a
a
HomeCAPIRE LA FINANZAFINANZA PERSONALEStrategie d’investimento taroccate: come riconoscerle

Strategie d’investimento taroccate: come riconoscerle

In un contesto, come quello attuale, di bassi rendimenti obbligazionari, di elevate valutazioni in numerose Borse mondiali e di diffusa incertezza legata ai rischi geopolitici si crea l’humus ideale per vendere ai risparmiatori strategie d’investimento smart beta, non-direzionali, protette e via dicendo.

Smart beta & Co sono prodotti finanziari utili a diversificare il portafoglio, se la qualità dello strumento finanziario è buona e il costo commissionale è ragionevole. Ma occorre prestare attenzione a cosa si acquista. Perché è abbastanza probabile che le meravigliose performance che vi stanno mostrando, storiche o frutto di back-test (cioè analisi condotte simulando storicamente la strategia), siano intrinsecamente false. La strategia d’investimento, quindi, potrebbe non funzionare come sperato…

Il problema è vasto e interessa l’intero mondo della ricerca scientifica. Inclusa – cosa preoccupante – quella medica e farmacologica: molti risultati sono falsi. Il tema è poco conosciuto al grande pubblico, ma è ben noto a chi mastica abitualmente statistica.

È il fenomeno dei cosiddetti falsi positivi, ricompreso a sua volta nel grande calderone della sottovalutazione degli effetti del caso nella vita reale. Il mondo finanziario ne è poco consapevole, tant’è che ha generato un discreto dibattito un recente articolo dell’Economist (False hope, 21 Febbraio 2015, The Economist).

Qual è il problema delle strategie d’investimento?

Il problema è nei test effettuati per validare le strategie. Semplificando un po’ il tutto, ci sono due tipi possibili di strategie d’investimento:

  1. quelle che non funzionano, hanno rendimento medio nullo; possiamo definirle “false”;
  2. quelle autenticamente profittevoli, dal rendimento medio positivo, che per semplicità chiamiamo “buone”.

Nessuno sa se la strategia oggetto d’analisi appartiene al primo o al secondo gruppo. Quindi la si sottopone a test: in base alla performance osservata (nel back-test o nella storia) si verifica se viene superata una soglia d’accettazione – ad esempio, si verifica se la performance media o lo Sharpe ratio supera un dato livello – in tal caso la strategia verrà considerata profittevole. E verrà venduta come tale. Con grande enfasi commerciale sul talento del team o, nel caso di strategie quantitative, sull’eccezionale genialità e perizia matematico-statistica.

Se guardate il grafico non vi sfuggirà che, aiutate dal caso, anche molte strategie “false” (quelle corrispondenti all’area arancione del grafico, oltre il 17% nell’esempio specifico) passano il test: è il nocciolo della questione, queste strategie sono i “falsi positivi”.

strategie_buone_e_false

Nota: sull’asse orizzontale ci sono le performance medie percentuali per i due gruppi di strategie, quelle che funzionano (“buone”) e quelle inefficaci (“false”). La dimensione verticale delle due campane è associata alla probabilità con cui possono manifestarsi i vari livelli di rendimento. La barra grigia collocata sul 3% è la soglia di accettazione di un ipotetico test atto ad individuare le strategie valide: l’area arancione individua le strategie “false” che superano il test (mentre la coda sinistra della campana blu individua le strategie “buone” che comunque non passano il test). Elaborazione AdviseOnly.

La natura erratica e complessa dei mercati finanziari, dove il “rumore” domina sul “segnale”, favorisce i falsi positivi. Anche chi opera con ingenua onestà, se prova e riprova strategie sullo stesso insieme di dati (in gergo statistico questa “tortura dei dati” si chiama data snooping) alla fine troverà qualcosa che apparentemente funziona. Apparentemente.

Il discorso vale anche per la storia (track record) dei gestori: su migliaia e migliaia di gestori, se ne trova sempre qualcuno che ottiene risultati incredibili, ad esempio eccellenti Sharpe ratio, e solo per pura fortuna. Non siete convinti? Ve lo mostro subito.

