Sei sulla pagina 1di 34

Asset Allocation

Prof. Milena Migliavacca

milena.migliavacca@unicatt.it
AGENDA di OGGI

✓ Martedì 26 Gennaio:

▪ TESTIMONIANZA: Dott. Spinola IMPact SIM


▪ I limiti della MPT
▪ Modelli euristici vs bayesiani
▪ Gestione attiva e passiva
▪ Le strategie Contrarian

2
IL NOSTRO OSPITE

3
AGENDA di OGGI

✓ Martedì 26 Gennaio:

▪ TESTIMONIANZA: Dott. Spinola IMPact SIM


▪ I limiti della MPT
▪ Modelli euristici vs bayesiani
▪ Gestione attiva e passiva
▪ Le strategie Contrarian

4
I limiti della MPT

AD OGGI I MODELLI DERIVANTI DALLA MPT CHE


VALIDITÀ HANNO?
✓ cicli economici mostrano rispetto al passato una maggiore
velocità (bolla internet, torri gemelle, lehman brothers,
primavera araba, crisi debiti pubblici, crisi valutarie, covid-
19 ...) → fat tails
✓ Esistono mega-trend che trascinano in modo uniforme i
mercati (invecchiamento della popolazione, riscaldamento
globale, povertà...)
✓ Le banche possono fallire
✓ Gli Stati possono fallire
✓ Non esiste più il risk-free?
✓ I tassi possono diventare negativi
Prof. F. Crespi 5
I limiti della MPT

LIMITI della MPT alla luce delle caratteristiche del


MERCATO ATTUALE

✓ Modelli uniperiodali possono essere applicati con un


orizzonte sempre più ristretto
✓ Difficile attività di diversificazione
✓ Maggior volatilità del comparto obbligazionario
✓ Effetti delle politiche monetarie straordinarie
✓ Difficoltà nella stima dei rendimenti attesi
✓ La posizione del risk-free
✓ Ipotesi semplificatrici del modello (male minore)

Prof. F. Crespi 6
AGENDA di OGGI

✓ Martedì 26 Gennaio:

▪ TESTIMONIANZA: Dott. Spinola IMPact SIM


▪ I limiti della MPT
▪ Modelli euristici vs bayesiani
▪ Gestione attiva e passiva
▪ Le strategie Contrarian

7
APPROCCI EURISTICI E BAYESIANI

✓ In risposta a tali distorsioni sono stati quindi proposti


diversi possibili rimedi, suddivisibili secondo due
approcci: euristici e bayesiani.

8
APPROCCI EURISTICI E BAYESIANI

✓ APPROCCI EURISTICI
Tali approcci devono il loro nome al fatto che vertono
attorno a una metodologia matematico/statistica rigorosa
e le variabili che rientrano in questi modelli sono derivabili
da formule e calcoli quantitativi, tuttavia poggiano su
«strategie veloci e semplificate» utilizzate per giungere
rapidamente alla soluzione di un problema complesso.
Attraverso il principio della «sostituzione dell’attributo»
un complesso processo inferenziale può esser sostituito
da un procedimento affine, ma più semplificato e intuitivo.

9
APPROCCI EURISTICI E BAYESIANI

✓ APPROCCI EURISTICI Esempi:


✓ Media-varianza vincolata.
es/ Modelli di ottimizzazione in cui si impongono soglie
massime all’incidenza che ciascuna asset class può
assumere all’interno dei portafogli. In questo modo si evita
quindi che i portafogli efficienti finali siano oltremodo
sbilanciati su singole asset classes.
La frontiera efficiente in questo modo risulta spostata verso
il basso e verso destra. Il difetto di questo metodo è
sicuramente il fatto che si impone al gestore/investitore una
serie di aggiustamenti per trovare l’asset mix di portafoglio
efficiente e che rispetta i vincoli.

