I motori
Benvenuti in AlphaFrame. Prima di mostrarvi anche solo un dato di rendimento, vi dobbiamo una risposta a una domanda più elementare: che cosa sono, in concreto, questi modelli? È proprio questo il compito di questo primo episodio. È la base. Ogni episodio successivo si aprirà con una diapositiva di ripasso del motore di cui parla, così potrete sempre ricollocarlo nella mappa che costruiamo oggi.
Ecco il patto di onestà entro cui lavoriamo, e non lo tradiremo. Vi diremo in che cosa investe ogni motore, descritto per classe di attività o per settore, e vi diremo il suo carattere: se è bilanciato, aggressivo o difensivo. Questo è l'universo e il carattere. Quello che non mostreremo mai è la ricetta: non le posizioni esatte, non le impostazioni interne delle reti, non i dettagli dell'addestramento. Famiglia e disciplina, mai gli ingredienti.
Perché è importante? Perché un dato di rendimento, da solo, dice quasi nulla. Un numero prodotto da un motore aggressivo, capace di perdere più della metà del suo valore in una crisi, è un animale del tutto diverso dallo stesso numero prodotto da un tranquillo difensore. Stesso titolo, rischio opposto. Se non sapete che cosa ha generato quel rendimento, non potete giudicare se sareste disposti a conviverci.
Pensate quindi a ciò che segue come a una visita a un parco di motori. Ce ne sono diversi, ognuno costruito per un compito diverso, e vi accompagneremo per tutto il parco prima di chiedere a ciascuno di dimostrare quanto vale. Saremo concreti, saremo semplici e, dove le prove sono deboli, lo diremo a voce alta. Cominciamo assicurandoci di intendere tutti la stessa cosa con l'espressione modello di allocazione su ETF.
Cos'e' un modello di allocazione su ETF
Partiamo dalle basi, perché tutta la serie si regge su questo. Che cos'è un ETF? È un fondo quotato in borsa: un unico paniere a basso costo che replica una fetta del mercato — per esempio un indice azionario, un settore dell'economia o un gruppo di obbligazioni. Compri una sola cosa e possiedi un intero paniere, a poco prezzo. Questa è la materia prima con cui lavoriamo. E il modello di allocazione? Pensalo come la mano sulla manopola. Non sceglie i vincenti un titolo alla volta; decide quanto del tuo capitale sta in ciascun ETF — i pesi — e, soprattutto, cambia quei pesi nel tempo, man mano che il mondo cambia. Di più in un paniere questo mese, di meno il prossimo. Quel "quanto, e quando spostarlo" è tutto il suo lavoro. Non usiamo un solo modello. Ne usiamo diversi, e ciascuno ha un compito diverso — uno costruito per essere bilanciato, uno per essere aggressivo, uno per difendere, più alcune strategie più semplici, basate su regole. Li conoscerai uno per uno nelle prossime slide; per ora tieni a mente l'idea: un parco di motori, volutamente diversi tra loro. Un'ultima cosa, e la ripeteremo spesso perché conta. Ogni numero che ti mostriamo è netto. Netto della tassa italiana sui capital gain del ventisei per cento, e netto dei costi reali di negoziazione per spostare il denaro tra i panieri. I rendimenti lordi sono facili da pubblicizzare e facili da gonfiare; non sono quello che arriva sul tuo conto. Quindi, quando diciamo che un modello ha reso una certa cifra, è al netto della tassa e degli attriti. È il numero onesto, quello che davvero terresti in tasca. Tieni questa lente per il resto della puntata.
I motori in un colpo d'occhio
Ecco quindi l'intero parco, diviso in tre famiglie. Considerate questa slide come la mappa; le prossime slide percorrono un motore alla volta.
La prima famiglia sono i nostri modelli di deep learning di produzione. Sono tre e li chiamiamo Model3, Global e Permanent. "Di produzione" vuol dire che sono i motori finiti e in uso, non esperimenti. Ognuno è una rete LSTM con attenzione — una rete neurale dotata di memoria, che impara a distribuire il capitale su un paniere di ETF — e ognuno ha un compito volutamente diverso. Model3 è il tuttofare bilanciato. Global è quello aggressivo. Permanent è il difensore. Nelle prossime tre slide vedremo esattamente quanto costa e quanto rende ciascun carattere.
La seconda famiglia sono i candidati. Sono ensemble di deep learning più recenti, ancora in test, costruiti per essere giudicati più avanti — non ancora affidabili. Su questo siamo onesti: sono promettenti ma non provati, e una data di decisione fissata ci dirà se tenerli.
