Molte opzioni di investimento con rendimenti attesi e rischi diversi e correlazioni. Il problema OR finanziario classico: mean-variance di Markowitz, dal 1952.
In breve
Ti suona familiare?
- L'azienda ha eccesso di liquidità; invece di lasciarla in conto, il manager decide ogni mese a intuito.
- Il consulente bancario dice 'questi fondi vi convengono'; non possiamo davvero verificare se ci convengono o se ci sono alternative migliori.
- Abbiamo valute, oro, azioni; il portafoglio è al 50% in USD e nessuno misura la distribuzione del rischio.
- Un dipendente pensionato vuole investire la sua liquidazione; non c'è chi gli dica quale mix di fondi gli si addica.
- Investiamo nell'azienda, teniamo obbligazioni o compriamo una macchina? Decidiamo con un singolo numero come 'rendimento storico medio'.
- Il nostro appetito di rischio è cambiato — prima aggressivi, ora conservatori — non sappiamo come rivedere il portafoglio.
- Tasse, commissioni, importi minimi — distribuiamo senza modellare come incidono sulla decisione.
Perché è importante
Come si risolve
Profondità tecnica
Come si risolve
Profondità tecnicaIn una frase: Due investimenti che si muovono nella stessa direzione (alta correlazione) non sono diversificazione, sono solo una scommessa più grande. La vera diversificazione nasce da coppie in cui uno sale quando l’altro scende. Il rendimento atteso non basta; conta anche come gli asset si compensano fra loro.
Questo è il Portfolio Optimization Problem all’incrocio tra ricerca operativa (disciplina che usa matematica e computer per risolvere decisioni di business) e matematica finanziaria. Formulazione classica: Markowitz Mean-Variance Optimization (1952). Soluzione in tre fasi:
1. Modellazione. Elenco di asset candidati (n), rendimento atteso per asset (μᵢ), covarianze a coppie (σᵢⱼ) — il cuore. Vincoli: pesi sommano a 1, ogni peso ≥ 0 (no short), min/max per asset, limiti per settore/regione. Obiettivo: o massimizzare il rendimento dato un rischio, o minimizzare la varianza dato un rendimento.
2. Decisione con solver. Markowitz è programmazione quadratica (QP); solver moderni risolvono in secondi. 5-50 asset: secondi; 100+: minuti. La frontiera efficiente è restituita come output. Soluzione a singolo punto: portafoglio tangente che massimizza lo Sharpe. In pratica, la stima della matrice di covarianza (la tabella di come ciascuna coppia di asset si muove insieme) è il passo più difficile; stimatori shrinkage (metodo statistico che addolcisce i valori estremi nello storico) e modelli a fattori sono comuni.
3. Integrazione sul campo. Output: pesi percentuali per asset. Calendario di rebalancing, visualizzazione rischio-rendimento (frontiera + posizione attuale), what-if (TRY -20%, tassi +500 bps). Report regolari — atteso vs realizzato e metriche (Sharpe, Treynor, max drawdown)."
Alternative
Manuale + consulente bancario
GratuitoGratuito (commissione nei prodotti)
Per chi: Piccolo capitale (sotto 100K TRY), 1-3 investimenti
- + Costo software zero
- + Contatto umano
- + Conformità regolamentare gestita dalla banca
- − Conflitto di interesse — vende i propri prodotti
- − Niente ottimizzazione numerica
- − Appetito di rischio non misurato personalmente
- − Non scala
Robo-advisor / piattaforme digitali di wealth management
Aziendale0,5-1,5% annuo o 100-2000 TRY/anno fisso
Per chi: Privato o piccola PMI, 100K-5M TRY
- + Rebalancing automatico
- + Algoritmo Markowitz o Black-Litterman
- + Commissione bassa, trasparente
- − Pochi operatori in TR
- − Non integra asset privati (reinvestimento)
- − Personalizzazione limitata
Gestione patrimoniale professionale (istituzionale)
Aziendale1-2% annuo + performance fee
Per chi: 5M+ TRY, istituzionale
- + Team professionale, analisi, reportistica
- + Gestione del rischio professionale
- + Conformità, audit
- − Costoso
- − Soglia minima alta (1-5M TRY)
- − Trasparenza variabile
Solver open-source + librerie Python finanziarie
Open SourceLicenza gratuita; 4-8 settimane in casa o 100K-300K TRY consulenza
Per chi: PMI/privato esperto di finanza; avanzato
- + Controllo totale, personalizzabile
- + Markowitz, Black-Litterman, risk-parity in librerie open-source
- + Nessuna licenza
- − Richiede competenze finanziarie + Python
- − Feed di prezzi potrebbero essere a pagamento
- − Auto-manutenzione
Raccomandazione
Chiedi nell'incontro
- Quale metodo di ottimizzazione usate? Markowitz, Black-Litterman, risk parity disponibili?
