I segnali contabili che anticipano i guai di un’azienda non sono un allarme antifurto: sono un rilevatore di fumo. Tre modelli accademici — il Beneish M-Score per le anomalie contabili, l’Altman Z-Score per lo stress finanziario e il Piotroski F-Score per la solidità operativa — leggono il bilancio cercando incoerenze che di solito precedono i problemi: utili che non si trasformano in cassa, crediti verso clienti che crescono più dei ricavi, margini che si assottigliano mentre il fatturato sale. Nessuno di questi numeri dice che un’azienda sta per fallire o che ha commesso un illecito. Dicono che qualcosa nei conti non torna, e che vale la pena guardare più a fondo prima di investire.

Fragilità non vuol dire azione che scende

È la distinzione più importante, e quella che si perde più facilmente. Un titolo può perdere il 40% perché il mercato ha rivisto le attese di crescita: è un problema di prezzo, non di azienda. Un’altra società può guadagnare terreno in borsa mentre il suo bilancio si sta deteriorando, semplicemente perché nessuno ha ancora guardato bene.

La fragilità di cui parliamo qui è strutturale: riguarda la qualità dei conti e la capacità di reggere un periodo difficile. Si misura sui bilanci, non sui grafici. E ha un ritmo diverso da quello del mercato: matura in trimestri, non in sedute.

Questo ha una conseguenza pratica. Questi indicatori non servono per decidere quando comprare o vendere. Servono per decidere se un’azienda merita di stare in portafoglio per anni.

Il primo segnale: utili che non diventano cassa

Il conto economico è un’opinione, il flusso di cassa è un fatto. È una battuta da contabili, ma poggia su una delle scoperte più solide della letteratura contabile.

Nel 1996 Richard Sloan pubblicò sul The Accounting Review uno studio che è diventato un punto di riferimento: scompose gli utili nella parte sostenuta da cassa vera e nella parte fatta di poste contabili (i cosiddetti accruals — ricavi già registrati ma non ancora incassati, costi capitalizzati anziché spesati, e simili). Il risultato: la componente contabile degli utili è molto meno persistente di quella per cassa. Detto altrimenti, un’azienda che dichiara utili alti ma non li vede arrivare in banca tende a deludere nei periodi successivi — e il mercato, in media, non lo prezza subito.

Da qui nasce il rapporto più semplice e più informativo di tutti: quanta parte dell’utile dichiarato si trasforma in flusso di cassa libero. Se un’azienda dichiara cento di utile e ne genera novanta di cassa, i conti raccontano una storia coerente. Se ne dichiara cento e ne genera venti, la domanda non è se sia illegale — quasi sempre non lo è — ma dove sia finito il resto, e se quella distanza sia temporanea o strutturale.

Attenzione a un caso che confonde spesso: quando l’utile è negativo, questo rapporto non è interpretabile. Dividere un flusso di cassa per una perdita produce percentuali che sembrano numeri ma non significano nulla. In una società in perdita si guardano altre cose: la liquidità disponibile, la struttura del debito, quanto tempo resta prima di dover chiedere denaro.

Beneish M-Score: la mappa delle anomalie

Il modello più conosciuto per individuare i bilanci “aggressivi” è stato pubblicato da Messod Beneish sul Financial Analysts Journal nel 1999. La costruzione è statistica: Beneish confrontò un campione di circa cinquanta società che avevano effettivamente manipolato i conti con oltre millesettecento società di controllo, cercando quali indicatori distinguessero i due gruppi.

Ne sono uscite otto variabili, che sono otto domande sul bilancio:

• i crediti verso clienti crescono più dei ricavi? (si vende a chi non paga subito)
• il margine lordo si sta deteriorando? (pressione sui prezzi)
• la quota di attività “non tangibili” sta aumentando? (costi rinviati al futuro)
• i ricavi crescono in modo anomalo? (la crescita rapida crea pressione a mantenerla)
• gli ammortamenti rallentano? (utili gonfiati spalmando i costi più in là)
• le spese generali salgono più dei ricavi? (efficienza in calo)
• la leva finanziaria aumenta? (più dipendenza dal debito)
• quanta parte degli utili è fatta di poste contabili anziché di cassa?

