1

DIPARTIMENTO DI ECONOMIA E TECNICA AZIENDALE

DIPARTIMENTO DI ENERGETICA DELL’UNIVERSITA’ DI TRIESTE

Chiarimenti e informazioni integrative al progetto:

“Tecniche softcomputing (reti neurali ed algoritmi genetici) per l’analisi

dei sistemi complessi applicati alla finanza moderna”

I Gruppi di ricerca:

Rischio Impresa

Rischio Paese

Rischio Mercati Finanziari

2

3

Indice dei Contributi • Integrazioni alla luce delle osservazioni contenute nella relazione scientifica e

contabile sulle attivita’e sui costi sostenuti nella prima annualita’ di cui al documento del prof Gaetano Golinelli

Pag. 5• Chiarimenti ed integrazioni sull’Attività 1a del progetto Pag. 7• Gruppo di ricerca: Rischio Impresa

o Descrizione delle modalità di realizzazione della ricerca bibliografica condotta: metodi e contenuti Pag. 9

o Descrizione delle aree d’intervento e bibliografia completa per temi Pag. 10o Rapporto sui parametri economico-finanziari di base utlizzati per la ricerca Pag. 24o Allegato 1 RI (Rischio Impresa): selezione di Abstract Pag. 29

• Gruppo di ricerca: Rischio Paese o Descrizione delle modalità di realizzazione della ricerca bibliografica

condotta: metodi e contenuti Pag. 115o Descrizione delle aree d’intervento e bibliografia completa per temi Pag. 116o Ricerca delle fonti di informazione al fine della costruzione di un archivio

dati Pag. 122

• Gruppo di ricerca: Rischio Mercati Finanziari o Descrizione delle modalità di realizzazione della ricerca bibliografica

condotta: metodi e contenuti Pag. 127o Descrizione delle aree d’intervento e bibliografia completa per temi Pag. 129o Rapporto sui parametri economico-finanziari di base utlizzati per la ricerca Pag. 154o Allegato 1 RMF (Rischio Mercati Finanziari) Pag. 157o Allegato 2 RMF (Rischio Mercati Finanziari): selezione di Abstract Pag. 159

• Chiarimenti ed integrazioni sull’Attività 2a e 3a del progetto o Relazione descrittiva sulla banca dati Pag. 165o Elenco delle imprese coinvolte nella banca dati Pag. 172o Informazioni sul criterio di campionamento delle imprese Pag. 173o Informazioni in merito al campione selezionato per l’indagine diretta Pag. 189o Relazione sull’applicabilità dei modelli algoritmici e della teoria dei giochi

al modello di predizione della rischiosità ipotizzato nel progetto Pag. 193

o Allegato: Analisi della variabilita’ degli indicatori e scelta della numerosità campionaria (tabelle e rappresentazioni grafiche)

Pag. 231

o Allegato: Procedure SAS per l’estrazione delle imprese soggette all’obbligo di deposito del bilancio da campionare

Pag. 242

o Allegato: Elenco Imprese selezionate in maniera casuale per il campione del DBCOMPLEX

Pag. 252

4

5

DIPARTIMENTO DI ECONOMIA E TECNICA AZIENDALE

DIPARTIMENTO DI ENERGETICA DELL’UNIVERSITA’ DI TRIESTE Integrazioni alla luce delle osservazioni contenute nella relazione scientifica e

contabile sulle attivita’e sui costi sostenuti nella prima annualita’ di cui al

documento del prof Gaetano Golinelli

A cura del Coordinatore Scientifico Nazionale del Progetto Professor Maurizio Fanni

Prima parte: integrazioni e precisazioni di tipo scientifico

Si vuole in premessa far presente che la programmazione della prima annualità e la suddivisione nei

vari processi di lavoro, supponeva una differente attribuzione dei compiti della ricerca ai vari

partner. Il documento di programmazione fornisce al riguardo i criteri generali di distribuzione fra i

diversi partecipanti, come pure i pesi relativi- alla luce della varie specializzazioni e competenze

possedute - i quali sono stati ampiamente rispettati.

Inoltre le attività e sottoattività svoltesi durante la prima annualità, per certi versi propedeutiche

all’analisi vera e propria, perseguivano l’obiettivo di esplorare i vari oggetti e temi trattati, senza

poter prefigurare alcun completamento, di necessità rinviato a fasi di ricerca future.

In effetti il procedere della ricerca ha accresciuto considerevolmente anche l’informazione

bibliografica, la tipologia dei parametri economico finanziari e la capacità di selezione di nuove

metodologie numeriche. Parimenti ha accresciuto la maturità del lavoro di creazione e

organizzazione della banca dati, ed anche diversi processi di analisi e prospettive di applicazioni di

modelli.

Pertanto, nella relazione scientifica relativa alla prima annualità, tenuto anche conto del più limitato

periodo di tempo (dovuto alle more degli adempimenti burocratici per l’inizio del progetto) si è

considerato il lavoro permanentemente in progress e si è data la preferenza alla comunicazione delle

6

intuizioni e, dove possibile, all’illustrazione delle conoscenze acquisite (che supponevano, peraltro,

la scrupolosa osservanza della programmazione impostata). Tali interventi sono stati caratterizzati

dalla copiosa produzione di relazioni scientifiche da parte dei gruppi di ricerca costituiti al fine di

rendere creativo e duraturo il lavoro, favorendo sempre più l’integrazione delle diverse expertise

possedute dai vari studiosi partecipanti al progetto.

Ciò detto è, peraltro, fondata la richiesta di integrazione dei risultati in itinere da parte del Prof.

Gaetano Golinelli, che si ringrazia per l’attenzione, ed a cui si adempie come segue:

Si forniscono i chiarimenti e le integrazioni con suddivisione loro tra i tre fondamentali filoni di

indagine richiamati dal Prof. Gaetano Golinelli

1. Gruppo rischio dell’impresa

2. Gruppo rischio paese

3. Gruppo mercati finanziari

Per i vari gruppi in relazione agli obiettivi posti si porteranno le richieste informazioni in merito alle

varie attività, come segue:

ATTIVITA’ 1a

• Metodologia di base utilizzata per l’analisi bibliografica

• Bibliografia completa per temi

• Rapporto sui parametri economico finanziari di base utilizzati per la ricerca

ATTIVITA’ 2 a e 3 a

• Relazione descrittiva della banca dati

• Elenco delle imprese coinvolte nella banca dati

• Informazioni sui criteri di campionamento delle imprese

• Informazioni in merito al campione selezionato per l’indagine diretta

• Relazione sull’applicabilità dei modelli algoritmici e della teoria dei giochi al modello di

predizione della rischiosità ipotizzato nel progetto

Il Coordinatore Scientifico Nazionale del Progetto

Professor Maurizio Fanni

7

DIPARTIMENTO DI ECONOMIA E TECNICA AZIENDALE

DIPARTIMENTO DI ENERGETICA DELL’UNIVERSITA’ DI TRIESTE

Chiarimenti e informazioni integrative al progetto:

“Tecniche softcomputing (reti neurali ed algoritmi genetici) per

l’analisi dei sistemi complessi applicati alla finanza moderna”

Gruppo di ricerca: Rischio Impresa

8

9

Attività 1a: Descrizione delle modalità di realizzazione della ricerca bibliografica condotta: metodi e contenuti La ricerca bibliografica condotta è stata orientata verso l’analisi del rischio operativo, finanziario e

di default delle imprese, per la creazione di un sistema informativo integrato basato sui bilanci

depositati dalle imprese, idoneo alla produzione dei benchmark sul valore aggiunto e per la flow

and fund analysis, con l’obiettivo di elaborare un prototipo automatico su cui applicare le funzioni

in grado di stimare il rischio di insolvenza dell’impresa.

A tale scopo è stato costruito, in collaborazione con il CERIS, il Dipene ed il Deta, il Database delle

Risorse Bibliografiche, che contiene al suo interno tutti i riferimenti bibliografici per

l’individuazione e la classificazione del materiale raccolto, nonché una corposa sezione di abstract

ragionati sugli studi analizzati.

In ultimo, sono stati aggiunti i contributi bibliografici forniti dall’ISAE per le tematiche da loro

studiate.

Per la realizzazione della raccolta bibliografica sono stati individuati i seguenti strumenti di lavoro:

• L’analisi dell’utenza della raccolta bibliografica deriva direttamente dagli obiettivi del

progetto di ricerca, in quanto la lettura da parte degli stessi soggetti partecipanti al progetto,

degli studi già compiuti nell’ambito delle metodologie capaci di interpretare i fenomeni

complessi rappresenta un significativo momento formativo dell’unità di ricerca e costituisce

la fase di identificazione dei punti di forza e di debolezza che derivano dalla congiunzione di

competenze diverse. Va da se che in questa fase di lavoro l’utenza è costituita dal gruppo di

ricerca che affronta le tematiche del rischio d’impresa.

• Le fonti: la ricerca bibliografica è stata svolta a tutto campo considerando diversi tipi di

fonti, sia tramite la raccolta su internet con l’uso di siti specializzati, che con il reperimento

diretto di libri nelle biblioteche e di lavori di ricerca i cui temi sono apparsi attinenti

all’oggetto dell’indagine. I siti specialistici che hanno mostrato la maggior valenza con gli

obiettivi del progetto sono stati: www.defaultrisk.com, www.standardandpoors.com,

www.moodys.com, www.fitchrisk.com. e hanno dato luogo alla raccolta bibliografica

relativa allo stato dell’arte della modellistica in tema di valutazione del rischio d’impresa.

• La base di dati: ll database della Ricerca Bibliografica è stato strutturato in modo da

costruire una base di dati bibliografica ragionata, indirizzata ad un’utenza specialistica e

contiene tutti gli elementi che consentono la rintracciabilità della fonte, dell’area tematica.

La tabella che segue illustra i campi del database che consentono la rintracciabilità dei dati e

presentano una sintesi degli argomenti

10

Campi del Database Descrizione

Provenienza Gruppo di lavoro da cui è giunta la risorsa IDRisorsa Identificativo univoco della risorsa Titolo Titolo del paper o del libro o dell’articolo Autori Nome degli autori Data Anno di pubblicazione Casa Editrice Nome della casa editrice Commenti Sintesi sul perché tale risorsa è stata inserita Abstract Sintesi dei contenuti IDArgomento Classificazione del tema della risorsa sito internet 1 Indirizzo internet su cui è stata reperita sito internet 2 Eventuale altro Indirizzo internet di interesse sito internet 3 Eventuale altro Indirizzo internet di interesse Biblioteca Disponibilità fisica presso una biblioteca Indice Indice o sommario del libro indice immagine Eventuale scansione dell’indice o sommario

Collegamento al database dei PDF Indirizzo della risorsa nel database per la sua consultazione

Collegamento agli abstract commentati Indirizzo dell’abstract nel database per la sua consultazione

• Le aree tematiche individuate per la base dati sono le seguenti:

o Finanza dell’impresa o Default o Sistemi complessi

Talvolta le aree tematiche sono apparse sovrapponibili, ma questo è risultato fisiologico

perché grande parte della ricerca sul Default - Rischio d’impresa” è stata svolta con l’uso di

modelli appartenenti alla categoria dei “Sistemi Complessi”.

