Introduzione
Università di Bologna
Corsi di laurea: CLAMFIM e EPELM
Corso di Teoria del Portafoglio e Analisi degli Investimenti
Agenda
Negli ‘50 Harry Markowitz (1927), sviluppò la Modern Portfolio Theory (MPT).
Tale teoria proponeva un nuovo metodo per misurare il rischio dei vari strumenti
finanziari e mostrava come ottimizzare la composizione di strumenti finanziari in un
portafoglio per ottenere il massimo rendimento per un determinato rischio.
Nel 1952 Markowitz lasciò l'università di Chicago per la "Rand Corporation", think
tank statunitense. Qui lavorò a stretto contatto con il matematico Gorge Dantzig1 e
da lui imparò le tecniche di ottimizzazione che gli servirono per scrivere nel 1959 il
suo libro Portfolio selection: efficient diversification of investments2 dove rese
nota la sua teoria, peraltro già espressa in un articolo pubblicato nel 19523.
Dal 1982 insegnò al Baruch College della City University of New York (CUNI). Nel
1989 Markowitz vinse il John von Neumann Theory Prize per la teoria della ricerca
operativa.
Nel 1990 condivise, insieme a William F. Sharpe e Merton Miller, il premio Nobel per
l'economia.
(1) George Bernard Dantzig (1914 – 2005) è stato un matematico e statistico statunitense, noto soprattutto per avere introdotto l'algoritmo
del simplesso e per essere considerato il padre della programmazione lineare.
(2) H Markowitz, Portfolio selection: efficient diversification of investments, New York, John Wiley & Sons, 1959. Ristampa della seconda
edizione: Cambridge, Mass., Blackwell, 2007
(3) Portfolio Selection, in Journal of Finance 7, no. 1, pp. 77–91, 1952.
Di seguito utilizzeremo le misure di rendimento atteso e rischio delle attività finanziarie per
tentare di dare risposta a domande del tipo:
1. se abbiamo a disposizione due asset rischiosi, ad esempio due titoli azionari, A e B, è più
conveniente investire in A, in B o in un portafoglio composto da entrambi? E cosa cambia se
gli asset divengono n > 2?
2. come influisce su queste decisioni la possibilità di investire in un titolo privo di rischio?
3. quanto è lecito attendersi di guadagnare dato un determinato livello di rischio?
Il rendimento nel periodo di tempo ["! , "" ] di un’attività finanziaria è definito da:
Δ$!,# + &'!,#
!!,# =
$!
dove %! è il prezzo a "! , Δ%!," = %" − %! è la variazione di prezzo tra "! e "" e )*!," è il flusso di cassa
distribuito nel periodo di detenzione del titolo (ad esempio, nel caso di un’azione, i dividendi e, nel caso
di un titolo a reddito fisso, le cedole).
Ad esempio, nel caso delle azioni il valore di fine periodo e i dividendi non sono noti a inizio periodo, nel
caso delle obbligazioni il prezzo alla fine del periodo e in alcuni casi anche le cedole (per i titoli c.d. a
tasso variabile) non sono noti.
L’unica attività finanziaria «priva di rischio» è una obbligazione del tipo «Zero Coupon» con scadenza
+ = "" emessa da un ente governativo a bassissimo rischio di insolvenza (es. T-Bill USA).
Prezzo,
Flussi di cassa P1=8.5
per azione euro
tempo
t=0 t=1
Prezzo
Titolo risk free P1 = Prezzo a
scadenza =100
tempo
Titolo rischiosi t=0 t=1= scadenza
Prezzo a
Prezzo, P1=
Prezzo, scadenza
Obbligazione con cedole
Dividendi
azione
Cedole Con scadenza > fine periodo
? 100
Azione P1= ? obbligazione
P0
P0 noto Cedole
noto Dividendi note se a tasso fisso
? ? se a tasso variabile
tempo
7
Scadenza
t=0 t=1 t=0 tempo t=1
Si supponga di essere al tempo "! e si ponga , uguale al rendimento di una determinata attività
finanziaria al tempo "" > "! . Si supponga che al tempo "" si possano verificare solo un numero finito
. di scenari, con probabilità /" , … , /$ , e che 1" , … , 1$ siano i valori che corrispondentemente
assumerà ,. Perciò, , assumerà il valore 1% con probabilità /% .
Il rendimento atteso di periodo del singolo titolo è dato dalla media ponderata dei possibili
rendimenti previsti per il futuro, ciascuno dei quali è “pesato” per la rispettiva probabilità di
realizzazione:
numero degli
“stati del
5
mondo” previsti
! " = "2 $2 + "3 $3 + ⋯ + "4 $4 + ⋯ + "5 $5 = ' "4 $4
462
&
Rendimento atteso 4 ( = 5 ($ 6$
$%#
10%
5%
0%
-4.50 -3.50 -2.50 -1.50 -0.50 0.50 1.50 2.50 3.50 4.50
Il grafico
-5% mostra i rendimenti mensili (standardizzati) dell’indice azionario Eurostoxx 50 dal 1987 al 2018 a
confronto con una distribuzione normale standard.
25%
20%
15%
10%
67 67
5%
0%
4 5
Teoria del Portafoglio | Introduzione alla teoria del portafoglio - 12
Rischio di un’attività finanziaria (3|5)
Varianza e standard deviation dei rendimenti di una attività finanziaria
Il rischio dell'investimento in titoli può quindi essere quantificato dalla varianza dei rendimenti previsti
attorno al loro valore atteso, definita secondo la relazione:
La varianza è la media degli scostamenti da 8 1 elevati al quadrato (così che segni opposti non
cancellino gli effetti). Per esprimerla nella stessa unità di misura del rendimento è necessario considerare
la sua radice quadrata, ovvero la standard deviation dei rendimenti:
4 5
Il rendimento atteso di un portafoglio P è semplicemente pari alla media ponderata dei rendimenti
attesi dei titoli in portafoglio, secondo la relazione,
5
Rendimento atteso
di portafoglio
! :: = ' ;; !("; )
;62
Volendo utilizzare una notazione più compatta è possibile fare ricorso alla notazione vettoriale**:
! '"
! "! = $" , … $# ⋮ = )$ * vettore dei rendimenti
! '# attesi
n. valore in rendimenti
Titolo prezzo pesi %
azioni euro attesi
Azione 1 800 10.0 8 000 26.7% 6.0%
Azione 2 500 20.0 10 000 33.3% 12.0%
Azione 3 400 30.0 12 000 40.0% 10.0%
1700 30 000 100.0% 9.6%
6.0%
4 A) = 26.7%, 33.3%, 40% 12.0% =
10.0%
= 0.267 B 0.06 + 0.333 B 0.12 + 0.4 B 0.10 = 0.096 9.6 %
Per quanto riguarda il rischio di un portafoglio, la sua quantificazione non è così immediata come nel
caso del rendimento di portafoglio: non è cioè pari semplicemente alla media ponderata dei “rischi”
(calcolati come deviazioni standard dei rendimenti) dei singoli titoli
Oltre al rischio di ogni singolo titolo che compone il portafoglio, il valore di quest'ultimo è influenzato dal
legame esistente tra le variazioni congiunte dei rendimenti dei singoli titoli in portafoglio
Nel caso in cui le perdite registrate su determinati titoli fossero sistematicamente compensate (in tutto
o in parte) dai guadagni ottenuti su altri titoli detenuti in portafoglio la variabilità dei rendimenti del
portafoglio sarebbe minore della media ponderata delle variabilità dei singoli titoli.
Occorre in altri termini considerare la «covarianza» tra i rendimenti dei singoli titoli presenti in
portafoglio.
D+
Questa formula evidenzia che il rischio di portafoglio non dipende solo dal rischio dei singoli titoli che lo
compongono (misurato dalle varianze) ma anche da come questi si combinano tra loro (tendenza
misurata dalla covarianza).
Nel caso infatti di covarianza negativa il rischio di portafoglio risulterà inferiore alla semplice media
ponderata dei rischi dei titoli che lo compongono
(*) Un’altra formulazione equivalente usat in letteratura è la seguente: #!" = % &#" ##" + % % &# &' ##'
#$% #$% '$%
(')#)
Abbiamo già visto che la varianza dei rendimenti ha lo svantaggio di non essere espressa nella stessa
unità di misura del rendimento atteso ed al suo posto si utilizza spesso la deviazione standard. Anche
nel caso del rischio di portafoglio P in pratica si usa far riferimento alla deviazione standard dei
rendimenti espressa dalla seguente relazione:
Deviazione 5 5J2 5
standard del
rendimento di 7: = ' ;;3 7;3 + 2 ' ' ;; ;4 7; 74 <;,4
portafoglio ;62 ;62 46;K2 ;
rho=Correlazioni
rendimenti dev. std.
Titolo pesi %
attesi rendimenti 1 2 3
Azione 1 26.7% 6.0% 25.0% 1 1 0.5 0.7
Azione 2 33.3% 12.0% 30.0% 2 0.5 1 0.6
Azione 3 40.0% 10.0% 27.0% 3 0.7 0.6 1
100.0% 9.6%
+! = $"% +"% + $%% +%% +$&% +&% + 2$" $% ."% +" +% + 2$" $& ."& +" +& + 2$% $& .%& +% +& =
Vettore dei
pesi
Deviazione 9## ⋯ 9#& I#
standard del
rendimento di 9) = I# , … I& ⋮ ⋱ ⋮ ⋮ = M- N M
portafoglio 9&# ⋯ 9&& I&
Matrice delle
covarianze dei
Vettore dei
rendimenti
pesi trasposto
La matrice delle covarianze tra rendimenti a sua volta può essere scritta come prodotto tra la
matrice (diagonale) delle standard deviation e la matrice delle correlazioni:
9# ⋯ 0 1 ⋯ H#& 9# ⋯ 0
N=O P O- = ⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋮ ⋱ ⋮
0 ⋯ 9& H&# ⋯ 1 0 ⋯ 9&
Matrice covarianze
0.25 0 0 1 0.5 0.7 0.25 0 0 0.0625 0.0375 0.04725
L = M N M3 = 0 0.30 0 0.6 1 0.6 0 0.30 0 = 0.0375 0.09 0.0486
0 0 0.27 0.7 0.6 1 0 0 0.27 0.04725 0.0486 0.0729
+! = )$ ; ) =
Dev. Std. 0.0625 0.0375 0.04725 0.267
rendimenti 0.267,0.333,0.40 0.0375 0.09 0.0486 0.333 =
portafoglio 0.04725 0.0486 0.0729 0.40
0.0558 = 0.236 (23.6%)
Si considerino due attività rischiose, A e B, e tutti i portafogli % con pesi <4 = <, <5 = 1 − < positivi (no
short selling).
Vedremo ora come si distribuiscono, al variare della correlazione Z tra 14 e 15 , nel piano media/varianza il
rendimento atteso del portafoglio:
! :: = ;! "[ + 1 − ; !("\ )
Si considerino le combinazioni di rendimento atteso e rischio del portafoglio al variare delle quote investite
sul titolo A (w) e sul titolo B (1- w) per diversi valori assunti dalla correlazione “rho”
Rendimento atteso singole attività
E(RA) 7.0%
E(RB) 14.0%
Rischio singole attività Rendimento e rischio di portafoglio
sA 5.0% Correlazione perfetta Correlazione perfetta Correlazione Correlazione imperfetta Correlazione imperfetta
sB 12.0% positiva negativa nulla positiva negativa
Composizioni possibili r 1.00 r -1.00 r 0.00 r 0.50 r -0.50
di portafoglio
w 1-w sP E(RP) sP E(RP) sP E(RP) sP E(RP) sP E(RP)
0.00 1.00 12.00% 14.00% 12.00% 14.00% 12.00% 14.00% 12.00% 14.00% 12.00% 14.00%
0.05 0.95 11.65% 13.65% 11.15% 13.65% 11.40% 13.65% 11.53% 13.65% 11.28% 13.65%
0.10 0.90 11.30% 13.30% 10.30% 13.30% 10.81% 13.30% 11.06% 13.30% 10.56% 13.30%
0.15 0.85 10.95% 12.95% 9.45% 12.95% 10.23% 12.95% 10.59% 12.95% 9.85% 12.95%
0.20 0.80 10.60% 12.60% 8.60% 12.60% 9.65% 12.60% 10.14% 12.60% 9.14% 12.60%
0.25 0.75 10.25% 12.25% 7.75% 12.25% 9.09% 12.25% 9.69% 12.25% 8.44% 12.25%
0.30 0.70 9.90% 11.90% 6.90% 11.90% 8.53% 11.90% 9.24% 11.90% 7.76% 11.90%
0.35 0.65 9.55% 11.55% 6.05% 11.55% 7.99% 11.55% 8.81% 11.55% 7.09% 11.55%
0.40 0.60 9.20% 11.20% 5.20% 11.20% 7.47% 11.20% 8.38% 11.20% 6.44% 11.20%
0.45 0.55 8.85% 10.85% 4.35% 10.85% 6.97% 10.85% 7.97% 10.85% 5.81% 10.85%
0.50 0.50 8.50% 10.50% 3.50% 10.50% 6.50% 10.50% 7.57% 10.50% 5.22% 10.50%
0.55 0.45 8.15% 10.15% 2.65% 10.15% 6.06% 10.15% 7.18% 10.15% 4.68% 10.15%
0.60 0.40 7.80% 9.80% 1.80% 9.80% 5.66% 9.80% 6.81% 9.80% 4.20% 9.80%
0.65 0.35 7.45% 9.45% 0.95% 9.45% 5.31% 9.45% 6.47% 9.45% 3.81% 9.45%
0.70 0.30 7.10% 9.10% 0.10% 9.10% 5.02% 9.10% 6.15% 9.10% 3.55% 9.10%
0.75 0.25 6.75% 8.75% 0.75% 8.75% 4.80% 8.75% 5.86% 8.75% 3.44% 8.75%
0.80 0.20 6.40% 8.40% 1.60% 8.40% 4.66% 8.40% 5.60% 8.40% 3.49% 8.40%
0.85 0.15 6.05% 8.05% 2.45% 8.05% 4.62% 8.05% 5.38% 8.05% 3.69% 8.05%
0.90 0.10 5.70% 7.70% 3.30% 7.70% 4.66% 7.70% 5.20% 7.70% 4.04% 7.70%
0.95 0.05 5.35% 7.35% 4.15% 7.35% 4.79% 7.35% 5.08% 7.35% 4.48% 7.35%
1.00 0.00 5.00% 7.00% 5.00% 7.00% 5.00% 7.00% 5.00% 7.00% 5.00% 7.00%
portafoglio
12% Correlazione w =0
r=+1 (1-w )=1
10%
8%
s P = w 2s A2 + (1 - w) 2 s B2 + 2 w(1 - w)s As B
E(r B)
E(Ra) \
6% portafoglio
[ws ]
2
sP = + (1 - w)s B
w =1 A
4% (1-w )=0
s P = ws A + (1 - w)s B
0%
0% 2% 4% 6% 8% 10% 12% 14%
ss!A sB Rischio
(dev. std.)
E(r A ) 14%
E(Rb)
portafoglio
Correlazione
w =0
12% r=-1
(1-w )=1
10% s P = w 2s A2 + (1 - w) 2 s B2 - 2w (1 - w)s As B
[ws ]
2
8% sP = A - (1 - w)s B
E(r B)
E(Ra)
6%
portafoglio s P = ws A - (1 - w)s B
w =1
(1-w )=0 sB sA
4% w* = 1 - w* =
s A +sB sA +sB
2% Questa combinazione di A e B
annulla il rischio di portafoglio
0%
0% 2% 4% 6% 8% 10% 12% 14%
s#A ss"B Rischio
(dev. std.)
E(r A ) 14%
E(Rb)
portafoglio
Correlazione
12% w =0
r=0
(1-w )=1
Portafoglio con
10% Il rischio minimo:
s P = w 2s A2 + (1 - w) 2 s B2
8%
E(r B)
E(Ra)
6% s 2B s 2A
portafoglio w* = 1 - w* =
s A + s 2B
2 s 2 A + s 2B
w =1
4% (1-w )=0 Si dimostra che questa combinazione
di A e B corrisponde al portafoglio con
Il rischio minimo:
2%
0%
0% 2% 4% 6% 8% 10% 12% 14%
ss#A ss"B Rischio
(dev. std.)
12% (1-w)=1
10%
8%
8E(r14B ) 0 < Correlazione
.<1
0<r<1
6% portafoglio
< = 1w=1
(1-w)=0
4%
. = −1 .=1
2%
0%
0% 2% 4% 6% 8% 10% 12% 14%
@s4A @s5B Rischio (%)
§ I benefici della diversificazione, in termini di riduzione del rischio, sono tanto maggiori
tanto minore è la correlazione tra i rendimenti dei singoli titoli
§ Portafogli molto diversificati presentano rendimenti che non riflettono quindi tanto le
incertezze relative ai singoli titoli in portafoglio, ma piuttosto i fattori di rischio e di
incertezza che riguardano le condizioni esterne di mercato
§ Il peso delle varianze dei vari titoli sul rischio complessivo di portafoglio si riduce
sempre più fino e tende a scomparire
§ la componente legata alle covarianze invece rimane
sP
Rischio
diversificabile
Rischio Rischio
Totale sistematico
Rendimento atteso
Portafogli che
“dominano” il
Portafoglio %"
P1 P2
! ::(
Portafogli
“dominati” dal
P3 portafoglio %2
Rischio
7:(
Portafogli inefficienti
E(r B )
Nel piano media/varianza i due portafogli distinti dai punti azzurro e blu possiedono lo
stesso rischio, ma rendimenti diversi. Per il primo criterio di dominanza, quando si
fronteggia un problema di allocazione ottimale di portafoglio, il portafoglio blu scuro,
che ha il ritorno minore, non ha senso di essere preso in considerazione.
sA sB Rischio
σ' = min %
+!(+) ∑/
-." $- = 1, ! "!(+) = D'
)
Per la costruzione della frontiera efficiente di portafogli senza limiti ai pesi dei singoli asset esiste
una formula analitica (vedi appendice frontiera efficiente «unbounded»).
Tuttavia in pratica spesso accade che i singoli investitori istituzionali (fondi pensione, fondazioni
bancarie, fondi di investimento, …) abbiano regolamenti interni che impongono dei limiti (bounds) al
valore dei pesi assumibile dei singoli asset o delle singole asset class: (es. per l’asset class azionario
limite minimo 0% e limite massimo 30%). I portafogli con limiti ai pesi dei singoli asset sono meno
efficienti di quelli senza limiti ai pesi dei singoli asset (e sono dunque dominati da questi ultimi).
In tal caso per la risoluzione del problema di massimizzazione (minimizzazione) vincolata che porta al
calcolo della frontiera efficiente vengono utilizzati metodi di ottimizzazione numerica e non esistono
soluzioni analitiche.
Esistono diversi «ottimizzatori» in grado di calcolare il vettore dei pesi ottimale `7 in grado di
minimizzare il rischio di portafoglio @1 per un dato livello del rendimento atteso a8 = 8 ,1 , imponendo
diversi vincoli (es. somma dei pesi pari a 1) e una serie di limiti superiore es inferiore ai pesi dei singoli
asset (o asset class). Effettuando un ciclo di calcolo di `7 per diversi livelli del rendimento atteso del
portafoglio (ad es. nell’intervallo 0-30%) è possibile definire la frontiera efficiente «bounded».
Ad esempio alcuni di questi ottimizzatori sono: il Solver di Microsdft Excel, la funzione Fmincon di
Matlab, la funzione Minimize di Python (libreria optimize Scipy), ecc.
E(R4)
E(R3)
E(R2)
La funzione di Utilità fornisce una rappresentazione della
struttura delle preferenze di un investitore, attraverso le c.d.
E(R1) “curve di indifferenza la rischio”.
Una curva di indifferenza è l’insieme delle combinazioni di
rendimento atteso e rischio che consentono all’investitore
di conseguire un dato livello di utilità.
9) Rischio
9) Rischio di portafoglio
E(rB) E(rB)
E(rA) E(rA)
Rischio Rischio
sA sB sA sB
4 A) = 1 − I (. + I4 A/
Poiché il rischio (standard deviation dei rendimenti) di portafoglio è:
9) 9)
+! = $ % +0% + 1 − $ % +1% + 2$ 1 − $ +0 +1 = $+0 I= ; 1−I =1−
9/ 9/
=0 =0
! :[ − "d
! :: = "d + 7:
7[
Aumentando la proporzione di ricchezza impiegata nel fondo A aumenta il valore del rischio di
portafoglio ed aumenta anche il rendimento atteso secondo una relazione di tipo lineare
Rendimento atteso
di portafoglio
4 A/
Fondo A composto
da titoli rischiosi
(. Rendimento del
titolo risk-free
Rischio di portafoglio
9/
Capital Asset Pricing Model - 46
Frontiera efficiente con titolo privo di rischio (3|4)
Equazione della frontiera
Definiamo come portafoglio tangente (T) quel portafoglio che massimizza lo Sharpe ratio ed
indichiamo con @9 il suo rischio.
Per comporre un portafoglio con un asset privo di rischio e asset rischiosi in maniera ottimale, fissato il
livello di rischio del portafoglio @1 , l’investitore dovrà selezionare come componente rischiosa il
portafoglio tangente (T) e investire in esso una quota pari a
e1
;=
e2
La frontiera efficiente 8*:; con titolo privo di rischio è, pertanto, l’insieme dei punti del piano
@1 , 8(,1 ) tali che:
Frontiera = f − "d
Efficiente con !(:: ) = "d + 7:
7f
titolo privo di
rischio
Si osservi che il punto del portafoglio tangente (@9 , a9 ) appartiene ad entrambe le frontiere: quella con
titolo privo di rischio e quella senza. Ponendo, infatti, @1 = @9 , che implica w = 1, si ottiene un
portafoglio che è composto solo di asset rischiosi e che coincide, in media e varianza, con il portafoglio
tangente.
!M34
D 2 − '1
!("! ) = '1 + +!
+2
Nota:
'#$() *+%,&)
È possibile provare che il portafoglio tangente, che è composto da soli asset rischiosi, ha pesi <& = +(''#$(. *+%,&)
,
dove = e > sono vettore dei valori attesi e matrice di covarianza dei rendimenti degli asset rischiosi, ?/ è il tasso privo di rischio.
• la varianza di g è definita da
78( R = ,FG R, R = 4 R ( − 4 R ( ;
90 = 78((R);
Nel mercato azionario, e in molti altri mercati dei capitali, un investitore può vendere un’azione che
non possiede. Per descrivere questo processo, che si chiama short selling, utilizzeremo un
esempio.
Le short sales sono trattate (per importi significativi) ad esempio presso il NYSE.
Un investitore di nome Alice ritiene che l’azione di ABC, quotata oggi ad un prezzo pari a 100 €,
varrà 95 € domani. Bob, un altro investitore, che già possiede un’azione di ABC, ritiene invece che
l’azione domani continui a valere 100 €; poiché, tra oggi e domani, essa distribuisce un dividendo
pari a 3 €, egli ritiene quindi che valga la pena di tenere il titolo in portafoglio.
Alice può dunque prendere in prestito l’azione da Bob, venderla oggi e ricomprarla domani, per
restituirla a Bob. Se Alice ha ragione, registrerà un profitto di 2 €, poiché vende oggi a 100 €,
compra domani a 95 € e, tra oggi e domani, paga 3 € di dividendo a Bob, che non intende
rinunciare ai benefici connessi al possesso dell’azione. Se Bob ha ragione, Alice perderà 2 €.
Alice così facendo acquisisce una posizione corta (fa short selling) su ABC.
Quando un asset viene venduto short, se ne indica in portafoglio la quantità con un segno negativo.
cj = E k,,B lB,% ,
BC"
vale a dire moltiplicando gli elementi dell’?-esima riga di m, uno ad uno, per i corrispondenti elementi della I-
esima riga di n e sommando i prodotti ottenuti.
Siano, ad esempio,
1 4 1 2 3
o= 2 , p= 5 , c= 4 5 6 .
3 6 7 8 9
Allora, o 3 p = 1 q 4 + 2 q 5 + 3 q 6 = 4 + 10 + 18 = 32 e
1 2 3 1 1q1+2q2+3q3 14
co = 4 5 6 2 = 4 q 1 + 5 q 2 + 6 q 3 = 32 .
7 8 9 3 7q1+8q2+9q3 50
Teoria del Portafoglio | Introduzione alla teoria del portafoglio - 52
La frontiera efficiente «unbounded» (1|2)
L’equazione della frontiera (senza limiti ai pesi dei singoli asset)
Di seguito è dimostrato come questi problemi di ottimizzazione possano essere risolti e come se ne
ricavi che la frontiera efficiente è l’insieme dei punti (@1 , a1 ) che risolvono l’equazione*
[ \ s
7:3 = =:3 − 2 =: + ,
r r r
Pertanto esplicitando rispetto al rendimento aE si ottiene l’equazione di una porzione del braccio destro
" 5
di una iperbole con vertice pari a ,
4 4
:
Nel grafico che segue, che riporta la frontiera efficiente per un universo di investimento che è formato da
dieci delle quindici principali componenti dell’indice azionario NASDAQ 100, di cui sono parte le 100
maggiori - in termini di capitalizzazione - imprese non finanziarie quotate nel NASDAQ:
Si noti che nessuno dei singoli asset e nemmeno l’indice, per quanto sia diversificato, sono efficienti.
100%
Z A
90%
dove , è il rendimento 80%
P 11 (:) 70%
dell’investimento e k = − P1(:) è il
60%
coefficiente di avversione al 50%
rischio, che è tanto maggiore quanto 40%
più alta è l’avversione. 30%
20%
10% A
0%
0 5 10 15 20
(*) CARA (dall'inglese Constant Absolute Risk Aversion) è una funzione di utilità con avversione al rischio costante se
/ 00 0
il coefficiente di avversione al rischio a = − / 0 0
è costante al variare del rendimento *.
N " = 1 − O 563
Il coefficiente di avversione al rischio di Arrow-Pratt è definito come rapporto tra la derivata seconda e la
derivata prima invertito di segno:
N $$ "
P=−
N$ "
Pertanto la funzione di utilità esponenziale è di tipo CARA (Constant Absolute Risk Aversion).
È possibile provare che, l’utilità attesa dalla detenzione di un portafoglio % il cui rendimento è
distribuito normalmente, con media 8 ,1 e varianza xk1 ,1 = @12 , è pari a
9)(
4 Z A) = 1 − exp −8 4 A) − 8
2
62
Determinare il portafoglio ottimo è quindi equivalente a massimizzare la quantità 8 ,1 − k 2.
ovvero il rendimento atteso del portafoglio «corretto per il rischio» (risk adjusted return)
7T
< =S 9 ; (S
Utilità Attesa 4 Z A) = 1 − e9;
Si noti che l’utilità attesa dell’investitore aumenta al crescere del rendimento atteso (8 ,1 ) e
6.2
diminuisce all’aumentare del rischio di portafoglio (−k 2
).
Ogni portafoglio che massimizza l’utilità attesa corretta per il rischio giace dunque sulla
frontiera efficiente: infatti, a parità di rendimento atteso 8 ,1 il portafoglio ottimo (in termini di utilità)
minimizza la varianza dei rendimenti @12 , dunque ogni portafoglio ottimo anche «efficiente».
Pertanto, ogni portafoglio ottimo che massimizza l’utilità attesa risk-djusted è anche un portafoglio
efficiente (in quanto massimizza il rendimento per un dato livello di rischio).
Questo spiega perché molti algoritmi di calcolo della "frontiera efficiente" utilizzano come
condizione per la stima dei "pesi ottimali" `! , la massimizzazione dei rendimenti attesi risk ajusted
del set di attività disponibili:
Il vettore `7 dei pesi ottimali massimizza il rendimento atteso (corretto per il rischio) del
portafoglio delle i attività disponibili, data l'avversione al rischio k dell'investitore e dato il vincolo
che la somma dei pesi sia pari all'unità.
Gli investitori sono caratterizzati da diverse avversioni al rischio e ciascuno di loro sceglierà il
portafoglio per sé ottimale in base al proprio livello di avversione al rischio, collocandosi su diversi livelli
della frontiera efficiente. Questo concetto può essere rappresentato mediante le c.d. «curve di
indifferenza al rischio» (o se si preferisce curve di «iso-utilità»).
7T
9;U < =S 9;U (S
1 9)(
Z! = 1 − e 4 A) = − de 1 − Z! + 8! (*)
8! 2
L'equazione (*) sopra riportata, detta curva di indifferenza al rischio, fornisce il livello del rendimento
atteso 8 ,1 (in funzione del rischio @1 ) che un investitore si attende di avere data la sua avversione al
rischio k! per conseguire una data utilità attesa w! .
Tale relazione può essere utilizzata per ricavare considerando diversi livelli di utilità attesa quale
portafoglio sceglierà il singolo investitore sulla frontiera efficiente in base al proprio grado di avversione
al rischio.
Università di Bologna
Corsi di laurea: CLAMFIM e EPELM
Corso di Teoria del Portafoglio e Analisi degli Investimenti
Agenda
§ MPT: riepilogo
§ CAPM: Introduzione
§ CAPM: Il rendimento di mercato
§ CAPM: Teorema della Separazione e Capital Market Line
§ Modello a un fattore (Single Index Model):
1. Rendimenti dei singoli titoli azionari e introduzione del coefficiente beta
2. Il beta come misura del rischio
§ CAPM: Security Market Line
§ Gli indici di borsa e la stima del coefficiente beta
§ ! come contributo marginale al rischio di mercato
§ Sharpe ratio
§ Il CAPM e i prezzi
§ Appendice
Il rendimento atteso di un portafoglio ! composto da " asset è semplicemente pari alla media
ponderata dei rendimenti attesi dei titoli in portafoglio, secondo la relazione:
%
Rendimento atteso ( )! = # $" ((+" )
di portafoglio
"#$
Il rischio di portafoglio è misurato dalla deviazione standard dei rendimenti espressa dalla seguente
relazione:
Sommatoria estesa a
Deviazione % %
tutte le combinazioni
standard del
rendimento di
!! = # $"& !"& + 2 # $" $) '") !" !) dei titoli ( e * presi «a
due a due»
portafoglio "#$ $' " ( ) ' %
peso del titolo ( varianza dei pesi dei titoli (, * covarianza dei
sul totale del rendimenti del sul totale del rendimenti del titolo (
portafoglio titolo ( portafoglio e del titolo *
( )! = 1 − $ +* + $( )+
Poiché il rischio (standard deviation dei rendimenti) di portafoglio è:
!! !!
