Comprendere la Correlazione delle Commodity per una Migliore Gestione del Rischio

Nel tardo 2008, molti trader hanno assistito in tempo reale all’implosione dei loro portafogli “diversificati”. Nonostante avessero posizioni in asset che, storicamente, si muovevano in modo indipendente, tutto ha improvvisamente cominciato a muoversi in perfetta sincronia.

Le persone dicevano cose come: “Ho distribuito il rischio in maniera perfetta”, oppure “il petrolio non ha nulla a che vedere con i prezzi del mais. L’oro viene scambiato su fondamentali completamente differenti rispetto al gas naturale.”

Ma con il protrarsi della crisi finanziaria globale, le correlazioni tra mercati disparati tendevano a 1. Ogni posizione subiva perdite simultanee. Non si trattava più di fondamentali, bensì di liquidazione. I fondi vendevano qualsiasi cosa per raccogliere liquidità.

Correlazione delle principali classi di asset durante la GFC. Fonte: TradingView

La cosa più importante che molti trader hanno trascurato (e trascurano ancora) è che la correlazione non è statica. È dinamica e tende a salire alle stelle proprio nei momenti peggiori.

Oggi esploreremo la correlazione nei mercati delle commodity: cosa significa realmente, come misurarla correttamente e, soprattutto, come utilizzarla per costruire portafogli di trading più resilienti.

Cosa ti dice davvero la correlazione (e cosa non ti dice)

La correlazione è uno dei concetti più fraintesi nella costruzione di un portafoglio. Ho visto persino dei professionisti commettere errori in merito, quindi non sentirti in colpa se anche per te l’argomento risulta poco chiaro.

In termini semplici, la correlazione misura la tendenza di due asset a muoversi insieme. La scala va da -1 (correlazione negativa perfetta) a +1 (correlazione positiva perfetta), mentre 0 indica l’assenza di relazione.

Ma la correlazione indica solo la direzione del movimento, non la sua entità. Questo è fondamentale da comprendere.

Ad esempio, se il petrolio greggio e l’oro hanno una correlazione pari a 0,3, significa che tendono a muoversi nella stessa direzione più frequentemente di quanto non accada il contrario. Tuttavia, non fornisce informazioni sulla magnitudine dei movimenti rispetto l’uno all’altro.

L’oro potrebbe salire dell’1% mentre il petrolio potrebbe registrare un aumento del 5%. Sono correlati nella direzione, ma non in termini di entità.

Ed è qui che si può incorrere in un errore: equiparare una correlazione positiva alla somiglianza di rischio, cosa che è solo parzialmente veritiera.

Ecco come potrebbe apparire una matrice di correlazione dei principali futures sulle commodity:

Correlazioni piuttosto basse su tutta la linea, vero? Sembra una buona diversificazione. Tuttavia, si tratta di medie a lungo termine: non ci dicono nulla su cosa accade durante i mercati in stress. E proprio in quei momenti la diversificazione è essenziale.

La Magia della Diversificazione (Quando Funziona Davvero)

Il principio fondamentale è semplice: combinare asset che non si muovono in perfetta sincronia riduce la volatilità complessiva del portafoglio.

Facciamo un esempio pratico. Immagina di avere due futures sulle commodity con le seguenti caratteristiche:

• Entrambi hanno un rendimento atteso del 10% annuo
• Entrambi presentano una volatilità (deviazione standard) del 20%
• Hanno una correlazione pari a 0,3 tra loro

Se destini il 50% del tuo capitale a ciascuno, il rendimento atteso del portafoglio rimane al 10%, ma la volatilità si riduce a circa il 17%, determinando una sostanziale riduzione del rischio senza sacrificare i rendimenti.

Se la correlazione fosse zero, la volatilità scenderebbe ulteriormente, attestandosi intorno al 14%. Questo è l’effetto della diversificazione in azione.

