MODELLO PER LANALISI DEL RATING AZIENDALE: ARP (Algoritmo di Ripartizione Proporzionale)

MODELLO PER L’ANALISI

DEL RATING AZIENDALE: ARP

(Algoritmo di Ripartizione Proporzionale)

Premessa

La previsione delle insolvenze è un

obiettivo non raggiungibile in assoluto

È possibile ricercare elementi in grado di

identificare situazioni di difficoltà

dell’azienda

L’interesse crescente

Le leve generatrici di nuovo interesse

verso la previsione delle insolvenze

sono:

• La recessione economica

• L’avvento di Basilea 2

ARP - lo sviluppo

- Studi sulla metodologia

- Primo modello computerizzato

- Analisi a 30 aziende - Analisi qualitativa (teorica)

- Analisi statistica- Analisi a 64 aziende

- Definizione risultati

2005 2006 2007

Campione-variabili-insolvenza

Il campione: insieme di aziende sulle

quali è effettuata l’analisi

Le variabili: espresse sia da indici di

bilancio che da fattori qualitativi

L’insolvenza: rappresentata dalla

dichiarazione di fallimento

Procedura di calcolo

Bilanci in IV Direttiva

Riclassificazione

CE a VA SP a CI e LE

Calcolo indici

x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13

Area1 Area2 Area3 Area4 Area5 Area6

Procedura di calcolo

Valutazione per ogni indice

Aggregazione indici in aree

Valutazione per ogni area

Score Integrato

x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13

Area1 Area2 Area3 Area4 Area5 Area6

Algoritmo

L’algoritmo è assolutamente nuovo per la

storia dei modelli di rating.

La peculiarità è il superamento del

limite implicito ai modelli statistici

(tipicamente di regressione) che non

sempre offrono output interni

l’intervallo 0-1.

Algoritmo

Tale risultato è stato ottenuto

applicando i principi logici della

gaussiana e della relativa funzione

cumulata alle informazioni (numeriche e

non) derivanti dall’azienda sotto

analisi.

Lo score integrato

Risultati: ipotesi ottimizzanti

Ipotesi sottostanti:

• Esclusione di aziende appartenenti a gruppi

• Punto di cut-off ottimizzante, ρ=460

ARP Altman 77 Coefficiente ARP vs A77

ECLDF 0,20% 0,24% 1,2

Accuratezza95, 6%

1-M

an

toa

n-M

. IT

A8

7

2-F

ore

sti

eri

IT

A8

6

3-F

ulm

er-

M.G

.E.

US

A8

4

AR

P (

2)

4-T

aff

ler

UK

76

/9

5-G

ala

no

IT

A9

6

6-D

ea

kin

US

A7

2

7-A

RP

IT

A0

7

8-D

am

bo

len

a-K

. 8

0

9-B

ett

s-B

. 8

7

10

-Alt

ma

n U

SA

68

11

-De

La

ure

nti

s I

TA

98

12

-Wil

co

x U

sa

71

/6

13

-Blu

m U

SA

74

14

-La

wre

nc

e-B

. U

SA

86

91%

92%

93%

94%

95%

96%

97%

98%

99%

Accuratezza

Confronti con altri modelli

Rappresentazione di 14 modelli con maggior accuratezza, su 64 analizzati

Sviluppi futuri dell’ARP

Target: banche, aziende

Possibili sviluppi metodologici:

•Reti neurali su algoritmi genetici

•Board