LE DETERMINANTI SOGGETTIVE DEL COSTO DEL CREDITO ALLE COOPERATIVE SOCIALI: UN ANALISI EMPIRICA

Transcript

1 LE DETERMINANTI SOGGETTIVE DEL COSTO DEL CREDITO ALLE COOPERATIVE SOCIALI: UN ANALISI EMPIRICA Salvatore D Acunto e Marina Albanese ABSTRACT Alcuni contributi presentati dagli autori nelle precedenti edizioni del colloquio scientifico di Iris network sull analisi delle differenze territoriali della performance delle cooperative sociali indicavano il costo dell accesso alla finanza esterna come sostanziale elemento di debolezza delle esperienze di cooperazione sociale nel Mezzogiorno. Questo rilievo ci ha indotto a interrogarci sulle cause del differenziale territoriale nel costo dell accesso al credito da parte delle cooperative sociali tra Mezzogiorno e Centro-Nord, e in particolare a valutare se e in che misura tale differenziale sia legato a differenze nel grado di rischio soggettivo delle imprese affidate. A tal fine, in questo lavoro proponiamo un modello microeconomico di bank behaviour in grado di fornire indicazione circa i criteri di determinazione dei tassi di interessi praticati dagli istituti creditizi alle singole imprese. Successivamente, tale modello viene sottoposto a verifica empirica mediante tecniche di regressione lineare, utilizzando un dataset tratto dai bilanci di circa 150 cooperative sociali selezionate con il criterio di garantire un equilibrio nella rappresentazione della varietà dell universo con riferimento, oltre che alla circoscrizione territoriale di localizzazione, anche alla dimensione ed alla tipologia giuridica. Gli esercizi condotti evidenziano, oltre che alla significatività statistica di un indicatore di vulnerabilità finanziaria e di un indicatore di redditività operativa, il peso rilevante di una dummy territoriale Nord-Sud. Questo risultato documenta che una parte importante della variabilità territoriale dei tassi d interesse è legata, piuttosto che alle caratteristiche soggettive delle imprese (e in particolare alla rischiosità delle relative attività), alla mera collocazione delle unità produttive sul territorio, rivelando quindi comportamenti del settore creditizio fortemente orientati alla discriminazione territoriale. 1. Introduzione In D Acunto - Albanese (2008) si è argomentato che le cooperative sociali operanti nel Mezzogiorno d Italia sopportano condizioni di accesso alla finanza esterna comparativamente più gravose rispetto alle omologhe operanti nel resto del Paese, e che tali condizioni costituiscono un significativo elemento di debolezza delle esperienze di cooperazione sociale nel Mezzogiorno, orientando le unità produttive operanti nell area verso configurazioni della propria struttura finanziaria pericolosamente speculative. In questo contributo cercheremo di compiere un ulteriore passo avanti nella comprensione del fenomeno, provando a valutare se le differenze territoriali nel costo dell accesso al credito riflettano semplicemente differenze relative alle caratteristiche di rischio/rendimento delle attività delle singole unità produttive, oppure se siano il risultato dell applicazione, da parte del sistema Salvatore D Acunto è professore associato di Economia politica presso la Seconda Università di Napoli, Marina Albanese è ricercatore di Economia politica presso l Università Federico II di Napoli. 1

2 creditizio, di criteri di determinazione dei tassi alla clientela basati sulla mera discriminazione statistica. A tale scopo, nei 2 e 3 proponiamo un modello microeconomico di bank behaviour in grado di fornire indicazioni circa i criteri di determinazione dei tassi di interesse praticati dagli istituti creditizi alle singole imprese. Successivamente, nel 4 tale modello viene sottoposto a verifica empirica utilizzando informazioni tratte dai bilanci relativi agli esercizi 2005 e 2006 relativi ad un campione di 150 cooperative sociali costruito con criterio sistematico. Nel 5 si discutono alcuni problemi di interpretazione delle stime legati ai limiti del dataset su cui è costruita l indagine e si cercano ulteriori conferme circa l affidabilità dei risultati ottenuti. Nel 6, infine, si tira il filo del ragionamento e si riassumono brevemente i risultati. 2. La determinazione dei tassi di interesse sul credito: un modello interpretativo Immaginiamo una impresa cooperativa che, per avviare la propria attività, abbia bisogno di un capitale iniziale K* che può procurarsi mediante apporti dei soci (N) e/o attraverso finanziamenti esterni (D). Per semplicità immagineremo che i soci della cooperativa abbiano già affrontato e risolto la questione della composizione del capitale in mezzi propri e indebitamento esterno, che abbiano pertanto definito il proprio fabbisogno di credito (D) e che si siano rivolti a tale scopo ad alcuni istituti creditizi. Al fine di rispondere al quesito posto in apertura di questo scritto, conviene cominciare ad interrogarci sul criterio che orienterà gli istituti di credito nella determinazione del tasso d interesse che verrà imposto all ipotetica impresa richiedente. Caliamoci quindi nei panni di un generico istituto creditizio j cui sia stato richiesto un affidamento di ammontare D j e proviamo ad immaginare quali elementi entreranno nella sua decisione. Preliminarmente, occorre osservare che il progetto di investimento intrapreso dall impresa contempla inevitabilmente una componente, più o meno grande, di rischio. Nel seguito diremo che un investimento ha successo quando genera flussi di reddito sufficienti a permettere all impresa di rimborsare il capitale preso in prestito e a pagare gli interessi pattuiti, e indicheremo con il simbolo p la probabilità che tale evenienza si verifichi. Al contrario, parleremo di insuccesso quando l investimento genera flussi di reddito insufficienti a rimborsare il debito contratto con il finanziatore, e indicheremo con (1-p) la probabilità del verificarsi di questa ipotesi. La banca è quindi costretta a prendere le sue decisioni in condizioni di incertezza, massimizzando una funzione di utile atteso che risulta dalla media dei risultati economici conseguibili nelle due diverse ipotesi di successo e insuccesso dell impresa affidata, ponderati 2

