Morningstar Investor Marzo/Aprile 2012 - (Page 46)

Gli Strumenti Morningstar Markowitz 2.0, dalla teoria alla pratica Di Alice Bravi Nuovi strumenti e metodologie più sofisticate danno una veste moderna al tradizionale approccio media-varianza. I mercati finanziari sono sempre più spesso caratterizzati da eventi straordinari. Bolle speculative e crisi finanziarie si susseguono nel corso degli anni segnando picchi e cadute di non facile previsione. Il verificarsi di questi fenomeni rafforza ulteriormente la consapevolezza maturata nel corso degli anni che i mercati sono luoghi ben lungi dall’essere “nomali”. Questa ed altre peculiari caratteristiche delle serie finanziarie giocano oggi più che mai un ruolo fondamentale nell’applicazione dei modelli di asset allocation strategica. Le ragioni di questa importanza derivano dal fatto che i principali modelli di asset allocation sono generati da una matrice comune, quella definita da Harry Markowitz nel 1952. La sua geniale intuizione, relativa alla mappatura di ciascuna asset class rispetto a tre variabili (rendimento atteso, rischio e correlazione) costituisce le fondamenta della Modern Portfolio Theory. Nel corso degli anni la teoria iniziale di Markowitz, secondo cui è possibile individuare portafogli efficienti assegnando un peso a ciascuna asset class in base all’ottimizzazione del rapporto rischio-rendimento determinato da queste tre variabili, ha subito progressive evoluzioni e rielaborazioni volte a tenere in considerazione sempre maggiore le peculiarità tipiche delle serie finanziarie. Le modalità e gli strumenti con cui la teoria del padre dell’asset allocation viene rielaborata rappresentano dunque la chiave per catturare al meglio le caratteristiche del mercato e trasferirle in modelli di asset allocation efficienti e attuali. Gli ambiti di azione per “mettere il turbo” a questo modello vertono su differenti punti, a partire dalle ipotesi legate alla distribuzione dei rendimenti, per poi proseguire sui cardini principali della teoria media-varianza: rendimento atteso, rischio e correlazione (Figura 1). Grazie alla ricerca in ambito finanziario e alle nuove tecnologie è così possibile superare alcuni limiti della teoria di Markowitz per dare vita ad una nuova versione del modello creato dal vincitore del premio Nobel per l’economia: Markowitz 2.0. Il limite delle code spesse Che i mercati non siano luoghi “normali” non è una novità, eppure molti modelli di asset allocation hanno per anni elaborato portafoglimodello basati sull’ipotesi che i rendimenti avessero un comportamento “normale”, ovvero ispirato a quella curva a campana dalla simmetria perfetta. Questa funzione, pur presentando il vantaggio di essere facilmente ricavata solo attraverso la media e la varianza di una serie di rendimenti, presenta tuttavia l’inconveniente di trascurare due aspetti critici delle serie finanziarie: l’asimmetria (la probabilità di rendimenti negativi è superiore a quella di rendimenti positivi) e le code spesse, ovvero il fatto che le perdite si verificano con una probabilità superiore rispetto a quanto stimato da una distribuzione normale. Ne è un esempio l’esame della coda sinistra dell’indice S&P 500 in cui la stessa distribuzione lognormale non cattura pienamente i rendimenti negativi dell’indice (Figura 2). Tra gli approcci studiati per superare questo limite concorrono ben due tipologie di strumenti: quello di tipo parametrico basato sulla distribuzione di Johnson e quello sulla simulazione storica (Bootstrap). Il primo è in grado di catturare la skewness (asimmetria) e la kurtosi (code spesse), oltre ai tradizionali parametri di media e varianza, mentre il secondo cattura tutte queste caratteristiche mediante una simulazione di scenari. In entrambi i casi la funzione di distribuzione così ottenuta include anche il fenomeno delle “fat tails” (Figura 3). Non linearità delle correlazioni La possibilità di catturare il fenomeno delle code spesse non è l’unico dei vantaggi derivanti dall’utilizzo di scenari storici. Tra i differenti benefici di un approccio costruito sulla simulazione storica si contano anche la capacità di replicare picchi multipli all’interno della distribuzione, ma soprattutto la possibilità di catturare la non linearità della correlazione. Nel tradizionale approccio media-varianza la correlazione tra due asset class viene infatti 46 Morningstar Investor Marzo / Aprile 2012

Tabella dei contenuti per la edizione digitale del Morningstar Investor Marzo/Aprile 2012

Morningstar Investor Marzo/Aprile 2012
Attualità
Rubriche
Hanno scritto per noi
L'Editoriale
In principio, Markovitz
Il primato dell’asset allocation
MVO, l’evoluzione della specie
Markovitz 2.0
Oltre alla teoria dell’utilità attesa
Analisi di portafoglio, strumenti di frontiera
Rischio e modelli scenari
La metamorfosi degli indici
Cap e fondamentali, mix possibile
Un portafoglio con stile
Value, growth, cicli di mercato e sentiment
Strategia, chiave di volta del bravo gestori
Quando il gestore fa la differenza
Manuale d’uso dei fondi bilanciati
Analisi Morningstar
Markovitz 2.0, dalla teoria alla pratica

Morningstar Investor Marzo/Aprile 2012