File Unito Tpai

Modern Portfolio Theory.
Introduzione
Università di Bologna
Corsi di laurea: CLAMFIM e EPELM
Corso di Teoria del Portafoglio e Analisi degli Investimenti
Anno accademico 2021-2022 – 1° semestre
Agenda
§ Introduzione alla Modern Portfolio Theory

§ Rendimento e Rischio di un’attività finanziaria
§ Introduzione al modello di Markowitz
§ Rendimento e Rischio di un portafoglio di attività finanziarie
§ Gli effetti della diversificazione
§ Frontiera efficiente
§ La Capital Market Line
§ Appendice
Teoria del Portafoglio | Introduzione alla teoria del portafoglio - 2

Introduzione
Harry Markowitz e la Modern Portfolio Theory (MPT)
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.
Introduzione al modello di Markowitz
Nella Modern portfolio theory di H. Markowitz le decisioni sono assunte tenendo in

considerazione contemporaneamente i due elementi che caratterizzano qualsiasi attività
finanziaria:
q il rendimento atteso;
q il rischio connesso al conseguimento di tale rendimento.
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?
Determineremo il portafogli ottimale, in termini di rendimento e rischio, da detenere nel periodo

["! , "" ] (intervallo di tempo uniperiodale).

Rendimento e Rischio di un’attività finanziaria (1/4)
Rendimento di periodo
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).
Se %! è certo, )*!," e Δ%!," sono quasi sempre incerti.
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).
Rendimento e rendimento di un’attività finanziaria (2/4)

Rendimento di periodo per una azione (esempio)
Prezzo,
Flussi di cassa P1=8.5
per azione euro
N.B. Nel caso di titoli

P0=7.8 Obbligazionari
euro al posto dei dividendi
CF0,1=0.5 euro occorre considerare
(dividendi) le cedole di interessi
effettivamente incassate
nel periodo considerato
tempo
t=0 t=1
Δ*!,# + ,-!,# 8,5 − 7.8 + 0.5

(!,# = = = 15.4%
*! 7.8

Rendimento e rischio di un’attività finanziaria (3/4)
Titolo risk-free e titoli rischiosi
Prezzo
Titolo risk free P1 = Prezzo a
scadenza =100
P0 Titolo di stato zero coupon

noto con scadenza = fine periodo
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
Rendimento e rischio di un’attività finanziaria (4/4)

Principali tipologie di rischio
Nelle decisioni di investimento e di negoziazione degli strumenti finanziari, qualunque operatore

dovrebbe tenere in considerazione il rendimento atteso offerto da ciascuno strumento e il rischio
associato alla possibilità che il rendimento ex-post risulti diverso da quello atteso, determinato ex-ante.
Diverse sono le possibili fonti di rischio. Tra queste:

• Il rischio di credito: origina dal mancato pagamento dell'interesse e/o del capitale da parte
dell’emittente o da un peggioramento del suo merito creditizio
• Il rischio di mercato: origina dall’eventualità di vendere un'attività finanziaria ad un prezzo inferiore
a quello di acquisto per mutamenti nei prezzi di mercato
• Il rischio di liquidità: origina dall’eventualità di non trovare una controparte interessata all’acquisto
del titolo nel momento in cui si desidera venderlo e quindi essere costretti a “svenderlo” al di sotto
del prezzo «fair».

Rendimento atteso di un’attività finanziaria (1|2)
Modalità di calcolo
Un modo per quantificare il rendimento di periodo “ex-ante” che potrà essere ottenuto dalla
detenzione di un titolo è quello di associare a ciascun possibile rendimento futuro una probabilità di
realizzazione in funzione del verificarsi dei possibili “stati futuri del mondo”
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 di 1& = rendimento di /% = probabilità

periodo di una periodo della attività associata al
generica attività finanziaria nel caso si rendimento 1%
finanziaria verifichi lo stato del
mondo j
Rendimento atteso di un’attività finanziaria (2|2)

Un esempio
Ipotizziamo che il rendimento di un titolo possa assumere uno dei quattro valori previsti con
probabilità uguali a quelle di seguito riportate:
stati del rendimenti probabilità di

mondo futuri possibili realizzazione
1 20% 20%
2 15% 40%
3 10% 30%
4 -5% 10%
100%
&
Rendimento atteso 4 ( = 5 ($ 6$
$%#
! " = 0.20 + 0.20 + 0.15 + 0.40 + 0.10 + 0.3 − 0.05 + 0.10

= 0.125 (12.50%)

Rischio di un’attività finanziaria (1|5)
Distribuzione storica dei rendimenti Eurostoxx
Il rischio: è la possibilità che i rendimenti effettivi (ex post) siano minori di quelli attesi (ex ante).
Come
25%
quantificare tale possibilità?
20% Incremento Normale

standardizzata
Rendimento medio: 4.2%
Frequenze relative di probabilità
Deviazione standard: 18.4% DJ EUROSTOXX 50
15% (dati annualizzati)
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.

Rischio come variabilità dei rendimenti
L'osservazione empirica secondo cui i rendimenti tendono a distribuirsi al di sotto del valore atteso con
una probabilità non troppo dissimile a quella con cui si collocano al di sopra di quelli attesi, suggerisce di
utilizzare come indicatore di rischio una misura della variabilità dei rendimenti attorno al loro valore atteso
25%
20%
15%
10%
67 67
5%
0%
4 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:
78( ( = 9'( = ((# − 4(())( 6# + ((( − 4(())( 6( + ⋯ + (=& − 4(())( 6&

&
(
= 5(($ − 4(())( 6$ = 4 (−4 (
$%#
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:
79 = 89" " = 793

standard deviation rendimenti come indicatore di rischio
9# Tanto maggiore è la deviazione

standard (varianza) e quindi la
dispersione dei rendimenti attorno al
loro valore atteso, tanto maggiore è
l'incertezza dell'investitore, e quindi il
rischio che il rendimento effettivo che
si realizzerà possa risultare inferiore
9( = 29#
a quello atteso.
4 5

Un esempio di calcolo
j rj pj rj x pj rj -E(r)
probabilit
stati del Scarti Scarti
rendiment à di Rendimen (Scarti ^2)
mondo dalla dalla
i possibili realizzazio to medio xp
futuri media media ^2
ne
1 20% 20% 4.0% 7.5% 0.005625 0.001125
2 15% 40% 6.0% 2.5% 0.000625 0.00025
3 10% 30% 3.0% -2.5% 0.000625 0.000188
4 -5% 10% -0.5% -17.5% 0.030625 0.003063
100% 12.5% 0.004625
&
Varianza
9'( = 5(($ − 4(())( 6$ =
$%#
= 0.20 − 0.125 ( 0.20 + 0.15 − 0.125 ( 0.40 + 0.10 − 0.125 ( 0.30
+ −0.05 − 0.125 ( 0.10 = 0.004625
Deviazione standard
9' = 9'( = 0.004625 = 0.068 (6.8%)
Rendimento e rischio di un portafoglio (1|9)

Rendimento atteso di un portafoglio di attività finanziarie
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
<, = peso ottenuto rapportando il valore di 8(1, ) = tasso di

mercato (all'inizio del periodo) dell'i-esimo rendimento atteso del
titolo al valore complessivo del portafoglio* titolo ?
Volendo utilizzare una notazione più compatta è possibile fare ricorso alla notazione vettoriale**:
! '"
! "! = $" , … $# ⋮ = )$ * vettore dei rendimenti
! '# attesi
vettore dei pesi

trasposto
#!$!
(*) Ad es.: per un titolo azionario con '! azioni in portafoglio al prezzo (! facenti parte di un portafoglio con valore complessivo )" si ha *! = %"
(**) Si veda l’Appendice per i richiami di calcolo matriciale.

Esempio di calcolo del rendimento atteso di un portafoglio
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 %

Rischio di un portafoglio di attività finanziarie
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.

Rischio di un portafoglio di attività finanziarie
Una misura sintetica della tendenza di due variabili a variare in maniera

congiunta (nello stesso senso o in senso inverso) in modo lineare è data dalla covarianza:
@-. = )AB C, D = E E C, − F/ D% − F0 /,% = 8 C, − F/ D% − F0

, %
Quando i prodotti tra scarti dalla

Prodotti tra scarti dalla Prodotti tra scarti dalla media (xi-mx)(yj-mj) sono in
media negativi media positivi prevalenza positivi, la covarianza
sarà positiva. In tal caso x e y si
dicono positivamente correlate
D* Quando i prodotti tra scarti dalla

media (xi-mx)(yj-mj) sono in
prevalenza negativi e la
covarianza sarà negativa. In tal
Prodotti tra scarti dalla Prodotti tra scarti dalla caso x e y si dicono
media positivi media negativi negativamente correlate
D+

Varianza dei rendimenti un portafoglio di attività finanziarie
La varianza dei rendimenti di portafoglio @12 è determinata dalla seguente relazione*:

Sommatoria estesa a tutte le
combinazioni dei titoli ? e I presi
5 5 «a due a due»
Varianza del
rendimento di 7:3 = ' ;;3 7;3 +2 ' ;; ;4 7;4
portafoglio 2G ; H 4 G 5
;62
peso del titolo I covarianza dei
varianza dei
peso del titolo ? sul totale del rendimenti del
rendimenti del
sul totale del portafoglio titolo ? e del
titolo ?
portafoglio titolo I
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: #!" = % &#" ##" + % % &# &' ##'
#$% #$% '$%
(')#)

Deviazione standard dei rendimenti un portafoglio di attività finanziarie
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 ;
EFG (, , ($ = 9,$ = H,$ 9, 9$

dove: Il coefficiente “rho” è detto coefficiente di correlazione
Assume valore =1 in caso di

EFG (, , ($ 9,$ correlazione perfetta positiva
H,$ = = Assume valore = 0 in caso di
9, 9$ 9, 9$ assenza di correlazione
Assume valore =-1 in caso di
correlazione perfetta negativa

Esempio di calcolo del deviazione standard dei rendimenti di un portafoglio
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%
Dev. Std. rendimenti portafoglio
+! = $"% +"% + $%% +%% +$&% +&% + 2$" $% ."% +" +% + 2$" $& ."& +" +& + 2$% $& .%& +% +& =
0.267% 3 0.25% +0.333% 3 0.30% +0.40% 3 0.27% +

= 2 3 0.267 3 0.333 3 0.5 3 0.25 3 0.30 + = 0.0558 = 0.236 (23.6%)
+ 2 3 0.267 3 0.40 3 0.7 3 0.25 3 0.27 +
+2 3 0.333 3 0.40 3 0.6 3 0.30 3 0.27

Deviazione standard dei rendimenti di portafoglio (notazione vettoriale)
Utilizzando la notazione vettoriale* si ha:
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&
(*) Si veda l’Appendice per i richiami di calcolo matriciale.

Esempio di calcolo del deviazione standard dei rendimenti di un portafoglio
mediante calcolo matriciale
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%
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%)

Gli effetti della diversificazione (1|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 − ; !("\ )
e il rischio ad esso connesso
7: = ; 3 7[3 + 2; 1 − ; <[\ 7[ 7\ + 1 − ; 3 7\3

Rendimento e rischio in un portafoglio di due attività finanziarie
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%

Rendimento e rischio in un portafoglio di due attività finanziarie: correlazione positiva perfetta (Z = +1)
16%
Rendimento atteso
( )
E R p = wE (R A ) + (1 - w) E (RB )
E(r A ) 14%
E(Rb)
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
2% Rischio di portafoglio = combinazione

Lineare dei rischi dei titoli A e B
0%
0% 2% 4% 6% 8% 10% 12% 14%
ss!A sB Rischio
(dev. std.)

Rendimento e rischio in un portafoglio di due attività finanziarie: correlazione negativa perfetta (Z = −1)
16%
Rendimento atteso
( )
E R p = wE (R A ) + (1 - w) E (RB )
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.)

Rendimento e rischio in un portafoglio di due attività finanziarie: correlazione nulla (Z = 0)
16%
Rendimento atteso ( )
E R p = wE (R A ) + (1 - w) E (RB )
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.)

In sintesi:
1. a parità di pesi (e quindi di rendimento atteso) il rischio cresce se cresce la correlazione;
2. se Z = − 1, esiste un portafoglio a rischio 0;
6
3. si dimostra che se @4 ≤ @5 Z < 6+, esiste un portafoglio meno rischioso sia di A che di B
,
4. se Z = 1, il rischio del portafoglio è la media pesata dei rischi di A e B.
16% Rendimento atteso

(%) .=0
8E(r15A ) 14%
−1 Correlazione
<0<r<-1
.<0 < =w=0
0
portafoglio
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 (%)

Rischio di un portafoglio di “n” attività rischiose (1/5)
§ In generale, strategie di diversificazione, indirizzate ad aumentare il numero dei titoli

in portafoglio che presentano rendimenti tra loro non perfettamente correlati,
consentono di ridurre in misura rilevante il rischio di portafoglio
§ I benefici della diversificazione, in termini di riduzione del rischio, sono tanto maggiori
tanto minore è la correlazione tra i rendimenti dei singoli titoli
§ In linea teorica il rischio del portafoglio potrebbe essere completamente annullato se

le correlazioni tra i rendimenti fossero perfettamente negative (-1). Nella realtà è
difficile trovare titoli negativamente correlati; in genere le variazioni dei rendimenti
sono positivamente correlate in quanto reagiscono ad un insieme di fattori comuni,
come ad esempio le fluttuazioni nel ciclo economico o nei tassi di interesse
§ di conseguenza, il rischio di un portafoglio, se da un lato può essere ridotto in misura

anche significativa attraverso strategie di diversificazione, dall'altro non può essere
completamente annullato…
… ciò porta a distinguere il rischio di un portafoglio tra:

– una componente "diversificabile", che può essere ridotta ed eliminata aumentando il numero
dei titoli in portafoglio
– ed una componente “non diversificabile” (o "sistematica") che al contrario non può essere
eliminata mediante strategie di diversificazione
§ La componente di rischio sistematico rimane quindi nel portafoglio e riflette il grado di

variabilità e di incertezza delle condizioni esterne di mercato
§ 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

La differenza tra la componente di rischio “diversificabile” e quella “sistematica” può

essere evidenziata facendo l’ipotesi di un portafoglio composto da “n” titoli in parti
uguali per cui wi=1/n per cui la varianza di portafoglio sarà pari a:
n 2 n n
s 2p =
æ1ö
å çè n ÷ø s i2 + å å æç n1 ö÷æç n1 ö÷ s ij
i=1 i è øè ø
i=1 j ¹i
che può essere riscritta come

æ 1 öæ 1 2 ö÷
n n n
æ n -1ö
s 2p = ç ÷çç å si
n ÷ø
+ ç ÷
æ 1 öæ 1 ö
å å çè n ÷øçè n - 1 ÷ø s ij
ènøè i=1 è n ø i=1 j ¹i
per n tendente ad infinito si ha che:

La componente “diversificabile” La componente “sistematica”
n®¥ tende a ad annullarsi non si annulla
(1/n tende a zero) (n-1/n tende a 1)
§ 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
Num. Azioni in portafoglio

§ il rischio diversificabile (definito anche “idiosincratico”) è connaturato a ciascuna

attività. Questa componente microeconomica può essere diversificata, se i titoli che
compongono il portafoglio hanno rendimenti non perfettamente correlati
§ il rischio sistematico (o non diversificabile) è indipendente dal singolo debitore.

Quindi è il rischio generale che deriva dall’attività del sistema economico nel suo
complesso, considerato come un unico grande operatore (azienda Italia) o – con
riferimento per esempio ad un mercato finanziario – all’andamento medio e
aggregato del mercato. Nella misura l’andamento del mercato riflette la dinamica
generale dell’economia, le due cose ovviamente coincidono.
La frontiera efficiente (1|7)

Il concetto di dominanza di un portafoglio
Per analizzare come avviene il processo di selezione di un portafoglio è necessario

introdurre il concetto di “dominanza” di un portafoglio nei confronti di un altro ed il
concetto di portafoglio “efficiente”
Si dice che un portafoglio “domina” una altro portafoglio quando:
1. È caratterizzato da un rendimento atteso uguale e da un grado di rischio minore,

In simboli: ! "!! = ! "!" ma +!! < +!"
2. Oppure presenta un rendimento atteso superiore a parità di rischio;

In simboli: ! "!! > ! "!" ma +!! = +!"
3. Oppure presenta un rendimento atteso strettamente maggiore ed una

esposizione al rischio strettamente minore
In simboli: ! "!! > ! "!" ma +!! < +!"

Portafogli dominanti e dominati
Rendimento atteso
Portafogli che
“dominano” il
Portafoglio %"
P1 P2
! ::(
Portafogli
“dominati” dal
P3 portafoglio %2
Rischio
7:(

Il concetto di efficienza di un portafoglio
Un portafoglio è efficiente non è dominato da nessun altro portafoglio possibile.
In altri termini un portafoglio “efficiente” è quello che

§ presenta il più alto rendimento atteso tra tutti quelli aventi un determinato livello
di rischio
§ o il più basso rischio tra quelli aventi lo stesso rendimento
Un investitore “razionale” che cercasse di decidere quale “allocazione” di portafoglio

ritiene la migliore non avrebbe bisogno di considerare tutte le possibili allocazioni.
Sarebbe sufficiente limitare la ricerca all’insieme delle allocazioni “efficienti”

La frontiera efficiente
L’insieme dei portafogli efficienti
Rendimento atteso
forma la c.d. “frontiera efficiente”
E(r A ) Portafogli efficienti
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

Una prima formalizzazione del problema di ottimizzazione
Si consideri ora un universo di investimento di A asset rischiosi in cui è ammessa la vendita
allo scoperto (= short selling).
Siano B' il portafoglio con vettore dei pesi pari a C( , D' = ! "!# il suo rendimento atteso e
+' = +!%# il suo rischio.
Un portafoglio E( è (con pesi C( ) è detto efficiente se non è dominato da alcun

portafoglio, vale a dire se:
1. Ha il minimo rischio a parità di rendimento atteso:
σ' = min %
+!(+) ∑/
-." $- = 1, ! "!(+) = D'
)
2. Ha il massimo rendimento atteso a parità di rischio:
D' = max ! "!(+) ∑/

-." $- = 1, +!% + = +' .
)
L’insieme dei portafogli efficienti prende il nome di frontiera efficiente.

La frontiera efficiente «bounded»
Il calcolo della frontiera con limiti ai pesi dei singoli asset
MPT con più asset class
e limiti sui pesi v3.xlsm
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.
Preferenze dell’investitore: curve di indifferenza al

rischio (1|3)
U4
4 A) Rendimento atteso
1 #!"
) *! = − -. 1 − /- + ,-
,- 2 U3
U2
U=f[E(RP), sP] Utilità dell’investitore:
funzione crescente rispetto al rendimento atteso
e decrescente rispetto al rischio di portafoglio.
U1
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

rischio (2|3)
Curve di indifferenza di utilità
4 A) crescente per l’investitore
Rendimento atteso
di portafoglio
Frontiera effiiciente:
luogo dei portafogli
"efficienti"
Portafoglio
Ottimale
Insieme dei portafogli

possibili di asset rischiosi
9) Rischio di portafoglio

rischio (3|3)
Rendimento atteso Rendimento atteso
E(rB) E(rB)
E(rA) E(rA)
Portafoglio ottimale per un investitore Portafoglio ottimale per un investitore

fortemente propenso al rischio mediamente propenso al rischio
Rischio Rischio
sA sB sA sB
La scelta di composizione del portafoglio Rendimento atteso
“ottimale” per il singolo investitore avviene E(rB)
individuando quella combinazione di pesi

`7 =[<" , <2 ,…, <$ ] che assicura:
1) che il portafoglio si trovi lungo la “frontiera
efficiente” (non sia cioè dominato da altri E(rA)
portafogli)
Portafoglio ottimale per un investitore
2) che il portafoglio si trovi sulla più elevata avverso al rischio
curva di indifferenza possibile (max utilità per

l’investitore)
punto di tangenza sA sB
Rischio

Frontiera efficiente con titolo privo di rischio (1|4)
Si consideri ora un portafoglio b costituito da due attività:

§ una quota di un fondo comune c (per una percentuale w)
§ una attività priva di rischio f (per una percentuale 1-w)
Il rendimento atteso di portafoglio è
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
Possiamo riformulare il rendimento atteso di portafoglio come:
! :[ − "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

Relazione tra rendimento atteso e rischio
Rendimento atteso
di portafoglio
Luogo delle combinazioni

rischio-rendimento per
portafogli suddivisi tra attività
prive di rischio e quote di un
fondo A di titoli rischiosi
4 A/
Fondo A composto
da titoli rischiosi
(. Rendimento del
titolo risk-free
Rischio di portafoglio
9/
Capital Asset Pricing Model - 46
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
dove a9 è il ritorno atteso e @9 è il rischio del portafoglio tangente.
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.

Rappresentazione grafica
!M34
D 2 − '1
!("! ) = '1 + +!
+2
8*:; (la frontiera efficiente con

titolo privo di rischio) è, dunque,
una retta che interseca la
frontiera efficiente senza titolo
privo di rischio 8* in (@9 , a9 )
(punto in blu). Si può, inoltre,
provare che 8*:; è tangente a
8* in (@9 , a9 ).
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.

Appendice
§ Correlazione lineare di due variabili casuali (definizione)

§ Short selling mediante assunzione in prestito di titoli
§ Richiami di calcolo matriciale
§ La frontiera efficiente «unbounded»
§ La funzione di utilità esponenziale
§ Coefficiente di avversione al rischio delle funzioni di utilità esponenziale
§ Portafogli efficienti e funzioni di utilità
§ Curve di indifferenza al rischio
Correlazione lineare di due variabili casuali

(definizione)
Se g e h sono variabili casuali:
• la covarianza tra g e h definita da

,FG R, S = 4 RS − 4 R 4(S);
• la varianza di g è definita da
78( R = ,FG R, R = 4 R ( − 4 R ( ;
• la deviazione standard di g è definita da
90 = 78((R);
• la correlazione tra g e h definita da

234(0,1)
H01 = 7@ 7A
.
Si noti che, per definizione, −1 ≤ Z-. ≤ 1.

Short selling mediante assunzione in prestito di titoli
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.
Richiami di calcolo matriciale

Siano c una matrice con i colonne e j una matrice con i righe.
L’elemento ?, I del prodotto di c per j si ottiene come
D
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.
In particolare, dati due vettori o, p, il prodotto o 3 p, tra il trasposto di o e p, si ottiene come

D
3
o p = E C, D, ,
,C"
dove la trasposta di una matrice è definita come la matrice che ha come colonne le sue righe.
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
La frontiera efficiente «unbounded» (1|2)
L’equazione della frontiera (senza limiti ai pesi dei singoli asset)
Determinare la frontiera efficiente equivale a risolvere un infinito numero di problemi di massimo o di

minino vincolati.
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
dove T = U-8 V9# U8 , W = X′V9: U8 ,

, = X′V9: X, U8 è un vettore i dimensionale di 1 (*) e Δ = T, − W (
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
:
(*) Tale formulazione della

Frontiera frontiera efficiente assume che
Efficiente senza > @ non vergano posti limiti all’entità
titolo privo di
=: = + 7: o al segno dei pesi dei singoli
? ? asset.
rischio
La frontiera efficiente «unbounded» (2|2)

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:
1. la frontiera efficiente è in blu;

2. rendimenti e rischi dei singoli asset sono in
verde;
3. rendimento e rischio dell’indice di mercato
(NASDAQ100) sono in giallo;
4. rendimento e rischio del portafoglio a varianza
minima sono in rosso;
5. rendimento e rischio del portafoglio di massimo
trade off, che massimizza il rapporto
F. GH$I,JH$KL
6.
= G,MNO,L
,
sono in viola.
Si noti che nessuno dei singoli asset e nemmeno l’indice, per quanto sia diversificato, sono efficienti.

Funzione di utilità esponenziale
Funzione di utilità Constant Absolute Risk Adversion (CARA)
Una funzione t si dice di utilità se attribuisce ad ogni investimento un numero in modo tale che
l’ordine che se ne ricava rispecchi le preferenze dell’investitore, vale a dire se è tale per cui t n >
t(m) se e solo se l’investitore preferisce n ad m.
Si consideri un investitore avverso al rischio la cui funzione di utilità del tipo CARA* :
A : = 1 − B Juv (funzione di utilità esponenziale)

u(r,l1=0.05) u(r,l2=0.10)
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 *.
Coefficiente di avversione al rischio delle funzioni di

utilità esponenziale
Consideriamo la funzione di utilità dell’investitore di tipo esponenziale:
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$ "
Proveremo che questo è costante, al variare del rendimento , dell’investimento.

La derivata prima è pari a: w3 , = 0 − −P O 563 = PO 563
La derivata seconda è pari a: N $$ " = = P −P O 563 = −P% O 563
Quindi il valore del coefficiente di avversione al rischio è costante e pari a:
N $$ " −P% O 563

− = − =P
N$ " PO 563
Pertanto la funzione di utilità esponenziale è di tipo CARA (Constant Absolute Risk Aversion).

Portafogli efficienti e funzioni di utilità (1|2)
Portafoglio ottimo (definizione)
In via generale un investitore vorrà investire cercando di massimizzare la propria utilità attesa; vorrà
dire che allocherà il proprio capitale massimizzando 8(w , ). Diremo, dunque, che un portafoglio è
ottimo quando massimizza l’utilità attesa.
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
Utilità Attesa derivante Rendimento atteso

dalla detenzione del corretto per il rischio
portafoglio P (risk adjusted expected
return)
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)
Portafogli efficienti e funzioni di utilità (2|2)

Ogni portafoglio ottimo è anche efficiente
Expected 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».
Similmente a parità di rischio @12 esso massimizza anche il rendimento atteso 8 ,1 .

Calcolo della frontiera efficiente (con limiti ai pesi)
Massimizzazione della redditività corretta per il rischio
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:
Expected Portfolio Vincolo: somma

Risk Adjusted Return pesi pari a unità
Vettore dei 9)( ^

^! = argmax> 4 A)(>) − 8 ∑8
,%# I, = 1
pesi ottimali 2
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.
Curve di indifferenza al rischio

Avversione al rischio e scelte degli investitori
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»).
Fissiamo un dato livello di utilità attesa w! = 8 w ,1 e di avversione al rischio k! e ricaviamo il livello

della redditività attesa di un investimento 8 ,1 in funzione del rischio @1 :
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.

Capital Asset Pricing Model
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

MPT: riepilogo (1|5)
Rendimento e rischio di un portafoglio
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 ( )! = # $" ((+" )
di portafoglio
"#$
#! = peso ottenuto rapportando il valore di $(&! ) = tasso di

mercato (all'inizio del periodo) dell'i-esimo rendimento atteso del
titolo al valore complessivo del portafoglio* titolo (
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 *

Portafogli che includono una attività priva di rischio (1|2)
Si consideri ora un portafoglio + costituito da due attività:

§ una quota di un fondo comune , (per una percentuale w)
§ una attività priva di rischio f (per una percentuale 1-w)
Il rendimento atteso di portafoglio è
( )! = 1 − $ +* + $( )+
Poiché il rischio (standard deviation dei rendimenti) di portafoglio è:
!! !!
"! = $ " "#" + 1 − $ " "$" + 2$ 1 − $ "# "$ = $"# $= ; 1−$ =1−
!+ !+
=0 =0
Possiamo riformulare il rendimento atteso di portafoglio come:
! "/ − $.
! "- = $. + '-
'/
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

Portafogli che includono una attività priva di rischio (2|2)
Rendimento atteso
di portafoglio
Luogo delle combinazioni

rischio-rendimento per
portafogli suddivisi tra attività
prive di rischio e quote di un
fondo A di titoli rischiosi
( )+
Fondo A composto
da titoli rischiosi
+* Rendimento del
titolo risk-free
!+

Frontiera efficiente e con titolo privo di rischio (1|2)
Definiamo come portafoglio tangente (T) quel portafoglio formato da asset rischiosi che massimizza
l’extra-rendimento atteso sul tasso risk free 0 1" − 3# a parità di rischio 4" (massimizza cioè il c.d.
Sharpe ratio).
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
dove $ 8( è il ritorno atteso e 4" è il rischio del portafoglio tangente.

Frontiera efficiente e con titolo privo di rischio (2|2)
Rendimento atteso
di portafoglio
1$
1&
Portafoglio tangente
0
) *!
= ) *%
In T si ottiene un portafoglio che è composto solo di asset

rischiosi e che coincide, in media e varianza, con il
portafoglio tangente (# = &! ⁄&" = 100%).
+* Nel tratto verde T-F1 della frontiera efficiente occorre invece
indebitarsi (al tasso privo di rischio) per conseguire un
Rendimento del investimento «in leva» nel fondo rischioso A (# = &! ⁄&" >
titolo risk-free 100%).
!! = !,
CAPM: introduzione (1|2)

Un po’ di storia…
Il Capital Asset Pricing Model (CAPM) è un modello di equilibrio dei mercati

finanziari utilizzato per determinare il tasso di rendimento teoricamente appropriato
per una data attività finanziaria, al fine di prendere decisioni sull'aggiunta di tale
attività a un portafoglio ben diversificato.
Jack Lawrence Treynor
(1930 – 2016) Esso fu sviluppato nella prima metà degli anni ’60 da quattro autori: Jack Treynor1
(1961, 1962), William F. Sharpe2 (1964), John Lintner3 (1965a, b) e Jan Mossin4
(1966) in modo indipendente, basandosi sul lavoro precedente di Harry Markowitz
sulla diversificazione e sulla Modern Portfolio Theory (MPT). Fisher Black5 ne ha
poi derivata una versione più robusta e determinante per la sua diffusione nel 1972.
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;

CAPM: introduzione (2|2)
CAPM come modello di equilibrio dei mercati finanziari
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».
Assunzioni del CAPM
Le assunzioni del CAPM sono le seguenti:
• Efficienza del mercato dei capitali:

1. non ci sono costi di transizione; non c’è, perciò, restrizione al comprare e vendere;
2. gli asset sono infinitamente divisibili; l’investitore può, dunque, assumere una posizione in un
investimento per un importo di qualsiasi ammontare;
3. non ci sono tasse; questo vuol dire che, per esempio, l’investitore è indifferente al modo in cui
viene corrisposto il rendimento;
4. nessun investitore è in grado di condizionare il prezzo di mercato dei titoli tramite le sue
operazioni di acquisto e vendita;
• l’investitore decide dei propri investimenti solo considerando media e varianza dei rendimenti;
sceglie, pertanto, portafogli efficienti, secondo la formulazione già vista nella MPT;
• è possibile vendere allo scoperto illimitatamente e investire e prendere a prestito illimitatamente il
titolo privo di rischio.
• 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.

Aspettative omogenee e portafoglio di mercato
Assumendo l’ipotesi che tutti gli investitori abbiano aspettative OMOGENEE si può giungere
all’individuazione del portafoglio T.
Ipotesi aspettative omogenee: gli investitori interpretano le informazioni disponibili (economiche,

politiche,…ecc.) in modo pressoché analogo e formulano previsioni molto simili tra loro circa i
rendimenti attesi, le varianze e le covarianze dei rendimenti delle attività rischiose.
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 )- = # $" +" = # +
mercato . 4- "
"#$ "# $
dove &! è il rendimento dell’(-esima azione.

Portafoglio tangente come portafoglio di mercato
In ipotesi di aspettative omogenee, il migliore portafoglio di attività rischiose «tangente» da combinare

con l’attività risk-free per formare la frontiera efficiente coincide con il portafoglio di mercato.
Portafoglio tangente (T) = Portafoglio di mercato (M)
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.
Una dimostrazione rigorosa è riportata in appendice.
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) .
Teorema della separazione

Rendimento atteso Le preferenze di utilità dei singoli investitori non

di portafoglio influenzano il portafoglio ottimale di attività
rischiose = ma soltanto l’ammontare delle
somme date (o prese) a prestito al tasso &/ .
F1
F2
Portafoglio di
"mercato"
M
) *&
Insieme dei portafogli
possibili
5
+*
Rendimento del
titolo risk-free
La pendenza della frontiera
& '! ()"
!-
efficiente è pari a: /01 = *!
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
Teorema della separazione:
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# .
Capital Market Line

La linea del mercato dei capitali
L’equazione che descrive le combinazioni di rendimento e rischio presenti lungo la frontiera efficiente
è quindi:
Prezzo di mercato per il rischio

Capital ! "A − $.
Market ! "- = $. + '- Rischio di portafoglio
Line 'A
Tasso Risk-free Premio per il rischio
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».

Capital Market Line
Un esempio
! "A − $.
! "- = $. + '- =
Rendimento atteso
'A
di portafoglio = 3% + 1.5'-
) *& − +$ 9% − 3% F1
= = 1.5
"& 4%
( )- = 9% M
Frontiera efficiente
(capital market line)
+* = 3%
Rendimento del
titolo risk-free
!- = 4% Rischio di portafoglio
Exchange Traded Funds (ETF)

Fondi indice
In base alla ipotesi delle aspettative omogenee se tutti gli investitori percepiscono allo stesso modo i
rendimenti attesi e le covarianze ciascun investitore deterrà solo due attività fondamentali: l’attività priva
di rischio e il portafoglio di mercato.
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

Il modello a un fattore (Single Index Model) (1|10)
Introduzione: il problema
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.
In pratica si tratta di stimare un numero di parametri assai elevato, pari a:

:(: + 1) : 0 + 3:
:+ =
2 2
Parametri relativi ai Parametri relativi alle covarianze
rendimenti attesi tra rendimenti
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 modello a un fattore dei rendimenti azionari (1|4)
L’osservazione dei prezzi delle azioni rivela che, quando il mercato sale, la maggior parte delle azioni
tende a veder crescere il suo prezzo, mentre, quando il mercato scende, la maggior parte delle azioni
vede diminuire il suo prezzo.
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.
Il rendimento dell’L-esimo asset può essere allora scritto come:
$! = %! + '! (% + )! Errore idiosincratico

a media nulla
Valore atteso della

componente Componente spiegata
idiosincratica dal fattore mercato

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
Rendimento atteso Co-varianza rendimenti tra

Rischio (varianza
azione L l’ azione L e l’ azione P
rendimenti) azione L
( +" = 5" + <" ( )- 4=+ +" = <"& !-

&
+ !/&2 >?@ +" , +)
&
= <" <) !- + >?@ B" , B)
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)

Si noti che se la covarianza tra le componenti idiosicratiche delle due azioni ( e * fosse nulla:
&
>?@ +" , +) = <" <) !- + >?@ 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.
Il problema della stima dei parametri per l’ottimizzazione di portafoglio si semplificherebbe.

Ne seguirebbe che, per stimare ., il vettore dei rendimenti attesi, e Σ, la matrice di covarianza dei
rendimenti degli : asset, sarebbe sufficiente stimare CD + E parametri (gli I Q3 , gli R S3 , gli R 44, ,
0 15 e 465 ). Ad esempio, per un portafoglio di 250 titoli servirebbero «solo» (3x250+2) = 752 parametri
invece che 31625.
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:
&
>?@ )- , +" = <" !-
Da cui si ricava l’espressione per il calcolo del beta dell’azione (:
Coefficiente beta della azione L
123("A , $T ) 7A,T 'T 'A 7T,A 'T

0T = U = U =
'A 'A 'A
Il coefficiente «beta» dell’azione ( può essere calcolato come rapporto tra la

covarianza tra rendimento di mercato (8) ) e rendimento dell’azione (&! ) e la
0
varianza del rendimento di mercato 5) .
Tale rapporto a sua volta dipende dal coefficiente di correlazione V),! tra 8) e
&! e dal rapporto tra le standard deviation dell’azione ( e del portafoglio di
8
mercato = 8 + .
-

Alfa e Beta di un portafoglio azionario
Si consideri ora un portafoglio + con pesi #+ , … , #, e si ponga:
. Media pesata dei valori

Alfa del attesi M! = $ X! delle
5! = # $" 5" componenti dei rendimenti delle
portafoglio +
"#$ singole azioni che non dipendono
dal fattore di mercato.
Definiamo poi come

,
. Media pesata dei coefficienti
Beta del 9 8+
N! = +,-
portafoglio + <! = # $" <" 8 -
"#$
delle singole azioni rispetto al
fattore di mercato.
dove N! è la beta dell’(-esimo asset.

Rendimento e rischio di un portafoglio azionario in funzione di Alfa e Beta
Allora, si prova (vedi Appendice) che il rendimento atteso e la varianza dei rendimenti del
portafoglio + sono pari a
Rischio (varianza rendimenti) portafoglio +

Rendimento atteso
portafoglio + .
( )! = 5! + <! ( )- 4=+ )! = <!& !-
&
+ # $"& !/&2
"#$
In particolare, quindi, il rischio connesso al possesso

del portafoglio è la somma di due componenti:
Componente del rischio connessa Una componente di rischio indipendente

all’andamento del mercato, detto dall’andamento del mercato (detto
sistematico, rappresentata da N$0 5)
0
, di idiosincratico).
cui N$ è misura.
Vedremo ora che, se il portafoglio è ben
diversificato, questa seconda componente
può essere trascurata.

Il rischio di un portafoglio ben diversificato
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:
89$ $- → 0-U 'A

U

Beta come misura del rischio (1|2)
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 (.

Abbiamo visto che il rischio connesso alla detenzione di un portafoglio azionario è dato da due
componenti:
Rischio Totale Rischio Diversificabile Rischio Non Diversificabile

= +
di portafoglio (Idiosincratico) (Sistematico)
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
Num. Azioni in portafoglio
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.

Il Beta del portafoglio di mercato e dei singoli titoli
Abbiamo provato che, al valere di determinate assunzioni, se ! è un portafoglio ben diversificato, il suo
rischio è dato da:
Rischio (dev.std.
!! = <! !- rendimenti) portafoglio +
Il portafoglio di mercato è un portafoglio ben diversificato. Dunque, vale*
Il beta del portafoglio di

!- = <- !- Il che implica <- = 1 mercato è pari a 1
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
inferiori.
CAPM: security market line (1|4)

L’dea di fondo
All’interno di un portafoglio ben diversificato (quale è il portafoglio di mercato M) il rendimento atteso di

un singolo titolo non dipende dalla variabilità dei rendimenti del titolo stesso (5! = rischio totale) ma
dall’effetto marginale che esso ha sulla variabilità dei rendimenti del portafoglio di mercato (contributo al
rischio di mercato).
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:
L’extra rendimento dell’azione

! $T − $. = ;123 $T , "A ( rispetto al tasso risk-free è pari al
prodotto di un dato coefficiente lambda
per la covarianza dei rendimenti
dell’azione ( rispetto al mercato.

Il coefficiente lambda
Si consideri un portafoglio + con pesi #+ , … #, .

Allora*, poiché la somma dei pesi è 1, si ha
L’extra rendimento del portafoglio !

rispetto al tasso risk-free è pari al
! "- − $. = ;123 "- , "A prodotto di lambda per la covarianza dei
rendimenti del portafoglio a rispetto al
mercato.
Il portafoglio di mercato è anch’esso un portafoglio.

0
Pertanto, poiché ^_` 8) , 8) = >X& 8) = 5) ,
( )- − +*
Il coefficiente lambda è pari a: L= &
!-
(*) Infatti
: ;# − =$ = : ∑( ( ( (
%&' @% =% − ∑% @% =$ = ∑%&' @% : =% − =$ = ∑%&' @% ABCD =% , ;) = ∑( (
%&' @% BCD =% , ;) = ABCD ∑% @% =% , ;) = ABCD ;# , ;)

Security Market Line (formula)
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.
Quest’ultima relazione a sua volta può essere riformulata come:

! "A − $. rischio
! $T = $. + 7T,A 'T sistematico
'A dell’azione (.
tasso risk free
prezzo di
mercato del
rischio Capital Asset Pricing Model - 32
Security Market Line (esempio di calcolo)
Si consideri il titolo azionario di una società costruttrice di automobili con un beta pari 0.85.
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!
! $T = 3% + 0.85 > 10% − 3% = 8.95%
Nello stesso mercato il titolo azionario di una società telefonica con un beta pari a 1.20 avrà un
rendimento atteso pari a:
! $T = 3% + 1.20 > 10% − 3% = 11.40%
CAPM: Rendimento atteso di un portafoglio
Analogamente, si prova che, per ogni portafoglio +, se #+ , … , #, sono i suoi pesi e N$ = ∑,

!*+ #! N! è il
suo beta medio di portafoglio, allora:
! "- − $. = 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.
Quest’ultima relazione a sua volta può essere riformulata come:
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
La stima del coefficiente «beta»
Abbiamo dunque provato che, per ogni

asset (, vale la relazione
$ &! − &/ = N! ($ 8) − &/ )
e che, per ogni portafoglio !, vale
$ &$ − &/ = N$ $ 8) − &/ .
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.
Gli indici di borsa

Come detto, come proxy del rendimento di mercato spesso si utilizza il rendimento di un indice di borsa.
Alcuni esempi di indici di borsa seguono:
• per il mercato americano:
1. S&P 500, che raccoglie le 500 aziende statunitensi a maggiore capitalizzazione; il peso
attribuito a ciascuna azienda è direttamente proporzionale al suo valore di mercato;
2. DOW JONES, il più noto indice azionario della borsa di New York; è determinato soppesando il
prezzo dei principali 30 titoli di Wall Street;
• per il mercato europeo:
1. Italia: FTSE MIB; è il paniere che racchiude le azioni delle 40 società italiane a maggiore
capitalizzazione;
2. Germania: DAX 30;
3. Inghilterra: FTSE 100;
4. Francia: CAC 40.
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.

! come contributo marginale al rischio di mercato
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.
Questo può essere visto anche analiticamente.
Siano #+ , … , #, i pesi degli : asset nel portafoglio di mercato f.

Allora, si prova (Appendice) che
12M 456(82 ,:M ) $ 12M

= = <" !- ⇒ <" =(∗)
132 2M 2M 132
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! %.
Riscrivendo l’equazione della security market line tramite (*) si ottiene
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

Il CAPM e i prezzi (1|2)
Sinora abbiamo discusso del CAPM in termini di rendimenti.

Ora mostreremo che le relazioni da esso introdotte possono essere estese ai prezzi.
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.
Allora, valgono per i rendimenti le relazioni che seguono:

h!,+ − !!,N h!,+ h),+ − !),N h),+
&! = = − 1, 8) = = −1
!!,N !!,N !),N !),N
Dunque, poiché
$ &! − &/ = N! $ 8) − &/
vale,
$(h!,+ ) $ h),+
− 1 = $ &! = &/ + N! $ 8) − &/ = &/ + N! − 1 − &/
!!,N !),N
Il CAPM e i prezzi (2|2)

Abbiamo provato che
$(h!,+ ) $ h),+
− 1 = &/ + N! − 1 − &/ .
!!,N !),N
EFG(J+ ,J- )
Poiché N! = OPJ(J- )
, vale
$(h!,+ ) ^_` &! , &) $ h),+

− (1 + &/ ) = − (1 + &/ ) .
!!,N >X& &) !),N
Inoltre, essendo (vedi Appendice)
^_` &! , &) !),N ^_`(h!,+ , h),+ )
= ,
>X& &) !!,N >X&(h),+ )
vale
^_` h!,+ , h),+
$ h!,+ − !!,N 1 + &/ = $ h),+ − !),N 1 + &/ .
>X& h),+
Premio dato (in termini di Prezzo del rischio, Quantità di rischio,

valore atteso) per investire dato per investire nel uguale al rapporto tra
!!,N nell’(-esimo asset mercato (anziché in un la covarianza del
anziché in un asset privo asset privo rischio) prezzo dell’azione ( e
rischio l’indice di mercato e la
varianza dell’indice
Abbiamo, quindi, un CAPM per i prezzi. stesso.
Appendice
§ Rendimento medio e varianza dei rendimenti del singolo asset

§ Rendimento medio di un portafoglio
§ Varianza dei rendimenti di un portafoglio
§ Coincidenza del portafoglio tangente (unico) col portafoglio di mercato
§ Esiste un «lambda» t.c. 7 80 − 81 = 9 :;<(80 , >2 )
34$ 678(:% ,:$ )
§ Contributo marginale al rischio di portafoglio: =
35% 4$
678 :& ,:$ ?$ 678(@& ,@$ )
§ Covarianza tra prezzi =>: :$
= ?& =>:(@$ )
Rendimento medio e varianza dei rendimenti del singolo

asset
Si consideri un universo di investimento composto da : asset e si scrivano i rendimenti come
&! = 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) .

