Studio a cura di Marius Kleinheyer e Thomas Mayer, Professori presso il Flossbach von Storch Research Institute.
Marius Kleinheyer e Thomas Mayer illustrano una serie di casi in cui le narrazioni esistenti sono state improvvisamente confutate da altre nuove narrazioni (casi 1-2) per poi passare ai casi in cui le nuove narrazioni sono state il risultato di uno scontro di narrazioni (casi 3-4) e, da ultimo, ai casi in cui le narrazioni si sono affermate più gradualmente (casi 5-6).
Caso 1: dieselgate
Il 22 settembre 2015 la casa automobilistica tedesca Volkswagen AG pubblicò un comunicato con un allarme utili in cui rivelava che i suoi motori diesel erano stati manomessi per occultare il reale livello delle emissioni di NO2. Come si vede nel Grafico 1, il pubblico prese molto a cuore la vicenda, portando a un incremento della copertura delle notizie riguardanti Volkswagen.
Grafico 1: news su "Volkswagen", 2014-2019.
Fonte: Bloomberg, Google, Flossbach von Storch Research Institute.
Il titolo subì un vero e proprio crollo per poi allinearsi all’andamento degli altri titoli rappresentati dall’indice del mercato azionario DAX30 (Grafico 2). Il trend evidenziato dalla quotazione azionaria risulta compatibile con la rivalutazione puntuale provocata da notizie inattese, proprio come postulata dall’ipotesi dei mercati efficienti. Naturalmente questo trend è compatibile anche con lo spostamento radicale della narrazione sulla redditività di Volkswagen. Analizzando esclusivamente questo aspetto, risulta però impossibile dire quale sia la teoria migliore per spiegare il pattern osservato.
Grafico 2: azioni VW vs indice azionario Dax30, 2015-2019 (100 = 1 giugno 2015).
Fonte: Bloomberg, Flossbach von Storch Research Institute.
Tutto si chiarisce quando analizziamo il trend delle obbligazioni corporate della società. Se fino alla pubblicazione della notizia il titolo obbligazionario si muoveva sui livelli dell’indice iBOXX (Grafico 3), la notizia determinò un crollo del titolo con un andamento paragonabile a quello della quotazione azionaria (anche se un po’ meno accentuato). Entrambi i mercati sembravano aver reagito alla stessa narrazione. Successivamente però la quotazione del titolo obbligazionario risalì fino a tornare al livello dell’indice obbligazionario: la narrazione di una società in profonda crisi venne sostituita dalla narrazione di una società in grado di sopravvivere e con creditori in una posizione abbastanza tranquilla.
Se il mercato fosse stato “efficiente”, la quotazione del titolo obbligazionario avrebbe dovuto reagire in maniera molto meno estrema rispetto al titolo azionario. Ma gli operatori del mercato avevano bisogno di digerire le notizie e differenziare la nuova narrazione del mercato azionario da quella del mercato obbligazionario prima della determinazione dei prezzi dei due mercati.
Grafico 3: prezzo bond perpetuo VW 4,625% e iBOXX, 2015-2019.
Fonte: Bloomberg, Flossbach von Storch Research Institute.
Allo stesso modo, il costo di assicurare il debito di Volkswagen dal default subì un netto aumento (Grafico 4) nel settembre del 2015, per poi tornare a livelli inferiori dopo lo scoppio della crisi.
Grafico 4: prezzo di un credit default swap per VW (in punti base), 2015-2018.
Fonte: Bloomberg, Flossbach von Storch Research Institute.
Caso 2: Brexit
Il 23 giugno 2016, il popolo britannico votò, in maniera del tutto inattesa, a favore dell’uscita del Paese dall’Unione europea. Come era prevedibile, la notizia determinò un aumento della copertura informativa (Grafico 5). Il tasso di cambio della sterlina inglese rispetto al dollaro USA crollò, mentre aumentò la volatilità (Grafico 6). Anche dopo il tracollo, la sterlina continuò comunque a mantenere il trend ribassista in corso già prima di queste inattese notizie. Dopo un po’ di tempo però, anche grazie al riassorbimento dello shock iniziale, il tasso di cambio prese a recuperare parte del terreno perduto. Il pattern osservato risulta coerente con l’indebolimento della nuova narrazione sulla Brexit nel corso del tempo. A fronte del protrarsi del dibattito sulle condizioni della Brexit e di un esito della vicenda sempre più incerto, il tasso di cambio iniziò a muoversi lateralmente. Questa confusione impedì quindi a qualsiasi narrazione di imporsi sul mercato.
