Uno dei principali problemi che gli istituti bancari si sono trovati ad affrontare negli ultimi dieci anni in Europa è quello delle criticità collegate agli elevati livelli di crediti deteriorati. L’Italia non è certamente immune da questa problematica. Negli ultimi anni, nel quadro di vigilanza unica a livello europeo il Regolatore ha intensificato particolarmente la pressione normativa e l’attività ispettiva sul settore bancario ed ha pubblicato una serie di nuove normative e linee guida sulle gestione di crediti deteriorati (NPL – Non Performing Loans).

La recente crisi dell’economia reale legata alla pandemia porterà sicuramente alla generazione di flussi di crediti non performing maggiori rispetto ad uno scenario normale ed è, anche per questo, che l’attenzione sul tema è molto alta.

In tale contesto la European Banking Authority (EBA) in data 29 Maggio, ha pubblicato la versione finale delle “Guidelines on Loan Origination and Monitoring”.

Il documento fornisce raccomandazioni e best practice agli Istituti bancari in materia di concessione del credito con l’obiettivo di assicurare l’adozione di adeguati standard prudenziali e prevenire la generazione di nuovi crediti deteriorati in futuro, garantendo solidità e stabilità al sistema finanziario europeo.

Uno degli aspetti più importanti presentati riguarda i requisiti in merito al monitoraggio del rischio di credito e delle esposizioni creditizie. EBA ha introdotto un framework di monitoraggio che prevede l’allineamento tra le strategie del rischio di credito delle banche ed il monitoraggio delle esposizioni creditizie su base continuativa.

Il principale punto di attenzione è relativo al rafforzamento dei modelli di intercettamento di deterioramento del credito (modelli di early warning), con un particolare focus sui sistemi di gestione delle informazioni e sul monitoraggio automatizzato. E’ fondamentale migliorare la predittività dei modelli di early warning per garantire l’individuazione tempestiva delle posizioni la cui qualità del credito è a rischio di deterioramento.

Nel documento vengono presentati una lista di indicatori early warning per il monitoraggio del credito. Alcuni di questi indicatori sono direttamente correlati al flusso di cassa. Un indicatore previsto, ad esempio, è il cambiamento negativo nella posizione finanziaria dei mutuatari, come un aumento significativo dei livelli del debito o un aumento significativo del rapporto di copertura del servizio del debito (DSCR).

Il DSCR, acronimo di Debt Service Coverage Ratio, tradotto «rapporto di copertura del servizio del debito», è l’indice che misura la sostenibilità finanziaria del debito aziendale, ovvero la capacità di un’impresa di onorare il proprio debito finanziario (tipicamente a medio lungo termine).

Questa capacità, tuttavia, non è da intendersi a consuntivo. Bensì a livello prospettico. Sempre più spesso le banche, in sede di valutazione del merito di credito, calcolano quindi il DSCR per ogni singolo esercizio ipotizzato nel business plan.

Il DSCR pone a confronto il cash flow operativo (prospettico) prodotto dall’impresa, al netto delle tasse, e il flusso finanziario al servizio del debito, ovvero le quote capitale dei finanziamenti a medio lungo termine che verranno rimborsate nel periodo in oggetto. Il rapporto tra le due grandezze deve essere superiore a 1. In questo modo si ha la certezza che il flusso di cassa generato dalla gestione operativa nel periodo considerato è in grado di far fronte al debito finanziario.

Tuttavia, se da un lato il calcolo del valore a denominatore appare piuttosto semplice (è sufficiente mettere in somma gli importi espressi in quota capitali presenti sui piani di ammortamento dei mutui), il calcolo del flusso di cassa operativo al netto delle tasse non è di semplice realizzazione.

Calcolare il flusso di cassa prospettico significa non solo prevedere gran parte delle voci del conto economico prospettico, ma anche la variazione dei crediti, dei debiti e delle rimanenze al fine di calcolare l’evoluzione del capitale circolante. Attività fondamentale per capire se la gestione caratteristica ha assorbito o ha generato liquidità.

Altro segnale da monitorare è, ovviamente, il calo significativo del fatturato o, in generale, del flusso di cassa ricorrente.

Risulta quindi evidente come sia importante da parte delle imprese tenere sempre sotto controllo la capacità dell’azienda di produrre flussi di cassa nell’ambito della gestione corrente.