Rendimento medio di un portafoglio
in funzione di alfa e beta
Si consideri ora un portafoglio ! con pesi #+ , … , #, e si pongano
N$ = ∑,
!*+ #! N! , M! = $ X! , M$ = ∑, ,
!*+ #! $(X! ) = ∑!*+ #! M! .
N$ , come detto, è detta beta di portafoglio.
Allora, il rendimento atteso (= valore atteso del rendimento) del portafoglio è

, , ,
$ 8$ = $ @ #! &! = @ #! $(&! ) = @ #! M! + N! $ 8) =
!*+ !*+ !*+
, ,
@ #! M! + $(8) ) @ #! N! = = M$ + N$ $ 8) .
!*+ !*+
Varianza dei rendimenti di un portafoglio

in funzione di alfa e beta
Inoltre, la varianza del rendimento del portafoglio è
, , ,
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$0 5)
0
+ @ #!0 510+ ,
!*+ Q*+ !*+ !*+
dove 5! = >X&(O! ).
Dunque, la deviazione standard (il rischio) è pari a
,
5$ = N$0 5)
0
+ @ #!0 510+ .
!*+

Coincidenza del portafoglio tangente (unico) col
portafoglio di mercato (1|3)
Per semplicità, si consideri un universo di investimento composto di tre asset rischiosi (ad esempio
azioni) i+ , i0 , iS e un asset privo di rischio in cui operano due soli attori (investitori), M e N.
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
"(,+ !+ "(,0 !0 "(,S !S

#(,+ = , #(,0 = , #(,S = ,
>( >( >(
dove !+ , !0 e !S sono i prezzi, rispettivamente, degli asset 1, 2 e 3 e
>( = "(,+ !+ + "(,0 !0 + "(,S !S
è il valore del portafoglio tangente.

Supponiamo, sempre per semplicità, che entrambi gli investitori abbiano a disposizione un capitale
pari a 1 € e che ne investano, rispettivamente, quote pari a `T e Ù nel portafoglio rischioso
(= portafoglio tangente). Quindi, l’importo totale investito da tutti gli investitori agenti sul mercato in
asset rischiosi (la capitalizzazione totale di tutte le attività rischiose) è pari a `T + Ù .
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 = ,
>) >) >)
dove !+ , !0 e !S sono i prezzi, rispettivamente, degli asset 1, 2 e 3 e
>) = "),+ !+ + "),0 !0 + "),S !S = ` T + Ù
è la capitalizzazione di tutte le attività rischiose (pari al valore del portafoglio di mercato).
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.
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 Ù "(,+
j5,V = "(,+ + "(,+ = (`T + Ù )
>( >( >(
da cui segue che
"),+ !+ "),+ !+ !+ "(,+ !+ "(,+ !+

k5,V = = = j5,V = `T + Ù = = k",V
>) `T + Ù `T + Ù >( `T + Ù >(
Come detto, in maniera del tutto analoga, si prova che #),0 = #(,0 , #),S = #(,S .
Esiste un «lambda» t.c. * +& − +' = - ./0(+& , 2( ) (1|4)

Intendiamo provare che esiste ] tale che, per ogni asset (, vale ] ⋅ ^_` &! , 8) = $ &! − &/ .
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.
Proveremo ora che il gradiente di s in tX è uguale a zero: um # ) = 0, dove

vm vm .
+
.
S
um # = ,…, # =(∗) # W w # 0 n − &/ 1, − # W n − &/ 1, # W w # 0 w#
v#+ v#,
e #) è il vettore dei pesi del portafoglio di mercato.
Questo risultato ci permetterà di concludere.
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#,
Ricordiamo che l’obiettivo è provare che um # ) = 0.

Valendo (*), questo è equivalente a provare che
S
0 = #) ′w # 0 ∇m #) = #) ′w #) n − &/ 1, − #) W n − &/ 1, w#) ,
W
poiché #) w#) = >X& &Z [- > 0 (il portafoglio di mercato è un portafoglio rischioso).
Poiché, nelle ipotesi del CAPM,

Σ.+ (n − &/ 1\ )
#) = ,
1, W Σ.+ (n − &/ 1\ )
valgono
nW − &/ 1W, Σ.+ n − &/ 1,

#) W w #) = 0 ,
1, W Σ.+ n − &/ 1\
nW − &/ 1W, Σ.+ n − &/ 1,

#) W n − &/ 1, = ,
1, W Σ.+ n − &/ 1\
n − &/ 1,
Σ#) =
1, W Σ.+ n − &/ 1\
e la prova è conclusa.
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).

_`
Proveremo ora che esiste ] tale che, per ogni asset Ü, poiché, come appena provato, _[ #) = 0,
4
] ^_` &a , 8) = $ &a − &/ .
Fissato Ü, poiché
∑5
+ [+ (b J+ .J6 )
m # = ,
∑5
+,7 [+ [7 EFG(J+ ,J7 )
allora
∑, ,
! #! $ &! − &/ 2 ∑!*+ #! ^_`(&a , &! )
($ &a − &/ ) ∑,
!,Q #! #Q ^_`(&! , &Q ) −
2 ∑,
!,Q #! #Q ^_`(&! , &Q )
vF
= .
v#a ∑,
!,Q #! #Q ^_`(&! , &Q )
Dunque, moltiplicando a destra e sinistra per ∑,

!,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
?@= :;<(8> ,8= )

Contributo marginale al rischio di portafoglio: =
?A=,> @?=
Si consideri un portafoglio B con pesi $, , … , $A . Proveremo che

D"! EFG(+B , *! )
= .
D$B "!
Poiché
"C = IJ+(*! ) = K $D $E EFG(+D , +E ) ,

D,E F,
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 )
In particolare, ponendo , pari al portafoglio di mercato,

D"! EFG +B , *&
=
D$&,B "&

:;< 8@ ,>= O= :;<(P@ ,P= )
Covarianza tra prezzi =
MN8 >= O@ MN8(P= )
Proveremo ora che

EFG +D , *& ,& EFG(QD , Q& )
= ,
IJ+ *& ,D IJ+(Q& )
dove:
1. QD = 1 + +D ,D è il prezzo dell’asset al termine del periodo considerato;
2. QD = 1 + +& ,& è il prezzo del portafoglio di mercato al termine del periodo considerato.
L’uguaglianza segue immediatamente da
QD )(QD ) Q& )(Q& )

EFG +D , *& = ) − − =
,D ,D ,& ,&
1 1
= ) QD − )(QD ) Q& − )(Q& ) = EFG QD , Q&
,D ,& ,D ,&
e da
1 1
IJ+ *& = EFG *& , *& = " EFG Q& , Q& = " IJ+ Q&
,& ,&
che si ottiene in maniera del tutto analoga.
Il Beta del portafoglio di mercato e dei singoli titoli

Abbiamo provato che, al valere di determinate assunzioni, se ! è un portafoglio ben diversificato, il suo
rischio è dato da:
Rischio (dev.std.
!! = <! !- rendimenti) portafoglio +
Il portafoglio di mercato è un portafoglio ben diversificato. Dunque, vale*
Il beta del portafoglio di

!- = <- !- Il che implica <- = 1 mercato è pari a 1
Gli asset con S > [ si dicono aggressivi, poiché si muovono più del mercato: ad aumenti (e
superiori.
Gli asset con S < [ si dicono difensivi, poiché si muovono meno del mercato: ad aumenti (e
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=(;) )
%&' %&'
dove @),' , … , @),( sono i pesi del portafoglio di mercato.

CAPM: versioni alternative e
verifiche empiriche
Corsi di Laurea: CLAMFIM e EPELM
Slide liberamente tratte da Elton-Gruber-Brown-Goetzmann

«Modern portfolio theory and investment analysis» 6° edizione J. Wiley and Sons, capitoli 14 e 15
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
CAPM: versioni alternative e verifiche empiriche - 2

CAPM: assunzioni (riepilogo)
• efficienza del mercato dei capitali:

1. non ci sono costi di transizione; non c’è, perciò, restrizione al comprare e vendere;
2. gli asset sono infinitamente divisibili; l’investitore può, dunque, assumere una posizione in un
investimento per un importo di qualsiasi ammontare;
3. non ci sono tasse; questo vuol dire che, per esempio, l’investitore è indifferente al modo in cui
viene corrisposto il rendimento;
4. nessun investitore è in grado di condizionare il prezzo di mercato dei titoli tramite le sue
operazioni di acquisto e vendita;
5. l’investitore decide dei propri investimenti solo considerando media e varianza dei rendimenti;
sceglie, pertanto, portafogli efficienti, secondo la formulazione già vista nella MPT;
6. è possibile vendere allo scoperto illimitatamente e investire e prendere a prestito illimitatamente
il titolo privo di rischio;
• 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.
Versioni alternative del CAPM

Formulazioni non standard del CAPM
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.

Rimozione di alcune assunzioni
Modelli alternativi del CAPM (modelli di equilibrio generale dei rendimenti dei
titoli azionari) derivanti dalla rimozione di alcune assunzioni:
§ Impossibilità di vendere allo scoperto

§ Possibilità investire e 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

Ipotesi più realistiche: impossibilità di vendere allo scoperto
La rimozione di tali ipotesi semplifica la

Impossibilità di dimostrazione matematica del CAPM, ma tale
vendere allo assunzione non è necessaria.
scoperto
L’intuizione economica è semplice: in condizioni di

equilibrio tutti gli investitori detengono il portafoglio
di mercato M.
Dal momento che in equilibrio nessun investitore

vende titoli allo scoperto, proibire le vendite allo
scoperto non cambia le condizioni di equilibrio.

Ipotesi più realistiche: investimento e indebitamento al tasso privo di rischio
La possibilità illimitata di investimento al tasso privo di

Possibilità illimitata
rischio equivale alla possibilità di investire in titoli di
di investimento e
stato zero coupon di durata pari al periodo di
indebitamento al
investimento. Questa ipotesi è realistica.
tasso privo di rischio
Può non essere invece realistico assumere che gli
investitori possano indebitarsi illimitatamente al tasso
privo di rischio.
Inoltre tasso di interesse pagato sull’indebitamento
(borrowing rate !! ) è solitamente maggiore rispetto a
quello di un investimento in un asset risk free (lending
rate !" ).
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.
Portafogli a «zero-beta» (1|2)

Definizione
Un portafoglio a zero-beta è un portafoglio costruito in maniera tale da

avere un rischio sistematico nullo o in altri termini un beta pari a zero (! =
#). Tale portafoglio dovrebbe avrebbe una correlazione nulla con i movimenti
del portafoglio di mercato.
Esso può essere costruito:

• acquistando titoli rischiosi con beta positivi e negativi che si compensano
tra loro e dando, quindi, un beta di portafoglio nullo;
• oppure assumendo posizioni lunghe e corte* in contemporanea su titoli
rischiosi in modo da ottenere un beta di portafoglio nullo.
(*) Per andare «corti» su un titolo è necessario che sia possibile prendere a prestito il titolo stesso (short selling).

Portafogli a «zero-beta» (2|2)
Esempi di portafogli a «zero beta»
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
Portafoglio 5 050 000 100.0% 0.000 Portafoglio 0 0.0% 0.000
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.
Dalla teoria del CAPM sappiamo che in

condizioni di equilibrio il rendimento di un # $&
qualsiasi portafoglio (o titolo) è dato dalla
security market line:
! "! = $′" + '# ! "$ − $′" M
se un titolo privo di rischio con rendimento

!′# non esiste, tuttavia, esistono infiniti
portafogli formati da asset rischiosi, che si !′% C
collocano lungo il segmento «solido» (non
tratteggiato) !′# − $ del piano Rendimento-
Rischio di portafoglio. %&
CAPM zero beta
SML mediante il c.d. minimum variance zero-beta portfolio (Z)
Ogni portafoglio che ha un rendimento atteso pari a $ %! = &′" deve avere

una covarianza dei rendimenti nulla rispetto al portafoglio di mercato (beta
=0).
Tra questi scegliamo il portafoglio Z a zero-beta che ha il rischio totale più

basso (minimum variance zero-beta portfolio). Ponendo %(# = $ %$ il
rendimento atteso del portafoglio Z, la «security market line» per qualsiasi
portafoglio rischioso ) (o titolo) diviene:
# $& = $'' + )( # $) − $''
CAPM zero beta

Il portafoglio Z: portafoglio zero-beta a varianza minima
# $&
%(# = rendimento atteso sullo zero-beta

$'' Z
C
portfolio
minimum variance zero-

beta portfolio
%&
CAPM zero-beta
Il portfolio Z non è un portafoglio efficiente (dimostrazione in appendice)
I portafogli del tratto S-M si ottengono come combinazione lineare dei portafogli
# $& Z ed M. Quelli del tratto M-F1 andando corti sul portafoglio Z per investire in M.
F1
Frontiera efficiente:
minimum M * − , − -%
variance portfolio
(ottenuta combinando solo asset rischiosi)
S
$'' Z +*$ = rendimento atteso sullo zero-beta portfolio
minimum variance zero-

beta portfolio
%&
Il portafoglio Z si colloca nel tratto “non efficiente” della frontiera a
varianza minima formata dai soli asset rischiosi (Appendice).

Possibilità di investire (ma non di indebitarsi) al tasso risk-free
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.

Possibilità di investire (ma non di indebitarsi) al tasso risk-free
I portafogli del tratto !! − , si ottengono come combinazione lineare del portafoglio , e

dell’asset privo di rischio. Quelli del tratto , − - come combinazione lineare dei
# $& portafogli 0 ed -. Quelli del tratto - − .1 andando corti sul portafoglio 0 per investire
in -.
F1
Portafoglio M && − . − , − -%
tangente
#"! = rendimento atteso sullo zero-beta portfolio

S
Z !! = tasso di investimento nell’attività priva di
$'' rischio (risk free rate)
!/ minimum variance zero-

beta portfolio
%&

Investimento e indebitamento sono possibili ma a tassi diversi (Brennan 1971)
Infine se è anche possible prendere a prestito denaro al tasso pù elevato !# la frontiera

efficiente” degli investimenti possibili si modifica come come riportato in figura
# $&
F2
B
&& − . − , − / − -&
M
L !# = tasso di indebitamento (borrowing rate)
!&
Z #"! = rendimento atteso sullo zero-beta portfolio
$'' !" = tasso di investimento nell’attività priva di
rischio (lending rate)
!%
%&
Presenza di imposizione fiscale sui redditi dell’investitore
Il tema della imposizione fiscale è rilevante dove i

Presenza di
dividend distribuiti hanno una aliquota fiscale diversa
imposizione fiscale
rispetto ai capital gain*
sui redditi
dell’investitore
In tal caso la relazione di equilibrio di rendimento (SML)
si modifica nel modo seguente (Elton e Gruber 1978):
! $# = $' + '# ! "$ − $' − ) *$ − $' + ) *# − $'
& : 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.

Presenza di asset non negoziabili
Non tutti gli asset rischiosi sono negoziabili: si pensi ad

esempio alla casa di proprietà se è anche l’abitazione
Presenza di asset
principale, ai redditi futuri derivanti dalla propria
non negoziabili
pensione,… ecc. Tali beni non vengono ceduti
dall’investitore al solo fine per arrivare al portafoglio
“ottimo”.
Dividendo l’universo degli asset in due parti, quelli
Prezzo del rischio in negoziabili e quelli non-negoziabili, la relazione di
presenza di attività equilibrio delle attività diviene (Mayers 1972):
non negoziabili
! "$ − $' ,)
! $# = $' + -./ $# , "$ + -./ $# , ")
( + ,) -./ " , "
+$ ,$
,$ $ )
$$ #% : rendimento uniperiodale delle attività non

: rapporto tra il valore totale delle attività
$% negoziabili.
non negoziabili '% ed il valore totale delle
attività negoziabili '" .

Aspettative non omogenee (1|2)
Diversi autori hanno studiato il problema di un possible

equlibrio generale in presenza di aspettative
Aspettative non
eterogenee (Lintner 1969, Sharpe 1970, Fama 1976,
omogenee
Gonedes 1976).
L’equilibrio può ancora essere espresso in termini di rendimenti attesi, varianze e

covarianze, ma tali indicatori risultano essere medie ponderate abbastanza complesse delle
aspettative di tutti gli investitori.
I fattori di ponderazione dipendono dalle funzioni di utilità dei diversi investitori (e in
particolare sono funzione del saggio marginale di sostituzione tra rendimento e varianza).
Trade-off che a sua volta è funzione della ricchezza dell’investitore e quindi del livello dei
prezzi.
Si crea quindi un loop logico: la ricchezza e i prezzi di mercato diventano cruciali per
derivare il prezzo di mercato del rischio, che a sua volta determina i rendimenti attesi e
riporta quindi ai prezzi. Non esiste una soluzione semplice in forma chiusa per i modelli di
equilibrio in esame.

Aspettative non omogenee (2|2)
Il problema dell’individuazione di un modello di equilibrio può essere semplificato solo

imponendo vincoli particolari sulla forma delle funzioni di utilità o sulle caratteristiche delle
opportunità di investimento disponibili.
Lintner (1969): ipotizza una funzione di utilità CARA1, tale per cui il saggio marginale di
sostituzione (tra reddito atteso e rischio) non dipende dalla ricchezza dimostra che anche
nel caso di aspettative non omogenee la SML* del CAPM è ancora valida, e che il temine
' (& )*'
(
+&
è proporzionale alla media armonica del coefficiente di avversione al rischio,
mentre i rendimenti attesi, le varianze e le covarianze sono medie complesse delle
distribuzioni di probabilità soggettive e dell’attitudine al rischio dei singoli investitori.
Gonedes (1976) sviluppa un modello di equilibro con aspettative non omogeneità
imponendo dei vicoli al tipo di eterogeneità delle aspettative stesse.
(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
Presenza di investitori in grado di influenzare il mercato
Presenza di Gli investitori istituzionali di maggiori dimensioni (fondi

investitori in grado di di investimento o fondi pensione) in realtà sono in
influenzare il grado di influenzare il mercato: le loro decisioni hanno
mercato impatto sui prezzi.
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).

CAPM multiperiodale (1|5)
Fama (1970), Elton e Gruber (1974 e 1975) hanno

CAPM multiperiodale
esplorato le condizioni sotto le quali il CAPM standard è
adeguato anche su orizzonti di investimento
multiperiodali*.
Le condizioni sono le seguenti:

1. Le preferenze degli investitori nei confronti di determinati consumi sono indipendenti dagli eventi futuri;
2. Il consumatore agisce come se le oppportunità di consumo in termini di prezzi e di beni disponibili fossero
note all’inizio del periodo in cui vengono prese le decisioni (e quindi indipendenti dal futuro stato del mondo).
3. Il consumatore agisce come se le distribuzioni dei rendimenti uniperiodali di tutte le attività finanziarie fossero
note all’inzio del periodo in cui vengono prese le decisioni (e quindi indipendenti dal futuro stato del mondo).
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
CAPM multiperiodale Breeden (1979) e Rubinstein (1976).

Basato sui consumi Gl investitori massimizzano una funzione di utilità
multiperiodale in funzione dei consumo che faranno
nell’arco dell’intera vita.
Sotto una serie di ipotesi semplificatrici, i due autori
dimostrano che i rendimenti della attività dipendono
linearmente dal tasso di crescita del consumo
aggregato.

Fried, Landskroner e Losq (1976) sviluppano un

CAPM multiperiodale modello multiperiodale in cui le condizioni di tutte le
In presenza di ipotesi di Fama (1970) sono soddisfatte (preferenze,
rischio inflazione prezzi e rendimenti) tranne per il fatto che vi è
incertezza circa l’evoluzione del tasso di inflazione.
Essi giungono a conclusioni simili a quelle del CAPM,

ma con un prezzo di mercato del rischio e una misura
del rischio rilevante che sono influenzati dall’inflazione.
In particolare se la correlazione tra inflazione e

rendimento di mercato è positive, il prezzo di mercato
del rischio è maggiore di quello del CAPM standard.

CAPM multiperiodale Merton (1973) ha costruito un modello intertemporale

Versione multi-beta generalizzato in cui più fonti di rischio sono prezzate dal
mercato.
Merton ipotizza che gli investitori debbano risolvere un
problema di ottimizzazione intertemporale delle
possibilità di consumo, trovandosi di fronte a diverse
fonti di incertezza: valore futuro dei titoli, reddito da
lavoro, prezzo dei beni di consumo, …. ecc.
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.
Versioni alternative del CAPM CAPM multiperiodale

CAPM multiperiodale (5|5) Versione multi-beta
Il CAPM multi-beta afferma che il rendimento atteso di ogni titolo è funzione della
sensitività a diversi fattori di rischio:
! $# − $' = '#$ ! "$ − $' + '#$ ! "*+ − $' + '#$ ! "*( − $'
In quest relazione gli +,% , +,- , …sono i rendimenti dei

portafogli detenuti dall’investitore per coprirsi dalle
varie forme 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).

Sintesi
Il modello CAPM è un modello piuttosto robusto: la metodologia permette di incorporare

diverse variazioni nelle ipotesi di base e le conclusioni generali del modello reggono pur
con degli adattamenti.
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.
I modelli di equilibrio sono quindi certamente «imperfetti».
Le verfiche empiriche dei modelli di equilibrio

Introduzione
Il CAPM standard o un altro modello di equilibrio descrive

accuratamente il comportamento dei mercati finanziari?
Come si fa a disegnare una verifica empirica per giudicare la

bontà di un modello di equilibrio dei mercati finanziari?
Nel seguito si analizzeranno una serie di test empirici proposti in letteratura di verifica della
relazione del CAPM.
Da ultimo si analizzerà il contributo fondamentale di Roll (1977) che sottolinea alcune

problematiche comuni a tuttte le verifiche empiriche dei modelli di equilibrio dei mercati
finanziari.

Aspettative ex-ante e verifiche ex-post (1|5)
Le due versioni più testate del CAPM
La maggior parte delle analisi empiriche sui modelli di equilibrio sono state condotte su due
versioni del CAPM: quella standard e quella zero-beta, le cui equazioni fondamentali (Security
Market Line) possono essere scritte come:
1(+0 ) = rendimento atteso

del titolo (o portafoglio) 5
CAPM Standard dove:
+. = tasso risk free
1(+/ ) = rendimento atteso
(1) ! "! = "" + %! [! "# − "" ] del portafoglio zero-beta a
varianza minima
1(+1 ) = rendimento atteso
del portafoglio di mercato
CAPM zero-beta o a due fattori
(2) ! "! = !("$ ) + %! [! "# − !("$ )]
Si noti che entrambi i modelli sono espressi in termini di aspettative:

tutte le variabili 1 +0 , 1 +1 , 1(+/ ) rappresentano valori futuri attesi

Possibili approcci al test del CAPM
Problema: come testare un modello formulato in termini di aspettative

utilizzando i dati storici realizzati che sono i soli disponibili?
Due sono gli approcci seguiti in letteratura dai ricercatori:

§ Ipotizzare che se le aspettative sono corrette “in media”, la realizzazione media di lungo
periodo dovrebbe appossimare con cura l’aspettativa sul fenomeno stesso.
§ 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)

Riformulazione dei rendimenti di periodo (1|2)
Analizziamo il secondo approccio.
Supponiamo dunque che valga il Market Model, una versione del Single Index Model, affrontato
nella precedente lezione (= Eq. (3)):
"+ !% = ,! + %! "+ #% + .̃!%

Allora, il rendimento atteso dell’5-esimo titolo è
! "! = ,! + %! ! "#
da cui
,! = ! "! − %! ! "#
Perciò
"+ !% = ! "! − %! ! "# + %! "+ #% + .̃!%
(4)
= ! "! + %! "+ #% − ! "# + .̃!%

Riformulazione dei rendimenti di periodo (2|2)
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
(6) "+ !% = ! "& + %! "+ #% − ! "& + .̃!%

Ipotesi implicite nell’utilizzo di rendimenti realizzati (ex-post)
Testare il CAPM supponendo che valga l’equazione (5):
"+ !% = "" + %! "+ #% − "" + .̃!%

o l’equazione (6): +702 = 1 +$ + =0 +712 − 1 +$ + ?̃02 (CAPM zero-beta) sui rendimenti di periodo
realizzati equivale a testare in modo congiunto tre ipotesi:
1. Il market model (single index model) vale in ogni periodo
2. Il CAPM standard (o zero-beta) vale in ogni periodo
3. Il beta è stabile nel tempo
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.
Alcune ipotesi del CAPM

Ipotesi del CAPM testate nei lavori empirici
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.
In aggiunta altre due ipotesi specifiche per le due versioni alternative:

4.a) CAPM standard: la SML presenta una intercetta pari al tasso risk-free +. e pendenza
pari a (+1 − +. );
4.b) CAPM zero-beta: la SML presenta una intercetta pari a E +$ e pendenza pari a
(+1 − E +$ );

Il test di Sharpe e Cooper (1972) (1|3)
Impostazione del test
Le prime tre ipotesi sono state verificate da Sharpe e Cooper, che hanno condotto un test
sui rendimenti di tutti i titoli quotati alla borsa New York Stock Exchange per gli anni 1931-
67.
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)

Relazione di lungo periodo tra rendimento atteso e beta
Rendimento medio singoli cluster SML stimata
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
Conclusioni del test
Il lavoro di Sharpe e Cooper presenta una evidenza chiara del fatto che:
1. Esiste una relazione positiva tra rendimento e beta (rischio sistematico)

in linea con la tesi del CAPM;
2. Tale relazione è forte ed è di tipo lineare;
3. L’intercetta della relazione di lungo periodo stimata (5.54%) è ben più
alta del tasso risk-free del periodo considerato (T-Bill rate) che è pari al
2%.
Il test di Litner e Douglas (1968) (1|4)

La maggior parte dei primi lavori empirici sul CAPM è basata su un’analisi a due passi:
1. dapprima si stimano i beta di più titoli mediante regressione in «serie storica»,
2. poi si calcola il rendimento «teorico» mediante i beta e si verifica il CAPM mediante una regressione
«cross sectional» dei rendimenti attesi di tutti i titoli sui beta.
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:
1! step: "!% = ,! + %! "#% + .!

• stima (OLS) gli A0 e i =0 utilizzando le serie storiche (301) del campione dei rendimenti (annuali di ogni
titolo nel periodo 1954-63);
• computa le medie +B0 dei rendimenti teorici e le varianze dei residui C0-
• procede poi ad una seconda regressione «cross sectional» nella forma:
2! step: "/! = 0' + 0( %! + 0) 1!( + 2!

e stima e stima i coefficienti D% , D- , D3 .
1! step: Regressioni «time-series» per stimare i beta e i

rendimenti teorici medi
Rendimenti di "!,%E "#,%E .!,%E

periodo realizzati tra
il tempo iniziale 8% e ⋮ = ,! + %! ⋮ + ⋮
il tempo finale 84 del
periodo considerato "!,%F "#,%F .!,%F
Per ognuno degli

N titoli del
campione si "/! %! 1+(G
ottiene:
Rendimento Stima del Varianza dei
medio teorico coefficiente beta residui
(rendimento
atteso)
2! step: Regressione «cross sectional» per la verifica del CAPM
Regressione dei "4' %' 1+(E

rendimenti attesi ⋮ = 0' + 0( ⋮ + 0) ⋮
sugli N titoli del
campione "4, %, 1+(H
Stima dei tre parametri: 0' , 0(, 0)

Se valesse il
CAPM standard
0' = "" 0( = "4# − "" 0) = 0
dovrebbe essere:
oppure (CAPM zero-beta) Varianza dei
0' = ! "& 0( = "4# − "4& residui nulla

Il test di Litner e Douglas (4|4)
Se vale il CAPM, allora dovrebbe valere la relazione
# $( = $: + )( (# $) − $: )
Confrontando questa equazione con la regressione del secondo step:

$1( = 2I + 2J )( + 2K 3(J + 4(
essendo +B0 una stima di 1 +0 e avendo L0 media 0, ci si attende che D% = +. , D- = 1 +1 − +. , D3 = 0.

(oppure alternativamente per il CAPM zero beta D% = 1 +$ e D- = +*1 − +*$ ).
Litner e Douglas hanno stimato D% , D- , D3 utilizzando dati dal 1954 al 1963, ottenendo dei risultati:
0' = 0.108, 0( = 0.063, 0) = 0.237

Si osserva che:
• D% : è troppo alto ed appare maggiore di ogni ragionevole stima di +. o di +*$ ;
• D- : pur essendo positivo appare leggermente basso ed inferiore alle attese;
• D3 : (residui) è positivo e statisticamente diverso da zero.
Conclusioni: tali risultati sembrano contraddire le tesi del CAPM.

Il test di Miller e Scholes (1972) (1|2)

In un famoso articolo del 1972 Miller e Scholes contestano le conclusioni di Litner e Douglas (1968).
Essi avanzano diverse osservazioni circa la metodolologia da utilizzare per i test empirici del CAPM.
Innanzitutto essi osservano che, se i rendimenti dei titoli seguono il CAPM standard, l’equazione utilizzata
per stimare i beta dovrebbe essere la seguente:
"+ !% = ""% + %! "+ #% − ""%

e non quella del single index model (Market Model):
"+ !% = ,! + %! "+ #% + .!%
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.

Il test di Miller e Scholes (1972) (2|2)
Miller e Scholes analizzano poi altri elementi quali: relazione non lineare tra rendimenti e beta, presenza di
eteroscedasticità nei residui. Tuttavia nessuno dei due comunque riesce a spigare le anomalie legate alla
intercetta D% (troppo alta) ed alla pendenza D- (troppo bassa) della regressione cross-sectional.
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.
Il test di Black, Jensen e Scholes (1972) (1|6)

L’analisi basata su serie storiche (1|3)
Black, Jensen e Scholes sono stati i primi a condurre un’approfondita analisi del CAPM tramite serie
storiche dei rendimenti.
Essi supposero che, per ogni 5, i rendimenti dell’5-esimo titolo, risolvano, ad ogni tempo 8, l’equazione
(7) "!% − ""% = ,! + %! "#% − ""% + .!%
con ?02 a media 0.

Se il CAPM vale,
(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

I risultati ottenuti mostrarono che:
• l’equazione %'( − %)( = 0' + 2' %*( − %)( + 3'( spiega bene l’andamento dei rendimenti
(plus);
• le stime di 0' spesso differiscono da zero (minus). In particolare:
1. quando ! > 5, Alfa tende ad essere minore di zero;
2. Quando ! < 5, Alfa tende ad essere maggiore di zero.
Questi output sono più coerenti con il modello CAPM zero-beta, come vedremo ora.

L’analisi basata su serie storiche: coerenza con CAPM zero-beta
Supponiamo di nuovo che, per ogni 5, 8, valga per i rendimenti l’equazione
(9) $(9 − $:9 = 5( + )( $)9 − $:9 + .(9
che Black, Jensen e Scholes hanno osservato avere una buona capacità esplicativa.
La relazione fondamentale del CAPM zero-beta è
(10) # $( − # $' = )( # $) − # $'
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.

L’analisi cross section
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.
La tecnica di composizione dei portafogli usata da Black-Jensen-Scholes è particolarmente adatta a tale

scopo. L’excess return (rispetto al tasso privo di rischio) della tabella dei risultati visto in precedenza viene
regredito contro il beta con i seguenti risultati:
# $( − $: = 0.359% + 1.08% )( $ J = 0.98
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.

Relazione lineare tra excess return (mensili) e beta
3%
# $( − $: = 0.359% + 1.08% )(
2%
2%
1%
1%
0%
0.40 0.60 0.80 1.00 1.20 1.40 1.60
Le verifiche di Fama e MacBeth (1973) (1|2)

Impostazione analisi e risultati
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:
"!!" = %$#" + %$$" &! + %$%" &!% + %$&" ('! + )!"

L’analisi cross-section per ogni mese permette di analizzare l’evoluzione mese per mese dei coefficienti nel
tempo nel lungo periodo (33 anni). I risultati dell’analisi mostrano che:
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*
! :9.- ≠ 0 ! :9+- > 0 ! :9(- = 0 ! :9,- = 0

La deviazione standard dei residui
E’ significativamente Il prezzo di mercato Non vi sono componenti non non ha effetto sui rendimenti. Il
diverso da zero e del rischio è positivo lineari nella security market line rischio specifico non influenza il
positivo, in genere rendimento dei titoli.
maggiore di #2 e
minore di E #* − #2 Tali evidenze sembrano indicare una migliore capacità predittiva del CAPM
zero-beta rispetto al CAPM standard

(*) Il coefficiente non risulta statisticamente diverso da zero
Le verifiche di Fama e MacBeth (1973) (2|2)
Il mercato funziona come un gioco equo (fair game)?
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.

Appendice
§ Il portafolio Z non è un portafoglio efficiente

§ Il test di Black, Jensen e Scholes (1972): coerenza con CAPM zero-beta
§ Errori casuali nei beta e distorsioni nei parametri del CAPM
Il portafolio Z non è un portafoglio efficiente

Dimostrazione
Il portafoglio Z si colloca nel tratto “non efficiente” della frontiera a varianza minima (= insieme
delle coppie (rischio, rendimento) che minimizzano il rischio, dato il rendimento) formata da
portafogli di soli asset rischiosi.
Consideriamo infatti il portafoglio “S” avente la varianza minima possible tra i portafogli rischiosi.
Si può provare che esso può essere formato combinando il portafoglio zero-beta Z ed il
portafoglio di mercato M ed ha varianza pari a1:
+/( = >0( +0( + 1 − >0 ( +$
(
Mediante derivazione rispetto a \$ si ottiene:

(
78+ +$ Il peso del portafoglio Z
= 29# 8#& − 28*& + 29# 8*& = 0 >0∗ = ( >0 nel punto di minima
79# +$ + +/( varianza è positivo.
Poiché 1 +1 > 1 +$ ne deriva2 che 1 +9 > 1 +$

Il portafoglio S ha un rendimento atteso maggiore di Z ed un rischio minore [9- < [$- .
Quindi il portfolio Z zero-beta non può trovarsi nel tratto «efficiente» della frontiera a varianza
minima dei portafogli rischiosi.
(1) nell’espressione per 235 non figura il termine di covarianza perché esso è pari a zero.
(2) / #3 = 8!∗ / #! + 1 − 8!∗ / #"
Il test di Black, Jensen e Scholes (1972): coerenza con
CAPM zero-beta
Supponiamo che, per ogni 5, il rendimento dell’5-esimo titolo risolva, ad ogni tempo 8, l’equazione
"#- − "'- = ?# + '# "$- − "'- + @#-

per ?0 a media zero.
Allora, i rendimenti attesi risolvono l’equazione
!("# ) − !("' ) = ?# + '# !("$ ) − !("' ) (11)
Se vale il CAPM zero-beta, allora
! "# − ! "0 = '# ! "$ − ! "0 (12)

Sottraendo (12) a (13) si ottiene
!("0 ) − !("' ) = ?# + '# !("0 ) − !("' )

da cui
?# = (1 − '# ) !("0 ) − !("' )
Errori casuali nei beta e distorsioni nei parametri del

CAPM (1|6)
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.
Il modello corretto per la regressione del secondo passo è:

Errore specifico dell’extra
(A.1) $( − $: = >I ?] + .( rendimento del titolo %.
Non correlato con i beta
9:; -# , =# = 0.
Vero valore (inosservabile)
del beta del titolo %
Si noti inoltre che il beta medio di tutti i titoli è =̅ = 1 e la sua varianza è [ - =0 .
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.

CAPM (2|6)
Sia infine _0 il valore (campionario) osservato di =0 . A questo punto possiamo scrivere:
(A.2) @] = )( + A( Errore del beta osservato del titolo

%, a media nulla (/ @# = 0) e
varianza pari a 2 5 @# .
Non correlato né con il gli errori

Valore osservato del beta specifici degli extra rendimenti del
del titolo % titolo i-esimo 9:;(;# , -# ) = 0, né con i
veri valori dei beta 9:; ;# , =# = 0.
All’atto pratico l’equazione della regressione cross-sectional del secondo passo è:
$( − $: = >` + 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 (3|6)
-./ "# − "' , G#

plim :9+ =
2→45 + ( G#
Sostituendo +0 − +. = Z% =0 + ?0 (A.1) e _0 = =0 + f0 (A.2) si arriva a:
-./ :+ '# + @# , '# + H#

plim :9+ =
2→45 + ( '# + H#
e ricordando le diverse ipotesi di covarianze nulle (ghi(i0 , ?0 ) = 0; ghi ?0 , =0 = 0; ghi i0 , =0 = 0), si

ha:
+ ( '#
(A.3) plim :9+ = :+ (
2→45 + '# + + ( H#
Osservando la (A.3) se ne deduce che, la sua varianza [ - f0 è positiva e il coefficiente k j; è una

misura distorta per difetto del vero Z% (premio al rischio), in presenza di errori casuali nei beta.

CAPM (4|6)
+ ( '#
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
Miller e Scholes concludono che:
plim >GI = >I M 0.64

b→de
Quindi la stima premio al rischio ZY% sottostima il vero premio al rischio quando si è in presenza di
errori campionari.
(*) varianza dei residui della regressione (A.2) dei A# .

CAPM (5|6)
Per esaminare la distorsione dell’intercetta Z: si ricordi che la retta di regressione attraversa il valore
medio della variabile dipendente e di quella indipendente.
In altri termini:
I I
∑l G` + >GI ∑l
(mI $( − $: = > (mI )(
l l
Sommando le (A.1) e dividendo per n
+ 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 (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).
Sostituendo infine la (A.3) si ottiene:
+ ( '#
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.

Arbitrage Pricing Theory
(APT) and Multi-index models
Corso di Teoria del Portafoglio ed analisi investimenti
Slide liberamente tratte da Elton-Gruber-Brown-Goetzmann

«Modern portfolio theory and investment analysis» 6° edizione
J. Wiley and Sons, capitoli 8 e 16
Agenda
§ 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
Teoria del portafoglio e analisi investimenti | APT e multi-index models - 2

Introduzione
Stephen Ross e l’Arbitrage Pricing Theory (APT)
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.
L’APT fornisce un utile quadro di riferimento per analizzare i rischi ed i rendimenti di

portafogli 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).

Introduzione
APT: idea di base ed assunzioni
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.
L’assunzione di aspettative omogenee degli investitori è tuttavia necessaria.
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).

APT: il processo di generazione dei rendimenti
azionari
L’APT assume l’ipotesi che il processo di generazione dei prezzi azionari dipenda linearmente
da un insieme di 𝐿 fattori, rappresentati da altrettanti indici, come dalla seguente equazione:
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
𝑅! = 𝑎! + 𝑏!" 𝐼" + 𝑏!# 𝐼# + ⋯ + 𝑏!$ 𝐼$ + 𝑒! (1)
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.
Multi-index model: un esempio
modello a 5 fattori di Burmeister, McElroy e Marjorie (1987)
Differenza tra i rendimenti a 20 anni dei titoli obbligazionari corporate e quelli

𝐼! governativi (credit spread) ed il credit spread medio di lungo periodo.
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
𝐼3 = 𝑅, − 𝑅- − 0.022 + 1.33𝐼. + 0.56𝐼/ + 2.29𝐼0 + 0.93𝐼1

Tale variabile funge da proxy per tutti gli altri fattori non esplicitamente considerati Teoria del portafoglio e analisi investimenti | APT e multi-index models - 6
APT: una semplice dimostrazione
Un modello a due fattori
Si supponga che i rendimenti azionari siano descritti dal seguente modello a due indici:
𝑅' = 𝑎' + 𝑏'! 𝐼! + 𝑏'" 𝐼" + 𝑒' (2)
Assunzione: i residui delle azioni sono tra loro incorrelati 𝐸 𝑒2 , 𝑒4 ≅ 0
Se un investitore detiene un portafoglio di azioni ben diversificato, il rischio residuo tenderà a

zero e l’unico rischio rilevante sarà quello sistematico, misurato dai due coefficient 𝑏#$ e 𝑏#% .
Il rendimento atteso di un portafoglio ben diversificato sarà quindi:
𝑅"& = 𝑎"& + 𝑏&! 𝐼!̅ + 𝑏&" 𝐼 ̅ "

L’equazione del piano rendimento-rischio a due fattori
Si ipotizzi che esistano tre portafogli A,B,C largamente diversificati con le caratteristiche
riportate in tabella:
Portfolio Rendimento 𝒃𝑷𝟏 𝒃𝑷𝟐

atteso
A 15 1.0 0.6
B 14 0.5 1.0
C 10 0.3 0.2
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:
* 𝑷 = 𝜆) + 𝜆! 𝒃𝑷𝟏 + 𝜆" 𝒃𝑷𝟐

𝑹
Equazione del piano passante
per I tra punti A,B,C, nello
𝑅"& = 7.75 + 5 𝑏&! + 3.75 𝑏&" spazio a 3 dimensioni:
rendimento, bP1 e bP2.

