Hedge Fund, gli ultimi trend in termini di strategia di investimento

Menzionato per la prima volta dall’australiano Alfred Jones nel 1949, il termine hedge fund è ormai sempre più presente nelle notizie finanziarie che quotidianamente possiamo reperire su qualunque fonte.

“To hedge” si traduce in italiano dall’inglese con il verbo “coprire”, ed è volto ad evidenziare la finalità più comune di questo tipo di fondi di investimento: proporre una strategia di investimento il più possibile “coperta” dal rischio di mercato.

Data la rapidissima evoluzione dei mercati finanziari osservata dalla nascita della bolla Dot-Com di inizio Millennio, non è chiaramente più pensabile che un hedge fund moderno segua ancora perfettamente la strategia disegnata da Jones nel Secondo Dopoguerra.

Machine Learning, Deep Learning, Green Economy, sono tante le cosiddette “buzzword” (i.e. termini molto popolari dei quali in pochi conoscono il reale significato ed implicazione) sulle quali le strategie di investimento dei grandi fondi moderni fanno affidamento.

Le strategie di investimento più classiche

Tra la vasta scelta di strategie di investimento a disposizione di un hedge fund tipico, troviamo alcune macro-tipologie classiche di trading.

In primis va nominato senza dubbio il mix tra una strategia long (i.e. che punta a guadagnare soldi dalla crescita nel prezzo di un asset quotato) e short (i.e. che ha come obiettivo quello di individuare un titolo finanziario sopravvalutato, ricavando denaro dal declino del prezzo dello stesso).

Il concetto, in questo caso, è piuttosto semplice: un hedge fund può decidere di aprire una serie di posizioni short sul mercato, accollandosi un rischio non indifferente (va ricordato, infatti, che vendere allo scoperto un titolo finanziario può portare a perdite molto ingenti, anche oltre al 100%), coprendo tali operazioni con investimenti long (che, per propria natura, non possono portare a perdite superiori al 100% dell’investimento).

L’equilibrio tra operazioni long e short determina la strategia effettiva del fondo di investimento. In linea generale, abbiamo tre posizioni possibile:

• Chi può avere una posizione molto aggressiva, con una forte prevalenza di posizioni short nel proprio portafoglio
• Chi invece può decidere di includere più posizioni long nel catalogo di investimenti
• Chi punta ad avere una posizione neutrale sul mercato, bilanciando il più possibile le esposizioni da ambo i lati (che non significa, in realtà, puntare ad avere guadagni nulli o molto bassi)

Una grande opportunità per ogni hedge fund è, inoltre, la possibilità di trarre beneficio dalle cosiddette operazioni di arbitraggio. Per “arbitraggio” intendiamo quella pratica di investimento volta a raccogliere capital gain grazie ad un disallineamento tra prezzi generato da particolari situazioni di mercato.

Per dare un esempio, possiamo pensare al caso delle fusioni societarie. Tipicamente, se l’azienda A annuncia al mercato un piano di acquisto della maggioranza delle azioni dell’azienda B, viene da subito reso noto, nel prospetto di Offerta Pubblica di Scambio (o OPS) il tasso di conversione delle azioni di B in azioni di A. L’hedge fund che vuole trarre profitto da questa operazione può facilmente aprire posizioni long su B e short su A, con l’obiettivo di raggiungere il tasso di cambio di equilibrio dichiarato dalla società acquirente.

La rivoluzione dell’intelligenza artificiale

Dobbiamo innanzitutto sfatare un po’ il mito dell’intelligenza artificiale (AI): un algoritmo apprende da dati generati da umani e, dunque, gli errori ed i pregiudizi che sono presenti nei dati generati da una persona possono essere appresi e replicati da un algoritmo di cosiddetta “intelligenza artificiale”.

Questo, però, non deve farci sopravvalutare il potenziale di tale tecnologia: molti hedge fund hanno deciso di adottare, da un po’ di tempo, strategie di investimento guidate interamente da algoritmi di AI.

Le cosiddette strategie “quant” (abbreviazione inglese del termine “quantitative”, vista la forte tendenza matematico-statistica del Machine Learning e del Deep Learning) hanno come obiettivo quello di fornire una serie di dati storici in input ad una serie di algoritmi capaci – almeno sulla carta – di identificare pattern ricorrenti nell’andamento di titoli finanziari che un essere umano può solo sognare di individuare.

L’intuizione dei padri fondatori dell’AI è questa: ad un algoritmo viene fornito in input un set di informazioni di addestramento su dati storici finanziari e, apprendendo dati utili da questi, viene effettuato un test della strategia di investimento su una porzione del dataset non inclusa nei dati di addestramento.

Un altro trend importante: la green economy

Non possiamo poi ignorare la rivoluzione dettata dalla cosiddetta green economy, ovvero quell’insieme di sistemi economici volti alla riduzione progressiva di rischi ambientali con l’individuazione di un percorso di crescita economico-finanziaria sostenibile per tutti.