- Quale stimatore della covarianza? (shrinkage, modello a fattori, campione)
- Come misurate il mio appetito di rischio? Sondaggio, comportamento storico, simulazione?
- I costi di transazione sono inclusi nell'ottimizzazione?
- Come si fissa la frequenza di rebalancing? Trimestrale, semestrale, basata su soglia?
- Supportate stress test e scenari (tassi +500 bps, TRY -20%)?
- La performance storica 3-5 anni è riportata in modo trasparente?
- Se interrompiamo la collaborazione, come recuperiamo lo storico delle posizioni e i report in formato standard?
Dettagli tecnici
Nota della redazione
In gergo “asset allocation”, “diversificazione del portafoglio”, “mix di investimento”. Accademicamente Portfolio Optimization Problem o Markowitz Mean-Variance Optimization. Senza conoscere la differenza si accetta la proposta della banca senza poter chiedere sotto quali ipotesi è stata ottimizzata.
Quello che viene più spesso ignorato: la stima della matrice di covarianza. Stimare i rendimenti è relativamente facile (errore grande ma fattibile); stimare le covarianze è molto più difficile per la dimensione della matrice — 50 asset = 1275 parametri. Stimatori campionari naive performano male; i metodi moderni (shrinkage, fattori) sono necessari.
Percorso passo passo — per la PMI
Fase 1 — Misurati prima. Appetito di rischio: che volatilità (sigma annuo) accetti? Orizzonte: 1, 5, 10 anni? Bisogno di liquidità? Situazione fiscale?
Fase 2 — Definisci l’universo di asset. Tipico in TR: depositi TRY, azioni (BIST), valute, oro, obbligazioni, fondi immobiliari, reinvestimento. Storici (5-10 anni) e correlazioni per asset.
Fase 3 — Pilota. Ottimizzazione su carta, 3-6 mesi portafoglio virtuale. Criteri: a volatilità obiettivo, +2 punti di rendimento atteso.
Fase 4 — Implementazione. Denaro reale, rebalancing regolare. Revisione annuale.
Rischi — cosa può andare storto
- Errore di stima dei rendimenti. Passato ≠ futuro. Errore 30-50% sposta l’output drasticamente. Black-Litterman per combinare con opinione esperta.
- Correlazioni cambiano. In crisi → 1; il beneficio della diversificazione svanisce temporaneamente. Stress test.
- Liquidità ignorata. Immobili 30% — non vendibili al bisogno. Vincolo di liquidità da inserire.
- Cambi fiscali e regolamentari. TR cambia regime spesso. Ottimizzare il rendimento netto."
Sguardo tecnico al metodo
| Approccio | Scala tipica | Tempo | Ottimo garantito? |
|---|---|---|---|
| Programmazione Quadratica (Markowitz classico) | 5-100 asset | secondi | Sì |
| Black-Litterman (Bayesiano) | 5-100 asset | minuti | Sì (Bayesiano) |
| Risk Parity | Qualsiasi | secondi | No (euristico) |
| Monte Carlo + scenari | Stocastico | minuti | No |
| Ottimizzazione robusta | Parametri incerti | sec-min | Ottimo worst-case |
Funzione obiettivo scelta:
- Obiettivo 1 — Massimo Sharpe: Standard.