La terza famiglia sono le strategie meccaniche. Sono regole, non modelli appresi: una strategia di momentum trasversale che tiene ciò che è stato più forte, e un Investment Clock che legge il quadro macro suddividendolo in regimi. Accanto c'è una componente di momentum obbligazionario — la stessa idea applicata a un paniere di ETF sui bond. Le regole sono trasparenti; non c'è nulla di nascosto da sovradattare.
La tabella di riepilogo a destra dà, per ogni motore, le stesse tre colonne: l'universo descritto per classe di attivo o settore, come è costruito e il suo carattere in una parola. È tutto ciò che riveliamo — universo e carattere, mai la ricetta. Tenete quella tabella con la coda dell'occhio; ogni episodio successivo si apre con essa.
Model3 — il tuttofare bilanciato
Cominciamo da Model3, il modello equilibrato e tuttofare. Il suo universo sono i settori azionari statunitensi, più oro e titoli di Stato USA a lunga scadenza. Pensatelo come un motore per ogni stagione: non è costruito per vincere in un singolo scenario, ma per continuare a funzionare in tutti. Sull'intero campione, il tasso di crescita annuo composto è del 23,5% al netto delle imposte, con una perdita massima dal picco del meno 45,1% e una correlazione con il mercato statunitense di 0,78. Quel numero di correlazione conta: a 0,78 si muove in larga parte insieme all'azionario, quindi non è una copertura, è un partecipante che inclina il portafoglio. E dove guadagna davvero il suo pane? Dividiamo la storia in quattro regimi macro, definiti dal fatto che crescita e inflazione salgano o scendano. Model3 è in testa nella Ripresa, dove cresce del più 28,3% l'anno, e nella Reflazione, al più 25,0%. Tiene nella Stagflazione, al più 20,6%. Il suo punto più debole è il Surriscaldamento, al più 14,2% — ancora positivo, semplicemente il fondo del suo intervallo. Ed ecco il punto che vogliamo vi restiate: non ha un regime migliore in assoluto. Non c'è uno scenario in cui è la stella e nessuno in cui crolla. È il centro stabile del parco motori, quello su cui ci si appoggia quando non si sa quale mondo arriverà. Una precisazione onesta, la stessa che vale per tutti i nostri modelli di produzione: questi dati sono in-sample, il modello è stato addestrato su questa storia. Leggeteli quindi come prova di carattere e di forma — un profilo equilibrato, che segue il mercato, per ogni stagione — non come previsione dei rendimenti futuri.
Global — il motore aggressivo
Ora il temperamento opposto. Se Model3 è il centro stabile, Global è il motore aggressivo del parco. Il suo universo è volutamente ampio: azioni globali — Stati Uniti, Europa e mercati emergenti — più una posizione obbligazionaria aggregata ampia e oro. Cerca quindi la crescita ovunque il mondo si stia espandendo, e non si trattiene. Lo definiamo ad alto beta, che significa semplicemente che amplifica il mercato: quando i mercati salgono, tende a salire di più, e quando scendono, tende a scendere più forte. I numeri sull'intero campione lo raccontano con chiarezza. Il tasso di crescita annuo composto è del 23,2% al netto della tassa del 26% — sul rendimento è quasi allineato a Model3. Ma guardate cosa costa arrivarci. Global porta la perdita massima più profonda dell'intero parco: un calo dal picco al minimo del meno 55,7% nel 2008. La perdita massima è semplicemente quanto sei sceso rispetto al massimo precedente prima di recuperare, e questa è la ferita più grande subita da uno qualsiasi dei nostri motori. È stato anche il peggior difensore nelle crisi: in quel crollo del 2008 ha perso il 55,7%, solo di poco meglio del meno 60,6% del mercato stesso. La sua correlazione con il mercato USA ampio è 0,73, più alta del difensore che incontreremo tra poco, e quel numero è tutta la sua personalità in una sola cifra — si muove a stretto contatto con le azioni, nel bene e nel male. Il modo onesto di leggere Global è quindi questo. Cavalca con forza le espansioni e ti premia quando il ciclo è in corsa; soffre di più quando quel ciclo si spezza. Non è un difetto da correggere — è il suo compito. E, come per ogni curva di produzione di questa serie, queste cifre sono in-sample: leggetene il carattere e il rischio, non una promessa. Ora passiamo al motore costruito per il momento esattamente opposto.