3 con le relative probabilità. La soluzione del problema di decisione presuppone quindi la conoscenza, da parte della banca, della probabilità di successo del progetto di investimento intrapreso dall impresa. Per il momento lasceremo da parte il problema del come la banca possa venire in possesso di tale informazione, argomento che verrà affrontato in dettaglio nel successivo 3, e immagineremo invece che la probabilità di successo dell investimento le sia già nota al momento della decisione. Ricostruendo narrativamente lo svolgimento di una generica operazione di finanziamento, è possibile valutare tutti i flussi monetari in entrata e in uscita ad essa connessi. In primo luogo, la realizzazione dell operazione di finanziamento presuppone che la banca raccolga i fondi necessari attraverso la vendita di strumenti finanziari (depositi, libretti di risparmio, ecc.) ai risparmiatori. Se indichiamo con il simbolo i il tasso d interesse corrisposto ai risparmiatori sugli strumenti di raccolta, il costo complessivo della provvista di fondi sarà: [1] C R = id j j Immaginiamo a questo punto che i fondi raccolti vengano trasferiti all impresa, che quest ultima realizzi l investimento e che l investimento abbia successo: in tal caso, l impresa riesce a restituire alla banca il capitale preso in prestito e a pagare gli interessi pattuiti. Se indichiamo con il simbolo r il tasso d interesse praticato al cliente, l introito dell operazione per la banca è rappresentato dal pagamento degli interessi rd j, mentre per calcolare il valore atteso del pagamento degli interessi è necessario moltiplicare tale valore per la probabilità di successo dell investimento. In simboli: [2] E [ R j ] = rpd j Ovviamente, al fine di effettuare decisioni oculate, la banca deve congetturare anche le possibili conseguenze di un esito sfavorevole dell investimento dell impresa affidata. In tal caso, l investimento genererà flussi di reddito insufficienti a permettere all impresa di rimborsare alla banca la somma ricevuta in prestito. Tuttavia, il fatto che l investimento determini una perdita netta per l impresa non implica necessariamente che tale perdita si trasferisca sul bilancio della banca. Al riguardo, occorre infatti distinguere due situazioni profondamente diverse: (a) la struttura finanziaria dell impresa affidata è caratterizzata dal fatto che il capitale netto è maggiore o, al limite, uguale all indebitamento (N D). In tal caso, le risorse di cui l impresa affidata dispone le permettono, a dispetto dell insuccesso dell investimento, di far fronte alle obbligazioni assunte nei confronti di tutti i creditori. Pertanto, la generica banca j potrà recuperare 3

4 integralmente il capitale dato in prestito e i costi del fallimento del progetto saranno sopportati tutti dall impresa nella forma di riduzione del capitale sociale netto. Il costo per la banca dell insuccesso del progetto sarà quindi pari a zero; (b) la struttura finanziaria dell impresa affidata è caratterizzata da uno sbilanciamento tra capitale proprio e indebitamento (N < D). In tal caso, l eventuale insuccesso del progetto di investimento mette dei costi a carico del finanziatore: infatti, le risorse dell impresa saranno insufficienti a far fronte integralmente alle obbligazioni assunte nei confronti dei creditori (o, come si dice in gergo tecnico, l impresa risulterà insolvente ), e la generica banca j potrà vedere soddisfatte le pretese vantate nei confronti dell impresa affidata solo in misura parziale, concorrendo con gli altri creditori alla procedura di liquidazione della relativa massa patrimoniale. Per valutare la dimensione del costo sopportato dalla banca nell ipotesi di insolvenza dell impresa affidata occorre quindi sottrarre, alla somma data prestito (e perduta) D j, la somma recuperabile a seguito della procedura di liquidazione. Tale somma, se per semplicità si ipotizzano costi di recupero del credito nulli, può essere grossolanamente approssimata dal rapporto tra l esposizione debitoria dell impresa nei confronti della banca j e l esposizione debitoria complessiva dell impresa stessa (in simboli D j / D), moltiplicato il capitale netto dell impresa (N), Pertanto, il costo atteso dell insolvenza dell impresa affidata sarà: j [3] E[ C ] = D N ( 1 p) Dj j D D L equazione può essere opportunamente trasformata facendo uso di un concetto spesso utilizzato nella letteratura per sintetizzare la struttura patrimoniale, vale a dire il leverage ratio: [4] α = D N Sostituendo la [4] nella [3] e semplificando, si ottiene: E C 1 = 1 1 p D α [5] [ Dj ] ( ) j Alla luce delle considerazioni appena svolte, il problema di determinazione della strategia ottimale da parte della banca si presenta con caratteristiche profondamente diverse a seconda che 4

5 l impresa richiedente sia caratterizzata da una struttura finanziaria che la espone o meno, nel caso di insuccesso del progetto, al rischio di insolvenza. Pertanto, si rende necessario affrontare separatamente l analisi dei due diversi casi Imprese con α 1 In tal caso, come si è detto, l eventuale insuccesso del progetto di investimento non condiziona in alcun modo la redditività della banca j, che può soddisfare integralmente le proprie pretese creditorie sul capitale netto dell impresa. Pertanto, l utile atteso della banca è in tale ipotesi il risultato della differenza tra gli incassi attesi connessi al pagamento degli interessi (nell ipotesi di successo del progetto) e i costi della raccolta dei fondi, come definiti rispettivamente dalle equazioni [2] e [1]: [6] E[ U j ] = rpd j id j Derivando rispetto a D j ed eguagliando a zero si ottiene: [7] [ ] E U D j j = rp i = 0 che ha per soluzione la: [8] r = i p 2.2. Imprese con α > 1 In questa ipotesi, la funzione di utile atteso della banca ha una forma analitica più articolata, dovendo tener conto, oltre che degli incassi attesi connessi al pagamento degli interessi (nell ipotesi di successo del progetto) e dei costi della raccolta dei fondi, anche del costo atteso dell insolvenza (nell ipotesi di insuccesso del progetto) descritto dall equazione [5]. In simboli: [9] E[ U j ] = rp + 1 ( 1 p) i D j 1 α 5

