11 rubrbarazzetti-2 94 113 mastro rivista bancaria · of overnight unsecured money market funds on...

RIVISTA BANCARIAMINERVA BANCARIA

Marzo-Giugno 2012Tariffa Regime Libero:-Poste Italiane S.p.a.-Spedizione in abbonamento Postale-70%-DCB Roma 2-3

ww

w.r

ivis

taba

ncar

ia.it

ISTITUTO DI CULTURA BANCARIA «FRANCESCO PARRILLO»


COMITATO SCIENTIFICO (Editorial board)

PRESIDENTE (Editor):

GIORGIO DI GIORGIO, Università LUISS - Guido Carli, Roma

MEMBRI DEL COMITATO (Associate Editors):

COMITATO ACCETTAZIONE SAGGI E CONTRIBUTI:GIORGIO DI GIORGIO (editor in chief) - ALBERTO POZZOLO (co-editor)

MARIO STELLA RICHTER (co-editor) - DOMENICO CURCIO (assistant editor)

ISTITUTO DI CULTURA BANCARIA«FRANCESCO PARRILLO»

PRESIDENTECLAUDIO CHIACCHIERINI

CONSIGLIO

CARLO BELLINI, TANCREDI BIANCHI, MARIO CATALDO, GIAN GIACOMO FAVERIO, ANTONIO FAZIO, GIUSEPPE GUARINO,

ANTONIO MARZANO, PINA MURÈ, FULVIO MILANO, GIOVANNI PARRILLO, CARLO SALVATORI, MARIO SARCINELLI, FRANCO VARETTO

SegretarioLUIGI BELLINI

In copertina: “Un banchiere e sua moglie” di Marinus Van Reymerswaele (1493 c. - 1567) Musée des Beaux Arts - Nantes

ADALBERTO ALBERICI, Università di Milano

PIETRO ALESSANDRINI, Università Politecnica delle Marche

PAOLO ANGELINI, Banca d’Italia

PIERFRANCESCO ASSO, Università di Palermo

CONCETTA BRESCIA MORRA, Università del Sannio

FRANCESCO CANNATA, Banca d’Italia

ALESSANDRO CARRETTA, Università di Roma, Tor Vergata

NICOLA CETORELLI, Federal Reserve Bank of New York

FABIANO COLOMBINI, Università di Pisa

MARIO COMANA, Università LUISS – Guido Carli Roma

RITA D’ECCLESIA, Università di Roma, Sapienza

GIAMPAOLO DELL’ARICCIA, International Monetary Fund

GIANNI DE NICOLÒ, International Monetary Fund

CARMINE DI NOIA, Assonime

LUCA ENRIQUES, Consob

GIOVANNI FERRI, Università di Bari

LUCA FIORITO, Università di Palermo

MICHELE FRATIANNI, Indiana University

EUGENIO GAIOTTI, Banca d’Italia

GUR HUBERMANN, Columbia University

DONATO MASCIANDARO, Università Bocconi, Milano

FABRIZIO MATTESINI, Università di Roma, Tor Vergata

PINA MURÈ, Università di Roma, Sapienza

FABIO PANETTA, Banca d’Italia

ALBERTO FRANCO POZZOLO, Università del Molise

ZENO ROTONDI, Unicredit Group

ANDREA SIRONI, Università Bocconi, Milano

MARIO STELLA RICHTER, Università di Roma, Tor Vergata

MARTI SUBRAHMANYAM, New York University

ALBERTO ZAZZARO, Università Politecnica delle Marche


ANNO LXVIII (NUOVA SERIE) MARZO-GIUGNO 2012 N. 2-3

SOMMARIO

Presidente del Comitato Scientifico: Giorgio Di GiorgioDirettore Responsabile: Giovanni ParrilloComitato di Redazione: Eloisa Campioni, Mario Cataldo, Vincenzo Formisano, Stefano Marzioni, Giovanni Scanagatta, Giuseppe Zitoe.mail: [email protected]: Editrice Minerva Bancaria S.r.l. - Via Silvio Pellico, 12 - 20121 Milano - tel. 02/8052146 - fax 02/867391Spedizione in abbonamento postale - Pubblicazione bimestrale - 70% - RomaISSN: 1594-7556 Econ.Lit

EditorialeG. DI GIORGIO Le “nuove” banche centrali: obiettivi,

strumenti, responsabilità » 3

SaggiL. ARCIERO Evaluating the impact of shock in the supply

of overnight unsecured money market funds on the TARGET2-Banca d’Italia functioning: a simulation approach » 7

ContributiM. CACCAVAIO SMEs and the challenge to go public J. CARMASSIG. DI GIORGIOM. SPALLONE » 31

InterventiM. CALZOLARI Frammentazione dei mercati e marginalizzazione

della piazza finanziaria italiana » 69

RubricheIl sistema delle agevolazioni creditizie per gli artigiani e le PMI gestito da Artigiancassa: analisi e prospettive (G. Ienzi) » 79

Sistemi di rating e processo override: quali implicazioni per le politiche creditizie delle banche (A. Cordani - I. Gianfrancesco) » 82

Differenza nel comportamento a contenzioso di crediti erogaticorrettamente e scorrettamente (A. Barazzetti) » 94

Le frodi creditizie non conoscono crisi (Osservatorio Crif) » 114

Bankpedia: Finanza derivata ed enti locali italiani (C. Oldani); Sostenibilità d’impresa (V. Gentile) » 117

RecensioniP. Savona, Eresie, esorcismi e scelte giuste per uscire dalla crisi. Il caso Italia (L. Paliotta) » 125

F. Colombini - A. Calabrò, Crisi Finanziarie. Banche e Stati. L’insostenibilitàdel rischio di credito (E.M. Cervellati) » 129

C.M. Reinhart - K.S. Rogoff, Questa volta è diverso.Otto secoli di folliafinanziaria (G.N. De Vito) » 133

94

Sintesi

Lo studio ha come oggetto la valutazio-ne del recupero dei crediti in contenzio-so in base a come sono stati originati.Utilizzando un modello di simulazionedell’asta giudiziaria e il metodo Monte-carlo per prevedere il comportamentodei crediti, dimostriamo che se un credi-to è stato erogato correttamente il suorendimento, una volta passato in con-tenzioso, da recupero giudiziale sarà in-feriore a quello di un credito erogatoscorrettamente.

