Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
• luglio 2001
22 news notes
&
La capacità di rispondere puntualmente a ri di rischio utilizzati, uno scenario poco d’investimento gli impieghi con un buon
queste e ad altre domande dipende da realistico può portare a pericolosi errori rapporto tra rendimento e rischio. In al-
una moltitudine di fattori. È tuttavia certo di stima del rischio. Non è azzardato af- tri termini non si può ignorare, come
che un elemento cruciale è rappresentato fermare che il fattore non tecnologico che spesso accade nelle dealing-room ban-
dalla capacità di generare degli appro- maggiormente influenza la bontà del ri- carie, che il rendimento atteso delle atti-
priati scenari finanziari futuri, cioè le pos- sultato finale è proprio costituito dalle vità finanziarie non è nullo.
sibili evoluzioni del mondo, che costitui- modalità di generazione degli scenari. Dopo una lunga analisi, ci si è resi conto
scono la base per analizzare il comporta- La figura 1 illustra in modo intuitivo la ge- che i punti chiave di un sistema di risk ma-
mento futuro del portafoglio e quindi il ri- nerazione degli scenari, generalmente nagement (inteso in senso lato) sono es-
schio. Infatti, a prescindere dagli indicato- sintetizzati da distribuzioni di probabilità. senzialmente tre: 1) la tecnologia, ossia è
bene impiegare prodotti all’avanguardia, in
continua evoluzione e relativamente facili
da usare; 2) il data model e il database,
cioè occorre creare un data-warehouse
dipartimentale, contenente tutti i dati rile-
vati per ogni attività finanziaria organizzati
in modo razionale; 3) il modello di gene-
razione degli scenari finanziari, che de-
ve risultare consono ad analisi con oriz-
zonti temporali medio lunghi.
Come database è stato utilizzato Lilith, un
DSS, sviluppato dalla società Hicare.
La principale caratteristica del prodotto è
quella di integrare tre filosofie tipiche dei
più comuni database: esso è infatti gerar-
chico, cartesiano e relazionale.
Inoltre, Lilith si integra perfettamente con il
Figura 1 – Gli scenari futuri relativi al rendimento di un portafoglio: su un asse motore di calcolo del sistema di rischio,
orizzontale è riportato il tempo, in giorni, sull'altro asse orizzontale la gamma MATLAB, in quanto Hicare ha creato un ga-
dei possibili valori che il rendimento del portafoglio può asssumere e infine sull’asse teway che permette il passaggio dei dati tra
verticale vi è il valore della funzione di densità di probabilità. Sono poi euristicamente i due prodotti, oltre all’esecuzione di macro
rappresentate due possibili traiettorie seguite dai rendimenti del portafoglio nel tempo. e funzioni MATLAB, in modo del tutto tra-
A colpo d’occhio si vede come, nell’esempio, lo scenario a 18 giorni al quale è associata
sparente all’utente Lilith. Ciò ha permesso
la massima probabilità d'accadimento è quello nel quale il rendimento è nullo. Inoltre,
d’incrementare la potenza di calcolo e di
a rendimenti prossimi al 3% è associata una probabilità pressoché nulla. Appare anche
analisi del database, dato che tutte le ope-
del tutto naturale l’impiego della funzione di densità di probabilità per caratterizzare
la gamma di possibili “stati del mondo”, con le rispettive probabilità di accadimento. razioni non elementari vengono eseguite
direttamente in MATLAB. Inoltre, in MATLAB
sono state costruite tutte le funzioni che
La linea adottata permettono la creazione degli scenari di
lungo periodo ed il calcolo dei numerosi in-
dalla Ras Asset Management dicatori di rischio adottati. Nella realizzazio-
per effettuare l’analisi del rischio ne della libreria di calcolo interna, sono sta-
te impiegate anche alcune funzioni di tool-
La Ras Asset Management SGR S.p.A. fettuato all’interno di una società di as- box esterni (si veda ad esempio:
(RAM) è una società del gruppo Ras de- set management è differente da quello http://www.spatialeconometrics.com),
dita alla gestione del risparmio nata nel effettuato presso una banca. In primo rese liberamente disponibili da una comu-
1997. Essenzialmente vengono gestite luogo l’orizzonte temporale è decisa- nità internazionale di utenti molto attiva.
tre tipologie di portafogli: i fondi comuni mente più lungo. In secondo luogo l’o- MATLAB si è rivelato utile anche nella fase di
d’investimento, i portafogli assicurativi e biettivo del risk management è una valu- test dei modelli e nel loro “fine tuning”.
i portafogli di clienti istituzionali (fonda- tazione del rischio dei portafogli, me- Si veda Brandolini, Pallotta e Zenti (2000)
zioni bancarie, fondi pensione e altri diante il calcolo di un numero molto am- per un resoconto della realizzazione di un
grandi clienti). Sin dalla nascita di RAM è pio di indicatori (tra cui quelli sopra cita- sistema proprietario di risk management
stato chiaro che il risk management ef- ti), che porti a privilegiare nel processo orientato all’asset management.
1
Per una rassegna delle metodologie di più frequente utilizzo nel campo del risk management si rinvia a Jorion (1997).
• luglio 2001
24 news notes
&
function [rend_boot]=btstrap(n_scenari,horizon,rendimenti)
Essi costituiscono un vettore z, che di-
venta l’oggetto del bootstrap. Il vettore z
% funzione che applica il bootstrapping ad una serie storica (tipicamente di portafoglio)
%*********************************************************** viene cioè bootstrappato, ottenendo co-
% INPUT me risultato una matrice con un numero
% n_scenari = scalare che indica il numero di scenari simulati (es.1000)
% horizon = scalare che indica il numero di periodi oggetto di simulazione = time horizon di righe pari alla lunghezza dell’orizzonte
% rendimenti = vettore n x 1 di log-rendimenti (serie stor. di lunghezza n) temporale (in periodi) ed un numero di
di portafoglio o excess returns
colonne pari al numero di scenari deside-
% OUTPUT rati. Gli elementi di tale matrice vengono
% rend_boot= vettore 1 x horizon di log-rendimenti di periodo simulati
(ossia lo scenario finanziario) infine utilizzati iterativamente nelle equa-
%*********************************************************** zioni [3], [2] e [1] per ottenere lo scenario
n=size(rendimenti,1); % calcola lunghezza del vettore rendimenti
finanziario, sulla base del quale si calcola-
%creo una matrice uniforme di dimensione horizon x n_scenari
no gli indicatori di rischio desiderati.
random_matrix=rand(horizon,n_scenari);
% arrotondo all'intero più vicino (poiché gli indici di una matrice sono interi) Per chi intendesse approfondire l’argo-
% e riporto tali indici alla dimensione della matrice: mento, si rinvia a Efron e Tibshirani (1998)
A=round((n-1)*random_matrix+ones(size(rand(horizon,n_scenari))));
per un’introduzione al bootstrap, a Barone-
%riempio la matrice dei rendimenti simulati coerentemente con le estrazioni casuali
for i=1:n_scenari
Adesi, Giannopoulos, Vosper (1999) per
newrend(:,i)=rendimenti(A(:,i),1); una trattazione dettagliata del bootstrap-
end ping filtrato ed a Zenti e Pallotta (2000) per
% calcolo i rendimenti di periodo un confronto tra varie tecniche di genera-
rend_boot=sum(newrend); zione di scenari nel calcolo di misure di ri-
Tabella A schio nel campo dell’asset management.