Il modello le combina in un unico numero. Sopra una certa soglia il profilo dell’azienda assomiglia statisticamente a quello delle società del campione che avevano manipolato i conti.

Qui serve la cautela più netta di tutto l’articolo. Un punteggio oltre soglia non significa frode. Significa che quel bilancio, letto attraverso otto rapporti, somiglia a quelli di un gruppo di riferimento. Un’azienda in forte espansione che allunga i termini di pagamento per conquistare quote di mercato può superare la soglia senza aver fatto nulla di irregolare. Il modello indica dove guardare, non cosa concludere.

Altman Z-Score: la distanza dal dissesto (e il suo limite di nascita)

Il secondo modello è più antico e ha un obiettivo diverso: non la qualità dei conti, ma la capacità di sopravvivere. Edward Altman lo pubblicò sul The Journal of Finance nel 1968, combinando cinque rapporti — capitale circolante, utili accumulati, redditività operativa, valore di mercato rispetto al debito, rotazione dell’attivo — in un punteggio unico che misura quanto un’azienda sia lontana dal dissesto.

Funziona, ed è ancora oggi uno strumento standard. Ma ha un limite che va conosciuto, perché sta scritto nel paper originale: fu costruito su un campione di 66 aziende, tutte manifatturiere, escludendo le più piccole. Era il tessuto industriale dell’epoca: fabbriche, magazzini, impianti.

Un’economia fatta di software, servizi e infrastrutture regolate è un’altra cosa. Una società di software ha pochissimo attivo tangibile e un capitale circolante che quel modello legge male. Una utility elettrica o una società di reti si indebita per mestiere, perché costruisce impianti che dureranno trent’anni: il debito alto non è un sintomo, è il modello di business.

Il risultato è prevedibile e lo misuriamo ogni settimana. Sul nostro universo di circa 490 grandi società americane, 15 su 100 hanno un punteggio Altman nella “zona di rischio”. Non stanno fallendo: quasi nessuna di loro fallirà. È il modello che, applicato fuori dal contesto per cui è nato, produce moltissimi falsi allarmi.

Per questo nel nostro strumento le società finanziarie — banche e assicurazioni, circa un quinto dell’universo — vengono escluse sia dall’Altman sia dal Beneish. In una banca il debito è la materia prima e il capitale circolante non ha lo stesso significato: applicare quelle formule darebbe numeri precisi e privi di senso.

Piotroski F-Score: la pagella in nove domande

Il terzo modello guarda le cose dal lato opposto. Joseph Piotroski, sul Journal of Accounting Research nel 2000, partì da un problema concreto del value investing: fra le azioni che appaiono a buon mercato, alcune lo sono perché il mercato ha esagerato, altre perché l’azienda si sta davvero deteriorando. Il prezzo basso, da solo, non distingue i due casi.

La sua risposta furono nove verifiche binarie sui bilanci — redditività, generazione di cassa, evoluzione del debito, efficienza operativa — ciascuna delle quali vale un punto se superata. Il punteggio va da zero a nove. Nel suo studio, applicare questo filtro alle società con basso rapporto prezzo/patrimonio produceva un rendimento annuo superiore di circa sette punti e mezzo rispetto al resto del gruppo, sul mercato statunitense fra il 1976 e il 1996.

Il pregio dell’F-Score è la trasparenza: non è un punteggio ricavato da una formula opaca, è una lista di controllo. Si può leggere una domanda alla volta e capire perché un’azienda ha perso quel punto.

Perché nessuno di questi numeri, da solo, basta

È il punto centrale, e i nostri stessi dati lo dimostrano meglio di qualsiasi argomentazione.

