Considerazioni avanzate sul rischio di coda

Cosa significa il rischio di coda oltre le basi

Il rischio di coda descrive il rischio che si verifichino risultati nelle “code” di una distribuzione di perdite: eventi rari rispetto ai normali movimenti di mercato, ma abbastanza grandi da danneggiare materialmente un conto. In termini pratici, non si tratta solo dell’entità di una potenziale perdita, ma anche di quanto siano probabili le perdite “estreme” in base alle ipotesi utilizzate per descrivere i rendimenti.

Un modo utile per distinguere i concetti è:

• Rischio nell’intervallo tipico: ciò che accade nella maggior parte dei casi, spesso modellato con medie e volatilità “normale”.
• Rischio di coda: risultati nelle estremità, dove la distribuzione è più spessa o meno prevedibile di quanto ipotizzato dal modello.

Una considerazione avanzata fondamentale è che il rischio di coda è spesso determinato da cambiamenti di regime (condizioni che modificano il comportamento dei rendimenti) piuttosto che da una semplice continuazione regolare della storia. Questo rende più difficile quantificare il rischio di coda, poiché i meccanismi che generano eventi estremi potrebbero non essere stabili.

Come funziona il rischio di coda nei modelli e nei portafogli

1) Le ipotesi sulla distribuzione sono la dipendenza fondamentale

Qualsiasi affermazione quantitativa sul rischio di coda dipende da come si rappresentano i rendimenti. Ad esempio, se si modellano i rendimenti con una distribuzione a code sottili, gli eventi estremi appariranno meno probabili di quanto possano effettivamente essere. Al contrario, se si sopravvaluta lo spessore delle code, si potrebbero considerare eventi di coda anche movimenti di volatilità comuni.

Le considerazioni avanzate includono:

• Definizione della coda: la “coda” può indicare diverse soglie di probabilità (ad esempio, il peggior 1% dei risultati), e la soglia numerica modifica le conclusioni.
• Forma della coda: anche con la stessa probabilità di coda, forme diverse possono implicare gravità differenti.
• Non stazionarietà: il comportamento statistico che ha prodotto la distribuzione passata potrebbe non valere in futuro.

2) Le dipendenze tra variabili contano più della volatilità individuale

Le perdite di coda spesso emergono da dipendenze: correlazioni che aumentano in condizioni di stress, fattori di rischio multipli che si muovono insieme, o effetti leva che amplificano piccoli movimenti in grandi perdite. Un modello che tratta i componenti come indipendenti può sottostimare sistematicamente il rischio di coda.

Casi limite comuni di dipendenza:

• Rottura della correlazione: attività o esposizioni possono apparire diversificate in condizioni normali, ma le correlazioni possono convergere verso 1 durante eventi estremi.
• Driver comuni: il rischio può essere guidato da un singolo shock sottostante (stress di liquidità, sorpresa di politica, o shock macroeconomico), rendendo la “diversificazione” meno efficace nelle estremità.

3) I tempi di esecuzione e la microstruttura di mercato possono dominare i risultati

In teoria, le misure di rischio assumono che sia possibile entrare ed uscire a prezzi prevedibili. Nella pratica, gli eventi di coda coincidono spesso con condizioni in cui tale ipotesi fallisce:

• Lacune di liquidità: spread effettivi più ampi e profondità ridotta.
• Slippage: i prezzi di esecuzione differiscono dai prezzi quotati o modellati.
• Differenze nella gestione degli ordini: ritardi, esecuzioni parziali o vincoli.

Questo significa che il rischio di coda non è puramente un concetto di “mercato”; è anche un concetto di implementazione. Una strategia o un profilo di esposizione può apparire sicuro sotto prezzi ideali, ma comportarsi in modo molto diverso quando i costi di esecuzione e i tempi distorcono i risultati.

4) I costi e i vincoli di finanziamento diventano parte della coda

L’analisi del rischio di coda che ignora i costi può essere incompleta. I costi possono includere spese di transazione, deriva legata al finanziamento e vincoli operativi che diventano più rilevanti in condizioni di stress. Considerazione avanzata: i costi sono talvolta relativamente piccoli nei periodi normali, ma diventano significativi durante movimenti estremi.