Permanent — il difensore
Il nostro terzo motore in produzione è Permanent, e il suo compito è l'opposto del precedente. Dove Global cavalca l'espansione e la paga nel crollo, Permanent è costruito per sopravvivere al crollo. Il suo universo è un nucleo permanent-portfolio: azioni per la crescita, oro come copertura contro inflazione e crisi, titoli di Stato USA a lunga scadenza per lo shock deflattivo, e liquidità come riserva pronta all'uso. Quattro attività che tendono a non cedere nello stesso momento. È tutta qui l'idea. Il carattere è difensivo e, soprattutto, decorrelato. Di tutto il parco, Permanent ha la correlazione più bassa con il mercato, appena 0,54: quando il mercato sobbalza, questo motore lo segue solo a metà. E lo si vede proprio dove conta di più, nella crisi. Nel 2008, quando il mercato è caduto di circa il 60,6%, Permanent ha ceduto solo il 32,7%. Nel crollo del COVID il mercato è sceso del 34,3%; Permanent, appena del 17,4%. Circa metà del dolore, in entrambi i casi. Non è fortuna: sono l'oro e i titoli di Stato che fanno il loro lavoro quando le azioni cedono. Ma la protezione non è gratis, e non fingeremo che lo sia. Il prezzo che Permanent paga è in Stagflazione, alta inflazione con crescita debole, dove è il più debole della famiglia, a più 9,7% all'anno. Il suo rendimento sull'intero campione, il 18,6% netto, è il più basso dei tre modelli in produzione, e il suo drawdown è il più contenuto. È questo lo scambio, detto con chiarezza: Permanent rinuncia al rialzo per comprare protezione. Non vincerà gli anni buoni. È lì perché il portafoglio resti in piedi dopo quelli cattivi. E, come sempre, queste curve sono in-sample: leggetene il carattere, non una promessa.
I candidati (in test)
Quei tre motori di produzione sono ciò che usiamo oggi. Ora entrano gli sfidanti: i candidati. Sono allocatori di deep learning più recenti — di nuovo, reti LSTM con attenzione che distribuiscono il capitale tra ETF — ma costruiti sull'universo globale che avete appena visto, quello che copre azioni statunitensi, europee ed emergenti, obbligazioni aggregate e oro. La differenza è che non ci affidiamo a un solo modello. Combiniamo diversi semi casuali — diverse versioni della stessa architettura, inizializzate separatamente — e ne mediamo il comportamento, così nessuna singola esecuzione fortunata guida il risultato. E li usiamo in due varianti. Una legge un segnale macro sui tassi in tempo reale, una lettura dei tassi di interesse; la chiamiamo curve-ON. L'altra è volutamente indipendente dal segnale — non lo vede mai — e la chiamiamo curve-OFF. Stessa struttura, una differenza: se il modello può appoggiarsi al contesto dei tassi oppure deve reggersi sul solo prezzo. Ecco la parte onesta. Non sono in produzione. Sono in TEST, e abbiamo registrato in anticipo un cancello di decisione — una regola scritta prima — per dicembre 2026, valutata su dati puliti fuori campione che i modelli non hanno mai toccato. Scritta prima, così non possiamo spostare l'obiettivo dopo aver visto il risultato. Finora, curve-OFF mostra il miglior profilo corretto per il rischio tra i due: un rapporto di Calmar di 0,61 — rendimento rispetto alla perdita massima — e uno Sharpe di 1,09 — rendimento rispetto alla volatilità. Incoraggiante, ma nulla di più. Lo diciamo con chiarezza: i candidati sono fragili e non provati. Mediare i semi aiuta, ma piccole variazioni li spostano ancora, e un buon backtest non è una promessa. Non li stiamo vendendo. Li stiamo testando. A dicembre, il cancello decide: se passano, uno potrà entrare nel parco; se falliscono, lo diremo ad alta voce.
Strategie meccaniche (TIER 2) — il quadro
Passiamo ora alle strategie meccaniche, e questa prima è, di proposito, un monito. È solo regole. Nessun addestramento, nessun seme casuale, niente che venga appreso. Ordiniamo gruppi di ETF — azioni, obbligazioni, materie prime — in base al loro momentum recente, cioè a quanto stanno salendo con forza. Teniamo i gruppi più forti e ribilanciamo secondo un calendario fisso. La ricetta è tutta qui: comprare ciò che è salito e aggiornare la lista a intervalli regolari. Il fascino è evidente. Il momentum è uno degli schemi più antichi e documentati dei mercati, e qui non c'è nulla su cui sovradattarsi: una macchina non può memorizzare i dati di nascosto, perché non esiste alcun passo di apprendimento. E sull'intera storia sembrava forte: circa più quattordici virgola quattro per cento all'anno, lordo, dal 2006. È un numero che quasi tutti prenderebbero volentieri. Ma è qui che il nostro metodo dimostra il suo valore. Quando abbiamo passato questa stessa strategia attraverso il nostro onesto cancello di addestramento, test e validazione — tre fette di tempo distinte, giudicate in modo indipendente — ha fallito. Il motivo è preciso: il suo vantaggio non era distribuito in modo uniforme su tutto il periodo. Era concentrato nel blocco più recente. In parole semplici, la strategia che sembrava così convincente sull'intera finestra stava in realtà cavalcando un solo tratto favorevole, non un vantaggio duraturo e ripetibile. Allora perché tenerla nel parco? Proprio perché insegna la lezione su cui è costruita l'intera serie. Un singolo numero impressionante sull'intero campione può essere un'illusione. Una strategia può sembrare eccellente sulla carta e crollare nel momento in cui le chiedi di dimostrarsi fuori campione. Questa è il nostro esempio pulito di quel divario: buona sull'intera finestra, ma non sopravvive al cancello.
