Quale azione vince?

Un approfondimento sui fondamentali firmato DuelStocks. Non è un consiglio di investimento e, come il resto di questa serie, non è nemmeno una previsione. Tutti i dati qui sotto provengono da documenti pubblici depositati presso la SEC EDGAR (10-K/10-Q), elaborati dai report Battle, DCF e Resilience (STR) di DUEL.

Prima o poi, a ogni storia di crescita viene posta la stessa domanda: la crescita si sta davvero traducendo in cassa, o si sta traducendo in qualcosa che assomiglia alla cassa solo nel conto economico? Questo articolo non riguarda l'IA, non riguarda un singolo settore, e non riguarda una singola azienda. È uno screening di uso generale — costruito una volta, riutilizzabile in qualsiasi futuro ciclo di crescita — per un pattern specifico: ricavi che crescono a un ritmo sano mentre la cassa generata da quella crescita diverge dall'utile contabile che dovrebbe rappresentare.

Questo è un'estensione metodologica diretta di tre articoli precedenti di questa serie. L'approccio di costruzione del paniere segue [Quanti Segnali Indipendenti? Un'Analisi delle Componenti Principali]. L'impostazione del tasso base, inclusa la disciplina dell'intervallo di Wilson e del conteggio minimo di Cochran, segue [Il Segnale di Cui Nessuno Parla]. E la logica di qualità degli accrual sottostante — il fatto che una crescita dei ricavi che supera la generazione di cassa sia un classico pattern di allerta precoce da manuale — proviene da Sloan (1996), lo stesso articolo su cui si fonda lo Sloan Ratio proprio di DUEL.

All'interno di un paniere intersettoriale di 72 aziende, dove la crescita dei ricavi a 3 anni resta forte mentre il margine operativo e il margine FCF già divergono — e lo Sloan Ratio proprio di DUEL concorda con quella divergenza?

Parte 1 — Costruire il Paniere

Il paniere è composto da 72 aziende distribuite su cinque settori:

• Tecnologia / Semiconduttori / Software (22): AAPL, AMD, AVGO, CRM, GOOGL, META, MSFT, INTC, KLAC, LRCX, MCHP, MU, NFLX, NOW, NVDA, PLTR, QCOM, SNDK, SNPS, STX, TXN, XYZ
• Industriali (12): CAT, DE, F, FDX, GM, LMT, RTX, UPS, LIN, SHW, GE, HON
• Sanità (11): AMGN, BDX, BMY, ISRG, REGN, VRTX, JNJ, PFE, ABT, MDT, DHR
• Consumo / Vendita al Dettaglio / Beni di Prima Necessità / Telecomunicazioni (22): AMZN, CCL, CL, COST, DIS, HD, HSY, KO, LOW, MDLZ, MO, PEP, PG, PM, RCL, ROST, TJX, TMUS, VZ, WMT, MCD, NKE
• Energia (5): COP, OXY, XOM, CVX, SLB

Ogni azienda deposita 10-K/10-Q presso la SEC ed è elaborata dalla pipeline standard di DUEL. Entrambi gli screening qui sotto sono costruiti interamente sui quattro campi disponibili in tutto questo paniere — crescita dei ricavi, margine operativo, margine FCF e Sloan Ratio —, il che è esattamente ciò che rende possibile un confronto uniforme tra 72 aziende.

Parte 2 — Due Screening di Stress Indipendenti

"La crescita che supera la cassa" non è un'unica cosa — può manifestarsi come utile operativo dichiarato che corre ben avanti rispetto al flusso di cassa libero reale, oppure come accumulo di accrual abbastanza grave da far scattare la stessa misura di qualità degli accrual di Sloan, e un'azienda può mostrare un segnale senza l'altro. Abbiamo eseguito due screening separati, definiti in modo indipendente, su ogni azienda con CAGR dei ricavi a 3 anni ≥ 5%:

Screening A — Divario di Conversione di Cassa: Margine Operativo meno Margine FCF ≥ 10 punti percentuali. Questo chiede se la redditività operativa dichiarata propria di un'azienda sta correndo in modo significativo davanti alla cassa che quella redditività sta producendo, indipendentemente dal fatto che il margine FCF in sé appaia sano se considerato isolatamente.

Screening B — Sloan Ratio Elevato: Sloan Ratio > 5%, la soglia propria di DUEL per "accrual moderati rilevati". Questo chiede se l'utile netto stesso si stia costruendo più a partire dagli accrual che dal flusso di cassa operativo — un segnale diverso, di stadio più precoce, rispetto al divario di margine dello Screening A.

Delle 72 aziende, 34 (47%) mostrano una crescita dei ricavi a 3 anni del 5% o superiore. Entrambi gli screening vengono eseguiti solo all'interno di questo gruppo ad alta crescita — un'azienda con ricavi piatti o in calo che mostra un ampio divario tra margine e cassa è una storia diversa, più banale (spesso solo una voce ciclica o una tantum) rispetto allo stesso divario che compare accanto a una crescita reale.

Parte 3 — Screening A: Chi Cresce Più Velocemente di Quanto Converte in Cassa

Otto delle 34 aziende ad alta crescita (23,5%, IC 95% di Wilson [12,4%, 40,0%]) mostrano un divario di conversione di cassa di 10 punti o più. Il divario singolo più ampio nell'intero paniere di 72 aziende appartiene a MU, con 21,7 punti — e MU registra anche lo Sloan Ratio più alto del paniere (36,86%) e, con 1,39x, la seconda Rotazione dei Crediti più lenta tra le 66 aziende con quel campo disponibile (solo AVGO, con 0,36x, è più lenta) — tre segnali indipendenti provenienti da tre parti diverse degli stessi documenti depositati, tutti nella stessa direzione. Cinque degli otto nomi segnalati sono aziende Tecnologia/Semiconduttori/Software; gli altri tre comprendono nomi del Consumo con attività molto diverse (una compagnia di crociere, un franchisor di fast food, un'azienda del tabacco) — un promemoria che questo pattern non è specifico di un settore, anche se si concentra in modo disomogeneo.

Parte 4 — Il Divario Si Concentra per Settore? Una Verifica del Tasso Base

Seguendo la stessa disciplina del nostro precedente articolo sul tasso base: la regola empirica di Cochran (1977) richiede almeno 5 eventi osservati per una stima del tasso stabile, e solo Tecnologia/Semiconduttori/Software supera chiaramente questa soglia in questo taglio, con Consumo/Vendita al Dettaglio/Beni di Prima Necessità/Telecomunicazioni subito dietro. Industriali, Sanità ed Energia hanno ciascuno troppo pochi nomi ad alta crescita in questo paniere per sostenere qualsiasi affermazione sul tasso; le loro letture dello 0% riflettono denominatori piccoli (rispettivamente 3, 5 e 1 aziende), non un'assenza dimostrata del pattern in quei settori. Gli ampi intervalli di confidenza sovrapposti in ogni settore sono il risultato onesto qui: con questa dimensione del paniere, non possiamo ancora affermare che il divario di conversione di cassa sia un fenomeno specifico della Tecnologia — solo che è visibile abbastanza spesso in Tecnologia e Consumo da poter essere misurato, e non ancora misurabile altrove.

Parte 5 — Screening B: Sloan Ratio Elevato tra i Nomi ad Alta Crescita

Sei delle 34 aziende ad alta crescita (17,6%) presentano uno Sloan Ratio superiore al 5%. Cinque delle sei si collocano specificamente in Tecnologia/Semiconduttori/Software. Solo una delle sei — MSFT — fa effettivamente scattare il controllo di coerenza ROIC-vs-Sloan proprio di DUEL; le altre cinque, inclusa MU con di gran lunga lo Sloan Ratio più alto dell'intero paniere, risultano OK a quel controllo interno specifico, perché il segnale ROIC-vs-Sloan di DUEL scatta per la combinazione di un ROIC elevato accanto allo Sloan Ratio elevato, non per lo Sloan Ratio isolatamente considerato. Il ROIC proprio di MU in questa fotografia non supera la soglia che si abbinerebbe al suo Sloan Ratio per far scattare il segnale — un promemoria che leggere lo Sloan Ratio direttamente, anziché solo il suo segnale a valle, fa emergere casi che il segnale stesso non mostra.

Tre aziende — MU, MSFT e GOOGL — compaiono sia nello Screening A sia nello Screening B: un vero divario tra margine e cassa e uno Sloan Ratio elevato, derivati in modo indipendente da parti diverse degli stessi documenti depositati, che puntano alla stessa storia sottostante. Questa sovrapposizione, più di ciascuno screening preso singolarmente, è il segnale più forte di questo paniere.

Parte 6 — Due Controlli, Due Domande: Crescita-vs-FCF Contro uno Screening sul Divario di Margine

Il controllo di coerenza Crescita-vs-FCF integrato di DUEL e lo Screening A sono entrambe letture legittime degli stessi documenti depositati, e in questo paniere sono largamente in disaccordo: il segnale proprio di DUEL risulta OK per sette delle otto aziende identificate dallo Screening A, inclusa MU, che porta il divario più ampio e lo Sloan Ratio più alto dell'intero paniere. Solo RCL fa scattare entrambi i controlli contemporaneamente.

Questo disaccordo è una caratteristica di ciò che ciascun controllo è costruito per misurare, non un difetto in nessuno dei due. Il segnale Crescita-vs-FCF di DUEL, a giudicare dal linguaggio dei suoi stessi messaggi di conflitto ("Crescita dei ricavi 18,6%, margine FCF 5,7%: Monitorare la conversione di cassa"), sembra tarato per catturare aziende il cui margine FCF è basso in termini assoluti accanto a un'alta crescita — chiede "questa azienda genera a malapena cassa nonostante una crescita rapida?". Lo Screening A pone una domanda più ristretta, autoreferenziale: "l'utile operativo dichiarato proprio di questa azienda sta correndo ben avanti rispetto alla propria generazione di cassa?". Un'azienda può avere un margine FCF a doppia cifra perfettamente rispettabile — il 25,42% di MSFT è un numero solido se considerato isolatamente — e comunque mostrare un divario reale rispetto al proprio margine operativo del 45,62%. Un segnale tarato sul margine FCF assoluto non ha motivo di scattare per un'azienda il cui margine FCF appare a posto per conto proprio; uno screening che confronta un'azienda solo con se stessa cattura una fetta diversa e complementare della stessa domanda sottostante. Questo paniere è un'illustrazione concreta di quanto la definizione propria di un controllo determini ciò che trova — la stessa lezione che il nostro precedente articolo sul Fragile Score ha dimostrato per i pesi di classifica.

Parte 7 — Cosa Risponde Davvero Questo, e Cosa No

Questo articolo non dice, e non può dire, che la crescita di un'azienda segnalata sia di bassa qualità, che il suo titolo sia sopravvalutato, o che la sua conversione di cassa peggiorerà ulteriormente. Un ampio divario tra margine operativo e margine FCF può riflettere tempistiche del capitale circolante, CAPEX elevato durante una genuina fase di investimento per la crescita, meccanismi di ricavi differiti, o semplice struttura contabile — non necessariamente un problema. Ciò che questo articolo mostra effettivamente, in modo diretto e riproducibile: su 72 aziende in cinque settori, un pattern specifico e misurabile — alta crescita dei ricavi abbinata a un ampio divario tra redditività operativa dichiarata ed effettiva generazione di cassa, o ad accumulo di accrual abbastanza grave da muovere lo stesso Sloan Ratio — è presente in circa un quarto delle aziende ad alta crescita di questo paniere, concentrato in, ma non esclusivo di, Tecnologia/Semiconduttori/Software, e in gran parte invisibile a uno dei controlli di coerenza integrati propri di DUEL, proprio perché quel controllo è tarato per catturare un segnale correlato ma diverso.

Limiti

Entrambi gli screening usano una sezione trasversale uniforme, a livello DCF, disponibile sull'intero paniere — crescita dei ricavi, margine operativo, margine FCF e Sloan Ratio. Altri fattori del Battle Report, inclusa la Rotazione dei Crediti, sono al di fuori della definizione di questi due screening; dove la Rotazione dei Crediti è mostrata nelle Parti 3 e 5, è contesto descrittivo accanto ai nomi segnalati, non parte dei criteri di superamento/mancato superamento di nessuno dei due screening.

Le soglie di 10 punti percentuali di divario e del 5% per lo Sloan sono convenzioni costruite, non costanti universali. Una soglia di divario più stretta o più ampia sposterebbe aziende dentro e fuori dallo Screening A; lo stesso vale per il taglio dello Sloan nello Screening B. Abbiamo scelto numeri tondi e difendibili invece di ottimizzare le soglie per produrre un risultato particolare, ma scelte ragionevoli diverse sposterebbero l'elenco specifico di aziende senza cambiare il pattern settoriale più ampio.

Tre dei cinque settori hanno troppo pochi nomi ad alta crescita in questo paniere per sostenere un'affermazione sul tasso base, secondo la linea guida sul conteggio minimo di Cochran (1977) — Industriali (3), Sanità (5) ed Energia (1). Le loro letture dello 0% nella Parte 4 descrivono questo paniere, non un'assenza dimostrata del pattern in quei settori in senso più ampio.

Il FRI non viene mostrato quando il report di Resilienza non faceva parte dei campi valutati di questo paniere per una determinata azienda; entrambi gli screening non ne sono influenzati, poiché nessuno dei due dipende dal FRI.

Questa è una fotografia di un unico periodo di deposito che si estende su diverse settimane, non un paniere longitudinale o coerente in un punto nel tempo. Il profilo crescita-vs-cassa di un'azienda può cambiare, e cambia effettivamente, da un deposito trimestrale all'altro.

Settantadue aziende sono un paniere diagnostico, non un campione casuale o rappresentativo del mercato quotato negli Stati Uniti — leggete i tassi base settoriali della Parte 4 come descrittivi di questo paniere, non come stime a livello di popolazione.

Conclusione

Su un paniere di cinque settori e 72 aziende, circa un quarto delle aziende ad alta crescita mostra una redditività operativa dichiarata che corre in modo significativo davanti alla generazione di cassa effettiva, e circa una su sei mostra un accumulo di accrual abbastanza grave da muovere il proprio Sloan Ratio — con tre aziende che fanno scattare entrambi i segnali in modo indipendente, e una di queste tre (MU) che si colloca anche vicino al fondo dell'intero paniere sulla Rotazione dei Crediti. Il pattern si concentra in Tecnologia/Semiconduttori/Software e, in misura minore, nel Consumo, sebbene il paniere sia troppo piccolo negli altri tre settori per dire se questa concentrazione sia reale o un artefatto di questo specifico paniere. E, in modo cruciale, la maggior parte delle aziende che questo screening segnala supera pulitamente il controllo Crescita-vs-FCF integrato proprio di DUEL — non perché uno dei due controlli sia difettoso, ma perché sono costruiti per catturare cose diverse. Niente di tutto ciò è un segnale su cui agire. È un rilevatore, costruito una volta a partire da documenti pubblici e una formula documentata, progettato per essere eseguito di nuovo su qualsiasi settore rivendichi il prossimo ciclo di crescita.

Ogni cifra di questo articolo riconduce a un duello che potete consultare voi stessi e riverificare su duelstocks.com.

Per Approfondire — Stessa Serie, Stesso Metodo

Questo articolo estende la metodologia di costruzione del paniere e del tasso base stabilita negli articoli precedenti di questa serie, che potete trovare qui sotto sul sito.

Riferimenti

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.

Dechow, P. M., Ge, W., Larson, C. R., & Sloan, R. G. (2011). Predicting material accounting misstatements. Contemporary Accounting Research, 28(1), 17–82.

Cochran, W. G. (1977). Sampling Techniques (3ª ed.). Wiley.

Damodaran, A. (2012). Investment Valuation: Tools and Techniques for Determining the Value of Any Asset (3ª ed.). Wiley.

U.S. Securities and Exchange Commission — Ricerca full-text EDGAR e dati di deposito XBRL strutturati, sec.gov.

Un approfondimento metodologico firmato DuelStocks. Non è un consiglio di investimento. Tutti i dati provengono da documenti pubblici depositati presso la SEC EDGAR.

Un approfondimento sui fondamentali firmato DuelStocks. Non è un consiglio di investimento e, come il resto di questa serie, non è nemmeno una previsione. Tutti i dati qui sotto provengono da documenti pubblici depositati presso la SEC EDGAR (10-K/10-Q), elaborati dai report Battle, DCF e Resilience (STR) di DUEL.

Ogni chip nella costruzione dell'IA deve essere prodotto da qualcosa, e quel "qualcosa" è un vero e proprio oligopolio: una manciata di aziende da cui dipendono gli stessi produttori di chip. Questo articolo resta all'interno di quell'oligopolio — AMAT, LRCX, KLAC, TER e ONTO — e pone una domanda più circoscritta e precisa rispetto agli articoli sull'infrastruttura più ampi di questa serie: all'interno di un gruppo di cinque aziende che già sulla carta appare forte, chi emerge realmente una volta confrontate sistematicamente, e quanto dipende la risposta da come si sceglie di ponderare il confronto?

All'interno della cerchia ristretta dei fornitori quotati di apparecchiature di produzione per semiconduttori, chi vince un confronto relativo completo a girone all'italiana, chi ha il maggior rialzo modellato nonostante margini già alti, e la resilienza coincide con il leader "ovvio" del ciclo — oppure la classifica stessa vacilla a seconda di come viene ponderato il punteggio?

Parte 1 — Costruire il Paniere, e una Correzione Che Vale la Pena Segnalare

Il paniere è composto da cinque aziende: AMAT (Applied Materials), LRCX (Lam Research), KLAC (KLA Corporation), TER (Teradyne) e ONTO (Onto Innovation). Tutte e cinque depositano 10-K/10-Q presso la SEC e sono leggibili in modo pulito dalla pipeline di DUEL.