"! = $ " "#" + 1 − $ " "$" + 2$ 1 − $ "# "$ = $"# $= ; 1−$ =1−
!+ !+
=0 =0
! "/ − $.
! "- = $. + '-
'/
Aumentando la proporzione di ricchezza impiegata nel fondo A aumenta il valore del rischio di
portafoglio ed aumenta anche il rendimento atteso secondo una relazione di tipo lineare
Rendimento atteso
di portafoglio
( )+
Fondo A composto
da titoli rischiosi
+* Rendimento del
titolo risk-free
Rischio di portafoglio
!+
Capital Asset Pricing Model - 5
Per comporre un portafoglio con un asset privo di rischio e asset rischiosi in maniera efficiente, fissato il
livello di rischio del portafoglio 5$ , l’investitore dovrà selezionare come portafoglio di asset rischiosi il
6!
portafoglio tangente (T) e investire in esso una quota pari a ( =
6"
La frontiera efficiente 07%& con titolo privo di rischio è, pertanto, l’insieme dei punti del piano 5' , $ 8$
tali che:
Frontiera ! "9 − $.
Efficiente con ! "- = $. + '-
titolo privo di '9
rischio
Rendimento atteso
di portafoglio
1$
1&
Portafoglio tangente
0
) *!
= ) *%
Rischio di portafoglio
!! = !,
Capital Asset Pricing Model - 7
Il CAPM portò a W.F. Sharpe, insieme con M.M. Miller e H. Markowitz, il Premio
Nobel per l'economia nel 1990.
William Forsyth Sharpe
(1934 – living) Esistono delle estensioni del modello CAPM, note come modello Intertemporal
CAPM di Merton (che si basa su un'analisi multiperiodale) e il modello Consumption
CAPM.
(1) French, Craig W. (2003). "The Treynor Capital Asset Pricing Model". Journal of Investment Management. 1 (2): 60–72. SSRN 447580
(2) Sharpe, W.F., 1964, "Capital Asset Prices: a Theory of Market Equilibrium Under Conditions of Risk," Journal of Finance 19(3), 425-
442
(3) Lintner, J., 1965, "The Valuation of Risky Assets and the Selection of Risky Investments in Stock Portfolios and Capital Budget,"
Review of Economics and Statistics 47, 13-37;
(4) Mossin, J., 1966, "Equilibrium in a Capital Asset Market," Econometrica 34, 768-783
(5) Black, F., 1972, "Capital Market Equilibrium with Restricted Borrowing," Journal of Business, 45(3), 444-455;
Il CAPM è un modello di equilibrio dei mercati finanziari, che stabilisce una relazione tra il
rendimento di un titolo e la suo contributo al cosiddetto rischio sistematico di un portafoglio
estremamente diversificato, misurato da un coefficiente detto «beta».
Una delle idee implicite nel modello CAPM è che i rendimenti attesi degli : asset rischiosi che
costituiscono l’universo di investimento e la struttura delle correlazioni (covarianze) dei rendimenti di tali
asset siano «spiegati» dall’andamento di un unico fattore di rischio: «quello di mercato».
• Aspettative omogenee:
1. gli investitori hanno opinioni comuni circa i probabili rendimenti e rischi degli asset;
2. le loro opinioni si riferiscono ad un orizzonte temporale comune.
Assumendo l’ipotesi che tutti gli investitori abbiano aspettative OMOGENEE si può giungere
all’individuazione del portafoglio T.
Se tutti gli investitori assegnano le stesse probabilità ai rendimenti attesi dei titoli rischiosi è evidente
che il portafoglio T individuato in precedenza sarà lo stesso per tutti gli investitori.
Se ciascun investitore detiene T come proprio portafoglio di attività rischiose, T deve coincidere con il
cosiddetto portafoglio di mercato.
Il portafoglio di mercato
Definizione
Il Portafoglio di Mercato (M) è un portafoglio estremamente diversificato in cui ciascun titolo rischioso
esistente sul mercato è presente per una quota pari alla sua capitalizzazione, divisa per il valore totale
dei titoli di mercato. Ad esempio, se sul mercato sono presenti : azioni, ciascuna in numero pari a "! e
con prezzo pari a !! , il peso dell’(-esimo asset è
"; #;
Peso del titolo -
nel portafoglio !! = ,
di mercato .
$< , è il valore totale
dove: >) = @ "! !! dei titoli di
mercato ,
!*+
Il rendimento di mercato 8) è definito come il rendimento del portafoglio di mercato = ed è pari alla
media ponderata dei rendimenti di tutte le azioni presenti sul mercato, pesati per la loro
capitalizzazione:
. .
Rendimento del 2" 3"
portafoglio di )- = # $" +" = # +
mercato . 4- "
"#$ "# $
Una spiegazione intuitiva di questa conclusione deriva dalla considerazione che, se così non fosse, gli
investitori si troverebbero a detenere in totale per alcuni titoli più delle quantità disponibili e per altri titoli
meno delle quantità disponibili sul mercato. Il che non è possibile.
Per calcolare in pratica il rendimento atteso ed il rischio del portafoglio di mercato (8) , 5) ) spesso si fa
- .-
riferimento quali variabili di approssimazione (proxy) agli indici del mercato di borsa ( 8) = #- #$%).
#$%
A partire dalle serie storiche dei rendimenti del mercato azionario misurate dagli indici di borsa è
possibile calcolare una stima del rendimento atteso del mercato azionario $ 8) e della volatilità dei
rendimenti di mercato (standard deviation) 5) .
5
+*
Rendimento del
titolo risk-free
Rischio di portafoglio
La pendenza della frontiera
& '! ()"
!-
efficiente è pari a: /01 = *!
Capital Asset Pricing Model - 14
Teorema della separazione
Tutti i portafogli efficienti (e quindi qualsiasi portafoglio ottimale) possono essere costruiti combinando: il
portafoglio di mercato M con l’attività priva di rischio.
L’attività priva di rischio può essere detenuta in quantità positive (in caso di investimento) o negative (in
caso di indebitamento).
Quindi il problema della scelta di portafoglio si riduce nella forma: massimizzare l’utilità del portafoglio
formato
§ dall’attività priva di rischio
§ e dal portafoglio di mercato (M) rispetto a tutte le possibili scelte di composizione, con il
vincolo che la somma dei pesi sia unitaria: w + (1-w) =1
le preferenze di utilità dei singoli investitori non influenzano il migliore portafoglio di attività
rischiose (M) ma soltanto l’ammontare delle somme date (o prese) a prestito al tasso 3# .
Questa è l’equazione di una retta, ed essa nota anche il nome di «capital market line».
In base a tale relazione il rendimento atteso di ciascun portafoglio lungo la frontiera efficiente (capital
market line) è pari al: tasso risk-free (compenso per la rinuncia al potere di acquisto) + un premio per
il rischio di portafoglio (= prezzo del rischio x quantità di rischio)
Il prezzo per il rischio definisce un prezzo al rischio di portafogli “efficienti”, nel senso che esso ci dice
quante unità addizionali di rendimento (oltre il rendimento privo di rischio) occorre guadagnare per
compensare ogni unità addizionale di rischio.
Vedremo ora che, tramite la capital market line, è possibile stabilire una relazione tra il rendimento di
un titolo e il suo contributo al cosiddetto rischio sistematico di un portafoglio estremamente
diversificato, misurato da un coefficiente detto «beta».
) *& − +$ 9% − 3% F1
= = 1.5
"& 4%
( )- = 9% M
Frontiera efficiente
(capital market line)
+* = 3%
Rendimento del
titolo risk-free
!- = 4% Rischio di portafoglio
Molti operatori non condividono tale interpretazione del processo di investimento: essi obiettano che
spesso i prezzi di mercato non riflettono il valore “intrinseco” di un titolo e che gli analisti finanziari
possono distinguere tra titoli sopravvalutati e sottovalutati studiando accuratamente le informazioni
disponibili sugli emittenti. Portafogli costruiti sulla base di tali analisi dovrebbero avere caratteristiche di
rischio/rendimento migliori rispetto a quelle di un portafoglio costruito semplicemente come detto sopra
(portafoglio M + attività priva di rischio).
L’esperienza dimostra che nel lungo periodo è difficile riuscire sistematicamente a “battere il mercato”. In
fin dei conti le analisi vengono effettuate (mediamente) sulla base delle informazioni pubblicamente
disponibili* e quindi l’ipotesi delle aspettative omogenee non è del tutto inverosimile.
Pertanto in termini “pragmatici” non sembra del tutto ingiustificata la tesi secondo cui tutti i portafogli
efficienti potrebbero essere costruiti combinando il portafoglio di mercato con attività prive di rischio.
E’ per questo motivo che molti fondi di investimento offrono ai propri clienti la possibilità di acquistare
quote dei Exchange Traded Funds (in italiano “fondi indice»): si tratta di particolari fondi la cui struttura
tende a riprodurre un determinato indice di borsa.
(*) Solo investitori che dispongono ed utilizzino informazioni riservate possono sperare di ottenere profitti superiori a quelli medi di
mercato: ma ciò è difficile da realizzare sistematicamente nel lungo periodo
Abbiamo ricordato che, nell’ambito della Modern Portfolio Theory, di Harry Markowitz, dato un
universo di I asset rischiosi, per determinare la frontiera efficiente dei portafogli che è possibile
formare con tali asset si devono stimare: : il vettore dei rendimenti attesi e ; la matrice delle
covarianze dei rendimenti degli asset rischiosi.
Per dare un’idea dell’ordine di grandezza dei parametri da stimare, si consideri una ipotetica istituzione
finanziaria che gestisce un portafoglio di proprietà con un numero di titoli compreso tra 150 e i 250.
Questo vuol dire che gli analisti si troverebbero a dover stimare, tra rendimenti attesi e covarianze, un
numero di parametri compreso 11 475 e 31 625: un numero troppo alto per procedere ad una stima
diretta.
Il Single Index Model è il modello a un fattore che suppone che i rendimenti attesi degli : asset
rischiosi che costituiscono l’universo di investimento e la struttura delle correlazioni (covarianze) dei
rendimenti di tali asset siano «spiegati» dall’andamento del «mercato», rappresentato a fini pratici
da un indice di borsa.
0
Se il rendimento dell’L-esimo asset è data da &! = M! + N! &) + O! , ponendo 5) (la varianza del
rendimento di mercato) e 510+ (la varianza dell’errore idiosincratico dell’azione () si prova (Appendice) che
Alfa (Valore atteso della Beta2 x Rischio di mercato Prodotto dei betai x betaj x
componente idiosincratica) + Varianza della Rischio di mercato
+ Beta x Rendimento atteso componente idiosincratica + covarianza delle
di mercato (non spiegata dal mercato) componenti idiosincratiche
(non spiegate dal mercato)
&
>?@ +" , +) = <" <) !- + >?@ B" , B) 0
Si avrebbe che:
la covarianza dei rendimenti tra le due
&
>?@ +" , +) = <" <) !- azioni ( e * dipende solo dalla comune
dipendenza dal fattore di mercato via
beta.
Questo è esattamente quello che succede in un portafoglio estremamente diversificato quale è il portafoglio
di mercato M.
Si prova inoltre (vedi Appendice) che la covarianza dei rendimenti della azione L rispetto al portafoglio di
mercato è data dalla relazione:
&
>?@ )- , +" = <" !-
"#$
delle singole azioni rispetto al
fattore di mercato.
Allora, si prova (vedi Appendice) che il rendimento atteso e la varianza dei rendimenti del
portafoglio + sono pari a
Si supponga, per un momento, che il portafoglio sia stato composto investendo la stessa cifra in ogni
+
asset (#+ = #0 = … = #, = ,
).
Se le volatilità degli errori idiosincratici 51+ sono minori o uguali di un certo livello 5 (51+ ≤ 5), qualsiasi
sia (, il rischio del portafoglio può essere riformulato come:
. .
1 !
4=+ +! = <!& !-
&
+ # $"& !/&2 ≤ <!& !-
&
+# & ! = <!& !-
&
+ 0
H H
"#$ "#$
Dunque, quando il numero delle azioni in portafoglio tende a infinito (D → + ∞), la varianza
dei rendimenti di portafoglio tende alla sola componente di rischio sistematico:
Questo vuol dire che, se il portafoglio è sufficientemente diversificato, il rischio non connesso
all’andamento del mercato (rischio idiosincratico) diviene piccolo e, perciò, trascurabile.
Vale, quindi,
Rischio sistematico
!! = <!& !-
&
= <! !- o non diversificabile
Possiamo dunque concludere che, per portafogli ben diversificati, K0 è una corretta misura di
rischio.
Pertanto, il solo rischio che rileva per la valutazione del singolo asset è il contributo che esso
apporta al rischio sistematico del portafoglio, di cui S è la misura. Quindi, ci si riferisce spesso a
N! come al rischio dell’asset (.
sP
Il CAPM ipotizza che i mercati siano
efficienti e che gli operatori attuino una Rischio
diversificabile
buona diversificazione: dunque, il rischio
non sistematico (idiosincratico) può essere '! (/
totalmente eliminato attraverso la '! (/
diversificazione di portafoglio. Rischio Rischio
sistematico
Totale
Il solo rischio che rileva quindi per la valutazione della singola azione è il contributo che
essa apporta al rischio non diversificabile del portafoglio di mercato (contributo al rischio
sistematico), che abbiamo visto può essere misurato da beta.
Vedremo ora che beta può essere utilizzato anche per stimare il rendimento atteso.
Rischio (dev.std.
!! = <! !- rendimenti) portafoglio +
Gli asset con S > [ si dicono aggressivi, poiché si muovono più del mercato: ad aumenti (e
diminuzioni) del rendimento di mercato corrispondono aumenti (e diminuzioni) dei rendimenti dell’asset
superiori.
Gli asset con S < [ si dicono difensivi, poiché si muovono meno del mercato: ad aumenti (e
diminuzioni) del rendimento di mercato corrispondono aumenti (e diminuzioni) dei rendimenti dell’asset
inferiori.
Il contributo al rischio di mercato di un titolo ( a sua volta dipende da come sono correlati i rendimenti del
titolo (-esimo con quelli del portafoglio di mercato M (covarianza).
Più precisamente è possibile provare che (Appendice) esiste un coefficiente ] tale per cui, per ogni asset
(, si ha che:
( )- − +*
Il coefficiente lambda è pari a: L= &
!-
(*) Infatti
: ;# − =$ = : ∑( ( ( (
%&' @% =% − ∑% @% =$ = ∑%&' @% : =% − =$ = ∑%&' @% ABCD =% , ;) = ∑( (
%&' @% BCD =% , ;) = ABCD ∑% @% =% , ;) = ABCD ;# , ;)
Ne segue che, per ogni singola azione 1 ≤ L ≤ : (sostituendo il valore di lambda) si ottiene:
( )- − +*
( +" − +* = L >?@ +" , )- = & >?@ +" , )-
!-
EFG(I- ,J+ ) 9-,+ 8+ 8- 9+,- 8+
Ricordando la definizione del coefficiente beta come N! = 0
8-
= 0
8-
= 8-
si ha:
Security
! $T = $. + 0T ! "A − $. Market Line
L’extra rendimento atteso dell’azione ( rispetto al tasso risk-free è pari al suo beta per l‘extra-
rendimento del mercato rispetto al tasso risk free.
Si supponga che il rendimento atteso del portafoglio di mercato azionario su un periodo di un anno
sia $(8=) = 10% (stimato facendo ricorso ad un indice di borsa opportunamente scelto) e che il
tasso risk free ad un anno sia &! = 3%
Il rendimento atteso del titolo azionario sarà pari a: $ &! = &/ + $ 8) − &/ N!
Nello stesso mercato il titolo azionario di una società telefonica con un beta pari a 1.20 avrà un
rendimento atteso pari a:
! "- − $. = 0- ! "A − $.
L’extra rendimento atteso di un portafoglio ! rispetto al tasso risk-free è pari al suo beta medio per l‘extra-
rendimento del mercato rispetto al tasso risk free.
Se il portafoglio ! = =
! "A − $. rischio coincide con il
! "- = $. + 7-,A '- sistematico del portafoglio di mercato
'A portafoglio !. V$,) = 1 e si riottiene
tasso risk free Capital Market Line.
prezzo di
mercato del
rischio
Capital Asset Pricing Model - 34
La stima del coefficiente «beta»
In pratica il coefficiente K viene determinato come coefficiente angolare della retta di regressione
(computato tramite il metodo dei minimi quadrati ordinari) di una serie storica di rendimenti dell’asset
considerato &!,L su una serie storica di rendimenti di un indice di mercato 8),L , utilizzato come proxy
(approssimazione) del rendimento di mercato. Solitamente si usano serie storiche di lungo periodo (es.
ultimi 5 anni) con passo non troppo breve (es. mensile) per avere stime di beta relativamente stabili.
In figura è riportata la regressione della serie storica dei rendimenti del titolo Microsoft sulla serie storica
dei rendimenti del NASDAQ 100. Si ottiene N = 0.957489.
Una volta scaricate le serie storiche dei prezzi dell’asset e del valore dell’indice si determinano i
rendimenti percentuali (semplici) o quelli «continui» (logaritmici), come
,) − ,) +, -./ ,)
*)% = oppure *) = ln(,) ) − ln ,) +, = ln
,) +, ,) +,
e si calcola il coefficiente angolare della retta di regressione.
Il coefficiente S dell’L-esimo asset (S3 ) può essere interpretato come suo contributo al rischio di
mercato. In altre parole, N! è l’effetto marginale che l’(-esimo asset ha sulla variabilità del rendimento del
portafoglio di mercato.
Dunque, N! è la variazione marginale percentuale del rischio del portafoglio di mercato derivante da un
incremento unitario di #! : se #! aumenta di 1, allora 5) aumenta del N! %.
1 N!- N!- ( )- − +*
( +" − +* = ( )- − +* =
!- N$" N$" !-
Quindi, l’extra rendimento dell’(-esimo titolo rispetto al tasso privo di rischio è pari al prodotto dell’effetto
marginale che questo ha sulla variabilità del rendimento di mercato e del prezzo del rischio.
Sharpe ratio
Lo Sharpe ratio, introdotto la prima volta da William Sharpe, è un indicatore sintetico di redditività
corretta per il rischio (risk adjusted performance measure).
Esso è utile per confrontare investimenti in attività (o portafogli di attività) caratterizzati da livelli di rischio
diversi. Per un generico portafoglio P esso è dato da:
( )! − +*
O)! =
!!
Ad esempio possiamo confrontare la redditività di un dato portafoglio P con quella del “Portafoglio di
mercato”:
) *! − +$ ) *& − +$
6*! = 6*& =
"! "&
se g8" > g8# il portafoglio P “batte” il mercato (ha registrato una performance migliore);
se, invece, g8" < g8= il portafoglio P è battuto dal mercato
L’indicatore di sharpe se calcolato “ex-ante” è utile per selezionare tra diverse alternative di investimento,
se calcolato “ex-post” è utile per confrontare le perfomance di investimenti caratterizzati da rischi diversi
Poniamo:
1. !!,N pari al prezzo corrente dell’(-esimo asset;
2. !),N pari al prezzo corrente del portafoglio di mercato;
3. h!,+ pari al prezzo dell’asset al termine del periodo considerato;
4. h),+ pari al prezzo del portafoglio di mercato al termine del periodo considerato.
Si osservi che h! e h) sono variabili aleatorie, mentre !! e !) no.
Dunque, poiché
$ &! − &/ = N! $ 8) − &/
vale,
$(h!,+ ) $ h),+
− 1 = $ &! = &/ + N! $ 8) − &/ = &/ + N! − 1 − &/
!!,N !),N
&! = X! + N! 8) ,
con 8) rendimento di mercato, X! parte del rendimento non dipendente dal mercato (componente
idiosincratica) e N! misura della dipendenza dal rendimento dal mercato.
Si osservi che &! , 8) e X! sono variabili aleatorie
Si pongano M! = $ X! , O! = X! − M! , 5) = >X& 8) , 51+ = >X& O! e si supponga
^_` 8) , O! = 0.
Allora, per ogni asset (, poiché
^_` 8) , X! = ^_` 8) , O! + M! = ^_` 8) , O! = 0,
>X& X! = >X& O! + M! = >X& O! = 510+ ,
valgono
$ &! = $ X! + N! 8) = $ X! ) + N! $(8) = M! + N! $ 8) ,
>X& &! = >X& X! + N! 8) = >X& X! + N!0 >X& 8) + 2 N! ^_` 8) , X! = N!0 5)
0
+ 510+
0
^_` &! , &Q = N! NQ >X& 8) + N! ^_` 8) , OQ + NQ ^_` O! , 8) + ^_` O! , OQ = N! NQ 5) + ^_` O! , OQ ,
0
^_` &! , 8) = ^_` X! + N! 8) , 8) = ^_` X! , 8) + N! ^_` 8) , 8) = N! 5) .
N$ = ∑,
!*+ #! N! , M! = $ X! , M$ = ∑, ,
!*+ #! $(X! ) = ∑!*+ #! M! .
5$0 = >X& &$ = >X& @ #! &! = @ #!0 >X& &! + @ #! #Q ^_` &! , &Q =
!*+ !*+ !*+,
!RQ
, , , , ,
5) @ #!0 N!0
0
+ @ #!0 510+ + 0
5) @ #! #Q N! NQ = 0
5) @ #! #Q N! NQ + @ #!0 510+ =
!*+ !*+ !*+, !,Q*+ !*+
!RQ
, , , ,
0
5) @ #! N! @ #Q NQ + @ #!0 510+ = N$0 5)
0
+ @ #!0 510+ ,
!*+ Q*+ !*+ !*+
dove 5! = >X&(O! ).
,
5$ = N$0 5)
0
+ @ #!0 510+ .
!*+
Si supponga che valgano le ipotesi del CAPM (aspettative omogenee e scelta di soli portafogli
efficienti) e che, dunque, i due investitori investano solo nell’asset privo di rischio e nel portafoglio
tangente, che indichiamo con a( .
Il portafoglio tangente è composto di "(,+ volte l’asset 1 (i+ ), "(,0 volte l’asset 2 (i0 ) e "(,S volte
l’asset 3 (iS ). Allora, i pesi del portafoglio tangente sono pari a
Il portafoglio di mercato è il portafoglio in cui ciascun asset è inserito con peso pari alla sua
capitalizzazione diviso la capitalizzazione totale di tutte le attività rischiose. Dunque, se il mercato è
composto di "),+ volte l’asset 1 (i+ ), "),0 volte l’asset 2 (i0 ) e "),S volte l’asset 3 (iS ), i pesi del
portafoglio di mercato si ottengono come
"),+ !+ "),0 !0 "),S !S
#),+ = , #),0 = , #),S = ,
>) >) >)
Proveremo ora che #),+ = #(,+ . In maniera del tutto analoga, si prova lo stesso risultato per gli asset
2 e 3. In altri termini i pesi del portafoglio di mercato coincidono con quelli del portafoglio tangente.
Capital Asset Pricing Model - 46
Coincidenza del portafoglio tangente (unico) col
portafoglio di mercato (3|3)
j5,V è il numero di asset 1 presenti sul mercato. Questi sono detenuti dai soli due investitori che
agiscono nel mercato, M e N.
L’importo che l’investitore M ha investito in asset rischiosi è pari a `T . Poiché esso è investito tutto nel
G G
portafoglio tangente, egli possiede O1 portafogli tangenti e, dunque, O1 "(,+ asset 1. In maniera del
2 2
G3
tutto analoga, l’investitore N possiede O "(,0 asset 2. Pertanto, "),+ , che è il numero di asset 1
2
presenti sul mercato, è tale per cui
`T `U "(,+
j5,V = "(,+ + "(,+ = (`T + `U )
>( >( >(
Come detto, in maniera del tutto analoga, si prova che #),0 = #(,0 , #),S = #(,S .
Si consideri la funzione
# W (n − &/ 1, ) .
+
m # = = # W n − &/ 1, · # WΣ w 0,
# WΣ w
dove n è il vettore dei valori attesi, Σ è la matrice di covarianza degli : asset rischiosi,
# = #+ , … , #, è un vettore di pesi, 1, è un vettore : dimensionale di 1 e ‘ indica la trasposizione di
matrici.
Nota: l’uguaglianza (∗) non è immediata e non sarà qui provata per esteso. Per chi è interessato a
dimostrarla, può essere utile ricordare che, come mostrato nel set di slide Introduzione al rischio di
portafoglio,
v(# W Σw) vv(# W Σw)
,…, = 2Σ#.
v#+ v#,
Capital Asset Pricing Model - 48
Esiste un «lambda» t.c. * +& − +' = - ./0(+& , 2( ) (2|4)
Per chi si accontenta di un’intuizione, si osservi che, se la somma dei pesi in # è pari a 1,
# W (n − &/ 1, ) $ 8$ − &/
m # = = = &X{{_&|_ }( gℎX&{O }( !,
# WΣ w >X&(8$ )
dove a è il portafoglio con vettore dei pesi #.
Ricordiamo che, nelle ipotesi del CAPM, il portafoglio di mercato coincide con il portafoglio tangente e,
dunque, esso massimizza il rapporto di Sharpe (il portafoglio tangente è definito come il portafoglio che
massimizza il rapporto di Sharpe). Dunque, vale
m #) = max m # ,
[∈^
dove
Ç = # ∈ Ñ, | ∑,
!*+ #! = 1 .
Perciò, si può intuire come le derivate parziali di m si annullino in #) (i massimi sono punti di annullamento
della derivata).
allora
∑, ,
! #! $ &! − &/ 2 ∑!*+ #! ^_`(&a , &! )
($ &a − &/ ) ∑,
!,Q #! #Q ^_`(&! , &Q ) −
2 ∑,
!,Q #! #Q ^_`(&! , &Q )
vF
= .
v#a ∑,
!,Q #! #Q ^_`(&! , &Q )
,
vm ∑,! #!,) $ &! − &/
#) = 0 ⇒ $ &a − &/ = @ #!,) ^_` &a , &! = ] ^_` &a , 8) ,
v#a ∑,
!,Q #!,) #Q,) ^_` &! , &Q
!*+
∑5
+ [+,- b J+ .J6
per ] = , poiché ∑,
!*+ #!,) ^_` &a , &! = ^_` &a , ∑,
!*+ #!,) &! = ^_` &a , 8) .
∑5
+,7 [+,- [7,- EFG J+ ,J7
vale
D"! 2 ∑A
DF, $D EFG(+B , +D ) EFG +B , ∑A
DF, $D +D EFG +B , *! EFG +B , *!
= = = = .
D$B IJ+(*! ) "!
2 ∑A
D,E F, $D $E EFG(+D , +E ) ∑A
D,E F, $D $E EFG(+D , +E )
Rischio (dev.std.
!! = <! !- rendimenti) portafoglio +
Gli asset con S > [ si dicono aggressivi, poiché si muovono più del mercato: ad aumenti (e
diminuzioni) del rendimento di mercato corrispondono aumenti (e diminuzioni) dei rendimenti dell’asset
superiori.
Gli asset con S < [ si dicono difensivi, poiché si muovono meno del mercato: ad aumenti (e
diminuzioni) del rendimento di mercato corrispondono aumenti (e diminuzioni) dei rendimenti dell’asset
inferiori.
(*) Il medesimo risultato, per come è costruito il portafoglio c, data la definizione di beta, può essere anche ottenuto così:
( (
BCD(=% , ;) ) BCD(∑(
% @),% =% , ;) ) BCD(;) , ;) ) fg=(;) )
d) = e @),% d% = e @),% = = = = 1,
fg=(;) ) fg=(;) ) fg=(;) ) fg=(;) )
%&' %&'
Università di Bologna
Corsi di Laurea: CLAMFIM e EPELM
Corso di Teoria del Portafoglio e Analisi degli Investimenti
Agenda
§ CAPM: assunzioni (riepilogo)
§ Versioni alternative del CAPM
§ Impossibilità di vendere allo scoperto
§ Possibilità di investire ed indebitarsi illimitatamente al tasso privo di rischio
§ Imposizione fiscale sul reddito degli investitori
§ Presenza di asset non negoziabili
§ Eterogeneità delle aspettative
§ Presenza di investitori in grado di influenzare aspettative e prezzi di mercato
§ CAPM multiperiodale
§ Sintesi
§ Verifiche empiriche del CAPM
§ Aspettative ex-ante e verifiche ex-post
§ Alcune ipotesi del CAPM
§ Le prime verifiche empiriche
§ Le verifiche empiriche di Black, Jensen e Scholes (1972)
§ Le verifiche empiriche di Fama e MacBeth (1973)
§ Sintesi
• aspettative omogenee:
1. gli investitori hanno opinioni comuni circa i probabili rendimenti e rischi degli asset;
2. le loro opinioni si riferiscono ad un orizzonte temporale comune.
Diverse delle ipotesi alla base del CAPM, modello di equilibrio generale dei rendimenti dei titoli
azionari, non sono molto realistiche.
Questo non significa il CAPM debba essere rigettato nel suo insieme, dal momento che le differenze
tra le ipotesi di base e la realtà non sono tali da compromettere la capacità predittiva del modello.
Diversi autori hanno provato in letteratura ad analizzare l’effetto derivante dalla modifica delle ipotesi
base del CAPM: in particolare l’ipotesi di prendere a prestito o investire illimitatamente e quella
dell’assenza di tasse. Così facendo essi sono pervenuti a formulazioni del CAPM che consentono
una verifica empirica.
