engineer” (data preparation and visualization skills) together with story-tellers and cognitive psychologists
    • Contamination between Business traditional specific roles and the “Data Science” will be key to unlock the potential and to enable the creation of value stemming from the (Big) Data and AI
    • This network of teams will not be able to be ready in the near future if a dedicated “re-skilling” program won’t take place supported by the Talent function
Figure 3. Investing in workforce re-skilling – How organizations are planning investments in re-skilling their workforce; Source: Deloitte Global Human Capital Trends survey, 2019
  • New “orga charts” will come up in the next years, where Planning and Control function will continue to be a key role for the CFO, but as some players are already experiencing, “hub & spoke” models will take place to leverage on one hand on a central strong governance, and on the other hand with the possibility to have effective peripheral impact with business departments (e.g. Corporate)

2. Planning & Control cycle revolution

The standard “Planning & Control” cycle, where periodic phases are envisaged with e.g. monthly and quarterly cadence, is less and less consistent with the new digital bank business models, where everything happens quickly and the Decision Making process is always more a “matter of seconds”.

Following this new approach, Planning & control function will no longer “simply” plan the business and control the results, but supported by the new AI/tech solutions will play a more business integrated role . This will be much more inclusive and close to the business, where the cooperation will be granted on a daily/ “on demand” basis and not only during the periodic close.

Figure 4. Artificial intelligence techniques and technologies allow the evolution of reporting from periodic closing to real-time insight

For this reason, an evolution of this standard cycle seems to be not only useful, but also a key survival factor to be able to answer and support business people. This will lead to a paradigm overturning from the pure “Planning and Control” to the future “Foreseeing, Oversight and Advice”:

  • Foreseeing, to predict future market trends and create competitive advantage through, for example, advanced analytics and machine learning solutions applied to apparently unrelated features;
  • Oversight, to achieve streamlined and automated supervision on performance management controlling through the adoption of AI techniques with a wider scope and a data science driven view (e.g. machine learning on selected features, performance monitoring on algorithms output);
  • Advice, to closely and actively support the top management and commercial network in decision making through artificial intelligence methodologies which provide augmented awareness of data through deeper insights and hidden patterns, amplifying human capabilities. As a result, humans are able to enrich these insights with their unpaired feel and understanding of the business.

These three elements are structurally interrelated and imply a new processes and operating framework definition: leaving behind operative tasks which will be replaced by robots and algorithms, people will do more human work including exception based and insight driven activities.

In addition to internal pros, real-time and self-service access to data has another positive outcome on the capability to provide fast response to the increasing demand of information from external stakeholders (e.g. regulators, investors), leading to a progressive convergence between internal and external needs.

3. Data, models and functions: the ingredients of Innovation

The automation and AI represents for the Finance Area, and specifically for Planning & Control, a key transformation opportunity which will affect all the core traditional processes, granting more efficiency, but also the innovative ones to bring new insights, real time suggestions, etc.

The automation and AI represents for the Finance Area, and specifically for Planning & Control, a key transformation opportunity which will affect all the core traditional processes, granting more efficiency, but also the innovative ones to bring new insights, real time suggestions, etc.

Data feeding, elaboration and reporting are going to be revised to benefit from the new technologies:

  • Data feeding volume, variety and velocity will be supported by new architectures, mixing both traditional relational models with big data one, including new and unstructured data which can be more easily integrated and used to support business analysis (e.g. relationship manager, network default contagion for risk evaluations, etc.)
  • Data elaboration and models will be strongly improved both in terms of:
    • “process timing” which allows to increase the efficiency and reduce the effort of human interventions (e.g. cognitive solution to automatically perform data forecasting on past figures)
    • “data enhancement/ augmentation”, which allows to generate new figures and insight, leveraging on advanced data science algorithms (e.g. predictive forecasting solution, aimed at predicting the financial future of Business thanks to algorithm able to “learn” from previous cycles,  passing from “pure planning” to “foreseeing and oversight”) –  Artificial Intelligence is a relevant mean to reduce cognitive bias coming from human behavior[3], therefore these solutions will transform the capability supporting the “decision making process”.
  • Data reporting will no longer be prepared/ integrated manually via human activities. However, it won’t just be a matter of full automation only to increase the efficiency, but it will be revised to offer a new user experience boosting the process. For example, the application of Deep Learning-NLP solutions will enhance reporting experience, leveraging on linguistic rules to both navigate data and reports and for “instant commenting” via language rules which mimic business speech. This will be a significant contribution to pass form pure profitability results monitoring to a proactive advice, where business support is boosted with less risk of cognitive bias.

An applied case of transformation leveraging on AIAn applied case of transformation leveraging on AI

The banking ecosystem is actively responding to the transformation strengths with dedicated strategies to evolve. Many distinctive characteristics of such evolution can be observed on one of the largest European banking groups where AI and its applications are one of the main pillar of the multi-year industrial plan. In this case the Group is moving on two drivers adopting a two-speed roadmap:

  1. On one side, it is rapidly implementing AI best practices in the Finance area where main applications are seen in performance management processes. Predictive models and cognitive solutions have created discontinuity on the traditional way of thinking and working. For example, in forecasting processes, predictive intelligence algorithms have been adopted to enhance profitability engines, which now provide:
    • Increased accuracy of profitability estimate through regression trees and ARIMA model for time series forecasting
    • Reduced number of manual corrections made by the controllers and optimized processes.
    • Single-client profitability to drive capital allocation adjustments through classification trees and K-means algorithm for client clustering
  2. On the other side, the Group is deeply committed on a long term transformation path of its workforce and organization; the Group has put in place relevant investments to re-skill its workforce through highly specialized training programs (e.g. for the Finance Data Scientist). As a direct consequence, the Group is also re-designing its organization to have AI coverage on as many areas as possible, thus making it a strategic asset to support transformation.