Questo articolo era stato inizialmente pianificato attorno a un torneo completo a girone all'italiana di dieci duelli — ciascuna delle cinque aziende confrontata con ognuna delle altre —, rispecchiando il metodo usato nel nostro precedente articolo [Oltre la Coppia]. Si è rivelato più raccolta dati di quanta la domanda richiedesse realmente. La metodologia propria di DUEL pubblica apertamente la sua formula di punteggio: Punteggio = Σ(Wᵢ × Nᵢ) × 100, dove Wᵢ è il peso fisso di ciascun fattore e Nᵢ è un semplice indicatore di vittoria/sconfitta/pareggio (1, 0 o 0,5) per quel fattore tra esattamente due aziende. Poiché i valori dei fattori sottostanti stessi — crescita dei ricavi, margini, ROIC, Sloan Ratio, indici di rotazione — sono indipendenti dall'avversario (lo stesso controllo di validità confermato con MU nel nostro primo articolo e qui con LRCX, vedi Parte 3), il record completo a girone all'italiana di un'azienda contro ciascuna delle altre nel paniere può essere ricostruito analiticamente dalle tabelle dei fattori grezzi. Ci servivano solo duelli sufficienti a vedere i numeri grezzi di ciascuna azienda una volta, non dieci confronti diretti. Due nuovi duelli — AMAT contro TER e ONTO contro LRCX — hanno fornito le tre aziende non ancora coperte da un precedente duello LRCX contro KLAC del 26 luglio 2026, e ogni altro accoppiamento in questo articolo viene calcolato direttamente dagli input divulgati di quei quattro duelli usando la formula propria pubblicata da DUEL.

Una conseguenza della ricostruzione della matrice in questo modo vale la pena segnalarla subito: richiede la tabella completa a otto fattori del Battle Report (Crescita dei Ricavi, Margine di Cassa Operativo, ROIC, Sloan Ratio, Rotazione degli Attivi, Rotazione dei Crediti, Margine Operativo, Margine FCF) per ciascuna azienda, e il duello LRCX contro KLAC del 26 luglio ci ha dato solo i cinque input del modello DCF di KLAC, non la sua Rotazione degli Attivi o dei Crediti. KLAC appare quindi in tutte le sezioni DCF e Resilienza di questo articolo, ma è esclusa dalla matrice a girone all'italiana ricostruita nella Parte 3, dove avevamo dati completi solo per quattro delle cinque aziende. Preferiamo dichiarare quella lacuna con chiarezza piuttosto che approssimare due degli otto fattori ponderati.

Una seconda cosa che vale la pena segnalare subito: i numeri di LRCX qui provengono da una fotografia di deposito del 18 agosto 2026, mentre quelli di KLAC risalgono al 26 luglio 2026 — e i numeri stessi di LRCX si sono mossi in modo sostanziale tra queste date (crescita dei ricavi 2,29% → 10,06%, ROIC 42,54% → 53,69% nella storia dei duelli propria di DUEL), molto probabilmente riflettendo un nuovo deposito trimestrale arrivato nel frattempo. Usiamo la fotografia più recente di LRCX in tutto l'articolo e segnaliamo lo scarto di date invece di mescolare due periodi di deposito diversi.

Parte 2 — Il Tabellone a Otto Fattori

*I dati di KLAC provengono da un duello del 26 luglio 2026 e sono incompleti — Margine di Cassa Operativo, Rotazione degli Attivi e Rotazione dei Crediti non facevano parte dell'output catturato da quel duello. Anche il Margine Operativo di KLAC (6,35%) e il suo ROIC (5,42%) appaiono anomalmente bassi rispetto all'intervallo storico tipico di questa azienda e al suo stesso margine FCF del 30,82% nella stessa fotografia; questo porta la firma di un artefatto di disallineamento del periodo (gli stessi Battle Report del sito avvertono che mescolare campi trimestrali e annuali può produrre esattamente questo tipo di discrepanza) piuttosto che un genuino deterioramento operativo. Riportiamo il dato così come generato e lo segnaliamo invece di correggerlo silenziosamente.

Nessuna singola azienda vince su ogni fattore, tranne che in uno scontro specifico (vedi Parte 3). LRCX registra di gran lunga il ROIC più forte (53,69%) e il Margine Operativo più forte (35,29%) del gruppo, ma anche lo Sloan Ratio più alto (9,90%) — il segnale di qualità degli accrual che lo stesso Resilience Report di DUEL cattura direttamente nella Parte 5. ONTO ha la base di ricavi più piccola e una crescita storica sostanzialmente piatta (0,00%), ma il secondo margine FCF più alto (29,82%) e la Rotazione degli Attivi più bassa (0,27x) del paniere — un'azienda che converte una base di attivi piccola e a bassa rotazione in cassa in modo insolitamente efficiente. AMAT e TER si collocano nel mezzo sulla maggior parte dei fattori, con AMAT davanti a TER su tutti e otto.

Parte 3 — Il Girone all'Italiana: Chi Vince Davvero Testa a Testa

Ricostruire ogni accoppiamento tra le quattro aziende con dati completi, usando la formula propria pubblicata da DUEL, produce un girone all'italiana completo di sei scontri:

LRCX vince tutti e tre i suoi scontri; AMAT ne vince due su tre (perdendo solo contro LRCX); TER e ONTO si dividono il loro unico scontro diretto, con la vittoria di TER che è il risultato più risicato dell'intera tabella. Facendo la media del punteggio di ciascuna azienda sui suoi tre scontri si ottiene una classifica composita:

LRCX supera AMAT per il primo posto con un margine medio di due punti — abbastanza sottile che la Parte 6 verifica se questo sopravvive a un cambiamento ragionevole nel modo in cui vengono ponderati gli otto fattori.

Parte 4 — Quanta Crescita È Già nel Prezzo

Il motore DCF di DUEL costruisce un fair value e una proiezione di prezzo a 3 anni basandosi solo sui documenti depositati da ciascuna azienda: nessun prezzo di mercato come input, nessuna stima di crescita degli analisti, solo CAGR dei ricavi, FCF, ROIC e Sloan Ratio elaborati tramite una formula fissa (metodologia completa nel nostro precedente articolo sulla [banda di confidenza del DCF]).

Il vincitore del girone all'italiana e il vincitore del DCF sono due aziende diverse. LRCX — il nome più forte nella classifica testa a testa — ha il secondo rialzo modellato più basso del gruppo, per la stessa ragione strutturale per cui NVDA mostrava il minor rialzo modellato nell'articolo su chip/rete: l'enterprise value proprio di LRCX è già ampio rispetto ai suoi stessi flussi di cassa proiettati, quindi proiettare in avanti un percorso di crescita fisso sposta la stima del fair value di una percentuale minore rispetto allo stesso esercizio su una base più piccola. TER, il nome più debole nel girone all'italiana (media 21,7), mostra il rialzo modellato più elevato — la sua valutazione attuale incorpora la minor parte della propria traiettoria storica, proprio perché quella traiettoria (0,37% di crescita storica dei ricavi) è la meno impressionante del paniere. Il rialzo del 13,3% di KLAC va letto insieme al segnale di qualità degli input della Parte 2: se il suo Margine Operativo e il suo ROIC sono sottostimati da un artefatto di dati in questa fotografia, il suo rialzo modellato è probabilmente sottostimato piuttosto che sovrastimato, dato che entrambi alimentano i moltiplicatori di qualità della crescita del modello.

Parte 5 — Chi Ha Davvero l'Armatura di Bilancio

Questa è la divergenza più netta dell'articolo. LRCX — il vincitore del girone all'italiana e il leader del ROIC del gruppo — porta il punteggio di Resilienza più basso delle cinque, per un singolo segnale specifico: il suo ROIC del 53,69% accanto a uno Sloan Ratio del 9,90% fa scattare il controllo di coerenza ROIC-vs-Sloan di DUEL, lo stesso segnale di "lieve accumulo di accrual" che abbiamo esaminato a lungo nel nostro articolo sul tasso base per questo esatto tipo di conflitto. Non è un problema Debito-vs-Cassa — la copertura cassa-debito di LRCX è comodamente sopra 1,0x — è una nota che parte della redditività dichiarata di LRCX arriva tramite accrual anziché cassa, da tenere d'occhio più che un campanello d'allarme di per sé. KLAC è il caso opposto: un profilo pulito Crescita-vs-FCF e ROIC-vs-Sloan minato da un autentico segnale Debito-vs-Cassa (rapporto debito/patrimonio netto di 1,1x con la cassa che copre solo 0,3x del debito totale) — una storia di leva finanziaria, non di qualità degli utili. ONTO, la più piccola azienda del paniere per ricavi, registra di gran lunga il profilo di resilienza più pulito del gruppo: un bilancio privo di debito (Debito Totale: $0,00) e un FRI perfetto di 100.

Parte 6 — Quanto È Fragile Questa Classifica? Mettere alla Prova i Pesi

Il girone all'italiana della Parte 3 ha usato i pesi di produzione pubblicati da DUEL (Crescita dei Ricavi 16%, Margine di Cassa Operativo 15%, ROIC 15%, Sloan Ratio 12%, Rotazione degli Attivi 10%, Rotazione dei Crediti 8%, Margine Operativo 12%, Margine FCF 12%). Questi pesi sono una scelta ragionevole e dichiarata — ma non l'unica ragionevole. Seguendo il metodo del nostro precedente articolo sul [Fragile Score], abbiamo rieseguito gli stessi scontri tra le quattro aziende sotto due schemi di ponderazione alternativi, ugualmente difendibili, e verificato se la classifica sopravviveva.

Pesi uguali (tutti e otto i fattori al 12,5% ciascuno): il vincitore di ogni scontro resta lo stesso dei pesi di produzione, ma AMAT e LRCX finiscono in un pareggio esatto per il primo posto — entrambe fanno una media di 70,8 sui loro tre scontri.

Pesi orientati alla qualità (ROIC e Sloan Ratio innalzati rispettivamente al 25% e al 20%, riflettendo un lettore a cui interessa più l'efficienza del capitale e la qualità degli utili che gli indici di rotazione; Rotazione degli Attivi e Rotazione dei Crediti ridotti al 5% ciascuno; fattori di crescita e margine mantenuti vicini ai loro pesi originali): AMAT passa nettamente al primo posto (media 71,7 contro il 65,0 di LRCX) — la classifica numero 1 si ribalta. Lo scontro TER-contro-ONTO, un risicato 53-47 sotto i pesi di produzione, diventa un pareggio esatto di 50-50 sotto entrambi gli schemi alternativi.

Le ultime due posizioni sono stabili sotto ogni schema di ponderazione testato — TER e ONTO restano ben dietro ai leader indipendentemente da come vengono ponderati gli otto fattori, sebbene il loro stesso risultato testa a testa oscilli tra una risicata vittoria di TER e un pareggio esatto. Il primo posto non è stabile — dipende specificamente da quanto peso un dato confronto attribuisce ai fattori di efficienza del capitale e qualità degli utili (ROIC, Sloan) rispetto ai fattori di rotazione e crescita. Questo non è un difetto nella metodologia di DUEL — ogni peso pubblicato è dichiarato e la formula è trasparente — è una proprietà dell'aggregazione di otto segnali fondamentali distinti in un unico numero per una coppia genuinamente equilibrata. Un risultato di cinque decenni fa nella teoria della scelta sociale (Arrow, 1951) mostra che aggregare più criteri ordinati in un'unica classifica è intrinsecamente sensibile alla regola di aggregazione scelta, non appena vengono confrontate più di due opzioni su più di una dimensione; il ribaltamento delle prime due posizioni in questo paniere è una piccola, concreta illustrazione esattamente di questa sensibilità strutturale, non un difetto specifico di questo confronto.

Parte 7 — Cosa Risponde Davvero Questo, e Cosa No

Questo articolo non dice, e non può dire, se la spesa in apparecchiature di capitale per semiconduttori continuerà a crescere, se gli ordini di apparecchiature per la produzione di wafer resteranno forti nei prossimi trimestri, o quale di queste cinque aziende supererà operativamente le altre. Queste sono domande orientate al futuro, e ogni cifra sopra descrive solo il passato e il presente.

Ciò che i dati mostrano, alle loro proprie condizioni: all'interno di questo oligopolio di cinque aziende, forza relativa (la classifica del girone all'italiana), valutazione (il rialzo del DCF) e resilienza di bilancio (il FRI) indicano tre aziende diverse come "vincitrice", a seconda di quale lente viene applicata — LRCX per forza relativa (di misura, e solo sotto uno schema di ponderazione ragionevole), TER per rialzo modellato, e ONTO per resilienza. Mostra anche, direttamente e in modo riproducibile, che la risposta a "chi è più forte" in un oligopolio molto equilibrato non è un fatto fisso in attesa di essere misurato una sola volta — è funzione di una scelta di ponderazione che una metodologia trasparente deve rendere esplicita piuttosto che nascondere.

Limiti

KLAC è esclusa dalla ricostruzione del girone all'italiana nella Parte 3. Il duello del 26 luglio 2026 che ha fornito i dati di KLAC non ha catturato la sua Rotazione degli Attivi né la Rotazione dei Crediti, due degli otto fattori ponderati, quindi il suo record testa a testa contro AMAT, TER e ONTO non ha potuto essere ricostruito con input completi. I risultati FRI e DCF di KLAC (Parti 4-5) non dipendono da questi due fattori e non ne sono influenzati.

Il Margine Operativo e il ROIC di KLAC in questa fotografia appaiono anomalmente bassi rispetto all'intervallo storico tipico di questa azienda e al suo stesso margine FCF nello stesso report, coerentemente con un artefatto di disallineamento del periodo piuttosto che un genuino deterioramento. Riportiamo i dati così come generati invece di sostituire un valore "normale" presunto.

LRCX e KLAC provengono da fotografie di deposito diverse (rispettivamente 18 agosto e 26 luglio 2026), e i numeri stessi riportati da LRCX si sono mossi in modo sostanziale tra queste due date man mano che diventava disponibile un nuovo deposito trimestrale. Abbiamo usato i dati più recenti di LRCX in tutto l'articolo invece di mescolare una fotografia più vecchia di LRCX con quella di KLAC.

La ricostruzione del girone all'italiana presuppone che la formula di ponderazione pubblicata da DUEL sia applicata esattamente come documentato. Lo abbiamo verificato rispetto a due output noti (AMAT vs. TER e ONTO vs. LRCX) e riprodotto entrambi esattamente prima di estendere il metodo ai quattro accoppiamenti non confermati; non abbiamo riverificato in modo indipendente ogni punteggio ricostruito rispetto a un duello dal vivo.

Cinque aziende sono una fotografia diagnostica di un oligopolio autentico, non un campione statistico. Il risultato sulla sensibilità ai pesi nella Parte 6 descrive questo specifico paniere in questa specifica fotografia; non è un'affermazione che le classifiche di DUEL siano generalmente instabili sulle centinaia di altri duelli sul sito, la maggior parte dei quali — come ha scoperto il nostro precedente articolo sul Fragile Score — non è così equilibrata.

Nessun prezzo di mercato, intenzionalmente. Il motore DCF di DUEL ignora il prezzo attuale dell'azione e le stime degli analisti, il che è esattamente ciò che rende "quanta crescita presuppone già la traiettoria propria di un'azienda" una domanda pulita e verificabile, invece di un confronto con dove il mercato valuta attualmente il titolo.

Conclusione

All'interno dell'oligopolio di cinque aziende che costruisce gli strumenti da cui dipendono gli stessi produttori di chip, nessuna azienda vince su tutte le misure. LRCX ha l'efficienza del capitale più forte e — sotto la stessa ponderazione di produzione del sito — il record testa a testa più forte, ma anche l'unico segnale di attenzione sulla qualità degli utili del gruppo e il punteggio di Resilienza più basso. TER ha il record di girone all'italiana più debole, ma il margine residuo maggiore nella matematica di valutazione propria di DUEL. ONTO, la più piccola azienda qui, ha il bilancio più pulito e un punteggio di Resilienza perfetto, pur collocandosi a metà classifica per forza relativa. E lo stesso primo posto del girone all'italiana — LRCX davanti ad AMAT — non è un fatto fisso: si ribalta verso AMAT sotto una lettura ponderata in modo diverso, ugualmente difendibile, degli stessi otto numeri. Nulla di tutto ciò è una previsione sul ciclo delle apparecchiature per semiconduttori. È ciò che dicono i documenti propri di cinque aziende, elaborati allo stesso modo, da più di un'angolazione ragionevole.

Ogni cifra di questo articolo riconduce a un duello che potete consultare voi stessi e riverificare su duelstocks.com.

Per Approfondire — Stessa Serie, Stesso Metodo

Questo articolo si basa direttamente sulla metodologia stabilita negli articoli precedenti di questa serie, che potete trovare qui sotto sul sito.

Riferimenti

Arrow, K. J. (1951). Social Choice and Individual Values. Wiley.

Damodaran, A. (2012). Investment Valuation: Tools and Techniques for Determining the Value of Any Asset (3ª ed.). Wiley.

U.S. Securities and Exchange Commission — Ricerca full-text EDGAR e dati di deposito XBRL strutturati, sec.gov.

Un approfondimento metodologico firmato DuelStocks. Non è un consiglio di investimento. Tutti i dati provengono da documenti pubblici depositati presso la SEC EDGAR.

Un approfondimento sui fondamentali firmato DuelStocks. Non è un consiglio di investimento e, come il resto di questa serie, non è nemmeno una previsione. Tutti i dati qui sotto provengono da documenti pubblici depositati presso la SEC EDGAR (10-K/10-Q), elaborati dai report Battle, DCF e Resilience (STR) di DUEL.

L'inquadramento "picconi e pale" per l'infrastruttura IA ha un punto cieco: di solito si ferma al rack. Chip, rete ed energia/raffreddamento a livello di rack fanno notizia, ma ognuno di quei rack deve comunque essere collegato a qualcosa — capacità di generazione, trasmissione e distribuzione, e gli appaltatori elettrici che costruiscono fisicamente quell'interconnessione. Questa è una catena diversa, con una struttura di capitale diversa e — come mostrerà questo articolo — un profilo di resilienza nettamente diverso da quello che abbiamo mappato in [Chi Vende Davvero le Pale?].

Questo è un seguito diretto, non una ripetizione. Due nomi vengono ripresi da quell'articolo — ETN e VRT — perché si collocano esattamente al confine tra "energia a livello di rack" e "energia a livello di rete", e la loro assenza qui lascerebbe un vuoto nella catena. Tutto il resto è nuovo. La domanda resta la stessa che poniamo in tutta questa serie: non dove sta andando il ciclo, ma cosa dicono i numeri già registrati nei bilanci su chi sta effettivamente catturando questa espansione in questo momento — e quanto di questa cattura sia già incorporato nella matematica di valutazione propria di DUEL.

