Il nostro metodo
Perché un metodo
La verità è che siamo arrivati all’ottimizzazione robusta dopo aver visto più volte
portafogli teoricamente impeccabili perdere stabilità alla prima variazione dei dati.
Questo ci ha costretto a ripensare il processo, mettendo al centro l’errore di stima,
gli scenari storici e i vincoli reali degli investitori, invece di inseguire
configurazioni perfette solo sulla carta.
Luca
Orizzonte
Ricordiamo bene il giorno in cui un portafoglio ottimizzato in modo impeccabile ha
cambiato faccia solo per una piccola modifica dei rendimenti attesi. Da allora
abbiamo iniziato a trattare l’errore di stima come protagonista, costruendo un
metodo che stressa ogni decisione su molti scenari storici diversi, invece di
affidarsi a un’unica fotografia del passato.
12 Scenari
Chiara
Aggiornato
Oggi riassumiamo il nostro lavoro nel Ciclo Robusto in Tre Passi: definire obiettivi
e vincoli reali, stimare i parametri in modo prudente e, infine, testare la
stabilità delle decisioni con analisi di sensibilità e scenari. Non è il percorso
più rapido, ma è quello che ci ha dato le lezioni più utili nella pratica
quotidiana.
3 Passi
Marco
Frequenza
Abbiamo imparato che un modello non è davvero utile finché non ha superato una serie
di test scomodi: finestre storiche diverse, shock improvvisi, cambi di correlazione.
Il nostro metodo integra questi controlli fin dall’inizio, per evitare di
innamorarci di soluzioni eleganti ma troppo fragili quando il contesto cambia.
N Test
Il nostro processo, passo dopo passo
Per rendere più robusto un portafoglio non basta un singolo calcolo, serve un percorso che colleghi obiettivi, dati, modelli e revisione periodica in modo coerente.
01
Obiettivi
Definizione di obiettivi e vincoli
Partiamo da una fotografia onesta di come vengono prese oggi le decisioni: quali obiettivi sono davvero prioritari, quali limiti non vuoi superare, come reagisci alle fasi di mercato difficili e quanto spesso rivedi il portafoglio.
02
Dati
Preparazione e lettura critica dei dati
Raccogliamo dati storici e informazioni di mercato con l’idea che siano imperfetti. Puliamo le serie, valutiamo la qualità delle fonti e stimiamo parametri come rendimenti medi e rischi, sapendo che contengono inevitabilmente errori.
03
Modelli
Selezione e adattamento dei modelli
Scegliamo modelli che non inseguano la massima precisione teorica, ma che restino utilizzabili anche quando le stime cambiano. Combiniamo elementi media-varianza, analisi fattoriale e vincoli operativi in un quadro coerente.
04
Stress
Stress test e analisi di sensibilità
Mettiamo il portafoglio alla prova su scenari storici contrastanti, shock simulati e variazioni sistematiche dei parametri, per capire quanto cambiano le decisioni e dove la struttura mostra maggiore fragilità.
05
Revisione
Monitoraggio continuo e aggiornamenti mirati
Definiamo un ciclo di monitoraggio con momenti chiari per rivedere i risultati, confrontarli con le ipotesi iniziali e aggiornare le regole, mantenendo il processo gestibile nel tempo.
Le fasi chiave del nostro quadro robusto
Per raccontare il nostro metodo abbiamo scelto una traccia in cinque fasi, che parte dall’osservazione del processo attuale e arriva a un ciclo di revisione sostenibile, sempre con l’errore di stima in primo piano.
01
Osservare il processo decisionale esistente
Tutto inizia con una domanda semplice: come prendi oggi le decisioni sul
portafoglio. In questa fase non cambiamo nulla, osserviamo. Guardiamo quali dati
consulti, ogni quanto li controlli, che peso dai alle notizie e quali limiti ti
imponi spontaneamente. Con il nostro schema Osserva-Valuta-Chiarisci, mappiamo
le regole esplicite e quelle implicite, individuando dove ti affidi a stime
troppo precise o a periodi storici troppo brevi. Il risultato è una fotografia
onesta del processo, con punti di forza e zone di fragilità evidenti, su cui
costruire il resto del lavoro senza illusioni.
02
Mettere in evidenza l’errore di stima
Una volta chiarito il punto di partenza, passiamo a rendere tangibile l’errore
di stima. Prendiamo le stime di rendimento e rischio che usi, le facciamo
oscillare entro intervalli realistici e osserviamo quanto cambiano le decisioni
sul portafoglio. In parallelo confrontiamo diverse finestre storiche, periodi di
calma e di stress, per vedere se le stesse regole producono risultati molto
diversi. Questo esercizio, che chiamiamo Lente sull’Errore, aiuta a capire dove
il modello è troppo sensibile e quali scelte restano sensate anche quando i
numeri si muovono in modo non ideale.
