Abbiamo cambiato il modello della Asset allocation tattica. Il nuovo modello è molto più complesso di quello precedente, ed è sull’Europa. Il vecchio modello sugli Stati Uniti va in pensione, dopo avere prodotto risultati molto decorosi – ha infatti registrato un risultato pari al doppio di quello del benchmark con una volatilità di gran lunga inferiore. Di seguito presentiamo il nuovo modello. Che cosa vorrebbe il risparmiatore medio? Ossia il capofamiglia, l’azienda con saldi di cassa liquidi, l’investitore istituzionale? Vorrebbe un rendimento assoluto positivo per i propri saldi finanziari attivi, al secondo posto un extra rendimento rispetto al rendimento della pura liquidità, sopportando un rischio controllato, investendo in un numero limitato di attività finanziarie a lui ben note, senza avventurarsi in rischi e mercati esotici, di cui poco conosce, e, infine, senza trovarsi tra i piedi un rischio di cambio.
Un’operazione di questo genere, in qualunque decennio precedente a quello del 2000, avrebbe reso, dieci anni più tardi, abbastanza all’investitore da farlo sorridere. Peccato che più o meno dal 2000 la globalizzazione dei mercati sia diventata un fenomeno importante, i mercati emergenti sono cresciuti tra più crisi ricorrenti e i mercati maturi sono stati afflitti da crisi bancarie e dai saldi di bilancio pubblico e/o estero. Insomma, la turbolenza indotta a portafogli rispettosamente tranquilli avrebbe reso negli ultimi dieci anni all’investitore 40-40-20 un modestissimo 2,6% annuo. Senza contare la volatilità.
Tra il 1999 e il 2010, però, a ben vedere i prezzi delle attività finanziarie citate sono variati parecchio, ossia hanno avuto una volatilità importante. Le cause di questa volatilità? Cause macroeconomiche, cause tecniche (legate al funzionamento dei mercati, che sono sempre ciclici) e cause dovute alle correlazioni tra un mercato e l’altro (intermarket).
La domanda è: ma se il nostro risparmiatore medio avesse posseduto un modello che collegasse queste tre cause di volatilità con l’andamento a breve e medio termine dei mercati, e avesse potuto ridurre l'esposizione al rischio (aumentando i BoT) nelle fasi di flessione delle obbligazioni e/o delle azioni e aumentarla nelle fasi toro dei mercati rischiosi, sarebbe andata meglio? La risposta è sì.
Il punto è: si può costruire un «investitore artificiale» capace di mimare le scelte dell’«agente preveggente»? E poi utilizzarlo per scegliere tatticamente l’Asset allocation futura, settimana per settimana? La risposta è sì, ma ci vuole un modello «intelligente».
In che senso intelligente? Intelligenza qui significa due cose: inferenza e capacità di estrapolazione. Inferenza: ossia capacità di trovare delle relazioni tra le scelte dell’agente ottimale e le variabili economiche e di mercato disponibile quando questi ha fatto le sue «scelte esatte». Capacità di estrapolazione: ossia capacità di tradurre un quadro di informazioni differente da quello passato in scelte future che si rivelino vincenti, come se fossero fatte da un agente con conoscenza del futuro.
Quali modelli hanno capacità di inferenza e di estrapolazione? Ognuno può avere le sue idee in proposito, noi siamo convinti di una strada, quella delle RNA. Abbiamo costruito una Rete Neurale Artificiale appositamente per imitare la scelta di asset allocation che avrebbe fatto un agente preveggente, osservando come questi avrebbe messo in connessione l’asset allocation perfetta con un certo database di informazioni economiche e di mercato. Grazie a tale RNA indicheremo le quote ottimali (settimanali) di BoT, BTp e azioni europee (Eurostoxx50) per approfittare della (o ripararsi dalla) volatilità futura dei mercati delle asset class del portafoglio «long only», con l’obiettivo che, in media e nel lungo periodo, l’esposizione non sia diversa da 40-40-20.
Poche parole su una RNA. Si tratta di uno strumento di tipo matematico-informatico che permette di costruire modelli di intelligenza artificiale. Ossia, sottoponendo al modello di intelligenza artificiale le scelte corrette di un agente naturale, insieme alle variabili che dovrebbero determinarle, una RNA ricostruisce il processo di scelta ottimale dell’agente naturale (inferenza) fino a essere in grado di replicarlo con successo su dataset informativi estranei a quelli dell’apprendimento (estrapolazione).
Di seguito la storia delle scelte di asset allocation a partire dall’origine:
http://www.centroeinaudi.it/images/lettera_economica/naat%20dall%5C%27inizio.jpg
Le scelte di asset allocation nel solo periodo di estrapolazione:
http://www.centroeinaudi.it/images/lettera_economica/naat%20nel%20periodo%20di%20estrapolazione.jpg
E le ultime:
| 19 febbraio 2010 | Azioni | Obbligazioni | Liquidità |
| Benchmark | 40% | 40% | 20% |
| Rete neurale | 49% | 36% | 15% |
| 26 febbraio 2010 | Azioni | Obbligazioni | Liquidità |
| Benchmark | 40% | 40% | 20% |
| Rete neurale | 66% | 25% | 9% |
| 5 marzo 2010 | Azioni | Obbligazioni | Liquidità |
| Benchmark | 40% | 40% | 20% |
| Rete neurale | 49% | 36% | 15% |
Economia@Centroeinaudi (su www.centroeinaudi.it) è un sito di ricerca sull’economia dei mercati finanziari. In nessun modo le sue previsioni vanno intese come un invito a trasformarle in investimenti. Il Centro Einaudi declina ogni responsabilità per le conseguenze che possono essere arrecate agli utenti per danni o perdita di profitti. I contenuti pubblicati non rappresentano né un incitamento o un’offerta di acquisto o vendita, né un incitamento o un’offerta a effettuare transazioni o atti giuridici. Sono forniti esclusivamente a titolo informativo e possono essere modificati dalla redazione di Economia@Centroeinaudi in qualsiasi momento senza preavviso. I contenuti messi a disposizione non costituiscono raccomandazioni per le decisioni d’investimento. Gli investimenti finanziari vanno scelti a livello individuale, tenendo presente che il rischio non è eliminabile e decidendo in anticipo l’orizzonte temporale cui fare riferimento.
© Riproduzione riservata
