di Gabriele Astolfi *, Samuele Marafin**

Introduzione
La valutazione ex post del rischio e della performance e la loro analisi comparativa, la Risk Adjusted Performance, costituisce un'attivit in continua evoluzione nellAsset Management. Su questo tema, una delle principali tematiche recentemente introdotte la cosiddetta valutazione universale della performance (universal performance measurement). Di seguito analizziamo diversi indicatori di performance aggiustata per il rischio ex post riferita ai prodotti di gestione alternativa, Hedge Funds. Le tecniche di gestione che caratterizzano questi prodotti li rendono ai nostri fini differenti dai prodotti tradizionali dellAsset Management. necessario perci, prima di presentare i diversi indicatori, fare alcune considerazioni sulla analisi delle serie storiche dei rendimenti negli Hedge Funds.

ted s dju nce A isk orma ent R f m er sure P a s nd Me li u eg ge F n d He

procedure il test Jarque Bera la cui ipotesi nulla la normalit della distribuzione in esame, considera il terzo ed il quarto momento della distribuzione. La statistica di Jarque Bera cos definita:

e Francesco Martinelli*** precedente, da ci deriva leffetto persistence ed una minore volatilit. Geltner (1991&1993), Barkham and Geltner (1994) hanno svolto un attento lavoro per eliminare lautocorrelazione, proponendo di aggiustare la serie storica dei rendimenti attraverso la seguente espressione:

Analisi della distribuzione dei rendimenti negli hedge funds

Nella formulazione del modello media varianza della teoria di portafoglio si fa lipotesi che i rendimenti si distribuiscano secondo una distribuzioni normale.Tale teoria non adatta alla misurazione del rischio negli hedge funds poich i rendimenti presentano caratteristiche statistiche lontane dalla distribuzione normale. Le analisi di media e della varianza dovrebbero essere almeno integrate con lanalisi dei momenti di ordine superiore al secondo quali misure di skewress e kurtosi.

Test Jarque Bera

Al fine di verificare lipotesi di normalit delle serie storiche una delle pi note
Rivista Aiaf n. 58 (aprile 06)

dove N indica il numero delle osservazioni, S il coefficiente di Skewness, K lindice di curtosi. Sotto le ipotesi di normalit, la statistica BJ segue una distribuzione statistica di tipo 2 con 2 gradi di libert. Lipotesi nulla di normalit viene rifiutata per valori alti della statistica. Infatti, valori alti della statistica sono causati da valori elevati di S e K i quali si verificano quando ci allontaniamo dallipotesi di normalit. Tornando alla analisi dei prodotti in esame, le scelte gestionali degli Hedge Funds di investire in prodotti a payoff non lineare o in strumenti poco liquidi rende tipicamente la times series dei rendimenti non normale e distante da una relazione di linearit con i corsi dei mercati di riferimento. Lutilizzo di prodotti con poca liquidit nel mercato, che induce a una valorizzazione a dati storici dellinvestito, una delle cause che determinano una autocorrelazione seriale dei rendimenti cio i rendimenti del tempo t dipendono da quelli del periodo 41

dove a il coefficiente di autocorrelazione con ritardo 1, rt* la serie storica che presenta autocorrelazione, rt la serie storica corretta per lautocorrelazione. Negli hedge funds la presenza di posizioni illiquide in portafoglio d spazio a maggior discrezionalit nella valorizzazione dellattivo mentre per i fondi comuni aperti ci non accade poich debbono investire in attivit altamente liquide e sono sottoposti a rigorose norme di vigilanza contro le valutazioni arbitrarie del patrimonio. Per valutare il livello di autocorrelazione si pu utilizzare il seguente test.

