Tecniche softcomputing (reti neurali ed algoritmi genetici) per l analisi dei sistemi complessi applicati alla finanza moderna

Transcript

1 DIPARTIMENTO DI ECONOMIA E TECNICA AZIENDALE DIPARTIMENTO DI INGEGNERIA MECCANICA DELL UNIVERSITA DI TRIESTE Relazione scientifica sullo svolgimento della ricerca per la terza annualità del progetto: Tecniche softcomputing (reti neurali ed algoritmi genetici) per l analisi dei sistemi complessi applicati alla finanza moderna I Gruppi di ricerca: Rischio dell Impresa Rischio Paese Rischio Mercati Finanziari

2

3 Indice dei Contributi Relazione scientifica sullo svolgimento della ricerca per la terza annualità Pag. Gruppo di ricerca: Rischio dell Impresa o Scheda riepilogativa dei contributi scientifici del gruppo di lavoro Rischio dell Impresa Pag. o Tecniche per lo studio della performance delle imprese: dall indicatore sintetico di dinamicità all analisi statistica multivariata Pag. o Il modello predittivo della rete neurale MultiLayer Perceptron di tipo feed forward con algoritmo di back propagation Pag. o Modelli predittivi dell insolvenza: il modello MEU evoluto (maximum expected utility) Pag. o Valutazione della validità dei modelli sviluppati le curve R.O.C. (Receiver Operating Characteristic) Pag. o DB COMPLEX Banca Dati on line Pag. o Aspetti qualitativi delle imprese: Assetti Manageriali e strategie finanziarie Pag. o Benchmark sull andamento delle imprese nazionali Pag. Gruppo di ricerca: Rischio Paese o Scheda riepilogativa dei contributi scientifici del gruppo di lavoro Rischio Paese Pag. o Il Rischio Paese: metodi di analisi costruzione di database evidenza empirica Pag. o Contributo dell ISAE dott. Marco Fioramanti Pag. Gruppo di ricerca: Rischio Mercati Finanziari o Scheda riepilogativa dei contributi scientifici del gruppo di lavoro Rischio dei Mercati Finanziari Pag. o Meccanica quantistica e mercato dei capitali Pag. o Principi di Econofisica applicati alla Finanza moderna Pag. o Analisi tecnica e investigazione dei cicli Pag. o Finanza comportamentale: nuovi strumenti per lo studio del rischio sui mercati finanziari. Un modello di interpretazione della Prospect Theory per la definizione di strumenti di misurazione del rischio sui mercati finanziari Pag. o La dinamica del Rating come processo di Markov Pag. Allegato: Benchmark sull andamento delle imprese nazionali Pag.

4

5 DIPARTIMENTO DI ECONOMIA E TECNICA AZIENDALE DIPARTIMENTO DI INGEGNERIA MECCANICA DELL UNIVERSITA DI TRIESTE Relazione scientifica sullo svolgimento della ricerca per la terza annualità Presentazione a cura del Coordinatore Scientifico Nazionale del Progetto Professor Maurizio Fanni La presente relazione generale contiene la descrizione dei contributi scientifici inerenti il progetto di ricerca Tecniche softcomputing (reti neurali ed algoritmi genetici) per l analisi dei sistemi complessi applicati alla finanza moderna per la terza annualità. La relazione è organizzata riportando i contributi conseguiti nei tre filoni di ricerca in cui il progetto sin dall inizio è stato suddiviso. Detti filoni sono i seguenti: Rischio dell impresa Rischio paese Rischio dei mercati finanziari Si ricorda che gli enti partecipanti alla ricerca sono i seguenti: CERIS CNR di Torino ISAE di Roma Osservatorio Industriale della Sardegna Università degli Studi di Trieste DETA Università degli Studi di Trieste Dipartimento di Ingegneria Meccanica (ex DIPENE) Consorzio per l AREA di ricerca scientifica e tecnologica di Trieste

6 Nello specifico i ricercatori dei vari enti hanno operato all interno dei gruppi con le seguenti presenze: Rischio dell Impresa Università di Trieste DETA Maurizio Fanni Daria Marassi Osservatorio Industriale della Sardegna Università di Trieste Dipartimento di Ingegneria Meccanica (ex DIPENE) Consorzio per l AREA di ricerca scientifica e tecnologica di Trieste CERISCNR di Torino ISAE di Roma Rischio Paese Università di Trieste Facoltà di Economia Università di Trieste Dipartimento di Ingegneria Meccanica (ex DIPENE) CERISCNR di Torino ISAE di Roma Rischio dei Mercati Finanziari Università di Trieste DETA Università di Udine Dottorato di ricerca in Finanza aziendale (Trieste) Università di Trieste Dipartimento di Ingegneria Meccanica e dottorato di ricerca in Finanza aziendale (Trieste) Consorzio per l AREA di ricerca scientifica e tecnologica di Trieste CERISCNR di Torino ICT e Banche Dati Università di Trieste DETA Osservatorio Industriale della Sardegna Università di Trieste Dipartimento di Ingegneria Meccanica (ex DIPENE) Francesca Spada Vincenzo Certo Antonella De Arca Stefano Meloni Alessandra Mura Cristina Murroni Marzia Ravenna Carlo Poloni Valentino Pediroda Mattia Ciprian Danilo di Stefano assegnista presso Università di Trieste Dipartimento di Ingegneria Meccanica (ex DIPENE)) Giulio Calabrese Nadia D Annunzio Greta Flavigna Sergio De Nardis Marco Fioramanti Clemente de Lucia Luigi Giamboni Maurizio Fanni Francesca Bernè Carlo Poloni Valentino Pediroda Mattia Ciprian Giulio Calabrese Mario Coccia Sergio De Nardis Marco Fioramanti Alessandro Girardi Maurizio Fanni Giulia Nogherotto Massimiliano Kaucic Michele Ibba Karla Bjelanovic Chiara Furlan Silvia Bragagnini Carlo Poloni Valentino Pediroda Mattia Ciprian Danilo di Stefano (assegnista presso Università di Trieste Dipartimento di Ingegneria Meccanica (ex DIPENE)) Giulio Calabrese Nadia D Annunzio Daria Marassi Francesca Spada Vincenzo Certo Stefano Meloni Valentino Pediroda Mattia Ciprian Il gruppo delle Banche Dati è stato considerato alla stregua di una sezione funzionale ai tre gruppi principali sopra indicati operando sinergicamente nei confronti di ciascuno di essi.