La matematica alla base di questo fenomeno è data dalla formula della varianza del portafoglio:

Portfolio Variance = w₁²σ₁² + w₂²σ₂² + 2w₁w₂σ₁σ₂ρ₁₂

Dove:

• w₁, w₂ rappresentano le ponderazioni di ciascun asset
• σ₁, σ₂ rappresentano le volatilità di ciascun asset
• ρ₁₂ è la correlazione tra gli asset

Non è necessario memorizzare questa formula, ma comprenderla concettualmente è prezioso. L’ultimo termine, contenente il coefficiente di correlazione, è ciò che ci consente di beneficiare dell’effetto diversificazione.

È interessante notare come i benefici della diversificazione presentino rendimenti decrescenti. Passare da un asset a due asset non correlati comporta una notevole riduzione della volatilità del portafoglio. Passare da 20 a 21 asset? La variazione è quasi impercettibile.

Ecco perché man mano che aggiungi asset al portafoglio, ottieni un rendimento marginale decrescente in termini di diversificazione.

Come Misurare Effettivamente la Correlazione (Oltre il Metodo da Manuale)

Molti trader si affidano ai semplici calcoli della correlazione mobile su 30 o 60 giorni. E va bene, ma esistono anche altri approcci, ciascuno con i propri vantaggi e svantaggi.

Qui esploreremo tre approcci utili.

Correlazione con Finestra Mobile Tradizionale

Questo è il metodo adottato dalla maggior parte dei trader. Si prendono gli ultimi N periodi dei rendimenti di due asset, si calcola il coefficiente di correlazione di Pearson, e questo diventa la tua stima.

Se desideri eseguire i calcoli, il codice Python è estremamente semplice:

# In pandas

df[‘rolling_corr’] = df[‘asset1_returns’].rolling(window=60).corr(df[‘asset2_returns’])

Ecco la correlazione mobile su 12 mesi dei rendimenti di oro e petrolio:

Nota come queste correlazioni, misurate su base mobile a 12 mesi, variano notevolmente, deviando spesso in modo significativo dal valore statico (0,17) presente nella matrice di correlazione precedente.

Correlazione Ponderata Esponenzialmente

Questo approccio attribuisce un peso maggiore alle osservazioni recenti e minore a quelle più vecchie. Risponde molto più rapidamente ai cambiamenti dei regimi di correlazione.

Ancora una volta, puoi eseguire i calcoli utilizzando un semplice frammento di codice:

# Using pandas

span = 252 # Approssimativamente equivalenti a una finestra semplice di 252 giorni

ewm1 = df[‘asset1_returns’].ewm(span=span).std()

ewm2 = df[‘asset2_returns’].ewm(span=span).std()

ewmcov = df[‘asset1_returns’].ewm(span=span).cov(df[‘asset2_returns’])

df[‘ewm_corr’] = ewmcov / (ewm1 * ewm2)

Ecco come la correlazione ponderata esponenzialmente di oro e petrolio si confronta con l’approccio della finestra mobile:

Correlazione nei Periodi di Stress

Invece di considerare tutte le condizioni di mercato, puoi esaminare specificamente le correlazioni durante i periodi di stress del mercato.

# Esempio semplice: analizza la correlazione quando il VIX supera 30

stress_periods = df[df[‘vix’] > 30]

stress_corr = stress_periods[‘asset1_returns’].corr(stress_periods[‘asset2_returns’])

Ecco come potrebbe apparire:

È Possibile Utilizzare la Correlazione per la Gestione del Rischio a Futuro?

La domanda da un milione di dollari: la correlazione storica fornisce informazioni utili sulla correlazione futura?

La risposta è sì, ma meno di quanto ci si aspetterebbe.

La correlazione mostra una certa persistenza. In altre parole, la correlazione tra gli asset di oggi può essere in qualche modo predittiva di quella di domani. Tuttavia, è estremamente rumorosa e i cambiamenti di regime possono verificarsi da un giorno all’altro all’improvviso.

Ecco la correlazione a 30 giorni di oro e petrolio tracciata contro la correlazione dei successivi 30 giorni, escludendo i dati sovrapposti:

Si può notare una debole evidenza di persistenza: la correlazione di oggi è effettivamente collegata a quella tra 30 giorni, ma l’effetto è estremamente rumoroso e caratterizzato da un’alta variabilità. Osserva quanto sono dispersi quei punti.