1. IntroduzioneIl passaggio di un credito a sofferenza1 èl’evento traumatico che accade quan-do il debitore non riesce più a far fronte alsuo debito: esso denota non solo unaperdita economica per chi ha erogato ilcredito ma mette in luce anche un erro-re di giudizio al momento dell’erogazio-ne stessa. Certamente l’evento dell’insol-vibilità di un debitore non è sempre pre-

vedibile, anche se si è in possesso ditutte le informazioni necessarie, in quan-to esso rientra nella casistica dei cosidet-ti “cigni neri” (Taleb, N. 2009).Tuttavia, anche il credito in contenziosoo non performing loan, secondo la defi-nizione anglosassone (NPL), può rap-presentare un’opportunità di business: apartire dagli anni ’90 e grazie alla leggesulle cartolarizzazioni2, che ha definito unpreciso quadro normativo, le operazionidi trading di NPL hanno raggiunto deglielevati volumi di scambio (PWC. 2011).Riportiamo di seguito la Tabella 1 chemostra le cessioni avvenute tra il 2005 eil 2010, il nome del venditore e del com-pratore con le differenti tipologie di credi-to negoziate e i relativi volumi.

Alcuni di questi portafogli di crediti sonostati cartolarizzati attraverso veicoli fi-nanziari o special purpose vehicle (SPV),costituiti ad hoc, con seguente emissio-ne di titoli: attualmente gli SPV in Italiasono 374 (BdI. 2012).

DIFFERENZA NEL COMPORTAMENTO A CONTENZIOSO DI CREDITI EROGATI

CORRETTAMENTE E SCORRETTAMENTEALESSANDRO BARAZZETTI*

* Ing. Alessandro Barazzetti, Responsabile R&S, QBT sagl, Via E.Bossi,4, CH-6830 Chiasso, mail: [email protected], mobile: 0041765672670, tel: 0041916822428, fax: 0041916821121

1 Sofferenze: crediti per i quali risultano più di 3 rate impagate con comunicazione al debitore di mes-sa in mora

2 Legge n. 130 del 30 aprile 1999 recante “Disposizioni sulla cartolarizzazione dei crediti”.

95RIVISTA BANCARIA - MINERVA BANCARIA N. 2-3/2012

L’importanza delle operazioni di cessio-ne e di cartolarizzazione consiste nellapossibilità di trasferire i rischi di prezzo edi credito e di generare nuova liquidità,nuovo capitale di credito e mezzi propriaggiuntivi. (Porzio, C. 2001)Esse rappresentano quindi uno stru-mento a disposizione degli istituti di cre-dito per ridurre sui bilanci gli effetti diperdita dovuti all’aumento del numerodi sofferenze.In questi ultimi anni abbiamo assistito aun rallentamento di questa attività, dovu-ta a un eccesso di valorizzazione deiportafogli nei bilanci degli istituti ceden-ti, che hanno fatto levitare i prezzi di ces-sione e che sono quindi diventati inade-guati per chi compra (l’acquirente è inve-

ce legato alle dinamiche immobiliari ne-gative dei beni posti a garanzia). Tuttaviail forte accumulo di posizioni problemati-che presso gli istituti bancari fa suppor-re che inevitabilmente si riproporrà il te-ma delle cessioni, dell’outsourcing dellagestione e delle cartolarizzazioni.A maggior ragione se andiamo ad analiz-zare i dati presenti nei resoconti dellebanche che hanno pubblicato le rela-zioni trimestrali ovvero 8 gruppi bancarifra i quali i 5 big che vengono inseriti ne-gli stress test internazionali (Unicredit, In-tesa, MPS, Banco Popolare e UBI) piùBPM, BPER e CARIGE, dove si eviden-zia che il totale dei crediti deteriorati ov-vero in sofferenza lordi è salito a oltre159 miliardi di euro con una crescita

Tabella 1: Le più importanti operazioni di cessione avvenute in Italia nel quinquennio 2005/2010

(fonte PWC. 2011)

Tabella 2: Posizioni non-performing dei principali istitui bancari italiani al 1q 2011

(fonte: Linker. 2011)

complessiva del 2% rispetto ai 156 di fi-ne dicembre 2010, facendo presumereprossime grandi operazioni di cessionedi crediti.La corretta due diligence, ovvero l’attivitàdi analisi dei crediti svolta dal compratoresu dati forniti dal venditore di crediti, èquindi un argomento importante nel con-testo finanziario ed è in questo quadroche proponiamo questo nostro studio sulrapporto tra le condizioni di erogazione delcredito e le condizioni di recupero delmedesimo se in contenzioso. Temi fondamentali della due diligencein fase di acquisto di NPL sono la sele-zione dei crediti e l’analisi della recupe-rabilità. Lo studio dei meccanismi di pas-saggio a sofferenza dei crediti e dellaloro modalità di recupero può aiutarciinoltre a capire se esistono diverse rego-le di ingaggio da parte di chi, erogando ilcredito, ne detiene la strategia di azioneper il suo recupero: esso può decidereper una soluzione stragiudiziale oppureper la selezione a priori dei crediti checonviene riportare in bonis rispetto aquelli che è meglio cedere a terzi, fis-sandone con maggiore precisione ilprezzo. La domanda che ci poniamo è: “esisteuna differenza tra i crediti di origine banca-ria passati a sofferenza, in relazione a co-me sono stati erogati?”. Per risponderea questa domanda partiamo quindi dalladefinizione di credito in sofferenza e deli-mitiamo il perimetro della nostra analisi.Un credito di origine bancaria, garantitoda un’ipoteca immobiliare, si dice chepassa a sofferenza3 ogniqualvolta il de-bitore non onora il debito contratto pres-

