0
Abbiamo parlato della variabilità dei costi delle materie prime e che con frequenza non è preso in considerazione quando si calcolano i costi di produzione o quando si fanno dei piani di flusso di cassa. Per esempio, normalmente si utilizza il prezzo attuale o la media di un periodo recente per calcolare il costo attuale della produzione o per prevedere il valore futuro delle materie prime nel mangime.
Il problema di questo tipo di metodologia è che oggi esiste una enorme variabilità dei prezzi e progettare un solo probabile valore per un periodo di tempo prolungato può portare a prese di decisioni sbagliate. Molte decisioni che si prendono in allevamento (come gli investimenti degli attivi, ristrutturazioni, ecc) richiedono un'analisi "multi-periodo" , avere una previsione di prezzi molto lontana dal range reale è come salire su un aereo con la benzina razionata, considerando andamenti di mercato normali. Un forte vento di testa o un ritardo dovuto ad una tempesta in aeroporto, o una attesa prolungata per la partenza in coda ci lascia in una situazione molto vulnerabile.
Fortunatamente ci sono alcuni strumenti elementari per valutare la variabilità nei processi di programmazione e possiamo utilizzare un esempio per dimostrare la sua utilità.
Se conoscessimo un modello che rappresenti la probabilità di come i prezzi si muovono lungo un periodo, si potrebbe migliorare di molto la nostra analisi, potendo realizzare varie versioni per i nostri budget o per le previsioni di flusso di cassa, avendo una serie di scenari possibili. Questo tipo di metodologia fa parte di una serie di tecniche denominate "analisi di sensibilità", che include la realizzazione di 3 versioni: "scenario stimato", "scenario pessimistico" e "scenario ottimistico". In questo modo si fa un passo avanti nelle previsioni rispetto all'uso di un unico valore di probabilità e che permette di valutare cosa potrebbe succedere se le cose non vanno come ci si aspetta. Per esempio, nello "scenario pessimistico" potrebbe implicare in una trattativa di un margine extra del 25% sulla linea di credito. Chi presta i soldi, ha piacere che i propri clienti lavorino con margini di vari scenari e la maggior parte apprezza e approva un limite superiore se è possibile dimostrare che la richiesta è stata fatta in base ad un accurato studio di possibili risultati e non solo i risultati che si desiderano. E' più facile ottenere il margine extra subito all'inizio rispetto ad una richiesta successiva, quando si è già di fronte ad uno scenario negativo o con problemi.
Al di là delle analisi di sensibilità a 3 fasi, esiste una versione più sofisticata che include la stima dei prezzi futuri a partire dalla movimentazione dei prezzi in anteprima e la nostra conoscenza del futuro. Una volta caratterizzati i modelli di prezzi stimati e le sue "distribuzioni", è possibile usare il computer per generare cento o mille previsioni prendendo vari campioni a caso attraverso una analisi di simulazione. I risultati di questo enorme numero di campioni possono essere facilmente riassunti nella nostra distribuzione propria dei risultati probabili e con questa distribuzione si può assegnare una probabilità di raggiungere ogni livello di risultato.
Prendiamo la figura 1, mostra la distribuzione del prezzo per bushel del mais negli USA da gennaio 2007. Ho selezionato l'anno 2007 come punto di partenza perche l'effetto etanolo è diventato un fattore permanente di disturbo sul prezzo del mais negli USA alla fine del 2006. Se usassi i prezzi precedenti al 2006 probabilmente non avremmo avuto l'informazione corretta per la nostra previsione. Le zone blu della figura 1 mostrano la dinamica di ogni quotazione. Notasi che ci sono 3 picchi diversi (denominati "moda") in questa distribuzione. Il prezzo che si osserva con maggior frequenza è quello di circa 3,50 USD per bushel (moda principale). Gli altri due valori della moda sono di circa 6,20 USD e di 7,00 USD/bushel (moda minori). Con le linee rosse sono illustrati due modi plausibili di caratterizzare la frequenza globale dei prezzi utilizzati in questa simulazione: si può osservare la frequenza multi-modale o ammorbidirla per produrre una distribuzione unimodale asimmetrica.
Figura 1. Prezzi del mais USD/bushel negli USA. 2007- 2013 (parziale)
Posso utilizzare una versione più morbida della distribuzione del prezzo del mais, e una che assomiglia al prezzo della farina di soia, in un assieme di mangimi standard da ingrasso al posto di un unico valore di prezzo medio stimato, ottenendo una distribuzione di costi di mangimi stimati. Per simplificare questo esempio, ho considerato come fissi i prezzi degli ingredienti meno importanati e ho relazionato i prezzi dei più importanti come mais e soia con il loro rapporto abituale. Questa è una semplificazione che non si deve fare come previsione, ma mi permette di spiegare il tema principale senza complicarlo troppo in un articolo che deve essere di facile lettura. La distribuzione del prezzo del mais ha un valore medio di 4,83 USD/bushel e una deviazione standard di 1,58 USD. La distribuzione della soia ha un valore medio di 348,70 USD/Ton. e una deviazione standard di 81,89 USD. Solamente vedendo questo sappiamo già che se si usa solo il valore medio per realizzare una previsione possiamo equivocarci, in media con un valore uguale alla deviazione tipica di ogni prezzo. Viviamo in un periodo di alta volatilità dei prezzi.
La figura 2 illustra il risultato della nostra stima finale del prezzo del mangime. E' il risultato in realtà di 1000 stime utilizzando a caso coppie di prezzi delle distribuzioni del prezzo del mais e farina di soia come descritto sopra. Uno dei vantaggi è che si può assegnare stime di probabilità a vari risultati possibili in un range. In questo caso mostriamo il range dei prezzi nel quale speriamo che stia il nostro prezzo almeno da 50 al 90 % delle volte. Questo offre uno strumento per dimostrare ai creditori la stabilità dei nostri costi stimati (e dall'altra parte, il nostro guadagno) ed il range di potenzialità delle necessità di capitale che si prevede per il periodo prossimo pianificato. Non è tutto, mostra chiaramente quello che abbiamo scoperto, se esiste una deviazione anomala dei prezzi rispetto alla "norma", il più probabile è che si arrivi ad un prezzo più alto. Questo illustra perchè la coda di destra è più lunga e più piatta che la coda di sinistra.
Figura 2. Distribuzione del costo stimato del mangime ingrasso/suino. 2014
