Un punto di raccolta per materiali su modelli di rischio
Tre lettori su quattro arrivano a questa sezione dopo aver incontrato, in un report, una metrica di rischio che non convince del tutto. Qui non troverai ricette operative né indicazioni su singoli strumenti, ma una raccolta di materiali che provano a fare ordine tra fattori, matrici di covarianza, regimi di mercato e budgeting del rischio. Ho organizzato le risorse in articoli tematici, un glossario ragionato, note metodologiche e momenti di confronto dal vivo, tutti orientati a rendere più trasparente il legame tra ipotesi di modello e numeri finali. Il mio intento non è offrirti un metodo definitivo, ma mostrarti come risultati diversi possano nascere dalle stesse basi dati, aiutandoti a formulare domande più precise ai tuoi report e ai tuoi consulenti, sapendo che i risultati possono variare in modo significativo.
Marco De Santis
Analista rischio multi fattoriale
Approfondimenti su concetti chiave nei modelli multi fattoriali
Tre concetti ritornano in quasi tutte le domande che ricevo sui modelli multi
fattoriali di rischio: come vengono scelti i fattori, quanto sono stabili nel tempo
e che cosa accade quando i regimi di mercato cambiano in modo brusco. In questa
sezione ho raccolto materiali che affrontano questi nodi da angolazioni diverse,
senza trasformarli in istruzioni operative. Trovi articoli che spiegano in
linguaggio accessibile cosa significhi parlare di premi ai fattori, di instabilità
dei modelli e di budgeting del rischio, con esempi che mostrano dove le metriche
iniziano a scricchiolare. L’obiettivo non è fornirti formule da applicare, ma
offrirti strumenti concettuali per interrogare con più rigore i report che già
utilizzi, sapendo che i risultati possono variare e che ogni decisione concreta
richiede comunque il supporto di professionisti qualificati.
Premi ai fattori oltre le etichette
Quando si parla di premi ai fattori, il rischio è di considerarli come rendimenti aggiuntivi quasi automatici. Nel materiale dedicato a questo tema mostro invece come la stima dei premi dipenda fortemente dal periodo osservato, dalle crisi incluse nei dati e dalle scelte di definizione dei fattori stessi. Metto a confronto letture diverse dello stesso insieme di serie storiche per evidenziare quanto possano cambiare le conclusioni sulle esposizioni desiderate. Queste analisi non indicano quali scelte fare, ma aiutano a evitare di considerare i premi come grandezze stabili e indipendenti dal contesto.
Instabilità dei modelli e zone di validità
Un modello multi fattoriale può sembrare stabile finché le condizioni di mercato restano vicine a quelle usate per stimarne i parametri. Nei materiali dedicati all’instabilità dei modelli, esploro cosa succede quando cambiano volatilità, correlazioni e composizione dei portafogli di riferimento. Attraverso esempi comparativi mostro come piccole modifiche alle finestre temporali o ai criteri di pulizia dei dati possano produrre differenze significative nelle esposizioni stimate. Lo scopo è ricordare che ogni modello ha una zona di validità limitata e che i risultati devono essere letti con prudenza.
Regimi di mercato e lettura dei segnali
I cambi di regime non sono solo grandi crisi visibili nei grafici, ma anche passaggi più lenti in cui le relazioni tra fattori si trasformano. Nei materiali su questo tema analizzo episodi storici in cui la struttura delle correlazioni si è modificata in modo duraturo, mettendo in luce come i modelli multi fattoriali abbiano reagito con ritardo. Presento scenari ipotetici che mostrano come la stessa esposizione possa assumere significati diversi prima e dopo un cambio di regime. Queste riflessioni non prevedono il futuro, ma aiutano a riconoscere segnali di tensione nelle metriche di rischio.
Budgeting del rischio in chiave multi fattoriale
Il budgeting del rischio viene spesso presentato come un esercizio di ripartizione ordinata tra asset class; nei materiali qui raccolti lo affronto invece dal punto di vista dei fattori. Mostro come si possa discutere la quota di rischio allocata a determinati stili o temi, valutando la coerenza con gli obiettivi dichiarati e con la capacità di sopportare fasi di stress. Gli esempi mettono in evidenza le tensioni tra semplicità comunicativa e fedeltà alla complessità dei portafogli reali. Non ne deriva una formula ottimale, ma una serie di domande strutturate da portare nei comitati.
