PREGRESSO

Come si legge di recente in numerose pubblicazioni scientifiche, la crescente complessità dei problemi finanziari ha spinto gli analisti a sviluppare o adottare tecniche di analisi quantitativa sempre più sofisticate: inoltre, negli ultimi anni, sta prendendo forma l'opinione che il criterio guida nelle scelte finanziarie debba essere multi dimensionale. Eppure, come affermano W. Hallerbach e J. Spronk nel loro recente lavoro The Relevance of MCDM for Financial Decisions, sia nel mondo accademico che in quello della pratica, l'unione tra finanza e metodi numeri avanzati che siano multi variabile, multi attributo e multi obiettivo (generalmente indicati con «multi criteria») non è da sempre ovvia. Uno dei problemi principali dell'economia finanziaria classica è quello di allocare e ridistribuire efficientemente i capitali a disposizione: tale operazione viene definita efficiente quando il valore di mercato viene massimizzato. Così come l'acqua fluisce verso il punto più basso, il capitale fluisce verso l'utilizzo che offre il maggior rendimento. Sembrerebbe quindi naturale affermare che il criterio che guida le decisioni finanziarie debba essere monoobiettivo: massimizzare il valore di mercato o il rendimento futuro. La stessa visione è propria dei protagonisti del marcato finanziario, gli azionisti: il loro unico scopo sembra essere quello di massimizzare la propria ricchezza e quindi, poiché essi possiedono la società e ne tracciano le linee guida, l'unico obiettivo della società è di massimizzare la ricchezza degli azionisti stessi. Questa linea è stata considerata quella migliore da seguire fino ai giorni; in realtà il problema è più complesso e vi è un numero maggiore di attori di quelli citati. Altri temi invece si configurano da sempre come problemi multi variabile e multi obiettivo; ne sono un chiaro esempio la scelta di portafoglio proposta da Markowitz già nel 1952, la ricerca del miglior trade-off tra rischio e rendimento, lo studio e la definizione del rischio di default di un'impresa partendo dagli indici di bilancio, etc. Eppure molte tematiche riguardanti problemi di natura complessa sono state interpretate e studiate nel corso degli anni facendo ricorso a ipotesi simplificative e talvolta restrittive: questo approccio ha permesso uno studio teorico approfondito dei modelli ma li ha contestualmente resi scarsamente applicabili. Grazie alle metodologie multi obiettivo sviluppate negli ultimi anni è ora possibile studiare ogni tipo di problema complesso indagando l'intero spazio delle soluzioni senza ricorrere a semplificazioni. In questa tesi viene presentato un metodo di credit scoring, denominato MCCR (Multi Criteria Credit Rating), basato sull'impiego di tecniche di soft-computing e ne vengono descritte le peculiarità in ogni fase: dalla scelta e l'analisi dei dati fino alla valutazione delle prestazioni. La caratteristica principale del metodo è che, basandosi sia sull'impiego di informazioni provenienti da algoritmi di data mining che su indicazioni imposte dall'analista, permette di comprendere realmente lo stato di salute delle aziende esaminate e consente di legare facilmente le cause agli effetti del dissesto finanziario; questa caratteristica rende la metodologia unica nel suo genere e la distingue dalle molte sterili applicazioni statistico-matematiche che sono state proposte nel corso degli anni. Più precisamente i metodi classici di analisi della probabilità di default aziendale soffrono di molti problemi, tra i quali: l. il risultato prodotto dipende ineluttabilmente dalla qualità del database sul quale vengono "allenati"; quindi la valutazione di rischio di credito è funzione della definizione di default, della profondità storica dei dati, della rappresentatività geografica del database ecc. 2. non permettono di trattare coerentemente dati qualitativi; 3. la valutazione prodotta potrebbe variare nel tempo al variare del ciclo economico, della struttura dei mercati e di altri elementi. MCCR rivoluziona la concezione di analisi del merito creditizio e le sue caratteristiche consentono di superare i limiti sopra esposti. In questa tesi si descrive ogni aspetto caratterizzante MCCR e l'esposizione è così articolata: Il Capitolo l presenta il problema del credit scoring inserito nel nuovo contesto delineato dal Nuovo Accordo di Basilea sui requisiti di capitale e vengono anche descritti i fattori chiave che accomunano tutti i metodi. Il Capitolo 2 presenta, oltre alle classiche tecniche di selezione ed analisi dei dati, strumenti evoluti di data mining che consentono di comprendere il reale stato di salute di un'azienda. Il Capitolo 3 descrive brevemente le più note tecniche di credit scoring sottolineandone pregi e difetti. Il Capitolo 4 descrive le peculiarità del metodo MCCR. Il Capitolo 5 illustra alcune riconosciute tecniche di analisi del potere discriminate dei modelli credit scoring e, contestualmente, presenta alcune evidenze empiriche condotte su MCCR. Il Capitolo 6 conclude e riassume quanto esposto nei capitoli precedenti. L' Appendice raccoglie la descrizione di tutte le metodologie numeriche adottate ed implementate nel corso del dottorato ai fini dell'analisi aziendale e tutte le tabelle che, per ragioni di chiarezza espositiva, non sono state inserite nei paragrafi precedenti.