introducing premium: a bigger picture through bigger data. · indicerischiopuntuale esprime il...
TRANSCRIPT
Introducing PREMIUM:
A bigger picture through bigger data.
Big Data
PREMIUM – Real Estate Risk Platform
Esempi previsionali
Come usare Premium
Indice
Nuove esigenze
323
31243245
1253713
7575
Big Trends in real estate
NUOVE ESIGENZE
Big trends in real estate
Analisi Forward Looking
Monitoraggio dinamico
Early warning
Identificazione rimedi
TAKE-AWAY
Le garanzie per il calcolo del provisioning
L’impatto dipende in
maniera considerevole
da:
• Informazioni di cui si
è in possesso
• Algoritmi predittivi di
valore
• Calcolo del judicial
value
TAKE-AWAY
Come estendere il campo visivo del gestore portafogli immobiliari
BIG DATA 323
31243245
1253713
7575
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
di 6 mesi
2006: Prelios Valuations lancia Magister
• Primo AVM in Italia su scala nazionale
• Granularità e georeferenziazione
• Multi-fonte (interna ed esterna)
• Integrazione di asking prices (Casaclick &
Immobiliare.it)
Origination
Target
Attuale
Prelios Valuations: lunga tradizione prop-tech
Fonti informative e algoritmi
PREMIUM
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
Premium Real Estate Risk Platform
e con il supporto di
A bigger picture through bigger data
Un nuovo orizzonte di analisi territorialeFonti Prelios Fonti Esterne
Previsioni macroeconomiche
PIL, Inflazione, Euribor, Transazioni, Indici personalizzati Banca
Trattamento metodologico delle fonti
Valutazione della crescita/decrescita dei trend
Valutazione in rapporto con la popolazione
Valutazione del cluster costituiti da dati senza serie
storica
Valutazione del cluster costituiti da dati con serie
storica
Valutazione delle distanze
Valutazione in relazione alla scala di rischio
istituzionale
Alcuni esempi di approccio alla gestione delle fonti di Big Data
Oltre 300 categorie di
Big Data, rilevate dalle
seguenti fonti:
• OMI
• Istat
• Scenari Immobiliari
• CasaClick
• Open Polis
• Consodata
Imprese per fascia di settore
Consumi per gruppi e categorie merceologiche
Turismo della zona
Stima demografica (elaborazione BRaVe)
Pensioni
Reddito finanziato e Gestione del risparmio
Popolazione gravitante per motivi di lavoro
IMU/ICI/TARI/TASI
IRPEF
Stabilità politica
Finanziamenti al welfare
PIL
inflazione
SVILUPPO SOCIO-ECONOMICO
Attrattività economica e sociale
Sviluppo socio-demografico
Condizioni politche, fiscali, monetarie
Trend macroeconomici
Valori delle compravendite (elaborazione Prelios)
Numero delle compravenditeMERCATO IMMOBILIARE Andamento del mercato immobiliare
Indice di Rischio
Elenco categorie fonti big data socio-economico-demografico
Rete trasporto pubblico
metro
mezzi di superficie
ferrovie
Rete trasporto privato
Autostrada
Strada Statale
Strada Provinciale
Sicurezza incidenti stradali
Opinione dei cittadini
Criminalità
Sicurezza incidenti stradali
Flusso di traffico
Disponibilità parcheggi
Scuole
Università
Farmacia
Banche
Ospedali
Supermercati
Cinema e divertimenti
ristoranti e bar
Uffici postali
Classificazione sismica
Rischio alluvioni
Rischio frane
Qualità ambientale
LOCALIZZAZIONE
posizione toponomastica
Immagine del quartiere
Qualità delle infrastrutture
Qualità servizi del lotto
Oltre 300 categorie di
Big Data, rilevate dalle
seguenti fonti:
• OMI
• Istat
• Scenari Immobiliari
• CasaClick
• Open Polis
• Consodata
Indice di Rischio
Elenco categorie fonti big data socio-economico-demografico
EARLY
WARNINGMiglioramento
dell’indice
«pop grav per
motivi di lavoro»
EARLY
WARNINGMiglioramento
dell’indice
«imprese
per fascia
di settore»
EARLY
WARNING
Peggioramento
indice
sulla stima
demografica
EARLY
WARNING Miglioramento
dell’indice
«opinione dei
cittadini»
EARLY
WARNING Università
e servizi della zona
Potenzialità
dell’“early warning”
• Rilevare
tempestivamente
cambiamenti rilevanti
sul territorio, che
possano avere un
impatto sul valore
dell’immobile
• Precisare le tendenze
per quartiere, ed
indicare dove conviene
maggiormente investire
Indice di Rischio
Early warning di variazione significativa di valore
Viene calcolato in base a:
Indirizzo identificativo del cespite
Valori sistema AVM MAGISTER
Dati relativi ai cicli immobiliari precedenti
Indice di Rischio PREMIUM
Proiezione/Rettificazione Congiunturale in
funzione di dati previsionali macro-
economici
PIL
Inflazione
Euribor
Transazioni immobiliari
Indice personalizzato banca
Predictive Market Value – Valore di mercato
Predictive Market Value
Uno strumento essenziale per
far fronte meglio ai problemi
legati ai tempi di
aggiudicazione in asta per
provincia, molto diversi tra di
loro. Il JV considererà:
• Lo sconto della vendita
all’asta
• Costi di procedura
• Costi di manutenzione
durante il ciclo esaminato
Provincia di Torino
•Tempo di aggiudicazione: 3,4 anni•Svalutazione media: 40%
Provincia di Milano
•Tempo di aggiudicazione: 4,1 anni•Svalutazione media: 50%
Provincia di Vicenza
•Tempo di aggiudicazione: 2,8 anni•Svalutazione media: 55%
Provincia di Bologna
•Tempo di aggiudicazione: 3,2 anni•Svalutazione media: 45%
*tempi di aggiudicazione e svalutazione media a titolo esemplificativo
Il Judicial Value, un valore essenziale per determinare il calcolo del più probabile prezzo di aggiudicazione in asta, anche
alla luce del numero di crediti deteriorati in Italia.
