3.3 Argomenti e metodi

Gli articoli nel database compilato coprono una varietà di aree relative al processo decisionale finanziario e usano diversi approcci metodologici MCDA. Nel distinguere tra i vari argomenti, abbiamo preso in considerazione tutte e tre le aree principali della finanza, compresa la finanza aziendale, gli investimenti e i mercati e le istituzioni finanziarie. Sulla base di queste aree principali, sono state definite 12 sottocategorie corrispondenti ai principali campi di ricerca in termini di domini di applicazione delle metodologie MCDA nel processo decisionale finanziario (gli articoli relativi a specifici argomenti di gestione del rischio finanziario al di fuori delle 12 categorie principali sono stati classificati in un gruppo separato). Le aree principali identificate in questa indagine includono:

–

Contabilità e revisione contabile: sebbene la contabilità e la revisione contabile siano aree di ricerca distinte dalla finanza, sono strettamente collegate a molte decisioni finanziarie, soprattutto per quanto riguarda la finanza aziendale. I metodi MCDA sono stati utilizzati per supportare le decisioni di contabilità/revisione e le relative pratiche in aree come la contabilità dei costi (Cicone, Udaeta, Grimoni, & Galvão, 2008), la contabilità di gestione (Frezatti, Agiar, Guerreiro, & Gouvea, 2011), la rilevazione delle frodi finanziarie (Gaganis, 2009; Pasiouras, Gaganis, & Zopounidis, 2007), e controlli di revisione interna (Sueyoshi, Shang, & Chiang, 2009), tra gli altri.

–

Valutazione delle attività: la valutazione delle attività si riferisce allo screening, alla valutazione e alla negoziazione di attività finanziarie a scopo di investimento. È parte integrante delle decisioni di investimento e della selezione e gestione del portafoglio, ma richiede tecniche diverse e strumenti analitici basati su metodi MCDA discreti (in contrasto con i modelli di ottimizzazione utilizzati nel processo di ottimizzazione del portafoglio; Xidonas, Mavrotas, Krintas, Psarras, & Zopounidis, 2012). La valutazione degli asset è solitamente implementata in termini di fattori fondamentali (vedi, per esempio, Albadvi, Chaharsooghi, & Esfahanipour, 2007, Sevastjanov & Dymova, 2009, e Xidonas, Mavrotas, & Psarras, 2009b, tra gli altri) così come nel contesto di strategie di trading attivo basate su indicatori tecnici (es, Huck, 2010; Ng, Liang, Li, Yeung, & Chan, 2014).

–

Banking: le applicazioni bancarie coprono un ampio spettro di aree relative alla gestione bancaria. Tra gli altri questi includono la performance e la stabilità delle banche (Doumpos & Zopounidis, 2010), la gestione del portafoglio prestiti e la concessione del credito, la gestione delle attività e delle passività (Kosmidou & Zopounidis, 2004), l’organizzazione delle reti di filiali bancarie (Bravo & Plà-Santamaria, 2012; Ferreira, Santos, & Rodrigues, 2010), e i servizi e-banking (Hu & Liao, 2011).

–

Finanza energetica: i mercati dell’energia e delle materie prime si sono sviluppati rapidamente negli ultimi due decenni. Le applicazioni rilevanti dei metodi MCDA riguardano la gestione del portafoglio e il trading, la determinazione dei prezzi, i problemi di funzionamento del mercato, e così via nei mercati dell’energia e delle materie prime.

–

Pianificazione finanziaria e budgeting del capitale: il budgeting del capitale e la pianificazione finanziaria costituiscono importanti aree di ricerca nella finanza e nella scienza della gestione. I metodi MCDA sono stati utilizzati per progettare allocazioni di bilancio e piani finanziari sia nel settore privato (Frezatti et al, 2011) e nel settore pubblico (Gómez, Ríos Insua, Lavín, & Alfaro, 2013), così come per gli individui (Cai & Ge, 2012).

–

Analisi delle performance finanziarie aziendali: la valutazione delle performance finanziarie aziendali è stato un popolare argomento di ricerca con diverse applicazioni di MCDA, che permettono l’aggregazione di più attributi di performance (finanziari e non finanziari) tenendo conto delle caratteristiche particolari dei diversi settori di attività (costruzioni, trasporti, sanità, agricoltura, ecc.Iazzolino, Laise, & Marraro, 2012).

