Rischio sistemico ed interconnessione di rete fra le istituzioni del sistema finanziario

Una delle caratteristiche distintive dell’attuale sistema finanziario è la forte interconnessione tra le istituzioni ed i mercati finanziari. (Yellen, 2013). Tale peculiarità se in situazioni di normalità del ciclo economico tende a rafforzare la stabilità finanziaria globale attraverso la tecnica della diversificazione dei rischi idiosincratici, nel caso in cui si generi un evento di shock può, diversamente, alimentare l’instabilità finanziaria globale attraverso il canale della propagazione del rischio ed innescando un effetto contagio tra diverse aree economiche, mercati ed istituzioni finanziarie tanto più forte quanto maggiore è il grado di interconnessione tra questi. Per tale motivo, è importante sottolineare come la stabilità del sistema finanziario sia messa in pericolo non solo dalle istituzioni “troppo grandi per fallire” (o “too big to fail”), ma anche da quelle “troppo interconnesse per fallire” (o “too interconnected to fail”). Proprio queste ultime, a causa della loro dimensione relativa media o piccola, potrebbero essere sottovalutate dalle autorità di supervisione finanziaria come potenziali trasmettitori di instabilità sistemica (Markose et al., 2012; Gofman, 2017). Il Financial Stability Board (FSB) ha comunque stabilito dopo il Summit del G20 di Londra nel 2009 di utilizzare anche il “grado di interconnessione” tra le istituzioni finanziarie come importante “categoria” di identificazione delle banche ad importanza sistemica globale, oltre alla tradizionale categoria della “dimensione” ma limitandosi ad un’analisi “locale” Conseguentemente, i ricercatori hanno focalizzato la loro attenzione sulle metodologie attraverso le quali poter misurare il rischio sistemico delle istituzioni finanziarie prendendo in considerazione proprio il livello di interconnessione tra le stesse. Attualmente, i metodi basati sui dati di mercato (in particolare i prezzi di borsa delle azioni rappresentative delle istituzioni finanziarie) proposti per stimare il grado di interconnessione tra le istituzioni e (in funzione di questo) l’importanza sistemica, possono ripartirsi in tre gruppi. Il primo gruppo usa le correlazioni tra le attività finanziarie per stimare le probabilità d’insolvenza delle istituzioni; in particolare, le metodologie utilizzate sono il coefficiente di cross-correlation (Huang et al., 2009; Patro et al., 2013) e l’analisi delle componenti principali (PCA) (Krizman et al., 2011; Billio et al., 2012). Il secondo gruppo misura gli effetti di contagio (o di spillovers) tra le istituzioni ed i contributi di ciascuna istituzione al rischio sistemico utilizzando le dipendenze di coda delle istituzioni finanziarie. A tale proposito, Zhou (2010) propone due misure, l’indice d’impatto sistemico (systemic impact index-SII) e l’indice di vulnerabilità (vulnerability index-VI) per identificare l’importanza sistemica delle istituzioni finanziarie usando la Extreme Value Theory (EVT) multivariata. Adrian and Brunnermeier (2016) sviluppano la misura del Conditional Value-at-Risk (CoVaR), definito come il VaR condizionale del sistema finanziario, ossia calcolato quando un evento specifico colpisce una singola istituzione. Conseguentemente, Adrian and Brunnermeier (2016) propongono una misura di rischio sistemico chiamata ΔCoVaR e definita come la differenza tra i CoVaR del sistema finanziario condizionali sia ad una situazione di stress che ad una situazione di normalità di ciascuna singola istituzione finanziaria. Acharya et al. (2017) presentano altre due misure di rischio sistemico: il Marginal Expected Shortfall (MES) ed il Systemic Expected Shortfall (SES). Il MES esprime il valore delle perdite di una generica istituzione finanziaria quando l’intero sistema finanziario è in una situazione di stress, mentre il SES è calcolato prendendo in considerazione sia il MES della singola istituzione finanziaria che il suo leverage. Inoltre, prendendo in considerazione la dimensione ed il leverage della singola istituzione, Acharya et al. (2012) assieme a Brownlees and Engle (2017) estendono il concetto di MES alla misura di SRISK, che quantifica l’effetto di un evento sistemico sulla perdita di capitale dell’istituzione. Banulescu and Dumitrescu (2015) estendono il MES ad un’ulteriore misura di rischio sistemico che chiamano CES ossia Component Expected Shortfall che, a sua volta, è collegata al MES della singola istituzione finanziaria ed alla sua capitalizzazione relativa di mercato. Entrambi i due gruppi di metodologie del rischio sistemico basati su dati di mercato hanno comunque il limite di riuscire a cogliere solo l’interdipendenza di tipo “locale” tra istituzioni, studiando solo il grado di interazione tra ciascuna istituzione ed il sistema finanziario. Questi metodi di stima non riescono infatti a valutare l’interconnessione di “rete” esistente fra tutte le istituzioni del sistema finanziario da una prospettiva effettivamente sistemica. Questo limite dei modelli sopra citati conduce ad una “pericolosa” sottostima del contributo al rischio sistemico da parte delle singole istituzioni e soprattutto di quelle di