03
Classificare e discutere l’incertezza
Chiarito il ruolo dell’errore, introduciamo il quadro Tre Livelli di Incertezza. Separiamo ciò che è relativamente misurabile, come alcune statistiche storiche, da ciò che è solo stimabile e da ciò che resta totalmente sconosciuto. Per ogni livello discutiamo quali margini di prudenza adottare, che tipo di scenari considerare e quanto peso dare agli eventi estremi. L’obiettivo non è comprimere tutto in un’unica misura di rischio, ma costruire un linguaggio comune per parlare di incertezza, utile nelle decisioni quotidiane e nelle discussioni tra persone con ruoli diversi.
04
Tradurre in vincoli e regole operative
A questo punto lavoriamo sulla traduzione pratica in regole. Con il quadro Vincoli-Principi-Regole, partiamo dai limiti che non vuoi superare, come concentrazioni massime, soglie di perdita accettabili o esigenze di liquidità. Li colleghiamo ai principi che ti guidano, ad esempio stabilità, semplicità o flessibilità, e infine li trasformiamo in poche regole operative chiare. Preferiamo indicazioni che possano essere spiegate a voce in modo semplice, perché solo ciò che è comprensibile tende a essere rispettato quando la volatilità aumenta e la pressione emotiva si fa sentire.
05
Stabilire un ciclo di revisione robusto nel tempo
L’ultima fase riguarda il tempo. Un portafoglio robusto non è quello che sembra perfetto oggi, ma quello che resta gestibile dopo anni di cambiamenti. Con il ciclo Rivedi-Confronta-Adatta definiamo quando guardare ai risultati, quali indicatori osservare e quali soglie considerare davvero significative. Documentiamo le ipotesi iniziali, così da poterle rileggere in futuro e distinguere tra sfortuna di mercato e modello inadeguato. In questo modo creiamo un percorso che accetta che Results may vary, ma che riduce il rischio di reazioni impulsive e di cambi di rotta dettati solo dall’emotività del momento.
La filosofia dietro il nostro metodo robusto
La nostra filosofia nasce da una constatazione semplice: i portafogli non falliscono perché mancano formule, ma perché si sopravvaluta la precisione delle stime e si sottovalutano i limiti di chi deve convivere con le decisioni prese. Per questo mettiamo l’errore di stima al centro, trattando i dati storici come una guida imperfetta e non come una verità da copiare. Preferiamo modelli che sopravvivono a molti scenari scomodi, anche a costo di rinunciare a parte della brillantezza teorica, e che tengono conto del comportamento reale delle persone, non solo di quello che i fogli di calcolo vorrebbero.
Il primo pilastro della nostra filosofia è che l’errore di stima non è un dettaglio tecnico, ma il punto da cui partire. Ogni volta che vediamo un portafoglio troppo dipendente da pochi numeri precisi, sappiamo che basta una piccola variazione per cambiare completamente le decisioni. Per questo preferiamo schemi che accettano intervalli plausibili invece di valori puntuali e che si mantengono coerenti anche quando i dati non rispettano le aspettative iniziali.
Un altro elemento centrale è la trasparenza sulle ipotesi. Ogni modello nasconde scelte implicite: quali periodi considerare, come trattare dati mancanti, che peso dare agli eventi estremi. Nel nostro approccio queste decisioni vengono rese esplicite, discusse e documentate, in modo che chi partecipa alla pianificazione sappia dove si concentrano i principali punti di fragilità e possa giudicare consapevolmente i compromessi accettati.
La filosofia di robustezza che adottiamo ci porta a preferire soluzioni meno spettacolari nei casi migliori, ma più stabili nel complesso. Accettiamo consapevolmente di rinunciare a una parte del potenziale teorico per ridurre la dipendenza da scenari troppo favorevoli. Questo tipo di compromesso richiede pazienza e una certa serenità nell’affrontare i periodi meno brillanti, ma permette di mantenere più a lungo coerenza con le regole stabilite.
Un principio che applichiamo spesso è quello della ridondanza ragionata. Invece di puntare tutto su un’unica fonte di informazione o su un solo schema decisionale, preferiamo combinare più segnali indipendenti, ognuno con i propri limiti. L’obiettivo non è complicare inutilmente il quadro, ma evitare che un singolo errore di stima o un cambiamento improvviso di contesto metta in crisi l’intero portafoglio.
Errore al centro
Ogni analisi parte dalla domanda su quanto possano essere sbagliate le stime. Lavoriamo con intervalli plausibili e scenari estremi per capire se le decisioni restano sensate anche quando i numeri si muovono in modo imprevisto.