Inoltre il CAPM nella sua formulazione originaria descrive i rendimenti attesi dei titoli e dei portafogli
solo a livello «macro», senza alcuna descrizione del comportamento degli investitori a livello
«micro» (individuale). In pratica, tuttavia, molti investitori, sia privati che istituzionali, detengono
portafogli di attività rischiose che non coincidono con il portafoglio di mercato. Versioni alternative
del CAPM potrebbero fornire una intuizione dell’influenza dei comportamenti individuali degli
investitori sui rendimenti di equilibrio del mercato dei capitali.
Modelli alternativi del CAPM (modelli di equilibrio generale dei rendimenti dei
titoli azionari) derivanti dalla rimozione di alcune assunzioni:
Per trattare questa parte è utile introdurre prima il concetto di portafoglio zero-beta e indagare la
validità del CAPM anche in assenza di risk free asset.
(*) Per andare «corti» su un titolo è necessario che sia possibile prendere a prestito il titolo stesso (short selling).
Titoli rischiosi in posizioni lunghe con Titoli rischiosi con beta positivi in
beta positivi e negativi posizioni lunghe e corte
Titoli Controvalore w = pesi % beta w x beta Titoli Controvalore w = pesi % beta w x beta
Azione 1 750 000 14.9% 0.95 0.141 Azione 1 800 000 15.8% 0.95 0.150
Azione 2 1 400 000 27.7% 0.65 0.180 Azione 2 1 600 000 31.7% 0.98 0.310
Bond 1 400 000 7.9% 0.20 0.016 Azione 3 1 100 000 21.8% 1.25 0.272
Bond 2 1 000 000 19.8% -0.50 -0.099 Azione 4 -2 000 000 -39.6% 1.10 -0.436
Commodity 1 1 500 000 29.7% -0.80 -0.238 Azione 5 -1 500 000 -29.7% 1.00 -0.297
Beta di Beta di
portafoglio nullo portafoglio nullo
Si noti che lo zero-beta portfolio non è un portafoglio a rischio nullo, in quanto esso mantiene
comunque la componente di rischio non-sistematico sui singoli asset rischiosi.
CAPM zero-beta
In assenza di un risk-free asset il CAPM perde la sua validità?
Ipotizziamo che esista un certo tasso !′# al quale gli investitori possono investire e prendere a
prestito illimitatamente.
# $&
F1
Frontiera efficiente:
minimum M * − , − -%
variance portfolio
(ottenuta combinando solo asset rischiosi)
S
$'' Z +*$ = rendimento atteso sullo zero-beta portfolio
Assumiamo realisticamente che l’investimento ad un tasso risk-free sia possible (es. Acquisto di
titoli governativi con rating AAA).
Le combinazioni di una attività risk-free e di un portafoglio rischioso giacciono su una linea retta,
come si è già visto.
La “frontiera efficiente” degli investimenti possibili si modifica quindi come come riportato in figura
(retta + curva: !! − , − - − .% ).
Il punto di tangenza L tra le retta !! − , e la curva dei portafogli rischiosi a varianza minima è più
basso del punto M, questo perché
$'' > !/
Essendo infatti lo zero beta portfolio un portafoglio rischioso (rischio non sistematico) il suo
rendimento deve essere maggiore del tasso di investimento risk-free.
Frontiera efficiente:
Portafoglio M && − . − , − -%
tangente
B
Frontiera efficiente:
&& − . − , − / − -&
M
L !# = tasso di indebitamento (borrowing rate)
!&
Z #"! = rendimento atteso sullo zero-beta portfolio
$'' !" = tasso di investimento nell’attività priva di
rischio (lending rate)
!%
%&
CAPM: versioni alternative e verifiche empiriche - 16
Versioni alternative del CAPM
Presenza di imposizione fiscale sui redditi dell’investitore
& : fattore che misura l’onere fiscale di $" : dividend yield (rapporto $# : dividend yield del titolo %
mercato sul capital gain e interessi. Funzione rendimento/prezzo) del
complessa delle aliquote e della ricchezza portafoglio di mercato
degli investitori
(*) Anche in Italia è stato così; ora i dividendi e capital gain hanno la stessa aliquota fiscale.
! "$ − $' ,)
! $# = $' + -./ $# , "$ + -./ $# , ")
( + ,) -./ " , "
+$ ,$
,$ $ )
(1) CARA: Constant Absolute Risk Adversion. In particolare, Litner utilizza una funzione di utilità esponenziale
( ) = 1 − - )*&+& , dove .# è il coefficiente di Arrow - Pratt di avversione di al rischio.
- .% )/'
(2) / !# = !, + 0(
1#," 2" 2#
% CAPM: versioni alternative e verifiche empiriche - 20
Versioni alternative del CAPM
Presenza di investitori in grado di influenzare il mercato
Lindenberg (1976 e 1979): analizza le condizioni di equilibrio di mercato in presenza di due categorie
di investitori: un investitore influente e altri non influenti. In condizioni di equilibrio è sempre vero che
tutti gli investitori detengono una quota del portafoglio di mercato e dell’asset risk-free.
Tuttavia il soggetto influente investirà sul portafoglio di mercato una quota maggiore (e nell’asset risk
free minore) di quanto non farebbe se le sue azioni non fossero in grado di influenzare il mercato. Egli
arriva alle stesse conclusion del CAPM standard (SML), ma con un Prezzo di mercato del rischio più
basso.
Inoltre Lindenberg (1979) dimostra che fondendosi o agendo in modo collusivo gli investitori possono
aumentare il proprio grado di utilità (questo risultato fornisce una motivazione interessante per
l’esistenza di istituzioni finanaziarie di grandi dimensioni).
Tuttavia preferenze, prezzi e rendimenti sono in qualche modo dipendenti dallo stato del
mondo che viene a realizzarsi. Un complesso modello di equilibrio su un orizzonte
multiperiodale con ipotesi più generali è stato sviluppato da Stapleton e Subrahmanyam
(1977).
(*) Sotto tali condizioni decisioni multiperiodali di investimento possono essere ridotte ad un
problema di massimizzazione di una funzione di utilità uniperiodale. CAPM: versioni alternative e verifiche empiriche - 22
Versioni alternative del CAPM
CAPM multiperiodale (2|5)
Gli investitori costruiranno un portafoglio cercando di compensare queste fonti di rischio. Se tali
fattori di rischio hanno rilevanza generale, allora avranno effetto sui rendimenti dei titoli.
Il CAPM multi-beta afferma che il rendimento atteso di ogni titolo è funzione della
sensitività a diversi fattori di rischio:
! $# − $' = '#$ ! "$ − $' + '#$ ! "*+ − $' + '#$ ! "*( − $'
La teoria del CAPM di Merton ci insegna che esistono molti fattori che influenzano il rendimento
dei titoli e che tali fattori sono legati alla funzione di utilità multiperiodale degli investitori. Tuttavia
la teoria non dice quali siano tali fattori e come debbano essere costruiti portafogli che
permettono di coprirsi da queste fonti di rischio.
Tale teoria tuttavia anticipa un’altra teoria di equilibrio dei rendimenti a più fattori di rischio che
verrà sviluppata pochi anni dopo: l’Arbitrage Pricing Theory di S. Ross (1976).
Si noti tuttavia che le ipotesi di volta in volta sono rimosse “ad una ad una”. Quando le
ipotesi sottostanti al modello vengono modificate simultaneamente le conclusioni possono
differenziarsi di molto rispetto a quelle del modello standard.
Ad esempio: se non esiste una attività priva di rischio, ma è possible prendere a prestito
titoli e “vendere allo scoperto” (shortselling) si ottiene il modello CAPM zero-beta . Ross
(1977) ha dimostrato tuttavia che se le due ipotesi sono rimosse simultaneamente (non è
possible vendere allo scoperto e non esiste una attività risk free) non è possible derivare
un equilibrio generale.
Nel seguito si analizzeranno una serie di test empirici proposti in letteratura di verifica della
relazione del CAPM.
§ Ipotizzare che se è corretto il CAPM (sui rendimenti attesi) anche i rendimenti di periodo
(es. giornalieri) siano legati linearmente ai rendimenti del mercato: Single Index Model
o Market Model:
dove:
(3) "+ !% = ,! + %! "+ #% + .̃!% +702 = rendimento del periodo
8)% , 8 del titolo (o portafoglio) 5
+712 = rendimento del periodo
La “tilde” ~ sopra le variabili, sta ad indicare che 8)% , 8 del titolo di mercato
si tratta di variabili casuali (soggette a incertezza)
! "! = ,! + %! ! "#
da cui
,! = ! "! − %! ! "#
Perciò
"+ !% = ! "! − %! ! "# + %! "+ #% + .̃!%
(4)
= ! "! + %! "+ #% − ! "# + .̃!%
CAPM: versioni alternative e verifiche empiriche - 31
Abbiamo, quindi, provato che i rendimenti di periodo possono essere espressi come (Eq.4):
$, (9 = # $( + )( $, )9 − # $) + .̃(9
Se vale il CAPM, dalla security market line sappiamo che
# $( = $: + )( (# $) − $: )
Sostituendo 1(+0 ) nella (Eq. 4) e semplificando si ottiene
Equazione dei
(5) "+ !% = "" + %! "+ #% − "" + .̃!% rendimenti di
periodo utile per i
test empirici
In maniera del tutto analoga, nel caso della versione zero-beta del CAPM, si ottiene
Un verifica empirica di un modello come quello della Eq. 5 (o della Eq. 6) effettuata utilizzando dati storici
è in realtà un test congiunto di validità delle tre ipotesi suddette. Le tre ipotesi sono necessarie per poter
testare il modello in termini di rendimenti realizzati (ex-post) e non di aspettative (ex-ante).
Prima di iniziare una discussione sulle metodologie utilizzate per testare il CAPM, esaminiamo un test
volto a verificare se, quantomeno sul lungo periodo, rendimenti alti sono connessi a rischi alti, come
supposto dal CAPM.
Un test quindi mirato a determinare la relazione di lungo periodo rendimento-beta.
CAPM: versioni alternative e verifiche empiriche - 33
Nel seguito alcune ipotesi del CAPM comuni a diverse verifiche empiriche:
1. Un maggior livello di rischio sistematico (beta) dovrebbe essere associato ad un
maggior rendimento.
2. La relazione tra rendimento e beta dovrebbe essere lineare.
3. Una maggior assunzione di rischio diversificabile non dovrebbe essere associata ad un
maggior rendimento.
Inoltre, ogni deviazione dall’equilibrio dovrebbe essere casuale e non dovrebbe consentire
di realizzare extra-profitti.
Per ottenere portafogli con diversi gradi di rischio, ogni anno titoli azionari sono stati
raggruppati in «decili» sulla base del loro beta realizzato1.
Rendimento
Beta di In generale i titoli con beta maggiore appaiono
Strategia medio singoli
portafoglio
cluster produrre rendimenti più alti. La «rank correlation» tra
10 22.67% 1.42
rischio (beta) e rendimento è molto alta pari allo 0.93
9 20.45% 1.18
8 19.12% 1.14 e statisticamente significativa all’1%
7 21.77% 1.24
6 18.49% 1.06
5 19.13% 0.98 Anche la «rank correlation» tra beta stimati (ex-ante)
4 18.88% 1.00
e beta realizzati (ex-post) è molto alta pari allo 0.95 e
3 14.99% 0.76
2 14.63% 0.65 statisticamente significativa all’1%.
1 11.58% 0.58
(1) Il beta sono stati stimati sulla base dei rendimenti mensili dei precedenti 5 anni (60 mesi)
CAPM: versioni alternative e verifiche empiriche - 35
25%
20%
Rendimento
15%
Relazione di lungo periodo rendimento
atteso/beta
10%
"1# = 5.54% + 12.75% '#
Oltre il 95% della variabilità del
5% rendimento atteso è spiegato dal beta.
0%
0.40 0.60 0.80 1.00 1.20 1.40 1.60
Beta CAPM: versioni alternative e verifiche empiriche - 36
Il test di Sharpe e Cooper (1972) (3|3)
Conclusioni del test
Il lavoro di Sharpe e Cooper presenta una evidenza chiara del fatto che:
Un approccio simile ad esempio è stato utilizzato da Litner e riportato da Douglas per testare il CAPM nel
1968. Litner assume che, per ogni 5, per il titolo 5-esimo valga, per ogni tempo 8, il Market Model:
Litner e Douglas hanno stimato D% , D- , D3 utilizzando dati dal 1954 al 1963, ottenendo dei risultati:
Si noti che, se +. fosse costante nel tempo, i due modelli si equivarrebbero, a patto che A0 = (1 − =0 )+. .
Tuttavia, +. varia nel tempo ed è negativamente correlata con +1 , fattore che condiziona la correttezza
della stima di =0 .
Tale distorsione tuttavia a detta dei due autori, sarebbe trascurabile e non sufficiente a spiegare i coefficienti
anomali rilevati da Lintner.
La distorsione rilevante trovata da Miller e Scholes nel test di Duglas e Litner è qui descritta:
• i =0 utilizzati per stimare D% , D- e D3 nella seconda regressione sono stime dei veri =0 , determinati tramite
il metodo dei minimi quadrati ordinari.
• Poiché stime, esse possono differire anche significativamente dai veri =0 e queste differenze possono
condizionare la correttezza delle stime di D% , D- e a3 .
• Miller e Scholes dimostrano che gli errori campionari nella stima del beta Q5 portano ad una
distorsione verso il basso della pendenza (D- ) della retta di regressione cross-sectional e verso l’alto
della sua intercetta (D% )
• Il coefficiente del beta R6 è stimato al 64% del suo vero valore e l’intercetta D% è distorta verso l’alto
di un ammontare coerente in base alla relazione lineare.
(8)
! "! − !("" ) = %! ! "#% − !(""%
Dunque, poiché 1 ?02 = 0, perché (7) sia coerente con (8) occorre che A0 = 0.
In altri termini una stima nulla del coefficiente A0 nella equazione 7 confermerebbe la capacità del CAPM di
descrivere in modo accurato i rendimenti dei titoli.
Per testare l’ipotesi A0 = 0 tramite serie storiche dei rendimenti, Black, Jensen e Scholes divisero i titoli in
portafogli: ogni anno stimarono i = utilizzando i rendimenti dei precedenti cinque e fecero coincidere i
portafogli di ogni anno con i decili ottenuti dopo aver ordinato i titoli secondo il loro = (stimati a fine anno
precedente). L’operazione fu ripetuta per 35 anni.
Excess
beta alfa R2
Return*
1 1.561 2.13% -0.0829 0.963
2 1.384 1.77% -0.1938 0.988
3 1.248 1.71% -0.0649 0.988
4 1.163 1.63% -0.0167 0.991
5 1.057 1.45% -0.0543 0.992
6 0.923 1.37% 0.0593 0.983
7 0.853 1.26% 0.0462 0.985
8 0.753 1.15% 0.0812 0.979
9 0.629 1.09% 0.1968 0.956
10 0.490 0.91% 0.2012 0.898
Mercato 1.000 1.42%
(*) Excess Retun: (#4 − #5) espresso su base mensile
• l’equazione %'( − %)( = 0' + 2' %*( − %)( + 3'( spiega bene l’andamento dei rendimenti
(plus);
Questi output sono più coerenti con il modello CAPM zero-beta, come vedremo ora.
che Black, Jensen e Scholes hanno osservato avere una buona capacità esplicativa.
La relazione fondamentale del CAPM zero-beta è
Se il modello zero-beta spiega il rendimento dei titoli, combinando le due equazioni (9) e (10), per eliminare
la componente =0 +12 deve valere (vedasi Appendice)
5( = (# $' − $: )(1 − )( )
Poiché 1 +$ > 1 +. (il rendimento di un asset rischioso deve essere maggiore di quello privo di rischio):
1. se =0 > 1, A0 < 0;
2. se =0 < 1, A0 > 0;
coerentemente con quanto ottenuto da Black, Jensen e Scholes nelle stime tramite serie storiche.
Si ricordi che il principale problema di questo tipo di analisi è l’incapacità di osservare il vero beta dei tioli,
cosa che tende a fornire una stima in eccesso per l’intercetta e in difetto per la pendenza della retta di
regressione.
Un modo per ridurre in modo sensibile l’errore di misurazione dei beta consiste nello stimarli per un
portafoglio anziché per il singolo titolo: se gli errori di stima sono casuali, essi tenderanno a compensarsi e
l’errore aggregato risulterà inferiore.
Il valore positivo dell’intercetta che emerge dall’analisi è una prova significativa del CAPM zero-beta
L’elevata percentuale della varianza spiegata (+- = 0.98) dimostra che una relazione lineare offre un’ottima
descrizione degli excess return rispetto al beta, secondo i dettami della teoria CAPM.
3%
# $( − $: = 0.359% + 1.08% )(
2%
2%
1%
1%
0%
0.40 0.60 0.80 1.00 1.20 1.40 1.60
Fama e MacBeth (1973) costruiscono 20 portafogli e ne stimano il beta con una regressione di serie
temporali. Effettuano poi una regressione cross-sectional per il mese successivo di stima dei beta. La
procedura è ripetuta per il periodo 1935-1968. Il modello stimato è:
Valore medio della Valore medio del Valore medio del coefficiente Valore medio del coefficiente
costante coefficiente del beta del beta al quadrato* della standard deviation dei residui*
Se il mercato funziona come un «gioco equo» nessuno dovrebbe essere in grado di utilizzare le
informazioni sul passato dei coefficienti per ottenere un extra-rendimento.
Fama e Macbeth rilevano che il valore medio del coefficiente ZY32 (della standard deviation dei residui, che
misura il rischio specifico) non è statisticamente diverso da zero*. Il coefficiente resta limitato in tutti i sotto
periodi di osservazione ed evidenzia un alternarsi di segno da un mese all’altro. E’ possibile quindi
concludere che il rischio specifico non influenza il rendimento dei titoli. Inoltre il coefficiente del rischio
specifico ZY32 non mostra alcun fenomeno di «autocorrelazione», per cui il suo valore in un dato mese non
fornisce informazioni sul mese successivo.
I risultati di Fama e MacBeth sono opposti a quelli di Douglas e Lintner (1968). Questo potrebbe essere
dovuto al fatto che l’errore di campionamento nella stima del beta nei test di Fama e Macbeth è ridotto
grazie all’uso di portafogli invece che di singoli titoli.
(*) Per valutare la significatività valor medio è sufficiente calcolarne la standard deviation e testare se la media è distante da zero un
numero significativo di volte. Dal teorema del limite centrale sappiamo che la media si distribuisce come una normale standard con
standard deviation pari a quella dei coefficienti 87+, divisa per la radice quadrata del numero di osservazioni utilizzate per la media.
Sintesi
Nel lungo periodo il rendimento dei titoli è legato in modo lineare al rischio sistematico, mentre non sembra
esistere alcuna relazione con il rischio specifico. Il fatto che tale affermazione non costituisca un test del
CAPM non ne diminuisce la rilevanza per gli investitori. Questi ultimi non vengono remunerati per la
detenzione del rischio diversificabile, mentre ottengono un rendimento aggiuntivo per l’onere del rischio di
mercato.
Il mercato sembra funzionare come un «gioco equo»: le deviazioni dai rendimenti di equilibrio non possono
essere utilizzate per estrarre informazioni utili per lucrare extra-profitti.
In generale possiamo dire che se anche le verifiche empiriche condotte non sempre riescono a testare in
modo preciso la validità del CAPM, le conseguenze per il comportamento degli investitori sono quelle che ci
aspetteremmo da una verifica empirica del modello di equilibrio.
L’evidenza empirica più recente mostra che il CAPM descrive bene i mercati se si considera il modello in
ottica previsionale ammettendo la variabilità delle stime in base all’evoluzione del contesto economico.
Nella prossima lezione si introduce con l’APT un modello alternativo per la descrizione dei prezzi di mercato
dei titoli e dei relativi rendimenti di equilibrio. Vedremo quali indicazioni esso fornisce sul funzionamento dei
mercati e sulle politiche ottime di gestione di portafoglio.
(1) nell’espressione per 235 non figura il termine di covarianza perché esso è pari a zero.
(2) / #3 = 8!∗ / #! + 1 − 8!∗ / #"
CAPM: versioni alternative e verifiche empiriche - 54
Il test di Black, Jensen e Scholes (1972): coerenza con
CAPM zero-beta
Supponiamo che, per ogni 5, il rendimento dell’5-esimo titolo risolva, ad ogni tempo 8, l’equazione
Obiettivo di questa parte dell’appendice è dimostrare che un errore casuale (non distorto)
nell’identificazione dei beta conduce ad una sottostima del coefficiente angolare (premio del rischio)
ed a una sovrastima dell’intercetta (tasso risk free o rendimento atteso del portafoglio zero-beta a
varianza mnima) nel secondo passo del processo cross-section per la verifica del CAPM.
Si assuma quindi che la stima di =0 proveniente dall’analisi delle serie temporali del primo passo sia
soggetta ad un errore indipendente dallo stesso =0 e dall’errore specifico dei rendimenti ?0 (non
distorto) e che tale stima di =0 sia estratta dalla stessa distribuzione per tutti I titoli.
$( − $: = >` + Ba )( + .(
(ci aspettiamo che Z: = 0)
Per campioni di grandi dimensioni il c.d. limite in probabilità del coefficiente Z% che esprime il premio
al rischio è
HIJ $( − $: , L(
plim >GI =
b→de % J L(
CAPM: versioni alternative e verifiche empiriche - 57
+ ( '#
(A.3) plim :9+ = :+ (
2→45 + '# + + ( H#
Basandosi sulla varianza cross-sectional dei beta campionari _0 (come una proxy della varianza del
vero beta [ - =0 ) e sul quadrato dell’errore standard* di _0 come una proxy di [ f0
Quindi la stima premio al rischio ZY% sottostima il vero premio al rischio quando si è in presenza di
errori campionari.
In altri termini:
I I
∑l G` + >GI ∑l
(mI $( − $: = > (mI )(
l l
+ 6 +
∑ "# − "' = :+ ∑6
#7+ '# =1
6 #7+ 6
Allora:
I
∑l
(mI $( − $: = >I = >
G` + >GI
l
In altri termini:
>G` = >I − >GI
Stima campionaria Vero valore della Stima campionaria della pendenza
della intercetta pendenza (premio al (premio al rischio)
rischio)
CAPM: versioni alternative e verifiche empiriche - 60
Errori casuali nei beta e distorsioni nei parametri del
CAPM (6|6)
Se la stima campionaria della pendenza ZY% non fosse distorta, cioè se ZY% = Z% avremmo che la
stima campionaria della intercetta ZY: sarebbe effettivamente uguale a zero (ZY: =0).
+ ( '#
plim :9. = :+ − plim :9+ = :+ 1 −
2→45 2→45 + ( '# + + ( H#
Da tale relazione si deduce che ZY: (stima campionaria dell’intercetta) è una stima distorta per
eccesso della vera intercetta, in presenza di errori casuali nei beta.
Università di Bologna
Corsi di Laurea: CLAMFIM e EPELM
Corso di Teoria del Portafoglio ed analisi investimenti
§ Introduzione
§ APT: il processo di generazione dei rendimenti azionari
§ Multi-index model: un esempio
§ APT: una semplice dimostrazione
§ APT: una dimostrazione più rigorosa
§ APT riepilogo
§ Verifica empirica dell’APT
§ APT e CAPM
§ Modelli multi-indice, APT e gestione di portafoglio
§ Appendice
A metà degli anni ‘70 Stephen A. Ross*, all’epoca professore universitario alla
Wharton School of the University of Pennsylvania, in due note pubblicazioni**
propose un nuovo approccio, diverso dalla teoria del CAPM, per spiegare la
formazione dei prezzi (e dei rendimenti attesi) delle attività finanziarie, basato su
argomenti di non arbitraggio.
La teoria nota come Arbitrage Pricing Theory (APT) è utilizzata per identificare e
sfruttare attività finanziarie “sovra-prezzate” o “sotto-prezzate” analizzando una serie
di fattori macro-finanziari.
Dall’APT sono derivate una serie di prassi gestionali molto diffuse ed applicate nel
settore dell’asset management.
(*) Ross, scomparso nel 2017, è stato anche responsabile dello sviluppo della teoria economica dell’agenzia ed è stato co-creatore del
modello di curva dei tassi CIR (Cox-Ingersoll-Ross) e del modello binomiale per il pricing delle optioni CRR (Cox-Ross-Rubeinstein).
(**) (1976) Ross S.A. "The arbitrage theory of capital asset pricing". Journal of Economic Theory. 13 (3): 341–360.
(1977) Ross S.A. “Return, Risk and Arbitrage”. In Irwin Friend and James L. Bicksler (eds.) Risk and Return in finance, Vol. I
(Chambridge, Mass.:Ballinger).
L’APT è basato sulla legge del prezzo unico: due attività finanziarie che abbiano le stesse
caratteristiche, in termini di rendimento e di rischio, non possono essere vendute a prezzi
troppo diversi. Quando questo avviene si creano le condizioni per effettuare delle operazioni
di arbitraggio che spingono i prezzi delle attività in questione verso il loro valore di equilibrio.
ASSUNZIONI
Molte delle assunzioni del CAPM relative alle funzioni di utilità degli investitori e sull’utilizzo di
un framework media-varianza non sono più necessarie.
Inoltre viene fatta una assunzione circa il processo di generazione dei rendimenti azionari.
Si assume che i rendimenti azionari seguano un «modello lineare» di L fattori (Linear Factor
Model).
Rendimento della i-esima Indici dei fattori di rischio. Il termine 𝐼" rappresenta il valore
azione, con 𝑖 = 1, … , 𝑁 assunto dal j-esimo fattore di rischio, con 𝑗 = 1, … , 𝐿
Valore atteso del Factor loadings, il termine 𝑏!" esprime la Termine di errore
rendimento se tutti sensitivity dell’azione i-esima al j-esimo fattore residuo casuale con
gli indici hanno di rischio media nulla e varianza
$
valore atteso nullo 𝜎#!
ASSUNZIONE
La termini di errore residui delle azioni sono tra loro incorrelati. In simboli: 𝐸 𝑒! , 𝑒" = 0 per tutte
le azioni con 𝑖 = 1, … , 𝑁 e 𝑘 = 1, … , 𝑁 e i ≠ 𝑘 (covarianza nulla).
Questa assunzione implica che l’unico motivo per cui le azioni variano insieme è a causa dei co-
movimenti comuni con l’insieme degli indici specificati nel modello. I fattori del modello sono in grado
di spiegare tutti i co-movimenti tra due qualsiasi azioni*.
(*) Questa è una una approssimazione della realtà. La bontà del modello dipende, quindi, dal fatto che I fattori prescelti realmente catturino i sentieri dei co-
movimenti tra le azioni.
Teoria del portafoglio e analisi investimenti | APT e multi-index models - 5
Multi-index model: un esempio
modello a 5 fattori di Burmeister, McElroy e Marjorie (1987)
Differenza tra i rendimenti dei titoli obbligazionari governativi a lungo termine e quelli
𝐼" a breve termine (pendenza curva tassi governativi) e il suo valore medio di lungo
periodo.
Tasso di inflazione atteso a inizio mese, meno il tasso di inflazione effettivo
𝐼# realizzato a fine mese.
Tasso di crescita delle vendite reali di lungo periodo atteso a inizio mese, meno il
𝐼$ tasso di crescita delle vendite reali atteso a fine mese (come proxy per I cambiamenti
inattesi nei profitti di lungo periodo per l’economia)
Gli autori fanno poi una
regressione sui (extra)
return dell’S&P Index
coi primi 4 fattori e ne 𝑅, − 𝑅- = 0.022 + 1.33𝐼. + 0.56𝐼/ + 2.29𝐼0 + 0.93𝐼1 + 𝑒2
usano i residui come 5!
fattore.
Componente dell’extra return dell’SP500 non spiegata dal modello a 4 fattori, data
𝐼% dalla differenza
Si supponga che i rendimenti azionari siano descritti dal seguente modello a due indici:
La geometria ci insegna che tre punti in uno spazio individuano univocamente un piano nello
spazio a tre dimensioni 𝑅/# , 𝑏#$ , 𝑏#% la cui equazione è:
Rischio sistematico
fattore 2 (𝒃𝑷𝟐 )
Rischio sistematico
fattore 1 (𝒃𝑷𝟏 )
Teoria del portafoglio e analisi investimenti | APT e multi-index models - 9
Equazione di un piano passante per tre punti (1|2)
Per individuare il piano passante per i tre punti A=(15, 1.0, 0.6); B=(14, 0.5,1.0); C=(10, 0.3,
0.2) occorre risolvere il seguente sistema di 3 equazioni lineari in tre incognite 𝜆) , 𝜆$ , 𝜆% .
𝑅38 1 𝑏. 8 𝑏/ 8
𝑅39 = 𝜆; 1 + 𝜆. 𝑏. 9 + 𝜆/ 𝑏/ 9
𝑅3: 1 𝑏. : 𝑏/ :
𝑅38 = 𝜆; + 𝜆. 𝑏. 8 + 𝜆/ 𝑏/ 8
15 = 𝜆; + 𝜆. 1.0 + 𝜆/ 0.6
𝑅39 = 𝜆; + 𝜆. 𝑏. 9 + 𝜆/ 𝑏/ 9 14 = 𝜆; + 𝜆. 0.5 + 𝜆/ 1.0
𝑅3: = 𝜆; + 𝜆. 𝑏. : + 𝜆/ 𝑏/ : 10 = 𝜆; + 𝜆. 0.3 + 𝜆/ 0.2
(segue)
Teoria del portafoglio e analisi investimenti | APT e multi-index models - 10
Equazione di un piano passante per tre punti (2|2)
𝜆; = 15 − 𝜆. 1.0 − 𝜆/ 0.6
14 = 15 − 𝜆. 1.0 − 𝜆/ 0.6 + 𝜆. 0.5 + 𝜆/ 1.0
10 = 15 − 𝜆. 1.0 − 𝜆/ 0.6 + 𝜆. 0.3 + 𝜆/ 0.2
𝝀𝟐 =3.75
Premio al rischio
del fattore 2
Premio al rischio
del fattore 1 𝝀𝟏 = 𝟓. 𝟎
Si assuma che esista un portafoglio E con rendimento atteso 15% (>13%) e caratteristiche di
rischio uguali a quelle del portafoglio D (𝒃𝑷𝟏 =0.6 e 𝒃𝑷𝟐 =0.6)
E 𝑅3@ =15%
D 𝑅3@ =13%
Per la “legge del prezzo unico”, due portafogli che hanno le stesse caratteristiche di rischio non
possono che avere lo stesso rendimento atteso. In tale situazione diviene possibile una
operazione di arbitraggio.