Cosa dicono i 10-K/10-Q già depositati su chi, nella catena "energia per l'IA" quotata negli Stati Uniti, sta attualmente catturando crescita, margine e solidità di bilancio — e quanto di ciò sia già riflesso nella matematica DCF di DUEL, senza alcuna previsione di crescita della domanda elettrica?

Parte 1 — Costruire il Paniere

Alimentare un data center IA non è un unico business. Sono almeno tre: l'azienda che genera o acquista l'elettricità, l'azienda che produce le apparecchiature di commutazione, i trasformatori e la gestione termica tra la rete e i server, e l'azienda che costruisce e cabla fisicamente le sottostazioni, le linee di trasmissione e i locali elettrici che collegano i due. Abbiamo costruito un paniere di dieci aziende su questi tre livelli, più gli stessi quattro acquirenti hyperscale usati come gruppo di controllo nell'articolo precedente:

• Generazione / Utility: VST, CEG, NEE, SO
• Energia / Industriale (apparecchiature elettriche dalla rete all'edificio): ETN, VRT, EMR, ROK
• Costruzione / Appaltatori Elettrici e T&D: PWR, EME
• Acquirenti (gruppo di controllo, non valutati come "beneficiari"): MSFT, GOOGL, AMZN, META

Questo dà dieci nomi unici lato offerta e quattro acquirenti — 14 aziende in totale, ciascuna elaborata tramite il Battle Report, il DCF Report e il Resilience Report di DUEL esattamente come qualsiasi altro duello sul sito. I dieci nuovi duelli alla base di questo articolo sono stati generati il 17 agosto 2026. I quattro profili degli acquirenti sono riutilizzati dalla finestra 26 luglio–13 agosto 2026 usata nell'articolo precedente — gli output di DUEL per azienda sono indipendenti dall'avversario, il che non compromette la comparabilità, ma le fotografie di deposito sottostanti sono distanti alcune settimane, cosa che vale la pena segnalare chiaramente.

Parte 2 — Crescita e Margine: Dove Sta Davvero Atterrando il Capitale

La prima cosa che mostra questa tabella è che "energia" non è un'unica storia di crescita — sono almeno tre storie non correlate. Il livello generazione/utility cresce a malapena su base storica: VST (4,31%), CEG (1,47%), SO (0,31%) e NEE (-3,05%) — un business regolamentato, fortemente contrattualizzato, a ciclo di capitale, il cui fatturato semplicemente non si muove come quello di chip o rete, indipendentemente da quanta domanda incrementale compaia nelle code di interconnessione. Il livello delle apparecchiature energia/industriale è l'opposto: VRT fa crescere il fatturato del 21,59%, più vicino ai nomi dell'infrastruttura IA dell'articolo precedente che ai propri pari di settore, mentre ETN (9,77%) e ROK (2,44%) crescono molto più lentamente, e EMR si sta addirittura contraendo (-2,82%) su base storica. Il livello costruzione/T&D si colloca nel mezzo ma sbilanciato verso l'alto — PWR (18,60%) ed EME (15,32%) — coerente con un boom di costruzione fisica nel segmento della catena che letteralmente versa cemento e tira cavi.

Il margine racconta una seconda storia, separata. Il margine FCF del 18,51% di VRT e il suo ROIC del 27,99% assomigliano a un profilo di margine da fornitore di infrastrutture, non da utility — strutturalmente più vicino al livello calcolo/rete dell'articolo precedente che alla propria etichetta "energia". Il margine FCF di SO è negativo (-9,93%): il CAPEX sta attualmente correndo davanti al flusso di cassa operativo, uno schema che si ripete in tutto il livello generazione e che, come mostra la Parte 3 qui sotto, ha conseguenze reali per la modellazione DCF. Il margine operativo del 58,08% di NEE merita di essere segnalato come valore anomalo piuttosto che preso alla lettera — la contabilità delle utility regolamentate (riconoscimento del rendimento consentito, attività regolatorie differite) può produrre cifre di margine operativo non comparabili, fattore per fattore, con quelle di un'azienda industriale o software, anche se la stessa formula (Reddito Operativo / Ricavi) viene applicata in modo identico. Lo esponiamo invece di appianarlo.

Parte 3 — Quanta Crescita È Già nel Prezzo

Qui è dove le due metà di questo paniere divergono nettamente — e dove gli assunti stessi del modello diventano parte del risultato. Il motore DCF di DUEL costruisce un fair value e una proiezione di prezzo a 3 anni basandosi solo sui documenti depositati da ciascuna azienda: nessun prezzo di mercato come input, nessuna stima di crescita degli analisti, solo CAGR dei ricavi, FCF, ROIC e Sloan Ratio elaborati tramite una formula fissa (metodologia completa nel nostro precedente articolo sulla [banda di confidenza del DCF]).

Sette nomi su dieci producono una cifra di rialzo ordinaria e interpretabile, dal 11,5% di VRT (la stessa cifra dell'articolo precedente — a conferma che gli output per azienda del modello sono davvero indipendenti dall'avversario) fino al 41,7% di VST. Ma tre nomi — CEG, NEE e SO, tutti nel livello generazione/utility — non lo fanno. Questo è il risultato principale di questo articolo, e merita di essere dichiarato con precisione invece di essere appiattito in una categoria "basso rialzo".

Cosa sta realmente accadendo: il DCF di DUEL definisce l'FCF come CFO meno CAPEX. Per tutte e tre le aziende, il CAPEX attuale è abbastanza grande rispetto al flusso di cassa operativo (e, nel caso di SO, lo supera effettivamente) da far sì che proiettare in avanti questa base di FCF secondo la formula fissa del modello spinga il valore d'impresa modellato al di sotto del debito totale. Il modello non riporta un fair value negativo; pone un tetto di $0,00 al valore del capitale mostrato e segnala il caso esplicitamente ("il debito totale supera il valore d'impresa modellato... segnala un rischio di bilancio significativo, non una valutazione precisa"). Il caso di SO è il più estremo: la sua traiettoria di prezzo modellata a 3 anni è negativa ($0,00 → -$2,67 → -$5,34 → -$8,03), perché la sua stessa base di FCF è negativa e il modello non ha un meccanismo per distinguere un "FCF temporaneamente negativo durante un ciclo di espansione approvato dal regolatore" da un "business strutturalmente che brucia cassa". Entrambi produrrebbero lo stesso output.

Questa non è un'affermazione che Vistra, Constellation, NextEra o Southern siano sovraindebitate o mal gestite — le utility di generazione regolamentate e quasi regolamentate finanziano abitualmente programmi di capitale pluriennali con debito garantito da una base tariffaria o da flussi di cassa contrattati a lungo termine, cosa che un DCF puro basato sull'FCF storico non è mai stato progettato per cogliere. È un risultato sul modello, applicato onestamente: un motore di flusso di cassa scontato calibrato su CFO meno CAPEX, senza trattamento della base tariffaria, degli attivi regolatori o dello sconto sui dividendi, non può strutturalmente produrre un fair value utilizzabile per questo tipo di bilancio. Preferiamo segnalare chiaramente questo limite piuttosto che forzare una cifra che implichi più precisione di quanta il modello possa realmente sostenere.

Parte 4 — Chi Ha Davvero l'Armatura di Bilancio

Questa tabella è il contrasto più netto con l'articolo precedente. Nel paniere chip/rete/raffreddamento, il 55% delle aziende superava tutti e tre i controlli di coerenza interna con un pulito OK/OK/OK. Qui, solo due su dieci ci riescono — VRT e, con una riserva qui sotto, EMR. Ognuno dei quattro nomi generazione/utility porta un segnale Debito-vs-Cassa, e tre dei quattro portano il livello più severo RISCHIO invece di ATTENZIONE. Questo si allinea direttamente con la Parte 3: la stessa intensità di capitale finanziata a debito che pone il tetto a $0,00 sui fair value DCF di CEG, NEE e SO è anche ciò che qui genera i loro segnali Debito-vs-Cassa. I due risultati non sono scoperte indipendenti — è la stessa struttura di bilancio sottostante che emerge in due parti diverse del modello di DUEL.

Il punteggio FRI di 100 di EMR necessita di una propria riserva, nello stesso spirito di quella di GEV nell'articolo precedente. Il suo Resilience Report mostra diverse componenti patrimoniali grezze — cassa, debito totale, reddito operativo, patrimonio netto — come non disponibili ("—") nel periodo di deposito considerato, lasciando calcolato solo il sotto-punteggio di Autosufficienza degli Investimenti (FCF/CAPEX); le altre tre sotto-metriche (Copertura Cassa-Debito, Qualità degli Utili, Autonomia di Liquidità) non hanno potuto essere valutate affatto. Un 100 costruito su una sola delle quattro sotto-metriche popolate è un tipo di 100 diverso da quello di VRT, costruito su quattro sotto-metriche completamente popolate e tutte valutate in modo pulito. La spiegazione più probabile è una discrepanza di calendario fiscale — l'anno fiscale di Emerson termina a settembre anziché a dicembre, il che può lasciare determinati campi taggati in XBRL scarsamente popolati rispetto a pari su anno solare in un dato momento — ma finché non verrà catturato un periodo di deposito con dati completi, il FRI di EMR dovrebbe essere letto come provvisorio, non definitivo.

PWR ed EME portano entrambe un singolo segnale di ATTENZIONE su Crescita vs. FCF: entrambe stanno crescendo i ricavi nella fascia medio-alta delle decine percentuali (18,60% e 15,32%) mentre il margine FCF si colloca nella fascia media a una cifra (5,69% e 6,77%) — un segnale diretto di ritardo nella conversione di cassa, tipico di appaltatori che scalano personale e capitale circolante prima della fatturazione, non una preoccupazione di qualità contabile.

Parte 5 — La Scorecard: Rialzo vs. Resilienza

Mettendo insieme le Parti 3 e 4, i sette nomi con un output DCF interpretabile si dispongono in una griglia 2×2. Il punto di separazione su ciascun asse è la mediana calcolata solo su questi sette nomi (mediana del rialzo 17,0%, mediana FRI 68); CEG, NEE e SO sono esclusi del tutto da questa griglia invece di essere forzati in un quadrante che il loro fair value modellato in realtà non sostiene; ricevono una propria categoria qui sotto.

Prezzato in modo interessante e strutturalmente solido: EMR, PWR (entrambe sopra la mediana FRI; il rialzo di PWR si colloca quasi esattamente sulla linea mediana del 17,0%)

Rialzo modellato, cuscinetto più sottile: VST, ROK (rialzo sopra la mediana, resilienza sotto la mediana)

Già incorporato nel prezzo, ma solidissimo: VRT (rialzo sotto la mediana, ma il FRI completamente popolato più alto del paniere)

Già incorporato nel prezzo, cuscinetto comparativamente più sottile: EME

Esattamente sull'incrocio: ETN, il cui rialzo del 17,0% e FRI di 68 cadono quasi esattamente su entrambe le linee mediane, rendendola il punto cardine di questo paniere piuttosto che un membro netto di un quadrante.

Casi di soglia minima del modello (esclusi dalla griglia): CEG, NEE, SO — vedi Parte 3. Tutte e tre portano un segnale RISCHIO o ATTENZIONE Debito-vs-Cassa nella Parte 4 e un fair value modellato di $0,00 nella Parte 3; lette insieme, questo è il segnale più chiaro dell'intero paniere, e appartiene specificamente al livello generazione/utility, non a energia/industriale o costruzione/T&D.

Il contrasto con la scorecard dell'articolo precedente è di per sé un risultato. In Pale, solo due nomi su undici finivano nel quadrante meno favorevole, e nessuno degli undici rompeva del tutto il modello DCF. Qui, tre nomi su dieci rompono il modello del tutto prima ancora che sia possibile parlare di quadranti, e si concentrano esattamente su un livello della catena — la generazione. La storia dell'"energia per l'IA", a livello di fondamentali, non è un'unica storia; è un livello di apparecchiature/appaltatori resiliente seduto sopra un livello di generazione fortemente indebitato.

Parte 6 — Il Gruppo di Controllo: Come Appaiono gli Acquirenti

Tutti e quattro gli acquirenti hyperscale finiscono nel livello di resilienza ALTA di DUEL — lo stesso risultato dell'articolo precedente, e le stesse cifre, riutilizzate invece di ricalcolate (vedi la nota sulla finestra riutilizzata nella Parte 1). Ciò che è diverso questa volta è il contrasto sull'altro lato della transazione. In Pale, gli undici fornitori chip/rete/raffreddamento andavano da FRI 11 a 100 con una mediana di 75 — vicino alla stessa fascia 81–100 degli acquirenti. Qui, i dieci fornitori della catena elettrica vanno da FRI 42 a 100 con una mediana di 68, e tre di essi non superano affatto il modello DCF di DUEL. Gli acquirenti che finanziano questa espansione siedono, secondo questa misura, su bilanci drammaticamente più solidi rispetto alle aziende sul lato della generazione che stanno effettivamente costruendo l'energia per essa.

Parte 7 — Cosa Risponde Davvero Questo, e Cosa No

Per essere precisi sui limiti di questo esercizio, dato che sopravvalutarne la portata ne minerebbe tutto il senso: questo articolo non dice, e non può dire, se la capacità della rete elettrica statunitense terrà il passo con la crescita della domanda guidata dall'IA, se specifici progetti di generazione o trasmissione verranno costruiti secondo programma, o se i piani di capitale di queste aziende avranno successo. Queste sono domande orientate al futuro, e ogni cifra sopra descrive solo il passato e il presente.

Ciò che i dati mostrano, alle loro proprie condizioni: crescita e margine in questa catena sono genuinamente tre storie separate sovrapposte tra loro — un livello di generazione a crescita lenta e alta intensità di capitale; un livello di apparecchiature a crescita rapida e alto margine; e un livello di costruzione a crescita rapida e margine sottile. Mostra anche che la resilienza, misurata allo stesso modo sulle 14 aziende di questo articolo e del precedente, non è distribuita uniformemente in questa catena — è concentrata nel livello delle apparecchiature e in gran parte assente nel livello della generazione, dove il modello DCF di DUEL si rompe completamente per tre nomi su quattro. Questa è un'affermazione sulla struttura di bilancio di queste specifiche aziende oggi, elaborata attraverso uno specifico modello, non una previsione sul mercato elettrico di domani.

Limiti

Tre nomi su dieci non hanno prodotto un fair value DCF utilizzabile. CEG, NEE e SO hanno tutte raggiunto la soglia minima del modello di DUEL (valore del capitale mostrato di $0,00, dettaglio completo nella Parte 3). Questo riflette una discrepanza tra la definizione fissa di FCF del modello (CFO meno CAPEX) e la struttura di capitale finanziata a debito e orientata alla base tariffaria, tipica delle utility di generazione regolamentate e quasi regolamentate — non un'affermazione sulla reale salute finanziaria o il merito di investimento di queste aziende.

Il punteggio di Resilienza di EMR è costruito su dati grezzi incompleti, segnalato direttamente nella Parte 4 — tre sotto-metriche su quattro non hanno potuto essere calcolate nel periodo di deposito considerato, molto probabilmente a causa di una discrepanza di fine anno fiscale (settembre per Emerson contro dicembre per la maggior parte dei pari). Il suo FRI di 100 dovrebbe essere trattato come provvisorio finché non verrà catturato un periodo di deposito con dati patrimoniali completi.

Fotografia, non una classifica in tempo reale, e non un'unica finestra temporale. I dieci duelli lato offerta sono stati generati il 17 agosto 2026. I quattro profili degli acquirenti sono riutilizzati dalla finestra 26 luglio–13 agosto 2026 usata nell'articolo precedente di questa serie; gli output di DUEL per azienda non dipendono dall'avversario, ma le fotografie di deposito sottostanti sono distanti diverse settimane.

Nessun prezzo di mercato, intenzionalmente — e questo vale in entrambe le direzioni. Il motore DCF di DUEL ignora deliberatamente il prezzo attuale dell'azione e le stime degli analisti, il che è esattamente ciò che rende "quanta crescita presuppone già la traiettoria propria di un'azienda" una domanda pulita e verificabile. Significa anche che il "rialzo modellato" qui non è un'aspettativa implicita nel mercato e non dovrebbe essere letto come tale.

La costruzione del paniere è una scelta di giudizio, non un censimento. Dieci nomi lato offerta e quattro acquirenti sono uno spaccato ragionevole della catena elettrica dell'IA quotata negli Stati Uniti, non esaustivo; un altro paniere, ugualmente ragionevole, potrebbe spostare quali nomi finiscono in quale parte di questa analisi.

Quattordici aziende sono una fotografia diagnostica, non un campione statistico — leggete gli schemi sopra come descrittivi, non come prove generalizzabili oltre questo specifico paniere.

Conclusione

Su dieci aziende che forniscono energia per l'infrastruttura IA e quattro degli acquirenti hyperscale che finanziano questa espansione, crescita e margine si dividono nettamente in tre storie separate per livello — generazione lenta e ad alta intensità di capitale; apparecchiature rapide e ad alto margine; costruzione rapida e a margine sottile. La resilienza si divide in modo ancora più netto: il livello delle apparecchiature appare come la parte più solida dell'intera catena di infrastruttura IA esaminata finora in entrambi gli articoli di questa serie, mentre tre dei quattro nomi generazione/utility portano un autentico segnale di leva finanziaria e nessuno dei tre produce un fair value DCF utilizzabile secondo il modello di DUEL. Nulla di tutto ciò è una previsione sulla costruzione della rete, sulla crescita della domanda, o su quali progetti verranno finanziati. È ciò che i depositi dicono già, elaborato con la stessa formula per ogni azienda nella stanza — inclusa un'onesta rendicontazione di dove quella formula smette di funzionare.

Ogni cifra di questo articolo riconduce a un duello che potete consultare voi stessi e riverificare su duelstocks.com.

Per Approfondire — Stessa Serie, Stesso Metodo

Questo articolo è un seguito diretto che si basa sulla metodologia stabilita negli articoli precedenti di questa serie, che potete trovare qui sotto sul sito.

Riferimenti

Damodaran, A. (2012). Investment Valuation: Tools and Techniques for Determining the Value of Any Asset (3ª ed.). Wiley.