7 Attuazione del progetto Le attività sono state svolte nel periodo operativo del secondo anno del progetto che è cominciato nel mese n (luglio ) e si è concluso nel mese n (giugno ). Obiettivi target ed attività della terza annualità Si rinvia al progetto esecutivo per la descrizione degli obiettivi complessivi del progetto e la sua articolazione temporale come pure per l informazione concernente le strutture e le risorse necessarie. Con riguardo alla terza annualità le attività fondamentali di ricerca sono state: a) Implementazione di modelli di predizione del rischio (operativo finanziario e di default) attraverso reti neurali algoritmi genetici metodologie statistiche predittive innovative sfruttando e mettendo in azione i risultati conseguiti negli anni precedenti; b) Messa in opera di software modulari per l analisi e la valutazione dei rischi economici finanziari e politici dei sistemi paese coordinati con modelli di economia internazionale; c) Perfezionamento e messa in opera del primo archivio on line del sistema Italia con impiego della banca dati relativa ai bilanci delle imprese nazionali (DBCOMPLEX) per interpretare la condotta ed i risultati delle imprese e dei settori dell economia italiana; d) Metodologie di costruzione di matrici di transizione per la determinazione della probabilità di default delle attività finanziarie; e) Metodologie di econofisica applicate ai mercati finanziari. Risultati della terza annualità I vari obiettivi sono stati conseguiti. In generale si può affermare che dopo la prima annualità in cui ci si è particolarmente impegnati ad individuare le fonti scientifiche le metodiche di costruzione delle basi dei dati e la messa a punto delle risorse diretta a sviluppare le ricerche e la seconda annualità che ha visto l approfondimento delle tematiche con la scelta di processi di classificazione dei dati di analisi di aggregazione e calcolo nonché di progettazione e costruzione di modelli di predizione del rischio la terza annualità ha visto l implementazione il perfezionamento dei modelli e le applicazioni al mondo delle imprese agli investimenti in paesi esteri ed ai mercati finanziari offrendo dati significativi alla comunità scientifica nazionale ed internazionale. È stato svolto un notevole lavoro diretto a stimolare nuove idee e innovativi approcci di indagine e studio.

8 C è da sottolineare la capacità del progetto ad esplorare continuamente nuove prospettive di indagine proprio in quanto caratterizzato dalla partecipazione trasversale di competenze e mentalità economiche e matematicoingegneristiche. Il brainstorming delle idee è stato favorito dalla realizzazione del seminario conclusivo svoltosi presso ISAE a Roma con la presenza di importanti discussant. Si è proceduto a completare i preesistenti profili culturali del vari ricercatori; si sono create competenze con la formazione di esperti che saranno chiamati nell immediato futuro a gestire la complessità dei sistemi.. Il lavoro svolto nella terza annualità ha consentito la messa a punto di attività di calcolo ed applicazioni delle varie tecniche di analisi del rischio di default le quali si sono concretizzate nel primo archivio on line diretto ad informare sulla probabilità di insolvenza delle imprese e di perdita di valore dei titoli negoziati sui mercati finanziari con l intento di rafforzare la struttura delle imprese di operare contro le cause della loro vulnerabilità e mortalità operando nell interesse dell economia nazionale e favorendo l avvento dell cultura del rischio. I vari gruppi di lavoro hanno ottenuto i seguenti risultati: Gruppo Rischio dell Impresa Realizzazione della struttura Web Service del DBCOMPLEX sistema informativo integrato personalizzato per la costruzione di benchmark sullo stato di salute e sulla solvibilità delle imprese. Modellizzazione del rischio con l utilizzo di tecniche per lo studio della performance delle imprese: dall Indicatore sintetico di dinamicità all analisi statistica multivariata Modellizzazione del rischio di default mediante modelli di regressione non lineare (modello MEU) Modellizzazione del rischio di default mediante modelli di reti neurali (MLP di tipo feed forward) Confronto tra i modelli di rischio sviluppati Costruzione delle tavole sintetiche riepilogative per il benchmarking per area geografica e settore di attività economica (analisi svolta sui dati del DBCOMPLEX). Analisi dei questionari sui rapporti tra proprietà e management delle imprese nazionali dell industria e dei servizi. Gruppo Rischio Paese sistemazione ed aggiornamento dell archivio dati con organizzazione dello stesso in un database messo a disposizione on line per tutti i partner del progetto; continuazione delle sperimentazioni ed ottenimento di un prototipo di analisi del Rischio Paese a fini previstivi attraverso l utilizzo delle metodologie numeriche studiate ed applicate già nel corso del secondo anno. Gruppo Rischio dei Mercati Finanziari Econofisica con trasferimento alla finanza dei mercati della meccanica quantistica. Ridefinizione di mercato finanziario ad efficienza forte ed analisi dell energia per portafogli con borrowing e lending e del portafoglio di mercato. Il portafoglio con energia di punto zero. Statistiche fisiche e spazi di Hilbert.

9 Analisi tecnica e investigazione dei cicli con interpretazione dell andamento delle serie storiche dei titoli secondo la dinamica dei sistemi complessi Funzioni di utilità rivisitazione della Prospect theory di Kahneman nuova spiegazione di quel modello e sua combinazione con l analisi VAR Analisi delle matrici di transizione e predizione del default attraverso catene markowiane Gruppo delle Banche Dati Pur non essendo stato previsto specificatamente nel progetto iniziale tale gruppo si è reso necessario da un lato per organizzare in modo coerente ed aperto la grande mole di dati provenienti da fonti diverse dall altro lato per predisporre i software per la costruzione della banca dati e la sua applicazione al sistema economico nazionale la facility nazionale. A tale proposito il gruppo di ricercatori in particolare del Dipartimento di Ingegneria Meccanica (ex DIPENE) si è costantemente tenuto in contatto con l ICTP in ottemperanza a quanto stabilito dagli accordi con il MIUR per coordinarsi sulle attività di messa a punto della facility nazionale su un sistema di GRID computing la cui realizzazione è compito dell ICTP. E stato così conseguita la messa a punto di un servizio WEB based per l utility delle Imprese ( ) coerente e complementare all uso del sistema GRID. Convegni Il giorno giugno si è svolto presso la sede ISAE di Roma il convegno conclusivo del progetto di ricerca Tecniche softcomputing (reti neurali ed algoritmi genetici) per l analisi dei sistemi complessi applicati alla finanza moderna nel quale sono stati presentati i risultati ottenuti ed esposti in detta relazione.

