Minimum Variance - Studio Rocchi Ghilardi Nuti
Le strategie di Minimum Variance hanno l'obiettivo di costruire un portafoglio ottimale senza fare assunzioni sui rendimenti, ma semplicemente minimizzando la varianza (o volatilità) del portafoglio utilizzando solo dati storici, come le volatilità dei titoli e le correlazioni che esistono tra essi.
Minimum Variance, minimizzazione varianza, R, algoritmi, volatilità, correlazione, rendimento, dati storici
15576
post-template-default,single,single-post,postid-15576,single-format-standard,ajax_fade,page_not_loaded,,footer_responsive_adv,qode-child-theme-ver-1.0.0,qode-theme-ver-10.1.2,wpb-js-composer js-comp-ver-7.6,vc_responsive

Minimum Variance

riepilogo minimum variance

Minimum Variance

Minimum variance

 

Le strategie di Minimum Variance hanno l’obiettivo di costruire un portafoglio ottimale senza fare assunzioni sui rendimenti, ma semplicemente minimizzando la varianza (o volatilità) del portafoglio utilizzando solo dati storici, come le volatilità dei titoli e le correlazioni che esistono tra di loro. In questo modo si evita uno dei maggiori problemi che riguardano le decisioni di asset allocation, ovvero la scelta di basarsi su rendimenti (storici, attuali, attesi, stimati o altro ancora): scelta che inevitabilmente porta con sè ipotesi soggettive e difficilmente sostenibili.

Costruire un modello forecast-free

Come fare allora per costruire modelli che siano forecast-free, ovvero non abbiano l’obiettivo di prevedere il futuro dei prezzi o dei rendimenti?

Scegliamo le asset class da inserire in portafoglio, i cui pesi vogliamo modulare senza fare ricorso a previsioni soggettive. In prima battuta possono essere queste:

  1. SP500 (SPY)
  2. Nasdaq (QQQ)
  3. Mercati Emergenti (EEM)
  4. Small Cap Usa (IWM)
  5. Azioni ex-Usa (EFA)
  6. Long term Treasury Bond (TLT)
  7. Immobiliare (IYR)
  8. Oro (GLD)

 

Poi applichiamo ai dati storici di questi assets un algoritmo di minimizzazione della varianza, e otteniamo una visualizzazione di come avrebbe performato in passato un portafoglio costruito basandosi solo su volatilità e correlazioni, senza alcuna velleità di selezionare il peso dei diversi titoli sulla base di aspettative di rendimento.

Risultati

Quale sarebbe stata la performance dell’algoritmo di minimum variance rispetto ad un portafoglio statico equamente suddiviso tra gli asset che abbiamo selezionato?

performance algoritmo minimum variance riepilogo minimum variance

Come si vede chiaramente dal primo grafico, le performance sono molto simili. Ma il portafoglio costruito con l’obiettivo di minimizzare la varianza ha raggiunto questi risultati con una volatilità dimezzata e un discesa massima (drawdown) pari a un terzo di quella del portafoglio equamente diversificato (il classico buy & hold, per capirci). Se pensate che a produrre danni finanziari sono spesso le decisioni prese sull’onda dell’emotività che deriva da oscillazioni sopportabili solo sulla carta, vedete come l’utilizzo di questo tipo di algoritmi possa essere molto utile per qualunque investitore.

 

Nota:

L’algoritmo di minimum variance è stato elaborato da Michael Kapler ed è disponibile per l’utilizzo in R.

La logica è molto simile a quella degli algoritmi che si pongono l’obiettivo di minimizzare la correlazione tra asset in portafoglio -anziché la varianza dello stesso. Un approfondimento sul tema lo trovate in questo post di CSSAnalytics, così come per chi volesse approfondire gli aspetti più tecnici è disponibile il paper sulle modalità di costruzione del minimum correlation algorithm.