Sullo stesso universo di circa 490 grandi società, presi singolarmente gli indicatori segnalano:

• circa 4 aziende su 100 con un Beneish M-Score sopra soglia;
• circa 15 su 100 con un Altman Z in zona di rischio.

Se si prendesse alla lettera uno solo di questi due numeri, si finirebbe per mettere sotto accusa un pezzo consistente del mercato — comprese società solide, redditizie e con decenni di storia alle spalle.

Incrociandoli invece fra loro, e pesandoli insieme ad altri segnali — la qualità dei ricavi, la copertura degli interessi, il posizionamento del mercato — le società che raggiungono una soglia di attenzione combinata scendono a circa lo 0,6%: tre su 490. Il punteggio medio dell’intero universo resta molto basso; solo pochissimi casi emergono davvero.

Questa è la lezione operativa: un singolo indicatore genera rumore, la loro convergenza genera un segnale. Quando tre modelli costruiti da autori diversi, in decenni diversi, con obiettivi diversi puntano nella stessa direzione sulla stessa azienda, quella coincidenza merita attenzione. Quando ne punta uno solo, quasi sempre si sta guardando il limite del modello, non il problema dell’azienda.

Cosa questi numeri non dicono

Vale la pena essere espliciti sui limiti, perché sono la parte che di solito viene taciuta.

Non predicono il fallimento. Misurano condizioni statisticamente associate a difficoltà passate. Molte aziende con punteggi mediocri attraversano il periodo difficile e ne escono; alcune con punteggi ottimi vengono travolte da eventi che nessun bilancio poteva contenere.

Non accusano nessuno. Un modello statistico non stabilisce responsabilità. Le anomalie contabili hanno spesso spiegazioni ordinarie: un’acquisizione che cambia il perimetro, un cambio di principi contabili, un ciclo di investimenti straordinario.

Guardano indietro. Si nutrono di bilanci pubblicati, quindi di fatti già avvenuti e comunicati con mesi di ritardo. Un evento recente — la perdita di un cliente decisivo, una causa legale, un rifinanziamento a condizioni peggiori — non è ancora nei numeri.

Non si applicano a tutti allo stesso modo. Oltre ai finanziari, vanno lette con prudenza le società in forte crescita che investono pesantemente, quelle appena quotate con storia contabile breve e quelle che hanno appena completato operazioni straordinarie.

Vanno lette accanto al prezzo. Un’azienda con segnali di fragilità che il mercato ha già pesantemente penalizzato racconta una storia diversa da un’azienda con gli stessi segnali che scambia sui massimi: nel primo caso il rischio è in parte già nel prezzo, nel secondo no.

Come usarli, in pratica

Il modo più utile di trattare questi indicatori è come un filtro di esclusione, non di selezione. Non servono a trovare le azioni da comprare: servono a evitare che un caso problematico entri in portafoglio senza che nessuno se ne sia accorto.

Un percorso ragionevole, in quattro passi:

1. Osservare la convergenza, non il singolo numero. Un solo indicatore fuori posto è normale; tre che si allineano no.
2. Cercare la spiegazione ordinaria prima di quella straordinaria. Un’acquisizione, un anno di investimenti eccezionali o un cambio di principi contabili spiegano la maggior parte delle anomalie.
3. Distinguere il ciclico dallo strutturale. Un settore in una fase difficile mostra numeri deboli in tutte le sue aziende: quella non è fragilità della singola società, è il momento del settore. Il confronto con i concorrenti diretti risolve quasi sempre il dubbio.
4. Dimensionare la posizione di conseguenza. Se dopo l’analisi la tesi d’investimento regge ma i segnali restano, la risposta più sensata non è quasi mai “dentro o fuori”: è un peso più piccolo in portafoglio.

