Seminario :” Dinamiche di Sistemi complessi nella Finanza Moderna” 17 febbraio 2004

1. UNA RIVISITAZIONE DEL MODELLO DI LEONTIEF PER INTERPRETARE LA COMPLESSITÀ DELL’ECONOMIA DELLE IMPRESE E LA STRUTTURA DEI SETTORI DI PRODUZIONE Sintesi preliminare dei risultati della ricerca svolta nell’ambito della tesi di Dottorato in Finanza Aziendale - XVI CICLO - Elena COLONNA Seminario:”Dinamiche di Sistemi complessi nella Finanza Moderna” 17 febbraio 2004

2. Struttura logica della presentazione • Il contesto • Il modello • I test • Le conclusioni

3. Il ruolo dell’innovazione nell’economia della conoscenza • globalizzazione dei mercati • rapidità del progresso tecnologico • accesso a nuove conoscenze e tecnologie • cambiamento dei fattori di competitività • rivoluzione dei rapporti di forza tra sistemi economici ….per tenere il passo la via è l’INNOVAZIONE

4. Il ruolo delle PMI • La ricerca si è svolta inizialmente sul piano qualitativo e processuale: Esiste una relazione tra uno specifico profilo d’impresa (in termini di caratteristiche strutturali: dimensione e modello organizzativo) ed efficacia degli investimenti in R&S, cioè degli investimenti a monte di qualsivoglia innovazione?

5. Il ruolo delle PMI • Nei settori tradizionali dominano ancora i modelli organizzativi lineari ovvero la visione ingegneristica dell’impresa in cui è “il laboratorio” ad orientare i processi d’innovazione • Nei settori high tech (per definizione, ad un maggior tasso di innovazione) dominano i modelli chain link o interattivi che sposano una visione allargata d’impresa, in cui clienti e fornitori sono parte integrante della catena del valore ed essi stessi driver fondamentali per l’innesco del processo d’innovazione.

6. Il ruolo delle PMI • dibattito sulla dimensione d’impresa ottimale per generare e gestire i processi innovativi è aperto fin dall’epoca di Schumpeter (1942)

7. Il ruolo delle PMI In tema di innovazione grande e piccola impresa convivono secondo rapporti di complementarità (cooperazione/competizione). • PMI beneficiano di know-how e nascono per spin off e/o di spin out da grandi imprese • GRANDI IMPRESE, nella logica di razionalizzazione degli investimenti in un’ottica di breve e brevissimo termine, acquistano innovazioni in fase avanzata di beta-testing da Pmi high tech e kwowledge-based per introdurle in sistemi tecnici più vasti, senza sostenerne così l’elevato rischio iniziale!

8. Il finanziamento: bottleneck all’innovazione • Il ciclo virtuoso susseguente all’introduzione dell’innovazione è di fatto ostacolato nel contesto comunitario* dalledifficoltà di accesso al capitale, di credito e di rischio,da parte delleimprese tipicamente più dinamiche nei settori ad alto contenuto tecnologico: leimprese in fase di start up. (*) Fonte: Community Innovation Survey, Commissione Europea 2000.

9. Rovesciamento P.O.T. per Start up high tech • L’evidenza empirica dimostra che la pecking order theory – secondo la quale in un mercato dei capitali, con informazione imperfetta e asimmetrica tra insiders e outsiders, le fonti di capitale non sono tra loro perfetti sostituti, ma esiste una vera e propria gerarchia delle fonti in cui l’autofinanziamento è preferito all’indebitamento e quest’ultimo alla emissione diretta di azioni - deve essere riconsiderata se si vuole tener conto delle fonti di capitale di fatto accessibili alle imprese innovative.

10. Rovesciamento P.O.T. per Start up high tech Le caratteristiche strutturali delle imprese innovative: • Giovani (senza track records) • di piccole dimensioni • Investimenti immateriali (intangibles) • Investimenti altamente firm specific (illiquidità, difficoltà di smobilizzo) • NO garanzie reali (inside collateral) • NO operating cash flow per il servizio del debito.

11. PE vs. missing market L’introduzione e lo sviluppo delprivate equityconsente (in parte) di superare il gravebottleneckche oggi penalizza la nascita e la crescita delle PMI innovative così come la competitività dell’intero sistema-Paese.