TIER 2 al gate — la validation e' la spia
La nostra seconda strategia meccanica affronta il problema da un'angolazione molto diversa. Invece di ordinare gli ETF in base alla loro forza recente, l'Investment Clock legge il quadro macroeconomico e si pone una domanda piu semplice: in che tipo di economia ci troviamo adesso? Classifica il mondo lungo due assi — la crescita e l'inflazione, ciascuna in aumento o in calo — e questo produce quattro regimi. In ogni regime tiene i settori che storicamente si adattano a quella fase, e poi ruota man mano che il quadro cambia. E una logica macro trasformata in un insieme di regole. Storicamente ha reso circa piu sedici virgola tre per cento lordo, un po' piu della strategia di momentum di cui abbiamo appena parlato. Ed ecco il punto che conta: a differenza del momentum puro, questa ha superato il nostro esame onesto — tre blocchi su tre, misurata contro un benchmark standard sessanta-quaranta di azioni e obbligazioni. Quindi, a prima vista, l'idea del regime supera il test che il momentum aveva fallito. Ma vi dobbiamo una precisazione esplicita, ed e reale. I pesi che usa — quanto tenere in ogni settore in ogni regime — sono stati calibrati sull'intero campione, senza mettere da parte in anticipo un vero insieme di controllo. In parole semplici, il modello ha potuto vedere le risposte mentre veniva calibrato. Questo non cancella il risultato, ma lo indebolisce. Le prove qui sono davvero piu sottili che per i modelli di deep learning, dove la selezione era rigorosamente fuori campione. Percio collochiamo l'Investment Clock in una zona di mezzo onesta: una strategia con un vero ragionamento economico alle spalle, che ha superato l'esame, ma la cui calibrazione non e stata disciplinata quanto vorremmo. Promettente, promossa, ma con riserva — e preferiamo dirvelo cosi piuttosto che abbellirlo.
La sleeve bond
Passiamo alle obbligazioni. Finora abbiamo parlato di motori azionari e di difensori; questo comparto fa qualcosa di più circoscritto e, sinceramente, più modesto. Applica al reddito fisso una regola da manuale: si prende un paniere di ETF obbligazionari statunitensi — titoli di Stato, credito societario, debito dei mercati emergenti e obbligazioni garantite da mutui — si misura quali hanno la forza recente più marcata, si comprano i primi tre e si ribilancia una volta al mese. Qui momentum significa semplicemente forza relativa recente: lasciamo guidare i segmenti che si sono comportati meglio e usciamo, senza clamore, da quelli rimasti indietro. Nessun addestramento, nessuna rete neurale, nessun seme casuale. È una regola fissa che potreste scrivere su un cartoncino. E questa semplicità è il punto, perché vuol dire che non c'è quasi nulla su cui fare sovradattamento. L'intuizione è lineare: all'interno delle obbligazioni, il segmento che sta sovraperformando — poniamo il credito rispetto ai titoli di Stato in un anno tranquillo, o i titoli di Stato rispetto al credito quando arriva lo stress — tende a restare in testa per un po', abbastanza a lungo perché una regola mensile lo colga. Ora la parte onesta, quella che conta. A differenza del momentum azionario meccanico appena visto, questo ha SUPERATO il nostro test — e lo ha superato su tutti e tre i blocchi, non solo sul tratto recente fortunato. Al netto della tassa del 26%, ha aggiunto all'incirca da uno e mezzo a due punti e mezzo percentuali l'anno rispetto a un semplice indice obbligazionario aggregato. Non è un numero da titolo di giornale, e non lo presenteremo come tale. Ma è coerente, e sopravvive allo stesso test che ha bocciato il comparto azionario. Quindi il verdetto è schietto: di tutto ciò che il programma ha prodotto di nuovo, questo è l'unico comparto davvero utilizzabile — quello che metteremmo effettivamente al lavoro.