10 Programma del convegno: Fronteggiare il rischio e l incertezza dei mercati finanziari del sistema delle imprese e dei sistemi paese Apertura dei lavori: A. Majocchi Presidente ISAE Intervento introduttivo: R. Bonanni Servizio trasferimento Tecnologico Area Science Park di Trieste Presentazione dei Risultati Presentazione del progetto: M. Fanni Professore di Finanza Aziendale Università degli Studi di Trieste e Coordinatore Nazionale Progetto Tecniche softcomputing per l analisi dei sistemi complessi applicate alla finanza moderna Approccio multicriteriale per la finanza moderna C. Poloni Professore di Macchine a Fluido Università degli Studi di Trieste Gruppo rischio mercati finanziari Moderatore: S. de Nardis Direttore della Unità Operativa Macroeconomia e Politica Economica Italiana e Internazionale ISAE Principi di econofisica applicati alla finanza moderna M. Fanni e M. Ibba Università degli Studi di Trieste Studio del rischio sui mercati finanziari: metodologie Modelli applicazioni e frontiere attuali della ricerca G. Nogherotto Università degli Studi di Trieste Discussant: R. Gandini Responsabile Area Mercati Finanziari Direzione Finanza Inarcassa Gruppo rischio imprese Moderatore: G. Calabrese Ricercatore CERIS CNR Imprese italiane e stato di salute applicazioni e confronto di metodologie di analisi del rischio e della performance F. Spada Osservatorio Economico della Sardegna Aspetti qualitativi delle imprese: assetti manageriali e strategie finanziarie G. Falavigna CERISCNR Torino Applicazioni Web del sistema integrato per l analisi sullo stato di salute delle imprese italiane DBComplex on line V. Pediroda e D. Marassi Università degli Studi di Trieste Discussant: C. Zazzara Area Studi Capitalia e Professore di Economia degli Intermediari Finanziari Università LuissGuido Carli Gruppo rischio paese Moderatore: F. Manca Direttore Generale Osservatorio Economico della Sardegna Risultati dell indagine sul rischio paese condotta con le metodologie MCDM e SOM F. Bernè e M. Ciprian Università degli Studi di Trieste Reti Neurali Artificiali quale strumento di previsione delle crisi di debito di emittenti sovrani M. Fioramanti ISAE

11 Discussant: R. Ascari Chief Financial Officer SACE Chiusura dei lavori: G. Golinelli Professore di Economia e gestione delle Imprese Università degli Studi di Roma La Sapienza Pubblicazioni della terza annualità del progetto Il terzo anno del progetto Tecniche softcomputing (reti neurali ed algoritmi genetici) per l analisi dei sistemi complessi applicati alla finanza moderna ha visto la realizzazione delle seguenti pubblicazioni in merito ai temi di ricerca sviluppati: Multi Criteria Credit Rating (MCCR): a Credit Rating Assignment Process for Italian enterprises according to Basel II Francesca Bernè Mattia Ciprian Maurizio Fanni Daria Marassi Valentino Pediroda MCDM The th International Conference on Multiple Criteria Decision Making Chania Greece June Multiattribute Methodologies In Financial Decision Aid Mattia Ciprian Maurizio FanniValentino Pediroda Carlo Poloni Eurogen Monaco Settembre ISBN Logica del valore e processo di pricing Francesca Bernè collana Biblioteca di Finanza Giuffrè Editore Milano ISBN Dalla finanza classica a quella comportamentale Luca Piras collana Biblioteca di Finanza Giuffrè Editore Milano ISBN Il Coordinatore Scientifico Nazionale del Progetto Professor Maurizio Fanni

12

13 DIPARTIMENTO DI ECONOMIA E TECNICA AZIENDALE DIPARTIMENTO DI INGEGNERIA MECCANICA DELL UNIVERSITA DI TRIESTE Gruppo di ricerca: Rischio dell Impresa Relazione sui risultati del III anno del progetto: Tecniche softcomputing (reti neurali ed algoritmi genetici) per l analisi dei sistemi complessi applicati alla finanza moderna

14

15 Scheda riepilogativa dei contributi scientifici del gruppo di lavoro Rischio dell Impresa A cura di: Francesca Spada e Daria Marassi Il presente rapporto contiene la descrizione dei contributi scientifici sviluppati all interno del gruppo di ricerca RISCHIO DELL IMPRESA in ambito del progetto di ricerca Tecniche softcomputing (reti neurali ed algoritmi genetici) per l analisi dei sistemi complessi applicati alla finanza moderna che ha visto la partecipazione congiunta dei soggetti: CERIS CNR di Torino (Giulio Calabrese Greta Flavigna Nadia D Annunzio) ISAE di Roma (Sergio De Nardis Marco Fioramanti) Osservatorio Industriale della Sardegna (Francesca Spada Vincenzo Certo Stefano Meloni Antonella De Arca Alessandra Mura Cristina Murroni) Università degli Studi di Trieste DETA (Maurizio Fanni Daria Marassi Gabriella Schoier) Università degli Studi di Trieste Dipartimento di Ingegneria Meccanica (ex DIPENE) (Carlo Poloni Valentino Pediroda Mattia Ciprian) Consorzio per l AREA di ricerca scientifica e tecnologica di Trieste (Danilo di Stefano assegnista presso l Università degli Studi di Trieste Dipartimento di Ingegneria Meccanica (ex DIPENE)) Da un punto di vista operativo nel terzo anno del progetto il gruppo Rischio dell Impresa a fronte dell esperienza maturata nel primo e nel secondo anno ha provveduto ad una suddivisione dei compiti sia da un punto di vista delle competenze come anche degli specifici interessi di ricerca che fanno capo ad ognuno dei partecipanti coinvolti. I seminari interni tenutisi nel corso del terzo anno di attività del progetto hanno permesso ai partecipanti del gruppo Rischio dell Impresa di confrontarsi sullo stato avanzamento lavori nonché di definire ai vari livelli l indirizzo di ricerca comune da seguire. I risultati conclusivi del terzo anno del gruppo Rischio dell Impresa sono stati presentati all interno del seminario tenutosi a Roma presso l ISAE nel quale i partner hanno presentato in modo organico i risultati conclusivi raggiunti al terzo anno del progetto e che viene presentato in detta relazione. Risultati della terza annualità di attività del progetto Nell ambito del percorso triennale di progetto: Tecniche softcomputing (reti neurali ed algoritmi genetici) per l analisi dei sistemi complessi applicati alla finanza moderna l attività dei ricercatori è stata orientata all individuazione di sistemi di indagine in grado di valutare lo stato di salute delle imprese italiane sia dal punto di vista della loro capacità a permanere sul mercato in maniera efficiente e competitiva che dal punto di vista della rischiosità finanziaria in stretta connessione con la rischiosità a livello del sistema paese Italia e dei mercati finanziari.