Along with these new challenges, the Group has also set up a strategy to fill the gap in areas of improvement which represent a key success factor for the “AI value chain” to work correctly:

  • Upstream, data need to meet high quality standards to allow AI to generate significant insights; source redundancy has to make room for single point of truth; as of today, P&C and, in general, Finance IT systems are still affected by some silos causing partial synergies with other areas, Risk for instance
  • Downstream, processes and analysis are still partially biased by a mindset oriented to traditional P&C cycles. Reporting processes are still tied to periodicity and clearance/ reconciliation purposes reducing the possibility of being an enabling factor to achieve ongoing strategic decision making support and business partnership.

Despite the Group has moved its beginning steps into this transformation journey, the Finance area has started acknowledging the added value that first AI applications are delivering.

What’s next

Finance leaders are going to investigate and consolidate the answers to the strategic questions to effectively manage the Digital Transformation, increasing the awareness on how AI solutions, which are growing exponentially, can support the Decision-Making

While operational finance will be potentially leaner in the near future thanks to automation and robotics solution, the expectations for support from Business Finance to the Decision-Making (Business partnering, reporting, budgeting, forecasting, ….) will continue to grow.

The timing and the characteristics of this grow will depend on both the internal maturity/ awareness of the Finance area and new technologies reliability which will lead to different paths of evolution, from cherry-picked process redesign to advanced finance models evolution, wide people re-skilling and technology scale-up to effectively be business partners achieving synergies among the organization’s functions.

Autori:

Luigi Mastrangelo – Partner, DCM Finance & Performance Offering Leader

Davide Grassi – Director, Deloitte Consulting

Rosario Laface – Senior Manager, Deloitte Consulting

Michele Angarano – Manager, Deloitte Consulting

Alice Cortese – Consultant, Deloitte Consulting


[1] CFO Forums, CFO Transition LabTM, Deloitte Dbrief webcast

Deloitte Survey – Gfk Eurisko, Harvard Business Review

Deloitte survey 2019 – CFO Program’s – Transition Lab

[2] Deloitte – Crunch Time. CFO talks

[3] D. Kanheman, Thinking, Fast and Slow, Farrar, Straus and Giroux, 2011

Ott 182019
 

Il quadro legislativo europeo in tema di vigilanza prudenziale degli istituti di credito, definito dal regolamento (UE) 575/2013 del Parlamento europeo e del Consiglio (CRR) e dalla direttiva 2013/36/UE del Parlamento europeo e del Consiglio (CRD IV), prevedono per i singoli paesi membri di esercitare diverse opzioni e discrezioni.

L’EBA ha censito ben 70 possibili opzioni e discrezioni che possono essere attuate su base nazionale, di cui 51 ammesse dalla CRR[1] e 19 dalla CRD IV[2] .

Il Centro Europa Ricerche (CER) ha svolto un’analisi sulle National Discretion sui requisiti di capitale nel suo Rapporto Banche 1/2019.

Nel grafico 1 è rappresentato il numero di national discretion per singolo paese.

Grafico 1. Numero di national discretion per paese
Fonte: elaborazioni CER su dati EBA.

Quelli con il numero più elevato di regole discrezionali sono Irlanda (46), Lussemburgo (35), Francia e Svezia (33), Regno Unito (32) e Portogallo (31). Valori intermedi (compresi tra 24 e 28) per Italia, Spagna, Austria, Olanda, Germania, Belgio e Grecia, mentre gli Stati con il numero più basso di national discretion sono Danimarca e Finlandia, rispettivamente 17 e 14.

Grafico 2. Numero di national discretion utilizzate
(classificazione per tipologia di national discretion)

Fonte: elaborazioni CER su dati EBA.

Il grafico 2.2 rappresenta il numero di national discretion utilizzate classificate in base alla tipologia. Le più adoperate sono quelle su grandi esposizioni e sui fondi propri (12), seguono liquidità, rischio di credito, e capital buffer e floor (6), livello di applicazione dei requisiti (5). Valori più bassi per i requisiti per l’accesso all’attività bancaria e governance (4), norme sulle SICAV/SIM/SGR, poteri delle autorità degli Stati membri ospitanti, e partecipazioni qualificate (3), definizione di calcolo dei requisiti (2), infine rischio di mercato, di controparte e SREP (1).

Aggregando i paesi per gruppi omogenei, si riscontra che i paesi GIPS (Grecia, Irlanda, Portogallo e Spagna) utilizzano in media 32 national discretion (grafico 2.3). In termini di composizione il peso maggiore è attribuito alle grandi esposizioni (8) e i fondi propri (7). I paesi CORE (Austria, Belgio, Finlandia, Francia, Germania, Lussemburgo e Olanda) ne presentano in media 26, composte maggiormente da grandi esposizioni e fondi propri (5). I principali paesi non aderanti all’Area euro (Regno Unito, Svezia e Danimarca) ne presentano in media 27. Per quest’ultimi vi è una maggiore concentrazioni sui fondi propri (6) per le grandi esposizioni (4).

La media delle regole discrezionali calcolata su tutta l’Unione Europea è di 28.

