giugno 2020
Coordinamento Rosa Cocozza (Università di Napoli), Stefano Romano (Prometeia), Corrado Meglio (BCP)
Contenuti
I modelli hanno assunto un ruolo pervasivo nell’operatività bancaria configurandosi come driver essenziali nel decision making sia in ambito regolamentare che gestionale, e questa considerazione, seppur con caratterizzazioni diverse, risulta valida sia per banche “significant” che “less significant”.
Valutando questa tematica con una prospettiva estesa, si evidenzia che il numero e la complessità dei modelli abbiano raggiunto un livello di ampiezza tale da richiederne una gestione dedicata e strumenti specifici per evitare che la base decisionale si poggi su algoritmi, dati o elaborazioni non adeguati.
Oltre alla complessità intrinseca dei modelli, si aggiunge una crescente interconnessione tra gli stessi per cui le criticità di un modello possono riverberarsi sui modelli collegati con effetti poco prevedibili.
Sotto l’accezione di Model Risk Management vengono inclusi tutti gli strumenti operativi e concettuali per gestire l’intero ciclo di vita dei modelli con l’obiettivo di mappare puntualmente modelli, connessioni, fasi operative, owner e strumenti atti a garantire livelli di performance sempre più elevati.
L’emergenza Covid ha amplificato l’esigenza di ridurre la distanza tra l’identificazione delle criticità sui modelli (ad esempio un radicale cambio del contesto), la presa in carico delle azioni correttive, il relativo monitoraggio e il rilascio degli interventi. Una catena di trasmissione non adeguata comporta inevitabilmente tempi di risposta più lunghi con modelli che non sono in grado di rappresentare adeguatamente il nuovo contesto.
L’obiettivo della commissione è quello di mappare le prassi attuali nella gestione del ciclo di vita dei modelli, le eventuali differenziazioni in base al tipo modello, il livello di maturazione degli strumenti a supporto e il livello di accuratezza della regolamentazione interna.
Il position paper evidenzierà l’omogeneità o meno di queste prassi, le relative peculiarità in base a driver dimensionali e di tipologia di modelli e suggerirà un framework di riferimento per la gestione del Model Risk Management nel rispetto dei principi di proporzionalità.
