PREVIOUS ARTICLENEXT ARTICLE

Le correlazioni in finanza? Le osservi meglio da Marte con un cannocchiale rovesciato

Le correlazioni in finanza? Le osservi meglio da Marte con un cannocchiale rovesciato

Salva
Salva
Condividi
Titta Di Girolamo
Titta Di Girolamo

04 Gennaio 2019
Tempo di lettura: 3 min
Tempo di lettura: 3 min
Salva

In periodi di transizione tra fasi dell’economia, pensare bene a quali correlazioni corrispondano dei nessi causali e come questi nessi cambino, può fare la differenza sul risultato di fine anno. Ma cosa distingue le cause dalle correlazioni?

Tra i vari Personaggi in cerca d’autore c’era un tale dottor Fileno che trovava il giusto distacco guardando al mondo attraverso un cannocchiale rovesciato, così che le cose apparissero più piccole e distanti. Da investitori dobbiamo a volte perderci nella vicinanza dei dettagli, guardando alle cose del mondo con la lente d’ingrandimento, ma ci è anche molto utile poter passare a una Filosofia del Lontano come quella di Fileno. All’aumentare della distanza, tutto apparirà più sfocato, ma essendo noi meno pratici con quella prospettiva avremo occasione di scoprire fatti nuovi. Viste da Marte, catene di eventi che sembravano appartenere a un unico complesso di concause si rivelano frammentate: nel mezzo di montagne insormontabili ci sono laghi e altipiani di cui non sapevamo. Ad un econometrista su Marte, che abbia dati ma non conoscenze, il nostro mondo rivela un altro volto.

La lente inquadra su una palla rotonda, per lo più blu, con delle strisce bianche e verdi. Lo zoom si stringe su una parte, e mette in evidenza una zona della terra. Da Marte, l’econometrista si prepara a capire che forme di vita abitino questa area: per fortuna con un click può trasformare quel che vede in dati e si accorge subito di alcune relazioni. C’è una variabile, ad esempio, che quantifica le conoscenze di ciascuna persona, e quelli che hanno valori più bassi si dicono ‘studenti’. Pensa allora che ‘studente’ è forse un’etichetta che si dà a chi ha la variabile ‘conoscenze’ bassa, gli pare però che la relazione non sia del tutto univoca. Con un click torna alla mappa, e vede che gli studenti si muovono verso dei luoghi chiamati ‘scuole’. Ora sembra tutto chiaro, ‘scuola’ fa diminuire ‘conoscenza’, mentre ‘ufficio’ l’aumenta. E’ una prima osservazione, rudimentale, ma trova un fenomeno simile con ‘ospedale’: la variabile ‘salute’ è bassa per chi ci sta, dev’essere un posto che fa ammalare la gente. Con un click torna alla mappa, stringe lo zoom su una piazza e tra le tante teste sceglie una signora. Punta il mouse, doppio click: ora sulla barra orizzontale può vedere per questa persona la temporalità degli eventi. Quand’era bassa e piccola, ‘conoscenza’ quasi a zero, l’hanno mandata a scuola, e col tempo ‘conoscenza’ è aumentata, un giorno ha avuto un dolore al ginocchio e dopo ‘ospedale’ la variabile ‘salute’ è tornata normale.

L’econometrista su Marte riflette su ciò che ha capito. Prima di tutto le correlazioni non vanno prese alla lettera, come gli avevano spiegato. ‘Ospedale’ e ‘malattia’ hanno una correlazione positiva, ma a guardare la successione temporale sembra che gli ospedali non facciano ammalare. Stessa storia per la ‘scuola’. Questa idea di usare il tempo per capire le cause e gli effetti gli sembra un buon inizio. C’è un problema però: ci sono eventi che sono causati da altri eventi che accadono dopo. Ad esempio, dopo varie ricerche l’econometrista intuisce che a ‘Natale’ i terrestri non sembrano festeggiare di aver fatto molti più acquisti del solito a inizio dicembre. Eppure a guardarci secondo una temporalità rettilinea, sembrano proprio festeggiare di aver recentemente aumentato i propri consumi.

