{"id":2091,"date":"2022-01-13T10:27:05","date_gmt":"2022-01-13T09:27:05","guid":{"rendered":"https:\/\/www.analyticsarts.it\/?p=2091"},"modified":"2025-11-26T15:05:27","modified_gmt":"2025-11-26T14:05:27","slug":"guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury","status":"publish","type":"post","link":"https:\/\/www.analyticsarts.it\/it\/post\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\/","title":{"rendered":"Guida ai premi di M&A: analisi sperimentale di variabili bidder specific nel settore del luxury"},"content":{"rendered":"
[vc_row][vc_column][vc_column_text css=”.vc_custom_1705482115806{margin-bottom: 0px !important;}”]\n

\"\"<\/p>\n

Autore: Michele Mori<\/a>
\nDate: 13-01-2022<\/p>\n

 <\/p>\n

\n

Determinare il premio di acquisizione<\/strong> in un’operazione di M&A \u00e8 un processo estremamente complesso a causa dell’elevato numero di fattori che devono essere considerati e dall\u2019impatto che possibili rumours hanno sul prezzo della societ\u00e0 target prima che l’operazione venga realmente annunciata e si concretizzi. Il seguente articolo riassume l’impatto statistico che diverse variabili hanno sul premio di M&A attraverso l\u2019analisi degli ultimi 30 anni di operazioni di fusione e acquisizione in tutto il mondo.<\/span><\/p>\n<\/div>\n

\n

L’analisi \u00e8 condotta su operazioni con un valore maggiore di 10 milioni di euro relativo ad un acquisto di un pacchetto di maggioranza in una societ\u00e0 quotata e mira a trasformare un processo altamente soggettivo come la determinazione del premio di M&A in un processo parzialmente oggettivo.<\/span><\/p>\n<\/div>\n

\n

Gli obiettivi del lavoro sono quelli di creare una guida ai premi di M&A<\/strong> e fornire un metodo di valutazione alternativo alla determinazione del premio di acquisizione attraverso la creazione di un modello di regressione lineare multipla<\/strong> generalizzato che analizzi l’impatto e la significativit\u00e0 statistica di variabili deal-specific, target-specific e acquirer-specific. Grazie alla formula di previsione \u201cpredict<\/strong>\u201d, il software R-Commander consentir\u00e0 alle aziende, con caratteristiche simili al campione di dati considerato, di inserire i propri valori nel modello e ottenere un range di premi (un premio minimo e uno massimo) che includer\u00e0 con una buona probabilit\u00e0 il premio finale della transazione.<\/span><\/p>\n<\/div>\n

\n

La guida sar\u00e0 vantaggiosa sia all\u2019acquirente sia al venditore da un punto di vista strategico<\/strong>. Dal punto di vista del venditore<\/strong>, il premio determinato \u00e8 sufficiente a soddisfare la parte venditrice? Dal punto di vista dell’acquirente<\/strong>, il prezzo determinato consentir\u00e0 all’acquirente di creare valore a lungo termine? O distrugger\u00e0 il valore dell’azienda? Il premio gioca un ruolo fondamentale nel determinare se un’operazione creer\u00e0 valore o meno: dal punto di vista dell’acquirente, ad esempio, \u00e8 cruciale che le sinergie previste e ipotizzate siano sufficienti a giustificare il premio pagato. In particolare, esistono alcuni strumenti analitici utili a supportare il processo decisionale di un\u2019azienda: per esempio, i manager possono utilizzare strumenti statistici per analizzare grandi quantit\u00e0 di dati e stimare la relazione tra le variabili di interesse. Per esempio, dopo aver analizzato la relazione tra il premio pagato e la percentuale di azioni possedute dopo una transazione, il manager di un\u2019azienda potrebbe prevedere il valore del premio di acquisizione per ogni dato livello di azioni detenute dopo la transazione. Inoltre, la guida ai premi di M&A consentir\u00e0 al venditore di individuare i fattori critici che incidono in modo significativo sul premio e su cui l’azienda dovrebbe focalizzare la propria attenzione per aumentare il premio di vendita.<\/span><\/p>\n<\/div>\n

\n

In particolare, lo studio condotto analizzer\u00e0 separatamente l’impatto del premio per il controllo (Model_1) e della variabile internazionalizzazione (Model_2). Queste due variabili non sono state ancora analizzate precedentemente dalla letteratura ma giocano un ruolo cruciale nella determinazione del premio. Infine, Model_1 (che include le transazioni appartenenti a tutti i settori) verr\u00e0 confrontato con il terzo e ultimo modello della tesi (Model_3) che invece include transazioni appartenenti al solo settore luxury.<\/span><\/p>\n<\/div>\n

