OTTOBRE, MESE DI INVESTIMENTI
Negli ultimi articoli abbiamo dimostrato la presenza di stagionalità nei rendimenti medi su alcuni mesi piuttosto che altri (“Migliori mesi per investire in borsa”) ed abbiamo poi approfondito il discorso rivolgendoci al mercato Italiano (“I titoli del MIB da tenere sotto controllo ad Ottobre”) definendo nello specifico quali titoli presentano evidenze rilevanti.
Ottobre sembra quindi un buon mese per fare acquisti.
Però, di fronte ad una stagionalità confermata da strumenti statistici, con rendimenti medi ciclicamente positivi, la domanda che potrebbe nascere è: è sufficiente acquistare il mercato e quindi comportarsi passivamente, oppure si potrebbe pensare ad un metodo selettivo, andando a scovare una sorta di “October Factor” tra i suoi componenti, applicando quindi una strategia d’investimento attiva?
STRATEGIE D’INVESTIMENTO ATTIVE E PASSIVE
La decisione di investire il proprio capitale all’interno dei mercati finanziari porta ad un immediato bivio: come in ogni bella storia che si rispetti, c’è sempre da scegliere tra il sentiero comodo, chiaro, semplice e luminoso contro quello opaco, buio, tortuoso e più difficile. E, come ormai abbiamo imparato dalle storie che ci raccontavano, il percorso facile, quello meno rischioso, spesso tende a non essere mai quello che porta ai risultati migliori.
Nel momento in cui approcciamo i mercati dobbiamo mettere in preventivo un bivio che ci costringerà a scegliere tra gestire il nostro capitale attivamente oppure, con molta meno fatica, in modo passivo.
Per capire meglio di cosa stiamo parlando, dobbiamo tenere a mente che, per una questione di diversificazione, siamo obbligati a suddividere il nostro capitale tra diversi titoli; risulta semplice comprendere che puntare tutto su un unico giocatore significa accollarsi un enorme rischio infatti, al primo infortunio, potremmo già essere fuori gioco.
Per questo motivo, la cosa più saggia da fare è quella di dividere questo rischio su una molteplicità di giocatori in modo tale da portare avanti la partita su più fronti. Traslando il discorso sui mercati finanziari, dovremmo decidere quindi su quale impresa scommettere; e quale metodo migliore se non quello di comprare tutto il mercato, scommettendo di conseguenza su tutte le imprese presenti?
Questo posso farlo comprando un unico strumento capace di replicare un indice di mercato (un ETF ad esempio), così che, con poca fatica, con semplicità di gestione, con pochi costi ed in poco tempo, scommettendo sul fatto che comunque i mercati nel lungo termine saliranno, potrei aver fatto un investimento che in linea di massima potrebbe risultare sensato.
Il problema di questo metodo è che il massimo rendimento ottenibile sarà esattamente quello dato dallo stesso indice di mercato, che di fatto è una media tra quelli delle diverse imprese presenti al suo interno, quindi, comprensivo anche di quelle che andranno male. Questa è quella che potremmo chiamare Gestione Passiva.
A questo punto, sorge spontaneo chiedersi se esiste la possibilità di filtrare quei titoli apparentemente più promettenti in modo da escludere dal proprio investimento quelli che crediamo possano andar male, così da ottenere performance migliori di quelle del mercato. La risposta a questa domanda è ovviamente “sì”, attraverso la Gestione attiva, ma richiede un impegno maggiore, la definizione di un criterio di selezione e di conseguenza l’aumento del rischio rappresentato della possibilità di sbagliare questo criterio, ottenendo in tal caso performance peggiori invece che migliori.
OCTOBER FACTOR
Se la statistica ci dice che esiste una stagionalità sui rendimenti di Ottobre mediamente positivi per alcuni titoli, cioè quello che potremmo definire un “October Factor”, allora, l’idea potrebbe essere quella di costruire un portafoglio con quei titoli.
E così proveremo a fare: scandagliando il Nasdaq si può trovare quasi venti titoli con intervalli di confidenza mediamente positivi sui rendimenti di Ottobre (attraverso la tecnica già descritta precedentemente qui ); noi ne abbiamo selezionati 9 in modo tale da creare un portafoglio sufficientemente ampio per un primo test preliminare così da capire quali potrebbero essere gli investimenti di Ottobre 2020 più sensati.
| Titolo | Media | Inf | Sup |
| ADBE | 6,18% | 2,29% | 10,06% |
| COST | 3,62% | 1,30% | 5,95% |
| GOOGL | 8,54% | 2,75% | 14,32% |
| INTU | 5,45% | 0,79% | 10,11% |
| ADP | 3,17% | 1,09% | 5,25% |
| MSFT | 4,67% | 2,00% | 7,35% |
| SBUX | 4,03% | 0,79% | 7,26% |
| ROST | 4,56% | 1,56% | 7,56% |
| LRCX | 6,29% | 0,89% | 11,69% |
COSTRUZIONE DEL PORTAFOGLIO
A questo punto, data la selezione di titoli, è necessario capire in che proporzione inserirli all’interno di un ipotetico portafoglio.