Teoria del portafoglio e analisi investimenti | APT e multi-index models - 15
APT: una semplice dimostrazione
… si creerebbe una opportunità di arbitraggio
Una possibile una operazione di arbitraggio potrebbe essere la seguente: comprare i portafoglio E
per 100 unità di moneta (che ha un rendimento atteso del 15%), finanziandolo con la vendita
contemporanea di 100 unità di moneta del portafoglio D (che ha un rendimento atteso del 13%).
Riepilogando: tutti gli investimenti e portafogli devono giacere su un unico piano nello spazio dei
= 𝑷 e delle esposizioni ai rischi sistematici 𝒃𝑷𝟏 e 𝒃𝑷𝟐 .
rendimenti attesi 𝑹
In una situazione di equilibrio generale, l’equazione che definisce I rendimenti attesi (piano nello
spazio 𝑅/# , 𝑏#$ , 𝑏#% ) per un generico investimento 𝑖 è:
(oppure)
In altri termini il rendimento atteso dei titoli nel lungo periodo è legato in
modo lineare al suo rischio sistematico, derivante da diversi fattori,
mentre non vi è alcuna relazione con il suo rischio specifico.
? Il portafoglio è
Somma dei pesi = 0 autofinanziante
> 𝑥2 @ 1 = 0 (vettore dei pesi ortogonale (implica un investimento
2>. al vettore unità) iniziale nullo)
Il portafoglio
? ? Somma dei pesi x factor loadings dei
non ha rischio
rischi sistematici = 0
> 𝑥2 𝑏2. = 0 ;> 𝑥2 𝑏2/ = 0 (vettore dei pesi ortogonale a tutti vettori
sistematico
rispetto a tutti i
2>. 2>. delle esposizoni ai rischi sistematici)
fattori di rischio
> 𝑥2 𝑅32 = 0
2>.
In termini matematici cio si esprime dicendo che: se il vettore dei pesi del portafoglio di
arbitraggio 𝑥⃗ = 𝑥$ … 𝑥+ è ortogonale al vettore unità 𝑢 = 1 … 1 ed ai vettori dei factor
loading dei rischi sistematici 𝑏⃗!$ = 𝑏$$ … 𝑏+$ ; 𝑏⃗!% = 𝑏$% … 𝑏+% , questo implica che
esso è ortogonale anche al vettore dei rendimenti attesi 𝑅/! = 𝑅/$ … 𝑅/+
In algebra lineare esiste un ben noto teorema che dice che se un vettore è ortogonale a N-1
vettori ed è ortogonale anche all’N-esimo vettore, allora ciò implica che l’N-esimo vettore può
essere espresso come una combinazione lineare degli altri N-1 vettori.
Nel nostro caso il vettore dei rendimenti attesi può essere espresso come combinazione
lineare dei due vettori 𝑏!$ e 𝑏!% . Quindi possiamo scrivere il rendimento atteso di qualunque
azione come già visto nella relazione di equilibrio Eq. (3):
Si noti che l’APT è una teoria del tutto generale che descrive I rendimenti di equilibrio in termini
di un generico modello multi-indice, ma non da alcuna evidenza di quale debba essere il
modello muti-indice più appropriato.
𝐼E 𝑡. − 𝐼E 𝑡;
Valori osservati Indice 𝐼& 𝑅E 𝑡; , 𝑡. =
𝐼E 𝑡;
𝐼E 𝑡CD
𝐼E 𝑡.
𝐼E 𝑡CDC. … 𝐼E 𝑡C/ 𝐼E 𝑡;
𝐼=E
Valore
medio 𝐼E 𝑡C.
Indice
𝑡CD 𝑡; 𝑡.
Tempi
Periodo passato di osservazione
Indice 𝐼& futuro
(es. 5 anni indietro nel tempo con passo mensile,
m=60 rilevazioni)
Processo di generazione rendimenti della singola azione (multi fattoriale), pag 422 (eq. 16.1 a)
𝜆F = 𝑅=F − 𝑅-
Premio la rischio
dove: 𝜆; = 𝑅- del fattore 𝑗
(oppure) 𝜆; = 𝑅3A B>;
(rendimento atteso di un portafoglio zero-beta)
Sostituendo 𝑅,% = 𝑅,%&!' nella equazione precedente si ha (pag. 423) eq. (16.11):
𝐼F = Rendimento dell’indice di mercato S&P, costruito in modo da essere ortogonale agli altri fattori
𝑅' = 𝑅$ + 𝜆( 𝑏'( + 𝜆) 𝑏') + 𝜆* 𝑏'* + 𝜆+ 𝑏'+ + 𝑏'( 𝐼( + 𝑏') 𝐼) + 𝑏'* 𝐼* + 𝑏'+ 𝐼+ + 𝑒'
I coefficient “lambda” e “b” riportati da Burmeister, Roll e Ross* per l’indice S&P sono:
𝜆, =-4.32 𝜆- =1.49 𝜆. =0.0 𝜆/ =3.96 𝑏-&# , =-0.37 𝑏-&# - =1.71 𝑏-&# . =0.0 𝑏-&# / =1.0
(*) Burmeister E., Roll R., Ross S.A. “A practitioner guide to Arbitrage Pricing Theory”. (1994)
Ad esempio il fattore “Crescita delle Vendite” (Sales) contribuisce per il 2.54% all’extra
rendimento atteso sull’indice S&P pari nel complesso a 8.09% (2.54/8.09% = 31,40%)
Ad esempio il fattore “Crescita delle Vendite” (Sales) contribuisce per il 4.10% all’extra
rendimento atteso sul portafoglio nel complesso pari a 11.41% (4.10/11.41% = 35,93%)
Tuttavia i test empirici dell’APT sono particolarmente difficili da impostare, perché la teoria si
limita a specificare una struttura per i rendimenti attesi delle azioni, ma i fattori dell’economia o
dell’azienda che influenzano i rendimenti attesi non sono specificati. Né viene precisata una
particolare metodologia statistica per identificare i fattori e stimare i parametri del modello multi
indice.
Questo implica che tutti i test empirici sono di fatto dei test congiunti della APT e di una
particolare metodologia statistica usata per selezionare i fattori e stimare i parametri del
modello multi-indice.
Principali metodologie statistiche utilizzate per la individuazione del numeo dei fattori:
Nel 1982 William Sharpe analizza i rendimenti dei prezzi azionari del New York Stock
Exchange nel period 1931-1979 e costruisce un modello multi-indice utilizzando i seguenti
fattori (caratteristiche specifiche dell’azienda e indici di mercato):
Un altro modello largamente utilizzato nell’industria dell’asset management che utilizza come
fattori caratteristiche specifiche dell’azienda è quello sviluppato da Barra (vedi Grinold e Kahn
1994).
Teoria del portafoglio e analisi investimenti | APT e multi-index models - 31
Verifica empirica dell’APT
Chen,Ross e Roll (1986) Economic forces and the stock market
In un lavoro del 1986 Chen, Ross e Roll ipotizzarono che una serie di fattori economici e
finanziari potessero avere un ruolo nel determinare le fluttuazioni dei prezzi azionari.
La teoria economica infatti suggerisce che il valore di una azione sia dato dall’attualizzazione
dei flussi futuri di dividend attesi, per cui variazioni dei tassi di interesse e dei premi al rischio
ne influenzano il valore.
Il loro lavoro è stato ripreso ed esteso da Burmeister e McElroy negli anni successive (1987-
88). Essi pervengono al modello multi indice già visto in precedenza dove:
Mean t Statistic
𝐼. Credit spread di lungo periodo tra bond governetivi e lambda
bond corporate.
value
𝐼/ Pendenza curva tassi governativi), come differenza
𝜆$ 0.44 4.27
tra tassi governatiivi a lunga e a breve .
In un lavoro del 1993 Fama e French costruiscono un modello a 4 indici per spiegare i
rendimenti sia dei titoli azionari che obbligazionari. I fattori che essi utilizzano sono indici di
rendimento di portafogli appartenenti sia a mercati azionari che obbligazionari. Tali portafogli
sono di seguito riportati:
Differenza di rendimento mensile tra i titoli governativi a lungo termine e quelli a breve termine
𝐼0 (pendenza curva tassi governativi)
𝐼1 Differenza di rendimento mensile tra i titoli corporate e quelli governativi a lungo termine (credit
spread)
L’APT e più in generale i modelli multi-indice, non sono necessariamente in contrasto con la
teoria del CAPM sviluppata da Sharpe-Lintner-Mossin.
Il CAPM può essere considerato come un modello in cui il processo generatore dei rendimenti
azionari è dato da:
𝑅"' = 𝑅, + 𝛽' 𝑅
* − 𝑅,
2
Se il processo generatore dei rendimenti azionari è più complesso di quello sopra
evidenziato, come previsto dall’APT, ciò implica che il CAPM non sia più valido?
Il CAPM è compatibile con l’APT. Di seguito la dimostrazione per il caso a due fattori. Si
assuma il seguente processo di generazioe dei rendimenti azionari a due fattori.
La relazione di equilibrio dei rendimenti attesi azionari predetta dall’APT è data da:
Infine ponendo:
𝑅"' = 𝑅, + 𝛽' 𝑅
* − 𝑅,
2
Se ne può concludere che la relazione di equilibrio dei rendimenti azionari attesi a più fattori
predetta dall’APT, opportunamente riprezzata in funzione degi extra-return rispetto all’indice di
mercato, è coerente con il CAPM di Sharpe-Lintner-Mossin.
Utilizzare un modello multi-indice e scoprire che esistono più fattori 𝐼4 con premi al rischio 𝜆4
signicativamente diversi da zero, non costituisce una prova sufficinete a rigettare la teoria del
CAPM.
In altri termini è perfettamente coerente che più fattori spieghino la covarianza tra i rendimenti
di più titoli, ma che il CAPM mantenga la sua validità.
Inoltre è possibile pervenire a conclusioni simili (mediante formulazioni diverse dei premi al
rishio “lambda”) per le altre versioni non standard del CAPM.
Per avere una replica perfetta occorrerebbe detenere le stesse azioni che compongono l’indice
nelle stesse proporzioni. Tuttavia ciò può essere troppo costoso o complesso soprattutto per indici
formati da un elevato numero di azioni, con piccola capitalizzazione e poco liquide.
Selezione azioni Individuazione delle azioni sotto-prezzate (se rendimento atteso >
rendimento predetto compro) o azioni sovra-prezzate (se rendimento atteso
< rendimento predetto vendo).
Strategie Selezione di portafogli per implementare strategie del tipo long-short con
systematic risk esposizione nulla al rischio di mercato o di specifici fattori (portafogli “zero b”
neutral o “systematic risk neutral”).
Se il valore atteso della componente residuale del rendimento delle single azioni non è nulla
𝐸 𝑒! = 𝛼! ≠ 0 e se gli analisti hanno la capacità di individuare quali azioni renderanno sopra la
media e quali sotto la media predetta dell’APT, allora è possibile costruire dei portafogli che offrono
un extra-return ed hanno b-risk (rischio sistematico) nullo rispetto ad ogni fattore (es. rispetto ai
movimenti del mercato, dell’inflazione della pendenza della curva dei tassi di interesse, … ecc.).
Combinando le equazioni dei rendimenti delle azioni nei due portafogli avremo allora un portafoglio
𝑁 neutrale rispetto al rischio sistematico, il cui rendimento è:
𝑅5 = 𝑅, + 𝛼. + 𝛼6
con zero rischio sistematico e rischio residuale pari a:
𝑒5 = 𝑒. + 𝑒6
In un lavoro del 1994 (“A practitioner guide to APT”) Burmeister, Ross e Roll esaminarono la
performance di un simile portafoglio long-short a cavallo tra l’aprile 1991ed il marzo 1992,
assumendo che gli “alfa” potessero essere correttamente identificati selezionando le azioni
dell’indice S&P ed evidenziarono che tale tipo di strategia può funzionare con buon risultati,
aprendo la strada per la creazione di diversi fondi operanti con strategie “factor neutral”.
Risultati
Factor Neutral Portfolio: rendimento 30.04% e deviazione standard dei
rendimenti: 6.26%
APT in pratica
Si noti che per costruzione (cioè per le tecniche utilizzate nella stima del modello dell’Eq. (1) )
valgono le seguenti caratteristiche:
PER COSTRUZIONE
• Le medie degli errori residui sono nulle per tutte le azioni. 𝐸 𝑒! = 0 con 𝑖 = 1, … , 𝑁 .
• Gli indici sono tra loro incorrelati. In simboli: 𝐸 𝐼4 − 𝐼=4 𝐼" − 𝐼=" = 0 per tutti gli indici, con 𝑗 =
1, … , 𝐿 e 𝑘 = 1, … , 𝐿 e j ≠ 𝑘 (covarianza nulla).
• I residui sono incorrelati con gli indici. In simboli: 𝐸 𝑒! 𝐼4 − 𝐼=4 = 0 per tutte le azioni e gli indici,
con i= 1, … , 𝑁 e j= 1, … , 𝐿 e i ≠ 𝑗 (covarianza nulla).
Solitamente gli indici vengono sottoposti ad un processo di normalizzazione in modo da avere media nulla
𝐼.̅ = 0, … , 𝐼K̅ = 0
Teoria del portafoglio e analisi investimenti | APT e multi-index models - 44
Multi-index model Tratto da capitolo 8 del testo di
Elton-Gruber-Brown-Goetzmann
Parametri da
RENDIMENTO ATTESO dell i-esima azione: stimare in totale:
𝑅*' = 𝑎' + 𝑏'! 𝐼*! + 𝑏'" 𝐼*" + ⋯ + 𝑏'. 𝐼*. N 𝑎% , 𝑎" … 𝑎( per
ogni azione
N x L factor
VARIANZA DEL RENDIMENTO dell i-esima azione:
loadings 𝑏%" …𝑏%$
Totale stime:
CORRELAZIONE DEI RENDIMENTI tra l’azione i-esima e la j-esima azione: 2N+2L+LN
𝜎'4
𝜌'4 = (rho di Pearson)
Ad es. Se una istituzione 250 azioni ed usa un
modello a 5 fattori si ha: 2 x 250 + 2x5+ 5 x 250= 1760
𝜎' 𝜎4 Parametri da stimare.
Parametri da
RENDIMENTO ATTESO dell i-esima azione: stimare in totale:
𝑅*' = 𝑎' + 𝑏'! 𝐼*! + 𝑏'" 𝐼*" + ⋯ + 𝑏'. 𝐼*. N 𝑎% , 𝑎" … 𝑎( per
ogni azione
N x L factor
VARIANZA DEL RENDIMENTO dell i-esima azione:
loadings 𝑏%" …𝑏%$
Totale stime:
CORRELAZIONE DEI RENDIMENTI tra l’azione i-esima e la j-esima azione: 2N+2L+LN
𝜎'4
𝜌'4 = (rho di Pearson)
Ad es. Se una istituzione 250 azioni ed usa un
modello a 5 fattori si ha: 2 x 250 + 2x5+ 5 x 250= 1760
𝜎' 𝜎4 Parametri da stimare.
Step 2 Per le “N” azioni eseguire le “time series regression” dei rendimenti di
periodo (es. mensili) verso le variazioni degli indici rappresentativi degli L
fattori:
Num. azioni
L’azione è
Se 𝜶 > 𝟎 allora il rendimento atteso* è superiore rispetto al
sottovalutata
rendimento predetto dal modello multi-indice
Testo di riferimento:
§ Elton E.J, Gruber M.J. et alt., “Modern portfolio theory and investment analysis, 6th edition, John
Wiley and Sons (2003). Capitolo 16 (APT) e capitolo 8 (Multi-index models).
Paper di approfondimento:
§ Burmeister E., Roll R., Ross S.A. “A practitioner guide to Arbitrage Pricing Theory”. (*)
§ Elton E., Gruber M.J., “Multi-index models using simultaneous estimation of all parameters”. (*)
§ Grinold R., Kanh R. N., “Multiple factor models for portfolio risk”, BARRA. (*)
(*) Tutti e tre questi ultimi lavori si trovano in “A practitioner guide to factor models”, Charlottesville,
Va., The research foundation of the institute of chartered financial anlysts (1994).
Università di Bologna
Corsi di Laurea: CLAMFIM e EPELM
Corso di Teoria del Portafoglio ed analisi investimenti
Agenda
§ Introduzione
§ La critica di Michaud alla MVO
§ L’idea di base del modello di B&L
§ I rendimenti di equilibrio (di mercato)
§ Modello di B&L: formule dei rendimenti attesi e della incertezza
§ Le previsioni (views) dell’investitore
§ L’incertezza degli rendimenti di equilibrio
§ L’incertezza e grado di confidenza delle previsioni
§ La stima della matrice ! (Omega) di incertezza delle previsioni
§ Calcolo del new Combined extra-return Vector
§ La nuova allocazione
§ Interpretazione Bayesiana del modello di B&L
§ Implicazioni organizzative
§ Views qualitative: come incorporarle
§ Appendice
§ Bibliografia
Fischer Black (1938 –1995) è stato un economista statunitense, tra gli autori della famosa equazione di Black
e Scholes per la valutazione delle opzioni europee, di modelli per la curva dei tassi di interesse (Black-
Derman-Toy, Black-Karasinsky), modelli per la asset allocation (Black-Litterman).
Consegue il PhD in Matematica applicata all'università di Harvard nel 1964. A partire dal 1971 lavora
all'università di Chicago, che in seguito lascerà per la MIT Sloan School of Management. Nel 1984 lascia
l'università, per lavorare presso la banca d'investimento Goldman Sachs.
Robert Bruce Litterman (nato nel 1951) è presidente del Risk Committee e socio fondatore di Kepos Capital
a New York.
In precedenza Litterman ha trascorso 23 anni presso Goldman Sachs, dove è stato a capo del Quantitative
Resources Group in Goldman Sachs Asset Management per 11 anni, a partire dal 1998. Prima di tale
posizione, Litterman sempre in Goldman Sachs è stato a capo del dipartimento rischi a livello aziendale dal
1994 al 1998, e prima ancora è stato co-responsabile del gruppo di sviluppo modelli nel dipartimento di ricerca
della divisione Fixed Income.
Litterman ha conseguito un dottorato di ricerca. in Economia presso l'Università del Minnesota nel 1980.
Introduzione (2|2)
Il modello di Black and Litterman
Il modello Black e Litterman è un modello per l'allocazione del portafoglio sviluppato nel 1990 presso
Goldman Sachs da Fischer Black e Robert Litterman e pubblicato per la prima volta nel 19911,2 .
Esso nasce con l’obiettivo di superare una serie di problemi pratici che gli investitori istituzionali
incontrano nell'applicazione pratica della Modern Portfoflio Theory (MPT), in particolare nella stima dei
rendimenti attesi e delle volatilità e correlazioni degli asset. I problemi della MPT erano stati ben
evidenziati dalla critica di Michaud (1989)3.
Il modello parte da un'allocazione delle attività basata su una ipotesi di «equilibrio» dei rendimenti di
mercato (le attività funzioneranno in futuro come in passato) e successivamente modifica tale
allocazione per tenere in conto delle opinioni dell'investitore (views) in merito alle prestazioni future
delle attività da allocare (rendimenti attesi e volatilità e correlazioni).
(1) Black F. and Litterman R., Asset Allocation Combining Investor Views with Market Equilibrium, Journal of Fixed Income,
September 1991, Vol. 1, No. 2: pp. 7-18
(2) Black F. and Litterman R., Global Portfolio Optimization, Financial Analysts Journal, September 1992, pp. 28–43 JSTOR
4479577
(3) Michaud, Richard O., The Markowitz Optimization Enigma: Is 'Optimized' Optimal? (1989). Financial Analysts Journal, 1989,
Available at SSRN: https://ssrn.com/abstract=2387669 or http://dx.doi.org/10.2139/ssrn.2387669
1) Le ottimizzazioni alla Markowitz (Mean Variance Optimization – MVO) massimizzano gli errori di stima
dei rendimenti attesi e delle covarianze. In particolare tendono a “sovrappesare” i titoli con rendimenti
attesi positivi e correlazioni negative e a “sottopesare” i titoli con rendimenti attesi negativi e correlazioni
positive. Tali titoli secondo Michaud, sono proprio quelli soggetti a maggiori errori di stima
2) La prassi di stimare i rendimenti futuri attesi dei titoli, utilizzando medie storiche dei rendimenti realizzati
in passato, non è una buona pratica (difficilmente il futuro replica il passato)
3) Il modello di Markowitz non considera i pesi in termini di “capitalizzazione di mercato” dei singoli
titoli. Quindi ad esempio se un titolo ha un rendimento atteso positivo e una correlazione negativa con gli
altri titoli in portafoglio, la MPT suggerisce un peso elevato di tale titolo in portafoglio, anche se la
capitalizzazione di mercato dello stesso è molto piccola
4) L’MPT non prende in considerazione il grado di incertezza associato alle stime dei rendimenti attesi e
degli altri input del modello
5) I risultati delle ottimizzazioni alla Markowitz sono spesso instabili: piccoli cambiamenti nei parametri di
input (soprattutto nei rendimenti attesi) possono cambiare sensibilmente i risultati (pesi) della allocazione
ottimale di portafoglio
(1) Richard Michaud all’epoca (1989) Vice-President e Manager dell’unità di Equity Analitics di Merril Linch Capital Markets e
membro del comitato editorial del Financial Analyst Journal
• le previsioni (views) soggettive dell’investitore circa i rendimenti attesi di uno o più titoli,
• con il vettore degli rendimenti attesi di equilibrio di mercato (c.d. distribuzione a priori, o prior
distribution)
al fine di formulare una nuova stima «combinata» dei rendimenti attesi del portafoglio oggetto di
analisi (c.d. distribuzione a posteriori, posterior distibution)
Il nuovo vettore di rendimenti attesi risultante (la distribuzione a posteriori) è calcolato come una
particolare media ponderata delle previsioni (view) dell'investitore e del vettore dei rendimenti di
equilibrio del mercato (la distribuzione a priori)
(1) Richard Michaud all’epoca (1989) Vice-President e Manager dell’unità di Equity Analitics di Merril Linch Capital Markets e
membro del comitato editorial del Fianacial Analist Journal
! ~# $, &
Di solito il vettore degli rendimenti attesi " è stimato mediante medie campionarie o pesate
esponenzialmente dei rendimenti storici1
Per proporre un nuovo metodo di stima del vettore " Black e Litterman riconoscono che esso è a
sua volta una variabile aleatoria che non può essere conosciuta con certezza, la cui
dispersione rappresenta il possibile errore di stima. In particolare essi assumono che " sia a sua
volta una variabile normale2:
$ ~# ', (&
dove: ' rappresenta la “best guess” per " e (% l’incertezza della stima della media dei rendimenti.
(1) A sua volta ! è stimata mediante varianza campionaria o mediante modelli EWMA o GARCH sui rendimenti storici.
(2) Tratto da A. Meucci (2010), The Black-Litterman Approach: Original Model and Extensions
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=1117574
Il modello di mercato
Rendimenti attesi e volatilità storiche: Azionario EU ed USA
MVO with BL Model.xls
B&L concentrano la loro attenzione sulla stima dei rendimenti attesi:
MSCI EMU - TOT RETURN IND MSCI USA - TOT RETURN IND
ExpReturn Volatility ExpReturn Volatility
Media 2.8% 16.3% Media 6.4% 13.8%
Dev Std 21.9% 7.1% Dev Std 18.7% 6.3%
data ExpReturn diff. Exp Ret Volatility diff. Vola data ExpReturn diff. Exp Ret Volatility diff. Vola
29-Dec-00 -2% 15% 29-Dec-00 -13% 17%
31-Dec-01 -20% -17% 23% 8% 31-Dec-01 -13% 1% 20% 3%
31-Dec-02 -41% -21% 31% 8% 31-Dec-02 -26% -13% 21% 2%
31-Dec-03 18% 59% 20% -11% 31-Dec-03 26% 51% 11% -10%
31-Dec-04 13% -6% 8% -12% 31-Dec-04 10% -15% 7% -4%
30-Dec-05 23% 11% 11% 3% 30-Dec-05 6% -5% 8% 1%
29-Dec-06 21% -3% 8% -2% 29-Dec-06 14% 9% 6% -2%
31-Dec-07 8% -12% 10% 1% 31-Dec-07 6% -8% 10% 4%
31-Dec-08 -59% -67% 25% 16% 31-Dec-08 -46% -52% 23% 13%
31-Dec-09 25% 84% 25% 0% 31-Dec-09 24% 70% 22% -1%
31-Dec-10 3% -22% 17% -8% 31-Dec-10 14% -10% 19% -3%
30-Dec-11 -15% -18% 20% 3% 30-Dec-11 2% -12% 16% -3%
31-Dec-12 19% 34% 14% -6% 31-Dec-12 15% 13% 11% -5%
31-Dec-13 22% 3% 12% -2% 31-Dec-13 28% 13% 8% -2%
31-Dec-14 5% -17% 10% -2% 31-Dec-14 13% -16% 8% 0%
31-Dec-15 10% 5% 20% 11% 31-Dec-15 1% -11% 13% 5%
30-Dec-16 5% -5% 14% -6% 30-Dec-16 11% 10% 10% -3%
29-Dec-17 13% 8% 9% -5% 29-Dec-17 20% 9% 4% -7%
31-Dec-18 -13% -25% 12% 4% 31-Dec-18 -5% -24% 16% 12%
31-Dec-19 23% 36% 11% -1% 31-Dec-19 27% 32% 13% -3%
31-Dec-20 -0.4% -24% 30% 19% 31-Dec-20 19.4% -8% 27% 14%
Il modello di Black-Litterman usa i c.d rendimenti di “equilibrio” del mercato come un punto di partenza
neutrale. I rendimenti di equilibrio (Implied equilibrium excess-returns) dei titoli (asset) sono ricavati
usando un metodo detto reverse optimization*:
Premio per il rischio
" = vettore
colonna
' = *! + , & -" #! = vettore
(N x 1) dei colonna (N x 1)
rendimenti di dei pesi di
equilibrio di $" = tasso risk capitalizzazione di
mercato attesi " (lambda) = ! = covariance mercato degli
free del
a priori matrix (matrice asset
periodo di Prezzo per il
riferimento per rischio di (N x N) di
N=numero dei l’asset mercato, varianza-
titoli (asset) allocation excess return covarianza tra
(costante richiesto per i rendimenti
noto) accettare 1 degli asset)
punto
percentuale di
incertezza
(volatilità)
Il prezzo di mercato del rischio ) (lambda) può essere stimato1 dividendo l’extra-rendimento atteso
di mercato rispetto al tasso risk free per la varianza del portafoglio di mercato:
# $! − &"
!! = #
'!
Dove:
• -"$ = ."
%
% ." = varianza degli excess return del portafoglio di mercato (o dell’indice benchmark)
(1) Si veda Grinold, R.C., and Kahn, R.N. (1999). Active Portfolio Management. 2nd ed. New York: McGraw-Hill
Per fini didattici consideriamo un esempio semplificato con soli N=3 asset1 che rappresentino
l’universo investibile:
lambda
(risk price) 3.0
(1) Per un esempio più realistico con 8 asset class, si veda A STEP-BY-STEP GUIDE TO THE BLACK-LITTERMAN MODEL. Incorporating
user-specified confidence levels. Thomas M. Idzorek (versione 20/6/2004)
In assenza di previsioni specifiche (views) dei rendimenti, che differiscano da quelle del vettore dei
rendimenti impliciti di equilibrio di mercato (Implied Equilibrium extra-Return) gli investitori dovrebbero
detenere il Portafoglio di Mercato
Il vettore ! (Implied Equilibrium Return Vector) è il punto di partenza “market neutral” del modello
di Black and Litterman.
Nella formulazione di B&L originaria la distribuzione dei rendimenti attesi “a posteriori” "&' per N
asset (o asset class), per i quali l’investitore è in grado di formulare K views, è una normale
multivariata con media pari a:
%&
.#$ = (& + /' 0%& 1 %&
(& %&
' + 1' 0%& 2
%#$ = nuovo
vettore
colonna
(N x 1) dei ) (tau) = ! = covariance '-1 = confidence ( = link matrix, " = vettore & = vettore
rendimenti scalare matrix (matrice matrix, matrice matrice colonna (N x 1) colonna
attesi (N x N) di (K x K) di (K x N) di dei rendimenti di (K x 1) delle
“combinati” varianza- confidenza delle collegamento equilibrio di “views”
a posteriori covarianza tra views (link) tra views mercato attesi a dell’investitore
i rendimenti ed asset priori
N= numero degli asset) ' = uncertainty
dei titoli matrix K = numero delle
(asset) N=numero views
degli asset
! : uncertainty matrix è una matrice diagonale (K x K) delle covarianze dei termini di errore delle views, rappresentanti l’incertezza di
ciascuna view. La sua inversa !-1 confidence matrix rappresenta invece il grado di confidenza in ciascuna view
%
La varianza dei rendimenti attesi a posteriori !#$ esprimente l’incertezza della
stima dei rendimenti medi è pari a:
! *() = #! +, + %- &+, % +,
Un investitore può avere delle previsioni (views) circa l’evoluzione dei rendimenti attesi dei singoli
asset e le views possono essere espresse in termini relativi o assoluti:
Nel modello di Black-Litterman le K views sugli N asset sono recepite e gestite mediante:
• Link matrix (K x N): matrice di collegamento che identifica quali asset sono coinvolti nelle views
Si consideri l’universo investibile dei 3 asset introdotto in precedenza (1.Bond EU; 2.Azioni EU;
3.Azioni USA) e si ipotizzi di avere le seguenti due views:
6+78 1 0.02
Il vettore delle views e la ; = 6+78< 67=0>1 2x1 =
matrice di collegamento
6+78 2 0.03
sono rispettivamente: @<<70 1 @<<70 2 @<<70 3
6+78 1 +1 0 0 Somma pesi=1
) = *+,- ./01+2 2x3 =
6+78 2 0 −1 +1 Somma pesi=0
Nel modello di Black-Litterman l’incertezza dei rendimenti attesi di equilibrio " è rappresentata dalla
matrice di varianza-covarianza dei rendimenti per il parametro “tau”: #!.