Strategie del caso

Genero in vitro (al computer) 10.000 ipotetiche strategie d’investimento su un arco temporale di 5 anni, con valore aggiunto nullo per costruzione, ossia impongo un rendimento medio anno pari a zero. Poi aggiungo l’effetto del caso, rappresentato dalla volatilità, pari a quella di un indice azionario mondiale. Semplice ma realistico, almeno ai fini d’illustrare questo problema.

Il grafico seguente mostra la simulazione di 10.000 storie d’investimento lunghe 5 anni, periodo considerato più che sufficiente per valutare la validità di un investimento. Sono evidenziate in blu le strategie migliori: in 5 anni ottengono uno Sharpe ratio superiore a 1,3 (valore eccellente), dopo aver manifestato Sharpe ratio buoni per tutto l’arco temporale e performance medie annue superiori al 20%.

strategie_del_caso

Nota: simulazione di 10.000 strategie d’investimento  a valore aggiunto nullo, con volatilità annua pari al 15%. Il valore sull’asse verticale è il valore di 1 euro investito inizialmente. In blu scuro sono evidenziate le strategie che ex-post presentano Sharpe ratio a 5 anni superiore a 1, 3 e performance media annua superiore a 20%. Elaborazione AdviseOnly.

Ribadisco, sono tutte strategie che hanno, per costruzione, il valore aggiunto finanziario che potrebbe fornire uno scimpanzé ubriaco. Eppure alcune appaiono eccellenti ai nostri occhi, anche se non lo sono: è solo l’effetto del caso! Chissà se tra quelle traiettorie c’è un fondo Carmignac Patrimoine… Certo queste sono le argomentazioni alla base del grande successo dei prodotti d’investimento passivi, come gli ETF.

In un bell’articolo, il Prof. Ioannidis della Stanford School of Medicine ha individuato alcune condizioni che favoriscono i falsi positivi. Trasponendo il tutto al mondo delle strategie d’investimento, è più probabile che la strategia sia fuffa nei seguenti casi:

  • campo d’azione della strategia limitato – ad esempio un piccolo segmento di mercato;
  • prevalenza d’aspetti di dettaglio (specie per le strategie quantitative), rispetto a “grande idee” apprezzabili con l’intuizione e il buon senso;
  • verifica basata su pochi dati storici;
  • grande interesse economico (condizione sempre verificata…);
  • enfasi sul talento innato o il fiuto del gestore, nel caso di strategie qualitative;
  • strategia o modello matematico eccessivamente articolato e complesso – della serie “Un sacco di input e di output” (cit. Drugo, “Il grande Lebowsky”).

Come può un risparmiatore capire se una strategia è valida?

Ci vorrebbero standard di verifica della qualità più elevati. Ma è qualcosa a carico degli asset manager, al di fuori dal raggio d’azione del singolo risparmiatore. Che invece dovrebbe concentrarsi su strategie con queste tre caratteristiche, in rigoroso ordine d’importanza:

  1. fondate su idee economiche-finanziarie di buon senso (ad esempio, comprare attivi di buona qualità a prezzo relativamente basso, o diversificare i rischi);
  2. comprensibili (magari con un minimo di approfondimento);
  3. adeguatamente testate dalla storia o con un serio back-test.

 

PS Se c’è qualche geek curioso che vuole smanettare su queste cose, ho condiviso su una pagina Medium il semplicissimo codice Matlab con il quale sono generati gli esempi.

PPS …”strategie del caso”, mmhh, che si tratti di un gioco di parole?

Scritto da

Uno dei fondatori di AdviseOnly, responsabile del Financial & Data Analysis Group. Esperto di finanza e gestione dei rischi, statistico Bayesiano, lunga esperienza in Allianz Asset Management, è laureato in scienze economiche con indirizzo quantitativo-statistico all'Università di Torino. Docente di Quantitative Portfolio Management al Master in Finance dell'Università di Torino, ha pubblicato vari articoli su riviste finanziarie (fra le altre: Journal of Asset Management, Economic Notes, Risk), contribuendo a libri su investimenti e gestione dei rischi. Ex-triathleta, s'ostina a praticare apnea, immersioni e skyrunning.

