Il termometro dei mercati finanziari (22 Ottobre 2021)
a cura di Emilio Barucci e Daniele Marazzina

Termometro

Ott 24 2021
Il termometro dei mercati finanziari (22 Ottobre 2021) a cura di Emilio Barucci e Daniele Marazzina

L’iniziativa di Finriskalert.it “Il termometro dei mercati finanziari” vuole presentare un indicatore settimanale sul grado di turbolenza/tensione dei mercati finanziari, con particolare attenzione all’Italia.

Significato degli indicatori

  • Rendimento borsa italiana: rendimento settimanale dell’indice della borsa italiana FTSEMIB;
  • Volatilità implicita borsa italiana: volatilità implicita calcolata considerando le opzioni at-the-money sul FTSEMIB a 3 mesi;
  • Future borsa italiana: valore del future sul FTSEMIB;
  • CDS principali banche 10Ysub: CDS medio delle obbligazioni subordinate a 10 anni delle principali banche italiane (Unicredit, Intesa San Paolo, MPS, Banco BPM);
  • Tasso di interesse ITA 2Y: tasso di interesse costruito sulla curva dei BTP con scadenza a due anni;
  • Spread ITA 10Y/2Y : differenza del tasso di interesse dei BTP a 10 anni e a 2 anni;
  • Rendimento borsa europea: rendimento settimanale dell’indice delle borse europee Eurostoxx;
  • Volatilità implicita borsa europea: volatilità implicita calcolata sulle opzioni at-the-money sull’indice Eurostoxx a scadenza 3 mesi;
  • Rendimento borsa ITA/Europa: differenza tra il rendimento settimanale della borsa italiana e quello delle borse europee, calcolato sugli indici FTSEMIB e Eurostoxx;
  • Spread ITA/GER: differenza tra i tassi di interesse italiani e tedeschi a 10 anni;
  • Spread EU/GER: differenza media tra i tassi di interesse dei principali paesi europei (Francia, Belgio, Spagna, Italia, Olanda) e quelli tedeschi a 10 anni;
  • Euro/dollaro: tasso di cambio euro/dollaro;
  • Spread US/GER 10Y: spread tra i tassi di interesse degli Stati Uniti e quelli tedeschi con scadenza 10 anni;
  • Prezzo Oro: quotazione dell’oro (in USD)
  • Spread 10Y/2Y Euro Swap Curve: differenza del tasso della curva EURO ZONE IRS 3M a 10Y e 2Y;
  • Euribor 6M: tasso euribor a 6 mesi.

I colori sono assegnati in un’ottica VaR: se il valore riportato è superiore (inferiore) al quantile al 15%, il colore utilizzato è l’arancione. Se il valore riportato è superiore (inferiore) al quantile al 5% il colore utilizzato è il rosso. La banda (verso l’alto o verso il basso) viene selezionata, a seconda dell’indicatore, nella direzione dell’instabilità del mercato. I quantili vengono ricostruiti prendendo la serie storica di un anno di osservazioni: ad esempio, un valore in una casella rossa significa che appartiene al 5% dei valori meno positivi riscontrati nell’ultimo anno. Per le prime tre voci della sezione “Politica Monetaria”, le bande per definire il colore sono simmetriche (valori in positivo e in negativo). I dati riportati provengono dal database Thomson Reuters. Infine, la tendenza mostra la dinamica in atto e viene rappresentata dalle frecce: ↑,↓, ↔  indicano rispettivamente miglioramento, peggioramento, stabilità rispetto alla rilevazione precedente.

Disclaimer: Le informazioni contenute in questa pagina sono esclusivamente a scopo informativo e per uso personale. Le informazioni possono essere modificate da finriskalert.it in qualsiasi momento e senza preavviso. Finriskalert.it non può fornire alcuna garanzia in merito all’affidabilità, completezza, esattezza ed attualità dei dati riportati e, pertanto, non assume alcuna responsabilità per qualsiasi danno legato all’uso, proprio o improprio delle informazioni contenute in questa pagina. I contenuti presenti in questa pagina non devono in alcun modo essere intesi come consigli finanziari, economici, giuridici, fiscali o di altra natura e nessuna decisione d’investimento o qualsiasi altra decisione deve essere presa unicamente sulla base di questi dati.

