Capitalizzazione e leva delle imprese italiane: A2.9, QEF 1029 e Medie Imprese Mediobanca
Tre fonti indipendenti, una lettura convergente sul deleveraging 2018-2024
BancheImpreseCR), e i dati di bilancio completo delle Medie Imprese Industriali Mediobanca…
Paolo Volterra 
Nota di raccordo tra tre filoni di lavoro paralleli: il dataset A2.9 Cerved/Bankit (leverage regionale 2018-2023), il paper Banca d’Italia QEF 1029 sulle interdipendenze banche-imprese (progetto BancheImpreseCR), e i dati di bilancio completo delle Medie Imprese Industriali Mediobanca (progetto MediobancaMedieImprese). Le tre fonti, indipendenti per campione e metodologia, convergono su un rafforzamento patrimoniale diffuso delle imprese italiane 2018-2024, con un’eccezione settoriale (Metallurgico) confermata da segnali incrociati di stress da tassi.
leverage, sottocapitalizzazione, credito, banche, imprese, Mediobanca, A2.9, QEF1029
1 Obiettivo
Tre progetti hanno lavorato in parallelo sullo stesso tema — struttura finanziaria e capitalizzazione delle imprese italiane — con fonti e campioni diversi. Questa nota mette a fattor comune le scoperte, verifica se raccontano la stessa storia, e segnala un problema di parsing corretto nel corso del lavoro.
Fonti:
- A2.9 Bankit/Cerved (
20260618_BilanciRegioni) — Leverage e MOL/Attivo, 20 regioni, 2018-2023, società di capitali generiche. - QEF 1029 Banca d’Italia (
20260622_BancheImpreseCR) — cross-elasticities banche-imprese nel mercato del credito; ricomposizione del passivo delle imprese nel credit crunch 2011-2019. - Medie Imprese Industriali Mediobanca/Unioncamere/Tagliacarne (
20260630_MediobancaMedieImprese) — bilancio completo (SP, CE, indici), 5 aree geografiche × 24 sottosettori, 1996-2024, imprese fino a 499 dipendenti/415M€ fatturato.
2 1. A2.9 — il deleveraging regionale
Leverage medio Italia: 45,6% (2018) → 38,0% (2023). 19 regioni su 20 in calo (eccezione: Basilicata, +0,9). Il Nord partiva come area meno indebitata nel 2018 ma ha deleveraged meno delle altre aree (-5,9pp vs -8,6/-8,7 di Centro/Sud/Isole) — nel 2023 si ritrova relativamente più indebitato, un’inversione di ranking, non solo una convergenza.
3 2. QEF 1029 — come si è ricomposto il passivo
Usando il panel A2.9, BancheImpreseCR ha isolato la dinamica sottostante al deleveraging 2018-2023:
- Leverage al netto liquidità cala più del leverage lordo (37,1%→25,5%) — il deleveraging “vero” è più marcato di quanto suggerisca l’indicatore grezzo.
- Debiti bancari/debiti finanziari 62,7%→58,6% — diversificazione dal canale bancario, ma le obbligazioni restano marginali (~4%): lo spostamento è verso leasing/factoring/prestiti soci, non osservabile nei soli indicatori A2.9.
- ROE, ROA e MOL/attivo migliorano in modo netto nello stesso periodo.
- Segnale di rischio: oneri finanziari/MOL risale a 15,3% nel 2023 (da 9,5% nel 2021) — il rialzo tassi BCE pesa più di quanto il minor debito alleggerisca.
4 3. Medie Imprese Mediobanca — stessa direzione, verificata su un campione diverso
Il dataset MI espone lo stato patrimoniale completo, incluso un indicatore già calcolato da Mediobanca — CAPITALE NETTO TANGIBILE/DEBITI FINANZIARI — che è l’equivalente diretto della sottocapitalizzazione, assente in A2.9 (che ha solo Leverage%, non un ratio patrimonio/debiti).
