Abbiamo visto che utilizzando la Rescaled Range Analysis, l'esponente di Hurst può essere utilizzato per darci informazioni riguardo alla struttura "frattale" dei mercati finanziari. È possibile adesso utilizzare le evidenze empiriche ottenute per cercare di formulare delle ipotesi che descrivano il comportamento dei mercati finanziari.

Informazioni e orizzonte di investimento.

Ogni investitore ha il proprio periodo di investimento che chiameremo "orizzonte di investimento". Il comportamento di un day-trader sarà molto diverso da quello di un gestore di un fondo pensione. Nel primo caso l'orizzonte di investimento sarà misurato in minuti mentre nel secondo caso in anni.

La stessa informazione avrà un impatto diverso a seconda dei diversi orizzonti temporali. A differenza della teoria dell'efficienza, l'EMH assume che la diffusione delle informazioni non avviene contemporaneamente a tutti gli investitori: in ogni istante i prezzi non riflettono tutte le informazioni disponibili, ma solo quelle importanti per quel determinato orizzonte di investimento.

Stabilità

Un mercato stabile è un mercato liquido. La liquidità è disponibile quando un numero elevato di investitori con orizzonti di investimento diversi opera simultaneamente. Questo fa sì che se ad esempio l'arrivo di una nuova informazione causa una drastica diminuzione delle quotazioni per l'orizzonte di investimento a breve termine, l'investitore con un orizzonte temporale più lungo entrerà probabilmente in acquisto poiché si verifica la possibilità di acquistare a prezzi più bassi. Vediamo appunto come la stessa informazione produca effetti diversi in base ai vari orizzonti di investimento. Questo effetto garantisce liquidità al mercato poiché eventuali crisi in un orizzonte vengono assorbite dall'intervento di investitori con un orizzonte diverso.

Quando invece per qualche motivo le prospettive di lungo periodo diventano eccessivamente incerte, gli investitori di lungo periodo cessano di partecipare al mercato oppure diventano essi stessi orientati al breve periodo. Ciò ha come conseguenza che tutti i partecipanti al mercato fanno riferimento al medesimo set informativo che è principalmente "tecnico" o basato sul comportamento della "massa". Così il mercato perde la sua stabilità: non ci sono più investitori di lungo periodo che stabilizzano il mercato offrendo liquidità agli investitori di breve termine.

Questa instabilità si manifesta con una volatilità di breve periodo estremamente elevata. In questo modo possono essere spiegati alcuni dei momenti più turbolenti vissuti dai mercati finanziari come il crash dell'ottobre del 1987 o le reazioni dei mercati durante la Guerra del Golfo del 1990.

Memoria lunga

Nei mercati finanziari, molte serie storiche dei prezzi sono caratterizzate dalla presenza di una "memoria lunga": l'attività odierna influenzerà il futuro per un lungo periodo di tempo. Ciò causa dei seri problemi per l'utilizzo delle tradizionali metodologie di studio delle serie storiche poiché questa "long memory" non viene filtrata nemmeno utilizzando i residui di un modello autoregressivo del primo ordine AR(1) che è uno dei metodi più usati per eliminare la correlazione seriale fra i dati. La presenza di questa memoria dà vita a trends ben definiti dei prezzi delle attività finanziarie.

Volatilità

Il rischio di un'azione è comunemente associato con la volatilità dei rendimenti di quest'ultima. La volatilità viene generalmente calcolata come la varianza (o la deviazione standard) dei rendimenti mensili e poi annualizzata moltiplicandola per la radice quadrata di 12. Questo metodo deriva dall'osservazione che in un Brownian Motion (cammino casuale) la distanza coperta da una particella aumenta con la radice quadrata del tempo.

Il problema è che tutto ciò è valido solo se la distribuzione dei rendimenti è quella normale. Le nostre ricerche hanno evidenziato invece che la distribuzione dei rendimenti è una distribuzione frattale per la quale non è possibile avere una varianza definita della popolazione. Questo perché per una simile distribuzione non si può utilizzare la varianza di un campione di dati per stimare la varianza dell'intera popolazione.

A questo punto viene da se che l'utilizzo della varianza, o della deviazione standard quale stima del rischio di un'attività finanziaria può non essere corretto e quindi le teorie come la Modern Portfolio Theory di Markowitz o la formula del valore teorico di una opzione di Black e Sholes che si basano su questa impostazione perdono molta della loro efficacia.

Conclusioni

Con la Fractal Market Analysis viene proposto un insieme di ipotesi che sostituiscono quelle ormai consolidate della teoria dell'efficienza nella spiegazione del funzionamento dei mercati finanziari. La natura "frattale" dei mercati contraddice l'EMH e tutti i modelli quantitativi che, come il CAPM e la formula di Black e Scholes, dipendono dall'assunzione di normalità della distribuzione dei rendimenti.

Essi falliscono perché semplificano la realtà imponendo il random walk ed ignorando l'influenza del tempo nel processo decisionale. Così facendo è possibile trovare una soluzione ottimale per i modelli matematici: "portafoglio ottimale", "valore intrinseco" e "prezzo di equilibrio". La Fractal Market Analysis rende le cose più complicate da ridurre a semplici modelli matematici, ma ci porta più vicini alla realtà che si trovano di fronte coloro che quotidianamente hanno a che fare con i mercati.

Non ci sono garanzie sul fatto che sarà più facile guadagnare, ma avremo sicuramente una maggiore conoscenza delle regole per sviluppare strategie vincenti e sicuramente

Alessandro Caforio

Successivo: Verifica della "trading Roule"

Sommario: Indice