Ammettiamolo: tutti noi siamo partiti credendo che bastasse aggiungere qualche vincolo in più al foglio di calcolo. Poi abbiamo scoperto che il problema era a monte, nel modo in cui usavamo la storia per decidere sul futuro.
Prendiamo casi reali in cui la teoria sembra funzionare e li stressiamo con scenari scomodi, periodi storici dimenticati e ipotesi meno ottimistiche.
Ci concentriamo su come i modelli reagiscono a dati leggermente diversi, non solo su quanto siano eleganti sulla carta.
Dal primo foglio Excel pieno di formule poco robuste a un quadro strutturato per gestire incertezza e stime fragili.
Confessione iniziale: anche noi, agli inizi, abbiamo sovrastimato quanto i numeri storici fossero affidabili. Da lì è nata l’idea di Veloriaqex: creare uno spazio dove i metodi di ottimizzazione robusta non restano bloccati nelle pubblicazioni, ma diventano procedure quotidiane per gestire l’incertezza nei portafogli. Colleghiamo modelli quantitativi, buon senso operativo e limiti molto chiari di ciò che i dati possono davvero dire.
Mettiamo al centro l’errore di stima: non lo trattiamo come rumore fastidioso, ma come il fattore che cambia davvero le decisioni su rischio e allocazione del capitale nel tempo.
Adattiamo strumenti noti, come media-varianza e approcci bayesiani, a vincoli realistici su costi, liquidità e comportamento dell’investitore nel ciclo di mercato.
Con il nostro approccio Iterazione Storico-Pratica, testiamo ogni schema decisionale su casi reali e lo rivediamo finché non regge sia sulla carta sia nella gestione quotidiana.
Rendiamo trasparenti ipotesi, punti deboli e compromessi, così chi ci segue sa quando fidarsi dei numeri e quando invece serve prudenza aggiuntiva.
Un approccio che integra dati di mercato, scenari di stress e sensibilità ai parametri per costruire decisioni più stabili nel tempo.
I primi fogli di calcolo nascono come tentativo di applicare in modo diretto la teoria media-varianza, senza ancora considerare seriamente il peso dell’errore di stima nei parametri chiave.
Dopo vari test su dati storici, sviluppiamo le prime procedure interne per valutare quanto le decisioni cambino al variare minimo dei rendimenti attesi e delle covarianze.
Prime collaborazioni strutturate
Iniziamo a condividere in modo strutturato il nostro approccio con professionisti interessati a discutere metodi moderni di pianificazione finanziaria basati su modelli più stabili.
Ciclo robusto formalizzato
Rafforziamo il Ciclo Robusto in Tre Passi, integrando stress test sistematici e analisi di sensibilità standardizzate in ogni discussione collegata ai portafogli.
Aggiorniamo il nostro quadro alle condizioni di mercato più recenti, con particolare attenzione ai periodi di forte discontinuità e ai limiti delle serie storiche brevi.
La nostra missione è ridurre la distanza tra modelli di ottimizzazione sofisticati e le decisioni quotidiane su come distribuire il capitale nel tempo. Non promettiamo formule magiche, ma un modo più onesto di usare i dati: partendo dall’errore di stima, accettando l’incertezza e costruendo scelte che restano sensate anche quando i numeri si muovono. Lavoriamo con un quadro trasparente di ipotesi, limiti e compromessi, aggiornato al contesto di mercato del 2026.
Immaginiamo un contesto in cui chi discute di portafogli non si limita a citare formule, ma sa anche spiegare con calma cosa succede quando i dati cambiano, quando un modello smette di funzionare e quali compromessi sono stati accettati. La nostra visione è contribuire a un modo più maturo di parlare di pianificazione finanziaria, dove robustezza, storia e limiti dei modelli sono parte esplicita della conversazione, non note in piccolo a margine.
Per noi la trasparenza non riguarda solo le commissioni o i costi, ma anche le ipotesi dei modelli, le fonti dei dati e i punti deboli delle procedure che utilizziamo nelle analisi. Spieghiamo apertamente dove un modello può fallire, quali condizioni lo mettono in difficoltà e quali margini di prudenza consideriamo ragionevoli.
Ogni schema decisionale che proponiamo viene confrontato con la storia, inclusi periodi scomodi e scenari estremi. Non ci interessa mostrare solo esempi in cui tutto funziona bene, ma soprattutto casi in cui il modello viene messo alla prova e deve dimostrare di restare utilizzabile.
La robustezza, per noi, non è una parola elegante, ma la capacità di una regola di restare sensata anche quando i parametri stimati si rivelano imprecisi. Cerchiamo procedure che tollerino errori ragionevoli senza cambiare radicalmente le scelte di allocazione.
Siamo convinti che una buona pianificazione finanziaria debba considerare non solo numeri e grafici, ma anche il modo in cui le persone reagiscono a perdite, sorprese e fasi di mercato difficili. Inseriamo questi aspetti nella discussione, anche quando rendono le decisioni meno eleganti sulla carta.
Responsabile quadro metodologico robusto
Il primo errore che ha convinto Luca a cambiare approccio è stato un portafoglio estremamente concentrato, costruito su stime ottimistiche di rendimento. Da allora ha dedicato il proprio lavoro a integrare metodi di ottimizzazione robusta con una visione più ampia di pianificazione finanziaria, che tenga conto dei limiti dei dati e del comportamento reale delle persone. Ha esperienza in modelli quantitativi, analisi di scenario e processi decisionali che uniscono formule, buon senso e una forte cultura del dubbio.
Responsabile applicazioni pratiche e rischio
Responsabile dati, scenari e test di robustezza
Riconoscimento per aver contribuito al dialogo tra mondo accademico e pratico sull’uso prudente dei modelli quantitativi nelle decisioni di portafoglio, con particolare attenzione ai limiti dei dati storici.
Menzione per un lavoro congiunto su procedure di stress test e analisi di scenario, presentato in una conferenza italiana dedicata alla gestione del rischio finanziario.
Riconoscimento indipendente
Segnalazione in una rassegna di operatori indipendenti che promuovono approcci più responsabili all’uso dei dati nei processi decisionali collegati ai mercati.
Citazione in una newsletter professionale per il contributo alla diffusione di metodi robusti e per la chiarezza nel comunicare compromessi e ipotesi dei modelli.