Ne consegue che una misura del grado di confidenza dei rendimenti attesi di equilibrio " può essere
+,
rappresentata dalla matrice inversa del prodotto tra tau e matrice di varianza-covarianza: #!
Il parametro ( è un numero compreso tra 0 e 1 che esprime l’incertezza della media (0 = nessuna
incertezza, 1 = massima incertezza). Non esiste un accordo tra i diversi autori per la stima del valore
di tale parametro. Black & Litterman propongono un valore pari a 0.25 che useremo nell’esempio
didattico a seguire
(1) Alcuni autori ad esempio A. Meucci propongono nel caso in cui I rendimenti medi siano stimati mediante media campionaria di T rendimenti
!
storici la deviszione standard della media campionaria % = "
Il ruolo della “Link matrix” P (a volte detta anche “Pick matrix”) è quello di trasformare il vettore delle
views dell’investitore dalla dimesione K x 1 (numero di previsioni) ad una dimensione N x 1 (numero
degli asset) ponendo a “0” gli elementi che corripondono agli asset non interessati da previsoni.
Infatti si noti che moltiplicando la trasposta della link matrix -′ (N x K) per il vettore (K x 1) delle views
/ si ottiene un vettore avente le stesse dimensioni del vettore Π dei rendimenti di equilibrio (N x1):
D2I I 2 1 = (D 2 1)
Similmente pre-moltiplicando la matrice Ω'( (K x K), che rappresenta il grado di confidenza delle
views, per la trasposta della link matrix -′ (N x K) e post moltiplicando per la link matrix - (K x N), si
ottiene una matrice (N x N) confrontabile come dimensioni con la matrice (Σ'( che rappresenta il
grado di confidenza dei rendimenti attesi di equilibrio:
D2I I, I I 2 D = (D 2 D)
Non esiste in letteratura un approccio unico e comunemente accettato per la stima degli elementi della
matrice / (Omega) che esprime l’incertezza delle previsioni (come varianza-covarianza degli errori di
previsione). Tuttavia Black e Litterman suggeriscono come approccio per la stima della matrice di
incertezza delle previsioni la seguente formula:
5′(N x K) è la
G (K x K) . = / 0 1 0′ trasposta della link
uncertainty matrix
marix
( 234 è 5 (K x N) è la Σ (N x N) è la matrice
uno scalare matrice di di varianza-covarianza
compreso collegamento dei rendimenti degli
tra 0 e 1 (link) tra views asset
ed asset
Nel seguito si
assume a titolo
esemplificativo
un valore *=0.25
Si noti che per portare in dimensione (K X K) (numero delle previsioni), la matrice ) (N x N) occorre pre-moltiplicare per * la cui dimensione è
(K x N) e post moltiplicare per *′ la cui dimensione è (K x N) . Infatti: (K x N) (N x N) (N x K) = (K x K)
Teoria del portafoglio e analisi investimenti | Il modello di Black & Litterman - 20
La stima della matrice . (Omega)
di incertezza delle previsioni (2|2)
MVO with BL Model.xls
Di solito si assume che le views siano tra loro indipendenti, quindi si assume che i termini al di fuori
della diagonale della matrice Omega siano nulli e che i dati che rilevano siano solo le varianze delle
views
Peso 1 Peso 2
Nuovo vettore +:
combinato dei '#$ = … #! " + + ; &+: ,
rendimenti attesi
Rendimenti attesi Views ponderate
di equilibrio
ponderati
20
LM + )3 G20 N 20 Il termine posto all’inizio della formula serve solo ad
assicurare che la somma dei pesi sia pari a 1 (unità)
+:
'#$ = #! + -; &+: + +:
#! +:
" + + ; &+: ,
Si noti che il risultato della formula deve essere un nuovo vettore (colonna) di N rendimenti attesi
combinati. Infatti considerando le dimensioni dei diversi vettori (N asset, K views) si ha:
Prior Views
!=
7 Vettore dei Vettore delle
rendimenti di 8
views
equilibrio
3.7% 2.0%
10.2% 3.0%
! Matrice di covarianze rendimenti
1 0.0225
2 -0.00375
3
1
0.009
-0.00375
0.0625
2
0.045
3
0.009
0.045
0.09
15.6%
Nuovo vettore
%./ Posterior
dei
rendimenti ]
combinati
(N x N)
2.7%
0.0027288 -0.000252935 0.00057
10.6% -0.000252935 0.01499041 0.01287
14.6% 0.000567655 0.012874575 0.01834
* La varianza del New Combined Return Distribution è tratta da Satchell and Scowcroft (2000). “A Demystification of the Black-Litterman Model:
Managing Quantitative and Traditional Construction.” Journal of Asset Management, September, 138-150.
Abbiamo ottenuto dunque la nuova distribuzione della media dei rendimenti condizionata alle
views dell’investitore:
(
$|4, 0~# $#$ , &#$
+:
'<= = #! + -; &+: + +:
#! +:
" + + ; &+: , Nuova media dei
dove: rendimenti
+:
!#$ = #! + -; &+: - +: Incertezza nella condizionata alle
stima della media views
Tuttavia noi siamo interessati alla distribuzione degli rendimenti ! degli N asset del mercato da
utilizzare come input per la nuova l’allocazione di portafoglio, condizionata alle views dell’investitore:
!|4, 0~# ? , ?
(1) Tratto da A. Meucci (2010), The Black-Litterman Approach: Original Model and Extensions
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=1117574
Tenendo conto del nuovo vettore dei rendimenti attesi combinato derivante dalla formula di Black
0
and Litterman %"# e dell’incertezza della stima &"# che si somma alla variabilità dei rendimenti %, la
nuova distribuzione a posteriori dei rendimenti degli N asset che compongono il mercato sarà1:
(1) Abbiamo implicitamente assunto che i rendimenti di mercato siano modellizzati come: 1 = 2 + 4 dove 4~6 0, Σ . In tal modo la distribuzione
dei rendimenti di mercato a posteriori condizionata alle views diviene 1 :, Ω = 2 : + 4 ed abbiamo assunto che 2 e 4 siano fra loro indipendenti,
per cui la varianza dei rendimenti degli asset 1 è pari alla varianza della media condizionata 2|: + la varianza di 4.
Con la nuova distribution a “posteriori” è ora possible impostare e risolvere una nuova “mean-
variance optimization” (new MVO), se necessario con l’imposizione di limiti massimi e minimi ai
pesi dei singoli asset (o asset class) o vincoli al budget di rischio (es. Tracking Error Volatility -
TEV).
(1) Tratto da A. Meucci (2010), The Black-Litterman Approach: Original Model and Extensions
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=1117574
Teoria del portafoglio e analisi investimenti | Il modello di Black & Litterman - 28
I pesi delle asset class lungo la frontiera efficiente (1|2)
Si noti come lungo la frontiera efficiente per livelli crescenti di volatilità del portafoglio il peso dell’asset
class Bond EU sia diminuito rispetto a quello di equilibrio (per effetto della view dei tassi al ribasso) e il
peso dell’Azionario EU sia aumentato rispetto a quello delle Azioni USA (per effetto della view relativa
inferiore alla differenza storica)
MVO Unconstrained tradizionale Pesi singole asset class MVO alla B&L Pesi singole asset class
Il modello di B&L ha avuto un forte impatto a livello organizzativo su tutti i gestori di portafoglio, di
fatto separando il ruolo degli analisti quantitativi e del comitato investimenti, ma fornendo una base
razionale per l’integrazione delle rispettive aree di competenza e delle informazioni prodotte
Prior Views
!=
Vettore dei Vettore delle
rendimenti di views
equilibrio
3.7% 2.0%
10.2% 3.0%
15.6%
Nuovo vettore
Posterior
dei
rendimenti ]
combinati
(N x N)
2.7%
0.0027288 -0.000252935 0.00057
10.6% -0.000252935 0.01499041 0.01287
14.6% 0.000567655 0.012874575 0.01834
L’unità di analisi
quantitativa
L’approccio alla Black & Litterman (B&L) inoltre può essere applicato a diversi modelli di riferimento
del mercato, non solo al modello dei rendimenti normali multivariati con “prior” pari ai rendimenti
attesi di equilibrio.
L’approccio può essere esteso per considerare ipotesi distribuzionali alternative alla normale o altre
initial guess.
Oggi quasi tutti i gestori che distinguono tra asset allocation strategica (di lungo periodo) ed asset
allocation tattica (di breve periodo) utilizzano un approccio alla B&L per includere le views degli
analisti e ricavare nella allocation tattica indicazioni di sovra-sotto pesatura delle asset class
rispetto alla allocazione strategica.
Inoltre più di recente col diffondersi dell’approccio factor based all’asset allocation alla “prior” sui
rendimenti di equilibrio dei singoli asset (o asset class) si preferisce sostituire una “prior” sui singoli
fattori di rischio (risk factors)
Views qualitative
Come incorporare le views qualitative
3$ = 45 $ + 7$ / 0 1 0% $,$ - = 1, … , I
moltiplicatore
(1) Tratto da A. Meucci (2010), The Black-Litterman Approach: Original Model and Extensions
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=1117574
Teoria del portafoglio e analisi investimenti | Il modello di Black & Litterman - 34
Appendice
Argomenti di approfondimento non richiesti all’esame
La soluzione di un problema di massimizzazione della funzione di utilità non vincolato del tipo (con
somma dei pesi J pari a 1) :
FGH 1
.E = argmax 4; ' − 8 4; ! 4
I 2
<= LM :
Implica =0 ovvero =9− :28!4=9− 8!4=0
<4 LI N
La risoluzione del problema diretto di ottimizzazione consiste nel risolvere l’equazione O − P & Q = 0
per J per trovare i pesi ottimali e successivamente ricavare il vettore O dei rendimenti attesi ottimali:
Black and Litterman hanno fatto è stato invertire il problema: I pesi “di mercato” Q = Q?@A sono
osservabili, per cui è possible risolvere per O ed individuare 7 il vettore degli extra-rendimenti di
equilibrio:
assumendo che il vettore dei pesi sia pari a vettore degli extra-rendimenti (attesi)
quello dei pesi di mercato: impliciti di equilibrio di mercato:
Una formulazione equivalente, più stabile da un punto di vista computazionale, dei parametri a posteriori
è la seguente1:
(1) Tratto da A. Meucci (2010), The Black-Litterman Approach: Original Model and Extensions
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=1117574
Teoria del portafoglio e analisi investimenti | Il modello di Black & Litterman - 38
Estensioni del modello di B&L
Izdorek: un nuovo modo di incorporare
il grado di confidenza delle views (1|4)
Izdorek (2004) propone un nuovo metodo per stimare la matrice G (Omega) di incertezza delle views
che parte dalla valutazione del grado di incertezza delle views con un numero tra 0% e 100% e che
evita il ricorso al parametro (.
Impostare tutti gli elementi diagonali di G uguali a zero equivale a specificare il 100% di fiducia in tutte
le K views. Così facendo si produrrà il più grande scostamento dai pesi della capitalizzazione di
mercato di equilibrio per le attività interessate dalle views.
Quando viene specificato un grado di confidenza del 100% per tutte le views, si può dimostrare che la
formula di Black-Litterman per il nuovo vettore dei rendimenti combinati (%(BB% ) diviene:
Il grado di confidenza “implicito” nelle views dell’investitore può essere ricavato calcolando per
ciascuna view “k” il rapporto:
(segue)
Grado
" = $ &
! '(
)*+ ),--% = / + 1&23 21&23 '(
4 − 2/ di
confide
!(77% = $ & '( ),--%
w_hat diff nza
ripropo diff w_100% (w_100 views
rzionat (w_hat - E(R_10 riprorzionato a %- implicit
w_hat oa 1 w_mkt w_mkt) 0%) w_100% 1 w_mkt w_mkt) o
32.6% 32.4% 35% -2.6% 2.0% 23.9% 26.0% 35% -9.0% 28.4%
34.2% 34.0% 25% 9.0% 10.9% 37.8% 41.2% 25% 16.2% 55.7%
33.7% 33.6% 40% -6.4% 13.9% 30.1% 32.8% 40% -7.2% 90.1%
100.5% 100.0% 91.8% 100.0% 100.0%
Sovra/sotto peso
causato dalla view “k- S+*04 = 8077% − 894: R4
esima” rispetto al peso
di equilibrio di mercato
(sul vettore colonna Grado di confidenza
degli N x 1 asset) Livello massimo della dell’investitore rispetto alla
differenza pesi view “k-esima”
Per cui il nuovo peso consigliato risultante dale previsioni (views) dell’investitore è ricavabile come:
Pesi da view certe 2) Per ciascuna view (k) calcolare il peso dell’asset corrispondente ad una view col grado di certezza al
100%: E)**% = F ! -) +)**%
3) Calcolare (per sottrazione su ciascun asset) lo scostamento massimo dal peso della capitalizzazione
Scostamenti
massimi di mercato causato da una previsione certa (100% di grado di confidenza): #)**% − #!./ . Nota: gli
asset su cui non vengono formulate view mantengono il loro peso ed avranno scostamento nullo.
Tilt pesi in
funzione grado di 4) Calcolare il sovra/sotto peso (Tilt) causato dalla k-esima view per ciascun asset in funzione del grado
confidenza di confidenza mediante la relazione: GHIJ. = #)**% − #!./ K.
/1234/
Pesi target 5) Calcolare per ciascun asset il peso obiettivo sulla base del “Tilt” definito: #0% = #!./ + GHIJ.
6) Per ciascuna dell K views, individuare il valore degli elementi L. della diagonale della matrice
Varianze view
(omega) che dell’incertezza ' (che rappresentano l’incertezza nella k-esima view) che minimizza la (somma del
mimimizzano la /1234/ 6
distanza da pesi quadrati degli scarti) rispetto ai pesi ottimali: L. = argmin ∑ #5 − #0% | OPQ L. > 0
target
7) Una volta stimati gli elementi della diagonale (L. ) della matrice dell’incertezza ' che riproducono i
/1234/
Calcolo del new pesi target #0% (funzione del grado di confidenza) si applica la solita formula di B&L per calcolare il
combined extra
Return vector nuovo vettore dei rendimenti attesi combinato :+#$ = *! -) + (, '-) T -) *! -) " + T, '-) U
Referenze bibliografiche
Agenda
§ Rischi finanziari
§ Rischio di mercato
§ Breve storia delle misure di rischio
§ Value-at-risk
§ Metodi di stima del VaR
• Il processo di stima
• Historical Simulation
• Normal linear VaR
• Monte Carlo VaR
§ Possibili utilizzi del VaR
Rischi finanziari
Principali categorie
§ rischi di mercato
§ rischi di credito
§ rischi operativi
Rischi di mercato
Categorie dei rischi di mercato (secondo il comitato di
Basilea)
Differenti categorie deiText
rischi di mercato:
DEFINITION*
equity
Market Risk is the risk that
the value of a portfolio, Altri interest
rischi** rate
either an investment
MARKE
portfolio or a trading T RISK
portfolio, will decrease due commo
FX
to the change in value of dity
credit
the market risk factor. spread
SP500 Index
350 15%
10%
300
5%
daily returns
closing prices
0%
250
-5%
100 -25%
07-set-87
14-set-87
21-set-87
28-set-87
05-ott-87
12-ott-87
19-ott-87
26-ott-87
03-ago-87
10-ago-87
17-ago-87
24-ago-87
31-ago-87
02-nov-87
09-nov-87
16-nov-87
23-nov-87
30-nov-87
Rischio di Mercato: metodi e strumenti di misurazione - 7
Rischi di mercato
Interest rate risk
Il “rally” in aumento dei tassi di interesse americani del 1994
0.10
6.5
0.00
6
-0.10
5.5 -0.20
5 -0.30
450 12%
10%
400 +250 b.p. in
350 4 mesi 8%
daily % returns
6%
closing levels
300
4%
250
2%
200
0%
150
daily returns -2%
100 -4%
50 -6%
0 -8%
Rischi di mercato
Foreign exchange risk
Il deprezzamento del cambio EUR/USD nel giugno 2010 successivo alla prima
crisi del debito sovrano della Grecia
1.4
-15% in 4 mesi 2%
2%
1.35
1%
daily returns
closing prices
1.3
1%
1.25 0%
-1%
1.2
-1%
1.15 daily returns
-2%
1.1
-2%
1.05 -3%
120
daily % returns
5%
closing prices
100
80 0%
60
-5%
40 daily returns
U$ -10%
20
0 -15%
§ Fino agli inizi degli anni ‘90 le esposizioni ai diversi fattori di rischio erano misurate e
controllate tramite le risk factor sensitivities :
• gli options trader operavano sotto limiti determinati dal valore netto delle c.d.
“Greche” dei loro portfogli di opzioni.
§ Oggigiorno quasi ogni istituzione finanziaria possiede un modello di Value at Risk (VaR) per la
misura del rischio di mercato e gestisce i limiti operativi dei trader e/o dei gestori utilizzando il VaR
o altri indicatori ad esso associati.
Value-at-risk
Introduzione
Si consideri la distribuzione del valore attuale degli U/P giornalieri di un portafoglio di
attività finanziare: come possiamo misurarne il rischio di mercato?
8%
6%
4%
2%
0%
-100 -90 -80 -70 -60 -50 -40 -30 -20 -10 0 10 20 30 40 50 60 70 80 90 100
Value-at-risk
VaR di portafoglio: rappresentazione grafica
Il VaR è il quantile 100#% (cambiato di segno) della distribuzione valore attuale degli
U/P del portafoglio
14%
frequenze
relative Value at
(probabilità) 12% rendimento medio
Risk
10%
8%
6%
4%
a=1%
2%
(1-a)=99%
0%
- -90 -80 -70 -60 -50 -40 -30 -20 -10 0 10 20 30 40 50 60 70 80 90 100
100
v.a. Utili (+) / Perdite (-) di periodo
Rischio di Mercato: metodi e strumenti di misurazione - 16
Value-at-risk
Vantaggi introdotti dal VaR
Fin dalla sua introduzione il VaR apparve essere uno strumento molto più ricco e flessibile
rispetto alle altre misure di rischio tradizionai (quali le sensitivities):
§ fornisce una misura di rischio comune tra § sono disegnate in maniera diversa
diverse posizioni e fattori di rischio per le diverse tipologie di rischio
§ Consente di aggregare in un singolo numero
tutti i diversi tipi di rischio di un portafoglio (IR,
§ non possono essere sommate
FX, Equity, Credit, …)
§ oltre a quantificare la perdita potenziale,
fornisce una informazione utile circa la § non dicono nulla circa la probabilità
probabilità ad essa associata delle possibili perdite
§ è espresso in unità di moneta perduta
§ sono caratterizzate da unità di misura
diverse, molto meno intuitive
Value-at-risk
Livello di confidenza
Il livello di confidenza (1 − ') indica la probabilità che le perdite saranno minori (o uguali)
al Valore a Richio (VaR).
9%
Il VaR dipende dal valore
8% prescelto per l’intervallo di
confidenza … e cresce (a un
7%
Probabilità ritmo crecente) al crescere
6% dell’intervallo di confidenza
99% VaR () − ') .
5%
4%
95% VaR
3%
2%
1%
0%
U/P%
L’holding period del VaR dovrebbe rappresentare il periodo di tempo per cui
ci attendiamo di rimenere esposti ad una determinate posizione.
Esso dovrebbe essere coerente con il grado di liquidità del portafoglio: più
liquido il portafoglio, più breve dovrebbe essere il c.d. risk horizon.
Value-at-risk
La scelta dell’holding period ed intervallo di confidenza
Il VaR quantifica la perdita se un evento estremo non si manifesta (es. nel 99% dei casi
migliori).
Tuttavia quando si manifesta un “evento estremo”, un evento nella coda sinistra della
distribuzone dei rendimenti o tail event, il VaR non fornisce alcuna indicazione
sull’entità che potrebbe assumere la perdita (quanto si perde se i rendimenti si
collocano nel 1% dei casi peggiori?)
§ In altri termini mentre il VaR è la minima tra le perdite possibili in caso di tail event, la
ES è la perdita media nel 1% dei casi peggiori, nell’holding period considerato.
Value-at-risk
Conditional VaR – rappresentazione grafica
Il Conditional Var (C-VarR) (o Expected Shortfall o Expected Tail Loss) misura quanto si perde
(in media) quando le perdite superano il VaR
14%
frequenze 12% ES
relative
(probabilità) rendimento medio
10%
8%
6%
VaR
4%
2%
1% 99%
0%
- -90 -80 -70 -60 -50 -40 -30 -20 -10 0 10 20 30 40 50 60 70 80 90 100
100
v.a. Utili (+) / Perdite (-) di periodo
Rischio di Mercato: metodi e strumenti di misurazione - 22
Value-at-risk
Coherent risk measures (non sub-additività del VaR)
§ Il VaR non è una misura di rischio coerente in quanto non necessariamente soddisfa
la cosiddetta condizione di sub-additività*
ES(A+B)=8 VaR(A+B)=10
Problema Finanzario
Step 1 Step 2
Step 3
Analisi del Portfolio - P Identificazione dei fattori
(on and off balance sheet) C.d. Mapping del ptf di rischio – F (RR, FX
e raccolta dati di input P= f(F) rates, prezzi azionari,…)
Step 5
Step 4
1. Approcci parametrici:
§ normal linear VaR* (o modello delta) per strumenti c.d.
“lineari”
§ normal delta-gamma VaR (o modello quadratico) per
portafogli di optioni
§ T-Student VaR (T-VaR)
2. Approcci simulativi:
§ Historical simulation VaR (HS-VaR)
§ Monte Carlo simulation VaR (MC-VaR)
§ L’idea di fondo è quella di usare la distribuzione dei rendimenti del passato per
predirre quella del futuro: si assume che il futuro prossimo sia simile al passato
recente. La distribuzione dei rendimenti implicita nei dati passati è utilizzata per la stima
del VaR.
Distribuzione di Valori
per calcolo del VAR
frequenze rel
16.0%
VAR=1.797%
14.0%
12.0%
10.0% ES=1.935%
8.0%
6.0%
4.0%
2.0%
0.0%
La grande maggioranza delle banche utilizza metodi di simulazione storica piuttosto che
metodi parametrici lineari/delta gamma o metodi si simulazione di tipo Monte Carlo*.
Nonostante la sua popolarità l’HS-VaR è caratterizzato da alcuni seri inconvenienti.
PRO CONTRO
(*) Perignon and Smith (2006), The level and quality of VaR disclosure by commercial banks, working paper, Simon Fraser University, Vancouver, of
the 64.9% of the firms that disclosed ther methodology, 73% reported the use of historical simulation.
Assunzioni:
§ le variazioni di valore del portafoglio dipendono in modo lineare dalle variazioni dei
fattori di rischio (prezzi azionari, IR, FX rates,…);
§ I rendimenti dei fattori di rischio di periodi successivi sono variabili casuali tra loro
indipendenti (autocorrelazione nulla).
!"#!%
Normale una
(1.a) $ = &! − (#$% )! distribuzione di
probabilità simmetrica
si ha che:
dove:
!! = rendimento atteso (medio) nell’holding period −(" = (#$"
"! = volatilità (standar deviation dei rendimenti) nell’holding period
#"#$ = quantile della distribuzione normale di interesse (es. #"#$ =99%)
(*) Una ipotesi di rendimento atteso nullo può essere ragionevole su orizzonti di tempo assai brevi (es. h=1 giorno) e quindi è possibile
usare la formula (1.b). Per orizzonti temporali più lunghi occorre considerare anche il rendimento atteso %! e quindi è meglio usare la
formula (1.a).
8%
Mean
7%
6%
Standard
5% Deviation=
4%
s
VaR = µ - qa s
3%
2%
1%
0%
Nell’ipotesi* che il rendimento atteso sia nullo (*! = 0) il VaR di una singola (i-esima)
posizione può essere calcolato come:
(*) Come già detto tale ipotesi può essere accettabile su piccoli intervalli temporali (es. h=1 giorno). Su intervalli temporali più lunghi
occorre includere nella stiima del VaR anche il rendimento atteso.
Rischio di Mercato: metodi e strumenti di misurazione - 34
Normal linear VAR
I percentili (quantili) della distribuzione normale standard
Si calcoli il valore a rischio giornaliero con i.c. al 95% su una posizione in uno
ZC bond governativo avente le seguenti caratteristiche:
(*) Sui mercati delle opzioni su tasso la volatilità è spesso quotata come una percentuale del livello del tasso si interesse.
Quindi ad esempio sei tasso sui titoli governativi a 2 anni è pari all’1.5%, una volatilità giornaliera di 0.30% (30 b.p.) come nell’esempio,
corrisponde ad una volatilità quotata del: 0.30 / 1.5 = 20%.
iL
iM
iB
tB tM tL Scadenze
Serie storiche di
prezzi , tassi, cambi
La volatilità è ricavata mediante estrapolazione
delle serie storiche di prezzi, tassi e dei cambi.
Sia ,& il valore di una certa variabile di mercato (es. il prezzo di una azione, il prezzo di un
bond, un tasso di interesse, un rapporto di cambio, … ecc.) alla fine di un certo periodo di
tempo “n” (un giorno, una settimana, un mese, …).
Il rendimento calcolato nel regime dell’interesse continuo nel periodo è dato da:
%$
!$ = #$
%$%&
-% = *01 2% = -%&
Nel seguito vengono presentati diversi modelli per la stima della volatilità
1200 0.5
Indice DJ
0.4 Eurostoxx 50
1000
(livello)
0.3
800
0.2
600
0.1
400
0
Rendimenti
giornalieri
200
-0.1
0 -0.2
31/ 12/ 88 31/ 12/ 89 31/ 12/ 90 31/ 12/ 91 31/ 12/ 92
EWMA volatility
Volatilità come standard deviation campionaria dei rendimenti (1|2)
Un seplice approccio per stimare la volatilità di una data variabile di mercato per un
period futuro (e.g. 1 giorno, 10 giorni,…) è il seguente:
1. Si selezionano gli ultimi - rendimenti . della variabile di mercato , e si stima
la volatilità usando la formula:
)
1
&$ = ) !$%' − !+ *
(
'(&
Stimando la volatilità dei rendimenti mediante la standard deviation campionaria dei rendimenti di
un certo periodo passato (es. un mese, pari a circa 20 giorni lavorativi) si creano i c.d. ghost
effects. Quando un rendimento molto elevato (di solito negativo) «esce» dalla media mobile, si
creano dei «salti» ingiustificati nella stima della volatilità
1200 0.5
0.45
1000
0.4
0.35
800
0.3
Volatilità da
600 0.25 Standard
0.2 deviation
400
0.15
campionaria
degli ultimi 20
0.1
200 giorni
0.05
0 0
31/ 12/ 88 31/ 12/ 89 31/ 12/ 90 31/ 12/ 91 31/ 12/ 92
Covarianza EWMA
1200 ( ( 50.00%
"' = 0.03.'#" +0.97 "'#"
45.00%
1000
40.00%
35.00%
800
30.00%
600 25.00%
Volatilità
20.00%
EWMA con
400
15.00% lambda = 0.97
10.00%
200
5.00%
0 0.00%
31/ 12/ 88 31/ 12/ 89 31/ 12/ 90 31/ 12/ 91 31/ 12/ 92
' '
)& = 2 + $#&$# + 3)&$#
dove:
§ "'( : varianza dei rendimenti al tempo +
(
§ "'#" : varianza dei rendimenti al tempo + − 1
(
§ .'#" : rendimento al tempo al tempo + − 1
§ ; = <=* costante del modello GARCH
§ =* : varianza di lungo periodo
§ >, ?, <;: coefficientI del modello GARCH
80% 0.01
0.009
70% GARCH Vol
Long term Volatility 0.008
60% r^2
0.007 Volatilità da
GARCH
50%
0.006 model
40% 0.005
0.004 Volatilità
30% media di
0.003 lungo periodo
20%
0.002
10%
0.001
Rendimenti
0% 0
giornalieri
nov-08 mar-09 lug-09 nov-09 mar-10 lug-10 nov-10 mar-11 lug-11
Prezzi di mercato
Vantaggi delle opzioni: Prz Opz
La volatilità implicita rappresenta la
previsione del mercato della volatilità
futura. Modello di valutazione
delle opzioni:
Svantaggi : Prz Opz =f(Prezzo attività sottostante
Esistono poche opzioni quotate e sua volatilità, scadenza opzione,
rispetto alle volatilità che occorrono strike price, tasso privo di rischio)
in un modello di Risk Management
VAR = VM D Volatilità
($% = (!% ℎ
La deviazione standard (volatilità) per ℎ periodi si ottiene semplicemente
estraendo la radice quadrata.