6 Derivando rispetto a D j, eguagliando a zero e risolvendo per r si ottiene: [10] r = i p 1 α 1 p α p 2.3. Sintesi Per comodità di esposizione, conviene esaminare separatamente le relazioni che legano il tasso d interesse sul prestito, considerata la variabile strategica della banca, ad ognuna delle variabili esogene considerate nel modello, vale a dire il tasso d interesse sulla raccolta, le caratteristiche di rischiosità del progetto di investimento finanziato e il grado di esposizione debitoria dell impresa. Circa la relazione che lega il tasso d interesse sui prestiti al tasso sulla raccolta, gli esercizi di statica comparata effettuati sulle equazioni [8] e [10] forniscono entrambi l identico risultato r 1 [11] = > 0 p p α In altre parole, i tassi d interesse sui prestiti tendono ad aumentare al crescere del tasso d interesse sulla raccolta, indipendentemente da se l impresa affidata sia o meno esposta al rischio di insolvenza, e inoltre neanche la misura di tale aumento è influenzata dalle caratteristiche della struttura finanziaria dell impresa. Veniamo ora al condizionamento esercitato, nella scelta del tasso d interesse sul prestito, dalla probabilità di successo del progetto di investimento. Al riguardo, una rapida analisi delle equazioni [8] e [10] permette di cogliere la diversità di comportamento delle banche a seconda che l impresa sia esposta o meno al rischio d insolvenza, differenza ulteriormente sottolineata dall interpretazione diagrammatica proposta nella fig. 1, dove sull asse delle ascisse è rappresentata la probabilità di successo del progetto e su quello delle ordinate il tasso d interesse sul prestito. 6

7 r α > 1 i α p FIG. 1 - RISCHIOSITA DEL PROGETTO E TASSO DI INTERESSE SUL PRESTITO Come si vede, la relazione tra probabilità di successo del progetto e tasso di interesse presenta alcune caratteristiche che sono indipendenti dalla struttura finanziaria dell impresa richiedente: le curve definite dalle equazioni [8] e [10] risultano infatti entrambe decrescenti nell intero insieme di definizione, hanno entrambe un asintoto verticale in corrispondenza dell asse delle ordinate e convergono entrambe al valore r = i nell ipotesi che non vi sia rischio di insuccesso. Tuttavia, questo non vuol dire che la struttura finanziaria dell impresa sia irrilevante ai fini del comportamento della banca. Infatti, derivando parzialmente la [8] e la [10] rispetto a p si ottiene rispettivamente: r [12] = i < 0 2 p p per α 1 per il caso in cui α 1, e r i 1 α 1 [13] = + * < p p α p per α > 1 7

8 E poiché per α > 1 il secondo termine a secondo membro dell equazione [13] è sempre negativo, il valore assoluto della [13] è sempre maggiore di quello della [12] il che, diagrammaticamente, implica che la curva relativa ad un impresa esposta al rischio di insolvenza presenta un inclinazione sempre maggiore della curva relativa ad un impresa esente da tale rischio. Pertanto, a parità di rischio di insuccesso del progetto di investimento intrapreso, le imprese soggette a rischio di insolvenza pagheranno tassi di interesse più elevati rispetto a quelle caratterizzate da struttura finanziaria robusta. Questa differenza scompare soltanto nel caso in cui sia p = 1: in tale ipotesi, evidentemente, data l assenza di rischio di insuccesso del progetto, la maggiore o minore capacità di soddisfare le proprie pretese creditorie sul capitale netto diventa del tutto irrilevante per la banca. Superfluo sottolineare che si tratta di una mera ipotesi di scuola, del tutto priva di rilevanza pratica. Infine, analizziamo l influenza esercitata sulle scelte delle banche dal leverage ratio dell impresa affidata. Confrontando le equazioni [8] e [10] viene immediatamente in evidenza che il valore di α non compare tra gli argomenti della soluzione di equilibrio per le imprese con α 1, ma solo in quella relativa alle imprese con α > 1. In altre parole, se l impresa richiedente dispone di una struttura finanziaria robusta, per la banca diventa irrilevante quanto è robusta: la banca stabilisce in tal caso un tasso d interesse indipendente dal valore di α. Tuttavia, il comportamento della banca cambia completamente se il leverage ratio supera il valore-soglia: in tal caso, essa tende ad applicare tassi d interesse crescenti con la fragilità della struttura finanziaria del cliente. Infatti, derivando la [10] rispetto ad α si ottiene: r 1 1 p [14] = > 0 2 α α p La spiegazione di questo comportamento è molto semplice. Fino a quando il leverage ratio dell impresa affidata si mantiene al di qua del valore-soglia, aumenti di α non modificano il valore atteso del rimborso della somma data in prestito nell ipotesi di insuccesso del progetto, poiché le risorse dell impresa sono sufficienti a far fronte alle obbligazioni assunte nei confronti di tutti i creditori. Ma quando l esposizione debitoria dell impresa supera il valore-soglia, il valore atteso del rimborso del capitale dato in prestito, nell ipotesi di insuccesso, si abbassa gradualmente, in quanto il capitale netto diventa via via meno adeguato a far fronte alle pretese dei creditori. Pertanto, la banca tenderà a stabilire un tasso d interesse più alto che, elevando il ricavo atteso nell ipotesi di successo del progetto, le consenta di compensare il declinante valore atteso del credito vantato nei confronti dell impresa nell ipotesi di insuccesso. 8

9 r i/p+(1 p)/p i/p 0 1 α FIG. 2 LEVERAGE RATIO E TASSO D INTERESSE SUL PRESTITO La fig. 2, dove in ascissa e in ordinata sono rappresentati, rispettivamente, il leverage ratio e il tasso d interesse sul prestito, fornisce una suggestiva interpretazione diagrammatica di questi risultati. La figura mostra un andamento del tasso d interesse costante per α 1 e successivamente crescente, con incrementi decrescenti, per α > 1. L analisi della funzione [20] rivela inoltre l esistenza di un limite superiore alla lievitazione del tasso di interesse in corrispondenza dell asintoto orizzontale di ordinata i / p + (1 p) / p. Per quanto apparentemente controintuitivo, anche questo risultato ha una spiegazione molto semplice: progressivi incrementi di α oltre il valore-soglia tendono a peggiorare la redditività attesa della banca in misura via via meno apprezzabile, il che implica che gli incrementi di r necessari a bilanciare tale peggioramento saranno progressivamente più bassi e, al limite, infinitesimali. Il processo di determinazione del tasso d interesse sui prestiti da parte delle banche esposto in questa sezione può quindi essere sintetizzato in una equazione in forma ridotta del tipo: [15] = v i + v α + v p v pα r L equazione [15] permette di fare un piccolo passo in avanti sulla strada della soluzione al problema posto al termine della sezione precedente. Essa, infatti, può essere utilizzata per analizzare l origine di eventuali differenze nei tassi di interesse pagati da differenti imprese (o da diversi 9