Tale valore corrisponde al dato richiesto nelle linee guida NPL ABI 2018 per la valutazione degli immobili a garanzia dei
crediti inesigibili, relativamente al calcolo del Market Value con assunzioni.
Judicial Value – Valore di vendita in asta
Judicial Value
ESEMPI PREVISIONALILe grandi città italiane
Indice di rischio e valutazioni Firenze
1
1,5
2
2,5
3
3,5
4
4,5
5
5,5
6
3300
3400
3500
3600
3700
3800
3900
4000
2011 2012 2013 2014 2015 2016 2017
1
1,5
2
2,5
3
3,5
4
4,5
5
5,5
6
3300
3400
3500
3600
3700
3800
3900
4000
2011 2012 2013 2014 2015 2016 2017
+3
Indice di rischio
Indice di rischio t+3
Prezzi €/mq
Corr ( ; ) = -0,98
Fonte: Prelios Valuations PREMIUM
1
1,5
2
2,5
3
3,5
4
4,5
5
5,5
6
1750
1800
1850
1900
1950
2000
2050
2100
2150
2200
2250
2011 2012 2013 2014 2015 2016 2017
1
1,5
2
2,5
3
3,5
4
4,5
5
5,5
6
1750
1800
1850
1900
1950
2000
2050
2100
2150
2200
2250
2011 2012 2013 2014 2015 2016 2017
Indice di rischio e valutazioni Palermo
+3 Indice di rischio
Indice di rischio t+3
Prezzi €/mq
Corr ( ; ) = -0,95
Fonte: Prelios Valuations PREMIUM
1
1,5
2
2,5
3
3,5
4
4,5
5
5,5
6
3700
3800
3900
4000
4100
4200
4300
4400
4500
4600
1 2 3 4 5 6 7
Indice di rischio e valutazioni Milano
Fonte: Prelios Valuations PREMIUM
Indice di rischio
Indice di rischio t+3
Prezzi €/mq
Corr ( ; ) = -0,47
+3
In grandi metropoli, la necessità di
analisi granulari è ancora più
evidente
1
1,5
2
2,5
3
3,5
4
4,5
5
5,5
6
3700
3800
3900
4000
4100
4200
4300
4400
4500
4600
1 2 3 4 5 6 7
Indice di rischio e valutazioni Milano - City Life
Fonte: Prelios Valuations PREMIUM
Indice di rischio
Indice di rischio t+3
Prezzi €/mq
Corr ( ; ) = -0,97
+3
1
1,5
2
2,5
3
3,5
4
4,5
5
5,5
6
6600
6800
7000
7200
7400
7600
7800
8000
8200
8400
8600
2011 2012 2013 2014 2015 2016 2017
Indice di rischio e valutazioni Milano - Magenta
Fonte: Prelios Valuations PREMIUM
Indice di rischio
Indice di rischio t+3
Prezzi €/mq
Corr ( ; ) = -0,88
+3
Valore debito
Valore garanzia
Da singolo punto a vettore
0
0,5
1
1,5
2
2,5
3
0
10
20
30
40
50
60
70
80
90
100
t1 t2 t3 t4 t5 t6
LTV
LGD
Al ridursi del debito LTV e LGD tendono a
diminuire
Valutazione precisa delle garanzie essenziale
al giusto accantonamento
Impatto condizioni economiche:
• Durata ciclo di default
• Ammontare recuperi
• Cure rate
Da LGD a LGD Forward
Cosa serve per sperimentare le potenzialità del prodotto
COME USARE PREMIUM
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, PMV e JV (è possibile usufruire di uno o più indici)
con accesso esclusivo.
