05 Giu Asset Allocation Adattiva

Asset Allocation Adattiva

Il background

L’idea di asset allocation adattiva (AAA) è stata introdotta solo di recente nel mondo finanziario con il paper di Butler, Philbrick e Gordillo: Adaptive Asset Allocation.

Uno dei cardini su cui poggia l’AAA è il fatto che l’asset allocation dovrebbe essere dinamica più che “strategica”: in altre parole, la composizione del portafoglio di ogni investitore dovrebbe adattarsi nel tempo per rispondere alle variazioni sia delle aspettative di rendimento delle diverse asset class, sia del rischio complessivo del portafoglio. Valutazioni e considerazioni che invece non appartengono ai modelli classici di allocazione (MPF – Modern Portfolio Theory, Markowitz, ecc.), che assumono i rendimenti storici di lungo periodo come input immutabili dei propri modelli, che non rispondono in alcun modo al diverso andamento dei mercati finanziari nel tempo.

Le promesse dell’AAA risiedono dunque  nella capacità del modello di adattarsi in modo dinamico al mutare delle condizioni economiche. In un mondo (finanziario) nel quale i capitali sono liberi di spostarsi tra tutti gli assets esistenti, un modo intelligente per prevedere le condizioni economiche future è osservare come si muovono i prezzi relativi delle diverse asset class. Le serie storiche dei loro prezzi indicano infatti quali siano state in ogni momento le aspettative sull’andamento delle principali variabili economiche: i mercati azionari sono una proiezione delle aspettative sul ciclo economico, le commodities sull’inflazione, il mercato obbligazionario sui tassi d’interesse. Il mercato immobiliare esprime una sintesi di tutti e tre questi fattori, e in più è un indicatore del potere d’acquisto dei consumatori. Ciò premesso, se riusciamo a monitorare come si modificano gli equilibri tra queste variabili, abbiamo a disposizione uno strumento probabilistico che consente di ottimizzare l’allocazione del nostro portafoglio.

La teoria

L’analisi dei dati storici della maggiori asset class è finalizzata – nel caso dell’asset allocation adattiva- all’integrazione dei rendimenti, correlazioni e (varie misure di) volatilità per creare portafogli ottimali. L’obiettivo di questo inquadramento è quello di identificare in modo dinamico le migliori asset class, e gestire le gradazioni di rischio a livello di portafoglio.

Nell’esempio che vedremo tra poco, useremo il momentum come metodologia per individuare le asset class (fra tutte quelle considerate) che hanno migliori probabilità di ottenere buone performance nel breve termine; e la minimum variance come strumento per gestire il rischio a livello di portafoglio. Il momentum è ormai riconosciuto anche dai più scettici come forte e persistente anomalia dei mercati finanziari (si vedano ad esempio K. French e F. Fama); la minimum variance optimization (MVO) è d’altro canto una metodologia efficace di gestione del rischio, in quanto finalizzata a minimizzare la varianza non in funzione dei rendimenti attesi -difficilmente prevedibili- ma di volatilità e correlazioni tra assets, notoriamente più stabili e persistenti nel tempo.

In parole semplici: il momentum indica quali assets inserire in portafoglio: l’algoritmo di minimum variance ci dice quanto investire in ciascun asset.

In pratica

Per fare un esempio pratico consideriamo un universo di riferimento composto da questi 9 assets:

1. Usa (azioni)
2. Giappone (azioni)
3. Europa (azioni)
4. Emergenti (azioni)
5. Commodities
6. Oro
7. Immobiliare
8. Bond Lungo T.
9. Bond Breve T.

Già su questa base di partenza potremmo fare considerazioni aggiuntive, perché è evidente lo sbilanciamento a favore delle azioni (4 su 9) rispetto all’immobiliare (1 su 9) o alla componente obbligazionaria (2 su 9). Ma non è questo l’obiettivo dell’analisi, per cui trascuriamo per ora questo aspetto e confrontiamo l’andamento negli ultimi 30 anni di due diversi portafogli:

• Equal weight, ovvero con ogni asset pesato allo stesso modo degli altri (11,1%)
• Adaptive asset allocation, ovvero selezionando ogni mese i migliori 3 asset e dando loro un peso determinato dall’algoritmo di minimum variance

I risultati, come viene evidenziato nei grafici e tabelle che seguono, sono chiaramente a favore dell’AAA: rendimento più alto, volatilità inferiore, drawdown minore e rendimento rispetto al rischio (Sharpe) migliore. Al di là del rendimento -che è ciò che guardano tutti- l’impatto più importante è sul rischio e sulla volatilità: rendimenti soddisfacenti sulla carta vengono infatti spesso pregiudicati nella vita reale dalla difficoltà degli investitori a sostenere oscillazioni che in teoria sembravano gestibili, ma risultano estremamente indigeste alla prova dei fatti.

[Per questo esempio sono stati usati come parametri per la misurazione storica di rendimenti e volatilità periodi rispettivamente di 6 mesi e 1 mese].

Per dirla tutta, l’AAA non è la pietra filosofale -che nei mercati finanziari di certo non esiste. E’ tuttavia una strategia di allocazione intelligente e solida, che può contribuire alla gestione complessiva di un patrimonio finanziario se affiancata ad altre logiche, analoghe o similari: sempre mirate all’ottenimento di buoni risultati complessivi nell’ambito di un attento processo di gestione del rischio.

Fonti:

Articolo tradotto, modificato e aggiornato da “Adaptive Asset Allocation: Combining Momentum with Minimum Variance” di David Varadi; codici ad “Adaptive Asset Allocation” di Michael Kapler.