In Italia le regole discrezionali utilizzate sono 28, composte maggiormente da grandi esposizioni (6), capital buffer floor e fondi propri (4).

Grafico 3. National discretion per tipologia e gruppi di paesi
Fonte: elaborazioni CER su dati EBA.

Guardando alla composizione delle national discretion per tipologia, possiamo capire dove le autorità nazionali di vigilanza concentrano maggiormente il loro interesse. I paesi GIPS si focalizzano maggiormente sulle grandi esposizioni (32% del totale delle national discretion) seguono i fondi propri (27%) e altre regole discrezionali (24%; grafico 2.4).  Basse invece le percentuali sul rischio di credito (3%).

I paesi extra Area euro, hanno una percentuale più elevata di regole discrezionali sui fondi propri (19%), grandi esposizioni (13%) e altre regole (12%). I paesi CORE si focalizzano maggiormente su grandi esposizioni (33%) e fondi propri (32%).  Considerando tutta l’Unione, si nota una maggiore attenzione sulle grandi esposizioni, e sui fondi propri e altro.

Grafico 4. Composizione delle national discretion per tipologia
Fonte: elaborazioni CER su dati EBA.

Guardando ad una diversa composizione dei gruppi di paesi, possiamo osservare una diversa distribuzione delle national discretion (grafico 5).

Il gruppo composto da Irlanda, Lussemburgo e Regno Unito, ovvero i paesi europei con le piazze finanziarie più sviluppate e a maggior attrazione di investimenti finanziari dall’estero, presentano in media 38 regole discrezionali. Di rilievo la presenza di eccezioni su fondi propri (9), e grandi esposizioni (5).

Per i restanti paesi UE le eccezioni sulle grandi esposizioni sono 6, quelle sui fondi propri 5.

Grafico.5 National discretion per tipologia e gruppi di paesi
Fonte: elaborazioni CER su dati EBA.

Osservando le principali economie dell’Area euro, si nota che da parte di Germania, Spagna e Italia c’è una forte attenzione sulle grandi esposizioni, cosa che invece non si verifica per la Francia (grafico 6). Le autorità di quest’ultima sembrano concentrarsi maggiormente sulle regole per il capital buffer, floor e fondi propri.

La Francia oltre alle grandi esposizioni, ha un quadro normativo che permette eccezioni più ampie, rispetto a Germania e Italia, sui fondi propri.

Sulla restante parte di regole, sembra ci sia una distribuzione omogenea tra paesi, ad eccezione delle regole su definizioni, metodi di calcolo e modalità di diffusione dei requisiti di segnalazione in cui nessuna delle quattro principali economie dell’Area euro sembra focalizzarsi.

Rielaborando le informazioni fin qui descritte è possibile individuare tre cluster di paesi nell’ambito dell’Area euro analizzando, da un lato, la distribuzione del numero di national discretion utilizzate e, dall’altro, un indice di concentrazione delle tipologie di discrezione a cui si fatto ricorso (grafico 7). Più che il numero assoluto di discrezionalità normative utilizzate, un vantaggio asimmetrico per alcuni sistemi bancari potrebbe nascere dal fatto che il legislatore domestico ha focalizzato la sua attenzione su alcuni specifici dossier con l’intento di proteggere e favorire determinate realtà domestiche.           

Grafico 6. Principali paesi europei: numero di national discretion
(classificazione per tipologia di national discretion)

Fonte: elaborazioni CER su dati EBA.

Al riguardo si nota che l’insieme A presenta paesi che fanno un utilizzo ridotto di national discretion ma ben focalizzato su specifici ambiti di intervento. Questo gruppo è composto da Finlandia, Grecia, Olanda, Germania, Austria e Spagna. L’insieme B invece racchiude paesi con fanno un alto ricorso a regole discrezionali, ma queste sono parzialmente suddivise su più campi di intervento. Questo gruppo include Portogallo, Francia, Lussemburgo e Irlanda.

Infine, l’ultimo insieme, quello C, abbraccia paesi che fanno un utilizzo di national discretion in media con l’intera Unione Europea. Queste norme discrezionali sono però ampiamente diversificate in più ambiti di intervento. Fanno parte del gruppo C Belgio e Italia.

Grafico 7. Distribuzione delle national discretion nei paesi dell’Area euro in base al numero e all’indice di concentrazione

Note: l’indice di concentrazione è dato dall’Herfindahl-Hirschman Index, ovvero dalla sommatoria del quadrato dell’incidenza percentuale di 16 macrocategorie di national discretion possibili. L’indice ha la massima concentrazione quando assume un valore pari 1, minima con un livello pari a 0.
Gruppo A: paesi con ridotte national discretion, ma molte concentrate su specifici capitoli di intervento. Include Finlandia, Grecia, Olanda, Germania, Austria e Spagna.
Gruppo B: paesi con molte national discretion, ma parzialmente suddivise su più capitoli di intervento. Include Portogallo, Francia, Lussemburgo e Irlanda.
Gruppo C: paesi con ridotte national discretion suddivise su più capitoli di intervento. Include Belgio e Italia.
Fonte: elaborazioni CER su dati EBA.

