Sei sulla pagina 1di 216

Universit degli Studi di

Cassino e del Lazio Meridionale

Dipartimento di Giurisprudenza ed Economia

Corso di Laurea Magistrale in


Economia, Management e Finanza dImpresa

VERIFICA EMPIRICA DEL CAPM


CON ANALISI Di STOCK-PICKING

Relatore Laureando Magistrale


Prof. Vincenzo Costa Dott. Valerio Colamatteo
Matr. n. 0034753

Anno accademico 2011/2012

1
2
INDICE

Introduzione
3

PARTE PRIMA:

CAPITOLO I
Il contesto economico classico di formazione delle scelte

I.1 Principi di base ...8


I.2 Ruolo e funzione microeconomica

3
delle curve di indifferenza ............15

CAPITOLO II
Strumenti teorici di selezione e valutazione di preferenze reali.

II .1 Le relazioni di preferenza ..20


II .2 Lutilit ordinale ........28
II .3 La collocazione teorica ..............29
II .4 Il preliminare danalisi: concetto e misura della probabilit .....30
II.5 La visione storica della probabilit ......................30
II.6 Affrontando lincertezza ..............32
II.7 Il modello di von Neumann-Morgestern .........................34
II.8 Teorema dellutilit attesa di von Neumann-Morgestern ....37
II.9 Importi monetari e preferenze individuali di approccio al rischio...43
II .10 Avversione/propensione/neutralit al rischio: gli aspetti definitori di massima....44
II.11Misure di avversione al rischio.........50
II .12 Alcune considerazioni di raccordo tematico ..52
II .13 Riduzione dellincertezza...54
II .14 La funzione di utilit quadratica: verso il modello media varianza....55
II .15 La teoria soggettivista di Savage ....59
II .16 Le preferenze uniformi..60

CAPITOLO III
Lanalisi media-varianza e il Capital Asset Pricing Model

III.1 Brevi cenni sulla Teoria della Misura 66


III .2 Gli aspetti definitori primi delle variabili aleatorie univariate .73
III .3 Valore medio (o aspettativa matematica) per v. a. discrete e continue .78

4
III.2 Il modello media/varianza...82
III.3 Il coefficiente di correlazione lineare: verso la frontiera efficiente93
III.4 Il caso intermedio: la fattispecie operativa (1 < , < +1) ........102
III.5 Dallottimizzazione alla massimizzazione: lindividuazione del
portafoglio Ottimale........107
III.6 Verso il CAPM: premessa e ipotesi del modello .....108
III.7 La Capital Market Line ....109
III .8 La Security Market Line..117

PARTE SECONDA:

CAPITOLO IV
Cenni di ecometria applicata per la teoria delle serie storiche

IV .1 Lo strumento analitico di riferimento: definizione dei processi stocastici ...128


IV .2 Ergodicit dei processi stocastici..132
IV.3 Modello Exponential Smoothing .134
IV.4 Rappresentazione grafico/analitica delle serie storiche e analisi
dei trend..138
IV.5 Lindividuazione analitica Ciclo-Trend ....141

CAPITOLO V
Elementi tecnici di analisi empirica preliminare

V.1 Note introduttive ......147


V.2 Analisi dei rendimenti ......149

5
V.3 La caratteristica empirica dei rendimenti: indipendenza e identit distributiva 153
V.4 La logica dei test dipotesi..154
V.5 Tecniche sperimentali di correzione dei dati outlier 156
V.5.a Mutua variabilit.157

CAPITOLO VI
Lanalisi empirica

VI .1 Note introduttive.169
VI .2 Connotati empirici iniziali...170
VI .3 Preliminari di stima.179
VI.4 Il procedimento di verifica...180
VI .5 Lanalisi dei residui..197
VI .6 Oltre Luxottica203
VI .7 Note esplicative a margine e conclusioni206

Bibliografia 216

6
7
8
Introduzione

Questo lavoro di tesi, nasce e si sviluppa con precise finalit espositive ed


elaborative.
Lintento quello di comporre, pagina dopo pagina, un quadro dinsieme, copioso e
grandangolare, circa le sedimentazioni teoriche di principale richiamo letterario sul
comportamento degli investitori in condizioni di incertezza. Lanalisi sviluppata fa
riferimento unicamente a risultati fondamentali, ossia di natura classica e non tocca in
maniera alcuna quei sviluppi, di ordine tecnico e/o comportamentale, che, seppur in forte e
continua ascesa negli ultimi decenni sul piano applicativo, mal si coniugano con il piano di
rigore logico e analitico che, presuntivamente, con questo lavoro, si aspira a condurre.

Ci precisato, lavvio delle tematiche trattate in questo lavoro di tesi non pu


esimersi dal soffermarsi, in via del tutto preliminare, sul richiamo degli elementi fondanti
della disciplina economica, ivi largamente intesa. Questo con lo scopo di condurre chi di
interesse, attraverso una migliore sistematizzazione teorica, ad individuare i diversi
contenuti scientifici che il carattere della materia, volutamente multidisciplinare, impone. Il
finalismo connotativo che si particolarizza in modo particolare nelle prime pagine, muove
dalla necessit, seppur ostativa di un immediato accentramento espositivo, di fornire
unascrizione perimetrale (di massima) circa lalveo disciplinare ove ricondurre i temi di
interesse. Nellintenzionalit di chi scrive, quanto seguente teso a designare una
verticalit propositiva della disciplina individuata che possa rivelarsi, limitatamente a
questa sede e per successive approssimazioni, di indirizzo e supporto nella conduzione

9
espositiva. Lobiettivo in tal caso evidenziare la stesura tematica, 1 nei suoi elementi di
maggiore considerazione.

La definizione di tali, ampi elementi di propedeuticit, mirano dunque a favorire,


sin dalle primissime battute, uno snodo teorico organico e massimale della tematica ivi di
interesse. Specificatamente, gi a partire dal capitolo uno, la stessa trover una prima
compiuta riposizione logica negli assunti di base delleconomia moderna, aventi ad oggetto
la sfera indagatrice del singolo soggetto economico nonch altre problematiche
riconducibili alla nota branca della microeconomia. 2
Lintera opera, in definitiva, non si risolve in una disposizione tematica organica di diretta
ed unica ascrizione disciplinare alla teoria del CAPM ma, pur essendo, in merito ad essa,
finalizzata e concepita per la comprovazione applicativa ultima, verter nella prima met
del lavoro verso indirizzi programmatici ad essa solo perimetrali. Lintento, manifesto,
quello di ampliare il raggio di analisi a materie che, pur presentando un dominio
concettuale di non immediata collocazione logica nella trattazione di esame, si rivelino, a
conclusione, di sotterranea ingerenza tematica, nonch tratti consuntivi di imprescindibile
propedeuticit didattica che, in tale contesto, si intendono porre in evidenzia con
unesposizione analitica che sia di appoggio e complemento alla teoria, sopracitata, del
CAPM, vero, unico e dichiarato 3 oggetto di analisi, sia teorica che applicativa.

Conseguentemente a quanto detto, la tesi sequenzialmente ordinata, nei diversi


capitoli che la compongono, secondo la classificazione definitoria seguente:

- Nel primo capitolo, come anticipato, di rigorosa astrazione economica,


verranno ripercorse brevemente le fasi storico-evolutive che hanno condotto,
nel tempo, allideazione e allutilizzo intensivo, ancor in epoca contemporanea,
dello strumento principe per lesplicitazione analitica delle preferenze, ossia la
curva di indifferenza. Di diretta conseguenzialit, ma da considerarsi comunque
tema centrale del capitolo, sar una prima analisi definitoria del concetto di

1
Si auspica, in maniera ordinata e presuntivamente circostanziata.
2
Relativamente a tali temi, oggetto di specifica trattazione nel primo capitolo, pur non rappresentando
loggetto preminente del presente lavoro, da dire che assoluta premura per il prosieguo da parte di chi
scrive di cercare di offrire adeguato contemperamento alla basicit nozionistica dei noti criteri di razionalit
economica con, sperabilmente, un livello di dettaglio formale congruo alle causalit redigenti questa tesi.
3
Sin dalla intestazione di questo lavoro di tesi.

10
utilit attesa e la disamina storica delle diverse (e principali) teorie
utilitaristiche;

- Il secondo capitolo affronter invece, con un piglio esplicativo prettamente


analitico, le fasi procedurali sottostanti lassunzione delle decisioni in
condizioni di incertezza. Verranno trattate le relazioni di preferenza
esplicitandone le relative propriet formali e i principali precetti teorici. Si
definiranno, conseguentemente, i diversi approcci comportamentali nei
confronti di attivit rischiose e, in coda ad alcune considerazioni di raccordo
tematico, in stretta linea di contiguit teorica con i concetti espressi nel capitolo
uno, si tracceranno le linee definitorie introduttive del modello media-varianza;

- Il capitolo terzo, che conclude la prima parte del lavoro, strettamente


incentrato sul modello media-varianza e sullanalisi del CAPM. Quanto scritto
mira a mettere in luce i legami, sia analitici, sia logici, tra la teoria dellutilit
attesa e il modello media-varianza, nonch tra questultimo e il CAPM.
Verranno inoltre esplicitate, nella prima parte del capitolo alcune aspetti
definitori di carattere statistico, presupposto formale per il continuo proseguo
analitico della trattazione;

- La parte due della tesi si apre, allinterno del capitolo quarto, con una disamina
in pillole delle principali tecniche econometriche di de-trendizzazione delle
serie storiche e sulla teoria dei processi stocastici;

- Il capitolo quinto affronta le tematiche pi direttamente attinenti allanalisi


empirica del CAPM, obiettivo ultimo della tesi, che invece riguarder il capitolo
sesto. Nello specifico, verranno esaminati le differenze logico/applicative tra i
concetti di prezzo e rendimento e le implicazioni formali tra i due.
Verr inoltre proposta una particolare tecnica di correzione dei dati anomali
(outlier);

- Il sesto capitolo, che chiude la trattazione, interamente votato allapplicazione


delle diverse risultanze, teorico-formali, presentate nelle pagine precedenti. In
particolare, la stima empirica in esso contenuta sar eseguita secondo la tecnica
della regressione lineare.

11
Infine, siano ora concesse alcune, ultime, prologali considerazioni a mo di generale
riepilogo descrittivo dellintero elaborato.
Quale condizione impositiva di contrassegnata valenza per chi scrive, nonch
finalit programmatica ultima perseguita nella compilazione stessa dellelaborato, la
creazione di unadeguata struttura articolare di conduzione espositiva, al fine di ricreare
unarmonizzazione analitica tra il frangente descrittivo e quello analitico-empirico, ha
sorretto e motivato, in larga parte, la preparazione di questo lavoro di tesi.
Si cercato sempre, in definitiva, con limpegno e la dedizione dovuta, di fornire in
ogni sezione dellopera, un livello di approfondimento disciplinare congruo con quello
istituzionalmente richiesto per la compilazione di un elaborato finale di Laurea Magistrale.
Specificatamente, inoltre allintrepidit del relatore 4 di questa tesi, va poi conferito
un tributo particolare per la sagacia dimostrata nelle (numerose) correzioni, sia formali che
contenutistiche, resesi necessarie nel corso della stesura, nonch, con ugual assoluta
franchezza, riconosciuto lindiscusso merito di aver sempre spronato e incentivato lautore
nella ricerca di nuove e pi congeniali soluzioni espositive, senza con ci comprometterne
lespressivit originaria dei contenuti.

A conclusione di questincipit, mia premura preservare, idealmente, un sincero


benvenuto a chiunque, di buon grado o meno, si proporr in una lettura attenta e motivata
di tale lavoro, poich su di esso grava lonore 5 e lonere 6 di valutare, con tutta limpietosa
e, al tempo stesso, la genuina capacit di giudizio che si conviene e che di certo non verr
meno, il raggiungimento, esaustivo, degli obiettivi sia di analisi formale che di descrizione
quantitativa, dichiarati in apertura e, si spera, conseguiti con successo.

Lautore,

Valerio Colamatteo

4
Prof. Vincenzo Costa - Dott. Ric. (Ph.D.), Professore Aggregato in "Teoria del Rischio Finanziario",
Ricercatore Universitario di "Metodi Matematici dell'Economia e delle Scienze Attuariali e Finanziarie"
per il Dipartimento di Economia e Giurisprudenza presso lUniversit degli Studi di Cassino e del Lazio
Meridionale.
5
Per lautore della tesi.
6
Per chiunque intenda cimentarsi nella disamina nelle circa duecento pagine dellelaborato.

12
13
Parte 1
Strumenti e contesti definitori del processo di selezione delle preferenze: prolusione alla
teoria delle decisioni di investimento sul mercato dei capitali.

14
15
C a p i t o l o I:
IL CONTESTO ECONOMICO CLASSICO
DI FORMAZlONE DELLE SCELTE

I.1: Principi di base


I principi microeconomici di ogni tempo trovano il loro principale input
referenziale nella definizione di una regola di spesa razionale e, conseguentemente,
nellidentificazione di un tracciato geometrico atto a ben rappresentare la curva di
domanda del singolo individuo. Salvo recenti rivisitazioni, 7 relativamente alle finalit
esplicative qui richieste, la storia economica ci riferisce di due principali scuole di
pensiero, susseguitesi nel tempo:

La teoria utilitarista - Jeremy Bentham; 8

La teoria ordinalista - Vilfredo Pareto. 9

Vediamoli pi in dettaglio.

- Marginalismo di Prima e Seconda Generazione.

La teoria utilitarista, muovendo da canoni di esatta misurabilit del livello di


piacere/soddisfazione individuale (concetto di utilit cardinale), ripone la completa

7
Kahneman in Well-being: the Foundations of Hedonic Psychology
8
Jeremy Bentham nacque nel 1748 e mor nel 1832.
9
Vilfreo Pareto nacque il 1848 e mor il 1923.

16
validazione funzionale dei propri principi fondanti nelle sole ed incondizionate capacit
introspettive degli individui. Ad essi veniva infatti attribuita, a seguito di un consumo di un
dato bene, la facolt di interiorizzare quale fosse, in modo univoco ed esatto, la reazione
corporea scatenata dallacquisizione dello stesso, e di esternalizzarne poi un valore metrico
assoluto (Util). Questultimo, stante la bont valutativa dei soggetti, ergeva dunque a
misura discernitiva in fatto di scelte. 10 Attore primo della nota rivoluzione marginalista,
la teoria utilitarista porta avanti lidea di un individuo/consumatore 11 la cui unica finalit
sia quella di massimizzare lutilit totale ricavata dai beni. Il soggetto economico in
questione segue logiche di comportamento razionali, ossia orientate esclusivamente al
raggiungimento della massima soddisfazione possibile, stante il proprio livello di
dotazione delle risorse, scarse per definizione.

Lintroduzione del concetto di utilit marginale decrescente consente di risolvere un


siffatto problema di massimizzazione vincolata. Lapposizione funzionale, in via
congiunta, della razionalit operativa degli individui e del loro assoggettamento a livelli di
benessere marginalmente decrescenti allaumentare della quantit consumata di uno stesso
bene/servizio, consente di definire una regola di spesa razionale in grado di individuare
univocamente la combinazione ottimale 12 tra i rispettivi livelli di risorse impiegate ed il
livello di utilit specificatamente avvertito dal singolo individuo.
Si ha allora la combinazione efficiente 13 che si raggiunge allocando le quantit consumate
dei beni accessibili x1 , x2 ,..., xn con i rispettivi prezzi Px1 , Px2 , ,..., Pxn - in modo da
uguagliare lutilit marginale estratta dal consumo degli stessi per ogni allocazione
X=(x1,x2,..., xn). Il tutto si traduce matematicamente come:

xi x+1
(1.1) = = ( = 1,2, , 1)
+1

10
A rigore, onde favorire una migliore comprensione, va sottolineato come una misurazione di tipo
cardinale, poich espressiva di un valore (numerico) percepito esatto ed assoluto, presuppone che il
rapporto tra due grandezze rimanga invariato univocamente, indipendentemente dallunit di misura di
scelta.
11
Specularmente, quella di unimpresa che massimizzi i propri profitti.
12
Che massimizzi i profitti.
13
Ovvero ottima.

17
Quanto detto ci permette di esplicitare la ratio (utilitaristica) sottostante la
pendenza negativa della curva di domanda, per un dato individuo massimizzante la propria
utilit, 14 per opportune quantit dei soli beni A e B. 15

Le determinanti economiche condizionanti la quantit domandata di beni e servizi,


trovano unanime corrispondenza nelle variabili prezzo relativo, prezzo dei beni sostituti e
complementari, reddito dei consumatori o altres, in aggregato, nellandamento
comprensibilmente decrescente della funzione di prezzo di riserva del compratore
marginale. Variazioni della quantit domandata, innescate direttamente da variazioni di
prezzo, sono invece il risultato delleffetto reddito e di quello sostituzione. Il primo fa
riferimento al fatto che quando il prezzo di un bene aumenta, i beni sostituti diventano
relativamente pi appetibili il che induce il consumatore a preferire questi ultimi. Il
secondo, invece, alla riduzione/incremento di reddito reale intercorrente a seguito di
variazioni di prezzo dei beni solitamente acquistati.

In termini grafici, vale quanto riportato nelle figure seguenti (Fig. I.1, I.2, I.3, I.4):

14
Attraverso gli aggiustamenti infinitesimali determinati dalla (1.1).
15
Cos da facilitarne lesposizione grafico/analitica

18
Fig. I.1: Curva di domanda del
consumatore (con pendenza negativa) per i beni A e B.

Fig. I.2: Spostamento atteso della curva di domanda, Fig. I.3: Movimento della curva di domanda,
dovuto ad incrementi di prezzo del bene A e associato a variazioni positive e
riduzioni di quello del bene B. negative di reddito.

Fig. I.4: Rappresentazione analitica delleffetto reddito e


di quello sostituzione sulla curva di domanda.

Rappresentazioni grafiche elaborate con il software R.

19
Quanto sopra esposto sul meccanismo della spesa razionale trova piena funzionalit
applicativa in relazione alle ragioni, in questa sede indagate, che inducono la quantit
domandata a variare in direzione opposta rispetto a quella del suo prezzo e, dunque, in
relazione a quanto gi evidenziato circa landamento negativo assunto dalla curva di
domanda. La regola della spesa razionale, infatti, imponendo che il rapporto tra utilit
marginale e prezzo sia lo stesso per tutti i beni, porta a concludere che una variazione di
prezzo di un dato bene, (e.g. incrementativa), fa s che il rapporto tra la sua utilit
marginale corrente ed il suo nuovo prezzo sia differente (i.e. inferiore) rispetto a quello
degli altri beni, cos da indurre il consumatore a riallocare la spesa tra i diversi asset, per
ripristinare lequilibrio ottimo.

Il marginalismo economico di prima generazione 16 ed i presupposti soggettivisti


che lo hanno accompagnato a cavallo tra i due secoli XVII e XVIII conoscono profonda
rivisitazione allinizio di quello XIX, con laffermarsi del marginalismo di seconda
generazione. 17
Allastrattezza metrica dellUtil ed alle connesse pretese congetturali circa la
perfetta capacit introspettiva degli individui, seguono principi ispiratori nuovi, in
attenuazione alla vaghezza computativa prima perpetrata. Questultima, proprio nel volere
introspettivo degli stessi individui, riconduceva i punti di fuoco dellazione utilitarista,
ovvero 18 lindagine della capacit quantitativa di un generico bene di apportare
soddisfazione a chiunque ne facesse uso. 19 Allaleatoriet utilitarista segue un rinnovato
approccio metodologico di indagine, che astrae la facolt di scelta dalla capacit 20 di
registrazione autonoma delle proprie sensazioni. Pertanto, losservabilit decisionale
diventa il presupposto prodromico (ed unico) di un processo di rivelazione arbitrario delle
preferenze, ora non pi deferito a momenti vissuti di vita interiore quanto inferito in via
oggettuale 21 dalle scelte effettuate nel mercato dei beni/servizi e ritenute convenienti.

In termini pi concreti, lattenzione degli economisti ora rivolta allespletamento


dei processi decisionali assunti dai soggetti consumatori che siano indagativi non della

16
Ovvero la teoria utilitaristica.
17
Ovvero la teoria ordinalistica.
18
Come noto.
19
Concetto di utilit cardinale.
20
Divenuta emerita.
21
I.e. in maniera autonoma dal soggetto e concernente unicamente loggetto in s che, nel nostro caso,
rappresenta la scelta decisionale del consumatore, o del soggetto.

20
quantit assoluta di benessere esperita dai singoli beni/servizi ma, in via pi agevole, della
sola convenienza relativa degli stessi, osservata 22 dalle scelte correnti dei soggetti
economici di analisi, secondo il noto approccio delle preferenze rilevate. 23 Infatti, sotto
lipotesi che ogni individuo sia in grado di costruire la propria curva di indifferenza -
mappando per ogni bene le relative preferenze di scelta, 24 lordinalismo supera le
perentorie condizioni impositive dalla teoria utilitaristica, cos da far venir meno ogni
limitazione pratica. Tale teoria giunge cos ad uguagliare i risultati gi raggiunti in
precedenza, ricavando unanaloga formulazione geometrico/analitica della curva di
domanda, con lassoluto merito al contempo di far venir meno il ricorso alla legge dei
rendimenti marginali decrescenti. Nel concreto della realt odierna, infatti, tale regola 25
trova una stretta applicabilit che ne impone, da parte dellintera teoria economica, la
prostrazione da regola di riconosciuta valenza scientifica nella descrizione relazionale di
pi grandezze, 26 a mera condizione determinativa di una data, preconfigurata, realt. 27

molto facile proporre casi realistici in cui con la legge dei rendimenti marginali
decrescenti non si rintraccia corrispondenza alcuna circa le funzionalit operative
riconosciutele dai marginalisti di prima generazione. il caso di attivit che richiedano
esercizio pratico prima di poter essere realizzate al meglio ed in cui, ragionevolmente,
lutilit marginale decrescente trova applicazione solo in un certo momento dellattivit in
questione, consequenziale e dunque temporalmente successiva, allinizio della stessa. Nella
fase iniziale di tali attivit, la conoscenza pratica dei fatti in questione 28 ne suggerirebbe,
semmai, un andamento utilitaristico di tipo crescente. A voler citare alcuni esempi, quanto
detto accade nellascolto di un nuovo brano musicale, o nello sciare o nel correre la
maratona; dunque, in via generale, nellintraprendere per la prima volta qualsivoglia
genere di attivit che richiede esercizio per lacquisizione o un consolidamento di
specifiche facolt fisiche, intellettuali o spirituali, al fine di poter essere praticata con
soddisfacente disinvoltura.

22
O meglio, inferita.
23
Quanto sinora espresso circa le differenze logico/indagatorie delle due scuole economiche riducibile, in
via generica, al raffronto tra una relazione di tipo funzionale (del tipo y=bx, con b R) per lutilitarismo con
una binaria (del tipo y>x o il contrario) per lordinalismo (fatto salvo, per questultima, il rispetto di
opportune propriet di cui, nel seguito, si argomenter in maniera diffusa).
24
Rispetto a tutti gli altri beni.
25
Precetto di inviolabile proficuit per leffettiva validazione dello schema interpretativo utilitarista.
26
O, se si preferisce, da legge.
27
I.e. a mera ipotesi.
28
Acquisita nel tempo da ciascuno.

21
Le tendenze attuali della teoria economia sembrano proprio orientate allanalisi
approfondita di tali questioni che, in una logica di crescita e sviluppo economico di lungo
periodo e per estensiva collocazione, trovano nellEconomia del Benessere 29 il principale
fuoco dindagine. Lespansione pervasiva di tali discipline ed il loro progressivo
diffondersi in campi immediatamente limitrofi a quelli di riconosciuta appartenenza
trovano valida conferma nellinteresse che tali questioni continuano a suscitare da parte di
illustri economisti e psicologi. 30
Quanto detto ci porta a ritenere valida lidea di una effettiva esistenza di attivit per
le quali lutilit marginale possa persino essere crescente. Evidenze empiriche di ci
vengono fornite da Gary Becker in De Gustibus, in cui lo stesso autore dimostra,
attraverso la creazione di una funzione di accumulazione del capitale umano nel tempo,
come la dinamica dei comportamenti e delle preferenze delle persone al variare del loro
capitale personale possa condurre, in contesti intertemporali, ad un andamento crescente
dellutilit marginale. 31

Quanto sopra digredito ci permette di concludere che lidea dellutilit marginale


decrescente, come nesso unico di causalit conseguenziale alla determinazione di una
curva di domanda con pendenza negativa ed alluso di una regola della spesa razionale,
non costituisce supporto dimostrativo adeguato, potendo essa rappresentare al pi, una
prova parziale della determinazione delle stesse. Muovendo da tali conclusioni, trova ora
efficiente collocazione nel presente percorso espositivo, lo strumento di analisi della curva
di indifferenza, proprio della scuola teorica ordinalista.
In funzione di ci ed in via di richiamo, seguir ora unelencazione ordinata delle
ipotesi motivanti lazione ordinalista, 32 da intendersi come derivazione concludente del
fatto che ogni individuo adotti un sistema di ordinamento delle proprie scelte in base alle
preferenze: 33

29
Rispettivamente, Happiness Economy e Human Capital Economy (H.C.E.).
30
Il riferimento ai Premi Nobel: Arrow [1972], Solow [1987], Becker [1992], Harsany [1994], Sen [1998],
Heckman [2000], Akerlof [2001], Kahneman [2002]. In parentesi quadre indicata la data di conferimento
del Premio Nobel.
31
La questione, meritevole di essere espressa con un livello di dettaglio certamente maggiore, viene
volutamente omessa da chi scrive, onde evitare un eccessivo appesantimento della presente trattazione ed
in ragion ulteriore del fatto che essa, ad ogni modo, non ascrivibile tra le finalit tematiche che ne
muovono la stesura.
32
Alcuni di prossima trattazione saranno oggetto di pi accurata rianalisi nelle parti successive di questo
lavoro. Nellimmediato seguito se ne propone dunque, una prima stesura formale, volutamente astrattiva
di contenuti e/o riferimenti dimostrativi.
33
Nella logica marginalista in discussione.

22
Le preferenze sono COMPLETE. Ovvero, ogni individuo in grado di confrontare due o
pi panieri di beni, esprimendo una preferenza stretta nei confronti di uno di essi o
mostrandosi indifferente alla loro scelta;

Lo strumento selettivo di espressione delle proprie preferenze affidato sui soli numeri
ordinali 34 il che, come gi espresso, ne riduce le capacit assolute di classificazione ad una
mera ordinazione qualitativa delle stesse;

Gli individui hanno preferenze TRANSITIVE e quindi se un bene preferito ad un altro


e questultimo ad un terzo, il primo preferito al terzo.

Gli individui presentano livelli di soddisfazione monotonamente crescenti rispetto a


qualsiasi bene 35 (i.e. Il pi meglio).

Le preferenze sono CONTINUE, ossia gli individui sono (sempre) in grado di esprimere
preferenze in riferimento a due o pi panieri per livelli infinitesimali di combinazione degli
stessi.

Le preferenze, per tutti gli individui, sono caratterizzate da un tasso marginale di


sostituzione decrescente 36 e pari al rapporto tra le variazioni di segno opposto di due
beni/panieri.

I.2: Ruolo e funzione microeconomica delle curve di indifferenza.

Delineati gli ingredienti nozionistici di base, si ora in grado di trarre le


conclusioni circa il modello economico ordinalista e di convalidare i risultati da esso
ottenuti, mostrandone lesatta analogia con quanto gi definito dalla teoria utilitarista circa

34
Lipotesi di utilit marginale decrescente, non contemplabile da criteri di selezione ordinale delle
preferenze, costituiva invece un requisito implicito in uno schema classificatorio di tipo utilitaristico,
contrassegnandone uno schema metrico di astrazione quantitativa basato sulla misura cardinale dellutilit.
Ci, come pocanzi esposto, ne faceva per motivo di assai ristretta attendibilit per la sfera decisionale di
ogni soggetto economico.
35
Posta, ovviamente, linvarianza delle stesse quantit (gi detenute) di tutti gli altri beni.
36
Una curva di indifferenza individuata da un tasso marginale di sostituzione decrescente propria di un
individuo/investitore Avverso al Rischio. Tale concetto, stante il suo ruolo di centralit per le tematiche
attuali e successive di questo lavoro, sar oggetto in debita misura di precisi approfondimenti nel corso
della trattazione.

23
linclinazione della curva di domanda. Stante lipotesi, sempre valida, della razionalit
economica degli operatori, lo strumento appena definito delle curve di indifferenza ci
permette di superare lo stallo decisionale relativo alla scelta del paniere ottimo, nel rispetto
del vincolo di bilancio. In base alle ipotesi in precedenza definite, il livello massimo per il
consumatore 37 individuato dalla condizione di tangenza tra il suo vincolo di bilancio e la
curva di indifferenza pi alta. 38 In tale punto si registra necessariamente luguaglianza
tra il tasso marginale di sostituzione, Marginal Rate of Substitution (M.R.S.), rappresentato
dallopposto del rapporto tra le variazioni dei beni B ed A ovvero - B/A , ed il costo
opportunit, Opportunity Cost, (O.C.) del bene A sul bene B, rappresentato dal rapporto dei
rispettivi prezzi PA/PB. Poich, come noto, una curva di indifferenza individua il luogo
geometrico dei punti in cui lutilit risulta invariante, ogni spostamento lungo di essa
produce, per i due beni A e B, variazioni del livello soddisfazione tra loro contrapposte ma
perfettamente compensative. In altri termini, noto che:

. . . = . .

B B
= =

(2.1)

Ed altres che:

U U U U
U = B B + A A = 0 B B = - A A

B U U

= A / B ,

(2.2)

dalle (2.1) e (2.2), uguagliando i secondi membri, si ricava che:

37
Nel senso che massima lutilit.
38
Lesistenza del punto di ottimo assicurata dallipotesi di continuit delle preferenze prima definita.

24
U U
= A / B

(2.3)

che si pu rileggere come:

U U
B / PB = A / PA

(2.4)

e che esattamente una relazione equivalente alla regola di spesa razionale in precedenza
introdotta, ovvero la formula (1.1).

Tale risultato, gi ampiamente anticipato alcune righe orsono, permette alla teoria
ordinalista di eguagliare gli esiti operativi in precedenza raggiunti da quella utilitarista,
definendo una regola 39 di azione economica per i soggetti consumatori, che sia in grado di
seguire delle linee guida univoche 40 nellindividuazione delle scelte di acquisto dei relativi
beni e servizi, a seguito di variazioni di prezzo degli stessi. E tutto ci non risultando
gravato dalleffettiva vigenza, nella realt, della legge dei rendimenti marginali
decrescenti.

Si dimostra facilmente con lausilio di una trattazione grafica si vedano le figure


I.5 e seguenti - come il consumo di un bene risulta aumentare se, a parit di altre
condizioni, ne diminuisce il prezzo; o che comunque vale il viceversa.

39
Equivalente.
40
Razionali.

25
Fig. I.5: Andamento uniformemente convesso Fig. I.6: Soluzione di massimizzazione vincolata,
delle curve di indifferenza per i del consumatore di tipo ordinalista,
consumatori della scuola ordinalista con individuata dal punto di tangenza tra il
tasso marginale di sostituzione decrescente. vincolo di bilancio e la curva di
indifferenza pi alta.

Fig. I.7: Reazione razionale del consumatore ordinalista


ad una variazione negativa del prezzo di B.

Rappresentazioni grafiche elaborate con il software R.

Come rivela lanalisi grafica immediatamente precedente, quando il prezzo di A scende, il


consumatore massimizza la sua utilit spostandosi su una curva di indifferenza pi alta e,

26
conseguentemente, acquistando una quantit maggiore di B. Pertanto, sia nella scuola
utilitarista che in quella ordinalista, se il prezzo di un bene scende - a parit di altre
condizioni - il consumatore razionale ne acquista sicuramente una quantit maggiore; ci
implica che la sua curva di domanda abbia una pendenza necessariamente negativa.
Quanto detto ci premette di esaurire il preliminare 41 di analisi sul contesto di
formazione delle preferenze che questo capitolo introduttivo si proponeva di
rappresentare.

____________

41
Storico/classico.

27
C a p i t o l o II:
GLI STRUMENTI TEORICI DI SELEZIONE E
VALUTAZIONE D I P R E F E R E N Z E R E A L I

Questo secondo capitolo illustrer alcuni degli strumenti procedurali di indirizzo


quantitativo utilizzati dagli economisti per descrivere i meccanismi decisionali adottati
dagli operatori, esaurendo cos ogni propedeuticit di rilievo per quanto concerne la teoria
delle decisioni di investimento sul mercato dei capitali, oggetto di analisi nelle rimanenti
sezioni di questo lavoro di tesi.
La trattazione risulter legata a strutture di elaborazione formale diverse da quelle
trascorse rivelando, solo in breve e saltuarie fasi, un indirizzo di stesura tematica
maggiormente descrittivo e di contrapposizione evidente da quello logico/analitico
osservato nel complesso.

II.1: Le relazioni di preferenza.


Si definisce relazione binaria fra due insiemi A e B qualsiasi sottoinsieme del
prodotto cartesiano AxB individuato da un predicato R in cui risulta valida una
legge/propriet/criterio che consenta di associare univocamente gli elementi xA con
quelli yB e che verr esplicitata, nel prosieguo, con la notazione seguente:

xRy : x A in relazione, secondo R, con l'elemento y B.

O, specularmente:

28
xy : x A non in relazione, secondo R, con l'elemento y B.

Posta una relazione binaria R su un insieme X, essa rappresentabile anche con un


insieme D XxX , con (x,y) D xRy . Inoltre, ad essa possono venire associate se
sono soddisfatte - alcune delle propriet seguenti:

Propriet Riflessiva: x X si ha che x R x (Propr. 1)


Propriet Antiriflessiva: x X si ha che x x (Propr. 2)
Propriet Simmetrica: x, y X se x R y y R x (Propr. 3)
Propriet Antisimmetrica: x, y X, se x R y y x (Propr. 4)
Propriet Transitiva: x, y, z X, se x R y ed y R z x R z (Propr. 5)
Propriet Negativa Transitiva (N.T.): x, y, z X, se x y e y z x z (Propr. 6).

Una relazione binaria R pu, inoltre, essere:

Debolmente Connessa: x, y X si ha che x = y, 42 altrimenti x R y o y R x (Propr.7)

Connessa (o Completa): x, y X si ha che x R y, oppure y R x (Propr. 8)

Aciclica: xi X con i = 1,,n-1 : xi R xi+1 i x1 xn (Propr. 9).

Def. 1.1

Una relazione binaria detta di preferenza se antisimmetrica e negativamente


transitiva. In tal caso, tipicamente, useremo la notazione > .

Prop. 1.2

Se una relazione binaria di preferenza, allora essa antiriflessiva, transitiva e aciclica.

42
Ovviamente per x = y si intende che essi rappresentano lo stesso elemento.

29
Dim.: Sia > la relazione in esame.
- Lantisimmetria della relazione di preferenza implica direttamente lantiriflessivit
della stessa: infatti, se per assurdo non valesse lantiriflessivit allora x X tale
che x > x . Preso y : = x, si avrebbe x > y che, per lantisimmetria, implicherebbe
y x , relazione da rileggersi come x x . Assurdo per quanto posto allinizio.

- Siano x, y, z tali che x > y e y > z. Per lantisimmetria, ci implica y x e z y . 43


Per la transitivit negativa vale quindi z x ovvero x > z e quindi la transitivit
verificata.

- Se xi > xi + 1 al variare di i= 1,,n-1, ci pu essere scritto come x1 > x2 , x2 > x3 ,


xn-1 > xn , da cui per la transitivit ora ottenuta: x1 > xn .
Ora se per assurdo fosse x1 = xn , per lantiriflessivit, anche lei appena dimostrata,
sarebbe pure x1 xn il che assurdo. Pertanto, x1 xn e si ha quindi laciclicit.

Def. 1.3

Dalla relazione di preferenza > possibile derivare le due relazioni di preferenza


debole ( ) e di indifferenza ( ~ ), tramite le posizioni, rispettivamente:

x y se, per definizione, y x mentre x ~ y se, per definizione, x y e y x .

E, inoltre, agevole dimostrare come:

Prop. 1.4

Se > una relazione di preferenza, allora:

- la (relativa) relazione completa e transitiva;


- la (relativa) relazione ~ riflessiva, simmetrica e transitiva.

43
Riletta come e z y e y x .

30
Dim.:

- Per : x, y X, se x > y allora per lantisimmetria di >, segue che y x e


quindi x y (altrettanto vale mutatis mutandis se y > x); se x y allora y x;
infine, se x y e y x, prendendo ad esempio la prima relazione, si ha y x .44
Pertanto, la relazione completa. La transitivit deriva in via immediata dalla
transitivit negativa di > :
x y , y z y x , z y z x x z.

- Per ~ : Per la riflessivit, se x ~ y allora x y e y x che, per la transitivit


negativa di > , implica x x che, a sua volta, riscritta due volte d x ~ x . La
simmetria deriva immediatamente dalla sua definizione; la transitivit deriva dalla
transitivit negativa di > .

Valgono, infine:

Prop. 1.5

1. w > x, x ~ y, y > z w > y e x > z .

2. x y ( x > y oppure x ~ y ) .

3. x y e y x x ~ y .

Oss. 1.6

Risultati analoghi sarebbero pervenuti qualora si fosse concentrata lanalisi su una


relazione di preferenza debole, del tipo , definendo da essa le (relative) relazioni di
preferenza stretta e di indifferenza.

44
A rigore, anche x y ma per la completezza, basta uno dei due casi.

31
II.2: LUtilit Ordinale.

Denotati i contenuti formali minimi, lanalisi in questione evolver nellimmediato


riformulando, nella veste debita, la teoria dellutilit ordinale - gi elemento di trattazione
nel capitolo primo. Onde evitare uneccessiva sedimentazione tematica su tali aspetti, tale
analisi si premurer, nel prosieguo, di fornire un adeguato ragguaglio descrittivo, cos da
rilevare una conduzione ad ogni modo esauriente delle esigenze contenutistiche di tale
lavoro. Al tempo stesso, per, verranno omesse talune specificazioni inerenti il tema
dellutilit ordinale poich foriere, nella intenzionalit cognitiva di chi scrive, di distrazioni
eccessive dalle linee di sviluppo principali del presente lavoro. Nello specifico, si assumer
come finito linsieme X di definizione delle diverse alternative di scelta, trascurandone le
varianti legate alla presenza di una quantit infinita (numerabile e non).

Lampio descrittivismo sullutilit ordinale (cap. 1) che ha anticipato la stesura di


tale paragrafo e mosso le prime fasi di questo lavoro subisce, in questa ambito, una
specificazione ulteriore, trovando ampia disposizione in un esamina di contesto rigorosa e
grandangolare (rispetto alla precedente).
Quanto segue muove allora dalla necessit di fornire una rappresentazione
numerica della teoria dellutilit ordinale, cio della capacit degli individui di
classificazione, ordinata delle proprie preferenze, rispondente a requisiti propri di presunta
validit funzionale. Quanto detto si esplicita nella dimostrazione della proposizione
seguente:

Prop. 2.1

Ogni individuo opera una discriminazione qualitativa degli elementi (di numero finito) che
compongono linsieme X se:

esiste una funzione u : X R, cos che:

x > y u (x) > u (y) , x , y X.


(2.1)

32
Allora la relazione binaria > una relazione di preferenza se e solo se esiste una u
che renda valida la funzione (2.1).