Il test di Ljung-Box
Nel test di Ljung-Bo lipotesi da verificare lassenza di correlazione per i primi m ritardi della time series dei rendimenti. H0:p1=p2=...=pm=0. contro lipotesi alternativa che almeno un coefficiente di autocorrelazione sia
NOTA * Membro Commissione Aiaf-Gips; Risk Management Banco di Desio e Della Brianza s.p.a. ** Associato Aiaf dal 2003, Co-responsabile Commissione Aiaf Gips; Divisione Risk Asset Management Credito Emiliano CREDEM. *** Socio Aiaf dal 2001 (Diplomato CEFA), Coresponsabile Commissione Aiaf Gips; Divisione Risk Management Banca Lombarda, Capitalgest SGR.

Valutazione

Risk Adjusted Performance Measurement negli Hedge Funds

diverso da zero. Il test si basa sulla seguente statistica:

dove N indica il numero di osservazioni e jk il coefficiente di autocorrelazione di ordine m. La statistica Q sotto lipotesi nulla si distribuisce approssimativamente come una distribuzione X2m con m gradi di libert. Quindi fissato un livello di significativit a, lipotesi nulla rifiutata se:

dove X2m,a quel percentile della variabile casuale X2m tale che P (X2 X2m,a)=a

Risk Adjusted Performance nellasset management alternativo

Quando i rendimenti sono asimmetrici i principi di media-varianza sono inefficienti e nasce cos la necessit di introdurre dei nuovi indicatori di RAP. Nei primi anni 90, Sortino e Van der Meer (1991) hanno introdotto una misura della performance corretta per il rischio, nota come indice di Sortino. Questultimo, rappresenta lequivalente
NOTA 1 La formula analizza la distribuzione nel continuo. Questa funzione stata analizzata anche nel discreto attraverso la formula . Questa versione discreta non richiede la conoscenza dellintera distribuzione ma solo delle singole osservazioni del rendimento. Dato che i dati disponibili, gestibili e memorizzati sono limitati, essa permette di calcolare Kappa solo per poche distribuzioni caratteristiche dei rendimenti. Per questo motivo si sviluppato un metodo alternativo che approssima la funzione discreta con quella continua originando la famiglia delle funzioni di Johnson.
Rivista Aiaf n. 58 (aprile 06)

dellindice di Sharpe dove per si utilizza il downside risk come denominatore. Infatti si considera il sovrarendimento atteso oltre un rendimento target t, diviso per la misura del rischio di downside (il secondo momento parziale inferiore). Per quanto riguarda lindicatore di universal performance measurement cui facevamo riferimento, recentemente, Keating & Shadwick (2002) e Cascon, Keating &Shadwick (2002), hanno introdotto lindicatore conosciuto come funzione Omega, definito dal rapporto fra payout di una opzione call virtuale E[max(r-t,0)] rispetto al payout della corrispondente opzione put E[max(t-r,0)] . La funzione Omega rappresenta una specializzazione di una misura del rischio derivata dalla Prospect Theory. Essa coerente con i principi di dominanza stocastica e mantiene la semplicit interpretativa dellindice di Sortino o di altri indicatori che rapportano il sovrarendimento atteso ad una certa misura del rischio di ribasso (si veda ad esempio, tra gli altri, Sortino & Satchell, 2001, e Knight & Satchell, 2002).

valore target, mentre al denominatore abbiamo la Downside Deviation (DDev) che considera gli scarti negativi dal target. La scelta di un livello flessibile di rendimento target permette di personalizzare lobiettivo dinvestimento. Rispetto agli indicatori tradizionali di RAP, con lindice di Sortino lattenzione spostata solo sugli scarti negativi rispetto al rendimento target, in altri termini il rischio visto come la possibilit di ottenere un rendimento inferiore alle proprie aspettative. Il concetto di downside risk si lega alla funzione statistica LPM1 (lower partial moment) proposta da Harlow nel 1991.