Gli Assetti proprietari delle società quotate italiane dopo la crisi
a cura di Emilio Barucci e Davide Stocco

Articolo

Ott 22 2021
Gli Assetti proprietari delle società quotate italiane dopo la crisi a cura di Emilio Barucci e Davide Stocco

Negli ultimi dieci anni abbiamo assistito ad una ricomposizione degli assetti proprietari delle società quotate italiane che è andata in diverse direzioni:​

  • Aumento della quota del primo azionista (soprattutto nel caso di SPA e persone fisiche);
  • Diminuzione del numero degli azionisti rilevanti (ossia gli azionisti dichiaranti – con quota superiore al 2% – diversi dal primo);
  • Aumento della quota di mercato (azionisti non rilevanti).

Vediamo nel dettaglio come sono cambiati gli assetti proprietari.

La quota media detenuta dai primi azionisti cresce dal 2008 al 2019, passando dal 46,8% al 48,0% (+1,2%). Al contempo, la media della quota di azioni senza diritto di voto del primo azionista rimane pressoché invariata (l’analisi è presentata senza considerare i patti di sindacato ma la loro inclusione non cambia in misura significativa il quadro).

In modo similare, le quote di azioni detenute da azionisti non rilevanti (ossia coloro che non sono tenuti a dichiarare le proprie quote) aumenta dal 2008 al 2019 passando dal 34,0% al 39,1%.

Due dinamiche in controtendenza: la prima porta ad una maggiore concentrazione con un rafforzamento del primo azionista, la seconda ad una maggiore diffusione dell’azionariato.

Passiamo ad analizzare le forme societarie dei primi azionisti. Le forme societarie più presenti sono rappresentate da Persone Fisiche e SPA, mentre quelle meno rappresentate sono Assicurazioni, Fondazioni e Cooperative.  Le forme societarie del primo azionista con quote più elevate nel 2008 erano rappresentate da Assicurazioni e Cooperative. Queste mostrano una costante diminuzione nelle quote medie detenute. Le Fondazioni, invece, registrano un aumento della quota media nel 2012, per poi conoscere una drastica riduzione. Si deve tenere conto, comunque, che si tratta di un dato poco significativo in quanto le società con il primo azionista caratterizzato da queste forme societarie sono in numero limitato. I Fondi (comuni di investimento, pensione, private equity) detengono mediamente quote stabili quando sono il primo azionista (attorno al 35% circa) durante tutto l’intervallo temporale considerato. Persone Fisiche e SPA conoscono invece un aumento della quota media detenuta, diventando le forme societarie dei primi azionisti con quote medie più elevate nel 2019.

Un altro dato interessante riguarda le quote dei primi azionisti e le quote di mercato per segmento di mercato. La quota media del primo azionista è più elevata per le società Mid-, Small-cap e per le società appartenenti al segmento STAR. Nel caso del FTSE-MIB essa aumenta dal 2016 al 2019, mentre subisce una diminuzione nel segmento delle Mid-cap. Al contrario, la quota media detenuta dal primo azionista nelle Small-cap e nel segmento STAR è pressoché costante durante tutto l’intervallo di tempo considerato.

La quota media di mercato più elevata si osserva per il segmento FTSE-MIB per l’intero periodo analizzato: dopo un incremento fino al 2016 assistiamo ad una sua diminuzione nel 2019 che torna ad essere pari a quella del 2008. Le quote di mercato medie relative agli altri tre segmenti subiscono invece una crescita dal 2012 in avanti. In particolare, la quota di mercato media relativa alle Mid-cap subisce la crescita percentuale più elevata arrivando al 45,2% di quota di mercato media nel 2019.

Per quanto riguarda gli azionisti rilevanti diversi dal primo, notiamo una diminuzione nel numero di dichiaranti. Si passa infatti da una media di 3,4 azionisti dichiaranti per società nel 2008 a 1,4 nel 2019. Le quote medie detenute dagli azionisti rilevanti subiscono una debole crescita. Se consideriamo la forma societaria degli azionisti rilevanti, abbiamo che la quota media del capitale degli azionisti rilevanti diversi dal primo di Fondazioni e Assicurazioni rimane pressoché invariata durante il periodo 2008-2019. Al contempo, Cooperative e Fondi aumentano le proprie quote medie nel 2016, per poi diminuire nuovamente nel 2019. Infine, la quota media detenuta da SPA e Persone Fisiche aumenta nel periodo considerato nell’analisi.

