Morningstar Investor Marzo/Aprile 2012 - (Page 22)

In Pratica Rischio e modelli a scenari Di Diana Barro e Elio Canestrelli Molti problemi che in ambito finanziario possono essere ricondotti all’allocazione ottima di risorse in condizioni di incertezza. La crescente complessità del contesto finanziario dovuta all’introduzione di strumenti finanziari innovativi e di nuovi vincoli regolamentari ed operativi rendono sempre più evidente l’esigenza di poter disporre di strumenti efficienti ed efficaci per la misurazione e la gestione del rischio. Nell’ambito della selezione e gestione di portafoglio i modelli tradizionali alla Markowitz, basati sull’ipotesi di efficienza in media-varianza, si caratterizzano per essere modelli a periodo singolo, che non tengono conto di costi di transazione e opportunità di ribilanciamento e che si basano su assunzioni limitate sui rendimenti. Tali modelli non colgono quindi la dimensione dinamica del processo di gestione di portafoglio che si caratterizza per essere un processo di decisione in condizione di incertezza dove la descrizione della componente dinamica e della componente stocastica diventano cruciali. Molti dei problemi che emergono in ambito finanziario possono essere ricondotti all’allocazione ottima di risorse in condizioni di incertezza. Nei modelli di tipo anticipativo, ad esempio quelli statici, le decisioni relative a tutti gli istanti futuri vengono assunte esclusivamente sulla base delle informazioni disponibili all’istante iniziale e vengono mantenute fino alla scadenza. A questa prima categoria di modelli si contrappongono i modelli di tipo adattivo nei quali l’arrivo dell’informazione avviene in modo progressivo e la politica ottima risulta da un processo del tipo decisione-osservazione nel quale le decisioni dei periodi successivi dipendono dalle informazioni che via via diventano disponibili. In questo caso si parla anche di modelli adattivi o modelli con revisione (recourse problem) nei quali lo scopo è prendere decisioni ottimali rispetto alla somma dei costi/benefici presenti e del valore atteso dei costi/benefici futuri derivanti dall’adattamento. In termini matematici questo può essere tradotto nella formulazione di problemi di ottimizzazione dinamica stocastica vincolata. Un possibile approccio alla risoluzione di problemi intertemporali in condizioni di incertezza è rappresentato dalla programmazione stocastica che si basa su una struttura probabilistica per descrivere i parametri del problema caratterizzati da una forma di incertezza. La principale difficoltà associata a questi problemi è l’elevata dimensionalità che possono raggiungere considerando un numero di realizzazioni, per la distribuzione discreta, adeguato a descrivere le diverse possibili realizzazioni delle variabili aleatorie. Analisi a scenario La gestione dell’incertezza è un aspetto chiave dell’ottimizzazione multiperiodale. Ogni processo di decisione in condizione di incertezza si scontra con la necessità di considerare le possibili realizzazioni future di quantità, rilevanti nel processo decisionale, ma non ancora note nel momento in cui si assumono le decisioni. La difficoltà connessa alla ricerca di previsioni puntuali attendibili e la necessità di considerare, soprattutto in modelli di gestione del rischio, anche le evoluzioni meno probabili del sistema, trovano soluzione in un approccio all’incertezza basato sull’analisi a scenario. L’ipotesi fondamentale alla base di questo tipo di analisi è che un limitato numero di scenari sia adeguato a rappresentare lo sviluppo futuro del sistema ed il comportamento della componente aleatoria. L’utilizzo di scenari permette di descrivere l’incertezza in termini probabilistici assumendo distribuzioni di probabilità discrete. L’albero di scenari può essere definito a partire da distribuzioni generali, ad esempio, con code spesse o asimmetriche, come spesso necessario per descrivere il comportamento delle grandezze finanziarie.Nell’ambito dell’allocazione ottimale di risorse finanziarie l’obiettivo dell’analisi a scenario è quello di creare dei portafogli capaci di performance predefinite dal decisore al verificarsi di scenari anche molto differenti tra loro. 22 Morningstar Investor Marzo / Aprile 2012

Tabella dei contenuti per la edizione digitale del Morningstar Investor Marzo/Aprile 2012

Morningstar Investor Marzo/Aprile 2012
Attualità
Rubriche
Hanno scritto per noi
L'Editoriale
In principio, Markovitz
Il primato dell’asset allocation
MVO, l’evoluzione della specie
Markovitz 2.0
Oltre alla teoria dell’utilità attesa
Analisi di portafoglio, strumenti di frontiera
Rischio e modelli scenari
La metamorfosi degli indici
Cap e fondamentali, mix possibile
Un portafoglio con stile
Value, growth, cicli di mercato e sentiment
Strategia, chiave di volta del bravo gestori
Quando il gestore fa la differenza
Manuale d’uso dei fondi bilanciati
Analisi Morningstar
Markovitz 2.0, dalla teoria alla pratica

Morningstar Investor Marzo/Aprile 2012