Dim.:

- Condizione necessaria della proposizione mostrare che se risulta valida la (2.1), per
unopportuna u, allora > una relazione di preferenza.
Posta la validit della (2.1), segue che:

- x > y u (x) > u (y) u (y) u(x) y x > antisimmetrica;

- x y, y z u (x) u (y) e u (y) u (z) u (x) u (y) u (z)

u (x) u (z) u (x) u (z) x z > negativamente transitiva.

Pertanto , per la definizione 1.1, la relazione binaria > una relazione di preferenza.

- Condizione sufficiente della proposizione dimostrare che lesistenza di una funzione u


che soddisfa la (2.1), nel caso in cui > sia una relazione di preferenza.

Posta N la cardinalit dellinsieme X, si ha:

a) Sia N=1
X = {x} si dovrebbe valutare se x > x il che impossibile per
lantiriflessitivit, vera per la proposizione 1.2; quindi ipso facto non c nulla da
verificare, ovvero ogni u pu andare bene.

Pertanto, la tesi vera.

b) Sia N > 1

33
Applichiamo il principio di induzione e supponiamo che la tesi sia vera per una cardinalit
di X pari a N-1. Indichiamo con y un elemento estratto da X in maniera casuale e definiamo
il sotto-insieme di X a cui abbiamo sottratto proprio z : Z : = X \ {z} . Chiaramente Z ha
cardinalit pari a N-1 e quindi su di esso possiamo far scattare lipotesi induttiva,
affermando che esiste un funzione uz : Z R, cos che:

x > y uz (x) > uz (y) .


(2.2)

dove > la relazione di preferenza indotta su Z da quella presente su X (e che per abuso
di notazione, indichiamo con la stesso segno). 45 Si tratter, allora, di estendere la
funzione uz costruendone una u definita su tutto X che soddisfi la (2.1)

Analizziamo i vari casi che si possono presentare:

I. Supponiamo esista un elemento v Z : z ~ v . Definiamo la funzione u al


modo seguente:

()
() .
() =

Ebbene, se:

1. x , y Z x > y uz (x) > uz (y) u (x) > u (y) ;


2. x Z e y = z x > y x > v uz (x) > uz (v) u (x) > u (z) ;


~ =

3. x = z e y Z x > y v > y uz (v) > uz (y) u (z) > u (y)


~ =

4. x = y e y = z x > y impossibile nulla da verificare.

II. Se x Z si ha che z > x , si definisca la funzione u come segue:

45
A rigore, la funzione u potrebbe dipendere dallelemento z che stato sottratto in X ma, come vedremo,
ci risulter ininfluente.

34
()
() .
2 () =

Ebbene, se:

1. x , y Z x > y uz (x) > uz (y) u (x) > u (y) .


2. x Z , y = z x > y impossibile nulla da verificare.


3. x = z , y Z x > y u (x) > u (y) perch


u (x) = 2 () > (y) la (2.1) verificata.

4. x = z , y = z x > y impossibile nulla da verificare.

III. Se x Z si ha che x > z , si definisca la funzione u come segue:

()
() [ ()]
2
=

e la (2.1) risulta verificata in maniera del tutto equivalente a quella del caso
precedente.

IV. Se x Z si ha che x z ed x1 , x2 Z : x1 > z e z > x2 , posti

, {:>} () e , {:>} () ,

allora definiamo u come segue:

()
() ,+ , .
2
=

35
E da notare che se x : x > z allora x > z e z > x2
+

x > x2 () > (2 ) ovvero () > (2 );

viceversa, se fosse invece

z > x x1 > x (1 ) > () ovvero (1 ) > ().

Inoltre, poich x1 > z > x2 , dalla transitivit deriva che x1 > x2 con u(x1) > u(x2),
(sempre per lipotesi induttiva).

Infine, sfruttando la definizione ora data di u , lipotesi induttiva e quanto appena


osservato, ognuno dei casi che si pu verificare per x, y X comunque presi diventa
riconducibile ai casi precedenti.

II.3: La collocazione teorica.

La conduzione disciplinare seguita in questo secondo capitolo, allorch distintiva


per laccresciuto dettaglio formale, trova moderata revisione retorica nella stesura tematica
immediatamente seguente, aliena da particolari concisioni tecniche.

La teoria dellutilit ordinale va infatti ricondotta in questa sede, con accesa


categoricit, a reticolati logici di minima osservabilit e del tutto astrattivi, sul piano della
concretezza, di ogni irresolutezza decisionale. La complessa variabilit contemporanea e
linviolabile incapacit per luomo di risolversi in scelte di adeguato supporto alle esigenze
del momento, trovano sostegno immanente nelle determinanti critiche, di pensiero e di
ricerca, che le scienze economiche e sociali tutte contemperano, in totale concordia e nella
diffusa consapevolezza di una realt odierna che si esprime e comprende in termini
probabilistici.

36
Lutilit ordinale, precedentemente trattata, trova invece concludente specificazione
in un quadro concettuale di tipo deterministico, ove gli individui prendono le loro decisioni
in condizioni di certezza. Tale lavoro verter, da ora in avanti, sul tema della scelta in
condizioni di rischio/incertezza 46 fornendo, nellimmediato, un ritratto di sintesi sulle
diverse interpretazioni storicamente fornite dalla dottrina per lutilizzo e la comprensione
dello strumento probabilistico. Seguiranno le dovute formulazioni e rappresentazioni
logico/analitiche, in analogia alla caratterizzazione formale contenuta nella prima parte di
questo capitolo.

II.4: Il preliminare danalisi: concetto e misura della probabilit.

Una prima fondamentale distinzione in merito allo strumento probabilistico, che ne


anticipa la definizione storica, tra concetto e misura.
La probabilit a tutti gli effetti un concetto primitivo, che cio non si sviluppa per
alterazione o derivazione (diretta o indiretta) di altri, ma appare originario per lessere
umano, poich innato e sempre presente nelle sue regole di comportamento.
La misura, invece, attiene alla valutazione numerica che origina dallanalisi
probabilistica dei diversi eventi e, in quanto tale, per la complessa computabilit che ne
deriva, non appare propria di ogni processo decisionale. Il concetto di probabilit, a
differenza della misura, viene dunque percepito e graduato anche non possedendo alcuna
nozione di calcolo statistico.
Occorre allora sottolineare come il momento della percezione concettuale e quello
della valutazione numerica non possano essere intesi come un unicum decisionale ma
siano, nel concreto, due fasi fermamente distinte e solo logicamente interconnesse.
II.5: La visione storica della probabilit. 47

46
opportuno, sin da ora, chiarire la distinzione tra rischio ed incertezza. Il rischio fa riferimento ad eventi
di natura casuale di cui per si conosce la distribuzione probabilistica dei risultati. Lincertezza, invece,
riguarda situazioni mai accadute prima, la cui distribuzione di probabilit totalmente ignota. Per quanto
rigorosa e fondante la differenza, in tale trattazione si useranno indistintamente i due termini. Eventuali
eccezioni in tal senso verranno opportunamente specificate risultando comunque, ad ogni modo, direttamente
determinabili dal contesto specifico di riferimento.
47
Si operer, in seguito, una presentazione schematica del tema in questione, nellindubbia consapevolezza
da parte di chi scrive che ci non possa in alcun modo rendere giustizia ad un dibattito, quello in questione,
molto pi ampio di quanto esso possa in alcun modo essere sviluppato in questa sede.

37
Le principali impostazioni logico/concettuali cui si far riferimento per definire la
probabilit sono le tre seguenti: Classica, Frequentista, Soggettivista, a cui a rigore si
aggiunge limpostazione assiomatica che qui trascuriamo, per.

La nascita del calcolo della probabilit nasce con la scuola classica, formalizzata da
Laplace nel 1812 ma gi ampiamente utilizzata da Galileo, Pascal e Fermat. In particolare,
nel caso classico, la probabilit del verificarsi di un evento E viene specificata dal rapporto
tra il numero m di casi che danno luogo allevento in questione e quello di tutti n i possibili
risultati dellesperimento, ossia:


P (E) :=
.

Tale concezione, presenta, come evidente, numerosi limiti applicativi tra i quali si
segnalano in questa sede:

1. Lequiprobabilit necessaria degli eventi; il che ipso facto d luogo ad una


tautologia; 48
2. Il numero finito di eventi n;

La scuola frequentista determina la probabilit del verificarsi di un evento E come


il limite a cui tende la frequenza relativa (freq (E) / n) dello stesso al crescere del numero
degli esperimenti n, 49 ossia:
()
lim
+
La definizione frequentista di probabilit, a differenza di quella classica, elimina il
requisito della equiprobabilit degli eventi, pur mostrando diverse considerevoli criticit
operative:

48
Si definisce la probabilit in termini di eventi equiprobabili.
49
Il pragmatismo logico cui tende lapproccio frequentista si sostanzia nel derivato esperienziale della
convinzione che il numero di volte cui levento E si verifica allaumentare delle prove si stabilizzi oltre un
certo n. Tale logica anche alla base dellInsurance moderna, che nasce dalla constatazione che, nel lungo
periodo, il rapporto tra il numero di eventi estremi e quello dei soggetti a rischio tende a stabilizzarsi.

38
1. Necessita della ripetibilit degli esperimenti nelle stesse identiche condizioni ma
ci, ovviamente, non risulta sempre possibile per ogni tipologia di evento;
2. Il fatto che si parta implicitamente da semplici constatazioni empiriche
dellesperimento ripetuto nel tempo e non, invece, da derivazioni analitiche dirette,
il che rende ovviamente impossibile luso matematico corretto della nozione di
limite, contenuta nella formulazione appena esposta.

Lequiprobabilt degli eventi, insita nella teorizzazione classica, e linfinita


ripetibilit degli esperimenti contemperata dalla scuola frequenti sta trovano un
vicendevole sostituto nel soggettivismo dellindividuo e nellomonima impostazione
alternativa della probabilit, la quale, sommariamente, recita:

dato un evento E ben specificato, la sua probabilit per definizione - la somma che un
individuo coerente disposto a scommettere in un gioco equo al verificarsi del quale egli
riceve un importo unitario.

Essa ha avuto il suo massimo studioso, se non precursore e sistematizzatore,


nellitaliano De Finetti. In via pi generale:

la probabilit, nella teorizzazione soggettivista, espressione del grado di fiducia che una
persona coerente attribuisce al verificarsi di un evento E.

Le critiche, di maggior rilievo ai fini di questa trattazione, circa la validit operativa


di quanto sopra espresso sono le seguenti:

1. Tale condizione soggettivista impone inevitabilmente una diversa valutazione


probabilistica di uno stesso evento da parte di individui differenti, proprio perch
ciascuno di essi interpreter uno stesso esperimento in maniera propria;
2. Il soggettivismo in questione rifonda i propri principi validanti nella valutazione
coerente dallindividuo, il che ne presuppone inevitabilmente un ricorso diretto a
momenti esperienziali di vita vissuta, a supporto dello strumento logico di
ragionamento;

39
3. Direttamente insita nella concezione soggettivista, c lidea dellutilit come
elemento condizionante di scelta e di attribuzione probabilistica degli eventi. 50

Accertata, per i termini definitori di cui sopra, la circoscritta applicabilit della


definizione classica di probabilit, le alternative presentate, ossia la concezione
frequentista e quella soggettivista, mostrano contrapposizioni evidenti nellinterpretazione
probabilistica della realt fenomenica. Nello specifico, i frequentisti riconoscono la valida
sussistenza di una corrispondenza, univocamente determinata, tra i possibili eventi
rischiosi e le relative attribuzioni probabilistiche. La probabilit diviene cos un requisito
intrinseco degli eventi e degli esperimenti che li generano, un connotato oggettivo di ogni
accadimento reale. Per i soggettivisti, invece, essa costituisce solo una libera
interpretazione delluomo in rapporto agli eventi.
Daltro canto, ogni soggetto decisionale forma le proprie convinzioni anche sulla
base del ragionamento e dellesperienza, riconducendo ogni valutazione soggettivista della
probabilit in parte alla definizione classica, frutto del ragionamento, in parte a quella
frequentista, frutto dellesperienza. Quanto detto alimenta ed invigorisce il sentimento
comune per il quale la valutazione probabilistica di un evento una operazione
estremamente complessa e mai certa nella sua determinazione unanime, proprio perch
frutto oltre che da fattori oggettivi connessi alla prova, anche da esperienze precedenti e da
valutazioni personali.

II.6: Affrontando lincertezza.

Chiarito, brevemente, il ruolo e la centralit dello strumento probabilistico in ogni


situazione decisionale, la trattazione proseguir con una rivisitazione analitico-formale dei
concetti appena espressi, proponendo, a tal riferimento, le formulazioni avanzate da von
Neumann-Morgestern (in seguito vN-M) e da Savage.

50
Appare di fatto ragionevole come, ad esempio, molti meno giocatori siano disposti a scommettere in un
gioco equo 5.000 per cercare di vincerne 5.000.000, anzich giocare 5 per cercare di vincerne 5.000. Ci
nonostante la valutazione della probabilit, misurata come rapporto tra la posta in gioco e la vincita
potenziale, sia sempre la stessa: nello specifico, pari a 0,001.

40
Nelle sezioni precedenti, si dimostrato la validit della Prop. 2.1, sotto lipotesi -
implicita - di prospetti decisionali di tipo deterministico. In quelle prossime, invece, si
trascurer tale condizione e si analizzer la struttura matematica atta a rappresentare
situazioni comportamentali regolate dallincertezza. Si far nuovamente riferimento allo
strumento economico gi discusso dellutilit cardinale. Lincertezza decisionale verr cos
regolata e superata dalla rilevanza quantitativa fornita dallutilit del decisore qualora
ciascuna realizzazione degli eventi casuali possibili avvenga con certezza ed in termini
delle rispettive probabilit associate. Le preferenze di una persona tra le diverse alternative
casuali sono cos determinate dalla sua funzione di utilit, che assegna un dato valore
(numerico) ad ogni premio possibile.
Nel caso di scelte in condizioni di incertezza, dunque, le unit oggetto di scelta non
sono pi dei panieri ma delle lotterie. In dettaglio, una lotteria una distribuzione di
probabilit su insieme di possibili risultati, costituenti linsieme {x1, , xn}, detto supporto
della lotteria. Si distinguono le definizioni, inoltre, di:

- lotteria semplice: un vettore L = (p1, ..., pn) con pi 0 n e = 1

- lotteria composta: una lotteria che ha per esiti lunione di quelli di altre lotterie
(formando il cosiddetto supporto unione): date le K lotterie semplici
Lk = (1 ,, ) con k = 1,, K e le probabilit pk0 con = 1, la lotteria
composta L = (L1,, LK ; p1,, pK) quellalternativa rischiosa che restituisce la
lotteria semplice Lk come risultato aleatorio ottenuto con probabilit pk con k =
1,, K.

Indicheremo con linsieme di tutte le lotterie.

Ogni lotteria composta pu essere ridotta a una lotteria semplice. Ad esempio, date
le lotterie lotterie L1,, LK e presa la lotteria composta Q = (L1,, LK ; p1,, pK) , con il
relativo supporto unione, Q assegna la lotteria Lk con probabilit pk (con pk 0 e tali che
= 1). In dettaglio, se qki la probabilit che Lk assegna al risultato i, la lotteria

composta attribuir a tale esito quella: Pi =
=1 con i=1, ,n .
II.7: Il modello di von Neumann-Morgestern.

Il modello di vN-M considera lincertezza come oggettiva, riconoscendo lesistenza


di ununivoca determinazione probabilistica per i diversi risultati associabili ad un generico

41
evento. Formalmente, considerato linsieme finito X di tutti i possibili esiti di un evento
aleatorio E, ci sar un secondo insieme P contenente la distribuzione probabilistica
associata ad ogni elemento di X, tale che:

P = { p : X [0,1], tale che: () = 1 }

Nellanalisi microeconomica in esame, il percorso decisionale di ogni soggetto pu


venire espletato attraverso il ricorso ad una funzione di utilit oppure attraverso le relazioni
di preferenza gi esaminate. Le due alternative non sono equivalenti a meno dellesistenza
di particolari vincoli sulle preferenze dellagente economico che saranno esplicitate
nellimmediato.
Ad esempio, avendo a disposizione due possibili panieri x Rn e y Rn (entrambi
composti da n beni) si pu, quindi, procedere, come di seguito, in due modi differenti:

- si stabilisce una relazione di preferenza nella forma x y, indicando una preferenza


debole (ovvero il fatto che tutti i beni contenuti in x non sono mai peggiori di
quelli contenuti in y);

- si stabilisce un livello di soddisfazione derivante dal consumo dei due panieri x ed y


che sia misurato dal valore assunto da una funzione di utilit U ovvero,
rispettivamente: U (x) e U (y).

Lanalisi seguente verter, in via generale, sulle condizioni necessarie affinch i


due approcci proposti forniscano lo stesso risultato, cio conducano il consumatore ad
effettuare la medesima scelta.

Vale, innanzitutto, la seguente proposizione, in merito alla definizione di


razionalit:

Def. 7.1

42
Una relazione del tipo detta razionale se e solo se essa costituisce un ordine, cio
se e solo se completa, riflessiva e transitiva.

Oss. 7.2

La completezza implica la riflessivit. 51 Pertanto per avere un ordine e quindi la razionalit


bastano la completezza e la transitivit.

Teor. 7.3

Se le preferenze sono un ordine, cio complete e transitive, nonch continue, allora esiste
una sola funzione di utilit continua U : Rn R (a meno di una trasformazione
monotna crescente) tale che:
x y U (x) U (y) .

Def. 7.4

Una relazione di preferenza detta:

- indipendente, se:
L,M,N e a [0,1] :
L M aL + (1 a)N aM + (1 - a)N

- continua, 52 se:
L, M, N , sono chiusi gli insiemi:
{ a [0,1] | N (1 - a) M + aN } e { a [0,1] | a L + (1 - a)M L } .

Def. 7.5

51
x, y X, x y oppure x y ma prendendo proprio y := x, valga per esempio x x . Banalmente, questa
pu essere letta anche come x x e quindi valgono contemporaneamente x x e x x ; da cui x ~ x e quindi
la riflessivit.
52
Sullassioma dellindipendenza delle preferenze va preso atto, con finalit di mera completezza, delle
criticit manifeste cui risulta incorrere in determinati ambiti applicativi. Tra le principali critiche avanzate, si
segnalano i Paradossi di Allais e di Machina. Si veda in proposito, per le relative definizioni: Allais M.
(1953) Le comportement de lhomme rationnel devant le risque, critique des postulats et axiomes de lcole
Amricaine, Econometrica 21:503-46

43
Una funzione di utilit ha la forma dellutilit attesa vN-M se per u : R esistono dei

numeri reali u1, ..., un tali che, per ogni lotteria semplice L = (p1, ..., pn) con supporto
{x1, , xn}, si abbia:

() =
=1

Per la propriet, posta valida nel prosieguo, di riduzione delle lotterie composte:

Prop. 7.6

Ogni consumatore interessato solo alla distribuzione di probabilit dei risultati finali
delle lotterie, indipendentemente dal fatto che vengano da lotterie semplici o composte;
ovvero egli indifferente tra due differenti lotterie composte che possano essere ridotte ad
una stessa lotteria semplice.

Vale

Prop. 7.7

Una funzione di utilit ha la forma della utilit attesa di vN-M se e solo se lineare, cio se
date comunque le K lotterie L1,, Lk estratte, rispettivamente con probabilit pk, vale:

(
=1 ) = =1 ( ) .

Oss. 7.8

In altri termini, considerata la lotteria composta =


=1 , i cui n esiti si realizzino

con probabilit ti =
=1 con i=1,,n . si ha che

44
() =


= (
=1 ) = =1 ( ) = =1 =1 = =1 =1 =

= =1 .

Catena di uguaglianze leggibile da sinistra a destra come se U (L) lineare allora


U (L) ha la forma dellutilit attesa di vN-M ed il contrario da destra a sinistra.

II.8: Teorema dellutilit attesa di von Neumann-Morgestern.

Teor. 8.1 di von Neumann-Morgestern

Se una relazione di preferenza del tipo razionale, continua, soddisfa la propriet di


riduzione delle lotterie composte e lassioma di indipendenza sullo spazio delle lotterie
semplici, allora essa rappresentabile con una funzione di utilit U(L) della forma
dellutilit attesa di vN-M. Esistono, cio, n numeri u1, ..., un :

() = =1 e

L=(p1,, pn), L=(p1,, pn) vale che:

L L U (L) U (L)

(dove U (L) e U (L) sono funzioni di utilit attesa di vN-M)

In termini cardinali:

45


=1 =1

Dim.:

Sia a=(a1,,an) il vettore ordinato degli esiti monetari ed indichiamo con L1,,Ln le
lotterie che assegnano, rispettivamente, probabilit 1 ai singoli esiti a1,,an , ovvero ad
esempio L1=(1,0,,0) . Sia L una lotteria tale che L1 > L > Ln. Allora esiste aL tale che :
aL L1 + (1 - aL) Ln ~ L , per le ipotesi sulla relazione .

Sia U (L) = aL ; quindi U (L1) = 1 e U (Ln) = 0. Si intende dimostrare che U (L)


lineare, cio prese due generiche lotterie L ed L, risulta:

U [tL + (1 - t) L] = t aL + (1 t) aL .

Poich:

L ~ aLL1 + (1 - aL) Ln e L ~ aL L1 + (1 - aL) Ln ,

si ha:

U [tL + (1 - t)L] = U [t (aL L1 + (1 - aL) Ln + (1 - t) (aL L1 + (1 - aL) Ln)]=

(per lipotesi di Indipendenza)

= U [( taL + (1 - t) aL) L1 + (1 (taL + (1 - t) aL) Ln]= U[M]=

(con M ~ taL + (1 - t) aL) L1 + (1 (taL + (1 - t) aL) Ln , per lipotesi di riduzione lotterie


composte).

= taL + (1 - t) aL .

(per la definizione di U(M)). In conclusione,

46
U [tL + (1 - t)L] = taL + (1 - t) aL

Il valore a secondo membro dellultima relazione la probabilit che rende indifferente la


lotteria composta (L1 ,Ln) e quella [tL + (1 t) L].

Pertanto U (L) lineare e quindi vN-M , per la prop. 7.7 .

Il teorema dellutilit attesa di vN-M chiarisce lesistenza, sotto determinate condizioni, di


una funzione di utilit vN-M rappresentante delle preferenze date. Tuttavia ci possono
essere altre funzioni di utilit non vN-M che rappresentano le stesse preferenze. Infatti:

Prop 8.2

Qualsiasi trasformazione monotona di una funzione di utilit attesa vN-M rappresenta le


stesse preferenze di questultima.
Ovvero data la funzione V, tale che V > 0 allora V(U) rappresenta le stesse preferenze di
U.

Oss. 8.3

Il punto che non certo che V(U) della proposizione precedente sia a sua volta una
funzione vN-M. Ad esempio, presa

V = eU V(U(L)) =exp (=1 ) non una funzione vN-M.

Prop. 8.4

Solo trasformazioni monotone che siano lineari positive ovvero trasformazioni affini -
restano delle funzioni vN-M.

47
Se U e V sono funzioni di utilit entrambe rappresentanti una data relazione di preferenza e
U vN-M allora anche V sar vN-M a,b con a>0 : V (L) = aU (L) + b .

Dim.:

Si considerino le lotterie L e L tali che e L > L .

(Condizione necessaria)

V (L) = aU (L) + b e per la Prop. 7.7 , visto che U lineare:

= + = ( ) + =
=1 =1 =1

= [( ) + ] = ( )
=1 =1

quindi V soddisfa la Prop. 7.7 e quindi vN-M.

(Condizione sufficiente)

E da dimostrare che:

se U e V sono vN-M, a >0 e b : V(L)= a U(L) + b L .

Ora

, L [0,1], U (L) = L U (L)+(1 - L)U(L)


()()
L = ( )()

(8.1)

48
Poich L U (L) + (1 - L)U (L) = U [LL + (1 - L)L] e U rappresenta la relazione
, si ha che
V(L) = V [L L + (1 - L)L] = L V (L) + (1 - L) V (L) = L [V (L) V (L)] + V (L)

Sostituendo la relazione (8.1) nella precedente segue che:

()()
V(L) = ( )() (V (L) V (L)) + V (L)

da cui

V (L) = aU (L) + b ponendo

() ()
= ( ) ()
e b := ( ) () (() ()) .

Oss. 8.5

Una funzione di utilit attesa vN-M impone un significato cardinale alla funzione di utilit.

Consideriamo i livelli di utilit associati a quattro premi: u1, u2, u3, u4. Applicando
una trasformazione affine, si ottiene: vn = a (un) + b (con n = 1,,4).
Si ha:

v1 v2 = a (u1) + b [a (u2) + b] = a (u1 u2)


v3 v4 = a (u3 u4) = a (u3) + b [a (u4) + b]

v1 v2 > v3 v4 u1 u2 > u3 u4 .

49
Oss. 8.6

Il teorema dellutilit attesa di vN-M chiarisce lesistenza, sotto le condizioni espresse, di


una funzione di utilit attesa in grado di rappresentare le preferenze di un dato soggetto
decisore, associando un livello di utilit a qualsiasi lotteria riconducibile a .
Da tale risultato, derivano implicazioni pratiche dirette in grado di far discernere, in
diverse circostanze, ad un decisore quale alternativa scegliere tra varie, rischiose, a cui pu
avere accesso. Lapplicazione diffusa di tale precetto teorico trae origine, infatti, nella
validit degli assiomi su cui si basa (uno tra tutti, quello dellindipendenza), nonch, oltre
che dallagevole trattabilit analitica, anche (e soprattutto) dai vantaggi di tipo normativo
che esso garantisce. Ci si rivela, in molte applicazioni pratiche, elemento guida di
introspezione per lespletamento formale e sostanziale delle proprie preferenze.

Ad esempio, si consideri una situazione nella quale un dato individuo debba


scegliere tra le due alternative rischiose L, L , con probabilit di manifestarsi che si
differenzino in maniera minima ed a lui indistinguibile. Se lindividuo ritiene che le sue
preferenze soddisfino gli assiomi della teoria dellutilit attesa di vN-M allora pu
distinguere tra L e L operando un raffronto con una terza lotteria L, significativamente
distante dalle prime due e da lui non raggiungibile. Se egli ritiene che valga la relazione
L > L allora potr dedurne che L > L. Da ci

U (L) > U (L) U (L) > U (L) L > L .

La decisione inferenziale adottata trova piena specificazione causale solo in


corrispondenza della validit degli assiomi gi citati. In particolare, lindipendenza delle
preferenze permette la formalizzazione di curve di indifferenza che siano lineari e parallele
nello spazio delle combinazioni tra le diverse lotterie, come mostra il simplesso seguente.

50
L3

Preferenze Crescenti
L

L
L1 L2

Fig. II.1II.9: Importi monetari e preferenze individuali di approccio al rischio.

In questa sezione, facendo uso degli strumenti analitici presentati nelle pagine
precedenti, si andr a comporre il quadro concettuale di riferimento che sar atto a
ricostruire, in via generale, quella parte considerevole della disciplina teorica di
microeconomico/finanziaria che affronta i temi della scelta individuale in condizioni di
rischiosit. Ci permette di individuare ed esplicitare la tipizzazione classica in riferimento
allavversione/propensione al rischio.

Nellanalisi in questione, si identificheranno gli importi monetari con la variabile


aleatoria (v.a.) continua X mentre, per ogni x appartenente al dominio dei possibili esiti
di X, F(x) indicher la relativa funzione di distribuzione ottenibile in funzione di quella di
densit, ossia:


F(x): = () .

La formulazione richiamata che fa uso di v. a. continue e di funzioni di densit in


luogo, rispettivamente, di v. a. discrete e funzioni di distribuzione, consente di ottenere una
maggiore generalit dei risultati raggiunti i sede di analisi. Resta comunque valido, nonch
di pi immediata comprensione, lanalogo approccio di tipo discreto. Linsieme sar
dunque comprensivo di tutte le funzioni di distribuzione per importi di denaro non
negativi, cio compresi nellintervallo [a, +).

51
II.10: Avversione/propensione/neutralit al rischio: gli aspetti definitori di massima.

opportuno fornire, da subito, maggior dettaglio espositivo nella disamina del


tema al momento oggetto di studio. Si far ancora ricorso, nello specifico, alla teoria
dellutilit attesa, stante la validit della quale gli individui assumono le loro in condizioni
di incertezza, scegliendo tra prospetti alternativi diversamente probabili. A tal fine, essi
potranno preferire lalternativa con maggiore utilit attesa o quella con maggiore valore
atteso. La teoria dellutilit attesa consente cos di tener conto dellatteggiamento degli
individui rispetto al rischio e di trattare le scelte in un ambiente incerto in via analoga a
quanto valevole per le scelte in condizioni di certezza. A seconda della forma assunta dalla
funzione di utilit, allora possibile rappresentare i diversi atteggiamenti degli individui
rispetto al rischio, distinguendo tra soggetti neutrali al rischio (N. R.), avversi al rischio
(A. R.), propensi al rischio (P. R.).
Inoltre, allo scopo di valutare e misurare latteggiamento degli individui nei
confronti del rischio si fa largo uso, nella teoria scientifica di riferimento, dei concetti di
equivalente certo (EC) e di premio per il rischio (R. P.). 53
Lequivalente certo rappresenta quel valore la cui utilit pari a quella del valore
atteso del prospetto. In altri termini, esso rappresenta quel valore che assicura allagente lo
stesso livello utilitaristico del prospetto incerto.
Il premio per il rischio dato dalla differenza tra il valore atteso e lequivalente
certo. Esso rappresenta il prezzo che un individuo avverso al rischio disposto a pagare al
fine di eliminare lincertezza in favore di un importo monetario sicuro. Esso anche
interpretabile come il costo monetario sostenuto dallagente per affrontare lincertezza ed a
partecipare alla lotteria (rinunciando cos al prospetto certo).
In dettaglio:

- Un individuo neutrale al rischio non si preoccupa del rischio connesso alla scelta di
un prospetto incerto: le sue decisioni sono unicamente guidate dal valore atteso,
rimanendo indifferente tra un prospetto incerto ed il pagamento di una somma certa
pari al valore atteso dello stesso. La funzione di utilit per un soggetto N. R.
lineare. Lequivalente certo perfettamente pari al valore atteso della lotteria. Il
premio per il rischio nullo per tale individuo;

53
Questultimo acronimo fa riferimento alla notazione in inglese di risk premium.

52
- Un individuo avverso al rischio preferisce il reddito atteso (con certezza) alla
partecipazione ad una data lotteria ed al disporre, cos, di un reddito incerto. La
funzione di utilit per un soggetto A. R. concava. Per tale soggetto lequivalente
certo minore del valore atteso della lotteria ed il premio per il rischio positivo;

- Un individuo propenso al rischio opta sempre per la partecipazione alla lotteria,


attribuendo maggiore rilievo ai guadagni che alle perdite (a parit di entit in valore
assoluto), differentemente dai soggetti A. R. . La funzione di utilit per un soggetto
P. R. convessa. Lequivalente certo maggiore del valore atteso. Per tale soggetto
il premio per il rischio negativo e rappresenta, nello specifico, il differenziale
utilitaristico che lo stesso riconosce tra la partecipazione alla lotteria ed il
rinunciare alla stessa per limporto certo previsto;

Oss. 10.1

Per un decisore con preferenze razionali del tipo definite su , lapplicazione del
teorema dellutilit attesa di vN-M definisce la presenza di una funzione di utilit u per
ogni valore della v. a. X, ossia per ogni possibile esito monetario e di unulteriore funzione
di utilit U(F), definita sulla lotteria F. U rappresenta lesatta estensione dellutilit attesa
di vN-M ai costrutti formali imposti dalla formulazione analitica corrente ed definita
come segue:

U (F) := ()()

Def. 10.2

Un soggetto decisore si definisce avverso al rischio se, per ogni lotteria F, lutilit u
associata alla lotteria degenere che conduce con certezza alla somma () risulta
almeno pari a quella derivante dalla partecipazione alla stessa F, ossia:

() ()()
(10.1)

53
O, analogamente:

u [ (x)] [u (x)] .

Specularmente, una agente si definisce propenso al rischio se:

( ()) ()() .
(10.2)

O, analogamente:

u [ (x)] [u (x)] .

Infine, un agente si definisce neutrale al rischio se:

( ()) ()() .
(10.3)

O, analogamente:

u [ (x)] = [u (x)] .

Oss. 10.3

Le formulazioni (10.1) e (10.2) sono note come Disuguaglianza di Jensen. Esse


definiscono le rispettive propriet di concavit/convessit/linearit assunte dalla funzione
U.
Ricordiamo che la definizione di concavit [risp. convessit] [risp. linearit] esprimibile
come segue.

(x, y) D, [0,1] (con D che un insieme convesso), 54 si ha:


u [x + (1 - )y] u (x) + (1 - ) u (y) per la concavit

54
Un insieme D detto convesso se x, y D anche x + (1 - )y D .

54
[] [convessit]

[=] [linearit]

Oss. 10.4

Sia u (.) definita su un insieme D aperto e convesso e sia u derivabile due volte, segue
allora che:

u(.) 0 u (.) concava


u(.) 0 u (.) convessa
u(.) = 0 u (.) lineare .

Oss. 10.5
Dalle osservazioni 10.3 e 10.4 segue che, sotto le opportune ipotesi matematica di
esistenza di quanto si scrive:

u(.) 0 A. R.
u(.) 0 P. R.
u(.) 0 N. R.

Sintetizziamo graficamente il tutto:

u(y)
u (c)
E[u(x)] = u(y)
= u(c)
E[u(x)]
u(x)
u(E[x]) = u(c)

u(x)

x c E[x] y x c E[x] y

Fig. II.2: Avversione al rischio Fig. II.3: Propensione al rischio

55
u(y)

u(E[x])
u(c)

u(x)

x E[x] = c y

Fig. II.4: Neutralit al rischio

Fig. II.5: Avversione al rischio nel


caso di utilit u (x) =

Alla luce dei concetti sinora espressi sotto la duplice lente analitica della
formalizzazione quantitativa e di quella grafico-descrittiva, si intendono di immediata
concettualizzazione e non richiedenti specificazioni formali ulteriori le proposizioni
seguenti;

Prop. 10.6

Per un soggetto massimizzante la propria utilit attesa, si intendono tra loro


equivalenti le seguenti espressioni:

- Il soggetto decisore A. R.

- Il soggetto decisore ha funzione di utilit concava

- () (. ) dove, posto:

56
() = () () () () ()

() () ()

- RP 0 0 dove,

1 1
() = + ( + ) + ( + )
2 2

Si inteso comporre, nelle sezioni precedenti del capitolo, un quadro di sintesi che,
allorch sommatorio, offrisse una rappresentazione organica ed efficace delle tecniche di
acquisita notoriet accademica e di comune prassi operativa nella ricostruzione, analitico-
descrittiva, dei processi decisionali di scelta soggetti ad incertezza.
Questo capitolo secondo si concluder con una breve esposizione delle misure di
avversione al rischio seguita da alcune riflessioni finali di chiusura didattica verso i temi
ivi espressi e di anticipazione verso il modello media-varianza, oggetto di trattazione nel
successivo capitolo. A margine di ci alcuni brevi cenni su la teoria di Savage e
linterpretazione soggettiva dello strumento analitico della probabilit.

II.11: Misure di avversione al rischio.

Le misure di avversione al rischio, trattate in questo lavoro di tesi perch ritenute


funzionali al prosieguo espositivo della stessa, sono le seguenti:

- Arrow-Pratt coefficient Absolute Risk Aversion (A.R.A.), si definisce come segue:

57
()
() =
()

Essa riferisce il diverso livello di avversione al rischio degli operatori al grado di


convessit della funzione u(x) sotto la veste analitico-formale mostrata.
Considerare il solo valore () risulterebbe insoddisfacente data la non
invariabilit di u(x) rispetto a trasformazioni lineari positive. Il segno negativo
dellindicatore assicura lottenimento di un valore positivo dello stesso stante, ovviamente,
la discussa negativit della funzione ()55.

- (Absolute )Risk Tolerance coefficient (misura assoluta di tolleranza al rischio). Essa


rappresentata da :

() = ()1

- Relative Risk Aversion coefficient (R.R.A.). Si definisce come segue:

()
() = ()
()

Essa contiene la medesima base informativa di () con levidente difformit


legata alla relativizzazione della stessa per la ricchezza x.

55
Analogamente, di immediata concettualizzazione landamento, crescente, di ()>0. Essa riflette la
condizione logico-comportamentale in virt della quale ogni soggetto decisore che sia razionale presenti un
livello di soddisfazione marginalmente crescente per incrementi anche infinitesimali di x, ove x
rappresenta, tipicamente, un importo monetario. Con analoga causalit di espressione si pu dunque
scrivere: lim+ () = +
Noto, inoltre, che () <0 (con lim+ () = 0), ossia che laumento della ricchezza genera un livello
di soddisfazione per disponibilit monetarie aggiuntive che decrescente, allora, per tali ragioni, la funzione
() tende a diminuire allaumentare della ricchezza, cos da poter essere intesa, nel concreto, come
una funzione decrescente di x.

58
Una funzione di utilit che sia coerente con i requisiti generali richiesti in caso di
avversione al rischio dellinvestitore dovrebbe presentare, rispetto alla ricchezza di
riguardo x, una funzione () decrescente e una funzione () costante. 56

Nel corso di questo capitolo si introdotto attivamente il concetto di aleatoriet con


riguardo ai possibili esiti di una lotteria, esaminandone dapprima laccoglimento logico-
formale allinterno della sfera di selezione valutativa delle preferenze reali da parte dei
soggetti economici e pervenendo, da ultimo, alla specificazione, per gli stessi, di costrutti
analitici di generale riconducibilit.

Alcune considerazioni di raccordo tematico

Questo lavoro di tesi, nel capitolo uno, ha inoltre gi evidenziato le dinamiche, di pi


accentuata pertinenza economica, caratterizzanti i comportamenti decisionali in condizioni
deterministiche, cio di assoluta certezza valutativa, concentrandosi, nello specifico,
sullanalisi delle scelte ottimali di consumo-investimento tra diversi panieri di beni
secondo gli usuali strumenti della teoria economica neoclassica. Ne emerso come, in
definitiva, lobiettivo per ogni individuo razionale 57, fosse quello di massimizzare la

56
Appare di immediato accoglimento lidea di una () decrescente al crescere della ricchezza per via
della naturale tendenza degli individui ad assicurarsi meno quanto pi sono dotati di ricchezza.
Una funzione () costante, invece, implica che linvestitore manifesta unavversione al rischio costante
in relazione alla ricchezza e dunque una perdita assoluta di ricchezza crescente.
57
Luso del termine razionalit, fatte salve le dovute contestualizzazioni, trova concorde specificazione
anche nel capitolo secondo in merito alla definizioni relazioni di preferenza che siano complete e transitive.
Il concetto economico di razionalit, espresso nel capitolo uno, trova continuit diretta proprio nel rispetto
di tali assiomi allinterno di un processo di comparazione di diverse alternative di scelta, poich essi
implicano una logica di comportamento analoga alle conclusioni formali cui giunge il capitolo secondo, pur
affrontando il problema in situazioni di non certezza. Il riferimento al fatto che in entrambi i casi, ossia in
presenza o meno di determinismo, gli individui reputino, per le ragioni esposte, comportamenti che
obbediscono a una funzione di utilit strettamente crescente.

