• fuzzy
• incertezza

I mercati odierni impongono di assumere decisioni strategiche di investimento in contesti competitivi incerti, in cui i sistemi di valutazione correnti sembrano inadeguati a cogliere tutte le opportunità di valore.
Le teorie finanziarie hanno provveduto a fornire molti strumenti per la valutazione di un investimento, di cui il più usato è il calcolo del VAN: l’investimento industriale è valutato ipotizzando la presenza di valori certi dei flussi di cassa o ridotti alla certezza con opportune riduzioni in termini di equivalenti certi.
Nella maggioranza delle situazioni reali, però, il valore dei flussi finanziari derivanti da un investimento non può esser determinato con certezza in modo puntuale; questo in quanto, da un lato, nel corso della vita utile dell’investimento gli stati di natura, ovvero le condizioni e il contorno delle contesto economico-sociale della decisione, possono presentare una serie di varianti che dovrebbero, pertanto, essere considerate come scenari alternativi della valutazione; dall’altro, in questi ambiti, i valori dei fattori più direttamente determinanti i flussi finanziari assumono la natura di variabili aleatorie.
Nel momento in cui si elimina l’ipotesi di certezza le risposte al problema di valutazione sono in genere fornite da queste tecniche:
• Analisi di sensibilità;
• Metodo degli scenari;
• Simulazione Montecarlo;
• Alberi decisionali;
• Opzioni reali.
L’approccio delle opzioni reali pone in una nuova prospettiva l’incertezza e la trasforma appunto in una fonte di potenziale valore: in un ambiente sempre più dinamico e incerto la creazione di valore economico si fonda sulla generazione di opzioni di flessibilità.
Quello che veramente conta è la capacità dell’impresa di creare valore, rispondendo in modo flessibile alle opportunità e minacce che si presenteranno in futuro.
La metodologia della valutazione delle opzioni reali è stata di recente estesa alle decisioni di investimento industriale ed ai progetti di R&S in particolare, ma essa è nata nei mercati finanziari; per tale motivo, la valutazione di tali opzioni avviene sulla base del modello matematico di Black-Scholes (OPM, Option Pricing Model).
Proprio perché si usano modelli finanziari, il valore dell’opzione reale risulta però spesso condizionato ad assunzioni irreali e semplicistiche. D’altro canto, la finanza non fornisce strumenti risolutivi ad hoc che permettano di tener in conto le variabili di business rilevanti, non solo a livello quantitativo ma anche qualitativo.
Il presente studio è finalizzato a mostrare come poter invece descrivere un investimento strategico e le opzioni in esso insite per mezzo di un sistema fuzzy esperto, che sia capace di replicare il processo cognitivo umano, e che quindi consideri variabili di natura qualitativa, per loro natura soggettive e dai contorni sfumati, sulla base dell’evoluzione delle informazioni disponibili .
Il lavoro non vuole assolutamente avere natura esaustiva ma è semplicemente di input e mostra un modello non certo privo di anelli deboli, come sarà a suo tempo evidenziato; la logica fuzzy stessa in ambito economico-finanziario non è di per sé altro che non un metodo per tenere meglio in conto l’incertezza insita in tutto il processo decisionale, non certo ha l’obiettivo irrealistico di eliminarla completamente dai processi di scelta.
La teoria fuzzy è inclusa nel più vasto campo del soft computing, termine coniato da L.A. Zadeh della University of California di Berkeley; tali metodi nascono negli anni ’60-’70 in ambito ingegneristico, nel tentativo di dotare i computer di strumenti capaci di apprendere e che risolvessero i problemi seguendo la stessa logica del pensiero umano.
Le prime applicazioni della logica fuzzy sono state effettuate dalle società giapponesi e coreane in ambito ingegneristico, nella progettazione di lavastoviglie aspirapolvere “intelligenti”; solo recentemente gli algoritmi fuzzy sono stati applicati nell’ambito della simulazione e nei sistemi di supporto alle decisioni.
Il primo capitolo cercherà di offrire una panoramica dei metodi per la valutazione di un investimento in ambito altamente incerto e se ne fornirà una breve spiegazione dei limiti che presentano. Si introdurrà anche il metodo delle opzioni reali .
Per descrivere come applicare gli algoritmi fuzzy all’analisi delle opzioni reali insite in un investimento è stato imprescindibile capire le basi teoriche degli stessi; il secondo capitolo presenterà dunque nozioni prettamente matematiche ed ingegneristiche, anche se accompagnate da alcuni esempi di tipo economico.
Sarà il terzo capitolo a motivare l’utilità dell’estensione della logica fuzzy in ambito finanziario, sulla base anche delle applicazioni sinora effettuate, e tenendo comunque conto dei limiti derivanti dalla recentissima implementazione di tali sistemi.
Il quarto capitolo fornirà una prima applicazione esemplificatrice circa l’utilizzo della logica fuzzy nell’implementazione dell’opzioni reale di espansione; si tratta di una valutazione dell’opzione da un punto di vista economico-aziendale, finalizzata alla valutazione dell’investimento globalmente considerato; una analisi di tipo matematico del prezzo dell’opzione sarà sviluppata nell’appendice del capitolo.
Il quinto capitolo spiega in quali ambiti e aziende è stato utilizzato il metodo delle opzioni reali per la valutazione degli investimenti e motiva la sua utilità per l’analisi della R&S in campo farmaceutico.
Infine il sesto capitolo cercherà di offrire uno spunto per la valutazione dell’opzione di espansione insita nell’investimento della Società Merck nello zetia: i dati relativamente a tale esempio sono stati ottenuti tramite navigazione sul WEB, ovvero da siti internet della società o collegati (merck.com, schering-plough.com, xagena.it forbes.com).