Sia nel caso del primo azionista che di azionisti rilevanti diversi dal primo, la percentuale di azionisti italiani diminuisce nel tempo, lasciando maggiore spazio a quelli stranieri. Nel caso dei primi azionisti, la percentuale di italiani passa dall’87,1% all’82,0%. In modo similare, per quanto riguarda gli azionisti rilevanti diversi dal primo, la diminuzione della loro presenza è attribuibile in larga misura agli azionisti italiani: la quota di società con almeno un azionista rilevante escluso il primo di nazionalità italiana passa dal 56% al 38%, mentre la quota di società con almeno un azionista straniero escluso il primo passa dal 36% al 31%.

Possiamo concludere che il mercato azionario italiano ha visto un rafforzamento della figura del primo azionista e un ampliamento della base di quota di mercato, a discapito degli azionisti rilevanti non di controllo. Al contempo, gli azionisti stranieri hanno assunto maggiore spazio.

In sintesi due dati emergono:

  • un rafforzamento della quota del primo azionista (di controllo) che fa il paio con un aumento dei piccoli azionisti
  • una diminuzione del ruolo degli azionisti rilevanti diversi dal primo azionista.

Questi dati destano attenzione in quanto abbiamo un aumento del ruolo del primo azionista e dei piccoli azionisti che difficilmente esercitano la loro ‘’voce’’ mentre gli azionisti che dovrebbero svolgere un ruolo di monitoraggio (in quanto più esposti nel capitale) sono meno presenti.

Il termometro dei mercati finanziari (15 Ottobre 2021)
a cura di Emilio Barucci e Daniele Marazzina

Termometro

Ott 16 2021
Il termometro dei mercati finanziari (15 Ottobre 2021) a cura di Emilio Barucci e Daniele Marazzina

L’iniziativa di Finriskalert.it “Il termometro dei mercati finanziari” vuole presentare un indicatore settimanale sul grado di turbolenza/tensione dei mercati finanziari, con particolare attenzione all’Italia.

Significato degli indicatori

  • Rendimento borsa italiana: rendimento settimanale dell’indice della borsa italiana FTSEMIB;
  • Volatilità implicita borsa italiana: volatilità implicita calcolata considerando le opzioni at-the-money sul FTSEMIB a 3 mesi;
  • Future borsa italiana: valore del future sul FTSEMIB;
  • CDS principali banche 10Ysub: CDS medio delle obbligazioni subordinate a 10 anni delle principali banche italiane (Unicredit, Intesa San Paolo, MPS, Banco BPM);
  • Tasso di interesse ITA 2Y: tasso di interesse costruito sulla curva dei BTP con scadenza a due anni;
  • Spread ITA 10Y/2Y : differenza del tasso di interesse dei BTP a 10 anni e a 2 anni;
  • Rendimento borsa europea: rendimento settimanale dell’indice delle borse europee Eurostoxx;
  • Volatilità implicita borsa europea: volatilità implicita calcolata sulle opzioni at-the-money sull’indice Eurostoxx a scadenza 3 mesi;
  • Rendimento borsa ITA/Europa: differenza tra il rendimento settimanale della borsa italiana e quello delle borse europee, calcolato sugli indici FTSEMIB e Eurostoxx;
  • Spread ITA/GER: differenza tra i tassi di interesse italiani e tedeschi a 10 anni;
  • Spread EU/GER: differenza media tra i tassi di interesse dei principali paesi europei (Francia, Belgio, Spagna, Italia, Olanda) e quelli tedeschi a 10 anni;
  • Euro/dollaro: tasso di cambio euro/dollaro;
  • Spread US/GER 10Y: spread tra i tassi di interesse degli Stati Uniti e quelli tedeschi con scadenza 10 anni;
  • Prezzo Oro: quotazione dell’oro (in USD)
  • Spread 10Y/2Y Euro Swap Curve: differenza del tasso della curva EURO ZONE IRS 3M a 10Y e 2Y;
  • Euribor 6M: tasso euribor a 6 mesi.