Chiarire il linguaggio intorno ai modelli di rischio
Molte difficoltà nell’uso dei modelli multi fattoriali nascono da equivoci terminologici: concetti come esposizione, contributo al rischio o rischio specifico vengono utilizzati con significati diversi. Per questo ho incluso materiali che lavorano esplicitamente sul linguaggio, collegando ogni termine alle ipotesi modellistiche sottostanti. Attraverso brevi casi pratici mostro come la stessa parola possa rimandare a calcoli diversi, con implicazioni non trascurabili per la lettura dei report. Chiarire il lessico non risolve i problemi dei modelli, ma riduce il rischio di fraintendimenti nelle decisioni.
Suggerimenti per un uso prudente dei modelli di rischio
Questi suggerimenti non sono istruzioni operative, ma promemoria pratici per usare con
maggiore prudenza i modelli multi fattoriali di rischio nei processi decisionali, sapendo
che i risultati possono variare.
Esplicitare ipotesi e alternative modellistiche
Metodi
Prima di affidarti a un singolo modello multi fattoriale, chiarisci quali fattori include, quali dati utilizza e quali periodi di stress copre. Confronta almeno due specifiche alternative, cambiando finestre temporali o metodi di stima, per vedere quanto variano esposizioni e contributi al rischio. Annota le differenze più rilevanti e le ragioni per cui preferisci una lettura rispetto all’altra, così da poter spiegare in seguito perché determinate conclusioni sono state considerate ragionevoli in quel contesto.
Definisci ipotesi
Confronta modelli
Documenta scelte
Continuo
Intermedio
Verificare qualità e stabilità delle serie storiche
Dati
Controlla periodicamente la qualità delle serie storiche utilizzate, prestando attenzione a buchi nei dati, cambi di definizione e periodi in cui la liquidità si è ridotta. Valuta come reagiscono le metriche di rischio quando escludi o isoli fasi di stress particolarmente intense. Se noti che le esposizioni cambiano in modo eccessivo al variare di questi dettagli, considera la possibilità che il modello stia leggendo più rumore che segnale e ridimensiona il peso attribuito a quelle stime.
Verifica dati
Osserva stress
Rivedi pesi
Periodico
Intermedio
Integrare i modelli nel dialogo con i comitati
Governance
Quando presenti i risultati di un modello multi fattoriale in comitato, affianca sempre alle metriche sintetiche una scomposizione del rischio per fattore e alcuni scenari ipotetici. Mostra come cambiano le esposizioni in presenza di shock plausibili e indica esplicitamente dove il modello potrebbe sottovalutare o sovrastimare i movimenti. Condividi in anticipo le note metodologiche, così che la discussione possa concentrarsi sulle ipotesi e non solo sui numeri finali.
Scomponi rischio
Costruisci scenari
Condividi note
Riunione
Avanzato
Costruire una memoria critica degli errori dei modelli
Processi
Trasforma gli episodi in cui il modello ha fornito letture fuorvianti in materiale di lavoro. Raccogli esempi di errori, sorprese e cambi di regime, annotando quali segnali erano già visibili e quali no. Rivedi periodicamente questa memoria per aggiornare i parametri, le finestre temporali o la stessa scelta dei fattori. In questo modo il modello non viene trattato come uno strumento statico, ma come parte di un processo di apprendimento continuo, sempre accompagnato da verifiche indipendenti.
Raccogli errori
Rivedi regimi
Aggiorna memorie
Annuale
Avanzato
Lessico
Glossario essenziale per leggere i modelli multi fattoriali
Molte discussioni sui modelli multi fattoriali di rischio si inceppano non per mancanza di
dati, ma per differenze silenziose nel significato attribuito alle stesse parole. Questo
glossario prova a rendere esplicite quelle differenze.
