La quantità di ETF in circolazione permette una grande scelta di prodotti, ma può creare anche dubbi su quali siano gli opportuni strumenti da inserire a portafoglio.
Spesso si tende ad inserire ETF altamente correlati credendo di diversificare quando in realtà non si sta facendo altro che aumentare l’esposizione agli stessi rischi.
Succede in modo particolare con gli ETF azionari, che presentano spesso componenti o strutture molto simili.
In questo articolo mostriamo un metodo per selezionarli in modo opportuno, confrontando le performance dei vari portafogli a quelle del S&P 500.
EQUITY PORTFOLIO
Con la nascita degli ETF, diversificare il proprio portafoglio è diventato sempre più semplice, ma la loro numerosità tende a confondere, portando gli investitori ad inserire nel proprio portafoglio ETF che hanno caratteristiche molto simili.
Nel precedente articolo “Come costruire un portafoglio di obbligazioni in ETF” abbiamo mostrato un processo per la selezione degli ETF chiamata “Cluster Analysis”; in tale ricerca avevamo preso in considerazione solo l’asset class obbligazionaria.
Oggi ripeteremo l’analisi sugli ETF azionari (o che comprendono strategie che coinvolgono principalmente l’azionario) in modo da verificare la possibilità di creare portafogli strutturati con buone performance.
Vi rimandiamo al precedente articolo per i dettagli tecnici del processo.
UNIVERSO INVESTIBILE
Questa analisi parte dall’universo investibile in ETF fornito da FMP Data: considerando solo i mercati statunitensi, abbiamo una scelta tra 3.232 strumenti.
Il Grafico 01 li dispone su un quadrante in cui l’ascissa rappresenta la correlazione media tra strumenti e l’ordinata la sua deviazione standard.
Qui dentro c’è di tutto, da commodities, obbligazioni, valute e azioni; queste ultime si trovano concentrate a destra del grafico, all’interno dell’elisse tratteggiato andando a comporre la zona più densa.
Selezionando quelli che hanno al loro interno una prevalenza di azioni, rimaniamo con un sottoinsieme di 744 strumenti, molto concentrati nella zona tra 0.6 – 0.8 di correlazione, quindi altamente correlati tra loro (Grafico 02).
CLUSTER ANALYSIS
A questo punto possiamo processarli attraverso un metodo di clusterizzazione ipotizzando di volere un portafoglio di soli tre strumenti (che probabilmente sono già troppi data l’alta correlazione).
Il processo (descritto in dettaglio qui), produce il raggruppamento mostrato nel Grafico 03, tre insiemi che presentano le caratteristiche più simili in termini di correlazione.
A questo punto abbiamo inserito un controllo capace di eliminare uno ad uno tutti gli ETF più correlati (sopra la soglia di 0.7) scegliendo ogni volta quello meno volatile tra i due; infine, all’interno di ogni cluster (gruppo) abbiamo selezionato lo strumento meno volatile tra quelli rimanenti, supponendo che l’obiettivo fosse quello di trovare un prodotto adatto ad un investitore avverso al rischio.
Il risultato ottenuto è quello mostrato nel Grafico 04.
Gli ETF, scelti in modo automatico dal processo, sono riportati in Tabella 01.
COMPOSIZIONE DEL PORTAFOGLIO
Per realizzare un portafoglio, però, è necessario definire i pesi di ogni strumento e per farlo abbiamo adottato un semplice metodo in Risk Parity (anche questo lo abbiamo già spiegato nel precedente articolo), applicando diversi metodi di ponderazione sulla base di diverse metriche di rischio.
Per avere un’idea, scegliendo la più semplice e quindi considerando la deviazione standard come funzione del rischio, otteniamo i pesi mostrati nel Grafico 05.
Le varie metriche di rischio non producono grandi differenze nella ponderazione ma riassumiamo comunque tutto nel Grafico 06, mostrando le statistiche di base e l’evoluzione storica che avrebbero avuto i vari portafogli.
Alcune metriche permettono di raggiungere volatilità molto ridotte nonostante si stia parlando di un investimento in azionario, raggiungendo un livello di drawdown massimo del 12.6%.
Ma il confronto con l’ S&P500 mette in risalto la sottoperformance in termini sia di rendimento che di efficienza, infatti lo Sharpe Ratio rimane più alto, 0.98 contro 0.64 dei portafogli con drawdown minore (Grafico 07 e 08).
Dal punto di vista di un investitore avverso al rischio, un portafoglio più equilibrato come questo potrebbe risultare meno impegnativo, infatti l’equity line è molto più lineare ed i bear market producono drawdown meno intensi. Il lato negativo, però, è che dovrebbe accontentarsi di un rendimento annuo del 6% con un S&P500 capace di fare anche il triplo.
