PREMIUM: a bigger picture through bigger data - Luke Brucato - Head of Business Development - Deloitte
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
PREMIUM: a bigger picture through bigger data Luke Brucato – Head of Business Development 2 4 Maggio 2018
Premium Real Estate Risk Platform Nuove esigenze: • Granularità e governo del rischio di credito • Ottimizzazione del capitale di vigilanza • IFRS 9, Bankit Circolare 285 di Banca d’Italia, Linee Guida sugli NPL della BCE La risposta Premium: Indice di Rischio Predictive Market Value & Mortgage Lending Value Judicial Value Premium nasce da una collaborazione tra e con il supporto di
Una lunga tradizione prop-tech
2006: Prelios Valuations lancia Magister Origination
• Primo AVM in Italia su scala nazionale
• Granularità e georeferenziazione Attuale
• Multi-fonte (interna ed esterna) Target
• Integrazione di asking prices (Casaclick &
Immobiliare.it)
Banca d’Italia e real estate big data 2018: Banca d’Italia Temi di discussione • Scarsità di dati sull’immobiliare, in particolare sul transato • Fonte istituzionale OMI limitato per volume, dettaglio e tempestività di aggiornamento • Eterogeneità caratteristica distintiva del real estate italiano perciò necessità di lavorare con più fonti informative • Asking prices possono anticipare l’evoluzione di prezzi reali
I trend regolatori
• Approfondimento crescente sull’attività di valutazione
• Rivalutazione periodica delle garanzie in maniera granulare
• Back-testing e attendibilità dei modelli
Linee Guida
Principi NPL ABI 2018
C ircolare Linee Guida contabili IFRS 9 Linee guida per la
D irettiva 2 85/2016 NPL BCE valutazione degli
Regolamento Previsioni di perdite
Mutui UE Banca d’Italia immobili a garanzia
C ircolare UE 575/2013 Focus su immobili a future anche legate
2 014 Massima alla garanzia dei crediti inesigibili
2 63/2006 Banca C RR Tutela consumatore
garanzia di NPL e
prescrizione sul rivalutazione immobiliare
d’Italia e riferimento a
D irettiva Europea Definizione unica di standard di
rapporto periodica granulare
Disposizione di banca/società di
2 006/48 vigilanza «principles
valore di mercato e valutazione valutazione
norme prescrittive affidabili
BASILEA II Mercato unico dei based» solo 3
servizi finanziari, paragrafi su
Principi generali, incipit per direttiva valutazione
indipendenza e mutui immobiliare
rivalutazione
periodica
2006 Li nee Guida 2013 2014 2016 2017 2018
A bigger picture through bigger data
Un nuovo orizzonte di analisi territoriale
Fonti certificate esterne e Fonti Prelios
interne
Cartografia dettagliata a
zona ISTAT
Fonti Esterne
Aggiornamento tempestivo
fonti
Oltre 300 Big Data
Socio-demografici
Economico-finanziari
Social
Analisi realizzabili tramite l’indice di rischio
Solvibilità A due passi
Classificazione
demografica
fasce di reddito
propensione alla spesa
…
Bar
Rating di quartiere Ristoranti
Farmacie
Trasporto pubblico …
Strade e Autostrade
Immagine del quartiere A distanze personalizzabili
Stile di vita
Analisi socio demografiche – non solo rischio Case Study “Millennial Mix” Analisi specifiche sui comportamenti socio-demografici dei millenials Millennial Mix – Time off Millennial Mix - Living Mapppatura per: Mappatura per: Check-in online, Densità dei millennials residenti Occupazione Airbnb Presenze di aree di co-working Social network mobility. Mobilità lavorativa.
