Mille modi per generare alpha con i Big Data

Come può una macchina situata in un parcheggio di un qualsiasi Walmart negli Stati Uniti essere una pietra miliare per la gestione patrimoniale? Goldman Sachs AM ha svolto innumerevoli analisi negli ultimi anni per sviluppare un potente modello per l'elaborazione di grandi quantità di dati - i Big Data- per trovare le informazioni che apportino un vantaggio competitivo nelle analisi delle aziende. In questo caso, si sono incrociati dati sul volume delle auto parcheggiate presso i Walmart di tutto il Paese ottenuti attraverso immagini satellitari con dati sul traffico web di Amazon, per determinare quale delle due società potesse rappresentare un’opportunità d’investimento più interessante nel segmento delle vendite retail.

Il team perfeziona costantemente il suo modello di analisi utilizzato nella gestione dei portafogli azionari CORE® (lo aggiorna dalle due alle quattro volte l'anno). Uno di questi prodotti, il GS Global CORE® Equity Portfolio, è stato premiato in occasione dei Morningstar Italy Fund Awards 2018 come miglior fondo azionario internazionale. Si tratta di un fondo quantitativo azionario globale che ha battuto i suoi concorrenti nella categoria global equity negli ultimi cinque anni; quindi, vanta anche il rating Consistente Funds People.

Il fondo ha un portafoglio ampiamente diversificato, composto da circa 300 titoli che soddisfano una serie di caratteristiche: un modello di business solido, sostenibile e di alta qualità, valutazioni interessanti, sentiment positivo circa le aziende e un’esposizione ai temi d’investimento che creano interessanti trend sui mercati. "Abbiamo intenzione di creare portafogli con caratteristiche di stile, rischio e capitalizzazioni simili a quelle dell’indice, ma posizionati per generare potenzialmente un rendimento superiore attraverso la selezione di titoli bottom-up e una selezione di Paesi top-down", riassume Osman Ali, responsabile del team Quantitative Strategies di GSAM e gestore della gamma CORE® Equity.

Approfondimento del metodo quantitativo di Goldman Sachs AM

L'esperto afferma che la squadra ha mantenuto inalterata la sua filosofia di investimento fin dal lancio del prodotto, ma è stata in grado di ampliare le fonti dei dati utilizzati per le analisi, in modo da elaborare grandi quantità di dati disorganizzati non facili da quantificare provenienti da un gran numero di fonti, tra cui linguaggi, immagini e, per la prima volta, discorsi. Questi dati sono solitamente di pubblico accesso, come ad esempio i risultati trimestrali pubblicati dalle società quotate o dati presenti sul mercato, come quotazioni, rendimenti o volumi.

"Con la crescita e la disponibilità di fonti di dati non tradizionali come il traffico su internet, la registrazione di brevetti e immagini dal satellite, abbiamo utilizzato dati più specifici e talvolta poco convenzionali per aiutarci ad ottenere un vantaggio informativo e prendere decisioni di investimento più informate", spiega Osman.

Il modello è stato recentemente aggiornato introducendo nuovi segnali all'interno del tema della redditività, al fine di identificare le aziende che meglio si posizionano per beneficiare dell'aumento dei consumi. Il primo segnale, applicato negli Stati Uniti, cerca di prevedere il trend di crescita delle vendite non solo per il prossimo trimestre, ma per più trimestri analizzando le tendenze sottostanti. Il secondo segnale, anch’esso applicato negli Stati Uniti, analizza il rendimento dei rivenditori al dettaglio valutando l’afflusso di clientela nei punti vendita, (l’ auto parcheggiata davanti al supermercato citata inizialmente). Infine, il terzo segnale cerca di prevedere la redditività delle aziende nei mercati sviluppati al di fuori degli Stati Uniti mappando i dati sulla spesa dei consumatori statunitensi in diversi segmenti, per poi individuare società non statunitensi esposte ai medesimi segmenti di business, poiché una delle conclusioni raggiunte dal team è che il comportamento dei consumatori tende ad essere correlato nei Paesi sviluppati.

Come risultato di questo processo di selezione quantitativa, i maggiori sovrappesi del fondo sono attualmente nei settori real estate, sanitario, energetico e beni di consumo discrezionali, mentre le maggiori posizioni sottopesate si trovano nel finanziario, beni di consumo basico e telecomunicazioni (dati al 28 febbraio 2018). Per Paese, le maggiori scommesse sono negli Stati Uniti e, più moderatamente, in Giappone, Spagna e Svezia, mentre le posizioni maggiormente sottopesate sono in Francia, Svizzera, Regno Unito e Germania.

Negli ultimi anni, l’active share del fondo è stata di circa il 75%, mentre il tracking error totale è stato del 2,18% negli ultimi tre anni e del 2,59% dal lancio del prodotto. L'esperto chiarisce che, per i fondi quantitativi, l’active share è solitamente inferiore rispetto ai fondamentali, poiché i primi tendono a prendere un numero elevato di piccole scommesse, mentre i secondi un piccolo numero di grandi scommesse. "Riteniamo che la combinazione dell’active share con la rotazione del portafoglio consenta una comprensione più adeguata del rischio attivo assunto dal gestore", afferma il gestore. Negli ultimi tre anni, la rotazione delle attività in portafoglio è stata del 145%, con una permanenza media dei titoli in portafoglio compresa tra i 6 e i 12 mesi.

Case study

Il crollo dei mercati nel febbraio 2018 è stato un buon momento per testare il modello quantitativo del team di gestione, in occasione della virulenta escalation di volatilità. Ali indica che, durante i giorni di correzione, "è stata prestata molta attenzione ai segnali di sentiment e momentum, nel tentativo di determinare se l'aumento della volatilità sia stata motivata da un cambiamento nel posizionamento degli investitori o da una correzione tecnica". La conclusione raggiunta è che si è trattato del secondo caso, piuttosto che di un cambiamento nel modo di vedere i fondamentali.

Durante questa fase di correzione, l'esperto afferma che il fondo si è comportato in maniera accettabile in termini di rischio e rendimento: "Non ci aspettiamo che le nostre strategie si comportino diversamente in periodi di elevata volatilità rispetto a periodi di bassa volatilità. Riteniamo che per aggiungere alpha con successo - e per gestire efficacemente il rischio del portafoglio - l'ottimizzatore dovrebbe riconoscere i rischi associati a qualsiasi posizione sovrappesata o sottopesata ed essere in grado di rispondere rapidamente alle mutevoli condizioni di mercato".

Il team di gestione della gamma CORE® Equity ha sviluppato un modello proprietario di gestione del rischio che si aggiorna con dati giornalieri, assegnando maggiore importanza alle informazioni più recenti. "Facciamo affidamento sul nostro processo di selezione titoli, messo alla prova nel tempo, per guidarci attraverso le diverse condizioni di mercato, così come ha già fatto in passato", conclude Osman Ali.