Crenca & Associati CORPORATE CONSULTING SERVICES RISK MANAGEMENT: MAPPATURA E VALUTAZIONE DEI RISCHI AZIENDALI. UN COSTO O UN’OPPORTUNITA’? Ufficio Studi Milano, 3 aprile 2008 Introduzione al Risk Management Management dell’Azienda Risk Management Assicurazione solo una possibile strategia Ufficio Studi 2 Definizione del rischio - 1 • Rischio puro o statico è possibile solo un danno economico per l’Azienda – Rischi che causano danni materiali alla proprietà dell’impresa – Rischi di reponsabilità civile – Rischi che causano danni materiali alle proprietà altrui che si ripercuotono sull’impresa – Morte, invalidità e malattia dei dipendenti Ufficio Studi 3 Definizione del rischio - 2 • Rischio speculativo è possibile sia una perdita che un profitto per l’Azienda con una certa probabilità – Rischi di mercato – Rischi finanziari – Rischi di produzione – Rischi politici – Rischi di innovazione Ufficio Studi 4 Rischi e profitto SI Rischi speculativi E’ possibile un profitto? NO Rischi Puri Ufficio Studi 5 I principali step del Risk Management 1. Individuazione dei rischi 2. Quantificazione dei rischi 3. Analisi del processo decisionale 4. Scelta delle strategie 5. Check-up periodici Ufficio Studi 6 Obiettivi del Risk Management 1. Massimizzazione del profitto minimizzazione dei costi d’impresa 2. “Tranquillità” nella gestione 3. Continuità della “vita” produttiva data la protezione dei rischi 4. Abbattimento della “probabilità di rovina” 5. Coerenza nei riguardi degli obiettivi dell’impresa Ufficio Studi attraverso la 7 Obiettivi del Risk Management • Interviste con i responsabili di area • Visite periodiche con i centri di rischio analisi dei processi • Costruzione di una check list – Rischi incombenti – Sorgenti di rischio – Fattori che possono modificare i rischi – Conseguenze dei rischi • Analisi della check list Ufficio Studi 8 Analisi quantitativa dei rischi • Principali fattori che devono essere considerati al fine di quantificare il rischio: – Frequenza sinistri – Importo del singolo sinistro – Valutazione del danno aggregato Ufficio Studi 9 Il requisito di capitale a fronte dei rischi • Elementi specifici: • Probabilità di rovina (ad esempio 0,5%) • Orizzonte temporale (ad esempio 1 anno) • Misura di rischio (VaR o Tail VaR) Ufficio Studi 10 Il requisito di capitale: le misure di rischio Orizzonte temporale = 1 anno VaRα = Value at Risk = qα = α-Quantile TVaRα = Tail Var = E[X|X>qα] Ufficio Studi 11 Modelli per la distribuzione di probabilità del numero di sinistri • Poisson: rischi omogenei • Binomiale Negativa: rischi eterogenei Ufficio Studi 12 Poisson - osservazioni • Buona approssimazione per il fenomeno dell’andamento del numero dei sinistri per un determinato rischio • Utilizzo limitato per la modellizzazione relativa all’intero complesso dei rischi • Il valore atteso di tale distribuzione è pari alla varianza possibile sottostima della variabilità del numero dei sinistri • Test di best fitting – Chi-quadro: test che permette di verificare se una data distribuzione probabilistica ben si adatta alla serie storica di partenza − λt k pk (t ) = e (λt ) k! Ufficio Studi k = 0,1,2.... 13 Binomiale Negativa - osservazioni • In linea con un modello che tenga conto della differenziazione in classi di rischio • Per ogni classe di rischio ipotizziamo una distribuzione di Poisson • Ipotizziamo una determinata struttura di rischio distribuzione Gamma • Costruiamo una mistura di Poisson, ovvero una Binomiale Negativa k + a − 1 a k p q pk = k Ufficio Studi 14 Modelli per la distribuzione di probabilità dell’importo dei sinistri • Le distribuzioni empiriche degli importi dei sinistri evidenziano in genere asimmetria positiva e quindi code consistenti – Prevalenza di sinistri di ridotte dimensioni – Buoni modelli per la rappresentazione del fenomeno sono quelli caratterizzati da un valore positivo dell’indice di asimmetria µ3 γ1 = 3 > 0 σ Ufficio Studi 15 Principali distribuzioni di probabilità per il costo del singolo sinistro -1• Lognormale: 2 1 (ln x − µ ) 1 f (x ) = exp− σ > 0; x > 0 2 σ 2π σx 2 • Pareto: α f (x ) = β β x α +1 σ > 2; β > 0; x > β Ufficio Studi 16 Principali distribuzioni di probabilità per il costo del singolo sinistro -2• Weibull: α α α −1 x f ( x ) = α z exp− α > 0; β > 0; x > 0 β β • Gamma: f (x ) = τ e a −τx a −1 x Γ (a ) a ,τ > 0 • Esponenziale: − x /θ f (x ) = e θ Ufficio Studi 17 Osservazioni sull’importo del singolo sinistro • Anche per l’importo del singolo sinistro, chiamato anche “severity”, valgono le stesse considerazioni fatte per la frequenza sinistri, ovvero: – Scelta della distribuzione – Stima dei parametri – Test per la verifica della bontà dell’ adattamento Ufficio Studi 18 Modelli di danno aggregato • Obiettivo: creare un modello che rappresenti l’ammontare della perdita complessiva legata al numero complessivo di sinistri in un determinato intervallo temporale e riferito ad uno specifica azienda • Valutazione per linea di