L'investimento fattoriale - ingredienti per ottenere rendimenti in eccesso a lungo termine
Molte strategie fattoriali si basano su definizioni scientifiche tradizionali. Tuttavia, alcuni fattori non generano più valore aggiunto. Questo è ciò che conta.
Autore: Elias Lipp, Senior Product Specialist Equities & Themes
Negli ultimi anni, la ricerca sulle strategie basate su fattori ha generato un gran numero di fattori aggiuntivi. I più utilizzati oggi sono il valore, la qualità, il momentum, la bassa volatilità e la dimensione. La definizione dei fattori varia notevolmente tra i diversi economisti e fornitori. Molti fornitori continuano ad orientarsi sulle classiche definizioni dei fattori di Fama-French o di altri economisti che hanno redatto i loro studi principalmente negli anni '90.
Tuttavia, il grafico seguente mostra che i due fattori classici della dimensione (grandezza dell'azienda) e del valore (rapporto prezzo/valore contabile), secondo la definizione di Fama-French, da alcuni anni non offrono più rendimenti in eccesso.
Che cos'è il modello a tre fattori di Fama-French?
Il modello a tre fattori, sviluppato da Eugene Fama e Kenneth French negli anni '90, si basa sulla Modern Portfolio Theory di Markowitz degli anni '50 e sul Capital Asset Pricing Model degli anni '60. Oltre al rendimento di mercato, Fama e French hanno scoperto che il rendimento di un portafoglio o di un'azione può essere spiegato anche tramite le dimensioni della società (vantaggio a lungo termine per le società a piccola e media capitalizzazione) e il rapporto prezzo/valore contabile (vantaggio a lungo termine per le società con un basso valore contabile rispetto al prezzo dell'azione). Il modello a tre fattori è tuttora considerato fondamentale per lo sviluppo delle strategie fattoriali.
Gli ultimi anni hanno dimostrato che molti fattori sono in difficoltà nell'attuale contesto di mercato. Naturalmente, nessuna strategia attiva è immune da anni negativi. Affinché un modello attivo multifattoriale possa sovraperformare il mercato complessivo su un periodo di tempo più lungo (ad esempio cinque anni), oggi sono necessarie definizioni sofisticate e una ricerca coerente, che esamini criticamente i fattori selezionati da un lato e cerchi nuovi potenziali fattori dall'altro. Gli aggiustamenti devono sempre essere soppesati con attenzione. Le seguenti domande forniscono un orientamento:
- Quando un cambiamento ha uno sfondo fondamentale e quando è solo una deviazione temporanea, come durante la bolla dotcom o la crisi finanziaria?
- La personalizzazione offre un valore aggiunto economico e significativo o si tratta solo di data mining?
- Dove è necessaria la coerenza, quando è necessario l'adattamento?
Il nostro approccio
Ci affidiamo alla nostra pluriennale esperienza e al nostro processo di ricerca sistematico. Negli ultimi 20 anni abbiamo costantemente sviluppato il nostro modello.
Negli ultimi cinque anni, sono stati analizzati in dettaglio circa 30 sottofattori. Di questi, dodici sono stati infine integrati nel modello. Il nostro modello multifattoriale è attualmente composto dai tre fattori principali Valore, Qualità e Momentum, che insieme si basano su 26 sottofattori.
Oltre alla composizione significativamente più ampia, il nostro modello multifattoriale si differenzia dalle definizioni classiche dei fattori nei seguenti punti:
- Il nostro modello è neutrale rispetto al settore, il che porta a una stabilità significativamente maggiore.
- Ove possibile, per calcolare i fattori utilizziamo i dati di mercato attuali o le stime degli analisti (previsioni). In questo modo, evitiamo di lavorare con dati irrilevanti.
- I nostri portafogli vengono riallocati mensilmente fino a un massimo predefinito (di solito il 10 per cento). Teniamo conto anche dei costi di transazione. In questo modo i nostri portafogli rimangono dinamici, ma i costi di transazione entro limiti ragionevoli.
- Possiamo integrare rapidamente nel modello nuovi sottofattori significativi basati sulla nostra ricerca. Ciò non richiede modifiche preliminari ai documenti legali, che possono allungare rapidamente il processo di personalizzazione.
- Siamo più flessibili con i dati e possiamo fare delle ipotesi se mancano dei punti dati (ad esempio, utilizzando il valore mediano). Questo ci permette di attingere a fattori aggiuntivi, poiché non dobbiamo aderire a un catalogo rigido.