Grafico 5: news su Brexit, 2014-2019.
Fonte: Bloomberg, Google, Flossbach von Storch Research Institute.
Grafico 6: quotazione prezzi USD/GBP e volatilità, 2014-2019.
Fonte: Bloomberg, Flossbach von Storch Research Institute.
Caso 3: crisi dell’euro
Dopo la ristrutturazione del debito greco a inizio 2012, i mercati iniziarono a concentrarsi sulla situazione italiana. Mentre la crisi del debito greco ha rappresentato una minaccia limitata per la sopravvivenza dell’euro, la crisi del debito italiano potrebbe segnarne davvero la fine. Di conseguenza si iniziò a parlare sempre più frequentemente di una “crisi dell’euro” (Grafico 7), spingendo verso l’alto i rendimenti delle obbligazioni italiane (Grafico 8). Tuttavia, con la dichiarazione del 26 luglio 2012 che impegnava la BCE a fare “tutto il necessario” per salvaguardare l’euro, Mario Draghi provocò il crollo dei rendimenti delle obbligazioni italiane.
È tuttavia servito tutto il resto dell’anno affinché la nuova narrazione su una sicura sopravvivenza della BCE si facesse sentire a livello di prezzi del mercato. Il pattern osservato in questo caso è coerente con la nuova narrazione (“tutto il necessario”) che sostituisce la precedente (“crisi dell’euro”) sul mercato.
Grafico 7: news relative alla crisi dell'euro, 2004-2018.
Fonte: Bloomberg, Google, Flossbach von Storch Research Institute.
Grafico 8: rendimento del devito pubblico italiano a 10 anni, 2004-2013.
Fonte: Bloomberg, Flossbach von Storch Research Institute.
Caso 4. crisi dei mutui subprime
A inizio 2007, i default nel segmento di mercato dei mutui ipotecari statunitensi, i cosiddetti “subprime”, calamitarono l’attenzione del pubblico mondiale. Inizialmente gli eventi vennero descritti come problemi causati da pratiche di vendita scorrette dei mutui ipotecari a debitori finanziariamente deboli e, pertanto, come un problema limitato a un segmento di mercato relativamente ridotto (Grafico 9). Gli effetti di questa crisi si fecero però sentire sui mercati monetari di Stati Uniti ed Europa, penalizzati da una perdita di fiducia reciproca all’interno del settore bancario; la situazione rimase invece tranquilla sul mercato azionario (Grafico 10).
La narrazione cambiò invece con il default di Lehman Brothers, che determinò una nuova impennata del flusso di notizie (Grafico 9). Ciò segnò l’inizio di un periodo difficile per il mercato azionario che continuò a perdere terreno non solo durante il resto dell’anno ma per tutto il 2009. Verso la fine del primo trimestre 2009, la narrazione della crisi si era tuttavia indebolita a tal punto da essere sostituita da una narrazione più positiva, prima in linea con l’idea che “il peggio era passato” e poi con quella per cui “stava iniziando la ripresa”. Essendosi ai tempi occupato della diffusione della nuova narrazione basata sul miglioramento dei flussi creditizi, uno degli autori ricorda come l’iniziale scetticismo degli investitori istituzionali avesse gradualmente ceduto il passo a un nuovo ottimismo. La paura di sentirsi esclusi restando fedeli alla vecchia narrazione è stata la ragione principale che ha spinto gli scettici a diventare ottimisti.
Grafico 9: news relative ai subprime, 2005-2018.
Fonte: Bloomberg, Google, Flossbach von Storch Research Institute.
Grafico 10: prezzo e volatilità storica dello S&P 500, 2006-2009.
Fonte: Bloomberg, Google, Flossbach von Storch Research Institute.