COME BATTERE L’S&P500
L’ S&P 500 ha la fama di essere difficilmente battibile ma in realtà il modo di batterlo esiste: dato che il precedente processo non ha soddisfatto gli investitori meno avversi al rischio, abbiamo creato un processo di ottimizzazione più complesso che mirasse più alle performance rispetto alla riduzione del rischio.
Abbiamo così realizzato uno score composito equiponderato, formato dalle seguenti 3 componenti:
- SORTINO RATIO SCORE: il Sortino Ratio è una metrica che rapporta il rendimento alla volatilità negativa del titolo, capace quindi di darci un’informazione più mirata alla parte di rischio che più preoccupa gli investitori; nel nostro caso abbiamo calcolato questo valore per tutti gli ETF di ogni cluster, poi abbiamo diviso quest’ultimi in 50 percentili; in base al percentile d’apparteneneza abbiamo attribuito ad ognuno di essi un punteggio da 1 a 50;
- SHARPE RATIO SCORE: pur essendo una metrica molto simile al Sortino Ratio, lo Sharpe è un must per la misurazione delle performance e considera l’intera volatilità dello strumento, offrendo quindi una misura più ampia; allo stesso modo abbiamo diviso gli ETF in 50 percentili ordinati per Sharpe Ratio ed abbiamo attribuito ad ognuno un punteggio da 1 a 50;
- CORRELATION SCORE: Per finire abbiamo calcolato la matrice di correlazione di ogni cluster e attribuito ad ogni ETF un punteggio da 1 a 50 in base alla correlazione complessiva con tutti gli altri strumenti; in questo caso il punteggio più alto è stato attribuito all’ETF meno correlato, nell’idea che comunque stiamo realizzando un’asset allocation che punti anche alla diversificazione.
Il risultato è la selezione rappresentata nel Grafico 09.
Quello che otteniamo è l’inserimento di ETF decisamente diversi rispetto al precedente processo, infatti otteniamo una proposta che comprende sia il classico QQQ (Nasdaq 100), per passare ad un’esposizione al settore del solare per finire al GARP, un ETF che sfrutta una strategia che punta a scovare aziende ad alto livello di crescita.
Le performance in Risk Parity sono rappresentate nel Grafico 10 nelle varie ponderazioni di rischio.
Selezionando i migliori (per Sharpe ratio e per minimo drawdown) possiamo osservarli a confronto con S&P500 nel Grafico 11 e 12.
Nel periodo di riferimento, l’ S&P500 ottiene uno Sharpe Ratio di 1.68.
La strategia con ponderazione EDar produce uno Sharpe di 1.77 ad approssimativamente parità di drawdown, mentre l’UCI arriva addirittura ad ottenere un 1.97.
Se scomponiamo il portafoglio nelle sue componenti possiamo notare come in realtà la sovraperformance sia stata guidata dall’ETF del solare, che è letteralmente esploso subito dopo l’avvento della pandemia, spinto prima dagli stimoli fiscali poi dall’avvento della guerra in Ucraina (Grafico 13; curva verde).
Ma questo mette in evidenza un dettaglio molto rilevante: la scelta strategica più performante deve necessariamente prevedere un’analisi di tipo top-down, partendo dall’identificare nel dettaglio lo scenario macroeconomico di partenza e stimare in termini probabilistici quelli futuri, così da individuare i settori con più alta capacità di crescita.
PORTAFOGLIO FINALE
Per concludere, nonostante il Nasdaq 100 (QQQ) e l’ETF strategico GARP (SPGP) siano molto correlati, quel minimo di differenza (soprattutto data dall’abbattimento della volatilità da parte del secondo) contribuisce alla realizzazione di performance maggiori del mercato. Il portafoglio è quindi composto da:
• SPGP -> Invesco S&P 500 GARP ETF
• TAN -> Invesco Solar ETF
• QQQ -> Invesco QQQ Trust
La ponderazione in Risk Parity utilizzando la metrica di rischio calcolata tramite Ulcer Index (UCI) che considera il rischio come la volatilità dei rendimenti negativi tenendo conto dell’intensità e della durata dei drawdown, è riportata nel Grafico 14.
CONCLUSIONI
Se pur la quantità di ETF sull’equity sia vasta, la realtà è che la maggior parte sono prodotti molto simili, estremamente correlati tra loro; questo significa che l’inserimento a portafoglio di diversi strumenti spesso porta benefici talmente ridotti da non giustificarne la scelta.
Il processo di Clusterizzazione e i processi statistici di questo tipo in generale, possono aiutarci nell’identificare quali ETF sicuramente non dobbiamo inserire nello stesso portafoglio, a capire quali performace e quali rischi possiamo attenderci in termini probabilistici.
I risultati, però, mettono in luce l’importanza del timing nelle scelte di portafoglio, scelte che per sovraperformare il mercato necessitano di analisi a monte capaci di individuare il contesto macroeconomico e ne ipotizzarne gli scenari futuri così da anticipare eventuali movimenti settoriali.
Questo sarà il tema di una delle prossime analisi.