Core di produzione — ricchezza cumulata
Questo è il grafico che quasi tutti vanno a guardare per primo, quindi leggiamolo con calma e con onestà. Quello che vedete è la ricchezza cumulata: un euro investito all'inizio, capitalizzato in avanti per circa diciannove anni. È al netto dell'imposta italiana sulle plusvalenze del ventisei percento e al netto dei costi reali di negoziazione, espresso in euro e disegnato su scala logaritmica. La scala logaritmica conta: su un asse logaritmico una linea dritta indica un tasso di crescita costante, quindi passi verticali uguali sono guadagni percentuali uguali, non euro uguali. È il modo onesto di confrontare cose che capitalizzano. In questo grafico gli allocatori di deep learning — le reti LSTM con attenzione che distribuiscono il capitale su un paniere di ETF — capitalizzano ben al di sopra di un benchmark passivo sullo S&P tenuto in euro. Le curve salgono più in alto e, cosa altrettanto importante, la loro forma è più stabile nei tratti difficili. Ora l'avvertenza che vi dobbiamo, detta chiaramente. Queste curve di produzione sono in-sample. Significa che i modelli sono stati addestrati sulla stessa identica storia che state guardando, quindi in un certo senso hanno già visto le risposte. Leggete la forma e il rischio — quanto sono profonde le cadute, come si comporta la curva in una crisi — ma non leggete i livelli esatti come una previsione, e mai come una promessa di rendimenti futuri. Una curva in-sample vi dice il carattere di una strategia; non vi dice cosa porterà l'anno prossimo. È proprio per questo che esistono i candidati e il gate. Sono la nostra difesa contro l'autoinganno — un modo per testare i motori su dati che non hanno mai toccato, così che i numeri di cui alla fine ci fidiamo siano guadagnati out-of-sample, non ammirati in-sample. Tenete a mente questa distinzione per ogni curva di questa serie.
La curva dell'alpha — battere l'indice nel tempo
Ecco il grafico piu' utile per monitorare un motore: la curva dell'alpha. E' semplicemente la ricchezza cumulata di ogni modello divisa per quella dell'indice — l'S&P in euro. La linea rossa tratteggiata a uno e' la parita': su di essa eguagli esattamente l'indice; sopra lo batti, sotto resti indietro. E la pendenza e' cio' che conta giorno per giorno — finche' la linea sale il motore aggiunge valore sull'indice, quando si appiattisce o scende ne restituisce un po'. Leggi diciannove anni e la storia e' chiara: ogni linea sale ben sopra la parita' — Model3 e Global fino a circa dieci-dodici volte la ricchezza dell'indice, il difensore Permanent e i candidati a un piu' contenuto tre-sei volte, coerente col loro carattere piu' calmo. Guarda la forma, non solo il punto finale: le curve fanno gradini decisi nel 2008 e 2009, e ancora nel 2020 e nel 2022-2023 — i motori aggiungono la maggior parte del loro vantaggio proprio quando l'indice arranca, ed e' esattamente li' che un investitore lo vuole. Questa e' la vista che guarderemmo dal vivo per cogliere i problemi in anticipo: una curva che smette di salire e' il primo segnale che un vantaggio sta svanendo. Due promemoria onesti. Queste curve di produzione sono in-sample, quindi i livelli sono gonfiati — leggi la forma, non l'altezza esatta. E la versione rigorosa e out-of-sample di tutto questo — la distribuzione dell'alpha, blocco per blocco, attraverso il gate — e' l'intero argomento dell'episodio sul metodo che segue.
Anno per anno
Ora l'output che ti interessa di piu': la performance, periodo per periodo. Questa heatmap da' ogni anno solare per ogni motore, al netto delle tasse, in euro — rosso e' un anno in perdita, oro un anno in guadagno. Leggila in due modi. Lungo una riga vedi un anno vissuto da tutti i motori insieme; lungo una colonna segui il percorso di un singolo motore. Guarda il 2008, il grande crollo: il mercato ha perso trentanove per cento, rosso cupo — ma Permanent, il difensore, ha chiuso l'anno addirittura a piu' nove per cento, e Model3 e Global hanno perso solo dal dieci al tredici. Quella riga da sola e' tutto l'argomento a favore di un motore difensivo. Ora guarda il 2020 e il 2023: quasi tutto oro, Permanent a piu' settantacinque, i modelli dal cinquanta al settanta — gli anni buoni compongono forte. E il 2022, l'anno difficile: tutti in rosso, ma i modelli hanno perso molto meno del meno ventitre' del mercato, con Model3 giu' solo dieci. Nota cosa NON vedi: nessun motore e' oro tutti gli anni. E' normale e onesto — il vantaggio non e' vincere sempre, e' perdere meno quando e' rosso e comporre quando e' oro. Un promemoria che non lasciamo cadere: per i modelli di produzione questi sono anni in-sample, quindi leggi il pattern e il rischio, non la cifra esatta come previsione.
