La Normalità Generata: Calibrazione di Imprese Sintetiche su Range Reali

Come verificare la plausibilità economica di bilanci simulati attraverso il vincolo dei benchmark empirici

Come verificare la plausibilità economica di bilanci simulati attraverso il vincolo dei benchmark empirici

1 Perche’ dati sintetici

I dati sintetici servono a costruire casi didattici o scenari di test senza usare bilanci reali. Ma una impresa sintetica puo’ essere coerente in quadratura e comunque poco plausibile rispetto ai range osservati. Per questo i benchmark Bankit e Mediobanca servono come vincolo empirico.

La letteratura sui modelli di previsione del fallimento mostra il passaggio da indicatori singoli a profili piu’ complessi (Beaver 1966; Altman 1968; Balcaen e Ooghe 2006). Qui il punto e’ simile: non basta che un ratio superi una soglia; conta il profilo complessivo.

Il generatore di bilanci sintetici nasce con un obiettivo diverso dalle fonti osservate. Bankit e Mediobanca descrivono aggregati reali. Il generatore inventa imprese fittizie ma internamente coerenti. Proprio per questo ha bisogno di due controlli distinti:

1. coerenza contabile: attivo uguale a passivo piu’ patrimonio netto, relazioni ragionevoli tra ricavi, margini, debito, circolante e interessi;
2. plausibilita’ economica: ratio e combinazioni di ratio non devono essere scollegati da cio’ che si osserva nei dati reali.

I benchmark riscontrabili entrano nel secondo controllo. Non dicono quale sia il valore ottimo. Dicono se uno scenario sintetico e’ vicino, lontano o radicalmente fuori dai profili osservati.

2 Archetipi

	archetipo	ebitda_margin_min_pct	ebitda_margin_max_pct	pfn_ebitda_min	pfn_ebitda_max	patrimonio_attivo_min_pct	patrimonio_attivo_max_pct
0	sana_stabile	0.100	0.180	0.4	1.8	0.32	0.55
1	crescita	0.080	0.160	1.0	3.0	0.22	0.42
2	margini_bassi	0.025	0.065	1.5	4.2	0.18	0.38
3	indebitata	0.060	0.120	3.5	6.5	0.08	0.25
4	tensione_liquidita	0.035	0.095	2.8	5.5	0.10	0.30
5	crisi	-0.080	0.035	4.5	9.0	0.02	0.18
6	turnaround	0.030	0.110	2.0	4.8	0.12	0.32

Tabella 1: Archetipi del generatore sintetico: range principali.

Gli archetipi non devono coincidere con cluster empirici osservati. crisi, turnaround o tensione_liquidita sono scenari intenzionali: servono a costruire casi limite e a testare regole. Sarebbe un errore forzarli dentro il range medio di Bankit o Mediobanca. Il confronto con i benchmark serve a capire quanto sono lontani, non a renderli tutti normali.

La distinzione diventa particolarmente importante per le soglie. Un conto e’ dire che l’archetipo sana_stabile ha un EBITDA margin coerente con un centro osservato; un altro conto e’ dire che sotto una certa soglia l’impresa deve essere rifiutata. Il primo e’ un confronto con il riscontrabile. Il secondo e’ una regola di accettabilita’.

3 Output generato

screening_esito	archetipo	PASS	REJECT	WATCH
0	crescita	129	0	27
1	crisi	0	91	47
2	indebitata	46	0	99
3	margini_bassi	73	0	63
4	sana_stabile	135	0	13
5	tensione_liquidita	64	0	76
6	turnaround	92	0	45

Tabella 2: Esiti dello screening per archetipo.

Figura 1: Distribuzione dell’EBITDA margin sintetico per archetipo.

4 Soglie da manuale e soglie riscontrabili

	regola	fallimenti
6	pfp_ebitda_massimo	298
5	ebitda_margin_minimo	220
7	interest_coverage_minimo	166
8	current_ratio_minimo	103
4	ebitda_positivo	91
9	crescita_non_crollo	59
3	utile_non_gravemente_negativo	58
0	quadratura	0
1	ricavi_minimi	0
2	patrimonio_netto_positivo	0

Tabella 3: Regole di screening: fallimenti per regola nel dataset sintetico.

5 Centro osservato e floor di sopravvivenza

Il contributo piu’ importante della riflessione sui dati sintetici e’ distinguere due grandezze che spesso vengono confuse.

La prima e’ il centro o range di un archetipo. Qui il principio del riscontrabile vale pienamente: se si vuole descrivere un’impresa normale, sana o in crescita, ha senso guardare dove stanno Bankit e Mediobanca. Non serve inventare un “valore ottimo” astratto se esiste un intervallo osservato.

La seconda e’ il floor di soglia, cioe’ il minimo sotto cui una regola di screening scatta. Qui il problema e’ diverso. Bankit e Mediobanca sono medie o aggregati di popolazioni gia’ selezionate: societa’ di capitali sopravvissute, medie imprese industriali, campioni osservabili. Non misurano la coda bassa di imprese deboli ma ancora vive. Per tarare una soglia di sopravvivenza servirebbe una fonte con microdati o percentili, non solo centri aggregati.

Quindi il valore da manuale non va demonizzato in blocco. Va collocato nel suo ruolo. Se descrive un centro normale, dovrebbe essere sostituito o almeno confrontato con il riscontrabile. Se descrive un floor prudenziale e non esiste una fonte empirica adatta, puo’ restare una convenzione, ma deve essere dichiarato come tale.

	Domanda	Grandezza	Fonte adatta	Rischio
0	Dove si colloca un'impresa rispetto alla norma...	centro/range riscontrabile	aggregati Bankit, Mediobanca, serie storiche e...	scambiare la media per valore ottimo
1	Sotto quale soglia una regola deve segnalare r...	floor di accettabilita'	microdati, percentili, default osservati, espe...	usare aggregati sani per stimare la coda delle...

Tabella 4: Due usi diversi dei benchmark: centro osservato e floor prudenziale.

6 Lettura

7 Caveat

La coerenza dei ratio non garantisce da sola la coerenza contabile. Il generatore deve continuare a controllare quadratura, relazioni tra voci e plausibilita’ dei flussi. Bankit e Mediobanca aiutano a tarare i range, non sostituiscono il motore contabile.

Inoltre la plausibilita’ di un singolo ratio non implica plausibilita’ multivariata. Un’impresa sintetica puo’ avere un margine normale, un leverage normale e un current ratio normale presi uno per volta, ma una combinazione complessiva incoerente. L’obiettivo finale e’ quindi costruire benchmark di profilo: non solo range per colonna, ma combinazioni osservabili tra margini, leva, liquidita’, crescita e costo del debito.

8 Referenze

Altman, Edward I. 1968. «Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy». The Journal of Finance 23 (4): 589–609. https://doi.org/10.2307/2978933.

Balcaen, Sofie, e Hubert Ooghe. 2006. «35 Years of Studies on Business Failure: An Overview of the Classic Statistical Methodologies and Their Related Problems». The British Accounting Review 38 (1): 63–93. https://doi.org/10.1016/j.bar.2005.09.001.

Beaver, William H. 1966. «Financial Ratios as Predictors of Failure». Journal of Accounting Research 4: 71–111. https://doi.org/10.2307/2490171.