Rischio specifico
Per rischio specifico intendo la componente di variabilità del rendimento di un portafoglio o di una posizione che non viene spiegata dai fattori sistematici inclusi nel modello. Dipende quindi sia dalla scelta dei fattori sia dal metodo di stima. Nei report appare spesso come residuo, ma non è una scatola nera neutra: la sua dimensione e stabilità nel tempo offrono indizi sulla qualità del modello e sulla presenza di rischi non mappati.
Esposizione fattoriale
L’esposizione a un fattore rappresenta la sensibilità stimata del portafoglio rispetto a variazioni unitarie di quel fattore. Può essere misurata in modi diversi, ad esempio tramite coefficienti di regressione o pesi normalizzati. Un’esposizione elevata non implica necessariamente un giudizio positivo o negativo, ma indica che una parte importante del comportamento del portafoglio è legata a quel fattore, con tutte le incertezze associate ai dati utilizzati.
Matrice di covarianza
La matrice di covarianza raccoglie le covarianze tra rendimenti di fattori o strumenti, descrivendo come tendono a muoversi insieme. Nei modelli multi fattoriali viene spesso utilizzata per calcolare la volatilità del portafoglio e i contributi di rischio. La sua stima è però sensibile alla scelta della finestra temporale, ai periodi di stress inclusi e ai metodi di pulizia dei dati, motivo per cui è importante valutarne la stabilità e non trattarla come dato oggettivo.
Shrinkage stimatore
Per shrinkage si intende un insieme di tecniche che combinano una stima empirica, spesso rumorosa, con una struttura più semplice o teorica, con l’obiettivo di ottenere parametri più stabili. Nei modelli di rischio viene applicato ad esempio alle matrici di covarianza o ai premi ai fattori. Lo shrinkage riduce la variabilità delle stime, ma introduce anche un bias controllato, che va compreso e reso esplicito quando si interpretano i risultati.
Decomposizione del rischio
La decomposizione del rischio per fattore consiste nel scomporre la volatilità complessiva di un portafoglio nei contributi attribuibili ai diversi fattori del modello e alla componente specifica. Questa scomposizione dipende dalla matrice di covarianza, dalle esposizioni e dalla definizione stessa di rischio adottata. È uno strumento utile per identificare concentrazioni, ma va letto alla luce delle ipotesi sottostanti e delle approssimazioni compiute.
Modello multi fattoriale lineare
Per modello multi fattoriale lineare intendo una rappresentazione in cui il rendimento di un portafoglio viene espresso come combinazione lineare di rendimenti di fattori più una componente specifica. Questa struttura permette di stimare esposizioni e contributi al rischio, ma presuppone relazioni stabili e approssimativamente lineari tra portafoglio e fattori. Quando i mercati attraversano fasi di forte discontinuità, queste ipotesi possono risultare deboli.
Cambio di regime
Un cambio di regime indica una trasformazione persistente nelle dinamiche di mercato, ad esempio nella volatilità, nelle correlazioni o nel comportamento dei fattori. Non coincide necessariamente con una crisi evidente, ma può manifestarsi in modo graduale. Nei modelli di rischio, ignorare i cambi di regime può portare a sottovalutare o sovrastimare l’esposizione a determinati fattori, soprattutto se le finestre di stima non vengono riviste.
Budgeting del rischio fattoriale
Per budgeting del rischio fattoriale intendo il processo di assegnare quote di rischio desiderate a diversi fattori o gruppi di fattori, confrontandole con le esposizioni effettive del portafoglio. Non si tratta solo di numeri, ma di una scelta che riflette obiettivi, vincoli e tolleranza alle fasi di stress. Questo budgeting va rivisto periodicamente, tenendo conto della variabilità delle stime e dei cambiamenti nel contesto di mercato.
Validazione modello rischio
La validazione di un modello di rischio è l’insieme di verifiche, qualitative e quantitative, volte a valutare se il modello è adeguato allo scopo per cui viene utilizzato. Include test storici, analisi di scenari, confronti con modelli alternativi e valutazioni sulla qualità dei dati. Non produce un sì o un no definitivo, ma una serie di giudizi motivati che dovrebbero essere documentati e aggiornati nel tempo.