–

Analisi del rischio paese: il rischio paese si riferisce alla probabilità che un paese abbia difficoltà a soddisfare i suoi obblighi di debito verso i suoi creditori. L’importanza di questo tipo di analisi è aumentata negli ultimi decenni in quanto le crisi finanziarie hanno causato grandi turbolenze in vari paesi, con la più recente crisi del debito sovrano in Europa. Le tecniche MCDA sono state utilizzate per supportare le previsioni economiche (Blair, Mandelker, Saaty, & Whitaker, 2010), per costruire indicatori compositi di rischio paese (Kosmidou, Doumpos, & Zopounidis, 2008), e per la gestione del debito pubblico (Balibek & Köksalan, 2010).

–

Valutazione del rischio di credito e previsione di fallimento: come il rischio paese, la valutazione del rischio di credito e la previsione di fallimento si riferiscono alla probabilità che le imprese o gli individui siano inadempienti sul loro debito. Il crescente numero di inadempienze dovuto alla recente stretta creditizia ha dimostrato che c’è ancora molto da fare in questo settore. I metodi MCDA sono stati usati come tecniche nonparametriche per dedurre dai dati modelli di previsione del rischio di credito e di fallimento, spesso facilitati dalla programmazione degli obiettivi, da tecniche multiobiettivo e da algoritmi evolutivi o in combinazione con algoritmi di data mining. Alcuni esempi possono essere trovati nei lavori di Doumpos (2012), He, Zhang, Shi, e Huang (2010), Yu, Wang, e Lai (2009), e Zhang, Gao, e Shi (2014), tra gli altri.

–

Valutazione degli investimenti: le decisioni di investimento sono una parte importante della teoria e della pratica della finanza aziendale. La teoria finanziaria si basa su criteri di valutazione finanziaria stabiliti (ad esempio, valore attuale netto, tasso interno di rendimento, periodo di recupero, ecc.) In un contesto multicriteriale, la prospettiva finanziaria è arricchita da nuovi fattori in un contesto più ampio di stakeholder (De Brucker, Macharis, & Verbeke, 2013), nonché attraverso l’introduzione di modelli formali per la modellazione delle preferenze e l’analisi del rischio (Vlaev, Chater, & Stewart, 2008).

–

Fusioni e acquisizioni: le fusioni e le acquisizioni (M&As) sono investimenti strategici che possono facilitare la crescita aziendale sfruttando le economie di scala e gli effetti sinergici. Hanno avuto un boom durante gli anni ’80 e ’90, mentre durante gli anni 2000 sono state osservate alcune tendenze di stabilizzazione. I metodi MCDA sono stati utilizzati per progettare alleanze strategiche, per supportare l’identificazione di accordi e obiettivi M5806>A, e per valutare i risultati delle M5806>A (vedi, Korhonen & Voutilainen, 2006, Lee, 2013, e Pasiouras, Gaganis, & Zopounidis, 2010, tra gli altri).

–

Investimenti socialmente responsabili (SRI): secondo la Global Sustainable Investment Review 2014 di Eurosif, il mercato degli investimenti sostenibili ha superato i 21.000 miliardi di dollari a livello globale, rappresentando più del 30% del patrimonio gestito professionalmente. MCDA è stato impiegato per estendere i tradizionali modelli di investimento rischio-rendimento attraverso l’introduzione di criteri SRI non finanziari (si veda, tra gli altri, Ballestero, Bravo, Pérez-Gladish, Arenas-Parra, & Plà-Santamaria, 2012 e Bilbao-Terol, Arenas-Parra, & Cañal Fernández, 2012) e come strumento per analizzare e spiegare il processo SRI (Utz, Wimmer, Hirschberger, & Steuer, 2014).