12. Il Financial Growth Cycle …anche nel caso di PMI permane una gerarchia delle fonti ma l’ordine di scelta dipende dal grado di sviluppo raggiunto dalla impresa • Poiché il fabbisogno finanziario e il grado di rischio dipendono dallo stadio di sviluppo raggiunto, in imprese innovative a differenza delle imprese tradizionali, il capitale di rischio precede il capitale di debito. • Soltanto dopo che il private equity (organized & informal) ha svolto la funzione di produzione di informazione e ridotto il grado di opacità informativa attorno all’impresa innovativa, questa può ricorrere all’indebitamento bancario ed alle altre fonti tradizionali.

13. Rischio Seed Start up Sustained Growth Early Growth Fabbisogno finanziario Il Financial Growth Cycle • inside capital, informal PE , finanziamento pubblico agevolato • organized PE: VC financing • emissione di obbligazioni e/o public equity • autofinanziamento, debiti vs. banche e/o di fornitura

14. PE & reputational capital • Il private equity è il protagonista dell’avvio del ciclo virtuoso del finanziamento dell’innovazione e risolve con l’apporto congiunto di financial & reputationalcapital – che favorisce la way out, liberazione del capitale a scadenza (IPO o trade sale) -le cause di fallimento di mercato

15. Come promuovere la diffusione del PE? E’ necessario - come insegna l’esperienza USA e l’introduzione dei Nuovi Mercati in UE - che: • esista un trasparente ed efficiente “secondo mercato” in grado di favorire lo smobilizzo dell’investimento e riavviare il venture capital cycle • si sviluppino adeguati strumenti di supporto alle decisioni, capaci di dirimere e analizzare con oggettività l’incertezza che caratterizza i progetti imprenditoriali innovativi

16. La valutazione di Start up innovative • La valutazione di start up innovative, caratterizzata da inefficienza ed asimmetria informativa, costi di agenzia e necessità di difesa del vantaggio del first mover, presenta sia un alto livello di rischio – elevata probabilità di rendimento inferiore a quello atteso – che di incertezza – eminente imponderabilità del contesto innovativo - ancor più quando l’ottica di valutazione è quella dell’outsider.

17. La simulazione per il supporto alle decisioni La familiarità con le tecniche di simulazione economico-finanziaria (sensitivity analysis, decision tree analysis, opzioni reali) diviene oggi una necessità per il supporto alle decisioni in condizioni di incertezza, sia del datore che del prenditore di fondi.

18. Agenda • Il contesto • Il modello • I test • Le conclusioni

19. Simulazione & Bilancio Nella seconda parte della ricerca: il filone della simulazione è al centro dell’indagine come metodologia decisionale abbinata al bilancio come modello di rappresentazione della realtà aziendale • Avvalendosi di dati storici di settore e/o di aggregati di imprese comparables, è possibile ricondurre l’analisi dell’incertezza che permea la valutazione di uno start up high tech sul piano deterministico, elaborando i diversi scenari possibili nella logica della sensitivity analysis

20. La teoria… • Modello macroeconomico di riferimento: elaborato fra il 1930 e 1940 da Wassily Leontief (1951). • Con tale modello l’autore propose una visione particolareggiata del sistema economico-sociale e intese favorire la formulazione di previsioni riguardanti il suo sviluppo futuro.

21. La teoria… Nella I/O analysis: • Il sistema economico-sociale nazionale viene suddiviso in un certo numero di settori produttivi • I flussi tra i settori sono raffigurati in una tavola a doppia entrata in cui gli impieghi dei fattori (input) trovano completa giustificazione nella produzione (output) destinata al reimpiego in un altro settore o al consumo finale (domanda esogena) • Il problema fondamentale che si pone è: quali output netti possono risultare dal processo di produzione disponibili per il consumo finale, e in che quantità ciascun input entrerà nelle attività produttive intraprese per fruttare questi output, ovvero in che quantità ciascun output verrà reimpiegato sotto forma di input in un altro settore?

22. Ipotesi e restrizioni • tra i flussi in entrata (fonti) ed in uscita (impieghi) esiste un vincolo di natura tecnicacostante nel periodo di programmazione, che condiziona la quantità di “prodotto” assorbita da ciascun “settore”. • la quantità di ogni fattore acquistata da un settore è proporzionale alla quantità complessivamente prodotta dallo stesso secondo un coefficiente aij, detto coefficiente tecnico.