THE KAPPA FUNCTION

LIndice di Sortino e pi recentemente la funzione statistica Omega sono entrambi indicatori legati al downside risk. Dimostreremo che queste misure sono casi particolari della funzione Kappa, che rappresenta una misura di risk-adjusted performance generalizzata. Lindice di Sortino definito dal seguente rapporto

dove t indica la threshold inferiore del rendimento minimo accettabile R indica i rendimenti Nindica i momenti parziali di ordine n dF(R) indica la funzione di densit di probabilit dei rendimenti. Variando il valore di n si ottengono diversi indicatori. Ad esempio con n=0 si misura la probabilit di perdita, con n=1 lexpected shortfall e con n=2 la downside risk rispetto ad un rendimento medio target. Questa funzione permette di definire una funzione generica, funzione Kappa, che dipende dalla funzione LPM:

dove al numeratore abbiamo riportato lexcess return mean rispetto ad un 42

Ancora, attraverso la specificazione di n possibile ricavare diversi indici di RAP. Ad esempio se n=2 si ottiene K2(t) che rappresenta lindice di Sortino. La dimostrazione dellequivalenza tra lindice di Sortino e Kappa per n=2 immediata. In effetti lindice di Sortino al

numeratore misura la differenza tra rendimento del portafoglio e il rendimento scelto come target, che pu essere scritta come (m-t). Il denominatore rappresentato dalla downside deviation. Si gi detto che la funzione LPMn calcolata per n=2 rappresenta proprio la downside deviation. Queste considerazioni ci portano a riscrivere lindice di Sortino come:

dove: m= RdF(R). Il denominatore - noto come il second partial moment inferiore. Sulla base alla simbologia da noi adottata, l'espressione equivalente per l'indice di Sortino la seguente:

funzione di ripartizione del rendimento totale dellinvestimento e con t la treshold selezionata dallinvestitore. Omega quindi un rapporto tra funzioni di ripartizione entrambi rispetto a un rendimento soglia. Per meglio comprendere le relazioni tra questi tre indicatori consideriamo innanzitutto la relazione tra Omega e Kappa. Partendo dalla formulazione di Omega come rapporto di funzioni di ripartizione e integrando separatamente il numeratore e il denominatore per parti possibile dimostrare la seguente relazione:

ovvero

importante valutare la sensitivit della funzione Kappa ai momenti di ordine superiore al secondo, in particolare per n=3 si ottiene una misura di skewness risk per valori di threshold sotto una media e per n=4 si ottiene una misura di curtosi risk che rappresenta la avversione al rischio di kurtosi per valori al di sotto di una threshold.

NEW ALTERNATIVE RAP PER HEDGE FUNDS: OMEGA FUNCTION

La statistica Omega (universal performance measure), precedentemente vista come generalizzazione dellindice di Sortino cos definita:

La seguente espressione implica che la funzione Gamma una funzione di Omega a meno di una costante, pertanto possiamo trasferire qualsiasi considerazione relativa alla funzione Omega alla funzione Kappa. Abbiamo dimostrato che la funzione Omega presenta una interpretazione naturale di misurazione della performance e pu di fatto essere interpretata come una misura che rapporta il sovrarendimento atteso ad una misura di rischio di ribasso. La funzione Kappa pu essere calcolata per ogni valore di n e per qualsiasi valore di t. Linterpretazione dei diversi valori di Kappa in funzione dei diversi t complessa e dipende anche dal valore di n, in particolare al variare di t le variazioni subite dallindice Kappa sono inversamente proporzionali ad n.

