Skewness Dispersion and Stock Market Returns

Each language version is independently generated for its own context, not a direct translation.

🎢 Il "Terremoto" delle Aspettative: Come Prevedere il Mercato Azionario

Immagina il mercato azionario non come un singolo gigante, ma come una folla di 6.770 persone (ognuna rappresenta un'azienda diversa) che stanno cercando di indovinare il futuro.

Ogni giorno, queste persone hanno opinioni diverse su quanto le loro "azioni" saliranno o scenderanno. Alcune pensano che il futuro sia pieno di sorprese positive (un'asimmetria a destra), altre temono disastri improvvisi (un'asimmetria a sinistra).

Gli autori di questo studio, Babiak, Baruník e Kurka, hanno scoperto un trucco incredibile: non conta cosa pensa la "media" della folla, ma quanto sono diverse le loro opinioni tra loro.

Hanno chiamato questo fenomeno "Dispersione di Asimmetria" (Skewness Dispersion). Ecco come funziona, spiegato con delle metafore quotidiane.

1. La Metafora del "Terremoto delle Opinioni" 🌍

Immagina di essere in una stanza piena di persone che scommettono sul tempo di domani.

Bassa dispersione: Tutti pensano che farà sole, o tutti pensano che pioverà. C'è accordo. Il mercato è tranquillo.
Alta dispersione: Metà della stanza è convinta che ci sarà un sole splendente, l'altra metà è convinta che arriverà un uragano. C'è un caos totale di opinioni opposte.

Gli autori hanno scoperto che quando questa "confusione" (alta dispersione) è al suo picco, il mercato azionario tende a crollare nei mesi successivi.

È come se, quando tutti sono così divisi su cosa succederà, significa che il mercato sta per ricevere una notizia importante che cambierà tutto, e prima che questa notizia arrivi, il prezzo scende perché gli investitori sono nervosi.

2. Perché funziona? (Il Meccanismo) 🧠

Perché un caos di opinioni porta a un crollo? Il paper suggerisce due motivi principali, come due facce della stessa medaglia:

La Faccia Razionale (Il Rischio): Quando le opinioni sono così diverse, significa che c'è molta incertezza sul rischio economico. Gli investitori chiedono un "premio" più alto per restare nel mercato, quindi i prezzi scendono oggi per salire domani (ma il paper dice che scendono ancora di più dopo).
La Faccia Comportamentale (L'Emozione): Quando c'è molta confusione, spesso significa che gli investitori "intelligenti" (quelli che fanno le scommesse al ribasso, o short selling) hanno capito qualcosa che gli altri non hanno ancora visto. Stanno scommettendo contro il mercato perché sentono che qualcosa sta per esplodere.

L'Analogia dell'Annuncio Bancario: 🏦
Il paper ha scoperto che questo "terremoto delle opinioni" diventa potentissimo proprio prima e durante gli annunci della Banca Centrale (FOMC).
Immagina che la Banca Centrale stia per annunciare un cambio di regole. Prima dell'annuncio, gli esperti iniziano a scommettere in direzioni opposte (alcuni pensano che alzeranno i tassi, altri che li abbasseranno). Questa "dispersione" crea un caos misurabile. Appena l'annuncio arriva, il mercato si "aggiusta" e spesso scende, confermando che la confusione precedente era un segnale di pericolo.

3. Quanto è utile per i soldi veri? 💰

Non è solo teoria. Gli autori hanno testato questo indicatore con soldi veri.

Strategia Passiva: Comprare e tenere le azioni (come comprare un biglietto della lotteria e sperare).
Strategia Attiva (con il loro trucco): Usare la "dispersione" per decidere quando entrare o uscire dal mercato.

Il risultato? Chi ha usato questo indicatore ha guadagnato molto di più (circa 7-8 volte di più in termini di rendimento aggiuntivo) rispetto a chi ha semplicemente seguito la media storica. È come se avessero trovato un "sesto senso" per evitare le tempeste finanziarie.

4. La Curiosità: Non è solo "Asimmetria", è anche "Coda" 🐈

Gli autori hanno anche guardato un altro indicatore chiamato "Dispersione di Curtosi" (che misura quanto le code della distribuzione siano pesanti). Anche questo funziona, ma è come un "sismografo" meno sensibile: funziona bene, ma non è preciso come il primo. Questo conferma che è la direzione delle opinioni (su o giù) a contare, non solo la loro intensità.

