MODELLO PER LANALISI DEL RATING AZIENDALE: ARP (Algoritmo di Ripartizione Proporzionale)
-
Upload
malvolia-palumbo -
Category
Documents
-
view
216 -
download
1
Transcript of 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