Al fine di consentire una lettura più semplice dei contributi di bibliografia apportati si introducono

le aree tematiche di riferimento attraverso alcune sintesi.

Descrizione delle aree d’intervento e bibliografia completa per temi

Finanza dell’Impresa - Stato di Salute delle imprese

Questo argomento della ricerca bibliografica è stato approfondito in modo collaterale alle tematiche

sul puro rischio di insolvenza, al quale si è dedicata la gran parte del lavoro bibliografico. Questa

scelta deriva dal fatto che la ricerca bibliografica ha come obiettivo (in questo caso) quello di

individuare le fonti per costruire uno scenario di riferimento sullo stato di salute delle imprese

italiane e sui metodi con cui questo check-up può essere effettuato. La bibliografia raccolta

considera la stretta interazione tra le tematiche della teoria dinamica della strategia dell’impresa e

del vantaggio competitivo (alla Michael E. Porter) e quelle tematiche appartenenti alla teoria della

finanza moderna, che individuano nel concetto di efficienza valutativa, (nell’accezione di James

11

Tobin, riportata da Fanni nel suo libro “Manuale di Finanza dell’Impresa”), i criteri base per la

definizione dello stato di salute delle imprese e del sistema in cui operano.

La ricerca bibliografica ha tratto vantaggio dalle precedenti esperienze di indagine sul campo, svolte

dal gruppo di lavoro che sono confluite nella pubblicazione nel 2004 del libro “Indagine economica

e finanziaria sulle imprese e i settori industriali della Sardegna - Analisi dinamica dei Benchmark

di settore per le PMI”, realizzata a cura dell’Ossind sotto il coordinamento scientifico del Prof.

Maurizio Fanni. I contenuti di questo lavoro sintetizzano gli elementi fondamentali della nuova

metodologia di analisi sullo stato di salute delle imprese fondata sullo studio dei dati di bilancio. La

pubblicazione infatti raccoglie sia la ricerca svolta sui diversi approcci all’analisi statistico-

economica, che la metodologia di finanza moderna che nel presente progetto viene applicata quale

metodologia di analisi dello stato di salute dell’azienda. La sperimentazione già condotta sui dati

dell’universo delle imprese della regione Sardegna ha costituito una prima importante validazione

della metodologia in quanto ha messo in luce le criticità del sistema regionale indagato in relazione

ai check-up aziendali.

In armonia con quanto sostenuto da Sciarelli nel libro su “La crisi d’impresa” si è cercato di

ricostruire un percorso (sulla dinamica della crisi e sullo stato di salute dell’impresa) più che di

pervenire a ricette adottabili in modo universale.

Infatti l’obiettivo del lavoro progettuale non è tanto quello di individuare i fattori di difficoltà e

contemporaneamente i sistemi per il superamento delle crisi, quanto la capacità di definire,

attraverso l’uso di corpose basi di dati, lo standard medio di riferimento sullo stato di salute e sulle

performance delle imprese italiane.

Di conseguenza, la metodologia che si sta utilizzando per le analisi di check-up aziendale, che è

basata sui criteri della finanza moderna applicati alla Flow and Fund Analysis, consente di

individuare, a nostro parere in maniera molto efficace, un percorso guida di analisi che definisca gli

scenari di riferimento sullo stato di salute delle imprese all’interno dei settori.

In estrema sintesi, la metodologia scelta permette la ricostruzione a partire dai dati di bilancio, della

storia degli atti di gestione che determinano i risultati della attività della singola impresa e del

settore a cui appartiene. L’analisi pone particolare enfasi sui processi che sottintendono alla

costruzione del cash flow e di tutti gli altri flussi di capitale a diversa densità di potere d’acquisto,

desumibili dall’analisi del circuito della liquidità aziendale.

Il metodo consente dunque di costruire una “mappatura economico-finanziaria” del tessuto

produttivo di riferimento, poiché offre un vasto insieme di bilanci, architetture contabili e drivers

del valore che possono considerarsi alla base sia dei processi di check-up aziendale, che dei processi

di previsione per le analisi sull’insolvenza.

12

Sintesi delle risorse bibliografiche nell’ara tematica della Finanza d’impresa - Stato di salute

dell’impresa:

Risorse

Nome risorsa Autori DataGestire con successo le PMI - Focalizzate l'attenzione su tutto e non avrete focalizzato nulla Baroni Sara - Oxigenio Management

Consulting 2003

La redditività delle imprese di software e servizi di informatica del mercato milanese ed italiano Beltrame S.e Aliverti A. - Assintel 2004Manuale di Finanza e Impresa Cuneo G. 1999Manuale di Finanza dell'Impresa Fanni M. 2000Tournaround.Declino, Crisi e Ritorno al Valore Guatri L. 1999The maturity structure of corporate debt Michael J. Barclay and Clifford W.

Smith 1995

La previsione delle insolvenze: aspetti qualitativi Pistelli Francesco La strategia competitiva - Analisi per le decisioni Porter M. 1997Politica economica e New Economy Savona P. 2002La crisi d'impresa - Il percorso gestionale di risanamento nelle piccole e medie imprese Sciarelli S. 1995Forum Basilea 2: Quali implicazioni per disponibilità e prezzo di credito? Sironi A. 2003Indagine economica e finanziaria sulle imprese e i settori industriali della Sardegna. Analisi dinamica dei benchmark di settore per le PMI

Spada F. 2004

Problemi di aggregazione e dati di bilancio Varetto F. 1986

Sistemi complessi

Questo argomento della ricerca bibliografica è stato approfondito secondo due distinti livelli di

ricerca: il primo livello ha cercato di inquadrare il vasto insieme dei concetti relativi ai sistemi

complessi e quindi anche i principi fondamentali della Teoria dei Sistemi all’interno della quale il

progetto deve trovare il proprio svolgimento. Il secondo livello, più approfondito, ha avuto quale

tema cardine quello dell’applicazione delle varie tecniche di softcomputing ai processi di indagine

sul rischio di insolvenza: in questa sede è stata ampia la sovrapposizione con il tema del default, in

quanto le tematiche sono state spesso affrontate all’interno degli stessi documenti proposti dagli

studiosi.

Relativamente al primo aspetto la ricerca bibliografica condotta ha permesso di rilevare che la

materia della conoscenza economica si è smisuratamente ampliata al crescere della complessità

dello sviluppo reale e finanziario del mondo moderno (new economy e globalizzazione).

L’economia dei paesi sviluppati si è trasformata in un’attività prevalentemente dematerializzata,

informatizzata e finanziarizzata, dove il “capitale umano” svetta su quello “fisico” (P. Savona

“Politica Economica e New Economy”, McGrow Hill 2002). Il confine tra conoscenza e potere

sembra essersi annullato: chi possiede la prima ha anche il secondo.

In questo scenario, il ruolo della diffusione delle informazioni assume un rilievo fondamentale, sia

in relazione alle capacità e agli strumenti necessari per questo scopo, che per la correttezza dei

13

segnali economici che vengono trasmessi alla moltitudine di investitori, operatori economici,

risparmiatori, in sintesi alla collettività intera.

L’ultimo decennio, in particolare, ha visto crescere in modo vertiginoso la domanda e l’offerta di

informazioni economiche. Infatti si sono moltiplicate le basi di dati contenenti le informazioni

contabili ed economiche in generale che hanno permesso lo sviluppo di nuove metodologie sia

statistiche che ingegneristiche (vedi la materia dell’econofisica)

Ciò è accaduto per la forte esigenza di investitori, di manager pubblici e privati di ampliare al

massimo l’informazione economico-tecnica, per conoscere, ad un buon livello di dettaglio,

l’andamento dei mercati dei capitali, dei beni e dei servizi, in sintesi dell’ambiente economico con

cui si confrontano, con lo scopo di ridurre apprezzabilmente il grado di rischio e di incertezza con

cui le imprese e le istituzioni operano. In sintesi, la finalità sottostante a questo nuovo tipo di analisi

è la modellizzazione del sistema economico in cui detti soggetti operano.

Il contesto attuale appare dunque dominato da un livello di complessità tale che le tecniche di

indagine tradizionali non sono sufficienti per l’approfondimento dei temi oggetto della ricerca, ed il

progetto stesso nasce con l’obiettivo di utilizzare una molteplicità di tecniche di analisi che siano in

grado di cogliere gran parte degli aspetti complessi da studiare.

L’ottica dunque, con cui si deve guardare all’impresa e al mercato con lo scopo di individuare

scenari di rischio non può basarsi esclusivamente su un’analisi di natura riduzionistica, fondatata

sull’osservazione di dati meramente economici e contabili, ma deve invece seguire una terza via1,

che si collochi tra l’approccio “analitico-riduzionista” e l’approccio olistico, in modo da cogliere il

sistema impresa/organizzazione e il sistema mercato nell’ambito dei vincoli, condizionamenti,

opportunità e interazioni tra i vari elementi del più vasto sistema economico e sociale. Questo

approccio trova il fondamento nei concetti della teoria dei sistemi. Nell’approccio considerato

l’impresa è interpretata come un’organizzazione, come una rete di unità parziali o sottosistemi,

aggregati secondo relazioni formali e informali, in un costante scambio di informazioni (feed back

positivi e negativi, interni ed esterni) con l’ambiente economico e sociale di riferimento e il più

allargato ambiente globale (Weick, Usai).

Gli stessi maggiori esperti di questa teoria applicata agli studi economico-aziendali ritengono che

l’impresa abbia la necessità di creare canali e transazioni con le altre imprese e con il più ampio

sovrasistema di riferimento e che gli organi di governo delle imprese sono chiamati a gestire le

strutture in modo tale da garantire la sopravvivenza delle imprese in un contesto dinamico e

complesso (Golinelli).