In termini pratici, questo significa che sì, puoi utilizzare la correlazione stimata dai dati storici per supportare la gestione del rischio futuro – ma non aspettarti risultati costanti. Va bene così – questo livello di variabilità è tipico nelle relazioni predittive tra i rendimenti degli asset.

Tecniche Pratiche di Gestione del Rischio Che Funzionano Davvero

La teoria è utile, ma passiamo al concreto. Ecco alcuni approcci che puoi implementare oggi per gestire meglio il rischio di correlazione nel trading delle commodity:

Contributo Equo al Rischio (ERC)

Questo approccio alloca il capitale in modo che ogni posizione contribuisca in egual misura al rischio del portafoglio, tenendo conto delle correlazioni tra le posizioni.

La matematica può diventare complessa rapidamente, ma il concetto è semplice:

1. Le posizioni con volatilità più elevata ricevono meno capitale
2. Le posizioni con una correlazione media più alta rispetto al resto del portafoglio ricevono meno capitale
3. Il risultato è un portafoglio in cui nessuna singola posizione o fonte di rischio domina il tuo P&L

Non è necessario implementare l’intero algoritmo di ottimizzazione. Una versione euristica semplificata funziona abbastanza bene:

1. Calcola la volatilità di ciascun asset
2. Calcola la correlazione media di ciascun asset con tutti gli altri
3. Definisci la dimensione della posizione in proporzione a 1 / (volatilità × (1 + correlazione_media))

Questo approccio riduce naturalmente l’esposizione agli asset che diventano più correlati con il resto del portafoglio.

Dimensionamento della Posizione Consapevole della Correlazione

Se trovi l’ERC troppo complesso, ecco un’euristica ancora più semplice:

1. Calcola le dimensioni standard delle posizioni basandoti sul tuo metodo abituale
2. Monitora la correlazione media tra le coppie di asset nel tuo portafoglio
3. Quando la correlazione media supera una soglia (ad es., 0,5), riduci proporzionalmente tutte le dimensioni delle posizioni

Ad esempio, potresti adottare una regola come:

• Correlazione media< 0,3: 100% delle dimensioni standard
• Correlazione media tra 0,3 e 0,5: 80% delle dimensioni standard
• Correlazione media tra 0,5 e 0,7: 60% delle dimensioni standard
• Correlazione media > 0,7: 40% delle dimensioni standard

Questo crea un “freno di correlazione” automatico che riduce l’esposizione complessiva quando i benefici della diversificazione iniziano a scomparire.

Targeting della Volatilità con Inclinazioni Correlazionali

Se già utilizzi il targeting della volatilità (e dovresti), puoi incorporare la correlazione come aggiustamento secondario:

1. Definisci un obiettivo di volatilità per il portafoglio (ad esempio, il 15% annuo)
2. Calcola le dimensioni delle posizioni per raggiungere tale obiettivo assumendo correlazioni nulle
3. Applica un moltiplicatore di correlazione che riduce le dimensioni man mano che la correlazione media aumenta

Questo approccio ti offre il meglio di entrambi i mondi. Le dimensioni delle posizioni sono principalmente determinate sulla base della volatilità (che è più stabile e prevedibile rispetto alla correlazione), ma si tiene conto anche degli effetti della correlazione.

La lezione importante è che, data l’alta variabilità delle nostre previsioni di correlazione (vedi il grafico a dispersione sopra), il metodo scelto è meno importante del semplice fatto di applicarlo.

Consigli di Implementazione dal Campo

Ecco alcuni consigli pratici:

Frequenza di Ricalcolo

Un ricalcolo giornaliero delle correlazioni risulta eccessivo per le frequenze con cui la maggior parte dei trader opera. Un aggiornamento settimanale è più che sufficiente, con un’importante eccezione: durante i periodi di stress di mercato è consigliabile aggiornare le proprie valutazioni con maggiore frequenza.