\n

Nello specifico, l\u2019analisi condotta si pone l\u2019obiettivo di rispondere alle seguenti domande di ricerca<\/strong>:<\/span><\/p>\n<\/div>\n

\n
    \n
  • \n

    Come e in quale direzione le diverse categorie di variabili (deal-specific, target-specific e acquirer-specific) impattano il premio di M&A?<\/em><\/span><\/p>\n<\/li>\n

  • \n

    Qual \u00e8 l’impatto statistico del premio di controllo sul premio pagato?<\/em><\/span><\/p>\n<\/li>\n

  • \n

    Qual \u00e8 l’impatto statistico dell’internazionalizzazione sul premio pagato?<\/em><\/span><\/p>\n<\/li>\n

  • \n

    Il modello generale a tutti i settori \u00e8 valido nel settore luxury?<\/em><\/span><\/p>\n<\/li>\n<\/ul>\n

     <\/p>\n<\/div>\n

    \n

    Il lavoro svolto prover\u00e0 a rispondere a queste domande di ricerca analizzando in primo luogo i premi di M&A da un punto di vista teorico e poi attraverso la costruzione di modelli statistici.<\/span><\/p>\n<\/div>\n

    \n

    L\u2019elaborato decorre con l’analisi della letteratura<\/strong> e del framework teorico<\/strong> sull’argomento.<\/span><\/p>\n<\/div>\n

    \"\"<\/p>\n

     <\/p>\n

    Qualora vi sia la possibilit\u00e0 di acquistare una quota di maggioranza di una societ\u00e0, e quindi l’opportunit\u00e0 di controllare e gestire l’impresa, allora la determinazione del prezzo di acquisizione deve considerare il premio di controllo<\/strong>, che aumenta il prezzo finale dell’operazione. Sinergie<\/strong> e premio di controllo sono due concetti molto diversi tra loro: le sinergie rappresentano l’aumento dei ricavi o la riduzione dei costi grazie alla combinazione delle due societ\u00e0 oggetto della transazione; il premio per il controllo misura invece il valore che l’acquirente \u00e8 disposto a pagare per ottenere il diritto di poter prendere decisioni aziendali che influenzeranno l’attivit\u00e0 dell’azienda come ad esempio effettuare investimenti, gestire e ottimizzare l’azienda da un punto di vista strategico, operativo e finanziario. In particolare, il controllo attribuisce all’azionista di maggioranza il diritto di approvare il bilancio, nominare e revocare gli amministratori e fissare gli stipendi e i premi ai propri dipendenti. L’impatto delle altre variabili <\/strong>che impattano il premio di acquisizione \u00e8 invece riassunto nella seguente tabella:<\/p>\n

     <\/p>\n

    \"\"<\/p>\n

     <\/p>\n

    \n

    Il prezzo (e il premio) di acquisizione<\/strong> viene solitamente determinato attraverso le principali metodologie di valutazione utilizzate da banche di investimento per valutare una societ\u00e0, come i comparable multiples, il discounted cash flow (DCF) e l’analisi delle precedent transactions. Tuttavia, anche se queste metodologie sono utili a stabilire un possibile range di prezzo bid, \u00e8 fondamentale sottolineare come molti altri fattori<\/strong> che influenzano il prezzo d\u2019acquisto non vengano considerati attraverso i principali metodi di valutazione, come ad esempio:<\/span><\/p>\n<\/div>\n

    \n
      \n
    • \n

      Liquidit\u00e0 del mercato.<\/span><\/p>\n<\/li>\n

    • \n

      Andamento dei tassi di interesse.<\/span><\/p>\n<\/li>\n

    • \n

      Competizione nel processo di vendita: \u00e8 il caso di un approccio ristretto, veloce e riservato ma che riduce le possibilit\u00e0 di massimizzare il prezzo? Oppure si tratta di un processo aperto con un livello di riservatezza inferiore ma con una maggiore possibilit\u00e0 di ottenere un prezzo pi\u00f9 alto dovuto alla competizione elevata?<\/span><\/p>\n<\/li>\n

    • \n

      La due diligence svolta dall\u2019acquirente.<\/span><\/p>\n<\/li>\n

    • \n

      Garanzie e clausole earn-out, reverse earn out o la clausola MAC (Material Adverse Change).<\/span><\/p>\n<\/li>\n<\/ul>\n<\/div>\n

      <\/div>\n
      \n

      Negli ultimi 30 anni, l’evidenza empirica<\/strong> mostra come i premi pagati di M&A subiscano significative oscillazioni a conferma di quanto varie e complesse siano le determinanti che incidono sul premio. In particolare, si pu\u00f2 affermare come da un lato l’andamento dei premi non sia direttamente legato a principali eventi macroeconomici come la crisi finanziaria del 2008; dall\u2019altro lato invece, i premi sono connessi al paese in cui ha sede la societ\u00e0 target e al business in cui la societ\u00e0 opera.<\/span><\/p>\n<\/div>\n