59
propria funzione di utilit. 58 Le stesse modalit di scelta tra panieri alternativi di beni
vengono utilizzate per lallocazione nel tempo della ricchezza disponibile, obbedendo per,
nello specifico di riferimento, a una funzione di utilit della ricchezza. Va inteso da subito
come obiettivo ultimo di ogni individuo non sia il detenimento a se stante della ricchezza
ma, piuttosto, la soddisfazione (in termini di utilit) che essa pu garantire tramite il
consumo dei beni di mercato cui consente di aver accesso nellarco della propria vita.
Proprio la sequenza di consumi ottenibili nel corso della vita la sola variabile che, in
ultima analisi, investe ogni procedimento decisionale, rivelando il connotato fondamentale
dellintertemporariet delle scelte che impone di ripensare le decisioni di consumo-
investimento come parte simultanea e integrante di un programma di scelte riguardante un
orizzonte temporale di carattere multiperiodale.
Tale approccio, seppur ideale, mal si coniuga con realt di minor portata
deterministica, riscontrando, nelle incertezze 59 del mondo contemporaneo, difficolt
implementative insormontabili per le numerose variabili aleatorie chiamate in causa. Gli
studi di ricerca sulle scelte degli investimenti in condizioni di incertezza si sono allora
sviluppati, nel tempo, partendo dallassunzione semplificatrice di estrema miopia degli
agenti economici. Essi vengono cos ad essere attratti da logiche di consumo/investimento
unicamente di tipo uniperiodale, con lannessa maggior trattabilit analitica che ci
comporta, derivante dalla ridotta strumentazione matematica necessaria per lesame dei
modelli uniperiodali.
In ragione di ci, tale trattazione si concentrer su modelli di analisi di tipo uniperiodale.60
In tali modelli si argomenter con riferimento al concetto di ricchezza anzich di consumo
e di utilit della ricchezza in luogo dellutilit del consumo, senza con ci, voler addurre a
contraddizione alcuna tra questultimi e i modelli, invece, di matrice mutiperiodale. Le
assunzioni alla base delle due modellizzazioni, infatti, scontano una comune quanto
generica riconducibilit al soddisfacimento incondizionato di bisogni umani attraverso

58
emerso, inoltre, come fosse di esauriente specificazione per la suddetta questione, la definizione di
criteri di scelta individuali che rispondano a funzioni di utilit solo ordinali, permettendo di stabilire una
classificazione del diverso livello di gradimento per le varie alternative a disposizione e senza perci
necessit alcuna di conoscere i valori (cardinali) associati ad esse. La situazione, invece, come mostrato,
cambia radicalmente quando si affronta lincertezza. Nellimmediato seguito si fornir una esplicitazione
della funzione di utilit per gli investitori avversi al rischio.
59
Le incertezze cui si fa riferimento si riferiscono a fattori di notevole impatto computativo quali, ad
esempio, la durata della propria vita, lammontare di redditi che si guadagneranno in futuro, leffettivo
potere di acquisto nel tempo, il tasso di rendimento di migliori investimenti alternativi. Lunico dato certo di
cui dispone lindividuo non neoclassico invece lammontare della sua ricchezza attuale.
60
In particolar modo, oggetto di analisi nel capitolo terzo saranno il modello media-varianza, la portfolio
theory e il CAPM.

60
lespletamento ripetuto di quelli atti di consumo che la disponibilit di ricchezza
garantisce. In realt la massimizzazione dellutilit, obiettivo ultimo di ogni agente
economico razionale, nel caso di incertezza decisionale, implica il rispetto di condizioni
formali pi stringenti rispetto a quanto richiesto in condizioni di certezza. Il riferimento,
implicito, a quanto elaborato nel corso di questo capitolo e, in particolare, al Teorema
8.1, denominato Teorema di von Neumann-Morgestern. Questultimo, infatti, identifica
le condizioni imprescindibili per la scelta in condizioni di rischiosit tramite i requisiti
oltre che di transitivit e completezza, gi propri dei meccanismi di scelta in condizioni di
certezza, di indipendenza e continuit. Ci permette di definire curve di utilit cardinali, in
luogo di quelle ordinali (utilizzate in condizione di certezza) e agli investitori di poter non
solo classificare in maniera ordinata le diverse alternative di scelta in base alla maggiore o
minore utilit ma anche di determinarne lentit quantitativa delle variazioni conseguibili
nelle diverse opzioni di scelta a cui si pu aver accesso. 61

II.12: Riduzione dellincertezza

gi stata avanzata, in tale lavoro di tesi, la distinzione tra rischio e incertezza, cos
come universalmente teorizzata dalla disciplina economica di riferimento. 62 Ci che
importante anteporre allanalisi seguente, come, in verit, lincertezza venga affrontata
dai modelli quantitativi che seguiranno, con unimpostazione concettuale differente. La
stessa, infatti, verr riproposta, nel seguito, non nei termini con la quale essa stata
propriamente definita dalla letteratura accademica internazionale, ossia come non
conoscenza assoluta del futuro ma, piuttosto, riconoscendo per essa una riduzione a
situazione di rischio. Si assumer, cio, che ogni individuo sia in grado di determinare,
ex-ante, una scala probabilistica delle diverse manifestazioni future per gli eventi di
specifica rilevanza individuale. In altri termini, si presupporr, nel seguito, la capacit di
stima degli investitori, relativamente agli esiti finanziari delle diverse alternative di
investimento percorribili ad inizio periodo, delle distribuzioni probabilistiche dei possibili
montanti di fine periodo.

61
Alla luce di ci, importante sottolineare come lutilizzo di funzioni di utilit che siano puramente
ordinabili consente di individuare unicamente laspetto qualitativo delle variazioni di utilit conseguibili con
le diverse alternative di scelta, ossia solo se lutilit marginale di un bene positiva o negativa, ma non se
crescente o decrescente, come invece diviene possibile se si utilizzano le funzioni di utilit cardinali.
62
Knigth H. F. (1921), Risk, Uncertainty and Profit

61
Lespressa analogia tra incertezza ridotta e rischio in senso stretto non pu per,
in alcun modo, considerarsi come rapporto di esatta uguaglianza o di coincidenza.
Lincertezza, infatti, allorch ridotta a situazione di rischio, fonda lassoluta bont
valutativa delle proprie scelte di riguardo, sulla qualit delle stime probabilistiche degli
eventi, la quale, per, sconta il limite imprescindibile della non verificabilit ex-post delle
stesse stime. Tale condizione di perdurante non conoscenza della vera distribuzione
probabilistica stante le risultanze ottenute a consultivo, appare ad ogni modo insuperabile
in quanto ontologicamente propria, nonch esclusiva, delle situazioni di incertezza. 63

II.13: La funzione di utilit quadratica: verso il modello media varianza.

A questa sezione si desidera affidare alcune riflessioni di carattere generale su quanto


esposto in questo capitolo secondo che possano rivelarsi di integrazione interpretativa per
alcuni elementi di specificata rilevanza formale nelle sezioni precedenti e, al tempo stesso,
di ideale supporto funzionale per la trattazione degli argomenti immediatamente seguenti e
di pi abituale richiamo per la trattabilit delle applicazioni tematiche future.
A margine di ci, in queste pagine finali, dopo avere fornito i principali elementi di
dimostrazione analitico-formale in merito ai dettami teorici di maggiore riferimento nella
teoria della scelta in condizioni di incertezza urge, per gli stessi, la trasposizione nei
contesti operativi reali, senza con ci addurre a compromessi attuativi di carattere
semplificativo che siano in alcun modo lesivi della connotativa rigorosit formale che ne
certifica, come mostrato, la piena validit logica e una riconosciuta sistematizzazione nella
disciplina teorica di riferimento.

I comportamenti reali adottati dai soggetti economici presentano una notevole


difformit nellindividuazione di linee comportamentali comuni in azioni decisionali
ripetute tra individui diversi e in contesti temporali non necessariamente contigui. Ci
rende la razionalizzazione dei comportamenti individuali di scelta in condizione di

63
Si consideri ad esempio, la situazione classica di rischio in senso stretto del lancio di un dato non truccato.
facile, a riguardo, non solo identificare con certezza, la distribuzione probabilistica ex-ante dei vari eventi,
ma anche possibile verificarne poi leffettiva validit con la continua ripetizione dellesperimento. Se si
considera, invece, il rendimento di un investimento rischioso allora non vi alcun modo di confermare ex-
post la bont della stima probabilistica effettuata e quindi di conoscere la su vera distribuzione in ciascun
periodo. tale limite diviene dunque eliminabile solo se si potesse evitare di scegliere in condizioni di
incertezza, ossia in condizioni di rischiosit o di certezza.

62
incertezza unoperazione di ardua costrizione logico-regolamentativa e di incerta
determinabilit. Luniformit di comportamento, insita nel tracciato analitico proposto
nelle pagine precedenti, nonch lesigenza, di diretta derivabilit, di costruzione di una
funzione di utilit che possa descrivere il modo con cui gli individui assumono le decisioni
riguardanti le alternative rischiose pur nella finalit ultima, nonch razionale, di
massimizzazione della propria utilit attesa, mal si coniuga con latteggiamento, di natura
soggettivista, degli operatori i quali reagiscono in maniera differente allincertezza a parit
di strumenti informativi disponibili 64. La definizione e lutilizzo di una funzione di utilit
allora prima di tutto il riconoscimento di un atteggiamento intellettuale identificando solo
in seguito uno strumento applicativo di precisa specificazione decisionale.
bene, di fatto, riflettere sulla portata effettiva della classificazione degli investitori
in base alla loro propensione al rischio e sulla effettiva possibilit che ci sia il prevalere di
una tipologia sulle altre.

La tipologia cui generalmente, a tal riguardo, come nel resto di questa trattazione, si
attribuisce peso specifico prevalente quella dellavversione al rischio. Nonostante
verifiche empiriche dirette di tal natura siano universalmente ritenute come proibitive
poich espressive della sfera personale di ciascuno, tale impostazione presenta tratti di
indiscutibile ricettivit e pu essere accolta allinterno del tracciato disciplinare seguito da
questo lavoro.
Appaiono, di fatto, estremamente convincenti le (due) assunzioni che scaturiscono in
via implicita dal considerare linvestitore generico di riferimento come rappresentato, con
esauribilit, da una funzione di utilit concava. Nello specifico, le motivazioni di ci sono:

- Una funzione che sia strettamente crescente ( () > 0), sottintende come, anche
in condizioni di incertezza, gli individui preferiscono sempre incrementare la
propria ricchezza (il pi meglio);

- Analogamente, la condizione di concavit ( () < 0) rileva la propensione a

64
In realt ci si attende di riscontrare comportamenti soggettivi di tipo razionale, che ne riconduce la
variet e la variabilit dellutilizzo degli elementi informativi a disposizione. I soggetti possono comunque
pervenire a risultati previsionali non uniformi per via della limitata o inesistente esperienza diretta
pregressa in merito ai diversi accadimenti. Tale circostanza riguarda in realt solo il momento conoscitivo
dellagire umano e non attiene direttamente, pur influenzandolo nel tempo, latteggiamento verso il rischio.

63
pesare le perdite pi dei guadagni, a parit di variazione. 65

Dallutilizzo dello strumento analitico-concettuale della funzione di utilit deriva il


riconoscimento implicito di una duplice disposizione valutativa. Il solo ordinamento
cardinale dei diversi progetti di azione con gli usuali strumenti valutativi della finanza
(VAN, VANE e TIR) non riesce, infatti, ad esaurire efficacemente i rilievi logici di
principale impatto nella redditivit di un operazione di investimento. Ad una valutazione di
mera profittabilit va allora accompagnata, per i diversi progetti in esaminazione,
unanalisi congiunta dei rispettivi profili di rischiosit, come del resto, ad oggi, la teoria
pi consolidata ci impone di effettuare per ogni studio di fattibilit economico-finanziaria
che possa ritenersi di congrua levatura analitica.

Appare dunque come oggettiva la difficolt di integrare i comportamenti di scelta


individuale allinterno di una funzione di utilit, anche alla luce delle limitazioni imposte
dalladozione dei precetti formali di definizione delle preferenze prima esaminati.

La prassi comune ha visto laffermarsi nel tempo, pur con le dovute limitazioni, della
finzione di utilit quadratica, ossia:


() = 2 > 0, > 0, 0;
2

Come noto essa lequazione di una parabola. 66

65
facile dimostrare come due investimenti alternativi, possano ricevere, da parte dello stesso soggetto
decisore, valutazioni contrastanti sotto il profilo del valore atteso della ricchezza e dellutilit attesa della
ricchezza. Le ragioni di ci, come si in parte gi visto, sono ovviamente rintracciabili nelle caratteristiche
della funzione di utilit (concava, convessa o lineare). Una maggiore/minore dispersione dei valori attorno
alla media di uno degli investimenti, infatti, ossia una maggiore possibilit di ottenere a fine periodo
risultati migliori ma anche peggiori, si traduce, per un individuo AR (che cio valuta le perdite pi dei
guadagni), nel fatto che lammontare di utilit che perde o guadagna in pi disponendo di una stessa
somma in pi o in meno a fine periodo, non sia la medesima e ci fa si che egli possa preferire un
determinato investimento in base al valore atteso della ricchezza e un altro in base al criterio dellutilit
attesa della ricchezza.
66
In realt la funzione quadratica nella sua formulazione classica presenta alcune differenze. Infatti essa
data da: () = 2 + + ( 0, , ), la quale risulta anche esprimibile come:
2 4 2
() = 2 + + = + 2 +
4
2 4
Ossia, come lequazione di una parabola con vertice V= ,
2 4

64
Tale soluzione per, pur essendo di facile costruzione analitica, presenta alcune
incompatibilit strutturali con la teoria della scelta in condizione di incertezza.
Infatti:

1) Risulta strettamente crescente solo sotto le condizioni imposte sulle costanti


essendo, lequazione di una parabola, crescente solo nel primo tratto;

2) Non rispetta i requisiti normalmente richiesti nellavversione al rischio, ossia una


misura () decrescente allaumentare di x e una misura () costante
allaumentare della stessa x. 67
Al termine di ogni analisi, la conclusione che la gran parte degli investitori sia AR
resta, ad ogni modo, dominante pur se in relazione a motivazioni di ordine logico-
comportamentale pi che a stringenti evidenze campionarie. Tale considerazione, anche
alla luce delle rispondenze formali (nel seguito individuate) con il modello media-varianza,
non elimina dunque la possibilit di considerare la funzione di utilit quadratica come una
soddisfacente (quanto semplificatrice) soluzione alle pretese interpretative nel
comportamento reale del modello di AR, seppur con larga e compiaciuta condiscendenza
circa la sempre difficile coniugazione tra la tortuosit cunicolare della realt fenomenica
dindagine e la specchiata causalit esplicativa propria di ogni modello matematico.
Quanto detto si pone a conferma ulteriore di come, in realt, la funzione di utilit sia frutto
dellesperienza specifica dellindividuo e solo in astratto cristallizabile da schemi
preordinati di ordine prettamente teorico e di riproducibile affidabilit spazio-temporale.

La funzione di utilit quadratica invece, costruita onde evitare che essa finisca per assumere valori
controintuitivi o paradossali quali, ad esempio, valori negativi di x. Essa viene cos ad essere, sotto le ipotesi
espresse con riguardo ai parametri (a, b e x), lequazione di ramo diperbole positivo.
67
Infatti:
2
() =
2
2
() =
2

65
II.14: La teoria soggettivista di Savage.

La parte conclusiva di questo capitolo riservata, come anticipato, ad una


introduzione, dagli ampi margini di approfondimento, della teoria dellapproccio
soggettivista alle distribuzioni probabilistiche ideato da Savage nel 1954 e in seguito
sviluppato da altri illustri autori di assoluto riferimento disciplinare 68.
Lanalisi che ha preceduto lo sviluppo teorico antecedente a questa sezione
conclusiva, salvo precise puntualizzazioni di merito, ha visto protagonista assoluto una
visone oggettivista della probabilit e del rischio. Ogni decisione per la quale vi fosse una
non certezza delle modalit o delle relative causalit determinative, stata intesa, nelle
pagine precedenti, 69 come univocamente riconducibile a una dettagliata quantificazione
numerica delle rispettive probabilit di accadimento. Ma siffatta imposizione logica, come
intuibile, non risulta di esauriente espressivit per la realt odierna. E ci, per una duplice
lettura critica a cui tale interpretazione oggettivista della realt si presta agevolmente.
Innanzitutto, la difficile riconducibilit, di taluni eventi, a quantificazioni numeriche di
rigorosa e inappuntabile accoglienza decisionale per ogni soggetto decisore.
A seguire, va rilevata la mancanza assoluta di inconfutabilit delle relative distribuzioni
probabilistiche che, anche laddove si rivelassero di unanime recepimento da parte di ogni
soggetto decisore, sarebbero, ad ogni modo, di incontrovertibile assoggettamento ad ogni
ispettiva computazionale ex-post.
Di impugnabilit pratica certamente superiore, invece, pur se a discapito di una
ridotta trattabilit analitica, si pone la teoria soggettivista di Savage. La stessa, riconduce le
scelte in condizioni di incertezza a riduzioni in condizione di rischio che siano di non
oggettiva determinabilit ma frutto, esclusivo, delle credenze probabilistiche personali e
dello specifico background ambientale (cio socio-culturale) dello specifico soggetto
decisore.
In realt, la stessa teoria, riesce a porsi come una generalizzazione di grande
estensione della teoria dellutilit attesa 70, pur se sotto la condizione, implicita, di tacita
derivabilit dei comportamenti decisionali di ogni individuo dalle scale probabilistiche
adottate per la selezione delle diverse alternative di scelta.

68
Anscombe F., Aumann R. (1963), A definition of subjective proability, Annals of Mathematical
Statistics 34: 1999-2005
69
E lo sar nuovamente nelle pagine dei capitoli successivi, con larga comprovazione in merito ad esso da
parte della letteratura di pi affermato riguardo.
70
Mass-Coel A., Whinston M. D., Green J. R. (1995), Microeconomic Theory, Oxford University Press; pag.
205: The theory is therefore a far-reaching generalization of expected utility theory

66
Lapproccio teorico in questione, di fatto, suggerisce come, anche per eventi non
oggettivamente riducibili a intervalli probabilistici condivisi, la semplice adozione di
unalternativa rispetto alle altre disponibili implichi comunque la diretta rispondenza in
termini di future-gain (e quindi in termini di utilit attesa) tra la decisione adottata e il
meccanismo di specifica razionalizzazione decisionale seguito dal decisore.

II.15: le preferenze uniformi

Lindagine seguente verter sullanalisi, oltre che dei payoff monetari sinora
considerati, sullimportanza rivestita, nel concreto decisionale, dai diversi scenari causali
sottostanti il verificarsi degli eventi e il conseguimento dei relativi importi associati ad
essi. Tipicamente, comportamenti umani decisamente devianti rispetto alle assunzioni
sinora considerate sono quelli riguardanti importi monetari associati a stati salutistici
negativi. In tal caso ovvia la rilevanza e il peso decisionale che levento in questione (lo
stato salutistico dellindividuo) riveste, a parit di importo, verso qualsivoglia altra lotteria
monetaria.
Nella realt, di fatto, indubbia la compartecipazione attiva di tali underlying
states alla formazione dei premi monetari. Si pensi, ad esempio, alle polizze assicurative
che vengono influenzate dallaccadimento di determinati eventi passati o i payoff
conseguibili da fondi di investimento in condizioni di recessione economica internazionale.

Le considerazioni appena espresse, dunque, ci impongono di ripensare il teorema


dellutilit attesa includendo in esso unestensione di riguardo per le problematiche
sollevate che, come visto, appaiono di certo rilievo per gli effettivi processi decisionali
degli individui.
La pur ridotta trattazione analitica circa la teoria soggettivista della probabilit,
impone, dunque, il porre in evidenza di ulteriori formalizzazioni analitiche circa le
relazioni di preferenza.

In particolare, posto S linsieme degli stati della natura, e s lo stato individuale di


riferimento, segue che:

67
Def. 15.1

la relazione di preferenza rappresentata da una funzione di utilit attesa estesa se:


: + , (1 , , ) + , (1 , , ) +

si ha:

(1 , , ) ( 1 , , ) ( ) ( )

Def 15.2

La relazione di preferenza definita su si dice soddisfare la condizione di indipendenza


estesa se , , , per (0,1),

si ha:

+ (1 ) + (1 )

Def 15.3 - Teorema dellutilit attesa estesa

Se la relazione di preferenza definita sullo spazio delle lotterie soddisfa lassioma di


continuit e la condizione di indipendenza estesa, allora possibile assegnare un afunzione
di utilit per ogni stato del mondo tale che, = (1 , , ), = (1 , , ),

si ha:

( ) ( ) ( ) ( )

68
( ) ( ) ( ) ( )

Def. 15.4 - Stati uniformi delle preferenze

Lo stato delle preferenze (1 , , ) sullo stato delle lotterie sono detti stati uniformi (o
stati indipendenti) se:

= ,

Oss. 15.5

In presenza di stati uniformi delle preferenze le funzioni () e () possono differire tra


loro solo previa trasformazione lineare incrementativa. Perci ci implica lesistenza di
una funzione () = 1, , ,

() = () +

Inoltre, dividendo ogni e per uno stesso fattore costante di normalizzazione dei
coefficienti tali che = 1, le preferenze rappresentate saranno le medesime. I
coefficienti rappresenteranno, allora, le probabilit soggettive cercate.

Def. 15.6 - Teorema dellutilit soggettiva attesa

Posta la relazione di preferenza, definita su , , ipotizzando che gli stati del mondo da
essa derivati siano uniformi e che soddisfi gli assiomi di continuit e di indipendenza
estesa, allora possibile definire le probabilit (1 , , ) 0 e una funzione di utilit
() sugli importi monetari tali che, (1 , , ), (1 , , ),

69
si ha:

(1 , , ) ( 1 , , ) ( ) ( )

70
71
C a p i t o l o III:
Lanalisi Media-Varianza ed il
Capital Asset Pricing Model

Lampia divagazione esplorativa esaurita nei precedenti capitoli trova, in questa fase,
un sostanziale riordino concettuale verso materie di pi immediata rispondenza
argomentativa per quelle tematiche di interesse su cui tale lavoro intende concentrarsi,
facendo propri sul piano logico e pratico i concetti cardine di riferimento interdisciplinare.
Or dunque, lanalisi immediatamente seguente verter sul modello media/varianza e sulla
teoria del CAPM, rivelandone i principali contenuti formali e interpretativi.
Questopera non pu per esimersi, per lindubbio rilievo digressivo in precedenza
osservato dal soffermarsi ancora, in via ulteriormente preliminare, su concetti accessori e
di accentuato richiamo didattico che, allorch costituenti parte ultima e conclusiva di un
processo (ideale) di escavazione disciplinare 71 permette di assicurare ladeguata
concludenza espositiva e la dovuta giunzione teorica tra i diversi sintagmi tematici, in
aderente congruit con le note finalit causali che muovono la stesura di tale lavoro.

71
Ovvero quanto sostenuto nei capitolo precedenti di tale lavoro e, si sottolinea, ivi giunto in fase terminale.

72
III.1: Brevi cenni sulla Teoria della Misura 72

Prop. 1.1

Dato un insieme non vuoto, () indica la famiglia di tutti i suoi sottoinsiemi. Inoltre,
per ogni insieme A (), Ac rappresenta il complementare di A rispetto a , ovvero
Ac := \ A := { } .
Def. 1.2

Dato insieme non vuoto, si chiama algebra in una famiglia () tale che:

- 1)
- 2) A Ac

- 3) Se {An}nN una qualsiasi successione di insiemi di

Prop. 1.3

Sia una algebra in un insieme . Per valgono, allora, le seguenti propriet:


- a) .
- b) Se {An}nN una qualsiasi successione di insiemi di
=1 .

- c) se A1,, Ak , allora anche gli insiemi A1...Ak e A1 Ak .


- d) A, B \ .

- e) Se {An}nN una qualsiasi successione di insiemi di gli insiemi

e .

Dim.:

a) Segue immediatamente da 1) e 2).

b) Rispettivamente, per la 2) e per la 3), si ha che:

72
Insieme delle regole e delle tecniche che conducono alla misurazione di grandezze reali. Nel seguito si
offrir solo una veloce sintesi introduttiva di alcuni dei concetti di ordine logico/formale ivi intesi, da parte di
chi scrive, come di funzionale supporto alla fruizione di quanto immediatamente seguente.

73
, n N e
=1

(2)

=1 = ((
=1 ) ) = (=1 ) .
(2)

c) Si ricava dalle 3) e b), osservando che lunione e lintersezione di un numero finito


di insiemi appartenenti ad equivalgono a considerare lunione e intersezione di
una successione di insiemi di del tipo, rispettivamente:
A1 Ak = A1 Ak A1 A1 A1 ...
A1 Ak = A1 Ak A1 A1 A1 ...

d) Segue da 2) e da c) osservando che \ =

e) Per la 3) e per la b), si ha che gli insiemi:

= +1 +2 = +1 +2 , .

Di conseguenza, sempre per la 3) e per la b), anche gli insiemi:

=
=1 =
=1 .

Def. 1.4

Se una algebra in ed 1 un sottoinsieme non vuoto di , allora la algebra


in 1 definita come

1 = {1 }

detta algebra traccia di A su 1 (ed indicata anche con 1 ).

Prop. 1.5

Siano dati gli insiemi non vuoti ed e la funzione T : . Supposto che sia una

algebra in , allora la famiglia di sottoinsiemi di costituita dalle contro-immagini


degli elementi tramite T ovvero dagli insiemi

74
1 ( ) { 1 ( ) }

una algebra in . (detta algebra contro-immagine).

Dim.:

Quanto detto segue dalle uguaglianze seguenti, in cui , 1 , 2 , , sono arbitrari


sottoinsiemi di :

-
= 1 ( ) ,
-
\ 1 (A ) = 1 ( \ ) ,
-
1
1
=1 (A ) = (=1 A ) .

Prop. 1.6

Se {Ai}iI una qualunque famiglia di -algebre nell'insieme , allora anche l'intersezione


iI una -algebra in .

Dim.:

La famiglia iI verifica i postulati 1) 3) visto che :

- poich ;

- A ;

- 1 , 2 , 1 , 2 ,
=1 =1 iI .

75
Prop. 1.7

Sia un insieme non vuoto e sia () una qualunque famiglia di sottoinsiemi di .

Allora esiste una -algebra in che sia la minima contenente .

Def. 1.8

Se una qualunque famiglia di sottoinsiemi dell'insieme non vuoto , si chiama -

algebra (in ) generata da , la minima -algebra in contenente . Essa viene indicata

con il simbolo ( ) (oppure con ( ) ).

Inoltre, se per una data algebra vale = ( ), si dice anche che un

generatore della -algebra .

Def. 1.9

Sia data una algebra (). Una funzione dinsieme con : [0, +]
detta misura se:

i) () = 0
ii) 1 e a due a due disgiunti (
=1 ) = =1 ( ).

(propriet di - additivit).

Def. 1.10

Dato X un insieme generico, () una algebra e una misura su ,

- la coppia (X, ) detta spazio misurabile.


- la terna (X, , ) detta spazio misurato o di misura.
- Gli insiemi A si dicono insiemi misurabili.
- Se A e (A) = 0, allora A si dice insieme trascurabile.
- La misura su X si dice finita se (X) < +; si dice finita se esiste una
partizione di X e quindi vale X =
=1 - tale che ( ) < + .

76
Def. 1.11

Dati ( , ), ( , ) due spazi misurabili, si chiama funzione misurabile, dallo spazio


misurabile ( , ) a quello ( , ), ogni funzione T : tale che:

1 (A ) .

Prop. 1.12

Quanto sopra si interpreta nel modo seguente:

- la contro-immagine tramite T di ogni insieme misurabile dello spazio misurabile di


arrivo un insieme misurabile dello spazio di partenza.

O, in altri termini, dalla definizione di -algebra contro-immagine 73 (def. 3.5):

- una funzione misurabile T : , dallo spazio misurabile ( , A) a quello


( , ), tale che la -algebra contro-immagine 1 ( ) contenuta in .

Teorema 1.13 - Criterio generale di misurabilit

Dati due spazi misurabili ( , ) e ( , ) ed un generatore di , condizione


necessaria e sufficiente affinch una funzione T : sia misurabile 74 che

1 ( )
(1.1)

73
Cfr. prop. 1.5.
74
possibile dimostrare che:
- dati ( , ) e ( , ) due spazi misurabili qualsiasi, ogni funzione costante K :
misurabile (nel senso misurabile tra gli due spazi misurabili).
- dato non vuoto e 1, 2 due qualsiasi algebre in , la funzione identit misurabile se
e solo se .

77
Dim.:

Consideriamo la famiglia dei sottoinsiemi di la cui contro-immagine attraverso T


appartiene ad , ossia:
: = { () : 1 () } .

Essa una -algebra in , poich infatti:

- poich : T 1 () = .
- \ poich, per ipotesi, la contro-immagine 1 () ed

anche:

1 ( \ ) = \ 1 () il che equivale a \ .

-
=1 . Infatti, ipotizzato che tutte le contro-

immagini 1 ( ) , allora anche:

1 (
=1 ) = =1
1 ( )
, ossia
=1 .

Ora, per costruzione, con -algebra in quindi (), perch ()


la minima algebra contenente . Del resto, un generatore di , pertanto
da cui segue la validit del teorema.

Def. 1.14

Si definisce spazio di probabilit la tripla (, , ) dove:

- lo spazio campionario, ossia linsieme di tutti possibili risultati di una prova


nonch, equivalentemente, levento certo;
- una -algebra su ;
- una misura di probabilit sullo spazio numerabile (, ), nel senso che

78
[0,1]

una misura finita tale che () = 1 (e, per costruzione, -additivit).

Enunciamo, ora, un propriet fondamentale per il prosieguo della trattazione: 75

Def. 1.15 - propriet dellindipendenza tra eventi 76

Sia (, , ) uno spazio di probabilit. Gli n eventi elementari A1,, An si dicono


indipendenti se per ogni sottoinsieme {i1,, ik} di {1,, n} si ha:

(1 ) = (1 ) ( ).

Oss. 1.16

Sul piano concettuale, limitandosi a considerare n = 2, due eventi A , B sono


indipendenti se il verificarsi dellevento A non modifica la probabilit del verificarsi
dellevento B, ossia se:

( ) = () ()

rileggibile come
(|) = (),

75
Si trascurer ogni richiamo ulteriore, formale e/o applicativo, alle altre propriet elementari della
probabilit.
76
Pur essendo per questa trattazione di comune e pratica associazione, si specifica che lindipendenza attiene,
in termini esatti, alla relazione tra probabilit di eventi differenti e non, alla medesima, tra gli eventi stessi (in
tal senso si parlerebbe di incompatibilit tra eventi). Ne consegue, in via immediata, che lincompatibilit
permette di conseguire allesplicitazione di una unione tra pi eventi come la somma delle singole probabilit
((A ) = (A) + (B), essendo A = ) mentre lindipendenza, a mo di anticipazione, consente di
risolvere la probabilit di un intersezione tra pi eventi come il prodotto delle singole probabilit degli
stessi ( ) = () (), esssendo (| ) = ()).

79
()
utilizzando la grandezza (|): = ()
, detta probabilit condizionata di B ad A in

cui () > 0 per la corretta definizione.

Gli aspetti definitori introdotti in questo primo paragrafo, allorch di minimale


spessore formale, nellimmediato come nel prosieguo, trovano espressa causalit e congruo
riconoscimento applicativo alla loro introduzione teorica, nella definizione di concetti ed
espressioni di astrazione prettamente statistica e/o in diverse interpretazioni degli stessi.

III.2: Gli aspetti definitori primi delle variabili aleatorie univariate.

La teoria della probabilit e le interpretazioni che storicamente si sono susseguite


sulla comprensione ed utilizzo della stessa 77 trovano, in determinati contesti, 78 essenziale
inaridimento della propria capacit effettiva di approccio e risoluzione di problemi reali
assoggettati a condizione di incertezza. Lesigenza di unificare i legami tra il calcolo
probabilistico ed i dettami regolativi della statistica esplorativa, in un percorso unitario di
analisi critica della realt che possa risolversi in una sintesi adeguata degli eventi, nonch
nella definizione di un ordinamento deterministico (per il decisore) tra strategie e scelte,
trova specificazione concreta nella definizione di variabili casuali o aleatorie.

Una variabile aleatoria (v. a.) una funzione misurabile, a valori reali, definita su
uno spazio campione .
Pi formalmente:

77
Della quale si proposto una presentazione minimale nel Capitolo 2.
78
Si pensi, ad esempio, a circostanze nelle quali si interessati solo ad una valutazione sintetica dei
risultati ed in merito alla quale diventa essenziale, per la stessa, lessere in grado di esaurire con la dovuta
completezza il contenuto informativo richiesto dalle necessit proprie di azione nella realt. Ecco dunque
come, vista lincertezza dei risultati associabili alle diverse prove oggetto di analisi, occorra graduare ivi e
per il prosieguo il concetto di aspettativa. Ci nel rispetto del quale si operano le proprie decisioni tra i vari
eventi incerti, preferendo quella in grado di fornire, in un intervallo di tempo debito, il risultato (o meglio, un
aspettativa dello stesso) complessivamente pi favorevole per il decisore.

80
Def. 2.1

Dati lo spazio di probabilit (, , ) ed E dotato di algebra , una funzione X tale che


X : (, ) (, ) detta variabile aleatoria (v. a.) su (, , ) ed a valori in (E, )
se misurabile.

O, ancora, in termini concettuali:

X una v. a. se, ogni elemento w , limmagine inversa dellintervallo aperto A di


w tramite X, cio 1 (), un evento. 79

Estendiamo, ora, la definizione di indipendenza prima introdotta per la probabilit


dei singoli eventi alle v. a. (indipendenza stocastica):

Def 2.2

Le n v. a. X1,, Xn , definite sullo spazio misurabile ( , ), si dicono indipendenti se:

(1 1 , , ) = (1 1 ) ( ) 1 , ,

Def. 2.3 Variabili aleatorie discrete

Una v. a. si dice discreta se essa pu assumere (solo) un numero finito o al pi uninfinit


numerabile di determinazioni. Di fatto, ricordando che la algebra := (E), lo spazio
misurabile discreto , diciamo che X una v. a. discreta se E discreto.

79
Quanto detto sposta lattenzione dallo spazio in cui la v. a. definita allo spazio generato dalla funzione
misurabile, ossia sui numeri reali R e, dunque, sui valori reali ora assunti da X in corrispondenza dei singoli
eventi. Va, inoltre, sottolineato come la corrispondenza tra gli elementi di ed i numeri reali sia
univocamente determinata da X (poich ad ogni evento corrisponde un solo valore reale) definito dalla ???,
ma la medesima corrispondenza non sia invece biunivocamente determinata dalla stessa X e come, quindi,
non valga limplicazione opposta (poich il valore assunto da X non deriva per definizione da un unico
evento)

81
Oss 2.4

La funzione di probabilit di una v. a. discreta X definita come


(xi) := (X = xi) e si pone anche () (xi) := (X = xi) che esprime la
probabilit che la stessa assuma lo specifico valore xi . Chiaramente:

( ) = 1 , ( ) 0

Def. 2.4 - Variabili aleatorie continue

Una v. a. X si dice continua, se essa una funzione misurabile che assegna ad ogn
evento E di uno spazio di probabilit continuo un numero reale, in modo da
ammettere una c.d. funzione di densit () , ovvero una funzione che, dato lintervallo
reale (x1, x2], esprime la probabilit che X assuma valori in esso, in modo che

- () 0
+
- () = 1 . 80

Pi esplicitamente:

(1 < 1 + ) = (1 )


(1 < 2 ) = 2 () .
1

Oss. 2.5


Per () vale inoltre ( = 0 ) = (0 < 0 ) = 0 () = 0 .
0

80
Si pu dire che X, come conseguenza, assume tutti i possibili valori compresi in un qualsivoglia intervallo
reale.

82
Def. 2.6

Data X una v. a., la funzione FX : R [0,1] definita da:

FX (x) := (X )

si dice funzione di distribuzione o di ripartizione di X.

Oss. 2.7

Riguardo FX , si ha che
() () . .
(x) = ( ) = .
() () . .

Prop. 2.8

Sia FX la funzione di ripartizione di X (continua o discreta). Si dimostra, allora, che:

- FX non decrescente;
- FX continua a destra, ossia lim0 + () = (0 );
- lim () = 0;
- lim+ () = 1 .

Dim.:

- Posti x1, x2 , x1 x2, allora:


(1 < 2 ) = ( 2 ) ( 1 ) =

= (2 ) (1 ) (1 ) (2 )
(1 <2 )0

83
- Poich vuoto linsieme dato da lim0 + (, + 0 ], allora:

(x+0 ) = ( + 0 ) = ( ) + ( < + 0 )

(nel caso discreto, analogamente si procede in quello continuo)

lim0 + ( + 0 ) = () + lim0 + <+0 () () = (0 ).

- lim () = lim () () = 0 .

- lim+ () = lim+ () () = 1 .

III.3: Valore medio (o aspettativa matematica) per v. a. discrete e continue.

Il passaggio osservato da una logica statica di rilevazione consultiva dei risultati di


un esperimento, diretta ad unazione di cattura della realt fenomenica che sia di
istantanea ed essenziale rappresentazione descrittiva (pur nella livellare complessit
articolare dellanalisi stessa), ad una dinamica di orientamento, valicante i limiti
comportamentali del momento valutativo a se stante per una causalit di indagine
predittiva e anticipatoria della realt prossima (e non meramente esplorativa della stessa),
si concreta nello stretto accostamento concettuale nel quale ambedue le logiche
approssimativamente richiamate 81 rifondano le proprie prerogative di indagine
paradigmatica esplicitandosi, previa ricerca di misure uniche di rappresentanza dei dati,
nelloperazione comune di sintesi efficiente delle informazioni. 82
Quanto asserito sulla esigenza operativa di pervenire a una misura di sintesi di v. a.,
trova convalida nella necessit, di ontologica appropriabilit per la statistica, di confronto
81
Nonch lanalisi statistica tutta nel suo complesso.
82
Ogni operazione di sintesi qualitativa e quantitativa delle informazioni che si hanno a disposizione, che
partendo da una molteplicit di elementi intenda ricondurre gli stessi in unesposizione unitaria essenziale,
ideata e attuata nel tentativo di evidenziare fatti, congetture, problematiche in precedenza sconosciute o con
necessit di essere verificate, nonch posta in essere secondo direttrici operative volte al contenimento
ottimale della componente erratica, di natura aleatoria, che si registra nella fase di connessione analitica tra le
informazioni possedute in ingresso (input) e quelle osservate in uscita (output) ed parte intrinseca
ineludibile di ogni operazione statistica. La condizione qualificante, sopra riportata, di efficienza nella sintesi
delle informazioni va invero interpretata, oltre che nei termini appena posti di riduzione ottimale dellerrore
operativo, anche secondo finalit ultime di accettazione e rilettura critica dei risultati, in rispondenza agli
imperativi di concludenza interpretativa e di dialettica della conoscenza, che la ricerca scientifica oggi
persegue in ogni sua forma ed atteggiamento.

84
paritetico tra prove differenti di una stessa realt fenomenologica. La misura di sintesi di
pi immediata formalizzazione si ottiene dalla somma ponderata dei singoli valori della v.
a. per le rispettive probabilit. Nonostante la diretta concettualizzazione a cui si presta tale
criterio elementare di sintesi, essa presenta a sua giustificazione, delle congruenze
logico/didattiche, derivate da interpretazioni probabilistiche della prova, meritevoli di
approfondimento.

Supposta lesistenza di una prova con esito dicotomico (e. g. lancio di una moneta
ben equa), ad essa associamo le due lotterie seguenti:

1) Si vince una somma unitaria di denaro (1 ) con certezza al verificarsi dellevento


certo , ossia al verificarsi in maniera indistinta di uno dei due possibili esiti
relativi alla prova in questione;

2) Non si vince nessuna somma di denaro al verificarsi dellesito C (faccia croce della
moneta) mentre si vincono due unit di denaro (2 ) in corrispondenza dellesito
opposto T (faccia testa della moneta).

