Limitazioni dell’Mpc (e quando è meno utile)
Cosa significa “Mpc” e perché le limitazioni sono importanti
“Mpc” è spesso usato come abbreviazione nelle discussioni finanziarie, ma non è un termine univocamente definito in tutti i contesti. Per spiegare in modo responsabile le sue limitazioni, è utile considerare l’Mpc come un concetto modellistico: rappresenta tipicamente una relazione attesa tra input e risultato in un determinato insieme di assunzioni.
Poiché la combinazione di lettere può indicare cose diverse a seconda della fonte, una prima limitazione è di natura definitoria. Se non si riesce a specificare esattamente cosa calcola l’Mpc nel proprio contesto (input, unità e regola che trasforma gli input in un risultato), non si può valutare se le sue limitazioni siano applicabili.
Meccanica: la struttura fondamentale alla base di qualsiasi modello di tipo Mpc
La maggior parte dei concetti di tipo Mpc condivide una struttura comune: (1) scegliere un insieme di input misurabili, (2) assumere una relazione stabile tra input e output, e (3) calcolare una stima utilizzando dati storici o una regola matematica specifica.
Due condizioni pratiche determinano solitamente se la meccanica funzioni effettivamente:
- Allineamento delle assunzioni: il modello deve corrispondere al processo reale che si sta cercando di descrivere.
- Affidabilità delle misurazioni: gli input utilizzati dal modello devono essere disponibili, comparabili nel tempo e misurati in modo coerente.
Anche senza dati in tempo reale, è possibile comprendere la meccanica annotando cosa si assume come fisso (parametri, relazioni, tempistiche) rispetto a ciò che può cambiare (condizioni di mercato, liquidità, costi e qualità dell’esecuzione). Ogni discrepanza diventa fonte di errore del modello.
Evidenze ed esempi di modalità di errore (senza presupporre accuratezza futura)
Una modalità di errore comune è il derivo delle assunzioni. Relazioni che erano valide in passato — come la risposta di un output a un determinato input — spesso si indeboliscono quando cambiano i regimi di volatilità, la liquidità o il comportamento dei partecipanti al mercato.
Un’altra modalità di errore è il costo nascosto e l’attrito. Molti modelli si concentrano su un risultato teorico ignorando o semplificando fattori reali come i costi di transazione, gli spread denaro-lettera e i tempi di esecuzione. Se questi fattori sono rilevanti, il divario tra stime del modello e risultati reali aumenta.
Una terza modalità di errore è l’overfitting alla storia. Se i parametri dell’Mpc sono calibrati troppo strettamente su una finestra storica limitata, il modello può apparire accurato sui dati passati ma fallire quando le condizioni cambiano.
Infine, la non stazionarietà influisce su qualsiasi approccio che presuma stabilità statistica. Se la relazione tra input e output varia nel tempo, un singolo valore “Mpc” calcolato può rappresentare un’eccessiva semplificazione.
Limitazioni e rischi: dove l’Mpc diventa meno utile
Le limitazioni non sono solo matematiche; sono operative.
- Incertezza definitoria: diverse comunità possono usare “Mpc” in modi diversi. Senza una definizione precisa, i confronti non sono affidabili.
- Sensibilità agli input: piccole variazioni negli input assunti (tempistiche, scala, scelte di pulizia dei dati) possono produrre grandi variazioni nel risultato calcolato.
- Dipendenza da relazioni stabili: quando la relazione sottostante cambia, la stima del concetto perde significato.
- Mancanza di garanzia predittiva: anche se un modello di tipo Mpc corrisponde ai dati storici, ciò non implica che i risultati futuri seguiranno lo stesso andamento.
In sintesi, l’Mpc è più utile quando è possibile definirlo con chiarezza, giustificarne le assunzioni nel contesto specifico e verificare che rimanga stabile sotto variazioni ragionevoli di input e condizioni.
Come verificare autonomamente il concetto (e cosa testare)
Per verificare l’Mpc in modo indipendente, distingui tre domande:
- Test della definizione: riesci a specificare con precisione cosa calcola l’Mpc, inclusi input, unità e regola di trasformazione?
- Test delle assunzioni: quali parti si assumono stabili? Identifica cosa dovrebbe rimanere vero affinché il modello abbia senso.
- Test di robustezza: verifica se i risultati rimangono ragionevoli quando si variano le assunzioni (ad esempio, diverse finestre storiche, diverse regole di pulizia degli input o diverse assunzioni sui costi).
Se non riesci a eseguire questi test, considera l’Mpc come un’ipotesi sulle relazioni piuttosto che un riassunto affidabile del comportamento futuro.