Empirical Validation of Corporate Models: A Comparative Analysis Across Industrial Sectors

The objective of this thesis is to evaluate the reliability of pro forma models (Corporate Models) used in financial projections and business valuations, analyzing a sample of 30 small- and medium-cap companies evenly distributed across three economic sectors. The study focuses on examining the typical assumptions of these models by comparing them with empirical data on key indicators such as sales, fixed assets/sales, current assets/sales, cash and cash equivalents/sales, sales/capital, and depreciations. The research investigates how these indicators vary depending on the sector and the stages of business growth, assessing the models' predictions by measuring forecast errors for different financial statement items. Furthermore, it identifies factors affecting the models' accuracy, considering the sector of activity and the business lifecycle stages. Based on the findings, targeted improvements are proposed to enhance the reliability of these models and support more informed financial decision-making. This analysis aims to contribute to the refinement of financial forecasting techniques, adapting them to the specific needs of diverse business contexts.

L’obiettivo della tesi è valutare l’affidabilità dei modelli pro forma (Corporate Models) utilizzati nelle proiezioni finanziarie e nelle valutazioni aziendali, analizzando un campione di 30 aziende di piccola e media capitalizzazione suddivise equamente in tre settori economici. Il lavoro si concentra sull’analisi delle assunzioni tipiche dei modelli, confrontandole con dati empirici relativi a indicatori chiave come sales, fixed assets/sales, current assets/sales, cash and cash equivalents/sales, sales/capital, e depreciations. La ricerca esplora come questi indicatori variano in base al settore di appartenenza e alle fasi di crescita aziendale, valutando le previsioni dei modelli attraverso la misurazione degli errori per diverse voci di bilancio. Inoltre, identifica i fattori che influenzano l’accuratezza dei modelli, considerando il settore e il ciclo di vita dell’impresa. Sulla base dei risultati ottenuti, vengono proposte migliorie mirate per ottimizzare l’affidabilità dei modelli e supportare decisioni finanziarie più informate.