Damodaran, A. (2018). Valuing regulated and capital-intensive businesses: why standard DCF assumptions break down for rate-based utilities. Nota di lavoro, NYU Stern School of Business.

U.S. Securities and Exchange Commission — Ricerca full-text EDGAR e dati di deposito XBRL strutturati, sec.gov.

Un approfondimento metodologico firmato DuelStocks. Non è un consiglio di investimento. Tutti i dati provengono da documenti pubblici depositati presso la SEC EDGAR.

Un approfondimento sui fondamentali firmato DuelStocks. Non è un consiglio di investimento e, a differenza della maggior parte dei commenti sul ciclo dell'IA, non è nemmeno una previsione. Tutti i dati qui sotto provengono da documenti pubblici depositati presso la SEC EDGAR (10-K/10-Q), elaborati dai report Battle, DCF e Resilience (STR) di DUEL.

Chiedete a dieci persone se la costruzione delle infrastrutture IA sia alle sue fasi iniziali, intermedie o finali, e otterrete dieci risposte sicure e nessuna prova condivisa. Questo perché la domanda, così come viene solitamente posta, è una domanda previsionale — "quanto capex arriverà ancora" — e le previsioni non sono ciò che questo strumento fa o dichiara di fare. DUEL non ha alcuna opinione sulla spesa futura in IA, nessuna stima di analisti e nessun modello macroeconomico.

Ciò che DUEL ha davvero è qualcosa di più circoscritto e verificabile: una lettura standardizzata di ciò che i dati finanziari già pubblicati delle aziende che costruiscono infrastrutture IA dicono su crescita, margine, efficienza del capitale, matematica di valutazione e resilienza patrimoniale — tutti provenienti dalla stessa fonte (documenti SEC) e passati attraverso le stesse formule per ogni azienda coinvolta. Quindi, invece di chiedere "a che punto siamo del ciclo", questo articolo pone una versione di quella domanda a cui DUEL può effettivamente rispondere con i dati anziché con opinioni:

Cosa dicono i numeri già registrati sui libri contabili su chi sta davvero catturando in questo momento la costruzione dell'infrastruttura IA — e quanto di quella cattura è già incorporato nella matematica di valutazione propria di DUEL?

Parte 1 — Costruire il Paniere

"Picconi e pale" è l'inquadramento naturale per investire nell'infrastruttura IA: invece di scommettere su quale applicazione IA vincerà, si acquistano le aziende che forniscono la potenza di calcolo, la rete, l'energia e lo storage di cui ogni carico di lavoro IA ha bisogno, indipendentemente da chi vinca. Abbiamo costruito un paniere su quattro livelli dell'offerta, più un quinto gruppo che si trova dall'altra parte della transazione — gli acquirenti hyperscale — come gruppo di controllo, non come insieme di "beneficiari":

• Calcolo: NVDA, AMD, AVGO, MU
• Rete / interconnessione: ANET, CIEN
• Energia e raffreddamento: VRT, ETN, MOD, GEV
• Memoria e storage: MU (condiviso con Calcolo), WDC
• Acquirenti (gruppo di controllo, non valutati come "beneficiari"): MSFT, GOOGL, AMZN, META

Un nome manca vistosamente. TSM è stata esclusa del tutto. In quanto emittente privato estero con sede a Taiwan, TSMC deposita presso la SEC un rapporto annuale 20-F, non un 10-K, e non deposita 10-Q. L'intero modello di DUEL è costruito esclusivamente su dati 10-K/10-Q, per progettazione — quindi un'azienda che strutturalmente non deposita quei moduli è fuori da ciò che questo strumento può misurare, per quanto centrale sia per l'effettiva catena del valore. Preferiamo segnalare chiaramente questa lacuna piuttosto che colmarla silenziosamente con un numero preso altrove.

Restano quindi 11 "venditori di pale" unici e 4 acquirenti — 15 aziende in totale, ciascuna elaborata tramite il Battle Report, il DCF Report e il Resilience Report di DUEL esattamente come qualsiasi altro duello sul sito. Tutti i duelli alla base di questo articolo sono stati generati tra il 26 luglio e il 13 agosto 2026. Si tratta di una fotografia di quella finestra temporale, non di una classifica permanente — la metodologia resta valida ben oltre il momento in cui un singolo numero diventa obsoleto.

Parte 2 — Crescita e Margine: Dove Sta Davvero Atterrando il Capitale

Nessun singolo numero qui suggerisce che "il ciclo sia finito". Nove degli undici nomi crescono ancora i ricavi a doppia cifra, e i due nomi della rete — ANET (27,2%) e CIEN (9,5%) — si trovano agli estremi opposti di quell'intervallo all'interno dello stesso livello, il che è di per sé informativo: la domanda di interconnessione non solleva ogni nome della rete allo stesso modo. Il numero del 100% di NVDA è un valore anomalo di un ordine di grandezza rispetto ai suoi stessi pari nel livello del calcolo — un promemoria che "domanda di calcolo IA" e "crescita dei ricavi di NVIDIA" non sono la stessa variabile, anche se i titoli dei giornali spesso le fondono in una sola.

Il quadro dei margini è dove il paniere si divide in due business visibilmente diversi. I nomi del calcolo e della rete (NVDA, AVGO, ANET) registrano margini FCF nell'intervallo 42–48% — una conversione di cassa simile a quella del software nonostante siano aziende hardware, in gran parte perché la produzione vera e propria è esternalizzata. I nomi dell'energia e del raffreddamento (VRT, ETN, MOD, GEV) registrano margini FCF tra il 2% e il 19% — business per natura ad alta intensità di capitale e a margine più basso, più vicini agli industriali tradizionali che alla progettazione di chip. WDC è l'unico nome con crescita dei ricavi negativa nell'intero paniere (-20,3%), che riflette un minimo ciclico nei prezzi di NAND/HDD che non ha nulla a che vedere con la domanda specifica dell'IA — un promemoria che lo "storage" come categoria è esposto a più di un ciclo di domanda contemporaneamente.

Parte 3 — Quanta Crescita È Già nel Prezzo

Questa è la parte che affronta davvero la questione dello "stadio del ciclo" — indirettamente, e alle condizioni proprie di DUEL. Il motore DCF di DUEL costruisce un fair value e una proiezione di prezzo a 3 anni basandosi solo sui documenti depositati da ciascuna azienda: nessun prezzo di mercato come input, nessuna stima di crescita degli analisti, solo CAGR dei ricavi, FCF, ROIC e Sloan Ratio elaborati tramite una formula fissa (metodologia completa nel nostro precedente articolo sulla [banda di confidenza del DCF]). Il rialzo modellato a 3 anni che ne risulta non è un obiettivo di prezzo — è una misura di quanto della traiettoria storica propria di un'azienda, proiettata in avanti secondo le regole fisse del modello, sia già riflesso nella stima di fair value propria del modello, rispetto a quanto margine la matematica mostri ancora.

NVIDIA — di gran lunga il nome a crescita più rapida e con il ROIC più alto dell'intero paniere — si colloca al 12° posto su 15 per rialzo modellato. Non è una coincidenza del modello; è la diretta conseguenza aritmetica del fatto che l'enterprise value proprio di NVDA è già abbastanza grande, rispetto ai propri flussi di cassa proiettati, che proiettare in avanti un percorso di crescita fisso a 3 anni produce un movimento percentuale minore rispetto a fare lo stesso esercizio su una base più piccola. Questo è lo stesso schema che il nostro primo articolo di questa serie aveva già trovato in un singolo duello NVDA-vs-AMD a inizio agosto; applicarlo a un paniere infrastrutturale di 11 aziende invece che a una singola coppia dimostra che non è un artefatto di quel confronto specifico.

Due note di validità che vale la pena segnalare chiaramente. Primo, il fair value di MU ($38,29), il suo prezzo a 3 anni ($43,06) e ogni input dietro di essi appaiono identici, sia che MU venga confrontata con AMD sia con WDC — conferma diretta, riscontrata sul campo, che gli output DCF per azienda di DUEL non dipendono da chi sia l'avversario, esattamente come il modello è progettato per funzionare. Secondo, il rialzo modellato di GEV (20,7%) si colloca vicino alla cima di questa tabella, ma andrebbe letto insieme alla Parte 4 qui sotto prima di trarne una conclusione isolata.

Parte 4 — Chi Ha Davvero l'Armatura di Bilancio

È qui che la narrazione del "beneficiario" si complica più di quanto suggerisca un singolo grafico di crescita. Due dei quattro nomi dell'energia e del raffreddamento — MOD (31) e GEV (11) — finiscono nel livello di resilienza BASSA di DUEL, la stessa categoria che il modello riserva alle aziende il cui cuscinetto patrimoniale appare sottile rispetto alle loro esigenze di flusso di cassa, indipendentemente da quanto sia forte la narrazione di crescita sottostante. GEV merita in particolare una riserva sulla qualità dei dati piuttosto che un verdetto: diverse delle sue componenti patrimoniali grezze (cassa, debito totale, reddito operativo, patrimonio netto) non erano disponibili nel periodo di deposito considerato, molto probabilmente perché la storia dei depositi SEC di GE Vernova è ancora breve dopo lo spin-off da GE nel 2024. Il suo livello BASSO dovrebbe essere trattato come provvisorio finché non si accumulano depositi post-spin-off più completi — un'azienda con una breve storia di depositi apparirà meccanicamente più sottile su componenti che il modello non può ancora vedere, indipendentemente dalla sua reale condizione finanziaria.

ETN è un caso più chiaro: il suo controllo di coerenza Debito-vs-Cassa ha innescato un segnale genuino di RISCHIO — rapporto debito/patrimonio netto superiore a 1,0x, con la cassa che copre essenzialmente nulla del debito totale — un semplice segnale di leva finanziaria su un bilancio industriale già maturo, non una preoccupazione di qualità contabile. L'unico segnale di ATTENZIONE di AVGO è la stessa storia su scala minore.

Nel frattempo, i punteggi di resilienza più alti del paniere non appartengono ai nomi a crescita più elevata né a quelli con il rialzo più basso — appartengono ad AMD, ANET e VRT, tre aziende con profili di crescita e strutture di margine significativamente diversi, unificate solo da bilanci puliti e privi di contraddizioni in tutti e tre i controlli di coerenza interna di DUEL.

Parte 5 — La Scorecard: Rialzo vs. Resilienza

Mettendo insieme le Parti 3 e 4 — rialzo modellato a 3 anni su un asse, livello di resilienza sull'altro — i nomi dell'infrastruttura si suddividono in quattro gruppi che nessuna tabella singola sopra mostra da sola. Il punto di separazione su ciascun asse è la mediana calcolata solo sulle 11 aziende del lato dell'offerta (17,65% di rialzo, FRI 75); i quattro acquirenti hyperscale sono deliberatamente esclusi da questo calcolo e mostrati separatamente nella Parte 6, così che i loro bilanci molto più grandi e diversificati non spostino silenziosamente la mediana dei fornitori.

Prezzato in modo interessante e strutturalmente solido (rialzo sopra la mediana, resilienza sopra la mediana): AMD, ANET, CIEN

Rialzo modellato, cuscinetto più sottile (rialzo sopra la mediana, resilienza sotto la mediana): WDC, GEV, MOD

Già incorporato nel prezzo, ma solidissimo (rialzo sotto la mediana, resilienza sopra la mediana): AVGO, MU, VRT

Già incorporato nel prezzo, cuscinetto comparativamente più sottile (rialzo sotto la mediana, resilienza sotto la mediana): NVDA, ETN

Solo due nomi finiscono in quest'ultimo quadrante, il meno favorevole — e NVIDIA è uno di essi, accanto a ETN, un'industriale matura che questa stessa analisi ha segnalato con un autentico avviso di RISCHIO di leva finanziaria nella Parte 4. Questa è la vera sorpresa qui: il nome che ogni titolo tratta come l'ovvio "vincitore dell'IA" si trova nel quadrante che la matematica propria di questo paniere associa al minor margine modellato residuo e al minor cuscinetto di resilienza — non perché ci sia qualcosa che non va nel business, ma perché sia la sua crescita sia il suo enterprise value sono già andati abbastanza avanti da far sì che l'aritmetica propria del modello abbia, su entrambi gli assi, meno distanza da coprire rispetto a nove degli altri dieci fornitori della catena al cui centro si trova.

Parte 6 — Il Gruppo di Controllo: Come Appaiono gli Acquirenti

Tutti e quattro gli acquirenti hyperscale finiscono nel livello di resilienza ALTA di DUEL, a differenza dei loro fornitori, la cui resilienza spaziava tra 11 e 100. È prevedibile — si tratta di quattro dei più grandi e diversificati generatori di cassa dell'intero mercato, che acquistano infrastruttura IA come una voce tra molte anziché dipenderne come farebbe un fornitore puro. Meno prevedibile: il loro rialzo modellato (16,2%–20,6%) si colloca esattamente nello stesso intervallo del paniere dei fornitori — non evidentemente più alto né più basso. Essere l'acquirente in questa transazione non produce strutturalmente una firma di matematica di valutazione diversa dall'essere il fornitore — almeno non una che questa fotografia riesca a rilevare.

Parte 7 — Cosa Risponde Davvero Questo, e Cosa No

Per essere precisi sui limiti di questo esercizio, dato che sopravvalutarne la portata ne minerebbe tutto il senso: questo articolo non dice, e non può dire, se la spesa in infrastrutture IA abbia ancora strada da percorrere, si stia stabilizzando o abbia già raggiunto il picco. Questa è una domanda sul futuro, e ogni numero sopra descrive solo il passato e il presente.

Ciò che i dati mostrano, alle loro proprie condizioni: i tassi di crescita storici in questo paniere restano alti e restano dispersi — nulla qui somiglia a un settore in cui la crescita si è sincronizzata e appiattita, che è tipicamente l'aspetto che un ciclo "tardivo e in maturazione" assume nei fondamentali, piuttosto che nei titoli dei giornali. Mostra anche che la resilienza è realmente disomogenea sotto una storia di crescita raccontata come se si applicasse ugualmente a tutti coloro che ne fanno parte, e che la matematica DCF propria di DUEL, priva di prezzo di mercato, sta già assegnando meno margine modellato residuo al nome più discusso del settore rispetto alla maggior parte del resto della catena che lo circonda — il che è un'affermazione sul punto di partenza odierno di quella specifica azienda, non una previsione sul domani.

Limiti

TSM completamente esclusa, e per un motivo strutturale, non di qualità dei dati: in quanto emittente privato estero, l'azienda deposita un 20-F anziché un 10-K, il che la colloca al di fuori di ciò che la pipeline di DUEL, basata esclusivamente su SEC EDGAR, è progettata per leggere, indipendentemente dalla sua reale importanza per il livello del calcolo.

Fotografia, non una classifica in tempo reale. Ogni duello sottostante è stato generato tra il 26 luglio e il 13 agosto 2026; i numeri specifici sopra si evolveranno a ogni nuovo deposito trimestrale, anche se il metodo comparativo da cui provengono non cambierà.

Nessun prezzo di mercato, intenzionalmente — e questo vale in entrambe le direzioni. Il motore DCF di DUEL ignora deliberatamente il prezzo attuale dell'azione e le stime degli analisti, il che è esattamente ciò che rende "quanta crescita presuppone già la traiettoria propria dell'azienda" una domanda pulita e verificabile. Significa anche che il "rialzo modellato" qui non è un'aspettativa implicita nel mercato e non dovrebbe essere letto come tale.

La costruzione del paniere è una scelta di giudizio, non un censimento. Undici nomi infrastrutturali e quattro acquirenti sono uno spaccato ragionevole della catena del valore dell'IA, non esaustivo; un altro paniere ugualmente ragionevole potrebbe spostare quali nomi finiscono in quale quadrante della scorecard.

Il punteggio di resilienza di GEV va letto con una riserva sulla completezza dei dati, segnalata direttamente nella Parte 4 — diversi input patrimoniali grezzi non erano disponibili data la breve storia dei depositi dell'azienda dallo spin-off del 2024, e il suo livello BASSO potrebbe riflettere in parte questa lacuna piuttosto che un quadro pienamente risolto della sua condizione finanziaria.

Quindici aziende sono una fotografia diagnostica, non un campione statistico — leggete gli schemi sopra come descrittivi, non come prove generalizzabili oltre questo specifico paniere.

Conclusione

Su undici fornitori di infrastrutture IA e quattro dei loro maggiori acquirenti, la crescita resta ampiamente forte e resta distribuita in modo disomogeneo — non l'immagine di un settore che si è stabilizzato. La resilienza, invece, non segue affatto la storia della crescita: alcuni dei nomi di crescita più sopravvalutati mediaticamente portano i cuscinetti patrimoniali più sottili del paniere, e alcuni dei nomi meno discussi portano i più solidi. E il numero che affronta più direttamente la domanda "quanto è già incorporato nel prezzo" — il rialzo modellato proprio di DUEL, indipendente dall'avversario e privo di prezzo di mercato — attualmente assegna il minor margine residuo al nome che la maggior parte delle persone definirebbe il centro ovvio di tutto questo ciclo. Nulla di tutto ciò è una previsione. È ciò che i depositi dicono già, elaborato con la stessa formula per ogni azienda nella stanza.

Ogni numero di questo articolo riconduce a un duello che potete consultare voi stessi e riverificare su duelstocks.com.

Per Approfondire — Stessa Serie, Stesso Metodo

Questo articolo si basa direttamente sulla metodologia stabilita in sei precedenti approfondimenti di questa serie, che potete trovare qui sotto sul sito.

Riferimenti

Damodaran, A. (2012). Investment Valuation: Tools and Techniques for Determining the Value of Any Asset (3ª ed.). Wiley.

U.S. Securities and Exchange Commission — Requisiti di rendicontazione per gli Emittenti Privati Esteri (Modulo 20-F vs. Modulo 10-K), sec.gov.

Un approfondimento metodologico firmato DuelStocks. Non è un consiglio di investimento. Tutti i dati provengono da documenti pubblici depositati presso la SEC EDGAR.

La leva di bilancio, non la qualità degli utili, guida la maggior parte delle penalizzazioni di resilienza finanziaria.