Fonte: Prof. F. Crespi 10


APPROCCI EURISTICI E BAYESIANI

✓ APPROCCI EURISTICI
✓ I modelli di resampling introducono nell’ottimizzazione,
oltre ai dati storici di partenza, simulazioni di percorsi
alternativi casuali che i rendimenti avrebbero potuto
seguire, così da creare più frontiere efficienti alternative
da cui ricavare i portafogli dominanti finali.
1. Si parte dal set di variabili per l’ottimizzazione classica
dal quale si deriva la frontiera efficiente tradizionale sulla
quale da ultimo si identificano dei portafogli all’interno di
un range Rmin e Varmax.

Fonte: Prof. F. Crespi 11


APPROCCI EURISTICI E BAYESIANI

✓ APPROCCI EURISTICI: Resampling


2. Ricampionare i dati di partenza: si simula un sentiero
casuale di evoluzione dei rendimenti alternativo a quello
storico, elaborando frontiere efficienti alternative
statisticamente equivalenti a quella originaria;
3. Associare i portafogli corrispondenti sulle frontiere a
livello di ranking rischio/rendimento;
4. Determinare, con riferimento a ciascuna asset class, la
media del peso assunto nei portafogli delle frontiere
efficienti simulate;
5. Derivazione della resampled efficient frontier, intesa
come luogo dei portafogli “medi” o ricampionati.

Fonte: Prof. F. Crespi 12


APPROCCI EURISTICI E BAYESIANI

✓ APPROCCI EURISTICI: Resampling

Fonte: Prof. F. Crespi 13


APPROCCI EURISTICI E BAYESIANI

✓ APPROCCI BAYESIANI
✓ Gli approcci bayesiani prevedono che nella stima di
un parametro non ci si debba limitare a fare uso
esclusivamente dell’informazioni proveniente da un
apposito campione storico, bensì occorra servirsi di
informazione addizionale extra-sample, anche
qualitativa.
Queste vengono chiamate informative priors: si
tratta cioè di informazioni a disposizione prima di
trarre delle conclusioni dal campione storico di dati.

Fonte: Prof. F. Crespi 14


APPROCCI EURISTICI E BAYESIANI

✓ APPROCCI BAYESIANI Esempi:


✓ Strategia Black-Litterman: la previsione dei rendimenti
attesi dovrebbe basarsi sull’impiego di informazioni di
natura composita: dati empirici (rendimenti di
equilibrio dei mercati) e dati/informazioni soggettive (le
views degli analisti del team che si occupa del
processo di ottimizzazione).

Fonte: Prof. F. Crespi 15


APPROCCI EURISTICI E BAYESIANI

✓ APPROCCI BAYESIANI Esempi:


✓ Shrinkage estimators: aggiustamento della distribuzione
di frequenza dei rendimenti per incorporare dati storici e
aspettative future o modifica ah-hoc della serie storica
(e.g. Jorion).
✓ Ad esempio, la stima del rendimento atteso può essere
ottenuta comprimendo il rendimento medio storico di
ciascuna asset class verso un identico valore target detto
common mean, attraverso un sistema di ponderazione.

Fonte: Prof. F. Crespi 16


APPROCCI EURISTICI E BAYESIANI

✓ APPROCCI EURISTICI e BAYESIANI

Attualmente, la distinzione è molto meno netta e le due


filosofie convergono in strategie di asset allocation dalla
natura complessa e dinamica.

Fonte: Prof. F. Crespi 17


AGENDA di OGGI

✓ Martedì 26 Gennaio:

▪ TESTIMONIANZA: Dott. Spinola IMPact SIM


▪ I limiti della MPT
▪ Modelli euristici vs bayesiani
▪ Gestione attiva e passiva
▪ Le strategie Contrarian

18
GESTIONE PASSIVA vs ATTIVA

Gestione PASSIVA:
pure index matching o buy and hold
IERI
✓ Si basa su un tentativo di replica del benchmark
preso a riferimento.
✓ Questo implica che il gestore non ritiene sia possibile
battere il mercato.
✓ Non si tratta di una gestione statica: occorre
continuamente ribilanciare il portafoglio in funzione
della variazioni che intervengono nella composizione
del benchmark, per assicurarne l’allineamento.

