L’investimento quantamentale

L’investimento quantamentale è una nuova strategia d’investimento che combina la valutazione fondamentale svolta dagli analisti, basata su parametri soggettivi e «qualitativi», con i dati quantitativi raccolti da algoritmi e sistemi di intelligenza artificiale. Questo approccio punta a migliorare il processo di selezione dei titoli sfumando il confine tra uomo e macchina, per cogliere il meglio di entrambi i mondi.

Sia l’investimento fondamentale sia quello quantitativo mirano a generare quanto più alpha possibile battendo il mercato, ma le strategie adottate per raggiungere l’obiettivo sono radicalmente diverse. Gli investitori fondamentali sono professionisti altamente qualificati che cercano di stimare il valore intrinseco di un’azienda passando al setaccio innumerevoli bilanci, per stabilire se l’impresa sia sottovalutata o sopravvalutata rispetto al prezzo di mercato. Gli investitori quantitativi usano invece algoritmi matematici e statistici avanzati per analizzare rapidamente i dati e sfruttare le regolarità che emergono dalle dinamiche di mercato.

L’investimento fondamentale soffre di alcuni dei problemi tipici del comportamento umano, come i pregiudizi inconsapevoli verso determinati titoli; per questo un’analisi oggettiva come quella quantitativa può sembrare più attraente ai gestori di portafoglio. Anche questa strategia ha però i suoi limiti: per esempio, per ridurre il rischio legato al singolo titolo, la composizione del portafoglio va modificata piuttosto spesso, il che fa salire i costi di negoziazione. Includere fattori fondamentali nella costruzione del portafoglio consente posizionamenti di più lungo periodo, con una minore necessità di ricambio dei titoli e di costose commissioni di transazione.

Nessun essere umano può leggere migliaia di relazioni trimestrali o ascoltare più di un paio di conference call; d’altro canto, le macchine non sempre sono in grado di contestualizzare questi risultati e trarne la conclusione giusta.

Un buon esempio dell’incontro tra i due approcci è l’evoluzione dell’«Alpha capture», una strategia di trading quantitativo che raccoglie raccomandazioni e commenti di ogni tipo delle banche d’investimento e li trasforma in segnali di acquisto o di vendita. Con la diffusione di questa tecnica negli anni Duemila, i margini di profitto si sono ridotti sensibilmente, segno che serviva un approccio migliore. Tra i primi hedge fund a reagire al mutare delle condizioni di mercato c’è stato GSA Capital, che nel 2015 ha assunto un paio di eccellenti gestori discrezionali per integrare le loro valutazioni nell’algoritmo quantitativo. I primi risultati sono stati promettenti, come dimostrano le parole del CEO di GSA: «Unire la potenza delle macchine e quella del cervello umano è un cliché, ma è il futuro degli investimenti».

Un altro esempio viene dallo sviluppo dei sistemi di machine learning: questi programmi individuano regolarità analizzando insiemi di dati enormi ed eterogenei, da parole e numeri a immagini satellitari e suoni, ma non tutte le regolarità possono tradursi in una strategia d’investimento redditizia. I gestori di portafoglio devono combinare le proprie previsioni sull’andamento futuro dei mercati con le regolarità rilevanti individuate dalle macchine, tenendo presente la possibilità di grandi shock come la crisi finanziaria del 2008, che potrebbero cogliere impreparati i modelli automatici e portare a perdite enormi.

Un rapporto del team di investment management di Morgan Stanley pubblicato nel 2018 sostiene che circa il 65% dei rendimenti in eccesso dei gestori azionari globali derivi dall’analisi quantitativa. Il restante 35%, dunque, è ancora in palio e può essere ricondotto alla capacità di stock picking del gestore. Alcuni investitori potrebbero decidere semplicemente di aumentare il numero di titoli per ridurre il rischio di mercato attraverso la diversificazione, lasciando come unica fonte di rischio (e quindi di rendimento) il timing degli investimenti, ma facendo al tempo stesso salire i costi di negoziazione.

I gestori di portafoglio possono però migliorare l’impianto quantitativo prendendo decisioni informate sui singoli titoli, con la possibilità di ottenere rendimenti in eccesso ancora più alti. Combinando i due approcci, l’alpha di un portafoglio dipenderà di fatto da due flussi di rendimento anziché da uno: uno a livello di mercato, gestito dagli strumenti quantitativi, e l’altro a livello del singolo titolo, scelto invece dal gestore.

Questa strategia può generare alpha in modo più costante nel tempo, perché nelle fasi di ribasso del mercato i titoli scelti con l’analisi fondamentale potrebbero comportarsi bene, compensando le perdite dovute all’esposizione al mercato della strategia quantitativa.

