IL FLUSSO DI CASSA DELLE BANCHE EUROPEE

Tra il Q3-2014 ed il Q4-2021 è aumentato del 408%

L’European Banking Authority-EBA calcola il valore dei flussi di cassa nell’ambito della composizione degli assets, ovvero “Asset Composition-Cash Balances”. Il dato è quindi espresso in percentuale degli asset bancari.

Ranking dei paesi europei per valore del flusso di cassa nel quarto trimestre 2021. La Lituania è al primo posto per valore del flusso di cassa nel quarto trimestre del 2021 con un ammontare pari a 0,42, seguita da Cipro con un valore pari a 0,39357, e dalla Lettonia con un valore pari a 0,36339. A metà classifica vi sono la Germania con un ammontare pari a 0,1593, seguita dal Portogallo con un ammontare di 0,15562, e dall’Italia con un ammontare di 0,1513. Chiudono la classifica la Danimarca con un ammontare pari a 0,06868, la Polonia con un ammontare pari a 0,02941, e la Repubblica Ceca con un ammontare di 0,02293.

Ranking dei paesi europei per variazione percentuale del valore del flusso di cassa tra Q3-2014 ed il Q4-2021. L’Olanda è al primo posto per valore della variazione percentuale dei flussi di cassa tra il Q3-2014 ed il Q4-2021 ovvero pari ad un valore di 2205,85% pari ad un ammontare di 0,14 unità, seguita dall’Italia con una variazione pari a 1536,66% pari ad un ammontare di 0,14 unità e dell’Irlanda con una variazione pari a 753,65% pari ad un ammontare di 0,26 unità. A metà classifica vi sono la Danimarca con un valore pari a 334,55% pari a 0,05 unità, seguita da Cipro pari a 326,66% pari a 0,30 unità e dalla Slovacchia con un valore pari a 290,49 % pari a 0,11 unità. Chiudono la classifica la Romania con un valore pari a 2,21% pari a 0,0029 unità, seguita dalla Polonia con un valore pari a -27,99% pari ad un ammontare di -0,01 unità e dalla Repubblica Ceca con un valore pari a -63,04% pari ad un ammontare di 0,04 unità. In media per i paesi indicati il valore dei flussi di cassa come componente degli assets è migliorato di 408,36% pari a 0,13 unità.

Clusterizzazione con algoritmo k-Means: Coefficiente di Silhouette vs. Metodo di Elbow. Di seguito viene realizzata una clusterizzazione con algoritmo k-Mean ottimizzato mediante il coefficiente di Silhouette. L’analisi mostra la presenza di due clusters:

• Cluster 1: Spagna, Francia, Portogallo, Olanda, Grecia, Italia, Slovacchia, Ungheria, Danimarca, Serbia, Finlandia, Belgio, Austria, polonia, Islanda, Germania, Repubblica Ceca, Irlanda, Croazia, Slovenia, Romania, Lussemburgo, Malta;
• Cluster 2: Lettonia, Estonia, Lituania, Cipro, Bulgaria.

Considerando il valore delle mediane dei singoli clusters ne deriva che il valore della mediana dei flussi di cassa dei paesi del cluster 1 è pari a 0,149, mentre il valore della mediana dei flussi di cassa dei paesi del cluster 2 è pari a 0,363 unità. Emerge pertanto il seguente ordinamento dei clusters: C2=0,36339>C1=0,149183. Dal punto di vista della clusterizzazione risulta che i paesi del Baltico- sommati a Malta e alla Bulgaria, hanno un valore del flusso di cassa quasi 2,43 volte superiore ai restanti paesi europei.