La domanda

Il Resilience Report (STR) di DUEL verifica ogni azienda su tre coppie di coerenza interna: la crescita dei ricavi si converte realmente in flusso di cassa libero (Crescita vs FCF), un ROIC solido resiste una volta verificata la qualità degli accrual (ROIC vs Sloan), e il carico di debito del bilancio corrisponde realmente al cuscinetto di liquidità disponibile (Debito vs Liquidità)? Qualsiasi coppia che fallisce attiva una penalità sul punteggio e una nota segnalata.

Il segnale ROIC-vs-Sloan di Oracle (ORCL) — un ROIC da titolo dell'84% accanto a uno Sloan Ratio che segnalava una possibile inflazione degli utili — era abbastanza convincente da costruirci attorno un intero articolo di copertura. Ma un caso così drammatico pone una domanda ovvia: è questo il modo normale in cui un'azienda fallisce questo controllo di coerenza del modello, oppure è la rara eccezione travestita da norma solo perché è il caso che abbiamo trattato?

Domanda di ricerca: in una vera sezione trasversale di aziende, qual è il tasso di base di ciascuno dei tre conflitti della matrice di coerenza, e quale di essi guida effettivamente la maggior parte delle penalizzazioni di resilienza?

Questo è un animale statistico diverso dal nostro precedente articolo sulla PCA riguardo alla ridondanza delle metriche. Quello studio chiedeva come si correlano tra loro le metriche continue. Questo chiede quanto spesso venga attivata una soglia binaria di superamento/fallimento — un problema di stima del tasso di base, che richiede un set di strumenti completamente diverso.

Letteratura

Sloan (1996) è l'ancoraggio teorico del perché ROIC-vs-Sloan dovrebbe comportarsi come segnale di allarme precoce in primo luogo: le aziende con accrual elevati rispetto al flusso di cassa tendono a vedere la qualità degli utili — e infine i rendimenti — deludere. Ma la domanda sul tasso di base risiede in una letteratura diversa, seppur correlata: quanto sono comuni i segnali di allarme sulla qualità degli utili in una popolazione generale e non filtrata di aziende quotate? Beneish (1999), costruendo l'M-Score originale, ha lavorato con un campione deliberatamente sbilanciato — 50 manipolatori di utili noti abbinati a 1.708 non manipolatori — proprio perché i veri manipolatori sono rari in natura; il suo disegno ha dovuto sovracampionarli per avere abbastanza casi positivi da modellare. Dechow, Ge, Larson e Sloan (2011), studiando le azioni di enforcement della SEC per errori contabili su 23 anni, arrivano alla stessa conclusione a partire da dati reali di popolazione: l'errore rilevante è un evento a basso tasso di base, non un lancio di moneta. Il nostro assunto a priori sul conflitto ROIC-vs-Sloan, prima ancora di iniziare, dovrebbe essere "raro" — e la domanda è se i dati di DUEL confermino ciò, e se gli altri due tipi di conflitto condividano o meno questa rarità.

Per la statistica della stima di un tasso in sé: Cochran (1977) fornisce la formula standard per la dimensione del campione per stimare una proporzione con un margine di errore obiettivo. Ma una volta stimato il tasso, specialmente vicino ai limiti (molto basso o molto alto), l'ordinario intervallo di confidenza per approssimazione normale ("Wald") si comporta male — può persino produrre limiti inferiori negativi privi di senso. Wilson (1927) propose un intervallo basato sul punteggio che si mantiene ben comportato a proporzioni estreme, e Newcombe (1998) lo confermò come la scelta più affidabile per proporzioni con campione piccolo o evento raro come quelle trattate direttamente in questo articolo. Tutti gli intervalli di confidenza sotto usano il metodo di Wilson per questo motivo.

Dati e metodo

Panel: le stesse 60 aziende (30 duelli) usate nel nostro precedente articolo sulla PCA, ora con il STR Resilience Report di ciascuna azienda estratto invece del suo Battle Report — stessa popolazione sottostante, artefatto di report diverso, il che permette alle due studi di stare fianco a fianco su un panel coerente.

Variabili: per ciascuna azienda, i tre esiti della matrice di coerenza come riportati (OK / ATTENZIONE / RISCHIO), più il punteggio FRI complessivo, il livello di resilienza (ALTO/MODERATO/BASSO), il punteggio base, e la penalità.

Metodo: tasso di base = conteggio degli esiti non-OK ÷ 60, calcolato separatamente per (a) qualsiasi segnale non-OK (ATTENZIONE o RISCHIO combinati) e (b) specificamente RISCHIO, per ciascuno dei tre controlli. Intervalli di confidenza al 95% tramite il metodo del punteggio di Wilson. La linea guida di Cochran (1977) sulla cella minima attesa (≥5 eventi per una stima di tasso stabile) è applicata esplicitamente per segnalare quali dei tre tassi siano affidabili a questa dimensione del campione e quali non ancora.

Risultati

Tasso di base per tipo di conflitto

Questa non è una differenza sottile. Debito vs Liquidità si attiva circa tredici volte più spesso di ciascuno degli altri due controlli. Crescita vs FCF e ROIC vs Sloan — il tipo di conflitto che ha ispirato tutta questa linea di indagine — si collocano esattamente allo stesso tasso, 3,3%, a pari merito come esito più raro in tutta la matrice.

Quante aziende portano più di un segnale

Il 55% delle aziende in questo panel supera tutti e tre i controlli senza riserve. Nessuna azienda nel campione ha fallito tutti e tre simultaneamente — il caso peggiore teorico non si è mai presentato. Delle 27 aziende (45,0%, IC 95% [33,1%, 57,5%]) con almeno un segnale, la stragrande maggioranza (24 su 27) ne porta esattamente uno, ed è quasi sempre lo stesso.

Cosa segnala effettivamente "Debito vs Liquidità"

Ogni nota di livello RISCHIO per Debito vs Liquidità in questo panel segue lo stesso schema: un rapporto debito/patrimonio netto ben oltre 1x combinato con liquidità che copre solo una frazione del debito totale (ad esempio, HD: D/E 3,3, la liquidità copre 0,0x del debito; CAT: D/E 1,9, la liquidità copre 0,1x del debito). Questo è un segnale di leva finanziaria — quanto debito è presente in bilancio rispetto al cuscinetto di liquidità disponibile per servirlo — non un segnale di qualità contabile. È meccanicamente molto più comune che un'azienda matura e ad alta intensità di capitale porti una leva significativa piuttosto che i suoi utili mostrino una manipolazione acuta degli accrual, e il divario di frequenza di 13 volte in questi dati è coerente con questa distinzione di base.

Non ogni azienda a bassa resilienza ha un conflitto

Sette aziende in questo panel si collocano nel livello di resilienza BASSO. Solo tre di esse (STX, casi simili a HD, SHW/KO con RISCHIO Debito vs Liquidità, STX con due segnali simultanei) sono arrivate lì tramite una penalità della matrice di coerenza. Le altre quattro — INTC, OXY, SNDK, e un'altra — sono arrivate a resilienza BASSA con un punteggio base debole e zero conflitti: ogni singola componente (Copertura Cassa/Debito, Autosufficienza degli Investimenti, Qualità degli Utili, Autonomia di Liquidità) ha semplicemente ottenuto un punteggio basso per proprio merito, senza che nulla contraddicesse nulla altro. Questa è una situazione significativamente diversa dal caso Oracle: "costantemente debole su tutti i fronti" e "internamente contraddittorio" sono due modalità di fallimento diverse, e questo panel mostra che entrambe si verificano, con il fallimento guidato dalla contraddizione che è il meno comune dei due.

Discussione

Il risultato inverte l'intuizione che ha motivato tutto questo progetto. Il segnale in stile Oracle — una metrica di aspetto drammatico accanto a un segnale di allarme sulla qualità degli utili — è genuinamente raro, allo stesso tasso del 3,3% dell'altro controllo di "qualità" (Crescita vs FCF). È anche, non a caso, il tipo di segnale narrativamente più interessante, il che è esattamente il motivo per cui si è prestato a una copertura video accattivante in primo luogo. Ma il conflitto che effettivamente guida quasi tutte le penalizzazioni di resilienza in un'ampia sezione trasversale di grandi aziende quotate ben note è il meno drammatico: la leva ordinaria di bilancio. Il sovracampionamento dei manipolatori da parte di Beneish (1999) per ottenere un dataset utilizzabile, e la conferma a livello di popolazione di Dechow et al. (2011) che l'errore è raro, puntano entrambi nella stessa direzione dei nostri dati: la storia drammatica sulla qualità contabile è l'evento di coda, non la norma — e un modello costruito per rilevarla dovrebbe aspettarsi di segnalarla raramente, che è esattamente ciò che è accaduto qui.

Considerazione pratica per DuelStocks

Questo probabilmente cambia il modo in cui dovrebbero essere discussi i segnali propri del Resilience Report, ed è una vera opportunità di contenuto, non solo una nota di ricerca a margine:

• Riformulare l'angolo di marketing. La storia in stile Oracle dell'"inflazione degli utili nascosta" è un ottimo aggancio, ma è l'eccezione, non ciò che il modello cattura principalmente. Il posizionamento onesto, e probabilmente più utile, è: "Il nostro modello cattura principalmente il rischio di leva ordinaria — il tipo che si presenta in circa 4 aziende su 10 che controlliamo — non solo il raro drammatismo sulla qualità contabile." Questo è un segnale di fiducia più forte rispetto a suggerire che ogni segnale sia una storia di livello Oracle, ed è supportato da questi dati piuttosto che da un singolo caso.
• Una riga di calibrazione nel report STR stesso — qualcosa come "i segnali Debito vs Liquidità si verificano in circa il 43% delle aziende che abbiamo analizzato; i segnali ROIC vs Sloan si verificano in circa il 3%" — permetterebbe a un lettore di giudicare immediatamente se un dato segnale sia comune o genuinamente inusuale, invece di leggere ogni nota ATTENZIONE/RISCHIO come ugualmente allarmante. Questo è un suggerimento di prodotto che merita di essere considerato, non un cambiamento apportato sulla base di un singolo pilota.
• Un naturale prossimo Short: "Il Vero Motivo della Maggior Parte delle Penalizzazioni di Resilienza (Indizio: Non È Frode Contabile)" — la statistica del 43% su Debito vs Liquidità è un aggancio forte, onesto, non da clickbait, direttamente difendibile con numeri reali, a differenza di un generico video "attenzione ai segnali d'allarme".

Limiti

Due dei tre tassi non sono ancora stimati in modo affidabile. Crescita vs FCF e ROIC vs Sloan hanno ciascuno solo 2 eventi osservati su 60 aziende — sotto il minimo empirico di Cochran (1977) di 5 per una stima di tasso stabile. I loro intervalli di Wilson (entrambi [0,9%, 11,4%]) sono ampi rispetto alla loro stima puntuale, e il vero tasso di popolazione di entrambe le metriche potrebbe plausibilmente essere il doppio o la metà di quanto osservato qui. La stima di Debito vs Liquidità, con 26 eventi, è su un terreno molto più solido.

Trasversale, un'unica istantanea. Se questi tassi di base si mantengano da qui a un anno, o su un diverso insieme di 60 aziende, non è stato testato.

La composizione settoriale conta e non è controllata. Questo panel è orientato verso grandi aziende quotate consolidate; un panel più ponderato verso aziende più piccole o di recente quotazione potrebbe mostrare un mix leva/accrual completamente diverso.

Deliberatamente lo stesso panel dell'articolo sulla PCA — questo permette di leggere insieme i due studi, ma significa anche che nessuno dei due è una replica completamente indipendente della popolazione dell'altro.

Nulla di tutto ciò cambia il punteggio effettivo o la logica di penalità di DUEL nel prodotto. È un risultato sul tasso di base di quanto spesso si attivi ciascun segnale nel mondo reale, non una proposta di modificare le soglie sottostanti.

In sintesi

Dei tre controlli di coerenza nel modello di resilienza di DUEL, uno — Debito vs Liquidità — si attiva in circa 4 aziende su 10 controllate. Gli altri due, incluso esattamente il tipo di segnale che ha ispirato questa ricerca (ROIC vs Sloan), si attivano ciascuno in circa 1 su 30. La storia drammatica è quella rara. Quella comune è la leva ordinaria — che è, a modo suo, la cosa più utile che un controllo di resilienza dovrebbe catturare in modo affidabile.

Come sempre: il Resilience Report completo di ogni duello, con ogni numero grezzo dietro questi segnali, è disponibile su duelstocks.

Riferimenti

Beneish, M. D. (1999). The detection of earnings manipulation. Financial Analysts Journal, 55(5), 24–36.

Cochran, W. G. (1977). Sampling Techniques (3ª ed.). Wiley.

Dechow, P. M., Ge, W., Larson, C. R., & Sloan, R. G. (2011). Predicting material accounting misstatements. Contemporary Accounting Research, 28(1), 17–82.

Newcombe, R. G. (1998). Two-sided confidence intervals for the single proportion: comparison of seven methods. Statistics in Medicine, 17(8), 857–872.

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.

Wilson, E. B. (1927). Probable inference, the law of succession, and statistical inference. Journal of the American Statistical Association, 22(158), 209–212.

Un approfondimento metodologico di DuelStocks. Non è un consiglio di investimento. Tutti i dati provengono da documenti pubblici SEC EDGAR.

Una nuova ricerca mostra che un modello azionario a 8 fattori si riduce a quattro segnali: conversione di cassa, efficienza del capitale, qualità degli accrual e crescita.

La domanda

DUEL assegna un punteggio a ogni duello in base a otto metriche fondamentali, ciascuna con un peso fisso: Crescita dei Ricavi (16%), Margine di Cassa Operativo (15%), ROIC (15%), Sloan Ratio (12%, invertito), Rotazione dell'Attivo (10%), Rotazione dei Crediti (8%), Margine Operativo (12%) e Margine FCF (12%). Il design "il vincitore prende tutto" tratta implicitamente ciascuna metrica come un elemento di prova indipendente.

Gli indici finanziari raramente collaborano con questa ipotesi. Pinches, Mingo e Caruthers (1973) furono i primi a dimostrare, tramite analisi fattoriale, che un ampio insieme di indici finanziari collassa in una manciata di dimensioni sottostanti — non nel numero di indici di partenza. Chen e Shimerda (1981) hanno portato il punto oltre con un'illustrazione chiara: patrimonio netto/debito, debito/patrimonio netto, patrimonio netto/attivo e debito/attivo sembrano quattro indici, ma trasportano tra loro esattamente un'unica informazione. Se due delle otto metriche di DUEL si muovono insieme tra le aziende, un peso combinato nominale del 24-27% potrebbe in realtà votare una sola volta, non due.

Domanda di ricerca: quanti segnali statisticamente indipendenti sono effettivamente codificati nelle otto metriche di DUEL, e come si raggruppano?

Dati e metodo

Panel: 30 nuovi duelli eseguiti in questo ciclo, nessuno ripetuto dalla copertura precedente — 60 aziende tra tecnologia, sanità, industriali, beni di consumo di base, retail, energia, telecomunicazioni, semiconduttori, materiali, e viaggi e tempo libero. La diversità settoriale qui è una caratteristica, non rumore: verifica se la struttura di correlazione si mantiene attraverso modelli di business molto diversi, non solo all'interno di un settore.

Variabili: gli otto valori grezzi delle metriche per azienda, presi direttamente dal dettaglio di calcolo di ciascun Battle Report (non l'esito vittoria/sconfitta).

Dati mancanti: ROIC e Margine Operativo non erano disponibili per OXY e COP (lacune di voci specifiche del settore), e la Rotazione dei Crediti non era disponibile per NFLX e PEP. Le correlazioni di Pearson e Spearman usano osservazioni complete a coppie (prassi standard); la PCA usa le 56 aziende con record completi su tutte le otto metriche.

Correlazione: sono stati calcolati sia Pearson (lineare) sia Spearman (basato sui ranghi). Spearman è rilevante qui perché diverse metriche — Sloan Ratio, Margine FCF, ROIC in un paio di casi — presentano valori anomali e asimmetria (l'anno con ROIC al -34% di Ford (F), la Rotazione dei Crediti di 82x di MO), e Pearson da solo può essere distorto da una manciata di valori estremi.

PCA: input standardizzati (punteggi z), analisi delle componenti principali basata sulla correlazione, criterio di Kaiser (autovalore > 1) come primo taglio, varianza cumulata spiegata come secondo, e una rotazione varimax (Kaiser, 1958) sulle componenti necessarie per raggiungere l'80% della varianza, per una struttura di loading più interpretabile.

Dimensione del campione, onestamente: 56-60 osservazioni sono ancora al di sotto della comodità da manuale, sebbene si siano avvicinate in modo significativo rispetto al primo passaggio di questa analisi (46-50). Comrey e Lee (1992) classificano N=50 come "molto scarso" e N=100 come "scarso" per il lavoro di analisi fattoriale; la regola di 10 osservazioni per variabile di Nunnally (1978) richiederebbe 80. Ciò che gioca a nostro favore: Guadagnoli e Velicer (1988) hanno scoperto che la dimensione del campione richiesta scende bruscamente quando i loading sono forti e chiaramente separati — e, come mostrano i risultati sottostanti, i nostri lo sono in gran parte. Questo è un pilota esplorativo, nello stesso spirito del nostro precedente studio settoriale Bradley-Terry — un primo passaggio destinato a essere estesa, non un risultato confermativo. (Vale la pena notare in anticipo che l'aggiunta di queste 10 aziende ha cambiato la struttura della risposta — vedi sotto. Questo non è un difetto del metodo; è esattamente il tipo di instabilità che un pilota a N piccolo dovrebbe far emergere.)

Risultati

Struttura di correlazione

Le relazioni a coppie più forti nel panel di 60 aziende (Pearson / Spearman):

Tre delle metriche basate sul margine di DUEL — Margine di Cassa Operativo, Margine Operativo e Margine FCF — sono correlate tra loro a r ≈ 0,66-0,76. Non è una coincidenza di denominazione: tutte e tre sono, meccanicamente, numeratori diversi (flusso di cassa operativo, utile operativo, flusso di cassa operativo meno CapEx) divisi per lo stesso denominatore (i ricavi). Un'azienda che opera con un ampio margine operativo tende a convertirlo in cassa a un tasso simile. Separatamente, Rotazione dell'Attivo e Rotazione dei Crediti — entrambi indici di ricavi su una voce di bilancio — si muovono insieme a r ≈ 0,56, esattamente il tipo di raggruppamento "stesso denominatore" che Chen e Shimerda (1981) hanno documentato quarant'anni fa in un dataset diverso. Il ROIC mostra ora una relazione più chiara sia con il cluster dei margini sia con quello di rotazione rispetto al campione più piccolo — un punto su cui torneremo più avanti.

