Crisis Management (approfondimenti)

Crisis management

Modelli di previsione della crisi d'impresa

È da tanto che si ricerca un modello predittivo per capire la crisi d'impresa. Una data importante è il 1968, anno in cui Altman fa il primo modello Z-score. Dal '68 in poi c'è una totale esplosione di modelli e lo stesso Altman produrrà ne produrrà molti.

Con riferimento ai modelli della crisi ci sono review di review, per fare una sintesi delle sintesi, si fanno molti modelli perché si sta cercando la perfezione per capire se un'azienda è in crisi o meno. Un buon modello dovrebbe far comprendere agli amministratori che fra non molto l'azienda fallirà e sarà veramente utile se grazie alla predizione il management potrà riuscire a prendere le dovute correzioni per non fallire, quindi non è giusto che il modello sia perfetto, visto che la sua importanza è far capire il problema quando ancora si è in tempo per risolverlo.

Nei modelli ci sono gli indicatori di bilancio che con riferimento ad una data azienda si presentano in un certo modo. Questi indicatori sono più vicini a quelli delle aziende che poi sono fallite o a quelli che poi non sono fallite? Questo è ciò che fa il modello, cerca di capire con una classificazione a quale dei due gruppi l'azienda che si studia è più vicina. Dopo aver capito a quale è vicina occorre capire quanto è vicina.

La crisi d'impresa evolve nel tempo fino a diventare una situazione non superabile, quindi il modello cambierà in base a cosa si mette dentro i due insiemi, perché se si mettono imprese fallite e non fallite, allora il modello studierà l'insolvenza dell'impresa. Se invece si studia uno stadio di crisi meno avanzata, magari si studierà uno stadio che viene prima dell'insolvenza, anche se il 99% dei modelli cerca di studiare l'insolvenza, questo avviene perché la discriminazione netta tra le imprese fallite e non fallite non avviene nei momenti molto antecedenti all'insolvenza, visto che i segnali della crisi all'inizio non passano in bilancio ma si vedono solo internamente. Questo problema ha portato alla costruzione di soli modelli che cercano di studiare l'insolvenza (stadio nettamente avanzato).

Definizione di modelli di previsione della crisi d'impresa

In termini generali, ciascuno di essi consiste in un insieme coordinato di variabili indipendenti, relazioni statistiche e variabili dipendenti, le ultime esprimono la previsione che discende direttamente dai valori assegnati alle variabili di input, una volta che siano definite le relazioni incluse nel modello (De Laurentis, '86).

In termini generali i modelli in esame valutano il grado di vicinanza a imprese insolventi e non insolventi, il concetto di previsione, quindi, va inteso con cautela.