I colori sono assegnati in un’ottica VaR: se il valore riportato è superiore (inferiore) al quantile al 15%, il colore utilizzato è l’arancione. Se il valore riportato è superiore (inferiore) al quantile al 5% il colore utilizzato è il rosso. La banda (verso l’alto o verso il basso) viene selezionata, a seconda dell’indicatore, nella direzione dell’instabilità del mercato. I quantili vengono ricostruiti prendendo la serie storica di un anno di osservazioni: ad esempio, un valore in una casella rossa significa che appartiene al 5% dei valori meno positivi riscontrati nell’ultimo anno. Per le prime tre voci della sezione “Politica Monetaria”, le bande per definire il colore sono simmetriche (valori in positivo e in negativo). I dati riportati provengono dal database Thomson Reuters. Infine, la tendenza mostra la dinamica in atto e viene rappresentata dalle frecce: ↑,↓, ↔  indicano rispettivamente miglioramento, peggioramento, stabilità rispetto alla rilevazione precedente.

Disclaimer: Le informazioni contenute in questa pagina sono esclusivamente a scopo informativo e per uso personale. Le informazioni possono essere modificate da finriskalert.it in qualsiasi momento e senza preavviso. Finriskalert.it non può fornire alcuna garanzia in merito all’affidabilità, completezza, esattezza ed attualità dei dati riportati e, pertanto, non assume alcuna responsabilità per qualsiasi danno legato all’uso, proprio o improprio delle informazioni contenute in questa pagina. I contenuti presenti in questa pagina non devono in alcun modo essere intesi come consigli finanziari, economici, giuridici, fiscali o di altra natura e nessuna decisione d’investimento o qualsiasi altra decisione deve essere presa unicamente sulla base di questi dati.

Salute finanziaria e credit risk: metodi nuovi per tempi nuovi
a cura di Raffaele Zenti

Articolo

Ott 16 2021
Salute finanziaria e credit risk: metodi nuovi per tempi nuovi a cura di Raffaele Zenti

I vasti cambiamenti degli ultimi due anni hanno reso meno rilevanti gran parte dei dati storici ufficiali delle imprese, tradizionalmente forniti dai credit bureau. E questo sia che si valuti il merito di credito, il rischio di abbandono (churn risk) o che si debbano segmentare i clienti, ad esempio in funzione del loro potenziale futuro.

È intuitivo che dopo due anni di pandemia l’analisi dei dati contabili su base storica (tipica dei modelli di credit scoring d’impostazione tradizionale) non si presti a facili generalizzazioni. Troppi cambiamenti strutturali.

Basta pensare che da aprile 2020 a settembre 2021 lo Stato ha concesso alle imprese italiane oltre 200 miliardi di prestiti garantiti al 90%-100%. Questo (relativamente) facile accesso al credito ha permesso a molte imprese di sopravvivere: ossigeno puro, che ha consentito una lunga apnea all’economia italiana colpita dalla pandemia. Il problema è che l’effetto dell’ossigeno puro consiste nell’allungare abnormalmente le apnee, che risultano sostanzialmente “dopate”. E quando l’effetto dell’ossigeno termina, arrivano le contrazioni diaframmatiche: la magia dell’apnea “drogata dall’ossigeno” finisce lì, tra gli spasmi addominali. Per le PMI italiane le prime contrazioni diaframmatiche si avvertiranno verosimilmente a inizio 2022. Ora, alcune aziende si sono riprese, altre saranno in seria difficoltà, senza ossigeno e senza manco l’aria: considerate che secondo Istat il 45% delle aziende italiane era a rischio già a fine 2020 – si veda la Figura 1 – e ora siamo a fine 2021.

Figura 1: la situazione delle imprese italiane

Fonte dati: Istat, “Rapporto sulla competitività dei settori produttivi” 2021.

Per un intermediario finanziario, distinguere tempestivamente le imprese in buona salute finanziaria dalle altre è dunque essenziale. Discorso analogo si applica agli individui.