[1] Nello specifico sono previste opzioni e discrezioni per i seguenti articoli: 4(2), 6(4), 18(5), 18(6), 89(3), 95(2), 99(3), 124(2), 129(1), 164(5) , 178(1)(b), 284(4), 327(2) , 395(1), 400(2)(a) e 493(3)(a), 400(2)(b) e 493(3)(b), 400(2)(c) e 493(3)(c), 400(2)(d) e 493(3)(d), 400(2)(e) e 493(3)(e), 400(2)(f) e 493(3)(f), 400(2)(g) e 493(3)(g), 400(2)(h) e 493(3)(h), 400(2)(i) e 493(3)(i), 400(2)(j) e 493(3)(j), 400(2)(k) e 493(3)(k), 412(5), 413(3), 415(3), 420(2), 422(4), 465(2), 467(2), 467(3), 468(2) , 468(3) , 471(1), 473(1), 478(3), 479(4), 480(3), 481(3), 486(6), 495(1), 496(1), 499(3), 500(5).

[2] Nello specifico sono previste opzioni e discrezioni per i seguenti articoli: 9(2), 12(3), 12(4), 21(1), 29(3), 32(1), 40, 94(1)(g)(i), 94(1)(g)(ii), 94(1)(g)(iii), 94(1)(l), 103, 129(2), 130(2), 133(18), 134(1), 152  (primo paragrafo), 152  (secondo paragrafo), 160(6).

Ott 112019
 

Climate Change has been one of the most debated topics over the last few months.

Having liked it or not, one cannot have staid indifferent to the speech held by Greta Thunberg last 23 September at the 2019 UN Climate Action Summit, where the climate activist said: “we are at the beginning of a mass extinction. And all you can talk about is money and fairy tales of eternal economic growth”. Besides the scientific consensus on her side, it is easy to agree with her ideals and her passion.

Back in 2012, in a more prosaic way, Christiana Figueres, the former executive secretary of the UN Framework Convention on Climate Change said: “climate change increasingly poses one of the biggest long-term threats to the investments and the wealth of the global economy”.

Pensions, life insurances and nest eggs of billions of ordinary people depend on the long-term security and stability of institutional investment funds. This article provides an insights on how the climate change has been considered so far in the insurance industry and in the SII framework.

Last August 2018, the European Commission requested EIOPA to provide an opinion on sustainability within Solvency II, with a particular focus on aspects relating to climate change mitigation, due by 30 September 2019. To make it short, EIOPA thinks that undertakings should asses their exposure to sustainability risk, but acknowledges that the medium to long term impacts of climate change cannot fully be captured in the SII capital requirements of Pillar I, that are designed to reflect the risk over a 1 year time horizon. Complementary tools like scenario analysis and stress testing may be more appropriate and included in the ORSA evaluation (Pillar II). Regarding Pillar II, in the near future further considerations should be given to mandatory requirements for public disclosure on sustainability risk on both sides of the BS.

Beyond the outcome of this opinion, deeply discussed in the following, it is important to recall that EIOPA is committed to the international and European agenda on sustainability. In fact, the Authority is:

  • engaged in the preparation on a sensitivity analysis exercise to assess the risk embedded in undertakings’ portfolios for the transition to a low-carbon economy to take place in 2020
  • dedicating analysis for climate related risks in its financial stability report and enhancing its supervisory stress testing methodology
  • coordinating a catastrophe risk expert network to provide evidences on the calibration of the standard formula parameters, the risk management practices and private sector initiatives in addressing gaps in coverage of natural catastrophe risks
  • involved in the Commission’s work on developing a unified classification system for sustainable economic activities (taxonomy)
  • a member of the Network for Greening the Financial System.

To draft the opinion requested by the European Commission, EIOPA collected evidences via a public call for evidence and a confidential request for information conducted between January and March 2019 (at European level, solo and group participants represent approximatively 20% and 38% of the total assets), plus a public consultation on a draft opinion conducted between the 3rd and the 26th of July 2019 (answered by 26 stakeholders). The outcome of the opinion covers multiple goals, among which:

  • understanding the extent to which sustainability and climate risk are captured in the evaluation of Assets and Liabilities and understanding the extent to which the Standard Formula calibrations and the Internal Models designs are capable of taking into account sustainability factors and climate related developments;
  • understanding the extent to which sustainability and climate risk are considered in the products designing and whether or not they are incentivised by SII;
  • collecting good practices on how to incorporate sustainability in the investment and ALM phases.

Before deep diving into the opinion, it is important to clarify what climate change related risks are and how they can be classified.

          Climate change related risks obviously encompass extreme weather events, including natural catastrophes, but also more general climate trends, such the rise in temperatures, the rise of the sea’s level or climate-related forced migration that could affect the insurance activity.

          EIOPA classifies the climate change related risks into three categories, proposed by the Bank of England

  1. physical risk: related to specific weather events and longer term shifts in the climate. It is expected to mostly impact real estate portfolios and, indirectly, sovereign bond exposures (affecting the tourism), global supply and availability of resources;
  2. transition risk: arising from the process of adjustment towards a low carbon economy, due to developments in policy and regulations, emerging of disruptive technology or business models or shifting of sentiment and societal preferences. EIOPA is currently investigating to identify and quantify potential climate transition vulnerabilities in the asset portfolios of European insurers by tracing the extent to which they are accumulating of reducing the risk in their corporate bonds and equity portfolios;
  3. liability risk: coming from people or businesses seeking compensation for losses they may suffer from 1. or 2.. It is of concern for insurance undertakings providing liability protection (e.g. professional indemnity insurance).

Solvency II, that operates on a risk based framework, is designed to take into account all quantifiable risks and requires insurers to hold sufficient capital against those. The capital requirements are calibrated to correspond to the VaR of the BOF of an insurance subject to a confidence level of 99.50% over a one year period (Article 101 (3) of the SII Directive). Therefore, the current design does not provide any positive or negative incentive with respect to sustainable investments.

