Il framework di una strategia quantitativa

Obiettivi della lezione

• Conoscere i blocchi che compongono una strategia quantitativa, dall'ipotesi ai costi
• Saper leggere le metriche fondamentali: CAGR, volatilità, max drawdown, Sharpe, turnover, hit rate
• Riconoscere i tre bias che invalidano i backtest: overfitting, survivorship, look-ahead
• Interiorizzare il principio: un backtest descrive il passato, non predice il futuro

L'anatomia di una strategia

Una strategia quantitativa seria non nasce da un pattern trovato sui dati, ma da una catena ordinata di scelte esplicite. Ogni anello va progettato e documentato prima di guardare i risultati.

1. Ipotesi economica: perché il segnale dovrebbe funzionare? Chi è la controparte che lascia rendimento sul tavolo e per quale ragione (vincoli, comportamenti, rischio)? Senza una risposta, qualsiasi risultato è probabilmente rumore.
2. Dati: prezzi, dividendi, bilanci — puliti, con storia sufficiente, aggiustati per operazioni straordinarie, e comprensivi dei titoli usciti dal mercato.
3. Costruzione del segnale: la regola che trasforma i dati in un punteggio o in una decisione (es. "yield sopra la mediana E payout sotto il 70%").
4. Universo e filtri: su quali titoli si opera; filtri di liquidità e capitalizzazione, perché un segnale brillante su micro-cap illiquide è spesso non implementabile.
5. Ribilanciamento: con che frequenza si aggiorna il portafoglio; più frequente non significa migliore, significa più costi.
6. Costi: commissioni, spread, impatto di mercato e fiscalità. Un'ipotesi didattica dello 0,2% per transazione su una strategia mensile con rotazione completa può erodere oltre il 2% l'anno.
7. Metriche di valutazione: i numeri con cui si giudica il risultato — il punto successivo.

Le metriche: leggere i numeri senza farsi ingannare

• CAGR: rendimento annuo composto. Da solo non dice nulla: va sempre letto insieme al rischio.
• Volatilità: deviazione standard annualizzata dei rendimenti, misura della "scomodità" del percorso.
• Max drawdown: perdita massima dal picco al minimo — la metrica che decide se un investitore reale abbandona la strategia.
• Sharpe ratio: extra-rendimento per unità di volatilità. Esempio didattico: strategia A con CAGR 9% e volatilità 20%, strategia B con CAGR 7% e volatilità 9%; con tasso privo di rischio al 2%, Sharpe A = 0,35, Sharpe B ≈ 0,56. B è la strategia migliore per unità di rischio, nonostante il CAGR inferiore.
• Turnover: quanta parte del portafoglio ruota nel periodo; è il moltiplicatore dei costi e degli eventi fiscali.
• Hit rate: percentuale di operazioni o periodi positivi. Un hit rate del 55% con perdite piccole e guadagni grandi batte un 70% con perdite occasionali devastanti.

I tre bias che uccidono i backtest

• Overfitting: ottimizzando parametri sui dati storici si finisce per modellare il rumore. Se una regola funziona solo con la finestra a 7 mesi e non a 6 o 8, non è una strategia: è una coincidenza. Antidoti: pochi parametri, test out-of-sample, diffidenza verso i risultati "troppo belli".
• Survivorship bias: testare solo sui titoli esistenti oggi esclude i falliti e i delistati — proprio quelli che una strategia high yield avrebbe comprato prima del disastro. I backtest sui dividendi sono particolarmente esposti a questo bias.
• Look-ahead bias: usare informazioni non disponibili alla data della decisione (bilanci pubblicati mesi dopo la chiusura, dividendi noti solo a posteriori). Rende il backtest strutturalmente irripetibile nella realtà.

Un backtest, anche pulito, resta una descrizione condizionata del passato: regimi di tasso, inflazione e struttura di mercato cambiano, e la performance storica non predice quella futura. Il framework serve a scartare le strategie indifendibili, non a garantire quelle sopravvissute.

In sintesi

• Una strategia è una catena: ipotesi → dati → segnale → universo → ribilanciamento → costi → metriche
• L'ipotesi economica viene prima dei dati: senza un perché, il pattern è rumore
• CAGR senza volatilità e max drawdown è un numero da marketing, non da analisi
• Turnover e costi decidono spesso più del segnale
• Overfitting, survivorship e look-ahead bias rendono ottimisti quasi tutti i backtest
• Il backtest descrive il passato: non è una promessa sul futuro

Per l'approfondimento completo, vedi il capitolo 17 de "La Finanza dei Dividendi" di Pierpaolo Marturano (Core Matrix Edizioni).