Ora, i dati transazionali (o transactional data) possono essere di grande aiuto in questo senso. Provengono dai conti correnti, quindi si tratta di dati onnipresenti e abbondanti (chi non ha un c/c?), che forniscono informazioni puntuali sulla tipologia e la dinamica dei flussi di cassa e dei saldi. Non mentono, se opportunamente masticati e digeriti: per ottenere informazioni salienti sulla salute finanziaria del titolare del conto occorre istruire una macchina a fare più o meno quello che fa un Sapiens se gli viene chiesto di dare un’occhiata a un storico di un c/c. Cioè leggere attentamente ed interpretare i dati, evidenziando “pattern”, elementi strutturali e situazioni tipiche, o atipiche. Gli algoritmi di Machine Learning funzionano diversamente dal cervello umano, ma proprio come accade ai Sapiens, ce la fanno, e riescono a delineare lo stato di salute finanziaria del c/c sfruttando la capacità interpretativa di tecniche di Unsupervised Machine Learning, Sequence Labeling e Anomaly Detection. Va anche detto che i dati transazionali possono essere utilmente aggregati ad altre fonti di dati (ad esempio, open data, o altre banche dati interne) utilizzando metodi Bayesiani, perfetti a tal fine. Il risultato è un quadro d’insieme efficace per rivelare lo stato di salute finanziaria di un soggetto – si veda l’esempio della Figura 2.

Figura 2: “the big picture” di un’azienda rivelata dai transactional data (Fonte: elaborazione Virtual B/SDG)

I transactional data, oltre a dare informazioni tempestive per svelare lo stato di salute finanziaria di un’impresa (o individuo), consentono individuare rischi di filiera e di sistema. La Network Analysis, utilizzata “cum grano salis”, dà una grossa mano in tal senso, evidenziando i fenomeni di percolazione del rischio nel tessuto economico di un’area o un settore. Infatti, dai dati transazionali emerge chi-paga-chi: la catena di dipendenze nei flussi di cassa che descrive il fluire del denaro tra clienti e fornitori, a cascata. Questa rete di relazioni tra imprese fatta di pagamenti tra A e B, con importi, segni, date e causali, è la materia prima dalla quale si possono trarre informazioni preziosissime. Utilizzando la Network Analysis si possono cogliere queste informazioni. La Figura 3 rappresenta la filiera produttiva (la chiameremo “Filiera X”): ogni puntino è un’impresa, piccola o grande, collegata alle altre da linee che rappresentano i flussi di denaro (e, su un’altro piano, di beni e servizi). Per un intermediario finanziario che eroga servizi finanziari a queste imprese, emerge un quadro sistematico. I punti rossi rappresentano aziende che costituiscono “snodi” critici all’interno di una rete d’imprese. Con strumenti di questo tipo si possono prevenire situazioni di stress finanziario e rischio sistemico, anziché gestirle a posteriori.

Figura 3: rischi di sistema (Fonte: elaborazione Virtual B)

Da non trascurare infine un fatto: i transactional data sono nettamente più economici dei dati dei bureau creditizi. Grazie a PSD2 è relativamente semplice accedere a servizi di data aggregation e, dietro consenso del cliente, ottenere i dati dei suoi rapporti bancari, ricostruendo il quadro d’insieme.

In definitiva, i transactional data non sostituiscono né i dati, né i modelli tradizionali di credit scoring e di segmentazione della clientela, bensì si affiancano ad essi. Essi forniscono segnali più abbondanti e a più alta frequenza rispetto ai dati derivanti dalla contabilità ufficiale, quindi possono costiture variabili aggiuntive con cui arricchire i credit model tradizionali, oltre a fornire valutazione tempestive dei clienti – ad esempio valutazioni prventive di affidabilità.

E questo è importante, nell’epoca dei servizi fruibili sempre e istantaneamente, ovunque, in modalità multi-canale.

FinTech Milano Hub: fino al 29 ottobre si possono presentare i progetti FinTech

News

Ott 16 2021

Fino al 29 ottobre sarà possibile presentare progetti innovativi nel settore FinTech per Milano Hub, il centro di innovazione realizzato dalla Banca d’Italia per sostenere l’evoluzione digitale del mercato finanziario…

https://www.bancaditalia.it/media/notizia/fintech-milano-hub-fino-al-29-ottobre-si-possono-presentare-i-progetti-fintech/?com.dotmarketing.htmlpage.language=102