10 aggregati di imprese). Immaginiamo ad esempio che a due imprese A e B vengano imposti dai rispettivi finanziatori tassi d interesse diversi, che indicheremo con r A ed r B. Applicando l equazione [15], e ipotizzando per semplicità che i finanziatori sopportino lo stesso costo per la raccolta dei fondi, avremo che [16] r A r B = v 2 (α A α B ) + v 3 (p A p B ) + v 4 (p A α A - p B α B ) In altre parole, se la teoria del comportamento delle banche esposta in questa sezione è fondata, le differenze nei tassi di interesse devono essere ascritte a differenze nella struttura finanziaria delle imprese affidate, e/o a differenze nel rischio implicito nei diversi progetti di investimento intrapresi dalle due imprese, e/o a differenze legate all effetto combinato di queste due caratteristiche. Nel seguito, si tenterà di valutare empiricamente la capacità esplicativa di questo modello per l analisi dei differenziali territoriali nei tassi d interesse emersi in D Acunto - Albanese (2008). Per intraprendere questa verifica, è tuttavia necessario preliminarmente affrontare un problema lasciato irrisolto nelle pagine precedenti: in che modo le banche valutano la probabilità di successo dei progetti di investimento loro proposti? All analisi di questa questione è dedicata la sezione successiva. 3. La valutazione della rischiosità dei progetti di investimento da parte delle banche Nell analisi condotta nella sezione precedente, il processo di determinazione del tasso d interesse alle singole imprese affidate è stato ricostruito sulla base dell ipotesi implicita che la probabilità di successo dell investimento fosse nota alla banca finanziatrice. Si tratta, come è chiaro, di una drastica semplificazione che nasconde in realtà il nodo più problematico dell attività di banking, nodo su cui non a caso si è concentrata, nell ultimo trentennio, l attenzione della letteratura teorica 1. Secondo la gran parte degli studi sull argomento, infatti, le banche sanno in realtà poco o nulla degli utilizzi concreti che le imprese fanno dei fondi loro affidati, e sono pertanto costrette a congetturare la probabilità di successo dei progetti di investimento loro proposti attraverso un processo induttivo basato su elementi di natura, per così dire, indiziaria. Quali sono gli elementi su cui si basano tali congetture? Al riguardo, indicazioni molto utili possono essere ricavate dal Nuovo Accordo di Basilea sul capitale, meglio noto come Basilea II, 1 Si pensi, a titolo esemplificativo e senza nessuna pretesa di esaustività, ai notissimi contributi di LELAND H.E., PYLE D.H. (1977); STIGLITZ J.E., WEISS A. (1981); BESTER H.(1985). 10

11 con il quale le banche centrali dei Paesi che hanno sottoscritto l accordo hanno definito delle guidelines per la valutazione del rischio di credito da parte delle banche commerciali. Infatti, sebbene i criteri stabiliti dall accordo non abbiano forza coercitiva, è presumibile che gli istituti di credito tenderanno ad adeguarvisi in maniera abbastanza fedele, dal momento che la mancata osservanza comporterebbe un aggravio dei vincoli patrimoniali a loro carico. La logica che ispira Basile II consiste nell attribuire le singole imprese a determinate classi di rischio sulla base di informazioni desumibili dai relativi bilanci. Questo approccio potrebbe apparire privo di una base oggettiva se si interpreta il bilancio come una mera fotografia della performance passata dell impresa. Ma in effetti, un bilancio è molto più di questo: infatti, se interpretato correttamente, esso permette anche di valutare in che misura la performance passata dell impresa dipenda da caratteristiche strutturali sue proprie e in che misura, invece, da fenomeni congiunturali esogeni, e può quindi rivelare indirettamente la capacità dell impresa di far fronte ad eventuali capovolgimenti degli andamenti congiunturali; inoltre, una attenta lettura di alcune voci del bilancio può rivelare implicitamente la fiducia che i promotori del progetto imprenditoriale nutrono nel progetto stesso. La performance passata dell impresa è desumibile in primo luogo dagli indicatori di redditività. Nel seguito, abbiamo scelto di far riferimento ai due indicatori più utilizzati nella pratica aziendale corrente, vale a dire il ROE e il ROA, che indicheremo sinteticamente con i simboli u e u rispettivamente. Ma, come appena chiarito, i dati relativi alla redditività sono il risultato dell interazione complessa di qualità soggettive dell impresa e di fattori di contesto, ed è quindi molto importante, dal punto di vista dei finanziatori, valutare la capacità di reazione dell impresa a mutamenti del contesto in cui opera e che ne può evidentemente condizionare i risultati economici. Pertanto, ai fini dell apprezzamento della rischiosità dell affidamento, gli indicatori di redditività devono essere integrati dal ricorso a qualche indicatore di volatilità del reddito dell impresa. Un indicatore di volatilità abitualmente utilizzato nello screening delle richieste di credito è la cosiddetta leva operativa: [17] Λ = RT CV RT CT dove RT indica il fatturato, mentre CV e CT indicano rispettivamente i costi variabili e i costi totali della gestione caratteristica. La valenza segnaletica di questo indice viene meglio apprezzata se, tenendo presente che i costi totali sono pari alla somma dei costi fissi e dei costi variabili, la [17] viene trasformata nella: 11