L'unica metrica che si distingue da sola in entrambe le matrici, a entrambe le dimensioni del campione: lo Sloan Ratio. La sua correlazione più forte con qualsiasi altra cosa nel panel è -0,30 (Spearman, contro la Rotazione dei Crediti) — più debole di quasi ogni coppia nella tabella sopra. Lo Sloan Ratio misura qualcosa che le altre sette metriche non misurano: se gli utili contabili vengono generati con accrual insolitamente elevati piuttosto che con cassa. È una domanda genuinamente diversa da "quanto profittevole" o "quanto efficiente", e la matrice di correlazione lo riflette sia a 50 sia a 60 aziende.

Quante componenti? (e perché la risposta è cambiata)

Secondo il criterio di Kaiser (autovalore > 1), due componenti contano ancora — coerente con il primo passaggio. Ma la soglia dell'80% di varianza cumulata ora cade a quattro componenti (76,6% a tre, 85,5% a quattro), non tre. Aggiungere 10 aziende non ha solo aggiunto precisione — ha cambiato quale soglia supera la terza componente.

Vale la pena essere trasparenti su questo piuttosto che appianarlo silenziosamente. È un'illustrazione da manuale esattamente dell'instabilità contro cui Guadagnoli e Velicer (1988) e Comrey e Lee (1992) avvertono a questa dimensione del campione: le soluzioni a componenti con N piccolo possono spostarsi con l'accumularsi dei dati, e una componente che si trova esattamente su una soglia (CP3 era all'80,0% con 46 aziende, al 76,6% con 56) è la prima a muoversi. Riportiamo di seguito la soluzione a 4 componenti perché è quella che effettivamente soddisfa il criterio dichiarato dell'80% sul campione più grande e più attuale — non perché racconti una storia più ordinata.

Cosa misurano effettivamente le componenti

Rotazione varimax delle quattro componenti necessarie per l'80%+ della varianza, sulle 56 aziende con record completi:

Il campione più grande ha separato la Crescita dei Ricavi dal cluster dei margini invece di fonderla con esso — con 50 aziende, il loading dominante della Crescita dei Ricavi era 0,42 sul fattore dei margini; con 60, è 0,94 sul proprio fattore ed essenzialmente zero ovunque altro. Col beneficio del senno di poi, ciò ha senso economico: un'azienda può crescere rapidamente con margini sottili (molti dei nomi più recenti del software e dei viaggi in questo aggiornamento — CCL, RCL, XYZ — sono esattamente questo mix), quindi crescita e qualità del margine non devono necessariamente muoversi insieme, e con più aziende nel panel, i dati hanno reso chiara questa distinzione invece di sfumarla in un unico fattore.

Anche il quadro del ROIC si è affinato: ora carica in modo incrociato sia sul fattore Conversione di Cassa (0,41) sia sull'Efficienza del Capitale (0,58, ancora dominante) — un ricordo che il ROIC è, per costruzione, un misto di un elemento simile a un margine (rendimento) e un elemento simile a una rotazione (intensità di capitale), quindi un certo carico incrociato è previsto piuttosto che un artefatto dei dati.

Mappate sui pesi di punteggio effettivi di DUEL, le otto metriche si risolvono ora in quattro blocchi effettivi invece di tre:

39/33/16/12 — notevolmente più equilibrato della divisione a tre fattori 55/33/12 del campione più piccolo, ed è emerso da solo, da più dati, non da alcun adeguamento del modello.

Discussione

Il risultato va in una direzione facile da perdere se si pensa alla "ridondanza" solo come a un difetto. Due cose sono vere contemporaneamente:

Primo, circa il 72% del peso nominale del modello (il blocco Conversione di Cassa del 39% più il blocco Efficienza del Capitale del 33%) si basa su due segnali empirici, non sei. Quando Margine Operativo, Margine di Cassa Operativo e Margine FCF favoriscono tutti la stessa azienda — cosa che, secondo la struttura di correlazione, accadrà più spesso del caso — quell'azienda non sta raccogliendo tre voti indipendenti. Sta raccogliendo un voto forte, contato tre volte. Ciò non produce necessariamente un vincitore "sbagliato"; la qualità del margine è genuinamente più informativa di qualsiasi singolo indice che la misura. Ma significa che la distribuzione pratica dei pesi si comporta come un modello a 4 fattori (39/33/16/12) piuttosto che come il modello a 8 fattori mostrato dalla scorecard.

Secondo, ed è la parte su cui vale la pena soffermarsi: la metrica che un lettore superficiale potrebbe supporre essere "l'aggiunta più ridondante" — lo Sloan Ratio, quella che la maggior parte delle persone non riconosce per nome — è statisticamente la metrica meno ridondante di tutto il modello, a entrambe le dimensioni di campione ora testate. Condivide quasi nessuna varianza con qualsiasi altra cosa che DUEL misura. Nella nostra precedente copertura dei duelli, lo Sloan Ratio è risultato essere l'unica metrica responsabile di segnalare il rischio di qualità degli utili in un'azienda altrimenti forte. Questa analisi dice che non è la coincidenza di un solo caso: strutturalmente, lo Sloan Ratio sta svolgendo un compito per cui nessuna delle altre sette metriche è equipaggiata, ed è esattamente per questo che non è correlato con esse.

Una nota pratica, per i lettori che vedono "39/33/16/12" e pensano "basta correggere i pesi"

Due reazioni intuitive a un risultato come questo vale la pena affrontarle direttamente, perché entrambe sono sbagliate nello stesso modo sottile.

Reazione uno: "Se la struttura reale è a quattro fattori, basta ridurre il modello a quattro metriche." Questo confonde la sovrapposizione statistica con lo spreco. Quando tre metriche di margine concordano su un'azienda, ciò non significa che tre metriche non stiano dicendo nulla di nuovo — significa che tre numeri calcolati in modo indipendente (dal flusso di cassa operativo, dall'utile operativo, dal flusso di cassa operativo meno CapEx) convergono sulla stessa conclusione. Questa convergenza è più vicina a un secondo e terzo parere provenienti da test diversi che a un singolo test posto tre volte. Un medico che richiede pressione sanguigna, frequenza cardiaca a riposo e un ECG non sta sprecando due test solo perché tutti e tre di solito si muovono insieme in un paziente sano — l'accordo stesso è informativo, e nella rara azienda in cui sono in disaccordo, quel disaccordo è esattamente il tipo di segnale che un modello a metrica singola perderebbe completamente. Scendere a quattro metriche rimuoverebbe quel controllo incrociato, non solo la ridondanza.

Reazione due: "Se lo Sloan Ratio è il meno ridondante, dategli ~30% di peso così i fattori si assestano approssimativamente a 33/33/33." Questa è una versione di aspetto più sofisticato dello stesso errore. La PCA dice quanto una metrica si sovrapponga alle altre — non dice nulla su quanto quella metrica sia affidabile o predittiva da sola. Lo Sloan Ratio è calcolato da un'unica relazione contabile (utile netto rispetto al flusso di cassa rispetto al totale attivo), è più sensibile al problema di disallineamento del periodo trimestre/anno segnalato nel disclaimer di ogni Battle Report, e — come mostra questo stesso panel (lo Sloan Ratio di SNDK del +27,6%, guidato da un anno insolito di vendita di asset, è il valore più estremo in tutto il dataset) — può oscillare fortemente per eventi contabili unici. Triplicarne il peso solo perché risulta essere statisticamente non correlato con tutto il resto significherebbe puntare un terzo del punteggio finale sulla singola metrica più rumorosa e meno diversificata del modello. Essere "indipendente" ed essere "affidabile ad alto peso" non sono la stessa proprietà, e confonderle è un errore più grande della ridondanza da cui è partito questo articolo.

Ciò che questo effettivamente sostiene, concretamente:

• Nessun cambiamento alle otto metriche pubblicate o ai loro pesi su duelstocks.com. Ogni metrica è ancora un calcolo reale, distinto, derivato dalla SEC, visibile per intero nel dettaglio di calcolo di ogni report — nulla qui suggerisce che qualche numero sia inventato, duplicato o errato. Questo è un risultato sul comportamento statistico attraverso molte aziende, non un difetto in un singolo duello.
• La lettura onesta di "39/33/16/12" è una mappa, non un verdetto. Dice che se si vuole cambiare in modo significativo l'esito di un duello, spostare una delle tre metriche di Conversione di Cassa o una delle tre metriche di Efficienza del Capitale farà meno di quanto ci si aspetterebbe (le loro metriche gemelle tirano verso la stessa conclusione), mentre Sloan Ratio e Crescita dei Ricavi portano ciascuna il proprio peso nominale pieno, non diluito.
• Il vero test successivo è una verifica di robustezza, non una riponderazione. La domanda aperta e verificabile che questo pone per la copertura futura: dimezzare effettivamente il peso combinato delle tre metriche di Conversione di Cassa cambia il vincitore di qualche duello passato? Se la risposta è "raramente", è rassicurante — significa che la sovrapposizione è corroborazione, non manipolazione del punteggio tramite triplo conteggio. Se cambia diversi esiti, anche questo vale la pena saperlo. In entrambi i casi, è una domanda per un articolo di follow-up con un'infrastruttura di backtesting che questo progetto non ha ancora — non un motivo per adeguare a mano una formula sulla base di un singolo passaggio esplorativo di PCA.

Limiti

Questo è un pilota, e dovrebbe essere letto come tale:

• Dimensione del campione. 56-60 aziende sono più vicine a un livello confortevole rispetto al nostro primo passaggio (46-50), ma restano sotto la soglia "scarsa" di 100 di Comrey e Lee (1992). La struttura delle componenti si è già spostata una volta tra 50 e 60 aziende (tre fattori → quattro) — prova diretta che potrebbe spostarsi di nuovo con il prossimo lotto. Trattate la divisione 39/33/16/12 come la migliore stima attuale, non come un numero definitivo.
• Trasversale, non longitudinale. Questa è una fotografia in un momento. Se la stessa struttura a quattro fattori si mantenga da qui a un anno, attraverso un intero ciclo di mercato, è una domanda aperta — e probabilmente il passo successivo naturale per questa linea di lavoro.
• Periodi di rendicontazione misti. Diverse aziende in questo panel mescolano periodi trimestrali e annuali per singole metriche (come segnalato in ogni Battle Report). Non abbiamo applicato qui una correzione di armonizzazione TTM; se tale correzione sposta in modo significativo i valori delle singole aziende, potrebbe anche spostare marginalmente la struttura di correlazione. È una questione metodologica separata, che potremmo affrontare direttamente in un articolo futuro.
• Quattro aziende con metriche mancanti. OXY e COP sono state escluse dalla PCA (mancano dati ROIC/Margine Operativo), e NFLX/PEP sono state incluse nelle correlazioni ma non nella PCA (manca la Rotazione dei Crediti). Nessuna è stata esclusa per i suoi risultati — solo per lacune nei dati.

Nulla di tutto ciò cambia il punteggio effettivo di DUEL nel prodotto. È un risultato metodologico, non una decisione di prodotto — la stessa distinzione che abbiamo cercato di mantenere in ogni articolo di questa serie.

In sintesi

Otto metriche, uno schema di ponderazione fisso, e — in questo pilota ora a 60 aziende — quattro segnali empiricamente distinguibili sottostanti: conversione di cassa, efficienza del capitale, qualità degli accrual e crescita, ciascuno comportandosi separatamente dagli altri. La divisione nominale del 16/15/15/12/10/8/12/12% è, in pratica, più vicina a una divisione del 39/33/16/12% una volta considerato ciò che le metriche misurano effettivamente rispetto a come sono denominate — e quel numero si è mosso verso più equilibrio, non meno, con la crescita del campione, senza che nessuno toccasse la formula. Questo è un motivo per continuare a raccogliere dati, non un motivo per iniziare ad aggiustare i pesi a mano sulla base di un singolo passaggio.

Come sempre: verificate i numeri voi stessi su duelstocks.com — ogni report di duello mostra il suo dettaglio di calcolo completo, che è esattamente ciò che ha reso possibile questa analisi in primo luogo.

Riferimenti

Chen, K. H., & Shimerda, T. A. (1981). An empirical analysis of useful financial ratios. Financial Management, 10(1), 51–60.

Comrey, A. L., & Lee, H. B. (1992). A First Course in Factor Analysis (2ª ed.). Erlbaum.

Gombola, M. J., & Ketz, J. E. (1983). A note on cash flow and classification patterns of financial ratios. The Accounting Review, 58(1), 105–114.

Guadagnoli, E., & Velicer, W. F. (1988). Relation of sample size to the stability of component patterns. Psychological Bulletin, 103(2), 265–275.

Jolliffe, I. T. (2002). Principal Component Analysis (2ª ed.). Springer.

Kaiser, H. F. (1958). The varimax criterion for analytic rotation in factor analysis. Psychometrika, 23(3), 187–200.

Nunnally, J. C. (1978). Psychometric Theory (2ª ed.). McGraw-Hill.

Pinches, G. E., Mingo, K. A., & Caruthers, J. K. (1973). The stability of financial patterns in industrial organizations. Journal of Finance, 28(2), 389–396.

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.

Non è un consiglio di investimento. Tutti i dati provengono da documenti pubblici SEC EDGAR.

Approfondimento metodologico, numeri reali da duelli reali, calcolati e verificati da zero. Non è un consiglio di investimento.

Il nostro primo articolo di questa serie ha segnalato qualcosa che merita di essere ripreso: i pesi dietro il nostro punteggio relativo di "duello" — Crescita dei Ricavi 16%, Margine di Cassa Operativo 15%, ROIC 15%, Sloan Ratio 12%, Rotazione dell'Attivo 10%, Rotazione dei Crediti 8%, Margine Operativo 12%, Margine FCF 12% — sono un ragionevole punto di partenza esperto, non qualcosa testato retrospettivamente contro i rendimenti realizzati. Lo strumento consente a qualsiasi utente di sovrascriverli con pesi personalizzati, il che pone una domanda che vale la pena testare davvero a tre diversi livelli di rigore: quanto cambia il vincitore se una persona ragionevole scegliesse pesi diversi, ma altrettanto difendibili?

Livello 1: come funziona il punteggio, e un numero di fragilità pulito

Per ciascuna delle otto metriche, le due aziende vengono confrontate e quella con il punteggio più alto (più basso, per lo Sloan Ratio, che è invertito) si aggiudica l'intero peso di quella metrica — il vincitore prende tutto per ogni metrica, senza gradazione in base all'ampiezza del divario. Il punteggio finale è la somma dei pesi associati alle metriche vinte da ciascuna azienda. Abbiamo validato questo ri-derivando il punteggio esatto di tutti gli 8 duelli pubblicati fino ad oggi a partire dai valori grezzi delle metriche — ognuno corrispondeva esattamente.

Questa struttura offre gratuitamente una misura di fragilità pulita e indipendente dal modello: spostare un peso Δ da qualsiasi metrica vinta dal vincitore a qualsiasi metrica vinta dal perdente cambia il divario di punteggio di 2Δ, quindi la riallocazione minima necessaria per ribaltare un duello è semplicemente divario ÷ 2.

AMZN vs WMT è il chiaro valore anomalo — fragile di un ordine di grandezza rispetto a tutto il resto del dataset.

Livello 2: Monte Carlo — la casualità è d'accordo con l'algebra?

Il numero divario÷2 è esatto ma statico — non dice quanto sia probabile un ribaltamento se i pesi vengono estratti da un intervallo realistico invece di essere deliberatamente progettati. Abbiamo eseguito 10.000 simulazioni per duello, ciascuna estraendo ogni peso in modo indipendente entro ±50% del suo valore predefinito, per poi rinormalizzare in modo che la somma sia 100% — un approccio standard di perturbazione per testare la sensibilità nei sistemi di punteggio multi-criterio.

La simulazione e l'algebra concordano completamente: ogni duello con un divario ≥36 non si è ribaltato in nessuna delle 10.000 estrazioni casuali. I due duelli più stretti (divario ≤22) sono gli unici a ribaltarsi mai, e il tasso scala in base a quanto il divario sia vicino a zero. Questa concordanza è di per sé degna di nota — una semplice scorciatoia combinatoria (divario÷2) ha previsto il risultato empirico della simulazione senza eseguire una singola estrazione casuale.

Un'altra cosa che la simulazione rivela e che l'algebra da sola non può mostrare: quale metrica tende a causare il ribaltamento. Osservando specificamente il 14,8% delle simulazioni AMZN-vs-WMT in cui il vincitore è cambiato, possiamo chiederci quale fattore avesse per caso il peso maggiore in quelle particolari estrazioni:

• Il ROIC era il peso più grande nel 64,6% dei ribaltamenti
• Lo Sloan Ratio nel 12,4%
• La Crescita dei Ricavi nel 9,6%
• Tutto il resto, combinato, sotto il 14%

Il ROIC domina il meccanismo di ribaltamento per questa coppia con un ampio margine — una risposta utile e specifica a "cosa decide davvero questo", non solo "quanto è probabile un ribaltamento".

Livello 3: il peso di una metrica equivale davvero al suo potere? (indici di Shapley-Shubik e Banzhaf)

Ecco una domanda più sottile che i primi due livelli non affrontano affatto: il peso dichiarato di una metrica è la stessa cosa della sua influenza reale su chi vince? Nel 1954, Lloyd Shapley e Martin Shubik posero esattamente questa domanda riguardo agli organi di voto ponderato (è la stessa matematica usata poi per analizzare il potere di voto nel Consiglio dei ministri dell'UE e nel Consiglio di Sicurezza dell'ONU) — e mostrarono che la quota di voto nominale e il potere decisionale effettivo spesso non sono lo stesso numero. Un blocco di voto può detenere il 20% dei voti e avere quasi nessun potere di cambiare qualsiasi esito, oppure detenerne il 10% ed essere costantemente decisivo, a seconda di come sono distribuiti gli altri voti.