16 Questo lavoro d indagine ha consentito di costruire una mappatura del tessuto produttivo nazionale attraverso l uso delle informazioni economiche e contabili (bilanci e indicatori) come aghi di bussole in grado di interpretare e valutare la condotta ed i risultati delle imprese e dei settori di appartenenza sul territorio italiano. All interno dell area analisi del rischio impresa si è proceduto allo studio all implementazione e allo sviluppo di modelli di analisi dei sistemi complessi volti all individuazione dello stato di salute delle imprese e della loro rischiosità con tecniche diversificate e caratterizzate da multidisciplinarietà (reti neurali algoritmi genetici modelli matematici ed ingegneristici). I risultati sulla qualità e sullo stato di salute delle imprese ottenuti dall applicazione dei modelli sono stati poi confrontati tra loro mediante le cosiddette curve ROC (Receiver Operating Charateristic) modello che permette di studiare la capacità discriminante di un test ossia la sua attitudine a separare propriamente la popolazione in studio in malati e sani è proporzionale all estrazione dell area sottesa alla curva ROC (Area Under Curve o AUC) ed equivale alla probabilità che il risultato di un test su un individuo (nel caso nostro l impresa) estratto a caso dal gruppo dei malati sia superiore a quello di uno strato a caso dal gruppo di non malati. I modelli sono stati sperimentati e validati su un corposo set di informazioni economiche e contabili contenuto nel database DBComplex Sistema integrato di informazioni statistiche ed economiche nazionali per le sperimentazioni del progetto che al suo interno raccoglie indicatori qualitativi e quantitativi e drivers del valore sullo stato di salute delle imprese nazionali per circa. unità produttive rappresentative del sistema imprenditoriale italiano di cui sono stati raccolti i dati anagrafici e di bilancio dal al. Il database costruisce lo scenario di sfondo in cui si muovono le imprese italiane e restituisce le informazioni qualitative e quantitative sullo stato di salute delle imprese. La sua utilità trova manifestazione nell uso degli indicatori e dei drivers opportunamente studiati per l analisi del rischio e delle capacità delle imprese a permanere sul mercato in maniera efficiente. Accanto alle informazioni contabili sono presenti i valori di classificazione sulle performance delle imprese e dei settori che emergono dall applicazione dei modelli e dall impostazione dell analisi secondo i criteri della Finanza Moderna. I dati contenuti nel database DBComplex nonché l analisi di rischiosità delle imprese trattate sono resi pubblici per tutti i ricercatori che ne volessero far uso mediante interrogazioni via Internet. Da un punto di vista informatico il database è reso pubblico mediante strumentazioni Web Service sul portale Internet all indirizzo La strumentazione costruita prevede la possibilità di rendere interattiva l analisi dei dati permettendo la stesura di statistiche secondo i dettami del ricercatore che fa uso dello strumento DBComplex on line. I modelli applicati sui dati del DBComplex sono i seguenti: il Modello MEU Maximum Expected Utility sviluppato dall Università di Trieste dai dipartimenti di Economia e Tecnica aziendale e dal Dipartimento di Energetica della Facoltà di Ingegneria; la rete neurale MLP di tipo feed forward con algoritmo di backpropagation implementato a cura del CERIS CNR di Torino; e l analisi multivariata per lo studio delle performance delle imprese sviluppata dall Osservatorio Economico della Sardegna.