Nel paragrafo precedente stata introdotta una nuova misura di performance chiamata Omega che stata sviluppata per superare linadeguatezza delle tradizionali misure di performance quando vengono considerati investimenti che non seguono la distribuzione normale. Omega stata sviluppata con lintenzione di considerare lintera distribuzione dei rendimenti. Una visione alternativa di Omega quella di riportarla come il rapporto tra il prezzo di un opzione call ed il prezzo di un opzione put. Si sottolinea qui che molti investimenti tuttavia non soddisfano le ipotesi assunte nel modello di pricing di Black-Scholes, sar pertanto necessario adottare delle formule approssimate per ottenere una stima di Omega. Lindicatore Omega pu essere anche scritto come:

dove C(t) il prezzo di unopzione call europea scritta sullattivit dinvestimento, P(t) il prezzo di unopzione put europea scritta sullattivit dinvestimento. Uninterpretazione che viene data al prezzo dellopzione put di considerarlo come il costo di protezione del risultato di un investimento da un target return

INDICE DI SHARPE-OMEGA
Una versione alternativa della funzione Omega lindicatore Sharpe-Omega. Esso cos definito:

dove con F(R) abbiamo indicato la

Rivista Aiaf n. 58 (aprile 06)

RIFORMULAZIONE DELLA STATISTICA OMEGA

43

dove r il tasso di rendimento atteso sullinvestimento, t un rendimento target prefissato e P(t) il premium di

Valutazione

unopzione put. Si dimostra che lindicatore SharpeOmega uguale allindicatore (-1).

Questultima espressione ci fornisce cos le stesse informazioni di classificazione dellinvestimento della funzione omega. Lindicatore Sharpe-Omega rappresenta una misura di return/risk pi intuitiva della funzione Omega. Dallespressione precedente quando r <t, Sharpe-Omega una misura negativa. Si noti che dato r <t maggiore il valore della put, per esempio per un incremento di volatilit maggiore il valore della funzione Sharpe-Omega quindi migliore linvestimento. Dallespressione precedente si nota che quando r >t, Sharpe-Omega una misura positiva. Unalta volatilit incrementer il prezzo dellopzione put portando cos ad una riduzione della funzione SharpeOmega.

free;VaRCornishF il VaR calcolato utilizzando lestensione di Cornish-Fisher. Lindicatore ARAP permette perci di confrontare sia due fondi che seguono la stessa strategia, ma anche due fondi che seguono differenti strategie, infatti ci possibile attraverso il seguente indicatore definito ASRAP (Alternative di Style Risk Adjusted Performance):

ALCUNE MISURE DI RISCHIO NEGLI HEDGE FUNDS

Il valore a rischio (value at risk o VaR) la massima perdita potenziale che una data posizione pu subire a un certo livello di confidenza, in un determinato orizzonte temporale. Il valore a rischio un concetto di difficile applicabilit negli hedge funds, in quanto presenta alcuni limiti significativi. Oltre a presupporre la conoscenza esatta della distribuzione dei rendimenti dei fattori di mercato da cui dipendono le singole posizioni, il metodo non supporta la propriet subadditiva, cio il VaR di un portafoglio di titoli pu essere maggiore della somma dei VaR delle singole attivit che lo compongono. Favre e Galeano (2002) hanno proposta una modifica dellindice di Sharpe, che applicabile ai casi in cui i rendimenti non sono distribuiti normalmente. Per quanto stato detto il profilo di rischio degli hedge funds dipende significativamente da momenti di ordine superiore (asimmetria e curtosi), per questo motivo limpiego dellindice di Sharpe ampiamente sconsigliato per valutare la redditivit dei fondi speculativi. Una delle cause dei suoi potenziali effetti distorsivi legata allinadeguatezza della deviazione standard come misura di rischio degli investimenti alternativi. La modifica 45

proposta suggerisce perci di integrare nel calcolo del VaR i momenti superiori al secondo proponendo cos il VaR modificato (modified VaR o MvaR). Il VaR modificato si ottiene applicando lespansione di Cornish Fischer, che esprime il percentile standardizzato di una generica distribuzione in funzione dei momenti della medesima di ordine superiore alla media ed alla varianza e del corrispondente percentile della distribuzione normale standardizzata. Il VaR modificato cos espresso:

ove il percentile secondo lespansione di Cornish-Fisher ed assume la seguente forma:

