> > Leasing +9,4% nel primo semestre 2022. Mescieri confermato alla guida di Assilea

Leasing +9,4% nel primo semestre 2022. Mescieri confermato alla guida di Assilea

mescieri 3

Assilea - Associazione italiana leasing ha ridisegnato la governance associativa, confermato Carlo Mescieri alla presidenza e nominato Luca Ziero nuovo Direttore Generale.

Dopo aver finanziato 28,8 miliardi di euro nel 2021, in crescita sia rispetto al 2020 (+25,6%), sia al 2019 (+3,1%) pre-covid, nel primo semestre 2022 il leasing continua a sostenere gli investimenti delle PMI. Al 30 giugno di quest’anno sono stati stipulati oltre 325mila nuovi contratti per un valore superiore a 15,5 miliardi di euro, +9,4% rispetto allo stesso periodo dell’anno precedente.

Prosegue la crescita a due cifre del leasing strumentale, che registra un +10,1% sul numero contratti e un +24,0% sul valore. Il leasing finanziario incorpora gli investimenti di cui alla Nuova Sabatini e si concentra nella classe d’importo tra 50.000 e 500.000 euro, mentre la dinamica del leasing operativo riguarda prevalentemente la fascia d’importo più bassa.

La performance positiva interessa anche il leasing immobiliare “da costruire”, +12,2%, in particolare nelle operazioni di nuovi capannoni con operazioni superiori ai 2,5 milioni. Si osserva un lieve recupero anche del comparto auto, trainato soprattutto dal noleggio a lungo termine di veicoli commerciali e del leasing di veicoli industriali.

Per sostenere questa spinta, Assilea – Associazione italiana leasing ha ridisegnato la governance associativa, confermato Carlo Mescieri alla presidenza e nominato Luca Ziero – ex General manager UniCredit Abu Dhabi – nuovo Direttore Generale. “Con l’obiettivo di realizzare cinque progetti per affrontare la congiuntura internazionale” – spiega Mescieri: “la riforma delle regole di Basilea3+ per l’accesso al credito delle PMI, nuovi strumenti per la finanza sostenibile, Monitoraggio del PNRR per la consultazione dei bandi, GreenLease per l’indipendenza energetica delle imprese, Leasing Score Prediction per l’applicazione del Machine Learning ai processi di erogazione del credito”.