–

Ottimizzazione del portafoglio: l’ottimizzazione del portafoglio si riferisce all’allocazione dei fondi in un insieme di attività finanziarie selezionate (azioni, fondi, attività a reddito fisso, ecc.). Nel quadro tradizionale della media-varianza, l’allocazione è formulata come un modello di ottimizzazione bi-obiettivo rischio-rendimento. Come spiegato nella sezione 2, negli ultimi due decenni sono stati fatti diversi progressi nell’introduzione di nuove misure coerenti del rischio. La natura multidimensionale del rischio (Doumpos & Zopounidis, 2014) ha dato origine a formulazioni di programmazione multiobiettivo e obiettivo, che consentono l’aggregazione di più misure di selezione del portafoglio e permettono ulteriormente di prendere in considerazione ulteriori caratteristiche reali (diversificazione, liquidità, dividendi, ecc.); Steuer, Qi, & Hirschberger, 2007).

In termini di approcci metodologici, consideriamo le quattro principali correnti di ricerca MCDA (Pardalos, Siskos, & Zopounidis, 1995), tra cui l’ottimizzazione multiobiettivo (MO), la teoria dell’utilità multiattributo (MAUT), le relazioni di outranking (OR) e l’analisi della disaggregazione delle preferenze (PDA). Oltre a questi campi principali della ricerca MCDA, sono anche considerate ulteriori categorie che rappresentano particolari tipi di modelli decisionali e tecniche di analisi, vale a dire la programmazione a obiettivi (GP), algoritmi evolutivi/metaeuristici (EA/MH), modelli fuzzy, modelli basati su regole (RBM), così come metodi popolari come AHP (incluso ANP) e TOPSIS. Inoltre, prendiamo in considerazione altri metodi e approcci (per esempio, modelli specifici e altre tecniche come DEMATEL, VIKOR, analisi relazionale grigia, ecc.; questi sono tutti assegnati a una categoria principale etichettata “altro”), così come le combinazioni con l’analisi di inviluppo dei dati (DEA) e le tecniche di data mining (DM) (esclusi gli articoli puramente DEA/DM).

Tabella 5. Pubblicazioni per area tematica e approccio metodologico.

MO AHP GP EA/MH Fuzzy PDA OR DM MAUT TOPSIS DEA RBM Altro Totale
Ottimizzazione del portafoglio 188 11 48 64 30 1 6 2 5 2 2 1 11 262
Credito rischio/fallimento 25 18 25 5 8 27 13 21 10 10 3 5 8 108
Valutazione del patrimonio 31 17 7 20 10 8 10 5 4 4 4 2 0 10 78
Banking 9 27 9 2 16 11 8 2 5 8 5 4 8 73
Prestazione aziendale 3 16 4 1 17 5 9 1 1 11 1 3 9 51
Budg. & fin. pianificazione 13 12 15 2 2 0 2 1 4 0 1 0 3 42
Valutazione degli investimenti 7 22 3 0 9 0 1 2 7 1 1 0 7 41
SRI 5 3 8 1 1 0 0 0 2 0 1 0 1 18
Contabilità/revisione 2 6 0 1 2 8 0 2 0 0 0 1 1 0 17
Rischio paese 4 4 0 1 0 4 2 0 2 1 0 1 1 17
Finanza energetica 7 2 0 1 0 0 0 0 1 0 0 0 0 0 10
M&A 0 5 0 0 1 2 0 0 0 1 0 0 1 8
Altro risk mgmt 6 8 3 1 2 1 1 1 1 2 1 0 0 1 22
Totale 273 124 103 92 89 57 45 36 36 33 15 13 54

Tabella 6. Articoli che usano combinazioni (coppie) di metodi.

DEA DM EA/MH Fuzzy GP MAUT MO OR PDA RBM TOPSIS Altro
AHP 5 6 1 32 6 3 2 2 1 2 15 14
DEA > 1 0 1 2 0 3 0 1 0 2 1
DM 5 2 6 0 18 4 10 1 4 2
EA/MH 7 1 3 82 3 5 0 0 1
Fuzzy 7 0 35 4 1 3 19 11
GP 3 8 0 7 1 2 1
MAUT 4 2 8 1 0 2
MOP 0 5 2 1 3
O 8 1 2 3
PDA 2 0 2
RBM 3>. 1 1
TOPSIS >. 4

La tabella 5 elenca tutte le aree di applicazione considerate e gli approcci metodologici, insieme al numero di articoli in tutte le combinazioni di queste due dimensioni. L’ultima colonna della tabella rappresenta il numero di articoli in ogni area di applicazione, mentre l’ultima riga mostra il numero di articoli in ogni approccio metodologico MCDA. Va notato che questi totali non sono uguali alle somme riga/colonna, poiché un articolo può essere collegato a più aree di applicazione finanziaria e utilizzare una combinazione di metodi e approcci MCDA. La tabella 6 fornisce ulteriori dettagli sulle combinazioni di metodi che sono stati utilizzati. La tabella riporta il numero di articoli che utilizzano diverse coppie di approcci (ci concentriamo sulle coppie poiché la stragrande maggioranza degli articoli -circa il 90%- ha utilizzato al massimo due metodi).

