Analisi Settore Macchinari Industriali
Il settore della produzione di macchinari per l’industria è uno dei segmenti di punta del Made in Italy con aziende leader a livello mondiale nella loro nicchia di mercato pur se di dimensioni medio piccole. Tra queste possono essere annoverate Biesse (macchine per lavorazione di vetro, legno e marmo), Ima (macchine per il confezionamento automatico), Interpump (pompe, cilindri oleodinamici e prese di forza) e Prima Industrie (macchine laser per la lavorazione delle lamiere).
Negli ultimi 12 mesi le società considerate hanno avuto andamenti differenziati: una di queste (Ima) ha battuto nettamente l’indice Ftse Mib con una performance del 12,3%, due (Biesse e Interpump) hanno registrato andamenti in linea con il mercato mentre Prima Industrie ha fatto nettamente peggio con un -38,9% (si veda in proposito il grafico 1).
Grafico 1: andamento comparato società produttrici di macchinari ed indice Ftse Mib (realizzato con funzione Storico e Backtesting di Step 3.0)
Questi andamenti sono in parte spiegabili solo in parte con i risultati economico-finanziari delle società considerate: in Tabella 1 è possibile notare come Prima Industrie sia infatti l’unica società con una variazione negativa dei margini lordi nell’ultimo esercizio mentre sono state particolarmente positive le performance di Biesse e Interpump.
|
Società
|
2014
|
2015
|
Var. %
|
|
Biesse
|
39,616
|
64,14
|
61,90%
|
|
Ima
|
133,3
|
148,203
|
11,18%
|
|
Interpump
|
134,45
|
178,782
|
32,97%
|
|
Prima Industrie
|
33,78
|
31,402
|
-7,04%
|
Tabella 1: evoluzione Ebitda ultimo anno (realizzato con funzione Analisi storiche di Step 3.0)
Una seconda chiave di lettura potrebbe essere quella rivolta al futuro ed in particolare alle attese sugli utili per azione (Eps) relativamente all’esercizio in corso. La tabella 2 mostra come nell’ultimo anno solo Biesse abbia registrato un miglioramento dell’Eps atteso, Ima e Interpump hanno fatto registrare una diminuzione compresa tra il 4 e il 5% mentre Prima Industrie ha subito un forte ridimensionamento delle attese con l’Eps previsto per il 2016 sceso di oltre l’80%.
|
Società
|
Mag 2015
|
Mag 2016
|
Var. %
|
|
Biesse
|
0,94
|
0,97
|
3,19%
|
|
Ima
|
2,12
|
2,04
|
-3,77%
|
|
Interpump
|
0,84
|
0,8
|
-4,76%
|
|
Prima Industrie
|
1,83
|
0,25
|
-86,34%
|
Tabella 2: evoluzione degli Eps attesi per il 2016 negli ultimi 12 mesi (realizzato con funzione Analisi storiche di Step 3.0)
Venendo ad un raffronto sulla base dei principali multipli di mercato (tabella 3) è possibile osservare come Interpump sia la società con il multiplo Prezzo/Utili più basso mentre Prima Industrie si distingue per il Price/Book Value ed il Price/Sales più contenuti. La società più cara, secondo tutti e tre i parametri, risulta invece essere Ima.
|
Società
|
P/U
|
P/Book Value
|
P/Sales
|
|
Biesse
|
16,89
|
2,51
|
0,68
|
|
Ima
|
26,99
|
11,87
|
1,67
|
|
Interpump
|
11,20
|
2,13
|
1,45
|
|
Prima Industrie
|
19,16
|
0,89
|
0,31
|
Tabella 3: multipli di mercato (realizzato con funzione Analisi comparative di Step 3.0)
Dal punto di vista delle raccomandazioni degli analisti (tabella 4) sono Biesse e Prima Industrie le società preferite con margini di rivalutazione compresi tra il 39 e il 65% mentre Interpump ha un target del 13% superiore agli ultimi prezzi di mercato ed Ima è sostanzialmente in linea; nessuna delle società considerate ha indicazioni negative (Underperform o Sell) mentre le società ad avere solo indicazioni positive (Buy o Outperform) sono Biesse e Prima Industrie.