Note le due principali storiche scuole di pensiero, la teoria Frequentista e quella


Soggettivista, si dimostra facilmente come concettualmente le due prove siano
indifferenti 83 per entrambe. 84

In termini pi generali, si supponga di dover affrontare una lotteria che pu


assumere uno degli n valori in corrispondenza del verificarsi dellevento , realizzato
con ni casi favorevoli su tutti quelli possibili. Ovvero:

83
Ai sensi della misura di valutazione che stiamo per introdurre.
84
Infatti, supposto neutrale latteggiamento degli scommettitori verso il rischio, si avr che
- Un frequentista incasser sempre 1 al verificarsi per la prova 1) mentre, per la prova 2), ricever 2 per
il 50 % dei tentativi e 0 per il restante 50 % e quindi comunque otterr 1 .
- Un soggettivista incasser sempre una cifra pari a quella che disposto a pagare, ossia egli accetter di
scommettere una cifra pari a (E) se incassa 1 quando si verifica levento E - ovvero esce T - o,
analogamente, (E) se guadagna sempre in base alla realizzazione di E.

85
1
1 ( )
1
2
2 2 ( )

= .



(
)

Ebbene, un frequentista considerer per X il valore sintetico

1 2
1 + 2 + . . . + .

Un soggettivista modeller la stessa situazione come

1 ( (1 ))
1
2 2 ( (2 ))

= () = 1 .

=1

( ( ))

In particolare, visto che egli sar disposto a puntare una cifra pari a ( ) se
guadagna quando esce Ei , possiamo concludere che egli scommetter le somme
(1 1 , , ) con ovviamente =1 = 1 per ricevere, rispettivamente, 1 , , ,
al verificarsi degli eventi 1 , , .

Pertanto, inglobando i due casi, si potr scrivere

1 2
1 + 2 + . . . + = 1 1 + + .


Pur di interpretare, com lecito, = .

86
Dunque, a prescindere dallimpostazione teorica cui si aderisce, sia il frequentista sia
il soggettivista propongono lo stesso valore di sintesi per la v. a. X. Alla luce di quanto
approfondito nel capitolo secondo, esso interpretabile come lequivalente certo di una
prova aleatoria, i cui esiti 1 , , hanno probabilit 1 , , e rappresenta, dunque,
lammontare da scommettere con certezza, a fronte delle dette quantit incerte che si
incasseranno con le rispettive probabilit. In dettaglio:

Def. 3.1

Data una v. a. X, si definisce valore atteso o valore medio 85 di X (expectation, mean


value) la quantit:

=1 . .
(): = + . 86
. .

Esaurito completamente, a questo punto, ogni necessario preliminare di analisi, la


trattazione evolver, da adesso, nelle sue tematiche di maggior rilievo evidenziando
nellimmediata prosecuzione un adeguato irrigidimento espositivo atto ad assicurare
quellaccentramento espositivo che, laver digredito su temi di limitrofa pertinenza
istituzionale, 87 impone di effettuare senza indugio ulteriore.

Per quanto detto seguiranno, nei prossimi paragrafi, una visione dinsieme delle
principali nozioni di portfolio selection che porteranno allindividuazione della
frontiera efficiente di Markowitz dapprima ed allesplicitazione completa della teoria del
Capital Asset Pricing Model (CAPM) infine.

85
Si ometter, nel prosieguo, una dimostrazione analitica dei principali risultati associabili al valore medio di
una v. a., cos come delle sue pi note propriet rimandando lesposizione delle stesse e lintroduzione delle
altre maggiori misure di sintesi di v. a. alle fasi successive di tale lavoro, in momenti in cui se ne richieder
lutilizzo.
86
Supposto che, in base alla tipologia di X, si abbia un valore finite. Altrimenti si porr (): = + .
87
Date le finalit espressive promesse da tale lavoro di tesi.

87
In particolare, in diretta continuazione con quanto espresso nel corso del capitolo
secondo, si intende ora proseguire nellesplicitazione delle motivazioni di maggior rilievo
che inducono ogni investitore a considerare, nelle ipotesi del modello, le risultanze
statistiche del valore medio e della varianza come gli unici parametri da considerare per la
definizione del processo di scelta individuale. Tale logica comportamentale costituisce
lassunto primario di definizione del modello media/varianza, 88 unitamente alle ipotesi di
definizione uniperiodale dellorizzonte di analisi degli investimenti e di avversione al
rischio per gli operatori.

III.4: Il modello media/varianza

Obiettivo di fondo del modello media/varianza lindividuazione dei portafogli


efficienti, che cio presentano varianza minima per un dato livello di rendimento oppure
rendimento atteso massimo per pari livello di rischiosit.

Il processo decisionale di selezione delle diverse alternative di investimento non si


esaurisce, invero, nella sola individuazione delle propriet qualitative connotanti, per i
singoli titoli/portafogli, lo status di convenienza alle prerogative di analisi sopra proposte
ma si articola, nel concreto operativo, in due fasi successive. La prima consta, come
specificato, dellindividuazione dei titoli efficienti attingendo alle sole, gi espresse,
condizioni probabilistiche del valore medio e della varianza. 89 Poich essi rappresentano
degli ottimi paretiani per gli investitori, 90 il loro compiuto ordinamento preferenziale non
pu prescindere dal considerare le specificit individuali di approccio alle situazioni di
rischio proprie di ogni investitore che , per definizione, avverso al rischio. La seconda
fase del modello consta dunque della definizione delle caratteristiche di tale avversione al
rischio del soggetto decisore, determinanti per operare la scelta conclusiva tra i diversi

88
Markowitz H. (1952) Portfolio selction, Journal of Finance, Vol. 7, n. 1, pagg. 77-91.
89
O anche, alternativamente e pi diffusamente utilizzata nella prassi operativa di applicazione del modello,
si fa ricorso alla deviazione standard in luogo della varianza, senza con ci implicare variazione alcuna nella
presentazione del modello e nella causalit interpretativa dello stesso.
90
Non cio possibile migliorare il rendimento atteso di un titolo senza aumentarne la rischiosit o
viceversa, diminuirne la varianza senza incorrere in cali del rendimento. Ci fa si che tali titoli siano, allo
stato di definizione attuale, di irrisolvibile reciproca preferibilit.

88
portafogli efficienti. 91 Alla luce dellarticolazione proposta di ideale scissione operativa del
modello media/varianza, le due fasi in questione potranno, nel seguito, essere
esaurientemente richiamate, per laccentuata convenenza espressiva che ci induce come,
rispettivamente, fasi di ottimizzazione e di massimizzazione.

Il modello media/varianza offre importanti spunti di continuit logico-formale con la


teoria dellutilit attesa, risultando nello specifico, ad essa direttamente e causalmente
connessa. Nel capitolo secondo, si erano gi espresse le principali linee di indirizzo
teorico-formale per la definizione della scelta in condizione di incertezza rifondando, per le
stesse, nella funzione di utilit quadratica opportunamente espressa la trasposizione di
miglior accoglimento grafico ed analitico. importante, in questa fase, fornire evidenza
compiuta della simmetria concettuale, gi accennata, tra il modello media/varianza e la
teoria di massimizzazione dellutilit attesa, attestandone la diretta implicita contiguit
interpretativa.
Tale condizione verificabile, indifferentemente, attraverso due distinte procedure:

1) Nota la funzione di utilit quadratica presentata nel capitolo due,


() = 2 , per un generico investitore, si supponga la seguente
formulazione della stessa:


() = 2 > 0 ( )
2

il parametro a > 0 il coefficiente che misura lavversione al rischio dellinvestitore, tale


per definizione. Esso, infatti, determina il grado di convessit della funzione () poich:

()
() = = 1 .
()

e, poich () accettabile solo nella sua zona di crescenza, esso connesso ad una
limitazione degli importi accettabili, ovvero dovr essere:

91
Da evidenziare come, dunque, lelemento del rischio associato agli investimenti sia attivamente presente in
entrambe le fasi. Nella prima come mero strumento paritetico di valutazione, in concorso di causa con la
misura del rendimento, mentre nella seconda come determinante assoluta di discriminazione nel processo
attuativo di selezione specifica delle alternative.

89
1
< : =

dove B il Risk Tolerance coefficient.

B interpretabile come la soglia di saziet dellinvestitore, in quanto quantit


eventualmente superiori di ricchezza non produrranno alcun incremento di utilit,
rappresentando quindi lestremo superiore delle serie di importi monetari da porre a
valutazione. Lipotesi, dunque, di considerare che linvestitore sceglier dei valori sempre
molto lontani da quello soglia di B appare come estremamente realistica.

La contiguit interpretativa cui si vuole tendere diviene immediatamente evidente


considerando lutilit attesa della funzione () proposta.

Infatti, per la linearit della media ed utilizzando il coefficiente B:

1
[()] = [] 2 [ 2 ] .

Poich:
2 () = [ 2 ] ([])2

1 2 ()
[ 2 ] = 2 () + ([])2 [()] = [] 1 2 [] . 92
2

Data, quindi, lipotesi che gli importi considerati siano molto lontani dal valora di B, si ha
che la funzione precedente approssimabile come segue:

92
In questa trattazione si utilizzer convenzionalmente il simbolo 2 () in luogo della pi pertinente
dicitura VAR (x) senza con ci voler, ad ogni modo, supporre una indistinguibilit di significato tra i due.
infatti di debita impellenza sottolineare come, in realt la dicitura ivi proposta, 2 (), sia di riconosciuta
attinenza statistica per la valutazione della rischiosit nelle distribuzioni di frequenza (dunque in situazione di
certezza) mentre (esclusivamente) prassi comune proporre comunque lutilizzo, fatte la dovute precisazioni,
della stessa dicitura anche per il trattamento di v. a. (e dunque in contesti operativi rischiosi).

90
2 () 1
[()] [] 1 [] 1.
2 2 []

O, equivalentemente, vale quanto segue:

2) Data una funzione di utilit generica per un investitore AR che ammetta derivata
terza con momenti finiti fino allordine tre, attraverso la formulazione di Taylor con
riferimento al punto medio , nonch la relativa approssimazione al secondo
ordine, si ricava che:

1
() = () + ()( ) + 2 ()( )2 + 3 .
( = 0 0 = )

Poich:

[ ] = 0 , [ ]2 = 2 (),

si ha che:

1
[()] () + 2 () 2 .

Lapprossimazione di cui sopra pu essere sostituita dal segno di uguaglianza nel


caso di funzione di utilit quadratica (per soggetti AR), in quanto questultima presenta
derivate di ordine superiore al secondo tutte nulle.
Si completa, dunque, il quadro dovuto di analisi per il riconoscimento, convalidato,
della regolarit formale della funzione di utilit quadratica, cos da motivarne lutilizzo
ampio e condiviso da parte della letteratura scientifica di riferimento.

91
Risulta, dunque, per ambedue le sequenze dimostrative proposte, come massimizzare
lutilit attesa equivalga (a meno di trascurabili approssimazioni) a massimizzare il
rendimento atteso e, congiuntamente, minimizzare il valore della varianza. Pertanto,
entrambe le formulazioni chiariscono perfettamente il legame di aderente contiguit tra la
teoria della massimizzazione dellutilit attesa, lutilizzo della funzione di utilit quadratica
ed il modello media/varianza.
Le potenzialit interpretative ed applicative del modello media/varianza appaiono
cos immediatamente evidenti. Esso infatti permette, pur se limitatamente alla fase di
ottimizzazione, lapplicazione di processi di selezione discrezionale delle alternative sulla
base di parametri oggettivi e di immediata comune rispondenza esplicativa. Ci permette,
almeno parzialmente, di evitare il ricorso alla finzione di calcolo attuata con lutilizzo
strumentale della funzione di utilit senza, attraverso ci, implicare divergenza alcuna di
rispondenza causale con la teoria della massimizzazione dellutilit attesa.
La riconducibile affinit qualitativa ed interpretativa dei due schemi logici proposti,
per la riduzione ad aspetti materiali di specifici ordinamenti preferenziali, trova analogo
perfetto congiungimento a quello conseguibile previo utilizzo della funzione quadratica,
sotto la condizione di distribuzione normale delle diverse alternative di investimento.
Nel seguito vengono proposte due diverse formulazioni dimostrative di ci.

1) Data una funzione () sviluppabile in serie attraverso il polinomio di Taylor, con


riferimento il punto medio , si ha come noto che:

1
() = () + ()( ) + ()( )2 + 3
2

e quindi, in termini di utilit attesa:

1
[()] = () + () 2 + [3 ]
2
()
(con [3 ] =
=3 [( ) ] ) .
!

92
Se i rendimenti dei titoli hanno distribuzione congiunta normale, data la propriet
riproduttiva della Normale, 93 nonch la relazione di linearit intercorrente tra montante M
e tasso di rendimento i dellinvestimento (uniperiodale), 94 le stesse propriet
distribuzionali del rendimento di portafoglio varranno necessariamente per M.

Noto il fatto che per una v.a. normale standard Z vale che tutti i momenti di ordine
dispari sono nulli (per la simmetria della distribuzione) ovvero che

[] = 0 con t dispari

(2)!
mentre quelli di ordine pari sono uguali a 2 = ( 2 ) = 2 !
, si pu esplicitare

lespressione dei momenti successivi al secondo, 95 anche per una una v.a. normale X di
parametri e 2 , via la funzione generatrice degli stessi: 96

+
2
2
() = [ ]
= () = + 2 =

2

2 2 2 (2)!
= = = =
! 2 ! 2 ! (2)!
=0 =0 =0
2 (2)! 2
=
=0 (2)! 2 !
=
=0 (2)! 2 = =0 ! ,

avendo posto chiaramente h := 2k nellultima uguaglianza.

Tutto ci porta a concludere che, nota la definizione generale dei momenti


rispetto allorigine, si ricava che per il k-esimo momento: 97

93
La somma di v. a. Normali tra loro indipendenti ancora una Normale. comunemente conosciuta anche
come propriet di stabilit della Normale.
94
= (1 + ).
95
In generale, per una siffatta normale, i primi due momenti sono 1 [ 0] = e 2 [ ]2 = 2 .
96
La funzione generatrice dei momenti un caso particolare di quella detta caratteristica e definita come
(): = [ ], a cui ci si riconduce ponendo t := i s . In generale, la prima esiste sempre, la seconda no ma
nel caso di normalit tale esistenza garantita. In particolare, inoltre,
2
2
() = [ ] = () = +
+
2 () =
=0 .
!

()
=
=0 !

93
(2)!
{ [ ()]2 } = 2 !
2 . (4.1)

possibile dimostrare, inoltre, che tutti i momenti non nulli superiori al secondo
possono essere espressi in funzione del momento primo e del momento secondo 2 .

Si pu allora concludere affermando che la massimizzazione del rendimento atteso


e la (contemporanea) minimizzazione della varianza equivalgano a massimizzare lutilit
attesa.

2) Lutilit attesa della ricchezza x esprimibile come:

+
() = ()() , (4.2)

nel caso in cui si abbia una distribuzione della ricchezza stessa con densit () . In
particolare, nella casa di normalit, si pu specificare che la (3.3) esaurientemente
definita dalla conoscenza dei soli parametri di riferimento e , in modo che si abbia:

+
() = ()(; , ) .

Se, come posto, la misura dellutilit attesa dipende unicamente dai valori di e allora il
modello media/varianza risulta, di conseguenza, immediatamente verificato dimostrando
che, nel piano cartesiano ( , ), le curve di indifferenza tra rendimento atteso e varianza
sono strettamente crescenti. 98 Si ricordi che per curva di indifferenza si intende il luogo

97
Ovvero il k-esimo addendo della serie della funzione generatrice.
98
Oltre che, ovviamente, di andamento convesso per via dellipotesi di avversione al rischio degli investitori.
Tale aspetto, ad ogni modo, pur essendo di diretta conseguenza del modello media/varianza ed alla
massimizzazione dellutilit attesa, risulta non necessario per la dimostrazione.

94
geometrico dei punti del piano in cui ogni incremento di utilit attesa pari a zero, 99 si
consideri la standardizzazione della v.a. X :


: =
= +
= = .

Grazie a tale operazione, la (4.2) diviene

+
() = ( + )(; 0,1) .

Dalla definizione di curva di indifferenza segue applicando la regola di derivazione


delle funzioni composte e quanto dovuto per scambiare le operazioni di derivata ed
integrale che:

+
()
= ( + ) + (; 0,1) = 0

ossia:

+ +
()
= ( + ) (; 0,1) + ( + ) (; 0,1) = 0

e quindi:

+
( + ) (; 0,1)
= +
( + ) (; 0,1)
(4.3)

99
Ovvero, pi direttamente, il luogo dei punti del piano di pari livello di utilit attesa.

95
Lespressione (4.3) risulta sempre positiva al denominatore poich ( + ) > 0
per definizione. 100 Nel numeratore, invece, lavversione al rischio dellinvestitore rende la

quantit ( + ) < 0 per definizione. 101 Di conseguenza,
sempre positiva,

eccetto se = 0, in corrispondenza del quale assume valore nullo, come mostra la figura
III.1 sottostante.

Fig. III.1: Curve di indifferenza per investitori A. R. .

Meritano un approfondimento le motivazioni sopra espresse che inducono ad


attribuire valore positivo al numeratore della (4.4) e, conseguentemente, a considerare
come strettamente crescenti le curve di indifferenza per soggetti A. R. e, in ultima istanza,
ad accogliere il modello media/varianza in corrispondenza di distribuzioni di probabilit
gaussiane. Esse possono essere concettualmente intuite prendendo a riferimento le
propriet grafiche della distribuzione normale. Nello specifico e di rilevanza preminente
per le ragioni in questione, lasimmetria attorno al valore medio (nonch alla moda e
alla mediana, in quanto di forma campanulare e unimodale rispetto a ). Ci comporta che,
infatti, per qualsiasi distribuzione normale ed indipendentemente dai valori assunti di e di
, ad ogni spostamento intorno al valore medio , con probabilit , corrisponde
uno spostamento di pari ampiezza ma di segno opposto con pari probabilit di realizzo.
Segue, dunque, che ogni investimento con rendimento atteso abbia la medesima
probabilit di conseguire un risultato che sia divergente dalle attese per valori analoghi,
incrementativi o decrementativi. Vi , cio, la stessa probabilit di conseguire ex-post, un
qualunque rendimento o + .

100
Il pi meglio.
101
poich lutilit marginale negativa di qualunque valore decrementativo di Z maggiore dellincremento di
utilit marginale conseguibile per il valore equiprobabile di Z.

96
Lipotesi, propria del modello media/varianza, di avversione al rischio
dellinvestitore determina, inoltre, a parit di scostamento dalle aspettative di rendimento
, differenti controvalori in termini di utilit attesa, cos che la perdita determinata dal
possibile scostamento negativo maggiore del guadagno conseguibile in termini di
utilit attesa qualora se ne verificasse uno positivo + . Dalle considerazioni effettuate,
deriva in via implicita, come lutilit attesa per soggetti avversi al rischio decresca
allaumentare della varianza. Quanto espresso viene rappresentato dalla seguente figura
III.2.

Rappresentazione grafica elaborata con il software R

Fig. III.2: Decrescenza dellutilit attesa allaumentare


della varianza come conseguenza dellA. R. .

97
La figura in alto rappresenta due investimenti alternativi di medesima aspettativa di
rendimento ma diversa dispersione attorno al valore medio dei possibili risultati. Ad ogni
livello di rendimento si vede corrispondere un proprio livello di ricchezza che, a sua volta
ne individua, in via estensiva, uno specifico di utilit. Dunque, da un lato, per i valori
+ , gradi di utilit attesa maggiori in termini assoluti rispetto a quelli decrementativi
che si otterrebbero per valori . Dallaltro, si nota anche ed ulteriormente come,
scegliendo linvestimento con varianza pi elevata, la maggiore utilit che si otterrebbe102
per i valori + non sia in grado di compensare completamente la minore utilit che, si
avrebbe nel caso di valori ex-post , rispetto alla distribuzione con varianza minore.
Ci perch la medesima differenza (in termini assoluti) di ricchezza determina incrementi
sempre pi decrescenti (data la convessit della funzione) per livelli finali di ricchezza
maggiori, ossia man mano che ci si sposta verso destra sullasse delle ascisse. In sintesi,
linvestimento con risultati meno dispersi attorno a consente il conseguimento di livelli
di utilit attesa superiori.

Or dunque, anche per le ragioni appena espresse, possibile parafrasare


efficacemente il modello media/varianza nel sunto esplicativo seguente:

Se la funzione di utilit della ricchezza dellinvestitore quadratica oppure la


distribuzione dei rendimenti delle diverse alternative di investimento
Normale, linvestitore avr esigenze informative limitate ai soli parametri
riguardanti la distribuzione degli investimenti a cui pu avere accesso, cio il
rendimento atteso e la varianza e, poich avverso al rischio, a parit di ,
egli preferir che presenta minore e, viceversa, a parit di , quello a
maggiore .

102
Rispetto allalternativa di investimento.

98
III.5: Il coefficiente di correlazione lineare: verso la frontiera efficiente

Tra le pagine del celebre articolo pubblicato Harry Markowitz nel 1952 sul Journal
of Finance, 103 da cui tratto parte considerevole di quanto elaborato in questo capitolo, si
legge testualmente:

The expected value of a weighted sum is the weighted sum of the expected values. []
The variance of a weighted sum is not as simple.

La stima del rendimento atteso di un portafoglio non presenta ostruzioni analitiche


particolari, risultando semplicemente come media ponderata dei rendimenti attesi dei
singoli titoli ossia, in termini analitici in presenza di n titoli costituenti un portafoglio P, a
cui contribuiscono ciascuno con un peso xi:

[ ] = per = 1, , = = [ ]
=1 =1 =1 =1

(5.1)

dove k il numero di scenari sistemici e/o di natura interna (ponderati, nella formula, per le
rispettive probabilit stimate di verificarsi ) presumibilmente responsabili ex-ante della
variazione di rendimento del titolo i nello stato s.

Discorso di ben altra natura e cavillosit quello relativo, invece, alla varianza di un
portafoglio. Essa, infatti, risulta calcolabile al pari del rendimento atteso come semplice
media ponderata dei rischi associati ai singoli titoli detenuti in portafoglio, solo in
condizioni di indipendenza dei titoli, di comune teorizzazione esplicativa ma complessa
contestualizzazione pratica. Tale asincronia computazionale tra le grandezze del valore
atteso e della varianza riflette, invero, lemergere di condizioni nuove di rendimento. Non
esaurendo cos il proprio ruolo nella parvente funzione di gravante analitico di contesto,
ma anticipando, idealmente, una delle pi importanti conclusioni dellasset management e
del CAPM, ossia la contrapposizione strutturale tra le due distinte componenti interne del

103
Markowitz H. (1952), gi citato.

99
rischio, luna di definita pertinenza (rischio specifico), laltra, di non riducibile rispondenza
di imputazione (rischio sistematico). Il processo di calcolo della varianza di un
portafoglio, quindi, deve necessariamente tener conto delleffetto diversificazione del
rischio che si realizza grazie alla presenza di pi titoli dallandamento preferibilmente
discorde, per le ragioni tra breve indagate. Ci impone di approfondire lanalisi delleffetto
diversificazione in relazione al differente comportamento dei titoli detenuti attraverso
indicatori, ancora una volta, di matrice prettamente statistica. Il riferimento, di immediata
rispondenza per le finalit dindagine analitica preposte, per lindice di covarianza (Cov)
e per il coefficiente di correlazione lineare ().

Lindice di covarianza tra i due titoli generici, X ed Y, rappresenta una misura


qualitativa della loro contemporanea variazione in rapporto ai rispettivi valori medi. Esso,
dunque, esprimibile come segue: 104


1
(; ) , = ( )( )

=1

(5.2)

Tale indicatore, tuttavia, appare di aderenza pratica minima verso quelle finalit
risolutive cui tendono, in maniera conciliante, sia le applicazioni statistiche che finanziarie.
Di fatto, le prime appaiono orientate verso il conseguimento di una mutua generica
confrontabilit tra differenti variabili; le seconde, verso indicatori di sintesi che siano il pi
possibile di esaustivo quanto esclusivo contenuto informativo. 105

La misura di sintesi cercata deve essere in grado di garantire, sotto il profilo


statistico, il complesso delle variazioni congiunte al netto degli effetti causati dalla loro
posizione e variabilit. Sotto il profilo finanziario, invece, si richiede da esso
unindicazione completa della relazione di legame, di natura sia qualitativa che
quantitativa, esprimibile da diverse variabili nel tempo. Quanto necessario si ottiene
attraverso unoperazione di standardizzazione della formula (5.2), depurando la covarianza
dei rendimenti dallinfluenza della deviazione standard, in modo che non dipenda pi dalle
unit di misura delle specifiche variabili.
104
[risp. ] la media di X [risp. Y]. Chiaramente si tratta di v.a. discrete.
105
Cos da non rendere necessarie ulteriori analisi e/o verifiche.

100
Si ottiene cos il coefficiente di correlazione lineare di Bravais-Pearson tra i
rendimenti di X ed Y: 106

1
1 =1( )( ) ,
, : = = =

=1

La relazione esistente tra e , di causa-effetto. Infatti, considerando la formula


della varianza nel caso di soli due titoli in portafoglio X, Y con pesi, rispettivamente, a e b
tali che + = 1, si ha che:

2 = ( )2 + ( )2 + 2, ( )2 + ( )2 + 2 ,
, =,

(5.3)

e quindi:

= ( )2 + ( )2 + 2 , .
(5.4)

Si analizza, ora, un caso particolare, quello in cui X ed Y hanno, si dice,


perfetta correlazione positiva, ovvero quando , = +1. Dalla (5.4), si ricava che

= ( )2 + ( )2 + 2 (1) = ( + )2

= | + | .

(5.5)

106
[risp. ] lo scarto quadratico medio di X [risp. Y], rappresentato dalla radice quadratica della sua
varianza, a sua volta interpretabile come covarianza di X [risp. Y] con se stesso.

101
Pertanto, per valori di , = +1, come mostrato, la varianza [deviazione standard]
del portafoglio perfettamente pari alla media ponderata delle varianze [deviazioni
standard]. Le ragioni di ci, di ordine finanziario, vanno rinvenute nellassenza assoluta di
effetti benevoli, generabili da un portafoglio diversificato e che, in caso di correlazione
perfettamente positiva, non appaiono ravvisabili. Staticamente, quanto detto invece
indotto dallindipendenza dei rendimenti dei titoli di portafoglio che, come si gi avuto
modo di esaminare in questa sede, esaurisce il contenuto formale della varianza di
portafoglio nel solo prodotto delle singole varianze, senza intervento alcuno di diluenti
analitici del rischio complessivo sopportato dallutente (i.e. addendi del tipo 2, ).

possibile, inoltre, determinare le condizioni ottime di allocazione delle risorse


finanziarie per linvestimento in questione, rappresentate dallassenza di rischio ovvero dal
fatto che la varianza del portafoglio sia nulla. Ci si ottiene imponendo innanzitutto la
attraverso i passaggi analitici seguenti:

2 = ( + )2 [ + (1 ) ]2 =
=1

= 2 2 + (1 )2 2 + 2(1 ) =

= 2 2 + 2 + 2 2 2 2 + 2 22 =

= 2 ( 2 + 2 2 ) 2 ( ) + 2 =

cambiando un segno

= 2 ( )2 + 2 ( ) + 2 =

= [( ) + ]2 .

102


1,2 = =


2
=0
1,2 = 1 =

(5.6)

Il sistema di equazioni (5.6) rileva come la situazione ottima, in presenza di un


coefficiente di correlazione , = +1, sia tale da azzerare, per linvestitore in questione,
ogni partecipazione a situazioni di rischio. La stessa (5.6) rileva, altres, come tale apporto
sia in realt ottimo solo condizionatamente allutilizzo delle vendite allo scoperto per il
titolo X. 107
Lazione di diversificazione mostrata, in realt, rileva tratti interpretativi di
soffermabile rilevabilit. Innanzitutto, in essa, lutilizzo della leva operativa delle vendite
allo scoperto non segue le usuali logiche speculative tipizzanti unanaloga manovra
finanziaria nel momento in cui venisse attuata in maniera isolata, ma costituisce, invero,
solo unespediente di ordine strumentale alla realizzazione di unoperazione di
investimento che risulti immune da ogni rischio. 108 Il soggetto investitore che la realizza,
di fatto, scommette sullandamento ribassista del titolo e vede realizzare il suo capital-gain
nellaumento del monte budget a sua disposizione, da investire completamente nellaltro
titolo.
In effetti, per un effetto reale di diversificazione, in cui cio le risultanze
prodotte in termini di minimizzazione della rischiosit possano essere propriamente
riconducibili alla presenza di diluenti analitici frutto della combinazione efficiente di scelte
tra loro contrapponibili, sarebbe necessario considerare solo pesi positivi a costo, per, di
una perdita dellassenza di rischio nel portafoglio . In qualche misura e solo nel senso ora
indicato, leffetto finale ottenuto, pur essendo incontrovertibilmente legato alla presenza di
un secondo titolo, si dimostra in realt come elusivo della tecnica della diversificazione
di portafoglio per la fattispecie tecnica di mercato , = +1.

107
Lo stesso, infatti, presenta, relativamente al peso ottimo allinterno del portafoglio con 2 = 0, valore
negativo.
108
Nei termini delle ipotesi del modello media/varianza qui trattato.

103
Situazione perfettamente speculare quella ravvisabile in corrispondenza del caso in
cui , = 1. In tal circostanza, la presenza del valore minimo del coefficiente di
correlazione lineare, assicura il massimo apporto detrattivo per la componente preposta di
diluzione analitica del rischio di portafoglio. In altri termini:

= ( )2 + ( )2 + 2 (1) ( )2


= | | = .
+
(5.7)

Sempre con lobiettivo di avere rischio nullo, si ponga uguale a zero la varianza
del portafoglio:

2 = ( )2 [ (1 ) ]2 =
=1

= 2 2 + (1 )2 2 2(1 ) =

= 2 2 + 2 + 2 2 2 2 2 + 22 =

= 2 ( 2 + 2 + 2 ) 2( 2 + ) + 2 =

= [( + )]2 2( + ) + 2 =

= [( + ) ]2
2
=0


1,2 = =
+

2
=0
1,2 = 1 =
+
(5.8)

104
La formulazione (5.8) rivela i pesi ottimi di allocazione a e b di risorse finanziarie
per un investimento in un portafoglio valori formato dai soli titoli X ed Y. I valori
determinati consentono di annullare il rischio finanziario ( 2 = 0 ) in corrispondenza di
investimenti che presentino le specifiche tecniche individuate, 109 rendendo cos di
imperfettibile entit il valore dei benefici reali apportati dalla diversificazione.
Quanto espresso risulta evidente dalla rappresentazione grafica nel piano
cartesiano ( ; ), per i due casi proposti (, = +1 e , = 1), delle diverse
alternative di investimento effettuabili. Le derivazioni analitiche necessarie risultano essere
le seguenti.
Nota lequazione (5.1), segue che:

[] = [] + (1 )[] [] = [] + ([] [])

(5.9)

da cui si derivano analiticamente i due casi seguenti, in ambedue dei quali sfrutteremo la
posizione b := 1 - a :

- , = +

Nota lequazione (5.5), prendendo il segno positivo dellargomento in modulo, segue che:

= + = + (1 ) = ( ) +

da cui

= (con > ). 110

E dunque, nota la (5.9):

109
Tale risultato, come mostrato, appare in realt conseguibile anche nella fattispecie di mercato , = +1.
In tal caso per, una realt operativa di rischiosit nulla sarebbe realizzabile unicamente previo ricorso alle
vendite allo scoperto. Ci indubbiamente attribuisce un elemento di aleatoriet (e quindi di rischiosit)
ulteriore alloperazione, rendendo preferibile, sotto il profilo dellincertezza, la situazione operativa in cui
tutti i titoli siano negativamente correlati tra loro, cio con , = 1.
110
Condizione non limitativa a meno di scambiare X con Y, l dove occorre.

105
[][]
[] = [] + ([] []) = [] + ( ).

(5.10)
- , =

Nota lequazione (5.7), segue che:


= (1 ) = ( + )
= | | =
+ = + (1 ) = ( + ) +

e quindi
+
+ = +
.

= +

Pertanto, nota la (5.9): [] = [] + ([] [])

+
[][]
[] + + ([] []) = [] + +
( + )
[] = .
[][]
[] + ([] []) = [] + )
(5.11)

La (5.10) e la (5.11) rivelano le formulazioni grafiche seguenti:


MPV

MPV

O O

Fig. III.3: Coefficiente , = + Fig. III.4: Coefficiente , =

106
In conformit con quanto gi espresso circa gli effetti della diversificazione
rinvenibili nei casi di , = +1 e , = 1, le rappresentazioni precedenti confermano i
risultati anticipati in precedenza. In particolare, la figura III.3 mostra come, per la
fattispecie , = +1, leffetto finale di neutralizzazione del rischio sia penalizzante dal
punto di vista del valore atteso essendo il M.V.P. (Minimum Variance Point) 111 su
unordinata inferiore rispetto a quella del titolo X. Discorso di natura speculare quello
relativo invece alla figura III.4, in cui i benefici (massimi) della diversificazione
conducono verso un ottimizzazione dei due fattori di rendimento di portafoglio, ossia e ,
portando il primo ad annullarsi sullordinata ed il secondo ad un livello intermedio tra i
valori attesi dei titoli X ed Y.

III.6: Il caso intermedio: la fattispecie operativa ( < , < +1)

In presenza di valori intermedi del coefficiente di correlazione lineare, ossia per


valori dello stesso ricompresi tra i due estremi , = 1 e , = +1, si riscontrano delle
differenze di applicabilit tecnico-pratica del modello media/varianza. Innanzitutto, il caso
in questione il solo ad avere, nel concreto operativo di ogni investitore corrente, una
valevole rispondenza nei mercati dei capitali, il che ne giustifica la imposta rilevanza di
natura pratica. Lo stesso principio media/varianza, inoltre, sotto determinate condizioni ed
entro certi limiti, riesce ad imporsi come movente tecnico di effettivo ausilio discernitivo
per la fase di ottimizzazione tra le differenti alternative di scelta. 112
Analiticamente, sostituendo il valore in questione nella formula (5.4), non si ottiene
come accaduto per i casi precedenti, una riduzione della stessa ad una formulazione di
inferiore complessit formale (i.e. quadrato di binomio), ma dalla stessa equazione residua,
per ogni semplificazione analitica possibile, un trinomio di secondo grado. Vale, cio,
quanto seguente:

= ( )2 + ( )2 + 2 , (con 0 < , < 1)

(6.1)

111
Punto a varianza minima.
112
Come, in realt, gi accaduto per il caso , = 1 .

107
facile vedere come non esistano valori in grado di annullare la (6.1), da cui
consegue limpossibilit, per valori intermedi del coefficiente di correlazione lineare, di
annullare il rischio di portafoglio. Leffetto benefico della diversificazione, ad ogni modo,
sar tanto maggiore per valori di , tendenti al suo minimo assoluto (1) e sar, invece,
tanto minore per quelli tendenti al suo massimo assoluto (+1). Il portafoglio di minima
varianza MPV (non nulla), in tal caso, risulter quello derivato dai passaggi seguenti.
In particolare, utilizzando lespressione (6.1) con la solita posizione su b:

2 = ( )2 + ((1 ) )2 + 2(1 ) , ,

si ha:

( 2 )
= 2 2 + 2(1 )(1) 2 + 2(1 ) , 2 . = 0
()

( 2 )
= 2 2 2(1 ) 2 + (2 4) , = 0
()

( 2 )
= 2[ 2 + 2 2 , ) ( 2 , ) = 0
()
(6.2)

E poich:
( 2 )
>0
()

Dalla (6.2) segue immediatamente che:

2
,
= 2 + 2 2
,
. . . = .
2
1 = 2 2 ,
+ 2 ,

(6.3)

108
Come evidente, il sistema di equazioni della (6.3) non assume valori necessariamente
positivi per a. Infatti:

2 , > 0
2 ,
> 0 > 0 ,
+ 2 2 ,
2
2 + 2 2 , > 0

poich, per definizione

2 + 2 2 , = 2 > 0 ,
(6.4)

la condizione da imporre che

2 , > 0 , > 0
semplificando per >


> ,

(6.5)

,

>

definizione di , semplificando per >0

2 > , .

Chiaramente la (6.5) verificata quando , = 0 o quando , < 0 .

La (6.3) assume invece valori necessariamente positivi per 1-a visto che, preso
nota della (6.4), si ha:

2 ,
1 = 2 > 0 2 , > 0
+ 2 2 ,

109
, > 0
semplificando per >


> ,

il che sempre vero perch , < 1 e > per costruzione.

Si evince, in definitiva, che:

- A) , = 0, , < 0 > 0 ;

- B) < , < 0 .

Le condizioni A) e B) rappresentano la dimostrazione analitica del reale beneficio


prodotto dalla diversificazione sulla rischiosit complessiva del portafoglio. Lo stesso,
infatti, dotato di varianza minima conseguibile dallinvestitore il risultato della
combinazione di due titoli, X ed Y, entrambi con rischiosit maggiore di quella del
portafoglio. Lapporto benefico della diversificazione, dunque, per le condizioni A) e B),
pi che controbilancia lincremento di rischiosit causato dallintroduzione del titolo a
maggiore varianza nellinvestimento in questione (1 > 0).

Dalla relazione (6.1) possibile derivare, come per i casi precedenti, la soluzione
grafica corrispondente che, come mostra la figura III.5, risulta lequazione di uniperbole.

Fig. III.5: Frontiera degli investimenti per < , < 1

110
Landamento curvilineo della funzione rende manifesti i benefici della
diversificazione riconducibili alla ridotta correlazione (, < 1) la quale, a parit di
composizione del portafoglio, determina una riduzione della rischiosit mantenendo
invariato il rendimento atteso. 113 interessante rilevare come, nella circostanza in
questione e sotto determinate condizioni nonch entro certi limiti, il criterio media/varianza
riesca, come anticipato ad inizio paragrafo, riesca a trovare uneffettiva applicabilit nella
selezione dei portafogli efficienti, permettendo di riconoscere la dominanza di alcuni
portafogli su altri.
Ci accade solo per livelli di correlazione tra i titoli inferiore a circa 0,8571. 114 Al di
sotto di tale soglia, per valori di tali che 1 , < 0,8571, il principio media-
varianza permette di riconoscere alcuni portafogli come dominati e dunque come
inefficienti. Dunque, per valori di tali che , 0,8571, le strategie di investimento
suggerite dal modello media/varianza non appaiono in alcun modo risolutive nel
riconoscimento della dominanza di un portafoglio titoli su tutti gli altri. Il modello, infatti,
limita ed esaurisce la propria azione di induzione distintiva delle diverse soluzioni
operative di investimento alla sola individuazione di un aggregato combinatorio
materialmente percorribile per la composizione del portafoglio titoli. Tali combinazioni
allocative di risorse finanziarie, poich di vicendevole indistinta preferibilit
discernitiva, 115 risultano essere cos come delle soluzioni di investimento dominanti e
dunque efficienti. In particolare, come osservabile dalla figura III.3, linsieme dei
portafogli materialmente realizzabili dallinvestitore coincide esattamente con la frontiera
dei portafogli efficienti.
Il livello massimo dominanza di alcuni titoli su tutti gli altri lo si ottiene, come
evidente nella figura III.4, in corrispondenza di , = 1. Nel grafico si evince
facilmente come, infatti, le combinazioni di investimento che giacciono sulla semiretta
inferiore che congiunge il portafoglio a varianza minima MVP ed il titolo a minore
rischiosit siano totalmente dominate dalle combinazioni giacenti sullaltra semiretta.