Tracciato
Record
Cliente
Record scartati
AVM + Warning
IR + PMV + JV
Per accedere al servizio in fase di test, è sufficiente disporre di un portafoglio avente 500/1.000 posizioni da far elaborare al
sistema. Il database potrà essere fornito nella modalità più comoda al cliente (mail, FTP, webservice).
Requisiti minimi per accedere al servizio
Sezione Campi Obbligatorio Consigliato Ottimale
Testata
Tipo record x x x
Codice ABI dell’Istituto x x x
Progressivo di invio x x x
Anagrafica
Input
Eventuali campi che identificano univocamente l'occorrenza nel sistema del cliente
Provincia dell'immobile x x x
Codice di avviamento postale x
Denominazione del comune dell'immobile x x x
Denominazione della località x
Prefisso dell'indirizzo (via, piazza, etc) x
Indirizzo senza via/piazza ecc e senza numero civico x x x
Numero civico dell'indirizzo x
Tipo immobile x x x
Numero dei vani principali dell'immobile (¹ o in alternativa i mq) x¹
Numero dei vani secondari dell'immobile x
Superficie dell'immobile in mq (² o in alternativa il numero vani) x² x
Unita di misura della superfice
Piano al quale si trova l'immobile x
Numero di piani complessivo dell'edificio x
Categoria Catastale x x x
Qualitativo
Input
Flag che indica la presenza della portineria x
Panoramicità Immobile x
Flag che indica la presenza dell'ascensore x
Stato Manutentivo Edificio x
Stato Manutentivo Immobile x
Dinamico
Input
Data della perizia dell'immobile x x x
Valore dell'immobile a corpo espresso in euro x x
Elenco dei campi da fornire in input
Sezione Campi Descrizione
Dati forniti in
inputTutti i campi forniti con arrichimento della normalizzazione dell'immobile (Testata, Anagrafica, Qualitativo e Dinamico)
Check
ErroreTipoBene Descrive errori di congruità sui dati dell'immobile
QualitaNormalizzazione Descrive la qualità della georeferenziazione
ErroreRivalStatica Motivo della impossibilità di eseguire la rivalutazione statica
ErroreRivalDinamica Motivo della impossibilità di eseguire la rivalutazione dinamica
Valutazione
Statica
ValoreImmobile Valutazione statica di massima frequenza a corpo
ValoreImmobileMin Valutazione statica minima a corpo
ValoreImmobileMax Valutazione statica massima a corpo
ValoreImmobileMQ Valutazione statica di massima frequenza al mq
ValoreImmobileMinMQ Valutazione statica minima al mq
ValoreImmobileMaxMQ Valutazione statica massima al mq
DataRivalStatica Data di riferimento della valutazione statica
Valutazione
Dinamica
RivalutazPerizia Valore della perizia rivalutata a corpo
DataRiferimentoRival Data della perizia se questa è uguale o successiva alla data di inizio dello storico, altrimenti è la data di inizio dello storico
DataIndiceRivalDinamica Data di riferimento dell'indice di rivalutazione
IndiceRivalDinamica Indice di rivalutazione tra la data di perizia e la data di riferimento per la valutazione dinamica
IRIndiceRischioPuntuale Esprime il coefficiente di rischio puntuale (vedi slide 10-11), contestualmente alla posizione dell'immobile oggetto di valutazione
IndiceRischioComplessivo Esprime il coefficiente di rischio complessivo, contestualmente alla posizione dell'immobile oggetto di valutazione
MLV MLV_yyyy Esprime il coefficiente della retta che rappresenta l'andamento della garanzia nel lungo periodo
PMV PMV_yyyy Esprime il coefficiente della retta che rappresenta la previsione del valore futuro della garanzia nel breve-medio termine
JV JV Esprime il massimo valore di aggiudicazione forzata in asta del credito deteriorato
Elenco dei campi da fornire in input
In conclusione
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, migliorando previsioni LGD e
ottimizzando il capitale di vigilanza
Il modello PREMIUM è perfettamente integrabile con tutti gli indicatori di scenario della
banca
Contacts:
Luke Brucato · Head of Business Development · [email protected] · +39 345 623 1626
Alessandro Tazzioli · Senior Business Developer · [email protected] · +39 366 693 7466
Daniele Di Capua · Senior Analyst · [email protected] · +39 335 256 6709
"Information is the oil of the 21st century,
and analytics is the combustion engine”Peter Sondergaard, SVP Gartner