Gli indici esistono da molto tempo. Il primo è stato creato nel 1884, quando è stato calcolato per la prima volta il Dow Jones Transportation Average, ed è utilizzato ancora oggi. Nel 1896, Charles Dow lanciò il famoso benchmark statunitense Dow Jones Industrial Average (DJIA). All'epoca era composto da un insieme di 12 aziende. Tra questi c'è General Electric, che ha fatto parte dell'indice fino al 2018.
Oggi c'è molta più scelta nel mondo degli ETF. Esiste un'ampia gamma di fornitori di indici di mercato. I tre maggiori fornitori di indici al mondo sono S&P Dow Jones Indices, MSCI e FTSE Russell. La loro quota di mercato globale ha superato il 70% nel 2020. Esistono anche altri fornitori come Bloomberg, Morningstar, CRSP e Solactive.
Gli indici sono diventati più innovativi, soprattutto negli ultimi tempi. In particolare, alcuni dei nuovi operatori di questo mercato forniscono indici sempre più unici e differenziati. Mentre 30 anni fa gli indici generali ponderati per il capitale erano la norma, si è assistito a una crescita e a un aumento della domanda di strategie più specifiche, ad esempio indici settoriali, indici di fattori (smart beta) e ora indici tematici.
La scelta dell'indice giusto può contribuire a determinare il successo di un ETF. Durante lo sviluppo dell'indice vengono prese numerose decisioni che possono influenzare in modo significativo il risultato dell'investimento di un ETF. La scelta dell'indice giusto, o la personalizzazione di quello già esistente, è quindi fondamentale. A questo proposito, gli emittenti di ETF potrebbero collaborare con i fornitori di indici per personalizzare gli indicatori in modo da ottenere l'esatta esposizione necessaria. Come si può fare?
Caso di studio 1: Famiglia con indice di reddito di qualità
Nel 2017 Fidelity International è entrata nel mercato degli ETF domiciliati in Europa con il lancio di due ETF Quality Income che replicano gli indici del gestore. Questa gamma è composta da quattro esposizioni regionali. Gli indici sono stati sviluppati dai team quantitativi di Fidelity e sono stati concepiti per fornire agli investitori un'esposizione alle società che pagano dividendi di alta qualità. Questi indici utilizzano definizioni di fattori personalizzate. I dati incorporano un filtro di qualità per garantire che le società non siano incluse a causa del calo dei prezzi delle azioni.
Queste strategie prevedono limitazioni settoriali e nazionali per evitare scommesse involontarie di grandi dimensioni contro il mercato nel suo complesso. Dal punto di vista dell'asset allocation, è molto simile ai rispettivi indici di mercato ampi. Ciò serve, tra l'altro, a evitare che le esposizioni difensive a bassa crescita siano troppo ponderate. Questi indici prevedono anche una serie di esclusioni, la cui portata è definita dall'analisi di sostenibilità di Fidelity.
Caso di studio 2: Famiglia di indici con inclinazione tematica ESG
Nel 2022, il gestore ha lanciato una seconda serie di ETF a gestione passiva con cinque portafogli tematici che replicano gli indici Fidelity. Gli indici di Fidelity per questi temi erano già disponibili, in quanto erano già stati lanciati ETF domiciliati negli Stati Uniti che li riproducevano. Tuttavia, alla luce del clima attuale, hanno ritenuto che fosse necessaria una maggiore personalizzazione per garantire che gli indici rispondessero sufficientemente ai requisiti ESG del mercato europeo.
Nello sviluppo degli indici, il gestore ha identificato e definito attraverso l'analisi fondamentale i sottotemi e i componenti della catena del valore relativi a ciascun tema. L'analisi di sostenibilità della società anglosassone ha definito la portata delle regole ESG necessarie per l'incorporazione nella metodologia dell'indice e le risorse quantitative del gestore hanno creato processi sistematici per identificare i titoli rilevanti dal punto di vista tematico.
Le metodologie hanno incluso un filtro di qualità tematico. Si tratta di filtri di qualità proprietari e tematici che forniscono ulteriori livelli di mitigazione del rischio e aiutano a escludere i titoli che potrebbero presentare un rischio specifico elevato. Inoltre, hanno calcolato un punteggio di rilevanza tematica utilizzando una combinazione di dati sul reddito e di elaborazione del linguaggio naturale per contribuire a filtrare un punteggio di rilevanza tematica proprietario.