113
Il rendimento atteso di portafoglio rimane immutato perch, come noto, esso la semplice media
ponderata dei rendimenti attesi dei singoli titoli componenti il portafoglio.
114
Fabrizi P. L. (2005) Leconomia del mercato mobiliare, Egea.
115
Nessun portafoglio tra quelli in questione presenta, coeteris paribus, rendimento maggiore e/o rischio
minore dei restanti portafogli. Il principio media/varianza non appare perci in grado di distinguere in
maniera efficace tra essi.

111
Come anticipato qualche riga orsono, la capacit selettiva del modello
media/varianza ha azione solo entro certi limiti. Esso infatti, si rileva di ausilio concreto
per linvestitore unicamente entro i margini di oggettiva accoglienza delle ipotesi di
funzionamento alla base dello stesso. La sua efficacia, dunque, si esaurisce nella
designazione di un aggregato combinatorio di stretta circoscrizione selettiva tra le diverse
soluzioni di scelta che possano ritenersi, in via universale, come di efficiente
ottimizzazione tra tutte quelle realizzabili per la composizione del portafoglio titoli.

III.7: Dallottimizzazione alla massimizzazione: lindividuazione del portafoglio


ottimale

Come anticipato per le ragioni appena esposte, affinch nel modello media/varianza
possa rivelarsi una determinante di effettivo supporto discernitivo per linvestitore, deve
essere ricompresa una seconda fase, di massimizzazione delle preferenze individuali,
propria non dellimpostazione teorica di Markowitz ma frutto della scuola economica
marginalista neoclassica. 116
Una volta individuata la frontiera efficiente, rimane dunque da identificare il
portafoglio unico di scelta per lo specifico investitore. Come ampiamente espresso in
questo lavoro, 117 ogni decisione di investimento, allorch venga presa in condizioni di non
certezza, deve essere ricondotta alle specifiche caratteristiche individuali di approccio alle
diverse situazioni di rischio, nellidentificazione dei meccanismi decisionali adottati.
Come noto, lo strumento teorico utilizzato in letteratura come misura espressiva di
sintesi delle specifiche preferenze di un soggetto investitore rappresentato dalle curve di
indifferenza. Dalla figura III.1, data lavversione al rischio degli investitori, si deduce che
esse sono, viste le condizioni in esame, convesse e strettamente crescenti, cos da ben
raffigurare il premio al rischio crescente, in base al quale un investitore avverso al rischio
palesa richiesta di remunerazione maggiore allaumentare della rischiosit del titolo di
interesse. Graficamente:

116
Si veda il capitolo I.
117
E. g. il capitolo II.

112

0
Fig. III.6: Portafoglio ottimo

III.8: Generalizzazione al caso di N titoli. 118

Evinte le propriet di principale impatto del modello media/varianza nella selezione


dei portafogli, si intende ora raffinare lanalisi generalizzando i casi precedenti, riferiti alla
combinazione di soli due titoli. Il passaggio ad N titoli rischiosi implica, invero,
complicazioni di ordine unicamente analitico giacch linterpretazione, sia concettuale sia
di ordine grafico, del modello precedentemente proposta rimane di immutata accoglienza
disciplinare, anche per la fattispecie operativa di riguardo in queste pagine finali che
precedono la trattazione del modello del CAPM.
In particolare, se come auspicabile, il trattamento del rendimento atteso con
riferimento a N titoli non necessita di accorgimento formale alcuno, 119 lattenzione va
principalmente rivolta ancora una volta alla varianza (o deviazione standard) del
portafoglio. La presenza di pi titoli, con riferimento alla formulazione (5.3), infatti, va ad
accrescere il numero di termini sotto la radice. In particolar modo, allora, al fine di cogliere
leffetto indotto dalla diversificazione, rende debita lesplicitazione puntuale delle diverse
covarianze tra ciascuna coppia degli N titoli in portafoglio.

118
Con = =1 .
119
Si tratta di una semplice estensione: la media della somma la somma delle medie per i rendimenti.

113
Posto, dunque:

,
=1 =1

il numero complessivo di covarianze, si perviene, usualmente, al calcolo delle stesse


attraverso la struttura matriciale eseguente:

1 2 1,2 1,1 1,

2 2
2,1



.

1,1 1,2 1,1 1,

,1 ,2 ,1 ,

Conseguentemente, la deviazione standard di portafoglio esprimibile come:

= ,
=1 =1

con ah [risp. ai ] il peso in portafoglio del titolo h-esimo [i-esimo].

III.9: Verso il CAPM: premessa e ipotesi del modello.

Definita, compiutamente, lanalisi del modello media/varianza ed individuata la


soluzione ottima di scelta per il singolo investitore, si proceder alla presentazione di un
modello chiave per i propositi illustrativi di questo lavoro di tesi, in cui possono
idealmente essere fatti confluire tutte le tematiche sin da principio sviluppate in questa
trattazione.
Il Capital Asset Pricing Model (CAPM) si presenta come un modello di equilibrio
per il pricing dei titoli presenti nel mercato che consente di individuare una precisa
relazione funzionale tra rendimento atteso e varianza per tutte le attivit rischiose.

114
In questa parte terminale del Capitolo III, si presenter la versione base del
CAPM, cos come in origine formalizzato in 3 diversi articoli pubblicati tra il 1964 e
1966. 120
Il modello basato su una serie di ipotesi, parte delle quali di comune attinenza con
il modello media/varianza. In particolare:

Ipotesi di comune attinenza con il modello media/varianza di Markowitz:

1) Tutti gli investitori sono AR e massimizzano la propria utilit attesa;


2) Tutti gli investitori selezionano i portafogli prendendo a riferimento unicamente i
valori del rendimento atteso e della varianza (deviazione standard) 2 ;
3) Lorizzonte temporale di riferimento per tutti gli investitori di tipo uniperiodale;

Ipotesi proprie del modello del modello del CAPM:

4) Lorizzonte temporale (uniperiodale) lo stesso per tutti gli investitori;


5) possibile, in qualsiasi momento, prendere i prestito e concedere in prestito denaro
ad uno stesso tasso di interesse privo di rischio; 121
6) Gli investitori hanno aspettative omogenee, cio attribuiscono ai soli parametri di
valutazione ( e ) gli stessi valori per tutte le attivit rischiose;
7) Non ci sono limitazioni di alcun tipo con riferimento a tasse, costi di transazione o
imperfezioni ulteriori.

III.10: La Capital Market Line

Lipotesi di poter investire o indebitarsi a uno stesso tasso privo di rischio (ipotesi 5),
si dimostra di indiscusso pregio interpretativo per limmediata prosecuzione espositiva, in

120
Sharpe W. (1964) Capital assets Prices: A Theory of Market Equilibrium, Journal of Finance, 19 (3),
425-442 ; Lintner J. (1965) The Valuation of Risk assets and the Selection of Risky Investments in Stock
Portfolios and Capital Budgets, Review of Economics and Statistics, 47 (1), 13-37; Mossin J. (1966)
Equilibrium in a Capital Asset Market, Econometrica Vol. 34, No. 4, pp. 768783.
121
Tale tasso privo di rischio (o risk-free rate), per le ipotesi gi note del modello media/varianza, sar
necessariamente lo stesso per tutti gli investitori.

115
quanto assicura per linvestitore la possibilit di porre in atto di operazioni finanziarie con
titoli risk-free oltre che con titoli rischiosi.
A riguardo, un possibile esempio di attivit priva di rischio per investitori con orizzonte
temporale di investimento pari ad un anno rappresentata da un government bond di tipo
zero-coupon a un anno, emesso da uno stato dalla riconosciuta stabilit internazionale. Due
sono infatti le condizioni previa realizzazione delle quali si materializza, concordemente
alla Teoria di Portafoglio, la presenza di un titolo con varianza nulla del rendimento atteso:

- Lassenza di default risk dellemittente;

- Lassenza del rischio di tasso nelle sua duplice conformazione: rischio di


reinvestimento e rischio di prezzo.

Se, per quanto concerne la prima delle due condizioni sopra elencate, essa pu,
almeno in via teorica, venire trascurata prendendo in considerazione stati emittenti dal
ridotto/inconsistente rischio paese, la seconda condizione merita, seppur con le dovute
costrizioni perimetrali di esposizione, un approfondimento di riguardo.
Linsussistenza di un rischio di rinvestimento innanzitutto garantita dallassenza di frutti
di cassa intermedi da parte degli zero coupon bond. Diversamente, i soggetti investitori
sarebbero soggetti a condizioni i investimento a tassi sconosciuti al momento
dellacquisizione del titolo. In aggiunta a ci, altres fondamentale il rispetto della
coincidenza temporale tra lorizzonte temporale di investimento (holding-period del titolo)
e la durata stessa del goverment bond. Se ci non si verificasse, infatti, linvestitore
sarebbe assoggettato, in caso di holding period superiore, al rischio di reinvestire a
scadenza il valore di rimborso dellobbligazione a condizioni realisticamente differenti da
quelle presenti al momento della stipulazione (rischio di reinvestimento). In caso invece
fosse inferiore, il detentore del titolo in questione sarebbe sottoposto al rischio legato
dallandamento dei tassi di mercato e dunque alla volatilit del valore del titolo detenuto
(rischio di prezzo).
Lanalisi seguente verter allora sulle soluzioni di investimento ipotizzabili alla luce
dei diversi scenari combinatori ottenibili dallutilizzo congiunto di un titolo (o portafoglio)
rischioso e un titolo non rischioso. La veste analitica in riferimento alla quale si investono
nel portafoglio , rispettivamente, le somme x e (1 ) per il titolo non rischioso

116
individuato dal parametro 122 e il titolo rischioso X di parametri [] e , risulta
essere la seguente:

[] = (1 )[] + = (1 )

Da cui segue immediatamente che:

[] = + (1 )[] + = (1 ) + (1 )[]


Ossia, posto (1 ) =

[]
[] = +

(10.1)
[]
Dove rappresenta, finanziariamente, la remunerazione per unit di rischio offerta

dal portafoglio in questione e, analiticamente, il coefficiente angolare della relazione


grafica dellequazione (10.1), come mostra la figura seguente:

[]

[] X

Fig. III.6: Combinazioni possibili rischio-rendimento atteso.

122
Lutilizzo del valore atteso in riferimento al rendimento del titolo risk-free costituisce un evidente
pleonasmo concettuale in virt del quale, nel proseguo, si ometter la suddetta dicitura analitica in luogo
della pi immediata (nonch equivalete) esplicazione deterministica " ".

117
Strategie operative di maggior aggressivit operativa imporrebbero, di converso, il
ricorso allutilizzo di capitale di debito in luogo dei soli mezzi propri, cos da poter addurre
a margini di ricavo ulteriori attraverso il reinvestimento degli stessi fondi in titoli rischiosi
123
e operando una trasformazione del rischio sotteso allattivit risk-free.

Combinando il titolo risk-free con attivit rischiose differenti si otterranno diverse


configurazioni di rischio-rendimento. Compito dellanalisi di portafoglio in questione sar
ancora una volta quella di individuare tra tutte le possibili combinazioni linsieme di quelle
che saranno preferite per i singoli investitori. Ci diviene possibile accostando le risultanze
fornite dallanalisi di Markowitz con le possibilit di investimento offerte dalla teorie del
CAPM e dalle ipotesi di riguardo appena approfondite. Combinando, infatti, lattivit risk-
free con ognuno dei portafogli individuati dalla frontiera efficiente, emerge chiaramente
come ci sia una combinazione che domini tutte le altre e come essa sia quella ottenibile
prendendo in considerazione la retta con origine nel punto di rendimento del titolo risk-
free e tangente la stessa frontiera efficiente. Nello specifico, inoltre, le ipotesi 3) e 6)
unitamente alle ipotesi 1), 2), 3), gi proprie del modello di Markowitz, assicurano il
carattere di univocit determinativa per la frontiera efficiente per qualsivoglia investitore.
La condizione di univocit su esposta, unita a quella, gi nota, del titolo risk-free,
rileva altres il carattere di analoga esclusivit determinativa della combinazione ottima tra
il portafoglio rischioso e il titolo non rischioso, nonch del punto di tangenza individuato
sulla frontiera efficiente di Markowitz. Ogni investitore sceglie dunque, in base ai dettami
operativi del modello di Markowitz, quel punto sulla frontiera efficiente che gli consente di
raggiungere la pi alta curva di indifferenza mentre, secondo la teoria del CAPM ora in
esame, il portafoglio ottimale tra i suoi titoli rischiosi viene in realt determinato senza
inclusone informativa alcuna circa le preferenze del singolo investitore (e quindi circa le
specificit della sua funzione di utilit), rimandando allosservazione diretta del mercato
lesplicitazione della fase di ottimizzazione, che assume cos un valenza connotativa
propria non dello specifico investitore ma rappresentativa dellintero mercato.
Le preferenze del singolo investitore vengono dunque chiamate in causa solo
successivamente, per la determinazione del mix ottimale tra lattivit risk-free e il
portafoglio di tangenza, ossia nella sola fase di massimizzazione, che rimane dunque

123
Ci risulta rinvenibile nella figura III.7 per i punti della retta posizionati a destra del di x.

118
necessariamente individuabile solo previa inclusione delle specifiche preferenze verso il
rischio dellinvestitore individuale.
Tale risultato, di ferma suddivisione del processo decisionale in una fase caratteristica di
mercato e ina fase legata invece alle preferenze soggettive propriamente nota come
Separation Theorem

Quanto espresso ci permette, in definitiva, di identificare il portafoglio di tangenza


con la specifica nomenclatura di Portafoglio di Mercato (M) e la combinazione
efficiente tra lo stesso portafoglio e il titolo senza rischio con la dicitura Capital market
Line (CML).
La relazione (10.1) diviene allora esprimibile, nella forma analitica della CML, come
segue:

[]
[] = +

(10.2)
Graficamente, invece, lequazione (10.2) risulta rappresentabile come mostrato dalla figura
seguente III.7.

[]
CML

[] M


0
Fig. III.7: Capital Market Line

La CML rappresenta dunque linsieme dei portafogli in grado di offrire il pi alto


rendimento atteso per ogni unit di rischio.

119
Il coefficiente angolare della stessa indica il rendimento atteso per ogni unit di rischio
ulteriore che linvestitore disposto ad assumersi. Esso 124 risulta essere pari al rapporto :

[]

(10.3)

Il rapporto individuato dalla (10.3) anche noto come Maket Price of Risk (MPR).

La figura seguente invece, la figura III.8, attiene alla suddetta fase di


massimizzazione. Si ravvisa facilmente, dallosservazione della stessa, come, nelle
condizioni di equilibrio preposte, ogni investitore, desideri avere lo stesso portafoglio di
soli titoli rischiosi M pur, al tempo stesso, indirizzandosi verso soluzioni operative
personali di investimento nella definizione del mix tra attivit rischiose e non rischiose. Da
ci consegue che ogni investitore, relativamente al portafoglio P, operer scelte differenti,
risultanti dallulteriore punto di tangenza tra la CML e la propria curva di indifferenza.
Quanto detto mostrato graficamente nella figura III.8.

[]
CML

[] M

P*

Fig. III.8: Portafoglio ottimale P* per uno specifico investitore

124
Lo stesso coefficiente angolare, in realt, risulta corrispondere, per il portafoglio M, al cosiddetto Indice
di Sharpe.

120
La determinazione del portafoglio di mercato M risulta meritevole di alcune
riflessioni di merito.
Nota, dallanalisi precedente, le ragioni per le quali gli investitori condividano la stessa
frontiera efficiente, date le condizioni di equilibrio su cui opera il CAPM, possibile
affermare che il portafoglio di mercato M sia composto da tutti i possibili titoli rischiosi
rinvenibili sul mercato dei capitali, 125 in proporzione tale da rispecchiare il valore di
mercato dei singoli titoli che lo pongono. Evidenze concettuali di ci si rinvengono nella
pressione di domanda su determinati titoli e di offerta su altri che lesigenza di
composizione di un portafoglio di soli titoli rischiosi comporta. A ci fa inevitabilmente
seguito un graduale aggiustamento dei prezzi nonch, conseguentemente, delle stime di
rendimento dei relativi titoli e, in ultima istanza, una modifica dellandamento funzionale
della frontiera efficiente. I prezzi cesseranno di aggiustarsi solo al raggiungimento della
perfetta uguaglianza tra la domanda e lofferta su ciascun asset presente sul mercato, ossia
al raggiungimento delle condizioni di equilibrio ipotizzate dal modello. In queste
condizioni la forma della frontiera efficiente non cambierebbe pi e tutti gli agenti
sarebbero in possesso dello stesso mix di titoli rischiosi, detenendo quindi, anche se in
quote diverse, tutti lo stesso portafoglio di mercato M.
Specularmente, se cos non fosse, vi sarebbe linsorgere di opportunit di arbitraggio
che, in definitiva, porterebbero al ristabilire lequilibrio di mercato. Infatti, qualora anche
un solo qualsivoglia titolo rischioso non venga ad essere ricompreso nel portafoglio M,
nessun investitore lo deterrebbe e ci ne indurrebbe linevitabile deprezzamento e il
conseguente incremento di rendimento atteso sino ad un livello tale per cui verrebbe ad
essere incluso nel portafoglio di mercato.
In queste condizioni, tutti i titoli oggetto di scambio saranno contenuti nel portafoglio
M e la quantit detenuta sar proporzionale al loro prezzo.
Precisamente, M sar individuato dai pesi di composizione:


= ( = 1, , )
=

dove sono, appunto, i prezzi risultanti dallequilibrio e, quindi, le quotazioni


effettivamente osservabili sul mercato per tutti gli n asset trattati.

125
Tale contestualizzazione di merito rende ancora pi esplicita ed immediata lapposita specificazione
terminologica preposta per il portafoglio in questione M, ossia quella di Portafoglio di mercato.

121
Le condizioni di perdurante equilibrio economico assicurate dalle forze di mercato e,
dunque, dagli aumenti e diminuzioni di prezzo e i titoli connesse alle relative operazioni di
acquisto/vendita, trovano materiale applicabilit, allinterno della struttura concettuale del
modello, nellipotesi preposta di assenza di costi di transazione o tasse. Diversamente le
operazioni di ribilanciamento necessarie a riportare in equilibrio il sistema ne
risulterebbero inevitabilmente limitate nellefficacia e nella convenienza attuativa, con
immediate ripercussioni sul livello di perfettibilit dellequilibrio di mercato.

III.11: La Security Market Line

La CML rappresenta, come gi osservato, la migliore combinazione possibile tra


rendimento atteso e rischio. Tale relazione identifica la condizione di efficienza
relativamente al livello di rendimento che, in equilibrio di mercato, dovrebbe venir
associato per ogni livello di rischiosit ed esaurendo, dunque, la propria profusione
informativa nellindividuazione di tutte le possibili combinazioni di portafogli efficienti
ottenuti dalla combinazione del portafoglio di mercato con lattivit non rischiosa. Ci
rende valido il contenuto informativo della CML per i soli portafogli efficienti.
Lanalisi immediatamente successiva verter, allora, sullindividuazione di quelli
strumenti atti, sotto la duplice veste analitico-concettuale, a ben rappresentare la relazione
rischio-rendimento per portafogli non efficienti o per singoli titoli. importante, a
riguardo, osservare innanzitutto come la stessa CML ponga come parametro di riferimento
per il computo della rischiosit del portafoglio titoli la deviazione standard dello stesso.
Tale parametro di riferimento (), per, costituisce un indicatore statistico idoneo a
misurare il rischio complessivo di portafoglio, cio sia la componente di rischio
specifico 126 che quella di tipo sistematico 127. Esso allora, nello specifico applicativo della

126
Il rischio specifico, o rischio non sistematico, risulta associato alle caratteristiche di maggior peculiarit
dellente emittente, come il settore di competenza economica o, in maniera ancora pi specifica,
landamento economico/finanziario delle dirette competitor di mercato relativamente ai driver di maggior
impatto per la previsione degli andamenti reddituali prospettici.
Differentemente dal rischio sistematico, il rischio specifico risulta progressivamente erodibile attraverso
adeguate manovre di diversificazione finanziaria.
127
Il rischio sistematico, quella componente di rischiosit che deriva dalla sensibilit del singolo titolo
dallandamento del mercato nel suo complesso. Esso dunque dipendente dallandamento dellintero
sistema economico di riferimento, riflettendosi, di fatto, in variazioni di rendimento di imputazione riferibile
a fenomeni sistemici di natura reale o finanziaria. Tra rischio sistematico e rischio specifico vi una ovvia
relazione di complementariet nella formazione del rischio complessivo () secondo margini di

122
CML, risulta fornire un contenuto informativo degenere, in quanto rappresentativo di una
componente di rischiosit, quella non sistematica (o specifica), che, lefficienza massima
del portafoglio di mercato M, assicurata dalla compresenza al suo interno di tutte le attivit
rischiose esistenti, rende del tutto assente per ciascuna delle combinazioni efficienti
suggerite dalla CML. Per un portafoglio efficiente, infatti, rischio sistematico e rischio
totale coincidono perfettamente. La componente di rischio remunerata dal mercato, quindi,
unicamente quella di tipo sistematico. Ci implica perci che non necessariamente un
maggior rischio si rifletta necessariamente in un maggiore rendimento atteso.
Le considerazioni svolte si qui chiariscono lesigenza di identificare una nuova unit di
misura della rischiosit che sia non comprensiva della quota parte di rischio non
remunerata dal mercato, ma espressiva, dunque, del solo rischio sistematico. 128

Come da leitmotiv dellintera trattazione, si perverr allidentificazione di una misura


del solo rischio sistematico dapprima attraverso una congrua determinazione analitica e, in
seguito, con i dovuti ragguagli di ordine concettuale e interpretativo ad essa sottesi.
Nello specifico, dal punto di vista analitico-formale, le risultanze preposte derivano
dallesplicitazione del seguente teorema.

Teorema 11.1

In condizioni di equilibrio di mercato, per ciascun titolo k deve vale la relazione seguente:

,
=
2
(11.1)

DIM.

Come noto, relativamente ad un generico portafoglio P di composizione w la funzione:

contribuzione specifici nel attestabili, empiricamente, al 70% del rischio totale alla sola componente
specifica e al 30% per la rimanente componente sistematica.
128
Com, del resto, la deviazione standard () relativamente ai soli portafogli efficienti.

123

()

(11.2)

Esprime il coefficiente angolare della retta passante per i punti di coordinate = (0, ) e
= ( , ). Se P coincide con il portafoglio di mercato M la funzione (11.2) sar la
seguente:


( ) . . .

Per quanto espresso in precedenza, facile comprendere come, in definitiva, il . . . sia


interpretabile come lunica soluzione del seguente problema di massimizzazione vincolata:



:

=1

Dovr allora esistere un moltiplicatore di Lagrange = 1, , , si abbia:



1 =0

=1 = , =

(11.3)

La derivata del primo termine della (11.3) la seguente:

1
= ( ) 2

(11.4)

124

Il rapporto della equazione precedente (11.4), rappresenta derivata della deviazione

standard rispetto ad un generico peso . Esso, pu essere espresso, ai fini dimostratori


del teorema in questione, facendo ricorso alla seguente matrice delle covarianze pesate:

1 1 11 1 2 12 1 1
2 1 21 2 2 22 2 2



1 1 2 2

2
Se si considera il valore di solo i (2 1) termini che si trovano sulla k-esima riga e

sulla k-esima colonna danno un contributo positivo alla derivata di 2 rispetto a .


Allora, la somma dei contributi apportati, per lappunto, da tali fattori unitamente al fattore
, collocato sullincrocio tra la riga e la colonna k, risulta pari, rispettivamente, a:


2
= 2 + 2 = 2

=1 =1

(11.5)
Ora, la derivata della deviazione standard pu essere ricavata come:

2 1 2
= 2 =
2

E dunque, per la (11.5) si ha:


=1

=

(11.6)

125
Da cui segue, poich =1 = , 129 che:

(11.7)

Sostituendo la (11.7) nella (11.4) e posto = , 130
si ricava che:


= 1 ( ) 2

Poich, inoltre, la derivata del secondo termine della (11.3) pari a , la stessa (11.3)
equivale, in termini generici, a:


1 2 = 0

Ossia:

1 2 =
2

E quindi:

=
2
(11.8)

Dalla moltiplicazione di entrambi i membri della (11.8) per =1 , si ottiene:

=1 =1
=
2

E quindi:

2
= = 1 =
2

Sostituendo, infine questultima espressione nella (11.8), la tesi dimostrata.

129
= [( )( )] = ( ) =1 =

= ( ) = ( ) =
=1 =1 =1

130
= =1 =

126
possibile in aggiunta dimostrare, quale corollario al Teorema 11.1, come analoghi
risultati siano facilmente estendibili a qualsiasi portafoglio P, risultando cos validi non
solo i portafogli efficienti, 131 risultando quindi:

,
=
2

,
Le risultanze fornite dal teorema precedente nellindividuazione della quantit 2

sono di centrale importanza nel modello del CAPM. Tale quantit, infatti, comunemente
identificata con il simbolo rappresenta la misura cercata di rischiosit sistematica per un
generico titolo/portafoglio.
Concettualmente, il limite applicativo della CML e lindividuazione della relativa
relazione rischio totale-rischio sistematico, passa attraverso lanalisi della correlazione tra
il rendimento del singolo e quello del portafoglio di mercato, secondo lassunto logico
fondamentale che una maggior correlazione implichi, coeteris paribus, una pi rilevante
esposizione al rischio sistematico.
Quanto detto si risolve apportando, relativamente ad un generico titolo i, le seguenti
modifiche alla relazione della CML:


[] = + [] ,

Ossia:

[] = + [] = ,

(11.9)

La precedente relazione, (11.9), nota come Security Market Line (SML).


Essa esprime il rendimento di un qualsiasi titolo o portafoglio (non efficiente)
linearmente proporzionale al suo coefficiente , come mostra il grafico seguente.

131
Per la dimostrazione basti moltiplicare entrambi i membri della (11.1) per =1 cos da ottenere:
=1 =1 =1
,
=
2 2

127
[]
SML

[] M

=1

Fig. III.9: SecurityMarket Line

Il coefficiente rappresenta, come anticipato, un indice di misura del solo rischio


sistematico. Ci osservabile chiaramente dalla sua composizione analitica, essendo, come

mostrato, il prodotto tra i due termini, e , . Il primo, il rapporto tra la rischiosit

del titolo in esame con quello del portafoglio di mercato ed dunque interpretabile come
una misura del rischio totale del titolo i-esimo, il secondo il coefficiente di correlazione
lineare, che sar tanto maggiore quanto pi alta lincidenza del rischio sistematico sul
rischio totale del titolo.
Una formulazione alternativa dello stesso coefficiente, concorde con le risultanze fornite
dal teorema (11.1) , come anticipato dallo stesso teorema, la seguente:

,
= , =
2

128
129
PARTE
2

130
131
C a p i t o l o IV:
CENNI DI ECONOMETRIA APPLICATA PER
LA TEORIA DELLE SERIE STORICHE.

IV.1: Lo strumento analitico di riferimento: definizione dei processi stocastici

Def. 1.1

Individuato uno spazio parametrico T ed uno spazio di probabilit (, , ), detto


processo stocastico:

una funzione (, ), finita ed a valori reali tale che , una funzione


misurabile di .

Nel dettaglio, lanalisi verter su processi stocastici continui a parametro discreto,


ossia:
per = 0 ,
(0 , ) una funzione misurabile dellinsieme ed una v. a. continua 0 .

Def. 1.2

Un processo stocastico si definisce:

132
- Stazionario in senso forte: se, ogni sottoinsieme = ( , , +1 ) di v. a.
che compongono il processo stocastico X, risulta indipendente da ed invariante
per ogni k, cos che si abbia la seguente uguaglianza in distribuzione:


= + , = 1, , + .

- Stazionario in senso debole: se luguaglianza precedente risulta valida solo per


k=2, cio solo se le v. a. doppie 2 = ( , +1 ) hanno momenti primi e secondi
costanti nel tempo (i.e. invarianti rispetto a ). Ovvero ancora, pi specificatamente,
se dato X, , vale quanto segue:

a) ( ) =

b) [( )2 ] = 2 < +

c) [( )( )] = ()
132 . 133

Oss. 1.3

Le funzioni di autocorrelazione, sopra introdotte, hanno una notevole valenza


interpretativa. Esse, infatti, se diverse da zero, rappresentano unespressione di sintesi della
memoria del processo stocastico stesso. Di fatti, considerando ad esempio = 1 e 1 0,
si ha:

( |1 ) ( ) ( |1 ) ( ).

132
Dalla stessa deriva anche la cosiddetta funzione di autocorrelazione, definita come:


: = = .
0 2
133
Ossia:

Lautocovarianza di ordine zero equivale, inoltre, alla varianza.

133
Ovvero, in termini espositivi equivalenti:

Linformazione al tempo t, relativa alla conoscenza di 1 , modifica il valore atteso di .


Ossia, lo stesso valore atteso sarebbe risultato differente previa non conoscenza del valore
assunto da 1 .

Def. 1.4

Il pi semplice processo stocastico stazionario il cosiddetto White Noise (WN). Un


processo stocastico un WN di parametri 0, 2 , ovvero

~(0, 2 )

se risulta formalmente definibile dalle uguaglianze che seguono:


- ( ) = 0
- ( ) = [ 2 ] = 2 < +
- Cov( , ) = ( ) = () = 0 , 0 .

Il processo stocastico configura dunque una successione di v.a. con valore atteso
nullo, omoschedastiche, 134 nonch non-correlate.

Oss. 1.5

Le definizioni di stazionariet in senso forte ed in senso debole risultano coincidenti


nel caso di processi stocastici Gaussiani, ossia di distribuzioni di densit di 1 , , ,
(1 , , ) 1, che siano di tipo Normale Multivariato.

Infatti, poich, per , = 1, 2, , si ha:

134
Ovvero a pari varianza.

134


1 1
(1 , , ) = (2)2 2 exp ( ) 1 ( )
2

( : = ( 1 , , ), : = (1 , , ), : = ( ), : = ( , ) ). 135

Il processo Gaussiano noto se risultano tali le funzioni del valor medio e la


matrice delle varianze/autocovarianze . La stazionariet in senso debole di tale processo
implica linvarianza verso t di , riducendo la dipendenza dello stesso alla sola matrice ,
ossia alla sola differenza tra gli indici , tramite la funzione di auto covarianza definita da
: = . Daltro canto, poich la stessa funzione di densit della Normale multivariata
risulta caratterizzata da (), anche lintera famiglia delle funzioni di ripartizioni risulter
invariante per traslazioni di t.
Pertanto, per i processi Gaussiani, le definizioni di stazionariet in senso forte e
debole risultano di stretta sovrapponibilit concettuale nonch di pleonastica specificazione
analitica.

Oss. 1.6

Un processo WN Gaussiano presenta delle distribuzioni di probabilit Normali, per


le singole v. a. componenti. Se risultano, altres, non-correlate tali componenti, allora lo
stesso processo a componenti indipendenti e necessariamente Normali.

IV.2: Ergodicit dei processi stocastici

Lergodicit costituisce una propriet di notevole rilevanza per la disamina


analitico/interpretativa dei processi stocastici. Essa, infatti, rende possibile ogni operazione
di risalita informativa dal campione osservato alla popolazione di riferimento, limitando
la memoria del processo e rilevandone le caratteristiche distributive ricercate. Ci porta ad
incrementare linformazione posseduta allaumentare dellampiezza del campione.

135
Le prime tre grandezze sono vettori, lultima una matrice.

135
Viceversa, un processo che non presenti tale propriet manifesta tratti di accentuata
persistenza tali da renderlo, in via indipendente dallestensione temporale che lo denota,
privo di ogni contenuto informativo sui parametri distributivi.

Lergodicit di un processo stocastico, nellaccezione prettamente concettuale


proposta in questa sede, 136 si cristallizzata dunque nella condizione di implicita
indipendenza degli eventi per orizzonti temporali estesi, il che si traduce, in estrema sintesi
e per opportune dimensioni campionarie, nel minimizzare 137 il divario inter-statistico tra
lanalisi inferenziale e quella descrittiva, accelerando il processo di rilevazione completa
di tutti i possibili eventi.
Ci quindi, per condizioni limite, rende equivalenti lutilizzo di ununica (estesa)
espressione campionaria alle osservazioni di un numero elevatissimo di rilevazioni
campionarie differenti.

Quanto espresso si sintetizza, analiticamente, nella condizione formale seguente:


1
lim ( , ) = 0

=1

(2.1)

Lergodicit definita con riferimento ad uno specifico paramento. Ci induce a


distinguere tra ergodicit rispetto alla media, alla varianza ed allautocovarianza.

Pi approfonditamente, lergodicit di un processo stocastico rappresenta


lequivalente della propriet della consistenza per gli stimatori statistici di v. a. .

Dalle basi analitiche della statistica inferenziale, noto che lo stimatore si dice
consistente in media quadratica per un parametro se, per ogni valore dello stesso ,
risulta valere:

136
Data la notevole complessit analitica di sviluppo formale delle condizioni di ergodicit di un processo
stocastico, in evidente antitesi con le causalit redigenti di questa seconda parte dellopera.
137
Fatto salvo la ripetitivit casuale di analoghi elementi campionari o, se si preferisce, quella per estrazioni
senza ripetizione.

136
lim () = 0

dove:

() : = [(Tn )2 ].

O, analogamente, se definito non distorto per (unbiased) uno stimatore tale che:
[ ] =
segue che:

() = ( ) + [( )]2 , 138

dove ( ) la distorsione (bias) dello stimatore definita come:

( ): = [ ] .
E quindi si ha che:
lim () = 0 lim ( ) = 0 ; lim [( )]2 = 0 .

Ritornando allanalisi dei processi stocastici, lequivalenza concettuale tra


lergodicit di questi ultimi e la non distorsione asintotica valida per taluni stimatori di v. a.
si risolve in modo analitico, una volta definita la funzione-momento

+
[( )] = ( ) ( ) , per il processo :

138
Infatti:
[ ]2 = { ( [ ]) + ([ ] )}2 =

{( [ ])2 + ([ ] )2 + 2( [ ])( )}

e poich:

a) ( [ ]) = 0 2( [ ])( ) = 0 ;
b) ( [ ])2 = 2 ( ) ;
c) ([ ] )2 = [( )]2

Segue che:

( ) = ( ) + [( )]2 .

137
+ +
1
lim ( ) = lim ( ) = ( ) ( ) = [( )]
+ + 2 + 1
=

(2.2)

Ossia se lo stimatore temporale ( ) converge a [( )]. 139

IV.3: Modello Exponential Smoothing

I modelli Exponential Smoothing (perequazione/lisciamento esponenziale, ES)


costituiscono pratica di ampia diffusione in ambito aziendale per la perequazione 140 dei
dati e le previsioni di breve periodo. Il modello in questione, nel quale le serie di dati in
possesso dallanalista vengono concepite come risultante della somma di un livello
variabile e di un errore accidentale, fonda la propria logica di escavazione processuale di
, su un updating temporale dei contenuti informativi esplicati dalle osservazioni di
analisi. Ci impone una continua sequenzialit nellaccrescimento qualitativo dei dati, i
quali sono assunti come risultanti di un comportamento generale gi delineatosi nelle
osservazioni precedenti e di uno specifico contributo informativo indotto nellosservazione
ultima di analisi. Pi esplicitamente, indicando con , (Forecast) (con 1) la
previsione del processo per un orizzonte di k unit temporali (ossia per k istanti in
avanti), si avr che la previsione indotta nellistante futuro ovvero ,1 , usando = 1
render realizzata luguaglianza

+1 = ,1 + +1 .

139
inoltre possibile dimostrare che la condizione (2.1) rappresenti condizione necessaria e sufficiente
affinch un processo stocastico stazionario sia ergodico rispetto al valore medio.
Lergodicit di funzioni-momento superiori e, in particolare nel caso dei processi Gaussiani, determina una
modifica della precedente condizione (2.1) , che diviene:
1 2
lim =1[ ( , )] = 0.

140
In statistica, la perequazione fa riferimento alloperazione di modificazione dei dati volta ad eliminare
errori rivelativi e/o componenti di matrice casuale dalle fonti campionarie oggetto di analisi, onde pervenire
allideale estromissione, dalle stesse fonti campionarie, di ogni componente generatrice di irregolarit
distributiva.

138
In essa, +1 141 rappresenta lapporto informativo dellultima informazione (che la
( + 1)-esima) e coincide con la perequazione di tramite le informazioni disponibili
fino a n.
Dunque, in presenza di un processo costante che sia alterato da soli fattori
accidentali, la previsione ,1 coincide con la semplice media aritmetica delle osservazioni
disponibili:
1
,1 = =1 +1 .

Se il processo in questione presenta invece (pi realisticamente) un andamento


stocastico non costante allora la previsione ,1 coincider con la media ponderata delle
osservazioni precedenti, attribuendo un peso analitico maggiore a quelle pi recenti. In
sintesi, si avr:

=1 +1
,1 = : = 2, 3, , e 0 , 1 ,
=1

o, con espressione equivalente: 142


,1 = 1
=0 : = 1 , = 0, 1, , 1 .
=0

Il modello ES trae dunque la ratio della propria estensione terminologica completa143


dalla seguente formulazione (a sua volta derivata dalle costruzioni analitiche appena
espresse):

,1 = 0 + 1 1 + 2 2 + + 1 +1 ,

in cui la successione perequata ,1 ottenuta con pesi : = 0 , con = 0, 1, , 1,


con tale che 0 < < 1.
Inoltre, poich 1
=0 = 1, per + si ha che:

141
+1 presenta media zero e correlazione nulla con ,1 .
142
Traslando indietro di uno la sommatoria.
143
Come detto Exponential Smoothing.

139
1 1

1 = = 0 = 0 (1 )1 0 = 1
=0 =0

= (1 ) = 0, 1, , 1.
(3.1)

Lespressione precedente (3.1) implica ovviamente che:

,1 = 1
=0 (1 ) .

(3.2)

Dunque, stante la (3.2), si deduce che la previsione di +1 , cio ,1 , dedotta in


base al quantitativo informativo rilevato nellistante precedente t (con t = n), pari alla
media ponderata delle osservazioni disponibili con pesi che, al crescere della distanza da n,
decrescono esponenzialmente fino a zero. Di fatto, ci implica che, stante la struttura
esponenzialmente decrescente dei pesi della (3.2), il valore di ,1 sia solo trascurabilmente
risultante dallapporto informativo delle rilevazioni pi lontane, poich queste ultime sono
di modesto impatto nella formazione dello stesso valore di ,1 .

Ancora pi esplicitamente si ha che:

1 = (1 ) (1 ) 1 0
con = 0, 1, , 1

e quindi:

,1 1,1 = (0 + 1 1 + + 1 1 ) +
(0 1 + 1 2 + + 2 1 ) =
= 0 + (1 0 ) 1 (2 1 ) 2 + +
+(1 2 ) 1 =

140
= 0 (1 )

,1 = 1,1 + (1 ) con = 1,1 + .