      \n

      Di seguito verranno poi analizzate le differenze tra il modello generale che include tutti i settori e il modello settoriale del lusso<\/strong>. \u201cLuxury\u201d vuol dire status, esclusivit\u00e0, personalizzazione, unicit\u00e0, servizio impeccabile al cliente. I brand di lusso sono multisensoriali, esperienziali, esclusivi e distintivi. Secondo Bain & Co., a causa della crisi Covid-19, il valore di mercato globale del lusso si \u00e8 contratto a 1 trilione di euro, in calo del 2% rispetto al 2019. In particolare, l\u2019assenza di turismo, i lockdown, la chiusura di negozi e la bassa fiducia del consumatore hanno avuto un forte impatto negativo sul mercato del lusso in Europa, registrando una riduzione della propria quota di mercato dal 31% al 26%.<\/span><\/p>\n<\/div>\n

      \n

      Il settore del lusso sta oggi vivendo un trend di consolidamento dove le grandi aziende come LVMH e Kering (per il segmento fashion luxury) stanno consolidando la propria posizione di mercato acquisendo piccole Maisons. Infatti secondo Deloitte, nel 2020, il 59% delle operazioni di M&A ha riguardato imprese di piccole dimensioni con un fatturato inferiore a 51 milioni di dollari, a conferma di questo trend. Nonostante la crisi, l’industria del lusso \u00e8 cresciuta molto negli ultimi anni ed \u00e8 destinata a crescere, alimentando cosi l\u2019attrazione di investitori finanziari come i private equity.<\/span><\/p>\n<\/div>\n

      \n

      Passiamo ora all\u2019analisi sperimentale<\/strong> del lavoro.<\/span><\/p>\n<\/div>\n

      \n

      Per costruire il dataset, SDC Platinum \u00e8 stato utilizzato per raccogliere i dati relativi alle transazioni M&A; Thompson Reuters Datastream \u00e8 stato invece impiegato per raccogliere informazioni riguardo la performance economico finanziaria della societ\u00e0 target e dell’acquirente. Infine, R-Commander \u00e8 stato utilizzato per testare le ipotesi di ricerca, sviluppare i modelli di regressione e analizzare i risultati ottenuti.<\/span><\/p>\n<\/div>\n

      \n

      L’analisi sperimentale inizia con la raccolta dei dati delle operazioni di M&A che hanno le seguenti caratteristiche<\/strong>:<\/span><\/p>\n<\/div>\n

      \n
        \n
      • \n

        Valore dell’operazione > \u20ac 10 milioni.<\/span><\/p>\n<\/li>\n

      • \n

        Acquisto di un pacchetto di maggioranza.<\/span><\/p>\n<\/li>\n

      • \n

        Stato transazione: completato.<\/span><\/p>\n<\/li>\n

      • \n

        Acquirente e societ\u00e0 target sono aziende quotate.<\/span><\/p>\n<\/li>\n

      • \n

        Data annuncio transazione: dal 01\/01\/1990 al 01\/01\/2021.<\/span><\/p>\n<\/li>\n

      • \n

        Regioni geografiche: \u201cworldwide\u201d.<\/span><\/p>\n<\/li>\n

      • \n

        Tutti i settori.<\/span><\/p>\n<\/li>\n

      • \n

        Metodo di pagamento: 100% stock o 100% cash.<\/span><\/p>\n<\/li>\n

      • \n

        Operazioni nazionali e cross-border.<\/span><\/p>\n<\/li>\n

      • \n

        Acquirenti sponsor finanziari esclusi (private equity). Solo \u201cstrategic buyers\u201d considerati. <\/span><\/p>\n<\/li>\n<\/ul>\n<\/div>\n

        <\/div>\n
        \n

        Dopo aver applicato i seguenti filtri, \u00e8 stato identificato un campione di 3492 transazioni. Successivamente, il campione di dati \u00e8 stato unito ai dati raccolti su Datastream. Qui, dopo aver selezionato solo quelle transazioni con dati completi, il campione \u00e8 stato ridotto a 936 transazioni. Infine, con l’aiuto di R-Commander e per non distorcere la validit\u00e0 dei risultati dei modelli, sono stati esclusi i valori \u201coutlier\u201d dal campione di dati.<\/span><\/p>\n<\/div>\n

        \n

        Successivamente, \u00e8 stato possibile costruire 3 modelli di regressione. In tutti i modelli analizzati, la variabile dipendente<\/strong> (y) \u00e8 la variabile di risposta del modello, che \u00e8 il premio della transazione. Le variabili indipendenti (x) utilizzate per predire il valore del Premio sono invece i predictors<\/strong> del modello, classificati in tre categorie principali: deal-specific, target-specific e acquirer-specific, incluse le variabili dummy.<\/span><\/p>\n<\/div>\n