INDICE DI STYLE RISK ADJUSTED PERFORMANCE

Unestensione dellindicatore M2 (Modigliani and Modigliani 1997) lindicatore Style Risk Adjusted Performance proposto da Lobosco (1999) per catturare lo stile del management adottato. Riprendendo la definizione del Var Modificato o Cornish-Fisher VaR che ingloba anche i momenti della distribuzione superiori al secondo, otteniamo il seguente indicatore:

dove: - za il percentile corrispondente al livello di confidenza (1-a) relativo ad una funzione di distribuzione normale standardizzata; - M3p il coefficiente di asimmetria del portafoglio scritta secondo lindice di Fisher; - M4p il coefficiente di eccesso di curtosi del portafoglio scritta secondo lindice di Fisher; - rp il rendimento medio del portafoglio; - sp la deviazione standard del portafoglio. E cos possibile ridefinire il seguente indicatore definito come lindice di Sharpe modificato (SHM), che rapporta lexcess rendimento medio del portafoglio fondo rispetto al tasso freerisk al VAR modificato:

dove Ind lindice di riferimento; HF lhedge fund in esame; indica il valore medio dellhedge funds; Rf il tasso risk-

Valutazione

Esso appare uno strumento idoneo alla misurazione della performance di portafogli con profilo rischiorendimento simili a quelli degli strumenti derivati, adattandosi perci bene agli hedge funds, la cui performance dipende significativamente dai momenti di ordine superiore al momento secondo. Infine Agarwal e Naik (2002) propongono una soluzione alternativa a quella precedente descritta, introducendo il VaR condizionale (conditional value at risk o CvaR). Il CVaR rappresenta laspettativa di perdite superiori al VaR. Il CVaR, che rappresenta il valore atteso delle perdite maggiori o uguali al VaR e pu essere cos rappresentato:

Infine alcuni autori propongono lapplicazione della teoria dei valori estremi al calcolo del VaR in particolare nella modelizzazione della coda sinistra della distribuzione dei rendimenti secondo la teoria Peaks-OverThreshold(POT). Lapplicazione della Generalized Pareto Distribution (GPD) alla distribuzione dei rendimenti permette di esprimere il CVaR ed il VaR attraverso le seguenti espressioni analitiche:

superiori alla threshold prefissata. Acar E e S James (1997) propongono per la misurazione del rischio degli hedge funds un modello basato sulle misure di drawdown, suggerendo di esprimere la rischiosit dei fondi alternativi attraverso uno dei seguenti modelli: - la drawdown duration, che definisce il pi alto numero di mesi consecutivi con rendimento negativo; - luninterrupted drawdown indica la perdita pi alta in percentuale, che in modo ininterrotto ha avuto luogo nel periodo di analisi; - il maximum drawdown detto anche peak-to-valley-drawdown, che esprime, in termini percentuali e per un periodo di tempo prefissato, la massima perdita di valore che linvestitore pu sperimentare. Esso calcolato mettendo a confronto il massimo valore storico raggiunto dalla quota con il minor valore della stessa osservato in un momento successivo. Esso cos definito:

Infine lindicatore maximum uninterrupted loss, ossia la massima perdita ininterrotta cos definita:

dove i indica la data in cui si valutano tali indicatori; r il rendimento del fondo osservato. Questa misura spesso accompagnata dal numero di mesi con cui si verificata la perdita ed il numero di mesi richiesti per compensare la perdita.