17 L attività di progettazione di modelli predittivi del rischio di insolvenza a fronte sia delle analisi statistiche condotte sul campione rappresentativo delle imprese nazionali sia a fronte dell evoluzione delle metodologie di predizione del rischio desunte e rilevate dall attività di ricerca bibliografica condotta in particolare nel primo anno di attività del progetto si è concentrata su tre fronti ovvero sui modelli di carattere statistico (modello MEU) su reti neurali (MLP di tipo feed forward) e sul modello più classico di nota derivazione finanziaria (modello soggettivo basato sulle analisi delle corrispondenze multiple). Il modello basato sull analisi multivariata per lo studio della performance delle imprese è stato sviluppato al fine di individuare la presenza di gruppi d imprese con strategie e performance simili in relazione allo loro attitudine a permanere sul mercato in maniera efficiente e quindi anche la loro eventuale incapacità e la relativa insolvenza. Per conseguire questo obiettivo del lavoro è risultata rilevante l applicazione delle tecniche di analisi multivariata sugli indicatori di bilancio in associazione con le variabili qualitative derivanti dall ambiente di riferimento e dalla struttura dei settori economici del campione nazionale del DBCOMPLEX. In particolare è stata scelta l Analisi delle Corrispondenze Multiple che ha come obiettivo l esplorazione la descrizione e la sintesi di una matrice di dati economici (indicatori di bilancio) e presenta il vantaggio di esplicitare le eventuali relazioni non lineari tra le variabili che in altre tecniche d analisi non sono prese in considerazione. Le reti neurali a differenza di modelli statistici sono processi paralleli composti di singole unità di calcolo (neuroni) che possiedono una naturale predisposizione a memorizzare le conoscenze sperimentalmente acquisite (data mining) ed a renderle disponibili per l uso successivo. Combinando in diversi modi i neuroni della rete si riescono a risolvere classi di problemi differenti. Nel modello sviluppato viene utilizzata una rete neurale MLP di tipo feed forward con algoritmo di backpropagation. Le reti neurali vengono costruite per prevedere il valore assunto da una variabile obiettivo e sono caratterizzate da strati di neuroni. Tutti i neuroni di uno strato sono collegati ad ogni neurone dello strato successivo mediante connessioni a cui sono associati dei pesi. Lo strato di input associa i neuroni alle variabili attive dell analisi lo stato di output associa uno o più neuroni alla variabile target (in base alla sua natura). Tra questi due strati esistono degli strati intermedi (nascosti). Il modello MEU sviluppato si configura nell ambito della più ampia classe dei modelli di regressione multipla non lineare che prevedono essenzialmente la modellazione (appunto non lineare) del valore atteso di una variabile osservabile di interesse previsivo (nel nostro caso si tratta del rischio di default) in funzione di un vettore di parametri non noto e di un vettore di variabili esplicative (nel nostro caso parliamo un vettore di indicatori di bilancio che possono descrivere lo stato di solvibilità dell impresa). La scelta del modello di regressione si concretizza nella determinazione (in termini di qualità e numero) dei regressori nonché nella precisione della espressione formale del valore medio condizionale della variabile aleatoria risposta come funzione del vettore dei regressori e del vettore dei parametri del modello. Le metodologie di cui si è fatto uso per la scelta dei repressori sono state: Parametro di tstudent Default Frequency SOM (Self Organizing Maps). Gli indici di bilancio che vanno a descrivere lo stato di solvibilità di un impresa vengono derivati dall analisi condotta con la metodologia Fund Accounting e incorporata nel database DBCOMPLEX.

18 La mappatura del tessuto produttivo italiano i cui risultati sono raccolti in un compendio di tavole statistiche Benchmark sull andamento delle imprese nazionali Elaborazioni statistiche sui dati del DBComplex costituisce un allegato fondamentale di questo lavoro di analisi perché ne costituisce lo scenario di sfondo. Riepilogando l attività di modellazione ed analisi dell insolvenza si riassume nei seguenti contributi:. Realizzazione della struttura Web Service del DBCOMPLEX sistema informativo integrato personalizzato per la costruzione di benchmark sullo stato di salute e sulla solvibilità delle imprese.. Modellizzazione del rischio con l utilizzo di tecniche per lo studio della performance delle imprese: dall Indicatore sintetico di dinamicità all analisi statistica multivariata. Modellizzazione del rischio di default mediante modelli di regressione non lineare (modello MEU). Modellizzazione del rischio di default mediante modelli di reti neurali (MLP di tipo feed forward). Confronto tra i modelli di rischio sviluppati. Costruzione delle tavole sintetiche riepilogative per il benchmarking per area geografica e settore di attività economica (analisi svolta sui dati del DBCOMPLEX).. Analisi dei questionari sui rapporti tra proprietà e management delle imprese nazionali dell industria e dei servizi. Indice delle Relazioni Tecniche per lo studio della performance delle imprese: dall Indicatore sintetico di dinamicità all analisi statistica multivariata. Pag. Il modello predittivo della rete neurale MultiLayer Perceptron di tipo feed forward con algoritmo di backpropagation... Pag Modelli predittivi dell insolvenza: il modello MEU evoluto (maximum expected utility).. Pag Valutazione della validità dei modelli sviluppati le curve R.O.C. (Receiver Operating Characteristic) Pag DB COMPLEX Banca Dati on line Pag Aspetti qualitativi delle imprese: Assetti Manageriali e Strategie Finanziarie Pag Benchmark sull andamento delle imprese nazionali.... Pag.

19 Tecniche per lo studio della performance delle imprese: dall Indicatore sintetico di dinamicità all analisi statistica multivariata Partecipanti: Osservatorio Economico della Sardegna DETA A cura di: Antonella De Arca Francesca Spada Vincenzo Certo Nell ambito del percorso triennale di progetto: Tecniche softcomputing (reti neurali ed algoritmi genetici) per l analisi dei sistemi complessi applicati alla finanza moderna l attività dei ricercatori è stata improntata all individuazione di un sistema di indagine in grado di valutare lo stato di salute delle imprese italiane sia dal punto di vista della loro capacità a permanere sul mercato in maniera efficiente e competitiva che dal punto di vista della rischiosità finaniaria in stretta connessione con la rischiosità a livello del sistema paese Italia e dei mercati finanziari. Per conseguire l obiettivo della ricerca i lavori sono stati suddivisi per area tematica: rischio impresa rischio paese e rischio mercati finanziari. Per condurre le analisi sul rischio impresa il gruppo di lavoro ha proceduto con lo studio e l implementazione di modelli di analisi dei sistemi complessi volti all individuazione dello stato di salute delle imprese con tecniche diversificate e caratterizzate da multidisciplinarietà. Sono stati utilizzati modelli sia di matrice ingegneristica che statistica e sono state sfruttate anche le tecnologie delle reti neurali. I risultati sulla qualità e sullo stato di salute delle imprese ottenuti dall applicazione dei modelli sono stati poi confrontati tra loro mediante le cosiddette curve ROC (Receiver Operating Charateristic) che studiano la capacità discriminante di un test ossia la sua attitudine a separare propriamente le imprese indagate in imprese sane e non sane. I modelli sono stati sperimentati su un corposo set di informazioni economiche e contabili contenuto nel database DBCOMPLEX Sistema integrato di informazioni statistiche ed economiche nazionali per le sperimentazioni del progetto che al suo interno raccoglie indicatori qualitativi e quantitativi e drivers del valore sullo stato di salute delle imprese nazionali per circa. unità produttive di cui sono stati raccolti i dati anagrafici e di bilancio dal al. Il database costruisce lo scenario di sfondo in cui si muovono le imprese italiane e restituisce le informazioni qualitative e quantitative sullo stato di salute delle imprese. La sua utilità trova manifestazione nell uso degli indicatori e dei drivers opportunamente studiati per l analisi del rischio e delle capacità delle imprese a permanere sul mercato in maniera efficiente. Accanto alle informazioni contabili sono presenti i valori di classificazione sulle performance delle imprese e dei settori che emergono dall applicazione dei modelli e dall impostazione dell analisi secondo i criteri della Finanza Moderna.

