Questa lezione si concentra sull’introduzione alla gestione del rischio e money management applicato alle strategie di trading quantitativo. La gestione del rischio si applica in due modi. In primo luogo identificando e attenuando i fattori interni ed esterni che possono influenzare le prestazioni o il funzionamento di una strategia di trading algoritmico. Il secondo modo è la gestione ottimale del portafoglio di strategie al fine di massimizzare il tasso di crescita e ridurre al minimo i drawdown del conto.
In particolare, in questa lezione di introduzione alla gestione del rischio si prende in considerazione diverse fonti di rischio (sia intrinseche che estrinseche). Queste fonti possono influenzare le prestazioni a lungo termine di un’attività di trading algoritmico – retail o istituzionale.
Nelle lezioni successive descriviamo le tecniche di gestione del denaro (money management). Queste tecniche possono proteggere il nostro portafoglio dalla rovina e massimizzare il tasso di crescita a lungo termine. Discuteremo anche delle tecniche di gestione del rischio (Risk Management) a livello istituzionale che possono essere facilmente applicate in un contesto di trading retail per aiutarci a proteggere il capitale.
Fonti di Rischio
Le numerose fonti di rischio che possono avere un impatto sul corretto funzionamento di una strategia di trading algoritmico. Il “Rischio” viene solitamente definito in questo contesto come il rischio di perdire capitale. Tuttavia, lo definirò in un contesto molto più ampio per indicare qualsiasi fattore che fornisca un grado di incertezza e possa influenzare la performance delle strategie o del portfolio. Le vaste aree di rischio che prenderemo in considerazione sono: rischio della strategia, rischio del portafoglio, rischio di mercato, rischio della controparte e rischio operativo.
Rischio della Strategia
Nell’introduzione alla gestione del rischio dobbiamo sicuramente descrivere il rischio della strategia, o model risk. Questo rischio comprende la classe dei rischi derivanti dalla progettazione e implementazione di una strategia di trading basata su un modello statistico. Comprende tutti i precedenti problemi discussi per il backtesting di una strategia. Ad esempio il bias di ottimizzazione, il bias di sopravvivenza e il bias di look-ahead. Comprende anche altri fattori relativi direttamente all’analisi statistica del modello della strategia.
Qualsiasi modello statistico si basa su ipotesi. Queste ipotesi a volte sono considerate molto superficialmente o ignorate del tutto. Ciò significa che il modello statistico basato su queste ipotesi potrebbe essere inadeguato e quindi portare a una scarsa capacità predittiva o inferenziale. Un esempio si verifica nell’impostazione della regressione lineare. La regressione lineare presuppone che i dati di risposta siano omoschedastici (cioè le risposte hanno una varianza costante nei loro errori). In caso contrario, la regressione lineare fornisce meno precisione nelle stime dei parametri.
Molte strategie quantitative fanno uso di statistiche descrittive di dati storici sui prezzi. In particolare, useranno spesso moment dei dati come la media, la varianza, l’inclinazione e la curtosi dei rendimenti della strategia. Tali modelli (incluso il Criterio di Kelly) si basano generalmente su questi momenti dato che sono costanti nel tempo. Sotto un cambio di regime di mercato questi momenti possono essere drasticamente alterati e quindi portare al degrado del modello. Per mitigare questo problema sono utilizzati generalmente i modelli con “parametri di rotazione”.
Rischio del Portafoglio
Un portafoglio contiene una o più strategie. Pertanto è indirettamente soggetto al rischio della strategia appena descritto. Inoltre, vi sono rischi specifici che si verificano a livello di portafoglio. Questi sono solitamente considerati solo in un contesto istituzionale o in un contesto di trading retail di fascia alta in cui il monitoraggio del portafoglio viene effettuato su una strategia di trading stabile.
Quando si effettua la regressione dei rendimenti del portafoglio a una serie di fattori, come i settori industriali, le classi di attività o i gruppi di entità finanziarie, è possibile verificare se il portafoglio è pesantemente “sbilanciato” in un particolare fattore. Ad esempio, un portafoglio azionario può essere estremamente sbilanciato verso i titoli tecnologici ed è quindi estremamente esposto a qualsiasi problema che riguardi il settore tecnologico nel suo insieme.
Di conseguenza, è spesso necessario, a livello di portafoglio, sovrascrivere particolari strategie per tenere conto del rischio di questi fattori. Questa è spesso una problema più significativa in un contesto istituzionale in cui vi è più capitale da allocare e la conservazione del capitale ha la precedenza sul tasso di crescita a lungo termine del capitale. Tuttavia, dovrebbe certamente essere considerato anche da trader algoritmico retail.
Gestione del portafoglio di strategie
Un altro problema, principalmente in carico agli istituzionali (a meno di non operare asset molto illiquidi) sono i limiti del volume dei trade giornalieri. Per i trader al dettaglio, le strategie di esecuzione nei mercati a larga capitalizzazione o commodity, non vi è alcuna reale criticità relativamente all’impatto sul mercato.