Il piano rendimento-rischi sistematici a due dimensioni
(rappresentazione)
Rendimento atteso
Piano delle
combinazioni B
rendimento-rischio
A
Rischio sistematico
fattore 2 (𝒃𝑷𝟐 )
Rischio sistematico
fattore 1 (𝒃𝑷𝟏 )
Equazione di un piano passante per tre punti (1|2)
L’equazione di un piano è la seguente: incognite
* 𝑷 = 𝜆) + 𝜆! 𝒃𝑷𝟏 + 𝜆" 𝒃𝑷𝟐

𝑹
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/ :
Nel caso dei tre punti A, B, C si ha:
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)
Equazione di un piano passante per tre punti (2|2)
L’equazione di un piano è la seguente:
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
𝜆; = 15 − 𝜆. 1.0 − 𝜆/ 0.6 𝜆; = 15 − 𝜆. 1.0 − 𝜆/ 0.6

−1 = −𝜆. 0.5 + 𝜆/ 0.4 𝜆. = 5.0
−5 = −𝜆. 0.7 − 𝜆/ 0.4 −5 = −𝜆. 0.7 − 𝜆/ 0.4
𝜆; = 15 − 𝜆. 1.0 − 𝜆/ 0.6 𝜆; = 7.75

𝜆. = 5.0 𝜆. = 5.0
𝜆/ = 3.75 𝜆/ = 3.75
𝑅"& = 7.75 + 5𝑏&! + 3.75𝑏&"

Interpretazione geometrica dei parametri 𝜆) , 𝜆! , 𝜆"
Incremento del rendimento atteso per Incremento del rendimento atteso per
una unità aggiuntiva del factor loading una unità aggiuntiva del factor loading
del 1° fattore di rischio sistematico 𝑏=. 2° fattore di rischio sistematico 𝑏=/
𝝀𝟐 =3.75
Premio al rischio
del fattore 2
Premio al rischio
del fattore 1 𝝀𝟏 = 𝟓. 𝟎
Rendimento atteso del portafoglio a

prescindere dai due fattori di rischio
sistematico (𝑏!" = 𝑏!# =0)
𝝀𝟎 = 𝟕. 𝟕𝟓
Rendimento di un Risk-free
(o di uno zero beta) investment

Rendimento medio e rischi sistematici di portafoglio
Il rendimento atteso ed le misure di rischio sistematico, di uno qualunque dei tre portafogli sono
date da:
Rendimento atteso di portafoglio La somma dei pesi è pari all’unità

dove
8 +
𝑤2
𝑅!4 = $ 𝑤5 𝑅
& = peso della i-esima azione in 9 𝑤! = 1
5 portafoglio con 𝑖 = 1, … , 𝑁 .
!*$
567
=
𝑅 = rendimento della i-esima azione in portafoglio
2
Misure di rischio sistematico di portafoglio
𝑏47 = $ 𝑤5 𝑏57 𝑏2. = factor loadings della i-esima azione in

portafoglio, rispetto al fattore di rischio n.1
567
?
𝑏=/ = > 𝑤2 𝑏2/ 𝑏2/ = factor loadings della i-esima azione in

portafoglio, rispetto al fattore di rischio n.2
2>.

Combinazioni lineari di portafogli
Una qualunque combinazione lineare di tre punti su un piano a sua volta giace sul piano.
In altri termini, qualunque portafoglio rappresentato sul piano può essere replicato mediante una
particolare combinazione lineare dei tre portafogli A, B, C.
Ad esempio, si consideri il portafoglio D ottenuto come combinazione dei portafogli A, B e C, con

pesi pari 1/3 ciascuno.
Il portafoglio D può essere replicato
combinando i tre portafogli A, B, C con
pesi pari a c1=1/3, c2=1/3, c3=1/3.
B 1 1 1
𝐷 = 𝐴⃗ + 𝐵 + 𝐶⃗
3 3 3
D A 1 15 1 14 1 10
= 1.0 + 0.5 + 0.3
3 3 3
0.6 1.0 0.2
C
5 4.660 3.330
= 0.330 + 0.1660 + 0.1
0.2 0.330 0.0660
Rendimento atteso 13
Esposizione al fattore 1 = 0.6
Esposizione al fattore 2
0.6
Ipotesi: se esistesse un portafoglio «fuori dal piano» …
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.
… 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%).
Portfolio Flusso di Flusso di 𝒃𝑷𝟏 𝒃𝑷𝟐

cassa cassa
iniziale finale
atteso
E -100 +115 0.6 0.6
D + 100 -113 -0.6 -0.6
Portafoglio di 0 +2 0 0
arbitraggio
Il portafoglio di arbitraggio, ha un investimento iniziale pari a zero, non ha alcun rischio

sistematico (𝒃𝑷𝟏 = 𝟎 𝒆 𝒃𝑷𝟐 = 𝟎) ed ha un rendimento atteso pari a 2 unità di moneta.
Le operazioni di arbitraggio si attiverebbero e continurebbero fino a che il portafoglio E

vedrà diminuire il proprio rendimento atteso dal 15% al 13%, riportandosi sul piano ABC
in corrispondenza del punto D.

Equazione di equilibrio dei rendimenti (2 fattori) (1|2)
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
Se un investimento giacesse al di sopra (o al di sotto del piano) si creerebbe una opportunità di

arbitraggio. L’arbitraggio continuerebbe fino a che tutti gli investimenti non convergono sul piano.
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:
𝑅"' = 𝜆) + 𝜆! 𝑏'! + 𝜆" 𝑏'" (3)
Assumendo: 𝜆; = 𝑅- 𝜆. = 𝑅3. − 𝜆; 𝜆/ = 𝑅3/ − 𝜆;

Risk-free rate
Premio al rischio Premio al rischio
(oppure) 𝜆; = 𝑅3A B>; del fattore 1 del fattore 2
(extra rendimento (extra rendimento
Rendimento di un del fattore 1) del fattore 2)
portafoglio zero-beta a
varianza miniama
si ottiene…(segue)

Equazione di equilibrio dei rendimenti (2 fattori) (2|2)
… si ottiene: Relazione di equilibrio dei rendimenti attesi (2 fatt.)
𝑅"' = 𝑅, + 𝑅"! − 𝑅, 𝑏'! + 𝑅"" − 𝑅, 𝑏'" (3.2)
(oppure)
𝑅"' = 𝑅"- + 𝑅"! − 𝑅"- 𝑏'! + 𝑅"" − 𝑅"- 𝑏'" (3.3)
La relazione può essere generalizzata al caso di L fattori di rischio.
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.

APT: una dimostrazione più rigorosa
Un modello a due fattori
Si supponga che i rendimenti azionari siano descritti dal seguente modello a due indici e si
consideri la differenza tra l’equazione dei rendimenti e quella dei relativi rendimenti attesi:
𝑅' = 𝑎' + 𝑏'! 𝐼! + 𝑏'" 𝐼" + 𝑒' (2)
- (meno) 𝑅"' = 𝑎' + 𝑏'! 𝐼!̅ + 𝑏'" 𝐼 ̅ "
𝑅' − 𝑅"' = 𝑏'! 𝐼! − 𝐼!̅ + 𝑏'" 𝐼" − 𝐼"̅ + 𝑒'

Riarrangiando si ha
𝑅' = 𝑅"' + 𝑏'! 𝐼! − 𝐼!̅ + 𝑏'" 𝐼" − 𝐼"̅ + 𝑒' (5)

Condizioni di validità dell’APT
Condizione sufficiente affinchè siano valide le conclusioni dell’APT è che esistano abbastanza
titoli sul mercato per creare un portafoglio di arbitraggio aventi le seguenti caratteristiche:
𝑥2 = peso della i-esimo titolo in portafoglio con 𝑖 = 1, … , 𝑁 .
? 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
? Somma dei pesi x gli errori residuali Il portafoglio ha

prossima a 0
> 𝑥2 @ 𝑒2 ≈ 0 (vettore dei pesi ortogonale agli errori
un rischio
specifico
2>. residuali) residuale quasi
nullo

Implicazioni teoriche delle condizioni ipotizzate
Il portafoglio che si è ipotizzato esistere nella pagina precedente comporta un investimento
iniziale nullo (essendo autofinanziante), non ha rischio sistematico ed ha un rischio residuale
pressochè nullo.
Il rendimento atteso di tale portfoglio deve essere quindi nullo (no risk no gain):
?
> 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):
𝑅"' = 𝜆) + 𝜆! 𝑏'! + 𝜆" 𝑏'"

Relazione di equilibrio per i rendimenti attesi
Tale relazione deve valere per tutti i titoli e per tutti i portafogli.
𝑅"' = 𝜆) + 𝜆! 𝑏'! + 𝜆" 𝑏'"

La relazione è generalizzabile al caso di L fattori di rischio:
𝑅"' = 𝜆) + 𝜆! 𝑏'! + ⋯ + 𝜆. 𝑏'.

Ricordando la definizione 𝜆# = 𝑅$ e dei premi al rischio 𝜆% (come incremento dell’rendimento
atteso per una unità aggiuntiva del factor loading bij quando i pesi degli altri fattori sono nulli),
si ha:
Relazione di
equilibrio dei
rendimenti
azionari
𝑅"' = 𝑅, + 𝑅
* − 𝑅, 𝑏'! + ⋯ + 𝑅
!
* − 𝑅, 𝑏'.
.
(L fattori)
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.

APT: riepilogo
Le principali equazioni (1|3)
Rendimento atteso Indice
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)

APT: riepilogo
Processo di generazione rendimenti della singola azione (multi fattoriale), pag 422 (eq. 16.1 a)
𝑅' = 𝑎' + 𝑏'! 𝐼! + ⋯ + 𝑏'. 𝐼. + 𝑒'
Rendimento medio della singola azione (multi fattoriale)
𝑅"' = 𝑎' + 𝑏'! 𝐼!̅ + ⋯ + 𝑏'. 𝐼 ̅ .

Sottraendo le due equazioni precedenti si ha:
𝑅' − 𝑅"' = 𝑏'! 𝐼! − 𝐼!̅ + ⋯ + 𝑏'. 𝐼. − 𝐼.̅ + 𝑒'
Utilizzando indici a media nulla 𝐼"̅ = 0,…, 𝐼$̅ = 0
𝑅' = 𝑅"' + 𝑏'! 𝐼! + ⋯ + 𝑏'. 𝐼. + 𝑒'

APT: riepilogo
La relazione di equilibrio dei rendimenti attesi in base all’APT è:
𝑅"'/&0 = 𝜆) + 𝜆! 𝑏'! + ⋯ + 𝜆. 𝑏'. rendimento atteso predetto (APT)
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):
𝑅' = 𝜆) + 𝜆! 𝑏'! + ⋯ + 𝜆. 𝑏'. + 𝑏'! 𝐼! + ⋯ + 𝑏'. 𝐼. + 𝑒'

Se crediamo che in un certo periodo di tempo l’analista sia in grado di produrre un extra-rendimento
per ogni titolo scelto (pag. 429)
𝑅' = 𝛼' + 𝜆) + 𝜆! 𝑏'! + ⋯ + 𝜆. 𝑏'. + 𝑏'! 𝐼! + ⋯ + 𝑏'. 𝐼. + 𝑒'

dove: 𝛼2 = 𝑅32GHIEH - 𝑅328=J
APT: riepilogo
Un esempio di modello multi-indice a 4 fattori (1|3)
Si consideri un modello multi-indice basato sui seguenti 4 fattori:
𝐼C = Variazione inattesa dell’inflazione
𝐼D = Variazione inattesa delle vendite
𝐼E = Variazione inattesa del prezzi del petrolio
𝐼F = Rendimento dell’indice di mercato S&P, costruito in modo da essere ortogonale agli altri fattori
L’equazione generatrice dei rendimenti della singola azione è:
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)

APT riepilogo
Fattori b lambda Contributo all’
extra-rendimento
atteso dell’S&P %
Inflazione -0.37 -4.32 1.59 19.65%
Vendite 1.71 1.49 2.54 31.40%
Prezzi Petrolio 0.00 0.00 0.00 0.00%
Mercato 1.00 3.96 3.96 48.95%
Extra rendimento atteso per l’indice
S&P 8.09 100.00%
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%)

APT riepilogo
Lo stesso impianto analitico può essere usato per stimare l’extra rendimento atteso su
qualsiasi azione o portafoglio. Ad esempio si consideri il seguente portafoglio che è più
esposto al fattore “crescita delle vendite”:
Fattori b lambda Contributo all’

extra-rendimento
atteso %
Inflazione -0.50 -4.32 2.16 18.93%
Vendite 2.75 1.49 4.10 35.93%
Prezzi Petrolio 0.00 0.00 0.00 0.00%
Mercato 1.30 3.96 5.15 45.14%
Extra rendimento atteso per il portafoglio
“crescita vendite” 11.41 100.00%
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%)
Maggiore esposizione al rischio vendite implica un rendimento atteso più elevato

Verifica empirica dell’APT
Test e stime
La dimostrazione di una teoria economica si ha verificando quanto bene essa descriva la

realtà.
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 classi di fattori
Principali classi di fattori (indici) che influenzano i rendimenti azionari:
Caratteristiche specifiche Variabili macro- Variabili finanziarie

dell’azienda economiche (indici di mercato)
• Dimensione • PIL • Indici o differenze di

• Settore industriale • Vendite indici di mercato
• Dividend yield • Produzione azionario
• Volatilità rendimenti • Investimenti • Livello e inclinazione
• Skeness e curtosi • Inflazione tassi governativi
rendimenti • Disoccupazione • Credit spread
• …. • … • Cambi divise
• …
Principali metodologie statistiche utilizzate per la individuazione del numeo dei fattori:
Maximum likelihood Principal component

factor analysis analysis

W. Sharpe (1982) Factors in NYSE security returns 1931-1979
Tra le molte verifiche empiriche dell’APT ne ricordiamo alcune.
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):
• Il beta dell’azione rispetto all’indice azionario

ripetto all’indice S&P500
• Il dividend yield
• Le dimensioni dell’azienda (capitalizzazione di
mercato delle azioni)
• Il beta rispetto ai rendimenti delle obbligaziioni
a lungo termine
• Valori passati dell’alfa (intercetta della
regeressione degli excess return sull’indice
S&P500)
• Appartenenza ad un determinate settore
industrial (classificazione a 8 settori)
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).
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 .
𝐼0 Tasso di inflazione atteso a inizio mese, meno il

tasso di inflazione effettivo realizzato a fine mese.
𝜆% 1.00 4.76
𝐼1 Crescita delle vendite reali di lungo periodo atteso a 𝜆1 0.04 1.83

inizio mese, meno il tasso di crescita delle vendite reali
atteso a fine mese
𝜆2 0.15 2.21
Componente dell’extra return dell’SP500 non
𝐼3 spiegata dal modello dei 4 fattori sopra riportati.
𝜆3 0.51 3.21

Fama e French (1993) Common factors in the returns of bond and stocks
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:
𝐼. Differenza di rendimento su un portafoglio di azioni di aziende di piccole dimensioni ed

aziende di grandi dimensioni (small minus large).
𝐼/ Differenza di rendimento su un portafoglio di azioni di aziende caratterizzate da un alto

rapporto book-to-market value ed uno da un basso rapport book-to-market (high minus low)
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)
Si noti che che le variabili considerate rappresentano differenze di rendimento di portafogli di

asset (long-short). Vi sono similitudini sia con il modello di Sharpe (effetto size catturato in via
indiretta come beta del portafoglio “small minus large”), sia con il modello di Chen, Roll e Ross
e Burmeister e McElroy (pendenza curva tassi goverenativi e credit spread a lunga).

Le principali conclusioni dei tre studi menzionati
La verifica empirica dell’APT rappresenta a tutt’oggi materia di una ricerca in continua
evoluzione, anche perchè strettamente connessa con l’evoluzione delle metodologie
statistiche di selezione e calibrazione dei modelli multi-indice.
Di seguito vale la pena evidenziare le principali conclusion dei tre strudi menzionati:
Sharpe (1982) Chen, Ross e Roll (1982) - Fama e French (1993)

Burmeister e McElroy
(1987-88)
• Riscontra che i “lambda” • Con un livello di • Dall’analisi degli “alfa”, le

associate con I fattori di significatività dell’1% il intercette delle serie
rischio diversi dall’indice CAPM può essere storiche degli extra-return
azionario di riferimento rigettato a favore dell’APT azionari, essi trovano che
sono significativamente tendono ad essere nulle
diversi da zero per una • Ad oggi il loro lavoro come suggerito dall’APT
percentuale elevate del rappresenta una delle • Che il modello multi-
periodo considerato. evidenze più forti a favore indice a più fattori
• I suoi risultati hanno dato dell’APT come modello di funziona bene nella
impulso alla ricerca spiegazione dei previsione dei rendimenti
ulteriore nel campo dei rendimenti attesi azionari. attesi azionari ed
modelli multi-indice. obbligazionari.

APT e CAPM
Compatibilità delle due teorie
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' = 𝛼' + 𝛽' 𝑅1 + 𝑒'

Mentre la relazione di equilibrio dei rendimenti attesi azionari è data 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?
La risposta è NO: il CAPM è riconducibile all’APT

e mantiene la sua validità posto che i premi al rischio
(segue)
“lambda” rispettino determinati vncoli.

APT e CAPM
Compatibilità del CAPM con l’APT (1|3)
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.
𝑅' = 𝑎' + 𝑏'! 𝐼! + 𝑏'" 𝐼" + 𝑒'

I due fattori potrebbero essere ad esempo due indici azionari di settore.
Si assuma la solita ipotesi che i due fattori catturino tutta la covarianza tra i rendimenti azionari
per cui risulta 𝐸 𝑒! , 𝑒" ≈ 0 .
La relazione di equilibrio dei rendimenti attesi azionari predetta dall’APT è data da:
𝑅"' = 𝑅, + 𝑏'! 𝜆! + 𝑏'" 𝜆"

Ponendo:
* − 𝑅,
𝜆! = 𝛽3! 𝑅 * − 𝑅,
𝜆" = 𝛽3" 𝑅
2 2
… e sostituendo, si ha:
𝑅"' = 𝑅, + 𝑏'! 𝛽3! 𝑅

* − 𝑅,
2
* − 𝑅,
+ 𝑏'" 𝛽3" 𝑅 2

APT e CAPM
Mettendo a fattore commune l’extra-rendimento dell’indice di mercato rispetto al tasso risk-free

si ha:
𝑅"' = 𝑅, + 𝑏'! 𝛽3! + 𝑏'" 𝛽3" * − 𝑅,

𝑅 2
Infine ponendo:
𝛽' = 𝑏'! 𝛽3! + 𝑏'" 𝛽3"

Si riottiene esattamente la stessa equazione di equilibrio dei rendimenti azionari predetta dal
CAPM.
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.

APT e CAPM
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.
Se I premi al rischio 𝜆4 non sono signicativamente diversi da * − 𝑅,

𝜆4 = 𝛽34 𝑅 2
… i risultati empirichi potrebbero essere perfettamente coerenti con la versione del CAPM
proposta da Sharp-Lintner-Mossin.
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.

Modelli multi-indice, APT e gestione di portafoglio
Utilizzi nelle Gestioni Passive
Target Gestioni Scopo dei fondi a gestione passiva è creare un portafoglio di azioni che
Passive replichi le performance di un indice.
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.
Riduzione Un modello multi indice può essere calibrato in modo da formare un

numero azioni portafoglio che colga tutti i principali fattori da cui dipende la performance
per il tracking dell’indice, ma con un numero di azioni più ridotto e quindi più facilmente
gestibile (es. da 25 a 50).
Altri usi dei

Modelli multi-indice possono essere impiegati anche per:
modelli multi- • replicare un dato indice ma senza usare determinate tipologie di azioni che si
indice desidera escludere (ad es. per motivi etici o per imposizione di sanzioni
economiche a determinati paesi);
• replicare un dato indice ma includendo determinate tipologie di azioni non
comprese nell’indice che si desidera detenere in portafoglio (ad es. per motivi
fiscali o per favorire determinati settori per motivi di politica industriale)
• replicare tendenzialemente un dato indice, ma migliorando in parte la sua
esposizione a un dato fattore macro (es. Inflazione per i fondi pensione)

Utilizzi nelle Gestioni Attive
Target Gestioni Scopo dei fondi a gestione attiva è creare un portafoglio di azioni che “batta”
Attive le performance di un indice.
Factor bets L’utilizzo di modelli multi-indice consente ai gestori di prendere posizione

sull’evoluzione futura dei fattori che influenzano l’indice (c.d. “factor bets”). Ad
es. se si ritiene che vi sarà un aumento dell’inflazione superiore a quello
atteso, si selezionaranno azioni che hanno factor loadings positive rispetto
all’inflazione.
Selezione azioni Individuazione delle azioni sotto-prezzate (se rendimento atteso >
rendimento predetto compro) o azioni sovra-prezzate (se rendimento atteso
< rendimento predetto vendo).
Sovra- Selezione di portafogli che replicano tendenzialemente un indice, ma

performance di mediante selezione di azioni che di solito offrono performance superiori
un indice rispetto all’indice, di fatto così sovra-performando l’indice (title index funds)
con un grado di maggior rischio contenuto.
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”).

Approfondimento su strategie systematic risk neutral (1|2)
Se pensiamo che un analista possa predirre l’extra-return di ogni azione su un intervallo

temporale, l’equazione del processo dei rendimenti può essere riscritta come:
𝑅' = 𝑅, + 𝜆! 𝑏'! + ⋯ + 𝜆. 𝑏'. + 𝑏'! 𝐼! + ⋯ + 𝑏'. 𝐼. + 𝑒'
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.).
Si considerino due portafogli: il primo 𝐿 formato da azioni in posizione lunga ed il secondo 𝑆

formato da azioni in posizione corta. Inoltre assumiano che per ciascun fattore di rischio “j” la
somma dei pesi dei due portafoli sia nulla:
𝑏KF + 𝑏LF = 0

Approfondimento su strategie systematic risk neutral (2|2)
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”.
SP Index: rendimento 11.57% e deviazione standard dei rendimenti: 18.08%
Risultati
Factor Neutral Portfolio: rendimento 30.04% e deviazione standard dei
rendimenti: 6.26%

Appendice
Equazione di un piano passante per tre punti

Modelli multi-indice: caratteristiche «per costruzione»
Modelli multi-indice: rendimenti attesi e correlazioni delle singole azioni
APT in pratica

Modelli multi-index Tratto da capitolo 8 del testo di
Elton-Gruber-Brown-Goetzmann
Caratteristiche «per costruzione»
𝑅' = 𝑎' + 𝑏'! 𝐼! + 𝑏'" 𝐼" + ⋯ + 𝑏'. 𝐼. + 𝑒' (1)
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
Multi-index model Tratto da capitolo 8 del testo di
Rendimenti attesi e correlazioni delle singole azioni

Data l’equazione generatrice dei rendimenti della singola azione si ha:
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%$
𝜎'" = 𝑏'! 𝜎7!

" "
+ 𝑏'" 𝜎7" "
+ ⋯ + 𝑏'. 𝜎7. "
+𝜎8'
# # #
N 𝜎)% , 𝜎)" … 𝜎)( per
ogni azione
L valori medi indici

COVARIANZA DEI RENDIMENTI tra l’azione i-esima e la j-esima azione: 𝐼1" … 𝐼1$
#
L varianze 𝜎*" …
" " "
𝜎'4 = 𝑏'! 𝑏4! 𝜎7! + 𝑏'" 𝑏4" 𝜎7" + ⋯+ 𝑏'. 𝑏4. 𝜎7. #
𝜎*$ per ogni indice
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.

Multi-index model Tratto da capitolo 8 del testo di
Rendimenti attesi e correlazioni delle singole azioni

Data l’equazione generatrice dei rendimenti della singola azione si ha:
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%$
𝜎'" = 𝑏'! 𝜎7!

" "
+ 𝑏'" 𝜎7" "
+ ⋯ + 𝑏'. 𝜎7. "
+𝜎8'
# # #
N 𝜎)% , 𝜎)" … 𝜎)( per
ogni azione
L valori medi indici

COVARIANZA DEI RENDIMENTI tra l’azione i-esima e la j-esima azione: 𝐼1" … 𝐼1$
#
L varianze 𝜎*" …
" " "
𝜎'4 = 𝑏'! 𝑏4! 𝜎7! + 𝑏'" 𝑏4" 𝜎7" + ⋯+ 𝑏'. 𝑏4. 𝜎7. #
𝜎*$ per ogni indice
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.

APT in pratica.
Identificazione fattori, stima factor loadings (beta)
Step 1
Identificare gli L fattori di rischio del modello multi-indice e costruire le
serie storiche dei relativi indici.
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
Società A 1 𝑹𝑨 = 𝑎P + 𝑏P7 𝑰𝟏 + 𝑏PR 𝑰𝟐 … + 𝑏PT 𝑰𝑳 + 𝒆𝑨 𝑏P7 , 𝑏PR … , 𝑏PT

Società B 2 𝑹𝑩 = 𝑎W + 𝑏W7 𝑰𝟏 + 𝑏WR 𝑰𝟐 … + 𝑏WT 𝑰𝑳 + 𝒆𝑩 𝑏W7 , 𝑏WR , … , 𝑏WT
. . . . .
. . .
. . .
. . . .
Società T N 𝑹𝑻 = 𝑎 Y + 𝑏Y7 𝑰𝟏 + 𝑏YR 𝑰𝟐 … + 𝑏YT 𝑰𝑳 + 𝒆𝑻 𝑏Y7 , 𝑏YR … , 𝑏YT
Si ottengono così le stime dei factor loading 𝒃𝒊𝒋 (N x L)

APT in pratica.
Stima premi al rischio (lambda)
Step 3 Calcolare I rendimenti “attesi” delle single azioni ed impostare il seguente

dataset per la “cross-sectional regression” dei rendimenti attesi rispetti ai
factor loadings dei fattori di rischio
Rendimenti
medi Beta stimati
Num.
realizzati & 𝒊 = 𝜆[ + 𝜆7 𝒃𝒊𝟏 + ⋯ + 𝜆T 𝒃𝒊𝑳
𝑹
azioni
Società A 1 𝑅!P , 𝑏P7 , 𝑏PR … , 𝑏PT

Società B 2 𝑅!W , 𝑏W7 , 𝑏WR , … , 𝑏WT
. . . 𝜆[ , 𝜆7 , … , 𝜆T
. . .
. . .
Società T N 𝑅! Y , 𝑏Y7 , 𝑏YR … , 𝑏YT
Si ottengono così le stime dei premi al rischio per i

diversi fattori 𝝀𝟎 , 𝝀𝟏 , … 𝝀𝑳 (1 x L)

APT in pratica.
Individuazione azioni sovra e sotto quotate
Step 4 Confrontare i rendimenti azionari “attesi” rispetto a quelli “predetti” dal

modello multi indice, per ottenere le differenze:
Num. azioni Medie realizzate Rendimenti attesi predetti da APT
Società A 1 𝛼P = 𝑅!P − 𝜆[ + 𝜆7 𝑏P7 + ⋯ + 𝜆T 𝑏PT

Società B 2 𝛼W = 𝑅!W − 𝜆[ + 𝜆7 𝑏W7 + ⋯ + 𝜆T 𝑏WT
.
. . .
. .
.
. .
Società T N 𝛼 Y = 𝑅! Y − 𝜆[ + 𝜆7 𝑏Y7 + ⋯ + 𝜆T 𝑏YT
L’azione è
Se 𝜶 > 𝟎 allora il rendimento atteso* è superiore rispetto al
sottovalutata
rendimento predetto dal modello multi-indice
Se 𝜶 < 𝟎 allora il rendimento atteso* è inferiore rispetto al L’azione è

rendimento predetto dal modello multi-indice sopravalutata
(*) Stimato ad esempio mediante la media campionaria (realizzata)

APT in pratica
Costruzione portafoglio di arbitraggio
Step 5 Costruisco un portfoglio di arbitraggio seguendo la regola seguente:
Rendimento atteso > rendimento predetto Compro

(prezzo relativamente basso) l’azione (long)
𝛼 > 0 l’azione è sottovalutata
Rendimento atteso < rendimento predetto Vendo

(prezzo relativamente alto) l’azione (short)
𝛼 < 0 l’azione è sopravvalutata
Naturalmente affinchè la strategia sia efficace occorre disporre di analisti in grado di

stimare correttamente i rendimenti attesi futuri.

Referenze
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).
Paper storici da cui ha avuto origine l’APT:

§ Ross S.A., “The Arbitrage Theory of Capital Asset Pricing”, Journal of Economic Theory, 13 (Dec.
1976), pp. 341-360
§ Ross S.A., “Return, Risk and arbitrage”. In Irwin Friend and James L. Bicksler (eds.) Risk and
return in finance, Vol. I (Cambridge, Mass.: Ballinger, 1977).

Il modello di Black &
Litterman
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
Teoria del portafoglio e analisi investimenti | Il modello di Black & Litterman - 2

Introduzione (1|2)
Gli autori
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

La critica di Michaud1 alla MVO
I principali problemi della MVO in pratica
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
L’idea di base del modello B&L

Rendimenti di equilibrio e view degli investitori
Il modello Black-Litterman utilizza un approccio di tipo bayesiano per combinare:
• 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

Il modello di mercato
Il rendimento atteso come variabile aleatoria
Si consideri un mercato composto da N Asset (o Asset Class), i cui rendimenti ! siano

normalmente distribuiti, con media " = $ ! e matrice di varianza-covarianza % = & !
! ~# $, &
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%

Gli extra-rendimenti di equilibrio (di mercato)
Reverse optimization method Vai ad appendice
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)
(*) Si veda appendice per un approfondimento
Gli extra-rendimenti di equilibrio

Il prezzo di mercato del rischio (lambda)
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:
# $! − &"
!! = #
'!
Dove:
• * +" = rendimento atteso di mercato (o dell’indice benchmark)
• ,# = tasso risk free
• -"$ = ."
%
% ." = 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

Un esempio semplificato (1|2) MVO with BL Model.xls
Per fini didattici consideriamo un esempio semplificato con soli N=3 asset1 che rappresentino
l’universo investibile:
tasso risk free di periodo 0.50%
num. Asset Class Volatilities RHO (CORRELATION MATRIX) LEGENDA COLORI

15% 25% 30% Bond EU Azioni EU Azioni USA INPUT
1 Bond EU 15% 0 0 Bond EU 1 -0.1 0.2 OUTPUT
2 Azioni EU 0 25% 0 Azioni EU -0.1 1 0.6
3 Azioni USA 0 0 30% Azioni USA 0.2 0.6 1
#$ ! Variance-covariance matrix PI GRECO % = '( + * ! +,

Market Vettore dei
Capitalization rendimenti di differenze tra
num. Asset Class Weights 1 2 3 equilibrio asset class
1 Bond EU 35% 1 0.0225 -0.00375 0.009 3.7%
2 Azioni EU 25% 2 -0.00375 0.0625 0.045 10.2% 6.5%
3 Azioni USA 40% 3 0.009 0.045 0.09 15.6% 5.4%
Tot 100%
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)

Un esempio semplificato (2|2)
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.

Il modello di Black and Litterman Niente panico!
spiegazioni
La formula dei rendimenti attesi dettagliate più
avanti
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
Il modello di Black and Litterman Niente panico!

spiegazioni
La varianza dei extra-rendimenti dettagliate più
avanti
%
La varianza dei rendimenti attesi a posteriori !#$ esprimente l’incertezza della
stima dei rendimenti medi è pari a:
! *() = #! +, + %- &+, % +,
& $"# = vettore

(N x1) delle
varianze
( (tau) = &= !-1 = confidence ' = link matrix
rendimenti
scalare variance- matrix, matrice (matrice (K x N)
attesi (a
covariance (K x K) di di collegamento)
posteriori)
matrix confidenza delle
(matrice (N x views)
Esprime
N) di
l’incertezza
varianza- ! = uncertainty
nella stima dei
covarianza matrix (matrice
rendimenti
tra i (K x K) di
medi
rendimenti incertezza delle
degli asset) views)

Le previsioni (views) dell’investitore
Views relative ed assolute
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:
Sono formulate mediante proposizioni del tipo “il rendimento

views relative dell’asset C sarà maggiore del rendimento dell’asset B per
)%”:
+#$! − #$" = '%
Esse sono incorporate nella matrice di collegamento P (link
matrix) con dei pesi a somma nulla
Sono formulate mediante proposizioni del tipo “il rendimento

views assolute dell’asset A sarà pari )%”:
+# $# = '%
Esse sono incorporate nella matrice di collegamento P (link
matrix) con un peso pari all’unità per l’asset considerato
Le previsioni (views) dell’investitore

Matrice delle views (Q) e matrice di collegamento (P)
Nel modello di Black-Litterman le K views sugli N asset sono recepite e gestite mediante:
• Views vector (K x 1): vettore colonna contenente le K views dell’investitore
• 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:
Esempio $$ ("&'( )*) = 2% $, (#- *.) − $/ (#- )*) = 3%

view assoluta view relativa
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

L’incertezza dei rendimenti di equilibrio
Grado di confidenza dei rendimenti attesi di equilibrio
Incertezza dei rendimenti attesi
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”: #!.
Grado di confidenza dei rendimenti attesi
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 % = "
L’incertezza e grado di confidenza delle previsioni

Grado di confidenza delle views
Incertezza delle views
Le views sono a loro volta caratterizzate da un certo grado di incertezza. Immaginiamo il vettore delle
views $ come caratterizzato da una componente di errore %:
B0 70 0.02 70
;+A= B + 7 = + 7
1 1 0.03 1
Media nulla / ∶ Incertezza previsioni

Immaginiamo che gli errori siano
distribuiti “normalmente” con media
0 H00 H01
nulla e matrice di varianza-covarianza A~D E, G = D ,
0 H10 H11
pari a omega & :
G (K x K) uncertainty marix, rappresenta la matrice di incertezza delle previsioni
Grado di confidenza delle views

Ne consegue che una misura del grado di confidenza nelle views può essere rappresentata dalla
+,
matrice inversa della matrice di incertezza delle previsioni : & (K x K)

Ancora sul ruolo della Link matrix P
Il ruolo di P e P’ (trasposta)
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)
La stima della matrice . (Omega) di incertezza delle

previsioni (1|2)
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)
La stima della matrice . (Omega)
di incertezza delle previsioni (2|2)
Nel nostro esempio assumendo ( = 0.25 si ha:
( Vettore delle views ) Link Matrix )′ Link Matrix Trasposta

Bond EU Azioni EU Azioni USA
view 1 2.0% view 1 1 0 0 1 0 Bond EU
view 2 3.0% view 2 0 -1 1 0 -1 Azioni EU
0 1 Azioni USA
tau 0.25
! = # % & %′ ! Matrice di incertezza delle views (cov=0)

view 1 view 2 view 1 view 2
view 1 0.005625 0.00319 view 1 0.005625 0.00
view 2 0.0031875 0.01563 view 2 0.0 0.0156
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
Nuovo vettore combinato dei rendimenti attesi

Ripresa della formula di B&L (1|2)
Abbiamo dunque tutti gli elementi per calcolare il nuovo vettore combinato dei rendimenti previsto
dalla formula di Black & Litterman. La formula rappresenta sostanzialmente una media ponderata di
due elementi:
Elementi della media Pesi = grado di confidenza
1. (& ', = matrice del grado di confidenza
1. 7 = vettore dei rendimenti attesi di
dei rendimenti attesi di equilibrio
equilibrio
2. 9- !', = matrice del grado di confidenza
2. 8 = vettore delle “views”
delle previsioni (premoltiplicata per la trasposta della
dell’investitore matrice di collegamento tra views ed assets per portarla in
dimensione N x1)
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)

Ripresa della formula di B&L (2|2)
+:
'#$ = #! + -; &+: + +:
#! +:
" + + ; &+: ,
Componente che assicura che la Media ponderata dei rendimenti di

somma dei pesi sia pari a 1 equilibrio e delle views (con pesi pari
(unità) ai rispettivi gradi di confidenza)
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:
D2D + D2I I2I I2D D2D D21 + D2I I2I I21

D2D + D2I I2D D21 + D2I I21
D2D + D2D D21 + D21
D2D D21
D21 N rendimenti attesi combinati

Un esempio di calcolo
(N x N)
!" (K x K)
$%& MVO with BL Model.xls
0.00563 -0.000938 0.0023 177.7777778 0
-0.0009 0.015625 0.0113 0 64
0.00225 0.01125 0.0225
!" %'
) P'$%& *
!" %' P'$%& (
(N x N) (N x N) (N x 1) (N x 1)
201.021 41.46054 -40.832 177.7777778 0 0 5.208244994 3.555556
41.4605 108.5512 -58.422 0 64 -64 3.45795053 -1.92
-40.832 -58.42167 77.739 0 -64 64 4.692422458 1.92
%' + %' ) + Pʹ$%& *
[ !" P'$%& ( ] !"
(N x N) (N x N) (N x 1)
378.799 41.46054 -40.832 0.0027288 -0.000252935 0.000567655 8.76380055
41.4605 172.5512 -122.42 -0.000252935 0.01499041 0.012874575 1.53795053
-40.832 -122.4217 141.74 0.000567655 0.012874575 0.01833874 6.612422458
1mo Termine della formula di B&L 2do Termine della formula di B&L
Nuovo vettore ) ,-. − )

dei Vettore dei
,-.
rendimenti rendimenti
combinati di equilibrio differenza
2.7% 3.7% -0.9%
10.6% 10.2% 0.4%
14.6% 15.6% -1.0%

Interpretazione Bayesiana
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%
! Matrice di covarianze rendimenti

! Matrice di incertezza delle views
1 2 3 view 1 view 2
1 0.0225 -0.00375 0.009 view 1 0.005625 0.00
2 -0.00375 0.0625 0.045 view 2 0.0 0.0156
3 0.009 0.045 0.09
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.
La nuova allocazione (1|3)

L’allocazione con i nuovi rendimenti attesi da modello di B&L1
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~# ? , ?

L’allocazione con i nuovi rendimenti attesi da modello di B&L
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:
!|4, 0~# $#$ , &#$

(
+|& = Media dei
rendimenti
& + &#$
condizionata alle ! = Varianza a %
!#$ Incertezza nella
views priori dei
stima della media
rendimenti
condizionata alle
degli asset
views
(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.

L’allocazione con i nuovi rendimenti attesi da modello di B&L
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).
Questo problema di ottimizzazione può essere risolto mediante metodi numerici.
La frontiera efficiente e le composizoni di portafoglio risultanti rappresentano un gentle twist (lieve

spostamento) dai pesi di equilibrio, che riflette le views dell’investitore ed evita soluzioni estreme
d’angolo tipiche della Mean-Variance Optimization (MVO) tradizionale1.
I pesi delle asset class lungo la frontiera efficiente (1|2)
MVO con rendimenti di equilibrio MVO con new combined extra

(prior) return da B&L model (posterior)
Bond EU Azionario EU Azionario USA Bond EU Azionario EU Azionario USA

100% 100%
90% 90%
80% 80%
70% 70%
60% 60%
50% 50%
40% 40%
30% 30%
20% 20%
10% 10%
0% 0%
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)
I pesi delle asset class lungo la frontiera efficiente (2|2)
MVO Unconstrained tradizionale Pesi singole asset class MVO alla B&L Pesi singole asset class
Bond EU Azionario EU Azionario Bond EU Azionario EU Azionario

EF_ExpRet EF_StdDev USA EF_ExpRet EF_StdDev USA
5.26% 12.65% 75.5% 24.5% 0.0% 4.48% 13.23% 73.6% 26.4% 0.0%
6.62% 13.65% 63.1% 26.9% 10.0% 5.90% 14.23% 59.8% 31.1% 9.1%
7.39% 14.65% 57.3% 25.3% 17.3% 6.66% 15.23% 53.4% 30.7% 15.9%
8.03% 15.65% 52.5% 24.1% 23.4% 7.29% 16.23% 48.1% 30.5% 21.4%
8.60% 16.65% 48.2% 23.0% 28.7% 7.84% 17.23% 43.5% 30.1% 26.4%
9.13% 17.65% 44.3% 21.9% 33.8% 8.36% 18.23% 39.2% 29.9% 30.9%
9.63% 18.65% 40.5% 21.0% 38.4% 8.84% 19.23% 35.1% 29.8% 35.1%
10.11% 19.65% 37.0% 20.0% 43.0% 9.30% 20.23% 31.2% 29.6% 39.2%
10.57% 20.65% 33.5% 19.3% 47.2% 9.75% 21.23% 27.4% 29.5% 43.1%
11.02% 21.65% 30.1% 18.4% 51.5% 10.18% 22.23% 23.8% 29.3% 47.0%
11.46% 22.65% 26.8% 17.5% 55.6% 10.60% 23.23% 20.2% 29.1% 50.7%
11.89% 23.65% 23.6% 16.7% 59.7% 11.02% 24.23% 16.7% 29.0% 54.3%
12.31% 24.65% 20.5% 15.8% 63.7% 11.43% 25.23% 13.3% 28.7% 58.0%
12.73% 25.65% 17.4% 14.9% 67.7% 11.83% 26.23% 9.9% 28.6% 61.5%
13.14% 26.65% 14.3% 14.1% 71.6% 12.22% 27.23% 6.6% 28.4% 65.0%
13.55% 27.65% 11.2% 13.3% 75.4% 12.62% 28.23% 3.4% 28.1% 68.6%
13.96% 28.65% 8.2% 12.5% 79.2% 13.00% 29.23% 0.1% 28.0% 71.9%
14.36% 29.65% 5.1% 12.0% 82.9% 13.36% 30.23% 0.0% 19.4% 80.6%
14.76% 30.65% 2.2% 11.0% 86.8% 13.68% 31.23% 0.0% 11.6% 88.4%
15.15% 31.65% 0.0% 8.6% 91.4% 13.97% 32.23% 0.0% 4.5% 95.5%

Implicazioni organizzative (1|3)
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
L’unità di analisi Stima gli i rendimenti attesi di equilibrio e le rispettive

quantitativa volatilità e correlazioni (covarianze) di fatto costruendo
l’ipotesi a priori del modello (prior)
Discute ed elabora le views assolute o relative sui

Il Comitato investimenti singoli asset o sulle single asset class definendone il
grado di confidenza
L’unità di analisi Recepisce le previsioni elaborate dal Comitato

quantitativa Investimenti e le elabora, fornendo i nuovi rendimenti
attesi e covarianze combinate, necessarie per l’asset
allocation del periodo successivo.