          For what concerns the Assets valuation, market prices should reflect all relevant risks, including sustainability considerations. Unfortunately, the market currently seems to be not that efficient because of a limited availability of information on the sustainability profile of the investments: undertakings do not value sustainable investments differently than other investments. Improvement on data quality and collection of reliable information can help the market to correctly price the sustainability risk. Scenario analysis should be applied and mitigation strategies should be put in place. Some measures to reduce sustainability risks can be taken into account in the valuation of property risk as it is plausible that the value of a very energy efficient real estate is less sensitive to energy price movements compared to other real estates.  Equity prices are on the opposite influenced by a broad variety of factors and, looking backward, it cannot even be assumed that an asset currently considered to be green has always been green in the past (examples of such transformations can be found in the energy sectors). The spread risk module is mostly relevant for bonds and, therefore, it also has a relevance for sustainable assets, especially in the area od project bonds aiming at sustainable projects, like green bonds.

          Regarding the Liability evaluations, the majority (over 75%) of the undertakings interviewed do not take into account climate or sustainability risks in their best estimate calculations. Non-life (CAT) insurers implicitly consider climate risks, but only based on historical data; the current calibration of the Standard Formula parameters for the natural catastrophe risk module does not explicitly include climate change risks. EIOPA suggests the need of capturing those risks in a forward looking manner in the ORSA. Life business insurances do not integrate the risks at all, even if climate change can have an impact on the best estimate calculation though its effect on economic scenario generators, health and mortality and morbidity rates. As it is not straightforward for undertakings to account for sustainability and climate change related developments in the Liabilities evaluations, they should perform sensitivities and scenario analysis, using historical data combined with scientific literature and forward looking models.

For what concerns the underwriting policies and pricing decisions, the majority of the firms interviewed declared that they not take explicit account of climate or sustainability risk in their underwriting policies and pricing decisions. More than 80% of the Life Business responded that climate risk is not applicable to them. Underwriting by itself cannot mitigate a risk, it can only price a risk and, although higher prices can shift the business to sustainable models, there are obvious commercial and societal limits to repricing. EIOPA suggests to require undertakings to consider the impact of their underwriting on sustainability factors and adjust the pricing of products to reduce the risk and to have a positive impact on the Environmental, Social and Governance issues.

For what concerns the investment practices, EIOPA considers it is relevant to require undertakings to take into account the impact of their investment activity on sustainability factors. 70% of the participants declared that they have already implemented practices to include sustainability in their investment management / they are planning to do so in the next three years. Nevertheless, undertakings noted that sustainable investments are not less risky per se. The four major obstacles they have highlighted in investing in sustainable investments are: 1) lack of data and information on performance, 2) lack of commonly agreed taxonomy, 3) poor offer and 4) impossibility to monitor climate change risks. The interviewed undertakings have also pointed out the need for SII to remain risk based and avoid imposing investment incentives. The main benefit of identifying green or brown assets, if based on a European definition (taxonomy) of sustainable activities, would be that investors will be better positioned to assess their asset allocation against climate change objectives: such classification may support thematic investments, but not general investment purposes. For developed market equities it has been proved (cit. Black Rock Research paper “Sustainable investing: a ‘why not’ moment”) that both risk and returns are surprisingly similar for ESG (Environmental, Social and Governance) and non ESG investments. Furthermore, while developments on a green taxonomy are ongoing, no brown taxonomy has yet been developed at European level and it’s also not straightforward to distinguish green assets (i.e. assets whose underlying activity is considered to be sustainable) from others, as their risk profile has many facets that it’s difficult to break it down into black and white. Together with a lack of clear definition, there is also a lack of database for the analysis of a long term trend in the associated risks.

Set 272019
 

IFRS 9: main innovations introduced

In 2005 the IASB & FASB jointly started a new accounting project in order to reduce the complexities related to the IAS 39 financial asset classification. This study aims at simplifying the financial instruments’ classification, hedge accounting rules and better monitoring financial market  evolutions as well as financial engineering developments.

IFRS 9 is composed by three main pillars:

  1. “Classification and measurement”, which replaces existing categories of financial assets and liabilities with new ones;
  2. “Impairment”, that proposes a new forward looking model, based on expected credit losses instead of already incurred ones;
  3. “Hedge accounting”, focused on hedging test simplification and on the extension of eligible hedging instruments’ perimeter.

A new loan market view

IAS 39 provided a single classification category for loans with credit exposures (“loans and receivables”) with an amortized cost measurement while the new financial instruments standard allows two possible measurements for financial assets (amortized cost and fair value – “FV” -, based on the entity’s business model and characteristics of the instrument), removing the IAS 39 loan portfolio constraint.

The IFRS 13 defines fair value as “the price that would be received to sell an asset or paid to transfer a liability in an orderly transaction between market participants at the measurement date”.

Therefore, the introduction of IFRS 9 allows banks to assign a FV measurement to credit exposures implying a market driven method where the value is related to market conditions (buy/sell trades) and not to an amortizing schedule.

These changes regarding the measurement and the classification of credit portfolios are part of a deeper supervisory review on the treatment of loans within the regulatory framework:

  • Bank of Italy 2006/263 Circular excluded credit exposures from the regulatory trading book,
  • EU 2013/575 Regulation (“Capital Requirements Regulation”, CRR) firstly opened to this new classification by not strictly bind credit exposures from the perimeter of the trading book,
  • In 2017 the introduction of the ECB “Guidance on Leveraged Transactions” explicitly stated the opportunity to include loans in trading portfolios.  