Costruzione di modelli di previsione

• Identificazione dell'evento che segnala l'esistenza della crisi: occorre definire il concetto di crisi, definendolo in un modo che possa essere operazionalizzato potendo dire se l'azienda è in crisi o meno. Se si punta all'insolvenza è facile e il concetto di crisi che si prende è quello giuridico, quindi saranno in crisi le aziende insolventi e non lo saranno quelle non insolventi. Per capire quali sono quelle non in crisi, dato che se da una parte ci sono le fallite, si metteranno le non fallite ma bisogna domandarsi se tutte le "non fallite" sono aziende sane. Quindi a differenza delle fallite, quelle da contrapporre non sono facilmente identificabili ed è un problema non banale. Più si considerano le aziende non fallite "aziende sane" più il modello sbaglia, perché il modello tenderà a spostare le aziende studiate verso l'insieme delle fallite perché le vede come più simili a queste.
• Definizione del campione di stima: per costruire un modello è necessario un campione, quindi si prende un gruppo di aziende classificate in crisi e un gruppo non in crisi (in base alle scelte del punto 1). Ora il problema è la scelta del campione perché bisognerà decidere in base a variabili importanti come settore, età, posizione, grandezza eccetera. Il modello quindi potrebbe diventare un modello generale che vale per tutte o uno specifico per un settore, ancora il grosso dei modelli sono modelli generali perché sembra non essere rilevante in base ad alcuni studi. Uno dei comportamenti classici di un'azienda che si approssima a fallire è che smette di redigere il bilancio e di depositarlo l'anno prima del fallimento, quindi per fare un modello servirà il bilancio e si potrà utilizzare come campione soltanto le aziende di cui si sanno i dati.
• Scelta delle variabili indipendenti e determinazione del loro peso all'interno del modello: questa è la parte operativa più importante, quando si decide quali sono gli indici di bilancio che sono rilevanti per capire se l'azienda è sana o meno. Bisogna fare un'analisi sistemica degli indici e vedere come si comportano nelle aziende fallite e come nel caso opposto per capire il loro potere discriminante (potere di dire che un'azienda è simile alle fallite o simile alle sane). La scelta degli indici da prendere in considerazione la fa chi valuta ma poi la scelta di quali usare tra tutto il paniere spetta al software statistico che con la sua tecnica decide, quindi il ruolo di chi studia è di decidere il paniere iniziale. Alcuni modelli usano anche tecniche/variabili diverse dagli indici di bilancio come caratteristiche di governance, luogo in cui si lavora eccetera (variabili qualitative).
• Verifica dei risultati ottenuti: fase anche detta "validazione" del modello. Un modello non validato è un modello che ha forti dubbi di efficacia perché validarlo significa testare la capacità predittiva e vedere se ci prende, perché più ci prende e più il modello è buono. La validazione può avvenire sul campione di aziende prese a riferimento anche se non è molto corretto, dato che un modello efficace dovrebbe funzionare anche su aziende indipendenti, cioè su altre aziende che non hanno servito per la sua costruzione, quindi il campione di test dovrebbe essere indipendente dal campione usato per la costruzione. Se il modello è efficace sul campione indipendente allora dovrebbe esserlo anche in realtà.

Gli errori di previsione e i loro costi

• Falsi positivi: aziende che, secondo il modello di previsione, sono in stato di crisi, ma in realtà non lo sono. Nel caso di falso positivo il problema diventa principalmente dell'azienda perché si dice che fallirà ma poi non fallisce e il contorno non cambierà molto, mentre un falso negativo significa che non ci si accorge del problema di futuro fallimento quando questo però è realmente presente. Nel caso degli indicatori dei dottori commercialisti la procedura si attiverà soltanto se viene rilevato dagli indicatori, quindi si attiverà con i falsi positivi e se non sono ben tarati i modelli porterà a un grande costo perché molta gente dovrà risolvere il problema di futura crisi. Quindi bisogna fare una scelta, di ridurre i falsi positivi o i falsi negativi perché c'è un tradeoff e gli errori non si riescono a risolvere contemporaneamente. In base ai parametri sarà una scelta politica di essere molto sensibili con il rischio di falsi positivi o di esserlo poco con il rischio che ci siano falsi negativi.
• Falsi negativi: aziende che, secondo il modello di previsione, non sono in stato di crisi, ma in realtà lo sono.

In entrambi i casi il modello ha fallito e occorre comprendere il costo di questi errori che è una cosa rilevante. L'effetto dell'errore va valutato sia sull'azienda che sul contesto.

Modello di Altman (1995)

Il modello di Altman usa la tecnica discriminante multivariata, il segno positivo indica che l'aumento dei valori della variabile farà aumentare lo stato di salute dell'impresa, il segno negativo indica che l'aumento del valore della variabile fa diminuire lo stato di salute dell'impresa. Il modello è il seguente: Z = 6,56X1 + 3,26X2 + 6,72X3 + 1,05X4.