Ultimi commenti
  • Avatar

    Carmignac Patrimoine è un classico esempio di vendita di “fiuto” al posto di una rigorosa metodica quantitativa. Sanno vendere ragazzi

    • Raffaele Zenti

      Va detto che dagli anni ’90 ad oggi, cuba circa il 9% p.a. con Sharpe intorno a 1, cioè ottimo. Mhhhh. Sono un sacco di anni. Possono essere più o meno simpatici con la loro politica commerciale e le loro alte commissioni, ma questi sono i numeri. Se ho un attimo provo ad applicare qualche test multicriteria stringente… come si deve.

      • Avatar

        non sto dicendo che sia falsa la storia, ma che dietro al “guru” ci sia un attento processo rigoroso che aiuta (vedi GTAA US in Eur vs CARMPAT FP)

        • Raffaele Zenti

          Il problema vero è quando NON c’è il processo rigoroso e talento=fattore C.

          • Avatar

            concordo, ma il fattore C prima o poi finisce, mica sono tutti Gastone Paperone

            • Raffaele Zenti

              Infatti (e per questo penso che il team Carmignac abbia valore). Anche se l’esempietto del post dimostra che può andare avanti a lungo trascinatio dall’alea. Nella realtà, comunque, quasi mai è solo Fattore C o solo talento, bensì un mix.

              • Avatar

                non mi dire che si Shrinka anche talento e Fattore C!

                • Raffaele Zenti

                  La vita è tutto uno shrinkage. Shrinkage è il nome che gli statistici danno al compromesso.

  • Avatar

    Ao in questo è un ottimo laboratorio sperimentale, dati i numerosi ptf presenti come un esempio dell’applicazione del teorema della scimmia ubriaca, al di là dei molti e ottimi ptf condivisi e studiati dagli utenti, ce ne possono essere diversi costruiti malamente che in particolari condizioni sono superlativi.

  • Avatar

    Ehmmm..una domandina “tecnica”: non ho un matlab recente quindi la funzione “makedist” non posso usarla. Quale “vecchia” funzione alternativa è possibile usare per simulare una distribuzione T-student? grazie

    • Raffaele Zenti

      Avendo installato la R2014 ho “perso” i riferimenti delle vecchie funzioni. Mi pare però che ci fosse il generatore di numeri casuali per essa. Se non fosse così, si può utilizzare il generatore per la t-student “semplice” (credo fosse la funzione “trnd”) per generare numeri casuali t e, con una trasformazione monotona lineare del tipo t’=a+b*t, variare il momento primo e secondo della distribuzione secondo i propri desideri (in pratica dividi per la stdev della t student “semplice”, moltiplichi per la stdev che desideri e poi aggiungi la media desiderata). Spero di essermi spiegato.

      • Avatar

        Yahooooo!!mi sa che ce l’ho fatta! Grazie per il trucco:purtroppo si “infrange” poco dopo nel mancato riconoscimento del nome della funzione pdf(‘…’).

        Cmq dopo uno sbattimento assurdo, come sempre, trovo la soluzione più semplice. Questo il mio codice (x chi usa Matlab più vecchi):

        x = -10:0.2:20;

        mugood=5;

        sigmagood=2;

        nugood=3;

        mufake=0;

        sigmafake=3;

        nufake=10;

        pdgood=pdf(‘tLocationScale’,x,mugood,sigmagood,nugood)’;

        pdfake=pdf(‘tLocationScale’,x,mufake,sigmafake,nufake)’;

        output4export = [x’ pdfake pdgood];

        soglia = 3;

        plot(x’, [pdgood pdfake])

        legend(‘Strategie buone’, ‘Strategie false’)

        title(‘Falsi positivi nelle strategie’)

        xlabel(‘Rendimento’)

        ylabel(‘Probabilità (densità di)’)

        Non sarà completo ma..penso possa andare x il momento. Grazie ancora

        • Raffaele Zenti

          Good

lascia un commento

Questo sito usa Akismet per ridurre lo spam. Scopri come i tuoi dati vengono elaborati.