(3.3)

Lespressione precedente mostra come la previsione ,1 per +1, secondo il


modello ES, segua effettivamente una logica di aggiornamento sequenziale poich la
previsione viene modificata dallapporto informativo dellultima osservazione, in funzione
del peso assunto dalla costante perequazione .
Pi approfonditamente, per 1, leffetto perequativo totale poich la serie
storica osservata esaurisce il contenuto informativo richiesto ai fini della previsione e
lultima osservazione, di fatto, non pu che fornire un supporto alla causa di trascurabile
entit. Per cui, essendo sostanzialmente nullo il peso dellultima osservazione, la nuova
previsione tende a coincidere con la precedente.
Di contro, per 0, il modello attribuisce un peso di sempre maggior entit alle
nuove rilevazioni, con la conseguenza che leffetto perequativo praticamente nullo.
Infine, nei casi intermedi, 0 < < 1, la costante perequativa esprime quella che
viene comunemente definita dalla letteratura di riguardo 144 come vischiosit del sistema,
ossia limportanza della vecchia previsione nel modello; specularmente, 1 misura il
peso della nuova osservazione e la tendenza, dunque, di questultima a modificare il
precedente valore previsionale. 145

I modelli Exponential Smoothing appartengono alla categoria di quelli perequativi.


Invece, alla classe, ulteriore, dei modelli strutturali appartiene la tipologia particolare di
processi cosiddetti Random Walk (camminata aleatoria o casuale). Ci, per, non sar, in
questo lavoro di tesi, oggetto specifico di presentazione e analisi.

144
Su tutti, da intendere ora e per il proseguo della trattazione: Hamilton J. (1995) Econometria delle serie
storiche, MONDUZZI Editore
145
A ragion del vero, lanalisi andrebbe completata con riferimento alle modalit determinative della costante
perequativa . In questa sede ci si limiter a suggerire per essa una stima derivata dallutilizzo del metodo dei
minimi quadrati, grazie al quale si ottiene quel valore di tale che:
1
= (+1 ,1 )2 =
=

1 1
= = [+1 (1 ) =0 ]2 sia minimo.

141
IV.4: Rappresentazione grafico/analitica delle serie storiche e analisi dei trend.

immediato pensare ad una serie storica come ad una successione ordinata di


osservazioni relative alla realt fenomenologica di indagine, onde descriverne la corretta
evoluzione mutativa in riferimento al tempo.
Una serie storica, dunque, pu essere formalmente individuata come segue:

{ , = (1, 2, , )},

ossia, come una successione ordinata di numeri reali relativamente ad un fenomeno , in


funzione della variabile (indipendente) tempo t.

Le serie storiche sopra introdotte, allorch, risultanti da una sequenza non


continuativa di osservazioni nel tempo - cio pur essendo riferite ad istanti temporali di
rilevazione discreti - possono essere ben rappresentate attraverso lutilizzo dei diagrammi
cartesiani unendo i relativi punti di osservazione campionaria con coordinate grafiche
(, ) (con t = 1, 2, . . . , n). Unanalisi grafica infatti, seppur preliminare, pu mettere in
luce gli aspetti caratteristici del fenomeno, preannunciano leventuale presenza di un
determinato andamento di fondo (trend), o di oscillazioni di periodo (stagionalit), nonch
valori anomali (outlier).
La rappresentazione analitica palesata dai dati raccolti deve, ad ogni modo, essere
ricondotta ad una congrua strutturazione analitica in grado di spiegarne, seppur
sommariamente, landamento dinamico tenuto.
Al tal proposito, in letteratura, vengono utilizzati tipicamente i seguenti modelli:

- Modello con errore (Error Model), per cui si ha:

= () + = 1, 2, ,
( ) = 0
dove ( 2 ) = 2 > 0 .
( ; ) = 0,
(5.1)

142
La serie storica viene dunque concepita come la risultante di una funzione di
natura deterministica (()) coadiuvata, per ogni valore di t, da una componente aleatoria
residua ( ). Questultima, in particolare, assume valore di disturbo nella definizione
computativa della serie, per via del suo carattere di casualit, che daltronde facilmente
rinvenibile nelle propriet stesse di . Infatti:

- Le condizioni ( ) = 0 e ( 2 ) ( ) = 2 > 0 formalizzano,


rispettivamente, la non sistematicit e lomoschedasticit degli errori ;

- La condizione residuale, ( ; ) = 0, assume la non-correlazione delle . La


presenza di correlazione implicherebbe, di fatti, dei legami logico/relazionali di cui
la parte deterministica del modello non tiene conto.

A tale modello applicativo aderisce la tecnica della regressione lineare multipla:

= 1, 2, , +

- Modello Stocastico (Stochastic Model), tale che:

= , 1 , , .

Il modello in questione vede affidata lintera dinamica della serie ad un


meccanismo probabilistico generatore delle osservazioni risultando, per tal motivo,
intrinsecamente stocastico.
Lanalisi delle serie storiche cui si intende approcciare in questa sezione del
lavoro non pu prescindere dallindividuazione di quelle componenti, sia di lungo
periodo che di minore durata, di generale ingerenza nella definizione grafico/analitica
delle serie medesime. Ci premesso, le componenti di maggior riguardo per lanalisi in
questione sono le seguenti: 146

146
In realt, lidentificazione delle componenti di azione responsabili degli sviluppi grafico/analitici della
serie storica nel tempo materia di marcata intonazione filosofica, in quanto evidenze circa leffettiva
presenza, negli elementi di indagine rivelati, di una diretta imputabilit per le finalit diagnostiche che
muovono lanalisi di siffatti dati, risultano identificabili non in via unanime ed indifferenziata. Altri analisti
potrebbero di fatti, pur se ancorati ad analoghe fondamenta teoriche di riferimento, giungere
allindividuazione di specifiche quanto tra loro differenti componenti di una stessa serie storica di analisi. La

143
- Il Ciclo-Trend , che spiega landamento di lungo periodo della serie, in
considerazione sia dellevoluzione regolare dalla stessa seguita (trend) che delle
alternanze riscontrate nel tempo (ciclo).

- La Stagionalit , responsabile dellinfluenza del noto movimento di rivoluzione


della Terra intorno al Sole e dunque degli effetti che tale moto induce sulla serie in
oggetto sia in termini climatici (alternanza delle stagioni) che in quelli
convenzionali (collocazione di festivit in calendario). Lelemento in esame risulta
avere una trascurabile influenza nelle analisi di lungo periodo, risultando invece
fondamentale nelle diagnosi congiunturali di breve e medio periodo.

- Laccidentalit , di natura residuale rispetto alle precedenti, in quanto dovuta ad


elementi di ingerenza causale circa landamento della serie storica in analisi non
identificabili come proprie del Ciclo-Trend 147 o della Stagionalit. Essa pu
dunque riguardare sia il lungo che il breve periodo.

I componenti di analisi appena introdotti possono essere il risultato di una


decomposizione additiva, del tipo = + + , o di una moltiplicativa, del tipo
= . Tali due formulazioni risultano facilmente intercambiabili previo ricorso,
rispettivamente, alla trasformazione esponenziale ed alloperatore logaritmico. Infatti,
si ha:

classificazione ivi proposta, dunque, appare senza dubbio di facile prevaricazione concettuale data lampia
incidentalit concettuale riscontrabile non solo tra studiosi differenti ma anche (ed in particolar modo) al
variare dellarco temporale di analisi della serie. Viene da s, infatti, che in un raggio di osservazione
annuale, ad esempio, la componente di calendario assuma un trascurabile rilevanza ai fini preposti,
differentemente da un orizzonte di analisi di tipo giornaliero, in cui certamente determinante.
147
Nel seguito si analizzeranno congiuntamente le due componenti ciclo e trend. Per una loro specifica,
seppur elementare, connotazione definitoria basti conoscere il contenuto esplicativo di tale nota.
In particolare, basti sapere che, tra le due citate, la componente tendenziale (trend), espressione della
dinamica di lungo periodo della serie, quella di maggior regolarit ossia che presenta, per definizione, una
pi accurata tracciabilit comportamentale nellevoluzione temporale della serie. Essa perci solitamente
cattura il maggior interesse da parte degli analisti per la sua capacit di rappresentare al contempo un
elemento di sintesi circa la struttura e levoluzione sistematica della serie, a prescindere da ogni ingerenza di
determinati fattori contingenti.
Il ciclo (o componente congiunturale), invece, costituito dalle fluttuazioni attribuibili al succedersi di
fasi ascendenti e discendenti, generalmente direttamente riconducibili alle fasi di espansione e di contrazione
del sistema economico di riferimento. Essendo unentit molto pi indeterminata rispetto alla prima, esso si
presta a diverse interpretazioni economiche e solitamente si preferisce trattarlo, come nellanalisi di riguardo,
congiuntamente proprio alla componente trend.

144
log() = log( ) log() + log() + log()
.
= + +

Si esamineranno ora in dettaglio le tre componenti identificate, al fine di poter


applicare poi, nellultima parte de lavoro, i precetti operativi a breve presentati.

IV.6: Lindividuazione analitica Ciclo-Trend.

La determinazione dellandamento di lungo periodo della serie viene ricondotta,


in letteratura, ai due approcci analitici seguenti:

1) Analisi regressiva rispetto a una funzione di t;


2) Perequazione con medie mobili.

Unimmediata distinzione di ordine interpretativo riconducibile al fatto che il primo


approccio ipotizza il presentarsi nella serie di un trend globale, ossia di un andamento della
stessa che sia coerente per tutto il periodo di analisi considerato in quanto
esaustivamente rappresentabile da una sola funzione matematica. Il secondo, invece, si
affida allidentificazione di diversi trend locali per ogni t, ossia prevedendo la presenza di
polinomi interpolanti per ogni intorno delle osservazioni.

1) Il modello analitico di riferimento per il modello numero uno dunque il seguente:

= () +

dove segue ancora le usuali ipotesi della teoria della regressione lineare, presentate nella

145
Def. 1.5.

La scelta della forma funzionale della componente () pu seguire differenti


specificazioni analitiche. Nel seguito, si proceder ad una presentazione delle funzioni pi
diffuse 148 limitandosi ad una mera enunciazione schematica delle stesse.

In particolare, si hanno:

- Modelli polinomiali:

() = 0 + 1 + 2 2 + +

dove n il grado del polinomio.

- Modelli razionali:

0 + 1 + 2 2 + +
() =
1 + 1 + 1 2 + +

con , i gradi dei polinomi al numeratore ed al denominatore, rispettivamente.

- Modelli sigmoidi:

0 1
() = ; () = 0 > 0
1 + 1 2

- Modelli misti:

() = 1 () + 2 () + + () ; () = 1 ()2 () ()

con = 1,2, ,

148
Secondo lautore Domenico Piccolo; si veda: Piccolo D. (1990) Introduzione allanalisi delle serie
storiche, La Nuova Italia Scientifica

146
dove () e () rappresentano due funzioni elementari delle tipologie precedentemente
espresse.

- Modelli esplicativi:

() = 0 + 1 1 + 2 2 + + con = 1,2, ,

dove le diverse rappresentano delle cause note del ciclo-trend.

2) Il secondo modello analitico presentato per la determinazione della componente


ciclo-trend utilizza le cosiddette medie mobili. In termini generali, il metodo delle medie
mobili si basa su un adattamento locale del ciclo-trend mediante un polinomio in t. In tale
procedura si individua il desiderio dellanalista di coniugare una maggiore rigorosit
nellindividuazione dellandamento della serie sul lungo termine, con una pi curata analisi
delle dinamiche intraperiodali, ossia di breve termine.
In termini generali, presa una serie storica { , = 1, 2, , }, sia detta la stima
del trend T tale da costituire la migliore interpolazione di un polinomio di grado p,
localmente adattato alle osservazioni della serie costituenti queste ultime, in un intorno di
ampiezza 2 + 1 centrato su = 0. Ed allora, una media mobile pu essere data
dallespressione seguente:


= 149
=

(6.1)

dove i coefficienti di ponderazione sono funzioni di grado p del polinomio dalla


lunghezza 2 + 1dellintervallo perequativo prescelto.
La (6.1) rappresenta, pertanto, la somma ponderata dei valori della serie storica per
istanti temporali costituenti un intorno di t, tale che = + 1, + 2, , , con
opportuni valori dei coefficienti di ponderazione .
Una media mobile detta semplice se calcolata come una media aritmetica, ossia
attribuendo lo stesso peso a tutte le osservazioni della serie. Quindi si ha:

149
La media mobile in questione, come sar evidente tra breve, anche centrata.

147
1
: = +
=1 .
2
1 +2 +1

Se, invece, 1 = 2 = la media mobile semplice risultante viene detta centrata:

1
: = 2+1 +
= .

La media mobile si utilizza qualora il trend rilevato non presenti le caratteristiche


rigide di uniforme sistematicit in precedenza analizzate per il metodo della regressione,
ossia esso non pu essere rappresentato attraverso una formulazione analitica unica,
presentando un andamento temporale non regolare. In tale circostanza non si parler pi di
trend globale ma di trend locale. Lobiettivo sar, in tal caso, quello di stabilire dei metodi
che siano in grado di ricostruirne landamento della serie storica in modo empirico, cio
utilizzando, le osservazioni contenute in un suo intorno per ogni istante t. In effetti, si
effettuer una ricostruzione del trend attraverso una perequazione (smoothing) della serie
storica utilizzando unopportuna media mobile.
Quanto espresso risulta evidente dalla rappresentazione seguente, riferita alla serie
, realizzazione di:

2
= 10 + 3 0,0125 2 + 10 cos + = 1, 2, , 210
21
(6.2)

Rappresentazione grafica elaborata con il software R

Fig. IV.1: Scomposizione della (6.2) e stima del trend con la metodologia delle medie mobili centrate.

148
La figura IV.1 intende confrontare gli effetti di differenti medie mobili applicate su
una serie storica artificiale, detrendizzata. Tale serie risulta caratterizzata da un trend
parabolico T, da una componente ciclica S di periodo 20 e da una accidentale a ottenuta
generando numeri 261 casuali 150 da una distribuzione probabilistica Normale con media 0
e varianza 25.

_________

150
In realt, essendo la sequenza di numeri in questione generati previo utilizzo di un calcolatore elettronico
e del software statistico R, non pu propriamente definirsi casuale, in quanto frutto di un algoritmico
preciso applicato ad un numero seme (seed). La stessa sequenza dunque, andrebbe pi propriamente definita
come pseudo-casuale.

149
150
C a p i t o l o V:
ELEMENTI TECNICI DI ANALISI EMPIRICA
PRELIMINARE

V.1: Note introduttive.

Il cammino di ricostruzione didattica seguito in tale lavoro di tesi si concluder, con


il prossimo (ed ultimo) capitolo, in cui presente unanalisi empirica del modello del
CAPM effettuata con le serie storiche (time series). Di analoga ascrizione
finalistico/computazionale paiono, in realt, alcune tecniche alternative di consolidata
prassi generale, per le quali la derivazione inferenziale che per, opportune basi di dati e
nellarco temporale considerato, consente la comparazione ex-post dei rendimenti
conosciuti dai titoli con quelli anticipati dalla teoria del CAPM . Il tutto trova ampio respiro
nella letteratura accademica di riguardo sotto la dicitura, specifica, di analisi Cross-
Section. Lanalisi in questione, nello specifico, risulta relativa a pi unit statiche
(prezzo/rendimento dei titoli azionari) ma ad un medesimo istante temporale, secondo una
logica di classificazione traversale dei dati. Viceversa, nellanalisi cui si intende protrarsi
in questa sede, ossia quella di tipo time series, si riscontra una logica di trattamento
osservazionale del campione statistico che di tipo longitudinale, per la quale cio lanalisi
riguarda una stessa unit ma in pi punti nel tempo. 151

151
In realt, noto alla teoria accademica anche lutilizzo delle cosiddette analisi di dati Panel, in cui si
combinano, vicendevolmente, unit osservate plurime ad istanti temporali differenti. Di tale modello, per,
cos come per quello cross-section, non ci si occuper nel presente lavoro di tesi.

151
A debita giustificazione delle scelte operate circa il terreno di analisi inferenziale
approcciato nella verifica empirica in questione, dedicato la parte finale di questo primo
paragrafo.
Secondo la sfera conoscitiva dellautore, ladesione metodologica seguita quella
che meglio interpreta le logiche di analisi verso la cui comprovazione teorico/pratica,
bene precisarlo, volta lintera composizione dellelaborato di tesi. Codeste, di fatti,
assolvono nelle rigorose basi teoriche del CAPM e del modello media/varianza, il target
ultimo di analisi perseguito, che lo studio della dinamica evolutiva di un investimento nel
corso del tempo.
Tecniche di analisti alternative, su tutte, la Cross-Section, risulterebbero altres
funzionali alle causalit redigenti, qualora questultime siano di stima del valore equo
(Fair Price) di un determinato titolo o asset, concordemente a finalit valutative di tipo
ex-ante, ossia esclusivamente rivolte allindividuazione delle migliori opportunit di
mercato in un dato momento temporale.
Ulteriore profilo di debita specificazione quello riguardante la scelta di operare,
nellimmediato prosieguo, attraverso lutilizzo delle serie storiche dei rendimenti in luogo
di quelle dei semplici prezzi, ossia delle quotazioni azionarie rivelate per ogni istante
temporale di analisi prescelto. Ci, secondo quanto invalso nella letteratura scientifica,
perch i rendimenti permettono tra laltro maggior aderenza concettuale con quanto ivi
ritenuto, in ultima istanza, da dover assolvere (e si spera assolto).
Al fine di specificare quanto ora scritto, opportuno evidenziare (due) constatazioni
di merito. Innanzitutto ogni investitore, poich razionale, trova attrazione per gli
investimenti da effettuare non nel guadagno assoluto, inteso come la differenza utile tra
quanto investito nel titolo e quanto ricavato alla dismissione dello stesso, quanto piuttosto
nel capital gain relativo, inteso in termini percentuali rispetto alla somma investita.
In aggiunta a ci, contrariamente ai rendimenti, le serie storie delle quotazioni dei
titoli azionari godono di propriet statistiche particolari, che ostacolano in maniera
determinante lapplicabilit di buona parte dei metodi econometrici classici. A tal riguardo,
come espresso nel capitolo precedente, la dinamica delle traiettorie temporali dei prezzi
delle azioni pu essere ben rappresentata, dato il lauto supporto empirico a riguardo, 152 da
un processo stocastico di tipo Random Walk, in cui cio la quotazione risulta rappresentata

152
Su tutti, si segnala: Lucas R. E. (1978) Asset Prices in an Exchange Economy, Econometrica, Vol. 46,
No. 6. (Nov., 1978), pagg. 1429-1445.

152
dalla somma delle tre componenti (una deterministica e costante, il prezzo alla data di
riferimento precedente ed un termine casuale di disturbo) gi presentate in questo lavoro:

log = + lg 1 +
La non stazionariet in senso debole di tale processo implica la non costanza del
tempo dei momenti marginali di primo e secondo ordine 153 e ci impedisce lapplicazione
delle usuali tecniche di analisi regressiva.

V.2: Analisi dei rendimenti.

I rendimenti misurano il tasso di variazione dei prezzi in un determinato intervallo


temporale. Essi possono essere determinati attraverso il ricorso alle leggi di due distinti
regimi finanziari, quelli della capitalizzazione semplice e della capitalizzazione continua.
Pi formalmente, si definisce tasso di rendimento semplice, poich determinato
secondo le leggi della capitalizzazione semplice, lespressione:

1 + 1
1 154
1 =0 1 1

(2.1)

dove e 1 rappresentano, rispettivamente, le quotazioni azionarie nei successivi istanti


temporali t e t-1, mentre ricomprende ogni frutto monetario (tipicamente, per le azioni, i
dividendi) che il titolo garantisce.
Laleatoriet circa lespressione precedente ovviamente insita nelladdendo ,
sconosciuto nellistante di valutazione t.

Considerando dunque la v. a. r , limitatamente al caso discreto visto sugli istanti


1, 2, , n, in modo che essa possa assumere i valori 1, , con probabilit 1, , con

153
In altri termini, come gi noto, [ ] e ( ) non sono costanti nel tempo t cos come ( , )
non dipende solo da h ma, anchessa, da t.
154
Dallultima espressione, (+1 ) 1, deriva immediatamente come, per definizione, 1. Ci
implica perci che tali rendimenti non possono essere generati da una distribuzione di tipo Normale.

153

= 1
=1

da cui seguono, i valori del rendimento atteso ovvero ex-ante e della varianza di r : 155


2
= [] = ; = ( )2 . 156
=1 =1

(2.2)

In particolare, ipotizzando il regime finanziario dato della capitalizzazione composta,


deve risultare:

= =1(1 + ) 1 = (1 + ) 1.
(2.3)

E noto che il regime della capitalizzazione semplice si ottiene arrestando al primo


ordine lo sviluppo del polinomio di Taylor nel punto = 0 di r - intendendo questultima
come funzione sul continuo e quindi con : = (), ottenendo laccettabile
approssimazione:

(1 + ) 1 (1 + ) 1

Nella quale la notazione impone che = 1 .

In tale contesto, dati gli m titoli = 1, 2, , - di prezzi in t, rispettivamente, , ,


presenti nelle rispettive quantit nel portafoglio P , il valore di questultimo, alle date e
1, pari a:

, = , ; ,1 = ,1
=1 =1

155
Si veda nel capitolo secondo, la Def 2.1.
156
Nelle rappresentazioni formali di entrambe le grandezze, la variabile tempo t non risulta presente. Ci
implica linvarianza della distribuzione di probabilit nel tempo, il che risulta intuitivamente coerente con
lipotesi, presentata nel capitolo precedente, di stazionariet dei rendimenti intesi come processi stocastici.

154
da cui segue la determinazione dellinteresse in conto capitale = , ,1 , ossia:

, ,1 =
=1 , =1 ,1 = =1 , ,1 .

In termini relativi rispetto a ,1 , segue il tasso di rendimento del portafoglio P


nellintervallo temporale ( 1 ; ) :

,1
, =
=1 , = .
,1

(2.4)

La definizione alternativa di tasso di rendimento, ottenuta mediante ricorso


allutilizzo delloperatore logaritmico, invece la seguente tale che

log(1 + ) = log log 1 .


(2.5)

Luso di tale tipologia di rendimenti, comunemente conosciuti in finanza con la


terminologia rendimenti logaritmici, 157 risulta preferibile a quella precedentemente
presentata per le svariate ragioni. In particolare:

a) Primo fra tutti e differentemente dalla (2.1), lespressione (2.5), non essendo
inferiormente limitata, rende compatibile luso dei rendimenti logaritmici con
quello della distribuzione Normale, con le notevole implicazioni
statistico/concettuali che ci comporta. 158

b) Luso dei rendimenti logaritmici in luogo di quelli percentuali induce una


considerevole riduzione operazionale nella procedura algebrica di
determinazione del rendimento periodale, conseguente allaggregazione nel tempo

157
Da ora in avanti, ci si riferir a codesti utilizzando unicamente lespressione virgolettata di cui sopra.
158
Tra tutte, come gi accennato, la Gaussianit di una distruzione costituisce un punto di riferimento per
lanalisi statico/empirica, perch ad essa possono venir riferiti, in via diretta, i risultati dellinferenza classica,
ma anche e soprattutto, per lanalisi in questione, perch essa rappresenta la condizione tale per cui la sola
assenza di correlazione tra i rendimenti a periodi diversi equivale alla condizione di loro indipendenza.

155
dei rendimenti. Infatti, il rendimento su t+1 periodi (con dividendi nulli) risulta pari
a:

1 2 3
log (1 + ) = log + log + log + + log =
0 1 2 1

= (log 1 log 0 ) + (log 2 log 1 ) + (log 3 log 2 ) + + (log log 1 )

da cui, semplificando, si ottiene:


log (1 + ) = log .
0

Tuttavia, la maggiore immediatezza legata allutilizzo dei rendimenti logaritmici


non esente da sconvenienti, come dimostrano i passaggi seguenti:

log , = log 1 + , log1 + , , ,


=1 =1 =1

(2.6)

ossia, il rendimento di portafoglio calcolato con capitalizzazione continua non coincide con
la media ponderata dei rendimenti dei titoli come nel caso della (2.4). Tuttavia, le due
espressioni (2.4) e (2.6) risultano tra loro facilmente approssimabili, sempre via il
polinomio di Taylor log rispetto a , in un intorno di 1 arrestando lo sviluppo al
secondo ordine:

1 1
log = log 1 + ( 1 ) ( 1 )2 + ( 1 )3
1 2 2 1

che, spostando a primo membro log 1 e per la (2.1), diventa

1
log = 2
2 + ( 3 ) .

156
Ne deriva allora che log 159
e che la differenza tra le due definizioni in questione
risulta essere, in via generale, di assai modesta entit.
La scelta di quale definizione di rendimenti adottare diventa allora strettamente dal
tipo di analisi che si intende condurre. In particolare, per analisi in serie storica si
preferisce fare riferimento alla capitalizzazione continua per la facilit di aggregazione
di rendimenti consecutivi. Viceversa per analisi in cross-section.

V.3: La caratteristica empirica dei rendimenti: indipendenza e identit distributiva.

Alla base dellinferenza parametrica cos come dellanalisi empirica seguente, un


elemento analitico di riguardo rappresentato dalla presenza o meno di distribuzioni
campionarie tali da poter essere considerate come statisticamente Indipendenti ed
identicamente distribuite (IID) rispetto ad una v. a. generatrice ~ (; ). Ogni
estrazione casuale da X d luogo a specifiche rilevazioni osservazionali ossia, per ogni
prova, singoli numeri reali 0 , con probabilit di verificarsi espressa tramite la relazione
( = 0 ) = (0 ; ). 160
La ripetizione, coeteris paribus, per n volte, di una stessa procedura di
campionamento, d luogo ad una n-pla di osservazioni IID costituenti un processo di
estrazione, cosiddetto, di tipo Bernoulliano.

Pi dettagliatamente, una collezione di v. a. = (1 , 2 , , ) , estratta da


~(; ), costituisce un campione casuale Bernoulliano se le v. a. 1 , 2 , , risultano
essere mutuamente indipendenti e se la distribuzione di probabilit marginale di ogni ,
con = 1,2, , , coincide con la distribuzione della v. a. generatrice , ossia se risulta
somigliante ad ogni , con = 1,2, , .
Poich allora, in caso di campione casuale Bernoulliano, le v. a. costituenti il
campione casuale sono tutte indipendenti e presentano comune distribuzione
probabilistica rispetto a , ossia sono tutte IID, possibile ottenere la distribuzione

159
Propriet vera matematicamente essendo 0 .
160
Ovviamente ~ (0 ; ) , se X una v. a. discreta. Viceversa, se X una v. a. continua, la probabilit che
si realizzi la specifica osservazione campionaria 0 pari a (0 < 0 + ) = (0 ; ) .

157
congiunta del campione casuale come il prodotto delle distribuzioni delle singole v.a.
componenti . Ossia: 161

(, ) = (1 , 2 , , ; ) = (1 ; ) (2 ; ) ( ; ).
(3.1)

La condizione di distribuzioni IID risulta alleggerita in caso di Normalit delle


stesse, poich lipotesi di assenza di autocorrelazione seriale certamente meno stringente
di quella di indipendenza. Come noto, infatti, lassenza di correlazione implica
indipendenza solo in caso di distribuzione Normale.

V.4: La logica dei test dipotesi.

Nel prossimo, nonch ultimo, capitolo si far frequente ricorso allo strumento di
disamina empirico/statistica presentato, seppur sommariamente 162 nei suoi tratti pi
rappresentativi, nel corso di questo paragrafo e nelle pagine a seguire: il test di ipotesi
statistiche.
Tale procedura permette di creare una corrispondenza tra lo spazio campionario, su
cui agisce la regola di decisione adottata, e lo spazio parametrico, cui invece si riferiscono
le ipotesi statistiche del test.
La regola di decisione pu esprimersi in termini di punto critico o, come sar per
vero lanalisi a seguire, in termini di livello di significativit , stabilito in funzione della
possibilit di rifiutare lipotesi nulla, tipicamente "0 ", quando essa vera (commettendo
un errore di prima specie) o meglio non-rigettabile.

161
Se non ancora noto il campione osservato, lespressione seguente (3.1) rappresenta una misura di
probabilit per un dato valore di . Essa cio esprime la probabilit che si verifichi proprio la sequenza
campionaria = (1 , 2 , , ). Ad estrazione gi avvenuta, invece, la stessa espressione (3.1) risulta
indicare, al variare del parametro , una misura di plausibilit di in base al campione osservato, acquisendo
dunque una valenza interpretativa non pi di tipo probabilistico ma inferenziale. Secondo questa seconda
accezione interpretativa, la (3.1) si definisce Funzione di Verosimiglianza (Likelihood function) di .
162
La logica seguita nel trattare largomento in itinere va intesa non come una presentazione completa della
materia ma, piuttosto, a mo di integrazione esplicativa della stessa verso quei tratti interpretativi di indubbio
maggior interesse per lanalisi statistica a seguire. Quanto esposto risulter dunque certamente mancante di
quel livello di dettaglio formale necessario per una descrizione grandangolare dellargomento, ma ci
nullaltro che effettiva volont di chi scrive di minimizzare nei suoi contenuti pi immediati larea descrittiva
in questione non rientrando, questultima, tra le finalit espressive del paragrafo.

158
Pi dettagliatamente, si prender in considerazione un unico valore del parametro in
questione, indicato con , relativo a quello empirico della statistica-test utilizzata e
rappresentante lestremo inferiore di tutti i valori attribuibili ad che comporterebbero il
rifiuto dellipotesi nulla,163 nel caso in cui essa corrisponderebbe a realt. Il valore in
questione detto livello di significativit osservata del test. 164
Esso risulta fondamentale ai fini di ogni valutazione interpretativa del test poich,
rappresentando un valore probabilistico, diviene un indice di credibilit dellipotesi nulla
adottata sulla base dellevidenza campionaria riscontrata dalle indagini empiriche
sperimentali. Ed allora, tanto pi il valore di risulter trascurabile, tanto pi il campione
osservato si riveler essere lontano dallipotesi nulla stabilita e tanto meno, essa, risulter
perci credibile.
Quanto appena accennato pu (e deve) essere ricondotto ad alcuni aspetti, di
analoga 165 valenza concettuale riferibili, in particolare, alla scelta del set delle ipotesi
statistiche da adottare ai fini della procedura inferenziale. Tali aspetti, di assoluto riguardo
per la messa in atto di qualsiasi test dipotesi, risultano essere per certi versi di non
immediata concettualizzazione, palesando una intromissione in aree tematiche di sfuggente
rigorosit applicativa, tipicamente proprie della filosofia applicata alla statistica. 166
La scelta delle ipotesi costituisce, di fatto, il momento primo di ogni valutazione
dellanalista in merito alla problematica da studiare poich proprio nella preventiva
definizione delle stesse che trovano esposizione il credo soggettivo del ricercatore, inteso
come principio ispiratore preordinante e direttivo della condotta del test. In particolare,
esso trova espressione nel valore dellipotesi alternativa e dunque nella probabilit di
commettere un errore di seconda specie. La prudenza e lo spirito cautelativo dellanalista
vengono invece espressi dal livello di significativit fissato. Ne segue dunque che egli
stabilir un valore tanto pi piccolo quanto pi egli sicuro della sua previsione, cio
ripone fiducia che lanalisi (temporalmente successiva) del campione estratto possa
effettivamente confortare la teoria avanzata con la definizione dellipotesi alternativa. Un
livello molto piccolo di garantisce lanalista intorno al risultato dellesperimento poich

163
E, conseguentemente, laccettazione dellipotesi alternativa, tipicamente indicata con 1 .
164
Nelle procedure di analisi in seguito proposte e dalle risultanze empiriche fornite dal software statistico
utilizzato (R), lipotesi nulla dei vari test implementati verr accettata o meno facendo riferimento esclusivo
al livello di significativit osservata , il quale, come da prassi consolidata, verr considerato per valori non
inferiori dell1%.
165
Se non superiori, per via della loro collocazione logica di riferimento che gli pone essere temporalmente
antecedenti rispetto alla scelta del livello di significativit da attribuire al test.
166
In merito a questultima area di interesse, si segnala, tra tutti, la referenza primordiale a cura di Melchiorre
Gioja: Gioja M. (1826) Filosofia della Statistica. Tomo secondo, Milano.

159
lipotesi nulla risulta avere unalta probabilit di accettazione/non-rigettabilit e solo il
manifestarsi di un risultato estremamente raro lo porterebbe a conclusioni erronee.

V.5: Tecniche sperimentali di correzione dei dati outlier.

Si ritenuto opportuno, tra i vari temi trattati in questo lavoro, dedicare tempo ed
attenzione ad un tema, a discrezionale convincimento di chi scrive, ricorrente nella
riconducibilit alle logiche coercitive imposte dalla teoria analitica di riferimento dei dati
tratti dalle diverse realt.
Il tema in questione, anticipato nella nomenclatura di richiamo del paragrafo,
quello della correzione dei dati outlier.
Sebbene meritevole di pi approfondite attenzioni, onde evitare che la trattazione
della materia in questione esuli eccessivamente dalle finalit strettamente contingenti con
tale lavoro di tesi, non verr nel seguito riproposta alcuna sedimentazione teorico/pratica di
riferimento sullargomento. Si proceder, di converso, attingendo a tessuti teorici
tipicamente propri di alvei disquisitori limitrofi, secondo logiche procedurali di presuntiva
causalit, mosse dalla volont e desiderio personali di riuscire nellarticolazione efficace di
soluzioni di riguardo che siano di esclusiva fattura individuale. 167 Ci inevitabilmente
implica che quanto nel seguito esposto sia, allo stato attuale e secondo le conoscenze
letterarie in possesso dallautore, non certificabile, nella validit esplicativa dello stesso,
attraverso il rinvio ad adeguate referenze bibliografiche nelle note di approfondimento a
fondo pagina.
Nello specifico, circa il tema della correzione di dati anomali (outlier) nelle azioni
di raccolta campionaria delle osservazioni, verranno proposte due distinte procedure di
sostituzione efficiente:

- La prima risulter basata sulla mutua variabilit tra le altre osservazioni


campionarie raccolte;
- La seconda verr invece ricavata dalle usuali tecniche di statistica inferenziale
adottate nella comune prassi analitica.

167
Non si esclude in maniera assoluta che al momento della stesura della tesi, possano essere gi presenti in
letteratura temi e argomentazioni con caratteristiche e/o risultanze affini o addirittura analoghe, ma queste,
allo stato attuale, rimangono non pervenute alla fine dello studio di ricerca che ha seguito la preparazione
delle tecniche di analisi in questione e preceduto la stesura finale dellelaborato.

160
Le due tecniche verranno testate sulla serie storica mensile del FTSE MIB, ove
giungeranno a risultati conclusivi del tutto analoghi.

V.5.a: Mutua variabilit

Lutilizzo della mutua variabilit, come espediente tecnico per la correzione dei dati
anomali allinterno di serie storiche, riflette la logica esplorativa che ha guidato questa fase
di sperimentazione. Lintento di determinare elementi campionari fittizi in sostituzione di
altri ritenuti quantitativamente non conformi alla serie storica di analisi viene realizzata
muovendo dallidea di determinazione di ununica misura di sintesi descrittiva della
serie 168 per accogliere soluzioni logico/operative che prendano in considerazione, per tutte
le unit campionarie considerate, quella variabilit statistica reciproca che insita in ogni
elemento della serie ed alla base della metodologia di ricostruzione analitica degli outlier
proposta in questa sede. Codesta affida alla differenza semplice media 169 normalizzata
lindice di mutua diversit statistica cercato.
Pi approfonditamente, la questione della corretta misurazione della variabilit
distributiva allinterno di un insieme di unit trova accoglimento in numerosi e
fondamentali problemi reali, in particolar modo di carattere etico e perequativo, quali la
disuguaglianza tra i redditi e la povert (relativa) tra gli individui di diverse societ.
Applicato a tali tematiche, la mutua variabilit trova per corretta applicazione solo se
riferita a grandezze cosiddette trasferibili, ossia per le quali sia effettivamente possibile
determinare le rispettive variabilit teoriche minime e massime allinterno di una serie
distributiva. 170
Tale condizione risulta non immediatamente verificata nel caso dei rendimenti di
titoli finanziari, se non per diretta annessione di connotazioni interpretative a carattere
estensivo. In effetti, appare comunque non priva di fondamento lidea che il flusso di
investimenti finanziari complessivamente realizzati in un determinato intervallo di tempo e
relativamente ad uno specifico titolo azionario, possa essere interpretato come una
variabile trasferibile. O, altrimenti detto, esso sia in grado di dare luogo a tassi di

168
Su tutte, il valore medio della serie, andando cos ad operare un confronto tra le singole osservazioni
campionarie e la medie delle stesse, elevandone poi al quadrato i singoli confronti, cos come accade per altre
misure tipiche di dispersione, su tutte la varianza ed il coefficiente di variazione (CV).
169
Si veda a breve nel testo.
170
Pi precisamente, la trasferibilit implica che lammontare complessivo di un fenomeno possa distribuirsi
tra le unit statistiche di riguardo senza modificarne lammontare complessivo.

161
rendimento che siano variabili nei vari sotto-periodi di rilevazione (nel prosieguo, i singoli
mesi), senza con ci implicare un aumento/diminuzione, su base periodale, del rendimento
complessivo dello stesso titolo.

Per lesplicitazione del campione osservato, innanzitutto opportuno definire


analiticamente la differenza semplice media:

,=1: |
: =
( 1)
(5.1)

Lobiettivo riuscire a determinare quel valore che sarebbe stato presente nel
campione dei dati in condizione di normalit. 171
La soluzione ideale sarebbe ovviamente quella di cercare di individuare le cause
responsabili della distorsione e quantificarne specificatamente il loro impatto sul dato
anomalo ma ci, anche ipotizzando la perfetta indipendenza tra le osservazioni nel tempo,
da ritenersi oggettivamente impresa pressoch impossibile da realizzare. Il metodo qui
sperimentato, di converso, presuppone il raggiungimento di risultati analogamente
soddisfacenti a quelli ottenibili con il metodo ideale pur seguendo, per, una
metodologia di analisi del tutto inversa. Lutilizzo della mutua variabilit presuppone,
infatti, la presenza di forti legami di correlazione tra i diversi dati, ossia delle forte
analogie di movimento nei prezzi delle azioni, cosicch la valutazione di mercato di ogni
singolo valore mobiliare non possa limitarsi ed esaurirsi nella valutazione degli asset a
disposizione nellistante valutativo e/o delle prospettive eventuali di crescita/deperimento
degli stessi, ma deve essere inevitabilmente parte integrata di un processo di analisi
fondamentale, il pi profondo e grandangolare possibile. I concetti appena espressi, gi
ampiamente riconosciuti e validati dalla teoria economica odierna, sono alla base dellidea
ispiratrice che ha portato allideazione del metodo correttivo dei dati outlier in discussione.

171
L a normalit da intendersi in questo caso come assenza di fatti e/o situazioni che direttamente o
indirettamente siano state responsabili della distorsione che ha riguardato una o pi specifiche
osservazioni temporali distinte, comportando cos la formazione del dati outlier.

162
Stante le riflessioni di merito appena svolte, lintento quello di determinare, in un
campione osservato di + 1 elementi, quel valore x che, se fosse sostituito alloutlier
originale w, manterrebbe invariato il valore della differenza semplice media calcolata sugli
+ 1 dati osservati.

