Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1
2
INDICE
Introduzione
3
PARTE PRIMA:
CAPITOLO I
Il contesto economico classico di formazione delle scelte
3
delle curve di indifferenza ............15
CAPITOLO II
Strumenti teorici di selezione e valutazione di preferenze reali.
CAPITOLO III
Lanalisi media-varianza e il Capital Asset Pricing Model
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
CAPITOLO V
Elementi tecnici di analisi empirica preliminare
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
9
espositiva. Lobiettivo in tal caso evidenziare la stesura tematica, 1 nei suoi elementi di
maggiore considerazione.
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;
- 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;
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.
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
Vediamoli pi in dettaglio.
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.
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
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.
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.
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
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;
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.
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)
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)
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.
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.
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
O, specularmente:
28
xy : x A non in relazione, secondo R, con l'elemento y B.
Def. 1.1
Prop. 1.2
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.
Def. 1.3
Prop. 1.4
43
Riletta come e z y e y x .
30
Dim.:
Valgono, infine:
Prop. 1.5
2. x y ( x > y oppure x ~ y ) .
3. x y e y x x ~ y .
Oss. 1.6
44
A rigore, anche x y ma per la completezza, basta uno dei due casi.
31
II.2: LUtilit Ordinale.
Prop. 2.1
Ogni individuo opera una discriminazione qualitativa degli elementi (di numero finito) che
compongono linsieme X se:
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:
Pertanto , per la definizione 1.1, la relazione binaria > una relazione di preferenza.
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.
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:
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)
()
() .
() =
Ebbene, se:
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:
()
() [ ()]
2
=
e la (2.1) risulta verificata in maniera del tutto equivalente a quella del caso
precedente.
, {:>} () e , {:>} () ,
()
() ,+ , .
2
=
35
E da notare che se x : x > z allora x > z e z > x2
+
Inoltre, poich x1 > z > x2 , dalla transitivit deriva che x1 > x2 con u(x1) > u(x2),
(sempre per lipotesi induttiva).
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.
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:
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.
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.
la probabilit, nella teorizzazione soggettivista, espressione del grado di fiducia che una
persona coerente attribuisce al verificarsi di un evento E.
39
3. Direttamente insita nella concezione soggettivista, c lidea dellutilit come
elemento condizionante di scelta e di attribuzione probabilistica degli eventi. 50
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 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.
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.
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:
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
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
- 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
44
() =
= (
=1 ) = =1 ( ) = =1 =1 = =1 =1 =
= =1 .
() = =1 e
L L U (L) U (L)
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 .
U [tL + (1 - t) L] = t aL + (1 t) aL .
Poich:
si ha:
= taL + (1 - t) aL .
46
U [tL + (1 - t)L] = taL + (1 - t) aL
Prop 8.2
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
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.:
(Condizione necessaria)
= + = ( ) + =
=1 =1 =1
= [( ) + ] = ( )
=1 =1
(Condizione sufficiente)
E da dimostrare che:
Ora
(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)
()()
V(L) = ( )() (V (L) V (L)) + V (L)
da cui
() ()
= ( ) ()
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 > v3 v4 u1 u2 > u3 u4 .
49
Oss. 8.6
50
L3
Preferenze Crescenti
L
L
L1 L2
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.
F(x): = () .
51
II.10: Avversione/propensione/neutralit al rischio: gli aspetti definitori di massima.
- 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;
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)] .
( ()) ()() .
(10.2)
O, analogamente:
u [ (x)] [u (x)] .
( ()) ()() .
(10.3)
O, analogamente:
u [ (x)] = [u (x)] .
Oss. 10.3
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:
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.
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
55
u(y)
u(E[x])
u(c)
u(x)
x E[x] = c y
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
- Il soggetto decisore A. R.
- () (. ) 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.
57
()
() =
()
() = ()1
()
() = ()
()
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
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
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
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);
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
La prassi comune ha visto laffermarsi nel tempo, pur con le dovute limitazioni, della
finzione di utilit quadratica, ossia:
() = 2 > 0, > 0, 0;
2
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:
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.
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.
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.
67
Def. 15.1
si ha:
(1 , , ) ( 1 , , ) ( ) ( )
Def 15.2
si ha:
+ (1 ) + (1 )
si ha:
( ) ( ) ( ) ( )
68
( ) ( ) ( ) ( )
Lo stato delle preferenze (1 , , ) sullo stato delle lotterie sono detti stati uniformi (o
stati indipendenti) se:
= ,
Oss. 15.5
() = () +
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.
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
Prop. 1.3
e .
Dim.:
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)
= +1 +2 = +1 +2 , .
=
=1 =
=1 .