so il creditore. (Alessandrini, P. 2011).Il creditore esercita quindi il suo diritto direcupero del debito residuo, più i relativiinteressi calcolati dalla data di ultimopagamento, attraverso un’azione giudi-ziale: si apre quindi un contenzioso sulcredito.L’attività di recupero del credito residuoconsiste dunque nel porre in asta il beneimmobile tramite l’avvio di un’azione le-gale presso il tribunale di competenzaterritoriale.Nella nostra analisi prendiamo in consi-derazione il sottoinsieme dei crediti permutui ipotecari di primo grado e beni im-mobili a destinazione d’uso residenzialeovvero i mutui “prima casa”, in quantorappresentano la tipologia più comune ediffusa di crediti passati a sofferenza.Esistono delle condizioni o caratteristi-che preliminari del credito in fase di ero-gazione ovvero in bonis, che permettanodi prevederne poi il comportamento sedovesse passare a sofferenza?Il resto del lavoro è organizzato comesegue: nel paragrafo 2 descriveremonel dettaglio come sia possibile creareun modello rappresentativo della struttu-ra logica delle variabili che descrivono uncredito passato a sofferenza. Assegnan-do quindi dei valori numerici alle variabi-li, che siano coerenti con la realtà, calco-leremo, con il nostro modello, delle pre-visioni di recupero del credito e relativetempistiche.Nel paragrafo 3 descriveremo invece unmetodo, noto come simulazione Mon-tecarlo, che utilizzeremo per simularenel nostro modello numerosi e differen-ti NPLs, imponendo delle precise condi-

96

ALESSANDRO BARAZZETTI

RUBRICHE

3 In Italia la definizione di crediti problematici viene fornita da Banca d’Italia nella circolare n. 272 del 30luglio 2008 riguardante la normativa di vigilanza bancaria e finanziaria Circolare n. 272 del 30 luglio 2008– 1° aggiornamento del 10 dicembre 2009.

97

DIFFERENZA NEL COMPORTAMENTO A CONTENZIOSO DI CREDITI EROGATI CORRETTAMENTE E SCORRETTAMENTE

RIVISTA BANCARIA - MINERVA BANCARIA N. 2-3/2012

zioni sui valori che possono assumere lesingole variabili del modello.Analizzeremo e discuteremo quindi i ri-sultati delle simulazioni nel paragrafo 4,dove spiegheremo anche l’importanza diquanto dimostrato per via numerica.

2. Un modello per l’analisi del-l’attività di recupero crediti

2.1. Premessa

Per dare una risposta sia quantitativache qualitativa alla precedente domandaabbiamo messo a punto un algoritmo ingrado di simulare il meccanismo del-l’asta giudiziaria, che mette in relazio-ne fra loro le diverse grandezze che qua-lificano un credito, sia in fase di erogazio-ne, che nella fase di contenzioso.Il nostro algoritmo permette di calcolarel’importo di aggiudicazione di un’astagiudiziaria, la tempistica per singola fasedall’avvio dell’azione legale al riparto fi-nale e, nota la data iniziale, calcolare ladata di effettivo riparto delle somme re-cuperate.Per poter definire un modello di simula-zione del meccanismo d’asta giudiziariadobbiamo prima definire l’architetturaconcettuale del NPL: nella Figura 1 èrappresentato quello che noi chiamia-mo “evaluation ring” ovvero l’insiemecorrelato delle entità che compongono ilmeccanismo dei crediti non performing.

Figura 1: Evaluation ring

In questo diagramma il debitore è il sog-getto della sofferenza: partiamo quindidal debitore e analizziamo il grafico insenso antiorario.Il percorso antiorario è detto anche “ciclostatico” e riguarda tutte quelle entità chedefiniscono il credito in contenzioso; ta-li grandezze sono costanti nel tempo (intal senso si definisce il concetto di stati-co) o comunque soggette solo a varia-zioni di importi, in base a tariffari prede-terminati (ad esempio gli interessi di mo-ra aumentano di una percentuale an-nuale fissa).Al ciclo statico sono quindi associati tut-ti gli importi e le date che caratterizzanoil credito sia nella fase di erogazione,che di contenzioso vero e proprio: fraquesti valori vi sono l’importo erogato ela relativa data di erogazione, l’importopassato a sofferenza e la relativa data el’importo alla decadenza del beneficiodel termine e la relativa data. Seguendo sempre l’anello in senso an-tiorario incontriamo l’ipoteca, anch’es-sa costante nel tempo sia come ammon-tare che come grado: essa grava sul-l’immobile, posto a garanzia del creditoerogato.Proseguendo lungo l’anello troviamol’immobile: i dati che lo caratterizzanosono il suo valore al momento dell’eroga-zione (l’OMV), il suo valore attuale ride-terminato attraverso una perizia di ag-giornamento, la sua destinazione d’uso(residenziale, commerciale ecc.) e lasua tipologia (appartamento, villa, ufficioecc).Ritorniamo ora al debitore e percorriamol’anello in senso orario: il percorso vieneora chiamato“ciclo dinamico” per me-glio evidenziare il fatto che le entità chelo caratterizzano cambiano nel tempoin quanto soggette all’intervento di terzeparti, cioè il tribunale, che in modo auto-

