Contenuti a solo scopo informativo.
Past performance does not guarantee future results.
Il quadro metodologico di base
Arrivi quando il modello sembra elegante, ma le decisioni che ne derivano non ti
convincono del tutto. La nostra metodologia nasce proprio per questi momenti:
trasformare intuizioni sul valore relativo cross asset in percorsi tracciabili,
discutibili e aggiornabili, senza venderli come risposte definitive.
01
Telaio Cross Asset
Il nostro punto di partenza non è la ricerca di un segnale perfetto, ma la
costruzione di un percorso replicabile: definire universi, scegliere variabili,
pulire serie storiche, costruire score di valore relativo e testare quanto i
risultati cambiano al variare delle ipotesi. Chiamiamo questo impianto Telaio
Cross Asset, perché serve da struttura su cui innestare casi specifici, senza
reinventare ogni volta il processo da zero.
02
Tracciabilità completa
Ogni passaggio del Telaio Cross Asset viene documentato: da dove arrivano i dati, quali trasformazioni subiscono, come vengono gestiti i buchi informativi, quali regole guidano la selezione degli orizzonti temporali. Questo non elimina il rischio di errore, ma rende possibile ricostruire perché un modello ha prodotto un certo risultato e dove, eventualmente, ha iniziato a deviare dal buon senso di mercato.
03
Rischio come filo conduttore
Fin dall’inizio colleghiamo il lavoro sui modelli a domande di rischio: quali
fattori restano scoperti, cosa succede in scenari estremi, quanto è realistico
poter modificare le posizioni in condizioni di stress. In questo modo il Telaio
Cross Asset non resta un esercizio teorico, ma diventa uno strumento per
discutere in modo più lucido compromessi e vulnerabilità. Past performance does
not guarantee future results e i risultati possono variare.
Il nostro Ciclo di Validazione Relativa
Abbiamo formalizzato un percorso interno, che chiamiamo Ciclo di Validazione Relativa, per
evitare che un singolo modello elegante diventi l’unico filtro con cui leggere i mercati.
Non è un protocollo rigido, ma una sequenza di domande che ripetiamo con disciplina.
Analisi
Mappatura di idee e dati
Partiamo dalle idee che esistono già: quali asset vuoi mettere in relazione, che tipo di spread o strutture stai osservando, quali intuizioni macro o micro ti sembrano alla base del movimento. Da qui costruiamo una mappa dei dati disponibili, identifichiamo le principali lacune e definiamo un universo di analisi realistico, chiarendo fin dall’inizio quali domande il modello non potrà comunque affrontare in modo affidabile.
Disegno dei fattori
Una volta definito l’universo, selezioniamo le variabili chiave: driver macro, indicatori micro, segnali tecnici. Decidiamo come normalizzarle, come gestire outlier e buchi informativi, come allineare frequenze e orizzonti temporali. Questo passaggio, che chiamiamo Disegno dei Fattori, è spesso quello che incide di più sulla lettura finale del valore relativo e sui rischi residui.
Modellazione
Laboratorio relativo
Con il Disegno dei Fattori pronto, costruiamo uno o più modelli di valore relativo: score sintetici, regressioni, analisi di dispersione. Non ci fermiamo a una sola specifica, ma confrontiamo varianti con assunzioni diverse per vedere quanto le conclusioni dipendono dai dettagli tecnici. Questa fase, che chiamiamo Laboratorio Relativo, serve a distinguere i segnali robusti dalle coincidenze statistiche.
Stress e scenari
Mettiamo poi alla prova i modelli con finestre temporali alternative, scenari di stress e cambi di regime simulati. Analizziamo come si muovono le relazioni tra asset quando le condizioni macro cambiano, quando la liquidità si riduce o quando un fattore dominante perde importanza. Non è un modo per prevedere il futuro, ma per capire dove il modello è più vulnerabile. Past performance does not guarantee future results.
Revisione
Quadro di uso consapevole
Infine traduciamo il lavoro in una sintesi operativa: quali
relazioni il modello descrive in modo credibile, quali rimangono
troppo instabili, quali dati andrebbero migliorati e quali decisioni
richiedono maggiore cautela. Questa fase, che chiamiamo Quadro di
Uso Consapevole, non produce raccomandazioni operative, ma linee
guida su come leggere i risultati, dove aspettarsi sorprese e quando
è preferibile sospendere il giudizio.