|
Società
|
Buy
|
Outperform
|
Hold
|
Under-perform
|
Sell
|
Target Medio
|
Prezzo
|
Diff. %
|
|
Biesse
|
5
|
1
|
0
|
0
|
0
|
21,35
|
12,93
|
65,12%
|
|
Ima
|
0
|
4
|
7
|
0
|
0
|
51,38
|
50,3
|
2,15%
|
|
Interpump
|
0
|
3
|
3
|
0
|
0
|
13,67
|
12,1
|
12,99%
|
|
Prima Industrie
|
3
|
1
|
0
|
0
|
0
|
15,33
|
11
|
39,32%
|
Tabella 4: indicazioni e target analisti (realizzato con funzione Raccomandazioni analisti di Step 3.0)
Conclusioni: tra le società considerate Biesse sembra essere la più promettente, in primo luogo perché è quella che ha mostrato la maggior crescita dei risultati (sia storici che prospettici) a fronte di un andamento riflessivo del titolo negli ultimi 12 mesi, secondariamente per il fatto che evidenzia multipli tutto sommato contenuti nei confronti degli altri comparables, infine è confortata da un giudizio molto positivo da parte degli analisti. Sul lato opposto Ima sembra aver corso a sufficienza e incorpora ormai nei prezzi tutti gli scenari positivi con una prevalenza di giudizi Hold da parte degli analisti.
Condividi questo articolo
data.addColumn('date', 'Date');data.addRows(52);data.addColumn('number', 'Ftse Mib');data.setValue(0, 0, new Date(2015, 4, 08));data.setValue(0,1,100.00);data.setValue(1, 0, new Date(2015, 4, 15));data.setValue(1,1,100.69);data.setValue(2, 0, new Date(2015, 4, 22));data.setValue(2,1,102.01);data.setValue(3, 0, new Date(2015, 4, 29));data.setValue(3,1,100.79);data.setValue(4, 0, new Date(2015, 5, 05));data.setValue(4,1,98.00);data.setValue(5, 0, new Date(2015, 5, 12));data.setValue(5,1,98.14);data.setValue(6, 0, new Date(2015, 5, 19));data.setValue(6,1,97.37);data.setValue(7, 0, new Date(2015, 5, 26));data.setValue(7,1,102.09);data.setValue(8, 0, new Date(2015, 6, 03));data.setValue(8,1,96.55);data.setValue(9, 0, new Date(2015, 6, 10));data.setValue(9,1,98.39);data.setValue(10, 0, new Date(2015, 6, 17));data.setValue(10,1,101.94);data.setValue(11, 0, new Date(2015, 6, 24));data.setValue(11,1,100.84);data.setValue(12, 0, new Date(2015, 6, 30));data.setValue(12,1,100.97);data.setValue(13, 0, new Date(2015, 7, 07));data.setValue(13,1,101.68);data.setValue(14, 0, new Date(2015, 7, 14));data.setValue(14,1,99.73);data.setValue(15, 0, new Date(2015, 7, 21));data.setValue(15,1,93.28);data.setValue(16, 0, new Date(2015, 7, 28));data.setValue(16,1,94.34);data.setValue(17, 0, new Date(2015, 8, 04));data.setValue(17,1,92.11);data.setValue(18, 0, new Date(2015, 8, 11));data.setValue(18,1,93.35);data.setValue(19, 0, new Date(2015, 8, 18));data.setValue(19,1,92.29);data.setValue(20, 0, new Date(2015, 8, 25));data.setValue(20,1,91.54);data.setValue(21, 0, new Date(2015, 9, 02));data.setValue(21,1,91.78);data.setValue(22, 0, new Date(2015, 9, 09));data.setValue(22,1,95.48);data.setValue(23, 0, new Date(2015, 9, 16));data.setValue(23,1,95.82);data.setValue(24, 0, new Date(2015, 9, 23));data.setValue(24,1,97.53);data.setValue(25, 0, new Date(2015, 9, 30));data.setValue(25,1,96.27);data.setValue(26, 0, new Date(2015, 10, 06));data.setValue(26,1,96.64);data.setValue(27, 0, new Date(2015, 10, 13));data.setValue(27,1,93.69);data.setValue(28, 0, new Date(2015, 10, 20));data.setValue(28,1,94.97);data.setValue(29, 0, new Date(2015, 10, 27));data.setValue(29,1,96.84);data.setValue(30, 0, new Date(2015, 11, 04));data.setValue(30,1,94.46);data.setValue(31, 0, new Date(2015, 11, 11));data.setValue(31,1,90.15);data.setValue(32, 0, new Date(2015, 11, 18));data.setValue(32,1,91.12);data.setValue(33, 