GAINS & LOSSES MEASURES

Accanto agli indicatori precedentemente menzionati possiamo fornirne degli altri derivanti dallanalisi sulla distribuzione dei rendimenti. Lindicatore Gain/Loss Ratio(GLR) cos definito:

dove: - DD il Drawdown che la perdita registrata dal peak al valore corrente, ed esprimibile in termini di rendimenti cumulati attraverso la seguente espressione:

- s il parametro di scale; - f il parametro di Shape; - m il parametro di locazione o threshold; - n il numero totale delle osservazioni; - Nu il numero di osservazioni

dove con Rc abbiamo indicato il rendimento cumulato. Si propone cos un nuovo indicatore per esprimere il ranking dei fondi: il return to maximum drawdown (RMD), che relativamente ad un orizzonte di analisi prefissato [0,T] definito attraverso il rapporto tra il rendimento medio ed il valore assoluto del maximum drawdown: 47

dove per ogni istante j: - GI=1se il rendimento del portafoglio positivo altrimenti nullo. {GI=1if rp0 else GI=0}; - LI=1 se il rendimento del portafoglio positivo altrimenti nullo. {LI=1if rp0 else LI=0}; Lindicatore GLR si limita a contare le osservazioni trascurando lentit delle singole osservazioni. Lindicatore Percent Gains to Losses (GtoL) simile allindicatore descritto precedentemente tranne per il fatto che in questo caso ci si limita a sommare i guadagni e le perdite totali registrate nel periodo di analisi. Esso cos definito:

Opinioni

Risk Adjusted Performance Measurement negli Hedge Funds

dove per ogni istante j: - Gi=ri se il rendimento del portafoglio positivo altrimenti nullo. {Gi= ri if rp 0 else Gi=0}; - Li=ri se il rendimento del portafoglio positivo altrimenti nullo. {Li= ri if rp 0 else Li=0}; Lindicatore Expected Percentage Gains to Losses definito dal rapporto tra i guadagni attesi e le perdite attese. Esso cos definito dal rapporto dei seguenti valori attesi:

Alcuni risultati analitici

Forniremo qui di seguito unillustrazione empirica della teoria precedentemente illustrata confrontando lindice Crdit Suisse First Boston Tremont Hedge Fund con lindice S&P 100 come se fossero due fondi rappresentativi comparabili. Ci concentreremo per semplicit su due delle misure appartenenti alla classe delle generalised universal performance measure precedentemente discusse. La prima, di ordine n = 1 (ovvero, ).

2000 a dicembre 2005. La serie storica dei rendimenti quella aritmetica ottenuta dal rapporto tra il prezzo attuale con il prezzo precedente. Per calcolare le valutazioni della performance 1(t) e 2(t) non parametricamente sostituiamo:

dove: - Gi=ri se il rendimento del portafoglio positivo altrimenti nullo. {Gi= ri if rp 0 else Gi=0}; - Li=ri se il rendimento del portafoglio positivo altrimenti nullo. {Li= ri if rp 0 else Li=0}; e loperatore E indica il valore atteso. Tra gli indicatore RAP quando si utilizza come misura di rischio il massimo drawdown viene proposto il Calmar Ratio che rapporta il rendimento del fondo composto annuo diviso il massimo drawdown:

La seconda di ordine n=2, ovvero 2=(t) che rappresenta lindice di Sortino. Utilizzeremo i prezzi di chiusura mensili per i due indici nel periodo da gennaio

dove la funzione It denota la funzione indicatore che definita It=1 ogni qual volta xt r e It=0 ogni qual volta xt r. Prima di procedere alla costruzione delle generalised universal performance measure abbiamo condotto unanalisi statistica sui rendimenti degli indici, di seguito riportiamo la Figura 1 che riporta gli istogrammi delle rispettive

Istogramma Distribuzione dei rendimenti

Infine lindicatore Sterling Ratio che rapporta il rendimento del fondo composto annuo al valore medio del drawdown:

Dove nelle espressioni precedentemente riportate rorp il tasso annuale composto sul periodo di analisi (t,T).