L’unità di analisi quantitativa Il Comitato investimenti
Prior Views
!=
Vettore dei Vettore delle
rendimenti di views
equilibrio
3.7% 2.0%
10.2% 3.0%
15.6%
$ Matrice di covarianze rendimenti

# Matrice di incertezza delle views
1 2 3 view 1 view 2
1 0.0225 -0.00375 0.009 view 1 0.005625 0.00
2 -0.00375 0.0625 0.045 view 2 0.0 0.0156
3 0.009 0.045 0.09
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
Se l’investitore è in grado di formulare views solo a livello qualitativo sul singolo

asset (o asset class o risk factor), è conveniente calcolare i singoli elementi del
vettore delle previsioni ; in modo da tenere conto della volatilità storica indotta
dal mercato1:
Rendimento atteso Incertezza del rendimento atteso
3$ = 45 $ + 7$ / 0 1 0% $,$ - = 1, … , I
moltiplicatore
Forte ribasso (strong sell)

−P = −2 −P = −2
Ribasso (sell)
−Q = −1 Ad esempio: −Q = −1
Neutrale (hold) 0 0
Rialzo (buy) +Q = +1 +Q = +1
Forte rialzo (strong buy) +P = +2 +P = +2
Appendice
Argomenti di approfondimento non richiesti all’esame
§ Reverse optimization method: un approfondimento

§ Una formulazione equivalente
§ La proposta di Idzorek (2004) per incorporare il grado di confidenza delle

views
Reverse optimization method

Un approfondimento (1|2)
Si consideri la funzione di utilità attesa di un investitore che investe in > assets del tipo: ? @ A= =
'(
0& '> &
1 − e'> ( . La massimizzazione dell’utilità richiede di massimizzare l’extra-rendimento atteso
corretto per il rischio:
1 B = vettore
4; ' − 8 4; ! 4
2 colonna (N x 1)
dei pesi degli
! = covariance matrix asset
+ = vettore colonna K = avversione per
(N x 1) degli excess il rischio (matrice (N x N) di
return varianza-covarianza tra i
rendimenti degli asset
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
(*) Si veda appendice per un approfondimento

Reverse optimization method
Un approfondimento (2|2) Torna a presentazione
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:
vettore dei pesi ottimali: vettore dei rendimenti attesi

ottimale:
6)*+ = 7 & %&

$ da cui si ricava: $)*+ = 7& 6)*+
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:
6)*+ = 6" si ricava: 8' = ," & -"

e che il parametro di avversione al
rischio sia pari al prezzo al rischio
implicito di mercato
7 = ," Teoria del portafoglio e analisi investimenti | Il modello di Black & Litterman - 37
Una formulazione equivalente

Più stabile numericamente
Una formulazione equivalente, più stabile da un punto di vista computazionale, dei parametri a posteriori
è la seguente1:
R|=, Ω~# .#$ , Σ#$
.#$ = Π +(Σ;' (;Σ;' + Ω %&

= − ;Π
Σ#$ = 1 + ( Σ − ( , Σ;' (;Σ;' + Ω %& ;Σ
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:
*'((% = 5 + /14% 4/14% *'

8 − 45
Si indichino con J(BB% i pesi di allocazione che si ottengono con un grado di certezza pari al 100%
nelle views.
+: (segue)
>:RR% = 8 ! ':RR%

Si indichino con J
S i pesi di allocazione ottenuti con un grado di certezza definito dall’investitore con un
grado di confidenza inferiore al 100% e con J(BB% i pesi di equilibrio di mercato.
Il grado di confidenza “implicito” nelle views dell’investitore può essere ricavato calcolando per
ciascuna view “k” il rapporto:
Differenza pesi connessa

Grado di confidenza +T *,UTV
, alla view “k-esima”
dell’investitore rispetto alla 9$ =
view “k-esima” ,WXX% *,UTV
Livello massimo della
differenza pesi
(segue)

Izdorek: un nuovo modo di incorporare il
grado di confidenza delle views (3|4) Esempio Modello B&L.xls
1&23 21&23 '(

1&23 21&23 '(
2 / 6 − 2 /
(N x N) (N x K) = (N x K) ( K x N) (N x N) (N x K) = (K x K)
(N x K) (K x K) = (N x K) (K x N) (N x 1) = (K x 1)
( K x 1)
0.0056 0.0032 201.02 -41.007 1 0 0.0366 -0.0166
-0.0009 -0.0044 -41.007 72.365 -0.009045681 -0.278154681 0.0543 -0.0243
0.0023 0.0113 -0.009045681 0.721845319
1&23 21&23 '( 6 − 2 /

Nell’esempio considerato, con
qualche elaborazione, in più (N x K) (K x 1) = (N x 1)
-0.0166
abbiamo: 0.0069
-0.0174
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%
Il riproporzionamento dei pesi a 1 è stato 65D 26EDF

R4 = 6
fatto senza ricorre a metodi di GHH% 26EDF
ottimizzazione a fini esemplificativi


Idzorek propone una metodologia di calcolo degli elementi di & (matrice di incertezza delle views)
basata sul grado di confidenza definito dall’investitore per ciascuna view tale da produrre cambiamenti
nei pesi del portafoglio (cd. porfolio tilts) che approssimano il prodotto:
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:
8;% = 894: + S+*04

La procedura proposta da Idzorek
Extra-Rendimenti
da view certe 1) Per ciascuna view (k) calcolare il nuovo vettore dei rendimenti attesi combinato con grado di
confidenza al 100%: +)**% = " + *!(, (*!(, -) & − ("
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
Paper storici di Black & Litterman:

(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
La critica di Michaud alla MVO:

(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
Per una introduzione al modello di B&L:

(4) A STEP-BY-STEP GUIDE TO THE BLACK-LITTERMAN MODEL. Incorporating user-specified
confidence levels. Thomas M. Idzorek (versione 20/6/2004)
(5) A. Meucci (2010), The Black-Litterman Approach: Original Model and Extensions

Rischio di Mercato:
metodi e strumenti di
misurazione
Slide liberamente tratte d a J. Hull “Opzioni Futures ed altri

derivati”, Pearson, 10ma edizione, capitolo 22 e 23
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
Rischio di Mercato: metodi e strumenti di misurazione - 2

Rischi finanziari
Introduzione
Il concetto di rischio non è semplice da definire precisamente nè è facilmente

misurabile poichè si riferisce a qualcosa di immateriale ed intangibile.
rischio: la possibilità di subire un danno o una perdita; pericolo*.
§ Esempi di rischio finanziario:

• la variabilità dei rendimenti da un investmento;
• la possibilità di un mancato rimborso di un credito.
(*) Definizione del termine “rischio” da www.thefreedictionary.com:
Rischi finanziari
Principali categorie
Le principali categorie di rischi finanziari sono:
§ rischi di mercato
§ rischi di credito
§ rischi operativi
Altri tipi di rischio: rischio di liquidità, rischi reputationali , rischi di volatilità,

rischi di regolamento, rischio di business, rischio sistemico

Rischi finanziari
Interconnessione dei rischi finanziari
§ I rischi finanziari sono sempre Market Credit

altamente interconnessi* tra di loro.
Risk Risk
§ I rischi di mercato non possono essere
separati dale altre categorie di rischio.
Operational
Risk
(*) esempi:
§ eventi di insolvenza possono portare a significative variazioni nei prezzi di mercato:
possono attivare un allargamento dei credit spread e dei prezzi dei bond e dei derivati
creditizi (in questo caso un rischio di credito attiva un rischio di mercato);
§ eventi quali frodi possono attivare forti perdite sui prezzi di titoli quotati sul mercato. Es.
collasso del valore delle azioni della Barings Bank al valore di 1 GBP in 1995, a seguito
delle attività sui future del trader Nick Leeson (in quato caso un rischio operativo attiva un
rischio di mercato).
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
(**) Risks on weather, temperature and catastrophe

(*) Basel Committee on Banking Supervision,
instruments, underwriting risks on insurance
Amendment to the capital accord to incorporate portfolios, the risks of property positions, and so on.
market risks (Jan. 1996).

Rischi di mercato
Equity risk
Il crollo dei prezzi azionari americani dell’ottobre 1987
SP500 Index
350 15%
10%
300
5%
daily returns
closing prices
0%
250
-5%
200 -23% in 1 giorno -10%
daily returns -15%

150 closing price
-20%
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
Rischi di mercato
Interest rate risk
Il “rally” in aumento dei tassi di interesse americani del 1994
US 10Y GOVT BOND YIELD

8.5 0.50
8 +240 b.p. in 12 0.40

mesi
0.30
7.5
0.20
7
yields
0.10
6.5
0.00
6
-0.10
5.5 -0.20
5 -0.30
US BENCH 10 YEAR GOVT - RED. YIELD daily differences

Rischi di mercato
Credit spread risk
L’apertura dei credit spread sul mercato dei bond successiva al fallimento di
Lehman Brothers nel settembre 2008
Credit spread ML EU CORP. - ML EU GVT AAA

500 14%
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
EUR/USD exchange rate

1.45 3%
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%

Rischi di mercato
Commodity risk
Il rally al rialzo dei prezzi del petrolio greggio (Crude-OIL) tra Maggio e Luglio
2008
Crude Oil-WTI NY $/Barrel
160 15%
+75% in 8
140 mesi
10%
120
daily % returns
5%
closing prices
100
80 0%
60
-5%
40 daily returns
U$ -10%
20
0 -15%
Breve storia delle misure di rischio (1|2)

Prima degli anni ’90 …
§ Fino agli inizi degli anni ‘90 le esposizioni ai diversi fattori di rischio erano misurate e
controllate tramite le risk factor sensitivities :
• I bond trader misuravano e gestivano il rischio delle obbligazioni usando gli

indicatori duration and convexity;
• gli equity trader utilizzavano l’indicatore “beta” dei portafogli azionari;
• gli options trader operavano sotto limiti determinati dal valore netto delle c.d.
“Greche” dei loro portfogli di opzioni.
§ due problemi significativi:
• impossibilità di confrontare differenti tipologie di rischio;
• le sensitivities misurano solo una parte dell’esposizione al rischio.

Breve storia delle misure di rischio (2|2)
…a partire dagli anni ‘90 in poi
§ Per risolvere i due sostanziali problemi evidenziati la maggiorparte delle banche di grande
dimensione hanno introdotto nuove misure del rischio finanziario.
§ Principali tappe storiche: Creditmetrics

(JP Morgan),
CREDITRISK+
(Credit Suisse)
time
1994 1996 1997 ….
Riskmetrics (JP New banking Off-the-shelf software

Morgan) regulations for solutions:
Dennis Weatherstone’s market risk § Algoritmics
4.15 report (Basel I) § Prometeia
§ ….
§ 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?
frequenze 14% rendimento

relative 12%
medio
(probabilità)
10%
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
v.a. Utili (+) / Perdite (-) di periodo

Value-at-risk
Definizione
Il c.d. Valore a Rischio (Value-at-risk o VaR):
È il (valore attuale) della massima perdita ci si può aspettare

1. su una data attività (o portafoglio, o business)
2. in un dato periodo di riferimento: es. 1 gg, 1 mese, 1 anno (c.d. holding
period)
3. con una probabilità predefinita (1 − $), ad es. 99%,…(c.d. livello di
confidenza)
Si noti che il VaR di un portafoglio è anche la perdita minima - tra quelle

possibili sull’holding period - che è possibile realizzare nell’1% (&) dei casi
peggiori.
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
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):
Value at Risk 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%

Value-at-risk
Holding period
Il secondo parametro che definisce il VaR è l’holding period (o anche risk

horizon). E’ il periodo di tempo su cui il VaR è stimato.
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
La scelta dell’holding period e dell’intervallo di confidenza dovrebbe essere fatta in base

alle finalità di stima del VaR:
finalità Livello di confidenza risk horizon
Stima della probabilità di

99.95% 1 anno
insolvenza della società
Budget and 99% 3 mesi

Reporting
Segnalazioni di vigilanza 99% 10 giorni

(Basilea 3.5)
Limiti per la negoziazione 95% 1 giorno

basati sul VaR

Value-at-risk
oltre il VaR: il c.d. Conditional VaR (o Expected Shortfall, o
Expected Tail Loss)
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?)
§ l’indicatore di Conditional VaR (conosciuto anche come Expected Tail Loss o

Expected Shortfall) rappresenta la “perdita attesa” che subiremmo nel caso in cui le
perdite eccedessero il VaR.
§ 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
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 soddisfa VaR NON necessariamente

sub-additività soddisfa subadditività*
ES(A)=3 ES(B)=6 VaR(A)=3 VaR(B)=4
ES(A+B)=8 VaR(A+B)=10
§ Se i regulators usassero misure di rischio non-subadditive per definire i requisiti di

capitale, allora le banche potrebbero essere tentate di suddividere i propri portafogli in
sottounità per ridurre i requisiti di capitale
(*) A meno che I rendimenti non seguano una distribuzione di probabilità “ellittica” (es. Normale o T-Student). Il Parametric normal linear VaR
ad es. soddisfa la condizione di sub-additività.
Metodi di stima del VaR

Il processo di stima
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
Distribuzione di Costruzione della

probabilità dei distribuzione di
rendimenti del ptf probabilità congiunta
dei fattori di rischio
Step 6 Problema Statistico

Stima VaR e
altre
metriche di
rischio

Metodi di stima del VaR
Classificazione dei metodi di stima
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)
Historical Simulation VaR

Idea alla base del metodo
§ 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.
§ Il processo di stima del VaR estimation a livello di fattori di rischi è il seguente:

§ Mapping del portfolio sui fattori di rischio e recupero delle serie storiche dei
fattori di rischio (IR, FX, stock prices,…)
§ Ricostruzione della serie degli U/P di portafoglio (teorici) utilizzando i
rendimenti storici dei fattori di rischio mediante full evaluation*
§ Costruzione istogramma della distribuzione di frequenza degli U/P di
portafoglio e individuazione dell’a-percentile corrispondente al VaR.
(*) Si assume che le esposizioni e le sensitivity delle posizioni rimangano costanti

Il processo
Serie Storiche Modello di

di prezzi e tassi valutazione per le Posizioni
e cambi attività in portafoglio in essere
Calcolo delle variazioni di

valore a prezzi, tassi e cambi
storici
Distribuzione di Valori
per calcolo del VAR

Esercizio in classe
Stima del Var Mediante Historical simulation

data rif 16/11/2018 HS VaR.xls
tasso a 3 mesi 2.64%
cambio 1.14
Valore nominale T-Bill 3 m (mln) 10 000 000 USD
Durata in anni 0.25 anni
MV corrente = VN*Cspot /(1+i)t 100 8 718 524 EUR Calcolare VaR and ES
cambio USD/EUR tasso 3m USD Valore posizione (EUR) Variaz valore di un semplice portfolio
22-lug-16 1.10 0.72% 9 093 152
29-lug-16 1.12 0.76% 8 925 606 -1.84% Formato da uno
5-ago-16
12-ago-16
1.11
1.12
0.79%
0.82%
9 015 158
8 927 082
1.00%
-0.98%
zero Coupon Bond
19-ago-16 1.13 0.82% 8 812 410 -1.28% Denominato in USD.
26-ago-16 1.13 0.83% 8 846 423 0.39%
2-set-16 1.12 0.84% 8 939 902 1.06%
9-set-16
16-set-16
1.12
1.12
0.85%
0.86%
8 900 450
8 939 011
-0.44%
0.43%
Dati storici :
23-set-16
30-set-16
1.12
1.12
0.85%
0.85%
8 894 088
8 879 430
-0.50%
-0.16%
ultimi 2 anni di
7-ott-16 1.12 0.88% 8 927 792 0.54% Tassi di cambio
14-ott-16 1.10 0.88% 9 068 030 1.57%
21-ott-16 1.09 0.88% 9 178 552 1.22% e USD interest rates.
...
19-ott-18 1.15 2.48% 8 645 139 0.56%
26-ott-18 1.14 2.52% 8 739 620 1.09%
2-nov-18 1.14 2.59% 8 731 914 -0.09%
9-nov-18 1.14 2.62% 8 750 581 0.21%
16-nov-18 1.14 2.64% 8 718 524 -0.37%

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%

Pro e contro
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
§ Non ha bisogno di assunzioni circa § La metodologia è basata sul passato

la distribuzione di probabilità e la (backward looking) in caso di periodi
struttura di dipendenza dei fattori di prolungati di bassa volatilità dei fattori di
rischio. rischio può indurre un errato senso di
sicurezza sottostimando i rischi effettivi
§ L’approccio in full-evaluation
consente di misurare correttamente § E’ difficile stimare l’HS VaR su orizzonti
il rischio dei portafoglio c.d non temporali più lunghi di una manciata di
lineari (opzioni). giorni (ciò richiede una quantità
considerevole di dati storici).
(*) 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.

Normal linear VAR
Assunzioni del modello lineare normale
Assunzioni:
§ le variazioni di valore del portafoglio dipendono in modo lineare dalle variazioni dei
fattori di rischio (prezzi azionari, IR, FX rates,…);
§ le variazioni (rendimenti) dei fattori di rischio si distribuiscono in modo normale

multivariato;
§ I rendimenti dei fattori di rischio di periodi successivi sono variabili casuali tra loro
indipendenti (autocorrelazione nulla).
Normal linear VAR

formule di calcolo
Formula di calcolo:
Sotto tali assunzioni il VaR di un asset (o di un portafoglio) in termini percentuali è pari a:

Si noti che essendo al
!"#!%
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%)
Se il rendimento atteso è nullo ('! = 0) la formula si semplifica e diviene*:
(1.b) !"#!% $ = (#$% )!
(*) 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).

Normal linear VAR
Sotto tali ipotesi si consideri la distribuzione dei rendimenti di un portafoglio:
9%
8%
Mean
7%
6%
Standard
5% Deviation=
4%
s
VaR = µ - qa s
3%
2%
1%
0%
Normal linear VAR

VaR su una singola posizione
Nell’ipotesi* che il rendimento atteso sia nullo (*! = 0) il VaR di una singola (i-esima)
posizione può essere calcolato come:
!"#! = !$! x Δ x &!"# ' (! x ℎ

Valore a Sensibilità del Holding period
Valore di Valore di Mkt Volatilità
Rischio
Mercato della a variazioni dei attesa del
sulla singola
singola posizione fattori di rischio fattore di rischio
posizione
(tassi, cambi, prz)
§ Modified Duration per i Titoli Obbligazionari,

§ Futures su titoli, Swap di tasso
§ Pari all’unità per le posizioni in cambi
§ Coefficiente Beta (CAPM) per i titoli azionari
§ Delta per le opzioni su tassi
(*) 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.
Normal linear VAR
I percentili (quantili) della distribuzione normale standard
Percentili della normale Livello di confidenza (a

standard q1-a 1 coda) (1-a)
3.090 99.9%
2.576 99.5%
2.326 99.0%
1.960 97.5%
1.645 95.0%
1.282 90.0%
Normal linear VAR

esempio di calcolo del VaR su una singola posizione in ZC
bond in euro
Si calcoli il valore a rischio giornaliero con i.c. al 95% su una posizione in uno
ZC bond governativo avente le seguenti caratteristiche:
• *+! (Valore di Mercato) = 50.000 € mln

• ∆ (Delta: modified duration) = 2
• (#$" (quantile per i.c. al 95%, alfa = 5% ) = 1.645
• -! (standard deviation rendimenti giornalieri)* = 0.30%
• ℎ (h: holding period in giorni) = 10 = 3.163
Valore a Rischio = 50.000 x 2 x 1.645 x 0,003 x 3.163 = 1560.9 € mln (3.12%)
(*) 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%.

Normal linear VAR
Fattori di rischio: principali categorie
§ Prezzi Azionari (stock prices), Tassi di Cambio (FX rates),Prezzi di Merci

(Commodity prices)
§ Tassi di interesse (Interest Rates): i rendimenti ZC di scadenze diverse vanno

considerati come fattori di rischio distinti (diverse vols).
Rendimenti segmento segmento segmento

a scadenza a breve a medio a lungo
iL
iM
iB
tB tM tL Scadenze
Normal linear VAR

Stima della volatilità futura
Come stimare la volatilità futura attesa dei fattori di rischio (prezzi,

cambi, tassi)?
Due sono gli approcci più utilizzati in pratica:
Historical mettodi basati sulla volatilità storica dei

volatility fattori di rischio.
Market implied metodi basati sulla volatilità di mercato

volatility implicita nel prezzo delle opzioni

Normal linear VAR
Volatilità storica
Serie storiche di
prezzi , tassi, cambi
La volatilità è ricavata mediante estrapolazione
delle serie storiche di prezzi, tassi e dei cambi.
Metodi di estrapolazione usati in pratica:

Modello di Estrapolazione • deviazione standard semplice
della volatilità futura • medie mobili semplici;
• medie mobili esponenziali (EWMA) ;
• modelli GARCH
Stima Volatilità Vantaggi: le serie storiche di prezzi e tassi sono

disponibili per un gran numero di mercati
Svantaggi: le volatilità stimate con metodi

statistici non necessariamente rappresentano una
buona stima della volatilità futura
VAR = VM D Volatilità
Normal Linear Var

Cosa è la volatilità?
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:
%$
!$ = #$
%$%&
La volatilità della variabile di mercato considerata S è di solito definita come la standard

deviation dei suoi rendimenti su un dato periodo:
-% = *01 2% = -%&
Nel seguito vengono presentati diversi modelli per la stima della volatilità

EWMA volatility
Prezzi e rendimenti giornalieri per l’indice Eurostoxx 50
DJ Eurostoxx 50 Index Daily returns
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
&$ = ) !$%' − !+ *
(
'(&
2. Il giorno successivo “mandiamo avanti” il nostro campione di dati eliminando

il rendimento più vecchio ed includendo il più recente.
Tale approccio presenta un inconveniente: rendimenti eccezionalmente elevati alterano il

valore della volatilità stimata quando essi entrano nel campione di calcolo della media (e
questo è corretto), ma anche quando ne escono (ghost effect). Si creano così dei «salti»
ingiustificati nella stima della volatilità

Normal linear VAR
Stima della volatilità mediante standard deviation campionaria
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
DJ Eurostoxx 50 Index Sample Standard Deviation (last 20 days)
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
Normal linear VAR

Volatilità storica: EWMA EWMA E GARCH.xls
Pesi del data set RiskmetricsTM:

Volatilità EWMA Volatilità giornaliera:
" = 0.94; 1 − " = 0.06 si da maggior
peso ai dati degli ultimi 10 giorni;
' '
)& = *)&$# + 1 − * #&$# Volatilità mensile:
" = 0.97; 1 − " = 0.03 si da maggior
peso ai dati degli ultimi 21 giorni;
Covarianza EWMA
-./#,' = *-./&$# + 1 − * #1&$# #2&$#

Correlazione EWMA
dove:
§ "'( : varianza dei rendimenti al tempo + -./#,'
§ "'#"(
: varianza dei rendimenti al tempo + − 1 1#,' =
§ (
.'#" : rendimento al tempo al tempo + − 1 )# )'
§ / : coefficiente della media pesata (EWMA)
§ 012",( : Covarianza tra i rendimenti dei fattori di rischio 1 e 2
§ 3",( : Correlazione i rendimenti dei fattori di rischio 1 e 2

Normal linear VAR
Stima della volatilità mediante EWMA
Stimando la volatilità dei rendimenti di un certo periodo (es. ultimi 20 giorni lavorativi) mediante un
modello del tipo Exponentially weighted Moving Average (EWMA) i c.d. «ghost effects» vengono
«smussati». Quando il rendimento anomalo esce dalla media ha un peso basso e non sposta molto
la media. (vedi Appendice). In figura per il calcolo dell’EWMA è stato usato un lambda = 0.97.
DJ Eurostoxx 50 Index Vol EWMA Sample Standard Deviation (last 20 days)
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
Normal linear VAR

Volatilità storica: GARCH EWMA E GARCH.xls
I modelli del tipo Generalized Autoregressive Conditional Heteroskedasticity (GARCH)

sfruttano la tendenza della volatilità a «ritornare verso la media»: se la volatilità è alta tende a
scendere verso il livello di lungo periodo, se è bassa tende a salire verso il livello di lungo periodo.
(vedi Appendice)
Generalized Autoregressive Conditional Heteroskedasticity (GARCH)
' '
)& = 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

Normal linear VAR
Stima della volatilità mediante GARCH
( (
"' = 0.257 + 1.128 .'#" + 0.879 "'#"
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
Normal linear VAR

Volatilità di mercato (implicita nei prezzi delle opzioni)
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
La volatilità implicita può considerarsi “figlia” in

Volatilità implicita: calcolata a ritroso
parte della volatilità storica: nel senso che il calcolo
come incognita sulla base del Prz
del prezzo delle opzioni da parte degli operatori di
Opz
mercato si basa sulla volatilità storica del prezzo
delle attività sottostanti.
VAR = VM D Volatilità

Normal linear VAR
La regola della «radice quadrata»
La regola della “radice quadrata” fornisce una buona stima nell’ipotesi

che le variazioni dei prezzi (cambi, tassi) giornaliere (mensili) non
siano tra loro autocorrelate.
Se le variazioni dei prezzi al tempo “t” non sono influenzate dalle
variazioni avvenute nei tempi t-1, t-2, ...ecc. esse possono essere
considerate quali variabili casuali indipendenti.
La somma di h variazioni di prezzo giornaliere sarà dunque pari alla
somma delle singole varianze.
($% = (!% ℎ
La deviazione standard (volatilità) per ℎ periodi si ottiene semplicemente
estraendo la radice quadrata.
($ = (! ℎ
Normal linear VaR

Come cambia il VaR se i rendimenti giornalieri sono
autocorrelati
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)
§ Quando l’autocorrelazione dei rendimenti è positiva, il VaR risulta più elevato.

§ Quando l’autocorrelazione dei rendimenti è negativa, il VaR risulta più contenuto.

Normal linear VaR
Il problema della aggregazione
Per calcolare il rischio di un portafoglio di attività occorre conoscere come i

fattori di rischio si muovano l’uno rispetto l’altro:
§ movimenti di segno inverso possono compensarsi (es: perdo sulle posizioni

in lire, mentre guadagno sulle posizioni in valuta).
§ movimenti non perfettamente correlati (es. tassi a breve +1%, tassi a lunga
+0,6%) possono originare un rischio minore.
La semplice somma dei valori a rischio delle singole posizioni può

sovrastimare (o sottostimare) l’esposizione complessiva al rischio di mercato di
un portafoglio di negoziazione composto da posizioni su strumenti diversi.
Normal linear VaR

VaR di portafoglio (1|2) Sommatoria estesa a tutte le
combinazioni di . attività presi a
due a due
VaR di
portafoglio
$ $
,-!C = ) ,-!'* + 2 ) 0'F ,-!' ,-!F

'(& &D ' E F D $
dove:
=G.+ = VaR del fattore di rischio H 3+, = correlazione tra i fattori di rischio
=G., = VaR del fattore di rischio I HeI
VaR di portafoglio a 2 fattori di rischio
/0."# = /0.$# + /0.## + 23$# /0.$ /0.#
VaR di portafoglio a 3 fattori di rischio
/0."% = /0.$# + /0.## + /0.%# + 23$# /0.$ /0.# + 23$% /0.$ /0.% + 23#% /0.# /0.%

Normal linear VaR
VaR di portafoglio (2|2) : notazione vettoriale
VaR di
portafoglio
!"#4 = ! % !5
, = ,-!& , … , ,-3$ 1 … 5#% *02#

Vettore dei singoli VaR 3= ⋮ ⋱ ⋮ *= ⋮
5%# … 1 *02%
Matrice di correlazione Vettore dei VaR

dei fattori di rischio trasposto
Normal linear VaR

Un esempio di VAR a due fattori di rischio
holding period 10
q1-a i.c. (95%) 1.65
Calcolo del VAR sulle singole posizioni

Importo
Attività in VAR singole
Fattore di rischio (EUR Duration Volatilità
portafoglio posizioni (V)
mln)
BOT 6 m tasso EUR a 6 mesi 10 000 0.5 1.50% 391 V1

CTZ 2 a tasso EUR a 2 anni 5 000 2 2.20% 1 148 V2
V2 +V1 1 539
V2 -V1 757
Calcolo del VAR di Portafoglio

2 2
VAR r 2rV1V2 VARp VARp
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
Si noti che al diminuire della correlazione il VAR di portafoglio diminuisce

Normal linear VaR
VaR dei titoli obbligazionari con cedole (1|5)
Nel caso dei titoli obbligazionari con cedola, siamo di fronte a «J K J» fattori di rischio (J tassi swap e
J credit spread), tanti quanti sono i «nodi» delle curve dei tassi swap e dei credit spread coinvolti. Ai fini del
calcolo del VaR il bond viene scomposto in un portafoglio di zero-coupon bond (cedole e capitale) da
ricollocare con appositi metodi sui «nodi» della curva dei tassi e di quella dei credit spread.
Stima curve Volatilità e Mapping dei Clumping dei Calcolo

tassi e credit correlazioni sui flussi di cassa flussi di cassa del VaR
spread nodi delle curve
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)
Normal linear VaR

Rendimenti
Stima curva
dei rendimenti a Curva rendimenti bond
scadenza
Viene stimata una Curva rendimenti risk-free

curva dei tassi di (Libor + swap)
rendimento zero
coupon (term
structure) risk free
(Libor+ Swap) e Tempo (anni)
una curva dei credit
spread per classe
di rating (es. BBB) Credit Spread
Curva Credit spread

Credit spread = rendimento
bond – rendimento risk-free
Tempo (anni)

Normal linear VaR
Vettore delle volatilità dei fattori di rischio (1 x 2n)

Volatilità sui e
correlazioni &L& … &L$ &M& … &M$
nodi delle curve
Tassi risk free Credit spread
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
Normal linear VaR

Ced3
Mapping dei flussi di cassa
I titoli a reddito fisso sono scomposti nei Ced1 Ced2

Capitale
flussi di cassa elementari che essi
generano: come un portafoglio di titoli zero
coupon, valutati a prezzi di mercato,
posizionati su date diverse, espressi in
una data divisa (mapping) 1.3 2.3 3.3 Tempo
Clumping * dei flussi di cassa
I singoli flussi di cassa che maturano in

date non coincidenti coi nodi della curva
vengono scomposti in due flussi teorici 1Y 2Y 3Y 4Y Anni
posizionati in corrispondenza delle
scadenze per cui sono note le volatilità e le
correlazioni (clumping) Nodi delle curve su cui sono state stimate le
volatilità dei fattori di rischio (1Y,2Y,…., 30Y)
(*) Vedi Appendice per approfondire la metodologia del clumping

Normal linear VaR
VaR del singolo flusso di cassa (considerato come

1 uno zero coupond bond a se stante)
Calcolo
del VaR
*02) = *+) 8(#$" -) ℎ
Vettore dei VaR dei singoli flussi di cassa (ripetuto 2

Ricondotto l’intero 2 volte per i tassi risk-free e per i credit spread)
portafoglio ad un
insieme di flussi di
cassa teorici con
4 = ,-!L& … ,-!L$ ; ,-!M& … ,-!M$
scadenze
corrispondenti ai nodi 3 VaR del coupon Bond
delle due curve (tassi
e credit spread) si 4
calcola il VAR del
titolo, come 5
4N = ! - !)
Vettore dei VaR dei
portafoglio di zero-
coupon bond. singoli flussi di
cassa «clumpizzati»
sui nodi delle curve Matrice delle Vettore dei VaR
correlazioni tra trasposto
fattori di rischio
Normal linear VaR

Un esempio di calcolo di VaR per un titolo obbligazionario
(solo rischio tasso, no rischio credit spread)
Bond data
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
R iskM e trics™ v e rtice s 1m 1y 2y 3y 4y 5y 7y 10y 15y

Total Vertex Mapping 0 5,594 7,156 6,207 5,622 7,346 11,136 43,254 10,383
RiskMetrics™ Vertex VaR 0.00 11.64 20.39 22.22 25.69 39.15 77.51 430.81 151.38
D ate Flow Term Y ield PV Md. D ur P.Vol x' x''
24-apr-1992 7,500 1.07 7.0555 6,970 1.003 0.2181 80.26% 19.74% 5,594 1,376
24-apr-1993 7,500 2.07 7.2836 6,482 1.933 0.2924 89.16% 10.84% 5,780 703
24-apr-1994 7,500 3.07 7.4017 6,022 2.862 0.3659 91.41% 8.59% 5,505 517
24-apr-1995 7,500 4.07 7.5428 5,577 3.788 0.4631 91.53% 8.47% 5,105 472
24-apr-1996 7,500 5.08 7.6344 5,162 4.717 0.5394 95.37% 4.63% 4,923 239
24-apr-1997 7,500 6.08 7.7174 4,774 5.641 0.6241 40.85% 59.15% 1,950 2,824
24-apr-1998 7,500 7.08 7.7971 4,409 6.565 0.7031 97.62% 2.38% 4,304 105
24-apr-1999 7,500 8.08 7.8378 4,077 7.490 0.8032 64.13% 35.87% 2,615 1,462
24-apr-2000 7,500 9.08 7.8786 3,767 8.416 0.9037 30.65% 69.35% 1,155 2,613
24-apr-2001 7,500 10.08 7.9198 3,479 9.340 1.0037 98.30% 1.70% 3,420 59
24-apr-2002 107,500 11.08 7.9674 45,977 10.262 1.0981 77.55% 22.45% 35,654 10,323
Fonte: J.P. Morgan - Riskmetrics Documento tecnico

Normal linear VaR
VaR per diverse tipologie di posizioni
Diversi accorgimenti e regole sono previsti per il calcolo del VaR su posizioni e
portafogli di diverse operazioni esposti a diversi fattori di rischio:
§ per posizioni in cambi
§ per posizioni su tassi di più valute
§ per posizioni su titoli azionari domestici
§ per un portafoglio azionario internazionale
§ per posizioni su derivati (es. uno swap di tasso viene scomposto in

due posizioni su due bond, fixed e floater, una lunga e una corta)
Esempi e maggiori approfondimenti nella esercitazione
Normal linear VaR

Tabella benchmark
confidence level 1.00% 5.00%

risk horizon (days) 1 10 1 10
5% 0.7% 2.3% 0.5% 1.6%
Currency portfolios
10% 1.5% 4.7% 1.0% 3.3%
15% 2.2% 7.0% 1.6% 4.9%
annual volatility
Interest rate portfolios

20% 2.9% 9.3% 2.1% 6.6%
25% 3.7% 11.6% 2.6% 8.2%
30% 4.4% 14.0% 3.1% 9.9%
Equity portfolios 40% 5.9% 18.6% 4.2% 13.2%
50% 7.4% 23.3% 5.2% 16.4%
Commodity portfolios 75% 11.0% 34.9% 7.8% 24.7%
100% 14.7% 46.5% 10.4% 32.9%
§ Ad esempio: per un portfoglio azionario, con volatilità annuale intorno al 40-50%,

ci si aspetta di ottenere a 10 days un Var al 99% compreso tra il 20% ed il 25% del
valore del portafoglio.

Normal Linear VaR
Vantaggi e svantaggi
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)
Normal Linear VaR

Possibili correttivi
Ipotesi Correttivi
1) Normalità distribuzione dei • Utilizzo di distribuzioni di probabilità diverse, ad

rendimenti esempio una distribuzione T-Student, caratterizzata da
un certo grado di curtosi e di asimmetria a sinistra
2) Noncorrelazione seriale dei • Evitare di usare la regola della “radice di T”, stimando
rendimenti delle volatilità ad hoc per l’holding period considerato
3) Stabilitàdelle matrici di • Aggiornamento frequente delle matrici di volatilità e

volatilità e correlazione correlazione
• Utilizzo di modelli di tipo GARCH per la stima delle
volatilità
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)

T-Student VaR
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.
0.70% standard normal dist ribut ion

lept okurt ic dist ribut ion
0.60%
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
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
Modello Delta-Gamma VaR

# '
!"#* = !6* 7 (#$% )* + Γ (#$% )* ℎ
'
9: 9& :
8= Γ= &
9; 9;
Delta = derivata prima Gamma = derivata seconda
del valore dell’opzione a variazioni del sottostante «S»

Monte Carlo VaR
Utilizzo delle simulazioni Monte Carlo
Il metodo di simulazione Monte Carlo consiste nel:

1. generare un elevato numero di possibili scenari evolutivi per i fattori di
rischio (prezzi azionari, tassi di cambio e tassi di interesse,…), che
siano coerenti con i dati statistici di volatilità e correlazione
2. valutare le posizioni in titoli e valute con i prezzi ed i cambi di tali

scenari, e in tal modo generare una distribuzione di probabilità dei
valori assumibili da tali posizioni
3. Il VaR è dato dal percentile di interesse della distribuzione di

probabilità dei rendimenti ottenuta
Monte Carlo VaR

Procedura di calcolo
Serie Storiche Modello di curva rendimenti e di stima

di prezzi e tassi volatilità corrente
• Ipotesi sulla Generazione di un numero molto

distribuzione elevato di scenari futuri di prezzi, tassi
congiunta dei e cambi
fattori di rischio;
• stima matrici di
correlazione Modello di
valutazione per le Posizioni
attività in portafoglio in essere
Distribuzione di Valori
per calcolo del VAR

Monte Carlo VaR
Vantaggi e svantaggi
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.
§ Essi consentono al top-management o alle autorità di vigilanza di

intervenire, in via preventiva, per sanare situazioni a rischio che altrimenti
non semplice cogliere, in portafogli complessi quali quelli detenuti dalle
banche o da altri investitori istituzionali.

Metodi di stima del VaR a confronto
Normal Linear VaR HS-VaR Monte Carlo
VaR
Corretta stima del NO. Solo quando le opzioni SI SI
hanno un peso minimo sul
rischio valore totale del portafoglio
Adatto a simulazioni di
per un portfolio con Meglio usare il metodo VaR di m/l periodo
opzioni delta-gamma per prodotti
non lineari
Facile da SI SI, se sono disponibili SI/NO

implementare le serie storiche dei Richiede personale con
fattori di rischio competenze
specialistiche
Velocità di calcolo SI NO, con l’unica NO, con l’unica
eccezione di portafogli eccezione di portafogli
di piccole dimensioni di piccole dimensioni
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
Principali utilizzi dei modelli di VaR
1. Definizione di limiti operativi per diversi centri di responsabilità

nell’assunzione di rischi di mercato
2. Verifica dell’efficacia dei modelli di misurazione dei rischi (back-

testing)
3. Calcolo e segnalazione alle autorità di vigilanza del requisito di

capitale per rischi di mercato mediante modelli interni (Pillar-1)
4. Calcolo di indicatori RAPM* e valutazione della risk adjusted

performance dei gestori di portafogli
(*) Risk Adjusted Performance Measures

Definizione di limiti operativi
E’ possibile disegnare strutture gerarchiche di limiti operativi, in cui i limiti ai livelli più
elevati sono minori della somma dei limiti ai livelli più bassi, grazie all’effetto di
diversificazione di portafoglio.
Area Finanza
Limite VaR
25 € mln
Tesoreria Euro Sala cambi Titoli di proprietà

Limite VaR Limite VaR Limite VaR
12 € mln 8 € mln 10 € mln
Desk 1 Limite VaR Desk 1 Limite Var

8 € mln 7 mln
Desk 2 Limite
VaR Desk 2 Limite
VaR 6 € mln
7 € mln

Backtesting
Se il VAR è stato calcolato adottando un intervallo di confidenza del 95%

gli outliers (punti fuori delle bande VAR) non dovrebbero eccedere il 5%
delle variazioni osservate per il valore di mercato.
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

Referenze
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
§ Misure di rischio Coerenti

§ Conditional Var Parametrico
§ EWMA volatility
§ Normal Linear VaR: Clumping dei flussi di cassa

Misure di rischio coerenti
Defininizione e assiomi (1|2)
Artzner et al. (1999)* introdussero il concetto di misura di rischio coerente. Si dice
“coerente” qualsiasi misura di rischio 3 che soddisfi i quattro assiomi nel seguito
riportati.
1. Monotonicità. Se un investimento A domina statisticamente (in forma debole) un
secondo investimento B, nel senso che la probabilità di avere rendimenti oltre una
certa soglia prefissata non è mai superiore con l’investimento B rispetto
all’investimento A, allora A dovrebbe essere giudicato come non più rischioso
rispetto a B secondo la nostra misura di rischio:
7 8 ≤7 : Se A domina statisticamente in forma debole B
§ Sub-additività. Il rischio di un portafoglio dovrebbe essere non maggiore (≤) della

somma dei rischi deelle sue componenti:
7 8+: ≤7 8 +7 :
In altri termini, la nostra misura di rischio dovrebbe tenere conto degli effetti della
diversifiicazone.
(*) See Artzner; Delbaen, Eber, Heath (1999). "Coherent Measures of Risk". Mathematical Finance 9 (3): 203–228.
Misure di rischio coerenti

Defininizione e assiomi (2|2)
§ Omogeneità positiva. Se noi raddoppiamo la nostra esposizione su un asset

rischioso, raddoppiamo anche il nostro rischio. Quindi la dimensione di un portafoglio
5 impatta sul suo rischio in maniera proporzionale:
7 ;<8 ≤=7 8
per qualsiasi 5 > 0
§ Condizione del tasso privo di rischio (Invarianza alla traslazione). Supponiamo

di investire in nostro capitale in un investimento rischioso 6 ed in un import 7 in una
attività priva di rischio, allora avremo:
7 8+> ≤7 8 −>

Conditional Var Parametrico
Normal Linear Conditional VaR (o Expected Shortfall, o
Expected Tail Loss)
Assumendo le stesse ipotesi del Normal linear VaR, la Expected Shotfall percentuale
(ES%) può essere calcolata come:
Normal Linear +!"#$% , = , "! - &!"# ($ − /$

CVaR
O K : densità di !! : rendimento medio
probabilità di una atteso per l’holding period ℎ
distribuzione normale
> #" : inverso del "! : standard deviation dei
complemento a 1 rendimenti per l’holding
dell’intervallo di period ℎ
confidenza
prescelto: es. se #"#$ : quantile della normale
>=1% allora > #" = standard per il livello di confidenza
"
-.-"
= 100 prescelto (es. 1 − > = 99%)
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 − @ ) @'%& !$%'
'(&

EWMA model
I pesi indietro nel tempo, rappresentazione grafica
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
*
&$* = 1 − @ ) @'%& !$%'
'(&
In tal caso per 9 → +∞ si ottiene per la varianza tale formula*:

' '
)&' = 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 .()*
#
entrambi riferiti al giorno precedente 9 − 1.

EWMA model
La scelta del “lambda” in base all’half life period
Perchè si usa lambda = 0.94 per stimare le volatilità giornaliere?
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)
Ad esempio: un half-life period pari a 11 periodi implica un lambda pari a 0.9389
Normal Linear VaR

Clumping dei flussi di cassa (1|3)
Rendimenti
flusso di cassa
originario
8% s7
7% s5
flussi di cassa
x1 CF x2 teorici
5 anni 6,25 7 anni Scadenze

Normal Linear VaR
Clumping dei flussi di cassa (2|3)
I flussi di cassa che non cadono esattamente in corrispondenza dei
nodi della curva dei rendimenti vengono riallocati su di questi in
modo da conservarne inalterate le caratteristiche di rischiosità.
In particolare occorre che i flussi di cassa teorici presentino le
seguenti caratteristiche:
– Il valore di mercato (attuale) totale dei due flussi di cassa
proxy deve essere uguale al valore di mercato del flusso di
cassa originario;
VM6.25 = VM5 + VM7
– Il VaR del portafoglio composto dai due flussi di cassa proxy

deve essere uguale al VaR del flusso di cassa originario;
VaR6.25 = VaR5 + VaR7
– Il segno dei due flussi di cassa proxy deve essere lo stesso
del flusso di cassa originario.
Normal Linear VaR

Clumping dei flussi di cassa (3|3): esempio per un singolo
flusso
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%

Strategie di gestione del portafoglio
Corsi di Laurea Magistrale: CLAMFIM e EPELM
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
Strategie di portafoglio: gestioni attive, passive e absolute return - 2

Strategie di portafoglio
Approccio d’investimento: mappa alpha-beta
alta Gestioni
tradizionali
Gestioni absolute
return Gestioni Attive
Abilità del gestore
Gestioni Passive
bassa
Dipendenza da trend di mercato

bassa alta
Gestione attiva
Approccio tradizionale alla gestione attiva
Approccio tradizionale: a
Punti di attenzione
benchmark
Obiettivo Effettiva capacità del gestore di

principale Ottenere rendimenti positivi rispetto
generare extra-rendimenti rispetto
al benchmark di riferimento
al benchmark?
Fattori di Capacità di selezionare ex-ante

successo Esposizione a mercati con mercati con buone prospettive
performance positive (scelta del benchmark)?
Coerenza con altri obiettivi

Misure di
Tracking error dell’investitore (e.g. protezione del
rischio
capitale)?