Procedura legale

Debitore

Credito

Ipoteca Immobile

Lotto dʼasta

nomo e insindacabile gestisce le fasiche portano al recupero del credito.La prima entità che incontriamo è la pro-cedura legale, che viene attivata per il re-cupero del credito sia essa un pignora-mento immobiliare o una procedura con-corsuale, nel caso di società (Giusti, G.2012).L’azione legale viene attivata dal credito-re attraverso un atto giuridico presso il tri-bunale, a seguito del quale il tribunalestesso notifica al debitore l’avvio dellaprocedura legale nei suoi confronti. Il tribunale crea quindi un lotto d’asta,che comprende la garanzia immobiliare:chiudiamo quindi l’anello ritornando sul-l’immobile.Ognuna delle entità che compongonol’anello è collegata alle altre attraversoun legame di tipo “molti a molti”: un debi-tore può avere più crediti con ipoteche di-verse su diversi immobili; solo alcuni diquesti crediti possono essere in conten-zioso e quindi solo alcuni di questi immo-bili diventeranno lotti d’asta, di proce-dure legali diverse.Il grafico rappresenta una opportunasemplificazione del numero di soggetti eentità coinvolti nel contenzioso del credi-to: non consideriamo le soluzioni stragiu-diziali, ovvero le composizioni out ofcourt del contenzioso cosi come nonconsideriamo la presenza nella soffe-renza di soggetti terzi ma responsabili insolido del credito (garanti, terzi datori diipoteca ecc), che a loro volta possonoessere oggetti di azione legali di recupe-ro del credito, non solo per via ipotecariama anche chirografaria.La ragione di questa opera di semplifica-zione è dettata dalla natura di ciò chevogliamo dimostrare, che non è a priori

legato ad altre entità, che non siano quel-le dell’evaluation ring cosi come illustra-to nella sua versione semplificata.Prima di costruire il nostro modello è ne-cessario introdurre una nuova definizio-ne di credito che qualifichi le modalitàcon cui esso è stato erogato. Questa nuova definizione è necessaria-mente di natura qualitativa e stabiliamoquindi che una erogazione di creditopossa essere “buona” o “cattiva”.Definiamo una “buona” erogazione quel-la per la quale il rapporto tra il valoredell’immobile e il credito erogato sia infe-ritore al 100%. Questo indice, che pren-de il nome di LTV (Loan To Value), per lalegge bancaria italiana4 non può supera-re il massimo del 80% per i crediti fondia-ri. In realtà si possono erogare mutui al100% e più ma la garanzia immobiliare silimita all’80%, mentre la parte rimanen-te è garantita da un’altra banca o istitutofinanziario, oppure da una polizza assi-curativa o da un fondo previdenziale(Papi, L. 2001 e Biffis, P. 2009). Inoltre siha una “buona” erogazione quando ilvalore dell’immobile, stabilito per mezzodi una valutazione immobiliare o peri-zia tecnica immobiliare, non subisce de-prezzamenti o apprezzamenti al di fuoridegli intervalli di valore fissati dall’anda-mento del mercato immobiliare per quel-la zona e per quella tipologia di immobi-le. Tale valore prende il nome di OMV oOpen Market Value ed è il valore del-l’immobile a libero mercato. Queste per-centuali saranno quindi le nostre leve dicontrollo del modello, utilizzate per si-mulare i due differenti casi e valutare sela qualità dell’erogazione del credito haanche una qualche influenza sul com-portamento del credito in contenzioso.

98


RUBRICHE

4 Nuove disposizioni di vigilanza prudenziale per le banche Titolo II - capitolo 1 rischio di credito

99



2.2. Elaborazione e funzionamentodell’algoritmo

Costruiamo ora il nostro modello sullabase dell’architettura dell’evaluation ringed elaboriamo l’algortimo, che calcola ilvalore di aggiudicazione simulando ilprocesso dell’asta giudiziaria e determi-niamo infine quanto ricava il creditore e inquanto tempo. (Bertuglia, C.S., Vaio, F.2011). Partiamo dalla definizione di tutti iparametri del modello e dal suo funziona-mento seguendo il dettaglio nel diagram-ma di flusso di Figura 2:

Figura 2: Diagramma di flusso dell'algoritmo

Il dato di partenza dell’elaborazione èquindi il valore immobiliare che chiamia-mo OMV (Open Market Value) cioè ilvalore dell’immobile a libero mercato.Esso è il valore ottenuto dalla periziaimmobiliare, che viene svolta al momen-to dell’erogazione del credito. Nel no-stro modello facciamo l’ipotesi di trattarecrediti ipotecari di natura fondiaria e diprimo grado: fissiamo quindi il valore diipoteca come una percentuale dell’OMV Consideriamo ora l’importo che vienepassato a sofferenza come una percen-tuale del credito erogato e chiamiamoquesto valore GBV (gross book value).In questo modo potremo modellare diffe-renti situazioni di passaggio in contenzio-so, cioè situazioni in cui la sofferenza èimmediata oppure con debiti residui an-che molto bassi.Tuttavia, il GBV è un valore che tieneconto di interessi e spese maturati nelperiodo che intercorre tra il passaggio asofferenza e l’avvio della procedura lega-le, cosi come calcolati dal creditore, masarà solo il tribunale a poter elaborare iconteggi corretti degli interessi di moracalcolati a partire dalla data di passaggioa sofferenza. Chiamiamo questo importo DBT e stabi-liamo che esso sia una percentuale sem-pre inferiore al 100% del GBV, secondouna consolidata tendenza storica. L’im-porto di DBT sarà poi gravato degli ulte-riori interessi legali fino al momento del-l’aggiudicazione secondo quanto fissa-to dalla legge ex 2855 cpc.Il processo del meccanismo d’asta pre-vede, nella sua fase iniziale, che il credi-tore azioni una procedura legale per il re-cupero del debito residuo non incassatopresso il tribunale di competenza per lo-calità geografica del bene a garanziadel credito stesso. Il tribunale, nominatoil perito tecnico o CTU, procederà alla

