a

Lorem ipsum dolor sit amet, consectetur adicing elit ut ullamcorper. leo, eget euismod orci. Cum sociis natoque penati bus et magnis dis.Proin gravida nibh vel velit auctor aliquet. Leo, eget euismod orci. Cum sociis natoque penati bus et magnis dis.Proin gravida nibh vel velit auctor aliquet.

  /  Project   /  Blog: Fattori determinanti alfa con il nostro Modello di Investimento con AI

Blog: Fattori determinanti alfa con il nostro Modello di Investimento con AI


Dopo il successo di visualizzazioni del nostro post dal titolo “ Modelli di investimento con Intelligenza Artificiale” (Medium, 17 aprile 2019) ci è stato chiesto di dettagliare su quali fattori interviene il modello di investimento adoperato con successo da 11 anni.

Il Roboadvisor, sulla base delle indicazioni ricevute dai mercati, permette di verificare una prima attività gestionale: V.A.C. ( Variazione dell’Asset Class), quella che noi chiamiamo più semplicemente l’Alfa generato dal “ quanto esporsi”; poiché il modello di investimento adoperato è ad Asset Class variabili, i dati di output dell’Intelligenza Artificiale, permettendo di verificare in itinere l’esposizione media azionaria, consentono di rilevare con estrema precisione la parte di performance attribuibile alla sovra o sotto esposizione azionaria rispetto all’esposizione statica che per definizione poniamo essere al 40% azionaria.

Il Roboadvisor, inoltre, sulla base della selezione quantitativa delle Sicav sulle quali agisce l’Intelligenza Artificiale e sui pesi attribuiti dalle allocazioni settimanali, permette di verificare un’ulteriore attività gestionale: la Market Allocation (quella che noi chiamiamo alfa generato dal “ come esporsi”). L’Intelligenza Artificiale, per l’intero periodo analizzato, verificherà la performance che avrebbe ottenuto un ipotetico portafoglio se fosse stato dal principio investito secondo quelle che risultano, nel tempo, essere le esposizioni medie ottenute dai singoli comparti. Questa attività gestionale si ricava per differenza da un confronto omogeneo tra la performance della V.A.C. (riferita al benchmark utilizzato) e quella che deriva proprio dall’analisi reale dell’esposizione media sui comparti selezionati.

Il Market Timing (l’attività gestionale che noi chiamiamo il “quando esporsi”) invece si ricava dalla comparazione tra la Market Allocation ed il Nav reale del portafoglio.

Il grafico di seguito riportato presenta l’andamento reale della polizza di un nostro cliente dal 18.01.2019 al 02.05.2019.

Inoltre per rispondere alla domanda: “E se avessimo incontrato andamenti azionari diametralmente opposti cosa avremmo ottenuto?” abbiamo ricostruito il solito back test.

L’Intelligenza Artificiale non temendo l’inversione dei dati, adattandosi agli scenari che incontra, cerca di proporre delle allocazioni sempre appropriate.

In un mercato rialzista, come quello del periodo analizzato in questo post, l’incidenza del modello di investimento sulla performance è del 32,58% perché l’obiettivo prioritario in queste fasi è proprio quello di seguire il mercato nel suo trend favorevole. In questa attuale fase è stato possibile estrapolare quali attività gestionali hanno procurato maggiore alfa. Nell’ordine abbiamo:

La Market Allocation +1,621% (54%)

La V.A.C. +0,847%(28%)

La Selezione della Piattaforma utilizzata (al momento un fattore discrezionale ma, a breve, anche essa gestita dall’Intelligenza Artificiale) +0,330%(11%)

Il Timing -0,191%(5%).

L’analisi di questo modello di gestione ci dice che, in assenza di un preciso profilo di rischio, chi si fosse affidato al nostro Roboadvisor, per definire la propria esposizione azionaria, avrebbe beneficiato, con un portafoglio dal grado di rischio paragonato a quello di un 59% Equity e 41% Bond, di una performance paragonabile a quella di un portafoglio con il 73,645% di Equity. Questo grazie all’Alfa generato dall’Intelligenza Artificiale.

Con uno scenario azionario diametralmente opposto a quello reale il nostro cliente avrebbe beneficiato di un modello di gestione con un grado di attività ancora maggiore rispetto all’andamento reale (65% circa) nel quale questa volta, in termini di maggiore alfa procurato, nell’ordine, avremmo trovato:

La V.A.C. +1,185%(39%)

Il Timing +0,89%(30%)

La Market Allocation +0,766% (25%)

La Selezione della Piattaforma +0,138%(5%).

Se il cliente avesse incontrato mercati azionari ribassisti, ipotizzando stessi scenari per quelli obbligazionari, avrebbe ottenuto un portafoglio con un attento controllo del rischio, non ottenibile con alcuna composizione del Benchmark (mix tra l’opposto del Lyxor World e il DB Global Aggregate Bond). Inoltre solo con esposizioni azionarie inferiori al 19,5% il cliente avrebbe potuto ottenere performance migliori ma con rischi paradossalmente maggiori.

Il test ci dice quindi che l’Intelligenza Artificiale sarebbe stata in grado di intercettare il trend negativo proponendo una bassa esposizione azionaria. Proprio questo è il principale vantaggio di affidare all’AI il compito di determinare una asset allocation conveniente.

Rimane curioso il fatto che nell’ipotesi del portafoglio reale solo il 26,355% dei profili di rischio sarebbero stati vincenti se confrontati con il nostro portafoglio dinamico, mentre nel caso opposto solo il 19,5%.

L’utopia per gli amanti del compra e tieni di avere un portafoglio azionario al 73,645% con mercati rialzisti e al 19,5% con mercati ribassisti rimane tale se non si approcciano i mercati con modelli di investimento alternativi come il nostro.

Qualcuno, infine, obietterà che il periodo è troppo breve per essere ritenuto statisticamente valido ed è certamente vero, ma noi è da 11 anni che adoperiamo la nostra Intelligenza Artificiale con lo stesso metodo e con gli stessi risultati. Il successo del nostro portafoglio modello (reale e riscontrabile) ci ha permesso di diventare Advisoring prima e di proporre, a breve, tramite il sito Investimenti Dinamici, le esposizioni settimanali dinamiche riferite ai singoli comparti.

Source: Artificial Intelligence on Medium

(Visited 5 times, 1 visits today)
Post a Comment

Newsletter