Esempio di gestione attiva obbligazionaria: “la
ricerca” per generare extra-performance
Top Down
Visione Strategie Inefficienze

Ciclo di Mercato
Macro/Economica Convesse di Sistema
Portafoglio
Emittente Settore Struttura del Capitale
Bottom Up
Esempio di un fondo* a gestione attiva:

gestione della duration
Duration Effettiva: Esposizione

Upper range
4.25
4.00
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
Dati al 31 Marzo 2015

*I dati si basano su AllianceBernstein Diversified Yield Plus Portfolio e su un sistema interno di gestione dei portafogli (RAP).
Fonte: AB

Esempio di un fondo* a gestione attiva:
gestione del credito
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+
AAA AA A BBB BB B CCC CC and Below

*Basato su un conto rappresentativo di AllianceBernstein Diversified Yield Plus, non include i “non credit”. Rapportato a 100%.
Fonte: AB
Esempio di un fondo** a gestione attiva:

allocazione settoriale
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
Government and Related* Emerging† Markets Securitised

Investment-Grade Corporates High Yield Cash Equivalents

** Basato su un portafoglio rappresentativo di AllianceBernstein Diversified Yield Plus. Non comprende le sistemazioni relative ai derivati, Grafico rapportato a 100. *Le obbligazioni
governative e Government Related includono obbligazioni emesse da governi sovrani e da agenzie, governi regionali, sovranazionali ed entità quasi governative.
†Emerging Markets include titoli sovrani, quasi sovrani e societari.
‡High Yield include obbligazioni corporate sub-investment grade prestiti bancari, azioni privilegiate e titoli azionari.
Fonte: AB

Gestione passiva
Confronto gestione attive e passive
La gestione passiva ambisce a replicare le performance di mercato rinunciando alla
generazione di «alpha» rispetto al benchmark
Gestione attiva Gestione passiva
Ottenere rendimenti positivi Ottenere un rendimento

Obiettivo rispetto al benchmark di allineato al benchmark di
principale riferimento (alpha) riferimento
Fattori di Abilità del gestore e del team di Funzionalità del modello di

successo gestione replica del benchmark
Misure di Tracking error Tracking error

rischio
Costi (fees) Medio/Alti Bassi
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
§ fondi comuni d’investimento e sicav il cui obiettivo è replicare

Fondi Passivi l’andamento di singoli indici (o strategie) senza generare
«alpha»
§ fondi comuni d’investimento e sicav il cui obiettivo è generare

Fondi Semi- un «alpha» limitato rispetto all’indice di riferimento limitando
passivi fortemente il tracking error

Gestione passiva: tipologia di ETF
Caratteristiche Diffusione
§ obiettivo è replicare la performance dell’indice di

ETF passivi riferimento (al lordo di commissioni di gestione)
§ i titoli dell’indice di riferimento costituiscono la base di

UCITS*
ETF attivi partenza sulla quale viene applicato un algoritmo per la

selezione dei titoli (analisi fondamentale, minimum
variance, …)
ETF § offrono esposizione amplificata al sottostante

levereggiati § prodotti con leva superiore a 3 non sono ucits compliant
§ titoli emessi da una società veicolo a fronte

ETC dell’investimento diretto – o tramite contratti – nella
non UCITS
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 dellÚnione 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 lóbiettivo di semplificare e rendere più trasparenti le regole per la vendita di fondi
allínterno dellÚe. I fondi che seguono questa direttiva si dicono Fondi Armonizzati.
Gestione passiva: ETF: il funzionamento

Replica fisica Replica sintetica
§ 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
Rischio di § originato dall’attività di securities § originato dall’operazione di swap

controparte lending per generare extra-return
(opzionale)
Rischio di § nessun rischio di collaterale § i titoli del collaterale possono

collaterale differire dai constituents dell’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
13
Le nuove strategie absolute return

Ø Gli investitori hanno cercato forme d’investimento con obiettivi di
rendimento assoluti: perchè?
400
350
300
250
200 bond europa

bond globale
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
Le asset class tradizionali hanno deluso le aspettative in termini di rendimento / rischio…

Performance storiche asset class tradizionali e alternative
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
…generando progressivo interesse verso un ampliamento delle asset class disponibili
14
15
Confronto relativo alla performance
Andamento relativo delle diverse asset class
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
Approccio a benchmark: coerenza rendimento target
Nota: portafogli ottimizzati ex-post con il medesimo target di rendimento
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

Approccio a benchmark: coerenza profilo di rischio
Volatilità Annua di un investimento 50% Equity 40% Bond 10% Cash*
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
Approccio absolute return vs. tradizionale
L’approccio absolute return si configura come una modalità diversa di investimento.
Approccio tradizionale: a Approccio

Benchmark Absolute Return
Obiettivo Ottenere un rendimento positivo

Ottenere rendimenti positivi rispetto
principale “indipendentemente” dalle
al benchmark di riferimento
performance dei mercati
Fattori di Esposizione a mercati con

successo Skills del gestore e strategie adottate
performance positive
Misure di
Tracking error Value at risk
rischio

Approccio absolute return: macro caratteristiche
§ Le strategie a rendimento assoluto sono caratterizzate da:
§ Gestione attiva con controllo del rischio
§ Obiettivo di ritorno positivo non vincolato dall’andamento dei principali

mercati finanziari
§ Decorrelazione con le asset class tradizionali attraverso:
• compravendita di strumenti azionari e obbligazionari “tradizionali”

• esposizione a mercati meno noti e ad asset class non tradizionali,
come ad esempio valute, materie prime e senior loans
• utilizzo derivati non a soli fini di hedging
Tipologia struttura fondi absolute return
Rendimento atteso Rischio

(al lordo delle fee) (in termini di VAR)
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
§ tasso monetario + spread § compreso tra il 2%-4%

Absolute Return compreso tra 100-200 bp
Low Volatility
(100bp<spread<200bp) § orizzonte temporale: compreso tra
1-3 anni (solitamente di poco
superiore all’anno)
§ tasso monetario + spread § >4%

Absolute Return superiore a 200bp
High Volatility
§ orizzonte temporale: >3 anni (es.
(spread>200bp) un ciclo economico)

21
Esempio di andamento di un fondo absolute return
Perfomance Volatilità (1Y rolling)
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
Absolute return: approccio d’investimento
Strategia Punti di attenzione
Asset Allocation § Gestione dinamica dell’asset § Forte dipendenza dalle view e

allocation tra i diversi mercati dalle scelte discrezionali del team
guidata da valutazioni qualitative di gestione
§ Asset allocation e/o stock selection § I modelli quantitativi possono

Quantitativo
guidata da modelli quantitativi soffrire di eccessiva «rigidità»
soprattutto in caso di crisi di
§ Possibile presenza di una fase
liquidità
discrezionale
Strategie § Strategie tradizionali «mono asset § Approccio ibrido tra gestione

tradizionali con class» non vincolate ad un tradizionale e gestione absolute
gestione absolute benchmark ma ad un target di return
rendimento assoluto

Absolute return: struttura dei costi
§ commissioni: di gestione e di performance
§ Le fee di performance sono in genere calcolate:

§ rispetto al rendimento target dichiarato (tasso monetario + spread)
§ rispetto al solo tasso monetario
§ 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
Absolute return: asset class e modalità di gestione
§ 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)

Absolute Return: strategie
§ L’obiettivo principale dell’investimento in prodotti absolute return è la tutela del

capitale in ogni condizione di mercato
§ Allo scopo di svincolare il profilo di rendimento/rischio dall’andamento dei mercati e di

proteggere gli investitori sono state sviluppate diverse tecniche di gestione
§ Tra le diverse strategie presenti sul mercato approfondiremo:

§ Portable alpha
§ Risk parity
§ Tail risk hedging
Alpha e beta: una distinzione intuitiva
Alpha e Beta sono due componenti distinte che contribuiscono alla

performance di un prodotto…
§ 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

27
Alpha e beta: andamento del tempo
…e variano nel tempo in modo “indipendente”
Esempio andamento fondo azionario

190
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
Difficoltà di trovare alpha…

Percentuale di fondi a gestione attiva che sovraperformano il benchmark
Fonte: elaborazioni Lyxor su dati Bloomberg e Morningstar dal 31/12/2008 al 31/12/2018
Difficoltà dei gestori tradizionali “long-only” a sovraperformare consistentemente i rispettivi benchmark

Cosa si intende per “portable alpha”?
Con una strategia Portable Alpha,

l’Alpha può essere aggiunto ad un qualsiasi mercato (Beta)
Portable
Alpha
Portable Portable
Alpha Alpha
Portable
Alpha
Fixed
Liability
Income
Cash
Fonte: AXA
Portable alpha: un esempio, fondo azionario USA
La strategia portable-alpha offre la possibilità di avere pura esposizione alle

capacità del gestore depurata dal rischio mercato
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
Fondo Azionario S&P500 Alpha EONIA EONIA + Alpha

USA
2002 -15.63% -22.10% +6.47% 3.43% 9.90%
2005 +9.29% +4.91% +4.38% 2.13% 6.51%
Fonte: AXA

Portable alpha: ricomposizione del rendimento
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
§ L’allocazione di parte del portafoglio dell’investitore su tali strategie non

Decorrelazione modifica l’asset allocation dell’investitore: il puro alpha non è associabile a
fattori di rischio tradizionali di una asset allocation
32
Portable alpha: come selezionare gli alpha?
§ L’Alpha è il rendimento del fondo in eccesso rispetto

al benchmark di riferimento. La strategia Portable Esempio alpha di un fondo azionario
Alpha cattura la performance generata dalla gestione
attiva: “stock-picking” puro con l’aggiunta di
sovra/sotto-esposizione al mercato
§ Per selezionare buoni Alpha è necessario prendere in

considerazione molteplici indicatori:
§ Proprietà statistiche degli extra-rendimenti:
§ Persistenza
§ Volatilità
§ Minimo/massimo
§ Caratteristiche e stabilità del fondo:
§ Track record
§ Coerenza nel tempo dello stile
gestionale
§ Esposizione ai fattori di mercato
Il primo passo per implementare la strategia Portable Alpha è quello di identificare dei buoni
candidati Alpha
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%
Beta (S&P 500) +178%
Fondo USA A
Alpha (cumulato)
-7%
Portable alpha: come selezionare gli alpha? (2|2)
Questo fondo potrebbe essere invece un buon candidato: significativa

overperformance in fase di bear market (anche se in alcuni anni…)
+35%
Fondo USA B
-7%
Beta (S&P 500)

-42%
Alpha (cumulato)

Esempio portable alpha (1)
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…

Risk-free +10%
Alpha +
Risk-free
Risk-free
Fondo USA B
Beta (S&P 500)
…oppure trasportare l’alpha su un altro beta con migliori prospettive
JPM Gov Emu +8%
Alpha +
Beta alternativo
Beta alternativo
(Bond EMU)
Fondo USA B
Beta (S&P 500)

Risk Parity: introduzione
§ I tradizionali approcci di costruzione di portafogli multi-asset si basano su proporzioni crescenti di
investimenti obbligazionari allo scopo di limitare la rischiosità (60%-40%, 80%-20%,..)
§ Tuttavia la principale fonte di rischio dei portafogli continua a provenire dall’investimento azionario
anche se minoritario
Allocazione di Portafoglio Allocazione di Rischio
azionario obbligazionario
azionario
obbligazionario
Sovrappesare l’investimento obbligazionario non protegge il portafoglio in condizioni

di mercato difficili
Risk Parity: applicazione
§ 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
Allocazione di Rischio Allocazione di Portafoglio

commodity
azionario
commodity azionario monetario
monetario obbligazionario
obbligazionario
L’allocazione risk parity difende meglio il capitale perché riduce

sistematicametne il peso delle asset class rischiose durante le fasi di drawdown
del mercato

Tail Risk Hedging
§ Molte strategie e prodotti absolute return hanno dimostrato la propria inefficacia

nelle fase «estreme» di mercato (es. credit crunch, Lehman..)
§ La principale difficoltà è dovuta a:
• Shock molto veloci e concentrati (es. crolli azionari nel giro di pochi giorni)
• Fasi di correlazione elevata tra le diverse asset class
§ In queste condizioni di mercato diventa difficoltoso per un gestore individuare ed

investire in mercati/asset class de-correlati o risk-free
§ Le fasi estreme di mercato vengono chiamate tail (coda) perché rappresentano le

code estreme delle distribuzioni di probabilità ovvero eventi poco frequenti ma molto
intensi
Le tecniche di tail risk-hedging sono disegnate specificatamente per queste

particolari condizioni di mercato
Tail risk hedging: caratteristiche
Definizione § Le tecniche di tail risk hedging si applicano solo ad eventi estremi e

consistono in sistemi di copertura totale del portafoglio dai diversi
rischi di mercato
§ Il sistema si basa su algoritmi quantitativi che identificano le fasi di
potenziale drawdown superiore ad una certa soglia (es. -15%) e
generano segnali di attivazione delle coperture
§ Il tail-risk hedging è un complemento ad altre strategie: non è infatti

Utilizzo una linea guida d’investimento ma una metodologia volta a coprire il
portafoglio in limitate condizioni di mercato
§ Di norma il tail-risk hedging copre principalmente dai rischi azionari
ma può anche essere applicato ad altre componenti del portafoglio
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

Hedge Funds
Definizione
Gli Hedge Funds rappresentano un veicolo di investimento alternativo alle

tradizionali forme di impiego del risparmio.
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
Ottenere rendimenti positivi

Obiettivo Ottenere un rendimento positivo “indipendentemente” dalle
rispetto al benchmark di
principale performance dei mercati
riferimento
Fattori di Esposizione a mercati con

Skills del gestore e strategie adottate
successo performance positive
Liquidità (almeno) trimestrale,

Liquidità e
Liquidità giornaliera, trasparenza su posizioni scarsa trasparenza su
trasparenza
strategie e posizioni
Flessibilità Limitata (limiti all’investimento, no leverage, no vendita allo Possibilità di utilizzo della leva
operativa scoperto) e di vendita allo scoperto
Titoli, maggior utilizzo di

Strumenti Titoli (derivati limitati a fini di Qualsiasi strumento
derivati per gestione del
impiegati copertura) finanziario, quotato o no
rischio
Misure di Value at risk, skewness,

Tracking error Value at risk
rischio kurtosis, etc.

Hedge Funds
Caratteristiche tipiche degli hedge funds
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”
alta fondi di fondi Gestioni

hedge tradizionali
Abilità del gestore
Gestioni Gestioni
absolute Attive
(alpha)
return
Gestioni
Passive
bassa
Dipendenza da trend di mercato
bassa alta
(beta)

Strategie degli hedge funds
Principali macro-famiglie di strategie
E’ possibile individuare 3 macro-famiglie di strategie degli hedge funds, caratterizzate da un profilo

di rischio-rendimento crescente
Rendimento
Le strategie opportunistiche o
direzionali
Le strategie c.d.“event driven”
Le strategie
di arbitraggio o non direzionali
Rischio

Principali macro-famiglie di strategie
Le strategie opportunistiche/ direzionali
Costruiscono posizioni di portafoglio per sfruttare i trend di mercato. Tra queste le principali sono:
• Long/Short Equity (posizioni lunghe e corte sui titoli azionari con esposizione sui mercati)
• Managed Futures (posizioni direzionali su una pluralità di asset class e mercati)
• Macro (posizioni su trends macro-economici di mercato)
• Short Selling (posizione corte su una pluralità di strumenti azionari)
Le strategie c..d. “event driven”
Investono su società coinvolte in eventi di finanza aziendale straordinaria. Tra queste le

principali sono:
• Distressed Securities (posizioni su società in crisi finanziaria e legale)
• Multi-Strategy Event Driven (special situation, capital structure arbitrage, risk arbitrage)
• Merger Arbitrage (posizioni su fusioni, acquisizioni, scissioni di aziende)
Le strategie di arbitraggio o non direzionali

Mirano a generare profitti mantenendo un’esposizione neutrale al mercato. Tra queste le
principali sono:
• Fixed Income Arbitrage (arbitraggio sui titoli a reddito fisso)
• Convertible Arbitrage (arbitraggio sui titoli convertibili)
• Equity Market Neutral (posizioni lunghe e corte sui titoli azionari, minimizzando
l’esposizione al rischio di mercato)
Classificazione HFR e CSFB-Tremont
Esistono due indici principali per le performance degli hedge funds: HFRX e CSFB-Tremont.
Non esiste, tuttavia, una classificazione univocamente accettata delle varie strategie
implementate dai diversi hedge funds.
HFR CSFB/Tremont
Emerging Market Emerging Market

Energy Equity Hedge
Long/Short Equity
Financial Equity Non Hedge
Headhcare/Bio Global Macro
Macro
Metals/Mining Managed Futures
Real Estate Short Selling Dedicated Short Bias
Technology
Market Timing
Sector
Distress Securities
Distressed
Arbitrage Event Driven Event Driven Multi-Strategy
Convertible Bond Merger Arbitrage Risk Arbitrage
Diversified Regulation D
High-Yield Convertible Arbitrage Convertible Arbitrage
Mortgage-Backed Equity Market Neutral Equity Market Neutral
Fixed Income Fixed Income Arbitrage
Conservative Statistical Arbitrage
Diversified Relative Value Arbitrage

Market Defensive Fund of Funds Multi Strategy
Strategic Strategie di portafoglio: gestioni attive, passive e absolute return - 47
Rendimenti degli hedge funds

Confronto con i mercati azionari (1|3)
Nella storia gli hedge fund mostrano un profilo di rendimenti più conservativo rispetto alle azioni
Hedge Fund Annualized return 0.5% MSCI World Annualized return 5%

Research Standard deviation 3.7% Index (USD) Standard deviation 13%
Index (USD)

Come si nota nelle fasi di rialzo di borsa l’indice HF cresce di meno dell’indice azionario (1.5% vs. 3.5%)
e nelle fasi di ribasso di borsa l’indice HF cala di meno dell’indice azionario (-0.6% vs. -4.0) . Questo
profilo asimmetrico dei rendimenti viene ottenuto…
rendimento medio durante rendimento medio durante

6% 79 mesi positivi del msci 70 mesi negativi del msci
world world
4 3.5%
2 1.5%
0
-0.6%
-2
-4
-4.0% cs/tremont hf
msci world
-6
Fonte: HFR

…”proteggendo meglio” il capitale in periodi di shock (downside protection).
settembre 2001 ottobre 2008
-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

Protezione dal crollo del mercato azionario
Strategie long/short
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
HFRI E quity Hedge Index M SCI World
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 performance passate non sono indicative di quelle future

Protezione dal crollo del mercato azionario

Strategie Global Macro e Relative Value
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%
-40.00% Fonte: HFRI and Bloomberg, USD, Sep 12.

Figure 1: Historically preserving capital in varying market environments
Global equities- relative return focus (MSCI World Total Return Index)
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
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
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
<0 Fonte: elaborazioni su indici Eurekahedge Hedge Fund

Rendimenti delle strategie hedge fund (2|3)
Le diverse strategie hedge mostrano rendimenti molto variabili nel tempo…

Rischi degli hedge funds
Rischi delle strategie hedge fund
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.
Deviazione standard annualizzata, 2000-2019

Complessità della decisione di investimento in un hedge fund
La scelta di investimento in un hedge fund è piuttosto complessa per l’investitore.
Decisione di investimento Punti di attenzione
La scelta di un prodotto “hedge fund” comporta una

presa di posizione dell’investitore a diversi livelli:
§ Dispersione dei rendimenti a parità di periodo

§ Allocazione tra strategie § Variabilità rendimenti nel tempo della medesima
strategia
§ Sensitivity a diversi fattori di rischio
§ Scelta dei gestori all’interno di ciascuna § Dispersione dei rendimenti, a parità di strategia, tra i
strategia diversi gestori specializzati
§ Ciclo di vita di un gestore hedge

Dispersione dei rendimenti (1|2)
§ La Selezione dei manager ha un ruolo assolutamente cruciale nella costruzione di un

portafoglio di Funds Of Hedge Funds (FOHF).
§ Questo è il primo passo che differenzia realmente il mondo degli hedge fund dalle
asset class tradizionali
§ I migliori fondi mostrano una differenza in termini di rendimento rispetto ai peggiori di

circa il 40%:
Annualized Performance Gap
Annualized Returns Range Best Vs. Worst

Fund Type
(Worst - Best) Difference
US Equity Traditional Funds 10% - 20% 10%
US Equity L/S Hedge Funds 0% - 40% 40%
§ Selezionare i migliori HF tra tutte le strategie è cruciale per creare un FOHF di successo.
I Rischi degli hedge funds

Dispersione dei rendimenti (2|2)
Rendimenti molto differenziati tra strategie

fattori di rischio sottostanti
Ciascuna strategia ha
un’esposizione differente ai
principali fattori di rischio:
rischio/opportunità di
investire in un prodotto
single-strategy

Molteplici fonti di rischio
Assenza di regolamentazione di
Overlapping strategie e alcuni mercato off-shore, domicilio
gestore, leverage,
scostamento dalla
strategia, minor RISCHIO
trasparenza GIURIDICO In relazione al mutamento delle
variabili di mercato (prezzi,
RISCHIO volatilità, correlazioni) e alla
TECNICO capacity dell’industria
(l’incremento nella domanda di
hedge funds, qualora non
adeguatamente monitorata,
potrebbe portare alla saturazione
del mercato e precludere le
RISCHIO opportunità di investimento nei
DI MERCATO fondi/managers migliori)
RISCHIO DI
LIQUIDITA’
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
Rischi collegati ad aspetti aziendali (dimensione,

stabilità, solvibilità) e alla robustezza di alcuni aspetti
cruciali di processo (pricing, prime broker, risk
management,…)
Rischio di mercato: complessità della valutazione (1|2)
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.
Risk Dimension Risk-Adjusted Performance

Reference Period:
1994 - 2009 Annualised
Max Drawdown Max Drawdown Annualised Worst Month 30d Modified
Downside Worst Month 30d VaR (99%) Sharpe Ratio Sortino Ratio
(%) (n° of months) Volatility Date VaR (99%)
Volatility
Cs/Tremont Global Hedge Fund Index -19,5% 6 7,9% 5,1% ago-98 -7,6% 5,3% 6,8% 0,6 0,93
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

Rischio di mercato: complessità della valutazione (2|2)
Percentuale di mesi
Eccesso di rendimento
positivi sul totale delle
rispetto al tasso risk-free
osservazioni
rapportato alla rischiosità del
portafoglio
Massima perdita di valore di Grado di asimmetria della

un portafoglio su un Massima perdita distribuzione dei
determinato orizzonte consecutiva nel tempo rendimenti (positivo se a
temporale e dato un certo destra, negativo se a
livello di probabilità sinistra).
Numero di mesi necessari

per recuperare pienamente
il massimo drawdown Grado di spessore degli
estremi della distribuzione
(perdite e/o guadagni
consistenti)

Rischio di mercato: l’importanza degli indicatori asimmetrici
Due indicatori asimmetrici di facile interpretazione e che possono essere presi in considerazione per la
valutazione di un prodotto hedge sono:
1. La SKEWNESS consente di individuare se gli scostamenti dalla media tendono a spostarsi verso la parte destra o sinistra
della distribuzione. Quindi se l’indicatore è positivo la distribuzione di frequenza è più pronunciata a destra, viceversa se
negativo. Vengono quindi preferiti prodotti con skewness maggiore.
2. La KURTOSIS fornisce un’indicazione relativa allo spessore degli estremi della distribuzione. Maggiore è il valore di tale
indicatore maggiori sono le probabilità di registrare perdite o guadagni consistenti. Vengono quindi preferiti prodotti con
kurtosis inferiore
Kurtosis
Fat-tails Fondi con asimmetria a Fondi con asimmetria a

(code alte) sinistra e “fat tails” destra e “fat tails”
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

Rischio operativo
A livello di singolo fondo hedge, almeno nel 50% dei casi (in termini di numero) la causa di fallimento è
dovuta a rischi operativi
Cause dei fallimenti di Hedge Funds:
Rischi
Operativi
50%
Investment
Risk
38%
Business Risk
6%
Rischi Multipli
6%

Rischio operativo: principali cause dei fallimenti di hedge funds
Valutazioni e report falsificati Uscite di capitale dal fondo o improprio utilizzo

del denaro (ad esempio per coprire le perdite)
Frode legata agli investimenti Frode
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

Rischio operativo: alcuni casi default di hedge fund
Alcuni casi famosi di default di hedge funds:

LTCM, 1998, $4.000 mn (perdita stimata), incapacità di assorbire il default sul debito
russo, oltre all’elevato gradi di leva, mancanza di trasparenza verso prime brokers, e
model risk (distorsione nel processo di risk management), conflitti d’interesse
Manhattan , 1999, $500mn (perdita stimata) Perdite su trading, falsa
rappresentazione delle performance del fondo
Beacon Hill, 2002, $1.000mn (perdita stimata) Perdite su strategie direzionali.
Problemi di pricing (MBS) e mancanza di liquidità.
Amaranth, 2006, $6.000mn (perdita stimata) Perdite su strategie direzionali legate
alle Commodities (Futures sul Gas Naturale): trading e mancanza di liquidità.
Bear Stearns, 2007, $2.000mn (perdita stimata) Perdite su strategie di

arbitraggio su MBS settore subprime, leva eccessiva e mancanza di liquidità.
Peloton, 2008, $3.600mn (perdita stimata) Perdite su strategie legate

agli ABS, leva eccessiva e mancanza di liquidità.
Madoff, 2008, $50.000mn (perdita stimata) Frode del gestore/broker

stile “ponzi scheme”; assoluta mancanza di trasparenza, collusione
con administrator ed auditor.
Gli hedge funds durante la crisi del 2008
§ 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
La selezione di hedge funds

Due diligence
Quando si deleziona un hedge fund è opportuno effettuare una «due-diligence»

che tenga conto sia degli aspetti finanziari sia operativi della gestione.
Investment due diligence Operational due diligence
Obiettivi § Valutare le caratteristiche finanziarie § Verificare l’affidabilità della società di

del fondo, le capacità di gestione del gestione, della struttura organizzativa e
team e la validità della strategia delle parti coinvolte nella gestione del
fondo
Aree § Società di gestione § Organizzazione e struttura della società

§ Team di gestione § Trading e Back-office
§ Strategia d’investimento § Valutazione e controllo
§ Risk Management § Third Parties

Metodologie di analisi
della performance e del rischio
dei portafogli finanziari
Seminario di Alessandro Russo
Bologna, 29 Novembre 2021

Introduzione e concetti di base
Metodi di calcolo della performance
Misurazione del rischio
Analisi comparativa dei fondi di investimento
Cenni di performance attribution
Metodologie di analisi della performance e del rischio dei portafogli finanziari - 2


Introduzione
La performance di un portafoglio finanziario
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:
Internal use only - all rights reserved

INVESTITORE: tende ad identificare gli obiettivi di investimento, il cui raggiungimento è delegato al gestore,
nel rendimento, e soprattutto nel rendimento di breve periodo
GESTORE: il suo obiettivo di investimento è un obiettivo di performance: ottenere un determinato

rendimento nel rispetto di determinati vincoli di rischio, su un orizzonte temporale medio-lungo.
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.

Introduzione
Le determinanti della performance
Come valutare la performance di un portafoglio finanziario?
I passaggi che ci avvicinano alla definizione del problema della valutazione della performance di un portafoglio sono
molteplici.

L’elemento di primario interesse (soprattutto per l’investitore) è il rendimento, che dipende da una serie di determinanti:
𝑹𝒆𝒕𝒖𝒓𝒏 = 𝒇(𝑨𝒔𝒔𝒆𝒕 𝑨𝒍𝒍𝒐𝒄𝒂𝒕𝒊𝒐𝒏, 𝑪𝒂𝒑𝒂𝒄𝒊𝒕à 𝒅𝒆𝒍 𝑮𝒆𝒔𝒕𝒐𝒓𝒆, 𝑰𝒎𝒑𝒐𝒏𝒅𝒆𝒓𝒂𝒃𝒊𝒍𝒆)
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.
ASSET ALLOCATION • CAPACITA’ DEL GESTORE IMPONDERABILE

+ RISCHIO à + RENDIMENTO ATTESO • STOCK PICKING (elementi esogeni rispetto
(ma non necessariamente maggior • MARKET TIMING all’asset allocation e alle
rendimento realizzato!) • PERSISTENZA capacità del gestore)
• ….

Introduzione
Investitore istituzionale e mandato di gestione (1 di 2)
Gli investitori istituzionali affidano i loro patrimoni in gestione ai portfolio manager sulla base di un mandato di
gestione indicante le seguenti specifiche:
Parametro di riferimento contrattuale (benchmark ovvero target di rendimento)
Vincoli gestionali:

Esposizione massima/minima alle varie asset class/mercati
Esposizione valutaria (al netto delle attività di hedging)
Rating minimo della componente obbligazionaria
...
Risk budget:
Tracking Error Volatility (TEV)
VaR

Introduzione
Investitore istituzionale e mandato di gestione (2 di 2)
I portfolio manager adempiono al proprio mandato di gestione fornendo i seguenti servizi:
Costruzione di portafogli finanziari efficienti
Gestione dell’active risk nei limiti del risk-budget:

Gestione del rischio (risorsa scarsa), assoluto e relativo, in conformità con i vincoli contrattuali
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
Ottenimento di un rendimento superiore (overperformance) rispetto al parametro di riferimento

Introduzione
Monitoraggio ex post della performance e del rischio dei portafogli gestiti
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:
Costituisce il BACK-TESTING delle scelte e strategie intraprese

Costituisce il BACK-TESTING dei risultati preventivati e delle analisi effettuate ex-ante
Consente di INDIVIDUARE eventuali inefficienze o elementi problematici
Permette di INTERAGIRE attivamente e consapevolmente con i gestori
Fornisce elementi di ANALISI indispensabili per intraprendere eventuali azioni correttive
I processi di controllo del portafoglio ex-post sono quindi

complementari ai processi di analisi ex-ante

Introduzione
Monitoraggio ex post per gli investitori istituzionali
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.

Gli strumenti fondamentali forniti dalla valutazione dei rischi ex-post sono:
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)
Valutazione di impatto per eventi di perdita massima (Drawdown, Calmar Ratio)
Valutazione delle perdite potenziali (VaR, Expected Shortfall, …)
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)

Introduzione
Monitoraggio ex post complementare al risk management ex ante
Il risk-management ex-ante fornisce misure su rischi potenziali, il monitoraggio ex-

post quantifica effettivamente i rischi assunti.
Gli investitori istituzionali sono particolarmente attenti alla valutazione ex-ante dei

rischi ma anche e soprattutto alla quantificazione ex-post effettiva di questi, dato
che i risultati sono altrettanto se non più importanti degli obiettivi.


Il processo di analisi
Componenti che determinano la performance di un portafoglio
Benchmark
Asset
Allocation Performance
Portafoglio

Gestione
Performance
Performance attribution Risk management measurement
e analysis
Permette di scomporre la performance Consente di gestire, Consente di

complessiva del portafoglio e di attribuirla ai controllare e quantificare,
fattori che l’hanno originata. Consente, quantificare i rischi monitorare e
inoltre, di individuare in quale parte del assunti. controllare i risultati
processo si è creato o distrutto valore, prodotti dalla gestione.
evidenziando di conseguenza su quali
componenti intraprendere azioni correttive.

Tipologie di strumenti finanziari (1 di 2)
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.

Gestioni/fondi a rendimento assoluto
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.

Tipologie di strumenti finanziari (2 di 2)
Gestioni/Fondi comuni di investimento specializzati
I fondi specializzati (eventualmente ETF) sono tipicamente caratterizzati da una spiccata

direzionalità, sintetizzabile nel benchmark assegnato. Di conseguenza, la valutazione
finanziaria sarà svolta sia in termini assoluti che in termini relativi (al benchmark).

Fondi di fondi hedge/fondi UCITS liquid alternative
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.
Negli ultimi anni l’industria finanziaria ha sviluppato soluzioni caratterizzate da profili

rendimento/rischio e strategie di investimento analoghe a quelle degli hedge funds all’interno di
strumenti più liquidi e armonizzati ai sensi della Direttiva UCITS (liquid alternative funds).
In entrambi i casi, la valutazione di questi prodotti deve essere molto attenta alla strategy allocation
perseguita dal gestore.
Rendimento di periodo e multiperiodale (1 di 4)
Il rendimento di periodo di un investimento, di norma, viene calcolato come variazione percentuale

del valore del portafoglio tra il momento finale (t1) e quello iniziale (t0) di un determinato orizzonte
temporale:
V (1) - V (0)
R(0,1) = *100
V (0)

Disponendo di più misure di rendimento di questo tipo relative a sottoperiodi consecutivi di un intervallo
più lungo, esistono tipicamente due metodologie per calcolare il rendimento ottenuto su più periodi (c.d.
multiperiodale):
RENDIMENTO MEDIO ARITMETICO
RENDIMENTO MEDIO GEOMETRICO

Il rendimento medio aritmetico viene calcolato come media semplice dei rendimenti ottenuti nei
sottoperiodi:
R(t0 ) + R(t1 ) + ... + R(t n )

R(t0 , t n ) =
n

esso esprime il valore medio dei prelevamenti che è possibile effettuare alla fine di ogni periodo
senza intaccare il capitale iniziale.
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.

Un esempio di calcolo di rendimento medio aritmetico e geometrico di un portafoglio finanziario gestito.
INPUT: Serie storiche di 5 anni di rendimenti settimanali (260 valori)

Determinazione di medie geometriche e aritmetiche su rendimenti settimanali
I anno II anno III anno IV anno V anno I-V
Media Geometrica 0,40% 0,74% 0,63% 0,05% 0,42% 0,45%

Media Aritmetica 0,41% 0,76% 0,66% 0,10% 0,45% 0,48%
Δ (MG-MA) -0,01% -0,02% -0,03% -0,05% -0,03% -0,03%
Deviazione Standard MA 1,33% 1,79% 2,39% 3,17% 2,66% 2,35%
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.

Un ulteriore esempio di calcolo di rendimento medio aritmetico e geometrico di un portafoglio

finanziario gestito.
Valore Iniziale Valore finale Rendimento di periodo

Periodo 1 50 100 100%
Periodo 2 100 50 -50%
Rendimento medio aritmetico 25%

Rendimento medio geometrico 0%
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).

Valutazione del rendimento in presenza di flussi di cassa: TWRR vs MWRR (1 di 7)
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):
RENDIMENTO TIME-WEIGHTED RENDIMENTO MONEY-WEIGHTED

Misura la redditività Misura l’effettiva redditività
determinata dalle capacità per l’investitore
del gestore
Si escludono dal processo di calcolo i Nel processo di calcolo sono

fattori che incidono sulla redditività del considerate sia le scelte
portafoglio ma che non sono imputabili effettuate dal gestore che le
all’attività ed alle scelte del gestore decisioni di conferimento e
(conferimenti e prelevamenti di denaro prelievo dell’investitore
effettuati dall’investitore)

Calcolo del rendimento time-weighted di un portafoglio
n
R(t0 , T ) = Õ [1 + r (i - 1, i )] - 1
i =1
in cui :

R(t0 , T ) : rendimento time - weighted determinato sul periodo (t0 , T );
r (i - 1, i ) : rendimento del sottoperiodo (i - 1, i ) calcolato eliminando gli effetti prodotti dai movimenti di liquidità.
Calcolo del rendimento money-weighted di un portafoglio
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 ).

Cosa differenzia questi due tipi di misure?
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.

A livello di approccio ci sono però differenze concettuali nelle due metodologie:
Il rendimento money weighted è la misura corretta per valutare il rendimento di un portafoglio,

riassumendo sia le scelte di gestione che le decisioni di investimento e disinvestimento del
risparmiatore (euforia, panic selling, effettiva necessità,…).
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
Valore Iniziale Valore finale Rendimento di periodo

Periodo 1 1€ 4€ 300%
Cash Flow 100 €
Periodo 2 104 € 52 € -50%

r e
s to Rendimento time-weighted 100%
Ge
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
I Trimestre II Trimestre III Trimestre IV Trimestre

Valore patrimonio ad inizio periodo 1000 1100 1500 1500

Conferimenti (+) e prelievi di capitale (-) 400 -250 500
Valore patrimonio a fine periodo 1100 1500 1500 1800
Rendimento annuale prodotto dal gestore (ovvero R tw): 18,80%
Rendimento annuale registrato dall'investitore (ovvero R mw ): 11,54%

La determinazione del rendimento time-weighted richiede la valorizzazione del portafoglio ad ogni

flusso di cassa (Conferimenti/Prelievi). Qualora questo non sia fattibile è possibile applicare alcune
metodologie di calcolo sostitutive che però forniscono risultati approssimativi.
MID-POINT DIETZ METHOD

Ipotizza che tutti i flussi di cassa si verifichino a metà del periodo di calcolo del rendimento
(esempio: metà mese)
V (T ) - V (t0 ) - F (t0 , T )
R(t 0 , T) Dietz :
V (t0 ) + 0,5 * F (t0 , T )
Criticità:
1. I flussi di cassa si verificano in momenti “lontani” da metà periodo
2. Alto ammontare dei flussi di cassa rispetto al valore iniziale del portafoglio (10%)

MODIFIED DIETZ METHOD
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 =

CD
i =1 dove :
R(t 0 , T) M - Dietz : n
V (t0 ) + åWi * Fti Wi : fattore di ponderazione dell' i - esimo flusso di cassa;
i =1
CD : numero di giorni nel periodo;
Di : giorno in cui si verifica il flusso di cassa i - esimo.
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
Mid-Point Dietz Method 22,22%

Modified Dietz Method 20,00%

Componenti del rendimento complessivo (1 di 2)
TOTAL RETURN = REND. CONTO CAPITALE + REND. CEDOLARE
Qualunque sia il metodo di calcolo del rendimento, la performance assoluta di un portafoglio

finanziario è il risultato dell’unione tra due componenti:
capital gain (espresso dalla variazione nel periodo del valore di mercato del portafoglio)

flussi cedolari netti (cedole da obbligazioni, dividendi azionari, proventi da fondi/etf a
distribuzione, etc.) incassati nel periodo.
Ciascuna tipologia di investitore è maggiormente interessata all’una o all’altra componente: si

pensi ad esempio all’investitore con un capitale cospicuo, interessato a costruirsi una rendita
vitalizia: prevarrà l’interesse per la componente cedolare/preservazione del capitale (rinunciando
quindi a possibili capital gain in favore di minori rischi). Diversamente, l’investitore con un capitale
modesto e un holding period lungo (10+ anni), porrà maggiormente l’accento sull’accrescimento del
capitale, potendo sostenere una quota maggiore di rischio, mitigata dall’effetto temporale.
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).
Componenti del rendimento complessivo (2 di 2)
PATRIMONIO
Capital gain
RENDIMENTO
OBIETTIVO
Flusso cedolare
PRESTAZIONI

La teoria del portafoglio per gli investitori istituzionali prevede la definizione di un’asset
allocation con un holding period di lungo termine; in realtà il vincolo temporale finisce spesso per
restringersi all’anno, periodo di riferimento delle loro 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.
Diventa, quindi, indispensabile valutare le svariate opportunità di mercato in quest’ottica e scegliere

gli strumenti finanziari adatti a tali esigenze, eventualmente limitando il peso in portafoglio di
classi di attività ad elevato potenziale di crescita, ma con flussi cedolari ridotti.



La performance complessiva di un portafoglio non è data solo dal rendimento…
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.

Occorre, dunque, chiedersi:
per ottenere il rendimento di periodo quale posizione di rischio ha assunto il gestore?
il gestore si è esposto ad un rischio maggiore o minore di quello intrinseco nel parametro di

riferimento affidatogli?
l’asset allocation ha determinato un rendimento per unità di rischio superiore a quello che
l’investitore avrebbe potuto ottenere affidandosi ad altri gestori?

Misure di rischio (1 di 6)
Deviazione Standard E’ la misura di rischiosità tradizionalmente più utilizzata, definita

come:
n Dove 𝑥̅ = media aritmetica dei valori 𝑥 !

Dispersione della serie dei
rendimenti sottoperiodali
å( x i
- x)
2
n = numero di osservazioni
s= i =1
𝑥 ! = rendimento del period i-esimo
rispetto al rendimento medio n-1
aritmetico

Downside Deviation Misura basata sul concetto di DOWNSIDE RISK, secondo il quale gli
investitori hanno una percezione asimmetrica delle deviazioni dei rendimenti
rispetto al prezzo di carico dell’investimento o all’obiettivo di rendimento e
sono portati psicologicamente a valutare in maniera differente quelle positive
e quelle negative (valutando molto più preoccupanti quelle negative).
Definito come t un rendimento obiettivo, la DOWNSIDE DEVIATION viene
definita come deviazione standard della serie costituita dai rendimenti
(Ri) che sono stati inferiori al valore t:
Deviazione standard della

serie dei rendimenti ∑*()$ ∆%( Dove ∆! = 𝜏! − 𝑅! 𝑠𝑒 𝜏! > 𝑅!
sottoperiodali minori rispetto 𝐷𝐷 = ∆! = 0 𝑠𝑒 𝑅! > 𝜏!
ad un tasso obiettivo 𝑛 − .1

Massimo Drawdown
Il massimo drawdown su un determinato orizzonte è definito come massima perdita % rispetto al

massimo locale (relativo al periodo di osservazione); dall’evento di massima perdita si procede a
misurare il tempo di recupero:

tempo di recupero

L’algoritmo di calcolo del drawdown è alquanto articolato, dovendo necessariamente:
Identificare il più profondo trend discendente all’interno del periodo di analisi;
Identificare il massimo ed il minimo locali che rappresentano gli estremi (di

inizio e di fine) del trend; non necessariamente si tratterà dei massimi e dei minimi
assoluti di periodo!

Una volta identificato il minimo locale di conclusione del drawdown, l’algoritmo di
calcolo del tempo di recupero procede a determinare in quanti periodi (giorni,
settimane, mesi) il portafoglio sia eventualmente riuscito a tornare sui livellli pre-
drawdown
Esempio Drawdown Azionario USA

Periodo di analisi Massimo Drawdown Durata Drawdown Tempo di recupero
2007-2009 (crisi Sub-Prime) -55,7% 1,4 anni 4,9 anni
2020 (COVID-19) -33,8% 0,1 anni 0,4 anni

Il Value at Risk - VaR:

Qualora si desideri determinare
il VaR considerando un livello di
( )
VaR = - R - 1,96 * s ( Rt ) *V probabilità del 99% invece che
del 95% si dovrà sostituire il
in cui : coefficiente 1,96 con 2,33.
R : rendimento medio del portafoglio;

σ(Rt ) : deviazione standard dei rendimenti del portafoglio
durante il periodo di valutazione;
V : valore del portafoglio.
Analisi di Shortfall:
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.
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.
€
€
€
€
€
€
€
€
€
€
€
€
€
€
€
€
€
Il VaR, in quanto osservazione puntuale corrispondente al 5° percentile della distribuzione dei

rendimenti, ha il limite di non fornire indicazioni sulle perdite cui sarebbe sottoposto il portafoglio in
caso di eventi peggiori rispetto all’intervallo di confidenza.
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

grasse’):
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.
€
€
€
€
€
€
€
€
€
€
€
€
€
€
€
€
€
Misure di redditività corretta per il rischio (1 di 6)
Indice di Sharpe Eccesso di rendimento

𝑅, − 𝑅% prodotto dalla gestione
𝐸𝑅
Sharpe Ratio = = rispetto al tasso risk-free
𝜎(𝑅) 𝜎(𝑅) rapportato alla rischiosità del
dove: portafoglio (premio per unità
𝑅! : rendimento medio del portafoglio di rischio)

𝑅! : rendimento medio dell’attività priva di rischio
𝐸𝑅 : premio per il rischio prodotto dalla gestione
𝜎 𝑅 : deviazione standard del portafoglio
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

RRC B
R BENCH.
RB
RA
s ( RBENCH . )
A
Rf
RISCHIO
s
s (R f ) s ( RB ) s (RA ) s ( RC )

𝜎 𝐵
𝑅𝐴𝑃& = 𝑅, − 𝑅% ∗ + 𝑅%
𝜎 𝑅
RENDIMENTO

B
RAPM ( A)
RB
R BENCH.
RAPM (B ) A
RA
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
Calmar Ratio Eccesso di rendimento prodotto

dalla gestione rispetto al tasso
R - Rf ER

Calmar = = risk-free rapportato al massimo
dove : Drawdown Drawdown drawdown di periodo
S : indice di Sharpe;
R : rendimento medio del portafoglio nel periodo;
R f : rendimento medio dell' attività priva di rischio nel periodo;
ER : premio per il rischio prodotto dalla gestione;
Drawdown : massimo drawdown del portafoglio durante il periodo di valutazione.
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

𝜏̅ : target medio nel periodo di valutazione
𝐷𝐷$ : downside deviation rispetto a 𝜏
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

Definire il benchmark
Che cos’è il benchmark?
Il benchmark può essere espresso come PARAMETRO DI RIFERIMENTO al quale rischio e

rendimento di un portafoglio tendono probabilisticamente nel medio/lungo periodo; questo concetto
può avere diverse sfumature.

