Il rischio operativo: l'utilizzo delle reti neurali per la previsione del rischio di frode

Lo studio e l'attuazione di misure idonee a fronteggiare la problematica del rischio operativo nell'industria bancaria, risultano arretrati rispetto agli altri rischi (di credito e di mercato).
A tal proposito, il Comitato di Basilea ha introdotto delle regole che impongono alle banche una gestione orientata alla redditività (come può essere per altri tipi di imprese), ma che tenga conto anche della rischiosità delle scelte.
Il Comitato in realtà non impone soltanto delle regole, ma mette a disposizione una serie di soluzioni che suggeriscono il modo in cui affrontare il problema del rischio, inducendo le banche a sviluppare delle unità operative di Risk Management, con dei veri e propri sistemi di gestione dei rischi.
Per le differenti tipologie di rischio, quindi anche per quello operativo, l'Accordo di Basilea descrive diversi approcci con cui misurare il profilo di rischiosità e quindi il capitale da accantonare a copertura.
Tra gli approcci forniti, quelli con un maggior grado di semplicità, hanno una minore efficacia nella corretta misurazione del rischio assunto e quindi un maggior costo in termini di capitale da accantonare. Al contrario, quelli più complessi richiedono alti investimenti per l'implementazione, ma riescono ad individuare quali aspetti della gestione mettono in risalto la rischiosità per l'intera banca. Inducendo le istituzioni a sviluppare dei sistemi di monitoraggio e copertura dal rischio, il Comitato persegue l'obbiettivo di rendere l'intero sistema finanziario meno soggetto ad eventi che ne compromettano la stabilità.
Lo studio e l'attuazione di misure idonee a fronteggiare la problematica del rischio operativo, risultano arretrati rispetto agli altri rischi, ma l'attività del Risk Management negli ultimi anni all'interno del rischio operativo ha avuto una crescita notevole.
Tra i principali assunti di partenza, c'è la consapevolezza dell'esistenza di una distinzione tra i rischi generati da eventi “High Frequency Low Impact” (HFLI), ossia caratterizzati da un'elevata frequenza ma da un ridotto impatto economico, con quelli originati da eventi “Low Frequency High Impact” (LFHI), cioè caratterizzati da una bassa probabilità di verificarsi ma con un alto impatto in termini economici.
Ai fini del calcolo del coefficiente patrimoniale richiesto dall'Accordo di Basilea, l'attività di Risk Management ha mostrato le difficoltà esistenti nel modellizzare gli eventi LFHI, al contrario degli HFLI.
Gli eventi LFHI presentano infatti un grado di difficoltà elevato per quanto riguarda la previsione e la misura del reale rischio assunto nonostante l'evoluzione dei modelli matematici ad oggi applicati. Ciò rende evidenti dei possibili riflessi sul mercato assicurativo in termini di domanda di strumenti a copertura degli eventi cosiddetti catastrofici.
Invece andare a misurare il costo in termini probabilistici degli eventi HFLI non risulta particolarmente difficile con l'utilizzo di modelli statistici, ma la necessità di misurare i costi subiti al verificarsi di tali eventi, dovrebbe suggerire lo sviluppo di sistemi di monitoraggio dei rischi, al fine di ridurne il più possibile la frequenza. In tale ambito trova una reale applicazione l'utilizzo di modelli matematici esperti, quali le reti neurali, in grado di lavorare come strumento previsionale per il rischio di frode nelle richieste di finanziamento.
L'obiettivo del lavoro sarà quello di descrivere nel primo capitolo l'attuale regolamentazione nell'ambito del Rischio Operativo del settore bancario con principale riferimento all'Accordo di Basilea 2 sulla vigilanza prudenziale, descrivendo gli approcci dettati dal Trattato al fine di misurare e fronteggiare le perdite derivanti dalle diverse fonti di rischio.
Il tema affrontato nel secondo capitolo sarà quello dell'Intelligenza Artificiale ed i modelli basati sulle reti neurali artificiali, partendo dall'evoluzione raggiunta nel corso degli anni dai differenti studi nei diversi ambiti, approfondendo le diverse tipologie di struttura progettate e i diversi algoritmi d'apprendimento utilizzati per la costruzione delle reti.
Infine nel terzo capitolo verrà descritta la metodologia utilizzata per la costruzione di un modello basato su reti neurali artificiali e la sua applicazione per la risoluzione della problematica del rischio di frode che deve essere fronteggiata dalle istituzioni bancarie nell'attività di concessione di finanziamenti per prestiti al consumo.