        \"\"<\/p>\n

         <\/p>\n

        \n

        Model_1<\/strong> \u00e8 composto da 621 osservazioni. Il modello sar\u00e0 utilizzato per creare la guida ai premi di M&A e analizzare l’impatto che diverse variabili hanno sul premio di acquisizione. Inoltre, il modello verificher\u00e0 se esiste un legame tra un’azienda gestita male (connesso al premio di controllo) e un premio di acquisizione pi\u00f9 alto attraverso l\u2019introduzione e l\u2019analisi di due variabili che confrontano la crescita degli ultimi 5 anni dell’Earning-per-Share (EPS_growth_A_vs_T) e l’Earning Before Interests, Tax, Depreciation & Amortization (EBITDA_growth_A_vs_T) dell’acquirente e della target.<\/span><\/p>\n<\/div>\n

        \n

        Model_2<\/strong> \u00e8 composto da 128 osservazioni e analizzer\u00e0 l\u2019impatto della variabile internazionalizzazione (Internationalization). Internazionalizzazione \u00e8 una variabile dummy che ha valore 1 se il livello di internazionalizzazione dell’acquirente \u00e8 superiore a quello della target (se quindi la percentuale di vendite estere sulle vendite totali dell\u2019acquirente \u00e8 maggiore di quella della target); valore 0 altrimenti. L\u2019obiettivo \u00e8 analizzare se avere un buon export viene ripagato con un premio pi\u00f9 alto quando un’azienda target \u00e8 soggetta a un’operazione di M&A. In altre parole, se il premio riflette una componente che dipenda dalla percentuale di vendite estere sulle vendite totali.<\/span><\/p>\n<\/div>\n

        \n

        Model_3<\/strong> \u00e8 composto da 54 osservazioni e include solo aziende target che operano nel settore del lusso. L’obiettivo sar\u00e0 quello di analizzare le differenze e i punti comuni con Model_1 in termini di coefficienti, significativit\u00e0 e adjusted R-squared.<\/span><\/p>\n<\/div>\n

        \"\"<\/p>\n

        Cinque le principali assunzioni dei 3 modelli: linearit\u00e0<\/strong>, omoschedasticit\u00e0<\/strong>, non correlazione degli errori<\/strong>, normalit\u00e0 multivariata<\/strong> e multicollinearit\u00e0<\/strong>.<\/p>\n

        \"\"<\/p>\n

         <\/p>\n

        \"\"<\/p>\n

        \n

        Si pu\u00f2 concludere che tutte le ipotesi alla base del modello OLS sono state rispettate e si possono quindi analizzare i risultati dei tre modelli.<\/span><\/p>\n<\/div>\n

        Model_1<\/strong><\/span>:<\/p>\n

        \"\"<\/p>\n

        \n
        \n

        Analizzando i risultati, \u00e8 possibile trarre le seguenti conclusioni:<\/span><\/p>\n<\/div>\n

        \n
          \n
        • \n

          Esiste una relazione statisticamente significativa lineare e positiva<\/strong> tra Premium e Equity_Value, EPS_growth, Payment_Method, Size, CashFlow_growth e Percentage_Owned_after_Transaction. Un aumento di una unit\u00e0 del predictor X porta ad un aumento del premio medio di acquisizione del valore pari al coefficiente. Per esempio:<\/span><\/p>\n<\/li>\n

        • \n

          La crescita dei profitti della target aumenta l’opportunit\u00e0 di distribuire dividendi e aumenta l’attrattivit\u00e0 (e il premio) dell’investimento.<\/span><\/p>\n<\/li>\n

        • \n

          Il pagamento in cash produce un effetto fiscale vantaggioso per l’acquirente, aumentandone il premio.<\/span><\/p>\n<\/li>\n

        • \n

          La crescita dei flussi di cassa \u00e8 valutata positivamente dagli investitori perch\u00e9 rappresenta una buona misura della solidit\u00e0 e forza dell’azienda.<\/span><\/p>\n<\/li>\n

        • \n

          Esiste una relazione statisticamente significativa lineare e negativa<\/strong> tra il premio d\u2019acquisizione e l\u2019Enterprise Value. La correlazione negativa pu\u00f2 essere spiegata dal fatto che un aumento dell’indebitamento netto della societ\u00e0 (debito \u2013 cash) riduce l’attrattivit\u00e0 dell\u2019impresa, determinando cos\u00ec un minor premio di acquisizione.<\/span><\/p>\n<\/li>\n