Questo proprio nel momento in cui è necessario consolidare il rapporto con i clienti attraverso l’aumento di credito. La concessione del credito deve essere ben valutata sul piano finanziario in quanto riduce la capacità dell’azienda di produrre flussi di cassa nell’ambito della gestione corrente. Ed abbiamo visto come l’analisi del cash flow per la banca è fondamentale nel processo di valutazione del rischio di credito perché misura la capacità dell’impresa di creare liquidità e ripagare i propri impegni finanziari.

Molta attenzione dovrebbe essere quindi dedicata nelle aziende alle attività di analisi dei crediti e di previsione dei flussi di cassa, al fine di una corretta gestione dell’impatto finanziario derivante da eventuali ritardi di pagamento. Spesso il mancato pagamento alla scadenza prevista, oltre che a possibili difficoltà finanziarie temporanee o fisiologiche, è imputabile a cause risolvibili, se note, (es: la mancata ricezione e registrazione della fattura, ritardi nelle consegne, imperfezioni dei dati contabili).

A loro volta quindi le aziende devono controllare il credito, con l’obiettivo di garantire l’incasso delle vendite nei termini contrattuali, monitorando le crisi di liquidità dei clienti.

Una delle tecniche largamente diffuse nella prassi aziendale per l’analisi del credito commerciale è l’analisi per scadenze dei crediti commerciali, la cosiddetta “ageing analysis”, che porta alla classificazione dei crediti in categorie differenti, costituite in base alle scadenze, generalmente suddivise per periodo mensile.

L’ageing analysis viene di regola affiancata dal “calcolo del tempo medio di incasso”, indicatore normalmente calcolato come rapporto tra i crediti complessivi ad una data ed il fatturato realizzato nei dodici mesi precedenti (nel calcolo di questo indicatore è necessario depurare il valore dei crediti dell’Iva, al fine di omogeneizzare i valori).

La disponibilità sistematica delle informazioni relative al credito, consente di seguire costantemente la clientela, i flussi di incasso e di attivare tempestivamente le eventuali e più adeguate azioni di recupero.

Oggi le nuove tecnologie possono aiutare ad ottenere queste informazioni in tempi rapidi e con il minimo impego di risorse. E’ possibile infatti automatizzare il processo di riconciliazione degli incassi (ricevuti tramite bonifico, SDD, POS, web, …) con le corrispondenti fatture aperte (nazionali e internazionali) presenti in contabilità. Si possono raggiungere percentuali di riconciliazione automatica molto alte degli incassi ricevuti e caricarli immediatamente in contabilità chiudendo le partite coinvolte.

Tutto questo è possibile grazie all’utilizzo di prodotti che sfruttano algoritmi di Intelligenza Artificiale per individuare nelle documentazioni allegate ai pagamenti i dati che permettono la riconciliazione con le fatture aperte. Spesso però la tecnologia AI del deep learning fa molta fatica quando deve affrontare territori non chiaramente definiti, in cui giocano un ruolo importante il ragionamento, il buon senso e il significato. L’interpretazione di un testo alla ricerca di informazioni utili per l’accoppiamento delle fatture e la successiva definizione delle regole da applicare per generare un modello replicabile non è facilmente realizzabile anche avendo a disposizione grandi quantità di dati da analizzare. Sono sufficienti piccole variazioni ai testi analizzati per mandare completamente in tilt questi sistemi.

Esistono anche prodotti che invece puntano sul fattore umano aiutando gli utenti a definire facilmente le regole di accoppiamento e memorizzando le regole definite in modelli che man mano diventano sempre più efficienti nella riconciliazione secondo una logica di machine learning. L’esperienza e la conoscenza approfondita delle informazioni da analizzare da parte degli utenti rendono sicuramente più sicuro e performante il processo di riconciliazione.

Operando sugli incassi giornalmente e registrando automaticamente nei sistemi contabili gli incassi ricevuti sarà possibile monitorare il flusso di cassa e valutarne lo scostamento rispetto al flusso di cassa previsionale. In questo modo sarà possibile agire in tempi adeguati per evitare che i dati relativi al flusso di cassa possano pregiudicare il giudizio sullo stato di solidità dell’azienda. Sarà sempre più spesso questo che verrà analizzato dalle banche come uno dei criteri base per quanto riguarda il monitoraggio del credito visto che i dati relativi ai bilanci depositati risentono ormai dell’impatto causato dalla pandemia.

L’automazione della riconciliazione degli incassi ed i tempi ridotti per eseguirla diventano un prerequisito base per il monitoraggio del flusso di cassa.