Assegno OMV

Calcolo ipoteca

Calcolo erogato

Calcolo GBV

Calcolo DBT

Calcolo JV

Calcolo Asta di vendita

Calcolo Timing tribunale

Calcolo asta di vendita partendo da oggi

Calcolo il ricavo lordo creditore

Calcolo le spese

Calcolo il ricavo netto creditore

Calcolo NPV dei flussi di cassa

composizione del lotto di vendita dei be-ni immobili e, stabilito il valore minimo, loporrà in asta a quel valore base. Sel’asta giudiziaria andrà deserta il giudicefisserà una nuova asta abbattendo il va-lore del lotto del 25%, secondo la norma-tiva vigente.Nel nostro modello consideriamo le astein successione dalla prima alla n-esimadi aggiudicazione: facciamo l’ipotesi chel’asta senza incanto, prevista dalla nor-mativa entrata in vigore nel 2006, siauna prima asta con esito negativo.5

Come possiamo simulare il processo diaggiudicazione all’asta? Ci chiediamodunque come possiamo determinare,per mezzo di un calcolo, a quale astaandrà aggiudicato un immobile.Determiniamo l'asta di vendita mettendoin competizione il valore immobiliare da-to dal tribunale ovvero la CTU ovvero laperizia all’erogazione con il valore im-mobiliare “vero” dell’immobile cioè il va-lore al quale uno speculatore intervie-ne all’asta per acquistare l’immobile.Esso prende il nome di valore immobilia-re giudiziale o JV (judicial value) ed èun valore che nell’attività di gestione delcredito viene solitamente determinatoda tecnici immobiliaristi esperti del mer-cato NPL. Questo tipo di valutazionenon tiene solo conto del valore dell’im-mobile a libero mercato ma tiene ancheconto degli aspetti “speculativi” di inter-vento all’asta immobiliare e quindi si ba-sa anche su un approfondito esame delcontesto di zona in cui si trova l’immobi-le oggetto d’asta giudiziaria e dei suoipossibili sviluppi immobiliari. Inoltre, que-sta valutazione tiene anche conto della

tipologia di debitore, della circostanzache sia il debitore ad occupare l’immobi-le, oppure che esso sia affittato a terzi, diquanto costerà sgombrarlo e di quantotempo occorrerà, dell’appartenenza deldebitore a particolari categorie sociali,ecc. Nel nostro modello assumiamo cheJV sia una percentuale maggiore o mi-nore del 100% del valore dell’OMV.Se la perizia all’erogazione è stata cor-retta allora il valore di JV non si scosteràmolto dal valore di OMV; al contrario sela valutazione immobiliare all’erogazio-ne è stata sbagliata allora ci dobbiamoaspettare una grossa volatilità del valo-re di JV rispetto all’OMV.L’assunzione che facciamo è, come de-scritto precedentemente, che se è statafatta una cattiva valutazione immobilia-re all’erogazione del mutuo, il JV si tra-durrà in un valore che sarà, con elevataprobabilità, estremamente diverso dal-l’OMV. Al contrario una “buona” eroga-zione comporterà una probabilità piùelevata che anche al passaggio in con-tenzioso il valore immobiliare JV sia in li-nea con quello originario di OMV.A questo punto calcoliamo l’asta di ven-dita secondo la formula (1):

(1)

Dove:n è l’asta di aggiudicazione,JV è il valore immobiliare come da Tabel-la 5OMV*=OMV*(1+perc_ril) (2)

100


RUBRICHE

5 Il codice di procedura civile Articoli dal 483 al 604 del codice di procedura civile (aggiornati alla leggedel 24 febbraio 2006, numero 52) LIBRO III - DEL PROCESSO DI ESECUZIONE TITOLO II - Del-l’espropriazione forzata

101



Dove:perc_ril è il rilancio e OMV è valore im-mobiliare come da Tabella 5,T è la tolleranza come da Tabella 5Un altro dato fondamentale nel modellodi simulazione sono le tempistiche dei tri-bunali. Fissiamo, per ogni fase legale,una durata diversa espressa in mesi.Consideriamo inoltre le sole fasi legalidel pignoramento immobiliare, che èl’azione legale che ci aspettiamo ven-ga intrapresa per la tipologia di crediticonsiderati ovvero erogazione per mutuocasa a persona fisica (Vedi Tabella 3).

Tabella 3: Le fasi legali del procedimento

La somma delle durate delle singole fa-si legali, dal deposito della documenta-zione ipocatastale, all’asta di aggiudi-cazione e quindi all’effettiva distribuzio-ne del ricavato, costituisce il timing del tri-bunale. Ad ogni elaborazione il timingdel tribunale cambierà secondo una di-stribuzione triangolare di probabilità, si-mulando al meglio la forte eterogeneitàdella durata delle procedure legali neidiversi tribunali italiani.Ad esempio la durata media di una pro-cedura di pignoramento immobiliarepresso il tribunale di Bolzano è di 40mesi contro i 76 mesi di un’equivalenteattività presso il tribunale di Siracusa6

