A chi serve — A chi vuole capire che cosa ottimizza davvero il modello media-varianza, come nasce la frontiera efficiente e perché un portafoglio matematicamente ottimo può essere fragile fuori campione.
L'ottimizzazione media-varianza combina rendimenti attesi e matrice di covarianza per confrontare portafogli in un problema a singolo periodo. Un portafoglio è media-varianza efficiente se, nell'insieme ammissibile, non ne esiste un altro con rendimento atteso maggiore a parità di varianza o varianza minore a parità di rendimento atteso. L'insieme di queste soluzioni forma la frontiera efficiente.
Il modello attribuito a Harry Markowitz è un linguaggio per organizzare un trade-off sotto ipotesi dichiarate. Non conosce i rendimenti futuri, non prova che la varianza esaurisca il rischio e non sceglie da solo obiettivi, vincoli o costi. Gli input stimati e l'insieme ammissibile fanno parte della risposta.
Le due equazioni di base
Con un vettore di pesi w, un vettore di rendimenti attesi
μ e una matrice di covarianza Σ:
E[Rₚ] = wᵀμVar(Rₚ) = wᵀΣwLa prima relazione è lineare nei pesi; la seconda incorpora varianze e covarianze. Per due componenti:
σₚ² = w₁²σ₁² + w₂²σ₂² + 2w₁w₂Cov(R₁,R₂)La covarianza spiega perché il rischio del portafoglio non è la media dei rischi individuali. La correlazione standardizza quella relazione, ma la matrice necessaria all'ottimizzazione è in unità di covarianza.
Una formulazione comune minimizza wᵀΣw per un rendimento target,
con vincoli come ∑wᵢ = 1. Un'altra massimizza rendimento atteso
meno una penalità proporzionale alla varianza. I risultati dipendono dal
parametro di avversione al rischio e dai vincoli su short, leva, turnover,
concentrazione e liquidità.
Cosa mostra la frontiera
Nel piano rendimento atteso–volatilità:
- i portafogli sotto la frontiera sono dominati all'interno del modello;
- il punto più a sinistra è il portafoglio di minima varianza globale;
- muoversi lungo la parte superiore cambia il trade-off tra rendimento atteso e volatilità stimata;
- aggiungere o togliere vincoli modifica l'insieme ammissibile;
- cambiare input sposta l'intera frontiera.
“Efficiente” è quindi un termine condizionato, non un giudizio assoluto. Una soluzione può essere efficiente nel modello e inadatta per flussi, drawdown, passività, coda, liquidità o capacità. Due investitori con lo stesso universo possono scegliere punti diversi perché hanno obiettivi e vincoli diversi.
Il problema dell'errore di stima
Rendimenti attesi, volatilità e covarianze vengono stimati. Piccole variazioni degli input possono produrre grandi variazioni dei pesi, specialmente quando asset simili competono per una differenza di rendimento atteso piccola. La CFA Institute elenca tra le critiche alla MVO:
- sensibilità degli output agli input;
- concentrazioni estreme;
- mancata rappresentazione di asimmetria e code;
- diversificazione apparente per asset ma non per fattori;
- assenza di un collegamento diretto alle passività;
- struttura a singolo periodo che tende a ignorare costi, imposte e ribilanciamento.
Il confronto fuori campione di DeMiguel, Garlappi e Uppal mostra quanto sia
difficile per molte regole ottimizzate battere stabilmente il semplice
benchmark a pesi uguali nei dataset studiati. Il risultato non dichiara
1/N universalmente ottimo; rende obbligatorio confrontare un
modello complesso con baseline semplici, costi e dati non usati nella stima.
Strumenti di robustezza
Le correzioni possibili rispondono a problemi diversi:
| Intervento | Obiettivo | Limite |
|---|---|---|
| Vincoli sui pesi | evitare soluzioni estreme | possono nascondere input deboli senza correggerli |
| Shrinkage | stabilizzare medie o covarianze | richiede una destinazione e un'intensità |
| Resampling o scenari | mostrare sensibilità a input alternativi | dipende dal modello di simulazione |
| Black–Litterman | combinare equilibrio e view con incertezza | non elimina la scelta delle view e dei parametri |
| Minima varianza | ridurre dipendenza dai rendimenti attesi | resta dipendente dalla covarianza |
| Risk budgeting | controllare contributi sotto una misura | non ottimizza automaticamente il rendimento |
| Penalità di turnover | includere frizioni di transizione | richiede costi realistici e stato iniziale |
Una batteria robusta varia finestre, frequenze, universi, vincoli e costi, conservando un test fuori campione. Mostrare una sola soluzione con molte cifre decimali comunica precisione numerica, non certezza economica.
Esempio a due asset
Due asset ipotetici hanno volatilità annua stimata del 10% e 20%, correlazione
0,25 e pesi del 60% e 40%. La covarianza è
0,25 × 0,10 × 0,20 = 0,005. La varianza stimata è:
0,60²×0,10² + 0,40²×0,20² + 2×0,60×0,40×0,005 = 0,0124La volatilità è circa √0,0124 = 11,14%. Il calcolo illustra
l'effetto della covarianza. Non prevede la volatilità futura e non dimostra che
60/40 sia efficiente: servono rendimenti attesi, vincoli e confronto con tutte
le combinazioni ammissibili.
Protocollo di pubblicazione di un'ottimizzazione
Un risultato verificabile dichiara:
- universo e regola di sopravvivenza;
- valuta, frequenza e intervallo dei dati;
- stima dei rendimenti e della covarianza;
- funzione obiettivo;
- vincoli e trattamento della cassa;
- posizione iniziale, turnover e modello dei costi;
- gestione di dati mancanti e outlier;
- analisi di sensibilità;
- validazione fuori campione;
- data e versione degli input.
Errore tipico — Presentare il punto più alto di una frontiera stimata come “portafoglio migliore”. L'ottimizzatore risolve la funzione fornita; non decide se input, obiettivo e vincoli rappresentino il problema reale.
Fonti
- Harry Markowitz, Portfolio Selection, The Journal of Finance (1952) — formulazione originaria del criterio media-varianza.
- CFA Institute, Principles of Asset Allocation — 2026 refresher reading — funzione obiettivo, frontiera, critiche, passività, fattori e applicazioni pratiche.
- Victor DeMiguel, Lorenzo Garlappi e Raman Uppal, Optimal Versus Naive Diversification, The Review of Financial Studies — confronto fuori campione con la regola
1/N. - Fischer Black e Robert Litterman, Global Portfolio Optimization, Financial Analysts Journal (1992) — quadro che combina equilibrio e view.
- Richard O. Michaud e Robert Michaud, Estimation Error and Portfolio Optimization: A Resampling Solution — errore di stima, resampling e stabilità delle soluzioni.