Pronti per la nuova era del factor investing

Analisi a cura di Anaelle Ubaldino, head of Operations, Alternative Solutions di Koris International. Tratto dalla rivista numero 31 Funds People - sezione ETF.

Delusi dalla continua sottoperformance di molti fondi attivi che faticano a giustificare le proprie commissioni, sempre più investitori si rivolgono agli ETF e alla promessa dell’investimento passivo (cioè di costi nettamente inferiori e rendimenti migliori). Le strategie di replica non sono, però, prive di rischi e gli indici di mercato tradizionali, generalmente considerati ben diversificati per via del numero solitamente elevato di titoli coinvolti, comportano spesso un significativo rischio di concentrazione derivante dal loro schema ponderato in base alla capitalizzazione. Infatti, oltre la metà dell’indice S&P 500 è concentrato nelle 50 aziende più grandi. Questi benchmark di mercato tendono, inoltre, a evidenziare le distorsioni di stile associate e non ricompensate. 

Tale osservazione ha stimolato l’interesse dei ricercatori sui fattori trainanti alternativi, potenzialmente più efficienti del beta di mercato, identificati come ‘smart beta’ o ‘factor investing’. Dopo la prima pubblicazione sul modello fattoriale Fama-French nel 1992, sono stati documentati centinaia di fattori sia da accademici sia da professionisti: sono così tanti che per descrivere la loro proliferazione e la loro incontrollata diversità viene utilizzato il termine ‘zoo di fattori’. Di conseguenza, è diventato di fondamentale importanza differenziare i fattori affidabili e redditizi da quelli ridondanti o instabili. Bisogna dimostrare, quindi, che tali fattori sono ampiamente documentati, sia nella letteratura accademica sia in quella settoriale, e che presentano affidabilità nel tempo e nello spazio. 

Ognuno dei quattro fattori che abbiamo selezionato (dimensione, bassa volatilità, valore e momentum) soddisfa questi prerequisiti, con ampio consenso sulla loro definizione: il fattore ‘dimensione’ è costituito dalle più basse capitalizzazioni di mercato; il fattore ‘bassa volatilità’ contiene i titoli meno volatili; il fattore ‘valore’ è costituito dai titoli con i più alti rapporti valore contabile/di mercato e il fattore ‘momentum’ comprende i migliori risultati del recente passato. Le cose si complicano, tuttavia, quando questi fattori teorici devono essere tradotti in proxy investibili. In effetti, osserviamo un’enorme diversità nella costruzione degli indici fattoriali da parte dei principali operatori. Gli indici che mirano a riflettere lo stesso fattore possono differire ampiamente: dall’universo d’investimento sottostante alla metodologia di selezione delle azioni, al numero di componenti, alla frequenza di ribilanciamento e, soprattutto, allo schema di ponderazione. Alla fine, l’elevata eterogeneità nella costruzione degli indici fattoriali si traduce in rendimenti contrapposti, con differenziali significativi tra le migliori e le peggiori proxy per lo stesso fattore, fino a oltre il 3% su base annua (vedi grafico sopra).

Le migliori pratiche per costruire indici fattoriali utili e affidabili dovrebbero dare la priorità alla diversificazione tra le componenti selezionate, tenendo d’occhio i vincoli di implementazione che possono avere un effetto negativo sui rendimenti. Siamo a favore dell’approccio deconcentrazione massima, un’ottimizzazione che tende a una pari ponderazione soggetta a vincoli di fatturato e liquidità, con conseguente minore concentrazione possibile del portafoglio. Un altro vantaggio di questo approccio è che non richiede alcuna valutazione dei parametri ed è, quindi, privo di rischi di valutazione.

La solidità dei fattori costruiti utilizzando la deconcentrazione massima porta a sovraperformance a lungo termine rispetto ai tradizionali benchmark ponderati in base alla capitalizzazione; tuttavia, in periodi più brevi, i singoli fattori potrebbero trovarsi di fronte a una sottoperformance relativa. È interessante notare che questi periodi non coincidono necessariamente per i quattro fattori selezionati (dimensione, bassa volatilità, valore e momentum), offrendo così una buona opportunità di combinazione in un portafoglio multifattoriale ben diversificato. Ciò potrebbe avvenire con una strategia semplice (vale a dire a cui viene applicata la medesima ponderazione) che media i rendimenti dei fattori e mitiga gli effetti della loro natura ciclica, determinando una sottoperformance più breve e meno marcata. Esiste, tuttavia, un altro modo per combinare tali fattori che potrebbe risultare più redditizio. Tale soluzione alternativa sfrutta la ciclicità dei fattori per aumentare la performance del portafoglio nel suo complesso, orientandolo verso i fattori al rialzo. Questa è la logica alla base di questo modello tattico multifattoriale.

Abbiamo osservato e dimostrato che le performance dei fattori dipendono da un insieme limitato di variabili esplicative macro, fattoriali e di mercato statisticamente significative, la cui combinazione determina un buon coefficiente di determinazione (R² o proporzione della varianza della performance dei fattori prevedibile da questo insieme di variabili indipendenti). 

Per determinare quali fattori dovrebbero essere favoriti a ogni data di ribilanciamento, il modello confronta i valori attuali di queste variabili con le loro mediane. Il risultato di questo confronto comporta un segnale binario, 0 o 1, a seconda che il differenziale verso la mediana sia positivo o negativo. Una volta disponibili i segnali per tutte le variabili, possiamo calcolare l’intensità del segnale per ogni fattore, che è la percentuale di segnali positivi divisa per il suo numero totale di variabili esplicative. L’allocazione finale a un fattore è, quindi, uguale all’intensità del segnale per questo fattore divisa per la somma delle intensità del segnale dei quattro fattori. Il portafoglio è, dunque, orientato verso i fattori con la maggiore intensità di segnale (ossia i fattori che dovrebbero sovraperformare il benchmark nel periodo successivo). Come mostrato nella figura in alto, l’allocazione target risultante è veramente dinamica e talvolta esclude uno o più fattori (quando nessuna delle loro variabili correlate invia segnali positivi). Grazie all’efficiente orientamento tattico, il portafoglio dinamico multifattoriale è, perciò, in grado di sovraperformare non solo il benchmark standard (indice S&P 500) ma anche una strategia a pari ponderazione basata sugli stessi quattro fattori. 

Infine, poiché i criteri ESG sono sempre più presi in considerazione dagli investitori, la strategia multifattoriale è stata messa alla prova utilizzando un universo conforme ai suddetti criteri (esclusione dei titoli con la classificazione SRI più bassa secondo un approccio best-in-class con un taglio del 20%, senza escludere alcun settore). Il test retrospettivo della strategia con filtro SRI dimostra la solidità del modello tattico e dell’approccio ESG selezionato. Come indicato nella tabella accanto, la performance non avrebbe subito una riduzione di valore negli ultimi 10 anni.