Fissato il numero dell’asta, e partendodalla data di oggi, noto il timing del tribu-nale, determiniamo quindi la data di ag-

giudicazione. Determinata l’asta di ven-dita, attraverso il meccanismo deglisconti d’asta, possiamo stabilire l’impor-to con cui l’immobile va aggiudicato par-tendo dal suo valore di OMV (ad esem-pio se l’immobile va aggiudicato alla se-conda asta, l’importo di aggiudicazionesarà pari a OMV*0.75%).Gli abbattimenti proseguono finché il lot-to non viene aggiudicato: a questo pun-to il giudice ripartirà il ricavato della ven-dita fra i creditori secondo la priorità sta-bilita dai gradi ipotecari.Dal punto di vista del creditore possiamoquantificare il ricavato dalla vendita delbene all’asta come il minimo tra il valoredi aggiudicazione, il valore dell’ipoteca eil credito vantato.A questo punto stabiliamo l’importo direcupero, al lordo delle spese sostenute,come il valore minimo fra l’importo diDBT, accresciuto degli interessi legalidalla data di oggi alla data di aggiudi-cazione, l’importo di ipoteca e il valore diaggiudicazione.Questo valore prende il nome di ricavolordo creditore o RLC:

RLC = Min{valore aggiudicazione,DBT+interessi, importo ipoteca} (3)

Per quanto riguarda le spese nella Tabel-la 4 indichiamo quelle prese in conside-razione per una procedura di pignora-mento immobiliare standard e associataad ogni fase consideriamo anche i rela-tivi costi espressi in euro.

6 Fonte QBT: Tabella dei tribunali con la durata di ogni singola fase legale per ogni tribunale italiano(2008/2009)

Tabella 4: Fasi legali e costi legali

Determiniamo ora le spese legali, se-condo il tariffario standard della Tabella4, per il numero n di aste e sottraiamoleal ricavo lordo creditore ottenendo il rica-vo netto del creditore o RNC:

RNC = RLC – Spese (4)

Questo importo deve essere poi colloca-to nel tempo alla data di distribuzionedel ricavo d’asta.L’ultimo passaggio consiste quindi nelcalcolo del valore attualizzato ad oggiNPV (Net Present Value) (Lee, C.F., Lee,A.C. 2010) del RNC, secondo un tassoconvenzionale, che in tutta la simula-zione è fissato al 10% per avere una co-mune base di confronto.Il ricavo netto creditore (RNC) e l’impor-to attualizzato (NPV) rappresentano idue parametri con cui giudichiamo la“qualità” del contenzioso ovvero la capa-cità da parte del creditore di recuperareil proprio credito passato a sofferenzae in contenzioso. Mentre il RNC ci dàun’indicazione assoluta di quanto si re-cupera, il valore di NPV ci permette di va-lutare quanto si incassa in relazione an-che a quando si incassa, una volta fissa-to il rendimento atteso.Come indici di riferimento consideriamole percentuali che si ottengono facen-do i rapporti RNC/GBV e NPV/GBV: inquesto modo possiamo confrontare in

modo corretto i risultati che si ottengononei due casi di “buona” e “cattiva” eroga-zione. Questo ci permette di valutare lacapacità di recupero del credito in con-tenzioso senza conoscere aspetti quali-tativi che non possono essere modella-ti. Ricordiamo, infatti, che stiamo par-lando di un modello di simulazione checonduce alla determinazione di una pre-visione di incasso basandosi solo su pa-rametri quantificabili e logicamente varia-bili: non simuliamo ciò che non può esse-re con ragionevolezza quantificato.Riassumiamo i parametri che interven-gono nel modello nella Tabella 5: i para-metri sono suddivisi in base alla loro ori-gine tra valori endogeni ovvero caratte-ristici del singolo credito oppure esoge-ni, di natura ambientale e riferibili quindialla condizione in cui si trova il credito.Vengono inoltre suddivisi per ambiti diappartenenza rispetto all’evaluation ring. Nel modello sono inoltre utilizzati dei pa-rametri che definiamo secondari e il cuicompito è adeguare maggiormente lasimulazione alla realtà.Introduciamo quindi un indice di tolle-ranza T che fissa uno scostamento mini-mo tra il valore di JV e di OMV al di sottodel quale il bene immobile viene comun-que aggiudicato all’asta corrente senzaabbattimento. Questo parametro ci per-mette di evitare che si passi da un’asta aquella successiva quando, come ragio-nevolmente avviene nella realtà, il valo-re proposto dal tribunale può essereconsiderato prossimo a quello che siaspetta lo speculatore, che intervieneall’asta corrente senza aspettare il suc-cessivo abbattimento.Introduciamo inoltre ad ogni asta un ri-lancio pari a una percentuale dell’impor-to della base d’asta corrente, per simula-re la competizione in asta. Come accadenella realtà ci aspettiamo quindi che ci

102


RUBRICHE

103



siano più speculatori in asta e quindi al-meno un rialzo.

2.3. Risultati

Proviamo ora ad elaborare il modello

fissando i valori minimo e massimo del-le variabili e imponiamo una scelta ca-suale dei valori compresi in tale rangecome evidenziato in Tabella 6:

Tabella 5: Descrizione dei parametri

Tabella 6: Parametri utilizzati per genereare i numeri della tabella 4

Quello che vogliamo fare ora è elabora-re il modello imponendo dei precisi e dif-ferenti limiti ai range delle variabili, in

modo da simulare le condizioni di “buo-ne e cattiva” erogazione (Vedi Tabella8).

Fissati tali valori elaboriamo quindi il mo-dello per 5 simulazioni e riportiamo di

seguito la Tabella 7, con i risultati delmodello:

104


RUBRICHE

Tabella 7: Alcune simulazioni

Tabella 8: Parametri utilizzati per la buona e la cattiva erogazione

105



Il risultato che otteniamo elaborando ilmodello con i differenti parametri per 40posizioni a sofferenza è riassunto in Ta-bella 9.