0, new Date(2015, 11, 25));data.setValue(33,1,92.04);data.setValue(34, 0, new Date(2015, 12, 01));data.setValue(34,1,91.88);data.setValue(35, 0, new Date(2015, 12, 08));data.setValue(35,1,85.23);data.setValue(36, 0, new Date(2015, 12, 15));data.setValue(36,1,82.34);data.setValue(37, 0, new Date(2015, 12, 22));data.setValue(37,1,81.62);data.setValue(38, 0, new Date(2015, 12, 29));data.setValue(38,1,80.03);data.setValue(39, 0, new Date(2016, 1, 05));data.setValue(39,1,74.00);data.setValue(40, 0, new Date(2016, 1, 12));data.setValue(40,1,70.84);data.setValue(41, 0, new Date(2016, 1, 19));data.setValue(41,1,72.53);data.setValue(42, 0, new Date(2016, 1, 26));data.setValue(42,1,75.00);data.setValue(43, 0, new Date(2016, 2, 04));data.setValue(43,1,78.41);data.setValue(44, 0, new Date(2016, 2, 11));data.setValue(44,1,81.45);data.setValue(45, 0, new Date(2016, 2, 18));data.setValue(45,1,79.83);data.setValue(46, 0, new Date(2016, 2, 25));data.setValue(46,1,77.92);data.setValue(47, 0, new Date(2016, 3, 01));data.setValue(47,1,76.25);data.setValue(48, 0, new Date(2016, 3, 08));data.setValue(48,1,75.09);data.setValue(49, 0, new Date(2016, 3, 15));data.setValue(49,1,78.32);data.setValue(50, 0, new Date(2016, 3, 22));data.setValue(50,1,80.16);data.setValue(51, 0, new Date(2016, 3, 29));data.setValue(51,1,79.79);data.addColumn('number', 'Biesse');data.setValue(0,2,100.00);data.setValue(1,2,96.19);data.setValue(2,2,99.81);data.setValue(3,2,104.12);data.setValue(4,2,103.06);data.setValue(5,2,99.63);data.setValue(6,2,90.94);data.setValue(7,2,98.25);data.setValue(8,2,92.63);data.setValue(9,2,98.81);data.setValue(10,2,99.69);data.setValue(11,2,96.56);data.setValue(12,2,95.75);data.setValue(13,2,105.50);data.setValue(14,2,114.05);data.setValue(15,2,94.82);data.setValue(16,2,97.25);data.setValue(17,2,91.82);data.setValue(18,2,93.63);data.setValue(19,2,92.75);data.setValue(20,2,90.69);data.setValue(21,2,84.51);data.setValue(22,2,92.38);data.setValue(23,2,90.63);data.setValue(24,2,100.00);data.setValue(25,2,93.19);data.setValue(26,2,95.13);data.setValue(27,2,92.00);data.setValue(28,2,93.69);data.setValue(29,2,92.82);data.setValue(30,2,94.32);data.setValue(31,2,90.26);data.setValue(32,2,94.32);data.setValue(33,2,94.32);data.setValue(34,2,99.44);data.setValue(35,2,90.57);data.setValue(36,2,79.33);data.setValue(37,2,75.20);data.setValue(38,2,77.70);data.setValue(39,2,73.20);data.setValue(40,2,68.89);data.setValue(41,2,74.52);data.setValue(42,2,80.64);data.setValue(43,2,86.01);data.setValue(44,2,85.20);data.setValue(45,2,89.07);data.setValue(46,2,88.63);data.setValue(47,2,86.95);data.setValue(48,2,85.76);data.setValue(49,2,85.51);data.setValue(50,2,81.76);data.setValue(51,2,82.89);data.addColumn('number', 'Ima');data.setValue(0,3,100.00);data.setValue(1,3,103.31);data.setValue(2,3,109.69);data.setValue(3,3,105.76);data.setValue(4,3,102.23);data.setValue(5,3,95.56);data.setValue(6,3,91.92);data.setValue(7,3,97.48);data.setValue(8,3,94.75);data.setValue(9,3,97.90);data.setValue(10,3,104.50);data.setValue(11,3,104.52);data.setValue(12,3,104.17);data.setValue(13,3,102.98);data.setValue(14,3,95.17);data.setValue(15,3,87.44);data.setValue(16,3,89.19);data.setValue(17,3,84.40);data.setValue(18,3,88.81);data.setValue(19,3,90.29);data.setValue(20,3,92.63);data.setValue(21,3,87.49);data.setValue(22,3,98.48);data.setValue(23,3,99.87);data.setValue(24,3,103.00);data.setValue(25,3,103.77);data.setValue(26,3,106.20