La pubblicazione di ricerche per la valutazione del reale valore – presente e futuro – della green economy è ormai cosa sempre più frequente. Calcolare il valore economico di un mancato danno ambientale è certamente un’impresa ardua, le metodologie di valutazione sono tante e complesse, ma una cosa è ovvia: l’economia verde è in fortissima crescita, specialmente nel mondo Occidentale.

In attesa che anche i giganti Orientali si allineino a questo nuovo trend, stiamo ormai assistendo – anche in Italia – ad una rapida comparsa di strumenti finanziari legati a questo ambito.

È interessante vedere l’elevatissimo interesse dei mercati (ovvero delle banche e dei grandi fondi di investimento) ogni volta che viene promossa la vendita di bond vincolati al raggiungimento di particolari obiettivi di impatto ambientale.

Un ottimo esempio è l’emissione di un bond da parte di Enel nel 2021 che vincola il gigante italiano al pagamento di cedole più elevate nel caso in cui non dovesse essere raggiunto il set di obiettivi di riduzione delle emissioni (e simili) predefiniti dall’azienda.

Una strada seguita in Italia anche da Eni con il medesimo successo, e che promette di raccogliere popolarità crescente e, con essa, capitali.

Hedge fund e blockchain

Merita una speciale menzione in questo articolo anche un recente fenomeno che promette di rivoluzionare il mondo (finanziario e non) nei prossimi anni: quello della tecnologia blockchain.

Sebbene non sia semplice dare una definizione sintetica di questo nuovo strumento, potremmo indicare il blockchain come quel sistema capace di mantenere un registro elettronico di transazioni peer-to-peer (ovvero senza intermediari economico-finanziari).

Non sorprende che, a discapito della propria enorme volatilità (o, perché no, proprio per questo motivo), l’interesse degli hedge fund nella materia blockchain sia in costante crescita.

Se da un lato creare una criptovaluta sembra un processo davvero semplice (così semplice da stentare a crederci), l’esatta analisi del suo reale valore di mercato richiede, purtroppo, un’analisi più lenta e complessa.

Occorre infine evitare un errore comune: le criptovalute sono solo un’applicazione – sino ad ora la più popolare – della tecnologia blockchain, il settore è in rapida espansione e sta rivoluzionando vari ambiti.

È dunque necessario andare oltre al semplice abbinamento blockchain-criptovaluta (o, peggio, blockchain-Bitcoin), una sfida per gli hedge fund del futuro sarà proprio scovare queste occasioni di investimento.

La difficoltà di trovare il giusto mix strategico

Le strategie citate in questo articolo sono, per quanto estremamente promettenti, anche molto complesse da implementare.

Il Machine Learning rischia di essere, se adottato pedissequamente al mondo finanziario senza la giusta curiosità che merita il tema, una vera e propria black box del quale ignoriamo il contenuto. Soltanto di recente – e ci si augura che il trend prosegua – si osserva la nascita di una nuova branchia del mondo dell’intelligenza artificiale: la cosiddetta Trusted AI.

Per quale motivo un algoritmo non ha concesso un mutuo ad una famiglia giovane? Siamo certi che l’AI sia privo di pregiudizi? Queste e molte altre sono le domande che la Trusted AI mira a rispondere, non abbiamo dubbi che questo settore sia destinato a registrare un fortissimo interesse nei prossimi anni.

Si pensi anche solo al settore bancario: è impensabile che il Regolatore accetti che una banca applichi un algoritmo di Machine Learning senza essere in grado di spiegare il risultato ottenuto dall’intelligenza artificiale, questo va contro al progressivo rafforzamento delle normative finanziarie europee (e non) che abbiamo visto nascere nel tempo.

I fondi di investimento del domani dovranno quindi conoscere bene le nuove tecnologie e, soprattutto, conoscerne i limiti. Questo consentirà a chi governa grossi capitali di poter differenziare a dovere il proprio investimento con un occhio di riguardo al futuro.

Proseguendo, la green economy è un settore di recente nascita in rapida espansione, e, in quanto tale, riconoscere le vere occasioni risulta essere davvero non banale. Spesso una tecnologia apparentemente green nasconde un enorme impatto negativo sull’ambiente.

Come se il quadro non fosse già abbastanza complesso di per sé, talvolta troviamo un vero e proprio conflitto tra questi nuovi trend di investimento.

Si stima ad esempio che la stessa operazione di mining delle criptovalute (ovvero la ricerca di nuovi coin tramite complessi algoritmi) sia un’operazione dannosa per l’ambiente, anche solo per il forte dispendio energetico richiesto dall’operazione.

E che dire poi di quei casi in cui un algoritmo di Machine Learning decide di ignorare l’investimento in criptovalute per carenza di evidenze fondamentali sottostanti?

Va quindi valutato il fitto intrecciarsi di fattori in queste strategie. Un investimento su una tecnologia ritenuta green e poi rivelatasi non tale sarà, in futuro, un investimento in perdita.