Tabella 9: Risultato dell’elaborazione per 40posizioni a sofferenza

3. Il metodo Montecarlo

3.1. Premessa

Per verificare se questa tendenza è sem-pre valida anche al variare dei parame-tri entro i limiti da noi imposti secondoprecise distribuzioni di probabilità, te-stiamo la performance del modello permezzo di una simulazione Montecarlo(Robert, C.P., Casella, G. 2004). Comenoto, il Metodo Monte Carlo è basatosu un algoritmo che genera una serie dinumeri tra loro incorrelati, che seguonola distribuzione di probabilità delle va-riabili che governano il fenomeno indivi-duata in fase di analisi del modello. Ilpresupposto è che l’iterazione del calco-lo fa convergere la soluzione verso quel-la più probabile. La semplificazione circala tipologia di crediti ci permette di utiliz-zare come piattaforma di calcolo Micro-soft Excel e come strumento di simula-zione CrystalBall di Oracle. La simulazio-ne si è svolta su una workstation con si-stema operativo WindowsXpPe.

3.2. La simulazione

Riprendiamo il diagramma di flusso diFigura 2: durante la sequenza di ope-razioni, quali valori possono assumere i

parametri per ogni elaborazione? Co-me precedentemente spiegato infatti lasimulazione Montecarlo prevede che ilmodello venga elaborato n volte con iparametri di funzionamento del modello,che variano secondo opportune distri-buzioni di probabilità: ci si aspetta unaconvergenza del comportamento delmodello verso la soluzione corretta. Fon-damentale è quindi stabilire le leggi concui cambiano i valori delle variabili chegovernano il nostro modello.Riassumiamo in Tabella 10 quanto danoi stabilito per i limiti di valore che pos-sono essere assunti dai parametri.Procediamo per ogni passo dell’algorit-mo descrivendone le formule sottostan-ti: l’OMV viene assegnato con scelta ca-suale in un intervallo di valori immobi-liari tipici per immobili residenziali di me-dia grandezza.Viene poi calcolata l’ipoteca come per-centuale dell’OMV secondo i parametrievidenziati nella Tabella 5 .A seguire e secondo le stesse modalitàvengono determinati il credito erogato, ilGBV e il valore di DBT.Per quanto riguarda invece il JV e lapercentuale di credito erogato rispetto al-l’OMV sono stati imposti i seguenti limi-ti in base alle considerazioni preceden-temente fatte circa il tipo di erogazioneovvero “buona o cattiva” erogazione.Nel caso di “cattiva” erogazione faccia-mo l’ipotesi di una distribuzione triango-lare con minimo al 95% , massimo al120% e valore più probabile al 120%.Al contrario nel caso di “buona” erogazio-ne assumiamo che il minimo valore as-sunto dalla percentuale tra credito eroga-to e OMV sia l’80%, al massimo 100%con valore più probabile all’80%.Per quanto riguarda invece il valore im-mobiliare JV stabiliamo una distribuzio-ne normale per la “cattiva” erogazione ad

elevata dispersione intorno al valore piùprobabile pari al 100% rispetto all’OMV.Una legge di distribuzione triangolarestabilisce inoltre la durata della singolafase legale in un intervallo di valori com-preso tra 4 e 12 mesi per ciascuna faselegale.

3.3. Risultati

La simulazione, ripetuta più volte con2000 cicli di esecuzione, ha prodotto unandamento di tali indici per le due diver-se situazioni che abbiamo voluto testareovvero di “buone e cattiva” erogazione.Di seguito riportiamo i grafici con i risul-tati della simulazione: partiamo dalle di-stribuzioni di probabilità degli indici cheabbiamo individuato per il caso della“buona” e della “cattiva” erogazione.Nella Figura 3 sono riporti gli andamen-ti dell’RNC e dell’NPV rispetto al GBVsia per la buona che per la cattiva eroga-zione, sovrapposti in un’unica rappre-sentazione. La Figura 3 evidenzia uncomportamento del tutto differente tracrediti erogati correttamente e non cor-

rettamente ovvero dal grafico emergeche il credito che è stato correttamenteerogato genera poi un recupero menoremunerativo a seguito del passaggioin contenzioso rispetto a un credito ero-gato correttamente.

Tabella 10: Limiti assunti dai parametri

107



È interessante notare lo spostamentoverso sinistra del comportamento delcontenzioso in caso di buona erogazio-ne ovvero del peggioramento della distri-buzione del rendimento atteso con unamaggiore accentuazione nel caso del-l’NPV a significare anche un peggiora-

mento dei tempi di recupero nel caso ilcredito sia stato ben erogato.Questo comportamento è ben evidenzia-to se analizziamo la distribuzione, in Fi-gura 4, delle aste di aggiudicazione neidue casi, che sono responsabili della al-ta variazione delle tempistiche.

Figura 3: sovrapposizione RNC/GBV, NPV/GBV per buona e cattiva erogazione

Figura 4: distribuzione delle aste di aggiudicazione

Studiamo ora i grafici di Figura 5, chemostrano la distribuzione dei valori rile-vati nel confronto tra le due differenti tipo-logie di erogazione.