);data.setValue(27,3,105.94);data.setValue(28,3,104.61);data.setValue(29,3,105.74);data.setValue(30,3,105.61);data.setValue(31,3,101.70);data.setValue(32,3,103.82);data.setValue(33,3,103.33);data.setValue(34,3,105.91);data.setValue(35,3,100.29);data.setValue(36,3,91.13);data.setValue(37,3,97.84);data.setValue(38,3,98.98);data.setValue(39,3,94.90);data.setValue(40,3,94.46);data.setValue(41,3,104.35);data.setValue(42,3,107.92);data.setValue(43,3,107.86);data.setValue(44,3,107.26);data.setValue(45,3,110.46);data.setValue(46,3,110.46);data.setValue(47,3,113.44);data.setValue(48,3,112.56);data.setValue(49,3,113.00);data.setValue(50,3,110.02);data.setValue(51,3,112.34);data.addColumn('number', 'Interpump');data.setValue(0,4,100.00);data.setValue(1,4,99.40);data.setValue(2,4,103.14);data.setValue(3,4,103.94);data.setValue(4,4,98.86);data.setValue(5,4,96.19);data.setValue(6,4,96.26);data.setValue(7,4,100.20);data.setValue(8,4,99.73);data.setValue(9,4,102.00);data.setValue(10,4,104.21);data.setValue(11,4,102.87);data.setValue(12,4,103.34);data.setValue(13,4,93.52);data.setValue(14,4,89.91);data.setValue(15,4,79.02);data.setValue(16,4,81.16);data.setValue(17,4,82.63);data.setValue(18,4,85.37);data.setValue(19,4,82.83);data.setValue(20,4,84.90);data.setValue(21,4,79.56);data.setValue(22,4,84.84);data.setValue(23,4,82.50);data.setValue(24,4,86.04);data.setValue(25,4,89.51);data.setValue(26,4,93.79);data.setValue(27,4,93.52);data.setValue(28,4,96.39);data.setValue(29,4,96.59);data.setValue(30,4,96.66);data.setValue(31,4,93.45);data.setValue(32,4,94.72);data.setValue(33,4,95.06);data.setValue(34,4,95.66);data.setValue(35,4,86.37);data.setValue(36,4,76.15);data.setValue(37,4,76.75);data.setValue(38,4,78.02);data.setValue(39,4,74.55);data.setValue(40,4,74.35);data.setValue(41,4,84.17);data.setValue(42,4,85.91);data.setValue(43,4,88.71);data.setValue(44,4,85.77);data.setValue(45,4,87.58);data.setValue(46,4,86.44);data.setValue(47,4,86.37);data.setValue(48,4,84.64);data.setValue(49,4,83.97);data.setValue(50,4,85.64);data.setValue(51,4,83.97);data.addColumn('number', 'Prima Industrie');data.setValue(0,5,100.00);data.setValue(1,5,95.17);data.setValue(2,5,102.11);data.setValue(3,5,104.44);data.setValue(4,5,102.17);data.setValue(5,5,99.39);data.setValue(6,5,95.22);data.setValue(7,5,93.39);data.setValue(8,5,90.28);data.setValue(9,5,86.72);data.setValue(10,5,90.44);data.setValue(11,5,92.22);data.setValue(12,5,96.50);data.setValue(13,5,94.17);data.setValue(14,5,91.89);data.setValue(15,5,85.00);data.setValue(16,5,86.44);data.setValue(17,5,77.78);data.setValue(18,5,80.56);data.setValue(19,5,79.06);data.setValue(20,5,77.72);data.setValue(21,5,75.33);data.setValue(22,5,81.39);data.setValue(23,5,79.44);data.setValue(24,5,84.17);data.setValue(25,5,84.00);data.setValue(26,5,84.61);data.setValue(27,5,82.11);data.setValue(28,5,77.22);data.setValue(29,5,77.78);data.setValue(30,5,80.56);data.setValue(31,5,76.83);data.setValue(32,5,78.89);data.setValue(33,5,79.94);data.setValue(34,5,82.33);data.setValue(35,5,76.06);data.setValue(36,5,70.56);data.setValue(37,5,65.89);data.setValue(38,5,62.83);data.setValue(39,5,58.33);data.setValue(40,5,51.44);data.setValue(41,5,59.61);data.setValue(42,5,64.50);data.setValue(43,5,70.28);data.setValue(44,5,60.22);data.setValue(45,5,65.56);data.setValue(46,5,63.89);data.setValue(47,5,61.67);data.setValue(48,5,57.22);data.setValue(49,5,63.44);data.setValue(50,5,61.11);data.setValue(51,5,61.11);
Scroll