Model Risk Unmasked: An Empirical Reckoning with IRB Capital Requirements

Sintesi Tecnica: Il Rischio del Modello Svelato: Un Conteggio Empirico dei Requisiti di Capitale IRB

Definizione del Problema
Il documento affronta una lacuna critica nel framework basato sul metodo IRB (Internal Rating-Based) per il capitale regolamentare del credito sotto Basilea II/III. Sebbene il modello ASRF (Asymptotic Single Risk Factor), introdotto da Gordy (2003), fornisca l'architettura strutturale per il calcolo degli oneri patrimoniali basati sul VaR (Value-at-Risk) al 99,9° percentile, esso tipicamente tratta i parametri del modello — specificamente la Probabilità di Default (PD) e la Perdita in Caso di Default (LGD) — come costanti note. Gli autori sostengono che questo approccio "naïve" ignora il rischio di stima (incertezza del parametro). Inoltre, la letteratura esistente (ad es. Löffler, 2003; Tarashev, 2010) si è spesso basata su ipotesi semplificative, come trattare la PD e la LGD come indipendenti o mantenere la LGD costante. Il documento postula che, nella realtà, questi parametri siano correlati, in particolare durante le contrazioni economiche, dove i tassi di default aumentano e i tassi di recupero diminuiscono simultaneamente. Ignorare questa dipendenza e l'incertezza intrinseca nella stima dei parametri porta a una sottostima significativa dei reali requisiti di capitale regolamentare.

Metodologia
Lo studio impiega un approccio empirico basato su 37 anni di dati storici (1983–2019) provenienti da Moody's Investor Service, coprendo sia emittenti corporate con rating elevato (all-rated) che con rating speculativo (speculative-grade).

1. Assunzioni Distribuzionali e Validazione:

   • Gli autori modellano il punto di default ($k = \Phi^{-1}(PD)$) e la LGD come variabili aleatorie congiuntamente gaussiane.
   • Validano tali assunzioni utilizzando il test di Shapiro-Wilk sulle distribuzioni univariata e bivariata. I risultati (tutti p-value > 0,50) confermano che i dati non rifiutano l'ipotesi di normalità, supportando l'uso di un framework gaussiano per modellare l'incertezza del parametro.

2. Stima Empirica della Dipendenza:

   • Lo studio stima esplicitamente la correlazione tra il punto di default ($k$) e la LGD.
   • Utilizzando la correlazione di Pearson sul dataset di 37 anni, riscontrano forti correlazioni positive statisticamente significative: 0,717 per gli emittenti all-rated e 0,599 per quelli speculative-grade. Ciò conferma che probabilità di default più elevate sono associate a perdite in caso di default più elevate.

3. Framework di Calcolo del Capitale:

   • Approccio Naïve: Calcola il capitale ($RC_{naïve}$) utilizzando le stime puntuali ($\hat{PD}, \hat{LGD}$) come valori fissi.
   • Approccio Corretto: Calcola il capitale ($RC$) calcolando il 99,9° percentile della distribuzione delle perdite attese, dove $PD$e$LGD$ sono trattate come variabili aleatorie con incertezza.
   • Simulazione: Gli autori utilizzano simulazioni Monte Carlo (10 milioni di iterazioni) per calcolare l'add-on del capitale regolamentare. Questo add-on rappresenta la percentuale di aumento del capitale richiesto per coprire il rischio di stima, calcolato come:
     $$Add\text{-}on = \frac{(RC - RC_{naïve}) + (E[L] - EL_{naïve})}{RC_{naïve}}$$

4. Verifiche di Robustezza:

   • L'analisi è stata ripetuta utilizzando un livello di confidenza del 99% (in linea con studi precedenti) e una dimensione finita del portafoglio di 50 obblighi. I risultati sono rimasti coerenti, confermando che la dipendenza tra i parametri è il driver dominante del rischio di modello indipendentemente dal livello di confidenza o dalla dimensione del portafoglio.

Risultati Chiave
I risultati della simulazione rivelano che ignorare l'incertezza dei parametri e, più criticamente, la correlazione tra PD e LGD, porta a una sottostima sostanziale dei fabbisogni di capitale:

• Impatto dell'Incertezza: L'incertezza nel punto di default ($k$) contribuisce al rischio di modello più dell'incertezza della sola LGD.
• Impatto della Dipendenza:
  • Quando la PD e la LGD sono assunte come indipendenti, l'add-on del capitale regolamentare è del 18,67% per i portafogli all-rated e del 39,54% per i portafogli speculative-grade.
  • Quando viene incorporata la correlazione empiricamente osservata, l'add-on sale al 38,48% (All-Rated) e al 65,97% (Speculative Grade).
• Conclusione sul Bias: L'approccio IRB naïve, che ignora interamente il rischio di stima, fornisce una stima sostanzialmente orientata verso il basso (downward-biased) dei reali requisiti di capitale. La differenza tra gli scenari di indipendenza e di correlazione rappresenta una sottostima di circa 20 punti percentuali per i portafogli all-rated e di 26 punti percentuali per i portafogli speculative-grade.

Significato e Rivendicazioni
Il documento rivendica tre contributi primari:

1. Validazione Empirica: Fornisce prove statistiche robuste (tramite 37 anni di dati) che le assunzioni gaussiane per il punto di default e la LGD sono valide, giustificando il framework teorico utilizzato per i calcoli dell'add-on del capitale.
2. Identificazione del Driver di Rischio Dominante: Dimostra che la dipendenza PD–LGD è la principale fonte di rischio di modello. Ignorare questo legame porta a un calcolo errato dei buffer di capitale, particolarmente per gli asset speculative-grade.
3. Implicazioni Politiche: Gli autori sostengono che l'attuale framework regolamentare, che ha rimosso l'opzione per i regolatori di aumentare i carichi di capitale basati sul rischio di modello sotto Basilea III, potrebbe essere insufficiente. Suggeriscono che le banche che si affidano a semplici calcoli basati su stime puntuali dovrebbero essere tenute a detenere buffer di capitale significativamente più elevati (almeno il 40% per gli all-rated e il 66% per gli speculative-grade) per rendere conto del rischio di stima.

Lo studio conclude che un approccio più sfumato al capitale regolamentare è essenziale per la stabilità finanziaria. Tenendo conto dell'incertezza dei parametri e della natura ciclica della relazione PD–LGD, le istituzioni finanziarie possono gestire meglio il rischio e prevenire le vulnerabilità sistemiche che derivano da buffer di capitale insufficienti durante le contrazioni economiche.