20 I modelli applicati sui dati del DBCOMPLEX sono i seguenti: il Modello MEU Maximum Expected Utility sviluppato dall Università di Trieste dai dipartimenti di Economia e Tecnica aziendale e dal Dipartimento di Energetica della Facoltà di Ingegneria; la rete neurale MLP di tipo feed forward con algoritmo di backpropagation implementato a cura del CERIS CNR di Torino; e l analisi multivariata per lo studio delle performance delle imprese sviluppata dall Osservatorio Economico della Sardegna. L indagine ha consentito di costruire una mappatura del tessuto produttivo nazionale attraverso l uso delle informazioni economiche e contabili (bilanci e indicatori) come aghi di bussole in grado di interpretare e valutare la condotta ed i risultati delle imprese e dei settori di appartenenza sul territorio italiano. La mappatura del tessuto produttivo italiano i cui risultati sono raccolti in un compendio di tavole statistiche Benchmark sull andamento delle imprese nazionali Elaborazioni statistiche sui dati del DBCOMPLEX costituisce un allegato fondamentale di questo lavoro di analisi perché ne costituisce lo scenario di sfondo. Per conseguire l obiettivo della classificazione delle imprese il gruppo di ricerca dell Osservatorio Economico ha implementato un modello di indicatore sintetico di dinamicità che a seguito della sperimentazione e del confronto con i risultati degli altri algoritmi di classificazione costruiti dagli altri partner del gruppo di lavoro rischio impresa si è rivelato un efficace sistema per fotografare il livello di bontà delle performance conseguite dalle imprese. L indicatore mette in evidenza attraverso una classificazione per livelli di bontà (da nullo ad eccellente ) raggruppamenti di società con prestazioni simili e pur non caratterizzandosi come un indicatore predittivo del default segnala in maniera efficiente situazioni di rischio o patologie di alcune categorie di imprese. Contemporaneamente mette in luce e raggruppa le imprese più brillanti del tessuto produttivo italiano e nel riportarne tutte le caratteristiche strutturali suggerisce come dovrebbe essere un impresa in salute. Al fine della validazione del modello di indicatore sintetico di dinamicità per la classificazione in livelli di bontà è risultata estremamente rilevante l applicazione delle tecniche di analisi per cluster e di analisi multivariata condotte sugli indicatori di bilancio in relazione alle variabili qualitative derivanti dall ambiente di riferimento e dalla struttura dei settori economici del campione nazionale del DBCOMPLEX. Sono state applicate l Analisi delle Corrispondenze Multiple (ACM) l Analisi delle Componenti principali (ACP) e l Analisi per Cluster che hanno avuto come obiettivo l individuazione e la classificazione di raggruppamenti di imprese con performance simili attraverso l esplorazione la descrizione e la sintesi di una matrice di dati economici. Dall esame dei risultati ottenuti con le tecniche statistiche e con il modello dell indicatore sintetico di dinamicità (detto anche meccanismo dei punteggi in quanto assegna un punteggio a ciascuna impresa) emerge come ognuna delle metodologie utilizzate fornisca informazioni differenti rispetto allo stato di salute delle imprese e al modo in cui si possono raggruppare. L Analisi delle Corrispondenze Multiple ha consentito di individuare quali sono i fattori economico reddituali i più rilevanti tra quelli che caratterizzano la performance delle imprese ed ha reso possibile separare efficacemente le imprese cosiddette estreme (eccellenti o nulle) rispetto alle imprese tipiche (mediane).

21 L Analisi per componenti principali ha confermato le conclusioni sugli aspetti reddituali come elementi rilevanti per la classificazione ed inoltre ha messo in luce anche una importante classificazione per attitudine allo sviluppo. Infine l analisi condotta sulle partizioni generate attraverso l applicazione del modello dell indicatore sintetico di dinamicità ha messo insieme nel punteggio i risultati delle due precedenti metodologie sintetizzando le informazioni sulla capacità reddituale sull attitudine a generare cassa e sullo sviluppo in un unico e sintetico score. L analisi svolta si apre a nuove prospettive di indagine di natura più specificatamente settoriale e introduce ad approfondimenti nelle tecniche di studio statistiche e non che utilizzano grandi matrici di dati economici in serie storica. Schema del lavoro Introduzione Parte. L Indicatore sintetico di dinamicità. Il modello per lo scoring ed individuazione dei gruppi di imprese per livello di bontà. Costruzione della matrice di diagnosi. Parte. Applicazione delle tecniche di analisi multivariata: Parte.. Analisi delle Corrispondenze Multiple (ACM) e Analisi per Cluster. Selezione degli indicatori ed analisi delle distribuzioni statistiche o Individuazione delle variabili attive ed illustrative per la realizzazione dell Analisi delle corrispondenze multiple tra i set d indicatori e di variabili qualitative definitorie delle imprese considerate e dell ambiente di riferimento o Analisi bivariata tra le variabili attive e quelle illustrative(asd) o Analisi degli assi fattoriali che sintetizzano la matrice dei dati iniziale (ACM) Parte.. Applicazione dell Analisi delle Componenti Principali e Analisi per Cluster Introduzione Il lavoro contenuto in questa pubblicazione ha l obiettivo di indagare lo stato di salute delle aziende italiane attraverso l individuazione della presenza di gruppi d imprese con performance simili in relazione allo loro attitudine a permanere sul mercato in maniera efficiente. La prima strada che è stata seguita lungo il percorso di ricerca è stata quella d individuare gli studi precedentemente condotti sul tema e gli indicatori di bilancio utilizzati con questo obiettivo a partire dalla letteratura economica di riferimento che è stata raccolta ed organizzata durante i primi due anni di attività progettuale in un database tematico. Dall indagine complessiva sui contributi bibliografici e sui modelli utilizzati per lo studio degli elementi predittivi

