• elastic-net
• lasso
• multipli
• regional banks
• ridge
• value drivers
• valutazione

Nel presente lavoro ci si propone di analizzare l’efficacia dei metodi di regolarizzazione (Ridge, Lasso ed Elastic-Net) nella stima dei multipli valutativi tramite l’analisi di regressione. In particolare, si intende verificare se tali tecniche, limitando il problema della multicollinearità, sono in grado di apportare un miglioramento dell’accuratezza dei multipli e quindi di condurre a stime del valore maggiormente affidabili rispetto all’utilizzo di modelli di regressione OLS. A tal fine, prendendo in considerazione il settore delle U.S. Regional Banks per un periodo compreso fra il 2018 ed il 2020, sono state esaminate diverse tipologie di moltiplicatori (Price-to-Earnings, Price-to-Sales, Price-to-Book Value, Price-to-Deposits). Questi sono stati stimati ad intervalli regolari lungo il periodo di osservazione per ogni impresa del campione applicando i metodi di regressione suddetti (Ridge, Lasso, Elastic-Net, OLS), includendo nei modelli un set di variabili indipendenti che costituiscono potenziali proxy per i flussi di risultato delle imprese, la crescita ed il rischio associati a tali flussi. Per ciascun multiplo si è quindi verificato il livello di accuratezza sulla base dei valuation error e si sono individuati i più importanti value driver. I risultati suggeriscono che i multipli “regolarizzati” sono caratterizzati da una migliore performance in termini di precisione valutativa soprattutto nell’ultimo periodo di osservazione (condizionato dall’esplosione della pandemia di Covid-19) e consentono di identificare con una maggiore attendibilità gli elementi in grado di spiegare le differenze fra imprese comparabili.