> ## Documentation Index
> Fetch the complete documentation index at: https://docs.creditbenchmark.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Probabilità di default (PD) di consenso

> Mappiamo tale Consensus PD sulla scala CCR100 per un’analisi del credito più dettagliata, fornendo 101 fasce rispetto ai 21 gradi alfabetici standard.

L'[Consensus Credit Rating](/methodology/consensus-credit-rating) a una **probabilità di default** media grezza a uno dei 21 intervalli di classificazione alfabetica. Questo è il formato corretto per la maggior parte dei casi d'uso, ma 21 categorie possono risultare troppo approssimative quando è necessario rilevare piccole variazioni all'interno di un grado o classificare entità che si trovano all'interno dello stesso intervallo CCR.

La scala secondaria `CCR100` risolve tale problema. Preserva maggiormente il segnale di PD sottostante mappando lo stesso Consensus PD grezzo in 101 bucket più ristretti anziché 21.

## Pubblicazione CCR100

La pubblicazione di un valore CCR100 avviene in due fasi. La Fase 1 è descritta in modo esaustivo nella pagina "[Consensus Credit Rating](/methodology/consensus-credit-rating)" (Pubblicazione di un valore CCR100); questa pagina illustra la Fase 2.

<Steps>
  <Step title="PD grezzi → Media PD di consenso">
    I PD TTC contributivi vengono mediati tra tutte le banche:

    $$
    \text{Consensus PD} = \frac{1}{N} \sum_{i=1}^{N} PD_i
    $$
  </Step>

  <Step title="Consensus PD → PD del punto medio CCR100">
    Tale valore viene trasferito tramite una `CCR100` tabella di corrispondenza:
  </Step>
</Steps>

$$
\text{CCR100 PD} = f(\text{Consensus PD})
$$

I bucket sono indicizzati da 1 a 101, dove 101 corrisponde al default.

<Info>
  Trattandosi di una consultazione tabellare, il PD mediano pubblicato è discreto anziché continuo. In pratica è solitamente molto vicino alla media grezza, ma non sempre esattamente uguale.
</Info>

## Quando utilizzare il CCR100

Utilizzi il CCR principale per la classificazione del credito, la rendicontazione e qualsiasi contesto in cui un voto alfabetico rappresenti l’output più adeguato. Utilizzi il CCR100 quando è necessario:

* **Classificare le controparti all'interno dello stesso intervallo CCR** — due controparti entrambe valutate con rating `bbb` possono trovarsi in posizioni significativamente diverse all’interno di quel grado
* **Monitorare piccole variazioni** — una variazione che non supera una soglia CCR apparirà comunque nel bucket CCR100
* **Alimentare modelli quantitativi** — la PD media sottostante e il punto medio del CCR100 rappresentano input continui più adatti rispetto a una lettera categoriale.

Per le definizioni a livello di campo, consultare l'[Dizionario dei Dati](/data/data-dictionary).