23. …dalla teoria verso la pratica Traduzione della teoria macroeconomica delle interdipendenze economiche di Leontief (1951): • in un modello aziendale • in uno strumento informatico di previsione (tavola I/O in cui introducendo un dato, o un insieme di dati, sia possibile ottenere soluzioni diverse in funzione dell’obiettivo perseguito) Elaborazione di un originale supporto metodologico ed operativo per “indirizzare” la valutazione degli stakeholder nel finanziamento dell’innovazione.

24. Adattamento aziendale Azienda=> micro-sistema economico=> suddivisibile in “settori” tra i quali avvengono degli scambi. I settori in senso stretto = sezioni aziendali o centri di costo I settori in senso lato = gruppi di conti omogenei accesi alle attività, alle passività, agli elementi del capitale netto, o ai loro flussi, ai costi e ai ricavi

25. La funzione di produzione in senso lato • La “Funzione di produzione”: definisce una relazione complessa – attinente a tutte le fasi produttive – fra un numero grandissimo di sezioni e processi produttivi e può essere rappresentata soltanto in forma matrice (Fanni, 1981). • È la funzione di produzione in senso lato, a soddisfare pienamente i requisiti richiesti dalla teoria delle interdipendenze economiche in quanto: “è funzione di tutti i movimenti di investimenti e finanziamenti, riferiti ad un determinato periodo di tempo”.

26. Eq. generale della dinamica patrimoniale e P.D. La funzione di produzione in senso lato: • è contenuta nell’equazione generale della dinamica patrimoniale ( IA +DP + D’Nd + D’’Nd + D’’’Nd + C) = (DA + IP +INd + R) • è interpretabile nella logica binomiale della matrice a doppia entrata di Leontief con il metodo della partita doppia checonsente di rappresentare il potere di acquisto generico dell’impresa ed i suoi movimenti nelle due dimensioni : • la natura degli elementi patrimoniali (A + P) in cui il potere si incorpora • l’origine del potere (C, R e N)

27. …la pratica: dati di input e prospettiva dell’outsider I° fase: elaborazione tavola a doppia entrata (Matrice di Input) • Complicazione =>preservare l’usabilità dello strumento di simulazione a outsider, quale il potenziale finanziatore-investitore che generalmente non possiede informazioni ulteriori rispetto al business plan

28. Derivazione dei dati di input • Si è ricercato un procedimento informatico che – in assenza della contabilità interna - ricostruisca i movimenti contabili intervenuti nel corso dell’esercizio in modo standardizzato (e quindi automatizzabile!) a partire dal minimo set di dati di cui inevitabilmente è necessario disporre per soddisfare le ipotesi teoriche del modello di Leontief.

29. Set dati input • E’ necessario disporre delle rimanenze iniziali e finali delle voci patrimoniali ovvero di due prospetti consecutivi di Stato Patrimoniale, e dell’interpretazione causale delle loro variazioni ovvero del prospetto del Conto del Risultato Economico (necessario e sufficiente per il solo secondo periodo contabile in esame).

30. Ricostruzione dati input • Grande utilità per le finalità di ricostruzione contabile infrannuale, è la disponibilità di tutte le informazioni a cui conduce l’analisi dei flussi, nella struttura del Bilancio dinamico*. (*) Per l’ottenimento dei Bilanci Dinamici si è utilizzato il software Fund Accounting - Finanza Moderna. (**) Def. Bilancio Dinamico: “struttura contabile che riporta le rimanenze iniziali e finali e gli incrementi e decrementi (o flussi) di un qualsiasi fondo separandoli nelle due classi: autogenerati (legati ai costi ed ai ricavi dell’attività produttiva) e strutturali (dipendenti da movimenti di investimenti e finanziamenti)”.

31. Ricostruzione dati input • L’analisi a ritroso dei Bilanci Dinamici, ovvero per densità di fondo crescente (dal CL al CN), consente di calcolare le differenze tra coppie di flussi autogenerati attinenti a fondi successivi (per densità), e interpretarle come movimenti contabili aventi come contropartita le componenti elementari definitorie del fondo più denso che non rientrano nel livello successivo.