108


RUBRICHE

109



Indipendentemente dalla banda di con-fidenza è evidente come nel caso dellacattiva erogazione i rendimenti sianotendenzialmente più alti rispetto alla buo-na erogazione sia se studiamo l’indicedell’importo netto di recupero, sia l’indi-ce del valore attualizzato del recuperoentrambi in rapporto al GBV, che li hagenerati.Studiamo ora l’influenza, nei due casi,dei singoli parametri ovvero studiamo

quali sono le grandezze che maggior-mente hanno influenza sul risultato.Questo tipo di analisi è importante percapire se il modello è stato correttamen-te elaborato.Ci aspettiamo infatti che in entrambi icasi il valore di GBV e il valore di OMVsiano i parametri maggiormente influen-ti essendo responsabili dell’importo recu-perato massimo ottenibile e ci aspettia-mo che nel caso di cattiva erogazione il

Figura 5: grafico di tendenza NPV/GBV (Trend Chart 1) e RNC/GBV( Trend Chart 2)

parametro relativo al JV abbia un forteimpatto sull’elaborazione rispetto al ca-so di buona erogazione, nel qual caso ciaspettiamo che il JV non intervenga co-me elemento fondamentale.Osserviamo quindi i grafici di Figura 6

Figura 6: grafici di sensitività delle singole varia-bili

Risulta subito evidente come nel caso dicattiva erogazione abbia una consisten-te influenza il valore del JV sul risultatocomplessivo a differenza della buonaerogazione dove questa influenza nonemerge.Un altro elemento di grande importanzaper validare il nostro modello è lo studiodella concentrazione dei valori dei para-metri ovvero la loro correlazione, nel-l’intorno di una retta di regressione li-

110


RUBRICHE

111



neare con un coefficiente di determina-zione R2 prossimo a 1 (Battaglia, F.2007).I seguenti grafici di Figura 7 per entram-bi i casi analizzati ci confortano in talsenso.

I grafici di tendenza cosi come i grafici disovrapposizione evidenziano con chia-rezza che vi è una differenza in termini direndimento ovvero di rapporto tra NPV,RNC e GBV a vantaggio della cattivaerogazione.

Figura 7: grafico dispersione delle variabili per la buona (sopra) e cattiva (sotto) erogazione

Questa affermazione è confermata ana-lizzando la distribuzione delle aste divendita e dal peso che il parametro delvalore immobiliare al momento dell’astaha per la cattiva erogazione rispetto allabuona erogazione.Questo significa che se un credito è sta-to correttamente erogato e passa in con-tenzioso il suo rendimento avrà mag-gior probabilità di essere inferiore a quel-lo di un credito che è stato scorretta-mente erogato.

4. Conclusioni

Sebbene siano da interpretare con lacautela che deriva dall’impossibilità diverificare la correttezza del modello acausa dell’indisponibilità di dati relativi al-la reale operatività dei mercati, i risulta-ti della nostra analisi sono di grande im-portanza in particolare per le banche edi soggetti coinvolti nell’attività di recupe-ro crediti. Se un credito correttamenteerogato ha un rendimento in contenzio-so inferiore rispetto a un credito erogatonon correttamente, possiamo costruiredifferenti strategie sia in fase di cessionee acquisto di crediti in contenzioso sianella gestione dei medesimi. Abbiamo di-mostrato che la soluzione ottima è quel-la di cercare innanzitutto di chiudere consoluzioni stragiudiziali le sofferenze chesono state correttamente erogate, inquanto, se finissero in contenzioso,avrebbero un rendimento più basso ri-spetto a quelle posizioni erogate scorret-tamente. Analogamente, in fase di valu-tazione dei crediti in una operazione dicessione, sia l’acquirente che il cedentedovranno valutare il prezzo di cessionein modo diverso per le due tipologie dierogazione dal momento che ciò avràpoi un riflesso nella successiva fase digestione.

Poiché l’attività di recupero crediti è di-ventata un mercato a sé stante caratte-rizzato da operazioni di cartolarizzazio-ne e cessione, riuscire a valutare quan-titativamente le probabilità di recupero èinfatti diventato fondamentale. Aver di-mostrato che già nella fase preliminare diacquisizione del credito, a parità di im-porto di GBV, è meglio scegliere un cre-dito con cattiva erogazione, in quantopiù redditizio in sede di recupero, è fon-damentale tanto quanto sapere che lapriorità, una volta ottenuta la gestionedel credito, è individuare tempestiva-mente la posizioni da chiudere out ofcourt. Al riguardo, il nostro studio dimo-stra che, sempre a parità di GBV, è me-glio concentrare l’attività giudiziale di re-cupero sui crediti oggetto di cattiva ero-gazione. Nella prospettiva della gestionedi un portafoglio di crediti ciò significaanticipare flussi di cassa, generando unimpatto positivo sui rendimenti.

112


RUBRICHE

113



Bibliografia

Alessandrini, P. 2011. Economia e Politica della moneta, Il mulino

Battaglia, F. 2007. Metodi Di Previsione Statistica, Springer-Verlag

BdI. 2012. Banca d’Italia: elenco delle società veicolo di cartolarizzazione (SPV)

Bertuglia, C.S., Vaio, F. 2011. Complessità e modelli, Bollati Boringhieri

Biffis, P. 2009.Analisi del Merito di Credito, Eifebook

Giusti, G. 2012. Il pignoramento immobiliare, Giuffrè

Lee, C.F., Lee, A.C. 2010. Handbook of Quantitative Finance and Risk Management(Vol.1), Springer-Verlag

Linker. 2011. Elaborazione su dati bilancio 2011, www.linkerblog.biz

Papi, L. 2001. I sistemi di finanziamento dell'edilizia abitativa: modelli, esperienze einnovazione, Franco Angeli

Porzio, C. 2001. Securitisation e crediti in sofferenza, Bancaria Editrice

PWC. 2011, The Italian NPL market Why investing in Italy? April 2011

Robert, C.P. , Casella, G. 2004. Monte Carlo Statistical Methods, Springer-Verlag

Taleb, N. 2009. Il cigno nero. Come l’improbabile governa la nostra vita, Il SaggiatoreTascabili

11 rubrbarazzetti-2 94 113 mastro rivista bancaria · of overnight unsecured money market funds on...

Documents