Più precisamente si possono individuare definizioni da due diversi punti di vista:
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.
Gestore: è un portafoglio di riferimento su cui basare ex-ante le proprie strategie di

investimento. La strategia di investimento è un tema molto rilevante in ottica di valutazione, in
quanto il benchmark può essere utilizzato dall’asset manager in maniera diversa in base al
suo stile ed alla sua filosofia di gestione.
Il legislatore italiano lo definisce così “il benchmark è uno strumento di regolamentazione

attraverso il quale vincolare le società di gestione e far conoscere al risparmiatore, tramite il
prospetto informativo, le caratteristiche dell’investimento in termini di rischiosità e rendimenti attesi”.

Individuazione di un benchmark efficiente
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:
Analisi efficienza del benchmark

25,00%

Nikkei 225
NASDAQ 100
Rendimento medio su base annua %
20,00%
S&P 500
15,00% Russell 2000
MSCI EMU
10,00% FTSE MIB
STOXX EUROPE 600

5,00%
FTSE 100
0,00%
0,00% 5,00% 10,00% 15,00% 20,00% 25,00% 30,00%
Rischio medio su base annua %

Un esempio di valutazione del rischio di alcuni benchmark (1 di 2)
Volatilità media S&P 500 NASDAQ 100 FTSE MIB

1 anno 9,13% 12,08% 22,33%
3 anni 12,59% 15,25% 25,52%
5 anni 12,07% 14,64% 24,30%
Variabilità nel livello di rischio di alcuni benchmark

40,00%
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
S&P 500 NASDAQ 100 FTSE MIB

Un esempio di valutazione del rischio di alcuni benchmark (2 di 2)
Alcuni movimenti di mercato sono molto direzionali: tendenzialmente i ribassi si accompagnano

ad un incremento della volatilità, ma quest’ultimo può non fornire indicazioni sufficienti
sull’andamento del portafoglio/benchmark nelle fasi di discesa…

Correlazioni: maneggiare con cura...
La diversificazione degli attivi (obbligazioni, azioni, materie prime…) consente di ridurre il

rischio specifico e quindi il rischio complessivo di portafoglio. Questo è certamente vero in
fasi di mercato convenzionali (sia up sia down), ma in caso di cosiddetto ‘cigno nero’….
Obbligazioni societarie globali Azioni Europa Azioni USA Titoli di Stato USA Oro
170
160

150
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%

Misure di performance relativa (1 di 3)
Tracking error:
𝑇𝐸8 = 𝑅98 − 𝑅:8
Differenza tra il rendimento del portafoglio gestito e il rendimento del benchmark.

Rappresenta una misura di rendimento relativo.
Tracking error medio:
>
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

Tracking error volatility (active-risk):
,
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 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

dove:
𝐼𝑅 : Information Ratio
𝑇𝐸𝑉 : deviazione standard o volatilità del tracking error
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).

Diverse definizioni di Tracking Error Volatility
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)

Tuttavia da un punto di vista operativo non esiste solo una misura di TEV:
Tracking Error Volatility
Target Ex-ante True Ex-post

Livello obiettivo di Misura di TEV che Volatilità Misura sintetica della
TEV assegnato al con un dato livello sconosciuta della volatilità dei Tracking
portfolio manager di probabilità si distribuzione di Error realizzati in un
e in riferimento al realizzerà in un cui i Tracking determinato orizzonte
quale si valuta ex- prossimo arco Error reali al temporale,
post il suo operato temporale, tempo t sono una determinata attraverso
determinata sulla realizzazione una adeguata
base della metodologia di
struttura attuale misurazione.
del portafoglio.

Analisi ex post della TEV (1 di 6)
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:

in cui :
TE
test t = * T TE : Tracking Error Medio;
TEV TEV : Tracking Error Volatility;
T : numero di osservazioni.
Permette di quantificare e testare la significatività delle differenze tra la TEV ex-ante e la

TEV ex-post
Consente di valutare se il gestore è stato in grado di mantenere la TEV entro i limiti

imposti contrattualmente e come ha gestito la TEV nel range a sua disposizione

Consente di verificare la bontà dei sistemi di controllo del rischio implementati

dal gestore (Risk-Model)
Identifica se le cause di eventuali violazioni dei limiti di TEV siano da imputare

all’operato del gestore o siano determinati da cause esterne quali:
Variazione dei livelli di volatilità nel mercato in cui investe il gestore

Variazione delle correlazioni tra asset type
Fornisce strumenti validi per intraprendere eventuali azioni correttive (modifica

del gestore, variazione o aggiornamento di limiti contrattuali)

L’utilizzo di una serie di rappresentazioni grafiche consente di sintetizzare e rendere

prontamente evidenti un insieme di informazioni inerenti alla gestione del rischio da parte
del portfolio manager.
1.Tracking Error Volatility
ES
Andamento TE e TEV annua - Feri Bilanciato
EM
PL

IF
1,2 0%
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 %
TEV annua (asse sx) Tracking Error (asse dx)
Evidenzia l’andamento temporale dell’active risk e quindi i periodi in cui il gestore si è

maggiormente allontanato dal benchmark contrattuale
2.Tracking Error Volatility Ratio
ES
EM
PL
IF
IC
AT
IV
O

Evidenzia come nel tempo il portfolio manager ha utilizzato il budget di
rischio. (Vincolo di TEV). Mostra se e quando il gestore ha sovra/sotto utilizzato il
rischio a sua disposizione. Evidenzia inoltre di quanto si sia allontanato dal TEV
target.
3. Distribuzione del Tracking Error Volatility Ratio

ES
EM
PL
IFI La distribuzione del tracking
CA
TIV
O error volatility ratio (TEV ex-
post / TEV target) consente
di evidenziare, attraverso

l’identificazione di tre
differenti aree (green, yellow,
red) se il gestore è in grado
di controllare il livello di
TEV del portafoglio, di
quantificare la probabilità con
cui non vengono rispettati i
vincoli e infine di monitorare
le performance ottenute in
riferimento a misure di
rischio.

L’analisi ex-post dei rischi relazionata all’analisi dei mercati permette

all’investitore istituzionale di:
Verificare se il gestore è confidente sulle cause che hanno provocato il

superamento dei vincoli
Analizzare se il livello di TEV-Budget è ancora coerente con il benchmark

contrattuale e con lo stile del gestore dato che il RISK-BUDGET è
funzione della struttura del mercato in cui si opera. Gli elementi basilari
della struttura del mercato sono rappresentati dalla sua volatilità e dai
costi di transazione associati all’esigenza di variare le esposizioni
presenti in portafoglio

Analisi ex post della volatilità (1 di 2)
Gli investitori istituzionali, coerentemente al loro processo degli investimenti,

focalizzano l’attenzione su indicatori di rischio-rendimento determinati in relazione
ad un benchmark. Tuttavia, è indispensabile anche analizzare ex-post la
rischiosità assoluta del portafoglio e quindi la variazione della volatilità di
quest’ultimo nel tempo.

ES
EM
4. Variazione della volatilità nel tempo PL
IFI
CA
TIV
O

Analisi ex post della volatilità (2 di 2)
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

CA
TIV
O

Indicatori CAPM (1 di 3)
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

in cui :
b : beta del portafoglio o rischio sistematico;
E ( r ) : rendimento atteso del portafoglio;
E ( RM ) : rendimento atteso del mercato;
rf : rendimento dell' attività priva di rischio.
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

Misura la sensibilità del rendimento del

Beta
portafoglio in relazione all’andamento del
𝐶𝑜𝑣(𝑅+ , 𝑅, ) mercato (misura di rischio sistematico o
𝛽* = di mercato del portafoglio)
𝜎 - (𝑅, )
In cui:
𝐶𝑜𝑣(𝑅# . 𝑅$ ): covarianza tra I rendimenti del portafoglio (𝑟% ) e i rendimenti del mercato (𝑏% )

𝜎 & (𝑅$ ): varianza dei rendimenti del mercato
Alpha di Jensen
Misura di rendimento incrementale o

𝛼+ = 𝑅+ − [𝑅' + 𝛽+ ∗ (𝑅, − 𝑅' )] extra-rendimento che un portafoglio ha
dove: prodotto rispetto alla redditività che
𝑅# : rendimento medio del portafoglio
avrebbe dovuto offrire sulla base del suo
livello di rischio sistematico (CAPM)
𝑅! : rendimento medio dell’attività priva di rischio
𝑅$ : rendimento medio del benchmark
𝛽# : beta del portafoglio

Misura la sensibilità del rendimento del

Upside Beta
𝐶𝑜𝑣 𝑅. , 𝑅/ 𝑅/ > 0) portafoglio ad un mercato rialzista
𝛽- =
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
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

Valutazione di strategie con distribuzioni non convenzionali
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

dalla strategia di riferimento, hanno una distribuzione non normale presentando tendenzialmente delle
“code grasse” (fat tails).
LONG/SHORT EQUITY FIXED INCOME ARBITRAGE
(strategia direzionale) (strategia non direzionale)
-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

Asimmetria e curtosi (1 di 2)
Di fronte a distribuzioni non normali dei rendimenti, occorre tenere in considerazione anche i momenti
di ordine superiore, con evidenti vantaggi:
La SKEWNESS consente di individuare se gli scostamenti dalla media tendono a spostarsi

verso la parte destra o sinistra della distribuzione. Quindi se l’indicatore è positivo la
distribuzione di frequenza presenta “fat tail” a destra, viceversa se negativo. Vengono quindi
preferiti prodotti con skewness maggiore.

La KURTOSIS fornisce un’indicazione relativa allo spessore degli estremi della distribuzione.
Maggiore è il valore di tale indicatore maggiori sono le probabilità di registrare perdite e/o
guadagni consistenti. Vengono quindi preferiti prodotti con kurtosis inferiore.
Kurtosis
Fondi con asimmetria a Fondi con asimmetria a

sinistra e “fat tails” destra e “fat tails”
Skewness
Fondi con asimmetria a Fondi con asimmetria a

sinistra e “thin tails” destra e “thin tails”

Asimmetria e curtosi (2 di 2)
Asimmetria (Skewness)
-
in cui :
Ri : rendimento i - esimo del portafoglio

n : numero di osservazioni
Curtosi (Kurtosis)
-
in cui :
Ri : rendimento i - esimo del portafoglio
n : numero di osservazioni

Scomposizione del rendimento e del rischio
Cenni metodologici (1 di 2)
Il rendimento ed il rischio del portafoglio possono essere scomposti sulla base

di aggregati omogenei (asset class, aree geografiche, etc.), fino ad arrivare ad
individuare l’impatto delle singole posizioni
Tale esercizio consente di identificare il contributo della singola
posizione/aggregato al dato indice di rendimento o di rischio; da qui la definizione

di performance & risk contribution
Ipotizziamo di voler scomporre il rendimento ed il rischio del portafoglio in base
alle n asset class da cui quest’ultimo è composto; il punto di partenza è la
variazione uniperiodale del portafoglio 𝑟. , definita come:
1
𝑟. = M 𝑤(,. 𝑟(,.
(/0
Definiamo quindi il rendimento di portafoglio come una combinazione lineare,

sulla base dei rispettivi pesi 𝒘𝒊,𝒕 , dei rendimenti 𝒓𝒊,𝒕 delle singole asset class

Scomposizione del rendimento e del rischio
Cenni metodologici (2 di 2)
Possiamo quindi affermare che il building block della scomposizione del

rendimento è il contributo dell’i-esima asset class al rendimento complessivo:
𝑐(,. = 𝑤(,. 𝑟(,.
I singoli contributi uniperiodali vengono poi processati mediante algoritmi di

composizione multi-periodale, per restituire un contributo della singola asset
class in forma additiva rispetto al rendimento multiperiodale del portafoglio
Per quanto riguarda il rischio, si dimostra (X-Sigma-Rho, Menchero-Davis, 2011)

che il building block debba tenere conto anche della correlazione:
𝑣(,. = 𝑤(,. 𝑟(,. 𝜌(,5.'
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)

Come si legge la scheda di valutazione di una gestione/prodotto a benchmark
indicatori rendimento e rischio -1m -3m da inizio anno -12m
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.

benchmark 1,67% 1,75% 1,60% 1,60%
drawdown 0,47% 1,19% 1,19% 1,19%
tempo di recupero (settimane) non recuperato non recuperato non recuperato non recuperato
indice di Sharpe: eccesso di rendimento prodotto dalla
indici di efficienza * gestione rispetto al tasso risk-free, rapportato alla
rischiosità del l’investimento (premio per unità di
indice sharpe portfolio neg. 1,33 1,67 1,67 rischio).
benchmark neg. 1,11 1,26 1,26 Indice di Sortino: eccesso di rendimento prodotto dalla
gestione rispetto al tasso risk-free, rapportato al
indice sortino portfolio neg. 2,00 2,47 2,47 Dow nside Risk dell’investimento
benchmark neg. 1,65 1,81 1,81
performance relativa * Indicatori di performance relativa annualizzati:tracking

te -0,38% -0,10% 0,15% 0,15% error, tracking error volatility, information ratio
(rapporto tra te e tev).
tev 1,08% 1,08% 0,92% 0,92%
information ratio neg. neg. 0,16 0,16
VaR al 95%: perdita potenziale di portafoglio al livello
indicatori di perdita potenziale** di confidenza del 95%; indica la perdita minima che si
verifica nel 5% delle osservazioni considerate (eventi
var al 95% - - -0,42% -0,42% coda)
expected shortfall al 95% - - -0,51% -0,51% Expected shortfall al 95%: perdita potenziale di
portafoglio al livello di confidenza del 95%,
var al 99% - - -0,60% -0,60% condizionata alla distribuzione degli eventi coda; indica
expected shortfall al 99% - - -0,61% -0,61% la perdita media che si verifica nel 5% delle
osservazioni considerate
shortfall probability - - 29,23% 29,23%
Shortfall Probability; probabilità, calcolata sulla
* le misure sono espresse su base annua
**le misure sono espresse su base mensile
distribuzione delle osservazioni considerate, di
incorrere in un rendimento di portafoglio negativo

Come si legge la scheda di valutazione di una gestione/prodotto a rendimento assoluto
indicatori rendimento e rischio -1m -3m da inizio anno
rendimento rendimento di periodo

rendimento -3,13% -3,74% -3,72%
deviazione standard
rischio * downside deviation: rappresenta la volatilità dei soli
rendimenti negativi (Downside Risk), calcolata sulla
deviazione standard 6,06% 4,26% 4,20%
base degli scostamenti di tali osservazioni rispetto ad
downside deviation 5,50% 3,71% 3,36% una media nulla.
drawdown 3,78% 4,62% 5,95%

indice di Sharpe: eccesso di rendimento prodotto dalla
tempo di recupero (settimane) non recuperato non recuperato non recuperato gestione rispetto al tasso risk-free, rapportato alla
rischiosità del l’investimento (premio per unità di
indici di efficienza * rischio).
Indice di Sortino: eccesso di rendimento prodotto dalla
indice sharpe neg. neg. neg. gestione rispetto al tasso risk-free, rapportato al
Downside Risk dell’investimento
indice sortino neg. neg. neg.
indicatori di perdita potenziale** VaR al 95%: perdita potenziale di portafoglio al livello

di confidenza del 95%; indica la perdita minima che si
var al 95% - - -3,07% verifica nel 5% delle osservazioni considerate (eventi
coda)
expected shortfall al 95% - - -3,34%
Expected shortfall al 95%: perdita potenziale di
var al 99% - - -3,52% portafoglio al livello di confidenza del 95%,
condizionata alla distribuzione degli eventi coda; indica
expected shortfall al 99% - - -3,64% la perdita media che si verifica nel 5% delle
shortfall probability - - 60,91% osservazioni considerate
* le misure sono espresse su base annua Shortfall Probability; probabilità, calcolata sulla
**le misure sono espresse su base mensile distribuzione delle osservazioni considerate, di
incorrere in un rendimento di portafoglio negativo

Come si legge la scheda di performance & risk contribution
Peso medio di periodo

Obbligazionario Azionario Alternativi Immobiliare
45,9% 34,7% 15,1% 4,3%
scomposizione del rendimento di portafoglio da inizio anno (pb)

40,0
6,6
La performance è stata
0,0
scomposta per asset class,
-40,0
-80,0 riportando il contributo al
-65,9
-120,0 rendimento da inizio anno

-114,1
-160,0
-200,0 (-3,72%) di ciascuna,
-198,1
-240,0 espresso in punti base
-280,0
-320,0 (rendimento % *10000)
-360,0
-371,6
-400,0
Obbligazionario Azionario Alternativi Immobiliare Portafoglio
scomposizione della volatilità di portafoglio da inizio anno (%)

120,0
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



Peer grouping e metodologie quantitative
Strumenti di lavoro impiegati Analisi fondamentale

Analisi tecnica
Abilità del gestore Selezione titoli

Market timing
Studio delle particolari asset class

(small caps, titoli growth o value,
ecc..) sulle quali il gestore alloca le Style Analysis di
risorse Sharpe
Metodologia basata su un modello di regressione multifattoriale che consente

di spiegare il rendimento di un portafoglio attraverso il rendimento di una serie
di asset class

Il modello della style analysis di Sharpe
n
R P = å WB i * R B i + e dove åW Bi = 1 e 0 £ WB i £ 1
i =1
Componente di rendimento residuale

Rendimento del portafoglio
Rendimento delle diverse classi di attività
Sensibilità del rendimento del portafoglio alle diverse classi di attività
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

Un esempio di style analysis (1 di 2)
WBi

Un esempio di style analysis (2 di 2)
R2 =1-Var residui/Var totale

1-R2

n
åW
i =1
Bi * RB i
RP

Evoluzione dello stile di gestione
100.0 Rolling Style Distribution

90.0
80.0
70.0

60.0
50.0
40.0
30.0
20.0
10.0
0.0
Mar Mar Mar Mar tempo

2013 2014 2015 2016
U.S.30 Day TBill SB U.S. 1+ Yr Gvt MSCI U.S. MSCI EAFE

Case Study (1 di 7) – Premessa
Portafoglio: 4 fondi di investimento sull’azionario emergente

Ipotesi: sostituzione dei due prodotti worst-performer con altrettanti prodotti più
performanti

Metodologia:
(1) Individuazione worst-performer: analisi quantitativa
(2) Individuazione prodotti performanti: peer group analysis (quali-
quantitativa)
(3) Definizione del portafoglio ottimo: logica best-mix (quantitativa)

-5
0
-5
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
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

Case Study (3 di 7) – Individuazione prodotti worst-performer – upward & downward
Goldman Capital Vontobel Federated

upward downward upward downward upward downward upward downward
3m -0,05% -0,01% -0,47% 0,70% -0,30% -0,28% -0,07% -0,01%
1Y 0,13% 0,00% -0,15% 0,37% -0,21% 0,00% -0,14% 0,05%
3Y 0,12% 0,13% 0,02% 0,24% 0,00% 0,00% -0,06% 0,17%

5Y 0,03% 0,12% -0,04% 0,19% 0,03% 0,01% -0,07% 0,18%
Wellington Schroder Artemis

upward downward upward downward upward downward
3m -0,12% 0,07% 0,08% 0,03% -0,57% 1,51%
1Y 0,11% 0,09% 0,07% 0,14% -0,13% 0,73%
3Y -0,01% 0,35% -0,02% 0,22% -0,20% 0,26%
5Y -0,07% 0,29% -0,02% 0,17% -0,19% 0,30%
MERCATO (% settimane)
UP DOWN
3m 58% 42%
1Y 57% 43%
3Y 54% 46%
5Y 56% 44%

Case Study (4 di 7) – Individuazione prodotti performanti – analisi qualitativa

Case Study (5 di 7) – Individuazione prodotti performanti – analisi quantitativa
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.

Case Study (6 di 7) – Definizione del portafoglio ottimo – ipotesi di sostituzione dei prodotti
COMPOSIZIONE TEST
TEST 1: Capi 25% + Gold 27% + Fede 19% + Well 27%

TEST 2: Capi 25% + Gold 27% + Fede 19% + Schr 27% sostituzione totale del fondo Vontobel
TEST 3: Capi 25% + Gold 27% + Fede 19% + Arte 27%
TEST 4: Capi 25% + Gold 27% + Well 23% + Arte 23%
TEST 5: Capi 25% + Gold 27% + Schr 23% + Arte 23% sostituzione totale dei fondi Vontobel e Federated Hermes

TEST 6: Capi 25% + Gold 27% + Well 23% + Schr 23%
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.

Case Study (7 di 7) – Definizione del portafoglio ottimo – analisi quantitativa e individuazione del best mix



Performance Attribution: cos’è?
Asset Allocation I liv.
Rendimento Rendimento Asset Allocation II liv.

= + Alfa
Portafoglio Benchmark
Security Selection
Hedging

Analisi del contributo alla performance relativa (vs benchmark), in modo tale
da imputarla ai diversi step decisionali del processo degli investimenti, al fine di
identificare quali siano le fasi in cui è stato creato valore e quali invece siano
quelle in cui non sono stati ottenuti risultati premianti
Tale framework consente di analizzare in estremo dettaglio l’operato del gestore

su di una solida base quantitativa e di monitorarne nel continuo la bontà del
processo di investimento.

La Performance Attribution come scomposizione del processo di investimento
Investitore/Advisor Gestore finanziario
Identificazione dell’asset Tipico processo di investimento top-down

allocation strategica
Scelte Scelte

Identificazione del allocative allocative Selezione titoli
benchmark strategiche tattiche
Es. portafoglio bilanciato Es. sovra- Es. sovra- Es. sovra-

con identificazione dei sottopeso a sottopeso a sottopeso a
principali indici livello di asset livello settoriale livello di singoli
rappresentativi class (cash, per le azioni, a titoli azionari o
bond, equity, …) livello di tratti di obbligazionari
curva per le
obbligazioni,
etc.)
Copertura specifica dei rischi (valutario, di

tasso, etc.)
Performance Attribution: un’intuizione
Interazione

In prima approssimazione, l’attribuzione della performance relativa si sostanzia nel calcolare le due
aree del grafico; in realtà un modello adeguatamente complesso deve tenere conto di molteplici
aspetti, tra i quali l’effetto di interazione derivante dall’attuazione delle varie fasi del processo di
investimento
Un esempio (1 di 2)
scomposizione della performance
3,00
2,62
2,46
2,50
2,00
1,50
1,00

0,48
0,50
0,00
0,00
-0,50 -0,35 -0,29

Benchmark AAT Classi AAT Mercati Selezione Titoli Hedging Portafoglio
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)

Un esempio (2 di 2)
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%

Bmk 23,50% 26,97%
Alternativi Liq. Ptf 6,15% 8,95%

-0,05% 0,37% 0,32%
Bmk 5,50% 3,08%
sottopeso
Alternativi Ill. Ptf 5,33% 1,79%
0,16% 0,06% 0,22%
Bmk 7,00% 0,72%
Real Estate Ptf 13,45% 2,56%

0,07% -0,09% -0,02%
Bmk 14,00% 3,08%
Portafoglio 11,46% 0,26% 1,15% 1,41%

Benchmark 10,04%
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
Grazie per l’attenzione!
Riferimenti e contatti
Alessandro Russo
alessandro.russo@prometeiaadvisor.com

tel. 051.6480911

Contatti
Bologna Milano Roma

Piazza Trento e Trieste, 3 Via Brera, 18 Viale Regina Margherita, 279
+39 051 6480911 +39 02 80505845 info@prometeia.com
info@prometeia.com info@prometeia.com
Londra Istanbul Zurigo

Dashwood House 69 River Plaza, Kat 19 Technoparkstrasse 1 – 8005
Old Broad Street Büyükdere Caddesi Bahar Sokak switzerland@prometeia.com
EC2M 1QS No. 13, 34394
+44 (0) 207 786 3525 | Levent | Istanbul | Turkey
uk@prometeia.com + 90 212 709 02 80 – 81 – 82
turkey@prometeia.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

I fattori ESG negli investimenti
VALERIA COLOMBO – ESG Specialist Prometeia Advisor SIM

Bologna, 30 novembre 2021
La sostenibilità per Prometeia Advisor Sim
I nostri elementi distintivi
Prometeia Advisor Sim è la società di consulenza finanziaria leader sul mercato

istituzionale italiano
all rights reserved

SOLUZIONI
SOLIDITÀ ED INDIPENDENZA INNOVAZIONE
SOFTWARE IN-
ESPERIENZA
HOUSE
ESG e investimenti | 30 Novembre 2021 2

La sostenibilità per Prometeia Advisor Sim
Il nostro percorso
2021 2008
Informativa Regolamento (UE) 2019/2088 Prima selezione per
Politica di Sostenibilità- Report di sostenibilità un mandato ESG
Report UNPRI
all rights reserved

2020 2015
Report di sostenibilità Adesione a UNPRI
Report UNPRI
Inserimento risorsa specializzata su ESG
Certificazione LEED© per HQ Bologna
2019 2018
Report di sostenibilità Primo report di Sostenibilità
Report UNPRI
Fondo Europeo Investimenti

Inquadramento generale ESG
ESG negli investimenti
Il mercato ESG
ESG e performance – Ricerche e letteratura

Il mercato ESG

Dallo shareholder capitalism allo stakeholder capitalism
Business Roundtable «Purpose of a corporation»
While each of our individual companies serves its own

2019 corporate purpose, we share a fundamental commitment to
all of our stakeholders. We commit to:
• Delivering value to our customers.

• Investing in our employees.
• Dealing fairly and ethically with our suppliers
all rights reserved

• Supporting the communities in which we work. We
respect the people in our communities and protect the
environment by embracing sustainable practices across
our businesses.
• Generating long-term value for shareholders
Each of our stakeholders is essential. We commit to deliver

value to all of them, for the future success of our companies,
our communities and our country.

Global Risk Report 2021 – Rischi ambientali e sociali in primo piano
all rights reserved

Accordo di Parigi, Green Deal UE, COP26
Principali eventi per la sostenibilità a livello globale ed europeo
COP21- Accordo di Green Deal UE COP26

Parigi
all rights reserved

2015 2019 2021

Gli impegni delle nazioni verso il Net-Zero
2040 2045
Islanda Svezia
2060
Russia
2035
Finlandia
2050 2050 2050
all rights reserved

Canada UE
USA Svizzera Corea del
UK Sud
Giappone
2060
2060 Cina
Brasile 2070
India
2050 2050
Cile 2030 Sudafrica
Uruguay
Nuova
Zelanda

Gli Obiettivi di Sviluppo Sostenibile – UN SDGs
17 obiettivi e 169 target definiti nel 2015 da 193 paesi nell’ambito dell’Agenda Globale 2030
Fonte di ispirazione per i programmi e le politiche pubbliche di tutti i Paesi

Punto di riferimento per gli investitori SRI
Persone
all rights reserved

Pianeta
Prosperità
Pace Partnership

Regolamentazione UE: il percorso verso un’Europa più sostenibile
Le date chiave
INTERNATIONAL
PLATFORM FOR NextGenerationEU
ACCORDO DI PARIGI SUSTAINABLE
FINANCE (IPSF) Piano di ripresa per riparare i
Framework globale per danni economici e sociali
L’obiettivo della IPSF è
la mitigazione e causati dal COVID-19 e porre
quello di mobilitare i
l’adattamento ai le basi per un’ Europa più
capitali privati verso gli
cambiamenti climatici moderna e sostenibile
investimenti sostenibili
DIC 2019 2021 Q2
all rights reserved

MAR 2018
DIC 2015 LUG 2020

OTT 2019
PIANO D’AZIONE GREEN DEAL NUOVA STRATEGIA PER LA

PER LA Strategia di crescita per FINANZA SOSTENIBILE
FINANZA SOSTENIBILE fare del’Europa il primo
continente a impatto I. Rafforzare le basi della finanza
climatico zero entro il sostenibile
I. Orientare i flussi di capitale 2050 II. Aumentare le opportunità di avere un
verso investimenti sostenibili impatto positivo sulla sostenibilità
II. Integrare la sostenibilità nel III. Assicurare che i rischi climatici siano
risk management gestiti e integrati nelle sistema
III. Promuovere la trasparenza e finanziario
la visione a lungo termine

2021 - Nuova strategia sulla finanza sostenibile
Overview
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.
Finanziare la transizione verso Inclusività

la sostenibilità
all rights reserved

La strategia fornisce gli strumenti e le politiche per permettere a tutti gli La strategia soddisfa i bisogni e fornisce opportunità agli individui e alle
attori economici di finanziare i propri piani di transizione e di piccole e medie imprese di avere un maggiore accesso alla finanza
raggiungere gli obiettivi climatici e ambientali più ampi, qualunque sia il sostenibile.
loro punto di partenza.
Resilienza del settore finanziario Global Ambition

GREEN DEAL
Strategia di crescita
per fare dell’Europa
il primo continente a La strategia stabilisce come il settore finanziario possa contribuire a La strategia stabilisce come promuovere un consenso internazionale
impatto climatico per un'ambiziosa agenda globale di finanza sostenibile.
raggiungere gli obiettivi del Green Deal, diventando anche più
zero entro il 2050
resiliente e combattendo il greenwashing.
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)

Overview
A partire dalle 4 macro aree si identificano 6 azioni specifiche che andranno a costituire la nuova strategia della Commissione.
Sviluppare iniziative e standard Finanziare la transizione

internazionali per la finanza dell’economia reale verso la
sostenibile sostenibilità
6 1
all rights reserved

Garantire l'integrità del sistema
5 2
finanziario dell'UE e monitorare la sua Migliorare l'accesso alla finanza
AZIONI sostenibile
transizione ordinata verso la sostenibilità
4 3
Migliorare la resilienza del sistema

Aumentare il contributo del settore
economico e finanziario ai rischi di
finanziario alla sostenibilità
sostenibilità

Mapping per intermediari finanziari coinvolti 1/2
CONSULENTI E
MACRO AREA AZIONE BANCHE ASSICURAZIONI ASSET
MANAGER
A. Supportare attività che riducono

emissioni
B. Nuove attività sostenibili nella

tassonomia UE
X X X
1. Finanziare la transizione
Transizione verso la dell’economia reale verso
all rights reserved

C. Nuovo Atto Delegato UE e uno
complementare sul clima
X X X
la sostenibilità
sostenibilità D. Nuovo Atto delegato tassonomia per
4 obiettivi restanti
X X X
E. Nuovi standard e label X X X
A. Accesso a finanza ESG per PMI e

individui
X X
B. Nuove tecnologie
C. Copertura assicurativa per rischi

2. Migliorare l'accesso alla X
ambientali
Inclusività finanza sostenibile
D. Investimenti sociali credibili X X X
E. Budget green e condivisione rischi

Mapping per intermediari finanziari coinvolti 2/2
CONSULENTI
MACRO AREA AZIONE BANCHE ASSICURAZIONI E ASSET
MANAGER
A. Standard reporting finanziario X X X
B. Rischi ESG e rating creditizi X X X
3. Migliorare la resilienza del sistema economico e C. Emendamenti a CRR/CRD X
finanziario ai rischi di sostenibilità
D. Emendamenti a direttiva Solvency II X
E. Monitoraggio rischi sistemici X X X
all rights reserved

Resilienza del A. Target, disclosure e monitoraggio X X X
settore finanziario 4. Aumentare il contributo del settore finanziario alla

sostenibilità
B. Doveri fiduciari e gestione risorse X X X
C. Trasparenza ricerche e rating ESG X X X
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

all rights reserved

Il mercato ESG

I fattori ESG, di cosa parliamo concretamente?
AMBIENTALI SOCIALI GOVERNANCE
all rights reserved

• Utilizzo delle risorse • Diritti Umani • Frode e Corruzione
naturali • Condizioni di lavoro • Composizione del CdA
• Cambiamenti climatici • Comunità locali • Politiche retributive e di
• Emissioni Gas Serra • Salute e Sicurezza incentivazione
• Rifiuti • Relazioni con i • Fiscalità
• Inquinamento dipendenti • Compliance ed integrità
• Compliance • Catena di fornitura
Fonte: UN PRI

Perché gli investitori integrano i fattori ESG nel processo di investimento
all rights reserved

DRIVER
DRIVER
DRIVER NORMATIVO DRIVER DI MERCATO PERFORMANCE/RISCHIO
VALORIALE/IMPATTO
• PIANO DI AZIONE SULLA • MEGATREND DI • COERENZA CON MATERIALITA’ FINANZIARIA
FINANZA SOSTENIBILE SOSTENIBILITA’ NORME, VALORI E
• GREEN DEAL • DOVERE FIDUCIARIO PRINCIPI IDENTITARI
• NUOVA STRATEGIA PER • REPUTAZIONE • IMPATTO
LA FINANZA SOSTENIBILE

ESG integration framework
3 livelli
Portafoglio
Valutazione
Ricerca
all rights reserved

Fonte: UN PRI

Integrazione ESG nella Ricerca Ricerca
L’analisi di materialità
Materialità Finanziaria Materialità Ambientale e sociale

• La fase di ricerca contiene una valutazione della • La valutazione di un’azienda include sempre più
materialità per identificare le questioni ESG che spesso anche gli impatti positivi e negativi
potrebbero avere un impatto sulla performance provocati dalle attività aziendali sui fattori di
finanziaria dell'azienda. La materialità viene sostenibilità e il contributo allo sviluppo sostenibile.
tipicamente misurata sia in termini di probabilità
all rights reserved

che di magnitudo dell'impatto Sempre più imprese/investitori utilizzano il
Framework più utilizzato: quadro degli SDGs per misurare e rendicontare
Sustainability Accounting Standards gli impatti.
Board (SASB)
Fonte: SASB

Integrazione ESG nella Ricerca Ricerca
L’analisi di materialità finanziaria
Settore
all rights reserved

Fonte: SASB

Integrazione ESG nella Ricerca
L’analisi di impatto sugli SDGs dell’indice azionario globale MSCI AC World
SDGs scoring >60

100,0
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
all rights reserved

47,6 48,2
42,1 42,2 42,7 42,3
39,7
40,0
20,0
0,0
0,0
Quota di portafoglio che persegue i Sustainable Development Goals (SDG)

93,0%
Fonte: Elaborazioni Prometeia su dati Refinitiv

Integrazione ESG nella valutazione di un’impresa Valutazione
• 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
all rights reserved

• Esempi:
• Settore del carbone > fattore ambientale debole + rischio di carbon pricing/tax > maggior costo del
capitale, valore intrinseco inferiore
• 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

Integrazione ESG nella valutazione di un emittente governativo
Case study – il modello Prometeia Valutazione
Gli Stati che contribuiscono maggiormente a uno sviluppo

sostenibile sono gli stati che meglio proteggono e
Data
favoriscono i diritti e gli obiettivi fondamentali, quali la libertà e set 1 Data
i diritti delle persone, la pace, la sicurezza, la stabilità, la set 3
Rilevanza
ESG
sanità accessibile ed efficiente, il benessere, l’educazione, il Data
lavoro, la giustizia, l’uguaglianza, la conservazione dei mezzi
di sussistenza e delle risorse naturali.
set 2 Data
all rights reserved

Data set 4
Nella costruzione di un set di indicatori completo e rilevante set
per valutare il profilo ambientale, sociale e di governance …
(ESG) dei paesi è stato considerato anche il quadro
concettuale dei 17 obiettivi di sviluppo sostenibile
ESG / SDGs (Sustainable Development Goals – SDGs).
~ 100 Indicatori E – S – G
Score ESG +
contributo SDGs
Integrazione ESG nella costruzione di portafoglio: un approccio
olistico Portafoglio
SCENARIO ANALYSIS ASSET ALLOCATION

• Climate risk scenario • ESG constraints
• Transition pathway • ESG objectives
• Temperature alignment
INVESMENT
all rights reserved

SELECTION STRATEGY
• Mandates ESG • Exclusions
• Best in class/ ESG tilt
•
• Funds/ ETFs/ AIFs
Closed/reserved funds
INTEGRATION • Thematic
• Impact
MONITORING AND
REPORTING RISK MANAGEMENT
• Impact assessment • Climate risk
• Contribution to SDGs • ESG risk
• EU Taxonomy alignment • Reputation/controversy risk

Le analisi di scenario climatico
Policy attuali
all rights reserved

Delayed
transition NDCs
Net zero 2050
Below 2°
Fonte: Network for Greening the Financial System 2021

Le analisi di scenario climatico
all rights reserved

Fonte: Network for Greening the Financial System 2021

Integrazione ESG nell’asset allocation strategica Portafoglio
Ipotesi di vincoli ESG per l’ottimizzazione
Ottimizzazione dell’AAS
Obiettivi Vincoli
Rendimento di breve, medio Tradizionali ESG
o lungo periodo
Universo investibile ESG Score Carbon footprint
all rights reserved

Perdita massima sul singolo
esercizio Esposizione Min/Max a SDGs
singola Asset Class
Risultato minimo negli
scenari avversi nel l’ottimizzazione elaborerà allocazioni
medio/lungo periodo … con KPI ESG almeno pari al vincolo
minimo
Indicatori di equilibrio
finanziario

Le strategie ESG – una panoramica
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
all rights reserved

modificazioni sociali
(strumenti tematici) tematici
Integrazione dei fattori ESG nel processo di investimento Integrazione
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

Le strategie di investimento ESG – Integrazione ESG
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.
all rights reserved

L’applicazione di tale strategia può variare notevolmente in termini di intensità e tipologie di
decisioni di investimento quindi questa strategia può essere attuata in modo molto diverso tra
gestori/prodotti di investimento.
Fonte: UN PRI- CFA Institute

Le strategie di investimento ESG – Esclusioni
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:
all rights reserved

combustibili fossili, alcol, gioco d'azzardo, tabacco, lavoro minorile, armi controverse.
Esempio di politica di esclusione – Stichting

Pensioenfonds ABP ("Pension fund for
government and education”) – Paesi Bassi
Fonte: UN PRI- CFA insitute. ABP: https://www.abp.nl/

Le strategie di investimento ESG – Best in Class
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
all rights reserved

ESG in modo tale che i soggetti con prestazioni relativamente peggiori, ad esempio il quartile
più basso, non vengano selezionati oppure può sovrappesare le partecipazioni con
prestazioni ESG relativamente buone e sottopesare le partecipazioni con prestazioni ESG
relativamente scarse.

Le strategie di investimento ESG – Thematic Investing
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
all rights reserved

considerazione. Pertanto, alcune società potrebbero avere una performance debole su una o
più metriche ESG, ma comunque essere posizionate per beneficiare di un megatrend ESG. I
prodotti di investimento che hanno un unico tema di investimento di solito hanno
un'esposizione al rischio relativamente concentrata a livello settoriale.

Macro tematiche più investite in Europa
all rights reserved

E+S
Fonte:Morningstar, dati al 31.03.2021

Le strategie di investimento ESG – Impact Investing
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.
all rights reserved

Rendimento finanziario atteso variabile in funzione
Intenzionalità nel generare un impatto positivo degli obiettivi dell’investitore (deve prevedere almeno
il rientro del capitale investito)
Eterogeneità dei rendimenti e delle classi di Misurabilità dell’impatto e rendicontazione con

attivo reportistica dedicata (report d’impatto)
Fonte: UN PRI- CFA Institute.

Le strategie di investimento ESG – Engagement
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
all rights reserved

Firme, insieme ad altri investitori istituzionali, a sostegno di iniziative di gruppo sugli
Collaborazione aspetti ESG. Possono essere sostenute anche a prescindere dagli assets in
portafoglio
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.
Fonte: UN PRI- CFA Institute.

La selezione di gestori e prodotti secondo criteri ESG
• 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.
all rights reserved

• Anche in questa fase è possibile integrare le considerazioni ESG, relativamente sia al gestore che al prodotto.