1 Cosi come è evidenziato da Tagliagambe e Usai nel loro libro Organizzazioni del 1999

14

L’impresa può sopravvivere nel tempo solo se è in grado di recepire correttamente e soddisfare le

attese che i sovra sistemi proiettano su di lei e contemporaneamente garantire un adeguato

soddisfacimento delle attese dei diversi sub sistemi che la compongono. Il grado complessivo di

risonanza tra le due condizioni di sopravvivenza dipende dall’efficacia dei processi decisionali

dell’organo di governo e della struttura operativa (Golinelli), ed inoltre secondo una visione più

mirata all’oggetto della ricerca, la sopravvivenza dipende in modo rilevante dal livello di rischio

(operativo, finanziario e di default) insito nello svolgimento dell’attività d’impresa (Fanni).

Inoltre alcuni titoli (tra cui L'impresa tra ipotesi, miti e realtà. Fondamenti metodologici del

Management di Tagliagambe e Usai e “Organizzare. La psicologia sociale dei processi

organizzativi” a cura di K. Weick) sono stati inseriti con lo scopo di stimolare il dibattito sul

concetto di impresa in quanto elemento fondamentale alla base delle analisi statistiche ed

economiche su cui si concentra una larga parte della ricerca progettuale. Gli autori citati hanno

infatti il merito di porre l’accento sul concetto di impresa in senso molto ampio, multidisciplinare e

trasversale rispetto alle diverse tecniche di analisi economica e organizzativa.

Per il secondo aspetto, ovvero quello relativo ai modelli di “softcomputing” la bibliografia raccolta

ha messo in luce molteplici contributi di questo tipo di analisi, che però hanno mostrato diversi

pareri critici a seconda della modellistica adottata. In particolare si cita il problema di overfitting nei

modelli di reti neurali, la scarsa duttilità degli alberi decisionali e la difficoltà nell’applicabilità della

tecnica logit agli indicatori di bilancio risultanti dalle analisi statistiche condotte quali variabili

aleatorie. (Ulteriori dettagli su questi punti saranno oggetto della presentazione delle

sperimentazioni svolte nel proseguimento dell’attività di ricerca del progetto.)

Sintesi delle risorse bibliografiche nell’ara tematica dei Sistemi Complessi

Risorse Nome risorsa Autori Data

Visual Explorations in Finance with Self-Organizing Maps BEBOECK G., KOHONEN T 1998Diagnosi e e progettazione organizzativa - Principi cibernetici Beer S. 1991Neural Networks for Pattern Recognition Bishop C.M. 1996La rete della vita Capra F. 1997Analysis of support vector regression for approximation of complex engeenering analysis

CLARKE M., GRIEBSCH H., SIMPSON W.

La teoria dei sistemi. Presupposti, caratteristiche e sviluppi del pensiero sistemico

Emery F. E. 1974

La governance nell’impresa sistema vitale: tra rapporti intra ed inter sistemici Golinelli G. 2002L'approccio sistemico al governo dell'impresa Golinelli G. M. 2000Multiple Objective decision making methods and applications. A state of the art survey

HWANG C. L. AND YOON K. 1981

Self-Organizing Maps KOHONEN T. 1995Autopoiesi e cognizione Maturana H. Varela F. 1985Dai sistemi al pensiero sistemico. Per capire i sistemi e pensare con i sistemi Mella P. 1997Data mining in soft computing framework A SURVEY Mitra Sushmita , K. Pal Sankar, Mitra Pabitra - IEEE 2000Neural networks in Finance and investing Applying Neural Networks to the Exstraction of Knowledge form Accounting reports: a classification study

R.H. Berry Duarte Trigueiros 2003

Multicriteria Methodology for Decision Aiding Roy B. 1996

15

Risorse Nome risorsa Autori Data

Sistemi ed evoluzione del management Rullani E. Vicari S. 1999Multiple Criteria Decision Suport in Engineering Design Sen P., Bo Jang J. 1998Filosofia della Scienza ed epistemologia del cyberspazio Tagliagambe S. Percezione individuale e intelligenza collettiva Tagliagambe S. Professore ordinario di Filosofia della

scienzapresso la Facoltà di Lettere e Filosofia dell'Università La Sapienza di Roma

1998

L'impresa tra ipotesi, miti e realtà. Fondamenti metodologici del Management Tagliagambe S., professore odinario di Filosofia della Scienza presso la Facoltà di Lettere e Filosofia dell'Università La Sapienza di Roma, Usai S., professore ordinario di Economia e gestione delle Imprese presso la facoltà di Economia di Cagliari

1994

L’efficienza nelle organizzazioni Usai G. 2000Reti neurali: applicazioni a modelli economico- finanziari non lineari Venturi Beatrice - Ricercatrice di matematica per le

applicazioni economiche, Facoltà di Economia di Cagliari 2000

Multi Criteria Decision - Aid Vincke P. 1992Teoria generale dei sistemi Von Bertalanfy L. 1971Organizzare. La psicologia sociale dei processi organizzativi Weick K. 1993Stathical methods for construction of neural networks Wlodzislaw Duch e Rafal Adamczack - Department of

Computer Methods Nicholas Copernicus University Grudziadzka 5, Torun

Neural networks for classification: a survey Zhang Guoqiang Peter - Assistant Professor at Georgia State University, Atlanta

2000

Rischio d’insolvenza Il rischio d’impresa che pur si struttura canonicamente in rischio operativo, finanziario e di default

non può che essere considerato nei vari aspetti tra loro correlati, poiché è evidente che il rischio

operativo e quello finanziario già nel medio periodo si aggravano a vicenda, e portano alla

manifestazione concreta del rischio di default o vera e propria insolvenza. La definizione del rischio

di insolvenza non è univoca. La letteratura riporta molte sfaccettature sull’argomento che volta per

volta tendono alla sua definizione. In questo lavoro si è pervenuti alla considerazione del rischio di

insolvenza come quel rischio per l’impresa (in linea con i principi di Basilea 2) di non riuscire a far

fronte alle proprie obbligazioni entro un tempo tecnico prefissato (180 gg secondo le disposizioni

di Baislea 2).

Poiché nel caso dell’analisi condotta, ovvero quella relativa allo stato di salute dell’azienda

mediante l’uso prevalente di dati di bilancio, non è possibile individuare con certezza se le imprese

indagate hanno superato o meno il limite tecnico dei 180 giorni, si elabora una definizione di rischio

d’insolvenza ampia e prudenziale, che comprende tutte quelle imprese che, non solo sono in stato di

liquidazione o fallite, ma anche che presentano segnali di elevata vulnerabilità, ovvero presentano

all’interno dei propri conti situazioni patologiche considerevoli per le quali, la solvibilità finanziaria

è ritenuta scarsa o nulla.

• Il primo argomento sviluppato con la ricerca bibliografica è stato quello relativo alla

quantificazione del rischio d’insolvenza. Tutti i modelli analizzati mirano alla

quantificazione del rischio di insolvenza con la contemporanea definizione del livello di

16

accuratezza delle previsioni. In particolare le metodologie statistiche studiate si suddividono

a loro volta in modelli di analisi univariata e modelli di analisi multivariata. Mentre i primi

appaiono limitati e dunque scarsamente utilizzati, i secondi risultano essere in continua

evoluzione e perfezionamento. Più del 45% circa di tali modelli esaminati utilizza l’analisi

discriminante multipla (Mda) per la previsione del rischio d’insolvenza, un altro 34% circa

preferisce l’analisi logit, seguono le altre metodologie con percentuali molto più basse. Le

tecniche diagnostiche che si riconnettono ai sistemi esperti di intelligenza artificiale, tra cui

vengono ricompresi gli applicativi di reti neurali, gli algoritmi genetici, sono definibili “non

parametriche”, “non lineari”, e prescindono dalle funzioni prettamente statistiche e

probabilistiche, applicando algoritmi e funzioni di utilità appartenenti ad altre discipline di

indagine come l’ingegneria e la genetica.

• La raccolta bibliografica ha poi considerato le diverse classi di modelli di previsione, che

presentano caratteristiche estremamente differenziate tra loro. Tuttavia, è possibile proporre

alcune considerazioni di ordine generale, valide per tutti i modelli, in relazione all’effetto

che alcune scelte metodologiche possono indurre sull’efficacia degli strumenti utilizzati e

sul conseguimento dei risultati (per esempio il dimensionamento dei campioni e la

percentuale di imprese sane rispetto a quelle malate etc…)

Nelle applicazioni considerate coesistono, fondamentalmente, due tendenze di costruzione

dei campioni:

• nella prima gli autori (compresa la Centrale dei Bilanci) rispettano una

proporzione 50 % a 50 % tra imprese sane e imprese a rischio

• nell’altra tendenza la dimensione del campione delle aziende sane è differente da

quella delle aziende a rischio o non è contenuta nella pubblicazione studiata.

Teoricamente l’evidenza della superiorità di una di queste tecniche non esiste, ma in pratica,

rispettare la stessa proporzione ha condotto le sperimentazioni verso risultati che presentano

livelli d’errore inferiori.

Se infatti si considerano gli errori di primo tipo ossia le imprese a rischio erroneamente

considerate sane e quelli di secondo tipo rappresentati dalle imprese sane erroneamente

considerate a rischio emergono i seguenti risultati:

- gli errori di I tipo oscillano, nel caso di campione con uguale proporzione (50% sane e a

rischio), all’interno del range compreso tra 5,26% - 13,51%, nel caso di una proporzione

diseguale (diverso da 50%) in un intervallo tra 3,77% e 33,00%.

- mentre gli errori di II tipo (imprese sane stimate per insolventi) variano da 0 fino a 16,22%,

contro un range compreso tra 0 – 17,00%.

17

• Un altro aspetto analizzato ha riguardato la presenza o meno di un test sul campione.

E’ evidente che i risultati di previsione di qualsiasi lavoro empirico valgono di più in

presenza di un test sul campione. Ciò nonostante soltanto il 25% circa degli studi ha

utilizzato un test sulle aziende per verificare le previsioni avanzate.

Questo punto debole costituisce un monito per la ricerca futura e per il progetto all’interno

del quale il lavoro bibliografico è condotto. E’ inoltre un aspetto riscontrato anche

nell’indagine svolta dagli economisti Aziz m. Adnan e A. dar Humayon (2002).

Al fine d’incrementare la perfomance di un modello, alcuni autori ad esempio il Barontini

suggeriscono di definire con estrema precisione le caratteristiche delle imprese considerate,

selezionando ad esempio, società appartenenti ad uno specifico settore o alla stessa classe

dimensionale.

• La scelta degli indici di bilancio da inserire in un modello non è un problema di facile

soluzione. Si deve infatti tener conto degli aspetti fondamentali della gestione individuando

indicatori non eccessivamente correlati tra loro, evitando inoltre di assegnare un peso

elevato a variabili legate ad una particolare situazione congiunturale.