Performance per finestra temporale
Gli stessi modelli sembrano diversi a seconda della finestra che misuri — ed e' gia' una lezione. Questa tabella mostra il rendimento annuo netto sugli ultimi uno, tre, cinque e dieci anni, e sull'intero diciannove. Leggi lungo una riga e vedi quanto e' instabile un singolo numero: Model3 fa dieci per cento sull'ultimo anno ma ventotto su dieci anni; Global fa ventinove sull'anno. Sul campione intero i modelli di deep learning compongono circa ventitre' per cento l'anno netto, contro circa undici dell'S&P passivo in euro — ma riduci la finestra a cinque anni e il divario si stringe, e un anno e' praticamente rumore. E' esattamente per questo che, in un episodio successivo, mettiamo tanto in guardia dal scegliersi la finestra a piacere: dammi la liberta' di scegliere il periodo e posso far sembrare quasi ogni strategia geniale o pessima. L'abitudine onesta e' leggere piu' finestre insieme e fidarsi della piu' lunga e completa — ricordando che qui anche il campione intero e' in-sample per i modelli di produzione. Nessun singolo numero e' la verita'; la distribuzione tra le finestre le si avvicina di piu'.
La forma del rischio — i drawdown
I rendimenti sono solo meta' della storia. L'altra meta' e' questa: quanto scendi in profondita', e quanto a lungo resti sott'acqua? Questo grafico traccia il drawdown — la perdita dall'ultimo picco — nel tempo, ed e' il rischio che come investitore devi davvero vivere. La linea del mercato scende piu' in basso di tutte, meno sessantuno per cento nel 2008. Global, il nostro motore aggressivo, non e' lontano, meno cinquantasei — si guadagna i rendimenti prendendo dolore vero. Model3 sta intorno a meno quarantacinque. E Permanent resta lieve, meno trentatre', coi suoi tratti sott'acqua piu' piccoli e piu' brevi — vedi la firma del difensore nella forma della linea. Ecco perche' conta piu' di ogni singolo numero di rendimento: un motore che rende ventitre' per cento l'anno con un drawdown del cinquantasei e' un prodotto del tutto diverso da uno che rende lo stesso con un drawdown del trentatre'. La maggior parte degli investitori non riesce davvero a reggere quello piu' profondo — vende sul fondo. Per questo, dal prossimo episodio, ogni motore e' giudicato sul suo drawdown con lo stesso rigore del suo rendimento.
Come sono fatti — deep learning
Come sono costruiti, in concreto, questi motori di deep learning? Solo ad alto livello — e c'è un motivo, su cui torno tra poco. Ecco la forma onesta della cosa. Ogni motore legge due tipi di informazione: i prezzi e le variabili macroeconomiche, cioè il contesto economico generale. Le legge in modo strettamente "point-in-time". È un termine che vale la pena definire: point-in-time vuol dire che il modello vede sempre e solo il passato, mai un dato che non sarebbe stato disponibile nel giorno in cui sta decidendo. Nessuno sguardo al futuro. È proprio questa disciplina a separare un backtest reale da un'illusione lusinghiera. Da questi ingressi il motore produce i pesi — quanto tenere in ciascun ETF — tramite una rete LSTM con attenzione. In parole semplici: una rete neurale con memoria, che impara quali momenti del passato meritano più peso quando decide oggi. È addestrata verso un obiettivo aggiustato per il rischio — premia una crescita regolare e costante, non il rendimento grezzo — e, punto cruciale, quell'obiettivo è già al netto del 26% di imposta italiana sui capital gain. Il modello ottimizza quindi il numero che davvero ti resta in tasca, non una fantasia al lordo. Gli diamo anche una banda di non negoziazione: una zona morta in cui piccoli scostamenti nei pesi obiettivo non fanno scattare un'operazione. Così evita di girare a vuoto — di operare tanto per operare — accumulando solo tasse e costi. E la selezione è out-of-sample: scegliamo i vincitori su dati su cui il modello non si è mai addestrato. Ora, cosa non mostriamo mai. Non i ticker esatti. Non l'interno della rete. Non gli iperparametri, non la funzione di perdita, non i pesi in uso. È una scelta deliberata, ed è il patto di onestà della prima slide: vi mostriamo la famiglia e la disciplina — mai la ricetta.
