Capitolo 6 La consulenza automatizzata all’era del COVID-19
6.1 Lo scenario dell’economia globale
Il periodo trattato all’interno di questo capitolo riguarda probabilmente uno dei momenti più tristi e bui del XXI secolo. I mesi da poco trascorsi sono quel qualcosa che si definirebbe inimmaginabile fintanto che non viene vissuto sulla propria pelle. Nel gennaio del 2020, un allarme epidemico giungeva dalla Cina, dove decine di persone, ben presto diventate centinaia e poi migliaia, venivano contagiate da un virus: il Covid-19. Nel giro di poche settimane, questo nemico invisibile si è diffuso in gran parte del pianeta, attaccando il resto dei Paesi asiatici ed Europa in primis, e successivamente anche USA e gli altri continenti. All’epoca in cui si sta scrivendo, i contagi hanno superato i 5,5 milioni di casi, di cui oltre 360 mila sono le persone che non sono riuscite a sconfiggere questo male, e nonostante il calo dei contagi, non è ancora noto fino a quando saremo costretti a convivere con questo virus.
In questi mesi di sofferenza il clima che ci ha accompagnato è stato a dir poco surreale. Il lockdown imposto dalla maggior parte dei Paesi vietava alle persone di uscire di casa se non per motivazioni di urgenza e necessità, con conseguente immobilizzazione dell’apparato economico e lavorativo della maggior parte delle attività. In tale contesto la sofferenza finanziaria delle imprese è diventata una conseguenza logica, la quale si è aggiunta alle difficoltà pregresse che l’economia di molti Paesi risente dalle crisi precedenti.
La speranza ad oggi è che almeno la diffusione del virus subisca un forte rallentamento per permetterci di ritrovare la normale quotidianità delle nostre azioni e successivamente dare nuovo impulso alle attività produttive.
137 6.1.1 I Robo-Advisor nel primo quadrimestre del 2020
Il contesto operativo delle piattaforme di consulenza automatizzata ha subito forti sconvolgimenti a causa dello scenario sopra tracciato. L’economia mondiale ha evidenziato infatti, un progressivo rallentamento, tenendo attivi solamente quei settori ritenuti essenziali per far fronte allo stato di emergenza. Il mercato finanziario ha subito a sua volta il riflesso di questo stallo generalmente diffuso, enfatizzando quelle che sono le fattezze di una nuova crisi economica. Per questo motivo, le prospettive di sviluppo e crescita del Robo-Advisoring sono ad oggi differenti rispetto a quanto affiorato nel Capitolo 2. Dovranno sicuramente essere riviste al ribasso le proiezioni che vedevano il superamento del trilione di dollari di asset gestiti dai robot nel corso del 2020, e la attuale grande incertezza sembra poter affliggere anche gli anni a venire.
Per comprendere la reale entità dell’impatto del Covid-19 sull’economia del Robo-Advisoring, sono state rianalizzate le piattaforme presentate nel Capitolo 2. A tal riguardo, si sono cercate evidenze relative alle performance realizzate nel primo quadrimestre dell’anno, contestualmente il più martoriato da questo virus. Appurato il fatto che la maggior parte di questi servizi non rendono disponibile questo genere di informazioni, la ricerca si è svolta considerando solamente i dati di coloro che rendono pubblico l’andamento dei portafogli che vengono offerti ai clienti. Dal campione precedentemente utilizzato, il quale comprendeva 110 piattaforme, solamente 24 di queste notificano pubblicamente quanto realmente conseguito.
I risultati ottenuti vengono presentati all’interno della seguente tabella, la quale contiene i valori medi mensili (al lordo di costi e tasse) pubblicati nei 24 siti di Robo-Advisory analizzati. Dal momento che la gamma di servizi offerta da ciascuna società si differenzia per numero e tipologia, per ogni piattaforma si sono considerati i dati relativi a tre differenti proposte di portafoglio in relazione al grado di rischio. A tal riguardo, infatti, si sono considerati il portafoglio meno rischioso, il più rischioso ed una proposta intermedia. Si sono inoltre richiamate le caratteristiche relative alla metodologia di asset allocation implementata e alla presenza o meno di consulente umano. In questo modo è infatti possibile comparare tra di loro anche le diversità strutturali di queste piattaforme.
138
Tabella 6.1: Performance Robo-Advisory nel periodo 01/2020 – 04/2020.
I valori contenuti nella tabella si riferiscono ai rendimenti medi mensili conseguiti dalla rispettiva piattaforma nel periodo campionario considerato. Si evince come siano molto rari i casi di performance positiva, a conferma del fatto che l’economia ha subito una drastica flessione durante questo periodo. Negli scenari di medio ed alto profilo di rischio i portafogli hanno segnato i risultati peggiori, a causa dell’elevata volatilità a cui sono soggetti gli strumenti inseriti in questo genere di portafogli.
Interessante è osservare come cambia il valore del portafoglio in relazione al fatto che la piattaforma considerata disponga della presenza di consulenti umani, operando in un contesto di Robo-Advisor ibrido, piuttosto che nel caso interamente quantitativo.
Nella seguente tabella si riportano i risultati medi di come le due differenti tipologie di piattaforma hanno performato in questo periodo.
139
Tabella 6.2: Performance medie Robo-Advisors ibridi e quantitativi.
Ad eccezione dello scenario in cui si considera la proposta a rischio più contenuto, mediamente i Robo-Advisor ibridi hanno performato leggermente meglio rispetto alle piattaforme interamente quantitative. Questo risultato è dovuto molto probabilmente al fatto che il sentiment diffuso tra gli investitori ha aiutato a modificare tempestivamente le varie proposte. Con la diffusione dei primi focolai europei in Italia e Germania avvenuti tra la fine di febbraio e gli inizi di marzo, l’opinione pubblica cominciava a manifestare i primi evidenti segni di incertezza e preoccupazione. Da quel momento è quindi plausibile che anche i mercati finanziari cominciassero a risentire di questi timori e pertanto molti dei responsabili della gestione dei portafogli, hanno dovuto rivedere le strategie e la allocazione delle proposte.
Ad ogni modo, si noti come la differenza tra le due tipologie di allocazione non sia particolarmente significativa. Questo è comprensibile se si considera la rapidità con cui si è manifestata questa crisi. Al contrario di molti altri casi storici, si pensi per esempio alla crisi del 2008 anticipata da un lungo periodo di speculazione sui mutui subprime, lo scenario attuale ha raggiunto il massimo culmine in meno di due mesi dai primi dati epidemici. La mancanza di una linea di risposta comune da tutti gli Stati e di conoscenza dell’avversario contro cui si sta combattendo, hanno amplificato l’effetto di questa crisi. In questo contesto infatti, l’incertezza e la confusione hanno preso il sopravvento, e questo si è riversato anche sul mondo della finanza. Ciò che ci si propone di fare a questo punto, è verificare come le performance di portafoglio avrebbero reagito se come ipotesi base le piattaforme avessero implementato la statistica Lévy- Pareto stabile anziché quella Normale. Nel paragrafo che segue sarà impostato un ulteriore confronto per testare il differente comportamento in questo genere di scenari.
140