🏁 In Sintesi

Questo studio ci insegna che il disaccordo è un segnale.
Quando il mercato è diviso, con alcuni che vedono il cielo azzurro e altri l'apocalisse, è un campanello d'allarme. Non è il momento di essere ottimisti. È il momento in cui il mercato sta "digerendo" notizie importanti e, solitamente, il prezzo scende prima di stabilizzarsi.

La lezione per te?
Se vedi che le opinioni sul mercato sono estremamente polarizzate (alta dispersione), preparati: il mercato potrebbe avere una sorpresa sgradevole in serbo per i prossimi mesi. È come quando in una folla tutti urlano cose diverse: è meglio tenersi pronti a scappare, non a festeggiare.

Each language version is independently generated for its own context, not a direct translation.

1. Il Problema di Ricerca

L'obiettivo centrale della finanza è comprendere i driver del premio per il rischio azionario. Sebbene esista una vasta letteratura sui predittori macroeconomici e finanziari dei rendimenti azionari aggregati, il ruolo dei momenti di ordine superiore (come l'asimmetria o skewness) nella previsione dei rendimenti di mercato rimane limitato.
Studi precedenti (es. Jondeau, Zhang, e Zhu, 2019) hanno dimostrato che la media della skewness realizzata a livello aziendale contiene informazioni sui rendimenti futuri. Tuttavia, focalizzarsi solo sulla media nasconde una potenziale eterogeneità cruciale: se gli investitori hanno aspettative diverse sui payoff asimmetrici, questa divergenza dovrebbe riflettersi non solo nel livello medio, ma nella distribuzione trasversale della skewness tra le diverse azioni. Il paper si pone la domanda: la dispersione trasversale della skewness aziendale contiene informazioni incrementali sui futuri rendimenti di mercato?

2. Metodologia e Costruzione dei Dati

Gli autori costruiscono un nuovo predittore chiamato Dispersione della Skewness (Skewness Dispersion).

Dati: Campione di 6.770 azioni statunitensi (NYSE, AMEX, NASDAQ) dal dicembre 2000 al dicembre 2022.
Frequenza: Utilizzo di dati ad alta frequenza (prezzi ogni 5 minuti dalle 9:30 alle 16:00 EST) per calcolare i momenti realizzati giornalieri.
Costruzione del Predittore:
1. Calcolo della Realized Variance ( $RV_t^s$ ) e della Realized Skewness ( $RS_t^s$ ) per ogni azione $s$ ogni giorno $t$ , utilizzando la somma delle potenze terze dei rendimenti intraday standardizzati.
2. Definizione della Dispersione della Skewness ( $SD_t^{a-b}$ ) come l'intervallo inter-percentilico (differenza tra il percentile $a$ -esimo e il percentile $b$ -esimo) della distribuzione trasversale delle skewness giornaliere.
3. Le specifiche principali testate includono intervalli come 75-25, 80-20, fino a 95-5.
4. La serie temporale mensile è costruita come media (o mediana) delle stime giornaliere nell'ultima settimana del mese.
Analisi Economica: Vengono testate 50 predittori esistenti (skewness, cross-section, sentiment, varianza, macro) per verificare l'incrementalità del nuovo predittore.

3. Risultati Empirici Principali

A. Capacità Predittiva In-Sample

Relazione Negativa: Esiste una relazione significativa e negativa tra la dispersione della skewness e i rendimenti azionari futuri (orizzonti da 1 a 12 mesi). Quando la dispersione è alta (maggiore eterogeneità nelle asimmetrie), i rendimenti futuri tendono a essere più bassi.
Robustezza: Il risultato è robusto a diverse procedure di stima (regressioni sovrapposte e non sovrapposte, correzione Newey-West, test IVX di Kostakis et al. 2015 per la persistenza) e non è guidato esclusivamente dai periodi di recessione (NBER).
Incrementalità: La capacità predittiva della dispersione della skewness è incrementale rispetto a un set ampio di 50 predittori noti. Solo un numero molto limitato di variabili (es. fattore di skewness forward, alcuni indici di attenzione e spread di volatilità implicita) mantiene una capacità esplicativa indipendente quando la dispersione è inclusa nel modello.

