Finanza Quantitativa: Finanza Comportamentale

Approfondimento Didattico sulla Finanza Comportamentale

1. Introduzione

La finanza comportamentale rappresenta una branca della finanza che cerca di comprendere e spiegare il comportamento dei mercati finanziari incorporando modelli basati sulla psicologia. A differenza della finanza tradizionale, che assume l'agente economico come razionale (Homo Economicus), la finanza comportamentale riconosce che gli investitori sono soggetti a bias cognitivi ed emotivi che influenzano le loro decisioni. Comprendere questi bias è cruciale per investitori, trader e gestori di portafoglio, in quanto può aiutare a evitare errori costosi e a identificare opportunità di mercato. Questo approfondimento esaminerà la Prospect Theory, l'Aversion to Loss, l'Anchoring Bias e l'Overconfidence, fornendo esempi pratici e strumenti per mitigarne gli effetti.

2. Teoria e Fondamenti

La finanza comportamentale si basa su una critica all'ipotesi di mercati efficienti (Efficient Market Hypothesis, EMH) nella sua forma forte, la quale presuppone che i prezzi riflettano sempre tutte le informazioni disponibili. I sostenitori della finanza comportamentale sostengono che i bias cognitivi possono portare a valutazioni errate degli asset e quindi a inefficienze di mercato.

2.1 Prospect Theory:

La Prospect Theory, sviluppata da Daniel Kahneman e Amos Tversky, è una delle pietre angolari della finanza comportamentale. Sfida direttamente la teoria dell'utilità attesa, che assume che le persone prendano decisioni basate sull'utilità attesa dei risultati. La Prospect Theory propone invece che le persone valutino i guadagni e le perdite in modo asimmetrico e che siano più sensibili alle perdite che ai guadagni di pari entità.

La Prospect Theory si articola in due fasi principali:

• Fase di editing: Gli individui semplificano le opzioni presentate, codificando i risultati come guadagni o perdite rispetto a un punto di riferimento (solitamente lo status quo).
• Fase di valutazione: Gli individui valutano le opzioni utilizzando una funzione di valore e una funzione di ponderazione delle probabilità.

La funzione di valore (Value Function) ha le seguenti caratteristiche chiave:

• Concavità per i guadagni: Le persone sono avverse al rischio per i guadagni (preferiscono un guadagno certo a uno più rischioso con lo stesso valore atteso).
• Convessità per le perdite: Le persone sono propense al rischio per le perdite (preferiscono una perdita più rischiosa a una perdita certa con lo stesso valore atteso).
• Aversion to Loss: La funzione di valore è più ripida per le perdite che per i guadagni.

La funzione di ponderazione delle probabilità (Weighting Function) distorce le probabilità reali. Le piccole probabilità vengono sovraponderate, mentre le grandi probabilità vengono sottovalutate.

2.2 Loss Aversion:

L'Aversion to Loss, o avversione alla perdita, è un bias cognitivo strettamente legato alla Prospect Theory. Si riferisce alla tendenza delle persone a sentire il dolore di una perdita in modo più intenso del piacere di un guadagno di pari entità. Studi hanno dimostrato che la perdita è percepita come circa due volte più potente del guadagno.

Dove:

• V(x) è il valore percepito del risultato x
• x è il risultato (guadagno o perdita)
• α e β sono parametri compresi tra 0 e 1 (tipicamente intorno a 0.88), che riflettono la sensibilità decrescente ai guadagni e alle perdite.
• λ è il coefficiente di Loss Aversion, tipicamente intorno a 2.25, che quantifica quanto le perdite pesano di più dei guadagni.

Esempio Numerico:

Immagina di lanciare una moneta. Se esce testa, vinci 100€. Se esce croce, perdi 100€. La maggior parte delle persone rifiuterebbe questa scommessa, anche se il valore atteso è zero. Questo perché la disutilità di perdere 100€ è percepita come maggiore dell'utilità di vincere 100€. Utilizzando i parametri tipici (α=0.88, β=0.88, λ=2.25), il valore percepito di vincere 100€ sarebbe 100^0.88 ≈ 79.43, mentre il valore percepito di perdere 100€ sarebbe -2.25 * (100)^0.88 ≈ -178.71. La somma di questi due valori (pesati per le probabilità del 50%) è significativamente negativa, spiegando l'avversione a questa scommessa.

2.3 Anchoring Bias:

L'Anchoring Bias si verifica quando le persone si affidano eccessivamente alla prima informazione che ricevono (l'ancora) quando prendono decisioni, anche se tale informazione è irrilevante. Questo può portare a valutazioni distorte.

Esempio Numerico:

Viene chiesto a due gruppi di persone di stimare la popolazione di Chicago. Al primo gruppo viene chiesto: "La popolazione di Chicago è maggiore o minore di 2 milioni?". Al secondo gruppo viene chiesto: "La popolazione di Chicago è maggiore o minore di 8 milioni?". Il primo gruppo tenderà a fornire stime inferiori rispetto al secondo gruppo, perché l'ancora iniziale influenza il loro giudizio. Anche se sanno che l'ancora è arbitraria, faticano a ignorarla completamente.

2.4 Overconfidence:

L'Overconfidence è un bias cognitivo che porta le persone a sovrastimare le proprie capacità, conoscenze e la precisione delle proprie previsioni. Gli investitori overconfident tendono a fare trading più frequentemente, ad assumersi rischi eccessivi e a sottovalutare i potenziali ribassi.