22 dell insolvenza delle imprese emergono alcune liste di indicatori altamente significativi tra i quali è stata effettuata la scelta per realizzare l analisi sui dati del DBCOMPLEX il Sistema integrato di informazioni statistiche ed economiche nazionali per le sperimentazioni del progetto. In allegato si riporta la tavola degli indicatori derivanti dalla ricerca bibliografica (Chiarimenti ed informazioni integrative Complex Systems in Economics ). Per analizzare le performance delle imprese si usa un approccio fondato sul rapporto che intercorre tra i risultati economici in generale e gli atti di gestione compiuti dagli amministratori nelle operazioni di investimento e finanziamento delle attività aziendali. Quindi la valutazione dello stato di salute delle imprese scaturisce dall indagine sulle variabili prettamente economico/reddituali e di cash flow indicative di valori di performance mentre le informazioni sulla struttura dei mercati/settori di riferimento (contesto) sulla dimensione delle imprese ed in particolare sulla struttura finanziaria e del capitale delle società analizzate costituiscono le variabili di sfondo all analisi e ne facilitano l interpretazione. Attraverso l analisi dei flussi e degli indici di bilancio si vogliono individuare quelle variabili che riassumono le scelte strategiche adottate dalle imprese sugli investimenti e sulla raccolta del capitale in stretta connessione con le manifestazioni economiche e finanziarie legate all attività produttiva (Flow and Funds Accounting ed in particolare Analisi dinamica della liquidità e dei Drivers del Valore M. Fanni ). I comportamenti che emergono dallo studio della contabilità dei flussi di fondi sia a livello di singola impresa che di settore riguardano le scelte attuate dai managers sia per la selezione degli investimenti e più in generale sulle modalità di attuazione dell attività operativa che per procurare le risorse per la soddisfazione dei fabbisogni finanziari collegati. Per esempio attraverso l analisi dei flussi è possibile individuare atteggiamenti mirati al rinnovo dei macchinari necessari alla produzione all acquisto o all ideazione di nuovi brevetti per il miglioramento o l innovazione delle attività produttive oppure le strategie adottate per gestire meglio il rapporto con i clienti ed i fornitori per l ottimizzazione delle scorte e la razionalizzazione dei costi di varia natura. Parte. L Indicatore sintetico di dinamicità I criteri di analisi economicofinanziaria propri della finanza moderna hanno come obiettivo fondamentale quello di guidare l analista nell interpretazione dell andamento e dello stato di salute delle singole imprese e dei settori a cui esse appartengono. Per realizzare questi checkup aziendali e settoriali le indagini sui dati devono valutare in modo globale i diversi aspetti della gestione dell impresa. Successivamente attraverso le tecniche di benchmarking si possono effettuare i confronti tra le aziende in senso orizzontale ed i confronti in termini di trend dei diversi aspetti dello sviluppo della redditività dell indebitamento e di tutti gli altri aspetti della gestione che ne caratterizzano il livello di bontà. Flow and Funds Accounting ed in particolare Analisi dinamica della liquidità e dei Drivers del Valore M. Fanni

23 Si può giungere ad una visione armonica dello stato di salute delle imprese attraverso la costruzione di un indicatore qualitativo sintetico che deriva dall insieme delle informazioni sulla bontà della gestione aziendale. Si è dunque cercato di dar vita ad un nuovo indicatore che raccolga in se diversi aspetti dello stato di salute dell impresa dalla capacità di sviluppo a quella reddituale e produttiva. L indicatore costruito esprime un giudizio qualitativo di soglia basato sulla performance dell impresa che viene a delinearsi dall analisi dei dati di bilancio disponibili nell ultimo triennio. Il concetto di dinamicità che caratterizza il nuovo indicatore discende dal tipo di indici selezionati per la sua composizione: indici di sviluppo e redditività. La combinazione delle valutazioni pesate di questi indici consente di mettere in evidenza la capacità di un impresa di essere in movimento quindi non stazionaria con i valori delle proprie poste di bilancio in crescita e con attitudine alla redditività. Si è cercato di evidenziare la possibilità delle aziende di essere virtuose nelle loro attitudini alla crescita e alla redditività. Ne è conseguita la creazione di una doppia scala di valori che pur nascendo per mettere in evidenza l eccellenza riesce a far emergere alcune delle situazioni di difficoltà gestionale in modo molto netto. Il concetto di soglia è il fulcro fondamentale del lavoro di analisi. Viene definito in primis a partire dallo studio della distribuzione statistica dei singoli indicatori prescelti per comporre il giudizio sintetico. Questi indicatori vengono raggruppati in classi a seconda del quartile di appartenenza e per ciascuna classe si genera un sistema di punteggi destinato a qualificare la prestazione aziendale. Successivamente si passa alla costruzione del vero e proprio indice sintetico come combinazione lineare dei punteggi assegnati. Dall analisi della sua distribuzione statistica nascono le nuove soglie o classi ovvero i livelli di bontà di performance aziendale derivanti direttamente dalle classi di decili del nuovo indicatore sintetico. Infine si da vita ad una matrice di diagnosi che esprime lo stato di salute delle imprese ponendo nelle righe gli indicatori di bilancio e nelle colonne le classi individuate dai livelli di bontà delle performance aziendali ed i relativi benchmark. Si da vita quindi ad una tavola di riepilogo che descrive per ogni colonna il comportamento tipico delle imprese che abbiano avuto nel triennio uno stato di salute scarso medio eccellente. Il modello ipotizzato rientra nella categoria degli scoring e mira alla misurazione della capacità da parte delle imprese di permanere sul mercato in maniera efficiente. Il modello dell Indicatore sintetico di dinamicità La logica sottostante al lavoro ipotizza che la valutazione della prestazione dell impresa possa essere espressa dalla media dei singoli punteggi attribuiti in rapporto ai valori espressi dagli indicatori di bilancio. Y = α x + α x +.. n α n x n k = = i α xi i n