I risultati riassuntivi indicano chiaramente che l’ottimizzazione del portafoglio (PO) è l’area che è stata studiata più ampiamente con tecniche MCDA, cioè MO e GP. Steuer e Na (2003) hanno anche trovato che l’analisi di portafoglio è l’area di ricerca MCDA-finance più attiva nel periodo precedente al 2002 (anche se non hanno distinto tra PO e valutazione degli asset). La popolarità della PO può essere attribuita a una serie di ragioni. Si tratta di un problema sfaccettato che pone una serie di sfide algoritmiche e di modellazione (ad esempio, modellazione del rischio, dati di vario tipo, natura dinamica, ecc.), ed è rilevante in vari contesti, tra cui portafogli azionari e portafogli di fondi, così come nel contesto di attività di mercati non finanziari (ad esempio, mercati energetici e materie prime). La maggior parte dei modelli MO/GP proposti per i PO si sono basati sulla combinazione di più misure di rischio (ad esempio, skewness/kurtosis, misure di value-at-risk, omega ratio, rischio sistemico, ecc.), spesso considerando ulteriormente ulteriori obiettivi e finalità (liquidità, dividendi, diversificazione, ecc.). EA/MH sono stati anche molto popolari in PO, in particolare quando si tratta di criteri e modelli non convessi di selezione del portafoglio (ad esempio, skewness/kurtosis, value at risk), nonché nei casi in cui vengono aggiunte nell’analisi ulteriori caratteristiche reali, come i vincoli di cardinalità (Mansini, Ogryczak, & Speranza, 2014). Steuer (2013) distingue tre tipi di approcci MCDA in PO. Gli approcci a priori utilizzano informazioni prestabilite sulle preferenze del decisore (investitore, gestore di portafoglio) per trovare il portafoglio efficiente più adatto. I modelli GP spesso impiegano un tale approccio. Gli approcci a posteriori, d’altra parte, si concentrano sul trovare l’insieme completo di portafogli efficienti in una singola esecuzione, senza richiedere la specificazione di dati preferenziali. EA/MH sono tipicamente impiegati in questo quadro, in particolare nelle istanze più complesse come notato sopra (per una panoramica di EA/MH in PO, si veda Metaxiotis & Liagkouras, 2012). Un’ultima classe di procedure si basa su tecniche interattive che permettono la progressiva articolazione di informazioni preferenziali sulla politica di investimento del decisore (si veda, per esempio, Xidonas, Mavrotas, & Psarras, 2010a).

PO è strettamente legato ad altre aree tematiche considerate in questa indagine, vale a dire la valutazione degli asset, SRI e finanza energetica. Sorprendentemente, solo 12 pubblicazioni hanno affrontato la gestione del portafoglio in un quadro integrato che combina PO e valutazione degli asset (vedi, Kiris & Ustun, 2012, Pendaraki, Zopounidis, & Doumpos, 2005, Pérez-Gladish, Jones, Tamiz, & Bilbao Terol, 2007, e Xidonas, Askounis, & Psarras, 2009a, tra gli altri). Tutti questi lavori hanno considerato il processo di valutazione degli asset in termini di fattori fondamentali, spesso realizzati nel contesto della gestione dei fondi, utilizzando metodologie basate principalmente su AHP/ANP, OR e PDA. Le tecniche MO e EA/MH, d’altra parte, sono state anche popolari per la valutazione degli asset, principalmente nel contesto del trading algoritmico e dell’analisi tecnica (vedi, Bodas-Sagi, Fernández-Blanco, Hidalgo, & Soltero-Domingo, 2013, Chiam, Tan, & Al Mamun, 2009, e Ng et al., 2014, tra gli altri). È anche interessante notare che la metà degli articoli sull’ISR (9 su 18 articoli) incorporano anche aspetti PO e sei dei 18 articoli ISR considerano gli aspetti sociali come parte del processo di valutazione degli asset. È interessante notare che tutti gli articoli SRI, tranne uno, sono stati pubblicati nel periodo che va dal 2009 al 2014, il che indica che si tratta di una tendenza emergente negli investimenti finanziari e nella gestione del portafoglio.