Indice di rischio e valori immobiliari
Case Study DISTRIBUZIONE GEOGRAFICA CAMPIONE
• 10.000+ atti nazionali di compravendita
• Immobili residenziali
• Recupero perizie per estrazione dati
• Analisi atti per verifica attendibilità
• Test di determinazione valore tramite Magister
Abruzzo Basilicata Calabria
• Test di determinazione valore tramite OMI Campania Emilia Romagna Friuli Venezia giulia
Lazio liguria Lombardia
• Identificazione Indice di Rischio Marche
Puglia
Molise
Sardegna
Piemonte
Sicilia
toscana Trentino Alto Adige Umbria
Valle d'Aosta VenetoDistribuzione risultati analisi statistica
350
300
68% dei risultati entro -10/+10 dal benchmark
250
200
78% dei risultati entro -15/+15 dal benchmark
150
100
50
0
-0,26
-0,22
-0,16
-0,06
-0,04
-0,28
-0,24
-0,18
-0,14
-0,12
-0,08
-0,02
0
0,02
0,04
0,06
0,08
0,12
0,14
0,16
0,18
0,22
0,24
0,26
0,28
-0,1
-0,3
-0,2
0,1
0,2
0,3100
150
200
250
300
350
0
50
-68,00%
-61,00%
-57,00%
-54,00%
-51,00%
-48,00%
-45,00%
-42,00%
-39,00%
-36,00%
-33,00%
-30,00%
-27,00%
-24,00%
-21,00%
-18,00%
-15,00%
-12,00%
-9,00%
-6,00%
-3,00%
0,00%
Distribuzione risultati OMI
3,00%
6,00%
9,00%
12,00%
15,00%
18,00%
21,00%
24,00%
27,00%
30,00%
33,00%
36,00%
benchmark
benchmark
39,00%
42,00%
46,00%
50,00%
53,00%
61,00%
81,00%
• Solo il 36% dei risultati entro -10/+10 dal
• Solo il 50% dei risultati entro -15/+15 dal
• Forte tendenza a sottostimare il portafoglioRisk Index su distribuzione statistica
350
Laddove il modello Applicando una matrice di correzione
sottostima il valore tra Indici di Rischio e valori immobiliari,
tra -30/-10 dal è possibile riportare il 75% della coda
300 Laddove il modello
benchmark, il 75% entro il range di accettabilità dei
sovrastima il valore
risultati, ad esempio:
degli Indici di Rischio tra +10/+30 dal
250
hanno mostrato un benchmark, oltre il R A NGE INDICE DI A D D-ON
R ISCHIO
trend migliorativo del 50% degli Indici di
2,75 – 3,25 +20%
200 profilo di rischio Rischio hanno
3,25 – 3,75 +10%
4,00
100
50
0
-0,24
-0,18
-0,14
-0,08
-0,02
-0,28
-0,26
-0,22
-0,16
-0,12
-0,06
-0,04
0,02
0,04
0
0,06
0,08
0,12
0,14
0,16
0,18
0,22
0,24
0,26
0,28
-0,3
-0,2
-0,1
0,1
0,2
0,3Risk Index su distribuzione statistica
450
400
L’analisi Big Data Dopo integrazione dell’Indice di Rischio sulla coda di
della rischiosità sottostima:
350
socio-demografica 77% dei risultati entro -10/+10 dal benchmark
300 permette di Miglioramento attendibilità del 13%
ridurre il numero
250 di sottostime e
86% dei risultati entro -15/+15 dal benchmark
ottimizzare il
200 valore dei Miglioramento attendibilità del 10%
collaterali
150
100
50
0
0%
2%
4%
6%
8%
-16%
-14%
-12%
-10%
-30%
-28%
-26%
-24%
-22%
-20%
-18%
24%
26%
28%
30%
10%
12%
14%
16%
18%
20%
22%
-8%
-6%
-4%
-2%Test su portafoglio cliente
Indicatori ad hoc per case study personalizzati
Per accedere al servizio in fase di test, è sufficiente disporre di un portafoglio avente 500/1.000 posizioni da far elaborar e al
sistema. Il database potrà essere fornito nella modalità più comoda al cliente (mail, FTP, webservice).
Con il Cliente viene concordato:
il tipo di tracciato di input (dati obbligatori ed opzionali)
Tracciato contenente gli eventuali scarti di elaborazione con le relative motivazioni
Tracciato di output arricchito del valore AVM con indicazione di eventuali posizioni «warning»
Tracciato di output arricchito dei valori IR, MLV, PMV e JV (è possibile usufruire di uno o più indici)
con accesso esclusivo.
Record scartati
Tracciato AVM + Warning
Record
Cliente
RI + MLV + PMV + JVIn conclusione Abbiamo ragione di essere ottimisti sull’immobiliare! La ripresa delle compravendite c’è ma va monitorata più attentamente rispetto al passato L’eterogeneità del mercato può essere gestita con fonti multiple e algoritmi tarati non solo da statistici ma soprattutto da esperti immobiliari I big data estendono il campo visivo di chi gestisce un portafoglio di immobili, permettendo il risk manager di vedere oltre il proprio data set ed intercettare preventivamente rischi e opportunità legate a singoli asset, ottimizzando il capitale di vigilanza Test sul portafoglio della banca con indicatori ad hoc per case study personalizzati
"Information is the oil of the 21st century,
and analytics is the combustion engine”
Peter Sondergaard, SVP Gartner
Contacts
luke.brucato@prelios.com +39 345 6231 626
alessandro.tazzioli@prelios.com +39 366 6937 466
daniele.dicapua@prelios.com +39 335 5268 709Puoi anche leggere
