* Gli androidi sognano pecore elettriche? (Do Androids Dream of Electric Sheep?) è un romanzo di fantascienza del 1968 dello scrittore americano Philip K. Dick. Dal libro è stato tratto il film Blade Runner del 1982, diretto da Ridley Scott e interpretato da Harrison Ford, Rutger Hauer e Daryl Hannah.
Sintesi
- L’investimento quantitativo di solito analizza una grande quantità di dati per cercare opportunità di investimento.
- L’uso di “alberi decisionali” da parte di MDT aumenta la trasparenza e impedisce che il processo decisionale diventi una “scatola nera” alimentata dai dati.
- Il team annulla le operazioni consigliate se ritiene che i modelli non colgano tutti i fattori rilevanti che determinano il prezzo dell’azione.
- Ciò contribuisce a garantire una chiara comprensione delle motivazioni alla base di ogni operazione.
Ci sono molti stereotipi sbagliati che circondano l’investimento “quant”. Per esempio, sebbene si tratti di investimenti basati sui dati, come suggerisce il nome, non è detto che siano i computer a fare gli investimenti. In realtà, esiste un’ampia gamma di approcci che coinvolgono in varia misura il processo decisionale umano.
“Le strategie quantitative vengono spesso dipinte a grandi linee, facendo pensare a scatole nere e che nessuno sappia davvero cosa stia capitando”, afferma Scott Conlon, direttore degli investimenti per MDT Advisers di Federated Hermes.
L’investimento quantitativo è solito setacciare una vasta quantità di dati – informazioni storiche sul mercato, fondamentali delle società, metriche di valutazione, dati macroeconomici – per cercare opportunità di investimento. Basandosi su dati empirici, piuttosto che su giudizi soggettivi, l’investimento quantitativo mira a eliminare i fattori emotivi dal processo di investimento e a valorizzare la potenza dell’analisi previsionale.
“Siamo sempre stati attenti a mantenere un alto livello di trasparenza e responsabilità nel nostro processo. Poiché il processo è stato progettato dal nostro team, controlliamo i dati di input e le modalità di analisi dei dati; in questo modo abbiamo una chiara interpretazione del funzionamento del processo e comprendiamo appieno le motivazioni di tutti gli investimenti”, afferma Conlon.
Alberi decisionali
Conlon fornisce un esempio di come funziona il processo di MDT: l’uso di una tecnica di modellazione avanzata che incorpora “alberi decisionali” per valutare ogni titolo. Questa metodologia si basa su un modello di regressione ad albero che è stato messo in evidenza nel mondo accademico decenni fa e che oggi è uno strumento standard di analisi previsionale utilizzato in vari settori, tra cui quello assicurativo e quello della fisica.
Il processo ad albero decisionale prevede l’utilizzo di una serie di domande “sì/no” per valutare tutti i titoli in base a una serie discreta di criteri fondamentali (ad esempio, informazioni sui bilanci, valutazioni) e di sentiment (ad esempio, momentum degli utili, tendenze dei prezzi) per sviluppare previsioni di rendimento per ciascun titolo (cfr. Figura 1).
Figura 1: Come funziona un albero decisionale
“Riteniamo che uno dei vantaggi principali di questo approccio sia che non solo identifica un’ampia gamma di diversi tipi di società da prendere in considerazione per gli investimenti, ma offre anche un elevato livello di trasparenza, in modo che sia facile capire perché le società ottengono punteggi favorevoli o negativi”, dice Conlon.
Un altro aspetto spesso incompreso dei modelli di quant investing è che non sono necessariamente statici: possono essere aggiornati regolarmente con nuovi dati per cogliere gli ultimi sviluppi del mercato.
Un recente miglioramento del modello previsionale dei rendimenti azionari di MDT ha comportato l'aggiunta di un nuovo fattore che analizza l'“economic moat”, il vantaggio competitivo, per tutti i settori del mercato azionario statunitense.
Vantaggio competitivo
Per esempio, un recente miglioramento del modello previsionale dei rendimenti azionari di MDT ha comportato l’aggiunta di un nuovo fattore che analizza l’“economic moat”, il vantaggio competitivo, per tutti i settori del mercato azionario statunitense. Le aziende con vantaggi competitivi, come una forte identità di marchio o solidi brevetti, godono di vantaggi sostenibili che possono aiutarle a difendere la redditività dall’invasione della concorrenza.
Le ricerche del team hanno portato a scoprire che, incorporare l’analisi dei vantaggi competitivi di aziende di successo “passate di moda”, aiuta a identificare delle opportunità di acquisto. Un vantaggio consolidato può aiutare queste aziende a tenere al largo i concorrenti e a ristabilire i risultati operativi. Incorporare questa analisi può aiutare anche ad evitare le società le cui azioni potrebbero continuare a deprezzarsi.
“L’obiettivo era quello di esaminare le società che hanno subito un calo sostanziale del prezzo delle azioni e di individuare un modo per prevedere quali potrebbero registrare un forte rimbalzo.
Abbiamo scoperto che questa probabilità era maggiore nei settori con un elevato vantaggio competitivo, spiega Conlon.
Il fattore umano
Una parte importante dell’investimento quantitativo è l’elemento umano collegato. Ad esempio, il team di MDT monitora attentamente tutti gli aspetti del suo processo di investimento, che comprende la revisione di tutte le operazioni prima dell’esecuzione. Il processo supervisionato è progettato per ottimizzare ogni portafoglio quotidianamente, producendo ogni mattina un elenco di operazioni. “Non eseguiamo l’elenco alla cieca senza effettuare una revisione pre-trade”, ha dichiarato Conlon. Il team non terrà conto delle operazioni consigliate se conclude che i modelli non hanno colto tutti i fattori rilevanti che stanno guidando il prezzo delle azioni. Questo processo aiuta anche a garantire una chiara comprensione delle motivazioni alla base di ogni operazione.
L’investimento quantitativo fa parte di una tendenza che pone il processo decisionale guidato dai dati in primo piano. Alcune applicazioni basate su modelli possono escludere l’uomo. Tuttavia, esiste un approccio “best of two-worlds”, in cui un processo d’investimento oggettivo costruito su una tecnologia potente viene sviluppato, perfezionato e supervisionato da vicino dall’uomo.
Do quants dream of electric sheep?
Share:
1 Tim Stobierski, Harvard Business School Online, “The Advantages of Data-Driven Decision-Making.” Agosto 2019.
BD15649