Fonte: Prof. F. Crespi 19


GESTIONE PASSIVA vs ATTIVA

Gestione PASSIVA:
OGGI
✓ Grazie all’ingresso nei mercati di ETP la gestione
attiva ha assunto una connotazione più complessa.
✓ In particolare gli ETF replicano l’andamento di
unqualsiasi fondo comune di investimento.
✓ Inoltre, gli ETFa sfruttano algoritmi automatici per
modificare la replica passiva del fondo benchmark
(minimizzazione varianza, floor e top, leva etc)
✓ Gli ETN replicano passivamente un indice (azionario,
obbligazionario, di valute o singole valute, tassi etc)

20
GESTIONE PASSIVA vs ATTIVA

Gestione ATTIVA:
✓ Presuppone inefficienze di mercato;
✓ Implica l’adozione di scelte discrezionali che mirano ad
ottenere un rendimento superiore al benchmark di
riferimento (sotto-indice, indice, mercato...);
✓ L’esito è interamente nelle mani del gestore e delle sue
view di mercato (aspettative);
✓ Egli cerca di anticipare i movimenti dei prezzi delle
attività finanziarie attraverso riposizionamenti strategici
delle asset class → stock picking, market timing

Fonte: Prof. F. Crespi 21


GESTIONE PASSIVA vs ATTIVA

✓ Sia stock picking che market timing sono influenzati


delle aspettative di mercato

ATTIVITÀ DI RIPOSIZIONAMENTO:
Bull: abbassare la percentuale di titoli a reddito fisso
Acquisto azioni altamente correlate al mercato
Posizione lunga su call e future su indici

Bear: aumentare liquidità di portafoglio


Acquisto titoli a reddito fisso
Acquisto asset class decorrelate dal mercato
Posizione corta sugli indici (acquisto put o vendo future)

Fonte: Prof. T. Fumagalli 22


GESTIONE PASSIVA vs ATTIVA

✓ COME SI MISURANO LE PERFORMACE ATTIVE?


→ Misure di performance attribution

Esposizione al Abilità di Stock Abilità di Market


rischio sistematico Picking Timing

>1 Aggressiva >0 Positiva >0 Positiva

=1 Mercato =0 Assente =0 Assente

<1 Difensiva <0 Negativa <0 Negativa

Fonte: Prof. F. Crespi 23


GESTIONE PASSIVA vs ATTIVA

Gestione ATTIVA: performance attribution


L’alpha di Jensen indica la capacità di un gestore di
produrre valore aggiunto (se l’alpha è positivo), ovvero
di distruggere valore (se l’alpha è negativo), tramite
scelte di stock picking o, più in generale, tramite
specifiche strategie di investimento.
NB creazione di valore vs superamento
benchmark/mercato

Il Gamma indica l’abilità di market timing

Fonte: Prof. F. Crespi 24


GESTIONE PASSIVA vs ATTIVA

Gestione ATTIVA: performance attribution


TRACKING ERROR o EXCESS RETURN MEDIO

σ𝑛𝑖=1 𝑅𝑝𝑖 − 𝑅𝑏𝑖


𝑇𝐸 = 𝑅𝑝𝑖 − 𝑅𝑏𝑖 𝑇𝐸 =
𝑛

✓ esprime una misura dello scostamento medio tra


rendimento del portafoglio e rendimento del benchmark;
✓ Indica la capacità del gestore di creare (in media) valore
nel portafoglio rispetto al benchmark di riferimento;
✓ Viene definito active result.

Fonte: Prof. F. Crespi 25


GESTIONE PASSIVA vs ATTIVA

Gestione ATTIVA: performance attribution


TRACKING ERROR VOLATILITY
2
σ𝑛𝑖=1 𝑅𝑝𝑖 − 𝑅𝑏𝑖
𝑇𝐸𝑉 =
𝑛

✓ Esprime la volatilità del differenziale di rendimento fra


portafoglio gestito e benchmark;
✓ Rappresenta una misura di sintesi del grado di fedeltà del
gestore rispetto al benchmark di riferimento;
✓ Più è elevata la TEV, più il gestore ha assunto decisioni di
scostamento dal benchmark;
✓ Viene definito active risk.