Convenzionalmente gli studi sulla previsione del rischio d’insolvenza hanno utilizzato indici

di bilancio per prevedere il fallimento aziendale selezionandoli, non sulla base di una teoria

economica della crisi d’impresa, ma considerando i risultati ottenuti da altri studi o

applicando preventivamente un’analisi univariata o una procedura del tipo stepwise

backward o forward con il programma SAS. Il 73% circa degli studi esaminati impiega

indici contabili come variabili esplicative, mentre solo il 18% circa utilizza anche indicatori

di mercato.

Il lavoro di Choong Nyoung Kim, Sang – Gyung Jun, Kinsun Tan costruisce il modello

delle reti neurali avvalendosi inizialmente solo dei dati contabili, in una seconda

applicazione dei dati di mercato e in un’applicazione finale di entrambe le tipologie di dati.

Il risultato migliore è ottenuto con i dati combinati.

Amir F. Atiya ha sviluppato un modello di previsione introducendo nuovi indicatori tratti

dal mercato in aggiunta a quelli tradizionali con un miglioramento significativo nella

precisione (da 81,46% a 85,5% per una previsione dell’evento tre anni prima).

Gli indicatori maggiormente usati sono quelli che evidenziano la struttura finanziaria

dell’impresa.

• L’ultimo argomento trattato nell’analisi della bibliografia sul tema è stato quello della

valutazione in termini di accuratezza dei modelli proposti.

18

I dati relativi alle previsioni non sono omogenei in tutti i lavori. In alcune ricerche sono

riportati gli errori di I tipo (ossia le imprese insolventi stimate per sane) e quelli di II tipo

(imprese sane stimate per insolventi), in altre si distingue tra errori nel Training set ed errori

nel Validation Set, o si parla di accuratezza complessiva del modello.

Nel modello Zeta applicato da Altman l’analisi discriminante ha un’accuratezza di

previsione, un anno prima dell’evento, pari al 92,58%, e nel Modello Z Score l’accuratezza

è maggiore pari al 95%.

Nel paper di Back Barbro e Laitinen Teia sono applicate tre diverse tipologie di modelli,

l’analisi discriminante raggiunge una percentuale di accuratezza pari al 85,14%, la logit

ottiene il 96,49% ed infine le Reti Neurali presentano il 97,3%.

Considerazioni finali sul rischio d’insolvenza

• I lavori analizzati coprono un periodo di pubblicazione dal 1968 al 2003.

• I modelli maggiormente impiegati nelle previsioni del rischio d’insolvenza sono quelli

statistici, in particolare l’analisi discriminante multipla e la logit. Singolarmente, l’analisi

discriminante è usata con più frequenza, seguita dall’analisi logit.

• La tendenza predominante è quella di non utilizzare un test sul campione per verificare le

previsioni realizzate.

• La maggioranza degli studi utilizza solo indicatori di bilancio come variabili esplicative,

vengono impiegati soprattutto indici che evidenziano la struttura finanziaria di un impresa.

Nonostante lo sforzo dedicato di più di 35 anni, la comunità di ricerca tende ancora ad

essere in disaccordo su quale particolare approccio o modello sia più utile per il caso di

previsione del rischio d’insolvenza aziendale.

• Volendo effettuare una descrizione della modellistica analizzata è necessaria una prima

suddivisione che caratterizza modelli ad approccio strutturale oppure statistico (o empirico).

Il primo modellizza le dinamiche dei tassi d’interesse e le caratteristiche aziendali per

ottenere una probabilità di default, secondo una logica reattiva agli eventi che coinvolgono

l’impresa.

Il secondo stima la probabilità di default in relazione alle caratteristiche d’impresa attraverso

l’apprendimento di dati.

I modelli Rating System sono quelli che le agenzie di rating utilizzano per analizzare la

qualità del credito della singola impresa, in virtù di fattori quantitativi e qualitativi ad essa

relativi. L’opinione sul credito consiste in una dichiarazione sul livello di LGD (loss given

default) e di DP (default probability). Generalmente le classi di rating rispecchiano

19

l’affidabilità e la classe di rischio nella quale l’azienda è collocata. White nel 2002 ha

identificato 37 agenzie di rating con sede legale fuori dagli Stati Uniti. Ciascun sistema ha

una sua logica interna in relazione a differenti modalità di valutazione e di assegnazione del

rating ed in relazione al peso che ciascun fattore riveste all’interno di questo. Sebbene tutti i

processi constano di una istruttoria preliminare, di una analisi qualitativa in relazione

all’assetto competitivo e dell’analisi di bilancio. Questi modelli non sono segnaletici della

tendenza al default in quanto la decisione di variazione della classe di rating è attuata solo

quando la variazione del merito di credito è molto alta.

Mester (1997) rileva che il 97 percento delle banche usano il credit scoring nell’analisi di

concessione delle carte di credito, mentre il 70 percento delle banche lo utilizzano nella

concessione di prestiti.

Ci sono quattro forme metodologiche dei modelli multivariati di credit scoring: modelli

probabilistici lineari, modelli logit, modelli probit, e modelli di analisi multidiscriminante.

Tutti questi modelli identificano variabili finanziarie che hanno notevole significatività

statistica nel differenziare le società insolventi da quelle solventi. All’ottenimento dei

parametri, ai prestiti è assegnata un punteggio che li classifica in buoni o cattivi. Lo Z-score

a sua volta può essere convertito in una probabilità di default.

• Le insufficienze di questa tipologia di modelli sono relative alla limitatezza dei dati e alle

assunzioni di linearità. L’analisi discriminante misura una funzione lineare di esplicazione

delle variabili sui dati storici del default. Le variabili esplicative sono sostanzialmente

limitate a dati di bilancio, tali dati sono aggiornati meno frequentemente dei dati disponibili

sul mercato.

I credit scoring: cercano di sfruttare la capacità previsiva insita nella relazione statistica

empiricamente registrata tra un valore in un dato momento degli indici di bilancio e lo stato

di default del periodo successivo, in genere un anno.

Un limite sostanziale è che non sono fondati su una teoria economica forte che giustifichi la

loro validità ma solo di tipo empirico; mancano le relazioni di causalità tra condizione

finanziaria dell’azienda e stato di default; vi è inoltre una impostazione backward looking,

l’uso dei dati storici non consente di scontare le aspettative di evoluzione futura

dell’azienda, limitando la capacità previsionale del modello e il passaggio allo stato di

default non è definito in maniera univoca tra i diversi modelli.

• I modelli letteralmente tradotti come i moderni metodi per la misura del rischio fanno parte

della più grande categoria definita forward looking che consta sia modelli a Term Structure

descritti da Jonkart (1979), Iben, Litterman (1989), che si basano sulla struttura a termine

20

dei tassi d’interesse e utilizzano quasi unicamente dati provenienti dai mercati finanziari e

modelli Option Pricing che utilizzano sia dati aziendali che dati di mercato. I modelli

Option Pricing sono le moderne metodologie di misura del rischio di credito che, secondo

una serie di caratteristiche, vengono suddivisi in modelli di prima generazione, modelli di

seconda generazione e modelli in forma ridotta. Vengono considerate diverse metodologie

per realizzare la stima della probabilità di default, per ognuna delle quali vi è la

specificazione di quattro elementi quali la forma e parametri del processo che descrive la

dinamica del valore dell’impresa, la probabilità di default, il recovery rate in caso di default

e il metodo di stima dei parametri del modello

• Tuttavia, particolare rilievo hanno assunto, negli ultimi anni, i modelli che utilizzano le reti

neurali e che fanno parte dei sitemi complessi. Queste ultime, infatti, risultano essere molto

utilizzate in letteratura per la risoluzione di problemi legati al rischio insolvenza. Questa

tecnica viene utilizzata nella pratica comune per analizzare diversi fenomeni e risolvere

svariati problemi, come si attesta nel libro “La misurazione e la gestione del rischio di

credito. Modelli, strumenti e politiche”, edito da Bancaria editrice, a cura di Sironi e

Marsella (1998). Secondo tale testo, le reti neurali artificiali vengono utilizzate per il

software di apparecchi fotografici e di ritocco immagini, di sonar e radar. Non solo le reti

vengono utilizzate anche nella previsione del tempo e ampiamente nella robotica.

• Tuttavia questa modellistica presenta alcuni punti di debolezza che sono dovuti alla presenza

di un gran numero di parametri da stimare all’interno del modello.

Un primo problema che è necessario affrontare è quello dell’orizzonte temporale. Le reti

neurali non necessitano di serie storiche ma come attesta Atyia (2001) le reti sono in grado

di prevedere lo stato di insolvenza delle imprese con dati relativi ai due anni precedenti

l’evento. Oltre i due anni, tale tecnica non è più in grado di dare risultati previstivi

soddisfacenti. Dunque un primo problema risulta essere il fatto per cui la rete non è in grado

di fare previsioni di “lungo periodo”. Inoltre nello stesso testo viene posto un ulteriore

problema che è quello delle variabili da introdurre come input. Anche in questo caso non vi

sono regole per determinare le variabili rilevanti ma solo tentativi da effettuare.

Un ulteriore problema affrontato in letteratura è la dimensione del campione e la sua

composizione. Una rassegna interessante dei diversi campioni utilizzati è stata fatta da Adya

e Collopy (1998) che fanno un confronto sui diversi modelli utilizzati per affrontare il

problema della previsione dell’insolvenza e sui campioni utilizzati. Dunque un ulteriore

punto centrale di analisi è quello della costruzione di un adeguato campione.

21

Il dibattito che però ha assunto sempre più importanza è quello relativo alla struttura del

modello stesso di rete neurale da utilizzare e al confronto tra la tecnica neurale e le altre

utilizzate per la risoluzione del problema del default aziendale.

• Per quanto riguarda il secondo problema, sono molteplici le metodologie con cui si affronta

il problema dell’insolvenza. Nella quasi totalità dei testi analizzati le reti neurali risultano

sempre la metodologia vincente (ad esempio: Hill, Marquez e O’Connor, 1993, Yim e

Mitchell,2002). Completamente in contro tendenza,l’articolo di Altman, Marco e Varetto,

“Corporate di stress diagnosis: comparisons using linear discriminant analysis and neural

networks (the italian experience)”, mette in evidenziata la superiorità dell’analisi

discriminante sostenendo che quest’ultima è vincente nel caso in cui il problema da risolvere

si complichi a tal punto da richiedere una rete molto complessa.