La nostra struttura "il vincitore prende tutto per metrica" è, matematicamente, esattamente questo tipo di gioco di voto ponderato: otto "votanti" (le metriche), ciascuno con un peso fisso, che decidono a maggioranza semplice (>50%) quale lato vince. Abbiamo quindi calcolato l'indice di Shapley-Shubik (e, come controllo incrociato, l'indice di Banzhaf correlato) per ogni metrica sotto i pesi predefiniti — valutando, su tutti i 2⁸ = 256 modi possibili in cui le otto metriche potrebbero essere divise tra due lati, quante volte ciascuna metrica è quella che fa pendere il risultato da una parte.

Lo schema è reale, sebbene limitato piuttosto che drammatico: le metriche più grandi portano sistematicamente più potere decisionale di quanto suggerisca il loro peso dichiarato, e quelle più piccole ne portano sistematicamente meno. La Rotazione dei Crediti è il caso più evidente — il suo peso pubblicato (8%) sovrastima la sua influenza reale sui risultati più di qualsiasi altra metrica, e lo stesso schema (peso minore, più sovrastimato) si è confermato quando abbiamo ripetuto il calcolo sotto tutti i quattro profili di ponderazione alternativi ufficialmente documentati di DUEL (Crescita, Qualità, Valore, Dividendo & Stabilità). Questo non è un difetto specifico di questo strumento — è una proprietà strutturale di qualsiasi sistema di punteggio ponderato in cui il vincitore prende tutto, formalizzata per la prima volta 70 anni fa in un campo completamente diverso (la teoria del voto), e qui si applica senza che nessuno l'abbia progettata così di proposito.

Test contro i profili reali e pubblicati degli investitori

DUEL documenta quattro profili di ponderazione con nome per diversi stili di investitori. Applicando tutti e quattro ai nostri 8 duelli:

Solo AMZN vs WMT si ribalta — lo stesso duello che ogni altro metodo di questo articolo ha segnalato in modo indipendente come quello fragile. BHE vs PLAB merita una menzione separata: si comprime da una vittoria schiacciante di 40 punti a un quasi testa-o-croce (48:52) sotto il profilo Valore, senza tecnicamente ribaltarsi, perché BHE vince specificamente le due metriche — Rotazione dell'Attivo e Rotazione dei Crediti — su cui il profilo Valore concentra il peso.

Cosa risolve effettivamente questo, e cosa non risolve

Il limite originale era che i pesi di base sono una scelta euristica, non testata retrospettivamente. Nessuno dei tre metodi qui presentati risponde alla domanda se 16/15/15/12/10/8/12/12 preveda i rendimenti futuri meglio di qualsiasi alternativa — quella domanda di calibrazione resta aperta. Ciò che ora possiamo affermare con tre metodi indipendenti e reciprocamente concordanti è questo: la ponderazione di base non è fragile in un modo che conterebbe per l'uso pratico. Un punteggio di duello ampio (divario ≥30 circa) è sopravvissuto a ogni perturbazione casuale che gli abbiamo applicato e a ogni profilo alternativo reale e con nome. Un punteggio ristretto è esattamente il punto in cui i tre metodi convergono sullo stesso avvertimento — e, grazie al livello di Shapley-Shubik, sappiamo ora anche che la struttura di punteggio sottostante sottovaluta sistematicamente le metriche più piccole come la Rotazione dei Crediti, indipendentemente dal duello considerato. Questa è una scoperta genuinamente nuova e strutturale sul meccanismo stesso, non solo su un singolo confronto — il tipo di risultato che si può ottenere solo testando le fondamenta del modello con strumenti costruiti esattamente per questa domanda, invece di testare i pesi un profilo alla volta.

Riferimenti

Shapley, L. S., & Shubik, M. (1954). "A Method for Evaluating the Distribution of Power in a Committee System." American Political Science Review, 48(3), 787–792.

Banzhaf, J. F. (1965). "Weighted Voting Doesn't Work: A Mathematical Analysis." Rutgers Law Review, 19, 317–343.

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.

Saaty, T. L. (1980). The Analytic Hierarchy Process. McGraw-Hill.

Damodaran, A. (2012). Investment Valuation: Tools and Techniques for Determining the Value of Any Asset (3ª ed.). Wiley.

Se volete riprodurre voi stessi qualcosa di tutto ciò — sostituire i vostri pesi, o testare una coppia che non abbiamo trattato — lo strumento live è gratuito su duelstocks.com; ogni numero di questo articolo risale a un report che potete ottenere direttamente lì.

Non è un consiglio di investimento. Tutti i dati provengono da documenti pubblici SEC EDGAR.

Approfondimento metodologico, numeri reali da duelli reali. Non è un consiglio di investimento.

Due articoli fa, nella nostra lista di limiti onesti, avevamo segnalato questo: il nostro modello DCF produce un unico numero — 176,47 $, non "165–190 $" — senza alcuna indicazione di quanto fidarsi di quella precisione. Damodaran lo sottolinea da decenni: il solo valore terminale rappresenta tipicamente il 60-80% dell'enterprise value, costruito su un'ipotesi non verificabile di crescita perpetua. Un numero preciso al centesimo, poggiato su una base che non è altrettanto precisa.

Questo articolo riguarda la chiusura di questo specifico divario — trasformare un unico numero di fair value in un intervallo difendibile, senza usare nulla che il modello non pubblichi già.

Perché non Monte Carlo

Una simulazione completa richiede distribuzioni di probabilità assunte per ogni input — forme che non possiamo giustificare onestamente con i dati disponibili. Abbiamo quindi usato qualcosa di più vecchio e più semplice: la stima a tre punti (PERT), sviluppata per il programma missilistico Polaris della Marina degli Stati Uniti nel 1959 e ancora oggi standard nella stima dei costi di progetto.

La logica: costruire uno scenario Bear (ribassista) e uno scenario Bull (rialzista) a partire dai livelli di qualità già pubblicati dal modello stesso, poi combinarli:

Atteso ≈ (Bear + 4×Base + Bull) / 6 DS ≈ (Bull − Bear) / 6

Questa costruzione tratta l'intervallo (Bear, Bull) come circa ±3 deviazioni standard, fornendo una banda a 1 sigma interpretabile senza inventare un solo nuovo input. Per Bear/Bull, spostiamo simmetricamente di un livello in ciascuna direzione i livelli già documentati dal modello — il moltiplicatore di crescita da ROIC, il moltiplicatore di margine FCF e il livello beta basato sul ROIC che determina il WACC — usando solo soglie già divulgate dal modello.

Il risultato: 16 aziende, un metodo

L'ampiezza della banda è di per sé informativa: i titoli ad alta crescita e alti multipli (NVDA, GOOGL, NOW) portano bande più ampie rispetto ai generatori di cassa lenti e stabili (KO, PEP, PLAB) — esattamente ciò che un metodo di sensibilità dovrebbe mostrare, poiché un'ipotesi più orientata al futuro significa più spazio di disaccordo su di essa.

La domanda a cui questo è stato effettivamente costruito per rispondere

Il nostro primo articolo di questa serie affermava qualcosa che ha attirato attenzione: NVIDIA ha vinto il suo "duello" sui fondamentali relativi contro AMD 92-8, ma il rialzo DCF modellato di AMD (+24,0%) era superiore a quello di NVIDIA (+14,6%) — nonostante una sconfitta netta sulle metriche operative. La domanda di follow-up ovvia: quel divario era reale, o solo rumore proveniente da una stima puntuale che non ha mai avuto margini di errore?

Con gli intervalli PERT applicati, la banda di NVIDIA è [9,4%, 14,6%] e quella di AMD è [22,2%, 30,0%]. Le due non si sovrappongono. Il risultato originale supera l'esame diretto in condizioni di incertezza sui parametri — il tipo di verifica che pensiamo più contenuti di valutazione dovrebbero essere disposti a effettuare sulle proprie precedenti affermazioni, invece di ripetere una stima puntuale con più fiducia di quanta ne meriti.

Un beneficio silenzioso di questa serie di ricerca

Uno degli scopi di condurre questa serie su duelstocks.com è che funge anche da audit del nostro stesso modello — e questo articolo ha già prodotto due piccoli, concreti miglioramenti allo strumento in produzione. Costruire le bande di sensibilità ha richiesto di ri-derivare a mano la formula DCF confrontandola con documenti reali, il che ha fatto emergere un caso limite nel modo in cui il valore del capitale proprio viene limitato verso il basso per le aziende molto indebitate (ora gestito in modo più trasparente invece che tramite una sostituzione segnaposto) e un limite di sicurezza sulla crescita non documentato, ora esplicitato direttamente nella sezione metodologica del report stesso. Abbiamo verificato i limiti effettivi di quel tetto rispetto al tetto matematico proprio del sistema a livelli, e lasciato i numeri stessi inalterati — si sono rivelati già ben calibrati, posizionandosi quasi esattamente al livello che il sistema a livelli può produrre da solo. Nessuna delle due modifiche altera alcuna cifra in questo articolo; entrambe sono divulgate qui per completezza, non perché siano il punto centrale del testo.

Come potrebbe apparire un "intervallo" nel prodotto stesso

Al momento, ottenere questa banda significa fare a mano l'aritmetica di spostamento dei livelli su un report DCF pubblicato — che è esattamente ciò che questo articolo dimostra, passo dopo passo, senza usare nulla oltre a quanto già presente in qualsiasi report DCF che si può ottenere oggi. Un passo successivo naturale — non un impegno, solo una direzione che vale la pena nominare — sarebbe che il report DCF stesso mostri infine questo corridoio direttamente: un limite superiore e inferiore accanto alla proiezione puntuale di ogni anno nel grafico, più una piccola tabella supplementare con le stesse cifre Bear/Base/Bull mostrate sopra. Che questo venga implementato o no, il metodo qui presentato è interamente riproducibile a mano dal report che già si possiede.

Quanto di questo risolve effettivamente la critica originale

Vale la pena essere precisi su questo punto, poiché esagerare qui vanificherebbe lo scopo dell'esercizio. Il limite originale era che il modello non offriva alcun modo per valutare quanto fidarsi di un'unica cifra DCF. Questo articolo chiude quel divario a livello metodologico: esiste ora un modo riproducibile, senza necessità di nuovi dati, per costruire un intervallo difendibile attorno a qualsiasi output DCF, e abbiamo dimostrato che regge sotto un vero stress test (il confronto NVDA/AMD). Non chiude ancora il divario a livello di prodotto — il report stesso mostra ancora un solo numero, e costruire l'intervallo richiede ancora che il lettore esegua l'aritmetica qui descritta. Non risolve nemmeno una terza domanda, più difficile, che non pretendiamo di aver risposto: se queste bande, una volta costruite, contengano effettivamente i prezzi futuri realizzati a un tasso vicino al ~68% dichiarato — questo richiede una validazione rispetto ai risultati nel tempo, cosa che questo articolo non tenta di fare. Un progresso parziale e onesto su un limite specifico e precedentemente non affrontato.

Riferimenti

Damodaran, A. (2012). Investment Valuation: Tools and Techniques for Determining the Value of Any Asset (3ª ed.). Wiley.

Malcolm, D. G., Roseboom, J. H., Clark, C. E., & Fazar, W. (1959). "Application of a Technique for Research and Development Program Evaluation (PERT)." Operations Research, 7(5), 646–669.

Howard, R. A. (1988). "Decision Analysis: Practice and Promise." Management Science, 34(6), 679–695.

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.

Project Management Institute — PMBOK Guide, Three-Point Estimating Technique.

Non è un consiglio di investimento. Tutti i dati provengono da documenti pubblici SEC EDGAR. Divulgazione: detengo da tempo (~5 anni) una posizione in NVDA; nessuna posizione in qualsiasi altro titolo menzionato.

Uno studio pilota DuelStocks — Valutazione Assoluta vs. Relativa, Parte 2

1. La domanda aperta della Parte 1

La Parte 1 di questa serie ha separato due domande che di solito vengono trattate come una sola:

• Valutazione relativa: l'Azienda A è conveniente o costosa rispetto all'Azienda B?
• Valutazione assoluta (DCF): quanto vale l'Azienda A di per sé, in base ai propri flussi di cassa proiettati?

Applicare entrambe a duelli reali (NVDA contro AMD, GOOGL contro META, AMZN contro WMT), più una terza lente — il nostro Indice di Resilienza Fondamentale (FRI), che valuta la qualità del bilancio e del flusso di cassa indipendentemente dal prezzo o dalla crescita — ha mostrato che il "vincitore" secondo un metodo non è in modo affidabile il vincitore secondo un altro. Tre domande distinte e legittime; tre risposte distinte e legittime.

Abbiamo anche registrato un limite onesto in quell'articolo (sezione 2.4): un duello confronta sempre solo due aziende. La valutazione relativa classica confronta un'azienda con un gruppo di comparabili, non con un rivale arbitrario scelto per un titolo. Un "vincitore" a coppie può apparire completamente diverso contro un avversario diverso.

Questo articolo è un tentativo diretto di colmare questa lacuna — e, altrettanto importante, di misurare quanto effettivamente la colmi, piuttosto che semplicemente affermarlo.

2. Cosa ci aspettavamo di trovare, dichiarato prima di guardare

Prima di calcolare i numeri, abbiamo scritto tre aspettative verificabili, in modo che i risultati seguenti possano essere confrontati con esse piuttosto che adattati a posteriori:

• H1 — Persistenza della divergenza. Se la divisione relativo/assoluto/resilienza della Parte 1 fosse una proprietà reale dei dati (e non un artefatto della scelta di una coppia specifica), dovrebbe riapparire a livello settoriale: diverse aziende dovrebbero collocarsi vicino alla vetta su una lente e vicino al fondo su un'altra.
• H2 — La resilienza è ortogonale. Il FRI misura qualcosa di strutturalmente diverso (qualità del bilancio) dai fattori di crescita e margine (punteggio relativo) o dal valore implicito dal flusso di cassa (DCF). Ci aspettavamo che la sua classifica correlasse debolmente, non fortemente, con le altre due.
• H3 — I campioni piccoli sono rumorosi, anche con un modello "rigoroso". Un pilota di 2 turni dà a ogni azienda solo 2 punti dati. Ci aspettavamo che l'ordine di classifica risultante — per quanto matematicamente sofisticato sia il metodo di aggregazione — fosse considerevolmente meno stabile di quanto sembri, e abbiamo progettato un modo per quantificare esattamente quanto instabile, invece di limitarci ad accennarlo con la parola "pilota".

Tutte e tre si sono confermate, anche in modi che non avevamo previsto del tutto (vedi sezione 6).

3. Metodo

3.1 Progettazione del torneo

Eseguire un girone all'italiana completo tra 12 aziende (ognuna contro tutte le altre) avrebbe richiesto 66 duelli — troppi per un pilota di contenuti. Abbiamo usato il metodo del cerchio, l'algoritmo standard per pianificare gironi parziali nello sport e nella psicometria, per costruire un calendario a 2 turni in cui il grafo risultante di "chi ha giocato contro chi" è un unico ciclo connesso che tocca tutte le 12 aziende (SWKS è stata rimossa dal gruppo originale di 13 nomi — peso minore nell'indice, minore distorsione rimuovendola).

Turno 1: NVDA–ON, AVGO–MCHP, MU–MPWR, AMD–MRVL, INTC–QCOM, TXN–ADI Turno 2: NVDA–MCHP, ON–MPWR, AVGO–MRVL, MU–QCOM, AMD–ADI, INTC–TXN

La connettività qui non è una formalità, ma un elemento essenziale: le stime di forza Bradley–Terry si propagano attraverso il grafo di chi ha battuto chi, quindi se il grafo si dividesse in due gruppi disconnessi, il modello non avrebbe alcuna base per confrontare un'azienda di un gruppo con una dell'altro. Un unico ciclo connesso è la struttura minima necessaria per classificare tutte le 12 aziende l'una contro l'altra, anche se la maggior parte delle coppie non ha mai giocato direttamente.

3.2 Aggregare vittorie/sconfitte in una classifica

Dai 12 risultati abbiamo calcolato due misure di forza relativa:

• Punteggio Copeland — vittorie meno sconfitte. Trasparente, ma grezzo: con solo 2 partite, la maggior parte delle aziende finisce in uno di tre gruppi (+2, 0 o −2), producendo ampi pareggi.
• Rating Bradley–Terry (BT) — il modello standard per dati di confronto appaiato (1952; antenato matematico del sistema Elo). Secondo il BT, la probabilità che i batta j è s_i / (s_i + s_j), dove s_i è la forza stimata di i. Abbiamo stimato le forze tramite massima verosimiglianza iterativa (l'algoritmo MM/Zermelo), che consente alla forza di propagarsi in modo transitivo: battere una squadra che a sua volta ha battuto una squadra forte conta più che battere una squadra senza alcun precedente, anche senza un confronto diretto tra le due aziende collegate indirettamente.

Due record in questo set di dati sono "perfetti" nel senso matematico rilevante per il BT: un'azienda che vince tutte le partite giocate ha, senza correzione, una forza stimata infinita; un'azienda che perde tutte le partite ha una forza stimata pari a zero. Entrambi rompono il modello. Abbiamo usato una regolarizzazione standard — un piccolo numero di partite fittizie contro un avversario di forza media della lega, aggiunte a ogni azienda — che mantiene finita ogni stima. Non è una correzione cosmetica; è il meccanismo che rende possibile la classifica con così pochi dati, e significa che il gap numerico esatto tra posizioni adiacenti non dovrebbe essere sovra-interpretato (maggiori dettagli nella sezione 6).

Abbiamo poi aggiunto altre due classifiche che provengono dai documenti stessi di ciascuna azienda, indipendentemente da chi fosse l'avversario:

• Multiplo di valutazione implicito da DCF — Enterprise Value ÷ Ricavi, un output del motore DCF di DUEL per ciascuna azienda singolarmente (verificato identico in entrambi i report di duello di un'azienda, confermando che non dipende dall'avversario). Un valore più alto significa che il motore di flusso di cassa del modello assegna più enterprise value per ogni dollaro di ricavi, dati gli input propri di crescita, margine e ROIC di quell'azienda. Questo non è "potenziale di rialzo rispetto al prezzo di mercato" — non viene usato nessun prezzo di mercato in tempo reale — è una lettura trasversale di quali profili di flusso di cassa il modello premia.
• Indice di Resilienza Fondamentale (FRI) — il nostro composito di qualità del bilancio, anch'esso specifico per azienda.