L’econometrista su Marte ripensa alle situazioni precedenti. Se i malati vanno in ‘ospedale’, la media della variabile ‘salute’ in ‘ospedale’ è più bassa che altrove, ma la correlazione è dovuta a un processo di selezione: chi ha la variabile ‘salute’ alta va da altre parti. Sembrava che la tempistica degli eventi si potesse usare per capirne di più, ma la bega del ‘Natale’ dimostra il contrario. Potrebbe forse essere che le persone si infliggano dei mali in preparazione al recarsi poi in ospedale? Difficile dirlo. A pensarci bene, ci vorrebbe un esperimento: se potesse selezionare persone a caso e ne mandasse una parte in ospedale e l’altra no, potrebbe poi guardare alla media di ‘salute’ e vedere se gli ospedali fanno bene o male. Infatti, se scegliesse le persone a caso, e confrontasse il cambiamento della loro salute prima e dopo, il problema del processo di selezione non ci sarebbe, e neppure quello del tempo. Solo che da Marte l’idea di fare un esperimento su un pianeta a duecentoventi milioni di chilometri gli sembra troppo esosa.

Tornando a casa l’econometrista riflette sul fatto che la causalità è difficile da identificare. Spesso fenomeni correlati tra loro non sembrano connessi, guardando alla terra ne ha visti vari: il numero di divorzi per anno è correlato al 99.26% col consumo di margarina, il numero di dottorati in ingegneria è correlato al 95.7% col consumo pro capite di mozzarella di bufala, e via dicendo. Intuisce però che ci sono anche molti casi in cui la relazione forse nasconde qualche remota causazione: si è accorto ad esempio che il consumo di pollo fritto negli Stati Uniti ha una correlazione molto alta con le importazioni di petrolio. Si chiede se ci sia un nesso. Bisognerebbe forse partire da una qualche forma di schema su come funziona un certo aspetto del mondo, una teoria rudimentale, dedurne delle osservazioni testabili, e poi provare a trovare dei casi che non abbiano questi problemi di selezione del campione (come gli ‘ospedali’), senza fidarsi troppo della tempistica degli avvenimenti (per evitare quella trappola del ‘Natale’).

Tornando al lavoro il giorno dopo punta ancora il mouse sulla palla blu. Zoom su un’area verde, click a destra, stringe su un altro ospedale. Si rende conto che molti sono in fila con un foglietto in mano. Click sul foglietto, visualizza proprietà: l’autorità locale ha invitato un numero di persone a fare un check-up nel tentativo di diminuire le spese sanitarie nel lungo periodo. L’econometrista su Marte pensa che questa potrebbe essere un’occasione ghiotta. Si rende infatti conto che solo le famiglie residenti in una stessa area sono state invitate a partecipare. Pensa che potrà comparare la ‘salute’ prima e dopo il giorno del check-up con quella di altre persone che abitano nel quartiere accanto. Non c’era bisogno di fare duecentoventimila chilometri, eccoti qua l’esperimento. A pensarci ancora però ci sono dei limiti: le persone che abitano nel quartiere accanto potrebbero essere diverse, forse la comparazione non va. Pensa allora di comparare solo persone che vivono al margine tra i due quartieri, e di controllare che rispetto a tutti gli altri dati (età, educazione, reddito) siano abbastanza simili. Il metodo non è perfetto ma quasi: un quasi-esperimento! Pare che gli ospedali facciano bene.