A parte i suddetti argomenti legati agli investimenti, anche la valutazione del rischio di credito e la previsione del fallimento sono stati argomenti molto popolari, con 108 articoli pertinenti, mentre nella precedente indagine di Steuer e Na (2003) questa area non era identificata come un argomento di ricerca distinto. In quest’area è stata usata una varietà di metodologie diverse, le più popolari sono MO, PDA, GP e OR. I modelli di previsione del rischio di credito e della bancarotta sono di solito costruiti a partire da database esistenti sulle inadempienze e i fallimenti (dati aziendali o dei consumatori). Le tecniche PDA impiegano comunemente formulazioni MO e GP per dedurre modelli decisionali da istanze di dati esistenti. Alcuni esempi possono essere trovati nei lavori di Doumpos e Zopounidis (2011), Peng, Kou, Shi, e Chen (2008), e Zhang et al. (2014), tra gli altri. Tecniche simili sono state utilizzate anche per analizzare e prevedere i rating emessi dalle principali agenzie di rating del credito, che sono ampiamente utilizzati dai decisori finanziari, dagli investitori e dalle autorità di regolamentazione (Doumpos, Niklis, Zopounidis, & Andriosopoulos, 2015; Doumpos & Pasiouras, 2005), mentre altri studi si sono concentrati su modelli specializzati per aree come i prestiti ipotecari e le spedizioni (vedi Ferreira, Santos, Marques, & Ferreira, 2014, e Gavalas & Syriopoulos, 2014, tra gli altri). Vale anche la pena notare che diversi studi in questo settore hanno esplorato combinazioni di metodi MCDA con modelli di data mining, come reti neurali, metodi kernel, ragionamento basato sui casi e algoritmi di clustering. Tali combinazioni sono state considerate in tre forme principali: (a) utilizzando modelli MO/GP (spesso facilitati da EA/MH) per la formazione di modelli di data mining (ad esempio, Pendharkar & Nanda, 2006; Zhang et al., 2014), (b) utilizzando la struttura complessa e il potere di rappresentazione dei modelli di data mining per la costruzione di accurati sistemi di valutazione e previsione del rischio multicriterio (ad esempio, Chen & Hu, 2011; Hu, 2009), e (c) utilizzando tecniche MCDA per valutare le prestazioni dei modelli di previsione (ad esempio, Wu & Hsu, 2012).

Anche le applicazioni nel settore bancario hanno attirato un notevole interesse, in particolare dopo la crisi globale del credito del 2007/2008. Ciò è evidenziato dal fatto che 54 dei 73 articoli sulle applicazioni bancarie sono stati pubblicati dal 2010 al 2014. Come la valutazione del rischio di credito e la previsione del fallimento, anche il settore bancario non è stato considerato come un’area di ricerca distinta nell’indagine di Steuer e Na (2003). Così, nell’ultimo decennio il settore bancario è emerso come un’area di particolare interesse per l’applicazione dei metodi MCDA. Tali metodi applicati nel settore bancario includono AHP/ANP (spesso combinato con modelli fuzzy) così come le tecniche PDA, OR, e GP. I temi di applicazione includono la valutazione della performance della banca (per esempio, Doumpos & Zopounidis, 2010; Grigoroudis, Tsitsiridi, & Zopounidis, 2013; Ioannidis, Pasiouras, & Zopounidis, 2010; Shen & Tzeng, 2014a), la gestione degli asset-liability (ad esempio, Kosmidou & Zopounidis, 2007), la gestione delle filiali bancarie (ad esempio, Ferreira et al., 2010), e servizi di e-banking (ad esempio, Hu & Liao, 2011; Kaya & Kahraman, 2011), tra gli altri.