Monitorare il tasso di variazione della correlazione può essere più utile del livello assoluto. Quando le correlazioni nel tuo portafoglio aumentano rapidamente, questo può rappresentare un segnale d’allarme per un cambiamento di regime.

Segnali di Allarme

Fai attenzione a questi segnali di allarme che suggeriscono un possibile crollo delle correlazioni:

• Volatilità di mercato in rapido aumento (picchi del VIX)
• Secchezza della liquidità (spread bid-ask più ampi)
• Correlazioni in aumento nelle ultime settimane
• Eventi macroeconomici rilevanti (sorprese delle banche centrali, shock geopolitici)
• Movimenti insoliti in relazioni intermarket normalmente stabili

Quando osservi questi segnali di allarme, è spesso saggio ridurre prima l’esposizione complessiva e approfondire successivamente.

Strumenti e Risorse

Non è necessario un software sofisticato per gestire efficacemente la correlazione:

• Excel è in grado di gestire i calcoli di correlazione per portafogli più piccoli
• Python con pandas o R con dplyr rendono questo calcolo semplice anche per portafogli più ampi
• Molte piattaforme di trading includono ormai matrici di correlazione e heatmap

Errori Comuni

Gli errori più comuni sono la troppa fiducia nelle stime di correlazione (sono rumorose!) e il trattare la correlazione come una misura precisa anziché come una guida approssimativa e dinamica. La precisione è un obiettivo irrealistico.

Un Approccio Equilibrato al Rischio di Correlazione

Quando si utilizza la correlazione per la gestione del rischio, l’approccio giusto si colloca a metà strada tra “ignorarla completamente” e “ottimizzarla al quarto decimale”.

Fai attenzione a non cadere in una di queste trappole:

1. Il gruppo “la correlazione non conta” – rischi di subire perdite ingenti quando tutto si muove in sincronia.
2. Il gruppo dei “perfetti ottimizzatori” – rischi di sprecare tempo e risorse cercando di adattare eccessivamente i dati storici senza considerare l’incertezza futura.

La via di mezzo riconosce la correlazione come uno strumento importante, seppur imperfetto:

• Utilizzare la correlazione per informare il dimensionamento delle posizioni, senza affidarsi interamente ad essa
• Considerare le correlazioni elevate come segnali più affidabili rispetto a quelle basse
• Concentrarsi maggiormente sulle correlazioni nei periodi di stress piuttosto che in condizioni normali
• Prestare attenzione alle tendenze della correlazione più che ai livelli assoluti
• Valutare le caratteristiche dello stimatore di correlazione scelto

Ricorda che l’obiettivo della gestione del rischio non è massimizzare i rendimenti, bensì innanzitutto garantire la sopravvivenza, e in secondo luogo evitare che una singola componente domini i tuoi profitti.

Prossimi Passi: Mettere in Pratica Quanto Appreso

Se desideri migliorare la tua gestione del rischio basata sulla correlazione, ecco alcune azioni concrete da intraprendere:

1. Calcola la matrice di correlazione storica per le tue posizioni attuali
2. Individua quali posizioni presentano la correlazione media più elevata con tutte le altre
3. Calcola quale sarebbe stato il rendimento del tuo portafoglio durante precedenti picchi di correlazione
4. Implementa almeno un framework base per il dimensionamento delle posizioni consapevole della correlazione
5. Configura degli avvisi per quando la correlazione media del portafoglio supera determinate soglie

Inizia in modo semplice, aggiungendo complessità solo se necessario. Anche una consapevolezza di base delle dinamiche di correlazione ti mette in vantaggio rispetto a molti trader di commodity che credono ancora che la diversificazione significhi semplicemente operare in mercati differenti.

I mercati delle commodity riserveranno sempre sorprese in termini di correlazione. Non si tratta di prevederle perfettamente, ma di avere sistemi in atto per rilevarle e reagire nel miglior modo possibile. Nessun sistema ti proteggerà in maniera impeccabile, ma fare qualcosa è meglio che non fare nulla.