4. Risultati

4.1 Risultati del girone all'italiana

4.2 Quattro classifiche, a confronto

5. Dove le tre lenti divergono

TXN ha vinto entrambi i duelli e detiene la posizione BT #1, ma si trova al #9 su 12 nel multiplo DCF e all'#11 nella resilienza (segnalata per leva finanziaria elevata — rapporto debito/patrimonio vicino a 0,9, copertura cassa/debito scarsa). Il miglior record di valutazione relativa del torneo appartiene a una delle storie di valore assoluto e bilancio più debole del gruppo.

MRVL è quasi l'immagine speculare: ultima nel BT, ma a pari merito al #3 nella resilienza (FRI 89) e a metà classifica (#6) nel multiplo DCF. Una lettura puramente relativa non dice quasi nulla di accurato sul bilancio di MRVL.

AMD si trova a metà classifica sia nel record relativo (1-1) che nel multiplo DCF (#7), ma ha il miglior punteggio di resilienza del settore (FRI 100 — nessuna contraddizione segnalata, punteggio pieno in ogni sotto-metrica). Nulla di tutto ciò è visibile da chi AMD ha battuto.

NVDA e AVGO sono i due nomi in cui il livello DCF concorda con il livello relativo (#1 e #2 su entrambi) — ma la resilienza diverge. NVDA scende al #10 nel FRI, spinta da una metrica di Autonomia di Liquidità ben sotto la soglia di "cuscinetto solido": un vero trade-off tra forza di crescita/valutazione e cuscinetto di bilancio, non rumore.

INTC è il caso di controllo: ultima o quasi ultima su ogni lente, e l'unica azienda in cui il motore DCF restituisce un enterprise value addirittura negativo (un flusso di cassa libero negativo rompe il modello, invece di limitarsi ad abbassare il numero). Quando il quadro sottostante è genuinamente debole su tutti i fronti, i tre metodi concordano — il che è di per sé informativo: suggerisce che la divergenza osservata altrove sia un segnale di fondamentali genuinamente misti, non il modello che è in disaccordo con se stesso a caso.

6. Quanto dovreste fidarvi della posizione #1?

Prima di trattare "TXN è al #1" come una scoperta su TXN, vale la pena chiarire cosa stia effettivamente guidando quel numero.

Le due vittorie di TXN sono contro INTC (0-2, nessuna vittoria in nessun punto della rete) e ADI (1-1 — la cui unica credenziale è una singola vittoria su AMD). In un modello Bradley–Terry, una vittoria contro una squadra che a sua volta ha battuto qualcuno conta più di una vittoria contro una squadra con un record vuoto, perché la forza si propaga in modo transitivo lungo il grafo. NVDA, AVGO, QCOM e MPWR — le altre quattro squadre 2-0 — hanno ciascuna battuto due avversari che erano 0-2 senza alcuna vittoria in nessun punto della rete. TXN è l'unica squadra 2-0 la cui seconda vittoria è arrivata contro un avversario (ADI) che portava con sé una vittoria attiva propria. Proprio questo unico collegamento indiretto è ciò che separa la posizione BT #1 di TXN da un quadruplo pareggio in vetta.

Questo non è un difetto del metodo — è esattamente ciò per cui Bradley–Terry è progettato. Ma è anche esattamente il tipo di risultato che dovrebbe rendervi cauti nel leggere troppo in una classifica basata su 2 partite per azienda. Per quantificare questa cautela invece di limitarci ad affermarla, abbiamo eseguito una verifica Monte Carlo: simulare 12 aziende con "vere" forze casuali, eseguire lo stesso calendario del metodo del cerchio, e chiedere quanto spesso il #1 di Bradley–Terry e il #1 semplice di Copeland siano in disaccordo, puramente per variazione di campionamento, a diverse lunghezze di calendario (4.000 torneo simulati per punto dati):

A 2 turni, quale metodo si usi per "chi è #1" è vicino a un lancio di moneta in termini di accordo con il metodo più semplice basato sul conteggio — il che mostra che la sofisticazione di Bradley–Terry non compra ancora una risposta stabile a questa dimensione del campione, solo una instabile in modo diverso. Questa instabilità è una proprietà della dimensione del campione, non specifica di TXN, ed è esattamente per questo che presentiamo questo come un risultato pilota da rivedere con più dati, non come un'affermazione confermata di leadership settoriale.

7. Quanti turni sarebbero effettivamente necessari?

La sezione 6 mostra che la posizione #1 è instabile a 2 turni. La domanda naturale successiva — e quella a cui questo articolo ha cercato di rispondere quantitativamente piuttosto che qualitativamente — è: quanti turni basterebbero, e cosa si guadagna a ogni passo?

Abbiamo simulato torneo a girone dello stesso disegno a 12 aziende con metodo del cerchio, a lunghezze di calendario da 1 turno fino al girone completo di 11 turni (ogni azienda gioca contro ogni altra esattamente una volta), assegnando forze "vere" casuali in ciascuno dei 3.000 torneo simulati per riga. Abbiamo poi misurato quanto strettamente la classifica Bradley–Terry risultante corrispondesse all'ordine di forza reale (noto, nella simulazione):

Emergono due elementi. Primo, il disegno pilota usato qui (2 turni) si colloca a una correlazione di rango di circa 0,47 con l'ordine "reale" — utile per individuare fasce ampie, non affidabile per affermare un #1 specifico. Secondo, più della metà del campo (56,7%) termina un torneo a 2 turni con un record matematicamente "perfetto" di 2-0 o 0-2 — il che suona decisivo ma, secondo la sezione 6, è esattamente la condizione che rende instabile l'ordine di rango individuale, poiché un record perfetto non contiene informazioni su quanto un'azienda sia migliore, solo che ha vinto ogni partita che si è trovata a giocare.

Leggendo la tabella come guida di pianificazione per futuri torneo di questo tipo:

• 1–2 turni: economico, veloce, buono per segnalare fasce ampie (vincitori chiari contro ritardatari chiari) in contenuti costruiti attorno a un pilota o a un singolo ciclo di pubblicazione. Il posizionamento individuale all'interno della fascia alta o bassa non dovrebbe essere considerato definitivo.
• 3–4 turni: significativamente migliore (correlazione ~0,55–0,60) a un costo aggiuntivo moderato (18–24 duelli); un minimo ragionevole se la classifica in sé, non solo la storia della divergenza con il DCF, è il punto dell'articolo.
• 5–6 turni: un compromesso praticabile (correlazione ~0,65–0,68) tra il rigore completo a livello di gruppo e il costo di produzione di dozzine di duelli.
• 8+ turni, fino al girone completo di 66 duelli: rendimenti decrescenti per ogni turno aggiuntivo, ma l'unico regime in cui si può difendere una posizione numerata specifica (e non solo una fascia) con reale fiducia.

8. Questo risolve la critica della Parte 1?

Strutturalmente, sì, in parte: aggregare 12 duelli a coppie in una rete connessa, e valutare ogni azienda rispetto alla forza implicita di tutto il gruppo invece che rispetto a un avversario arbitrario, è un genuino miglioramento metodologico rispetto a un singolo duello — è esattamente ciò che il "confronto con un gruppo di comparabili" della valutazione relativa classica richiede realmente, tradotto in statistica del confronto appaiato.

Empiricamente, la risposta è più sfumata, e la tabella della sezione 7 è la versione onesta di questa sfumatura. Il disegno specifico a 2 turni usato qui riduce — ma non elimina — la critica originale. La posizione di un'azienda nella classifica di questo pilota è più informativa del vincitore di un singolo duello, ma secondo le sezioni 6 e 7, è ancora più vicina a una stratificazione grezza che a un rango preciso e stabile. La critica della Parte 1 (sezione 2.4) ora si legge meglio così: "risolta nel tipo, non ancora nel grado" — il metodo per confrontarsi con un gruppo di comparabili esiste e funziona; eseguirlo a una dimensione del campione che renda affidabili i posizionamenti individuali è un costo separato e quantificabile, mostrato sopra.

9. Conclusioni

La divergenza relativo/assoluto/resilienza della Parte 1 non è un artefatto della scelta di una coppia specifica. Riappare a livello settoriale: TXN (#1 relativo, #9 DCF, #11 resilienza) e MRVL (#12 relativo, #6 DCF, #3 resilienza) mostrano differenze di 6–8 posizioni tra lenti che misurano cose genuinamente diverse.

La resilienza è, come previsto (H2), la più indipendente delle tre lenti. Il punteggio #1 in resilienza di AMD coesiste con un record relativo e un multiplo DCF nella media; la posizione condivisa #1/#2 di NVDA e AVGO in relativo e DCF coesiste con posizioni di resilienza #10 e #8. Un punteggio alto sui fattori di crescita e margine, o su un multiplo di flusso di cassa DCF, non dice quasi nulla sul cuscinetto di bilancio.

L'unico caso senza divergenza (INTC) è anche l'unico caso di difficoltà inequivocabile — ultima o quasi ultima su ogni lente, e l'unica azienda in cui l'output del motore DCF è degenere (enterprise value negativo) piuttosto che semplicemente basso. Questa è una prova che la divergenza osservata altrove riflette quadri sottostanti genuinamente misti, non rumore nei metodi di punteggio stessi.

Un pilota a 2 turni è utile a livello direzionale e instabile a livello individuale, e questo ora viene misurato invece che affermato. La simulazione mostra una correlazione di rango di ~0,47 con l'ordine "reale" a questa dimensione di disegno, una probabilità del 64,4% che un metodo di conteggio più semplice (Copeland) avrebbe incoronato un #1 diverso per pura variazione di campionamento, e che il 56,7% del campo termina con un record "perfetto" di 2-0 o 0-2, povero di informazioni. La posizione #1 in questo pilota (TXN) si basa su un unico collegamento indiretto nel grafo di confronto (la sua vittoria su ADI, la cui unica credenziale è una singola vittoria su AMD) — un'illustrazione da manuale esattamente di questa instabilità, non un difetto specifico di TXN.

La critica coppia-contro-gruppo-di-comparabili della Parte 1 è affrontata a livello strutturale, ma solo parzialmente superata nella pratica. Il metodo per aggregare molti duelli in una classifica relativa al gruppo esiste e funziona; secondo la tabella della sezione 7, rendere affidabili i posizionamenti di rango individuali (non solo quelli di fascia) richiede circa 5–8 turni (30–48 duelli) invece di 2 — un numero concreto e riutilizzabile per dimensionare il prossimo torneo di questo tipo, invece di un vago appello a "più dati".

Questo è un articolo di metodologia, non un consiglio di investimento. Tutti i numeri provengono da documenti pubblici SEC EDGAR (10-K/10-Q).

Ogni valutazione azionaria finisce per rispondere a una di due domande diverse, e la maggior parte dei dibattiti su "quale metodo sia corretto" nasce dal fatto che le persone non si rendono conto di discutere di domande diverse.

Questo articolo passa prima in rassegna la teoria, poi la testa su numeri reali — NVIDIA (NVDA) contro AMD (AMD), Google (GOOGL) contro Meta (META), Amazon (AMZN) contro Walmart (WMT) — usando uno strumento che ho costruito e che estrae i fondamentali direttamente dai documenti SEC 10-K/10-Q. Nessuna stima degli analisti, nessun sentiment, nessuna azione di prezzo — solo i documenti ufficiali.

Parte 1 — Due modi di chiedersi "Quanto vale questa azienda?"

La valutazione intrinseca (assoluta) costruisce il valore di un'azienda dall'interno verso l'esterno — proietta i flussi di cassa futuri, li attualizza con un tasso che rifletta il rischio, e basta. Questo approccio risale a The Theory of Investment Value (1938) di John Burr Williams: un asset vale il valore attuale di ciò che pagherà. Il DCF, i modelli di sconto dei dividendi e i modelli a reddito residuo appartengono a questa categoria.

La valutazione relativa non valuta mai l'azienda da sola — la valuta rispetto ai suoi comparabili, partendo dal presupposto che il mercato abbia prezzato le aziende comparabili in modo approssimativamente corretto; il segnale è il divario tra il vostro target e il gruppo. I multipli (P/E, EV/EBITDA) e i sistemi di ranking tra comparabili appartengono a questa categoria.

Nessuna delle due è "più corretta". Si basano su presupposti diversi su ciò che si può sapere. La valutazione assoluta presuppone che si possa prevedere meglio del mercato. La valutazione relativa presuppone che il mercato sia mediamente corretto, e che il vostro compito sia individuare l'anomalia.

Dove il DCF eccelle, e dove fallisce

È l'unico metodo che deriva il valore dal vero motore generatore di cassa dell'azienda, indipendentemente da quanto qualcuno stia pagando per un'azienda comparabile. Questo è potente quando interi settori impazziscono (2000, 2021). Il problema — ben documentato da Aswath Damodaran — è che i risultati del DCF sono assurdamente sensibili a tre input: il tasso di crescita, il tasso di sconto e il valore terminale. Il solo valore terminale rappresenta di norma il 60-80% del valore d'impresa totale, costruito su una singola stima puntuale di crescita perpetua. Si ottiene un numero preciso al centesimo, costruito su un'ipotesi che nessuno può verificare.

Dove i multipli eccellono, e dove falliscono

Sono rapidi, si scalano su centinaia di titoli e codificano informazioni che un foglio di calcolo non può facilmente catturare — qualità del management, rischio regolatorio, sentiment settoriale. La debolezza strutturale è la circolarità: la valutazione relativa funziona solo se il gruppo di comparabili è prezzato correttamente in media. Se un intero settore è gonfiato, la valutazione relativa confermerà volentieri che il vostro target è "conveniente rispetto ai comparabili", mentre l'intero gruppo è costoso rispetto alla realtà.

Tabella 1 — Confronto diretto

Parte 2 — Testare entrambi i metodi sulle stesse aziende, nello stesso momento

Invece di scegliere un metodo, ho costruito uno strumento che li esegue entrambi in parallelo sugli stessi dati SEC, con un terzo livello che misura la resilienza del bilancio. Tre report separati, tre domande separate:

• Battle Report (relativo) — 8 metriche fondamentali (Crescita dei Ricavi, Margine di Cassa Operativo, ROIC, Sloan Ratio, Rotazione dell'Attivo, Rotazione dei Crediti, Margine Operativo, Margine FCF), ponderate in un punteggio da 0 a 100 per ciascuna parte.
• DCF Report (assoluto) — un DCF completo a 3 anni con crescita adeguata per qualità: una penalizzazione Sloan Ratio per una contabilità per competenza aggressiva, un moltiplicatore ROIC che scala la crescita prevista in base all'efficienza del capitale, e un moltiplicatore di margine FCF per la qualità della conversione in cassa. Il WACC è derivato da un livello di ROIC, non dalla volatilità storica del prezzo.
• Resilience Report — un Indice di Resilienza Fondamentale (0–100) costruito da copertura cassa/debito, autosufficienza degli investimenti (FCF/CapEx), qualità degli utili (flusso di cassa operativo/utile operativo) e autonomia di liquidità, con una matrice di coerenza che segnala contraddizioni interne.

Per essere trasparenti sui limiti di questo approccio: non c'è una tabella di sensibilità né un intervallo Monte Carlo sull'output del DCF (un compromesso noto rispetto a un modello completo a stima puntuale), non c'è un premio per il rischio paese esplicito (nessun problema per le large cap statunitensi, una lacuna per i titoli internazionali), e il livello relativo confronta una coppia alla volta invece di una mediana di un intero gruppo di comparabili. Nulla di tutto ciò rende i numeri inutili — significa solo che vanno letti come indizi direzionali, non come verità assoluta.

Parte 3 — Il caso di studio: NVIDIA contro AMD

Il punteggio relativo: 92–8, "Dominante", a favore di NVIDIA.

Un divario di ROIC del 51% contro il 4,5% non è un errore di arrotondamento. Sui soli fondamentali operativi, non è affatto una gara equilibrata.

Il numero assoluto racconta una storia diversa:

Nonostante la sconfitta nel duello 8 a 92, il potenziale di rialzo a 3 anni modellato per AMD è superiore. Il dominio di NVIDIA è già incorporato in un enterprise value di circa 4.300 miliardi di dollari; anche al tasso di crescita massimo del modello del 35%, il rialzo percentuale da una base già enorme è inferiore alla crescita composta più modesta di AMD da una base molto più bassa. La valutazione relativa dice chi sta vincendo in questo momento. Il DCF dice quanto avete già pagato per quella vittoria.

Il livello di resilienza aggiunge un terzo, inaspettato colpo di scena:

Un'azienda che ha appena vinto il duello 92–8 e porta un enterprise value derivato dal DCF di 4.280 miliardi di dollari ottiene un punteggio di resilienza più basso dell'azienda che ha demolito. Vale una precisazione: con 102,7 miliardi di dollari di flusso di cassa operativo, nessuno pensa seriamente che NVIDIA abbia un problema di liquidità — la metrica di autonomia qui è quasi certamente un artefatto della formula su una struttura di bilancio per cui la metrica non è stata concepita. Ma il segnale sulla qualità degli utili (utile operativo superiore al flusso di cassa operativo) è un segnale reale, per quanto minore, che vale la pena conoscere.

Verificato incrociando altre due coppie, nello stesso giorno:

Stesso schema, verificato separatamente tre volte: un punteggio relativo sbilanciato non predice in modo affidabile né la classifica di resilienza né la classifica dei rendimenti assoluti.

Conclusione

La valutazione relativa risponde a "quale azienda è operativamente più forte in questo momento" — e svolge bene questo compito. La valutazione assoluta risponde a "quanto di questa forza è già prezzato". Un livello di resilienza risponde a "cosa succede se le condizioni peggiorano". Sono tre domande diverse, e trattare una qualsiasi di esse come una risposta completa è dove la maggior parte dei dibattiti sulla valutazione — professionali e retail — va storta.

Questo è un articolo di metodologia, non un consiglio di investimento. Tutti i numeri provengono da documenti pubblici SEC EDGAR (10-K/10-Q).