I vincoli di finanziamento sono un’altra dipendenza. Se il margine o i controlli di rischio dipendono da valori in tempo reale, movimenti improvvisi possono innescare limitazioni più rapidamente di quanto un essere umano possa reagire.

Evidenze, scenari e ciò che puoi testare

Poiché gli eventi di coda sono rari, in genere non è possibile “dimostrare” il comportamento del rischio di coda da campioni limitati. Invece, è possibile costruire verifiche basate su scenari e verificare quali parti dell’analisi sono stabili.

Struttura di esempio di uno scenario (ipotesi dichiarate)

Considera uno scenario semplificato (non una previsione):

• Definisci un “evento di coda” come un movimento avverso sufficientemente ampio da spingere le perdite oltre una soglia scelta.
• Assumi che spread e slippage si allarghino di un certo fattore in condizioni di stress.
• Assumi che le correlazioni tra le esposizioni rilevanti aumentino verso un livello più alto.

Quindi confronti due casi:

1. I costi e gli effetti di dipendenza rimangono a livelli normali.
2. I costi aumentano e le dipendenze si rafforzano in condizioni di stress.

Un’importante limitazione da osservare: potresti scoprire che la differenza principale deriva dalle ipotesi su esecuzione e dipendenze, non dalla distribuzione dei rendimenti stessa. Questo risultato è importante perché indica cosa deve essere verificato per ridurre i punti ciechi del modello.

I test di stress sono vincolati dalla realismo del modello

I test di stress possono essere utili, ma solo se le ipotesi di stress sono plausibili e correlate ai meccanismi che potrebbero effettivamente verificarsi. Gli errori avanzati includono:

• Mancata corrispondenza del tipo di evento di coda: utilizzare uno stress che riflette un meccanismo di shock errato.
• Input inconsistenti: applicare soglie di “coda” a una variabile mentre si trattano altre con parametri del periodo normale.
• Overfitting alla storia: trattare un insieme limitato di estremi passati come se rappresentasse tutti i futuri estremi.

La verifica delle informazioni relative al rischio deve concentrarsi su documenti e metodi

Se vedi un’affermazione sul rischio di coda, puoi verificare autonomamente ciò che conta controllando:

• Definizione del metodo: quale soglia esatta di coda e quale misura sono state utilizzate.
• Dati di input: quale periodo, frequenza e passaggi di pulizia sono stati applicati.
• Ipotesi del modello: scelta della distribuzione, gestione delle dipendenze e se i parametri sono stati aggiornati.
• Ipotesi di esecuzione: se l’analisi ha incluso spread, slippage, latenza o vincoli operativi.

Anche senza dati in tempo reale, puoi comunque verificare se l’affermazione è coerente nel definire gli eventi di coda e nel trattare costi e dipendenze.

Limitazioni e modalità di fallimento che dovresti aspettarti

Limitazione materiale 1: scarsità di dati rari

La stima della coda si basa su poche osservazioni. Con campioni di coda limitati, i risultati possono cambiare sostanzialmente aggiungendo o rimuovendo dati. Questa è una modalità di fallimento dell’incertezza statistica, non un semplice errore di calcolo.

Limitazione materiale 2: cambiamento di regime negli eventi estremi

Gli eventi di coda possono essere generati da meccanismi assenti nella maggior parte dei dati storici. Un modello addestrato su regimi normali potrebbe sottostimare la probabilità o la gravità di futuri eventi estremi.

Limitazione materiale 3: esecuzione e infrastruttura che violano le assunzioni

In condizioni di stress, il percorso dal preventivo all’esecuzione può cambiare. Se un metodo di rischio assume prezzi stabili o spread stabili, può fallire proprio quando il rischio di coda è più rilevante.

Limitazione materiale 4: deriva dei parametri e della metodologia

I calcoli di rischio possono variare se:

• il modello viene aggiornato in modo non coerente,
• i parametri di volatilità e correlazione cambiano,
• oppure la definizione degli eventi di coda cambia.

Per questo motivo, le affermazioni sull’“accuratezza” dovrebbero essere trattate con cautela, a meno che non dichiarino chiaramente le ipotesi e forniscano evidenze legate a tali ipotesi.