Temi simili sono stati considerati anche al di fuori del settore bancario in altri studi che si sono concentrati sulla performance aziendale in settori come i trasporti, l’agricoltura, le assicurazioni, le costruzioni, ecc. Come è evidente dalla tabella 5, i metodi utilizzati per valutare la performance aziendale sono abbastanza simili a quelli utilizzati nel settore bancario.

Per quanto riguarda le altre aree di applicazione, vale la pena notare che nel capital budgeting e nella pianificazione finanziaria abbiamo identificato solo 41 articoli pubblicati dal 2002. Questo è un calo notevole rispetto all’indagine di Steuer e Na (2003), che ha trovato queste aree ampiamente studiate nel periodo precedente al 2002 (quando insieme erano in realtà più popolari dell’analisi di portafoglio).

Dal punto di vista metodologico, il MO è chiaramente l’approccio dominante con 273 articoli. La maggior parte dei lavori che utilizzano il MO sono legati all’OP (188 studi), seguiti dalla valutazione delle attività (31 studi) e dalla valutazione del rischio di credito/previsione del fallimento (25 lavori). Come mostrato nella tabella 6, una parte significativa degli studi che usano MO lo combinano con tecniche EA/MH (82 articoli), modelli fuzzy (35 studi), e algoritmi di data mining (18 articoli).

AHP/ANP è stato il secondo approccio più popolare. Questo è un aumento importante se paragonato alla precedente indagine di Steuer e Na (2003), che ha trovato che solo un piccolo numero di studi si basava su AHP prima del 2002. È interessante notare che i documenti relativi all’AHP/ANP abbracciano l’intero spettro delle applicazioni finanziarie, spesso combinati con modelli fuzzy e altre tecniche MCDA, specialmente TOPSIS.

Come il MO, anche il GP è stato un popolare approccio di modellazione e soluzione per le decisioni finanziarie in PO e la previsione del rischio di credito/fallimento. Anche il capital budgeting e la pianificazione finanziaria sono stati argomenti popolari per le applicazioni dei modelli GP. Tuttavia, in contrasto con i modelli MO, GP è stato meno spesso combinato con altri approcci. Tra questi, i modelli fuzzy, DM e PDA sono stati i più popolari.

PDA è stato l’approccio più popolare per i modelli di previsione del rischio di credito/fallimento. Questo si spiega con la natura della struttura PDA, che si concentra sull’inferenza di modelli decisionali dai dati. Questa caratteristica si adatta bene al contesto della modellazione del rischio di credito e della previsione delle difficoltà finanziarie. A tal fine, il quadro di PDA è solitamente implementato con diversi modelli OR e MAUT (ad esempio, Bugera, Konno, & Uryasev, 2002; Doumpos, 2012; Doumpos & Zopounidis, 2011) o in combinazione con tecniche DM (Peng et al, 2008).

Tra gli altri principali approcci di modellazione MCDA, MAUT è stato utilizzato in 36 studi, mentre le tecniche basate su regole (ad esempio, dominance-based rough sets; Greco, Matarazzo, & Slowinski, 2013; Shen & Tzeng, 2014b) sono state utilizzate in 13 pubblicazioni. Il piccolo numero di applicazioni di MAUT nel processo decisionale finanziario rispetto ad altri approcci è stato riportato anche da Steuer e Na (2003), che hanno trovato solo otto pubblicazioni rilevanti nel periodo precedente al 2002. Infine, vale la pena notare che alcuni studi (15 in totale) hanno usato la DEA come tecnica di valutazione multicriteriale basata sui dati combinata con approcci MCDA tradizionali come MO, GP, AHP/ANP, e TOPSIS (Amiri, Zandieh, Vahdani, Soltani, & Roshanaei, 2010; Che, Wang, & Chuang, 2010; Yang, Wong, Xu, Liu, & Steuer, 2010). La DEA fornisce un approccio conveniente per le valutazioni multicriteriali utilizzando informazioni minime, poiché le valutazioni sono guidate dai dati. Tuttavia, quando vengono utilizzati in un contesto MCDA, i modelli di valutazione basati su DEA sono soggetti a problemi metodologici (per una discussione completa, si veda Bouyssou, 1999; Tofallis, 2010).