Ottimizzazione della Teoria del Portafoglio Post-Moderna (PMPT)

L’ottimizzazione della Teoria del Portafoglio Post-Moderna (PMPT) è un quadro per costruire portafogli di investimento minimizzando il rischio al ribasso — definito come i rendimenti inferiori a un obiettivo specificato o a un rendimento minimo accettabile — anziché la varianza totale. Estende la Teoria del Portafoglio Moderna (MPT) riconoscendo che gli investitori percepiscono tipicamente perdite e guadagni in modo asimmetrico: sono più sensibili alle carenze che alla volatilità al rialzo. L’ottimizzazione PMPT sostituisce quindi l’ottimizzazione media‑varianza (MVO) con l’ottimizzazione del rischio al ribasso (DRO), utilizzando metriche quali semivarianza, semideviazione o rapporto Sortino per guidare le decisioni di allocazione degli attivi.

A differenza della MPT, che presume che gli investitori si preoccupino della dispersione dei rendimenti attorno alla media indipendentemente dalla direzione, la PMPT modella esplicitamente il rischio come il mancato raggiungimento di un obiettivo, ad esempio un calendario di passività, un benchmark o una soglia di rendimento personale. Questo rende la PMPT particolarmente adatta per applicazioni nella pianificazione della pensione, nella gestione di fondi patrimoniali e in altri contesti in cui la sotto‑performance comporta conseguenze concrete.

L’ottimizzazione PMPT determina i pesi del portafoglio che massimizzano il rendimento atteso soggetto a un vincolo sul rischio al ribasso, o in alternativa, minimizza il rischio al ribasso soggetto a un rendimento target. Il problema di ottimizzazione è tipicamente formulato usando i momenti parziali inferiori (LPM), dove la funzione obiettivo integra solo le deviazioni quadrate al di sotto di un rendimento target \(T\):

dove \(r\) è il rendimento casuale e \(f(r)\) è la sua densità di probabilità. Nella pratica, questo viene approssimato utilizzando distribuzioni di rendimento storiche o simulate:

Questo obiettivo sostituisce il termine di varianza \(\sigma^2 = \frac{1}{N} \sum (r_t - \bar{r})^2\) usato nella MVO. La frontiera efficiente risultante è concava nel piano rendimento‑rischio‑a ribasso e spesso genera portafogli con una probabilità più bassa di sottoperformance rispetto al target.

• Rendimento Obiettivo (T): Un benchmark predefinito — ad esempio inflazione più il 3 %, un flusso di cassa di passività, o un tasso privo di rischio — che definisce la soglia per i rendimenti «indesiderabili».
• Semi‑varianza / Semi‑deviazione: La varianza o la deviazione standard dei rendimenti inferiori al target, utilizzata come metrica di rischio.
• Sortino Ratio: Il rendimento in eccesso rispetto al target diviso per la semi‑deviazione, usato come misura di performance nell’ottimizzazione o nella classifica.
• Ottimizzazione del Rischio a Ribasso (DRO): Il metodo computazionale per risolvere l’obiettivo PMPT, spesso implementato mediante programmazione quadratica quando i rendimenti sono approssimati in forma discreta.

• Comportamento di Convergenza: Studi empirici mostrano che gli ottimizzatori di semi‑varianza non vincolati non sempre convergono a soluzioni estreme «angolari» come prevede la teoria; al contrario, spesso generano allocazioni diversificate, soprattutto quando le distribuzioni dei rendimenti sono non gaussiane o presentano code pesanti.
• Sensibilità ai Dati: L’ottimizzazione PMPT è più sensibile alla scelta del rendimento target e alle ipotesi sulla distribuzione dei rendimenti rispetto alla MPT. Piccole variazioni del target o errori di stima nei momenti a ribasso possono influenzare in modo significativo i pesi ottimali.
• Complessità Computazionale: Sebbene sia gestibile per universi di asset di dimensione moderata, il DRO diventa più oneroso dal punto di vista computazionale rispetto alla MVO per problemi su larga scala, a causa di ponderazioni del rischio non simmetriche e di non convessità nelle formulazioni LPM di ordine superiore.
• Allineamento degli Obiettivi: Il PMPT eccelle quando gli obiettivi dell’investitore sono ben definiti (ad es., finanziare un flusso di passività noto), ma il suo vantaggio rispetto alla MPT diminuisce quando i target sono arbitrari o quando le distribuzioni dei rendimenti sono simmetriche e a code sottili.

Supponiamo che un investitore punti a un rendimento annuo del 5 % e valuti due classi di attività usando i rendimenti annuali storici:

• Asset A: rendimenti di [2 %, 6 %, 8 %, 4 %]
• Asset B: rendimenti di [3 %, 3 %, 7 %, 7 %]

Per l’Asset A, le deviazioni al di sotto del 5 % sono [−3 %, 0 %, 0 %, −1 %] → quadrati dei valori negativi: [9, 0, 0, 1] → semi‑varianza = 2,5. Per l’Asset B, le deviazioni al di sotto del 5 % sono [−2 %, −2 %, 2 %, 2 %] → quadrati dei valori negativi: [4, 4, 0, 0] → semi‑varianza = 2,0.

Entrambi gli asset condividono la stessa media (5 %), ma l’Asset A presenta un rischio a ribasso maggiore (semi‑varianza 2,5 vs 2,0) perché le sue carenze rispetto al target del 5 % sono più ampie, quindi un investitore avverso alle perdite che ottimizza con il PMPT preferirebbe l’Asset B. I due quadri divergono più nettamente quando gli asset hanno la stessa varianza totale ma differiscono nella forma delle loro distribuzioni di rendimento: poiché la varianza totale pesa ugualmente le deviazioni positive e negative, due asset con varianza identica possono avere semi‑varianze molto diverse ogniqualvolta i rendimenti sono asimmetrici — ed è proprio questa asimmetria che il PMPT è concepito per valutare.