        • \n

          I p-value di EBITDA_growth_A_vs_T<\/strong> e EPS_growth_A_vs_T<\/strong> sono elevati e quindi non statisticamente significativi. Non \u00e8 possibile trarre conclusioni strategiche sull’impatto del premio di controllo sul premio di acquisizione. Pertanto, sarebbe meglio rimuovere queste variabili per aumentare la precisione del modello.<\/span><\/p>\n<\/li>\n

        • \n

          L’R-squared \u00e8 36,65% e l’adjusted R-squared<\/strong> \u00e8 29,66%.<\/span><\/p>\n<\/li>\n

        • \n

          Il modello \u00e8 valido<\/strong> per la porzione di popolazione che ha caratteristiche simili alle imprese del campione. I seguenti step possono essere utilizzati per stimare il premio:<\/span><\/p>\n<\/li>\n

        • \n

          PremiumRange <- data.frame (\u2026)<\/span><\/p>\n<\/li>\n

        • \n

          Previsione (oggetto = Modello_1, nuovi dati = PremiumRange, intervallo = “previsione”, livello = 0,95)<\/span><\/p>\n<\/li>\n<\/ul>\n<\/div>\n

          <\/div>\n
          \n

          In conclusione alla guida al premio di M&A, Model_1 pu\u00f2 essere utilizzato sia dall\u2019acquirente che dall\u2019azienda target per determinare a priori un’ipotetica fascia di premio a cui la transazione possa chiudersi. Una condizione necessaria \u00e8 che l’acquirente e il venditore abbiano caratteristiche simili al campione di dati delle 621 transazioni utilizzate per costruire il modello. <\/span><\/p>\n<\/div>\n<\/div>\n

          <\/div>\n
          \n

          Model_2:<\/span><\/p>\n

          \"\"<\/p>\n

          L’interpretazione del coefficiente della variabile Internationalization \u00e8 la seguente: ogni volta che la variabile di internazionalizzazione \u00e8 uguale a 1, e quindi<\/p>\n

          \"\"<\/p>\n

          \n

          il premio medio di acquisizione aumenta di 0,207073.<\/p>\n<\/div>\n

          \n
          \n

          La spiegazione di questo effetto positivo \u00e8 legata al concetto di \u201cgeographical synergies<\/strong>\u201d che si possono sperimentare quando l’azienda target non \u00e8 internazionalizzata quanto l’acquirente.<\/span><\/p>\n<\/div>\n

          \n

          Supponendo che l’acquirente disponga di solide reti di distribuzione in tutto il mondo, l’azienda target avr\u00e0 modo di vendere i propri prodotti attraverso queste reti. Di conseguenza, l\u2019acquirente sperimenter\u00e0 sinergie di costo<\/strong> in quanto la nuova entit\u00e0 combinata potr\u00e0 vendere un numero maggiore di prodotti utilizzando le stesso numero di reti distributive. Inoltre, la nuova combined entity sar\u00e0 in grado di rinegoziare i termini contrattuali con i fornitori grazie a un maggiore potere contrattuale. In questo caso, l’acquirente sar\u00e0 disposto a pagare un prezzo di acquisizione pi\u00f9 elevato grazie alle maggiori sinergie distributive e di costo, dato il basso livello di internazionalizzazione della societ\u00e0 target acquisita e la possibilit\u00e0 di aumentarne l\u2019export e il suo valore.<\/span><\/p>\n<\/div>\n<\/div>\n

          <\/div>\n
          \n

          Model_3:<\/span><\/p>\n

          \"\"<\/p>\n

          \n
          \n
            \n
          • \n

            Per Model_3, il premio medio<\/strong> \u00e8 del 25,7%, superiore rispetto al premio medio del Model_1 pari al 23,3%:<\/span><\/p>\n<\/li>\n

          • \n

            Il premio pi\u00f9 elevato \u00e8 legato al ruolo che il brand ha nel fissare prezzi pi\u00f9 elevati per i propri prodotti rispetto a brand che offrono prodotti simili con le stesse funzioni.<\/span><\/p>\n<\/li>\n

          • \n

            La stessa riflessione pu\u00f2 essere fatta sul prezzo di acquisto in una transazione: nel caso in cui l’acquirente riconosca la superiorit\u00e0 del brand, allora l’acquirente potrebbe attribuire una parte del premio al valore immateriale del brand.<\/span><\/p>\n<\/li>\n

          • \n

            Differenze<\/strong> dal Modello_1:<\/span><\/p>\n<\/li>\n

          • \n

            CAPEX e premio sono correlati positivamente; nel settore luxury in particolare, alle aziende viene chiesto di investire in nuove tecnologie come sistemi di CRM (Customer Relationship Management) e in strategie omnichannel.<\/span><\/p>\n<\/li>\n