business • Individuazione delle correlazione tra le diverse linee di business • Strumento: teoria collettiva del rischio Ufficio Studi 19 S = X1 + X 2 + K + X N • • N :variabile aleatoria (v.a.) numero dei sinistri X i :v. a. importo dell’i-esimo sinistro • Ipotesi del modello: N =n X – dato le v.a. i sono indipendenti e identicamente distribuite (i.i.d.) N =n – dato dipende da n le distribuzione delle – la distribuzione di N X i non non dipende dai valori delle Ufficio Studi Xi 20 Il modello composto per il danno aggregato 1. Costruire la distribuzione di probabilità per il numero dei sinistri partendo dai dati 2. Costruire la distribuzione di probabilità dell’importo del singolo sinistro 3. Utilizzare le due distribuzioni al fine di ottenere la distribuzione di probabilità per il danno aggregato S = X1 + X 2 + K + X N Ufficio Studi 21 OBIETTIVO: SIMULAZIONE DEL DANNO AGGREGATO 1.Costruire un modello per la variabile aleatoria: S = X1 + X 2 + K+ X N • N ≈ Poisson ( λ ) • X i ≈ Exp(α ) • dato N = n le variabili aleatorie sono i.i.d. X1, X 2 ,K, X n • dato N = n la distribuzione delle v.a. X1, X 2 ,K, X n non dipende da n • la distribuzione di N non dipende dai valori di X1, X 2 ,K 2.Per j = 1K , , n generare dei valori pseudo-random n j , x1 j , x2 j ,K, xn j e calcolare il valore s j attraverso il modello costruito nel punto 1 3.Approssimare la funzione di ripartizione di S con la funzione di ripartizione empirica Fn (s) basata sul campione di numeri pseudorandom s1 K, sn 4.Calcolare le statistiche che ci interessano utilizzando Fn (s) » Media, varianza, percentili, etc… Ufficio Studi 22 COSA DOBBIAMO SAPER FARE? 1.Simulare il numero dei sinistri, quindi nel nostro caso simulare una v.a. discreta, ad esempio come la Poisson semplice 2.Simulare l’importo di ogni singolo sinistro, quindi nel nostro caso simulare una v.a. continua, ad esempio come l’Esponenziale 3.Simulare il danno aggregato come somma dei singoli sinistri 4.Ripetere l’esperimento n volte e calcolare le statistiche che ci interessano Ufficio Studi 23 ESEMPIO - SIMULAZIONE DELLA V.A. NUMERO DEI SINISTRI 0.25 100000 simulazioni 0.2 p(x) - Poisson Momenti teorici E[X ] = 3 0.15 σ [X ] = 1,7321 0.1 Momenti empirici 0.05 0 x = 2,9991 σˆ = 1,7227 0 2 4 6 8 10 12 14 x Ufficio Studi 24 ESEMPIO - SIMULAZIONE DELLA V.A. IMPORTO DEL SINGOLO SINISTRO 1 x 10 -3 100000 simulazioni 0.9 0.8 Momenti teorici E[X ] = 1000 σ [X ] = 1000 f(x) - Esponenziale 0.7 0.6 0.5 0.4 Momenti empirici 0.3 x = 999,77 σˆ = 1000,91 0.2 0.1 0 0 2000 4000 6000 8000 10000 12000 14000 X Ufficio Studi 25 ESEMPIO - SIMULAZIONE DELLA V.A. DANNO AGGREGATO 100000 simulazioni 0.035 Momenti teorici 0.03 E[X ] = 30000 σ [X ] = 13416 Frequenze relative 0.025 0.02 Momenti empirici xˆ = 29946 σˆ = 13415 0.015 0.01 Intervallo di confidenza per la media (99% ) 0.005 inf = 29837 0 0 2 4 6 Danno aggregato 8 Ufficio Studi 10 12 x 10 sup = 30055 4 26 Problemi aperti sulla quantificazione – Valutazione del danno aggregato • Quale modello scelgo? – Valutazione del rischio che l’Azienda vuole detenere – Valutazione del prezzo assicurativo – Valutazione delle correlazioni tra i rischi • Lineare, funzioni copula • Effetti dovuti alla diversificazione abbattimento del capitale da detenere • E’ possibile sulla base dei dati interni di una Azienda? • Su quali statistiche? – Costi medi – Frequenze Ufficio Studi 27 La quantificazione dei rischi STRESS TEST • Al fine di valutare il risk capital nel caso di eventi o scenari ritenuti particolarmente sfavorevoli: – Stress test sulla base del percentile si considerano i percentili “alti” (ad. es. 99.5%) della distribuzione delle perdite – Stress test di scenario si scelgono ipotesi di base peggiorative rispetto alla solvibilità della Azienda – Aggregazione tra i differenti rischi effetto di diversificazione del rischio – Stime al netto e al lordo dell’effetto assicurativo, qualora venga scelta come strategia quella assicurativa Ufficio Studi 28 Risk management: costo o opportunità? • Conoscenza del capitale al rischio • Ricalibrazione degli obiettivi aziendali • Costruzione di un modello di gestione integrato con eventuali contingency plans • Valutazione dei potenziali rischi finanziari – Valutazione delle stock options – Valutazione di titoli strutturati e derivati – Valutazione di strategie assicurative • Individuazione delle potenziali fonti di rischio Ufficio Studi 29 Il cuore del Risk management aziendale • Dopo aver effettuato una corretta quantificazione dei rischi: – Selezione della migliore tra le strategie possibili secondo criteri di scelta razionali basati su modelli matematici/statistici/finanziari/attuariali – Follow up costante, altrimenti tutta l’attività svolta viene vanificata • Un corretto “ciclo” di Risk management allora non solo non è più un costo ma diventa una chiara opportunità di investimento profittevole in termini di minori costi che si sosterranno al verificarsi dei rischi Ufficio Studi 30