Come sono fatti — meccanico e regime
La slide dodici vi ha mostrato, ad alto livello, la ricetta del deep learning. Questa slide presenta la filosofia opposta, e proprio questo contrasto è il punto centrale. Dove le reti neurali imparano i loro pesi dai dati, le strategie meccaniche non imparano nulla. Sono regole fisse, scritte in anticipo. Le strategie di momentum funzionano così: si compra la forza recente. Si ordinano alcuni gruppi di ETF — azioni, obbligazioni, materie prime — in base a come hanno reso di recente, si tiene il più forte e si ribilancia a calendario, ogni mese o ogni trimestre, secondo una cadenza fissa. Tutto qui. Nessun addestramento. Nessun seme casuale. Nulla che si adatti al passato in un modo che non potete vedere. Ed è esattamente per questo che ci fidiamo in modo diverso: non c'è quasi nulla su cui si possa fare overfitting. Quando una regola è così semplice, non può memorizzare in silenzio la storia e compiacersi di sé. Quello che vedete è quello che fa. L'Investment Clock è uno strumento di tipo diverso, ma con lo stesso spirito trasparente. È logica macroeconomica, non apprendimento automatico. Si classifica il mondo economico lungo due assi — crescita e inflazione — in un piccolo numero di regimi, e in ciascun regime si tengono i settori che storicamente vi si adattano. Crescita in aumento, si tengono le parti del mercato che amano la crescita; inflazione in aumento, ci si sposta verso gli attivi che reggono l'inflazione. È un regolamento che potete leggere e discutere. Abbiamo quindi due famiglie con personalità davvero diverse: da un lato reti opache, potenti e affamate di dati, dall'altro regole semplici e leggibili. Strumenti diversi per compiti diversi. Ma — ed è la disciplina che tiene insieme tutta la serie — questa differenza non concede a nessuna di loro un lasciapassare. Giudichiamo ognuna, le reti e le regole allo stesso modo, con lo stesso esame onesto. Quell'esame è il prossimo episodio.
La mappa del carattere
Questa è l'immagine che tiene insieme tutto il parco di motori. Un solo grafico a dispersione: sull'asse orizzontale, quanto ogni motore si muove insieme al mercato ampio; sull'asse verticale, la peggiore perdita dal massimo al minimo che ciascuno abbia mai subito. Due numeri, un punto per motore, e all'improvviso le personalità che abbiamo descritto una alla volta diventano una mappa che si legge a colpo d'occhio.
Guardiamo gli angoli. Permanent sta per conto suo: la correlazione più bassa con il mercato, 0,54, unita alla perdita massima più contenuta. È il vero difensore, il motore che va per la sua strada quando tutto il resto si muove insieme. Ora guardiamo l'angolo opposto: Global, correlazione alta e la ferita più profonda di tutto il parco, meno 55,7 per cento. È il motore aggressivo, legato stretto al mercato, e paga quella corsa nei momenti peggiori. Questi due fissano gli estremi.
In mezzo, il gruppo. Model3 e uno dei nostri candidati, cand-ON, si raccolgono nel centro guidato dal mercato: dignitosi, stabili, ma il loro destino è in buona parte legato alle azioni. E un po' in disparte, per la qualità del suo profilo corretto per il rischio, sta cand-OFF, il candidato indipendente dal segnale macro, che finora mostra il miglior rendimento per unità di sofferenza del gruppo. Ricordiamo però che è ancora in test, e a decidere sarà il vaglio di dicembre.
Ecco perché la mappa conta più di ogni singolo punto. Se ogni motore stesse nello stesso angolo, avremmo solo una scommessa vestita in cinque modi diversi. Invece occupano angoli diversi: personalità distinte e complementari. Quella separazione non è un ornamento, è l'intera tesi di questo parco. Angoli diversi significano comportamenti diversi nella stessa tempesta, ed è questo che permette a un portafoglio di più motori di restare più saldo di ciascuno preso da solo. Lo dimostriamo nell'episodio sui regimi; per ora, leggiamo la mappa come la forma dell'argomento.