          • \n

            Leverage ratio e premio sono correlati negativamente: un debito eccessivo pu\u00f2 portare a un deterioramento della posizione creditizia, scoraggiando gli investitori e determinando per questo un premio di acquisizione inferiore.<\/span><\/p>\n<\/li>\n<\/ul>\n<\/div>\n

            <\/div>\n
            \n

            Si pu\u00f2 concludere che Model_1 non pu\u00f2 essere applicato al settore luxury.<\/span><\/p>\n<\/div>\n

            \n

            L’obiettivo finale<\/strong> della guida al premio era quello di trasformare un processo altamente soggettivo come la determinazione del premio di M&A in un processo oggettivo<\/strong> parziale. “Parziale<\/strong>” \u00e8 la parola chiave: \u00e8 molto difficile riuscire a creare un modello generale che sia in grado di spiegare ogni premio di M&A pagato negli ultimi 30 anni. Per questo motivo, la tesi \u00e8 solo in grado di spiegare alcuni dei principali effetti sul premio di acquisizione. Molte altrevariabili oggettive<\/strong> come la liquidit\u00e0 del mercato, l’andamento dei tassi di interesse, la competizione nel processo di vendita o clausole come earn-out giocano un ruolo cruciale nel processo di negoziazione del premio e devono essere considerate nell’analisi; tuttavia, la mancanza di informazioni di queste variabili pone un altro limite critico alla ricerca.<\/span><\/p>\n<\/div>\n

            \n

            A ci\u00f2 si aggiungono due limiti ulteriori: la capacit\u00e0 di negoziazione<\/strong> delle parti, difficilmente generalizzabile e le diverse prospettive<\/strong> del compratore e del venditore. Prendiamo come esempio un’azienda con flussi di cassa non soddisfacenti: l’acquirente potrebbe sostenere che l’azienda non sia finanziariamente stabile e quindi negoziare un prezzo e un premio inferiore. D’altra parte, il venditore potrebbe sostenere che abbia investito molto in CAPEX e che quindi l’acquirente non avr\u00e0 bisogno di sostenere ulteriori investimenti in futuro. In questo modo il venditore negozier\u00e0 per un premio pi\u00f9 alto. Sar\u00e0 quindi il ROI sufficiente a giustificare<\/strong> il premio pagato? Chiss\u00e0. Effettuare un’acquisizione \u00e8 spesso molto rischioso, soprattutto se non esiste un piano di integrazione<\/strong> post-fusione atto ad implementare sinergie e prevenire il cosiddetto clash of cultures.<\/span><\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n[\/vc_column_text][\/vc_column][\/vc_row][vc_row][vc_column][mk_padding_divider][\/vc_column][\/vc_row]\n<\/div>","protected":false},"excerpt":{"rendered":"