Figura 1

48

distribuzioni dei rendimenti, dalle quali emergono le caratteristiche delle distribuzione in esame. Si noti come la Skewness dei rendimenti sia negativa per lindice Hedge Fund. Abbiamo condotto un test statistico per verificare la normalit della distribuzione dei rendimenti dei due indici. Il test Jarque Bera, la cui ipotesi nulla la normalit sulle distribuzioni in esame, ci ha fornito i risultati evidenziati nella Tavola 1. Dai risultati ottenuti ad un livello di significativit del 99% possiamo affermare che le distribuzione degli indici in esame sono normali. Come si pu osservare lindice globale Crdit Suisse First Boston Tremont Hedge Fund, contrariamente a quanto sostenuto precedentemente, fa registrare una distribuzione normale dei rendimenti . Per valutare il livello di autocorrelazione della distribuzione dei rendimenti dellindice Crdit Suisse First Boston Tremont Hedge Fund stato applicato sia il test di Ljung-Box (Tavola 2) che lanalisi grafica con il correlogramma (Figura 2).

Correlogramma Distribuzione dei rendimenti CFBT Hedge Fund

Figura 2

Funzione Omega

Jarque-Bera Test
P Value JBSTAT Alpha Ho 0,681 0,768 0,001 0,661 0,828 0,001

Figura 3

Sortino Ratio K2(t)

DON'T REJECT DON'T REJECT

Tavola 1

Ljung-Box Q-statistic
P Value Qstat CriticalValue Alpha Ho 0,509 0,437 6,635 0,001 DON'T REJECT

Tavola 2

Figura 4

49

Valutazione

Analisi Statistica
Credit Suisse First Boston Tremont Hedge Fund Mean Median Variance Skewness Kurtosis Target Return Gain:Loss Ratio GLR Gains to Losses GtoR Expected Gains:Losses Gamma Omega (Target=Risk Free Rate) Sharpe Omega (Target=Risk Free Rate) Sharpe Ratio (Target=Risk Free Rate) 0,367% 0,249% 0,077% 0,184 3,469 0,240% 1,000 -1,415 -1,415 -1,415 0,916 -0,084 0,132 4,406% 8,256% -6,755% -21,692% 38,000 34,000 2,381% -1,884% 0,240% 3,968% 9,559% 5,822% 5,429% 5,281% -21,692% -2,371% 0,049 0,629 0,183 1,674 0,106 0,310 4,417% 14,992% 0,705 S&P 100 INDEX

-0,513% -0,148% 0,297% -0,268 3,118 0,240% 0,846 -0,776 -0,918 -0,776 0,616 -0,384 -0,094 -6,160% 11,424% -12,907% -78,307% 34,000 38,000 3,778% -4,353% -7,564% 18,735% 10,404% 11,848% 12,650% -78,307% -47,744%

Dai risultati ottenuti possiamo affermare che ad un livello di significativit del 99% lautocorrelazione del primo ordine nulla. Anche in questo caso contrariamente a quanto sostenuto precedentemente non abbiamo riscontrato unautocorrelazione significativa del primo ordine tra i rendimenti. La Figura 3 pone a confronto i due indici, utilizzando le rispettive misure empiriche di omega. Osserviamo chiaramente come la funzione omega dellindice Crdit Suisse First Boston Tremont Hedge Fund domini quella dello S&P 100 nella coda sinistra della distribuzione. Indubbiamente non ci attendiamo una outperformance completa di Omega e di altre misure per tutti i valori della threshold poich ci richiederebbe una elevata dominanza stocastica. Nella Figura 4 viene illustrata la Sortino Ratio. La Figura 5 confronta le funzioni di ripartizione dei rispettivi indici in esame. Dal grafico cos ottenuto possiamo affermare che lindice Crdit Suisse First Boston Tremont Hedge Fund domina stocasticamente quella dello S&P 100 rispetto alla dominanza

Average Max. Daily Profit Max. Daily Loss Maximum Drawdown Up Periods Down Periods Avg Gain in Up Periods Avg Loss in Down Periods MAR=Risk Free Rate Month ROR yearly Standard Deviation Upside Deviation Downside Deviation Downside Risk to Rik Free Rate Maximum Drawdown Average Drawdown Sortino Ratio Return on VaR Calmar Ratio Sterling Ratio Burkue Ratio Beta Jensen Alpha Tracking Error Informatio Ratio Tavola 3