Therefore, accounting and regulatory evolutions confirm a new market trend for loans, considered more as “hybrid market-credit instruments” than fixed assets to be maintained on balance sheet till maturity.

Implications for banks

Credit supply represents a fundamental part of the traditional banking activity, generating money to lend from public savings collection. Credit exposures have always been treated as fixed assets in banks’ balance sheets. The borrower’s financial stability and solvency were hence one of a bank’s major concern, which introduced monitoring systems in order to prevent missed repayments.

In the last few years, monetary policies focused on liquidity injections carried out by central banks have resulted in a strong reduction of the lending interest rates. This has been leading commercial banks to struggle to reach their profitability targets.

The current economic situation, as well as the described regulatory developments, has boosted financial institutions to look for new business opportunities to increase incomes and reduce costs even in loan management. Innovation has led to:

  • buy and sell loans in order to get capital gains introducing an high frequency loan trading activity (sustained by quick risk and issue valuations to catch market momentum),
  • dispose part of the loan portfolio reducing the regulatory capital consumption,
  • participate to ABS, CDO, CLO’s secondary market through the securitization process.

Besides this new credit portfolio management, there is also the possibility to get higher returns from advisory, arrangement and structuring activities by receiving upfront and ongoing fees.

A clear indicator of this continuous change is represented by the huge rise of the Over The Counter leveraged loan market, where loans, disbursed to high leveraged firms, are traded like bonds.

Following this new market driven view for credit instruments and the related market opportunities, banks face an important challenge: adapt their processes, functions and systems in order to produce analyses and valuations granting the correct “time to market”.

The internal processes must be radically reviewed in order to be agile since the client’s due diligence and information technology systems need to become dynamic enough to provide on demand data required for qualitative and quantitative assessments. Easily accessible databases and quick information flows are necessary also to allow Risk Management functions to assess risks over the time.

Risk management, in fact, assumes a fundamental importance due to the establishment of these new practices; risk-sensitive analyses on instruments must be adequately set up considering new extended risk frameworks, no longer exclusively represented by default risk but also by market dynamics. Loans are not considered fixed assets in balance sheets anymore but they are exchanged in the primary and secondary market as more “liquid” instruments.

Namely, some strict market risk metrics such as Value at Risk can be put in place also for loans in accordance to their new hybrid nature and intent.

This roll-out of metrics is not simple: new and dedicated methodologies have to be defined according to some specific credit characteristics of the instrument; in fact loans are typically tailor-made, not standardized and less liquid than other traded assets making it necessary to customize Value at Risk calculation in relation to the credit exposure.

Main methodological aspects to be considered are:

  • approach (in consideration of time-step and length of historical series),
  • confidence level,
  • time horizon (relating to instruments liquidity/market maturity to sustain daily calculation),
  • yield to be used (gross or net of funding and/or cost of capital)
  • spread curve to discount future cash flows (potential use of: single name curves, comparable single name curves, credit spread re-engineered from quoted obligations, use of CDS index or rating/sector comparable curves).  

Implications for regulators

While on one side the described dynamic context creates new banking business opportunities, on the other side regulators have to put increasing attention on banks’ loan management incoming practices.

In recent years, supervisory authorities have been concerned about the growth of high risk markets such as leveraged loan one. The financial system and real economy were until recently considered mature enough for a normalization of monetary policies but, nowadays, due to several geo-political issues, uncertainty is rising once again.

Because of continuous bank businesses evolutions, regulators have to carefully supervise any new activity put in place and its impact on the overall financial system. Financial sustainability has to be continuously monitored to avoid the dramatic consequences occurred in 2008. Even if after the financial crisis regulation constraints have increased, banking activity constantly evolves, forcing the supervisors to promote effective risk mitigation techniques at the right time.

Joint working groups of analysis between banks and regulators may set a positive framework in order to converge a sustainable business, share their different points of view and assess together adequately risks and opportunities.

Conclusion

European banks have only started approaching this business. A more dynamic balance sheet, an increasing focus on brokerage margin, a relevant reduction of regulatory capital requirements are just some of the benefits of these new practices. Business has the chance to turn the regulatory evolutions and market trends into new significant opportunities to increase the profitability and better manage its portfolio. Furthermore, this new loan management allows firms to access more easily to the credit supply and consequently to invest in their ideas and development.

Within this new loan market, earning opportunities are as relevant as their inherent risks, especially if related to high leveraged loans. Spreads of leveraged credit exposures allow institution to get high profits but also expose them to systemic risks considering intrinsic interrelation of these instruments among banks.

For this reason, a constant communication between Front Office functions and Risk Management should be the base to accurately and prudentially participate to these new business model activities.

Even though Risk Management structures are essential in defining and monitoring risk appetite frameworks and limits to this kind of exposure, it is as well really important that market participants will be able to self-regulate their actions avoiding to take excessively speculative positions. Given the market driven nature of these credit instruments, default risk may become a dangerous source of systemic risk to be burdened by a broader range of entities.

Regulators need to anticipate or, at least, strictly go hand in hand with the banking business developments in the eternal conflict between risk and return laying the foundations for a new and more comprehensive risk valuation which can cover at 360° almost all principal risks.

A strong and resilient historical memory should be the common base to inspire both banking and regulatory activities for the future.