12 [18] RT ( CT CF) Λ = = 1+ RT CT CF CT dove con CF si indicano i costi fissi. Come si vede, il valore di Λ tende ad essere tanto più elevato quanto maggiore è il peso dei costi fissi sul costo totale, e quindi quanto maggiore la vischiosità dei costi complessivi. Valori elevati di Λ stanno lasciano pertanto presagire difficoltà relativamente maggiori per l impresa nel comprimere i costi in risposta ad eventuali oscillazioni del fatturato, ed in tal senso tale indice segnala il grado di rischio associato ad eventi di natura congiunturale. Si badi che, nel calcolo di Λ, è ormai prassi ormai consolidata quella di assimilare il costo del lavoro ad un costo fisso. Infatti, l assetto normativo che regola i rapporti di lavoro nel nostro Paese rende molto difficile modificarne in maniera sostanziale la dimensione nel breve periodo in risposta ad eventuali fenomeni di ridimensionamento dei volumi di vendita e del fatturato. Ovviamente, la struttura dei costi della gestione caratteristica non è l unico fattore da cui dipende la vulnerabilità delle imprese alla variabilità delle condizioni di contesto. Un altro elemento rilevante è evidentemente il peso dell esposizione debitoria: come si è già avuto modo di argomentare nelle sezioni precedenti, infatti, elevati livelli di indebitamento, se da un lato possono permettere di mettere a frutto eventuali spread positivi, dall altro espongono l impresa al rischio di significativi fenomeni di deterioramento della propria redditività netta nell ipotesi di eventuali riduzioni della redditività della gestione produttiva. Questa considerazione, come anche si è avuto modo di evidenziare nelle sezioni precedenti, acquista un rilievo del tutto particolare per le imprese cooperative, data la strutturale scarsa attitudine di tali forme di organizzazione produttiva alla raccolta di capitale di rischio, e data la conseguente estrema difficoltà che esse incontrano nel realizzare rapidi riaggiustamenti della propria struttura finanziaria. La comunità bancaria è quindi sempre particolarmente attenta a valutare il grado di esposizione delle imprese, e in particolare di quelle a forma giuridica cooperativa, al rischio connesso alla relativa struttura finanziaria. A tal fine, le banche fanno abitualmente ricorso al c.d. indice di rischiosità finanziaria, definito come rapporto tra il reddito operativo e il reddito netto. Se si indica con il simbolo U l utile netto dell impresa, questo indicatore può essere espresso dalla: [19] U + rd Φ = = 1 + U rd U Come appare evidente, il valore di Φ tende ad essere tanto più elevato quanto maggiore il peso degli oneri finanziari in rapporto all utile netto dell impresa. L interpretazione risulta immediata se 12

13 si pensa che, per effetto della difficoltà che le imprese incontrano nel sostituire il debito con capitale proprio, gli oneri finanziari rappresentano una voce di costo sostanzialmente rigida nel breve periodo, e quindi la capacità delle imprese di farvi fronte dipende sostanzialmente dal loro peso in rapporto agli utili. Imprese che esibiscono elevati valori di Φ rischiano pertanto di veder trasformati repentinamente i propri utili netti in perdite di esercizio anche consistenti in conseguenza di cadute improvvise della redditività della gestione produttiva. Un discorso a parte merita un altro indicatore abitualmente utilizzato dagli intermediari finanziari per stimare la rischiosità dei potenziali affidatari, vale a dire il coefficiente α, definito dal rapporto tra indebitamento e capitale proprio. Nel 2 si è chiarito il ruolo che questo indice riveste nella valutazione della capacità dell intermediario di recuperare i crediti vantati nell ipotesi che l impresa affidata risulti insolvente. Tuttavia, il valore assunto da α può indirettamente fornire anche indicazioni circa la rischiosità dei progetti di investimento intrapresi dall impresa in senso stretto. A partire dal ben noto contributo di Leland e Pyle del 1977, infatti, il rapporto tra indebitamento e capitale proprio è stato interpretato nella letteratura come segnale della qualità dei progetti d investimento. Secondo questo approccio, infatti, per vincere la riluttanza delle banche a finanziare progetti di investimento sulle cui caratteristiche di rischiosità non dispongono di adeguate informazioni, i promotori dell iniziativa imprenditoriale possono segnalare ai finanziatori esterni la qualità del proprio progetto mediante la quota di capitale proprio investita nel progetto stesso. Ad esempio, finanziando il progetto di investimento con una elevata quota di capitale proprio in rapporto al capitale di debito (ossia con un basso valore di α), e quindi esponendosi pesantemente al rischio di perdita del capitale investito, i promotori dell iniziativa rivelerebbero implicitamente ai finanziatori esterni la grande fiducia che nutrono nel progetto, e quindi (dato che i promotori del progetto ne conoscono le caratteristiche meglio dei finanziatori esterni) la sua elevata probabilità di successo. Al contrario, un atteggiamento estremamente timido dei promotori dell impresa nel partecipare con il capitale proprio al rischio dell iniziativa (elevati valori di α) segnalerebbe il loro sostanziale scetticismo circa le prospettive di successo della stessa. Pertanto, il valore assunto dal leverage ratio costituisce per le banche non solo un indicatore delle possibilità di recupero del credito nell ipotesi di default, ma anche e soprattutto un efficace strumento di rivelazione implicita delle informazioni a disposizione dei proprietari dell impresa relativamente alla rischiosità dei suoi investimenti. Immaginiamo ora che una generica impresa h si presenti allo sportello di una banca, chiedendo un apertura di credito per finanziare un progetto di investimento, e che la banca in questione, non disponendo ovviamente di dati oggettivi concernenti la relativa probabilità di successo, ritenga tuttavia di poter catturare l informazione rilevante al riguardo attraverso l analisi degli indicatori 13