Def. 1.4
1 = {1 }
Prop. 1.5
Siano dati gli insiemi non vuoti ed e la funzione T : . Supposto che sia una
74
1 ( ) { 1 ( ) }
Dim.:
-
= 1 ( ) ,
-
\ 1 (A ) = 1 ( \ ) ,
-
1
1
=1 (A ) = (=1 A ) .
Prop. 1.6
Dim.:
- poich ;
- A ;
- 1 , 2 , 1 , 2 ,
=1 =1 iI .
75
Prop. 1.7
Def. 1.8
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
76
Def. 1.11
1 (A ) .
Prop. 1.12
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.:
- 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-
1 (
=1 ) = =1
1 ( )
, ossia
=1 .
Def. 1.14
78
[0,1]
(1 ) = (1 ) ( ).
Oss. 1.16
( ) = () ()
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
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
Def 2.2
(1 1 , , ) = (1 1 ) ( ) 1 , ,
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
( ) = 1 , ( ) 0
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
FX (x) := (X )
Oss. 2.7
Riguardo FX , si ha che
() () . .
(x) = ( ) = .
() () . .
Prop. 2.8
- FX non decrescente;
- FX continua a destra, ossia lim0 + () = (0 );
- lim () = 0;
- lim+ () = 1 .
Dim.:
= (2 ) (1 ) (1 ) (2 )
(1 <2 )0
83
- Poich vuoto linsieme dato da lim0 + (, + 0 ], allora:
(x+0 ) = ( + 0 ) = ( ) + ( < + 0 )
- lim () = lim () () = 0 .
- lim+ () = lim+ () () = 1 .
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:
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).
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 ( )
= .
(
)
1 2
1 + 2 + . . . + .
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 , , .
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
=1 . .
(): = + . 86
. .
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.
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.
() = 2 > 0 ( )
2
()
() = = 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
< : =
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 []
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 .
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
() = () + ()( ) + ()( )2 + 3
2
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 ! ,
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 .
+
() = ()() , (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 :
: =
= +
= = .
+
() = ( + )(; 0,1) .
+
()
= ( + ) + (; 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.
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.
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.
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.
[ ] = 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 ().
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
100
Si ottiene cos il coefficiente di correlazione lineare di Bravais-Pearson tra i
rendimenti di X ed Y: 106
1
1 =1( )( ) ,
, : = = =
=1
2 = ( )2 + ( )2 + 2, ( )2 + ( )2 + 2 ,
, =,
(5.3)
e quindi:
= ( )2 + ( )2 + 2 , .
(5.4)
= ( )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, ).
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)
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:
(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
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)
- , =
e quindi
+
+ = +
.
= +
+
[][]
[] + + ([] []) = [] + +
( + )
[] = .
[][]
[] + ([] []) = [] + )
(5.11)
MPV
MPV
O O
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.
(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
()
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
2 + 2 2 , = 2 > 0 ,
(6.4)
2 , > 0 , > 0
semplificando per >
> ,
(6.5)
,
>
definizione di , semplificando per >0
2 > , .
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 >
> ,
- A) , = 0, , < 0 > 0 ;
- B) < , < 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.
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.
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
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
1 2 1,2 1,1 1,
2 2
2,1
.
1,1 1,2 1,1 1,
,1 ,2 ,1 ,
= ,
=1 =1
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:
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:
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 )
[] = + (1 )[] + = (1 ) + (1 )[]
Ossia, posto (1 ) =
[]
[] = +
(10.1)
[]
Dove rappresenta, finanziariamente, la remunerazione per unit di rischio offerta
[]
[] X
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.
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
[]
[] = +
(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
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).
[]
CML
[] M
P*
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, , )
=
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.
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
Teorema 11.1
In condizioni di equilibrio di mercato, per ciascun titolo k deve vale la relazione seguente:
,
=
2
(11.1)
DIM.
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:
( ) . . .
:
=1
1 =0
=1 = , =
(11.3)
1
= ( ) 2
(11.4)
124
Il rapporto della equazione precedente (11.4), rappresenta derivata della deviazione
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
2
= 2 + 2 = 2
=1 =1
(11.5)
Ora, la derivata della deviazione standard pu essere ricavata come:
2 1 2
= 2 =
2
=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)
=1 =1
=
2
E quindi:
2
= = 1 =
2
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)
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
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.
Def. 1.1
Def. 1.2
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, , + .
a) ( ) =
b) [( )2 ] = 2 < +
c) [( )( )] = ()
132 . 133
Oss. 1.3
( |1 ) ( ) ( |1 ) ( ).
132
Dalla stessa deriva anche la cosiddetta funzione di autocorrelazione, definita come:
: = = .