Esistono due forme principali di Overconfidence:

• Overprecision: Eccessiva certezza nella precisione delle proprie conoscenze e previsioni.
• Overestimation: Eccessiva valutazione delle proprie capacità rispetto agli altri.

Misurazione dell'Overconfidence:

L'Overconfidence può essere misurata chiedendo alle persone di fornire intervalli di confidenza per le loro previsioni. Ad esempio, si può chiedere: "Qual è il prezzo di chiusura di un determinato titolo tra un mese? Fornisci un intervallo che ritieni abbia il 90% di probabilità di contenere il valore reale." Se un individuo è ben calibrato, circa il 90% dei suoi intervalli dovrebbe contenere il valore reale. Se un individuo è overconfident, meno del 90% dei suoi intervalli conterrà il valore reale.

3. Applicazioni Pratiche

• Asset Allocation: Comprendere l'Aversion to Loss può aiutare i gestori di portafoglio a progettare strategie di asset allocation che tengano conto della tolleranza al rischio dei clienti. Ad esempio, un investitore molto avverso alla perdita potrebbe preferire un portafoglio con una minore allocazione in azioni, anche se questo significa sacrificare potenziali rendimenti più elevati.
• Trading: Essere consapevoli dell'Anchoring Bias può aiutare i trader a evitare di ancorarsi a prezzi passati e a prendere decisioni basate su analisi fondamentali e tecniche aggiornate. Riconoscere l'Overconfidence può incoraggiare un approccio più disciplinato e una gestione del rischio più rigorosa.
• Marketing e Vendita: Le aziende possono utilizzare i principi della Prospect Theory per influenzare il comportamento dei consumatori. Ad esempio, offrire "sconti" (che sono in realtà la rimozione di un sovrapprezzo) è psicologicamente più efficace che offrire un bonus equivalente.
• Negoziazione: Conoscere l'Anchoring Bias può permettere a un negoziatore di impostare la prima offerta ("l'ancora") in modo da influenzare il risultato finale a proprio favore.

4. Formule e Calcoli

Oltre alla formula della funzione di valore della Prospect Theory presentata sopra, ecco un esempio di calcolo del Value at Risk (VaR) che considera l'avversione alla perdita:

Un approccio standard per il VaR, assumendo una distribuzione normale dei rendimenti, è:

Dove:

• è la media dei rendimenti
• è la deviazione standard dei rendimenti
• z è il valore critico corrispondente al livello di confidenza desiderato (es. 1.645 per un livello di confidenza del 95%)

Per incorporare l'avversione alla perdita, si potrebbe modificare la formula per penalizzare i rendimenti negativi più pesantemente:

Dove:

• è il coefficiente di avversione alla perdita
• P(Rendimento < 0) è la probabilità di un rendimento negativo

Questa formula è una semplificazione, ma illustra come l'avversione alla perdita può essere incorporata in modelli quantitativi.

5. Rischi e Limitazioni

La finanza comportamentale, pur offrendo preziose intuizioni, presenta delle limitazioni:

• Difficoltà di Previsione: I bias comportamentali non sono sempre coerenti e possono variare in base al contesto. È difficile prevedere con certezza come un determinato bias influenzerà il comportamento in una specifica situazione.
• Overfitting: È possibile che i modelli comportamentali vengano adattati eccessivamente ai dati storici, perdendo la loro capacità di generalizzare a nuove situazioni.
• Critiche all'EMH: Alcuni studiosi contestano la critica all'ipotesi di mercati efficienti, sostenendo che le anomalie comportamentali sono temporanee e che vengono corrette dall'arbitraggio.
• Complessità dei Modelli: I modelli di finanza comportamentale possono essere complessi e difficili da implementare.
• Mancanza di un Modello Unificato: Non esiste una teoria unificata che spieghi tutti i bias comportamentali.

Inoltre, è importante notare che conoscere i bias comportamentali non garantisce l'immunità. Anche gli esperti sono soggetti a questi bias. La consapevolezza è il primo passo, ma è necessario implementare strategie per mitigarne gli effetti.

6. Conclusione e Risorse per Approfondire

La finanza comportamentale offre una prospettiva cruciale per comprendere il comportamento dei mercati finanziari. Riconoscere e comprendere i bias cognitivi, come la Prospect Theory, l'Aversion to Loss, l'Anchoring Bias e l'Overconfidence, può aiutare gli investitori e i professionisti finanziari a prendere decisioni più informate e razionali. Nonostante le sue limitazioni, la finanza comportamentale è diventata una componente essenziale dell'analisi finanziaria moderna.

Risorse per Approfondire:

• Libri:
  • "Thinking, Fast and Slow" di Daniel Kahneman
  • "Misbehaving: The Making of Behavioral Economics" di Richard Thaler
  • "Predictably Irrational" di Dan Ariely
• Articoli Scientifici: Consultare riviste accademiche come il Journal of Behavioral Finance e il Journal of Financial Economics.
• Siti Web e Blog: Esistono numerosi siti web e blog dedicati alla finanza comportamentale, spesso gestiti da università e centri di ricerca.

L'esplorazione continua e l'applicazione pratica dei principi della finanza comportamentale sono fondamentali per navigare con successo il complesso mondo degli investimenti.