Revisione periodica
A intervalli prestabiliti, o quando il mercato cambia volto, torniamo sul modello: rivediamo dati, variabili, pesi e assunzioni, valutando se il Telaio Cross Asset vada aggiornato o se alcune relazioni vadano temporaneamente accantonate. In questo modo la metodologia rimane viva e coerente con il contesto, accettando che i risultati possano variare nel tempo.
Come combiniamo macro, micro e tecnica
Macro focus
Partiamo dai driver macro che muovono contemporaneamente più asset: politiche monetarie, condizioni di liquidità, ciclo economico, inflazione, premi per il rischio sistemico. Invece di trattarli come semplice contesto, li traduciamo in variabili osservabili, serie storiche e indicatori sintetici. Questi entrano nei modelli come fattori comuni, contro cui misuriamo quanto ogni asset, o spread, si discosti da ciò che il quadro macro suggerirebbe.
Micro driver
Accanto al livello macro, inseriamo informazioni micro dove hanno senso: metriche di solidità emittente, qualità del credito, caratteristiche dei singoli contratti, aspetti di microstruttura come profondità dei book o costi impliciti. Non sempre sono dati perfetti o completi, quindi lavoriamo su come pesarli, come trattare i buchi informativi e come evitare che un dettaglio poco affidabile domini l’intero modello di valore relativo.
Segnali tecnici
I segnali tecnici non sono decorazioni grafiche, ma un terzo strato di lettura: volatilità realizzata, correlazioni che cambiano, pattern di prezzo ricorrenti, comportamento dei volumi. Li utilizziamo per capire se la storia raccontata da macro e micro è coerente con il modo in cui i prezzi si stanno effettivamente muovendo. Quando le tre letture divergono, non cerchiamo subito una spiegazione rassicurante: ci fermiamo a discutere cosa potrebbe essere cambiato sotto la superficie.
Quadro integrato
Il cuore della metodologia è un quadro di valore relativo che mette insieme questi livelli in modo coerente: definizione dell’universo, costruzione di score, misure di dispersione, test di robustezza. Non cerchiamo di produrre un unico numero magico, ma una mappa che mostri dove gli spread appaiono estremi rispetto ai driver scelti e quanto questa valutazione sia sensibile a ipotesi diverse. Tutto con la consapevolezza che past performance does not guarantee future results.
Un caso di studio: azionario e credito in chiave relativa
Per rendere concreto il metodo, usiamo spesso un caso ricorrente: il rapporto tra un indice azionario e gli spread di credito collegati. È un terreno dove macro, micro e tecnica si intrecciano e dove i modelli possono facilmente raccontare storie troppo semplici.
01
Definire il caso e mettere ordine nei dati
Partiamo da un dubbio concreto, ad esempio un apparente disallineamento tra un
indice azionario e gli spread di credito associati. Raccolte le serie storiche di
prezzi, rendimenti e spread, definiamo un universo coerente e puliamo i dati:
frequenze, valute, scadenze, buchi informativi. In questa fase emerge spesso che
parte del disallineamento deriva da scelte tecniche sui dati, non da una vera
anomalia di mercato.
02
Costruire i fattori comuni cross asset
Con l’universo pronto, selezioniamo driver macro (crescita, inflazione, condizioni di liquidità), indicatori micro (metriche sintetiche di solidità emittente) e segnali tecnici (volatilità, correlazioni). Li trasformiamo in variabili comparabili, decidendo come normalizzarli e come gestire outlier e salti strutturali. Questo passaggio crea la base comune su cui confrontare azionario e credito.
03
Stimare lo score di valore relativo
Costruiamo quindi uno score di valore relativo che metta in relazione, ad esempio,
performance dell’indice azionario e comportamento degli spread di credito rispetto
ai driver comuni. Usiamo regressioni semplici o modelli di dispersione per misurare
quanto ciascun lato della coppia si discosti da ciò che il quadro macro e micro
suggerirebbe, tenendo traccia di ogni scelta di specifica.
04
Testare robustezza e sensibilità del modello
Mettiamo alla prova lo score con finestre temporali diverse, periodi di stress,
scenari di correlazione che salta. Analizziamo come cambia la lettura del
disallineamento quando l’orizzonte si accorcia, quando includiamo fasi di crisi o
quando alcuni driver perdono importanza. Past performance does not guarantee future
results e i risultati possono variare sensibilmente tra scenari.