0 2
133
Ossia:
133
Ovvero, in termini espositivi equivalenti:
Def. 1.4
~(0, 2 )
Il processo stocastico configura dunque una successione di v.a. con valore atteso
nullo, omoschedastiche, 134 nonch non-correlate.
Oss. 1.5
134
Ovvero a pari varianza.
134
1 1
(1 , , ) = (2)2 2 exp ( ) 1 ( )
2
( : = ( 1 , , ), : = (1 , , ), : = ( ), : = ( , ) ). 135
Oss. 1.6
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.
1
lim ( , ) = 0
=1
(2.1)
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
( ): = [ ] .
E quindi si ha che:
lim () = 0 lim ( ) = 0 ; lim [( )]2 = 0 .
+
[( )] = ( ) ( ) , 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)
+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 .
=1 +1
,1 = : = 2, 3, , e 0 , 1 ,
=1
,1 = 1
=0 : = 1 , = 0, 1, , 1 .
=0
,1 = 0 + 1 1 + 2 2 + + 1 +1 ,
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)
,1 = 1
=0 (1 ) .
(3.2)
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 )
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.
{ , = (1, 2, , )},
= () + = 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:
= 1, 2, , +
= , 1 , , .
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).
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()
.
= + +
= () +
dove segue ancora le usuali ipotesi della teoria della regressione lineare, presentate nella
145
Def. 1.5.
In particolare, si hanno:
- Modelli polinomiali:
() = 0 + 1 + 2 2 + +
- Modelli razionali:
0 + 1 + 2 2 + +
() =
1 + 1 + 1 2 + +
- 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, ,
= 149
=
(6.1)
149
La media mobile in questione, come sar evidente tra breve, anche centrata.
147
1
: = +
=1 .
2
1 +2 +1
1
: = 2+1 +
= .
2
= 10 + 3 0,0125 2 + 10 cos + = 1, 2, , 210
21
(6.2)
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
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.
1 + 1
1 154
1 =0 1 1
(2.1)
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)
= =1(1 + ) 1 = (1 + ) 1.
(2.3)
(1 + ) 1 (1 + ) 1
, = , ; ,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 .
,1
, =
=1 , = .
,1
(2.4)
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
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
(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
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.
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)
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.
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:
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.
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.
,=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 .
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 .
> (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 .
0.05041975 ,
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
> 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)
> length(m)
[1] 367
> (sum(m))/367
[1] -0.005245366
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.
Graficamente:
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
Jarque.Bera.test(FTSE MIB)
Tab. V.4: Risultati test di Jarque Bera e Shapiro per la serie del FTSE MIB.
170
Rappresentazione grafica elaborata con il software R
Jarque.Bera.test(FTSE MIB.c)
Shapiro.test(Luxottica.Group)
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
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.
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:
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.
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:
177
Jarque.Bera.test(FTSE MIB.c)
Shapiro.test(Luxottica.Group)
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
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);
- 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 .
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.
= + + = 1, 2, , ,
[] = + [] , con = , .
= + +
(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 = ,
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
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.
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.
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:
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
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
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
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
T-bill 3-M ( )
06/2003 08/2012
192
aggiustata aggiustata
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
198
Esaurito il bagaglio informativo iniziale, possibile ora esplicitare la relazione
lineare stimata tra e e verificarne, conseguentemente, la rispondenza empirico-
statistica.
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
= 0,004044 = 0.285085.
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.
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
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
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
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
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.
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)
Shapiro.test( LUXOTTICA.RESIDUALS)
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
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.
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
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.
207
Fig. VI.20: Analisi regressive per 9 dei restanti 18 titoli
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.
4) Concernemente allanalisi dei residui invece, i valori contenuti nelle ultime quattro
colonne della tabella VI.18 indicano che, rispettivamente:
III. Tutti i titoli presentano dei residui con assenza di correlazione seriale;
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.
210
corso del tempo, per sua stessa definizione esprimibile come unapprossimazione
previsionale della realt e dei fenomeni che la interessano.
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
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
Caprio L. (1989), Finanza aziendale. Le decisioni di investimento nei mercati dei capitali.
I modelli Media-Varianza
214
Piccolo D. (2004) Statistica per le decisioni. La conoscenza umana sostenuta
dallevidenza empirica, il Mulino
Markowitz H. (1952) Portfolio selection, The Journal of Finance, Vol. 7, No. 1. (Mar.,
1952), pp. 77-91
Soliani L. (2010) Manuale di Statistica: statistica applicata alla ricerca e alle professioni
scientifiche, http://www.dispensestatistica.com
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
215
Venables V. N., Smith D. M. (2008) An Introduction to R, http://cran.r-
project.org/doc/manuals/R-intro.pdf
216