Il Gruppo Banca Lombarda e Piemontese, sorto a seguito della fusione tra il Credito Agrario Bresciano e la Banca San Paolo di Brescia, assume l’attuale configurazione a seguito di una strategia di crescita per linee esterne che in pochi anni, a partire dal 1999, tramite varie acquisizioni, ha portato a oltre 780 gli sportelli. Oggi, con più di 7.500 dipendenti e una rete di 690 promotori finanziari, il Gruppo conta quasi 1,3 milioni di clienti (di cui 1,2 retail), amministra una massa di circa 65 miliardi di euro, una raccolta diretta di oltre 23 miliardi di euro e si conferma come uno dei maggiori gruppi bancari attivi nell’Italia settentrionale.

Già a partire dal 2000, le incertezze della congiuntura economica da un lato e il quadro normativo tracciato da Basilea II dall’altro spingono ad affrontare in modo sistematico le problematiche correlate con la gestione ottimale del rischio. Prende avvio così, fra gli altri, il progetto di Governance del Rischio Operativo, che si propone un duplice obiettivo.

"Ci si proponeva innanzi tutto – esordisce Giulia Marini, Responsabile della Funzione Rischio Operativo di Banca Lombarda e Piemontese – di ottimizzare l’efficienza gestionale del rischio: individuando le cause degli eventi in grado di produrre perdite, ottimizzando le politiche di mitigazione anche tramite coperture assicurative e promuovendo in ambito aziendale una cultura del rischio operativo che, in quanto tale, riguarda tutte le aree di operatività del Gruppo, dalla singola filiale all’alta direzione. In secondo luogo, ci si proponeva di rispondere ai requisiti normativi posti dal nuovo Accordo di Basilea, implementando da subito un metodo standardizzato ma preparando nel contempo un modello più avanzato come quello AMA (Advanced Measurement Approach), capace di incentivare l’effettiva riduzione del rischio operativo.”

Un progetto in quattro fasi
Schematicamente, il progetto si articola in quattro fasi sequenziali: definizione del modello, delle regole e delle policy per la rilevazione, la misurazione e il controllo del rischio operativo; raccolta dei dati; quantificazione dell’operational VaR (Value at Risk) e diffusione dei report in ambito aziendale; controllo e gestione del rischio, che è il fine ultimo di ogni processo di risk management.

Per quanto concerne la prima fase, “Lo scopo del modello – riprende Giulia Marini – è quello di stimare, per ogni combinazione di evento-perdita e di business line, l’ammontare della perdita attesa e, soprattutto, di quella inattesa. Abbiamo adottato il metodo di loss distribution approach, ben consolidato a livello internazionale e basato sulla modellizzazione distinta della distribuzione di impatto e di frequenza.”

Il substrato informativo su cui poggia il modello è costituito dall’integrazione di fonti molteplici: la serie storica delle perdite operative interne, che permette di individuare le aree più esposte al rischio operativo, i dati esterni (come quelli generati dal DIPO, cioè il database italiano delle perdite operative predisposto dall’ABI) e i dati di risk assessement, prodotti dalle valutazioni circa gli scenari di rischio. Il modello considera tutte queste dimensioni di analisi e calcola il capitale lordo di rischio, successivamente “nettato” degli eventuali fattori di mitigazione come le coperture assicurative.

Un ambiente per affinare i modelli
Per la definizione del modello personalizzato e la quantificazione dell’operational VaR, è stata adottata, dopo un’attenta analisi del mercato, la soluzione SAS OpRisk VaR come meglio rispondente alle esigenze emerse: integrazione dei dati interni con quelli esterni (tramite tecniche di scaling per rapportare frequenze e severity alle peculiarità aziendali), simulazioni di Montecarlo per stimare il VaR per ogni combinazione di evento-perdita e linea di business, valutazione delle procedure di mitigazione, semplicità nella produzione della reportistica standard e personalizzata.

In più, come sottolinea Giulia Marini, “La soluzione ci ha permesso di implementare un sistema trasparente, in grado di assicurare la tracciabilità dei processi di calcolo sottostanti: e questo sia per ricostruire, in momenti successivi, le scelte iniziali, sia per attivare un processo di learning by doing in tutte le risorse che operano nell’ambito del risk management. Secondariamente, cosa per noi ancora più importante, la soluzione ci offre una sorta di ambiente di laboratorio per sperimentare modelli sempre più evoluti di calcolo in modo da arrivare a una quantificazione sempre più precisa del rischio”.

E in effetti, SAS OpRisk VaR, oltre a rendere disponibile un set di funzioni standard predefinite, si configura come un ambiente di analisi, trasparente e altamente affidabile, in cui effettuare simulazioni e trovare nuove strade per la definizione del modello più rappresentativo della reale e peculiare esposizione al rischio.

“La soluzione – conclude Giulia Marini – ci ha consentito di formulare in tempi brevi una stima dell’operational VaR che, pur perfettibile, rappresenta un passo fondamentale per ottimizzare il nostro approccio alla gestione del rischio. Inoltre disponiamo di un ambiente di analisi con cui personalizzare e affinare i modelli alla luce sia dei test di validazione, sia degli eventuali sviluppi futuri provenienti sia dall’Accademia sia dall’Industria. Non bisogna infatti dimenticare che il rischio operativo costituisce ancora un’area, per così dire, pionieristica del risk management e come tale è suscettibile di costanti cambiamenti evolutivi.”

© Copyright dell'editore. L'articolo non è riproducibile senza il suo consenso.