24 Dove α rappresenta il peso attribuito a ciascun indicatore mentre considerato nella formula e n indica il numero degli indicatori. X i sta ad indicare il valore di ogni indicatore Vale a dire: Indicatore sintetico di dinamicità = [P var % fatturato +P var % valore aggiunto +P ROI +P valore aggiunto su attivo +P MOL su oneri finanziari +P cash flow su attivo]/n dove P è uguale al punteggio attribuito per ogni singolo indicatore. Più in dettaglio le variabili selezionate sono : Indicatori di sviluppo: la variazione % del fatturato e del valore aggiunto che consentono di valutare la dinamicità delle imprese del campione sia dal lato del miglior conseguimento di quote di offerta che dal lato del valore aggiunto prodotto. Indicatori di redditività e di capacità di generazione di flussi di cassa: il ROI il Mol su Oneri Finanziari il Valore Aggiunto su Attivo il Cash flow su Attivo. Questi indicatori nel descrivere la relazione tra i risultati conseguiti (in termini di utili o di cassa) e i capitali messi a disposizione dell attività produttiva costituiscono il naturale collegamento tra la struttura delle imprese e la performance risultante. Misurano infatti la capacità delle imprese di remunerare tutti i fattori della produzione così come sono stati organizzati dai managers. In dettaglio: o Il ROI viene definito come il tasso di redditività tipico degli investimenti di un impresa ed è costruito come il rapporto tra il risultato operating e la semisomma del valore iniziale e finale del complesso delle attività dell impresa. o Il Mol su Oneri Finanziari esprime la proporzione dell Utile netto caratteristico prima degli interessi e prima delle imposte sul valore degli oneri finanziari. o Il Valore aggiunto su Attivo. Questo indicatore è stato selezionato sull evidenza che il contesto nazionale di riferimento è caratterizzato dalla presenza di piccole imprese all interno delle quali si confondono vicende aziendali e vicende familiari che possono influire sulla determinazione dei risultati di bilancio e quindi sui numeratori del Roe e del ROI. L indice di bilancio considerato non risente infatti degli effetti delle strategie di remunerazione dei soci/lavoratori delle piccole imprese perché il valore aggiunto è un saldo del conto del risultato economico sul quale non ha ancora influenza il costo del lavoro. o Il rapporto tra Cash flow Operating e Attivo misura le risorse liquide generate dalla gestione prima del pagamento degli interessi in rapporto con il complesso del capitale investito. Tale indicatore costituisce un buon segnale per interpretare la capacità di un impresa di generare cassa attraverso le normali attività di gestione e suggerisce quindi quanto le aziende o i settori presi in considerazione sono in grado di seguire un percorso di crescita proveniente dalla attività strettamente legate ai ricavi oppure si affidano a fonti di liquidità di natura prettamente strutturale (disinvestimenti maggior accesso al credito a breve etc ).

25 Per la scelta degli indicatori è stata di fondamentale importanza l indagine (preventiva all applicazione del modello) sulla correlazione tra gli indici selezionati necessaria per evitare di amplificare effetti positivi o situazioni di crisi per via dell eventuale presenza nel modello di due o più variabili strettamente correlate. Il risultato della correlazione e dei valori test ottenuti è stato sostanzialmente soddisfacente nel senso che gli indicatori selezionati non sono apparsi eccessivamente correlati tra loro. Tab. n.. Matrice delle correlazioni Var % fatturato Var % valore aggiunto ROI % Val_agg su Attivo % Mol su On_Fin Cash flow operating su Attivo % Var % fatturato Var % VA ROI % Val_agg su Attivo % MOL su On_Fin Cash flow operating su Attivo % Tab.. Matrice dei valori test Var % fatturato Var % valore aggiunto ROI % Val_agg su Attivo % Mol su On_Fin Cash flow operating su Attivo % Var % fatturato Var % VA ROI % Val_agg su Attivo % MOL su On_Fin Cash flow operating su Attivo % Applicazione della metodologia ai dati delle imprese del DB Complex del Il meccanismo appena descritto è stato applicato ai dati delle imprese attive presenti al sull archivio DBCOMPLEX. Il Campione stratificato per regione e per attività economica risulta costituito da. società che operano in tutti i settori economici (ad eccezione del comparto del tabacco e dei servizi finanziari) e che hanno depositato un bilancio privo di errori o d incongruità. Gli indicatori selezionati vengono raggruppati in classi a seconda del quartile della distribuzione statistica di appartenenza e per ciascuna classe si genera un sistema di punteggi destinato a qualificare ciascun aspetto della gestione aziendale. Inoltre si definisce il valore soglia = in quanto per tutti gli indicatori di bilancio è di per sé un valore significativo. La procedura prevede per l anno di bilancio l assegnazione di uno score più elevato a quelle imprese con una variazione percentuale del fatturato superiore al % e che quindi ricadono nel ultimo quartile della distribuzione ed un punteggio più basso a quelle aziende con una variazione negativa inferiore a % e che quindi sono collocate nel primo quartile della distribuzione.

26 Tab.. Distribuzione dell indice Var.% fatturato in classi di punteggio Variazione % Fatturato Punteggio <= valore soglia > and <= valore soglia > and <= > and <= > Quando si tratta di valutare l incremento del valore aggiunto l analisi attribuisce il punteggio massimo alle imprese con variazioni superiori al % in quanto sono posizionate nell ultimo quartile della distribuzione. Tab.. Distribuzione dell indice Var.% valore aggiunto in classi di punteggio Variazione % Valore aggiunto Punteggio <= valore soglia > and <= valore soglia > and <= > and <= > La valutazione del ROI% conduce alla definizione delle successive cinque classi e all individuazione dell eccellenza quando il ROI è superiore al %. Tab.. Distribuzione dell indice ROI % in classi di punteggio Roi Punteggio <= valore soglia <= valore soglia > and <= > and <= > and <= > Per il Valore Aggiunto su Attivo il punteggio massimo viene attribuito a quelle imprese che presentano un livello dell indicatore superiore al % mentre quello minimo è assegnato a quelle aziende con un valore negativo. Tab.. Distribuzione dell indice Valore Aggiunto su Attivo % in classi di punteggio Valore Aggiunto su Attivo % Punteggio <= valore soglia <= valore soglia > and <= > and <= > and <= > Nel caso del Mol su Oneri Finanziari l analisi attribuisce il punteggio massimo alle imprese con un livello superiore al % Tab.. Distribuzione dell indice Mol su Oneri finanziari in classi di punteggio