Il metodo stato testato sulla serie storica 172 del FTSE MIB relativa al periodo
06/2003-08/2012. Esso risulta particolarmente idoneo a tale verifica poich caratterizzato
da una cattiva approssimazione con la v.a. Normale per la presenza, su tutti, di un unico
valore anomalo (outlier) che, una volta eliminato, consentir alla stessa serie di distribuirsi
Normalmente, seppur nel rispetto delle sole condizioni minimali.
Riportiamo, ora, la serie storica dei rendimenti 173 del FTSE MIB:

FTSE.MIB ( )
06/2003 08/2012

Chiusura Chiusura
Data Data
aggiustata aggiustata 174
02-giu-03 0.0182 03-nov-03 0.0426
01-lug-03 0.0046 01-dic-03 0.0139
01-ago-03 -0.0253 01-gen-04 0.0163
01-set-03 0.0536 02-feb-04 0.0141
01-ott-03 0.9366 01-mar-04 -0.0440
01-apr-04 -0.0100 01-feb-06 0.0264
03-mag-04 0.0325 01-mar-06 0.0189
01-giu-04 0.0066 03-apr-06 0.0409
01-lug-04 -0.0294 01-mag-06 -0.0051
02-ago-04 0.0316 01-giu-06 0.0368
01-set-04 -0.0240 03-lug-06 -0.0590
01-ott-04 0.0266 01-ago-06 0.0391
01-nov-04 -0.0199 01-set-06 0.0463
01-dic-04 -0.0230 02-ott-06 0.0263

172
Su base mensile.
173
Si tratta di rendimenti logaritmici determinati sulla base delle quotazioni storiche riportate nel successivo
paragrafo VI.3.
174
Da intendersi come prezzo di chiusura aggiustato per dividendi e split.

163
03-gen-05 0.0322 01-nov-06 0.0268
01-feb-05 0.0314 01-dic-06 0.0074
01-mar-05 0.0320 01-gen-07 -0.0041
01-apr-05 -0.0357 01-feb-07 -0.0190
02-mag-05 -0.0002 28-feb-07 -0.0605
01-giu-05 0.0044 01-mar-07 0.0713
01-lug-05 0.0357 02-apr-07 -0.0217
01-ago-05 0.0141 01-mag-07 -0.1241
01-set-05 0.0278 04-giu-07 -0.0352
03-ott-05 0.0178 02-lug-07 0.0160
01-nov-05 0.0285 01-ago-07 -0.1201
01-dic-05 0.0182 03-set-07 -0.1780
02-gen-06 -0.0250 01-ott-07 -0.0669
01-nov-07 0.0000 01-set-09 -0.0266
03-dic-07 0.0149 01-ott-09 -0.0817
02-gen-08 0.0464 02-nov-09 -0.1600
01-feb-08 -0.0156 01-dic-09 0.0381
03-mar-08 -0.0265 04-gen-10 0.1890
01-apr-08 -0.0422 01-feb-10 0.0362
02-mag-08 -0.0008 01-mar-10 -0.0422
02-giu-08 -0.0074 01-apr-10 0.0763
01-lug-08 0.0155 03-mag-10 0.0859
01-ago-08 -0.0387 01-giu-10 0.0459
01-set-08 -0.0109 01-lug-10 -0.0621
01-ott-08 -0.1190 02-ago-10 -0.0060
03-nov-08 0.0585 01-set-10 -0.0601
01-dic-08 -0.0599 01-ott-10 -0.0447
02-gen-09 -0.0385 01-nov-10 -0.0909
02-feb-09 0.0811 01-dic-10 -0.1693
02-mar-09 -0.0579 03-gen-11 -0.0478
01-apr-09 -0.0983 01-feb-11 0.0766

164
04-mag-09 -0.0120 01-mar-11 -0.0479
01-giu-09 0.0848 01-apr-11 -0.0118
01-lug-09 -0.0632 02-mag-11 0.0478
03-ago-09 0.0383 01-giu-11 0.0325
01-lug-11 0.0451 01-feb-12 -0.0230
01-ago-11 -0.1158 01-mar-12 -0.0908
01-set-11 0.0544 02-apr-12 -0.1253
03-ott-11 0.0890 02-mag-12 0.1033
01-ago-11 0.0187 01-mar-12 -0.0272
01-set-11 -0.0335 02-apr-12 0.0320
03-ott-11 0.0313

Tab. V.1: Serie storica dei rendimenti mensili del FTSE/MIB dal giugno 2003 ad agosto 2012.

175
Il dato anomalo quello relativo allosservazione numero cinque dellOttobre 2003.
Esso risulta pari a:

0.9366017 .

Il valore della differenza semplice media calcolato escludendo questultima


osservazione pari a:
0.06506592 . 176

Il processo di correzione consiste nel dividere/moltiplicare loutlier per la differenza


semplice media in modo ripetuto fino allindividuazione del valore che, se sostituito a
quello dellOttobre 2003, permette di restituire alla serie una valore semplice medio pari
proprio a 0.06506592.

175
Nel senso che evidente un valore ben discostato dal range di variabilit degli altri.
176
Includendo il dato distorto essa diviene pari a 0,08086545.

165
Si tratter dunque di porre in essere un processo iterativo, in virt del quale si decider
solo di volta in volta a seconda dei risultati ottenuti, se andare a moltiplicare o a dividere il
valore osservazionale stimato nellultima operazione. Relativamente al titolo FTSE MIB, il
processo iterativo risulta molto lungo e per questo non verr eseguito fino in fondo. Ci, ad
ogni modo, senza compromettere il risultato delloperazione di correzione. 177

Il listato R con cui sono stati svolti alcuni passaggi del processo iterativo il seguente:

>library(labstatR)
0.9366017*0.06506592
[1] 0.06094085
> x[5]<- 0.06094085
> (gini(x)$G)*(2*mean(x))
[1] 0.06518896
> 0.06094085/1.06518896
[1] 0.0572113
> x[5]<- 0.0572113
> (gini(x)$G)*(2*mean(x))
[1] 0.06513316
> 0.0572113/1.06513316
[1] 0.05371281
> x[5]<- 0.05371281 .

Dallultimo valore ottenuto in poi, le successive operazioni riducono, ad ogni


ripetizione, la distanza rispetto a quello target x0 sempre della stessa entit (0.00000003)

> (gini(x)$G)*(2*mean(x))
[1] 0.06508181
> 0.05371281/1.06508181
[1] 0.05043069
> x[5]<- 0.05043069
> (gini(x)$G)*(2*mean(x))
[1] 0.06503555
> 0.05043069*1.06503555
[1] 0.05371048
> x[5]<- 0.05371048
> (gini(x)$G)*(2*mean(x))
[1] 0.06508177
> 0.05371048/1.06508177
[1] 0.0504285
> x[5]<- 0.0504285
> (gini(x)$G)*(2*mean(x))
[1] 0.06503552
> 0.0504285*1.06503552
[1] 0.05370814
> x[5]<- 0.05370814
> (gini(x)$G)*(2*mean(x))
[1] 0.06508174
> 0.05370814/1.06508174
[1] 0.05042631
> x[5]<- 0.05042631
> (gini(x)$G)*(2*mean(x))
[1] 0.06503549

177
Lerrore che ne conseguirebbe sarebbe trascurabile, come si deduce da quanto si sta per evidenziare.

166
> 0.05042631*1.06503549
[1] 0.05370581
> x[5]<- 0.05370581
> (gini(x)$G)*(2*mean(x))
[1] 0.0650817
> 0.05370581/1.0650817
[1] 0.05042412
> x[5]<- 0.05042412
> (gini(x)$G)*(2*mean(x))
[1] 0.06503546
> 0.05042412*1.06503546
[1] 0.05370348
> x[5]<- 0.05370348
> (gini(x)$G)*(2*mean(x))
[1] 0.06508167
> x[5]<-0.05370348/1.06508167
> (gini(x)$G)*(2*mean(x))
[1] 0.06503543
> 0.05370348/1.06508167
[1] 0.05042194
> 0.05042194*1.06503543
[1] 0.05370115
> x[5]<- 0.05370115
> (gini(x)$G)*(2*mean(x))
[1] 0.06508164
> 0.05370115/1.06508164
[1] 0.05041975
> x[5]<- 0.05041975
> (gini(x)$G)*(2*mean(x))
[1] 0.0650354 .

Il valore di arresto dellalgoritmo restituisce un valore stimato pari a:

0.05041975 ,

il quale, sostituito al dato originale (distorto), restituisce il seguente valore dellindice di


differenza semplice media:
0.0650354 .

immediato verificarne la vicinanza rispetto al valore obiettivo 0.06506592:


0.06506592 - 0.0650354 = 3.052e-05 .

Risultati analoghi si ottengono, inoltre, relativamente al secondo metodo di analisi dei


dati outlier, pensato ed attuato in maniera apposita da poter valutare loperato
computazionale dei passaggi precedenti. In particolare, si individua la stima ottima del
valore corretto nel punto di massima verosimiglianza della relativa funzione (). 178
Quesultima viene utilizzata per inferire, data una specifica realizzazione campionaria, uno
o pi parametri relativi alla popolazione da cui stato estratto quel determinato campione.
In termini (di nuovo) estensivi, pu essere inferito il valore medio della popolazione
(Normale), rappresentata nel caso di specie dalla serie storica esaminata del FTSE MIB.

178
( ) la simbologia comunemente utilizzata per indicare la funzione di verosimiglianza, qui ripresa.

167
Per far ci, costruiamo innanzitutto una vettore a contenente tutti i valori compresi tra
il minimo ed il massimo della serie storica (ad esclusione, quindi, del valore anomalo) ed
equidistanti tra loro per un valore di 0,001. Inseriamo poi tale vettore in una matrice
367x111 e calcoliamo la media aritmetica di ogni riga; salviamo tali risultati in un secondo
vettore m ed, infine, calcoliamo la funzione di verosimiglianza tra m ed a.
Sviluppiamo quando appena esplicitato nel software R:

a<-seq(-0.1780066,0.1879934,0.001)
> length(a)
[1] 367
> d<-matrix(x,367,111,byrow=T)
> d[,5]<-a
> m<-apply(d,1,mean)
> sd(x2)
[1] 0.05946799

lalgoritmo della funzione di verosimiglianza Normale

> n<-function(m,a){
(1/(2*pi*0.003536441))^(length(m)/2)*exp((-
0.5/0.003536441)*sum((m-a)^2))}
> n<-Vectorize(n,vectorize.args="a")
> ordinate<-n(m,a)
> ordinate<-ordinate/max(ordinate)

Rappresentazione della funzione di Verosimiglianza


> plot(a,ordinate,type="l",xlim=c(-0.05,0.05))

Calcolo della stima di massima verosimiglianza

> length(m)
[1] 367
> (sum(m))/367
[1] -0.005245366

Il valore - 0.005231112 rappresenta quello del vettore m che massimizza la funzione


(). Esso corrisponde alla componente numero 126 del vettore a. infatti:

a[126]
[1] -0.0530066 .

In particolare, tra i 367 valori del vettore a , - 0.0530066 quello che maggiormente si
avvicina al valore registrato con il metodo precedente. La differenza comunque dovuta

168
allampiezza, eccessiva, dellintervallo intercorrente tra due valori successivi di a, pari a
0,001.

I due metodi possono dunque essere considerati sostanzialmente equivalenti.

Graficamente:

Fig. V.2: Funzione di verosimiglianza

Mostriamo, infine, le analisi grafiche che fanno vedere come effettivamente la


normalit distributiva della serie sia nettamente migliorata.

I commenti relativi alle tipologie grafiche utilizzate saranno espressi nel corso del
capitolo successivo, in cui, degli stessi, si far uso ricorrente. Vengono inoltre applicati i
test di Jarque-Bera e di Shapiro.

169
Rappresentazione grafica elaborata con il software R

Fig. V.3: Istogrammi e funzioni di densit originali e corretti (c).

Jarque.Bera.test(FTSE MIB)

Jarque Bera Test


data: z
X-squared = 12249.19, df = 2, p-value < 2.2e-16
Shapiro.test(Luxottica.Group)

Shapiro-Wilk normality test


data: z
W = 0.5508, p-value < 2.2e-16

Tab. V.4: Risultati test di Jarque Bera e Shapiro per la serie del FTSE MIB.

170
Rappresentazione grafica elaborata con il software R

Fig. V.5: Normal Q-Q Plot e Boxplot originali e corretti (c).

Jarque.Bera.test(FTSE MIB.c)

Jarque Bera Test


data: FTSE MIB.c
X-squared = 8.5683, df = 2, p-value = 0.01379

Shapiro.test(Luxottica.Group)

Shapiro-Wilk normality test


data: z
W = 0.5508, p-value < 2.2e-16

Tab. V.6: Risultati test di Jarque Bera e Shapiro per la serie del FTSE MIB corretta.
.

_______________

171
172
C a p i t o l o VI:
LANALISI EMPIRICA

VI.1: Note introduttive.

Si giunti alla fase conclusiva di questo lavoro di tesi.

La parte iniziale di questultimo capitolo ha il compito di ribadire, in via conclusiva,


il riavvolgimento dei principi analitici sino ad ora perpetuati, per dar ampio spazio a tratti e
contenuti stilistici nuovi, mossi da rinnovate tonalit di forma e nuove 179 finalit
dindagine.
La logica e lo spirito redazionali che guidano la stesura di questi ultimi paragrafi,
tracciandone causalit e motivi interpretativi seguono dunque uno schema definitorio
concentrato sullesclusiva messa in opera degli strumenti teorici precedentemente avanzati,
onde pervenire a una loro sistematizzazione tecnico-pratica nei contesti empirici di
raffronto.
Nel dettaglio, di fatto, si proceder sottoponendo a verifica la teoria del CAPM
attraverso unanalisi regressiva in serie storica dei rendimenti di 19 titoli finanziari quotati
su Borsa Italiana S.P.A., tutti appartenenti allindice FTSE MIB.
Dapprima se ne verificheranno le condizioni di Normalit ed indipendenza/non-
correlazione attraverso analisi sia grafiche che computazionali; in seguito si proceder alla
stima vera e propria regredendo gli extra-rendimenti dei titoli scelti con riferimento alle

179
Allorch gi pi volte preannunciate nel corso dei precedenti capitoli di questa tesi.

173
serie storiche del T-Bill a tre mesi e dellindice FTSE MIB come proxy, rispettivamente, del
rendimento risk-free e del titolo di mercato.

VI.2: Connotati empirici iniziali

Il set di dati prescelto per la verifica empirica riportato nella tabella inferiore,
insieme alle specifiche sigle identificatrici. Le diverse attivit finanziarie sono disposte
secondo ordine alfabetico.

N TITOLO
1 A2A A2A.MI
2 Autogrill AGL.MI
3 Bpm BP.MI
4 Campari CPR.MI
5 Enel ENEL.MI
6 Eni ENI.MI
7 Exor EXO.MI
8 Generali G.MI
9 Impregilo A2A.MI
10 Lottomatica LTO.MI
11 Luxottica Group LUX.MI
12 Mediaset MS.MI
13 Mediolanum MED.MI
14 Pirelli PC-MI
15 Saipem SPM.MI
16 STMicroelectronics STM.MI
17 Telecom Italia TIT.MI
18 Tods TOD.MI
19 Unicredit UCG.MI
Tab. VI.1: Successione dei titoli azionari analizzati

Le serie storiche delle quotazioni, su base mensile, sono state tratte da Yahoo
Finance.com ove, attualmente, vengono caricati le rilevazioni fino al Giugno 2003 180 per
la quasi totalit dei titoli analizzati e per lindice di mercato utilizzato per la stima, il FTSE
MIB. Ci implica un limite inferiore per gli orizzonti temporali di analisi riguardanti le
stime dei titoli prescelti.

180
Il dato riferito alle rilevazioni storiche di libera fruibilit, ossia non soggetti alla stipulazione di specifici
piani tariffari per la consultazione.

174
In particolare poi, onde agevolare il rispetto delle condizioni di Normalit
distributiva necessaria per lutilizzo dei test dipotesi parametrici, verranno proposti,
limitatamente ad alcuni titoli diversi orizzonti temporali di analisi.
Nel dettaglio, essi risultano essere i seguenti:

- Giugno 2003 Agosto 2012 per il 30% dei titoli;


- Giugno 2003 Giugno 2008 per il 30% dei titoli;
- Giugno 2005 Agosto 20012 per il 25% dei titoli;
- Dicembre 2005 Agosto 20012 per il 5% dei titoli;
- Il restante 10% risulta non distribuirsi normalmente per nessuno degli archi
temporali precedenti. 181

Lanalisi empirica, in diretta consequenzialit alle risultanze teoriche mostrate in


precedenza, utilizzer i rendimenti logaritmici, per lo specifico periodo di osservazione
temporale.

La tabella seguente mostra i periodi di analisi per i singoli titoli (T) ed i rispettivi
livelli di significativit osservata p-value. 182 Essi riferiscono del livello di Gaussianit e
vengono determinati attraverso lapplicazione, ai rendimenti logaritmici, dei noti test per la
Normalit di Shapiro e Jarque-Bera. 183
Pi precisamente viene riportato in tabella un solo valore, quello relativo al pi alto
p-value, giacch non sempre i due test conducono a risultati simili. Il livello di
significativit minimo tollerato, ossia a partire dal quale viene accettata/non-rigettata
lipotesi di Normalit distributiva per la serie, lusuale 0,01.

181
Prendendo a riferimento il 5% come valore minimo di significativit per i test di Normalit di Shapiro e di
Jarque-Bera.
182
La dicitura p-value quella utilizzata dal software statistico utilizzato per i test. Essa, concettualmente,
risulta essere del tutto analoga al simbolo , utilizzato in fase di presentazione dei test di ipotesi nel corso
del capitolo precedente.
183
Come approfondimento e per una visione sia teorica che pratico/funzionale dei due test, si segnalano le
seguenti referenze:
- Cromwell J. B., Labys W. C., Terraza M. (1994) Univariate Tests for Time Series Models, Sage,
Thousand Oaks, CA;
- Royston P. (1982) An extension of Shapiro and Wilk's W test for normality to large
samples, Applied Statistics.

175
Solo due titoli mostrano un valore delle due statistiche test considerate per i rispettivi
test con relativo p-value minore dell1% : Exor (EXO.MI) e Unicredit (UCG.MI). Per essi,
nella cella di merito, viene riportato un asterisco.

N TITOLO T p-value
1 A2A 06/2003 06/2008 0.06197
2 Autogrill 06/2005 08/2012 0.04099
3 Bpm 184 06/2003 08/2012 0.02986
4 Campari 06/2003 06/2008 0.0419
5 Enel 06/2003 08/2012 0.2063
6 Eni 06/2003 08/2012 0.2105
7 Exor * < 0,01
8 Generali 06/2003 06/2008 0.7342
9 Impregilo 06/2005 08/2012 0.01121
10 Lottomatica 06/2005 08/2012 0.1047
11 Luxottica Group 06/2003 08/2012 0.7859
12 Mediaset 12/2005 08/2012 0.01125
13 Mediolanum 06/2005 08/2012 0.01536
14 Pirelli 06/2003 06/2008 0.2252
15 Saipem 06/2003 06/2008 0.07619
16 STMicroelectronics 06/2003 08/2012 0.5664
17 Telecom Italia 06/2005 08/2012 0.06256
18 Tods 06/2003 08/2012 0.3776
19 Unicredit * < 0,01
Tab. VI.2: Successione titoli suddivisi per relativi intervalli temporali di analisi e grado di
Normalit.

In letteratura sono ovviamente presenti studi analitici ulteriori circa la Normalit


distributiva. In questa sede per bene limitarsi a quelli gi noti. Approfondimenti di
riguardo, anche se di natura grafica, possono invece essere esposti con facilit. Essi
costituiscono il primo, fondamentale, preliminare di indagine sulla forma distributiva della
serie, riuscendo di fatto ad esplicitarne, in modo immediatamente percepibile, il livello di
tendenziale approssimazione con la v.a. Normale.

184
Il p-value riportato stato ottenuto eliminando il valore numero 106 nella serie storica dei rendimenti
logaritmici del titolo in questione pari a: -1.424446127. Tale valore straordinariamente piccolo rispetto agli
altri ed quindi ovviamente un outlier.

176
Pi dettagliatamente, le analisi grafiche di merito riguarderanno esclusivamente il
titolo Luxottica Group (LUX.MI) che, nellarco di tempo considerato, dimostra una ottima
Normalit distributiva, evidenziando i pi alti valori, tra tutti i titoli prescelti, in entrambi
test analitici precedenti.
Infatti:

Titolo Luxottica Group:

Rappresentazione grafica elaborata con il software R

Fig. VI.3: Situazione grafico/analitica titolo Luxottica

177
Jarque.Bera.test(FTSE MIB.c)

Jarque Bera Test


data: LUX.MI
X-squared = 0.4819, df = 2, p-value = 0.7859

Shapiro.test(Luxottica.Group)

Shapiro-Wilk normality test

data: LUX.MI
W = 0.9907, p-value = 0.657

Tab. VI.4: Risultati dei test di Jarque Bera e Shapiro per il titolo Luxottica

Le analisi descrittive proposte dimostrano unottima normalit distributiva, attestata


poi dalle stime numeriche riassuntive degli indici proposti.

Pi specificatamente, le rappresentazioni proposte per l'analisi della variabile


continua FTSE MIB rilevano, di concerto, una tendenza assoluta della stessa a distribuirsi
in maniera ampiamente Normale, pur adducendo a formulazioni grafico-interpretative del
tutto distinte poich peculiari, ovviamente, dello strumento grafico utilizzato.

In dettaglio, la figura si compone di quattro diverse elaborazioni, di seguito


specificatamente analizzate:

- L'istogramma, in alto a sinistra, viene costruito dividendo i valori della variabile in


oggetto in intervalli equamente distanziati, riportando in colonna il numero di
soggetti che presentano un valore all'interno dell'intervallo. L'altezza della colonna
risulta ovviamente proporzionale al numero di soggetti dell'intervallo. Si pu
osservare come la maggior parte dei valori risulti compresa tra 0 e 0.05, mentre
sono relativamente pochi i valori che occupano le code e che si riferiscono a
intervalli di rendimento compresi, rispettivamente, tra -0.02 e -0.025 , per la coda di
sinistra, e tra 0.02 e 0.025 , per quella di destra.

178
- La simmetria della distruzione risulta essere apprezzabile, cos come rilevante
appare essere la variabilit della stessa per rendimenti compresi tra le coppie di
valori -0.2/-0.05 e 0.2/0.05 risultando, d'altro canto, eccessivamente condensata per
valori compresi tra -0.05 e 0.05. In definitiva, l'analisi grafica si esaurisce nel
confrontare direttamente idealmente l'istogramma relativo alla distribuzione
empirica con la densit di riferimento (Normale);

- Quanto appena analizzato in merito ai valori di simmetria e curtosi della


distribuzione, si riflette in maniera ancor pi evidente nel density-plot in alto a
destra. Esso permette di apprezzare appieno la regolarit distributiva della serie e la
bont del livello di normalit di cui, la stessa, gode;

- Il grafico in basso a sinistra rileva unulteriore tecnica grafica di analisi dei dati, il
Q-Q plot, con cui si confrontano le funzioni di ripartizione empirica e teorica,
rapportando i quantili della distribuzione empirica con i quelli omotetici (ossia
dello stesso livello q) della distribuzione teorica di riferimento (sempre la quella
Normale). Se la distribuzione empirica risulta imputabile al modello distribuzionale
ipotizzato, i quantili empirici dovrebbero essere analoghi a quelli teorici (Normali)
di pari livello q. Pertanto, se il modello da cui sono stati estratti i dati
effettivamente quello Normale, in un grafico a dispersione che rappresenti sulle
ascisse i quantili teorici (Theorical Quantile) e sulle ordinate quelli empirici
(Sample Quantile) della distribuzione di riferimento, i punti dovrebbero disporsi in
maniera perfetta lungo una retta a 45 gradi. Ci si rivela "accettabilmente vero per
la serie dei rendimenti del FTSE MIB in questione. Inoltre, la pendenza e l'intercetta
di tale retta forniscono informazioni sul valore, rispettivamente, di e di .

- Il box-plot in basso a destra descrive l'ultima modalit grafica di rappresentazione


dei dati. La "scatola contiene i valori intercorrenti tra il primo ed il terzo quartile
(differenza interquartile), ossia il 50% dei dati complessivi della serie, tra cui il
valore mediano (secondo quartile). Si evidenziano una leggera asimmetria verso
destra e la presenza di due dati outlier.

I primi studi analitici riguardo la validit del CAPM risalgono al 1966 e sono ad
opera di William Sharpe. Lautore esamin nello specifico la relazione rischio/rendimento

179
per 34 fondi comuni aperti utilizzando la deviazione standard quale misura unica di
rischio. Egli ottenne, a riguardo, risultanze confortanti circa la validit del modello testato,
in grado di apparire pressoch in linea con i postulati teorici del CAPM. In particolare,
rilev che i fondi pi rischiosi registravano performance pi alte rispetto a quelle dei fondi
meno rischiosi e che la correlazione tra il rendimento medio e lo scarto quadratico medio
appariva statisticamente significativa.
Come noto, per, in questo lavoro di tesi si proporr una stima del CAPM secondo
la tecnica della regressione lineare univariata, cos come originariamente proposto da
Black, Jensen e Scholes (1972) 185 e, nel tempo, sedimentatosi nella letteratura finanziaria
di maggior riferimento.

L'analisi empirica ivi curata, in particolare, individuati i connotati evolver


regredendo il valore degli extra-rendimenti di ogni singolo titolo, rispetto a quello non
rischioso, sull'extra-rendimento di mercato. In particolare, si utilizzer il tasso dei T-Bill
trimestrali come proxy del tasso privo di rischio.
A riguardo, la formulazione relativa alla regressione lineare semplice adotta la
seguente:

= + + = 1, 2, , ,

stante la Security Market Line 186 del CAPM :


[] = + [] , con = , .

Ora, si pu riformulare la regressione su-indicatata secondo i dettami teorici del


CAPM, presentati ed esaminati nel corso del capitolo III , in modo che indicati con , e
come, rispettivamente, il rendimento dei titoli i-esimo, di quello risk-free del
portafoglio di mercato M, si abbia:

= + +
(3.1)

185
Black F., Jensen M. C., Scholes M. (1972) The Capital Asset Pricing Model: Some Empirical Test, in
M. C. Jensen Studies in the Theory of Capital Markets, Praeger, New York, pagg.. 79-121.
186
Ivi, capitolo III, la formula (11.9).

180
:

con [ ] = 0 e 2 = 2 , usando

= e = ,

definiti, rispettivamente, come gli extra-rendimenti dell'i-esimo titolo e del portafoglio di


mercato, rispetto al titolo risk-free.

Il parametro della (3.1), conosciuto in letteratura come indice di Jensen, stato


introdotto per la prima volta dallomonimo Autore 187 per lanalisi di alcuni fondi comuni
di investimento aperti. Esso si presta ad una duplice interpretazione. Se da un punto di
vista geometrico, infatti, rappresenta il valore dell'intercetta della retta interpolante i valori
dei rendimenti allinterno del piano cartesiano ( ; ), da quello squisitamente finanziario
esso si propone essere, a tutti gli effetti, come un indice di performance del titolo e,
indirettamente, come uno strumento valutativo della valenza del CAPM in contesti
applicativi reali.
Lo studio compiuto da Jensen, in estrema sintesi, differisce da quello di Sharpe per
due distinti ordini di motivi:

1) Jensen utilizza il beta al posto della deviazione standard.

2) La diversa finalit di indagine sottesa al compimento del relativo studio di analisi


dei mercati. Jensen, infatti, intese verificare labilit dei gestori dei fondi di
ottenere dei rendimenti pi alti rispetto al livello atteso di rischio e, solo
indirettamente, dallesamina delle performance dei vari gestori e dunque
segnatamente dei loro extra-rendimenti, giunse alla realizzazione di una verifica
della relazione rischio/rendimento, avanzata dalla modellistica del CAPM.

Anche Jensen in definitiva, come Sharpe prima di lui, sembr confermare in linea
di massima la bont del modello. Tuttavia le indagini svolte dai due autori sollevarono ben
187
Jensen M. The Performance of Mutual Funds in the Period 1945-1964, Journal of Finance, Vol. 23, n. 2
1967, pagg. 389-416.

181
presto ampie e ricorrenti perplessit circa leffettiva praticabilit delle ipotesi sottostanti il
CAPM, prima fra tutte quella per ogni investitore di dare e prendere a prestito denaro al
tasso risk-free 188 o laccettabilit stessa della concreta costruzione del portafoglio di
mercato, secondo la critica di Roll. Tentativi di superamento di questa (ed altre) limitazioni
pervengono da Fischer Black nel 1972 189 e da Black, Jensen e Scholes (1972). 190

VI.3: Preliminari di stima

Di seguito si esporranno nel dettaglio i risultati a cui si giunti testando il CAPM in


serie storica con la tecnica della regressione lineare semplice.
Lanalisi si orienter sia su risultanze di ordine quantitativo, derivanti in particolare
dallapplicazione di test dipotesi, che su evidenze di ordine qualitativo, ossia riferenti non
a processi di elaborazione computazionale ma a diagnosi di natura esclusivamente grafica.
Ad ogni modo, la linea di indirizzo principalmente seguita nel corso della verifica,
poich in grado di incontrare il maggior grado di preferibilit da parte dello scrivente, sar
quella di affiancare ove possibile le (due) tecniche di indagine analitica predette in modo
da avvicendarne i distinti contenti informativi che esse certamente garantiscono, secondo
un ordine di indagine preventivamente definito.
In particolare, stante gli obiettivi preposti, verr ritenuta pratica di preziosa e, in
quanto tale, protocollare eseguibilit, lanteporre in via rigorosa lanalisi di tipo qualitativo
a quella di tipo quantitativo. La prima, infatti, in via del tutto generica, permette di derivare
il contenuto informativo richiesto in maniera organica, ossia fornendo una visione
dinsieme certamente pi ampia di quanto, per definizione, sia ottenibile con una mera
elaborazione quantitativa degli stessi dati.
Definita limpostazione metodologica di analisi seguita da ora in avanti, sia
concessa unultima puntualizzazione. Proprio in virt della duplice fase indagatoria
(qualitativa e quantitativa) e stante i fini prettamente espositivi che sottintendono
lelaborazione di questultima fase della tesi, si ritenuto opportuno non gravare
eccessivamente la fruibilit di lettura dei risultati ottenuti, con analisi grafiche ripetute

188
In questo momento, poi, lattuale crisi finanziaria ha ben messo in dubbio laccettabilit dellesistenza di
un tasso privo di rischio (o comunque di una sua proxy), pur se dotato di rating AAA.
189
Black F. Capital Market Equilibrium with Restricted Borrowing, in Journal of Finance, n. 45, July
1972, pagg. 444-455.
190
Ivi, nota n. 7

182
per ogni singolo titolo, ma limitando il ricorso alla duplice leva di astrazione informativa di
cui sopra, ad un solo titolo,191 a mo di esemplificazione per quanto effettivamente
realizzato in sede di analisi ma che, per ovvie ragioni di incontinenza 192 non pu essere
integralmente riproposto in tale sede. Per ci che riguarda i restanti titoli, dunque, si
forniranno, ovviamente, risultanze di ordine quantitativo presentate attraverso lutilizzo di
tabelle specificatamente costruite in modo da poter sintetizzare una notevole quantit di
informazioni in poche pagine di testo. Oltre a ci, lanalisi grafica per tutti gli altri titoli
riguarder unicamente la stima della retta di regressione.

VI.4: Il procedimento di verifica

Il procedimento di verifica adottato permetter di stimare, per ogni titolo, la retta di


regressione per lo spazio cartesiano ( ; ). Onde far ci dunque, occorrer dapprima
definire lentit degli extra-rendimenti e, successivamente, pervenire alla stima dei
coefficienti di regressione e . Il tutto avverr, come del resto accaduto per i capitoli
precedenti, facendo ricorso al software R. 193

Per il titolo Luxottica, oggetto di attenzioni privilegiate in questa fase di analisi, una
volta ottenute le quotazioni mensili per il periodo 06/2003 08/2012, si proceduto
determinando i rispettivi rendimenti e gli extra-rendimenti 194 rispetto al T-Bill a tre mesi,
cos da poter costruire la retta di regressione definita dalla espressione (3.1) ed inferirne i
relativi coefficienti , attraverso la tecnica statistica dei minimi quadrati.

Per iniziare, dunque, presentiamo:

191
Specificatamente, in continuit analitica con quanto in precedenza osservato e analizzato, si optato, tra i
possibili, sul titolo Luxottica (LUX.MI)
192
La mole complessiva di studi e analisi grafiche infatti, risulterebbe, a parere di chi scrive, eccessiva per un
lavoro di tesi, senza apportare in definitiva alcun plus in termini esplicativi ma, anzi, risultando, per la
ridondanza di informazioni e la ripetitivit delle procedure di analisi, di indubbio ostacolo alla felice
intellegibilit del lavoro stesso.
193
Differentemente da quanto avvenuto in precedenza, verranno riportati anche alcuni script relativi alle
implementazioni computazionali ritenute di maggior importanza.
194
In forma logaritmica, secondo quando asserito nel capitolo precedente.

183
- la serie storica dei prezzi azionari del titolo Luxottica:

LUX.MI ( ) 06/2003 08/2012


Chiusura Chiusura
Data Data
aggiustata aggiustata 195
02-giu-03 10.57 01-apr-05 13.99
01-lug-03 11.74 02-mag-05 15.27
01-ago-03 12.11 01-giu-05 15.68
01-set-03 10.88 01-lug-05 17.39
01-ott-03 12.2 01-ago-05 17.11
03-nov-03 13.03 01-set-05 18.93
01-dic-03 12.18 03-ott-05 18.48
01-gen-04 12.25 01-nov-05 19.17
02-feb-04 12.18 01-dic-05 19.61
01-mar-04 11.38 02-gen-06 19.68
01-apr-04 12.18 01-feb-06 21.59
03-mag-04 11.73 01-mar-06 20.79
01-giu-04 12.37 03-apr-06 21.58
01-lug-04 12.73 01-mag-06 19.42
02-ago-04 12.46 01-giu-06 19.72
01-set-04 13.02 03-lug-06 20.08
01-ott-04 13.07 01-ago-06 20.99
01-nov-04 13.26 01-set-06 21.57
01-dic-04 13.53 02-ott-06 22.62
03-gen-05 15.03 01-nov-06 21.26
01-feb-05 14.42 01-dic-06 21.61
01-mar-05 14.3 02-gen-07 22.12
01-feb-07 22 03-nov-08 Q14.14
28-feb-07 22 01-dic-08 12.28

195
Da intendersi come prezzo di chiusura aggiustato per dividendi e split. La stessa dicitura formale sar
riportata nelle successive esposizioni tabellari senza ulteriori specificazioni in nota.

184
01-mar-07 22.16 02-gen-09 10.71
02-apr-07 23.8 02-feb-09 10.07
02-mag-07 24.63 02-mar-09 11.33
04-giu-07 27.17 01-apr-09 13.61
02-lug-07 25.24 04-mag-09 14.21
01-ago-07 23.66 01-giu-09 14.43
03-set-07 22.53 01-lug-09 17.02
01-ott-07 22.83 03-ago-09 16.4
01-nov-07 21.52 01-set-09 17.15
03-dic-07 20.52 01-ott-09 16.02
02-gen-08 17.93 02-nov-09 16.28
01-feb-08 17.28 01-dic-09 17.73
03-mar-08 15.07 04-gen-10 18.62
01-apr-08 17.11 01-feb-10 18.86
02-mag-08 17.39 01-mar-10 19.44
02-giu-08 14.44 01-apr-10 20.15
01-lug-08 15.25 03-mag-10 19.61
01-ago-08 16.72 01-giu-10 19.94
01-set-08 15.62 01-lug-10 19.96
01-ott-08 15.25 02-ago-10 18.24
01-set-10 Q20.06 01-set-11 19.16
01-ott-10 21.23 03-ott-11 21.35
01-nov-10 20.41 01-nov-11 21.15
01-dic-10 22.8 01-dic-11 21.7
03-gen-11 22.14 02-gen-12 25.19
01-feb-11 22.51 01-feb-12 27.11
01-mar-11 23.04 01-mar-12 27.15
01-apr-11 22.29 02-apr-12 27.05
02-mag-11 22.2 02-mag-12 26.15
01-giu-11 22.12 01-giu-12 27.62
01-lug-11 22.1 02-lug-12 28.05

185
01-ago-11 20.77 01-ago-12 29.15

Tab. VI.5: Serie storica prezzi azionari titolo Luxottica

- I rendimenti 196 logaritmici del titolo Luxottica:

LUX.MI ( )
06/2003 08/2012

Chiusura Chiusura
Data Data
aggiustata aggiustata
02-giu-03 0.1050 01-apr-05 0.1051
01-lug-03 0.0310 02-mag-05 -0.0414
01-ago-03 -0.1071 01-giu-05 -0.0084
01-set-03 0.1145 01-lug-05 -0.0219
01-ott-03 0.0658 01-ago-05 0.0875
03-nov-03 -0.0675 01-set-05 0.0265
01-dic-03 0.0057 03-ott-05 0.1035
01-gen-04 -0.0057 01-nov-05 -0.0162
02-feb-04 -0.0679 01-dic-05 0.1011
01-mar-04 0.0679 02-gen-06 -0.0241
01-apr-04 -0.0376 01-feb-06 0.0367
03-mag-04 0.0531 01-mar-06 0.0227
01-giu-04 0.0287 03-apr-06 0.0036
01-lug-04 -0.0214 01-mag-06 0.0926
02-ago-04 0.0440 01-giu-06 -0.0378
01-set-04 0.0038 03-lug-06 0.0373
01-ott-04 0.0144 01-ago-06 -0.1055

196
I valori proposti sono stati arrotondati alla quarta cifra decimale, onde favorirne la leggibilit. Per lanalisi
regressiva invece stato considerata, per gli stessi dati, unapprossimazione alla nona cifra decimale. Lo
stesso varr in seguito salvo, avviso contrario.