Totale Italia (1821 società, insieme chiuso 2015-2024): indice in crescita continua, 180,5 (2018) → 269,1 (2023) → 302,4 (2024) — nessuna inversione, coerente con il deleveraging A2.9.
Per settore, tutti gli 8 macro-settori MI salgono 2015→2023/24, tranne uno:
| Settore | 2018 | 2023 | 2024 |
|---|---|---|---|
| Alimentare | 142,1 | 185,4 | 201,9 |
| Meccanico | 281,7 | 424,6 | 484,4 |
| Chimico-farmaceutico | 187,1 | 262,2 | 296,3 |
| Metallurgico | 159,3 | 310,1 | 290,6 |
Il Metallurgico è l’unico settore che inverte nel 2024 (310,1→290,6), dopo anni di crescita. Coincide con MOL -30,2% YoY e ROE 4,0% nello stesso settore (dati MI 2024) e con il segnale di stress su oneri finanziari/MOL già osservato in A2.9/QEF1029. Tre fonti indipendenti — Cerved, Banca d’Italia, Mediobanca — convergono sullo stesso settore e sullo stesso periodo: non è rumore di un singolo dataset.
5 4. Nota metodologica — bug di parsing corretto
Durante il confronto è emerso un bug in parse_mi.py (20260630_MediobancaMedieImprese): il parser assumeva un range fisso di anni (1996-2024) mappato per posizione di colonna, ignorando l’header reale di ciascun blocco del PRN (Tab.I/II/III). Per gli aggregati “insieme chiuso” corti (10 colonne: Italia, tutte le 20 regioni MI, le 4 aree geografiche) i dati 2015-2024 venivano rietichettati 1996-2005.
Fix: rilevazione della riga di header per blocco (sequenza di interi consecutivi 1900-2100), usata per mappare gli anni delle righe successive. mi_long.parquet rigenerato e verificato. Il consolidato usato per le analisi 2024 (AiBilanci/mi_canon.parquet) usa un parser indipendente e già corretto — nessun impatto, verificato numericamente.
6 Limiti
- A2.9: 20 regioni, nessun dettaglio settoriale. MI: 5 macro-aree, nessun dettaglio regionale. Il confronto resta di tendenza, non un incrocio diretto regione×settore.
- Popolazioni diverse: società di capitali generiche (Cerved) vs medie imprese industriali (Mediobanca, fino 499 dip.) — confronto in livello non robusto, in direzione sì.
- Nessun controllo per sopravvivenza/uscita d’impresa in nessuna delle tre fonti (survivorship bias sui campioni “insieme chiuso”).
7 Prossimi passi
- Disaggregare A2.9 per settore usando il TODO già aperto in
BilanciRegioni, oppure sostituire con il dettaglio settoriale MI (compromesso: si perde la regione). - Estendere il monitoraggio dell’indicatore Metallurgico 2025+ per confermare se lo stress è transitorio o strutturale.
- Incrociare MI × TFR Bankit per area geografica (idea già in coda in
MediobancaMedieImprese/OUT/04_idee_analisi_cross.md).
Trasparenza sull’uso dell’intelligenza artificiale
L’uso di strumenti di intelligenza artificiale generativa è dichiarato esplicitamente in quanto parte del processo di lavoro seguito nella redazione del presente documento. Tali strumenti sono stati impiegati a supporto della lettura, della sintesi, della riorganizzazione argomentativa e della revisione testuale, sempre nell’ambito di un processo pienamente controllato dall’autore.
La responsabilità per le fonti utilizzate, le analisi condotte, le verifiche effettuate, le interpretazioni proposte e le conclusioni formulate resta interamente in capo all’autore.
L’intelligenza artificiale è stata utilizzata come ambiente di supporto cognitivo ed editoriale, non come fonte primaria, autore autonomo o sostituto del giudizio critico.