            <\/p>\n

            Michele Mori<\/p>\n

            Determinare il premio di acquisizione in un’operazione di M&A \u00e8 un processo estremamente complesso a causa dell’elevato numero di fattori che devono essere considerati e dall\u2019impatto che possibili rumours hanno sul prezzo della societ\u00e0 target prima che l’operazione venga realmente annunciata e si concretizzi. Il seguente articolo riassume l’impatto statistico che diverse variabili hanno sul premio di M&A attraverso l\u2019analisi degli ultimi 30 anni di operazioni di fusione e acquisizione in tutto il mondo.<\/p>\n","protected":false},"author":1,"featured_media":2113,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[129],"tags":[172,173,39],"class_list":["post-2091","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-science-2","tag-event-study-analysis-it","tag-hedonic-pricing-models-it","tag-regression-analysis-it"],"yoast_head":"\nGuida ai premi di M&A: analisi sperimentale di variabili bidder specific nel settore del luxury - Analytics Arts<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.analyticsarts.it\/it\/post\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\/\" \/>\n<meta property=\"og:locale\" content=\"it_IT\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Guida ai premi di M&A: analisi sperimentale di variabili bidder specific nel settore del luxury - Analytics Arts\" \/>\n<meta property=\"og:description\" content=\"Michele Mori Determinare il premio di acquisizione in un'operazione di M&A \u00e8 un processo estremamente complesso a causa dell'elevato numero di fattori che devono essere considerati e dall\u2019impatto che possibili rumours hanno sul prezzo della societ\u00e0 target prima che l'operazione venga realmente annunciata e si concretizzi. Il seguente articolo riassume l'impatto statistico che diverse variabili hanno sul premio di M&A attraverso l\u2019analisi degli ultimi 30 anni di operazioni di fusione e acquisizione in tutto il mondo.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.analyticsarts.it\/it\/post\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\/\" \/>\n<meta property=\"og:site_name\" content=\"Analytics Arts\" \/>\n<meta property=\"article:published_time\" content=\"2022-01-13T09:27:05+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-11-26T14:05:27+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2024\/01\/11062b_bfab4ff6dc8b439ab1643263e059ab85mv2.webp\" \/>\n\t<meta property=\"og:image:width\" content=\"908\" \/>\n\t<meta property=\"og:image:height\" content=\"682\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/webp\" \/>\n<meta name=\"author\" content=\"analyticsarts\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Scritto da\" \/>\n\t<meta name=\"twitter:data1\" content=\"analyticsarts\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tempo di lettura stimato\" \/>\n\t<meta name=\"twitter:data2\" content=\"14 minuti\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\\\/\"},\"author\":{\"name\":\"analyticsarts\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/#\\\/schema\\\/person\\\/b1427c145699fcd0bc54c5f3e230b407\"},\"headline\":\"Guida ai premi di M&A: analisi sperimentale di variabili bidder specific nel settore del luxury\",\"datePublished\":\"2022-01-13T09:27:05+00:00\",\"dateModified\":\"2025-11-26T14:05:27+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\\\/\"},\"wordCount\":2750,\"image\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.analyticsarts.it\\\/wp-content\\\/uploads\\\/2024\\\/01\\\/11062b_bfab4ff6dc8b439ab1643263e059ab85mv2.webp\",\"keywords\":[\"Event Study Analysis\",\"Hedonic Pricing Models\",\"Regression Analysis\"],\"articleSection\":[\"Data Science\"],\"inLanguage\":\"it-IT\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\\\/\",\"url\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\\\/\",\"name\":\"Guida ai premi di M&A: analisi sperimentale di variabili bidder specific nel settore del luxury - Analytics Arts\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.analyticsarts.it\\\/wp-content\\\/uploads\\\/2024\\\/01\\\/11062b_bfab4ff6dc8b439ab1643263e059ab85mv2.webp\",\"datePublished\":\"2022-01-13T09:27:05+00:00\",\"dateModified\":\"2025-11-26T14:05:27+00:00\",\"author\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/#\\\/schema\\\/person\\\/b1427c145699fcd0bc54c5f3e230b407\"},\"breadcrumb\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\\\/#breadcrumb\"},\"inLanguage\":\"it-IT\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"it-IT\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\\\/#primaryimage\",\"url\":\"https:\\\/\\\/www.analyticsarts.it\\\/wp-content\\\/uploads\\\/2024\\\/01\\\/11062b_bfab4ff6dc8b439ab1643263e059ab85mv2.webp\",\"contentUrl\":\"https:\\\/\\\/www.analyticsarts.it\\\/wp-content\\\/uploads\\\/2024\\\/01\\\/11062b_bfab4ff6dc8b439ab1643263e059ab85mv2.webp\",\"width\":908,\"height\":682},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Guida ai premi di M&A: analisi sperimentale di variabili bidder specific nel settore del luxury\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/#website\",\"url\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/\",\"name\":\"Analytics Arts\",\"description\":\"\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"it-IT\"},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/#\\\/schema\\\/person\\\/b1427c145699fcd0bc54c5f3e230b407\",\"name\":\"analyticsarts\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"it-IT\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/b372ffafdeb64fefd3a80d4d3ea3067d90c58265e17541a20ca391553fb3be06?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/b372ffafdeb64fefd3a80d4d3ea3067d90c58265e17541a20ca391553fb3be06?