Per quanto riguarda invece il problema del modello direte da utilizzare sembra che si sia

trovato un punto di accordo sulla struttura feed forward con backpropagation. Tuttavia

accanto agli utilizzatori di questo modello vi sono anche coloro, ed è la via da seguire nel

futuro, che uniscono la rete neurale ad altri modelli. In questo caso si possono richiamare in

causa i lavori di Yim e Mitchell (2002) e di Chang Lee, Han e Kwon (1996). In entrambe i

lavori si evidenzia come l’unione dei modelli di reti neurali con l’analisi discriminante sia

la risposta migliore per la risoluzione del rischio di insolvenza.

• In generale l’utilità di un modello dipende dall’obiettivo perseguito dalla ricerca e dalle

caratteristiche delle distribuzioni a disposizione degli analisti. Risorse

Nome risorsa Autori DataFinancial distress prediction using neural networks: The Tunisian firms experience

Abid Fathi - Professor of Finance at the University of Sfax, Tunisia- Zouari Anis studente of Finance at the University of Sfax, Tunisia

1999

Modelli di analisi finanziaria per la previsione delle insolvenze AIAF - Associazione Italiana Analisti Finanziari 2005Financial Distress: Theory, Measurement&Consequence Aiyabei Jonah - Department of commerce at the Catholic

University of Eastern Africa 2000

La logica fuzzy: i principi della teoria e l'applicazione al rating creditizio Alessia Mileno 2000Credit risk modelling of middle markets Allen Linda - Professor of Finance Zicklin School of

Business, Baruch College, Cuny 2002

Predicting financial distress of companies: revisiting the z - score and zeta models

Altman I Edward - Stern School of business New York University

2000

Bankruptcy prediction for Credit risk using neural networks: a survey and new results

Amir F. Atiya - SeniorMember - IEEE 2001

Una metodologia di costruzione della frontiera efficiente per misure di rischio di credito non trattabili

Annalisa Di Clemente 2000

Aspetti metodologici dell'implementazione di un sistema di internal rating Associazione Bancaria Italiana 2000Predicting Corporate Bankruptcy: whither do we stand? Aziz M Adnan and A. Dar Humayon - Department of

Economics Loughborough University 2002

Choosing Bankruptcy predictors using Discriminant Analysis, Logit Analysis and Genetic Algorithms

Back Barbro, Professor in Accounting Information Systems; Laitinen Teia; Sere Kais; Van Wezel Michie - Turku Centre for Computer Science

1996

La valutazione del rischio di credito i modelli di previsione delle insolvenze Barontini Roberto - Università Cattolica del Sacro Cuore di Piacenza

2000

L’utilizzo delle previsioni a livello settoriale nei sistemi di rating interno. Internal Rating and Economic Cycles

Barontini Roberto - Università Cattolica del Sacro Cuore di Piacenza

22

Risorse Nome risorsa Autori Data

Analisi del rischio d'insolvenza di una PMI tramite l'utilizzo del modello dello Z - Sscore

Bottani Pietro - Dottore Commercialista, Cipriani Letizia - Dottore in Scienze Statistiche, Serao Francescomaria - Dottore Commercialista

2004

Un confronto tra le reti Neurali Artificiali, l'Analisi Discriminante ed i Modelli Multivariati di Probabilità Condizionale con riferimento alla previsione del fallimento delle imprese

Cadoni Paolo - Cultore di Microeconomia - Facoltà di Economia Università di Cagliari

1999

Parameterizing credit risk models with rating data Carey Mark - Autore corrispondente Federal Reserve Board, Hrycay Mark - Advertising.com

2000

CRS - Credit Rating Sistems, Descrizione e Funzionalità CEDACRI NORD 2002Modeling Credit Risck with partial information Cetin. U. Jarrow R. Protter. P. Yldirim Y. 2002A neural network approach to compare predictive value of accounting versus market data

Choong Nyoung Kim Sang-gyung Jun e Kinsun Tam - Department of business Administration University of Seul

2002

Applicazione della Extreme Value Theory (EVT) alla determinazione del rischio di credito

Claudio Romano 2000

Analisi dei fallimenti delle imprese per forma giuridica e ruolo del collegio sindacale

Consiglio Nazionale dei Dottori Commercialisti 2003

Il rischio di credito. I fidi bancari nel nuovo contesto teorico, normativo e di mercato

De Laurentis G. 1994

Rating Interni e Credit Risck Management De Laurentis G. 2001Valutazione del rischio d'insolvenza di Imprese appartenenti al settore del commercio all'ingrosso: un'applicazione operativa

Di Fonzo Pasquale, Piu Pietro, Quinti Alessandro, Sani Luigi - Laboratorio per l'intelligenza artificiale e la Statistica applicata, Università di Siena

Pricing the Risks of default Dilip B. Madan 2000A multicriteria discrimination Method for the prediction of financial distress: the case of Greece

Doumpos Michael, Zopounidis Costantin - Technical University of Crete

1999

Insolvenze aziendali e modelli per la loro previsione Drozina Corrado 1998Financial ratios, discriminant analysis and the prediction of corporate bankruptcy Edward L. Altman 1968Predicting corporate financial distress: a time series CUSUM Methodologie Emel Kahya, Panayiotis Theodossiou - Rutgers University 1996Requisiti patrimoniali, adeguatezza del capitale e gestione del rischio Emilio Barone, Giovanni Barone-Adesi, Rainer Masera 1999CRS General Corporate Rating Models - Utility Rating Models Fitch Corporate Finance 2004CRS Bank Rating Models. Methodology and validation Fitch Corporate Finance 2003CRS Non Investment Grade Corporate Rating Models - Mothodology and Validation Paper

Fitch Corporate Finance 2004

Rating Migration and Default Study Fitch Corporate Finance 2003A simple approach to valuting risky fixed and floating rate debt Francis A. Longstaff and Eduardo S. Schartz 1995Alberi decisionali ed algoritmi genetici nell'analisi del rischio di insolvenza Franco Varetto 1998Asset Prices and Default-Free Term Structure in an Equilibrium Model of Default

G. Chang, Suresh M. Sundaresan 1999

Stocastic Migration Models with Application to Corporate Risk GAGLIARDINI P., GOURIÉROUX C 2004Asset Price and Default-Free Term Structure in an Equilibrium Model of Default Ganlin Chang, Suresh M. Sundaresan 1999Debt and Firm Vulnerability Glen Jack - International Finance Corporation 2004Credit risk and neutral default probabilities: information about rating migrations and default

Gordon Delianedis and Robert Geske 2003

Estimating the price of default risk Gregory R. Duffee 1996Coping with Credit Risk Henri Loubergè, Harris Schlesinger 2001The default risk of swaps Ian A. Cooper and Antonio S. Mello 1991Instruments of Credit Risk Trasfer: Effects on Financial Contracting and Financial Stability

J. Kiff, Francois-Louis Michaud, J. Mitchell 2002

A determinant of the risk of ruin Joseph D. Vinso 1979The market price of credit risk - An Empirical Analysis of Interest Rate Swap Spreads

Jun Liu, Francis A. Longsta Ravit E. Mandell 2000

La previsione dell'insolvenza d'impresa mediante modelli probabilistici Luciano Olivotto 1989Valutazione delle imprese e pricing del credito nel nuovo quadro dell’accordo di Basilea

MAINO R. 2002

Analisi e previsione delle insolvenze: un approccio neurale Matteo Chilanti 1993What's the point of Credit scoring? Mester J Loretta - Vice President and Economist in the

Research Department of the Philadelphia Fed 1997

Basilea 2. Che cosa cambia Metelli F. 2003A Model of Corporate Bond Prices with Dynamic Capital Structure Miikka Tauren 1999Moody's KMV RiskCalc v3.1. Model Moody's Investor Service 2004Historical Default Rates of Corporate Bond Issuers 1920 - 1998 Moody's Investor Service 1999

23

Risorse Nome risorsa Autori Data

RiskCalc for Private Companies: Moody's Defaul Model Moody's Investor Service 2000Structured Finance Rating Transitions: 1983 – 2002. Comparisons with Corporate Ratings and across sectors

Moody's Investor Service 2003

Il modello RiskCalc elaborato da Moody’s per aziende private: Italia Moody's Investor Service 2003Measuring private firm default risk Moody's Investor Service 1999Financial credit score a model for rating non convertible debentures Ms T.Geetha - Indian Institute of Tecnology, Bombay A Theoretical Inspection of the Market price for Default Risk Nicole El Karoui and Lionel Martellini 2001Some empirical estimates of the risk structure of interest rates Oded Saring and Arthur Warga 1989La previsione del rischio dell'insolvenza con modelli quantitativi Omacini Cristina - Fondo Interbancario di Tutela dei depositi 2001Neural networks applications in bankruptcy forecasting: a state of the art Perez Muriel - Allocataire de Recherche Universite Jean

Monnet Sant Etienne

Default risk in asset pricing Pierre Mella-Barral and Pierre Tychon 1999Servizio RiskSize: Metodologia Prometeia 2004Un modello di Rating Benchmark per la Piccola e Media Impresa: Default Grade Prometeia 2003The term structure of credit risk: estimates and specification tests R.E. Cumby and Martin D.D. Evans 1997Misurare e gestire il rischio di credito nelle banche: una guida metodologica Resti A. 2003Una guida a basilea 2 Resti A. 2003On the pricing of corporate debt: the risk structure of interest rates Robert C. Merton 1974A Model Credit Risk, Optimal Policies and Asset Prices S. Basak, A. Shapiro 2003A Quantitative Theory Of Unsecured Consumer Credit With Risk Of Default S. Chatterjee, D. Corbae, M. Nakajima and J. Rios-Rull 2002Correlated Default Risk Sanjiv R. Das, Laurence Freed, Gary Geng, Nikunj Kapadia 2002Previsione delle insolvenze delle imprese e qualità del credito bancario: un'analisi statistica

Sebastiano Laviola, Maurizio Trapanese 1997

La misurazione e la gestione del rischio del credito- Modelli strumenti e politiche

Sironi A. Marsella M.- Università Bocconi Arthur Andersen 1999

Corporate ratings criteria Standard & Poor's 2000A Utility-Based Private Firm Default Probability Model Standard Poors 2003Global Structured Default and Near-Default Rates Standard Poors 2004CreditModel Technical White Paper Standard Poors 2002Learning Probabilistic Models: An Expected Utility Maximization Approach Standard Poors 2003Model Performance Measures for Expected Utility Maximizing Investors Standard Poors 2003Mapping Default Probability Model Output to Quantitatively Derived Rating Estimates

Standard Poors 2003

Credit Risk Tracker Italy Standard Poors 2004Il rischio creditizio: misura e controllo Szego Giorgio Varetto Franco 1999A study on using artificial neural networks to develope an early warning predictor for credit union financial distress with comparison to the probit model