186
01-nov-04 0.0202 01-set-06 0.0153
01-dic-04 0.0181 02-ott-06 0.1270
03-gen-05 0.0443 01-nov-06 0.0162
01-feb-05 0.0273 01-dic-06 -0.1859
01-mar-05 0.0475 02-gen-07 0.0546
01-feb-07 -0.0620 03-nov-08 0.0920
28-feb-07 0.0163 01-dic-08 -0.0681
01-mar-07 0.0233 02-gen-09 -0.0240
02-apr-07 -0.0054 02-feb-09 -0.0756
02-mag-07 0.0000 02-mar-09 -0.1410
04-giu-07 0.0072 01-apr-09 -0.1368
02-lug-07 0.0714 04-mag-09 -0.0616
01-ago-07 0.0343 01-giu-09 0.1179
03-set-07 0.0981 01-lug-09 0.1834
01-ott-07 -0.0737 03-ago-09 0.0431
01-nov-07 -0.0646 01-set-09 0.0154
03-dic-07 -0.0489 01-ott-09 0.1651
02-gen-08 0.0132 02-nov-09 -0.0371
01-feb-08 -0.0591 01-dic-09 0.0447
03-mar-08 -0.0476 04-gen-10 -0.0682
01-apr-08 -0.1349 01-feb-10 0.0161
02-mag-08 -0.0369 01-mar-10 0.0853
02-giu-08 -0.1368 01-apr-10 0.0490
01-lug-08 0.0128 03-mag-10 -0.0036
01-ago-08 0.0303 01-giu-10 -0.0009
01-set-08 0.0359 01-lug-10 -0.0621
01-ott-08 -0.0272 02-ago-10 -0.0807
01-set-10 0.0167 01-set-11 0.1082
01-ott-10 0.0010 03-ott-11 -0.0094
01-nov-10 -0.0901 01-nov-11 0.0257
01-dic-10 0.0951 01-dic-11 0.1491

187
03-gen-11 0.0567 02-gen-12 0.0735
01-feb-11 -0.0394 01-feb-12 0.0015
01-mar-11 0.1107 01-mar-12 -0.0037
01-apr-11 -0.0294 02-apr-12 -0.0338
02-mag-11 0.0166 02-mag-12 0.0547
01-giu-11 0.0233 01-giu-12 0.0154
01-lug-11 -0.0331 02-lug-12 0.0385
01-ago-11 -0.0040
Tab. VI.6: Serie storica rendimenti titolo Luxottica

- Le quotazioni dellindice FTSE MIB, erto a proxy del portafoglio di mercato M:

FTSE.MIB
06/2003 08/2012

Chiusura Chiusura
Data Data
aggiustata aggiustata
02-giu-03 10113 03-nov-03 27156
01-lug-03 10299 01-dic-03 26887
01-ago-03 10346 01-gen-04 27774
01-set-03 10088 02-feb-04 27957
01-ott-03 10644 01-mar-04 27148
01-apr-04 Q28020 01-feb-06 V37650
03-mag-04 27355 01-mar-06 37928
01-giu-04 28092 03-apr-06 37773
01-lug-04 27538 01-mag-06 36450
02-ago-04 26913 01-giu-06 36444
01-set-04 27794 03-lug-06 36606
01-ott-04 28681 01-ago-06 37938

188
01-nov-04 29615 01-set-06 38475
01-dic-04 30903 02-ott-06 39558
03-gen-05 31334 01-nov-06 40270
01-feb-05 31850 01-dic-06 41434
01-mar-05 32302 01-gen-07 42197
01-apr-05 30911 01-feb-07 41155
02-mag-05 31739 28-feb-07 41155
01-giu-05 32343 01-mar-07 41771
01-lug-05 33693 02-apr-07 43755
01-ago-05 33520 01-mag-07 43079
01-set-05 34775 04-giu-07 41954
03-ott-05 32782 02-lug-07 40221
01-nov-05 34090 01-ago-07 40187
01-dic-05 35704 03-set-07 39889
02-gen-06 36654 01-ott-07 40512
01-nov-07 38975 01-set-09 V23472.73
03-dic-07 38554 01-ott-09 22060.33
02-gen-08 34230 02-nov-09 21928.16
01-feb-08 Q33587 01-dic-09 Q23248.39
03-mar-08 31616 04-gen-10 21896.29
01-apr-08 33954 01-feb-10 21068.32
02-mag-08 33225 01-mar-10 22847.97
02-giu-08 29346 01-apr-10 21562.48
01-lug-08 28331 03-mag-10 19543.97
01-ago-08 28789 01-giu-10 19311.75
01-set-08 25530 01-lug-10 21021.56
01-ott-08 21367 02-ago-10 19734.57
03-nov-08 19985 01-set-10 20505.2
01-dic-08 19460 01-ott-10 21450.61
02-gen-09 17934 01-nov-10 19105.71
02-feb-09 15282 01-dic-10 20173.29

189
02-mar-09 15875 03-gen-11 22050.45
01-apr-09 19177 01-feb-11 22466.57
04-mag-09 19884 01-mar-11 21727.44
01-giu-09 19063.12 01-apr-11 22417.96
01-lug-09 20575.52 02-mag-11 21109.75
03-ago-09 22420.43 01-giu-11 20186.94
01-lug-11 18433.68 01-feb-12 16351.41
01-ago-11 15563.2 01-mar-12 15980.07
01-set-11 14836.33 02-apr-12 14592.34
03-ott-11 Q16017.73 02-mag-12 12873.84
01-nov-11 15268.66 01-giu-12 14274.37
01-dic-11 15089.74 02-lug-12 13890.99
02-gen-12 15828.05 01-ago-12 14342.03
Tab. VI.7: Serie storica quotazioni azionarie FTSE MIB

- I rendimenti 197 logaritmici del FTSE MIB:

FTSE.MIB ( )
06/2003 08/2012

Chiusura Chiusura
Data Data
aggiustata aggiustata
02-giu-03 0.0182 03-nov-03 0.0426
01-lug-03 0.0046 01-dic-03 0.0139
01-ago-03 -0.0253 01-gen-04 0.0163
01-set-03 0.0536 02-feb-04 0.0141
01-ott-03 -0.0537 01-mar-04 -0.0440

197
Nei dati proposti stata applicata la tecnica di correzione dei dati outlier presentata nel capitolo
precedente. Nello specifico, il dato anomalo, il numero cinque che relativo allOttobre del 2003, era pari a
0.9366017, contro una media di 0.003147501. Esso stato sostituito dal valore -0.0537128100 , secondo la
metodologia descritta nel capitolo precedente.

190
01-apr-04 -0.0100 01-feb-06 0.0264
03-mag-04 0.0325 01-mar-06 0.0189
01-giu-04 0.0066 03-apr-06 0.0409
01-lug-04 -0.0294 01-mag-06 -0.0051
02-ago-04 0.0316 01-giu-06 0.0368
01-set-04 -0.0240 03-lug-06 -0.0590
01-ott-04 0.0266 01-ago-06 0.0391
01-nov-04 -0.0199 01-set-06 0.0463
01-dic-04 -0.0230 02-ott-06 0.0263
03-gen-05 0.0322 01-nov-06 0.0268
01-feb-05 0.0314 01-dic-06 0.0074
01-mar-05 0.0320 01-gen-07 -0.0041
01-apr-05 -0.0357 01-feb-07 -0.0190
02-mag-05 -0.0002 28-feb-07 -0.0605
01-giu-05 0.0044 01-mar-07 0.0713
01-lug-05 0.0357 02-apr-07 -0.0217
01-ago-05 0.0141 01-mag-07 -0.1241
01-set-05 0.0278 04-giu-07 -0.0352
03-ott-05 0.0178 02-lug-07 0.0160
01-nov-05 0.0285 01-ago-07 -0.1201
01-dic-05 0.0182 03-set-07 -0.1780
02-gen-06 -0.0250 01-ott-07 -0.0669
01-nov-07 0.0000 01-set-09 -0.0266
03-dic-07 0.0149 01-ott-09 -0.0817
02-gen-08 0.0464 02-nov-09 -0.1600
01-feb-08 -0.0156 01-dic-09 0.0381
03-mar-08 -0.0265 04-gen-10 0.1890
01-apr-08 -0.0422 01-feb-10 0.0362
02-mag-08 -0.0008 01-mar-10 -0.0422
02-giu-08 -0.0074 01-apr-10 0.0763
01-lug-08 0.0155 03-mag-10 0.0859

191
01-ago-08 -0.0387 01-giu-10 0.0459
01-set-08 -0.0109 01-lug-10 -0.0621
01-ott-08 -0.1190 02-ago-10 -0.0060
03-nov-08 0.0585 01-set-10 -0.0601
01-dic-08 -0.0599 01-ott-10 -0.0447
02-gen-09 -0.0385 01-nov-10 -0.0909
02-feb-09 0.0811 01-dic-10 -0.1693
02-mar-09 -0.0579 03-gen-11 -0.0478
01-apr-09 -0.0983 01-feb-11 0.0766
04-mag-09 -0.0120 01-mar-11 -0.0479
01-giu-09 0.0848 01-apr-11 -0.0118
01-lug-09 -0.0632 02-mag-11 0.0478
03-ago-09 0.0383 01-giu-11 0.0325
01-lug-11 0.0451 01-feb-12 -0.0230
01-ago-11 -0.1158 01-mar-12 -0.0908
01-set-11 0.0544 02-apr-12 -0.1253
03-ott-11 0.0890 02-mag-12 0.1033
01-ago-11 0.0187 01-mar-12 -0.0272
01-set-11 -0.0335 02-apr-12 0.0320
03-ott-11 0.0313

Tab. VI.8: Serie storica rendimenti FTSE MIB

- I rendimenti del T-Bill a tre mesi:

T-bill 3-M ( )
06/2003 08/2012

Data Chiusura Data Chiusura

192
aggiustata aggiustata

02-giu-03 0.92 01-ott-04 0.92


01-lug-03 0.90 03-nov-05 0.93
01-ago-03 0.95 01-dic-05 0.90
01-set-03 0.94 01-gen-05 0.88
01-feb-03 0.93 01-gen-05 4.24
03-mar-03 0.94 02-feb-05 4.43
01-apr-03 0.94 01-mar-05 4.51
01-mag-04 1.02 01-apr-05 4.60
02-giu-04 1.27 01-mag-05 4.72
01-lug-04 1.33 01-giu-05 4.79
01-ago-04 1.48 03-lug-05 4.95
03-set-04 1.65 01-ago-05 4.96
01-ott-04 1.76 01-set-05 4.81
01-nov-04 2.07 02-ott-06 4.92
02-dic-04 2.19 01-nov-06 4.94
01-gen-04 2.33 01-dic-06 4.85
01-feb-04 2.54 03-gen-06 4.98
01-mar-04 2.74 01-feb-06 5.03
01-apr-06 2.78 03-mar-08 4.94
03-mag-06 2.84 01-apr-08 4.87
02-giu-03 2.97 01-mag-04 4.73
01-lug-03 3.22 03-giu-05 4.61
01-ago-03 3.44 01-lug-05 4.82
01-set-03 3.42 01-ago-05 4.20
01-ott-03 3.71 01-set-05 3.89
03-nov-03 3.88 02-ott-05 3.90
01-dic-03 3.89 01-nov-05 3.27
01-dic-04 3.00 01-nov-05 0.05
02-gen-04 2.75 01-dic-05 0.05
01-feb-04 2.12 01-gen-05 0.06

193
01-mar-04 1.26 03-feb-05 0.11
03-apr-04 1.29 01-mar-05 0.15
01-mag-04 1.73 01-apr-05 0.16
01-giu-04 1.86 02-mag-06 0.16
02-lug-04 1.63 01-giu-06 0.12
01-ago-04 1.72 01-lug-06 0.16
01-set-04 1.13 03-ago-06 0.16
01-ott-04 0.67 01-set-06 0.15
01-nov-06 0.19 03-ott-08 0.13
03-dic-06 0.03 01-nov-08 0.14
01-gen-04 0.13 03-dic-05 0.14
03-feb-04 0.30 01-gen-05 0.15
01-mar-04 0.21 01-feb-05 0.13
01-apr-04 0.16 02-mar-06 0.10
02-mag-04 0.18 01-apr-06 0.06
01-giu-04 0.18 01-mag-06 0.04
01-lug-04 0.18 03-giu-06 0.04
01-ago-04 0.17 01-lug-06 0.04
01-set-06 0.12 03-ago-08 0.02
03-ott-06 0.07 01-set-08 0.01
02-ott-04 0.02 01-apr-06 0.08
01-nov-04 0.01 01-mag-06 0.09
01-dic-04 0.01 03-giu-06 0.09
01-gen-04 0.03 01-lug-06 0.10
01-feb-06 0.09 03-ago-08 0.10
03-mar-06 0.08
Tab. VI.9: Serie storica rendimenti T-Bill

194
- Gli extra-rendimenti del titolo Luxottica rispetto a quello risk-free:

= 06/2003 08/2012
Chiusura Chiusura
Data Data
aggiustata aggiustata
02-giu-03 0.0958 03-nov-03 0.0597
01-lug-03 0.0220 01-dic-03 -0.0019
01-ago-03 -0.1166 01-gen-04 0.0738
01-set-03 0.1051 02-feb-04 -0.0484
01-ott-03 0.0566 01-mar-04 0.0667
01-apr-04 -0.0768 01-feb-06 -0.0583
03-mag-04 -0.0033 01-mar-06 -0.0004
01-giu-04 -0.0145 03-apr-06 -0.0161
01-lug-04 -0.0772 01-mag-06 -0.0353
02-ago-04 0.0585 01-giu-06 0.0502
01-set-04 -0.0470 03-lug-06 -0.0821
01-ott-04 0.0429 01-ago-06 -0.0078
01-nov-04 0.0160 01-set-06 -0.1515
01-dic-04 -0.0347 02-ott-06 -0.0319
03-gen-05 0.0292 01-nov-06 -0.0298
01-feb-05 -0.0127 01-dic-06 -0.0052
01-mar-05 -0.0032 01-gen-07 -0.0223
01-apr-05 -0.0005 01-feb-07 -0.0006
02-mag-05 0.0832 28-feb-07 -0.1112
01-giu-05 -0.0647 01-mar-07 -0.0331
01-lug-05 -0.0338 02-apr-07 -0.0252
01-ago-05 -0.0493 01-mag-07 -0.0552
01-set-05 -0.0422 04-giu-07 -0.1381
03-ott-05 0.0227 02-lug-07 -0.0646
01-nov-05 -0.0130 01-ago-07 0.1158
01-dic-05 0.0520 03-set-07 0.1818

195
02-gen-06 -0.1219 01-ott-07 0.0413
01-nov-07 -0.1066 01-set-09 0.0136
03-dic-07 -0.0878 01-ott-09 0.1633
02-gen-08 -0.0258 02-nov-09 -0.0388
01-feb-08 -0.0918 01-dic-09 0.0435
03-mar-08 -0.0776 04-gen-10 -0.0689
01-apr-08 -0.1624 01-feb-10 0.0156
02-mag-08 -0.0581 01-mar-10 0.0848
02-giu-08 -0.1494 01-apr-10 0.0484
01-lug-08 0.1141 03-mag-10 0.0117
01-ago-08 -0.0011 01-giu-10 0.0288
01-set-08 -0.2045 01-lug-10 0.0343
01-ott-08 0.0383 02-ago-10 -0.0288
03-nov-08 0.0748 01-set-10 0.0155
01-dic-08 -0.0794 01-ott-10 -0.0006
02-gen-09 -0.0307 01-nov-10 -0.0917
02-feb-09 -0.0775 01-dic-10 0.0936
02-mar-09 -0.1413 03-gen-11 0.0554
01-apr-09 -0.0408 01-feb-11 -0.0095
04-mag-09 0.1093 01-mar-11 0.0256
01-giu-09 -0.0309 01-apr-11 0.1488
01-lug-09 0.0153 02-mag-11 0.0726
03-ago-09 0.0223 01-giu-11 0.0007
01-lug-11 -0.0337 01-feb-12 -0.0045
01-ago-11 -0.0044 01-mar-12 -0.0347
01-set-11 -0.0040 02-apr-12 0.0538
03-ott-11 -0.0013 02-mag-12 0.0144
01-nov-11 -0.0623 01-dic-11 0.0375
01-dic-11 -0.0808
02-gen-12 0.1080
Tab. VI.10: Serie storica extra-rendimento titolo Luxottica

196
- Gli extra-rendimenti del portafoglio di mercato rispetto al titolo risk-free:

= 06/2003 08/2012
Chiusura Chiusura
Data Data
aggiustata aggiustata
02-giu-03 0.0090 03-nov-03 -0.0014
01-lug-03 -0.0044 01-dic-03 -0.0095
01-ago-03 -0.0348 01-gen-04 0.0112
01-set-03 0.0442 02-feb-04 -0.0373
01-ott-03 0.9274 01-mar-04 0.0024
01-apr-04 -0.0193 01-feb-06 -0.0932
03-mag-04 0.0235 01-mar-06 0.0020
01-giu-04 -0.0022 03-apr-06 0.0075
01-lug-04 -0.0387 01-mag-06 -0.0126
02-ago-04 0.0222 01-giu-06 -0.0156
01-set-04 -0.0334 03-lug-06 -0.0369
01-ott-04 0.0164 01-ago-06 -0.0492
01-nov-04 -0.0326 01-set-06 -0.0817
01-dic-04 -0.0363 02-ott-06 -0.0474
03-gen-05 0.0174 01-nov-06 -0.0435
01-feb-05 0.0149 01-dic-06 -0.0138
01-mar-05 0.0144 01-gen-07 -0.0355
01-apr-05 0.0219 01-feb-07 -0.0203
02-mag-05 -0.0080 28-feb-07 -0.0314
01-giu-05 -0.0070 01-mar-07 -0.0209
01-lug-05 -0.0113 02-apr-07 -0.0303
01-ago-05 -0.0714 01-mag-07 -0.0748
01-set-05 -0.0503 04-giu-07 -0.0269
03-ott-05 -0.0345 02-lug-07 -0.0830
01-nov-05 -0.0023 01-ago-07 -0.1630
01-dic-05 -0.0629 03-set-07 0.0360

197
02-gen-06 -0.0726 01-ott-07 0.1874
01-nov-07 -0.0904 01-set-09 0.0344
03-dic-07 -0.0428 01-ott-09 -0.0440
02-gen-08 -0.0463 02-nov-09 0.0745
01-feb-08 -0.0235 01-dic-09 0.0842
03-mar-08 -0.0714 04-gen-10 0.0447
01-apr-08 -0.0409 01-feb-10 -0.0628
02-mag-08 -0.1465 01-mar-10 -0.0065
02-giu-08 -0.0402 01-apr-10 0.0580
01-lug-08 -0.0731 03-mag-10 -0.0605
01-ago-08 0.0584 01-giu-10 -0.0396
01-set-08 -0.0390 01-lug-10 0.0796
01-ott-08 -0.1427 02-ago-10 -0.0595
03-nov-08 -0.0515 01-set-10 -0.0999
01-dic-08 -0.0012 01-ott-10 -0.0132
02-gen-09 -0.1314 01-nov-10 0.0832
02-feb-09 -0.1847 01-dic-10 -0.0648
02-mar-09 -0.0688 03-gen-11 0.0368
01-apr-09 0.0438 01-feb-11 0.0764
04-mag-09 -0.1172 01-mar-11 -0.0480
01-giu-09 0.0530 01-apr-11 -0.0119
01-lug-09 0.0875 02-mag-11 0.0475
03-ago-09 0.0174 01-giu-11 0.0316
01-lug-11 -0.0345 01-feb-12 -0.0238
01-ago-11 0.0307 01-mar-12 -0.0916
01-set-11 -0.0605 02-apr-12 -0.1262
03-ott-11 -0.0451 02-mag-12 0.1024
01-ago-11 -0.0913 01-mar-12 -0.0282
01-set-11 -0.1695 02-apr-12 0.0310
03-ott-11 -0.0479

Tab. VI.11: Serie storica extra-rendimento portafoglio di mercato

198
Esaurito il bagaglio informativo iniziale, possibile ora esplicitare la relazione
lineare stimata tra e e verificarne, conseguentemente, la rispondenza empirico-
statistica.

I risultati prodotti dal software sono i seguenti:

Residuals:
Min 1Q Median 3Q Max
-0.203726 -0.033608 0.003756 0.033916 0.146072
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -0.004044 0.006155 -0.657 0.513
Zm 0.285085 0.056609 5.036 1.89e-06 ***
---
Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1

Residual standard error: 0.06431 on 109 degrees of freedom


Multiple R-squared: 0.1888, Adjusted R-squared: 0.1813
F-statistic: 25.36 on 1 and 109 DF, p-value: 1.895e-06

I coefficienti della retta di regressione, determinati secondo il metodo dei minimi


quadrati, sono pari a:

= 0,004044 = 0.285085.

Il coefficiente 2 risulta essere non particolarmente significativo: 0,1813. 198


Ci
implica, immediatamente, una non soddisfacente aderenza tra la retta di regressione e gli
extra-rendimenti del titolo Luxottica. Oltre a ci, dal punto di vista finanziario, un valore di
questa portata da parte di tale indice indica la presenza di un rischio sistematico non
diversificabile pari a circa il 18%. Di converso rileva la presenza, nella rischiosit
complessiva delloperazione, di una quantit elevata di rischio diversificabile.

Gli standard error, per i due parametri di regressione e sono pari,


rispettivamente, a 0,006155 e 0,056609. Essi contribuiscono a dare una proiezione
statistica della dimensione degli errori sulle stime ottenute dallanalisi regressiva.

198
In effetti, questa una caratteristica di (quasi tutti) i dati finanziari.

199
Il valore dellalfa di Jensen, valutato attraverso la statistica test t-di Student risulta
essere significativamente pari a zero, in particolare per un livello di significativit
osservata pari 0,513.

Graficamente, risulta quanto seguente:

Fig. VI.12: Analisi regressiva titolo Luxottica

VI.5: Lanalisi dei residui

Come noto, ladozione di un modello di regressione implica il rispetto di alcune


condizioni di validazione formale che, se valutate ex-post, danno unulteriore percezione
del grado di affidabilit della stima ottenuta.
Prima di effettuare ogni operazione in merito allanalisi dei residui, bene
verificarne individualmente lentit costruendo, per gli stessi, unapposita esposizione
tabellare.

Si avr dunque: 199

199
Anche in questo caso, i dati presentati sono stati appositamente arrotondati alla quarta cifra decimale.

200
06/2003 08/2012
Data Residui Data Residui

02-giu-03 0.0973 03-nov-03 0.0642


01-lug-03 0.0273 01-dic-03 0.0049
01-ago-03 -0.1027 01-gen-04 0.0747
01-set-03 0.0965 02-feb-04 -0.0337
01-ott-03 -0.2037 01-mar-04 0.0701
01-apr-04 -0.0672 01-feb-06 -0.0276
03-mag-04 -0.0059 01-mar-06 0.0030
01-giu-04 -0.0099 03-apr-06 -0.0142
01-lug-04 -0.0622 01-mag-06 -0.0277
02-ago-04 0.0562 01-giu-06 0.0587
01-set-04 -0.0335 03-lug-06 -0.0675
01-ott-04 0.0423 01-ago-06 0.0103
01-nov-04 0.0293 01-set-06 -0.1241
01-dic-04 -0.0204 02-ott-06 -0.0143
03-gen-05 0.0282 01-nov-06 -0.0134
01-feb-05 -0.0129 01-dic-06 0.0028
01-mar-05 -0.0032 01-gen-07 -0.0082
01-apr-05 -0.0027 01-feb-07 0.0093
02-mag-05 0.0896 28-feb-07 -0.0982
01-giu-05 -0.0587 01-mar-07 -0.0231
01-lug-05 -0.0265 02-apr-07 -0.0125
01-ago-05 -0.0249 01-mag-07 -0.0299
01-set-05 -0.0319 04-giu-07 -0.1296
03-ott-05 -0.0283 02-lug-07 -0.1104
01-nov-05 0.0274 01-ago-07 -0.0141
01-dic-05 0.0089 03-set-07 0.1096
02-gen-06 0.0768 01-ott-07 0.1324
01-nov-07 -0.0921 01-set-09 0.0356
03-dic-07 -0.0904 01-ott-09 0.0301

201
02-gen-08 -0.0706 02-nov-09 0.1461
01-feb-08 -0.0150 01-dic-09 -0.0588
03-mar-08 -0.0674 04-gen-10 0.0348
01-apr-08 -0.0619 01-feb-10 -0.0469
02-mag-08 -0.1166 01-mar-10 0.0215
02-giu-08 -0.0426 01-apr-10 0.0723
01-lug-08 -0.1246 03-mag-10 0.0697
01-ago-08 0.1014 01-giu-10 0.0271
01-set-08 0.0141 01-lug-10 0.0101
01-ott-08 -0.1598 02-ago-10 0.0553
03-nov-08 0.0570 01-set-10 0.0038
01-dic-08 0.0792 01-ott-10 0.0233
02-gen-09 -0.0378 01-nov-10 -0.0203
02-feb-09 0.0260 01-dic-10 -0.0692
02-mar-09 -0.0538 03-gen-11 0.0872
01-apr-09 0.0470 01-feb-11 0.0903
04-mag-09 -0.0033 01-mar-11 0.0082
01-giu-09 0.0983 01-apr-11 0.0330
01-lug-09 -0.0518 02-mag-11 0.1393
03-ago-09 0.0144 01-giu-11 0.0676
01-lug-11 0.0361 01-feb-12 0.0115
01-ago-11 -0.0384 01-mar-12 0.0257
01-set-11 0.0169 02-apr-12 0.0053
03-ott-11 0.0129 02-mag-12 0.0287
01-ago-11 0.0288 01-mar-12 0.0265
01-set-11 -0.0099 02-apr-12 0.0327
03-ott-11 -0.0631

Tab. VI.13: Serie storica residui

202
Verifichiamo, prima di tutto, che la media degli errori non sia significativamente
diversa da zero. Per far ci utilizziamo un test sulla media t di Student. 200

Il programma restituisce quanto segue:

data: LUXOTTICA.Residuals
t = 0, df = 110, p-value = 1
alternative hypothesis: true mean is not equal to 0
95 percent confidence interval:
-0.01204087 0.01204087
sample estimates:
mean of x
2.636028e-19

Come evidente, la media degli errori senza dubbio statisticamente non


significativa, ossia nulla.

La forma distributiva (Normale) dei residui sar data invece attraverso gli usuali
strumenti grafici gi presentati, ossia listogramma, il box-plot, la funzione di densit e il
Q-Q plot. Ad esso seguiranno i test, gi utilizzati, di Shapiro e Jarque-Bera.

Fig. VI.14: Analisi grafica dei residui

200
In realt basterebbe anche solo calcolare la media aritmetica dei residui per accorgersi che essa nulla per
ogni livello di significativit. Essa, infatti, risulta pari a 2.636028e-19.

203
Jarque.Bera.test(LUXOTTICA.RESIDUALS)

Jarque Bera Test


data: LUXOTTICA.Residuals
X-squared = 2.3688, df = 2, p-value = 0.3059

Shapiro.test( LUXOTTICA.RESIDUALS)

Shapiro-Wilk normality test


data: LUXOTTICA.Residuals
W = 0.9887, p-value = 0.4875

Tab. VI.15: Risultati test di Jarque Bera e Shapiro sui residui

La condizione di normalit distributiva degli errori risulta dunque, come evidente,


ampiamente soddisfatta.
Lulteriore ipotesi da verificare riguarda lassenza di correlazione tra i residui. Verr
verificata facendo ricorso sia alluso di correlogramma che ai test di Box-Pierce e di Ljung-
Box.

Fig. VI.16: Correlogramma residui

Box.Ljung.test(LUXOTTICA.RESIDUALS)

Box-Ljung test
data: LUXOTTICA.Residuals
X-squared = 13.5877, df = 12, p-value = 0.3278

204
Box.Pierce.test( LUXOTTICA.RESIDUALS)

Box-Pierce test

data: LUXOTTICA.Residuals
X-squared = 12.4565, df = 12, p-value = 0.4097

Tab. VI.17: Risultati test di Box Ljung e Box Pierce

Ancora, lipotesi regressiva risulta ampiamente verificata. In particolare, il


correlogramma va a tracciare la distribuzione asintotica del coefficiente di correlazione
non rilevando, come mostra chiaramente la figura VI.16 in alto, la presenza di valori
esterni allintervallo di confidenza:


1 1
2
; + 2
.

Nello specifico della figura VI.16, linee tratteggiate di colore azzurro indicano la
banda di confidenza ad un livello del 95%. Al variare del lag temporale, dunque, i
coefficienti di autocorrelazione dei residui risultano essere tutti interni alla banda di
confidenza, indicando quindi assenza di correlazione seriale.
Risultati analoghi vengono confermati dai due test proposti. Per entrambi, infatti, il
valore di significativit osservata nel test risulta essere molto alto.

Condizione ultima da verificare lomoschedasticit degli errori. Per tale scopo


verr utilizzato il test di Breush-Pagan. Il calcolatore, in merito ad esso, produce le
risultanze seguenti:

studentized Breusch-Pagan test

data: Luxottica.Residuals ~ Luxottica.time.series


BP = 1.3121, df = 1, p-value = 0.252

Si accetta dunque lipotesi di varianza dei residui costante nel tempo. Inoltre, tutte e
quattro le ipotesi vengono cos confermate.

205
VI.6: Oltre Luxottica

Verificata, in maniera specifica, la validit del CAPM per il titolo Luxottica, si


fatto altrettanto per i restanti 19 titoli. I risultati sono i seguenti: 201

Sh./J.b. L.B/B. Bre.


= 202 test 203 P Test
test 204
Aut. -0.0158 0.279381 0.1535 0.019 1 0.0047 0.4986 0.4954
Bpm 0.38851 0.0679
-0.0311 0.04998 0.0581 1 * 0.1745
Cam. -0.0093 0.164852 0.03565 0.2433 1 0.9222 0.4099
*
ENL -0.0152 0.229346 0.0025 0.0299 0.6844 0.9738
0.1845 1
ENI -0.0076 0.235043 0.1914 0.0012 0.0370 0.4581 0.7485
1
EXO 0.01035 0.44982 0.06148 0.5458 1 0.7111 0.6531
*
GEN -0.0165 0.372485 0.2769 0.0085 1 0.6564 0.4355
*
IMP -0.0158 0.31060 0.05678 0.2005 0.6451 0.1741
1 *
INT -0.0141 0.45132 0.2547 0.0767 1 0.0003 0.0610 0.5651

LOT -0.0102 0.28214 0.1203 0.1876 0.0028 0.0667 0.1338


1
MDS -0.0233 0.396177 0.2536 0.0011 0.7458 0.1548
1 *
MED -0.0137 0.36445 0.1845 0.0809 1 0.0006 0.84 0.5273

PIR 0.01936 0.70068 0.07808 0.4161 0.9886 0.3481


1 *
SAI 0.00396 0.280546 0.1066 0.6263 0.368 0.9903
1 *
STM -0.0217 0.398864 0.1552 0.0234 1 0.2076 0.6951 0.5499

TEL -0.0318 0.25795 0.02191 0.0369 0.115 0.0252


1 *
TOD -0.0026 0.254962 0.1035 0.7337 0.4096 0.3905 0.7301
1
UNI -0.0093 0.585527 0.09508 0.6070 1 * 0.9961 0.1318

Tab. VI.18: Risultati indagine empiriche sui restanti 18 titoli

201
Come anticipato, per i titoli rimanenti ci si limiter ad una rappresentazione in forma tabellare dei risultati
(di ordine quantitativo) ritenuti di maggior importanza. Lanalisi grafica sar invece riportata nel seguito solo
limitatamente alle stime regressive di volta in volta effettuate.
202
Si fa riferimento alla significativit statistica di un valore medio nullo per i residui di ciascun titolo.
203
Il valore riportato in tabella si riferisce a quello che, dallapplicazione di ambedue i test di Jarque Bera e
Shapiro, ha ottenuto il valore pi elevato.
204
Il valore riportato in tabella si riferisce a quello che, dallapplicazione di ambedue i test di Box-Pierce e di
Ljung-Box, ha ottenuto il valore pi elevato.

206
Riportiamo, infine, le rappresentazioni grafiche delle analisi regressive effettuate su
ogni altro titolo.

Fig. VI.19: Analisi regressive per 9 dei restanti 18 titoli

207
Fig. VI.20: Analisi regressive per 9 dei restanti 18 titoli

Le figure soprastanti e quanto desumibile dalla Tab. VI.18 ci permettono di tirare le


somme sulle risultanze prodotte dallanalisi effettuata. In particolar modo, risulta che:

1) I valori delle intercette delle diverse regressioni () risultano essere tutte molto
prossime a zero, in ottemperanza alle impostazioni logiche del CAPM; in

208
particolare, poi, tali valori risultano essere compresi tra -0.0318 e 0.01936 con una
media aritmetica di -0.01135167.

2) Da quanto espresso al punto al punto precedente deriva che la stragrande


maggioranza dei valori di risulta essere significativamente pari a zero,
confermando la bont dei risultati dellanalisi. Pi dettagliatamente, solo in quattro
casi sui diciannove esaminati (circa il 21% dei casi), lintercetta risulta essere
significativamente pari a zero per un livello di confidenza inferiore all1% (ovvero
p-value < 0.01). Tali casi sono evidenziati in rosso nella tabella VI.18.

3) Il parametro , ossia la pendenza della retta di regressione, risulta compreso per


tutti i casi esaminati tra un minimo di 0.164852 ad un massimo di 0.70068, con una
media aritmetica pari esattamente a 0.3557029.

4) Concernemente allanalisi dei residui invece, i valori contenuti nelle ultime quattro
colonne della tabella VI.18 indicano che, rispettivamente:

I. Lassoluta totalit nei titoli esaminati presenta, di fatto, un valore


medio dei residui statisticamente pari a zero per ogni livello di
significativit;

II. La Normalit distributiva degli errori accettabile solo in nove casi su


diciannove, ossia solo nel 47% circa dei casi esaminati. Gli asterischi
indicano proprio il non rispetto di tale condizione;

III. Tutti i titoli presentano dei residui con assenza di correlazione seriale;

IV. Tutti i titoli presentano assenza di eteroschedasticit nei loro residui.

209
VI.7: Note esplicative a margine e conclusioni.

Si giunti alla fase congedale di questa trattazione. Questi ultimi spazi saranno
lasciati alla stesura di unultima analisi di ricostruzione interpretativa dei risultati di stima
ottenuti dalla verifica empirica del CAPM.

La sintesi descrittiva seguente intende ripercorrere, a larghi tratti, quanto


concentrato in questa seconda parte dellelaborato, soffermandosi sui risultati di stima
desunti dallanalisi tecnico-operativa del citato modello, allegata in coda allampio
percorso di ricostruzione teorica che ha invece assorbito tutta la prima parte di questa
trattazione.
Innanzitutto urge sottolineare, ancora una volta, come le risultanze ottenute siano
figlie di una Normalit distributiva imposta, a sua volta ricavata adottando il
procedimento iterativo presentato nel capitolo V. Ci, apre una questione interpretativa non
di poco conto sullassoluta effettivit empirica dei risultati ottenuti e della stima in se per
se condotta. Il riferimento, nemmeno troppo velato, corre diritto verso la condizione,
statuaria, di immanente non riconducibilit della realt economico/sociale a qualsivoglia
altra rappresentazione della stessa che sia atta a sagomare i diversi stati della realt
secondo i dettami teorici di riferimento, trascendendo cos dal contraddittorio riproduttivo
insito in ogni derivato di teoria applicativa e modellistica descrittiva passata e odierna.
Il nocciolo della questione riguarda, dunque, la capacit delle applicazioni teoriche
di saper ben replicare la realt degli eventi, correggendone le imperfezioni di riguardo
come avvenuto nel caso di specie (trattamento dei dati outlier nel capitolo V). Questioni di
tal tipo sollevano, per, inevitabilmente dubbi e perplessit sia circa la correttezza delle
procedure applicate (per definizione non comprovabili ex-post) che soprattutto riguardo
lidoneit concettuale delle stesse a poter agire sul campione osservato, surrogandone
leffettiva valenza empirica dello stesso.
Ci si chiede allora, se sia sempre corretto, per quanto diffuso, modificare le basi di
dati raccolte in virt di presunte intervenute alterazioni delle stesse. Allo stesso tempo, ci
si interroga sul fatto se sia del tutto improprio (o meno) parlare di alterazioni in
riferimento alle osservazioni raccolte; ci in quanto il termine di raffronto delle stesse pur
sempre un modello di assoluta astrazione teorica che, per quanto utilmente adottato nel

210
corso del tempo, per sua stessa definizione esprimibile come unapprossimazione
previsionale della realt e dei fenomeni che la interessano.

allora una soluzione efficacemente percorribile quella presentata e discussa in


questo lavoro?

La risposta in questione, seppur interamente rimandabile alle peculiarit


discrezionali di ciascuno, ovviamente SI.

In termini esplicativi da ritenere, da parte di chi scrive, che lapproccio


investigativo seguito in questo lavoro di tesi sia perfettamente coerente con le finalit
dindagine analitica che, in via manifesta, sono state perseguite. Le stesse infatti si
sostanziano nella mera applicabilit del metodo del CAPM su una circoscritta 205 realt
finanziaria e senza con ci derivarne, pi o meno implicitamente, la corrispondenza di
alcuna relazione causale inversa. In altri termini, le finalit perseguite non mirano - urge
ancora sottolinearlo - nel testare se landamento reale dei mercati finanziari sia o meno
assoggettabile al noto modello di pricing test richiamato ma, come pocanzi accennato, a
verificare una conformit di andamento tra la modellistica teorica pi affermata in
letteratura e la realt di indagine proposta.
Se posta in tali termini, dunque, la questione dovrebbe apparire immediata, poich i
discussi interventi correttivi adottati in merito allanalisi condotta, non vanno a ledere in
alcun modo il riscontro empirico cercato. Cosa che invece sarebbe accaduta nel caso in cui
si fosse inteso di andare a verificare non la conformit del CAPM ai mercati, ma quella dei
mercati al CAPM stesso.

Rilevata, dunque, la forte connaturalit filosofica della questione, una pi attenta


analisi esegetica della stessa esulerebbe, in maniera radicale, dalle finalit redazionali di
questopera; motivo per cui, per quanto significativa, si intende a questo punto esaurita la
questione metodologica fondante la stesura di questultimo paragrafo.

In definitiva allora, lampio percorso di ricostruzione teorico-pratica che, da


pagina uno di questa trattazione, si inteso sviluppare nelle modalit il pi possibile

205
In riferimento allarco temporale di analisi limitato.

211
congrue a quanto posto come obiettivo, poich trova pieno e definitivo compimento solo
nelle valutazioni analitico-empiriche immediatamente precedenti, si intende qui esaurito
con la stesura di queste battute finali, da intendersi come di celere riepilogo interpretativo
delle principali tematiche trattate.

_______________

212
213
Bibliografia:

Frank R. B., Bernanke B. S., McDowell M., Thom R. (2010) Principi di Economia,
McGraw-Hill

Pugno M. (2010) Capitale Umano e Benessere, DIPSE, CreaM, Universit di Cassino

Peccati L, Salsa S., Squellati A. (1999), Matematica per leconomia e lazienda, Egea

Kreps D. M. (1988), Notes on the theory of choice, Westview press / Boulder and
London

Mass-Colell A., Whinston M., Green J. R. (1995), Microeconomic theory, Oxford


University press

Caprio L. (1989), Finanza aziendale. Le decisioni di investimento nei mercati dei capitali.
I modelli Media-Varianza

Cattaneo M., Manuale di finanza aziendale, Mulino

214
Piccolo D. (2004) Statistica per le decisioni. La conoscenza umana sostenuta
dallevidenza empirica, il Mulino

Fabrizi P. L. (2005) Leconomia del mercato mobiliare, Egea

Castellani G., De Felice M., Moriconi F. (2004) Lanalisi media-varianza e il capital


asset pricing model, 2 Ed.

Battiston P. (2008) Appunti di probabilit

Vargilou T. (2003) Teoria della misura, Dipartimento di Matematica Pura e Applicata


Universit di Padova

Markowitz H. (1952) Portfolio selection, The Journal of Finance, Vol. 7, No. 1. (Mar.,
1952), pp. 77-91

Piccolo D. (2010) Statistica, Il Mulino

Soliani L. (2010) Manuale di Statistica: statistica applicata alla ricerca e alle professioni
scientifiche, http://www.dispensestatistica.com

Piccolo D. (1990) Introduzione allanalisi delle serie storiche , La Nuova Italia


Scientifica

Sharpe W. (1964) Capital assets Prices: A Theory of Market Equilibrium, Journal of


Finance, 19 (3), 425-442

Lintner J. (1965) The Valuation of Risk assets and the Selection of Risky Investments in
Stock Portfolios and Capital Budgets, Review of Economics and Statistics, 47 (1), 13-37

Mossin J. (1966) Equilibrium in a Capital Asset Market, Econometrica Vol. 34, No. 4,
pp. 768783.

Lucas R. E. (1978) Asset Prices in an Exchange Economy, Econometrica, Vol. 46, No. 6.
(Nov., 1978), pagg. 1429-1445

Hamilton J. D. (1995) Econometria delle serie storiche, Monduzzi Editore

215
Venables V. N., Smith D. M. (2008) An Introduction to R, http://cran.r-
project.org/doc/manuals/R-intro.pdf

Murrel P. (2006) R Graphics, Chapman and Hall/CRC

Crawley M. J. (2007) The R Book, Wiley

Vassallo E. (2009) Laboratorio di statistica economica con R, Aracne

Mineo A. M. Modelli lineari e non lineari in R, Dipartimento di Scienze Statistiche e


Matematiche S. Viannelli Universit degli Studi di Palermo

216