32. Esempio (flusso autogenerato CDFN - flusso autogenerato CL) = € 100 Dal cfr. B.D. di CDFN: Ricavi di vendita netti non riscossi = € 150 Costi d’acquisto non pagati = € 50. contropartita contabile: Crediti di funzionamento e Debiti di funzionamento!! Ricostruzione dati input

33. Ricostruzione dati input • Sfruttando il max. dettaglio disponibile e ripetendo il “collegamento intelligente” tra elementi patrimoniali e gli scostamenti tra fonti (Ricavi) e impieghi (Costi) autogenerati di stratificazioni di fondi contigui (RfL/CfL e Rf/Cf; Rf/Cf e Rnfb/Cnfb; Rnfb/Cnfb e Rcp/Ccp) si giunge all’individuazione di n. 113 movimenti contabili lordi che hanno una dimensione causale ovvero che non hanno carattere permutativo tra conti della I serie o elementare • Per quest’ultima categoria è necessario un compromesso di approssimazione: la “Liquidità” è la contropartita per spiegare l’eventuale porzione della variazione periodale di una data voce patrimoniale (differenza tra Ri e Rf), che non corrisponde ad alcun movimento derivato

34. Organizzazione in P.D. • il passaggio successivo per l’utilizzo dei dati ricostruiti nella Tavola di input iniziale, ha richiesto l’organizzazione delle operazioni contabili identificate secondo la logica della partita doppia (P.D.) ovvero da due punti di vista, come fonte e impiego del potere generico d’acquisto

35. Passaggi metodologici • Il flow chart seguito dipende strettamente dai passaggi matematici previsti nella formulazione teorica originale.

36. 1. Matrice di Input • Definizione righe/colonne Si è ricercato il più efficiente compromesso tra esigenza di dettaglio e lunghezza della matrice quadrata di input: • Matrici alternative da 17 e 27* righe/colonne e differenziatesi tra di esse per il livello di dettaglio dedicato alla categorizzazione di costi, ricavi e flussi autogenerati • Collegamento tra Matrice di Input e movimenti in P.D. • per convenzione: gli addebitamenti (mov. dare) nelle colonne; gli accreditamenti (mov. avere) nelle righe. • i totali di riga e colonna devono essere uguali => devono essere inseriti i valori di bilanciamento (saldi/variazioni intervenute nel corso del periodo contabile esaminato). (*) in corso di realizzazione Input!

37. 2. Matrice dei coefficienti tecnici Modello microeconomico aziendale: • autosostenibile gli input complessivi richiesti da tutti i “settori” non superano le capacità complessive del sistema cui si riferiscono • somme dei coefficienti di ogni colonna non maggiore di 1 e almeno una delle somme di colonna minore di 1 • per la procedura di calcolo adottata, la somma dei coefficienti tecnici per ogni colonna è sempre al massimo unitaria • lineare gli elementi aij della matrice dei coefficienti tecnici sono considerati invariabili • i singoli elementi della matrice di input [xij] e il totale della colonna di appartenenza Xj variano nella stessa proporzione Coeff. Tecnici Impieghi!

38. 3. Matrice di Leontief • Caratterizzata dal fatto di avere tutti gli elementi positivi lungo la diagonale principale e elementi negativi altrove (“…altro non è se non una matrice identica a cui è stata sottratta la matrice dei coefficienti tecnici”). Matr. Leontief Impieghi!

39. 4. Matrice di Leontief inversa (o dei coefficienti di attivazione) • L’obiettivo fondamentale dell’analisi dell’interdipendenze economiche è raggiunto con la determinazione dei coefficienti di attivazione: • il coefficiente di attivazione (Aij), costruito in dipendenza di tutti i coefficienti tecniciche legano tra loro le grandezze accolte nella tavola di input,indica di quanto l’outputxi del “settore” i-esimo aumenta (o diminuisce) all’aumento (o diminuzione) di una unità della quantità del settore j-esimo Matr. LeontiefInversa _Impieghi!

40. 5. Matrice di Output (o del risultato finale) • vettore dati obiettivo C(i) x matrice dei coefficienti di attivazione [A] = nuovo vettore output totali V(s) • nuovo vettore output totali V(s) x matrice degli originari coefficienti tecnici [a] = nuova tavola delle interdipendenze economiche …dalla quale è possibile analizzare come i dati esogeni ipotetici posti come obiettivo hanno influenzato i “settori” in essa considerati. Progr _ Impieghi!

41. 6. Matrice Trasposta • Per consentire la pianificazione delle fonti (e non solo degli impieghi): • trasposizione automatica della Matrice di Input iniziale e replica della procedura di costruzione delle matrici di elaborazione (Matrice dei coefficienti tecnici, di Leontief, dei coefficienti di attivazione) e di output Input_ Trasposta!