($ = (! ℎ
Rischio di Mercato: metodi e strumenti di misurazione - 49
6%
r=0 Positive
5% r = +0.5 autocorrelation
r = -0.5
4%
VaR
3%
2% Negative
autocorrelation
1%
0%
1 51 101 151 201
holding period (days)
dove:
=G.+ = VaR del fattore di rischio H 3+, = correlazione tra i fattori di rischio
=G., = VaR del fattore di rischio I HeI
/0."% = /0.$# + /0.## + /0.%# + 23$# /0.$ /0.# + 23$% /0.$ /0.% + 23#% /0.# /0.%
VaR di
portafoglio
!"#4 = ! % !5
2
V1 153 141 1 898 425 2 369 256 1 539
2
V2 1 317 690 0.5 449 213 1 920 043 1 386
1 470 831 0 0 1 470 831 1 213
-0.5 -449 213 1 021 618 1 011
-1 -898 425 572 406 757
Viene stimata una Sono individuati I titoli a reddito I singoli flussi di Ricondotto l’intero
curva dei tassi di alcuni punti della fisso sono cassa che portafoglio ad un
rendimento zero curva (nodi) scomposti nei flussi maturano in date insieme di flussi di
coupon (term rappresentativi di cassa elementari non coincidenti coi cassa teorici con
structure) risk free delle scadenze che essi generano: nodi della curva scadenze
(Libor+ Swap) e ritenute più come un portafoglio vengono scomposti corrispondenti ai
una curva dei credit significative e per di titoli zero in due flussi teorici nodi delle due
spread per classe tali nodi si stimano coupon, valutati a posizionati in curve (tassi e credit
di rating (es. BBB) le volatilità dei tassi prezzi di mercato, corrispondenza spread) si calcola il
risk free e dei credit posizionati su date delle scadenze per VAR del titolo,
sread e le relative diverse, espressi in cui sono note le come portafoglio di
correlazioni una data divisa volatilità e le zero-coupon bond.
(mapping) correlazioni
(clumping)
Rischio di Mercato: metodi e strumenti di misurazione - 55
Rendimenti
Stima curva
dei rendimenti a Curva rendimenti bond
scadenza
Tempo (anni)
Sono individuati
alcuni punti della Matrice delle correlazioni (2 n x 2 n)
curva (nodi)
rappresentativi
delle scadenze 1 … 5'#% 5'(## … 5'(#%
ritenute più ⋮ ⋱ ⋮ ⋮ ⋱ ⋮
significative e per 5'%# … 1 5'(%# … 5'(%%
tali nodi si stimano
le volatilità dei tassi Corr. tra tassi risk free Cross correlation tassi-spread
risk free e dei credit
sread e le relative 5('## … 5('#% 1 … 5(#%
correlazioni ⋮ ⋱ ⋮ ⋮ ⋱ ⋮
5('%# … 5('%% 5(%# … 1
Cross correlation tassi-spread Corr. tra Credit spread
Principal 100,000 Y ield C urve Y ears 0.0830 1.0000 2.0000 3.0000 4.0000 5.0000 7.0000 10.0000 15.0000
Settlement 29-mar-91 Create cash flows R iskM e trics™ v e rtice s 1m 1y 2y 3y 4y 5y 7y 10y 15y
Maturity 24-apr-01 Y ield volatility 6.995 3.160 2.104 1.735 1.630 1.503 1.374 1.358 1.289
C oupon 7.50 C urrent yield 8.250 7.038 7.275 7.391 7.536 7.628 7.794 7.916 8.154
C oupon Freq 1 Map the cash flows Price volatility 0.044 0.208 0.285 0.358 0.457 0.533 0.696 0.996 1.458
C orrelation Matrix 1m 1 0.753 0.527 0.479 0.451 0.417 0.331 0.334 0.326
1y 0.753 1 0.881 0.809 0.782 0.737 0.611 0.625 0.579
2y 0.527 0.881 1 0.985 0.955 0.916 0.799 0.819 0.764
3y 0.479 0.809 0.985 1 0.983 0.952 0.848 0.865 0.811
Summary 4y 0.451 0.782 0.955 0.983 1 0.991 0.914 0.925 0.884
D iversified V alue at R isk 764 5y 0.417 0.737 0.916 0.952 0.991 1 0.963 0.963 0.934
Market V alue 96,698 Print 7y 0.331 0.611 0.799 0.848 0.914 0.963 1 0.998 0.991
Percentage of market value 0.79% 10y 0.334 0.625 0.819 0.865 0.925 0.963 0.998 1 0.993
Mapping 15y 0.326 0.579 0.764 0.811 0.884 0.934 0.991 0.993 1
Diversi accorgimenti e regole sono previsti per il calcolo del VaR su posizioni e
portafogli di diverse operazioni esposti a diversi fattori di rischio:
PRO CONTRO
§ Analiticamente trattabile § Puo sottostimare il rischio quando i
rendimeni dei fattori di rischio sono
“leptocurtici” (fat-tails) per elevati
§ Facile da comunicare livelli di confidenza (>95%)
§ Instabilità delle matrici di
correlazione tra I rendimenti dei
fattori di rischio
§ Non fornisce stime corrette per i
c.d. prodotti non lineari (opzioni)
2) Noncorrelazione seriale dei • Evitare di usare la regola della “radice di T”, stimando
rendimenti delle volatilità ad hoc per l’holding period considerato
4) Linearità
nelle variazioni di • Utilizzo di modelli di tipo delta-gamma
valore delle posizioni • Ricorso a metodologie di stima del VAR diverse
(Modelli di simulazione Montecarlo)
Il Normal Linear VaR sottostima il rischio quando i rendimenti dei fattori di rischio
sono “leptocurtici” (fat-tails) per elevati livelli di confidenza (>95%). Meglio allora
utilizzare il T-VaR basato sulla distribuzione T-Student.
VaR 0.50%
0.40%
PDF
0.30%
0.20%
0.10%
0.00%
99.9% 99.6% 98.8% 97.0% 93.3% 87.0%
confidence level
Rischio di Mercato: metodi e strumenti di misurazione - 65
Il modello quadratico
Delta-gamma VaR
Nel caso delle opzioni, che hanno un valore che reagisce in modo non lineare a
variazioni del sottostante S, una approssimazione «locale» parametrica migliore delle
variazioni di valore a variazioni del sottostante è fornita dal modello «delta-gamma».
100 100
Valore Call, Valore Put,
90 Payoff a 90 Payoff a
scadenza scadenza
80
80
70
70
60
60
50
max((S- 50 max((X-
40 \ S);0)
X);0) 40
30
30
20
20
10
0 10
0 50 100 150 200 0
prezzo azione 0 50 100azione
prezzo 150 200
9: 9& :
8= Γ= &
9; 9;
Delta = derivata prima Gamma = derivata seconda
del valore dell’opzione a variazioni del sottostante «S»
Distribuzione di Valori
per calcolo del VAR
PRO CONTRO
§ soffre del problema
§ può gestire efficacemente
dell’instabilità delle matrici di
posizioni non lineari (opzioni) correlazione
§ non si concentra § pesantezza di calcolo
sull’evoluzione passata dei
§ soggettività nella scelta dei
fattori di rischio , ma su quella drift per stime del VaR a m/l
futura (forward looking) termine
§ Può essere utilizzato per le
stime del VaR a medio e lungo
periodo
Stress Tests
Uno strumento importante di risk management
§ Gli stress tests consistono nella stima della performance del portafoglio in
presenza di scenari critici, osservati storicamente o generati dal senior
management.
§ Gli stress tests vengono effettuati per tener conto di eventi estremi che si
verificano di tanto in tanto, ma sono virtualmente impossibili secondo le
distribuzioni probabilistiche ipotizzate per le variabili di mercato.
Risultati sottostimati SI NO NO
in caso di rendimenti
dei fattori di rischio
leptocurtici (fat tails)
Possibilità di SI SI/NO SI
Una qualche forma di
realizzare stress testing
Scenario analisi e è possibile manipolando i
Stess testing dati storici in input
Rischio di Mercato: metodi e strumenti di misurazione - 71
Desk 2 Limite
VaR Desk 2 Limite
VaR 6 € mln
7 € mln
Rischio di Mercato: metodi e strumenti di misurazione - 73
10 outliers
8 VAR+
6
4
2
0
-2
-4
-6
-8
-10
nov-94
VARgen-95
- feb-95 apr-95 mag-95 lug-95
Testi di riferimento:
§ J. Hull (2018), Opzioni, Futures e altri derivati 10° edizione, Pearson Italia. Capitolo 22 e 23.
§ Carol Alexander (2009), Market Risk Analysis, Volume IV, Value at Risk Models, Wiley
Appendice
(*) See Artzner; Delbaen, Eber, Heath (1999). "Coherent Measures of Risk". Mathematical Finance 9 (3): 203–228.
7 ;<8 ≤=7 8
per qualsiasi 5 > 0
7 8+> ≤7 8 −>
EWMA model
Stima della volatilità via EWMA (1|4)
Per evitare il cosidetto effetto fantasma (“ghost effect”) dovremmo dare più importanza ai
dati della media mobile più recenti, assegnando un peso #& maggiore ai dati più recenti.
In una media equipesata di - rendimenti giornalieri, assunti a media nulla, la varianza
campionaria è:
) )
1 * *
&$* = ) !$%' = ) ?' !$%'
(
'(& '(&
Assumiamo che i pesi '' decrescano in maniera esponenziale a mano a mano che ci
si muove indietro nel tempo
?'Q& = 1 − @ @'%& , 0<@<1
La stima della varianza diviene:
)
*
&$* = 1 − @ ) @'%& !$%'
'(&
0.07 weights
0.06
0.05 weights (lambda =0.94)
weights (lambda =0.97)
0.04
0.03
0.02
0.01
0
0 5 10 15 20
Today Time
EWMA model
Stima della volatilità via EWMA (3|4): formula
La media esponenziale pesata (exponentially weighted moving average, EWMA) è una
versione leggermente modificata della formula precedente, in cui il numero dei periodi -
tende all’infinito :
QR
*
&$* = 1 − @ ) @'%& !$%'
'(&
La stima EWMA della volatilità per il giorno 9 è data da una combinazione lineare della
stima della volatilità <#()* e del quadrato del rendimento più recente osservato .()*
#
Il parametron lambda viene usualmente determinate in modo tale che i pesi della media
EWMA si dimezzino dopo un dato numero di periodi (es. giorni) inclusi nella media
(cosiddetto period di dimezzamento o half-life period)
+
1 $
,&'
Dimezzare i * = * =: +
pesi
2 implica
(prendendo i logaritmi di mano i
memnbri)
Rendimenti
flusso di cassa
originario
8% s7
7% s5
flussi di cassa
x1 CF x2 teorici
Valore di Volatilità
Flusso di Modified Volatilità Flussi
Data Scadenza Rendimento mercato dei a
cassa Duration dei prezzi Proxy
(val.attuale) rendimenti
Scadenza RiskMetrics™ 03-apr-91 5.00 7.628 1.503 0.533 1,950 40.9%
Flusso di cassa ---> 24-apr-97 6.08 7,500 7.717 4,774 1.434 5.641 0.624
Scadenza RiskMetrics™ 05-apr-91 7.00 7.794 1.374 0.696 2,824 59.1%
a) Calcolo Rendimento (interpolazione lineare) d) Equazione di indifferenza per il VaR: VaR 6 = VaR 5 + VaR 7
a = (6.08-5) / (7-5) = 53.8%
R6 = (1-a)R5 + aR7 = 7.717 MV6Vp6 = ( MV5Vp5 ) 2 + ( MV7Vp7 ) 2 + 2rMV5 MV7Vp5Vp7 =
= (aMV6Vp5 ) 2 + [(1 - a ) MV6Vp7 ]2 + 2ra (1 - a ) MV6 Vp5Vp7
2
b) Calcolo Valore di mercato
MV6 = CF6/(1+R6)t = 4,774
Ricordando che Vp = 1.65 s , l'equazione può essere riformulata come segue
c) Calcolo Volatilità dei rendimenti (interpolazione lineare)
s 26 = a 2 s 52 + (1 - a ) 2 s 27 + 2 ra (1 - a )s 5s 7
Vr6 = (1-a)Vr5 + aVr7 = 1.434
d) Calcolo Volatilità dei prezzi (via Duration) Risolvendo tale equazione per a si ottengono le due percentuali di riallocazione
Vp6 = R6/100* MD6*Vr6 = 0.624 del flusso di cassa originario: a1 = 40.9% a2 = 59.1%
Università di Bologna
Corsi di Laurea Magistrale: CLAMFIM e EPELM
Corso di Teoria del Portafoglio ed analisi investimenti
Agenda
§ Strategie di portafoglio
§ Gestione attiva
§ Gestione passiva
§ ETF
§ Gestioni Absolute Return
§ Portable alpha
§ Risk parity
§ Tail risk hedging
§ Hedge Funds
§ Definizione, caratteristiche ed obiettivi degli hedge funds
§ Strategie degli hedge funds
§ Rischi degli hedge funds
§ Selezione di hedge funds
§ Appendice: L’industria globale degli hedge funds
Gestioni absolute
return Gestioni Attive
Abilità del gestore
Gestioni Passive
bassa
Gestione attiva
Approccio tradizionale alla gestione attiva
Approccio tradizionale: a
Punti di attenzione
benchmark
Top Down
Portafoglio
Bottom Up
3.50
3.00
2.50
Anni
2.00
1.50
1.00
0.50
Lower range
0.00
2007 2008 2009 2010 2011 2012 2013 2014 2015
Esposizione ai Rating
100
80
60
Percentuale
40
20
0
Dec Mar Jun Sep Dec Mar Jun Sep Dec Mar Jun Sep Dec Mar Jun Sep Dec Mar Jun Sep Dec Mar
09 10 10 10 10 11 11 11 11 12 12 12 12 13 13 13 13 14 14 14 14 15
Media: A+ A+ A+ A+ A+ A+ A+ A+ A A A A- A- A- A- A- A- A- A- A+ A+
Allocazione Settoriale
100
80
Percentuale
60
40
20
0
Dec Mar Jun Sep Dec Mar Jun Sep Dec Mar Jun Sep Dec Mar Jun Sep Dec Mar Jun Sep Dec Mar Jun Sep Dec Mar
08 09 09 09 09 10 10 10 10 11 11 11 11 12 12 12 12 13 13 13 13 14 14 14 14 15
Gestione passiva
Tipologia di strumenti passivi
Caratteristiche
Gli ETF sono la
tipologia più diffusa
di strumenti
§ exchange traded funds quotati in borsa il cui obiettivo è la d’investimento
Exchange Traded replica dell’andamento di singoli indici (o strategie). passivi
Fund (ETF)
§ le quote sono negoziate in borsa in tempo reale: il prezzo può
quindi cambiare durante tutta la giornata ed è presente uno
spread bid-ask in funzione della liquidità dello strumento
materie prime
§ non essendo fondi non devono rispettare particolari
vincoli normativi (ex. UCITS). Per tale motivo possono
concentrare l’investimento in una sola commodity
(*) Acronimo per Undertakings for Collective Investment in Transferable Securities, si riferisce alla direttiva dell´Unione europea n. 85/611/CEE che stabilisce i termini per il
collocamento nei Paesi membri di fondi con domicilio in uno di questi. La normativa UCITS ha l´obiettivo di semplificare e rendere più trasparenti le regole per la vendita di fondi
all´interno dell´Ue. I fondi che seguono questa direttiva si dicono Fondi Armonizzati.
§ full replication: investimento § funded swap: gli asset dell’ETF sono girati
Meccanismo diretto nei titoli costituenti l’indice alla controparte con la quale viene aperto
di riferimento rispettandone le uno swap in cambio del rendimento
proporzioni dell’indice. La controparte swap pone a
garanzia il collaterale
§ sample replication: l’ETF prende
esposizione a titoli fortemente § unfunded swap: l’ETF acquista asset dalla
correlati con l’indice di riferimento controparte swap (substitute basket), con la
(constituents dell’indice o altri titoli) quale scambia i flussi ricevendo quelli
dell’indice. I titoli detenuti dall’ETF non
necessariamente sono legati all’indice di
riferimento
La replica sintetica genera di norma minor tracking error e ha meno costi di transazione e
ribilanciamento a fronte però di maggiori rischi di controparte e di collaterale
Strategie di portafoglio: gestioni attive, passive e absolute return - 12
13
400
350
300
250
50
0
01
11
99
00
02
03
04
05
06
07
08
09
10
ot 2
3
1
t -1
c-
c-
c-
c-
c-
c-
c-
c-
c-
c-
c-
c-
c-
c-
di
di
di
di
di
di
di
di
di
di
di
di
di
di
400
350
300
real est at e
250
hedge fund
200 bond europa
bond globale
commodit y
150 equit y globale
100 equit y europa
50
0
01
11
99
00
02
03
04
05
06
07
08
09
10
ot 2
3
1
t -1
c-
c-
c-
c-
c-
c-
c-
c-
c-
c-
c-
c-
c-
c-
di
di
di
di
di
di
di
di
di
di
di
di
di
di
14
Strategie di portafoglio: gestioni attive, passive e absolute return - 14
15
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 (ot t )
+
COMMODITIES BONDS COMMODITIES EQUITY REAL ESTATE REAL ESTATE REAL ESTATE COMMODITIES BONDS REAL ESTATE REAL ESTATE BONDS REAL ESTATE EQUITY
rendimento
REAL ESTATE HEDGE FUNDS BONDS COMMODITIES COMMODITIES COMMODITIES EQUITY HEDGE FUNDS HEDGE FUNDS EQUITY EQUITY COMMODITIES EQUITY REAL ESTATE
BONDS REAL ESTATE HEDGE FUNDS HEDGE FUNDS EQUITY EQUITY HEDGE FUNDS EQUITY EQUITY HEDGE FUNDS HEDGE FUNDS HEDGE FUNDS HEDGE FUNDS HEDGE FUNDS
HEDGE FUNDS EQUITY REAL ESTATE REAL ESTATE HEDGE FUNDS HEDGE FUNDS BONDS BONDS REAL ESTATE COMMODITIES BONDS REAL ESTATE BONDS BONDS
-
EQUITY COMMODITIES EQUITY BONDS BONDS BONDS COMMODITIES REAL ESTATE COMMODITIES BONDS COMMODITIES EQUITY COMMODITIES COMMODITIES
>0
Un numero maggiore di asset class investibili non è tuttavia garanzia di buone performance:
l’andamento delle diverse asset class è molto variabile nel tempo
L’ottimizzazione di portafoglio con un obiettivo di rendimento è molto sensibile alle condizioni di mercato,
anche su un orizzonte lungo
Gli scostamenti dal target di rendimento all’interno del periodo possono essere molto marcati
18%
16%
Deviazione Standard 1Y Rolling
14%
12%
10%
Volatilità
8% Iniziale del
Portafoglio
6%
4%
2%
0%
(*): 50% DJST 50 Index TR; 40% JPM Global EMU Index LC TR; 10% EONIA TR Index
Il benchmark identifica il rischio in termini di volatilità dei prezzi di mercato, che a sua volta si
dimostra estremamente volatile nel tempo… a differenza del “profilo di rischio” del risparmiatore
17
Misure di
Tracking error Value at risk
rischio
Cash plus § tasso monetario + spread max di § max 2%. Generalmente il rischio
(spread<100bp) 100 bp per i prodotti Cash+ è associabile
§ orizzonte temporale: circa 1 anno a quello di un prodotto monetario
130 10%
Target: Euribor+100 bp
9%
125
8%
120 7%
JP Morgan Emu Government
Correlazione con Jpm 6%
115 Emu Govt < 20%
5%
110 Absolute return fund 4%
105 3%
2%
100
JP Morgan Emu Government 1%
Absolute return fund
95 0%
ago-06
ago-07
ago-08
giu-06
ott-06
ott-08
ago-09
ago-10
dic-06
giu-07
ott-07
feb-07
apr-07
dic-07
feb-08
apr-08
giu-08
dic-08
giu-09
ott-09
giu-10
feb-09
apr-09
dic-09
feb-10
apr-10
ago-06
ago-07
ago-08
ago-09
ago-10
giu-06
ott-06
giu-10
dic-06
giu-07
ott-07
giu-09
ott-09
feb-07
apr-07
dic-07
feb-08
apr-08
giu-08
ott-08
dic-08
feb-09
apr-09
dic-09
feb-10
apr-10
Performance in linea con il target di Volatilità in crescita, ma allineata al
rendimento fino ad ottobre 2007... benchmark obbligazionario
§ Entrambe le modalità sono diffuse sul mercato, ed entrambe hanno degli svantaggi
dal punto di vista dell’investitore:
§ la prima può determinare un maggiore rischio preso dal gestore specialmente in
corrispondenza delle date di rilevazione della performance
§ la seconda abbassa la probabilità di raggiungere il rendimento target
§ Asset class sottostanti: le più diffuse combinazioni di asset class in cui si è soliti
investire sono le seguenti:
§ solo obbligazioni (è la soluzione più praticata e permette di diversificare per
strategia, valuta, credit spread, posizionamento sulla curva, spread tra paesi, …);
§ obbligazioni e azioni;
§ valute
§ Protezione del capitale: generalmente sono prodotti a capitale protetto e non garantito
poiché, altrimenti, i costi sarebbero tali da non permettere l'offerta di soluzioni
interessanti e concorrenziali rispetto ad altre alternative di mercato
§ Leva e uso di derivati: l’uso della leva è generalmente molto limitato. Si ricorre ai
derivati per la creazione di puro alpha (coprendosi dal rischio di mercato) o per
permettere una gestione più efficiente (qualora si amministrino piccoli patrimoni)
§ Beta:
• Rendimento derivante dal rischio di
mercato
• Componente passiva
Alpha
Rendi- § Alpha:
mento = • Extra-rendimento (aggiustato per il
rischio) rispetto all’indice di
del Beta mercato
portafoglio • Gestione attiva
• Competenze distintive del gestore
• Risultato di un particolare stile
d’investimento
180
Gestione attiva o
170
alpha
160
150
140
130 Esposizione di
120 mercato o beta
110
100
90
07/05
01/05
03/05
05/05
09/05
01/06
03/06
05/06
01/04
03/04
05/04
07/04
09/04
07/06
09/06
11/04
11/05
11/06
Strategie di portafoglio: gestioni attive, passive e absolute return - 27
Portable
Alpha
Portable Portable
Alpha Alpha
Portable
Alpha
Fixed
Liability
Income
Cash
Fonte: AXA
FONDO FONDO
AZIONARIO USA ABSOLUTE RETURN
Total return swap S&P 500 / Euribor
Alpha Alpha
Fondo az. USA Fondo az. USA
S&P 500
- S&P 500
Performance
+ Euribor
Performance
= Euribor
Performance Performance
Fonte: AXA
Coerenza con § La strategia Portable Alpha consente di estrarre il valore del gestore (capacità
view di mercato di generare extra-rendimento) e di utilizzarla come fonte di rendimento
autonoma, associabile ad altri fattori di rischio di mercato:
• Esempio: bravo gestore Japan, ma view negativa sul Japan: strategia
Portable Alpha e “trasporto” dell’alpha accoppiandolo al beta di un
altro mercato, ad esempio l’obbligazionario euro
• Una volta estratto l’alpha, se viene associato ad un beta risk-free si
ottiene una strategia Absolute Return (non negli altri casi!)
Diversificazione
fonti di § La strategia Portable Alpha consente di ampliare il numero delle fonti di Alpha,
rendimento attingendo alle capacità dei migliori gestori presenti sul mercato
32
Il primo passo per implementare la strategia Portable Alpha è quello di identificare dei buoni
candidati Alpha
Strategie di portafoglio: gestioni attive, passive e absolute return - 32
Portable alpha: come selezionare gli alpha? (1|2)
Questo fondo non è un buon candidato per estrarre alpha: pur in presenza
di bull market il gestore non è mai riuscito a sovraperformare il mercato
+185%
Fondo USA A
Alpha (cumulato)
-7%
+35%
Fondo USA B
-7%
Alpha (cumulato)
In questo caso una strategia portable alpha avrebbe consentito di estrarre valore
da un buon gestore (anche con mercato negativo) e implementare una strategia
absolute return…
Alpha +
Risk-free
Risk-free
Fondo USA B
Alpha +
Beta alternativo
Beta alternativo
(Bond EMU)
Fondo USA B
azionario obbligazionario
azionario
obbligazionario
§ L’approccio risk parity parte dal principio secondo cui è necessario bilanciare ed equipesare i
diversi contributi al rischio (a livello di asset class e di singolo prodotto)
§ Solo successivamente, e dinamicamente, vengono determinati i pesi delle diverse asset class
monetario obbligazionario
obbligazionario
• Shock molto veloci e concentrati (es. crolli azionari nel giro di pochi giorni)
Strumenti § Gli algoritmi si basano sui principali indicatori di rischio come value-at-
risk, volatilità, curtosis e stress test
§ Le coperture avvengono di norma tramite derivati
Pur non esistendo una definizione univoca di hedge funds, in pratica si tratta di fondi
di investimento che utilizzano una gamma di strumenti molto più ampia
rispetto ai fondi tradizionali con l’obiettivo di generare performance in tutte le
fasi di mercato.
Gli hedge fund sono caratterizzati da un’elevata flessibilità operativa dato che
possono:
§ assumere posizioni corte (short) per fini di copertura e speculativi;
§ rimanere liquidi (investimento in cash o strumenti del mercato monetario);
§ utilizzare derivati (swap, opzioni e future);
§ sfruttare la leva finanziaria (quindi ricorrere all’indebitamento)
Hedge Funds
Fondi tradizionali vs. Fondi absolute return e hedge funds
Approccio tradizionale Approccio absolute return
Fondo comune Fondo comune Hedge fund
Flessibilità Limitata (limiti all’investimento, no leverage, no vendita allo Possibilità di utilizzo della leva
operativa scoperto) e di vendita allo scoperto
Hedge Funds
Collocamento nella mappa «alpha e beta»
Gli hedge fund sono fortemente dipendenti dalle abilità del gestore, che può implementare una
range di strategie da “market neutral” (zero-beta) a strategie fortemente dipendenti dal mercato
“beta >=1”
Gestioni Gestioni
absolute Attive
(alpha)
return
Gestioni
Passive
bassa
Dipendenza da trend di mercato
bassa alta
(beta)
Le strategie opportunistiche o
direzionali
Le strategie
di arbitraggio o non direzionali
Rischio
Strategie di portafoglio: gestioni attive, passive e absolute return - 45
HFR CSFB/Tremont
Nella storia gli hedge fund mostrano un profilo di rendimenti più conservativo rispetto alle azioni
4 3.5%
2 1.5%
0
-0.6%
-2
-4
-4.0% cs/tremont hf
msci world
-6
Fonte: HFR
-1.58%
-5% -5%
-4.91%
-8.17%
-8.92%
-15% -13.59%
-15%
-16.30%
-16.94%
-20.50% -19.05%
-20.90%
-25%
HFR Funds of S&P 500 MSCI World Russell 2000 Nasdaq 100 -25%
Funds HFR Funds of S&P 500 MSCI World Russell 2000 Nasdaq 100
Composite Funds
Index Composite Index
Fonte: Bloomberg
I fondi c.d. Equity Hedged, possono assumere sia posizioni positive (long) sia negative (short)
sui titoli azionari: essi mostrano una direzionalità ma “attenuata” dalle posizioni corte. Il risultato
è una minor partecipazione alla discesa del mercato azionario
Euro Cris is 0 5 11-09 11 Lehman 08 0 8-11 0 8 Sub Prime 11 07 -0 2 08 Acct. Scan dal 06 02-09 0 2 Bear M arket 02 01 -0 3 01
0.0 0%
-5.00 %
-10.0 0%
-15.0 0%
-20.0 0%
-25.0 0%
-30.0 0%
-35.0 0%
Come si nota in figura l’indice HFRI Equity Hedge (in verde) nei momenti di crisi,
mostra diminuzioni meno accentuate dell’indice azionario MSCI world (in blu). Fonte: HFRI and Bloomberg, USD, Set 12.