14 u, u, Λ, Φ e α. Un modo molto semplice di esprimere questa ipotesi di comportamento consiste nel ricondurre il processo di stima della probabilità di successo del progetto di investimento al calcolo di una media aritmetica ponderata degli indicatori considerati. Formalmente: [20] p = ψ 1 u + ψ 2u' + ψ 3Λ + ψ 4Φ + ψ 5α dove i parametri ψ i sono i pesi attribuiti dall istituto di credito ai diversi indicatori considerati nel processo di stima di p. Ovviamente deve essere ψ i = 1. Una volta stimato il valore di p, l equazione [15] smette di essere una descrizione astratta del comportamento della banca e diviene suscettibile di utilizzo a fini operativi. Infatti, sostituendo la [20] nella [15] e operando le opportune semplificazioni, quest ultima si trasforma nella: [21] 2 r = v i + µ u + u + Λ + Φ + + u + u + χ αλ + χ αχ + χ α 1 1 µ 2 ' µ 3 µ 4 µ 5α χ1α ϕ 2α ' dove µ i = ν 3 ψ i (i = 1,,4) µ 5 = ν 2 + ν 3 ψ 5 χ i = ν 4 ψ i (i = 1,, 5) Il modello di determinazione del tasso d interesse specificato dall equazione [21] riveste indubbio interesse per i nostri obiettivi di analisi. In apertura di questo scritto, si era rilevato che il relativamente più elevato costo dell accesso alla finanza esterna si connota come il più rilevante elemento di debolezza delle esperienze di cooperazione sociale nel Mezzogiorno, e ci si domandava quali ne fossero i fattori determinanti. Nel modello descritto dall equazione [15] è contenuta, in sintesi, la risposta canonica che la teoria economica fornisce a questo quesito: differenze tra i tassi d interesse praticati dagli istituti di credito nei confronti di imprese diverse riflettono differenze nella rischiosità dei relativi investimenti (il c.d. borrower s risk) e differenze nel rischio di mancato recupero del capitale prestato connesso all ipotesi di insolvenza dell impresa (il c.d. lender s risk), nonché differenze connesse ad elementi ulteriori di rischio scaturenti dall interazione di basse probabilità di successo dei progetti di investimento e di fragilità patrimoniale delle imprese affidate. Tuttavia l equazione [15] presentava il grosso difetto, rispetto ai nostri obiettivi di analisi, di non essere suscettibile di verifica empirica, contenendo tra i propri argomenti una variabile non osservabile, vale a dire la probabilità di successo degli investimenti della singola impresa affidata. 14

15 Si è quindi reso necessario provare a ricostruire il processo cognitivo attraverso cui gli istituti di credito sopperiscono all assenza di informazioni sulla rischiosità dei progetti di investimento delle imprese richiedenti. Successivamente, sostituendo a p gli indici rivelatori di rischiosità abitualmente utilizzati dalle banche, la [15] si è trasformata nella [21], specificazione che, per quanto meno parsimoniosa, presenta tuttavia il grande vantaggio di contenere tra i propri argomenti variabili che sono tutte facilmente desumibili (con la sola eccezione del costo della provvista dei fondi) dai bilanci delle imprese affidate. A quel punto, è diventato quindi possibile sottoporre a verifica empirica l ipotesi teorica definita dall equazione [21] attraverso alcuni esercizi di regressione lineare condotti a partire dalle informazioni contenute nel nostro dataset. Al commento dei risultati di tali esercizi è dedicata la sezione successiva. 4. Le determinanti del tasso d interesse sui prestiti: un analisi di regressione lineare Prima di commentare gli esiti degli esercizi econometrici, appare opportuno fare alcune precisazioni, anche al fine di chiarire il livello di cautela che va utilizzato nell interpretazione dei risultati. Una prima precisazione concerne la misurazione della variabile dipendente. Ovviamente, non disponiamo di alcuna informazione circa il tasso d interesse effettivo imposto dai finanziatori ad ogni impresa oggetto del campione, per cui è giocoforza misurare la variabile dipendente attraverso il calcolo di una sorta di tasso d interesse implicito ricavato dalle informazioni di bilancio. La scelta più ovvia sarebbe di utilizzare il rapporto tra gli oneri finanziari e i debiti connessi ad operazioni di finanziamento (crediti bancari, prestiti obbligazionari, ecc.). Purtroppo, però, questa opzione risulta preclusa a causa del fatto che una gran parte dei bilanci considerati non contiene una dettagliata disaggregazione dei mezzi di terzi basata sulla relativa origine, e quindi non permette di distinguere, all interno di tale aggregato, i debiti connessi ad operazioni di finanziamento dalle altre voci. Questa circostanza ci obbliga, pertanto, ad utilizzare come variabile dipendente il rapporto tra gli oneri finanziari e la somma dei mezzi di terzi utilizzati nella gestione. Questa modalità di misurazione, a rigore, non è corretta, in quanto la voce mezzi di terzi è un aggregato promiscuo, che comprende al proprio interno risorse di natura molto diversa: alcune sono disponibili a titolo gratuito (un esempio paradigmatico in tal senso è rappresentato dai fondi accantonati per il TFR); altre comportano sì un costo, ma si tratta di un costo determinato in maniera automatica, e quindi del tutto indipendente dalle caratteristiche di rischiosità dell attività della singola impresa (ad esempio, i debiti nei confronti dell erario, che comportano interessi moratori uguali per tutti i debitori); e solo alcune (i debiti verso banche, i debiti obbligazionari, 15