• X1 è il rapporto tra capitale circolante netto e totale attivo – è un indice di liquidità e ci sta ed è coerente che un'azienda in crisi ha questo rapporto basso o negativo, il problema è capire qual è il valore soglia visto che sarà soggettivo. Il modello cerca con la statistica di sostituirsi alla valutazione discrezionale cercando di valutare in modo oggettivo.
• X2 è il rapporto tra utili ritenuti e totale attivo (utili ritenuti sono quelli realizzati ma non distribuiti, cioè l'autofinanziamento dell'azienda). La presenza di questo indicatore è coerente perché un'azienda che ha questo indicatore buono significa che ha praticato politiche di autofinanziamento e con un patrimonio netto tendenzialmente cresciuto nel tempo, potrebbe riuscire a tamponare le perdite di esercizio con le riserve accantonate. Anche in questo caso il valore discriminante senza modello sarebbe soggettivo. L'indicatore è molto basso nelle aziende più giovani, infatti hanno una maggiore propensione al fallimento rispetto a quelle mature, quindi il modello risolve indirettamente anche il fattore età con X2.
• X3 è il rapporto tra EBIT e totale attivo.
• X4 è il rapporto tra patrimonio netto e totale debiti: questo è una configurazione di indice di indebitamento. Le aziende in crisi avranno questo indicatore più basso rispetto a quelle sane, ma il valore soglia è soggettivo. I pesi sono stati determinati applicando la tecnica statistica di riferimento, quindi vengono fuori dalle procedure statistiche.

Dopo aver trovato il valore dello Z-score bisogna capire il range. Se si trova superiore a 2,60 l'azienda è classificabile come in salute, se è tra 1,10 e 2,6 è nella zona grigia, cioè i valori non sono sufficienti per capire bene, mentre se è inferiore a 1,10 l'azienda sarà in crisi. Se l'azienda è nella zona grigia non è detto che sia in crisi ma necessita di una maggiore attenzione.

Questo modello non è difficile da applicare e il grosso vantaggio del modello rispetto alla sola analisi per indici perché agevola la fase dell'interpretazione. Se si avessero soltanto indici di bilancio ci sarebbe il problema di valutarli e potrebbe capitare che un'azienda è molto indebitata ma ha grande redditività, questi casi richiederebbero una qualche valutazione soggettiva, il modello aiuta in questo senso.

In ogni caso il modello aiuta ma non c'è nessun automatismo per il quale se si è nella zona inferiore a 1,10 sicuramente fallisce o se è superiore a 2,6 sicuramente sarà sana. Il modello poi è stato studiato per le aziende americane non quotate e questo si vede dall'X4 perché in Italia darebbe molti falsi positivi visto che le aziende italiane sono normalmente molto sottocapitalizzate, quindi occorrerebbe dare un altro peso all'indice X4.

Modello Poli, 2020

Si è cercato un modello che fosse applicabile per le aziende italiane da parte di un soggetto esterno. Il soggetto esterno ha la possibilità di prendere i dati soltanto dal bilancio depositato, quindi il conto economico conosciuto sarà soltanto quello civilistico.

L'arco temporale è nei due anni prima del fallimento, a differenza della maggior parte dei modelli che guarda soltanto un anno. Avendo due anni di previsione si ha un arco temporale più ampio anche se più ci si allontana come previsione e più è difficile che il modello ci prenda visto che i due insiemi sane e non sane potrebbero essere poco discriminati.

Tutti i modelli fanno sempre riferimento ai bilanci ordinari e a volte non basta perché servono anche dati interni, quindi servono bilanci molto ricchi di dati. In questo modello si è preso come riferimento il bilancio in forma abbreviata visto che il 95% delle aziende italiane depositano questo tipo di modello. Con il bilancio abbreviato però soltanto alcuni indicatori possono utilizzati visto che le informazioni sono minori.

Costruire un modello con una base di dati ridotta è un problema perché le informazioni sono meno.

Presupposti principali per la costruzione

• Previsione di attivazione di procedura concorsuale.
• Società che redigono il bilancio di esercizio in forma abbreviata (articolo 1435-bis cc).
• Prospettiva del soggetto esterno.
• Dati desumibili da stato patrimoniale e conto economico.

Selezione degli indici di bilancio di solito espressivi: si usano soltanto gli indici che sono sempre presenti in tutte le aziende, per evitare di dover scartare dal campione aziende di cui non si conoscono alcuni dati. Quindi anziché scartare alcune aziende dal campione si sono scartati alcuni indicatori.

La tecnica statistica usata è la regressione logistica ma la logica di applicazione è come quella di Altman.