Le strategie Global Macro e Relative Value hanno dato rendimenti positivi anche in molte fasi di stress
di mercato. Quando negativi, i rendimenti sono stati più contenuti di quelli azionari. I rendimenti hanno
mostrato un buon grado di decorrelazione dal mercato obbligazionario - fattore potenzialmente sempre
più importante in un prossimo futuro
HRFI Relative value (total) Index HRFI Macro Systematic Diversified Inex
HFRI Macro Index MSCI World
Acct. Scandal 06 02-09 02 Gulf War 12 02-03 03 Sub Prime 11 07-02 08 Lehman 08 08-11 08 Euro Crisis 04 12-05 12
10.00%
5.00%
0.00%
-5.00%
-10.00%
-15.00%
-20.00%
-25.00%
-30.00%
-35.00%
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec YTD
%MTD %MTD %MTD %MTD %MTD %MTD %MTD %MTD %MTD %MTD %MTD %MTD %MTD
2021 -0.99 2.56 3.33 4.65 1.44 1.49 1.79 2.49 -4.15 - - - 13.04
2020 -0.61 -8.45 -13.23 10.92 4.83 2.65 4.78 6.68 -3.45 -3.07 12.79 4.24 15.90
2019 7.78 3.01 1.31 3.55 -5.77 6.59 0.50 -2.05 2.13 2.54 2.79 3.00 27.67
2018 5.28 -4.14 -2.18 1.15 0.63 -0.05 3.12 1.24 0.56 -7.34 1.14 -7.60 -8.71
2017 2.41 2.77 1.07 1.48 2.12 0.38 2.39 0.14 2.24 1.89 2.17 1.35 22.40
2016 -5.98 -0.74 6.79 1.58 0.56 -1.12 4.22 0.08 0.53 -1.94 1.44 2.39 7.51
2015 -1.81 5.86 -1.57 2.35 0.34 -2.33 1.80 -6.62 -3.69 7.92 -0.50 -1.76 -0.87
2014 -3.70 5.01 0.14 1.02 1.97 1.79 -1.60 2.20 -2.71 0.65 2.00 -1.61 4.94
2013 5.09 0.17 2.34 3.15 0.04 -2.46 5.26 -2.13 5.00 3.91 1.78 2.12 26.68
2012 5.02 4.88 1.29 -1.14 -8.63 5.10 1.29 2.54 2.75 -0.68 1.28 1.88 15.83
2011 2.26 3.50 -0.99 4.25 -2.07 -1.58 -1.81 -7.05 -8.64 10.34 -2.44 -0.06 -5.54
2010 -4.13 1.41 6.19 0.01 -9.58 -3.43 8.11 -3.73 9.32 3.73 -2.16 7.35 11.76
2009 -8.76 -10.24 7.54 11.22 9.06 -0.45 8.47 4.13 3.99 -1.78 4.09 1.80 29.99
2008 -7.64 -0.58 -0.96 5.26 1.52 -7.98 -2.44 -1.40 -11.89 -18.96 -6.47 3.21 -40.71
2007 1.18 -0.52 1.83 4.41 2.80 -0.77 -2.21 -0.08 4.76 3.07 -4.09 -1.29 9.04
2006 4.47 -0.15 2.20 3.04 -3.42 -0.03 0.62 2.60 1.19 3.67 2.45 2.03 20.07
2005 -2.25 3.17 -1.94 -2.18 1.78 0.87 3.49 0.75 2.60 -2.43 3.33 2.22 9.49
2004 1.60 1.67 -0.66 -2.05 0.91 2.05 -3.26 0.44 1.89 2.45 5.25 3.82 14.72
2003 -3.05 -1.75 -0.33 8.86 5.69 1.72 2.02 2.15 0.60 5.92 1.51 6.27 33.11
2002 -3.04 -0.88 4.40 -3.40 0.17 -6.08 -8.44 0.17 -11.01 7.37 5.38 -4.86 -19.89
2001 1.93 -8.46 -6.59 7.37 -1.30 -3.15 -1.34 -4.81 -8.82 1.91 5.90 0.62 -16.82
2000 -5.74 0.26 6.90 -4.24 -2.54 3.35 -2.83 3.24 -5.33 -1.69 -6.08 1.60 -13.18
1999 2.18 -2.67 4.15 3.93 -3.67 4.65 -0.31 -0.19 -0.98 5.18 2.80 8.08 24.93
1998 2.77 6.75 4.21 0.96 -1.27 2.36 -0.18 -13.35 1.75 9.02 5.93 4.87 24.34
1997 1.19 1.13 -2.00 3.25 6.15 4.97 4.59 -6.71 5.42 -5.28 1.75 1.20 15.76
1996 1.79 0.59 1.64 2.33 0.07 0.49 -3.55 1.13 3.89 0.68 5.58 -1.62 13.48
1995 -1.53 1.43 4.80 3.46 0.83 -0.05 4.98 -2.25 2.89 -1.60 3.45 2.90 20.72
1994 6.57 -1.32 -4.33 3.07 0.23 -0.30 1.88 2.99 -2.65 2.82 -4.36 0.94 5.08
1993 0.30 2.34 5.77 4.61 2.28 -0.86 2.03 4.56 -1.87 2.73 -5.68 4.87 22.50
1992 -1.88 -1.76 -4.74 1.36 3.95 -3.38 0.22 2.40 -0.95 -2.74 1.76 0.78 -5.23
1991 Hedge 3.62 funds
9.22 have0.75historically
-2.98 2.24 -6.20outperformed
4.69 -0.35 2.59 1.59 -4.39 7.25 18.28
1990 -4.69 -4.32 -6.07 -1.47 10.50 -0.74 0.88 -9.39 -10.58 9.30 -1.68 2.06 -17.02
the markets over the long term, driven by
Source: UBS Hedge Fund Solutions, Bloomberg, HFRI, data as of September 2021. Returns of -4% or below are highlighted in red.
their focus on protecting capital in falling Strategie di portafoglio: gestioni attive, passive e absolute return - 53
5
markets.
Figure 2: Hedge funds- absolute return focus (HFRI Fund Weighted Composite)
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec YTD
%MTD %MTD %MTD %MTD %MTD %MTD %MTD %MTD %MTD %MTD %MTD %MTD %MTD
2021 1.22 3.67 0.77 2.21 1.34 0.54 -0.91 0.78 0.13 - - - 10.09
2020 -0.45 -2.28 -9.08 4.52 2.38 2.02 2.97 2.37 -0.93 0.17 5.86 4.59 11.83
2019 3.50 1.31 0.59 1.33 -1.89 2.29 0.44 -0.78 -0.20 0.59 1.05 1.89 10.45
2018 2.31 -1.80 -0.51 0.38 0.88 -0.40 0.45 0.33 -0.26 -3.20 -0.37 -2.54 -4.75
2017 1.20 0.90 0.39 0.53 0.19 0.30 1.07 0.49 0.65 1.03 0.46 1.06 8.58
2016 -2.60 -0.03 2.08 1.03 0.37 0.41 1.88 0.43 0.65 -0.59 0.77 1.01 5.46
2015 -0.04 1.88 0.37 0.95 0.59 -1.23 -0.51 -2.39 -1.38 1.73 0.16 -1.15 -1.11
2014 -0.54 1.97 -0.29 -0.22 0.92 1.30 -0.63 1.25 -0.92 -0.40 0.78 -0.23 2.98
2013 2.51 0.11 0.95 0.63 0.48 -1.47 1.30 -0.70 1.58 1.51 0.89 1.05 9.13
2012 2.78 2.06 -0.18 -0.51 -2.61 0.29 0.87 0.82 1.31 -0.38 0.41 1.44 6.37
2011 0.41 1.23 0.06 1.48 -1.20 -1.18 0.23 -3.21 -3.89 2.69 -1.35 -0.45 -5.25
2010 -0.76 0.66 2.49 1.19 -2.89 -0.95 1.61 -0.13 3.48 2.14 0.19 2.95 10.24
2009 -0.09 -1.21 1.66 3.60 5.15 0.25 2.50 1.30 2.79 -0.20 1.52 1.28 20.01
2008 -2.69 1.50 -2.24 1.63 1.87 -1.33 -2.29 -1.44 -6.13 -6.84 -2.67 0.15 -19.03
2007 1.10 0.68 0.96 1.77 1.99 0.73 0.08 -1.53 2.69 2.85 -2.20 0.53 9.95
2006 3.49 0.45 1.95 1.87 -1.56 -0.24 -0.18 1.01 0.18 1.77 2.07 1.48 12.89
2005 -0.21 1.83 -0.87 -1.50 1.04 1.59 2.30 0.82 1.93 -1.41 1.66 1.82 9.27
2004 1.98 1.19 0.51 -1.48 -0.31 0.75 -0.96 0.12 1.65 0.84 2.84 1.65 9.03
2003 0.65 0.02 0.14 2.64 3.58 1.35 1.30 1.83 1.16 2.45 1.06 1.87 19.55
2002 0.45 -0.70 1.91 0.28 0.04 -1.94 -2.86 0.53 -1.54 0.59 2.12 -0.21 -1.45
2001 3.39 -2.21 -1.59 1.95 1.19 0.29 -0.83 -0.41 -2.83 2.01 2.07 1.71 4.62
2000 0.64 6.16 0.93 -2.85 -1.96 3.68 -0.60 3.81 -1.24 -1.79 -3.49 2.07 4.98
1999 2.24 -1.32 3.14 4.50 0.72 3.63 0.52 -0.01 0.16 1.60 5.06 7.65 31.29
1998 -0.71 3.27 3.00 0.96 -2.08 -0.13 -0.79 -8.70 0.69 1.22 3.71 2.79 2.62
1997 3.17 1.03 -1.64 -0.11 4.38 2.70 3.87 0.34 3.72 -1.53 -0.93 0.88 16.79
1996 2.89 1.23 1.46 3.96 3.05 0.18 -2.08 2.28 2.07 0.98 2.08 1.33 21.10
1995 -0.22 1.31 1.65 2.10 1.70 2.48 3.20 2.20 1.96 -0.65 1.89 2.08 21.50
1994 2.50 -0.55 -1.51 -0.59 0.68 0.27 1.35 2.46 0.89 -0.03 -1.27 -0.08 4.10
1993 2.32 1.34 3.06 1.49 2.60 2.62 2.09 2.93 1.58 3.18 0.15 3.91 30.88
1992 3.84 2.14 0.59 0.30 1.84 -0.41 2.08 -0.27 1.94 2.11 2.80 2.53 21.22
1991 2.59 4.02 4.95 1.34 1.98 0.41 2.62 2.06 2.32 1.83 0.27 3.95 32.19
1990 -2.11 1.54 3.21 -0.04 3.05 2.10 1.50 -3.45 -1.96 -0.04 0.75 1.35 5.81
Source: UBS Hedge Fund Solutions, Bloomberg, HFRI, data as of September 2021. Returns of -4% or below are highlighted in red.
6
Strategie di portafoglio: gestioni attive, passive e absolute return - 54
dge funds have Figure 3: Hedge fund performance compared to equities and fixed income
justed returns
nd bonds HFRI Fund Weighted MSCI World Total Return (Net) USD
Citigroup Broad Investment Grade Index
cally outperformed
g term, driven by 4000 Over the long term hedge funds have Figure 3: Hedge fund performance compared to equities
capital in falling produced high risk-adjusted returns
es the path to 3500 compared to stocks and bonds
Citigroup Broad Investment Grade Index HFRI Fund Weighted MSCI Wor
tive returns nearer Hedge funds have historically outperformed
o the goal of the markets over the long term, driven by
3000 4000
s in most, if not all, their focus on protecting capital in falling
dge fund markets. Losing less makes the path to
2500 3500
ly helped reduce recovery shorter and positive returns nearer
d enhanced at hand, which is central to the goal of
2000 3000
red to traditional producing positive returns in most, if not all,
fund allocations. market environments. Hedge fund
1500 2500
allocations have historically helped reduce
nds volatility in a portfolio and enhanced
1000 2000
stors with
nds have Figure 3: Hedge fundlong-term performancereturns,compared
compared to totraditional
equities and fixed income
enefits,
returnsattractive portfolios without hedge fund allocations.
xposure to the 500 1500
ds HFRI Fund Weighted MSCI World Total Return (Net) USD
Citigroup Broad Investment Grade Index
ue proposition has
performed Investing in hedge funds
e fundsbyto preserve 0 Hedge funds present investors with 1000
driven 4000
nh falling
negative market potential
'01 '02 '03 '04 '05diversification
'06 '07 '08 '09benefits,
'10 '11attractive
'12 '13 '14 '15 '16 '17 '18 '19 '20 '21
to
ath tocapture a market capture and low exposure to the 500
3500
ns
rnsduring
nearerpositive broader markets. This value proposition has
Source: Bloomberg, UBS Hedge Fund Solutions, HFRI. Data as of 30 September 2021. Past performance
b). of
oal historically enabled hedge funds to preserve
is not a guide to future performance. 0
3000 capital during months with negative market '01 '02 '03 '04 '05 '06 '07 '08 '09 '10 '11 '12 '13 '14 '15
t, if not all,
returns, while attempting to capture a Strategie di portafoglio: gestioni attive, passive e absolute return - 55
d
2500 greater percentage of gains during positive
d reduce
protection and upside capture Figure 4b: Downside protection and upside
Source: capture
Bloomberg, UBS Hedge Fund Solutions, HFRI. Data as of 30 Septem
months (Figures 4a and 4b). is not a guide to future performance.
ced compared to fixed income
2000
raditional
urn): 7.9% annualized return FTSE US Broad Investment Grade Bond Index: 5.9% annualized return
ocations.
site: 6.6% annualized return HFRI Fund of Funds Composite: 6.6% annualized return
1500 Figure 4a: 4 Downside protection and upside capture Figure 4b: Downside protection and
3.3 compared to equities compared to fixed income
1.1 2
0.7 1.0
th 1000 MSCI World Index (total return): 0.4
7.9% annualized return FTSE US Broad Investment Grade Bond Index: 5.9%
0
attractive HFRI Fund of Funds Composite: 6.6% annualized return HFRI Fund of Funds Composite: 6.6% annualized r
-0.7
4 -2 4
e to the 500
2 -4 3.3 2
osition has 1.1
0.4
to preserve
ment, 0
Bloomberg, Macrobond.
0
Data as of January Source: UBS Asset Management, Bloomberg, Macrobond. Data as of January
0
-0.5 -0.7
ive 2021.
30, market '01 '02 '03 '04 '05 1, 1990
-2 '06 '07 '08 through
'09 '10 September
'11 '12 '1330,'142021.
'15 '16 '17 '18 '19 '20 '21 -2
-3.6
ure a -4 -4 7
g positive
Source: Bloomberg, UBS Hedge Fund
Source: UBSSolutions, HFRI. Data as
Asset Management, of 30 September
Bloomberg, 2021.Data
Macrobond. Pastas
performance
of January Source: UBS Asset Management, Bloomberg, M
is not a guide to future performance.
1, 1990 through September 30, 2021. 1, 1990 through September 30, 2021.
ion and upside capture Figure 4b: Downside protection and upside capture
compared to fixed income
annualized return FTSE US Broad Investment Grade Bond Index: 5.9% annualized return
annualized return HFRI Fund of Funds Composite: 6.6% annualized return
4
3.3 2
1.1 1.0 0.7
0.4
0
-0.7
-2
-4
omberg, Macrobond. Data as of January Source: UBS Asset Management, Bloomberg, Macrobond. Data as of January
. 1, 1990 through September 30, 2021.
7
Strategie di portafoglio: gestioni attive, passive e absolute return - 56
Strategie degli hedge funds
Rendimenti delle strategie hedge fund (1|3)
Le diverse strategie hedge mostrano rendimenti molto variabili nel tempo…
2000-09 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2010-19
CTA/Managed Distressed Distressed Long Short CTA/Managed Distressed Long Short Distressed
Fixed Income Arbitrage Macro Macro
Futures Debt Debt Equities Futures Debt Equities Debt
13.6 22.7 4.4 14.3 16.3 9.8 5.1 14.1 13.0 3.3 7.6 3.7
CTA/Managed Distressed Long Short Long Short Long Short
Multi-Strategy Event Driven Fixed Income Multi-Strategy Event Driven Event Driven Fixed Income
Futures Debt Equities Equities Equities
12.6 15.7 2.3 11.7 15.4 5.3 3.7 10.6 10.0 0.1 7.0 5.3
Distressed CTA/Managed Relative Value Relative Value
Arbitrage Event Driven Event Driven Macro Multi-Strategy Multi-Strategy Fixed Income Fixed Income
Debt Futures
12.4 13.5 1.2 11.2 14.4 5.2 2.5 7.5 9.2 -0.1 6.4 5.9
Distressed Relative Value Relative Value
Macro Fixed Income Multi-Strategy Fixed Income Macro Fixed Income Arbitrage Multi-Strategy Multi-Strategy
Debt
11.7 13.0 1.1 9.8 8.3 4.4 2.1 6.7 7.0 -0.5 5.7 4.8
Relative Value Relative Value Relative Value Long Short Long Short Relative Value Distressed
Arbitrage Multi-Strategy Macro Event Driven Event Driven
Equities Equities Debt
11.7 12.9 0.9 8.5 7.5 3.9 2.1 5.6 7.0 -2.9 5.7 6.1
Long Short Relative Value Relative Value CTA/Managed
Event Driven Macro Multi-Strategy Arbitrage Fixed Income Event Driven Arbitrage Arbitrage
Equities Futures
11.3 10.8 0.5 7.9 7.0 3.5 1.1 4.9 6.5 -3.1 4.8 4.7
Long Short Long Short CTA/Managed CTA/Managed
Multi-Strategy Multi-Strategy Arbitrage Fixed Income Arbitrage Fixed Income Arbitrage Multi-Strategy
Equities Equities Futures Futures
10.9 9.7 -1.2 7.2 5.9 3.5 1.0 3.8 5.6 -3.6 4.2 3.4
CTA/Managed Relative Value Relative Value
Fixed Income Arbitrage Event Driven Macro Macro Event Driven Event Driven Macro Macro
Futures
8.8 8.7 -4.4 4.9 4.4 3.2 -0.5 3.4 4.4 -3.7 3.4 5.3
Long Short CTA/Managed CTA/Managed Distressed Distressed CTA/Managed CTA/Managed Long Short Distressed Distressed
Arbitrage Macro
Equities Futures Futures Debt Debt Futures Futures Equities Debt Debt
8.8 7.6 -5.9 2.8 0.7 1.8 -4.2 2.3 2.5 -6.3 0.8 7.3
Le volatilità dei rendimenti delle diverse strategie appaiono molto diversificate, ma in ogni
caso si collocano su valori inferiori rispetto a quelle deli indici azionari.
§ Scelta dei gestori all’interno di ciascuna § Dispersione dei rendimenti, a parità di strategia, tra i
strategia diversi gestori specializzati
§ Questo è il primo passo che differenzia realmente il mondo degli hedge fund dalle
asset class tradizionali
§ Selezionare i migliori HF tra tutte le strategie è cruciale per creare un FOHF di successo.
Ciascuna strategia ha
un’esposizione differente ai
principali fattori di rischio:
rischio/opportunità di
investire in un prodotto
single-strategy
Peggioramento della
Si manifesta quando un RISCHIO DI capacità di far fronte ai
dato hedge fund deve CREDITO propri impegni dei
uscire da una posizione ma, soggetti in cui il fondo è
a causa della scarsa
RISCHIO investito o delle
liquidità del mercato, può OPERATIVO controparti con cui si
farlo solo conseguendo un hanno aperte posizioni
sacrificio in termini di
prezzi di scambio
Nel caso degli hedge funds è opportuno utilizzare diverse di misure di rischio e performance
complesse in grado di cogliere aspetti diversi della gestione: volatilità dei rendimenti, ma
anche maximum draw-down, Value-at-Risk (VaR), expected shortfall (conditional VaR),
Sharpe –ratio, Sortino-ratio,… ecc.
Convertible Arbitrage Index -27,8% 7 7,2% 5,8% ott-08 -12,6% 4,8% 10,8% 0,39 0,48
Equity Market Neutral Index -42,7% 5 10,9% 10,5% nov-08 -40,5% 7,4% 17,7% 0,11 0,12
Event Driven Index -16,9% 7 6,1% 4,5% ago-98 -11,8% 4,1% 8,9% 0,91 1,22
Global Macro Index -21,0% 4 10,4% 6,4% ott-98 -11,6% 7,0% 9,3% 0,78 1,25
Equity Long/Short Index -21,3% 6 10,1% 6,4% ago-98 -11,4% 6,8% 8,0% 0,57 0,91
Fixed Income Arbitrage Index -26,1% 7 6,1% 5,4% ott-08 -14,0% 4,1% 8,9% 0,01 0,01
Managed Futures Index -13,9% 6 11,8% 7,8% set-95 -9,4% 7,9% 7,9% 0,18 0,27
Emerging Markets Index -29,2% 6 15,7% 11,4% ago-98 -23,0% 10,5% 17,0% 0,21 0,28
Dedicated Short Bias Index -31,6% 10 17,0% 11,9% apr-09 -9,6% 11,4% 9,6% -0,37 -0,53
Percentuale di mesi
Eccesso di rendimento
positivi sul totale delle
rispetto al tasso risk-free
osservazioni
rapportato alla rischiosità del
portafoglio
Kurtosis
MIGLIOR
QUADRANTE
Thin-tails Fondi con asimmetria a Fondi con asimmetria a
(code basse) sinistra e “thin tails” destra e “thin tails”
Asimmetria Asimmetria
negativa positiva
Skewness
Strategie di portafoglio: gestioni attive, passive e absolute return - 67
A livello di singolo fondo hedge, almeno nel 50% dei casi (in termini di numero) la causa di fallimento è
dovuta a rischi operativi
Rischi
Operativi
50%
Investment
Risk
38%
Business Risk
6%
Rischi Multipli
6%
30%-40%
20%-30%
10%-15% 4%-6%
5%-9%
altro
Struttura del Fondo
Trading non autorizzato
inadeguata
Struttura inadeguata: sistemi di risk
Trading al di fuori del mandato ricevuto dagli
management, procedure non adeguate, staff
investitori
insufficiente, carenze tecnologiche
§ riscatti: pesanti riscatti nel 2008 per tutta l’industria hf, che ha comportato lo smobilizzo del
portafoglio in condizioni di mercato critiche (finanziamenti scarsi ed instabili, bassa liquidità del
mercato, valutazioni estreme ed irrazionali)
§ gates e side pockets : molti hedge funds sono stati costretti ad applicare gates per l’uscita ed
allungare i tempi di liquidazione e creare shares di side pockets per la parte illiquida di portafoglio
§ esposizione al mercato: hanno diminuito drasticamente l’esposizione ai mercati durante il pesante
sell-off del 2008
§ liquidità: aumento consistente del cash nei portafogli dal 14% del 2007 al 25-30% di fine 2008
§ leva: la leva media degli hedge funds è calata drasticamente
§ rischio controparte: con il default di Lehman e la difficoltà di molti intermediari finanziari, gli hedge
funds hanno dovuto rivedere completamente lo spettro di controparti da utilizzare
§ short selling: le limitazioni imposte hanno colpito molti gestori che avevano posizioni corte sul
settore finanziario e non sono servite a limitare il drawdown del mercato
Università di Bologna
Corsi di laurea: CLAMFIM e EPELM
Corso di Teoria del Portafoglio e Analisi degli Investimenti
La valutazione della performance di un portafoglio finanziario deve avvenire sulla base di criteri il più possibile
oggettivi, prendendo in esame le misure e gli indicatori (di rendimento, di rischio, di performance corretta per il
rischio, performance contro benchmark, etc.) che la letteratura finanziaria mette a disposizione, calcolandoli in termini
relativi qualora si voglia effettuare il confronto tra più gestori.
Nella realtà, invece, si assiste ad una dicotomia nel valutare l’investimento tra i due principali attori:
Il rendimento non è uno strumento sufficiente alla valutazione e alla comprensione del
comportamento di un gestore.
Per una corretta interpretazione dei risultati è necessario associare un’analisi del rischio al
quale il gestore si è esposto per ottenere quel rendimento.
I passaggi che ci avvicinano alla definizione del problema della valutazione della performance di un portafoglio sono
molteplici.
Il primo passo verso la comprensione dei processi di valutazione della performance di un portafoglio passa attraverso
la definizione di rendimento e rischio, che costituiscono la base per l’applicazione di misure più complesse, sia in
termini algoritmici che in termini di rilevanza dei risultati ottenuti per le diverse tipologie di investitore.
Gli investitori istituzionali affidano i loro patrimoni in gestione ai portfolio manager sulla base di un mandato di
gestione indicante le seguenti specifiche:
Vincoli gestionali:
...
Risk budget:
VaR
Assunzione di un livello di rischio che non sia troppo basso da non produrre valore sufficiente a
coprire le commissioni di gestione e che non sia troppo alto da mettere a repentaglio gli obiettivi,
anche solo di breve periodo dell’investitore
L’attività di misurazione e valutazione ex-post delle performance dei gestori rappresenta una
componente del processo degli investimenti degli investitori istituzionali fondamentale in quanto:
I processi di valutazione ex-post delle performance implementati attribuiscono inoltre particolare attenzione alla
tematica della misurazione dei rischi.
La quantificazione e qualificazione ex-post dei rischi permette infatti agli investitori istituzionali di controllare come il
portfolio manager ha utilizzato il budget di rischio.
Analisi della performance sia assoluta (c.d. perf. Contribution) sia relativa (c.d. perf. Attribution)
Analisi del rischio sia assoluto (Risk Contribution) sia relativo (Risk Attribution)
Analisi dell’efficienza assoluta (Sharpe Ratio, Sortino Ratio, …) e relativa (Tracking Error, Tracking Error
Volatility, Information Ratio)
Identificazione delle capacità del gestore rispetto al mercato di riferimento (indicatori CAPM), rispetto a
determinate fasi di mercato (market skill), rispetto a gestori c.d. comparables (persistenza)
Gli investitori istituzionali sono particolarmente attenti alla valutazione ex-ante dei
Benchmark
Asset
Allocation Performance
Portafoglio
Performance
Performance attribution Risk management measurement
e analysis
Un processo di investimento completo non può quindi prescindere dalla necessaria valutazione ex-post
degli investimenti. Questa attività, funzionale sia alla fase di selezione degli investimenti che al
successivo monitoraggio dei medesimi, deve tenere in considerazione sia le diverse tipologie di
strumenti finanziari che la componente in cui questi vengono inseriti.
Le gestioni/fondi “absolute return” vengono valutate in relazione all’Alpha Absolute creato e del
livello assoluto di rischio assunto. Per esempio, nell’attribuzione di un mandato di gestione a
rendimento assoluto verranno stabiliti tre parametri principali: il rendimento obiettivo (espresso
come un tasso monetario più il Core Spread), il budget di rischio assoluto (tipicamente
espresso come vincolo massimo di Value-at-Risk, di volatilità o come livello di protezione del
capitale) e l’orizzonte temporale (di solito annuale).
La valutazione a posteriori, oltre a verificare il rispetto dei vincoli contrattuali prestabiliti, mira
ad analizzare i risultati sia in termini di redditività che di utilizzo del budget di rischio assegnato.
Le gestioni in hedge funds possono assolvere funzioni differenti. In primo luogo servono a
stabilizzare il rendimento rispetto al target di redditività del portafoglio: i prodotti adeguati a
questo scopo sono tipicamente di tipo multistrategy e prevalentemente non direzionali. Al
contrario, il perseguimento degli obiettivi di medio e lungo termine richiede prodotti che siano
prevalentemente specializzati per famiglie di strategie i cui rendimenti dipendano da quelli di
particolari mercati.
In entrambi i casi, la valutazione di questi prodotti deve essere molto attenta alla strategy allocation
perseguita dal gestore.
Metodologie di analisi della performance e del rischio dei portafogli finanziari - 14
Metodi di calcolo della performance
Rendimento di periodo e multiperiodale (1 di 4)
V (1) - V (0)
R(0,1) = *100
V (0)
Il rendimento medio aritmetico viene calcolato come media semplice dei rendimenti ottenuti nei
sottoperiodi:
Il rendimento medio geometrico viene calcolato come media geometrica dei rendimenti ottenuti nei
sottoperiodi:
1
R(t0 , tn ) = [(1 + R(t0 )) * (1 + R(t1 )) *... * (1 + R(tn ))] n - 1
esso esprime la misura della crescita del capitale investito non effettuando alcun prelievo.
Il rendimento calcolato con la metodologia della media geometrica è inferiore a quello determinato
tramite media aritmetica*.
Le due misure forniscono risultati differenti in quanto rispondono a esigenze conoscitive diverse.
La differenza tra le due medie risulta tanto più piccola quanto più la variazione dei rendimenti nei
sottoperiodi (settimana) è minore.
* Attraverso l’applicazione delle due metodologie è possibile pervenire al medesimo risultato qualora i rendimenti
settimanali siano tutti identici e quindi la deviazione standard sia nulla.
100% − 50%
𝑅!" = = 25%
2
$
𝑅!# = 1 + 100% ∗ 1 − 50% % − 1 = 0%
All’aumentare della volatilità dei rendimenti, emerge un fattore fondamentale: il rendimento medio
aritmetico NON tiene conto della sequenza temporale dei rendimenti! La misurazione risulta
distorta rispetto all’impatto effettivo dell’investimento (capitale invariato).
Altro elemento da considerare è il tema del diverso metodo di valutazione del rendimento per tenere
conto dei flussi in entrata e/o in uscita dal portafoglio nel periodo di calcolo.
Rileva in tal senso la dicotomia tra time-weighted rate of return (TWRR) e money-weighted rate of
return (MWRR):
n
R(t0 , T ) = Õ [1 + r (i - 1, i )] - 1
i =1
in cui :
V (T ) - V (t0 ) - F (t0 , T )
R(t0 , T ) =
in cui : V (t0 , T )
V (t0 ) : valore iniziale del portafoglio;
V (T ) : valore del portafoglio a fine periodo;
V (t0 , T ) : giacenza media nel portafoglio investito;
F(t 0 , T ) : somma dei flussi di cassa durante il periodo (t0 , T ).
Per periodi di misurazione della performance relativamente brevi e soprattutto per flussi in entrata o
in uscita di ammontare modesto rispetto alle dimensioni del portafoglio le differenze fra le due
misure non sono rilevanti.
Il rendimento time weighted è la misura corretta per valutare la redditività del portafoglio “tipo”
gestito da un asset manager nell’orizzonte temporale di riferimento, perché svincola la valutazione
della gestione dalle scelte di investimento/disinvestimento del risparmiatore: solo con tale misura è
possibile effettuare confronti omogenei tra gestori di portafogli appartenenti alla medesima
categoria.
Esempio
Cl
Rendimento money-weighted -96%
ie
nt
Perdita cliente -49 €
e
𝑅&' = 1 + 300% ∗ 1 − 50% − 1 = 100%
52 − 1 − 100
𝑅!' = = −96%
2 1
1 ∗ + 100 ∗
2 2
Esempio
V (T ) - V (t0 ) - F (t0 , T )
R(t 0 , T) Dietz :
V (t0 ) + 0,5 * F (t0 , T )
Criticità:
2. Alto ammontare dei flussi di cassa rispetto al valore iniziale del portafoglio (10%)
I flussi di liquidità vengono ponderati per il tempo in cui sono a disposizione del gestore:
n CD - Di
V (T ) - V (t0 ) - å Fti Wi =
Esemplificazione
01-giu 10-giu 20-giu 30-giu
Valore patrimonio inizio mese 1000
Conferimenti (+) e prelievi di capitale (-) 500 -250
Valore patrimonio a fine mese 1500
capital gain (espresso dalla variazione nel periodo del valore di mercato del portafoglio)
Per l’investitore istituzionale, invece, la distinzione sta diventando sempre più importante a fronte
di specifiche esigenze gestionali. Si pone infatti la necessità di valutare in modo congiunto le
strutture di Asset and Liabilities, con l’obiettivo di delineare un’asset allocation strategica finalizzata
ad un obiettivo di performance, che sarà pari al tasso interno di rendimento (TIR) del modello di
ALM (asset-liability management).
Metodologie di analisi della performance e del rischio dei portafogli finanziari - 26
Metodi di calcolo della performance
Componenti del rendimento complessivo (2 di 2)
PATRIMONIO
Capital gain
RENDIMENTO
OBIETTIVO
Flusso cedolare
PRESTAZIONI
L’orizzonte temporale breve e la necessità di avere una probabilità molto elevata di raggiungimento
degli obiettivi comporta vincoli stringenti per l’allocazione del patrimonio: in particolare si
dovranno utilizzare allocazioni che assicurino la copertura delle prestazioni scadenzate con i flussi
cedolari. Il capital gain atteso dall’asset allocation mirerà alla conservazione e all’incremento del
patrimonio, oltre che alle politiche di accantonamento a riserva.