In sintesi

• Tre modelli accademici leggono i bilanci alla ricerca di incoerenze: Beneish (anomalie contabili), Altman (distanza dal dissesto), Piotroski (solidità operativa in nove verifiche).
• Il segnale più semplice resta il rapporto fra utile dichiarato e cassa effettivamente generata: la letteratura mostra che la componente puramente contabile degli utili è la meno duratura.
• Un solo indicatore produce moltissimi falsi allarmi: sul nostro universo, il 15% delle grandi società americane risulta in “zona di rischio” secondo l’Altman Z, un modello nato nel 1968 su 66 aziende manifatturiere.
• Incrociando più segnali, i casi che meritano attenzione scendono sotto l’1%. La convergenza è il segnale, il singolo numero è rumore.
• Nessuno di questi modelli predice fallimenti né accusa qualcuno: indicano dove guardare, e vanno letti insieme al settore, al prezzo e alla storia recente dell’azienda.
• Usali come filtro di esclusione: servono più a evitare errori che a scegliere vincitori.

Domande frequenti

Un punteggio Beneish oltre la soglia significa che l’azienda ha truccato i bilanci?

No. Significa che il profilo contabile dell’azienda somiglia, su otto rapporti, a quello di un gruppo di società che in passato avevano manipolato i conti. È un indizio statistico che invita ad approfondire, non una constatazione. Le spiegazioni ordinarie — crescita rapida, acquisizioni, cambi di principi contabili — sono di gran lunga le più frequenti.

Perché banche e assicurazioni vengono escluse da questi modelli?

Perché il loro bilancio ha una natura diversa. In una banca il debito è la materia prima dell’attività, non un rischio da minimizzare, e nozioni come capitale circolante o rotazione dell’attivo non hanno lo stesso significato. Applicare formule tarate sull’industria manifatturiera produrrebbe numeri precisi e sostanzialmente privi di significato.

Un’azienda con segnali di fragilità va venduta subito?

Non è una conseguenza automatica, e questi strumenti non sono costruiti per il tempismo. Indicano un rischio strutturale che si manifesta nell’arco di trimestri. La domanda più utile non è “vendo o no”, ma: la tesi per cui possiedo questa azienda regge ancora, e quanto peso è ragionevole che occupi in portafoglio?

Questi indicatori funzionano anche sulle società di piccola dimensione?

Con più cautela. Le società minori hanno bilanci più volatili, storia contabile più breve e maggiore sensibilità a singoli eventi: gli stessi modelli producono su di esse più falsi allarmi. Anche l’Altman Z originale escludeva esplicitamente le società più piccole dal campione su cui fu calibrato.

Fonti e riferimenti

I tre modelli citati sono pubblicati e verificabili nella letteratura accademica:

• Beneish, M. D. (1999). The Detection of Earnings Manipulation. Financial Analysts Journal, 55(5), 24–36.
• Altman, E. I. (1968). Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. The Journal of Finance, 23(4), 589–609.
• Piotroski, J. D. (2000). Value Investing: The Use of Historical Financial Statement Information to Separate Winners from Losers. Journal of Accounting Research, 38, 1–41.
• Sloan, R. G. (1996). Do Stock Prices Fully Reflect Information in Accruals and Cash Flows about Future Earnings?. The Accounting Review, 71(3), 289–315.

Le percentuali citate nell’articolo provengono dalla nostra analisi periodica su un universo di circa 490 grandi società quotate statunitensi, escluse quelle finanziarie dai modelli per cui non sono applicabili.

---

Questo articolo ha finalità informative e divulgative e non costituisce consulenza finanziaria personalizzata né una raccomandazione all’acquisto o alla vendita di strumenti finanziari. I modelli descritti sono strumenti di analisi con limiti noti e non prevedono l’andamento futuro di alcuna società. Ogni decisione d’investimento dipende dalla situazione personale di chi la prende; in caso di dubbio, rivolgiti a un consulente qualificato.