Caso 5. Bitcoin
Il Grafico 11 mostra i prezzi di chiusura settimanali del tasso di cambio del Bitcoin in dollari, insieme agli indicatori dei report sui Bitcoin della stampa e alle query di ricerca effettuate su Internet. Dopo essere salito in maniera costante da giugno a metà ottobre 2017, il prezzo del Bitcoin registrò un’impennata a fine novembre per poi toccare il massimo a metà dicembre 2017.
Il numero di report sul Bitcoin anticipò questo trend. Il primo significativo aumento del numero dei report si registrò a ottobre, poco prima che il Bitcoin rompesse per la prima volta la barriera dei 5.000 dollari. Il numero di report salì quindi esponenzialmente, arrivando a toccare il massimo nella settimana dell’8 dicembre (stampa e social media, qui rappresentati rispettivamente da Bloomberg News e Google Search). Il Bitcoin raggiunse il massimo 10 giorni dopo, precisamente il 18 dicembre.
Anche se la diffusione della notizia sul Bitcoin anticipò il trend del prezzo, sarebbe improprio desumere il rapporto di causalità solo in questo modo. Anzi, da quel che sembra, le notizie e il trend dei prezzi si sono alimentati reciprocamente. Nei momenti in cui il prezzo del Bitcoin raggiunse determinati livelli, come 5.000 o 10.000 dollari, si registrò un aumento delle notizie sul tema. Un maggior numero di notizie alimentò l’interesse nei confronti della divisa e quindi, favorendo gli acquisti, fece salire il prezzo della criptovaluta.
Grafico 11: prezzo Bitcoin e riferimenti ai Bitcoin da parte dei media, 2017-2019.
Fonte: Bloomberg, Google, Flossbach von Storch Research Institute.
Caso 6: recessione
Nonostante i momenti difficili vissuti dai mercati monetari a metà 2007 nel pieno della Crisi finanziaria mondiale del 2007/08, i timori di una recessione degli Stati Uniti registrarono un’accelerazione solo a partire da agosto 2007 per poi toccare l’apice a dicembre 2007 (stando al numero di ricerche su Google che includevano la parola “recessione”, Grafico 12). I timori andarono scemando nel primo semestre 2008 per poi riacuirsi a partire da agosto 2008 e raggiungere il massimo nell’ottobre 2008, un mese dopo il fallimento di Lehman Brothers. I timori di una recessione diminuirono poi nel secondo trimestre 2009.
Il picco assoluto di ricerche su Google relative alla recessione nel dicembre 2007 coincise con l’inizio della recessione negli Stati Uniti (primo trimestre 2008). I timori di una recessione si normalizzarono invece a metà 2009 proprio in coincidenza con la fine ufficiale (anche se proclamata in un secondo momento) della recessione negli Stati Uniti.
A inizio 2008 il mercato azionario (rappresentato dall’indice dei prezzi S&P 500) ruppe al ribasso il suo trading range del 2007 per poi restare nel suo nuovo range fino alla fine di agosto in quanto il crollo delle azioni arrivò solo a seguito della notizia del fallimento di Lehman il 15 settembre. I titoli azionari raggiunsero il minimo a inizio marzo 2009, proprio quando i timori di una recessione iniziarono a dare segnali di allentamento (stando al numero di ricerche su Google). È solo verso la fine del 2018 che ricomparvero i timori di una recessione, con un conseguente effetto negativo sul mercato azionario. Questi sviluppi furono il risultato di un precedente raffreddamento del contesto economico mondiale (Grafico 13).
Grafico 12: news sulla "recessione" e sulla variazione interannuale dello S&P 500 (invertito).
Fonte: Bloomberg, Google, Flossbach von Storch Research Institute.
Grafico 13: indicatori del ciclo economico globale e S&P 500.
Fonte: Macrobond.
