Translate

venerdì 6 maggio 2016

ECCO COME, IN FUTURO, GLI ALGOS DEI FONDI METTERANNO NEL MIRINO LE BANCHE DA SHORTARE (O DA COMPRARE). PT. 2

Trovate qui la prima parte.
Posteriormente alla crisi finanziaria del 2008 i temi maggiormente trattati a livello regolamentare e giornalistico hanno riguardato: la dimensione dei capitali degli istituti di credito, del rischio operativo, della liquidità (intesa in senso lato), della liquidità connotante gli assets e le passività iscritti a bilancio e rapportati al più ampio contesto di mercato.
Ciò che sino ad ora è invece mancata, anche a livello di costruzione di algoritmi, è stata un' analisi delle dichiarazioni finanziariamente rilevanti da condurre con la lente del sentiment di mercato. Tale assenza può considerarsi giustificata dalla difficoltà d'analisi del comportamento degli azionisti, influenzato da una pluralità di attributi finanziari. E' noto, infatti, che i fattori psicologici impattano spesso il processo decisionale sino a deviarlo dal raggiungimento dell' optimum teorico. Informazioni qualitative e ratios patrimoniali (quantitative) sono, però, utilizzati da diverso tempo nel tentativo di prevedere casi futuri di fallimento e/o di upgrading/downgrading del rating assegnato agli istituti di credito. A tale scopo, negli anni, è stata elaborata una vasta gamma di metodi computazionali: suppport vector machines, reti neurali, algorithms e meta-learning algorithms.
Negli USA, il Camel Mode è un approccio utilizzato per valutare la performance delle banche. Più precisamente, detto modello processa, supportando la significatività dei canonici dati finanziari, le informazioni riguardanti le seguenti aree:
  • adeguatezza del capitale;
  • assets;
  • management;
  • utili;
  • liquidità.
All' esito della valutazione, le banche vengono poi classificate in 5 categorie: dalla prima (la migliore) alla quinta (la peggiore). L'indagine viene condotta da esperti di regolamentazione bancaria ovvero, alternativamente, da rappresentati della: FED, dell' Office of the Compotroller of the Currency, della National Credit Union Administration, della Federal Deposit Insurance Corporation. Il giudizio elaborato all' esito del processo valutativo viene poi comunicato esclusivamente ai managers delle banche e non reso pubblico. Tuttavia, le banche mostranti segni di una progressiva degradazione del complessivo contesto operativo -evidenziato anche dal Camel Model o per quando riguarda l' UE dagli esiti delle valutazioni periodicamente condotte dalla BCE- sono portate ad affrontare in maniera più efficace la parte narrativa dei propri reports annuali (anche su base trimestrale). In particolar modo, nelle comunicazioni destinate agli azionisti, faranno uso del “sentiment” al fine di illustrare loro la posizione della banca nell'ambito della conduzione delle varie attività aziendali.
Fatta questa premessa, concentriamoci sul modello algoritmico che ci guiderà nella scelta della banca da vendere allo scoperto.
Quali dati dovrà leggere il processore? Non diversamente da quanto contemplato dalla metodologia utilizzata nell'ambito dell' analisi delle società non bancarie, i dati-input afferiscono a due categorie:
  • indicatori finanziari;
  • sentiment indicators.

I primi monitorano:
  • la profittabilità (EPS);
  • la situazione del mercato finanziario di riferimento (coefficiente β; minimi e massimi del prezzo dell'azione, deviazione standard del prezzo dell'azione);
  • l'andamento degli affari (effective tax rate);
  • la struttura degli assets (fixed assets/total assets);
  • i leverage ratios (market debt/total capital, book debt/total capital);
  • la dividend policy (dividend yield);
  • la struttura proprietaria (presenza di eventuali stock options, articolazione delle partecipazioni).

I secondi, invece, monitorano:
  • la qualità (intesa in senso lato) della business position rilevata dal management.
Ecco qui un riepilogo degli input
Normalmente, oggetto della valutazione contenuta nella parte discorsiva dei reports sono: la performance complessivamente considerata, i rischi assunti, le strategie future, il giudizio reso sulla condizione finanziaria, le guide per gli investimenti futuri ecc. Gli indicatori finanziari sono disponibili presso i comuni data vendors oppure in rete (negli USA possono essere rinvenuti nel Value Line database e nei documenti 10-Ks liberamente consultabili presso l' U.S. Securities and Exchange Commission EDGAR System). L'investment/ non investment grade associato alla banca viene rilevato tra quelli assegnati da una delle agenzie di rating (S&P normalmente).

I sentiment indicators, sono poi processati in due fasi:
  1. Processing linguistico (tokenization, clicca qui, e lemmatisation, clicca qui), volto ad ottenere un set predeterminato di termini prestabiliti.
  2. Il set di cui al punto precedente vieni poi comparato con le sentiment categories estrapolate da un dizionario finanziario oggetto di upload.
A questo punto, la funzione peso tf-idf (term frequency–inverse document frequency – clicca qui) viene adoperata per determinare l'importanza (il peso) dei termini. A tal proposito, viene calcolato il peso medio di ogni sentiment category (negativa, positiva, incertezza, litigiosità, modal strong e modal weak). Per tutti i dati, i valori mancanti vengono sostituiti da quelli mediani e standardizzati usando lo Z-score (clicca qui) al fine di risolvere i problemi riscontrabili con le differenti scale.