Storia come laboratorio
I dati storici vengono usati come banco di prova, non come oracolo. Testiamo le regole su periodi diversi, crisi e fasi tranquille, per vedere dove il modello regge e dove invece mostra segni di fragilità strutturale.
Trasparenza operativa
Le ipotesi chiave, i vincoli operativi e i compromessi accettati vengono documentati in modo chiaro. Questo permette di rileggere le decisioni nel tempo e di capire se un esito deriva da sfortuna o da un modello mal calibrato.
Realismo comportamentale
Consideriamo sempre come le persone reagiscono a perdite, sorprese e fasi di incertezza. Un portafoglio che richiede una disciplina irrealistica non è robusto, anche se i numeri lo descrivono come efficiente.
Semplicità applicabile
Preferiamo regole semplici che possano essere spiegate in poche frasi, perché solo ciò che è comprensibile tende a essere seguito anche nei momenti di stress dei mercati.
Oltre i modelli classici
Abbiamo iniziato, come molti, con media-varianza e diversificazione ingenua. Poi abbiamo visto quanto potessero cambiare le decisioni al minimo spostamento delle stime. Da lì abbiamo costruito un quadro più robusto, che accetta l’errore come punto di partenza e integra vincoli pratici, scenari storici e comportamento reale.
Veloriaqex
Robustezza prima dell’eleganza
Su misura
(4.6/5)
Media varianza
Elegante ma spesso fragile
Basso
(3/5)
Sensibilità alle stime
L’approccio classico tende a ottimizzare su poche stime puntuali, molto sensibili ai dati; il nostro metodo privilegia soluzioni che restano stabili anche quando i parametri cambiano entro intervalli realistici.
Veloriaqex
83%
Media varianza
42%
Veloriaqex
Vincoli realistici integrati
I modelli tradizionali assumono spesso vincoli ideali, senza costi o limiti operativi; noi inseriamo fin dall’inizio vincoli pratici su concentrazione, liquidità e frequenza di revisione delle decisioni.
Veloriaqex
88%
Media varianza
38%
Veloriaqex
Struttura del portafoglio
La diversificazione ingenua distribuisce il capitale in modo uniforme; il nostro quadro combina analisi fattoriali, storia di mercato e comportamento dell’investitore per scegliere strutture più coerenti.
Veloriaqex
81%
Media varianza
35%
Veloriaqex
Test di robustezza integrati
Gli schemi semplici raramente includono test di robustezza sistematici; il nostro metodo prevede sempre scenari di stress, analisi di sensibilità e controlli di stabilità nel tempo.
Veloriaqex
86%
Media varianza
40%
Veloriaqex
Come funziona davvero il nostro metodo
1
Analisi scenari
Il primo passo del nostro metodo è smettere di guardare solo alla media storica e iniziare a ragionare per scenari. Prendiamo periodi tranquilli, fasi di stress e contesti intermedi, li mettiamo fianco a fianco e osserviamo come cambiano le decisioni sul portafoglio. Questo approccio, che chiamiamo Matrice di Scenari Contrapposti, serve a rendere visibile dove un modello è troppo sensibile a piccole variazioni dei dati e dove invece mantiene una logica coerente, anche in condizioni scomode.
2
Modelli fattoriali
Dietro ogni portafoglio c’è una combinazione di fattori: stili di mercato, settori, duration, valute e altri elementi che si muovono in modo diverso nel tempo. Nel nostro quadro usiamo i fattori non per creare formule complesse, ma per capire quali forze stanno davvero guidando rischio e rendimento. Questo ci aiuta a distinguere tra una diversificazione apparente e una più sostanziale, valutando quanto le esposizioni siano concentrate su pochi driver nascosti.
Disegno vincoli
Molti modelli sembrano robusti finché non si aggiunge un vincolo reale: limiti di concentrazione, soglie di perdita tollerabili, orizzonte temporale o necessità di liquidità. Nel nostro metodo i vincoli non sono un’aggiunta finale, ma una parte strutturale del problema. Usiamo quella che chiamiamo Griglia Vincoli-Principi per tradurre regole astratte in limiti numerici chiari, mantenendo il portafoglio gestibile per chi lo detiene anche nei momenti difficili.
Stress e monitoraggio
Un modello che funziona solo su un periodo storico selezionato è poco utile nella pratica. Per questo inseriamo sempre una fase di stress test e monitoraggio continuo. Applichiamo variazioni sistematiche alle stime, ripetiamo l’analisi su finestre temporali diverse e controlliamo quanto cambiano le decisioni operative. Questo ciclo, che chiamiamo Revisione Robusta Ricorrente, è il cuore del nostro metodo: meglio scoprire in anticipo dove una regola può rompersi, piuttosto che accorgersene nel pieno della volatilità.
