Nested clustered optimization

Altri nomi: NCO, ottimizzazione a gruppi

Perché dividere l'ottimizzazione in gruppi?

Perché gli errori di stima si propagano dentro un'unica grande ottimizzazione. Quando diversi strumenti sono quasi identici, un ottimizzatore a rischio minimo che li tratta tutti insieme può trasformare minime differenze nelle correlazioni misurate in grosse scommesse che si compensano. Dentro un gruppo piccolo il problema è ben posto, e i gruppi vengono poi confrontati come una manciata di strumenti sintetici: un errore di misura dentro un gruppo non può spostare i pesi dentro un altro.

dove: $w_{i \mid k}$ è il peso dello strumento i dentro il suo gruppo k, $W_k$ è il peso del gruppo k tra i gruppi e $w_i$ è la quota finale di capitale dello strumento. Entrambi i livelli mirano al mix a rischio minimo, l'estremo "Min volatilità" della frontiera efficiente.

Il numero di gruppi viene scelto dai dati a ogni ribilanciamento, non lo imposti tu.

Quando è adatta la Nested clustered optimization, e quando no?

È adatta a un universo di molti strumenti simili — un paniere di azioni che si raccolgono in settori, per esempio — dove i gruppi sono netti e un'unica ottimizzazione sarebbe più fragile. È meno adatta in due casi:

• Un universo senza gruppi netti. La risposta in due passaggi si allontana allora di più da quella di un'unica ottimizzazione a rischio minimo.
• Un portafoglio costruito su una copertura. Due strumenti che si muovono in direzioni opposte vengono considerati il più diversi possibile e finiscono in gruppi diversi, quindi il metodo non riesce a sfruttare fino in fondo la copertura tra loro.

E come ogni ottimizzazione a rischio minimo, il passaggio tra i gruppi può dare a un intero gruppo ad alto rischio un peso vicino a zero.

Come si comporta in Fincanva?

• La Nested clustered optimization è offerta solo dentro una singola strategia, tra i suoi strumenti; una Combinata non la offre.
• Non ha impostazioni proprie. Legge la finestra di calcolo (Periodo in-sample, 12 mesi per impostazione predefinita) e la scelta Matrice di covarianza — vedi matrice di covarianza.
• I pesi non sono mai negativi.
• Con la maggior parte degli stimatori di covarianza — compresa la consigliata Ledoit-Wolf · constant correlation — ogni strumento deve essersi mosso di prezzo almeno una volta dentro la finestra: uno strumento il cui prezzo è rimasto fermo per tutta la finestra, come un titolo sospeso, blocca il backtest invece di ricevere un peso. Due stimatori fanno eccezione; matrice di covarianza dice quali.
• I pesi vengono ricalcolati a ogni ribilanciamento sulla finestra che termina in quella data.

Quale piano include la Nested clustered optimization?

Incluso da Advanced in su. Vedi cosa include ciascun piano.

Come funziona in pratica?

Una strategia detiene sei strumenti divisi in due gruppi da tre: tre titoli bancari e tre titoli di utility. Dentro il gruppo bancario il mix a rischio minimo è 50% / 30% / 20%; dentro il gruppo delle utility è 40% / 40% / 20%. Trattati come due strumenti sintetici, i gruppi vengono poi combinati per il rischio minimo, che qui dà 30% alle banche e 70% alle utility.

Il peso finale del primo titolo bancario è 50% × 30% = 15%; quello del primo titolo di utility è 40% × 70% = 28%. Tutti e sei i pesi si costruiscono allo stesso modo, e insieme sommano al 100%.