Tuttavia, con strumenti meno liquidi bisogna stare molto attenti a non scambiare una percentuale significativa del volume negoziato giornalmente. Questo può causare un potenziale impatto sul mercato e quindi dell’invalidità di un modello di trading precedentemente sottoposto al backtesting (che spesso non tiene conto dell’impatto del mercato). Per evitare ciò, è necessario calcolare il volume medio giornaliero (ad esempio utilizzando una media su un periodo di loopback) e rimanere entro i limiti di una piccola percentuale di questa media.
Gestire un portafoglio di strategie fa emergere la questione della correlazione strategica. Le correlazioni possono essere stimate tramite tecniche statistiche come Pearson Product Moment Correlation Coefficient. La correlazione stessa non è un’entità statica, anzi è soggetta a rapidi cambiamenti, specialmente in presenza di vincoli di liquidità del mercato, spesso noti come financial contagion. In generale, le strategie dovrebbero essere progettate per evitare la correlazione tra di loro, operando su strumenti diversi o su diversi orizzonti temporali. Le correlazioni possono essere valutate su un ampio periodo di tempo e dovrebbero essere una parte standard del backtest, se si considera un approccio di portafoglio.
Rischio della Controparte
Il rischio della controparte è generalmente considerato una forma di credit risk. È il rischio che una controparte non paghi un’obbligazione su un’attività finanziaria, della quale è responsabile. Esiste un intero sottoinsieme di approcci di finanza quantitativa relativi alla gestione e ricopertura di questa tipologia di rischi. Questi non sono di primario interesse per i trader algoritmici retail. Siamo più preoccupati del rischio di inadempienza da parte dei fornitori come un exchange o un broker.
Anche se questo può sembrare accademico, posso assicurarvi che questi problemi sono piuttosto reali! Il fallimento incondizionato di un intermediario comporta la mancata restituzione del capitale di trading. Quindi è bene considerare tali rischi in un portafoglio. Il mezzo suggerito per mitigare questo problema è quello di utilizzare più servizi di intermediazione, anche se nel trading a margine ciò può rendere la logistica di trading piuttosto complicata.
Il rischio di controparte è generalmente più preoccupante in un contesto istituzionale, quindi non è da approfondire in questa lezione di introduzione alla gestione del rischio nel trading algoritmico.
Rischio Operativo
Il rischio operativo comprende le fonti di rischio all’interno dell’infrastruttura operativa di un trader. Comprende il rischio d’impresa, il rischio tecnologico e le modifiche normative o legali. Questi argomenti non sono spesso discussi in modo approfondito, ma sono molto importanti perchè hanno il potenziale per distruggere l’attività di trading in modo permanente.
Il rischio dell’infrastruttura è spesso associato ai sistemi informatici e ad altre infrastrutture di trading correlate. All’aumentare delle dimensioni di un’infrastruttura aumenta anche la probabilità di “single point of failure” (SPOF). Questo è un componente critico nell’infrastruttura di trading che, in caso di malfunzionamento, può portare a una catastrofica interruzione dell’intera operatività. In ambito IT, questo di solito è la conseguenza di un’architettura mal concepita. In ambito non IT ciò può essere la conseguenza di un’organizzazione mal progettata.
Questi problemi sono rilevanti anche per il trader retail. Spesso un’infrastruttura IT può essere “frammentaria” e “hacked together”. Inoltre, una cattiva tenuta dei registri e altri documenti amministrativi possono comportare enormi potenziali oneri fiscali. Per fortuna, l’architettura “cloud” offre la possibilità di ridondanza nei sistemi e l’automazione dei processi può portare a solide abitudini amministrative. Considerare anche i rischi diversi da quelli di mercato e dalla strategia, può fare la differenza tra il successo a lungo termine e una catastrofica perdita di tutto il capitale.
Un problema che riguarda il mondo degli hedge fund è quello della segnalazione e della conformità. La legislazione post-2008 ha gravato pesantemente sulle società di gestione patrimoniale, che possono avere un forte impatto sul loro flusso di cassa e sulla loro spesa operativa.
Conclusione
La gestione del rischio e il money management rappresentano due pilastri essenziali per costruire strategie di trading algoritmico sostenibili e resilienti. In questa lezione di introduzione alla gestione del rischio abbiamo evidenziato come il rischio non si limiti alla semplice possibilità di perdita di capitale. La gestione del rischio include una vasta gamma di fattori – dalla validità dei modelli, alla composizione del portafoglio, fino agli aspetti operativi e infrastrutturali. Tutti questi fattori possono influenzare le performance nel lungo periodo.
Comprendere e classificare queste fonti di rischio è il primo passo per implementare sistemi di controllo efficaci, tanto nel contesto istituzionale quanto in quello retail. Nelle prossime lezioni entreremo nel dettaglio delle tecniche di gestione del denaro e di allocazione del rischio, con l’obiettivo di proteggere il capitale ed esporlo in modo intelligente alle opportunità di crescita.