La selezione di gestori e prodotti secondo criteri ESG
Un esempio di matriche utilizzabili per l’analisi
ASSET MANAGER PRODOTTO
Profilo ESG e AUM Strategia ESG
all rights reserved

Ricerca e Team ESG Processo di investimento
Risk Management Reporting ESG
Engagement Label ESG
Reporting ESG
VALUTAZIONE QUALITATIVA VALUTAZIONE QUALITATIVA

Monitoraggio e reporting di portafoglio: l’assessment ESG
Possibili output di un’analisi ESG di portafoglio
RISCHI ESG OPPORTUNITA’ ESG IMPATTI
Rischi climatici Investimenti che possono Come il portafoglio impatta

migliorare il profilo di un fattore ambientale o
Rischi sociali sostenibilità del portafoglio sociale (PAI della SFDR) o
all rights reserved

quanto contribuisce a un
Criticità di governance Temi, strategie più in linea obiettivo di sviluppo
con gli obiettivi dell’ente sostenibile

Monitoraggio e reporting di portafoglio: l’assessment ESG
Esempio di dataset ESG – Provider Refinitiv
ESG Overall Score Pillar Scores Category Scores Controversy Category
Resource use
Environmental Emissions Resource use
Innovation
Workforce Workforce
all rights reserved

Human rights Controversies Human rights
ESG
Social Score
Score Community Community
Product responsibility Product responsibility
Management Management
Governance Shareholders Shareholders

CSR strategy
183 metriche per il calcolo dello score 23 temi controversi

450+ datapoint raccolti su 7 categorie

ESG e Private markets – Sostenibilità e economia reale
Contributo allo sviluppo Stewardship e

sostenibile Engagement
GEFIA
FOCUS
all rights reserved

Governance/Policy
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
Criticità nell’integrazione ESG – Il tema dei dati
Il mercato dei data provider
Agenzie di rating tradizionali Financial data/ index provider Provider specializzati ESG
all rights reserved

Agenzie di rating fiinanziario che
Provider di dati finanziari che
hanno inserito variabili ESG per Data provider specializzati in rating Esg
forniscono score ESG per supportare
definire il rating di Corporates / Titoli / e valutazioni per emittenti
le scelte di investimento
Finanziarie

La bassa correlazione tra i rating ESG – L’analisi del MIT
Correlazione tra i rating dei data provider Sustainalytics, RobecoSAM, Vigeo Eiris, Asset4, KLD e MSCI
all rights reserved

L’analisi evidenzia grande eterogeneità anche nel livello di disaccordo tra le imprese. Le agenzie di
rating concordano su alcune aziende e non sono d'accordo su altre. Non c'è, tuttavia, alcun driver
evidente di questa eterogeneità; si verifica per le imprese di tutti i settori e in tutte le regioni.
Fonte: MIT Sloan School of Management - Aggregate Confusion: The Divergence of ESG Ratings
La dispersione tra i rating ESG di MSCI e Refinitiv
all rights reserved

Fonte:QS investors – Settembre 2019
all rights reserved

Il mercato ESG

Investimenti sostenibili – $35+ trilioni di AUM
Global Sustainable Investment Review 2020
all rights reserved

Fonte:Global Sustainable Investment Alliance 2021
Investimenti sostenibili – Le strategie più investite
all rights reserved

Investimenti sostenibili – Distribuzione AUM tra retail e istituzionali
all rights reserved

UN PRI, il network globale di investitori
AUM in $ trilioni N° di firmatari
4.000+
firmatari
all rights reserved

Italia 85 firmatari
Fonte:PRI
Alcuni network di investitori e intermediari a livello globale
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
all rights reserved

emitters on climate change.
570 investors Promoted by UN PRI and UNEP FI
$54 trillion AuM
2020 2021 Net-Zero Banking Alliance

Net-Zero Asset Managers Initiative
220 signatories - $57 trillion AuM 95 banche - $66 trillion AuM
Net zero GHG emissions by 2050 Align lending and investment portfolios
Supporting investing aligned with net with net-zero emissions by 2050 with
zero emissions by 2050 intermediate target for 2030

Il mercato ESG – Gli AUM in fondi ed ETF sostenibili
$2.25 trilioni
all rights reserved

Europa 85%
asset totali
Fonte: Morningstar Direct, Manager Research. Data as of June 2021

Il mercato ESG – I flussi verso fondi ed ETF sostenibili
all rights reserved

Fonte: Morningstar Direct, Manager Research. Data as of June 2021
Il mercato ESG – Il debito sostenibile
Gli standard volontari di ICMA – International Capital Markets Association
Green Bonds
• Emissioni per finanziare progetti nuovi o esistenti con benefici per
l’ambiente
• I progetti sono allineati ai Green Bond Principles (emittenti) o
Green Loan Principles (Banche e assicurazioni)
Social Bonds
• Emissioni per finanziare progetti nuovi o esistenti con effetti
positivi a livello sociale
all rights reserved

• I progetti sono allineati ai Social Bond Principles
Sustainability Bonds
• Emissioni per finanziare o rifinanziare una combinazione di
progetti green e social
• I progetti sono allineati ai Sustainability Bond Guidelines
Sustainability-Linked Bonds
• Uso dei proventi utilizzati per scopi generali
ESG • L’emittente deve comunicare I KPIs, obiettivi di performance di
sostenibilità predefiniti (SPT). da raggiungere in un dato
periodo di tempo
Fonte: International Capital Markets Association - https://www.icmagroup.org/

Il mercato ESG – Il debito sostenibile
Emissioni di Green, Social e Sustainability bond
Finanziato con i
SOCIAL BONDS
€8,5 miliardi
all rights reserved

Green Bond
€12 miliardi
$2.100+ miliardi
Valore totale di green, social e
sustainability bond sul mercato
Fonte: Bond data, dati al 31.10.2021
all rights reserved

Il mercato ESG

Style analysis e performance dei fondi ESG
Articolo di F. Frignani e F. Pattarin (Università di Modena), A. Landi (Prometeia Advisor SIM)
Dati: campione di fondi azionari USA, classificato in base al Morningstar Sustainability Rating, con un punteggio espresso in termini di
“globi. Per ognuno degli 3.265 fondi che compongono il campione è stato utilizzato il Morningstar Sustainability Rating e si è valutato il
rendimento di mercato mensile per il periodo tra agosto 2018 e maggio 2020 (22 mesi complessivi, a partire dalla data di inizio
pubblicazione del rating Morningstar).
Metodologia di analisi utilizzata per valutare la performance relativa dei fondi ESG: la Return-Based Style Analysis (Sharpe 1992): un
modello multifattoriale con cui i rendimenti di ogni fondo sono attribuiti a fattori rappresentati dal rendimento conseguito da diversi indici di
mercato, rappresentativi delle diverse asset class in cui i gestori potrebbero verosimilmente investire in relazione agli obiettivi dichiarati.
all rights reserved

Tale metodo consente di scomporre i rendimenti dei fondi tra componenti riconducibili a fattori sistematici (le diverse asset class) e a
fattori idiosincratici collegati alla gestione attiva — in particolare, alla security selection. Le asset class considerate sono rappresentate dai
rendimenti di otto indici di mercato (espressi come total return al lordo dei costi di gestione) appartenenti a categorie d’investimento ben
differenziate.
Risultati: la gran parte dei fondi del campione presentano un Alfa positivo contro il benchmark di Style Analysis. Ciò denota la
capacità dei gestori di battere la combinazione degli indici di mercato relativi alle diverse asset class considerate
Fonte: elaborazioni degli autori su dati Morningstar

Ricerca disponibile: https://www.prometeia.it/it/financial-advisory_anteo-article/113-style-analysis-e-performance-dei-fondi-esg

Style analysis e performance dei fondi ESG
Articolo di F. Frignani e F. Pattarin (Università di Modena), A. Landi (Prometeia Advisor SIM)
Extra-rendimento rispetto ai benchmark di Style Analysis Indicatori di rischio

(Valori mensili, %) (Deviazione standard dei rendimenti annui, %)
Rating Total risk Systematic risk Idiosyncratic
Rating N. fondi Min 25% Mean Median 75% Max
risk
Non ESG 32 -0.0286 0.1478 0.1946 0.1972 0.2437 0.3838 Non ESG 6.84 6.55 1.78
Low 137 -0.0355 0.162 0.2202 0.2196 0.278 0.4932 Low 7.20 6.40 2.91
all rights reserved

Below avg. 821 -0.1818 0.0135 0.0671 0.0677 0.1214 0.3123 Below avg. 6.57 6.13 2.03
Average 6.34 6.08 1.63
Average 1348 -0.1961 -0.0212 0.0235 0.025 0.0697 0.2236
Above avg. 6.01 5.75 1.60
Above avg. 670 -0.1160 0.0929 0.1499 0.1505 0.2076 0.4072
High 6.04 5.76 1.66
High 237 -0.0104 0.227 0.2945 0.2945 0.3623 0.5975
Anche la performance valutata in termini di rischiosità

La categoria particolarmente orientata agli obiettivi ESG (“High”) si conferma la superiorità dei fondi più orientati agli
caratterizza per un maggiore extra-rendimento sia rispetto ai fondi obiettivi ESG. Il loro minore rischio complessivo riflette
non ESG, sia nei confronti delle categorie caratterizzate da rating un livello più contenuto sia del rischio sistematico, sia
Morningstar inferiori. del rischio specifico (o “attivo”) .
Fonte: elaborazioni degli autori su dati Morningstar

Ricerca disponibile: https://www.prometeia.it/it/financial-advisory_anteo-article/113-style-analysis-e-performance-dei-fondi-esg

I fondi «dark green» hanno offerto migliori performance
Articolo di V. Di Lorenzo, A. Iacopino, A. Molino, L. Prosperi (Prometeia)
Dati: campione di classi di fondi comuni riservate agli investitori istituzionali su un orizzonte di medio periodo, e comprende anche il primo
semestre 2021 per un focus sui risultati ottenuti dopo il 10 marzo, data di entrata in vigore della SFDR. l campione include 2678 fondi
comuni, di cui 4% art.9, 28% art.8 e il rimanente art.6.
Metodologia di analisi: per confrontare il contributo delle diverse tipologie di fondi comuni all’efficienza del portafoglio in termini di rischio-
rendimento viene calcolato uno score che sintetizza diverse misure risk-adjusted, fornendo pertanto una misura completa della “qualità”
dei prodotti. A valori più elevati dello score corrisponde un posizionamento migliore in termini di rischio-rendimento. Per valutare come i
fondi comuni si posizionano in materia di performance ESG e trasparenza nella nostra analisi sono stati costruiti due indicatori:
all rights reserved

• indicatore di trasparenza che misura la quota di società nel portafoglio del fondo che dichiarano il KPI considerato
• indicatore di ranking che misura la performance delle società in relazione al KPI considerato
Risultati: si notano significative differenze (positive) di performance per i prodotti dark green rispetto ai fondi comuni light green e
tradizionali, più nette per i fondi azionari ma rilevanti anche negli obbligazionari. Le distribuzioni degli indicatori nel campione di prodotti
suggeriscono che i fondi dark green investono in società più virtuose e più trasparenti in tema di sostenibilità.
Fonte: elaborazioni e stime Prometeia su database interno e dati Refinitiv.

Ricerca disponibile - https://www.prometeia.com/it/trending-topics-article/i-fondi-comuni-dark-green-nei-portafogli-istituzionali-offrono-una-migliore-performance-e-investono-in-societa-piu-sostenibili

I fondi «dark green» hanno offerto migliori performance
Score medio per i fondi comuni azionari e obbligazionari (fine periodo)
all rights reserved

Ricerca disponibile - https://www.prometeia.com/it/trending-topics-article/i-fondi-comuni-dark-green-nei-portafogli-istituzionali-offrono-una-migliore-performance-e-investono-in-societa-piu-sostenibili

I fondi «dark green» investono in società più virtuose e trasparenti
Indicatore di ranking relativo alle dimensioni E, S e G

I fondi dark green investono in società più virtuose e più
trasparenti in tema di sostenibilità. La distribuzione più
concentrata potrebbe inoltre indicare una maggiore
attenzione da parte dei gestori nella selezione degli
investimenti. Anche in questo caso i risultati sono meno
univoci per le altre due categorie di prodotti.
all rights reserved

Indicatore di trasparenza relativo alle dimensioni E, S e G

When ESG meets AAA: The effect of ESG rating changes on stock returns
Articolo di Savva Shanaev , Binam Ghimire (University of Northumbria at Newcastle, United Kingdom)
Dati: data on ESG ratings of all 658 firms publicly traded on US exchanges and rated by Morgan Stanley Capital International (MSCI)
from January 2016 until March 2021, reflecting data availability. The sample contains 748 rating changes, including 552 upgrades and 196
downgrades. In 96.92% (93.37%) of documented cases, firms are upgraded (downgraded) by one category. Only 17 (13) company-month
observations record more rapid upgrades (downgrades).
Metodologia: Since the data on ESG rating updates is available on monthly frequency only, the use of conventional event study
methodology is inappropriate to generate inferences on the implications of ESG ratings for stock performance. Instead, this study resorts to
the calendar-time portfolio approach.
all rights reserved

Risultati: While upgraded companies perform quite similarly to the control group, with outperformance slightly accumulating in 2019 and
2020, the divergence of performance in ESG-downgraded firms from the rest of the sample is immediately apparent
This study documented the importance of ESG rating changes, rather than ESG rating levels, for stock performance on a representative
sample of all US-traded firms rated by MSCI in 2016–2021 using the calendar-time portfolio methodology.
While ESG rating upgrades are associated with relatively small and sometimes insignificant positive abnormal returns, downgrades are
consistently detrimental for stock performance, leading to statistically and economically significant negative abnormal returns at − 1.0% to −
1.4% per month, robust in various model specifications. The effects are much more salient in ESG leaders than laggards, suggesting that
performance differences are associated with institutional investors using best-in-class positive screening.
Fonte: Savva Shanaev, Binam Ghimire, Finance Research Letters, https://doi.org/10.1016/j.frl.2021.102302

When ESG meets AAA: The effect of ESG rating changes on stock returns
Articolo di Savva Shanaev , Binam Ghimire (University of Northumbria at Newcastle, United Kingdom)
Calendar-time portfolio performance
Notable underperformance of ESG-downgraded stocks,

documenting statistically and economically significant
negative abnormal risk-adjusted returns of − 1.1% to −
1.2% per month. ESG rating upgrades, in turn, are
associated with positive albeit insignificant abnormal
returns.
all rights reserved

Fonte: Savva Shanaev, Binam Ghimire, Finance Research Letters, https://doi.org/10.1016/j.frl.2021.102302

“Honey, I Shrunk the ESG Alpha”: Risk-Adjusting ESG Portfolio Returns
Paper di Scientific Beta
Dati: monthly ESG ratings data from MSCI (also known as IVA for ‘Intangible Value Assessment’) from January 2007 to June 2020. ESG
ratings range from 0.0 to 10.0 with a high score indicating strong performance on ESG issues. We use the component scores for the
environmental (E), social (S), and governance (G) components of the overall rating.
Metodologia: the authors construct long/short strategies that capture performance differences between ESG leaders and ESG
laggards as follows: at each monthly rebalancing date, we select 30% of the stocks with the highest ESG scores in the long leg, and 30%
of stocks with the lowest score in the short leg. The rebalancing date is the third Friday of the calendar month. Stocks within the long and
the short leg are equally weighted. We then evaluate strategy returns from 1 January 2008 to 30 June 30 2020. Three types of strategies
all rights reserved

we build, following the popular industry papers cited in the introduction.
• Overall ESG score and component scores (E, S and G);
• ESG Momentum score;
• Combined score (ESG and ESG Momentum):
Risultati: First this finding shows that ESG ratings do not add value over information contained in sector classifications and factor
attributes. Despite relying on analysis of non-financial information by hundreds of ESG analysts, ESG strategies perform like simple quality
strategies mechanically constructed from accounting ratios. Second, ESG strategies do not offer downside risk protection. Third, our
findings suggest that rising attention to ESG has inflated returns over part of our sample period. Our findings contradict common
claims in the industry that ESG is a source of outperformance. They do not question that ESG strategies can offer substantial value to
investors. But investors who look for value-added through outperformance are looking in the wrong place. It might be time to consider ESG
strategies for the unique benefits that they can provide, such as hedging climate or litigation risk, aligning investments with norms, and
making a positive impact for society.
Fonte: Scientific Beta - https://www.scientificbeta.com/factor/download/file/honey-i-shrunk-the-esg-alpha

Paper di Scientific Beta – Quality factors
all rights reserved

On average, the ESG strategies deliver annualised returns of 0.91% per year, of which 0.68% per year are contributed by exposures
to the quality factors. Thus, on average, quality factors account for 75% of ESG returns

Paper di Scientific Beta – Sector bias
ESG strategies have pronounced sector

biases, except in the case of the ESG
Momentum strategy.
all rights reserved

Paper di Scientific Beta – Downside risk
ESG Strategies do not offer downside risk protection.

When using the CAPM to represent the set of standard
factors, evidence is mixed across geographies. In the US
data, we observe significant negative exposures, i.e.,
downside risk protection, for all strategies except the ESG
Momentum strategy. This result, however, may be driven by
all rights reserved

other factor exposures, notably quality exposure. Outside
the US, none of the strategies shows significant downside
risk exposure..

Paper di Scientific Beta – Attention shift
Outperformance during high attention

periods, and when adjusting only for
market exposure, is spectacular. The US
strategies based on overall ESG ratings or
on either of the three components all show
substantial positive performance often
exceeding 4% per year. However,
all rights reserved

outperformance shrinks and sometimes
becomes negative when considering the
low attention states. When adjusting for
additional factors outperformance shrinks
further.

Contatti
Bologna Milano Roma

+39 051 6480911 +39 02 80505845 info@prometeia.com
info@prometeia.com info@prometeia.com
Londra Istanbul
Zurigo
all rights reserved

Dashwood House 69 Old Broad Street River Plaza, Kat 19
Technoparkstrasse 1 – 8005
EC2M 1QS Büyükdere Caddesi Bahar Sokak
switzerland@prometeia.com
+44 (0) 207 786 3525 No. 13, 34394
uk@prometeia.com | Levent | Istanbul | Turkey
+ 90 212 709 02 80 – 81 – 82
Prometeia
Il Cairo Mosca @PrometeiaGroup

Smart Village - Concordia Building, B2111 ul. Ilyinka, 4
Km 28 Cairo Alex Desert Road Capital Business Center Office 308 Prometeiagroup
6 of October City, Giza +7 (916) 215 0692
info@prometeia.com russia@prometeia.com Prometeia
www.prometeia.it

ALM E ASSET ALLOCATION PER
ENTI NO PROFIT
Seminario di Cosimo Musiello
Prometeia Advisor SIM
BOLOGNA, 06/12/2021
premessa: le Fondazioni bancarie
ALM e no-profit
spending policy
analisi di ALM
case study
conclusioni
ALM e Asset Allocation per le Fondazioni bancarie 2

ALM e no-profit
spending policy
analisi di ALM
case study
conclusioni

Le Fondazioni di origine bancaria italiane
Cosa sono Le Fondazioni di origine bancaria sono soggetti non profit, privati e
autonomi, che perseguono esclusivamente scopi di utilità sociale e di
promozione dello sviluppo economico.
Quante sono Sono 86 e dispongono di ingenti patrimoni, che investono in attività

diversificate. Tra il 2018 e il 2019 si sono verificate due aggregazioni tra
all rights reserved

Fondazioni
Cosa fanno Dagli utili derivanti dalla buona gestione di questi investimenti traggono le
risorse per sostenere attività d'interesse collettivo, in particolar modo nei
settori della ricerca scientifica, dell'istruzione, dell'arte, della sanità, della
cultura, della conservazione e valorizzazione dei beni ambientali e
paesaggistici, dell'assistenza alle categorie sociali deboli e in tutti quei
settori, fra quelli ammessi dalla legge, che ciascuna Fondazione ritenga di
prevedere nel proprio statuto.
La loro
Sono associate presso l’ACRI, sito internet www.acri.it
associazione

Le Fondazioni bancarie | ripartizione geografica
all rights reserved

Fonte:
ACRI:
XXIV
Rapporto
Annuale

Le Fondazioni Bancarie
storia
sono nate all'inizio degli anni Novanta con la cosiddetta legge Amato (n. 218 del 30 luglio 1990), che portò
alla privatizzazione delle Casse di Risparmio e delle Banche del Monte e alla separazione dell'attività
creditizia da quella filantropica
le attività finalizzate allo sviluppo sociale, culturale, civile ed economico furono affidate alle Fondazioni
(dette di origine bancaria proprio perché nate in occasione della riforma del sistema bancario italiano), a cui
inizialmente fu data anche la proprietà di tutte le azioni in cui era stato ripartito il patrimonio delle neonate
società bancarie: proprietà che è stata significativamente ridotta negli anni fino a scendere sotto la quota di
all rights reserved

controllo per la maggior parte delle Fondazioni
fino al 1994 le Fondazioni avevano l'obbligo di mantenere il controllo della maggioranza del capitale sociale
delle Casse di Risparmio, dette anche banche conferitarie. Con l'entrata in vigore della legge n. 474/94 tale
obbligo fu eliminato e furono introdotti incentivi fiscali per la dismissione delle partecipazioni detenute dalle
Fondazioni (direttiva "Dini" dello stesso anno)
con il decreto n° 153/99 («legge Ciampi) che costituisce la normativa di riferimento attuale delle Fondazioni,
l'iniziale obbligo di detenere la maggioranza del capitale sociale delle banche conferitarie è stato sostituito
da un obbligo opposto: la perdita da parte delle Fondazioni del controllo delle società stesse. Per
incentivare la perdita del controllo fu previsto dalla legge un regime di neutralità fiscale per le plusvalenze
realizzate nella dismissione. Tale disciplina fiscale, la cui durata temporale era dapprima limitata ai 4 anni
successivi all'entrata in vigore del decreto applicativo (15 giugno 2003) è scaduta il 31 dicembre 2005.

Evoluzione normativa (1/2)
legge conenuti
Legge “Amato” (legge n. 218/90 e d.lgs. La legge ha avviato il processo di ristrutturazione del sistema bancario nazionale, incentivando la
n. 356/90) “trasformazione” delle Casse di Risparmio e degli Istituti di Credito di Diritto Pubblico in società per
azioni e la nascita degli enti conferenti.
Legge n. 266/91 (art. 15) sul volontariato Obbliga le Fondazioni a destinare 1/15 dei proventi al netto delle spese di funzionamento
e DM 8 ottobre 1997 all’alimentazione dei fondi speciali presso le regioni per il finanziamento dei Centri di servizio per il
Volontariato
Legge n. 474/94 (art. 1 c. 7-7ter) e Nell’ambito del più generale processo di privatizzazione dell’economia, la legge 474 rimuove l’insieme
all rights reserved

direttiva “Dini” del 18 novembre 19 delle norme della legge “Amato” che obbligava gli allora enti conferenti a mantenere il controllo
pubblico delle banche conferitarie. La legge e relativa direttiva, quindi, hanno introdotto incentivi
fiscali per quegli enti che, nei cinque anni successivi (1994/99) all’entrata in vigore della legge,
avessero ceduto le partecipazioni bancarie, diversificando così il loro patrimonio.
legge “Ciampi” (legge n. 461/98 e d.lgs. riconoscimento della natura giuridica privata e della piena autonomia statutaria e gestionale alle
n. 153/99) Fondazioni che avessero adeguato il proprio statuto alle previsioni della nuova disciplina.
Legge finanziaria 2003 (art. 80, c. 20, Introduce la distinzione tra Fondazioni “piccole” (Fondazioni con patrimonio non
legge 289/02) superiore a 200 milioni di euro) o aventi operatività nelle Regioni a statuto speciale e le
altre Fondazioni. Per le prime il termine del 15 giugno 2003, concernente la dismissione del
controllo delle conferitarie, è prorogato al 15 giugno 2006.
D.L. 24 giugno 2003, n. 143 coordinato Proroga al 31 dicembre 2005 del termine di dismissione del controllo e relative agevolazioni
con la legge di conversione n. 212/03 fiscali per tutte le Fondazioni. Per le “piccole” Fondazioni e per quelle operanti nelle Regioni
a statuto speciale viene eliminato l’obbligo della perdita del controllo, fermo restando la
conservazione delle agevolazioni fiscali.
Fonte: ACRI: Rapporto Annuale, diversi anni ALM e Asset Allocation per le Fondazioni bancarie 7
Evoluzione normativa (2/2)
La Carta delle L'Assemblea dell'Acri, nella riunione del 4 aprile 2012, ha approvato all'unanimità la Carta delle Fondazioni: una sorta di codice di
Fondazioni riferimento volontario, ma vincolante, di cui le Fondazioni di origine bancaria hanno deciso di dotarsi per disporre di un documento guida
che consenta loro di adottare scelte coerenti a valori condivisi nel campo della governance e accountability, dell'attività istituzionale, della
gestione del patrimonio. Ad esso le Fondazioni potranno ispirarsi, nel rispetto della piena autonomia di ciascuna.
Il Protocollo Il 22 aprile 2015 è stato siglato un protocollo di intesa tra il MEF e le Fondazioni di,origjne bancaria rappresentate dall’Acri.
d’intesa con il
MEF Il Protocollo definisce in modo più analitico della legge i parametri di riferimento cui le fondazioni conformeranno i comportamenti, con
l’obiettivo di migliorare le pratiche operative e rendere più solida la governance. Con la sua sottoscrizione le Fondazioni assumono
all rights reserved

l’impegno di osservare le regole contenute nel Protocollo, inserendole, ove occorra, nei loro statuti.
Il Protocollo ha come ratio quello dell’interesse pubblico a controllare che le finalità istituzionali delle Fondazioni siano efficacemente e
correttamente perseguite. Aderendo a tale iniziativa, che definisce i parametri di efficienza ed efficacia operativa e gestionale, le
Fondazioni assumono l’impegno di :
• applicare metodi di condotta comuni al fine di: individuare dei criteri di determinazione dei corrispettivi economici da attribuire ai
componenti degli organi
• favorire l’obiettivo di garantire il periodico ricambio degli organi delle Fondazioni, assicurare adeguati livelli di professionalità dei
componenti degli organi
• preservare la funzionalità del circuito della responsabilità sociale delle Fondazioni garantendo il pieno rispetto del principio di
trasparenza
• garantire il rispetto dell’art. 6 del decreto legislativo n. 153/99, evitando che le Fondazioni controllino o esercitino un’influenza
dominante sulle banche.
Fonte: ACRI: Rapporto Annuale, diversi anni ALM e Asset Allocation per le Fondazioni bancarie 8
Il recepimento del Protocollo MEF
Con l’accettazione del Protocollo Acri/Mef le Fondazioni hanno ritenuto opportuno definire parametri di
efficienza ed efficacia operativa e gestionale ancora più stringenti rispetto al passato, assumendosi
l’impegno di applicare criteri di condotta comuni in ordine a una pluralità di fattori:
rimodulazione dei principi di gestione del patrimonio e delle modalità di misurazione e di

gestione dei rischi da parte delle Fondazioni:
Ø «Pianificazione strategica che definisce una politica di investimento e individua l’asset
all rights reserved

allocation»
Ø Scelta di «strumenti migliori per qualità, liquidabilità, rendimento e livello di rischio»

Ø «Efficiente gestione finalizzata a ottimizzare i risultati e minimizzare i costi»
Divieto di ricorrere all’indebitamento salvo il caso di temporanee ed esigenze di liquidità con
obbligo di rientro delle attuali esposizioni entro 5 anni
Utilizzo degli strumenti derivati limitato a finalità di copertura oppure in operazioni in cui
non siano presenti rischi di perdite patrimoniali
Trasparenza completa sull’attività svolta

L’attività erogativa
all rights reserved

Fonte: ACRI: XXVI Rapporto Annuale ALM e Asset Allocation per le Fondazioni bancarie 10
Attivo dello Stato Patrimoniale
all rights reserved

Fonte: ACRI: XXVI Rapporto Annuale
Passivo dello Stato Patrimoniale
all rights reserved


Conto economico
Formazione dell’avanzo di esercizio
all rights reserved

Fonte: ACRI: Elaborazioni Prometeia su dati XXV Rapporto Annuale
Conto economico
Destinazione dell’avanzo di esercizio
all rights reserved

Fonte: ACRI: Elaborazioni Prometeia su dati XXVI Rapporto Annuale
Evoluzione delle tipologie di investimento
In costante riduzione dopo il

2010 in seguito alle svalutazioni
contabili o alle perdite di
cessione delle banche
conferitarie, presenta un leggero
incremento % nel 2019
all rights reserved


Gli assetti partecipativi nelle banche
all rights reserved

Fonte: ACRI: XXVI
Rapporto Annuale

Evoluzione dei proventi contabili
all rights reserved

Fonte: ACRI: XXV Rapporto Annuale

Evoluzione dei proventi contabili
all rights reserved

Evoluzione dell’attivo contabile
all rights reserved

Fonte: elaborazioni Prometeia su un campione di bilanci ALM e Asset Allocation per le Fondazioni bancarie 19
Evoluzione dell’avanzo di esercizio
all rights reserved

Quasi la metà degli
Ripartizione dell’attivo per strumenti – VALORI CONTABILI investimenti delle
Fondazioni è
implementata
mediante risparmio
gestito: fondi comuni
di investimento, fondi
dedicati gestioni
patrimoniali
Gli investimenti diretti
all rights reserved

diversi dalla
conferitaria
rappresentano circa il
10% del totale,
concentrate
prevalentemente in
poche Fondazioni
di cui 24,5%
conferitaria Le altre attività
comprendono poste
non finanziarie
(società strumentali,
crediti, ecc)
Risparmio gestito (fondi + gestioni patrimoniali) per classi di attività e stili di gestione
I prodotti di risparmio
gestito acquisiti
direttamente sono
concentrati
prevalentemente nei
fondi aperti
La quota di fondi
immobiliari al 12%
all rights reserved

del totale dei fondi
comuni nei quali le
Fondazioni investono
direttamente
La quota di private
equity si attesta
invece all’11% del
totale fondi; i private
equity detenuti
direttamente anche
nei fondi dedicati
Il portafoglio delle Fondazioni Bancarie
Ripartizione per asset class – VALORI DI MERCATO
Negli ultimi anni è aumentata la

diversificazione internazionale
anche se ancora inferiore a
quella di altri investitori
istituzionali
Ridotta la componente di BTP; le
componenti obbligazionarie sono
all rights reserved

detenute prevalentemente nel
risparmio gestito
Il valore della conferitaria si è
ridotto in seguito agli
adeguamenti al Protocollo per la
maggior parte delle Fondazioni
ma il peso resta comunque
elevato
Nella componente azionario
paesi sviluppati prevale la quota
di equity italiano
La gestione dell’attivo
Perché l’ALM?
Conciliare le regole civilistiche di redazione del bilancio con gli effettivi andamenti della
gestione finanziaria
Le erogazioni vengono deliberate in funzione dell’avanzo di esercizio contabile in base

a regole di redazione del bilancio predefinite
I livelli di accantonamenti alla difesa del patrimonio sono parametrizzati (con un cap)
all rights reserved

all’avanzo di esercizio contabile
Quali sono gli elementi che consentono di stabilire se il patrimonio è effettivamente

salvaguardato oppure se non si stia erogando inconsapevolmente proprio patrimonio?
Quali sono i reali rischi che si stanno sostenendo, al di la delle valutazioni contabili?
Tali quesiti trovano risposta nell’approccio ALM

ALM e no-profit
all rights reserved

spending policy
analisi di ALM
case study
conclusioni

La gestione di una Fondazione
ruolo e principi di gestione
il ruolo delle fondazioni non è mai stato tracciato in modo univoco dagli accademici e dai
professionisti ma si può derivare dallo statuto che regolamenta l’attività della Fondazione
diverso è il concetto rispetto ai principi di gestione sui quali esiste un più ampio
consenso derivante da una più vasta letteratura in materia
il consenso relativo alla gestione dei fondi di dotazione deriva da un lavoro di James
all rights reserved

Tobin che per primo definì il concetto di intergenerational equity
….il gestore di una Fondazione è il guardiano del futuro contro i diritti del presente. L’obiettivo
è quello di preservare la dotazione tra generazioni. Il gestore della fondazione crede
nell’immortalità dell’istituto. Egli vuole sapere, pertanto, il tasso di consumo della dotazione che
può essere sostenuto indefinitamente. (J. Tobin 1974)
nel suo lavoro Tobin inizia il percorso di analisi delle strategie di spesa che dovranno
essere designate per permettere lo scambio di consumo tra generazioni

Asset & Liability Management
Una visione d’insieme
l’Asset & Liability Management (ALM) non è una materia di recente sviluppo
in quanto adottata da tempo, e in tutto il mondo, da importanti istituzioni tra ALM
le quali banche, assicurazioni, fondi pensioni ma anche dalle Università e
dalle Fondazioni americane OBIETTIVI
l’importanza dell’analisi per le Fondazioni no-profit, seppur ancora poco

sviluppata in Europa, deriva dalla necessità di coadiuvare i risultati di breve
all rights reserved

termine rappresentati da una crescita stabile delle erogazioni, con quelli di TOLLERANZA
lungo termine, finalizzati a garantire la sostenibilità e la conservazione del AL RISCHIO
potere d’acquisto del patrimonio
a differenza di altre discipline finanziarie, l’ALM non fornisce soluzioni

univoche, ma uno strumento gestionale a supporto quantitativo delle DECISIONI
decisioni di spesa e investimento che, in funzione di obiettivi e tolleranze al CONSAPEVOLI
rischio permette di orientare le scelte verso una gestione consapevole che

meglio identifica e misura la natura dei rischi

Cosa è accaduto oltre oceano
la spending rule nella storia americana
sino agli anni ‘60 le Fondazioni americane utilizzavano regole di spesa abbastanza semplici basate
sugli interessi derivanti dalle obbligazioni e dai dividendi pagati dalle azioni
nel 1969 il presidente della Fondazione Ford esorta i colleghi e i gestori delle Fondazioni universitarie
ad “orientare i propri investimenti verso le classi azionarie e verso quelle più rischiose”
la ratio sottostante deriva dall’orizzonte di lungo termine delle Fondazioni e del conseguente obiettivo
di massimizzare quello che venne chiamato “long term total return”
nel 1972 UMIFA (Uniform Management of Institutional Fund Act) stabilisce un quadro di riferimento
all rights reserved

per la gestione delle Fondazione americane imponendo in taluni casi livelli minimi di spesa rispetto al
patrimonio
nel 1974 Tobin pubblica il lavoro che apre la strada alla revisione dell’approccio alla gestione delle
Fondazioni e Burton e Livtack dimostrano come spending rules basate sugli interessi siano in
contrasto con l’obiettivo di preservare il valore reale della dotazione. Dalla loro teoria emerge la
necessità di focalizzarsi sulla massimizzazione del rendimento totale piuttosto che sulla
massimizzazione degli interessi spendibili
ad oggi le strategie di spesa caratterizzate da una proporzione costante del valore patrimonio nelle
sue varie forme è la forma più utilizzata nelle fondazioni americane, assieme ad altre forme ibride
uno studio fatto da NABUCO* (2003) mostra come l’82% delle università americane utilizzi una
regola di spesa basata sulla media mobile del valore del patrimonio negli ultimi tre anni

La situazione in Europa
necessità di integrazione e disciplina
le policy di investimento e la programmazione a medio lungo termine dovrebbero essere

decisioni centrali per chi finanzia erogazioni tramite l’investimento del patrimonio in attività
finanziarie
tuttavia in Europa (Watson Wyatt 2006), forse anche a causa di un panorama più eterogeneo
nelle istituzioni no-profit e nelle Fondazioni, è stato fatto poco in termini di analisi e
armonizzazione
ciò è dimostrato dal fatto che quasi tutta la letteratura in materia su long term spending e asset
all rights reserved

allocation riguarda le università americane
in Europa la maggior parte delle fondazioni non esplicita legami tra spesa e valore di mercato
del patrimonio ma è ancora legata a criteri di spesa income-based (il 30% delle Fondazioni
intervistate Cross Country da Watson Wyatt crede ancora che la generazione di flussi di cassa
debba essere uno dei principali obiettivi degli investimenti)
tuttavia, nel 1989 è nato l’European Foundation Center network di oltre 200 membri e a partire
dagli anni ‘90 l’importanza delle fondazioni è significativamente cresciuta, sviluppando ampi
dibattiti sulle regole di programmazione dell’attività erogativa
a livello domestico si sono verificati importanti sviluppi come dimostra l’attività dell’ACRI in
Italia che ha rafforzato la trasparenza delle Fondazioni bancarie ed emesso numerose linee
guida per la pubblicazione dei risultati; l’approccio ALM viene utilizzato da un numero sempre
maggiore di Fondazioni
Investment management
Massimizzare rendimento e spending
gli obiettivi principali alla base della corretta gestione di una fondazione no-profit sono la
garanzia dello scambio intergenerazionale e la massimizzazione delle opportunità
di spesa
il primo obiettivo impone di mantenere stabile il potere d’acquisto della dotazione nel
tempo garantendo alle generazioni future un patrimonio in grado di produrre una
redditività analoga a quella odierna
il secondo, invece, è riferito alla massimizzazione del rendimento oltre l’inflazione, il
all rights reserved

rendimento reale, che permette di massimizzare la capacità erogativa
obiettivo di rendimento = inflazione del territorio + redditività reale
scambio intergenerazionale massimizzazione della spesa
la conservazione del patrimonio reale dipende dalla scelta di un livello medio di spesa
che possa essere supportato nel tempo dalla strategia di investimento adottata

Obiettivi in conflitto
Conservazione del patrimonio e massimizzazione della spesa
La massimizzazione dei rendimenti nel lungo termine, e il controllo della volatilità delle erogazioni nel
breve, rendono necessaria un’attenta misurazione dei rischi finalizzata alla definizione di un processo
d’investimento e di politiche erogative secondo un approccio consapevole.
Infatti, la ricerca della crescita reale del patrimonio nel lungo termine richiede di accettare elevati
livelli di volatilità indipendentemente da eventuali politiche di immobilizzazione che potrebbero
ridurne gli effetti sul bilancio.
all rights reserved

Di contro, la ricerca di una policy di erogazioni stabile nel tempo mina la conservazione del
patrimonio reale in quanto aumenta la pressione sui risultati nei periodi di mercato discendente
(considerando peraltro che ai fini bilancistici le erogazioni vengono definite in funzione dell’avanzo
contabile).
Le regole di spesa che si basano unicamente sulle erogazioni effettuate l’anno precedente sono
l’ideale per stabilizzare la crescita delle erogazioni ma sono in netta contrapposizione rispetto
all’obiettivo di conservazione del patrimonio meglio tutelato da quelle a proporzione costante.
La ricerca di una combinazione tra le politiche erogative e la strategia di investimento che meglio
bilanci questo conflitto tra obiettivi è un’importante sfida che ogni Fondazione dovrebbe
affrontare tramite adeguate analisi di ALM

Obiettivi della Fondazione
La ricerca degli equilibri patrimoniali, reddituali, finanziari
Obiettivi della Fondazione
Equilibrio garantire flussi di cassa sufficienti al fine di

finanziario coprire le uscite di tesoreria
all rights reserved

stabilizzare nel tempo gli obiettivi di
Sostenibilità erogazione in termini reali e garantire la
copertura dei costi di funzionamento
Salvaguardia
mantenere stabile la dotazione nel tempo
patrimonio

La logica probabilistica
Cosa si può fare con l’ALM
L'ALM si basa sull'utilizzo di scenari probabilistici che consentono di definire migliaia di

percorsi alternativi che portano ognuno a risultati differenti in termini di valore reale del
patrimonio e di decisioni di spesa per una data composizione del portafoglio finanziario; i
percorsi alternativi riflettono la realizzazione di diversi rendimenti collegati ai singoli asset che
compongono il patrimonio.
Agendo sull’asset allocation, sulla strategia di investimento e le politiche erogative, sui vincoli
e sulla tolleranza ai rischi è possibile definire una soluzione costruita ad hoc sulle specifiche
all rights reserved

esigenze e soprattutto è possibile trattare il rischio in modo quantitativamente consapevole;
con le simulazioni ALM è possibile:
valutare la solidità patrimoniale e reddituale della Fondazione per una determinata
composizione del portafoglio finanziario e per una determinata politica erogativa;
testare strategie alternative nella determinazione della capacità erogativa, rispetto ad
una determinata strategia di allocazione del patrimonio;
definire misure di rischio quantitative da monitorare nel tempo per valutare
l’andamento della gestione rispetto agli obiettivi di conservazione del patrimonio e di
stabilità della spesa;
testare strategie di gestione dinamiche.