16 probabilmente in qualche misura anche i debiti commerciali) il cui costo riflette un processo decisionale del tipo di quello descritto dall equazione [21]. Questa scelta potrebbe quindi condizionare in maniera rilevante la significatività degli esercizi di verifica empirica svolti. Alcune imprese, disponendo di fonti di finanziamento esterno non onerose, potrebbero infatti essere in grado di sottrarsi, in misura più o meno rilevante, allo scrutinio dei finanziatori. La variabilità della proxy prescelta per misurare il tasso d interesse potrebbe quindi essere influenzata, oltre che dalle variabili indipendenti considerate nell equazione [21], anche dalla possibilità soggettiva delle imprese di accedere a risorse la cui disponibilità non è in nessun modo connessa ad un processo selettivo da parte dei finanziatori. Un esempio dovrebbe chiarire meglio il problema. Si pensi al fondo TFR, la cui dimensione è fondamentalmente legata alla dimensione dell organico ed alla sua composizione per classi di anzianità di servizio: imprese grandi e anziane potranno quindi godere di un ammontare di risorse finanziarie non onerose inaccessibile ad imprese più piccole e più giovani, il che potrebbe metterle in condizione di abbattere in misura significativa gli oneri finanziari. Pertanto, se la variabile dipendente è definita dal rapporto oneri finanziari/mezzi di terzi, l equazione [21] finisce per omettere una variabile esplicativa probabilmente significativa. Nella sezione successiva si tenterà di ovviare a questo problema utilizzando le informazioni sulla composizione delle fonti di finanziamento esterne desumibili da quei bilanci che presentano la voce mezzi di terzi disaggregata per tipologia. Ma i bilanci che forniscono informazioni di questo tipo sono troppo pochi, in rapporto alla dimensione complessiva del campione, perché un test di controllo basato su tali informazioni possa essere considerato soddisfacente. Altri problemi derivano dalla limitatezza dell estensione temporale delle informazioni a nostra disposizione. Come si è già anticipato, il nostro dataset contiene esclusivamente informazioni tratte dai bilanci degli anni 2005 e 2006, il che ci costringe ad omettere dal modello stimato le variabili ritardate. Per chiarire i limiti di significatività dell analisi che ne derivano basti pensare che, nella valutazione della rischiosità soggettiva delle imprese richiedenti, gli istituti di credito presumibilmente non si affidano a valori puntuali degli indicatori di rischiosità, ma più probabilmente tentano di estrapolarne il trend mediante medie calcolate su un certo numero di esercizi finanziari passati. Questa lacuna si presenta ovviamente più grave nella valutazione dell impatto delle variabili di flusso, per loro natura più soggette ad oscillazioni da un anno all altro, mentre invece dovrebbe risultare di scarsa rilevanza nella stima dell influenza esercitata dalle variabili di stock, che tendono naturalmente ad evidenziare caratteristiche di persistenza nel tempo. Alla luce di queste considerazioni, non è probabilmente un caso che, come si vedrà tra 16

17 breve, i risultati di interpretazione più problematica finiscano per essere quelli relativi alla significatività della variabili di flusso. Infine, occorre sottolineare che non disponiamo di informazioni sul costo della raccolta. Tuttavia, questa informazione è in realtà del tutto irrilevante rispetto all obiettivo di questa indagine, che consiste nel valutare se il costo dell accesso alle risorse finanziarie sia condizionato da caratteristiche soggettive delle imprese affidate. Si consideri inoltre che le caratteristiche istituzionali e strutturali del mercato dei depositi lasciano supporre una sostanziale omogeneità spaziale dei relativi tassi: un deposito può essere infatti trasferito da una banca ad un altra a costi di transazione praticamente nulli, il che rende pressoché automatico il livellamento dei tassi. Pertanto, alla luce di queste considerazioni, il costo della raccolta, piuttosto che come una variabile esplicativa, andrebbe trattato come una costante. I risultati degli esercizi econometrici sono riportati nella tab. 1. Le stime delle equazioni di regressione sono state effettuate con il metodo dei minimi quadrati ordinari (OLS). Il simbolo R 2 indica il coefficiente di determinazione corretto per i gradi di libertà, F (k, n-k-1) è il test F per la significatività congiunta dei regressori, χ 2 (k) è il test di White per la presenza di eteroschedasticità nei residui. Infine, i valori riportati sotto i parametri delle regressioni rappresentano i t-ratios, e la presenza di uno o due asterischi a destra del t-ratio indicano significatività dei coefficienti rispettivamente al livello del 10% e del 5%. TAB. 1. Analisi econometrica della determinazione del tasso d interesse Variabile dipendente: ONERI FINANZIARI / MEZZI DI TERZI [1] [2] [3] [4] [5] [6] R 2 0,1126 R 2 0,0435 R 2 0,2426 R 2 0,1632 R 2 0,1698 R 2 0,3102 F (10,130) 2,776 F (6,134) 2,0627 F (10,131) 8,294 F (6,135) 5,384 F (2,139) 14,816 F (3,138) 21,660 χ 2 (42) 34,165 χ 2 (23) 19,951 χ 2 (41) 81,810 χ 2 (22) 66,370 χ 2 (4) 31,161 χ 2 (7) 34,673 Cost. 0, , (12,994)** (13,613)** u , , , (-3,712)** (-2,176)** (-2,391)** (-0,876) u , , , , , (-1,113) (-0,888) (2,992)** (3,576)** (3,729)** (3,309)** 17

18 Λ -2,86511E-06 5,71387E-06 (-0,279) (0,369) Φ - 4,35326E-07 2,58068E-05 3,17654E-05 (-0,027) (1,056) (1,244) α -5,19905E-05 6,57367E-05-6,05850E-05 0, ,85207E-05 8,26267E-05 (- 1,085) (2,335)** (-0,838) (3,008)** (3,544)** (3,239)** u α 4,32215E-05 3,37415E-05 3,21844E-05 1,38482E-05 (3,210)** (-2,500)** (1,586) (1,112) u α 0, , (3,781)** (4,138)** Λ α 4,96408E-09-3,43903E-07 (0,012) (-0,531) Φ α 9,63940E-07 1,82612E-06-1,84645E-06-5,75268E-07 (1,003) (1,918)* (-1,305) (-0,701) α 2-4,13295E-07-3,69314E-07-1,13725E-07 (-2,568)** (-2,237)** (-0,473) dusud 0, (5,414)** La stima [1] si riferisce ad un modello estremamente generale (unrestricted), in cui r è stato regredito su una costante, che alla luce del ragionamento appena condotto dovrebbe catturare l influenza del costo della raccolta, e su tutte le altre variabili esplicative elencate nell equazione [21]. L estrema ricchezza della specificazione del modello chiarisce la natura assolutamente preliminare dell esperimento, il cui obiettivo è soprattutto quello di scartare ipotesi di lavoro che si dovessero rivelare chiaramente poco promettenti. Come si vede, la stima fornisce riscontri molto controversi circa la bontà del modello. Sebbene il modello superi il test F sulla significatività congiunta dei regressori, va osservato che delle cinque variabili significative, ben tre (uα, u α e α 2 ) mostrano un segno contrario alle aspettative a priori derivanti dal modello teorico, e che il valore del coefficiente di determinazione risulta molto basso, rivelando un grado di accostamento tra valori teorici e valori osservati abbastanza cattivo. Inoltre, la stima è molto disturbata da un 18

