Lo scostamento dai benchmark come domanda informativa per il giudizio sul cliente
Paolo Volterra 
I benchmark pubblici dicono dove si colloca una impresa rispetto a centri osservati. Una banca vede pero’ anche altro: comportamento di pagamento, utilizzo degli affidamenti, garanzie, covenant, anomalie, storia della relazione.
Quindi l’impresa normale di bilancio non coincide sempre con il cliente normale per una banca.
Questo quarto working paper e’ volutamente diverso dai primi tre. Bankit, Mediobanca e i dati sintetici lavorano soprattutto sui bilanci. La banca lavora anche su dati esperienziali: vede come l’impresa usa il credito, se paga regolarmente, se presenta sconfinamenti, se le garanzie sono coerenti, se la relazione commerciale peggiora prima che il bilancio lo mostri. Queste informazioni non sostituiscono il benchmark contabile; lo completano.
Per questo la domanda cambia. Nei primi episodi si chiedeva: dove si colloca un profilo rispetto alla normalita’ osservata? Qui si chiede: quale scostamento e’ accettabile perche’ spiegabile, e quale scostamento diventa un segnale di rischio quando viene combinato con l’esperienza bancaria?
| profilo | mol_attivo_z | leverage_z | andamentale | garanzie | lettura | |
|---|---|---|---|---|---|---|
| 0 | in linea | 0.1 | 0.2 | 0 | coerenti | cliente vicino ai benchmark |
| 1 | scostamento spiegato | -1.1 | 1.4 | 0 | forti | fuori range ma con spiegazione settoriale o ci... |
| 2 | scostamento rischioso | -2.2 | 2.1 | 1 | deboli | scostamento economico e finanziario combinato |
| 3 | anomalia relazionale | 0.2 | -0.3 | 2 | coerenti | bilancio normale, comportamento bancario anomalo |
Tabella 1: Schema dimostrativo di lettura esperienziale. Non sono dati reali.
La tabella e’ solo uno schema dimostrativo. Serve a chiarire che il giudizio bancario non e’ una proiezione meccanica del bilancio. Un cliente puo’ essere vicino ai benchmark economici e avere comunque segnali andamentali negativi. Al contrario, un cliente puo’ essere fuori range su un ratio ma avere spiegazioni settoriali, garanzie forti e una relazione regolare.
Figura 1: Esempio: scostamento da benchmark economico e finanziario.
Un profilo fuori norma puo’ avere almeno tre significati:
I modelli statistici di default hanno storicamente cercato di comprimere questi segnali in una probabilita’ (Ohlson 1980; Shumway 2001). Qui il benchmark serve prima di tutto a ordinare il giudizio: non decide da solo.
La banca e’ il luogo in cui la distinzione tra media, mediana, norma e soglia diventa operativa. La media osservata aiuta a capire il centro del sistema. La norma osservata aiuta a capire se il cliente e’ dentro un range plausibile. La soglia prudenziale aiuta a decidere quando un segnale deve attivare attenzione. Ma il giudizio nasce dalla combinazione: bilancio, settore, territorio, andamentale, garanzie e qualita’ della relazione.
| Dato | Cosa aggiunge | Rischio se isolato | |
|---|---|---|---|
| 0 | bilancio | posizione rispetto ai benchmark economico-fina... | fotografia ritardata |
| 1 | andamentale | comportamento effettivo nell'uso del credito | segnale rumoroso senza contesto |
| 2 | garanzie | capacita' di assorbire perdita o ristrutturazione | collaterale scambiato per capacita' reddituale |
| 3 | relazione | storia qualitativa e informativa del cliente | giudizio soggettivo non tracciabile |
| 4 | covenant | soglie contrattuali gia' accettate dalle parti | meccanismo rigido se non interpretato |
Tabella 2: Tipi di dati bancari e ruolo nella lettura dello scostamento.
Per rendere operativo il paper servono dati esperienziali almeno in forma anonimizzata o aggregata:
Questo working paper non puo’ essere completato con soli dati pubblici. Fino a quando non esiste una fonte bancaria, tabelle e grafici restano uno schema dimostrativo. La parte empirica dovra’ distinguere chiaramente dati reali, dati anonimizzati e dati sintetici.
Il caveat e’ anche etico e operativo. I dati esperienziali bancari possono essere molto informativi, ma sono sensibili: vanno anonimizzati, aggregati o sintetizzati in modo da non esporre clienti reali. L’analisi dovra’ quindi decidere se usare dati reali anonimizzati, schemi aggregati o casi sintetici costruiti a partire dall’esperienza di credito. Queste tre opzioni non sono equivalenti e vanno dichiarate.