Il rendimento, comunque lo si calcoli, non costituisce uno strumento sufficiente alla valutazione
di un gestore ed alla comprensione del suo comportamento finanziario.
Si rende necessario, per una corretta analisi della performance, prendere in esame il rischio
relativo assunto dal gestore per ottenere un certo rendimento.
l’asset allocation ha determinato un rendimento per unità di rischio superiore a quello che
l’investitore avrebbe potuto ottenere affidandosi ad altri gestori?
Massimo Drawdown
RShortfall = RA - 2,33 * s ( Rt )
in cui :
RShortfall : minor rendimento che il portafoglio dovrebbe registrare dato
un intervallo di confidenza del 99%;
R A : rendimento medio di periodo;
s (R t ) : deviazione standard dei rendimenti sottoperiodali.
Metodologie di analisi della performance e del rischio dei portafogli finanziari - 33
Misurazione del rischio
Misure di rischio (5 di 6)
Il VaR è la stima dell’ammontare massimo che può essere perduto con riferimento ad uno specifico
orizzonte temporale t e ad uno specifico livello di confidenza p.
#$%
𝑃 𝑉 ≤ 𝑉𝑎𝑅 = 1 − 𝑝 = * 𝑓 𝑣 𝑑𝑣
12%
10%
8% VaR 95%
6%
4%
2%
0%
8
0
2
4
6
8
0
2
4
6
8
0
2
4
6
8
0
2
3
3
3
3
3
4
4
4
4
4
5
5
5
5
5
6
0.
0.
0.
0.
0.
0.
0.
0.
0.
0.
0.
0.
0.
0.
0.
0.
0.
€
€
€
€
€
€
€
€
€
€
€
€
€
€
€
€
€
Metodologie di analisi della performance e del rischio dei portafogli finanziari - 34
Misurazione del rischio
Misure di rischio (6 di 6)
Il C-Var individua il valore medio della perdita nel caso in cui quest’ultima ecceda il Var, tenendo
quindi conto delle caratteristiche della distribuzione che possono determinare una forma delle code
peggiorativa rispetto alla distribuzione normale (asimmetria negativa, leptocurtosi ovvero ‘code
12%
10%
8%
6%
VaR 95%
4% C-VaR 95%
2%
0%
8
0
2
4
6
8
0
2
4
6
8
0
2
4
6
8
0
2
3
3
3
3
3
4
4
4
4
4
5
5
5
5
5
6
0.
0.
0.
0.
0.
0.
0.
0.
0.
0.
0.
0.
0.
0.
0.
0.
0.
€
€
€
€
€
€
€
€
€
€
€
€
€
€
€
€
€
Metodologie di analisi della performance e del rischio dei portafogli finanziari - 35
Misurazione del rischio
Misure di redditività corretta per il rischio (1 di 6)
Indice di Modigliani
𝜎 𝐵 Misura il rendimento che il
𝑅𝐴𝑃& = 𝑅, − 𝑅% ∗ + 𝑅% portafoglio avrebbe ottenuto
𝜎 𝑅 se avesse assunto il
dove: medesimo livello di rischiosità
𝑅𝐴𝑃" : misura di Modigliani (deviazione standard o
downside deviation) del
𝜎 𝐵 : deviazione standard del benchmark mercato o di un benchmark
𝑅, − 𝑅% 𝐸𝑅
Sharpe Ratio = =
𝜎(𝑅) 𝜎(𝑅)
RENDIMENTO
R C
RISCHIO
s
s (R f ) s ( RB ) s (RA ) s ( RC )
𝜎 𝐵
𝑅𝐴𝑃& = 𝑅, − 𝑅% ∗ + 𝑅%
𝜎 𝑅
RENDIMENTO
Rf
sRISCHIO
s BENCHMARK
sA
sB
Sostituendo il denominatore nella definizione del noto indice di Sharpe è possibile ottenere diversi
altri indicatori di efficienza, ad esempio il Calmar Ratio; al denominatore la deviazione standard di
portafoglio viene sostituita dal Drawdown
Vi sono poi ulteriori algoritmi di calcolo del drawdown, che tengono ad esempio in considerazione
la media degli n peggiori drawdown di periodo (Pain Index), ovvero la dispersione dei drawdown
(Ulcer Index) e consentono quindi di calcolare i rispettivi ratio nella modalità summenzionata,
sostituendo di volta in volta la misura di rischio al denominatore con l’indice prescelto
Indice di Sortino
Eccesso di rendimento prodotto
𝑅? − 𝜏̅ dalla gestione rispetto ad un
Sortino =
𝐷𝐷) tasso target rapportato alla
rischiosità determinata tramite
dove: un approccio downside
(downside deviation)
𝑅0 : rendimento medio del portafoglio nel periodo
Rachev Ratio
Indicatore che rapporta la coda
𝐸𝑆& (𝑟'( − 𝑟( 4 destra della distribuzione dei
𝑅𝑎𝑐ℎ𝑒𝑣 𝑅𝑎𝑡𝑖𝑜& = rendimenti (potenziale
𝐸𝑆& (𝑟( − 𝑟'( 4 guadagno massimo) alla coda
dove: sinistra della distribuzione
𝐸𝑆" : Expected Shortfall (o C-VaR) con un intervallo di confidenza 𝛼 (potenziale perdita massima),
ad un certo intervallo di
𝑟! : rendimenti periodali del portafoglio
confidenza 𝛼
𝑟#! : tasso risk-free
𝐸𝑆& (𝑟'( − 𝑟( 4
𝑅𝑎𝑐ℎ𝑒𝑣 𝑅𝑎𝑡𝑖𝑜& =
𝐸𝑆& (𝑟( − 𝑟'( 4
Risparmiatore: è uno strumento che può aiutare a scegliere l’investimento più adatto alle
proprie esigenze e allo stesso tempo è un obiettivo che si vuole che il gestore batta, uno
strumento per valutare ex-post la performance di un portafoglio.
Studiare l’efficienza di un benchmark significa analizzare in quale posizione nello spazio rischio-
rendimento si posiziona il parametro oggettivo di riferimento seguito dal gestore:
20,00%
S&P 500
MSCI EMU
0,00%
0,00% 5,00% 10,00% 15,00% 20,00% 25,00% 30,00%
35,00%
30,00%
25,00%
20,00%
15,00%
10,00%
5,00%
0,00%
dic-12 giu-13 dic-13 giu-14 dic-14 giu-15 dic-15 giu-16 dic-16 giu-17
170
160
140
130
120
110
100
90
80
dic-18 mar-19 giu-19 set-19 dic-19 mar-20 giu-20 set-20
Correlazione delle obbligazioni societarie globali con… al 31/12/19 Al 31/03/20 I-20 Rend. I-20
(dati giornalieri, 1y rolling) Azioni Europa -24% 20% 28% -21,8%
Azioni USA -33% 11% 18% -19,7%
Titoli di Stato USA 86% 59% 53% 8,2%
Oro 58% 46% 44% 6,0%
Obbligazioni societarie globali -5,6%
Tracking error:
>
1
𝑇𝐸 = ∗ ( 𝑇𝐸8
𝑇
;<=
dove:
𝑇𝐸 : tracking error medio di periodo
𝑇 : numero di sottoperiodi all’interno del periodo di valutazione
𝑇𝐸% : tracking error del portafoglio nel generico sottoperiodo 𝑡
,
1
TEV = σ(𝑇𝐸& ) = ∗ R(𝑇𝐸& − 𝑇𝐸)%
𝑇−1
dove:
𝜎(𝑇𝐸% ) : deviazione standard o volatilità del tracking error
𝑇 : numero di sottoperiodi all’interno del periodo di valutazione
𝑇𝐸 : tracking error medio di periodo
𝑇𝐸% : tracking error nel gererico sottoperiodo 𝑡
Volatilità dei tracking error sottoperiodali rispetto al tracking error medio aritmetico dell’arco
temporale considerato. Rappresenta una misura di rischio relativa, cioè del livello di rischiosità
differenziale tra il portafoglio ed il benchmark.
Information Ratio
𝑅67 − 𝑅87 𝑇𝐸
𝐼𝑅 = =
𝜎(𝑅67 − 𝑅87 ) 𝑇𝐸𝑉
Rapporto tra il tracking error e la deviazione standard del tracking error, rileva la capacità del
gestore di sovraperformare il benchmark in relazione al rischio assunto (rappresentato dallo
scostamento rispetto al benchmark).
Definizione generica:
Tracking Error: Eccesso di rendimento (valore aggiunto) prodotto dal gestore in riferimento al benchmark
contrattuale
Tracking Error Volatility: Volatilità degli eccessi di rendimento prodotti dal gestore rispetto al benchmark
(Active Risk)
La misurazione ex-post della TEV permette di svolgere una serie di analisi sulla qualità dei risultati
prodotti dal portfolio manager.
Infatti:
Permette di testare la significatività del valore aggiunto prodotto dal gestore attraverso il
noto test t:
ES
Andamento TE e TEV annua - Feri Bilanciato
EM
PL
IC
AT
2 ,00 %
IV
O
1,0 0%
1,0 0%
0 ,80 %
0 ,00 %
0 ,6 0%
-1,00 %
0 ,4 0%
-2 ,0 0%
0 ,20 % -3 ,0 0%
0 ,00 % -4 ,0 0 %
ES
EM
PL
IF
IC
AT
IV
O
Alcuni studi evidenziano infatti che i portfolio manager con mandati caratterizzati
da vincoli di TEV altamente stringenti tendono strutturalmente a costruire portafogli
con livelli di rischio totale superiori a quelli del benchmark (Jorion 2002).
5. Volatility Ratio ES
EM
PL
IFI
In base al Capital Asset Pricing Model (CAPM) il rendimento atteso di un portafoglio di attività
finanziarie rischiose è pari a:
𝐸 𝑟 = 𝑟? + 𝛽[𝐸 𝑅@ − 𝑟? ] portfolio
return
market return
Il Beta e l’Alpha vengono stimate attraverso una
regressione lineare dei rendimenti in eccesso a
quelli di mercato e la significatività è valutata
tramite il test t
Alpha di Jensen
In cui:
𝐶𝑜𝑣 𝑅# , 𝑅$ 𝑅$ > 0): covarianza tra i rendimenti del portafoglio (𝑅# ) e i rendimenti del
Downside Beta
𝐶𝑜𝑣 𝑅. , 𝑅/ 𝑅/ < 0) Misura la sensibilità del rendimento del
𝛽0 = portafoglio ad un mercato ribassista
𝜎 % 𝑅/ 𝑅/ < 0)
In cui:
𝐶𝑜𝑣 𝑅# , 𝑅$ 𝑅$ < 0): covarianza tra i rendimenti del portafoglio (𝑅# ) e i rendimenti del
mercato (𝑅$ ), solo per le osservazioni in cui 𝑅$ < 0
𝜎 & 𝑅$ 𝑅$ < 0): varianza dei rendimenti del mercato, solo per le osservazioni in cui 𝑅$ < 0
Le misure di rischio più comuni (deviazione standard, VaR parametrico) si basano sull’assunto che la
distribuzione dei rendimenti di un dato prodotto sia normale, come tale approssimabile tramite i
momenti del primo e del secondo ordine.
L’industria finanziaria, con l’avvento degli hedge funds (o nella versione più recente i c.d. UCITS
liquid alternative) ,mette a disposizione dell’investitore una varietà di strumenti, che attuano strategie
orientate alla decorrelazione rispetto alle classi di investimento tradizionali. Tali prodotti, a prescindere
-13,34 -10,932 -8,524 -6,116 -3,708 -1,3 1,108 3,516 5,924 8,332 10,74 Altro -5,5010 -4,5520 -3,6030 -2,6540 -1,7050 -0,7560 0,1930 1,1420 2,0910 3,0400 Altro
Di fronte a distribuzioni non normali dei rendimenti, occorre tenere in considerazione anche i momenti
di ordine superiore, con evidenti vantaggi:
Skewness
Asimmetria (Skewness)
-
in cui :
Ri : rendimento i - esimo del portafoglio
Curtosi (Kurtosis)
-
in cui :
Ri : rendimento i - esimo del portafoglio
R : rendimento medio del portafoglio;
n : numero di osservazioni
𝑟. = M 𝑤(,. 𝑟(,.
(/0
Tale approccio consente di procedere alla risk contribution sulle misure di rischio,
a patto che esse siano lineari e convesse (ad esempio, è possibile procedere alla
scomposizione del C-Var ma non del VaR)
rendimento
rendimento portfolio -0,09% 0,61% 2,73% 2,73% rendimento di periodo
benchmark -0,06% 0,63% 2,57% 2,57%
delta -0,03% -0,02% 0,17% 0,17%
rischio *
deviazione standard portfolio 1,46% 2,10% 1,82% 1,82%
deviazione standard
benchmark 2,06% 2,60% 2,30% 2,30% dow nside deviation: rappresenta la volatilità dei soli
rendimenti negativi (Dow nside Risk), calcolata sulla
downside deviation portfolio 1,13% 1,39% 1,23% 1,23% base degli scostamenti di tali osservazioni rispetto ad
una media nulla.
100,0
100,0
La deviazione standard è stata
scomposta per asset class,
riportando il contributo di
80,0
67,9
60,0
ciascuna in termini
40,0 percentuali, rispetto al dato
20,0
17,3 da inizio anno (4,20%)
8,2 6,6
0,0
Obbligazionario Azionario Alternativi Immobiliare Portafoglio
n
R P = å WB i * R B i + e dove åW Bi = 1 e 0 £ WB i £ 1
i =1
Avendo le serie storiche di tutti i rendimenti delle diverse classi di attività (RBi) si possono
stimare i pesi (WBi) che ogni gestore ha scelto, la sua asset allocation implicita ed il suo
stile di gestione
WBi
åW
i =1
Bi * RB i
RP
80.0
70.0
50.0
40.0
30.0
20.0
10.0
0.0
-30
-25
-20
-15
-10
-30
-20
-15
-10
-25
n-16 n-16
f-17 f-17
m-17 m-17
a-17 a-17
Vontobel
n-17 n-17
Goldman
SELL
f-18 f-18
m-18 m-18
a-18 a-18
n-18 n-18
f-19 f-19
m-19 m-19
a-19 a-19
n-19 n-19
f-20 f-20
m-20 m-20
a-20 a-20
n-20 n-20
f-21 f-21
m-21 m-21
a-21 a-21
-5
0
-5
0
-30
-20
-15
-10
-30
-20
-15
-10
-25
-25
n-16 n-16
f-17 f-17
m-17 m-17
Capital
a-17 a-17
Analisi comparativa dei fondi di investimento
n-17 n-17
Federated
SELL
f-18 f-18
m-18 m-18
Case Study (2 di 7) – Individuazione prodotti worst-performer - relative DD 5Y
a-18 a-18
n-18 n-18
f-19 f-19
m-19 m-19
a-19 a-19
n-19 n-19
f-20 f-20
m-20 m-20
a-20 a-20
n-20 n-20
f-21 f-21
m-21 m-21
a-21 a-21
Metodologie di analisi della performance e del rischio dei portafogli finanziari - 77
MERCATO (% settimane)
UP DOWN
3m 58% 42%
1Y 57% 43%
3Y 54% 46%
5Y 56% 44%
Vengono riportati 3 prodotti che ottengono il miglior punteggio quantitativo o che presentano caratteristiche tali da essere menzionati
all’interno di un peer group che si compone di 186 prodotti.
COMPOSIZIONE TEST
Tutti i test prevedono la sostituzione totale del fondo Vontobel, al fine di migliorare il profilo di rischio e di rendimento della combinazione di prodotti
riferibili al peer group azionario emergente. 3 test prevedono invece anche la sostituzione totale del fondo Federated.
La prima ipotesi (1) prevede la sostituzione di Vontobel con Wellington, e si evidenzia un miglioramento della performance storica accompagnato da
una maggiore capacità di sovraperformare il mercato nelle sue fasi di correzione. A scapito però di un peggioramento degli indicatori di rischio e
un allargamento della campana dei rendimenti relativi.
La seconda ipotesi (2) prevede la sostituzione di Vontobel con Schroder e mostra comunque un profilo di rendimento storico in miglioramento, ma
anch’esso con una dinamica orientata a performare in maniera migliore nelle fasi di correzione del mercato.
La terza ipotesi (3) prevede la sostituzione di Vontobel con Artemis ed è l’ipotesi forse più conservativa. C’è comunque un beneficio (meno accentuato)
sul fronte del rendimento storico, c’è una volatilità che si riduce, ed un miglioramento sulle fasi di mercato downward.
L’ipotesi 4 si basa invece sulla sostituzione di Vontobel e Federated con Artemis e Wellington, ed è forse la combinazione più equilibrata (insieme al test
5) a livello di coda sinistra della distribuzione dei rendimenti relativi e di performance nelle fasi crescenti e calanti di mercato.
L’ipotesi 5, che prevede la sostituzione sia di Vontobel sia di Federated con Artemis e Schroder. Fra le ipotesi che prevedano la sostituzione di due
prodotti questa risulta essere una delle interessanti sotto il profile della distribuzione dei rendimenti relative, presente tuttavia un profile upward negative e
drawsdown storici peggiori rispetto ai dati del benchmark.
Infine l’ipotesi 6 che prevede la sostituzione sia di Vontobel sia di Federated con Wellington e Schroder. Fra le ipotesi che prevedano la sostituzione di
due prodotti questa risulta essere la più interessante in termini di rendimenti storici e alpha cumulato, un profilo upward/downward piuttosto bilanciato,
abbinato però ad un allargamento della campana dei rendimenti relative.
Hedging
Scelte Scelte
Interazione
3,00
2,62
2,46
2,50
2,00
1,50
1,00
A B C D E F=A+B+C+D+E
B: contributo derivante da C: contributo derivante da D: contributo derivante dalla E: contributo derivante da
scelte attive, rispetto al scelte attive, rispetto al sovra/sottoperformance dei titoli scelte attive sulla copertura del
benchmark, a livello di asset benchmark, a livello di singoli in portafoglio rispetto ai titoli rischio di cambio derivante dalle
class mercati presenti nel benchmark posizioni di portafoglio
ESEMPI: ESEMPI: ESEMPIO: ESEMPIO:
Sovra/sottopeso di una classe Sovra/sottopeso di un mercato A parità di asset class (azionario) e Il benchmark prevede la copertura
presente nel benchmark (+ presente nel benchmark (+ Azioni di mercato (az. USA tecnologia), il integrale del rischio di cambio; il
Azioni, - Obbligaizioni) Europa, - Azioni USA) gestore decide di investire la gestore decide di non coprire il
corrispondente quota di portafoglio rischio di cambio sul Dollaro USA,
Investimento su una classe non Investimento su un mercato non in Tesla (NASDAQ: TSLA), non prevedendo per quest’ultimo un
presente nel benchmark presente nel benchmark
presente nel benchmark apprezzamento contro Euro
(Private Equity (Azionario Emergente)
Asset Security
Peso medio Rendimento Tracking Error
Allocation Selection
Liquidità Ptf 5,16% 0,01%
-0,16% 0,02% -0,14%
Bmk 4,00% -0,31%
sovraperf.
Obbligazionario Ptf 44,52% 8,72%
0,14% 0,73% 0,87%
Bmk 46,00% 7,25%
sovrappeso
Azionario Ptf 25,38% 27,29%
0,11% 0,06% 0,16%
sottopeso
Alternativi Ill. Ptf 5,33% 1,79%
0,16% 0,06% 0,22%
Bmk 7,00% 0,72%
Le scelte allocative incidono positivamente, pur se in modo contenuto (+26 bps), principalmente
grazie al sovrappeso sulla componente azionaria a scapito degli alternativi illiquidi
Particolarmente premiante la security selection (+115 bps), soprattutto sulla componente
obbligazionaria (+73 bps); in contrazione rispetto ai trimestri precedenti il beneficio legato al picking
azionario (+6 bps)
Complessivamente positiva, per 141 bps, la performance relativa da inizio anno
Metodologie di analisi della performance e del rischio dei portafogli finanziari - 88
Grazie per l’attenzione!
Riferimenti e contatti
Alessandro Russo
alessandro.russo@prometeiaadvisor.com
Prometeia
Il Cairo Mosca
Smart Village - Concordia Building, ul. Ilyinka, 4 @PrometeiaGroup
B2111 Capital Business Center Office 308
Km 28 Cairo Alex Desert Road +7 (916) 215 0692 Prometeiagroup
6 of October City, Giza russia@prometeia.com
info@prometeia.com Prometeia
www.prometeia.com
https://www.prometeia.com/financial-advisory
2021 2008
Informativa Regolamento (UE) 2019/2088 Prima selezione per
Politica di Sostenibilità- Report di sostenibilità un mandato ESG
Report UNPRI
2019 2018
Report di sostenibilità Primo report di Sostenibilità
Report UNPRI
Fondo Europeo Investimenti
2040 2045
Islanda Svezia
2060
Russia
2035
Finlandia
2050 2050 2050
2060
2060 Cina
Brasile 2070
India
2050 2050
Cile 2030 Sudafrica
Uruguay
Nuova
Zelanda
Persone
Prosperità
Pace Partnership
Il contesto della finanza sostenibile è mutato notevolmente dal 2018 ad oggi: la Commissione ritiene quindi necessaria una nuova fase
della propria strategia per finanziare la transizione sostenibile. In particolare, sono state identificate quattro aree principali che necessitano
di azioni aggiuntive affinché il sistema finanziario accompagni pienamente la transizione dell'economia verso la sostenibilità.
Per eleborare la nuova strategia, la Commissione si è avvalsa del supporto della piattaforma sulla finanza sostenibile e ha condotto un'ampia consultazione delle parti interessate nel
2020. La strategia integra anche altre iniziative europee nel contesto del Green Deal, come il Fit for 55 Package (Il 14/7/21 la Commissione ha presentato il Fit for 55 Package, il cui
scopo è quello di aggiornare le leggi dell'UE sul clima e l'energia per il 2030 per riflettere il nuovo obiettivo di riduzione delle emissioni nette del 55% fissato dall'UE per il 2030)
A partire dalle 4 macro aree si identificano 6 azioni specifiche che andranno a costituire la nuova strategia della Commissione.
6 1
4 3
CONSULENTI E
MACRO AREA AZIONE BANCHE ASSICURAZIONI ASSET
MANAGER
B. Nuove tecnologie
A. Contrasto greenwashing X X X
5. Garantire l'integrità del sistema finanziario dell'UE B. Framework monitoraggio X X X
e monitorare la sua transizione ordinata verso la
sostenibilità C. Cooperazione fra autorità X X
D. Ricerca e conoscenza
A. Accordi internazionali
Global 6. Sviluppare iniziative e standard internazionali di
B. Estensione lavoro IPSF
Ambition finanza sostenibile
C. Supporto Paesi in via di sviluppo
Fonte: UN PRI
3 livelli
Portafoglio
Valutazione
Ricerca
Fonte: SASB
tra 40 e 60
80,0
<40
68,1
60,6 61,1 63,2
60,0 57,4
53,3 52,2 52,2 52,7 50,3
20,0
0,0
0,0
• La valutazione dell’impatto dei fattori ESG rilevanti sulle performance aziendali e dell’investimento può portare a
modifiche/aggiustamenti relativi a:
• discounted cash flow input, costo del capitale;
• previsioni sulle vendite, profitti, margini, bilancio;
• ratio di valutazione;
• valutazione del rischio di credito
• Azienda con solida gestione dei rapporti con i dipendenti (misurata in termini di soddisfazione, basso
turnover) > migliore customer satisfaction > miglioramento delle previsioni di vendita a medio termine
rispetto al settore sulla base di un fattore sociale
~ 100 Indicatori E – S – G
Score ESG +
contributo SDGs
ESG e investimenti | 30 Novembre 2021 24
Integrazione ESG nella costruzione di portafoglio: un approccio
olistico Portafoglio
INVESMENT
MONITORING AND
REPORTING RISK MANAGEMENT
• Impact assessment • Climate risk
• Contribution to SDGs • ESG risk
• EU Taxonomy alignment • Reputation/controversy risk
Policy attuali
Below 2°
Ottimizzazione dell’AAS
Obiettivi Vincoli
Rendimento di breve, medio Tradizionali ESG
o lungo periodo
Universo investibile ESG Score Carbon footprint
mirato
Impatto positivo
Finanziamento di progetti sociali e/o ambientali chiari
e mirati (Green/social bonds, housing sociale) Impact
investing
Focus su opportunità legate alla transizione energetica/
Investimenti
Mitigare l’esposizione a
(selezione positiva/negativa, considerazione dei rischi
ESG) criteri ESG
impatti negativi
Considerazione di principi morali o etici nel processo di
investimento (esclusione di settori/industrie
controverse)
Allineamento valoriale
Strategia Definizione
Integrazione ESG Considera esplicitamente i fattori ESG rilevanti per il rischio/rendimento dell'investimento,
insieme ai fattori finanziari tradizionali, nelle decisioni di investimento. I prodotti di
investimento con questa caratteristica mirano ad aumentare il rendimento o ridurre il rischio
incorporando una serie più ampia di fattori nel processo decisionale di investimento (DRIVER
PERFORMANCE/RISCHIO). Tale strategia non preclude al gestore/investitore la
possibilità di attuare altre strategie con una maggiore componente ESG.
Strategia Definizione
Screening negativo/ di Prevede l’esclusione di paesi, emittenti o settori in base a determinate attività, pratiche
esclusione/ norm based commerciali o segmenti di business legati a temi ESG. La versione «norm based» si basa sul
rispetto di norme e standard internazionali come quelli emanati da OCSE, ILO, ONU e
UNICEF; possono includere esclusioni di investimenti non conformi a norme o standard o
sovra e sottoponderazioni.
Tale strategia può aiutare ad allineare gli investimenti con i principi etici, valori, credenze
religiose e/o norme sociali (DRIVER VALORIALE). Esempi di esclusioni legate ai fattori ESG:
Strategia Definizione
Best in class / ESG tilt/ Mira a investire in società/emittenti che ottengono risultati migliori rispetto ai
overlay concorrenti su una o più metriche di performance ESG. La performance ESG di una
società/emittente può essere correlata ma è distinta dalla sua performance finanziaria.
Differisce dall’integrazione ESG in quanto le metriche di performance relative a questioni ESG
sono un focus esplicito nell'asset allocation/selezione dei titoli e/o nelle decisioni di
costruzione del portafoglio.
Questa strategia può applicare una soglia relativa a una specifica metrica di performance
Strategia Definizione
Focus ESG Tematico Mira a investire in settori, industrie o società che dovrebbero trarre vantaggio dalle tendenze
macro o strutturali di lungo termine legate ai fattori ESG. I prodotti di investimento con un
focus tematico ESG offrono agli investitori l'opportunità di capitalizzare le tendenze macro o i
cambiamenti strutturali per ottenere un'esposizione a un profilo di rischio e rendimento che
differisce dagli ampi benchmark di mercato.
Il core business delle società in cui il prodotto investe è positivamente correlata con il trend.
Le performance ESG complessive delle società non sono necessariamente prese in
Strategia Definizione
Impact Investing Intende generare un impatto sociale o ambientale positivo e misurabile insieme a un
ritorno finanziario.
Risponde a una sfida sociale o ambientale con aspettative di ritorni finanziari in linea o
potenzialmente al di sotto dei rendimenti di mercato. L’investitore può essere disposto ad
accettare rendimenti al di sotto del mercato.
Strategia Definizione
Engagement/ Stewardship L’investitore utilizza la posizione e i diritti di proprietà per influenzare le attività o i
/ Voting comportamenti degli emittenti o delle società. Possibili diverse modalità e intensità di
coinvolgimento
Invio di comunicazioni per chiedere spiegazioni e/o modifiche in alcuni aspetti legati
Soft
alla sostenibilità di società in portafoglio. Può essere adottato dall’investitore in
Engagement relazione a qualsiasi classe di attivo.
Partecipazione ale assemblee degli azionisti ed esercizio del voto sui punti all’ordine
Hard
del giorno, lettura di interventi e presentazione di mozioni. Tali pratiche
Engagement presuppongono la proprietà di titoli azionari.
• Una volta stabilita l’asset allocation strategica e la strategia di investimento da adottare molti investitori si
affidano a prodotti gestiti (fondi o ETF) o affidano mandati di gestione a gestori specializzati (alcuni come
obbligo di legge come nel caso dei fondi pensione).
• Il processo di investimento necessita dunque di uno step ulteriore di selezione degli asset manager e/o dei
prodotti da inserire in portafoglio.
Reporting ESG
Resource use
Innovation
Workforce Workforce
Management Management
GEFIA
FOCUS
PRIVATE IMPRESA
• Posti di lavoro
MARKETS KPI E – S – G
• Riduzione delle
disuguaglianze
• Emissioni evitate Impulso alla
• Infrastrutture trasformazione
• Sviluppo educativo sostenibile
• Trasporti puliti del business
• …
IMPATTO
ESG e investimenti | 30 Novembre 2021 41
Criticità nell’integrazione ESG – Il tema dei dati
Il mercato dei data provider
Agenzie di rating tradizionali Financial data/ index provider Provider specializzati ESG
Correlazione tra i rating dei data provider Sustainalytics, RobecoSAM, Vigeo Eiris, Asset4, KLD e MSCI
Fonte: MIT Sloan School of Management - Aggregate Confusion: The Divergence of ESG Ratings
ESG e investimenti | 30 Novembre 2021 43
La dispersione tra i rating ESG di MSCI e Refinitiv
4.000+
firmatari
2017 2019
Net-Zero Asset Owner Alliance
61 institutional investors – $10 trillion AuM
Investor-led initiative to engage with the Net zero GHG emissions by 2050
largest corporate greenhouse gas by aligning portoflios with a 1.5°C scenario