05
Leggere i risultati e chiarire i limiti
Infine traduciamo i risultati in una storia chiara: in quali condizioni lo spread
tra azionario e credito appare davvero estremo, quanto è affidabile questa
valutazione, quali rischi residui rimangono fuori dal modello e quando è più
prudente non trarre conclusioni operative. Il caso di studio diventa così un esempio
di come applicare, con disciplina, il Ciclo di Validazione Relativa senza
trasformarlo in una ricetta automatica.
06
Aggiornare il caso con nuovi dati e regimi
Nel tempo torniamo sul caso, aggiornando dati e driver per verificare se le
relazioni individuate mantengono un senso economico o se il mercato ha cambiato
struttura. Questo consente di decidere se raffinare il modello, sostituire alcune
variabili o accettare che il pattern iniziale fosse legato a un regime specifico non
più attuale.
Perché questo approccio
Un metodo diverso dai percorsi generici sul valore relativo
Entriamo in scena quando fogli di calcolo, grafici e report non bastano più a spiegare cosa sta davvero guidando uno spread cross asset. La metodologia Drubaipryopolvasri mette ordine tra dati macro, micro e segnali tecnici, con modelli quantitativi dichiarati e limiti espliciti, per discutere il valore relativo senza scorciatoie operative.
Struttura unica cross asset
Invece di analisi isolate per singola asset class, partiamo da un’unica
struttura che integra driver macro, fondamentali micro e segnali tecnici. Questo
ci permette di leggere le relazioni tra asset con un linguaggio comune,
riducendo il rischio di raccontare tre storie diverse sullo stesso movimento di
mercato.
Modelli dichiarati, non scatole nere
I nostri schemi si basano su modelli quantitativi espliciti: specifiche chiare,
variabili definite, criteri di normalizzazione documentati. Non promettono
precisione assoluta, ma rendono visibili le scelte che influenzano di più il
risultato, così che possano essere discusse e, se necessario, cambiate.
Rischio al centro del processo
Ogni quadro di valore relativo viene collegato fin dall’inizio a domande sul rischio: quali fattori restano scoperti, come potrebbero muoversi in stress, che ruolo ha la liquidità. Non eliminiamo la possibilità di perdita, ma aiutiamo a vedere dove il modello è più fragile, ricordando che la performance passata non garantisce risultati futuri.
Processo adattivo nel tempo
La metodologia è pensata per essere aggiornata quando il regime di mercato cambia: scenari alternativi, finestre temporali diverse, revisioni periodiche delle variabili chiave. Così non ci si affida a un pattern storico immutabile, ma a un processo che accetta l’idea di dover essere rivisto nel tempo.
Domande sulla metodologia
Quando si parla di metodo, le domande ricorrenti riguardano quasi sempre dati, strumenti e
limiti. Preferiamo affrontarle subito, con risposte dirette, piuttosto che lasciare zone
d’ombra che potrebbero creare aspettative sbagliate.
Che tipo di dati servono per applicare questa metodologia
Lavoriamo principalmente con serie storiche di prezzi e rendimenti, dati macroeconomici pubblici, indicatori di liquidità, informazioni su scadenze e caratteristiche dei contratti. Quando disponibili, integriamo anche dati micro come rating, bilanci sintetici o metriche di qualità emittente, sempre esplicitando limiti e buchi informativi.
Sono necessari strumenti software particolari
No. Utilizziamo strumenti statistici e software diffusi nel settore, ma la logica dei modelli resta comprensibile anche con fogli di calcolo avanzati. L’attenzione è più sul disegno del modello, sulle scelte di variabili e sui test di robustezza che su tecnologie proprietarie complesse.
Come si adatta il metodo ai diversi regimi di mercato
I quadri di valore relativo vengono pensati per funzionare in regimi diversi, ma non esiste un modello valido per ogni fase di mercato. Per questo prevediamo scenari alternativi, finestre temporali multiple e revisioni periodiche delle assunzioni, accettando che in alcuni contesti sia più prudente sospendere il giudizio.
La metodologia funziona su tutte le asset class
La struttura è per definizione cross asset: lavoriamo su relazioni tra tassi, credito, indici azionari, cambi e materie prime. Tuttavia, non tutti i legami hanno lo stesso senso economico o la stessa qualità di dati. Per questo valutiamo caso per caso quali asset includere, come normalizzarli e quali driver comuni utilizzare.