Tan Clarence, Dihardjo Herlina Postgraduate Research-Student - School of Information Technology, Australia Bond University,

1999

Lo sviluppo di un modello di backtesting Tosello G. 2003L'Attività creditizia in evoluzione: le pmi sotto la lente del rating, prezzo e Basilea2

UBS 2003

La misurazione del rischio di credito Vallascas Francesco - Contrattista di Economia degli Intermediari finanziari - Facoltà di Economia di Cagliari

2000

Diagnosi delle insolvenze e reti neurali Varetto F. e Marco G - Centrale dei bilanci The evolution of credit risk modelling Vasileios Georgakopoulos - Department of Economics,

University of Athens 2004

Tecniche di Analisi Statistica Multivariata nello Studio delle Difficoltà Finanziarie d'Impresa

Vecchiet Diego 2001

Una valutazione empirica dei sistemi di credit scoring Vladimiro Mazzocchetti 2000

24

Rapporto sui parametri economico finanziari di base utilizzati per la ricerca

Al fine dei indagare lo stato di salute delle imprese sono stati indagati indicatori impiegati nei

diversi studi di cui segue elenco (un analisi statistica approfondita sugli stessi verrà condotta nel

secondo anno di attività del progetto)

Indici Studio

R1 Fatturato Di Fonzo P., Piu P. Quinti A., Sani L (nd)

R2 Cash flow /Vendite Barontini (2000), Di Fonzo P., Piu P. Quinti A., Sani L (nd),

Altman (2000)

R3 Cash flow /Oneri Finanziari Barontini (2000)

R4 Cash flow / Passività correnti Edminster 1972, Barontini 2000, Back, Laitinen, Sere e Van

Wezel , 1996

R5 Cash flow / Totale attività El Hennawy e Morris 1983, Barontini 2000, Amir 2001, Back,

Laitinen, Sere e Van Wezel , 1996

R6 Cash flow / Totale debiti Blum 1974, Beaver 1966, Deakin 1972, Barontini 2000, Back,

Laitinen, Sere e Van Wezel , 1996

R7 Free Operating Cash flow/ Totale debiti% Standard Poors(2000)

R8 Cassa / Vendite nette Deakin 1972, Back, Laitinen, Sere e Van Wezel , 1996

R9 Cassa / Totale attività Deakin 1972, Back, Laitinen, Sere e Van Wezel , 1996

R10 Attività correnti / Passività correnti (Current Ratio) Merwin 1942, Beaver 1966, Deakin 1972, Altman, Haldeman,

e Narayanan 1977, Drozina 1998, Doumpos Michael,

Zopounidis Costantin 1999, Di Fonzo P., Piu P. Quinti A.,

Sani L (nd), Altman (2000), Carey Mark e Hrycay Mark 2000,

Back, Laitinen, Sere e Van Wezel , 1996, Spada Fanni 2004

R11 Attività correnti / Vendite nette Deakin 1972, Back, Laitinen, Sere e Van Wezel , 1996

R12 Attività correnti/ Totale Attività Deakin 1972, El- Hennawy e Morris 1983, Barontini 2000,

Back, Laitinen, Sere e Van Wezel , 1996

R13 Log (tot Attività) Di Fonzo P., Piu P. Quinti A., Sani L (nd), Barontini(2000),

Altman(2000)

R14 Passività correnti /Capitale netto Edminster 1972, Back, Laitinen, Sere e Van Wezel , 1996

R15 Debiti a breve/Fatturato Di Fonzo P., Piu P. Quinti A., Sani L (nd), Barontini(2000)

R16 Debiti a breve/Ricavi netti Di Fonzo P., Piu P. Quinti A., Sani L (nd)

R17 Passività Correnti/ Totale Attività Doumpos Michael, Zopounidis Costantin 1999, Barontini

2000, Di Fonzo P., Piu P. Quinti A., Sani L.(nd)

R18 Capitale netto /Attività immobilizzate Fitzpatrick 1932, Back, Laitinen, Sere e Van Wezel , 1996

R19 Capitale Netto/Immobilizzazioni tecniche nette Barontini 2000, Doumpos Michael, Zopounidis Costantin 1999

R20 Capitale netto / Vendite nette Ramser e Foster 1931, Edminster 1972, Barontini 2000, Back,

Laitinen, Sere e Van Wezel , 1996

R21 Capitale netto tangibile / Totale passività Ms T. Geetha(2000)

R22 Patrimonio netto/(Passività consolidate + Debiti v banche) Back, Laitinen, Sere e Van Wezel , 1996

R23 Capitale netto / Totale Attività Drozina 1998, Barontini 2000, Di Fonzo P., Piu P. Quinti A.,

Sani L.(nd)

R24 Capitale proprio formato dalle azioni ordinarie/Totale del Capitale Altman(2000)

25

Indici Studio

R25 Utile lordo/ Totale Attività Doumpos Michael, Zopounidis Costantin 1999, Amir 2001

R26 Debiti a lungo termine / Capitale netto El Hennawy e Morris 1983, Back, Laitinen, Sere e Van Wezel ,

1996

R27 Valore di mercato del Capitale/ Valore contabile dei debiti Altman 1968, Altman, Haldeman e Narayanan 1977, Back,

Laitinen, Sere e Van Wezel , 1996

R28 Totale debiti /Capitale netto Merwin 1942, Back, Laitinen, Sere e Van Wezel , 1996, Spada

Fanni 2004

R29 Reddito netto / Totale Attività Beaver 1966, Deakin 1972, Barontini 2000, Back, Laitinen, Sere e Van Wezel , 1996

R30 Attività liquide nette /Scorte Blum 1974, Back, Laitinen, Sere e Van Wezel , 1996

R31 Vendite nette /Totale Attività Ramser e Foster 1931, Altman 1968, Back, Laitinen, Sere e

Van Wezel , 1996

R32 Roi (Reddito operativo / Totale Attività) Altman 1968, Altman, Haldeman, e Narayanan 1977, Back,

Laitinen, Sere e Van Wezel , 1996, Barontini 2000, Di Fonzo

P., Piu P. Quinti A., Sani L (nd),

R33 EBIT / Totale interessi pagati2 Altman, Haldeman, e Narayanan 1977, Back, Laitinen, Sere e

Van Wezel , 1996, Standard Poor’s (2000)

R34 Attività liquide/ Passività correnti Deakin 1972, El Hennawy e Morris 1983, Back, Laitinen, Sere

e Van Wezel , 1996

R35 Attività liquide / Vendite nette Deakin 1972, Back, Laitinen, Sere e Van Wezel , 1996

R36 Attività liquide/ Vendite Barontini

R37 Attività liquide / Totale attività Deakin 1972, El Hennawy e Morris 1983, Barontini 2000,

Back, Laitinen, Sere e Van Wezel , 1996

R38 Tasso di rendimento dell’azione ordinaria3 Blum 1974, Back, Laitinen, Sere e Van Wezel , 1996

R39 Utili non distribuiti / Totale attività Altman 1968, Altman, Haldeman, e Narayanan 1977, Back,

Laitinen, Sere e Van Wezel , 1996

R40 Ros (Reddito operativo/Fatturato) Fitzpatrick 1932, Drozina Corrado 1998, Barontini 2000, Di

Fonzo P., Piu P. Quinti A., Sani L (nd), Back, Laitinen, Sere e

Van Wezel , 1996

R41 Totale debiti / Totale attività Beaver 1966, Deakin 1972, Back, Laitinen, Sere e Van Wezel ,

1996, Barontini 2000, Doumpos Michael, Zopounidis

Costantin 1999, Ms T. Geetha 2000

R42 Capitale circolante netto / Vendite nette Edminster 1972, Deakin 1972, Back, Laitinen, Sere e Van

Wezel , 1996

R43 Capitale circolante netto / Capitale netto

R44 Capitale circolante netto / Totale Attività Winakor e Smith 1935, Merwin 1942, Beaver 1966, Altman

1968, Deakin 1972, Back, Laitinen, Sere e Van Wezel , 1996

R45 Capitale Circolante netto/Debiti a breve Di Fonzo P., Piu P. Quinti A., Sani L (nd)

R46 Variazione nel rapporto tra rimanenze e vendite Emel Kahya e Panayiotis 1996

R47 Variazione nel rapporto tra immobilizzazioni e attivo totale Emel Kahya e Panayiotis 1996

R48 Variazione del logaritmo degli attivi totali deflazionati Emel Kahya e Panayiotis 1996

R49 Variazione del rapporto tra reddito d’esercizio e vendite Emel Kahya e Panayiotis 1996

2 Ebit / total interest payments 3 Rate of return to common stock

26

Indici Studio

R50 Variazione % Mol Barontini(2000)

R51 Variazione % Valore Aggiunto Barontini (2000), Spada Fanni 2004

R52 Autofinanziamento/Mezzi di terzi Drozina 1998

R53 Capitale Circolante netto / Totale Attività Drozina 1998, Altman (1968), Di Fonzo P., Piu P. Quinti A.,

Sani L.(nd)

R54 Crediti commerciali netti/Fatturato Drozina 1998, Barontini 2000

R55 Ebit / Totale Attività Altman (1968), Unal(1988), Altman(2000)

R56 Logaritmo in base 10 dell’Interest Coverage Ratio Altman(2000)

R57 Fatturato /Totale attività Drozina 1998, Spada Fanni (2004)

R58 Liquidità immediate/Totale passività Doumpos Michael, Zopounidis Costantin 1999

R59 Oneri finanziari / Reddito Operativo Drozina 1998

R60 Oneri finanziari/Margine Operativo Lordo Di Fonzo P., Piu P. Quinti A., Sani L.(nd)

R61 Oneri finanziari/ Mezzi di Terzi Drozina 1998, Barontini 2000

R62 Interessi/ Reddito prima dell’ammortamento, interessi e tasse Ms T. Geetha(2000)

R63 Ro.e. (Risultato d’esercizio/Patrimonio Netto) Barontini 2000, Drozina 1998, Di Fonzo P., Piu P. Quinti A.,

Sani L.(nd), Van Frederiklust (1978),

R64 R.o.e. ante imposte Barontini(2000)

R66 Roa Altman(2000), Amir(2001), Barontini(2000), Choong Nyoung

Kim Sang-Gyung Jun e Kinsum Tam (nd), Sironi(1999)

R67 Reddito netto/Utile lordo Doumpos Michael, Zopounidis Costantin 1999

R68 Reddito netto/Fatturato Drozina 1998, Barontini 2000

R69 Reddito netto/Reddito operativo Drozina 1998

R70 Scorte / Vendite Nette Edminster 1972, Back, Laitinen, Sere e Van Wezel , 1996

