Some general results on risk budgeting portfolios

1. Il Problema: Portafogli di Risk Budgeting

Il paper affronta il problema della costruzione di portafogli di Risk Budgeting (RB), una generalizzazione della strategia di Risk Parity.

• Definizione: In un portafoglio RB, ogni asset contribuisce a una quota predeterminata del rischio totale del portafoglio. Se le quote sono uguali, si ottiene il portafoglio di Risk Parity.
• Sfida attuale: Non esiste una soluzione in forma chiusa per il portafoglio RB. Il calcolo richiede metodi numerici.
• Limiti degli approcci esistenti: La letteratura standard risolve il problema tramite ottimizzazione ausiliaria (generalizzando il metodo di Maillard et al., 2010). Questo approccio presenta diversi svantaggi:
  • Interpretazione economica: Il problema di ottimizzazione non ha una diretta interpretazione economica, rendendo difficile spiegare perché un investitore dovrebbe risolvere quel specifico problema.
  • Instabilità numerica: Le tecniche di ottimizzazione possono essere instabili rispetto a piccole variazioni degli input.
  • Complessità computazionale: Diventano onerose all'aumentare del numero di asset.
  • Dipendenza dalla convessità: I risultati teorici su esistenza e unicità dipendono strettamente dalla convessità del problema di ottimizzazione.

2. Metodologia Proposta: Un Approccio basato su Successioni di Cauchy

Gli autori propongono una prospettiva alternativa che evita la risoluzione di problemi di ottimizzazione ausiliari. La metodologia si basa su tre pilastri fondamentali:

A. Costruzione di una Successione di Cauchy

L'idea centrale è definire una successione di vettori $\{x_n\}$ all'interno del simplex $S$ (lo spazio dei portafogli con pesi non negativi che sommano a 1) che converge al portafoglio RB.

• Si definisce una funzione di errore $\Delta(x)$ che misura la discrepanza tra i contributi al rischio attuali e quelli target ($x_b$):
  $$\Delta(x) = RC_\rho(x) - x_b \mathbf{1}^t RC_\rho(x)$$
  dove $RC_\rho(x)$ è il vettore dei contributi marginali al rischio.
• Si costruisce una successione iterativa:
  $$x_{n+1} = x_n + k(x_n)\Delta(x_n)$$
  dove $k(x_n)$ è un passo scalare opportunamente scelto.
• Teorema di Convergenza: Dimostrano che, sotto opportune condizioni sulla funzione $k(x)$ (che garantisce la contrazione dell'errore), la successione $\{x_n\}$ è una successione di Cauchy. Poiché lo spazio euclideo è completo, la successione converge a un limite finito $x^*$.

B. Formulazione come Punto Fisso

Il limite della successione $x^*$ è dimostrato essere un punto fisso di una funzione $G(x) = x - k(x)\Delta(x)$.

• Questo permette di studiare l'esistenza e l'unicità del portafoglio RB analizzando le proprietà di punto fisso della funzione $G$ sul simplex, piuttosto che le proprietà di convessità di un problema di ottimizzazione.
• Vengono utilizzati teoremi topologici (come il teorema di Kellogg) per stabilire condizioni sufficienti per l'esistenza e l'unicità del punto fisso nel simplex.

C. Caso Specifico: Deviazione Standard

Il metodo è applicato nel dettaglio quando la misura di rischio è la deviazione standard.

• In questo caso, i contributi al rischio sono dati da $RC(x) = \text{diag}(x)Vx$, dove $V$ è la matrice di covarianza.
• Gli autori derivano condizioni analitiche per il calcolo del passo $k_n$ risolvendo disuguaglianze polinomiali (di grado 4 o 3) per garantire che:
  1. L'errore $\|\Delta(x_{n+1})\|$ diminuisca rispetto a $\|\Delta(x_n)\|$ (con un fattore di contrazione $L < 1$).
  2. Il nuovo vettore $x_{n+1}$ rimanga all'interno del simplex (pesi non negativi).

3. Contributi Chiave

1. Nuovo Algoritmo Efficiente: Viene proposto un algoritmo iterativo (Fixed Point - FP) che calcola il portafoglio RB senza risolvere problemi di ottimizzazione vincolati.
2. Risultati Teorici Generali: Forniscono condizioni sufficienti per l'esistenza e l'unicità del portafoglio RB per misure di rischio generali, basate sulla continuità dei contributi marginali e sulla struttura del punto fisso.
3. Indipendenza dalla Convessità: L'approccio non dipende dalla convessità del problema di ottimizzazione, offrendo una via alternativa per dimostrare l'unicità della soluzione.
4. Interpretazione Economica Diretta: Il metodo è costruito direttamente sulla definizione di bilancio del rischio, rendendo il processo più intuitivo rispetto alla minimizzazione di funzioni obiettivo artificiali.

4. Risultati Sperimentali

Gli autori hanno confrontato il loro algoritmo FP con tre metodi standard della letteratura:

• OP1: Ottimizzazione quadratica (Maillard et al., 2010).
• OP2: Ottimizzazione con vincoli logaritmici (alternativa a OP1).
• NLS: Risoluzione di un sistema di equazioni non lineari.

Risultati principali (basati su simulazioni con N = 5, 10, 50, 100, 200 asset):

• Velocità: L'algoritmo FP è significativamente più veloce. Ad esempio, per N=200, FP impiega ~0.038 secondi contro ~1.4 secondi di OP1 e ~3.6 secondi di NLS.
• Accuratezza: FP raggiunge un'accuratezza superiore (errore medio molto più basso) rispetto agli altri metodi con le impostazioni di default.
• Scalabilità: Il tempo di calcolo di FP scala molto meglio all'aumentare del numero di asset rispetto ai metodi di ottimizzazione.
• Parametro L: L'analisi del parametro di contrazione $L$ mostra che valori vicini a 1 (es. 0.95 o 0.99) offrono un buon compromesso tra velocità di convergenza e stabilità, evitando che l'algoritmo si blocchi quando i polinomi di grado 4 non hanno radici reali.

5. Significato e Implicazioni

Il lavoro di Fassino e Uberti è significativo perché:

• Supera i limiti computazionali: Offre una soluzione praticabile per portafogli con un alto numero di asset, dove i metodi di ottimizzazione diventano lenti o instabili.
• Rafforza la teoria: Sposta il focus dalla convessità dell'ottimizzazione alla teoria dei punti fissi e alle successioni di Cauchy, aprendo nuove strade per l'analisi teorica del Risk Budgeting.
• Implementazione Pratica: Fornisce un algoritmo semplice, robusto e privo di bisogno di solver di ottimizzazione complessi, facilitando l'implementazione in ambienti reali di gestione del rischio.

In sintesi, il paper propone un cambio di paradigma: invece di "ottimizzare" per trovare il portafoglio, si "costruisce" iterativamente la soluzione come limite di una successione convergente, ottenendo vantaggi sia teorici che pratici.