media capitalizzazione ma fortemente interconnesse, poiché non riesce a catturare il fenomeno della propagazione dei rischi che è legato alla particolare topologia di network finanziario (Hautsch et al., 2015). Per superare tale lacuna, si è recentemente sviluppato un terzo gruppo di studi che utilizza la teoria del network per misurare il diverso grado di interconnessione fra le diverse istituzioni ed individuare potenziali driver di rischio sistemico. La teoria del network può meglio analizzare la complessità dell’architettura dell’attuale sistema finanziario rappresentandola attraverso una fitta rete composta da un insieme di nodi (le diverse istituzioni) e di link (le relazioni/esposizioni) tra i diversi nodi (Levy-Carciente et al., 2015; Battiston et al., 2016). In particolare, Hardle et al. (2016) estendono il concetto di CoVaR (dell’istituzione j condizionato ad un evento che interessa l’istituzione i) ad un network guidato da eventi di coda chiamato TENET (Tail Event Network) che misura il contributo al rischio sistemico di ciascuna istituzione appartenente al sistema finanziario prendendo in considerazione proprio la sua interconnessione di coda con le altre istituzioni del sistema. Questa caratteristica permette a TENET di catturare il rischio estremo o l’evento di coda solitamente riflesso nelle code delle distribuzioni dei rendimenti azionari. Wang et al. (2017), utilizzando la struttura analitica di TENET proposta inizialmente da Hardle et al. (2016), studiano la complessa struttura di interconnessione del sistema finanziario cinese e quindi il suo rischio sistemico attraverso i dati finanziari pubblicamente disponibili dal 4 gennaio 2008 al 30 dicembre 2016 di un campione di 24 istituzioni finanziarie quotate cinesi ripartite dagli autori nelle tre tradizionali categorie di: “banche commerciali” (banks), “banche d’investimento” (securities) e “società assicurative” (insurers). L’obiettivo di Wang et al. (2017) è quello di individuare le istituzioni finanziarie cinesi sistemicamente rilevanti attraverso lo studio delle caratteristiche topologiche della struttura di rete costruita replicando il modello di TENET di Hardle et al. (2016). La struttura di network ottenuta (vedi figura 4) dovrebbe approssimare l’architettura dell’attuale sistema finanziario cinese. Il risultato più interessante e poco scontato di questo studio è che tra le istituzioni cinesi a rilevanza sistemica appaiono anche istituzioni di media e di piccola dimensione proprio a causa del loro alto livello di interconnessione (sia in entrata che in uscita) con le altre istituzioni del network. In particolare, risultano istituzioni sistemicamente rilevanti non solo le tre global systemically important banks (G-SIBs) di grande dimensione quali Industrial and Commercial Bank of China (ICBC), Bank of China (BOC), e China Construction Bank (CCB) assieme ad una global sistemically important insurance (G-SII) come Ping An. Insurance Co. of China (PAI); ma anche parecchie istituzioni finanziarie di media dimensione come Haitong Securities (HTSEC), China Life Insurance (CLI), Bank of Communication (BOCOM), China Merchants Bank (CMB), China Minsheng Banking Corp. (CMBC), oltre ad istituzioni di piccola dimensione come Huaxia Bank (HXB), Bank of Ningbo (NBCB) e Bank of Beijing (BOB). Da questi risultati si evince come i regolatori non dovrebbero limitare la loro attenzione alle sole istituzioni finanziarie di grande dimensione come, per esempio (nel caso cinese), a ICBC, BOC e CCB, ma dovrebbero valutare anche la potenziale pericolosità di istituzioni di media e piccola dimensione ma caratterizzate da alti livelli di interconnessione di coda con le altre istituzioni del sistema finanziario. Inoltre, Wang et al. (2017) trovano come sia la connessione totale (TC) che la connessione settoriale, ossia tra i tre tradizionali settori finanziari (quello bancario, mobiliare ed assicurativo) raggiungano un picco sia in situazioni di incertezza del sistema finanziario, che in corrispondenza di un evento di stress del sistema. Questi risultati scientifici possono divenire preziose indicazioni di policy per le autorità di supervisione che potrebbero utilizzare la “connessione totale”, CT, come indicatore di pre-allarme (pre-warning indicator) di situazioni di rischio o di stress del sistema finanziario. In particolare, dall’analisi dei dati empirici finanziari emerge come l’incremento della connessione tra i diversi settori del sistema finanziario cinese sia causa dell’innalzamento del livello di connessione totale (TC) del sistema finanziario complessivo nel periodo di euforia e di successiva turbolenza/incertezza del mercato azionario cinese sperimentata negli anni 2015-2016 (vedi tabella 2). Conseguentemente, le tre autorità di regolamentazione microprudenziale rispettivamente sul sistema bancario, mobiliare ed assicurativo dovrebbero rivolgere maggiore attenzione alla interconnessione cross-sectoral, ossia tra i diversi settori del sistema finanziario, aumentando il livello di coordinamento delle proprie responsabilità di supervisione ai fini di una sorveglianza più efficiente sulla stabilità e sicurezza del sistema finanziario complessivo.