R71 Rimanenze finali / Fatturato Drozina 1998

R72 EBITDA/Spese per interessi Glen Jack(2004), Carey Mark Hrycay Mark(2000), Standard

Poor’s (2000), Choong Nyoung Kim Sang-Gyung Jun e

Kinsum Tam (nd)

R73 Cassa / Passività Correnti Edminster 1972, Deakin 1972, Back, Laitinen, Sere e Van

Wezel , 1996

R74 (Attivo Corrente - Scorte)/ Passivo Corrente Drozina 1998

R75 (Capitale Netto + Passività Consolidate)/ Immobilizzazioni Drozina 1998

R76 Debiti a ML/Passività Correnti Barontini 2000

R77 Variazione % dei ricavi Barontini 2000, Spada Fanni 2004

R78 Variazione % del capitale investito Barontini 2000

R79 Variazione % Capitale Netto Spada Fanni 2004

R80 Roi (Reddito operativo / Attività [t0]- Attività[t1])

Spada Fanni 2004

R81 Valore Aggiunto su Attività (calcolato secondo i principi di finanza moderna)

Spada Fanni 2004

R82 Oneri finanziari su Fatturato% Spada Fanni 2004

R83 Immobilizzazioni immateriali su Attivo % Spada Fanni 2004

R84 Immobilizzazioni materiali su Attivo % Spada Fanni 2004

R85 Margine Operativo su Oneri finanziari (calcolato secondo i principi della finanza moderna)

Spada Fanni 2004

R86 Cash flow su Totale Attività% (calcolato secondo i principi della finanza moderna)

Spada Fanni 2004

27

Indici Studio

R87 Utile o perdita d’esercizio Spada Fanni 2004

R88 Valore Aggiunto Spada Fanni 2004

28

29

ALLEGATO 1RI:

Selezione di abstract

Indice

• Aziz m. Adnan e A.dar Humayon, Predicting corporate bankruptcy: whither do we stand, nd

• Doumpos Michael, Zopounidis Costantin, A multicriteria discrimination Method for the prediction of financial

distress: the case of Greece, 1999

• Drozina Corrado, Insolvenze aziendali e modelli per la loro previsione, 1998

• Baroni Sara, Gestire con successo le PMI - Focalizzate l'attenzione su tutto e non avrete focalizzato nulla,

2003

• Barontini Roberto, “La valutazione del rischio di credito”, 1999

• Back, Laitinen, Sere e Van Wezel , “Choosing Bankruptcy predictors using discriminant analysis, logit

analysis, and genetic algorithms”, 1996

• Hill T., Marquez L., O’Connor M., Remus W., 1993, Artificial neural network models for forecasting and

decision making, NN4CAST6, wp 5.

• Lee K. C., Han I., Kwon Y., 1996, Hybrid neural network models for bankruptcy predictions, Decision

Support Systems, 18.

• Olivotto L., La previsione dell’insolvenza d’impresa mediante modelli probabilistici, in Finanza Imprese e

Mercati, 1989, n°1

• Perez Muriel, Neural networks application in bankruptcy forecasting : a state of the art, 1997

• Yim J., Mitchell H., 2002, A comparison of corporate failure models in Australia: Hybrid neural networks,

logit models and discriminant analysis, School of Economics and Finance, WP No. 10.

• Sciarelli Sergio, La Crisi d’Impresa – Il percorso gestionale di risanamento nelle piccole e medie imprese.

CEDAM 1995

• Spada Francesca Fanni Maurizio, Indagine economica e finanziaria sulle imprese e i settori industriali della

Sardegna. Analisi dinamica dei benchmark di settore per le PMI, 2004

30

31

Aziz m. Adnan e A.Dar Humayon, Predicting corporate bankruptcy: whither do we stand?

Keywords: Corporate bankruptcy; Prediction models; Distress diagnosis; Corporate financial distress; Financial ratio analysis

Abstract

Questo studio fornisce un’analisi critica dei principali modelli di previsione del rischio d’insolvenza.I risultati ottenuti

dimostrano come i sistemi esperti d’intelligenza artificiale hanno una performance di poco superiore a quella dei

modelli statistici.

Introduzione

Gli autori prendono in esame: l’analisi univariata, l’analisi discriminante lineare, l’analisi di probabilità lineare, la logit

analysis, la probit analysis, la metodologia delle somme cumulate, il processo di aggiustamento parziale, il modello di

apprendimento induttivo, le reti neurali, gli algoritmi genetici, la teoria del giocatore d’azzardo, la teoria del cash

management, le teorie del rischio del credito, e altre tecniche. Vengono individuate tre grandi categorie: i modelli

statistici, i sistemi esperti d’intelligenza artificiale ed infine i modelli teorici4.

L’organizzazione del lavoro è la seguente. La sezione 2 presenta una panoramica complessiva di questi modelli. La

sezione 3 fornisce una valutazione critica. Le applicazioni sono analizzate e discusse nella sezione 4. Seguono le

conclusioni.

Modelli statistici

I modelli statistici comprendono l’analisi univariata e multivariata.

Analisi univariata

L’analisi univariata è un metodo tradizionale d’interpretazione degli indicatori aziendali. Viene utilizzato il termine

univariata perché le variabili sono osservate ed esaminate una dopo l’altra.

Analisi discriminante multipla

L’analisi discriminante multipla (MDA) è una tecnica multivariata che permette di differenziare due o più gruppi di

oggetti rispetto ad alcune variabili. MDA è impiegata per classificare un’impresa in una delle categorie stabilite

(imprese a rischio, imprese sane).

Sotto i presupposti dell’analisi di regressione5 il modello MDA è una combinazione lineare di variabili discriminanti

Z = α + β1 X1 + β2 X2……….+ β n Xn

4 Le fonti consultate sono 180 (principalmente riviste scientifiche). 5 Distribuzione normale, uguaglianza della varianza, la non correlazione delle variabili

32

dove α è una costante

β sono coefficienti discriminanti

I risultati sono generalmente presentati in una matrice, utilizzata spesso per testare l’accuratezza della procedura.

Modello di probabilità lineare

Y = β1 + β2 xi +µi………….

dove xi è la variabile esplicativa

yi = 1 se l’evento avviene (l’impresa fallisce)

yi = 0 se l’evento non avviene (l’impresa non fallisce)

In questo tipo di modelli la y è dicotomica ed è definita come una funzione lineare delle variabili esplicative x; può

anche essere interpretata come la probabilità condizionata che l’evento avvenga dato un insieme di variabili

indipendenti x.

P (Y = 1 / xi)

0 < P < 1

Nell’applicare LPM alle valutazioni del rischio d’insolvenza deve essere individuato un valore di cut off che permetta di

distinguere i fallimenti ed i non fallimenti delle aziende nell’intera popolazione.

Modello logit

La variabile dicotomica Y è rappresentata dal logaritmo della probabilità che un particolare evento avvenga.

Formalmente abbiamo la seguente relazione:

ln (P/ 1-P) = β1 + β2 Xi +……… µi

dove P la probabilità è stimata con il metodo della massima verosimiglianza.

[1]

33

Modello Probit

In questo tipo di modello l’errore e segue una distribuzione normale al posto di quella logistica indicata nella relazione

[1]

Il resto delle interpretazioni è uguale a quelle del modello logit

Procedura delle Somme Cumulate (CUSUM)

Le procedure CUSUM sono tra i più potenti strumenti per interpretare un cambiamento della qualità di una

distribuzione.

Esse sono un insieme di metodologie sequenziali basate su indici di probabilità che riducono il calcolo a somme

cumulate, di qui il termine Cumulative Sums. Esse determinano, in maniera ottimale, il punto d’inizio del cambiamento

e forniscono un segnale dello stato di rischio dell’impresa.

La performance complessiva di un punto determinato nel tempo è valutata dai punteggi delle performance cumulate.

Il processo d’Aggiustamento Parziale

Il processo d’Aggiustamento Parziale rappresenta un approccio razionale la cui applicazione nelle valutazioni del

rischio d’insolvenza può essere giustificato usando la teoria del cash management.

Il fallimento, all’interno di questo filone, può essere definito come uno squilibrio tra entrate di cassa e uscite o come

l’inabilità dell’azienda a pagare le sue obbligazioni finanziarie. Tradizionalmente la condotta del cash management di

un’azienda è descritta da differenti modelli di domanda di moneta.

Il bilancio della cassa di un’azienda in un periodo t è una funzione strutturata nel seguente modo:

ln M (t) = ln D + es ln S(t) + ei ln i (t) + u (t) [g]

Ln è il logaritmo naturale

M il bilancio attuale della cassa nel periodo t

D una costante

S(t) il volume delle transazioni

i(t) il costo opportunità

es l’ elasticità del bilancio di cassa rispetto a S

ei l’elasticità del bilancio di cassa rispetto ad i

u la variabile errore

La versione dinamica dell’equazione [g] presentata nella forma degli aggiustamenti parziali è:

ln M(t) = y {ln D + es ln S (t) + ei ln i (t) + u (t) } + (1- y ) M (t – 1) + yu (t)…….[h]

34

dove y e 1 – y sono i parametri rappresentativi delle percentuali di aggiustamento

L’intera classificazione e il processo di previsione in questo particolare esempio rispettano i seguenti criteri:

• i valori assoluti delle elasticità del bilancio attuale della cassa rispetto a ciascun fattore (volume delle

transazioni e costo opportunità qui)

• Per un impresa a rischio, il tasso di aggiustamento y più elevato dell’unità e certamente superiore al

tasso per un impresa sana .

I Sistemi d’intelligenza artificiale

La seconda categoria di modelli è rappresentata dai sistemi d’intelligenza artificiale, evoluzione degli ultimi anni. Su di

essi i ricercatori hanno concentrato l’attenzione, in particolare sul processo di acquisizione delle conoscenze:

l’insegnamento e l’apprendimento.

Il modello di apprendimento induttivo

Una forma di apprendimento supervisionato è l’apprendimento induttivo, in grado di apprendere da un processo di

generalizzazione. Friedman (1977)6 per primo introdusse una metodologia di questo tipo per una classificazione non

parametrica applicando gli alberi decisionali.

Il modello CBR

Generalmente, un processo CBR di acquisizione delle conoscenze è articolato in 4 fasi:

1. identificazione, accettazione e rappresentazione di un problema,

2. recupero di casi simili dalla casistica,

3. adattamento dei casi recuperati nel punto 2 in modo che essi si adeguino alla nuova situazione e forniscano

una soluzione appropriata,

4. valutazione della soluzione suggerita e alla fine inserimento della stessa nella casistica per un uso futuro.