Funzione di Ripartizione

Figura 5

stocastica del primo ordine: CSFBTFSDSPOOR. Dalle precedenti figure emerge come la prassi di raffrontare la funzione omega o misure simili per tutti i rendimenti target (t) decisamente pi rigorosa di quella che considera un unico punto (t), quale appunto lanalisi classica condotta mediante lindice di Sharpe. La Tavola 3 riporta le principali statistiche descrittive di rendimento , di rischio e di risk adjusted performance calcolate per gli indici di riferimento sul holding period prefissato. stata condotta anche unanalisi del

50

VaR rispetto alle diverse metodologie

Portafoglio VaR VaR GPD Conditional VaR Tavola 4 6,052% 5,967% 6,759% Indice 13,095% 13,650% 13,393% 14,726%

MVaR Cornish-Fisher 6,313%

rischio (Tavola 4) adottando come misura il VaR confrontando le diverse metodologie adottate, in particolare stato calcolato il VaR parametrico, il VaR con estensione di Cornish Fisher, il Conditional VaR ed il VaR-EVT parametrico utilizzando per la distribuzione dei rendimenti una Generalized Pareto Distribution. Lholding period sul quale stato calcolato il VaR di 1 mese ed il livello di significativit del 99 %. Nella Tavola 4 si noti come il Conditional VaR per entrambe le distribuzioni presenta i valori maggiori seguito dal Var secondo lestensione di Cornish Fischer. Per comprendere meglio le differenze tra le diverse metodologie si riportata listogramma della coda sinistra (Figura 6) sulla quale abbiamo riportato due distribuzioni parametriche quella normale e quella dei valori estremi la Generalized Pareto Distribution (GPD).

compatibile con la nozione di dominanza stocastica. Il principale obiettivo del lavoro vuole essere anche quello di proporre nuove metodologie di calcolo della performance risk adjusted e misure di rischio per gli hedge funds, quando le ipotesi sottostanti lasset management tradizionale, come il CAPM, non sono pi valide. interessante sottolineare che dallanalisi empirica sullindice hedge fund, emerge la normalit dei rendimenti, nonch la mancanza di autocorrelazione seriale . Questi risultati non sono allineati con quanto viene riportato dalla letteratura, poich le osservazioni dei rendimenti degli indici in esame hanno una frequenza mensile, che molto bassa, e ci non permette di respingere sia lipotesi nulla di normalit dei rendimenti sia lipotesi nulla di correlazione seriale del primo ordine. Se si adottassero frequenze superiori, sarebbe possibile fare emergere queste problematiche, ma

attualmente tutti i providers pubblicano i dati sugli hedge funds con osservazioni mensili. Inoltre, pu essere discutibile aver inserito nelle misure di rischio una serie di indicatori non quadratici quali il drawdown pi legato concettualmente a una misura di performance che a una misura di rischio. Comunque linformativa che deriva dallindicatore di drawdown pu risultare pi utile se associata con il tempo di recupero della performance negativa e larco temporale a cui il drawdown fa riferimento. Infine lapplicazione della teoria dei valori estremi nella misurazione del VaR molto complessa e talvolta pu portare a dei risultati non stabili. Infatti per realizzare il fitting della distribuzione Generalized Pareto Distribution (GPD) necessario stabilire una threshold, che pu essere individuata attraverso particolari stimatori, per esempio con lo stimatore di Hill. (Riproduzione riservata)

Istogramma della coda sinistra con le funzioni parametriche GDP e Normal

Conclusioni
Il lavoro ha preso in esame una nuova famiglia di misure rischio/performance che sono definite generalised universal performance measures e tra cui annoveriamo casi speciali quali la funzione Omega, Kappa. La nuova classe di funzioni risulta (come dimostrato)

Figura 6

51

Valutazione