Autori:

Paolo Gianturco – Business Operations & FinTech Leader

Silvia Manera – Business Operations Director

Tommaso Sacchi – Business Operations Senior Consulting

Nizar Mohamed Saeed Ahmed – Business Operations Analyst

Si ringrazia per il contributo Massimiliano Semprini – Leader of the Italian IFRS Centre of Excellence

Bibliography

Cimini Riccardo, Il sistema di bilancio degli enti finanziari e creditizi, Cedam Scienze Economiche e Aziendali, Wolters Kluwer Italia, 2016.

International Accounting Standard Board, “IFRS 9 – Financial Instruments”, 2014.

International Accounting Standard Board, “IAS 39 – Recognition and Measurement”, 2003.

International Accounting Standard Board, “IFRS 13 – Fair Value Measurement”, 2013.

Gazzetta Ufficiale dell’Unione Europea, “Regolamento (UE) n. 575/2013 del Parlamento Europeo e del Consiglio del 26 giugno 2013 relativo ai requisiti prudenziali per gli enti creditizi e le imprese di investimento”.

Banca d’Italia, Eurosistema, “Nuove disposizioni di vigilanza prudenziale per le banche”, Circolare n. 263 del 27 dicembre 2006.

European Central Bank, Banking Supervision, “Guidance on Leveraged Transactions”, 2017.

M. Longo, Il Sole 24 Ore, Quali sono i subprime 2.0? Occhi puntati sui leveraged loans made in Usa, 17 Febbraio 2019.

Set 202019
 

Benché le chiacchere su AI e Machine Learning superino di gran lunga la pratica (secondo Gartner[1], solo il 37% delle imprese utilizza l’AI, e ben il 40% delle start-up che si definiscono “di AI” non utilizza affatto l’AI[2]) , nel mondo delle banche e delle assicurazioni è opinione diffusa che grazie a tecnologie data-driven e innovazione digitale si possano offrire prodotti e servizi a costi molto più bassi.

Di questi guadagni d’efficienza ne beneficierebbe la profittabilità di un’industria proverbialmente poco dinamica (per rendersi conto di quanto, basta considerare l’imbarazzante e perdurante diffusione un linguaggio di programmazione paleozoico come il Cobol[3]). Un’industria che vive un periodo di grande compressione dei margini, e che di questi guadagni di produttività ne ha bisogno come il pane, viste le prospettive relative ai tassi d’interesse e ai margini d’intermediazione.

Ovviamente si avrebbero vantaggi anche per i consumatori, in termini di qualità di servizio e “financial inclusion”, nonché guadagni di produttività in altri settori dell’economia limitrofi.

Bello, sì.

Ma quanto è grande il guadagno di produttività legato a innovazione digitale e uso dei dati (i.e., Machine Learning, AI)? Cioè: con modelli operativi concretamente perseguibili in tempi accettabili, di quanto stiamo parlando?

Sulla base di alcune ipotesi che descrivo nel seguito e che trovano riscontro in software esistente, ho provato a fare una mano di conti. Mi sono focalizzato sul settore del wealth management inteso in senso lato: ossia servizi d’investimento, protezione di persone e cose (vale a dire servizi d’assicurazione), finanziamenti. L’odierna offerta di banche e gruppi assicurativi ad ampio spettro, insomma.

Immaginiamo una di queste realtà, con il classico modello di business basato su reti di professionisti – consulenti finanziari, private banker, o agenti assicurativi – e una tecnologia che:

  • individua precisamente bisogni ed obiettivi dei clienti dai dati, tramite Machine Learning (ottemperando tra le altre cose gli obblighi di legge, ossia profilazione e product targeting secondo MIFID e IDD);
  • aiuta a creare il miglior mix personalizzato di prodotti per ciascun cliente, e la conseguente Next Best Action;
  • offre automaticamente contenuti, modulistica e reportistica, anch’essi personalizzati in base alle preferenze e i bisogni dei clienti;
  • segue il life-cycle del cliente, a partire dalla fase d’ingaggio, imparando e adattandosi nel tempo.

Ora chiediamoci: cosa succede se forniamo all’azienda e alla sua rete questa tecnologia?

Per rispondere, con una piccola survey ho innanzitutto raccolto informazioni da alcuni consulenti finanziari sulla loro operatività e la saturazione del loro tempo, sulla quantità e qualità di clienti, su come si preparano ad incontrarli e altre informazioni di processo. Insomma: tempi e metodi. Ho considerato i dati sulla distribuzione della capacità patrimoniale tra i clienti, integrando diverse banche dati.

Essendoci varietà nelle risposte e poche certezze a questo mondo, ne è scaturito un modello probabilistico, calibrato sulle informazioni raccolte e sui dati a disposizione, che descrive il processo di gestione della clientela e le metriche ad esso associate. È un modello profondamente fondato su Agent-based modeling e Teoria delle Code[4], un campo della matematica applicata popolare nell’analisi di reti di telecomunicazioni, ma che si presta anche a rappresentare il servizio di consulenza finanziaria/assicurativa. Simulando il tutto con metodo Monte Carlo e sintetizzando l’informe nube di decine di migliaia di numeri sono emersi alcuni fatti interessanti, che riporto brevemente.

