
La modellizzazione dei depositi a vista nella gestione del rischio di tasso di interesse delle banche
Informazioni sul documento
Autore | Domenico Curcio |
Scuola | Università degli Studi |
Specialità | Economia e Finanza |
Anno di pubblicazione | 2018/2019 |
Luogo | Città |
Tipo di documento | tesi |
Lingua | Italian |
Numero di pagine | 88 |
Formato | |
Dimensione | 2.05 MB |
- Gestione del rischio di tasso di interesse
- Modellizzazione dei depositi a vista
- Economia bancaria
Riassunto
I. Introduzione
La modellizzazione dei depositi a vista è cruciale per comprendere il rischio di tasso di interesse nelle banche. I depositi a vista, privi di scadenza contrattuale, presentano una duplice opzione: la libertà di movimentazione per i clienti e la facoltà per le banche di adeguare i tassi d'interesse. Questo meccanismo crea un mismatching temporale tra attività e passività, accentuando il rischio di liquidità. Le variazioni dei tassi di interesse di mercato influenzano parzialmente i tassi sui depositi, con un ritardo che si amplifica in scenari di rialzo. La gestione di questo rischio richiede un'analisi approfondita delle dinamiche di mercato e delle scelte dei depositanti, che sono influenzate da variabili come i costi di trasferimento e le asimmetrie informative. La tecnologia ha ridotto tali asimmetrie, rendendo necessaria l'implementazione di modelli per stimare le dinamiche dei tassi e dei volumi. La modellizzazione è fondamentale per ottimizzare il margine di rendimento delle banche, poiché i depositi a vista offrono un costo di funding inferiore rispetto ad altre forme di raccolta.
II. Modelli Proposti
La letteratura presenta diversi modelli per la gestione del rischio associato ai depositi a vista. Tra questi, i modelli di portafoglio replicante e i modelli OAS (Option Adjusted Spread) sono significativi. I modelli a correzione di errore (ECM) offrono un approccio utile per analizzare le relazioni tra variabili economiche. L'analisi dei modelli ECM applicati ai depositi a vista evidenzia l'importanza di considerare le dinamiche di mercato e le reazioni asimmetriche dei tassi. Inoltre, i modelli ARDL (Autoregressive Distributed Lag) forniscono un quadro per comprendere le interazioni a lungo termine tra variabili. Questi modelli non solo aiutano a prevedere le variazioni dei tassi, ma anche a gestire il rischio di liquidità e a ottimizzare le strategie di pricing. La loro applicazione pratica è essenziale per le banche, poiché consente di adattare le politiche di interesse alle condizioni di mercato in continua evoluzione.
III. Applicazione del Modello Proposto
L'applicazione del modello proposto per la gestione del rischio di tasso di interesse implica una valutazione dettagliata degli scenari di mercato. La tipologia di rischio considerata include il rischio di liquidità e il rischio di tasso, entrambi influenzati dalle scelte dei depositanti. L'analisi degli scenari di tasso, come il floor incrementale, è cruciale per comprendere come le variazioni dei tassi di mercato impattino sul valore economico delle banche. La simulazione dei regressori e le regole di indicizzazione del tasso clientela sono strumenti utili per prevedere le reazioni del mercato. I risultati ottenuti dall'applicazione del modello mostrano variazioni significative nel valore economico, evidenziando l'importanza di una gestione proattiva. La sintesi e i limiti del modello proposto offrono spunti per future ricerche e miglioramenti, sottolineando la necessità di un approccio flessibile e adattabile alle condizioni di mercato.
Riferimento del documento
- Portafoglio replicante di Bardenhewer M. (Bardenhewer M. (2007))
- Modello proposto da Castagna A. e Manenti F. (Castagna A. e Manenti F. (2013))
- Modello proposto da Cocozza R. et al (Cocozza R. et al (2014))