Nel contesto della previsione del rischio d’insolvenza, un programma CBR memorizza una casistica di problemi di

previsione precedentemente risolti. Esso identifica, accetta e rappresenta qualsiasi nuovo problema di previsione.

Successivamente lo adatta ad un caso simile recuperato dalla casistica e fornisce un risultato di previsione.

Reti neurali

Sebbene in grado di emulare il cervello umano nei calcoli matematici di base, i computer sono certamente inferiori

quando si tratta di riconoscere i segnali di una situazione a rischio d’insolvenza. Al contrario le reti neurali, enfatizzate

nei testi di biologia, hanno buone capacità di previsione. Sono costituite da tante unità di elaborazione o nodi collegati

l’uno all’altro attraverso interconnessioni rafforzate ed organizzati in strati. Ogni nodo distribuisce, collega e trasforma

6 Friedman, J. H., 1977, A Recursive Partitioning Decision Rule for Non parametric Classification. IEEE Transactions on Computers, April, 404-408

35

segnali d’input in un singolo segnale di risposta attraverso interconnessioni rafforzate. Questo segnale di risposta è

accettato soltanto se soddisfa il ricercatore altrimenti viene trasmesso di nuovo come un segnale d’input a molti altri

nodi.

Il compito maggiore di ogni rete neurale è quello di determinare pesi appropriati ad interconnessioni di nodi differenti.

Le reti neurali eseguono questo compito attraverso un processo di apprendimento nel quale la conoscenza del rapporto

tra segnali d’input ed ouput si apprende seguendo certi principi. Questa conoscenza produce una struttura distinta di

nodi (in uno degli strati della rete denominato strato interno) e connessioni di pesi che classifica correttamente gli

oggetti nei loro rispettivi gruppi. Tecnicamente questo processo di pianificazione è chiamato convergenza.

Le reti prenderebbero informazioni sulle variabili esplicative nei nodi input attraverso lo strato input che poi elaborano

per suggerire una probabilità del rischio d’insolvenza.

Gli algoritmi genetici

Basati sulla teoria Darwiana dell’evoluzione naturale, gli algoritmi genetici costituiscono una tecnica di ricerca

stocastica. Ogni possibile soluzione al problema è rappresentata da una stringa (chiamata anche cromosoma, genotipo o

struttura). Ogni stringa è costituita da unità chiamate anche geni.

Un processo di evoluzione è invece realizzato su l’intera popolazione di stringhe che corrisponde all’universo di

possibili soluzioni. E si articola in tre fasi: rappresentazione genetica (attraverso l’alfabeto binario), selezione (in base

ad una funzione fitness di valutazione), e mutamento.

Rought sets models

I rought sets models sono costituiti da un insieme di impercettibili unità, chiamato set elementare che costituiscono

l’universo considerato.

In questo modello, la conoscenza inadeguata relativamente agli oggetti è presentata nella forma di una tabella

informativa. Righe, colonne, e gli ingressi della tabella sono rispettivamente chiamati: oggetti, attributi, e valori

attribuiti. La tabella di decisione è impiegata per derivare le regole di decisione del modello. Questi metodologie hanno

origine dai principi di apprendimento induttivo.

Modelli teorici

I modelli teorici focalizzano la loro attenzione sulle cause del fallimento di un’azienda, più che sui segnali.

Si distinguono in quattro fondamentali categorie:

• Entropy theory

• Gambler’s Ruin theory

• Teoria del cash management

• Teoria del rischio di credito

Entropy theory

36

Un modo per identificare un dissesto aziendale è quello di analizzare i cambiamenti verificatisi in un impresa. Questa

procedura si basa sulla seguente linea di principio “qualsiasi azienda tende a mantenere uno stato di equilibrio che

garantisca una struttura aziendale di sostegno”. Se il rendiconto aziendale riflette significativi cambiamenti nella

composizione delle attività e passività per un ragionevole periodo di tempo è molto probabile che la azienda considerata

sia incapace di mantenere uno stato di equilibrio. Da quel momento questi cambiamenti possono probabilmente

divenire incontrollabili.

Gambler ruin theory

Questa teoria fa riferimento al comportamento di un giocatore d’azzardo, che impiega un’arbitraria somma di denaro

con la probabilità di vincere o perdere

Nel contesto del fallimento l’impresa assume il ruolo del giocatore. Può continuare ad operare fino a che il suo capitale

netto tende a zero.

La teoria assume che l’impresa abbia alcune somme di capitale in cassa che gli permettano l’esistenza su basi

accidentali. In alcuni periodi l’impresa sperimenterebbe cash flow positivi, in altri cash flow negativi. A partire da un

certo momento, esiste una propabilità concreta che il cash flow possa essere sempre negativo. Secondo questo

approccio l’impresa rimane solvente fino a che il suo capitale netto è maggiore di zero.

Teoria del cash flow management

La gestione bilanciata della cassa è un aspetto importante di ogni impresa, in maniera particolare dal 1980. Uno

squilibrio tra entrate di cassa ed uscite può significare un fallimento del cash management e può dare origine ad un

dissesto finanziario dell’azienda.

Le teorie del rischio del credito

Negli anni più recenti, seguendo le linee guida di Basilea II, sono stati fatti dei tentativi per sviluppare modelli di

valutazione interna per misurare il rischio del credito. Alcuni di questi hanno ottenuto un elevata considerazione, ad

esempio JP Morgan’s CreditMetrics, Moody’s KMV model, CSFP’s CreditRisk+ E McKinsey’s CreditPortfolio View.

Con una o due eccezioni, essi sono basati su teorie microeconomiche o macroeconomiche di finanza aziendale.

La più famosa teoria microeconomia è legata alla teoria dell’opzione dei prezzi proposta da Black e Scholes (1973)7 e

più tardi sviluppata da Merton (1974)8.

Un esempio di teoria macroeconomia è quella elaborata da Wilson (1997a, 1997b, 1998)91011.

Una critica ai modelli

7 Black, F., Scholes, M., 1973. The Pricing of Options and Corporate Liabilities. Journal of Political Economy, 81, May – June, 637-654 8 Merton, R.C., 1974. On the Pricing of Corporate Debt: the Risk Structure of Interest Rates , Journal of Finance 29, 449-470 9 Wilson, T, 1997a Portfolio Credit Risk (I) Risk Magazine, October 10 Wilson, T, 1997b Portfolio Credit Risk (I) Risk Magazine, November 11 Wilson, T, 1998 Portfolio Credit Risk (I) FRBNY Economic Policy Review, October 71-82

37

All’interno della successiva sezione sono esposte in estrema sintesi le principali critiche ai modelli fin ora esaminati.

L’analisi univariata

Una assunzione discutibile di questa metodologia è l’esistenza di una relazione proporzionata tra le variabili al

numeratore e denominatore dell’indicatore calcolato. Come è stato notato da Whittington (1980)12 e Keasey & Watson

(1991)13 questo presupposto è probabile che venga violato

1. la relazione tra le due variabili può non essere lineare,

2. un termine costante può anche giocare qualche ruolo nella relazione tra le due variabili dell’indicatore

esaminato

L’analisi univariata enfatizza inoltre un singolo segnale dell’azienda ed è suscettibile di dubbia interpretazione e

potenziale confusione. Di certo la situazione di un impresa dipende da un numero elevato di fattori.

Analisi discriminante multipla (MDA)

Questa metodologia non è senza difetti. Essa presuppone l’uguaglianza della varianza e della covarianza dei due gruppi

di unità considerate e la normalità delle due distribuzioni. Molti studi come Karles e Prakash (1987)14 hanno mostrato

che queste assunzioni sono spesso violate dai dati oggetto di studio.

Modello di probabilità lineare (LPM),

Per eliminare queste difficoltà i ricercatori suggeriscono l’uso della probabilità condizionata. In LPM sono però presenti

altre assunzioni. Ad esempio i termini errore non sono normalmente distribuiti. Possono generare misure basse di

rischio ed esiste la possibilità che il valore della variabile dipendente vada fuori il range 0 – 1.

Modello logit e probit

La performance migliore del modello Logit e del modello Probit è ottenuta con un campione vasto.

Sfortunatamente il numero delle aziende in fallimento non è elevato.

Procedure Cusum

Le metodologie Cusum richiedono invece una serie di dati lunga, spesso difficilmente acquisibile.

Il modello di apprendimento induttivo

12 Whittington, G, 1980. Some Basic Properties of Accounting Ratios , Journal of Business Finance & Accounting, 219 -232 13 Keasey, K, Watson, R, 1991 Financial Distress Prediction Models: a review of their Usefulness. British Journal of Management 2, 89 - 102 14 Karles, G, Prakash, A. , 1987 Multivariate Normality and Forecasting of Business Bankruptcy, Journal of Business Finance & Accounting, 14 (4), 573 -595

38

Il modello di apprendimento induttivo è una tecnica di selezione avanzata che è soggetta al problema dell’eccessivo

adattamento alle caratteristiche del campione (overfitting).

Il modello CBR

La metodologia Cbr è una tecnica molto recente che richiede inevitabilmente diversi miglioramenti

Reti neurali

Le reti neurali sono definiti “black boxes” perché non permettono agli utilizzatori finali di comprendere le regole finali

acquisite per la risoluzione del problema. Esse richiedono un processo molto lungo per identificare la struttura più

appropriata e possono incorrere nel problema dell’overfitting.

Gli algoritmi genetici

Gli algoritmi genetici sono modelli ancora in fase di sviluppo, hanno difficoltà di accordarsi e non hanno un criterio

convergente

Rough set models

Questa metodologia non ha una buona performance con i dati numerici, tanto da richiedere la loro conversione prima

dell’utilizzo. Altri svantaggi, cosi come notato da Yasdi (1995)15 sono l’elevata sensibilità e la multimodalità.

Modelli teorici

Sia i modelli statistici che i sistemi esperti d’intelligenza artificiale sono stati creati senza alcun fondamento teorico.

Prevedere il rischio d’insolvenza impiegando un modello senza un supporto teorico ha dato luogo a forti discussioni. I

ricercatori hanno quindi cercato di spiegare il processo del fallimento con l’aiuto dei modelli teorici. In questa sezione

sono esposti i limiti di tali metodologie.

La teoria dell’entropia focalizza l’attenzione sul cambiamento nella struttura dell’azienda, trascurando la direzione di

questo cambiamento.

La più semplice versione del modello Gambler’s ruin assume che l’impresa non abbia accesso al capitale esterno. Come

è stato rilevato da Scott (1981)16 l’applicazione di questo modello ha deluso. Ovviamente, le imprese possono avere il

più piccolo ed imperfetto accesso al capitale di