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/b372ffafdeb64fefd3a80d4d3ea3067d90c58265e17541a20ca391553fb3be06?s=96&d=mm&r=g\",\"caption\":\"analyticsarts\"},\"sameAs\":[\"https:\\\/\\\/www.analyticsarts.it\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Guida ai premi di M&A: analisi sperimentale di variabili bidder specific nel settore del luxury - Analytics Arts","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.analyticsarts.it\/it\/post\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\/","og_locale":"it_IT","og_type":"article","og_title":"Guida ai premi di M&A: analisi sperimentale di variabili bidder specific nel settore del luxury - Analytics Arts","og_description":"Michele Mori Determinare il premio di acquisizione in un'operazione di M&A \u00e8 un processo estremamente complesso a causa dell'elevato numero di fattori che devono essere considerati e dall\u2019impatto che possibili rumours hanno sul prezzo della societ\u00e0 target prima che l'operazione venga realmente annunciata e si concretizzi. Il seguente articolo riassume l'impatto statistico che diverse variabili hanno sul premio di M&A attraverso l\u2019analisi degli ultimi 30 anni di operazioni di fusione e acquisizione in tutto il mondo.","og_url":"https:\/\/www.analyticsarts.it\/it\/post\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\/","og_site_name":"Analytics Arts","article_published_time":"2022-01-13T09:27:05+00:00","article_modified_time":"2025-11-26T14:05:27+00:00","og_image":[{"width":908,"height":682,"url":"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2024\/01\/11062b_bfab4ff6dc8b439ab1643263e059ab85mv2.webp","type":"image\/webp"}],"author":"analyticsarts","twitter_card":"summary_large_image","twitter_misc":{"Scritto da":"analyticsarts","Tempo di lettura stimato":"14 minuti"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.analyticsarts.it\/it\/post\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\/#article","isPartOf":{"@id":"https:\/\/www.analyticsarts.it\/it\/post\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\/"},"author":{"name":"analyticsarts","@id":"https:\/\/www.analyticsarts.it\/it\/#\/schema\/person\/b1427c145699fcd0bc54c5f3e230b407"},"headline":"Guida ai premi di M&A: analisi sperimentale di variabili bidder specific nel settore del luxury","datePublished":"2022-01-13T09:27:05+00:00","dateModified":"2025-11-26T14:05:27+00:00","mainEntityOfPage":{"@id":"https:\/\/www.analyticsarts.it\/it\/post\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\/"},"wordCount":2750,"image":{"@id":"https:\/\/www.analyticsarts.it\/it\/post\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\/#primaryimage"},"thumbnailUrl":"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2024\/01\/11062b_bfab4ff6dc8b439ab1643263e059ab85mv2.webp","keywords":["Event Study Analysis","Hedonic Pricing Models","Regression Analysis"],"articleSection":["Data Science"],"inLanguage":"it-IT"},{"@type":"WebPage","@id":"https:\/\/www.analyticsarts.it\/it\/post\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\/","url":"https:\/\/www.analyticsarts.it\/it\/post\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\/","name":"Guida ai premi di M&A: analisi sperimentale di variabili bidder specific nel settore del luxury - Analytics Arts","isPartOf":{"@id":"https:\/\/www.analyticsarts.it\/it\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.analyticsarts.it\/it\/post\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\/#primaryimage"},"image":{"@id":"https:\/\/www.analyticsarts.it\/it\/post\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\/#primaryimage"},"thumbnailUrl":"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2024\/01\/11062b_bfab4ff6dc8b439ab1643263e059ab85mv2.webp","datePublished":"2022-01-13T09:27:05+00:00","dateModified":"2025-11-26T14:05:27+00:00","author":{"@id":"https:\/\/www.analyticsarts.it\/it\/#\/schema\/person\/b1427c145699fcd0bc54c5f3e230b407"},"breadcrumb":{"@id":"https:\/\/www.analyticsarts.it\/it\/post\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\/#breadcrumb"},"inLanguage":"it-IT","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.analyticsarts.it\/it\/post\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\/"]}]},{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/www.analyticsarts.it\/it\/post\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\/#primaryimage","url":"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2024\/01\/11062b_bfab4ff6dc8b439ab1643263e059ab85mv2.webp","contentUrl":"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2024\/01\/11062b_bfab4ff6dc8b439ab1643263e059ab85mv2.webp","width":908,"height":682},{"@type":"BreadcrumbList","@id":"https:\/\/www.analyticsarts.it\/it\/post\/guida-ai-premi-di-ma-analisi-sperimentale-di-variabili-bidder-specific-nel-settore-del-luxury\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.analyticsarts.it\/it\/"},{"@type":"ListItem","position":2,"name":"Guida ai premi di M&A: analisi sperimentale di variabili bidder specific nel settore del luxury"}]},{"@type":"WebSite","@id":"https:\/\/www.analyticsarts.it\/it\/#website","url":"https:\/\/www.analyticsarts.it\/it\/","name":"Analytics Arts","description":"","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.analyticsarts.it\/it\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"it-IT"},{"@type":"Person","@id":"https:\/\/www.analyticsarts.it\/it\/#\/schema\/person\/b1427c145699fcd0bc54c5f3e230b407","name":"analyticsarts","image":{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/secure.gravatar.com\/avatar\/b372ffafdeb64fefd3a80d4d3ea3067d90c58265e17541a20ca391553fb3be06?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/b372ffafdeb64fefd3a80d4d3ea3067d90c58265e17541a20ca391553fb3be06?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/b372ffafdeb64fefd3a80d4d3ea3067d90c58265e17541a20ca391553fb3be06?s=96&d=mm&r=g","caption":"analyticsarts"},"sameAs":["https:\/\/www.analyticsarts.it"]}]}},"_links":{"self":[{"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/posts\/2091","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/comments?post=2091"}],"version-history":[{"count":5,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/posts\/2091\/revisions"}],"predecessor-version":[{"id":5998,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/posts\/2091\/revisions\/5998"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/media\/2113"}],"wp:attachment":[{"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/media?parent=2091"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/categories?post=2091"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/tags?post=2091"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}