- Obiettivo 2 — Massimo rendimento per rischio dato: Quando c’è cap di volatilità.
- Obiettivo 3 — Limite di max drawdown: Cap sul peggior scenario.
- Obiettivo 4 — Minimo rischio per rendimento obiettivo: Quando c’è target di rendita."
Per l’investitore turco: rendimento netto da imposte + rendimento reale TRY (corretto per inflazione) è critico.
Fonti accademiche
Vedi sources nel frontmatter.
Fonti
- Markowitz, H. (1952). Portfolio selection. Journal of Finance, 7(1), 77–91. Articolo fondativo della MPT, premio Nobel.
- Sharpe, W. F. (1964). Capital asset prices. Journal of Finance, 19(3), 425–442. CAPM.
- Ledoit, O. e Wolf, M. (2004). A well-conditioned estimator for large-dimensional covariance matrices. Journal of Multivariate Analysis, 88(2), 365–411.
- Commissione dei Mercati dei Capitali Turca (SPK) — rapporti annuali. Riferimento per il mercato finanziario TR.
- Centro Tesi YÖK — parola chiave ‘portföy optimizasyonu’ — 80+ tesi turche. tez.yok.gov.tr
Glossario
- Ottimizzazione del Portafoglio
- Allocare il capitale tra più opzioni di investimento secondo un compromesso rischio-rendimento.
- Analisi Media-Varianza
- Il quadro finanziario classico, di Markowitz, che analizza le decisioni di investimento nel piano rendimento atteso (media) vs rischio (varianza).
Problemi correlati
Budget fisso, molti progetti candidati — quale sottoinsieme scelgo per massimizzare il rendimento totale?
Il comitato investimenti di una holding di medie dimensioni o di una PMI affronta ogni anno 50-200 progetti candidati (ampliamento di stabilimento, nuova linea, magazzino, modernizzazione IT, trasformazione digitale) con un budget annuale fisso (50-500M TRY): quale sottoinsieme scegliere in modo che la spesa non superi il budget e il rendimento totale (NPV) sia massimo? La regola intuitiva 'ordina per NPV/investimento e prendi dall'alto' perde i progetti piccoli ma ad alto rendimento che entrano nell'ultimo 5-10 % del budget — empiricamente devia del 5-15 % dall'ottimo, e con vincoli multidimensionali (budget + ore-uomo + ore-macchina) lo scarto sale al 10-25 %. La stessa struttura ricorre nella selezione mensile delle campagne di marketing, nel carico di un aereo cargo a capacità limitata e nella selezione dei fornitori. La convinzione diffusa nel comitato 'un ottimo matematico non si trova, si sceglie con il giudizio' è sbagliata — una soluzione ottima per 200-1000 candidati si ottiene in minuti.
Più input + più output — come misuro l'efficienza relativa delle mie filiali o unità?
Questa pagina è per voi se gestite una banca con 100-500 filiali, una catena ospedaliera multi-sito con 200-1.500 letti, una direzione scolastica con centinaia di scuole o un ente pubblico che confronta provincia per provincia. La domanda di fondo: quale filiale/ospedale/scuola è efficiente e quale no — e per quelle che non lo sono, quale unità 'peer' devono prendere a riferimento e di quanto devono migliorare? Ogni unità consuma più input alla volta (personale, superficie, budget) e produce più output (ricavi, clienti/pazienti/studenti, qualità); un singolo rapporto come 'ricavi per dipendente' non rappresenta questa realtà e può etichettare come debole un'unità efficiente o viceversa. Applicato correttamente — poiché il peer benchmark fornisce un riferimento concreto di miglioramento — l'accettazione dei piani di miglioramento per le unità deboli cresce del 40-70%, pari grosso modo a 10-50 milioni TRY all'anno di margine operativo in una rete media di filiali.