Dall’AM all’ALM
la gestione integrata del patrimonio e delle spese
asset management spending management

con quale processo allocare il quanta parte del patrimonio può
patrimonio nelle diverse categorie di essere spesa e secondo quale regola?
asset?
ALM
OBIETTIVI TOLLERANZA AL RISCHIO DECISIONI
all rights reserved

§ conservazione del patrimonio § modello ad hoc tarato sulle§ finanziamento di
§ quantificazione della tolleranza
reale specifiche esigenze progetti particolari
alla volatilità dei risultati
§ spending rules § hedging dei flussi di
§ ridotta volatilità delle § quantificazione della tolleranza
§ strategie attive cassa
erogazioni alla volatilità nella spesa
§ probabilità di tutela § strategie di yield
§ massimizzazione della spesa § vincoli inderogabili enhancement
patrimonio reale
nel lungo termine § test di impatto sugli
§ probabilità di shortfall
§ obiettivi specifici (progetti della spesa obiettivi di particolari
particolari) § policy di recovery scelte gestionali
l’asset liability management permette una gestione integrata tra obiettivo di scambio
intergenerazionale e spesa corrente supportando in termini quantitativi una gestione che
minimizzi la probabilità di perdita di potere d’acquisto del patrimonio
Dall’AM all’ALM
Una nuova frontiera efficiente
Extra Spending
Extra rendimento (Rendimento in eccesso
10%
(Rendiment o in eccesso 10% rispetto allo spesa
20%
rispet t o al cash) sostenibile senza rischio)
30%
10%
25% 70%
40% 50%
60%
40%
35%
3% 1%
30%
Bond
60% Bond inflation
96%
10% Equity
Equity
Cash Alternativi
all rights reserved

100%
100 Teorico
%
Risk free Volatilità del portafoglio Rischio rispetto al passivo
portfolio Liability matching-
(mismatch tra asset e liability teorica)
(100% cash) portfolio
§ da tempo la teoria del portafoglio mostra che, definito § nella nuova visione del rischio chiamiamo “Liability
un portafoglio monetario non rischioso (“Risk free matching portfolio” il portafoglio che replica
portfolio”) questo diviene benchmark per misurare esattamente il comportamento di un passivo ipotetico
rischio ed efficienza di altri portafogli diventa l’asset class priva di rischio, sostituendosi alla
§ spostandosi lungo l’asse dei rischi si ottengono una liquidità
serie di portafogli via via più aggressivi ma con un § spostandosi lungo l’asse dei rischi si ottengono una
rendimento atteso più elevato serie di portafogli via via più rischiosi rispetto agli
obiettivi di conservazione del patrimonio ma con un
maggiore rendimento atteso e quindi una più elevata
possibilità di spesa
Analisi ALM
Calare i modelli nella realtà delle Fondazioni italiane
STATO PATRIMONIALE CONTO ECONOMICO
PATRIMONIO
EROGAZIONI
ATTIVO NETTO REDDITO
FONDO
STABILIZZAZIONE AVANZO
all rights reserved

conservazione disponibilità
+
patrimonio reale per erogazioni
obiettivo di rendimento = inflazione target + redditività reale
§ quanto rischio è necessario per aumentare la redditività reale e quindi la disponibilità

di spesa ?
§ quanto la ricerca di redditività reale mette a rischio la perdita di potere d’acquisto?
l’allocazione del patrimonio, e ogni nuovo investimento, dovrebbero essere valutati

all’interno di un architettura integrata che permetta di misurare il rischio rispetto alla
probabilità di mancare gli obiettivi di conservazione del patrimonio reale
LIABILITY DRIVEN INVESTMENT (LDI)
Analisi ALM
Valori di bilancio e di mercato
gestire il bilancio tramite un’analisi di ALM significa attribuire ad ogni posta un ruolo specifico e valutarne in termini
quantitativi il corretto comportamento
PARTECIPAZIONI STRATEGICHE: tramite i dividendi contribuiscono ad alimentare le erogazioni ma permettono
allo stesso tempo di conservare il patrimonio tramite la ripresa di valore degli asset
LIABILITY DRIVEN PORTFOLIO: costruito sulle specifiche esigenze di erogazione attuali e future viene utilizzato
sia a fini di erogazione sia per la conservazione del patrimonio reale
RETURN PORTFOLIO: è la componente contenente gli attivi più volatili con obiettivo di generazione di extra
all rights reserved

rendimento reale nel medio lungo termine. È controllato in termini di rischiosità ed alimenta il fondo di stabilizzazione
conservazione riduzione
erogazioni patrimonio volatilità
reale risultati
PARTECIPAZIONI ripresa di valore
LIABILITY dividendi
DRIVEN
RETURN STRATEGICHE asset investiti
PORTFOLIO
PORTFOLIO
LIABILITY quota
cedole reali
PARTECIPAZIONI STRATEGICHE DRIVEN inflazione
PORTFOLIO
extra rendimento
RETURN extra quota tramite fondo di
PORTFOLIO rendimento inflazione stabilizzazione

ALM e no-profit
all rights reserved

spending policy
analisi di ALM
case study
conclusioni

Spending rules
income only – regola vecchio stile (1960)
è la regola originale utilizzata dalle Fondazioni americane sino alla pubblicazione del report Ford
prevede la spesa delle sole cedole e dei dividendi indifferentemente dalla dinamica del patrimonio
agevola la tutela del patrimonio reale grazie a una spesa inferiore rispetto al tasso di equilibrio a lungo termine
il principale svantaggio per cui è stata criticata Interessi in tendenziale declino (rendimenti sui titoli di Stato a 10 anni)
e abbandonata la regola negli USA deriva dalla
distorsione derivante dalla strategia
d’investimento. La ricerca di interessi elevati,
all rights reserved

infatti, genera pressioni verso:
posizioni obbligazionarie a reddito fisso ad
elevata cedola con rischi di mercato e di
credito non gestiti
posizioni azionarie su titoli ad elevato
dividendo (value) e quindi con una bassa
redditività attesa
inoltre negli ultimi 30 anni la continua riduzione
strutturale dei tassi e dei dividendi riflette una
diminuzione della redditività reale che, con
maggior enfasi rispetto al passato, impedisce
di seguire questa regola senza impatti sul
stabilità

Spending rules
Modelli a proporzione costante (market value model)
la regola prevede di spendere ogni anno una percentuale (α) prefissata del valore di mercato del
patrimonio (E)
Esempio
α dovrebbe rappresentare il
tasso di redditività reale della E t-2 100
St = a ×Et -1 strategia di investimento nel
lungo termine. E se non lo Rp -5%
all rights reserved

fosse?
E t-1 95
Inflazione 3%
la proporzione costante genera volatilità di spesa in modo proporzionale a 5%
alla volatilità del patrimonio
per limitare la volatilità tipica di questo modello la variante più comune
spending rule
prevede la sostituzione del valore puntuale di mercato all’anno precedente
con una media dei valori di mercato degli ultimi 3 (o più) anni
S t-1 5
St = a × (Et -3 + Et -2 + Et -1 )/ 3 St 4.75

Spending rules St = a ×Et -1
Modelli a proporzione costante (market value model)
pregi difetti
ad oggi le regole market value, nella la spesa varia di anno in anno in funzione
loro variante a media mobile, sono della volatilità dei rendimenti ed è
tra le più diffuse nelle Fondazioni soggetta a forti tagli a fronte di elevati e
americane duraturi shock nel mercato equity
all rights reserved

favoriscono la conservazione del il processo di budget risulta complesso a
patrimonio reale nel lungo termine causa dell’incertezza della disponibilità di
nel tempo una regola market value spesa
garantisce una più elevata spesa la scelta del livello di spesa prevede di
complessiva in quanto non stimare correttamente il rendimento reale
condiziona le decisioni di di lungo periodo dell’asset allocation pena
investimento e lascia maggior un progressivo deterioramento del potere
flessibilità nella gestione degli attivi d’acquisto del patrimonio

Spending rules
modelli a crescita costante (inflation-adjusted models)
In contrapposizione alle regole a proporzione costante la regola a crescita costante prevede di

spendere ogni anno un ammontare pari alla spesa dell’anno precedente rivalutata per l’inflazione
realizzata
Esempio
St = St -1 × (1+it -1 )
E t-2 100
all rights reserved

l’assenza di un legame col patrimonio nella formula di spesa decorrela la Rp -5%
spending rule dall’obiettivo di conservazione della dotazione in termini E t-1 95
reali
Inflazione 3%
per correlare in parte la spesa alla dinamica del patrimonio la variante più
comune prevede l’introduzione di “bande” di restrizione relative al minimo
e al massimo livello di spesa permesso rispetto al patrimonio
spending rule
Esempio restrizioni
max(St ) = 7%×Pt -1 S t-1 5

St = St -1 × (1+it -1 ) St 5.15
min(St ) = 3%×Pt -1

Spending rules St = St -1 × (1+it -1 )
pregi difetti
le erogazioni crescono in modo la regola non riflette in alcun modo l’effettivo

costante con l’inflazione e sono valore di mercato del patrimonio
caratterizzate da stabilità e la probabilità di rovina è maggiore rispetto
prevedibilità ai modelli basati sul valore di mercato
all rights reserved

questo rende il processo di budget soprattutto nei casi di elevate erogazioni
molto semplice iniziali
anche in questo caso la regola è durante i periodi di forte crescita nei mercati
sostenibile con un approccio alla il modello è messo sotto accusa per non
gestione dell’attivo total return adattare la spesa al nuovo livello sostenibile
durante i periodi di forte discesa dei mercati
il modello mette sotto forte stress il
patrimonio mantenendo livelli di crescita
della spesa inadeguati

Spending rules St = St -1 × (1+it -1 )
modelli a crescita costante (inflation-adjusted models) con restrizioni
pregi difetti
Rispetto al modello base: nei casi di mercato negativo il floor

limita la shortfall del patrimonio e della viene presto toccato e la formula
spesa grazie alla presenza della massima diventa analoga ad una constant
proporzione spendibile (es. 4%) proportion
all rights reserved

permette di partecipare al rialzo nei casi la volatilità della spesa si avvicina a
di mercati positivi grazie alla presenza di quella delle regole a mercato
un livello minimo di spesa rispetto al
patrimonio accumulato (es. 1%)
aumenta la probabilità di conservazione
del patrimonio in termini reali e la spesa
complessiva

Spending rules
Un conflitto di interessi
il grafico rappresenta un esempio di applicazione delle due regole appena descritte nel caso
di:
una fondazione che nasce nel 2011 con un patrimonio ipotetico di 1 mld di euro
una erogazione al primo anno pari al 5% del patrimonio
un’asset allocation costante ribilanciata annualmente con una forte componente equity
al termine del periodo
all rights reserved

ipotetico percorso di spesa
analizzato la regola legata 1600 70.00
all’inflazione ha permesso una 60.00 Patrimonio
1400 (inflation model)
crescita stabile delle erogazioni 50.00
tuttavia, l’abbattimento della 1200 40.00 Patrimonio

(market value)
eur mln
dotazione reale, derivante dalle 1000

30.00
20.00
due crisi del decennio, è market value
spending model
800 10.00
decisamente superiore rispetto
-
al caso in cui è applicata la 600
-10.00
inflation-linked
spending
model
regola basata sul valore di 400 -20.00
mercato del patrimonio 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
2010
2021

Spending rules
modelli ibridi (Yale-Stanford rule)
la regola, conosciuta anche come Yale o Stanford rule, prevede una media ponderata tra le due
regole base con l’attribuzione di un peso λ alla spesa dell’anno precedente rivalutata e un peso (1-λ)
alla percentuale prefissata del valore di mercato del patrimonio
Esempio
St = l ×St -1 × (1+it -1 )+ (1- l )×a ×Et -1

E t-2 100
Rp -5%
all rights reserved

E t-1 95
inflation model market value model
Inflazione 3%
a 5%
anche in questo caso, per limitare la volatilità della spesa, è l 0.7
possibile usare una media mobile del patrimonio nel secondo
membro dell’equazione (market value) al posto del valore
puntuale di fine anno spending rule
S t-1 5
St 5.03
Spending rules St = l ×St -1 × (1+it -1 )+ (1- l )×a ×Et -1
modelli ibridi (Yale-Stanford rule)
pregi difetti
permettono un maggior livello di la scelta della corretta combinazione

flessibilità rispetto ai due modelli non è semplice e, se soggetta, a
principali continue revisioni non garantisce un
riducono le probabilità di rovina rispetto miglioramento dell’efficienza
all rights reserved

ai modelli inflation e il rischio di
downside rispetto ad entrambi i modelli
base
permettono alla fondazione di definire
quanta enfasi dare alla stabilità nella
crescita della spesa rispetto alla
conservazione del patrimonio nel tempo

Spending rules
approccio alpha-beta
𝑆! = 𝛼 ⋅ 𝐸!"# + 𝛽 ⋅ 𝐹!"#
la regola introdotta da Mehrling (2004) è una regola
robusta che funziona bene in teoria al fine di
Esempio
preservare il patrimonio in termini reali anche a fronte
di un errore sulle stime dei rendimenti del patrimonio
nel lungo termine E t-2 100
prevede, infatti, un meccanismo di separazione Rp -5%
virtuale del patrimonio in due parti E t-1 95 valore effettivo E
all rights reserved

la prima rappresenta la dotazione iniziale rivalutata, Inflazione 3%
E*, dalla quale si eroga una quota pari al tasso reale *
E * t-1 103 dotazione reale E
sostenibile nel lungo termine α *
F t-1 -8 =E-E
la seconda, chiamata fondo di stabilizzazione, F,
𝛼 4%
rappresenta la differenza tra l’effettivo valore di
𝛽 8%
mercato (E) del patrimonio e il suo valore reale (E*);
del fondo viene erogata una quota β (tasso di
aggiustamento) spending rule
quando il patrimonio cresce con una dinamica inferiore
rispetto al target reale il fondo di stabilizzazione S t-1 4
scende sino a diventare negativo espletando l’effetto
St 3.16
di riduzione delle erogazioni e viceversa

Spending rules St = a ×Et -1 + b ×Ft -1
pregi difetti
il problema dei modelli market value risiede è a tutti gli effetti un modello
nella corretta stima della porzione del basato sul mercato e pertanto
patrimonio erogabile in modo sostenibile risente degli stessi difetti
mentre i modelli alpha-beta correggono alti valori di beta aumentano la
all rights reserved

autonomamente un eventuale errore di velocità di aggiustamento e
stima garantendo per costruzione la quindi la volatilità delle
conservazione del patrimonio reale in media erogazioni che possono anche
viene garantita un’alta correlazione nel azzerarsi
lungo termine tra rendimenti realizzati ed
erogazioni

Spending rules
Ulteriori approcci ibridi
Anche nella regola alpha-beta si possono usare tecniche di smoothing per cercare
di rendere meno variabile la spesa nel tempo; alcune Fondazioni americane
utilizzano una media periodale del fondo di stabilizzazione per tener conto dei cicli
di mercato nel tempo:
all rights reserved

St = αEt-1 + β[Ft-1 + Ft-2 + Ft-3]/3.
Una forma ancora più elaborata è rappresentata da una combinazione delle regole
di Stanford con la regola alpha-beta; La regola di Stanford imposta la spesa come
media ponderata (λ) del livello di spesa dell'anno precedente e (1-λ) vincolato alla
regola α-β, come segue:
St = λSt-1 + (1-λ)[αEt-1 + βFt-1].

Spending rules – l’esperienza delle Fondazioni italiane
Le Fondazioni italiane utilizzano, in larga parte, una regola di spesa a crescita costante
(inflation ajusted); dal punto di vista formale le Fondazioni di origine bancaria italiana
impostano l’attività erogativa mediante un documento programmatico pluriennale (di solito
triennale), verificato ogni anno in base allo stato di avanzamento dell’attività
In qualche caso viene applicata un regola a proporzione costante (market model)
mediante un tasso di spesa pari al 2% del valore effettivo del patrimonio in un arco
all rights reserved

quinquennale
Da qualche anno, diverse Fondazioni stanno comunque valutando l’idea di una regola
ibrida, in particolare Yale-Stanford rule con una parte delle erogazioni da indicare nei
documenti programmatici indicizzati al valore effettivo del portafoglio

Un approfondimento - endowment Usa
L’approccio Hrward
Fondazione: 1974
CFO: Narv Narvekar
Totale AUM: 61 mld di dollari
all rights reserved

Mission: supportare gli obiettivi educativi e di ricerca dell'Università di Harvard
Obiettivo finanziario: tasso di erogazione compreso tra il 5% e il 5,5%
Regola di spesa: mix inflation e market model:
70% ponderato sulla spesa dell’anno precedente in termini reali:
30% parametrizzato al valore reale del patrimonio

L’approccio Harward – l’evoluzione del patrimonio
all rights reserved

L’approccio Harward – l’asset allocation 2021
all rights reserved

L’approccio Yale
Fondazione: 1980
CFO: David Swensen
Investment office: 32 membri
all rights reserved

Totale AUM: 31,2 ml di dollari
Mission: produrre risultati di investimento a lungo termine per sostenere e finanziarie gli investimenti, le
lezioni, le borse di studio, ecc di Yale
Obiettivo finanziario: tasso di consumo della dotazione ritenuto spendibile nel medio-lungo termine: 5%
Regola di spesa: mix inflation e market model:
80% ponderato sulla spesa dell’anno precedente in termini reali:

20% parametrizzato al valore reale del patrimonio

L’approccio Yale – l’evoluzione patrimoniale e dell’asset allocation
all rights reserved

L’approccio Yale – la crescita del capitale
all rights reserved

ALM e no-profit
all rights reserved

spending policy
analisi di ALM
case study
conclusioni

Spending rule test
confronto tra spending policy alternative
nelle pagine seguenti si riporta un esempio di analisi ALM nelle ipotesi che una
Fondazione con una dotazione iniziale di 100 mln di euro e un’asset allocation costante
(25% equity – 15% bond corporate – 55% bond governativi – 5% liquidità) voglia testare
gli impatti di alcune delle più comuni regole di spending
a fini di confronto sono state definite alcune misure atte ad identificare le caratteristiche
auspicabili di una spending policy
all rights reserved

quali sono le funzioni obiettivo che dovrebbero caratterizzare una strategia di spesa?.
1. mantenere costante il valore reale del patrimonio

2. generare una ridotta variabilità anno su anno della spesa
3. massimizzare la spesa nel medio lungo termine
si noti che 1. e 2. sono in conflitto tra loro e che sarà necessario, nella definizione di un
budget di rischio, valutarne il trade off mentre si è alla ricerca di 3.

Spending rule test
La generazione di scenari
il modello di generazione degli scenari permette di proiettare numerose dinamiche di evoluzione

dell’economia nel futuro partendo dalla calibrazione delle curve di tasso di interesse nominale e dalle
curve di inflazione
a partire da queste vengono simulati i rendimenti delle classi obbligazionarie, anche tramite un
processo di simulazione dei credit spread
le classi azionarie sono simulate tramite un modello lognormale calibrato tramite la stima dei premi al
rischio
all rights reserved

i rendimenti simulati si mantengono tra loro coerenti tramite l’utilizzo di uno studio sulle correlazioni
integrato nel modello di simulazione
l’esempio di analisi tra spending rules alternative, riportato nelle prossime pagine, utilizza scenari
generati secondo i parametri di rendimento e volatilità attesi come descritto in tabella
l’inflazione converge in media ad un tasso pari all’1,4% annuo con spese di gestione pari allo 0,5%
(*) rendimenti medi di lungo periodo

Spending rule test St = a ×Et -1
modelli a proporzione costante (market value models)
Probabilità conservazione patrimonio reale Funding ratio 5° percentile

80% 100%
70% 90%
80%
60%
70%
50% 60%
40% 50%
30% 40%
30%
20%
20%
10% 10%
all rights reserved

0% 0%
2020 2025 2030 2035 2040 2045 2050 2020 2025 2030 2035 2040 2045 2050
3% patrimonio 2% patrimonio 1% patrimonio 3% patrimonio 2% patrimonio 1% patrimonio
Patrimonio 10° anno Downside risk

30% 80%
25% 70%
20% 60%
50%
15%
40%
10%
30%
5% 20%
0% 10%
50 70 90 110 130 150
-5% 0%
Milioni 2020 2025 2030 2035 2040 2045 2050

Spending rule test
St = a ×Et -1
La dinamica di
Spending reale - worst case Spending Reale - best case spesa si mantiene
3 7 volatile tra gli
C’è forte variabilità
orizzonti
Milioni
Milioni
tra i casi positivi e i 6
3
casi negativi
5
2
4
2
3
1
2
1 1
all rights reserved

0 0
2020 2025 2030 2035 2040 2045 2050 2020 2025 2030 2035 2040 2045 2050
Spending reale - 5° percentile

3
Milioni
0
2020 2025 2030 2035 2040 2045 2050
3% patrimonio 2% patrimonio 1% patrimonio

Spending rule test St = a × (Et -3 + Et -2 + Et -1 )/ 3
come anticipato i modelli a

proporzione costante non permettono
una stabilità nell’erogazione della
spesa
a questo fine la variante che utilizza
una media mobile a 3 anni del valore
all rights reserved

di mercato del patrimonio permette
di ridurre in parte la dispersione e la
volatilità della spesa
come si può notare dalle tabelle che
riportano un confronto tra i due
metodi di spesa nel caso del modello
a media mobile la dispersione al 5
anno diminuisce da 0.5 a 0.4

Spending rule test St = St -1 × (1+it -1 )
50% probabilit à conservazione del pat rimonio reale 100% riduzione del pat rimonio reale - shorf all al 5° percent ile
40% 80%
30% 60%
20% 40%
10% 20%
all rights reserved

0% 0%
0 5 10 15 20 25 30 0 5 10 15 20 25 30
inflation adjusted inflation adjusted
25% pat rimonio al 10° anno

60% downside risk - prob. riduzione pat rimonio reale del 20%
20%
area di riduzione del area di crescit adel

pat rimonio reale
pat rimonio reale 40%
15%
a parità di spesa iniziale
aumenta il rischio di
10% downside rispetto alla
20% regola a proporzione
costante
5%
0%
0% 0 5 10 15 20 25 30
0 50 100 150 200

Spending rule test St = St -1 × (1+it -1 )
5 worst case 5 best case
4 4
3
nel caso peggiore al 10
3
spending reale
spending reale
anno la spesa si azzera a
causa dell’ azzerarsi del
2 patrimonio 2
1 1
all rights reserved

0 0
0 5 10 15 20 25 30 0 5 10 15 20 25 30
5.0 spending reale - shorfall 5%
4.0
3.0
2.0
1.0
0.0
0 5 10 15 20 25 30
inflation adjusted

Spending rule test St = l ×St -1 × (1+it -1 )+ (1- l )×a ×Et -1
modelli ibridi – Yale Stanford rules

60% 100%
90%
50% 80%
70%
40%
60%
30% 50%
40%
20% 30%
20%
10%
all rights reserved

10%
0% 0%
2020 2025 2030 2035 2040 2045 2050 2020 2025 2030 2035 2040 2045 2050
Downside risk
Patrimonio 10° anno
40%
35%
30%
25%
20%
15%
10%
5%
0%
50 70 90 110 130 150 2020 2025 2030 2035 2040 2045 2050
Milioni

Spending rule test
St = l ×St -1 × (1+it -1 )+ (1- l )×a ×Et -1
modelli ibridi – Yale Stanford rules
Spending reale - worst case Spending Reale - best case

2,0 6,0
Milioni
Milioni
1,8
5,0
1,6
1,4 4,0
1,2
1,0 3,0
0,8
2,0
0,6
0,4 1,0
0,2
all rights reserved

0,0 0,0
2020 2025 2030 2035 2040 2045 2050 2020 2025 2030 2035 2040 2045 2050

2,5
Milioni
2,0
1,5
1,0
0,5
0,0
2020 2025 2030 2035 2040 2045 2050

Spending rule test St = a ×Et -1 + b ×Ft -1

60% 100%
90%
50% 80%
70%
40%
60%
30% 50%
Anche casi estremi
40% la riduzionei ne del
20% 30% patrimonio reale è
20% contenuta
10%
all rights reserved

10%
0% 0%
2020 2025 2030 2035 2040 2045 2050 2020 2025 2030 2035 2040 2045 2050
Downside risk
Patrimonio 10° anno 20%
18%
16%
14%
12%
10%
8%
6%
4%
2%
0%
2020 2025 2030 2035 2040 2045 2050
50 70 90 110 130 150
Milioni

Spending rule test
St = a ×Et -1 + b ×Ft -1
Spending Reale - best case
Spending reale - worst case
12
0,18
Milioni
Milioni
0,16 10
0,14
8
0,12
0,10 6
0,08
0,06 4
0,04
2
0,02
0,00 0
all rights reserved

-0,022020 2025 2030 2035 2040 2045 2050 2020 2025 2030 2035 2040 2045 2050
-0,04

1,4
Milioni
1,2
1,0
0,8
0,6
0,4
0,2
0,0
2020 2025 2030 2035 2040 2045 2050
-0,2

Spending rule test
Strategie a confronto
Patrimonio 10° anno

i grafici confrontano le statistiche di simulazione
30%
all’orizzonte dei 30 anni
25%
si noti come, in un contesto di mercato
20%
decrescente, le regole legate al patrimonio
15%
performano meglio assieme a quelle Alpha-Beta,
dove il fondo riesce a migliorare le statistiche di 10%
all rights reserved

spesa 5%
in contrapposizione si colloca le regole inflation 0%

50 70 90 110 130 150
adjusted Milioni
MV Plain MV Smoothed IA Plain Stanford-Yale Alpha-Beta

Analisi ALM
Un’asset allocation dinamica
quasi tutti i lavori riportati in letteratura fanno riferimento ad analisi stocastiche riferibili alle
diverse strategie di spesa ma non considerano le interrelazioni tra spending rule e
strategie di allocazione del patrimonio
una corretta strategia di investimento dovrebbe tuttavia essere correlata alla politica di
spending scelta per migliorare ulteriormente le probabilità di difendere il valore reale del
patrimonio
all rights reserved

l’ottimizzazione dell’asset allocation strategica permette, infatti, di migliorare la
correlazione con gli obiettivi di rendimento, il rendimento reale atteso, il livello complessivo
di erogazioni oltre a ridurre le probabilità di downside del patrimonio
nelle pagine seguenti è riportato un esempio di come l’approccio stocastico permetta di
ottimizzare l’asset allocation strategica data una policy di spesa definita
tuttavia, il punto di svolta nella gestione prevede l’introduzione di un modello di
allocazione dinamica e presuppone uno studio dedicato da sviluppare su specifiche
caratteristiche ed esigenze della Fondazione

Analisi ALM
Un esempio di ottimizzazione
si consideri la stessa Fondazione semplificata utilizzata per testare le strategie di spesa

ma dove l’asset allocation strategica non sia definita a priori
si consideri una regola di spesa inflation adjusted con erogazione di 2 milioni
St = St -1 × (1+it -1 )
il processo di ottimizzazione utilizza gli scenari stocastici relativi alle classi di attivo
all rights reserved

precedentemente generate di cui si riportano nuovamente le caratteristiche di
parametrizzazione
l’obiettivo imposto è il miglioramento della probabilità di conservazione del patrimonio

reale con un controllo sulla shortfall nel lungo termine

Analisi ALM
Un esempio di ottimizzazione
all rights reserved

la tabella riporta i valori dell’asset allocation originale con la quale sono state testate le
strategie di spesa e i risultati dell’ottimizzazione
al fine di massimizzare la spesa e garantirne la sostenibilità nel lungo termine
l’ottimizzazione prevede un aumento nel peso della classe azionaria del 15%
per ridurre la shortfall del patrimonio, indotta dall’aumento della volatilità del portafoglio,
viene incrementata la classe obbligazionaria inflation-linked che sostituisce in parte i titoli
nominali al fine di migliorare la correlazione con l’obiettivo di conservazione del patrimonio

Analisi ALM
Asset allocation a confronto
l’asset allocation ottimizzata risulta più efficiente in quanto permette sia di migliorare la
probabilità di conservazione del patrimonio reale nel lungo termine sia di incrementare il
funding ratio negli scenari più avversi
Probabilità conservazione patrimonio reale
60%
50%
all rights reserved

40%
30%
20%
Funding ratio 5° percentile
10%
100%
0% 90%
2020 2025 2030 2035 2040 2045 2050 80%
70%
originale ottimizzata
60%
50%
40%
30%
20%
10%
0%
2020 2025 2030 2035 2040 2045 2050
originale ottimizzata

Analisi ALM
Asset allocation a confronto
AA originale
le tabelle comparative
permettono di confrontare i
risultati delle due asset
allocation secondo le
principali caratteristiche
richieste alla strategia
all rights reserved

si può concludere che l’asset
allocation ottimizzata
permette di aumentare il AA ottimizzata
livello complessivo di spesa
e di migliorare la probabilità
di conservazione del
patrimonio a fronte di un
aumento nella volatilità della
erogazioni, più marcato nel
lungo termine

Implementare un modello ALM
Analisi personalizzate
le analisi riportate rappresentano solamente un esempio delle potenzialità che un approccio

quantitativo potrebbe offrire alla gestione di una Fondazione
l’analisi ALM, calibrata sulle esigenze effettive di un caso reale prevede di identificare:
§ inflazione da costi di gestione della fondazione e inflazione del territorio per definire un
patrimonio reale inflation adjusted
all rights reserved

§ effettivo punto di partenza dell’analisi relativamente a fondo di riserva ed effettiva dotazione
da proteggere in termini reali
§ particolari esigenze di spesa già pianificate
§ ultimi valori di spesa e valore di mercato del patrimonio
§ tempi di convergenza accettabili per processo di convergenza verso il nuovo modello
(nuove politiche di spesa e nuova allocazione delle risorse)
§ risk budgeting per la definizione della tolleranza al rischio e del trade off spesa-patrimonio

ALM e no-profit
all rights reserved

spending policy
analisi di ALM
case study
conclusioni

L’approccio ALM: case study
Premessa
In questa sezione si riportano le risultanze del progetto di Asset & Liability Management
attuato per una Fondazione origine bancaria di dimensioni medio-grandi
L’obiettivo del lavoro è stato quello di supportare la Fondazione nella definizione della strategia
di investimento, testando ipotesi alternative funzionali alla definizione di un’asset allocation
ottimale per la tutela del patrimonio in termini reali dato il livello di spesa desiderato, pari a
all rights reserved

15 mln di euro.
I risultati delle analisi tendono ad illustrare un processo di ottimizzazione dell’asset allocation
di portafoglio atta a ridurre i rischi di deterioramento del patrimonio e a garantire la capacità di
raggiungere gli obiettivi erogativi desiderati.

Il percorso effettuato e le decisioni derivanti dal processo ALM
Premessa
Analisi del portafoglio di partenza

Individuazione del livello del patrimonio da tutelare nel lungo termine
Condivisione delle politiche di spesa (spending policy) da implementare, coerenti con il
rendimento obiettivo e in grado di ottimizzare il mix spesa-valore reale del patrimonio
Individuazione portafoglio ottimale che consente di massimizzare le probabilità di conseguire il
all rights reserved

rendimento obiettivo assumendo il rischio minore

Il portafoglio di partenza
Valorizzazione
Il portafoglio complessivo ammonta a 640 milioni di euro al netto dei debiti per erogazioni, a fronte di un
valore di bilancio stimato in circa 538 milioni di euro.
La componente immobiliare, così come le partecipazioni non quotate su mercato regolamentato, sono
state valorizzate a valori di bilancio
Ai fini dell’esercizio ALM, il patrimonio utilizzato per le simulazioni ALM è stato calcolato escludendo
dall’analisi le seguenti poste:
all rights reserved

Le partecipazioni strumentali, partecipazioni istituzionali e le partecipazioni diverse;
Gli immobili strumentali;
I beni mobili d’arte, i beni mobili strumentali e gli altri beni;
I crediti;
I ratei ed i risconti attivi diversi da quelli relativi al portafoglio finanziario.
Tali esclusioni sono giustificate dalla natura istituzionale e non puramente finanziaria di questi investimenti
(l’investimento in queste asset non è stato fatto nell’ottica esclusiva di ottenere un ritorno finanziario bensì
sulla base della loro attinenza agli scopi statutari della Fondazione).

Il portafoglio della Fondazione
Ipotesi di analisi
In fase di simulazione sono inoltre state utilizzate le seguenti ipotesi:
Costi pari a 2,3 milioni di euro rivalutati nel tempo all’inflazione italiana (pari ai costi di
funzionamento al netto degli ammortamenti);
Si è tenuto conto dei finanziamenti in essere (ca. 330 mila euro) e del piano di rimborso
comunicato dalla Fondazione;
all rights reserved

E’ stato ipotizzato l’utilizzo dell’attuale credito di imposta (ca. 2,89 milioni) per l’esercizio in corso.
Prudenzialmente non è stata ipotizzata la creazione di nuovi crediti di imposta per gli anni futuri.
Nel corso del documento saranno presentate le risultanze sulla base dell’attuale capacità erogativa
sostenibile nel lungo periodo che si attesta intorno ai 15 milioni di euro.

Portafoglio
Valore di bilancio e di mercato
all rights reserved

Conservare il valore del patrimonio
Il livello di partenza
Nello svolgere il proprio ruolo di supporto al territorio, la Fondazione deve tutelare il potere
d’acquisto del patrimonio in modo da poter garantire lo scambio intergenerazionale dando
continuità alla propria funzione istituzionale.
delta: 100 mln di €
Per la successiva analisi di ALM, il

patrimonio da tutelare, la cui
probabilità di conservazione sarà
all rights reserved

oggetto di misura nei modelli di
simulazione, è stato definito pari al
patrimonio netto 2020
incrementato, per coerenza di
perimetro con il patrimonio ALM,
del valore degli immobili non
strumentali.
Alla luce di questo, il patrimonio da

tutelare risulta pari a 429 milioni di
euro.

Asset allocation attuale
Valori di mercato e rendimenti attesi
Il rendimento mediano composto netto all’orizzonte di analisi (20 anni) dell’attuale asset allocation
è stimato pari al 3%, a fronte di una volatilità annua pari al 6,9%.
Dato questo rendimento, con un’ipotesi di inflazione annualizzata nell’orizzonte di analisi pari
all’1,4%, il livello mediano di uscite annue (costi ed erogazioni) che la Fondazione potrebbe sostenere
senza intaccare in media il valore reale del patrimonio è pari a circa l’1,6% .
all rights reserved

Sulla base del portafoglio attuale e del generatore di scenari ALM, le erogazioni che la Fondazione
potrebbe teoricamente effettuare ogni anno ammontano a circa 13 milioni di euro in mediana.
Per poter rispettare le erogazioni target, la Fondazione non solo dovrebbe esaurire tutta la
sovracapitalizzazione attualmente esistente, ma dovrebbe altresì, erodere parte del patrimonio netto
finora accumulato

Ottimizzazione di portafoglio
E’ stato effettuato un esercizio di ottimizzazione massimizzando la probabilità di sostenibilità erogativa

pari a 15 mln di euro in termini reali, sotto il vincolo di minimizzare la probabilità di erodere l’attuale
plusvalenza esistente (e quindi cercando di mantenere invariata almeno l’attuale consistenza del
fondo di stabilizzazione delle erogazioni)
L’AAS proposta prevede una riallocazione dei fattori di rischio tra bond governativi inflation linked,
corporate HY e azionario globale, oltre ad integrare la componente di investimenti alternativi, sia
liquidi che illiquidi per aumentare la decorrelazione di portafoglio.
all rights reserved

L’AAS proposta permettere di migliorare il mix conservazione del patrimonio – sostenibilità erogativa
mediante una riduzione dei rischi di coda, nonostante un leggero incremento della volatilità di
portafoglio

L’AAS proposta,,
prevede una
riallocazione della
liquidità
maggiormente
diversificata ed
equilibrata tra bond
governativi inflation
all rights reserved

linked, corporate HY e
azionario globale.
L’AAS proposta
permetterebbe di
aumentare il
rendimento target di
circa 70 bps, a fronte
di un aumento della
volatilità dello 0,4%,
permettendo di
raggiungere il target
erogativo di 15 milioni
di euro
Evoluzione del valore reale del patrimonio

1.000
Milioni
900
800
700
600
500
all rights reserved

400
300
200
100
0
2021 2023 2025 2027 2029 2031 2033 2035 2037 2039
95° percentile - Attuale Mediana- Attuale 5° percentile - Attuale
95° percentile - Proposta Mediana - Proposta 5° percentile - Proposta
Con la allocazione proposta la Fondazione risulterebbe pienamente capitalizzata erogando 15,0

mln di euro ed eviterebbe di erogare tutta la sovracapitalizzazione esistente (il patrimonio reale a
fine periodo sarebbe di circa 35 mln di euro superiore a quello da tutelare

all rights reserved

Ipotizzando una capacità erogative pari a 15,0 mln di euro la Fondazione riesce a mantenersi
pienamente capitalizzata con la proposta di ottimizzazione analizzata, mantenendo nel lungo periodo
anche un volume di riserve superiore all’attuale dotazione del fondo di stabilizzazione erogazioni

Le linee guida di indirizzo
L’analisi della composizione patrimoniale del portafoglio attuale ha identificato una redditività reale a
tendere del 1,6% e una volatilità dell’asset allocation pari al 6,9%. Sulla base del generatore di
scenari ALM, le erogazioni sostenibili per la Fondazione, tenuto già conto di quanto accantonare ogni
anno al recupero del gap tra il valore di mercato e il patrimonio da tutelare, ammonterebbero da
modello in mediana a 13 milioni di euro.
Considerando, i fattori di rischio insiti nell’attuale allocazione, con particolare riferimento alla
concentrazione nel settore bancario e in funzione dell’inflazione attesa, emerge l’indicazione di una
all rights reserved

rimodulazione degli obiettivi e dei fattori di rischio di seguito indicati
Obiettivo di rendimento pari al 2,3% in termini reali
Riduzione della concentrazione nel settore bancario
Rimodulazione dei fattori di rischio mediante una maggiore diversificazione sul rischio di
credito e su asset indicizzati all’inflazione
Incremento degli asset alternativi, in particolare private market e infrastrutture, ricorrendo

anche al mercato secondario e alle soluzioni multiasset per minimizzare l’effetto della j-curve

Un nuovo approccio alla gestione no-profit
conclusioni
la pianificazione a medio lungo termine richiede alle Fondazioni di effettuare importanti

scelte per bilanciare il trade-off tra beneficiari attuali e futuri
la soluzione ideale prevede di massimizzare le erogazioni nel lungo termine sotto il vincolo
di conservazione del patrimonio reale e di stabilità nel percorso di spesa
la disciplina nella pianificazione delle regole di spesa è fondamentale per ottenere una
gestione efficiente delle dotazioni
all rights reserved

dotarsi di uno strumento gestionale che permetta di definire un’asset allocation e una
spending rule interdipendenti testandone i risultati in termini probabilistici rende più
robusto e trasparente il processo di investimento e il budget annuale
a seguito di questa impostazione strategica è fondamentale utilizzare le analisi di ALM
tradizionale al fine della ulteriore stabilizzazione dei flussi di cassa
nella gestione tattica del patrimonio è necessario individuare strategie di hedging atte a
ridurre i rischi di shortfall e strategie di yield enhancement atte al miglioramento della
performance complessiva

Bibliografia
ANHEIER, H. K. (2001): “Foundations in Europe: A HANNON, D. and HAMMOND, D. (2003): “The MEHRLING, P., (2004): “A Robust Spending Rule: The
Comparative Perspective,” in: A. SCHLÜTER, Then, Looming Crisis in Endowment Spending”, The Journal alpha-beta Approach,” unpublished working paper.
V. and WALKENHORST, P., eds. Foundations in of Investing, Fall 2003, 9-20.
Europe, Directory of Social Change, London. OSSERVATORIO SULLE FONDAZIONI (2003): “La
HEISSMANN (2005): “Foundations Study 2005”. gestione finanziaria delle fondazioni bancarie”, Quaderno
n. 4, Università di Pavia.
BROWNE, S., and MILEVSKY, M. A. (2004): “A
probabilistic approach to endowment management”, HUANG, Y., FORSYTH, P.A., and K. R. VETZAL
(2006): PHILANTHROPY AUSTRALIA (2003): “Survey of
presented to the 8th Annual IME Conference, Australian Philanthropic Trusts and Foundations 2002”.
Rome. “Valuing Guarantees on Spending Funded by
Endowments”, unpublished paper, University of
RAMSEY, F.P. (1928): “A Mathematical Theory of
BERTELSMANN (2001): “Foundations in Europe,” Waterloo.
Saving”, The Economic Journal, Vol 38, No 152, 543-559.
Bertelsmann Foundation (February, 2001).
KAHNEMAN, D. and TVERSKY, A. (1979): “Prospect SEDLACEK, V. O., and CLARK, S. E. (2003): “Why Do
CARY, W., AND BRIGHT, C., (1969): “The law and the Theory: An Analysis of Decision under Risk”. We Feel so Poor? How the Overspending of the ‘90s Has
all rights reserved

lore of endowment funds; report to the Ford Econometrica, Vol 47, No 2, 263-292. Created a Crisis in Higher Education”, Commonfund
Foundation”, New York, Ford Foundation. Institute working paper.
KAUFMAN, R. T. and WOGLOM, G. (2005): “Financial
DYBVIG, P. H. (1999): “Using Asset Allocation to Changes and Optimal Spending Rates Among Top SHMAVONIAN, N. K. (2005): “Management Practices
Protect Spending”, Financial Analysis Journal. Liberal Arts Colleges, 1996-2001”. The Review of Surrounding Program Professionals in US and European
Higher Education, 28(3), 330-368. Foundations”, Paper 8, International Network on Strategic
EFC (2004): “Creation of new foundations in EU Philanthropy.
countries over the last decade”, report by the LITVACK, J., and BURTON, G. (1974): “A Plan for the
Research Task Force at the European Foundation Definition of Endowment Income”, The American SUTTON TRUST (2003): “University Endowments: a
Centre. Economic Review, 64, 433-437. UK/US Endowments,” unpublished discussion paper.
MARKOWITZ, H. (1952): “Portfolio Selection,” The THALER, R. H. and WILLIAMSON, J. P. (1994): “College
EFC and Compagnia di SanPaolo (1998): “European and University Endowment Funds: Why not 100%
Foundation and Corporate Funders: Evaluation Journal of Finance, 8, 77-91.
Equities?”, Journal of Portfolio Management, Fall 2004.
Methods”. A Paper for the Annual General
Assembly of TOBIN, J., (1974): “What is Permanent Endowment
the EFC. MARKOWITZ, H. (1958): “Portfolio Selection: Efficient
Income?,” The American Economic Review, Vol. 64
diversification of investment”. New Haven, Conn: Yale
(May), pg. 427-432.
ENNIS, R. M., and J. P. WILLIAMSON (1976): University Press.
“Spending Policies for Educational Endowments”, VAN GENDT, R. (2003): ‘Living in Chicago: Giving in the
The Common Fund, Westport, CT. MERTON, R., (1971): “Optimal Consumption and World’, Speech given on 1 October 2003 at the Chicago
Portfolio Rules in a Continuous-Time Model,” Journal of Global Donors Network meeting.
GOLDMAN SACHS (2004): “UK Charities: Bridging the Economic Theory, 3, 373-413.
Gap?,” Strategic Research Paper, Goldman Sachs WATSON WYATT (2006): ‘European Foundations Survey
Asset Management Division. MERTON, R., (1991): “Optimal Investment Strategies 2004/05’, report to participants.
for University Endowment Funds,” NBER Working
Paper N. 3820.
Contatti
Bologna Milano Roma

+39 051 6480911 Viale Monza, 265 info@prometeia.com
info@prometeia.com +39 02 80505845
info@prometeia.com
Londra Istanbul
all rights reserved

Zurigo
Dashwood House 69 Old Broad Street River Plaza, Kat 19
Technoparkstrasse 1 – 8005
EC2M 1QS Büyükdere Caddesi Bahar Sokak
switzerland@prometeia.com
+44 (0) 207 786 3525 No. 13, 34394
uk@prometeia.com | Levent | Istanbul | Turkey
+ 90 212 709 02 80 – 81 – 82
Prometeia
Il Cairo Mosca @PrometeiaGroup

Smart Village - Concordia Building, B2111 ul. Ilyinka, 4
Km 28 Cairo Alex Desert Road Capital Business Center Office 308 Prometeiagroup
6 of October City, Giza +7 (916) 215 0692
info@prometeia.com russia@prometeia.com Prometeia
www.prometeia.it

File Unito Tpai

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

File Unito Tpai

Caricato da

Copyright:

Formati disponibili

Modern Portfolio Theory.

Anno accademico 2021-2022 – 1° semestre

§ Introduzione alla Modern Portfolio Theory

Teoria del Portafoglio | Introduzione alla teoria del portafoglio - 2

Teoria del Portafoglio | Introduzione alla teoria del portafoglio - 3

Introduzione al modello di Markowitz

Nella Modern portfolio theory di H. Markowitz le decisioni sono assunte tenendo in

Determineremo il portafogli ottimale, in termini di rendimento e rischio, da detenere nel periodo

Teoria del Portafoglio | Introduzione alla teoria del portafoglio - 4

Se %! è certo, )*!," e Δ%!," sono quasi sempre incerti.

Teoria del Portafoglio | Introduzione alla teoria del portafoglio - 5

Rendimento e rendimento di un’attività finanziaria (2/4)

N.B. Nel caso di titoli

Δ*!,# + ,-!,# 8,5 − 7.8 + 0.5

Teoria del Portafoglio | Introduzione alla teoria del portafoglio - 6

P0 Titolo di stato zero coupon

Teoria del Portafoglio | Introduzione alla teoria del portafoglio - 7

Rendimento e rischio di un’attività finanziaria (4/4)

Nelle decisioni di investimento e di negoziazione degli strumenti finanziari, qualunque operatore

Diverse sono le possibili fonti di rischio. Tra queste:

Teoria del Portafoglio | Introduzione alla teoria del portafoglio - 8

rendimento atteso di 1& = rendimento di /% = probabilità

Teoria del Portafoglio | Introduzione alla teoria del portafoglio - 9

Rendimento atteso di un’attività finanziaria (2|2)

stati del rendimenti probabilità di

! " = 0.20 + 0.20 + 0.15 + 0.40 + 0.10 + 0.3 − 0.05 + 0.10

Teoria del Portafoglio | Introduzione alla teoria del portafoglio - 10

20% Incremento Normale

Teoria del Portafoglio | Introduzione alla teoria del portafoglio - 11

Rischio di un’attività finanziaria (2|5)

78( ( = 9'( = ((# − 4(())( 6# + ((( − 4(())( 6( + ⋯ + (=& − 4(())( 6&

79 = 89" " = 793

Teoria del Portafoglio | Introduzione alla teoria del portafoglio - 13

Rischio di un’attività finanziaria (4|5)

9# Tanto maggiore è la deviazione

Teoria del Portafoglio | Introduzione alla teoria del portafoglio - 14

9' = 9'( = 0.004625 = 0.068 (6.8%)

Teoria del Portafoglio | Introduzione alla teoria del portafoglio - 15

Rendimento e rischio di un portafoglio (1|9)

<, = peso ottenuto rapportando il valore di 8(1, ) = tasso di

vettore dei pesi

(**) Si veda l’Appendice per i richiami di calcolo matriciale.

Teoria del Portafoglio | Introduzione alla teoria del portafoglio - 16

Teoria del Portafoglio | Introduzione alla teoria del portafoglio - 17

Rendimento e rischio di un portafoglio (3|9)

Teoria del Portafoglio | Introduzione alla teoria del portafoglio - 18

Una misura sintetica della tendenza di due variabili a variare in maniera

@-. = )AB C, D = E E C, − F/ D% − F0 /,% = 8 C, − F/ D% − F0

Quando i prodotti tra scarti dalla

D* Quando i prodotti tra scarti dalla

Teoria del Portafoglio | Introduzione alla teoria del portafoglio - 19

Rendimento e rischio di un portafoglio (5|9)

La varianza dei rendimenti di portafoglio @12 è determinata dalla seguente relazione*:

& & &

Teoria del Portafoglio | Introduzione alla teoria del portafoglio - 20

EFG (, , ($ = 9,$ = H,$ 9, 9$

Assume valore =1 in caso di

Teoria del Portafoglio | Introduzione alla teoria del portafoglio - 21

Rendimento e rischio di un portafoglio (7|9)

Dev. Std. rendimenti portafoglio

0.267% 3 0.25% +0.333% 3 0.30% +0.40% 3 0.27% +

Teoria del Portafoglio | Introduzione alla teoria del portafoglio - 22

Utilizzando la notazione vettoriale* si ha:

(*) Si veda l’Appendice per i richiami di calcolo matriciale.