19 problema di multicollinearità (problema che, tra l altro, interessa proprio due variabili statisticamente significative, u e u α). Va rilevata inoltre la presenza di eteroschedasticità nei residui, fenomeno che, tra l altro, si ripropone sistematicamente in tutte le stime. Si è pertanto proceduto a stimare un modello a specificazione più parsimoniosa, omettendo dalla lista dei regressori alcune variabili (Λ, Φ, Λα) che presentavano un valore della t di Student particolarmente basso, il che faceva ritenere plausibile che i relativi parametri non fossero significativamente diversi da zero, ed un altra (u α) che, alla luce dell analisi dei fattori di inflazione della varianza (VIF), appariva indiziata di forte collinearità con altre variabili indipendenti. I risultati di questo esercizio, sintetizzati nella colonna [2], non appaiono tuttavia affatto migliori di quelli della stima precedente. Se si eccettua la scomparsa del problema di multicollinearità, tutti gli altri indicatori forniscono segnali abbastanza sconfortanti: in primo luogo, il coefficiente di determinazione si riduce a valori prossimi allo zero; inoltre, dei cinque regressori i cui parametri risultano statisticamente significativi, due hanno il segno contrario alle aspettative a priori; infine, anche il test sulla significatività congiunta dei regressori fornisce un riscontro negativo. Questi risultati ci hanno pertanto indotto a dubitare della correttezza della specificazione, e a testare specificazioni alternative che omettessero la costante dalla lista dei regressori. Seguendo questo direzione, i risultati migliorano sensibilmente. Il modello [3], ad esempio, si differenzia dal modello [1] esclusivamente per l omissione della costante, ma la differenza in termini di capacità esplicativa è già notevole. Il valore del coefficiente di determinazione schizza a , valore tutto sommato non disprezzabile, soprattutto alla luce della natura cross-sectional dei dati, e il test F sulla significatività congiunta dei regressori fornisce un riscontro confortante. Per completare il quadro conoscitivo, va tuttavia rilevata la presenza di multicollinearità: in particolare, i regressori uα e u α risultano fortemente correlati con le altre variabili indipendenti. Alla luce di questa constatazione, il fatto che ben due delle variabili esplicative statisticamente significative esibiscano un segno incoerente con la teoria (u e u α) non deve sorprendere, poiché tale circostanza potrebbe essere legata proprio agli effetti di correlazione incrociata tra le variabili indipendenti, che possono rendere il modello incapace di distinguere con precisione l impatto di ognuna di esse sulla variabile dipendente. Il passo immediatamente successivo è stato pertanto quello di stimare un modello a specificazione più ristretta, omettendo dalla lista dei regressori le variabili Λ, Λα, α 2, u α. L esclusione delle prime tre è stata motivata dal valore particolarmente basso del t-ratio, che induceva a ritenere che esse non fornissero alcun contributo esplicativo rilevante, e che quindi la loro esclusione non avrebbe presumibilmente peggiorato in maniera sostanziale il grado di accostamento tra valori teorici e valori osservati. L omissione di u α è invece finalizzata a 19

20 depurare il modello dai problemi di multicollinearità, dato che la variabile in discorso era fortemente sospettata, alla luce delle indagini condotte, di esserne all origine. Il risultato di questo esercizio, sintetizzato nella colonna [4], rispetta solo in parte le attese: se da un lato la multicollinearità scompare, dall altro il valore del coefficiente di determinazione si riduce in maniera abbastanza rilevante. Ma soprattutto questo modello soffre ancora di sovraspecificazione, comprendendo ben quattro regressori che fanno registrare valori del t-ratio ben lontani dalla soglia di significatività al 5%. Questo chiarisce il motivo che ci indotto a testare la capacità esplicativa di una specificazione alternativa, ricavata applicando al modello [4] la restrizione u = Φ = uα = Φα = 0. L esito di questo esperimento è presentato nella colonna [5]: entrambi i regressori a e u esibiscono parametri statisticamente significativi, il valore del coefficiente di determinazione migliora leggermente (a dispetto dell omissione dalla specificazione di ben quattro regressori), e inoltre il modello supera il test F per la significatività congiunta dei regressori. Tuttavia, a dispetto di questi confortanti riscontri, questa stima lascia permanere ancora qualche dubbio sulla bontà del modello. In primo luogo, infatti, va rilevato che la stima [5] (analogamente a quella immediatamente precedente) attribuisce al parametro di u un segno inconsistente con la teoria: gli istituti di credito sembrerebbero cioè imporre tassi più elevati alle cooperative sociali che si segnalano per una gestione produttiva più efficiente. Questo bizzarro risultato apre un interrogativo destinato purtroppo a rimanere, per il momento, senza risposta. Una ipotesi è che esso dipenda dai limiti del dataset segnalati in apertura di questa sezione, e più in particolare dalla mancanza di dati che permettano di misurare la performance media di ogni impresa in un periodo di tempo sufficientemente ampio da escludere distorsioni indotte da oscillazioni di carattere strettamente congiunturale. Tuttavia, non disponendo di informazioni che permettano di controllare la correttezza di questa ipotesi, non è neanche possibile escludere che tale risultato sia invece il riflesso di politiche di discriminazione di prezzo praticate dalle banche. L altro motivo che ci induce a interpretare il risultato di questa stima con una certa cautela è il valore del coefficiente di determinazione. Per quanto, alla luce della natura cross-sectional dei dati, tale valore non debba essere considerato del tutto insoddisfacente, non è tuttavia da escludere che esso possa essere la spia di un problema di sottospecificazione del modello. Del resto, anche alla luce delle considerazioni effettuate in apertura di questa sezione, che le equazioni sin qui stimate omettano alcune variabili rilevanti è, in fondo, abbastanza prevedibile. L ultimo esperimento, il cui risultato è compendiato nella colonna [6], si propone di verificare se una parte della variabilità del tasso d interesse sia spiegabile, piuttosto che da considerazioni relative alle caratteristiche delle singole imprese affidate, dalla loro localizzazione territoriale. A tal 20