Concentrazione di rischio
La concentrazione di rischio misura quanto il profilo di rischio di un portafoglio dipenda da un numero limitato di fattori, settori o posizioni. Nei modelli multi fattoriali può essere valutata guardando alla quota di volatilità attribuibile ai principali fattori. Un’elevata concentrazione non è di per sé negativa, ma richiede consapevolezza e un’analisi attenta delle possibili conseguenze in scenari avversi.
Incontri e conversazioni sui modelli di rischio
Webinar sulla lettura critica dei report multi fattoriali
Sessione online dedicata a come leggere un report multi fattoriale quando le metriche sembrano contraddirsi tra loro. Partendo da un portafoglio ipotetico, analizzo diverse decomposizioni del rischio, evidenziando le ipotesi che le separano e mostrando dove emergono le divergenze più rilevanti. Non vengono proposte soluzioni operative, ma un insieme di domande da utilizzare nei comitati per discutere con maggiore lucidità i numeri presentati.
12 marzo 2026
17 18
Online, piattaforma dedicata
Workshop su instabilità e cambi di regime
Incontro di lavoro in piccolo gruppo in cui esploro casi di instabilità dei modelli multi fattoriali durante fasi di stress prolungato. Utilizzo serie storiche sintetiche per mostrare come cambiano volatilità, correlazioni e contributi di fattore al variare delle finestre temporali. Lo scopo è discutere i limiti delle metriche utilizzate, non proporre schemi pronti all’uso. I partecipanti sono invitati a portare esempi anonimi di report che hanno sollevato dubbi interpretativi.
28 maggio 2026
15 18
Milano, sala riunioni
Q A su budgeting del rischio multi fattoriale
Sessione di domande e risposte focalizzata sul budgeting del rischio in chiave multi
fattoriale. A partire da alcune strutture di fattori esemplificative, discuto come
definire limiti di concentrazione, come distinguere tra rischi desiderati e residui
e quali sono le principali fonti di ambiguità. Non vengono forniti modelli da
adottare, ma schemi di discussione che i partecipanti possono adattare alle proprie
realtà, in collaborazione con consulenti qualificati e funzioni di controllo.
10 ottobre 2026
16 17
Online, diretta streaming
Aggiornamenti e note sul lavoro in corso
Segnalo qui le principali modifiche apportate ai materiali, così da permetterti di capire rapidamente dove sono cambiate le analisi, quali esempi sono stati aggiornati e quali limiti sono stati resi più espliciti.
Aggiornamenti
Riorganizzazione materiali sui cambi di regime
Ho riorganizzato le note sui cambi di regime per includere casi in cui le correlazioni tra fattori si sono modificate in modo graduale, non solo durante crisi evidenti, con esempi aggiornati al 2026.
Ricerca
Nuovi esempi sull’uso prudente dello shrinkage
Ho aggiunto una serie di esempi comparativi che mostrano come diverse scelte di shrinkage sulla matrice di covarianza influenzino la lettura delle concentrazioni di rischio fattoriale.
Metodologia
Estensione delle note sul budgeting del rischio
Le note sul budgeting del rischio sono state ampliate per distinguere in modo più chiaro tra obiettivi dichiarati e vincoli operativi, con schemi di domande da usare nei comitati.
Comunicazione
Nuove linee guida per comunicare il rischio
Ho introdotto una sezione dedicata alle formulazioni da evitare quando si presentano modelli di rischio a non specialisti, per ridurre l’illusione di precisione e le aspettative eccessive.
Ricerca
Appunti sull’integrazione del rischio di liquidità
Sono stati aggiunti spunti su come integrare dati di liquidità nella lettura multi fattoriale, evidenziando limiti e potenziali distorsioni delle stime nei mercati meno profondi.
Metodologia
Aggiornamento sui test di robustezza dei modelli
Ho rivisto le note sui test di robustezza dei modelli per includere esempi di scenari ipotetici costruiti a partire da errori storici particolarmente significativi.