Il rapporto mostra come rendimenti più costanti accrescano notevolmente i benefici della capitalizzazione composta. Inoltre gli investitori tendono a preferire performance meno volatili, che evitano loro di farsi trascinare dall’euforia del mercato e di prendere decisioni irrazionali.

Molti hedge fund si stanno avvicinando all’investimento quantamentale, ma DE Shaw è di gran lunga uno dei casi più affascinanti e riusciti. Con un mix di strategie quantitative e discrezionali per gestire oltre 50 miliardi di dollari di attivi, DE Shaw si è affermato come un attore di primo piano nel settore.

Questa strategia si è evoluta a partire dai primi anni del fondo, negli anni Ottanta, quando applicava strategie di trading puramente quantitative; il cambiamento lasciò insoddisfatti alcuni dirigenti, che fondarono un proprio hedge fund quantitativo, Two Sigma.

Se l’esatta strategia di trading resta avvolta nel segreto, i risultati eccezionali sono indiscutibili: secondo LCH Investments, dalla sua fondazione DE Shaw ha fatto guadagnare ai propri clienti oltre 29 miliardi di dollari, battendo il proprio benchmark anche in periodi di mercato molto difficili.

L’approccio quantamentale si riflette nel personale del fondo, composto in gran parte da informatici ma che include anche 25 medagliati alle Olimpiadi internazionali della matematica e figure di rilievo della politica e della finanza come Larry Summers, ex segretario al Tesoro degli Stati Uniti.

Il ricorso del fondo all’investimento discrezionale è emerso chiaramente quando ha reagito con prontezza alla crisi di Crimea tra Russia e Ucraina nel 2014 e allo scandalo delle emissioni Volkswagen nel 2015: gli algoritmi non sono in grado di gestire eventi inattesi che scuotono i mercati finanziari, ed è lì che serve l’intervento umano. Un altro caso di investimento discrezionale da parte del fondo riguarda il tentativo di sfruttare le differenze nell’andamento dei prezzi tra Tencent e Naspers, che possiede un terzo del conglomerato cinese: pur usando segnali quantitativi, la valutazione del gestore sulle diverse condizioni di mercato e politiche dei due Paesi è essenziale per decidere l’investimento.

Pur diffondendosi sempre di più, l’investimento quantamentale resta un tema controverso che attira critiche da entrambe le parti: i quant ritengono che i gestori tradizionali non saranno mai in grado di comprendere fino in fondo la portata delle strategie quantitative, mentre gli investitori della vecchia scuola lamentano che il fenomeno sposti l’attenzione in modo schiacciante sui risultati di breve periodo, perdendo di vista la performance di lungo termine di un fondo.

È probabile che questa strategia continui a espandersi nonostante i progressi degli algoritmi e dell’intelligenza artificiale perché, come dice Ravid Mandell (chief data scientist di JPMAM): «Nel cervello umano succedono cose che sono davvero difficili da replicare».

Bibliografia

Canalyst . (2019). Canalyst newsletter: quantamentally bullish.

Constable, S. (2019). What is 'Quantamental' Investing? Disponibile su Wall Street Journal: https://www.wsj.com/articles/what-is-quantamental-investing-11554688800

LePan, N. (2019). Human Insight, Computer Power: What is Quantamental Investing? Disponibile su Visual Capitalist: https://www.visualcapitalist.com/what-is-quantamental-investing/

Morgan Stanley Investment Management. (2018). Quantamental Investing: the future is now.

Pozen, R. (2019). Will bots replace humans in active equity investment? Disponibile su Financial Times: https://www.ft.com/content/efe4f97a-adb1-3cea-b098-2b616b5ce531

Sueppel, R. (2019). How to build a quantamental system for investment management. Disponibile su Systemic Risk and Systematic Value: http://www.sr-sv.com/how-to-build-a-quantamental-system/

Walker, O. (2019). Money managers take cues from ‘Moneyball’ playbook. Disponibile su Financial Times: https://www.ft.com/content/42e5c41a-ee66-35df-a600-b6654d3152cb

Wigglesworh, R. (2019). Quants seek human touch in reboot of investing strategy. Disponibile su Financial Times: https://www.ft.com/content/0093dcd4-ad59-11e9-8030-530adfa879c2

Wiggleswoth, R. (2018). The rise of ‘quantamental’ investing: where man and machine meet. Disponibile su Financial Times.

Wiggleswoth, R. (2019). DE Shaw: inside Manhattan’s ‘Silicon Valley’ hedge fund. Disponibile su Financial Times: https://www.ft.com/content/0364850c-3ebf-11e9-9bee-efab61506f44