Tuttavia, se si decide di ottimizzare l’algoritmo k-Means non utilizzando il metodo di Silhouette, quanto piuttosto il metodo di Elbow, risultano circa 4 clusters. Ricalcolando pertanto con k=4 risultano le seguenti aggregazioni:

• Cluster 1: Portogallo, Danimarca, Spagna, Polonia, Italia, Slovacchia, Grecia, Repubblica Ceca, Islanda, Ungheria, Francia, Olanda;
• Cluster 2: Lettonia, Estonia, Lituania;
• Cluster 3: Slovenia, Lussemburgo, Croazia, Irlanda, Romania, Germania, Austria, Bulgaria, Malta, Belgio, Serbia, Finlandia;
• Cluster 4: Cipro.

Calcolando il valore mediano dei clusters risulta il seguente ordinamento dei clusters: al primo posto vi è il Cluster 4-C4 con un ammontare pari a 0,39357, seguito dal Cluster 2-C2 con un valore pari a 0,36339, dal cluster 3-C3 con un valore pari a 0,19017 e dal Cluster 1-C1 con un valore pari a 0,14259. Ne deriva pertanto il seguente ordinamento dei clusters: C4>C2>C3>C1. Guardando alla mappa disegnata con la clusterizzazione con il metodo di Elbow risulta una maggiore capacità di individuare delle aree geografiche per valore dei flussi di cassa. Fatta eccezione per il cluster 4-C4 che è costituito da un unico paese ovvero Cipro, è possibile individuare una distinzione tra i paesi del Baltico e l’area del Centro-Nord Europa con valori medio-alti del cash flow, e l’Europa meridionale che invece ha i valori di cash flow più bassi d’Europa.

In questo caso, quindi, è preferibile utilizzare la clusterizzazione con il metodo di Elbow in quanto consente di rappresentare al meglio le distinzioni tra i vari paesi per valore del cash flow.

Machine Learning and Predictions. In seguito sono state realizzate delle predizioni attraverso l’utilizzo degli algoritmi di machine learning. L’80% dei dati è stato utilizzato per l’addestramento degli algoritmi. Gli algoritmi sono stati confrontati in termini di performance predittiva ovvero capacità di massimizzare l’R-squared e di minimizzare MSE, RMSE, MAE. Vengono quindi realizzare delle classifiche degli algoritmi per ciascun indicatore statistico ed il ranking dei singoli algoritmi viene sommato. Minore il valore della somma dei ranking degli algoritmi maggiore è l’efficienza predittiva degli algoritmi. Ne deriva pertanto il seguente ordinamento degli algoritmi in termini di capacità predittiva ovvero:

• Gradient Boosting con un payoff pari a 8;
• Linear Regression e AdaBoost con un payoff pari a 10;
• Tree con un valore del payoff pari a 15;
• Random Forest con un valore del payoff pari a 17;
• kNN con un valore del payoff pari a 24;
• Neural Network con un valore del payoff ari a 28.

Applicando l’algoritmo Gradient Boosting è possibile predire quasi perfettamente la dinamica del cash flow con un errore percentuale calcolato sulla media delle variazioni tra valori predetti e valori originali pari a 0,00002332424%.

Conclusione. Il valore del cash flow presente nelle banche europee controllate dall’EBA-European Banking Authority è aumentato in media di circa il 408% tra il Q3-2014 ed il Q4-2021. In genere il valore del cash flow bancario tende a crescere in tutti i paesi tranne in Polonia e Repubblica Ceca. L’analisi della clusterizzazione mostra che i paesi Baltici, Cipro ed i paesi del Centro-Nord Europa sono virtuosi in termini di cash flow, mentre i paesi del Sud Europa hanno livelli ridotti di cash flow. Per predire l’andamento della variabile di interesse è possibile utilizzare l’algoritmo Gradient Boosting che risulta essere molto efficiente in termini di minimizzazione degli errori statistici e di massimizzazione dell’R-squared.

Angelo Leogrande

Tags:

Lascia un commento

Autorizzo il trattamento dei miei dati come indicato nell'informativa privacy.

NB: I commenti vengono approvati dalla redazione e in seguito pubblicati sul giornale, la tua email non verrà pubblicata.