Fonte: Prof. F. Crespi 26


GESTIONE PASSIVA vs ATTIVA

Gestione ATTIVA: performance attribution


INFORMATION RATIO
𝑇𝐸
𝐼𝑅 =
𝑇𝐸𝑉

✓ L’IR esprime il rendimento differenziale creato o distrutto


rispetto al benchmark, per unità di rischio attivo assunto
scostandosi dal benchmark;
✓ Misura la creazione/distruzione di rendimento per unità di
rischio;
✓ L’IR è un indicatore relativo, in quanto si confronta un
fondo comune di investimento con il proprio benchmark.

Fonte: Prof. F. Crespi 27


GESTIONE PASSIVA vs ATTIVA

Gestione ATTIVA: performance attribution


Per aumentare l’IR si può:

_ affidarsi a un gestore con migliori capacità di lettura dei


mercati
_ spostarsi su mercati meno efficienti

Fonte: Prof. F. Crespi 28


GESTIONE PASSIVA vs ATTIVA

✓ Grande dibattito ha caratterizzato negli ultimi


anni, l’efficacia e l’efficienza della gestione attiva.
Dyck, A., Lins, K. V., & Pomorski, L. (2013). Does active
management pay? New international evidence. The Review of
Asset Pricing Studies, 3(2), 200-228.

Engstrom, S. (2004). Does active portfolio management create


value? An evaluation of fund managers' decisions. An
Evaluation of Fund Managers' Decisions (January 28, 2004).

29
La provocazione di Malkiel

Teoria presentata nel 1973 dall’economista dell’università


di Princeton Burton Malkiel.

«Una scimmia bendata che lancia freccette alle pagine di


finanza di un quotidiano potrebbe scegliere un portafoglio
di azioni che va bene quanto un portafoglio attentamente
scelto dagli esperti”.
A random walk down Wall Street
30
La strategie contrarian

Nate come un esercizio teorico, che consiste nell’invertire


gli algoritmi di consolidate strategie d’investimento, ha dato
origine a vere e proprie strategie di asset management.

Ma andiamo con ordine...


Arnott, R. D., Hsu, J., Kalesnik, V., & Tindall, P. (2013). The Surprising
Alpha From Malkiel’sMonkey and Upside-Down Strategies. The Journal
of Portfolio Management, 39(4), 91-105.

31
AGENDA di OGGI

✓ Martedì 26 Gennaio:

▪ TESTIMONIANZA: Dott. Spinola IMPact SIM


▪ I limiti della MPT
▪ Modelli euristici vs bayesiani
▪ Gestione attiva e passiva
▪ Le strategie Contrarian

32
La strategie contrarian

✓ Arnott et al. Dimostrano nel loro articolo che invertendo


pesi e algoritmi di costruzione del portafoglio di strategie
che hanno battuto il benchmark, ottenevano algoritmi
che non solo non davano risultati inversi (come
idealmente ci si potrebbe aspettare), ma in alcuni casi la
strategia inversa sovraperformava quella originale.
✓ Risultato paradossale, ma viene svelato l’arcano…
✓ Moltissime strategie anche apparentemente decorrelate
hanno un bias verso gli emittenti value e small-cap,
segmenti che storicamente hanno sovraperformato
l’S&P500.

33
La strategie contrarian

✓ Strategie bayesiane di questo tipo, non basate su un


sistema di pesi ancorato ai prezzi spezzano il legame tra
il valore che le azioni dell’emittente hanno sui mercati
quotati e il loro peso in portafoglio.
✓ Perciò anche invertendo i pesi il portafoglio contrarian
continuerà ad avere un bias verso emittenti value e
small cap e quindi a sovraperformare il mercato.

34

Potrebbero piacerti anche