Global — come si e' mosso il suo mix nel tempo
Rendiamo concreta l'allocazione con un motore — Global, l'aggressivo — e guardiamo il suo mix per classe muoversi nel tempo. La banda rame sono le azioni; la banda oro e' l'oro, il metallo. Sull'intero periodo Global fa in media circa due terzi azioni e un terzo pieno d'oro — ma quella media nasconde la storia vera, cioe' che questo motore ruota, e ruota con convinzione. Negli anni intorno alla crisi del 2008 si e' appoggiato pesantemente sull'oro — vedi la banda d'oro dominare la sinistra del grafico — usando il metallo come riserva di valore mentre le azioni erano pericolose. Durante il lungo mercato toro degli anni 2010 e' stato quasi sempre in azioni, il rame che riempie il pannello. Poi guarda il 2019: e' tornato con forza sull'oro, le azioni scese ad appena il quindici per cento, prima di ruotare sulle azioni per il rally dal 2020 al 2023 — e nell'ultimo tratto la sleeve d'oro si sta riallargando. Ecco cosa vuol dire 'aggressivo' sotto il cofano: non avventato, ma deciso — spostamenti ampi, da vera convinzione, tra il motore di crescita, le azioni, e il bene rifugio, l'oro. Due promemoria onesti, come sempre: e' per classe di attivo, mai le singole posizioni, ed e' la storia, non il posizionamento di oggi — il portafoglio corrente cambia, e se e' quello che ti serve, contattaci. Nella prossima slide allineiamo i mix di tutti e tre i motori in un'unica tabella-impronta.
L'impronta del mix
Trasforma quel comportamento in pochi numeri per motore e ottieni la sua impronta. Primo, l'esposizione media per classe. Model3 e' sbilanciato sulle azioni — circa l'ottantacinque per cento — con piccole sleeve di oro e bond. Global e' due terzi azioni e un terzo pieno d'oro. Permanent e' davvero bilanciato tra azioni, oro e bond, con un po' di cash. Quel bilanciamento e' la fonte della difesa di Permanent — e anche il suo costo, la Stagflation debole vista prima. Il secondo numero e' il turnover: quanta parte del portafoglio ruota in un anno. Conta piu' di quanto sembri perche', come mostrera' l'episodio fiscale, il turnover E' tassa — ogni rotazione di una posizione in guadagno realizza una plusvalenza e paga il ventisei per cento. Qui Global e' il piu' efficiente fiscalmente, ruotando solo circa il trentasette per cento l'anno; Model3 e' intorno a cento; e Permanent e' il piu' attivo, quasi centottanta — la sua difesa e' attiva, e il trading attivo consegna piu' rendimento lordo al fisco. Quindi l'impronta non e' decorazione: ti dice quale motore e' calmo, quale concentrato, e quale dovra' piu' tasse. Di nuovo — carattere storico, per classe, mai una raccomandazione ne' il portafoglio di oggi.
Motori diversi, di proposito
Facciamo un passo indietro e guardiamo l'intero parco motori. Lo abbiamo costruito diversificato di proposito. Un tuttofare equilibrato, che non ha un regime migliore in assoluto e semplicemente tiene il centro, con costanza. Un motore aggressivo, che cavalca con forza le espansioni e lo paga con il drawdown più profondo, meno cinquantacinque virgola sette per cento. Un difensore, che baratta rendimento potenziale in cambio di protezione, con la correlazione più bassa al mercato, zero virgola cinquantaquattro, e di gran lunga la miglior difesa nelle crisi. Poi due strumenti meccanici molto diversi: una regola di momentum e un modello di regime. Perché tante personalità? Perché le loro debolezze sono complementari. Dove un motore perde, un altro tende a reggere; e combinando motori che falliscono in momenti diversi, il portafoglio complessivo è più stabile di ciascuno di essi preso da solo. È questo il senso della diversificazione, e l'episodio sui regimi, più avanti nella serie, lo dimostrerà davvero, regime per regime, invece di limitarsi ad affermarlo. Ma ecco la parte onesta, ed è la ragione per cui esiste tutta questa serie. La diversità, da sola, non dimostra nulla. Un parco di personaggi interessanti non è la prova che qualcuno di loro faccia guadagni veri fuori campione. Sembrare distintivi è facile; sopravvivere è difficile. Quindi, da qui in avanti, ogni singolo motore affronta esattamente lo stesso vaglio. Non una comoda finestra aggregata che fa bella figura con tutti. Lo stesso onesto vaglio di train, test e validation, applicato in modo identico ai modelli di deep learning, al momentum, al modello di regime, allo sleeve obbligazionario. E vi mostreremo, con chiarezza, quali lo superano e quali no, compresi quelli che sembravano forti e poi hanno fallito. Questa è la promessa. Il prossimo episodio è il metodo stesso: come decidiamo se uno di questi motori è reale, e come evitiamo di farci ingannare da una bella curva in campione.