Da investitori spesso guardiamo ai mercati come l’econometrista su Marte guarda al nostro pianeta. Sebbene ci siano delle relazioni che appaiono stabili, spesso abbiamo solo delle ipotesi parziali sulle catene causali che muovo gli asset. La correlazione tra il rendimento del mercato azionario e quello delle obbligazioni governative, ad esempio, è passata per vari regimi nel corso del novecento. Era negativa alla fine degli anni cinquanta, poi positiva fino alla fine degli anni novanta. Capiamo che l’inflazione e la politica monetaria giocano un qualche ruolo e sappiamo quantificare alcuni degli effetti del quantative easing. Intuiamo però di non capirne del tutto molti aspetti, ad esempio come questa relazione cambi quando guardiamo a dati a più alta frequenza, quando i prezzi delle azioni sono troppo elevati, o quando il ciclo economico diventa più volatile: più avviciniamo la lente – zoom, doppio click – più una serie di concause e di fenomeni del tutto trascurabili si intrecciano in un groviglio che non sappiamo sciogliere. Sempre più spesso, per fortuna, la statistica ci propone metodi causali per orientarci nelle nostre scelte: quasi-esperimenti e altri metodi che cercano di isolare le cause dei fenomeni. Questi metodi hanno ancora difficoltà a prendere piede in finanza, dove le relazioni causali sono spesso molto complesse e difficilmente isolabili, ma piano piano stanno entrando a far parte del bagaglio degli investitori. In periodi di transizione tra fasi dell’economia, pensare bene a quali correlazioni corrispondano a dei nessi causali e come questi nessi cambino può fare la differenza sul risultato di fine anno.

La nostra difficoltà a capirecosa distingue le cause dalle correlazioni, e quindi a riflettere sui meccanismi alla base di ciò su cui investiamo, si traduce anche spesso in una fiducia “per abitudine” nella stabilità di certe relazioni. L’esempio più eclatante degli ultimi anni è stato probabilmente quello dei prodotti strutturati sui mutui nella crisi del 2007-2008. Negli Stati Uniti, quando un pool di mutui veniva ristrutturato in un veicolo a sé stante, le assunzioni per assegnare il rating di credito includevano una correlazione basse a stabile tra i prezzi delle case nei vari stati federali: niente di più falso, come si è visto. In un mondo finanziario complesso come il nostro la stabilità delle correlazioni richiede continuo studio: e la ricerca dei nessi causali che vi soggiacciono è uno dei modi più efficaci per farsi venire dei dubbi (“…aspetta un po’, cosa succederebbe se improvvisamente i prezzi delle case in Florida e in Carolina smettessero di crescere allo stesso tempo?”).

Il dottor Fileno col suo cannocchiale rovesciato voleva anche separarsi dai suoi dolori. Viste da lontano, le cose del mondo possono essere pensate con maggiore distacco emotivo. Per l’investitore c’è una lezione anche in questo: siamo spesso attaccati emotivamente alle nostre convinzioni, tendiamo a credere di più ai dati che confermano le nostre supposizioni, ci sentiamo più sicuri nel mondo come lo conosciamo – anche se in quel mondo gli ospedali fanno male alla salute, le scuole rendono ciucci, e a Natale si festeggia lo shopping dei primi di dicembre. Rovesciare il cannocchiale, doppio click e zoom indietro, è a volte uno sforzo cosciente che dobbiamo fare per trovare il giusto distacco.

Titta Di Girolamo
Titta Di Girolamo
*Con questo pseudonimo, preso a prestito dal protagonista di un film di Paolo Sorrentino ("Le conseguenze dell'amore", 2004, interpretato da Toni Servillo) si firma un importante gestore italiano che, laureato a pieni voti in una dellepiù importanti università statunitensi, lavora attualmente nella city.
Il presente articolo costituisce e riflette un’opinione e una valutazione personale esclusiva del suo Autore; esso non sostituisce e non si può ritenere equiparabile in alcun modo a una consulenza professionale sul tema oggetto dell'articolo.

WeWealth esercita sugli articoli presenti sul Sito un controllo esclusivamente formale; pertanto, WeWealth non garantisce in alcun modo la loro veridicità e/o accuratezza, e non potrà in alcun modo essere ritenuta responsabile delle opinioni e/o dei contenuti espressi negli articoli dagli Autori e/o delle conseguenze che potrebbero derivare dall’osservare le indicazioni ivi rappresentate.
Condividi l'articolo