Risparmi di tempo e guadagni di produttività

Se si introduce questa tecnologia su una rete la cui capacità produttiva non è lontana dal punto di saturazione e il software in questione consente un risparmio di tempo significativo, del 35% in media (stima conservativa, basti pensare al tempo occorrente per assemblare una reportistica decente, o studiare il profilo del cliente), il guadagno di produttività, inteso come maggior numero di clienti gestibili è sorprendente: con probabilità superiore al 90%, la capacità di gestire clienti raddoppia. Esatto: radoppia. E qualche volta triplica.

Può stupire che una tecnologia che porta a un risparmio di circa un terzo del tempo porti a più che raddoppiare il numero di clienti gestibili. Ma, al di là del fatto che poche cose viaggiano in linea retta in natura e ancor meno in economia, ciò è tipico di sistemi che presentano inefficienze di processo e “colli di bottiglia”. Ora, il mondo finanziario-assicurativo è un condensato d’inefficienze di processo tanto quanto una stella di neutroni è un condensato di materia, sicché l’applicazione di Machine Learning e customer intelligence vanno a braccetto, portando a risultati sorprendenti.

Nuovi clienti, nuove masse in gestione e nuova raccolta premi

Nuovi clienti da servire equivalgono a nuove masse in gestione o a nuova raccolta premi. Ma, visto che i clienti obbediscono a una legge di Pareto (si veda il grafico seguente, una stima sulla popolazione reale), dove pochissimi hanno molto e molti hanno poco, probabilmente ciò significa andare a parare su clienti con minor potenziale. Infatti consulenti e agenti si concentrano tipicamente sul top 20% del bacino di clienti, sicché si tratterebbe di puntare sul restante 80%.

Concentriamoci per semplicità di calcolo sui prodotti d’investimento, e valutiamo l’incremento annuo di AuM associato ai nuovi clienti, riportato nel grafico seguente: nel 90% dei casi simulati l’incremento di AuM si colloca tra il 20% e il 46%, con una mediana del 33%. Identico incremento è atteso sulle commissioni, se si ipotizza che non cambino aumentando il numero di clienti.

Può andare anche meglio

Questo risultato appena descritto è condizionato dall’ipotesi che i clienti aggiuntivi siano tutti più piccoli degli attuali. Tutti. È un’ipotesi iperconservativa, visto che anche tra i “clienti mignon” si nasconde una quota di clienti ad alto potenziale[1]. Rilassando quest’ipotesi e ammettendo che alcuni nuovi clienti possano essere dimensionalmente importanti, l’incremento di AuM (e di riflesso quello delle commissioni) migliora sensibilmente e nel 95% dei casi – cioè praticamente sempre – è superiore al 40%, con mediana pari a 80%. Grosso modo lo stesso incremento è atteso sulle commissioni, essendo approssimativamente in relazione lineare con gli AuM.

I risultati sono nel complesso paragonabili a stime di tutt’altra natura, ottenute non per via simulativa – ad esempio McKinsey stima che gli advanced analytics portino ad un aumento di ricavi compreso tra il 15% e il 60%[2]. Ciò non toglie che quello qui presentato sia modello semplificato, un’approssimazione d’ordine zero della realtà. Comunque, questa prima, rude stima dell’impatto dell’innovazione digitale e della scienza dei dati nel wealth management dice forte e chiaro una cosa: l’impatto è rilevante, è qualcosa in grado di cambiare la redditività.

È evidente che ci sono altri benefici di drammatica importanza: pensate all’aumento della qualità del servizio al cliente – cosa che lo fidelizzerà e porterà ad una crescita del “life-time value”, con relativo impatto sul valore dell’azienda.

Al di là delle chiacchere e del grande “hype dell’AI”, questa tecnologia esiste. Anche se non basta solo la tecnologia, occorrono anche “soft skills”.

L’abilità infatti consiste nel trovare il giusto modello organizzativo per combinare:

  • tecnologia, raccolta efficiente dei dati e uso dei canali digitali – disponibili sempre, con processi paralleli simultanei e scalabili;
  • esperienza e professionalità del consulente finanziario o dell’agente assicurativo – disponibile solo in certi momenti, impossibile da utilizzare in modo parallelo e poco/niente scalabile, e che potrebbe temere l’innovazione tecnologica, rallentandola.

In altri termini, serve una data strategy[3] che apra la strada all’innovazione. Il beneficio è un portentoso salto in avanti in termini di qualità, produttività e quindi profittabilità per banche ed assicurazioni.


[1] Si veda https://www.linkedin.com/pulse/lo-strano-caso-dei-clienti-mignon-raffaele-zenti/

[2] “Advanced analytics in asset management: Beyond the buzz”, McKinsey & Company, https://www.mckinsey.com/industries/financial-services/our-insights/advanced-analytics-in-asset-management-beyond-the-buzz

[3] “Avete una data strategy?” FinRiskAlert, https://www.finriskalert.it/?p=7088


[1] “Gartner Survey Shows 37 Percent of Organizations Have Implemented AI in Some Form”, Gartner, https://www.gartner.com/en/newsroom/press-releases/2019-01-21-gartner-survey-shows-37-percent-of-organizations-have

[2] “Europe’s AI start-ups often do not use AI, study finds”, Financial Times, https://www.ft.com/content/21b19010-3e9f-11e9-b896-fe36ec32aece

[3] “Wanted at Banks: Young Tech Pros with Old-Tech Smarts”, American Banker, https://www.americanbanker.com/news/wanted-at-banks-young-tech-pros-with-old-tech-smarts

[4] Qui un’introduzione, per chi ne fosse a digiuno: http://wwwhome.math.utwente.nl/~scheinhardtwrw/queueingdictaat.pdf