Il modello è Y: -7,6908 + 2,6743X1 – 2,1875X2 – 3,5978X3 + 0,3422X4 + 1,3724X5 + 0,4835X6 – 0,0467X7

• X1: grado di dipendenza finanziaria – passività su totale attivo, quando il coefficiente è positivo significa che quella variabile incide positivamente con la probabilità di fallire, è coerente perché più l'azienda è indebitata e più c'è probabile di fallire.
• X2: indice di liquidità (primo livello): sono le disponibilità liquide sulle passività correnti.
• X3: RN su totale attivo.
• X4: dimensione 1: con il logaritmo si riduce la variabilità della variabile e il modello diventa più efficace. Il valore x4 ha il segno più perché più è grande e più ha probabilità di fallire, la ragione è che il fallimento spesso non conviene visto che ha costi, nel senso che per le aziende piccole non conviene proprio attivare la procedura (sempre nell'ambito delle aziende italiane normalmente mai grandi).
• X5: indice di esigibilità del debito – debiti a breve su debiti totali, il segno è positivo perché più è indebitata a breve e più a rischio di fallire visto che la classica azienda che sta per fallire ha molti debiti a breve ed è collegato a x1.
• X6: indice di liquidità di secondo livello: disponibilità liquide e differite su passivo corrente, in questo caso oltre alle liquidità di aggiungono anche i crediti al numeratore del rapporto. Il segno è più, significa che più sono alte le disponibilità liquide e di crediti e più c'è il rischio di fallimento. La logica del segno è che a differenza di X2 che guarda soltanto le disponibilità liquide, X6 tiene conto anche dei crediti e se i crediti crescono non è un segno positivo perché soprattutto nelle aziende più piccole si ha difficoltà di svalutare i crediti inesigibili che non si incasseranno, quindi ci sono politiche di bilancio che non fanno svalutare crediti, quindi più i crediti sono alti e più è probabile che siano inesigibili e perciò più è probabile che fallirà.
• X7: dimensione 2: si è presa la dimensione dei ricavi, facendo il logaritmo naturale dei ricavi più 1

I coefficienti delle variabili x sono determinati attraverso la tecnica statistica utilizzata per la costruzione del modello, in questo caso la regressione logistica. Il segno positivo indica che l'aumento del valore della variabile fa aumentare la probabilità di insolvenza, il segno negativo indica che l'aumento del valore della variabile fa diminuire la probabilità di insolvenza.

Dal valore di Y si passa al valore p[Y], cioè esprime al risultato in termini di probabilità. Un vantaggio della regressione logistica è quindi quello di poter esprimere le cose in probabilità che si potranno ricavare partendo dalla Y con il rapporto tra e alla Yi diviso a 1+e alla Yi.

Regola decisionale: se la probabilità è superiore a 0,5 c'è crisi, mentre se è inferiore l'azienda sarà in salute. Quindi le fallite sono 1 e le sane sono 0 e il numero che esce sarà la probabilità che è compresa tra 0 e 1.

Considerando tutti i problemi che si hanno il modello che è un modello generale ha un tasso di successo complessivo di circa il 75%, anche se lascia un 25% di errore, quindi sono abbastanza le aziende che il modello non riesce a colpire a causa delle scarse informazioni che si ricavano dai bilanci abbreviati. 03/11/2020

Il legislatore nella riforma aveva l'idea di fondo di creare un sistema per mettere in evidenza una crisi per poter intervenire immediatamente. Per poter far questo c'è bisogno di una serie di indicatori che tutti insieme costituiscono un modello che possa dire se l'azienda è in crisi o meno, quindi il legislatore ha introdotto i modelli di previsione delle crisi all'interno della nuova normativa.

Indici di allerta

Il modello proposto nella legge a differenza del modello Altman e Poli non sono pensati per un soggetto esterno ma per uno interno all'azienda, quindi per l'azienda stessa. Molto difficilmente un soggetto esterno può utilizzare questo modello per fare una previsione di crisi viste le caratteristiche che ha. La legge ambisce al fatto che se l'azienda si accorge di problematiche possa intraprendere il percorso che disciplina la normativa e affinché le aziende collaborino e si attivino tempestivamente per il risanamento hanno una serie di "sconti" dal punto di vista penale, questo per incentivare le aziende ad usare il modello.