Come si può vedere dalla tabella dei rendimenti qui sopra, alcuni titoli hanno rendimenti medi positivi con intervallo spostato molto verso destra, cioè con livello inferiore vicino al 2% e con livello superiore molto alto (fino addirittura al 14%) ed altri, invece, con livelli inferiori vicini allo zero e superiori molto più bassi.
Ovviamente saranno preferibili quelli con intervalli che iniziano da una distanza maggiore rispetto allo zero, ma allo stesso tempo anche quelli con intervalli più ristretti; questo perchè un intervallo ristretto rappresenta una maggiore precisione del modello.
Tenendo conto di queste osservazioni abbiamo quindi realizzato semplici regressioni lineari per ogni titolo seguendo un modello del tipo:
Log_rendimento_titolo = α + β * Log_rendimento_mercato + ε
Dove
α è l’intercetta della regressione lineare
β è la pendenza della retta di regressione
ε è l’errore derivante dall’approssimazione realizzata con il modello
Per una migliore comprensione del problema, in figura 1 viene rappresentata la relazione tra i rendimenti di mercato ed i rendimenti del primo titolo (Adobe) e la relativa retta di regressione:
In rosso viene rappresentata l’equazione della retta di regressione dove, in questo esempio, Y=ADBE e X=NASDAQ. “0.032” è il valore dell’ α di Adobe mentre “1.1968” è il valore del suo β.
Successivamente sono stati calcolati gli errori del modello “ε“ come differenza tra il valore vero ed il valore previsto dal modello, e per ogni vettore di errori ne è stata calcola la sua deviazione standard Ϭε.
Gli Information Ratio (“IR”) sono definiti come il rapporto tra gli alpha dei vari titoli e le rispettive deviazioni standard degli errori:
IR = α / Ϭε
Questo valore tiene conto di quanto rendimento aggiuntivo può apportare un titolo rispetto al suo benchmark considerando in un qualche modo il suo livello di rischio, rappresentato in questo caso dalla volatilità degli errori e cioè tenendo in considerazione quanto poco preciso sia il modello.
Normalizzando i valori degli IR, abbiamo un metodo molto semplice e rapido per definire i pesi dei titoli all’interno del nostro portafoglio:
Figura 2: Portafoglio ipotetico per “Investimenti di Ottobre 2020” definito tramite gli Information Ratio.
Per verificare che le premesse iniziali siano state rispettate, è sufficiente notare che Google, che risulta essere quello di maggior peso all’interno del nostro portafoglio, è anche quello che presenta un intervallo di confidenza con limite inferiore molto alto e quindi rendimenti medi tendenzialmente più alti degl’altri titoli.
SIMULAZIONE DEL PORTAFOGLIO
Per capire se un portafoglio creato su un ipotetico October Factor possa effettivamente funzionare, e quindi ottenere performance di rendimento migliori rispetto al suo benchmark (giustificando così una gestione di tipo “attiva”) abbiamo realizzato una simulazione nel passato.
Come primo passo occorre spezzare il database al 2014 e ripetere tutti i passaggi precedenti: analizzando quindi il mercato in cerca di titoli con livelli di confidenza sempre positivi ma come se fossimo al 2014 (che non è detto siano gli stessi) ed utilizzandoli all’interno del nostro portafoglio con peso definito attraverso il proprio IR del momento (cioè ricalcolato sempre al 2014).
Abbiamo poi verificato il rendimento prodotto da questo portafoglio nell’anno successivo (2015) rispetto al suo benchmark (Nasdaq in questo caso).
Infine, abbiamo ripetuto il procedimento per tutti gli anni successivi, fino ad oggi, ottenendo i risultati riportati in figura 3.
Figura 3: Rendimenti del portafoglio basato sul October Factor VS Benchmark.
CONCLUSIONI
Come viene chiaramente illustrato in figura 3, il portafoglio basato su un “fattore Ottobre” ottiene risultati migliori del mercato nelle fasi Bear (cioè di discesa del mercato), ottenendo performance meno negative. Però non riesce a migliorare i risultati nelle fasi Bull (di ascesa del mercato), di fatto, sottoperformando.
Il risultato peggiore è ottenuto nel 2015, ma questo potrebbe essere giustificato dalla scarsa quantità di dati che il modello ha per autoregolarsi. L’aspettativa, però, dovrebbe essere quella di ottenere risultati sempre migliori man mano che il modello ha a disposizione un database sempre più ampio, cosa che però non avviene nel 2017 e (soprattutto) nel 2019 (momento di massima espansione del database).
La causa potrebbe essere determinata dalla non considerazione all’interno del modello dei beta dei vari titoli: nel caso in cui la selezione avesse portato all’utilizzo di un portafoglio mediamente difensivo, pur presentando minor volatilità, otterrebbe performance peggiori nei momenti di rialzo del mercato, spiegando quindi questi risultati.
Al momento lasciamo quindi aperto il dibattito “investimenti di Ottobre 2020” e nel frattempo lavoreremo per approfondire questo problema, cercando di integrare i beta dei titoli all’interno del nostro modello.