42. 7. Organizzazione e interpretazione dei risultati • Tavole di riepilogo dei movimenti netti e lordi generati nelle fonti (impieghi) per effetto della programmazione • Stato Patrimoniale Riclassificato sintetizzato nelle macro-categorie essenziali per la giustapposizione formale strumentale alla Flow & Fund Accounting e la comparabilità tra dati consuntivi e il risultato della previsione effettuata. • Conto del Risultato Economico per densità di potere generico d’acquisto, che consente l’agevole calcolo dei flussi autogenerati (versione dopo gli interessi e prima delle imposte sul reddito) ed il confronto tra i dati. Risultato_ Impieghi!

43. 7. Organizzazione e interpretazione dei risultati • Grafico riepilogativo dei flussi autogenerati di CL, CDFN, CDN e CN (versione dopo gli interessi e prima delle imposte sul reddito). • Prospetto del Cash Flow in una variante del sistema americano - FASB con la conseguente determinazione del cash flow operating, investing, financing (da capitale di terzi e proprio) • Selezione di alcuni indicatori di bilancio (ROI, ROS, ROE, rapporto di leverage etc. Risultato_Impieghi 2-4!

44. Agenda • Il contesto • Il modello • I test • Le conclusioni

45. Il caso: la start up high tech alfa L’idea imprenditoriale: realizzazione di dispositivi propri della robotica mobile e di servizio con tecnologie digitali innovative, da utilizzare negli ambienti più disparati, quali ad esempio magazzini, depositi esterni od interni, ambienti ostili o pericolosi per offrire servizi all’uomo in abitazioni, ospedali, comunità, ausilio per disabili, aiuto ad anziani etc. Il settore: la"robotica di servizio" ingegnerizzazione e produzione di dispositivi mobili (robot) controllati da uno o più calcolatori, capaci di muoversi tra persone o cose in un ambiente civile, ed in grado di eseguire uno o più servizi utili all’uomo. Caratteristiche distintive dell’offerta: missione di navigazione nell’ambiente in autonomia guidata; capacità di co-operazione con altri robot e/o con esseri umani. Case studies

46. Analisi marginale comparativa simulazione economico-finaziaria - nella logica del “what if” - legata a variazioni unitarie consente il confronto diretto delle performance e della struttura contabile tra imprese e/o aggregati di imprese a prescindere dalla dimensione delle stesse Analisi dimensionamento fatturato Ricerca dell’eventuale sovra/sotto-dimensionamento del fatturato rispetto agli investimenti pianificati nel BP di Alfa Ovviamente il giudizio formulato non potrà che essere un giudizio relativo, ovvero un giudizio espresso in seguito ad un confronto, un paragone. I Test

47. Analisi marginale comparativa Per l’anno di regime (3°) Incremento € 1 di L 1.a Alfa 1.b n. 350 società operanti in Italia nel settore identificato dal codice ISTAT. 72.600(settore nazionale della robotica di servizio) 1.c n. 5 società operanti in FVG nel settore ISTAT. 72.600 (settore regionale della robotica di servizio) Analisi dimensionamento fatturato per i primi 3 anni del ciclo di vita Inv. programmati nel BP tutte n. 11 società operanti nel settore ISTAT. 72.600 fondate nel 1999 2.a per il primo (1999), 2.b secondo (2000) 2.c terzo (2001) anno di operatività I termini del confronto

48. Base dati di input • bilancio aggregato* di tutte le (350) società operanti in Italia nel settore identificato dal codice ISTAT 72.600 – Attività connesse all’informatica • bilancio aggregato* di tutte (5) le società operanti nel settore ISTAT. 72.600 – Attività connesse all’informatica e con sede legale nella Regione Friuli Venezia Giulia. • bilancio aggregato* delle (11) società del settore di appartenenza della start up in esame fondate nel 1999, rispettivamente per il primo, secondo, terzo anno di operatività. (*) Fonte: Banca Dati AIDA, ringraziamento particolare a Daria Marassi

49. La “robotica di sevizio” più propriamente rientrerebbe all’interno del sub-settore “Servizi di Robotica” cod. ISTAT 72.601, ma i codici attribuiti nella banca dati utilizzata, non consentono la distinzione tra 72.601 e 72.602. Conseguenetemente si è utilizzato l’aggregato di livello superiore: settore ISTAT 72.600 – Attività connesse all’informatica Il bilancio d’esercizio 2002, disponibile al momento della costruzione dell’aggregato si riferiva solo a n. 69 / 150 imprese. Per assicurare la comparabilità tra i dati si è deciso di limitare l’analisi al 2001. Limiti d’indagine ex ante

50. TEST 1/3: Analisi marginale I° fonte attivata