Previsioni di pattern con la DMH
Dopo aver utilizzato la DMH per spiegare i pattern delle oscillazioni del mercato come risultato della concorrenza di narrazioni diverse, ora ne illustriamo l’uso per fare “previsioni di pattern”. Hayek ricorre all’esempio dei giochi con la palla per illustrare ciò che possiamo o non possiamo prevedere. Se, oltre alle regole del gioco, conoscessimo perfettamente le tecniche e l’idoneità fisica dei componenti delle squadre avversarie, saremmo potenzialmente in grado di prevedere il risultato con un livello di certezza relativamente elevato. Tuttavia, quanto più i componenti della squadra si assomigliano a livello di tecnica e idoneità fisica, tanto più il caso giocherà un ruolo fondamentale nella determinazione del risultato.
Il leggendario allenatore tedesco Sepp Herberger una volta ha affermato: “La gente va a vedere le partite di calcio perché non sa come finiscono”. In realtà noi non abbiamo a disposizione informazioni precise sulle tecniche e la forma fisica dei giocatori al momento della partita, ragion per cui non è solo la casualità ma anche la mancanza di informazioni a impedirci di fare previsioni affidabili sui risultati della partita. Conoscere le regole del gioco ci aiuta invece a concentrare l’attenzione su ciò che conta per il risultato. Inoltre, con la continua osservazione del gioco acquisiamo maggiori informazioni sulla capacità dei giocatori, migliorando quindi la nostra previsione del risultato. Naturalmente è più facile azzeccare le previsioni sul risultato di una partita di calcio nell’intervallo piuttosto che all’inizio, ma anche in questo caso permane parecchia incertezza.
Ciò significa che non dovremmo aspettarci di essere in grado di prevedere i risultati del mercato ma che, mediante la comprensione del comportamento dei mercati, possiamo concentraci meglio su ciò che conta per il risultato. L’osservazione di importanti driver dello sviluppo del mercato ci può aiutare a limitare la gamma dei possibili risultati. Nello specifico, la DMH suggerisce di concentrarsi sull’influenza che i nuovi fatti esercitano sulle narrazioni, in quanto da ciò dipendono la determinazione e rivalutazione dei prezzi. Una volta identificate le narrazioni condivise da un gran numero di persone e accertato se siano ascendenti o discendenti, è possibile valutare la persistenza delle oscillazioni dei prezzi di mercato. In alcuni casi è possibile anche identificare le narrazioni che precedono le oscillazioni di prezzo, come si vede nella Figura 3.
Figura 3: Formazione dei prezzi
Fonte: elaborazione propria (Flossbach von Storch Research Institute).
I fatti creano una conoscenza soggettiva che può indurre gli operatori dei mercati finanziari ad agire. La cosa più plausibile è tuttavia che scambino questa conoscenza con gli altri operatori del mercato al fine di identificare narrazioni condivise che esercitano una maggiore influenza sui prezzi rispetto all’azione individuale.
Sintesi e conclusioni
Le aspettative sul futuro incidono sulle oscillazioni dei prezzi di mercato. Gli operatori del mercato modellano le proprie aspettative sulla base della propria capacità di raccogliere informazioni e di elaborarle, esprimono i propri punti di vista sul futuro mediante narrazioni e imparano tramite l’ascolto delle narrazioni altrui. Le narrazioni sono in concorrenza fra loro e quelle “vincenti”, che emergono da un knock-out o una lotta corpo a corpo, determinano i prezzi del mercato fino a quando la loro vittoria viene confermata dai fatti o smentita dai fatti e quindi sono sostituite da nuove narrazioni. Una volta comprese le tecniche di determinazione dei prezzi di mercato, siamo in grado di prevedere come si modificano a seconda delle mutevoli condizioni economiche.
L’intelligenza artificiale e l’apprendimento automatico potranno prendere il posto degli attori umani sui mercati finanziari? Coloro che credono ai modelli più meccanici delle aspettative, che presumono un comportamento “razionale” o “irrazionale” ovvero “razionale/irrazionale” a seconda delle condizioni, potrebbero essere tentati di rispondere affermativamente. Tuttavia, se gli operatori di mercato operano soggettivamente in maniera razionale e interdipendente, basandosi sulla conoscenza proprietaria accumulata con l’esperienza e sull’informazione incompleta trasmessa attraverso le narrazioni – come descritto nella nostra Ipotesi dei mercati scopritori – per l’intelligenza artificiale risulterà piuttosto arduo battere l’intelligenza umana.