B. Test Out-of-Sample

Superiorità rispetto alla Media Storica: La dispersione della skewness genera un $R^2$ fuori campione ( $R^2_{OOS}$ ) positivo e statisticamente significativo, superando la media storica (benchmark standard).
Confronto con altri Predittori: Quando combinata con altri predittori, la dispersione della skewness migliora significativamente le prestazioni di previsione. Al contrario, l'aggiunta di altri predittori a un modello basato solo sulla dispersione della skewness offre benefici marginali.
Test di Inclusione (Forecast Encompassing): I test mostrano che la dispersione della skewness contiene informazioni che non sono sovrapposte a quelle degli altri predittori; anzi, spesso è il predittore dominante nella combinazione ottimale.

C. Valore Economico (Asset Allocation)

CER e Sharpe Ratio: Per un investitore con avversione al rischio relativa pari a 3, l'uso delle previsioni basate sulla dispersione della skewness genera guadagni nel Certainty Equivalent Return (CER) annualizzati molto elevati (tra 709 e 875 punti base per l'orizzonte a 1 mese) rispetto alla strategia di "buy-and-hold" o all'uso della media storica.
Sharpe Ratio: I portafogli ottimizzati basati su questo predittore raggiungono Sharpe ratio tra 0.82 e 0.91, superiori alla maggior parte delle strategie alternative.
Ricchezza Cumulata: La ricchezza cumulata logaritmica generata da questa strategia supera quasi tutte le altre strategie di benchmark nel periodo fuori campione.

4. Meccanismi Economici Sottostanti

Gli autori indagano se la previsione sia guidata da fattori di rischio razionali o da comportamenti irrazionali (sentiment):

Rischio vs. Sentiment: La dispersione è correlata negativamente con misure di rischio aggregato (volatilità implicita, premio per il rischio di varianza), suggerendo che periodi di alta dispersione corrispondono a momenti di "buoni tempi" (basso rischio percepito) e quindi rendimenti attesi più bassi. Tuttavia, la correlazione con le misure di sentiment è positiva ma modesta.
Ruolo delle Aspettative degli Investitori: La dispersione mostra la correlazione più forte con l'attenzione degli investitori e, in particolare, con le misure di sentiment della American Association of Individual Investors (AAII).
Meccanismo Informativo (FOMC): Il risultato più cruciale è che il potere predittivo è concentrato nei mesi con annunci di politica monetaria (FOMC).
- La previsione è forte nei mesi precedenti e durante le riunioni FOMC.
- È debole o inesistente nei mesi senza FOMC.
- Interpretazione: La dispersione della skewness cattura l'eterogeneità delle credenze degli investitori che viene gradualmente incorporata nei prezzi in risposta a notizie macroeconomiche rilevanti. Quando le informazioni arrivano (FOMC), le discrepanze di valutazione vengono risolte rapidamente, portando a rendimenti futuri più bassi dopo periodi di alta dispersione.

5. Analisi di Sensibilità: Dispersione della Kurtosi

Gli autori testano anche la dispersione della kurtosi (peso delle code). Anche questa misura mostra una relazione negativa significativa con i rendimenti futuri, specialmente a breve termine. Tuttavia, la sua capacità predittiva è generalmente inferiore a quella della dispersione della skewness, specialmente a orizzonti più lunghi. Questo suggerisce che l'asimmetria (skewness) è il fattore chiave, piuttosto che il semplice peso delle code (kurtosis).

6. Significato e Contributi

Nuovo Predittore: Introduce una misura semplice da calcolare, basata solo sui dati di rendimento ad alta frequenza, che cattura l'eterogeneità trasversale delle asimmetrie.
Robustezza Statistica ed Economica: Dimostra che il predittore funziona sia in-sample che out-of-sample, offrendo guadagni economici sostanziali agli investitori.
Meccanismo Ibrido: Fornisce evidenze che la prevedibilità dei rendimenti deriva da una combinazione di rischio aggregato e comportamento degli investitori (eterogeneità delle credenze), che si risolve in modo dinamico attorno a eventi macroeconomici chiave.
Superiorità rispetto alla Letteratura: Si posiziona come uno dei pochi predittori in grado di superare la media storica in modo robusto e di non essere sovrascritto da altre variabili macro-finanziarie consolidate.

In sintesi, il paper dimostra che la divergenza nelle aspettative di asimmetria tra le azioni è un potente segnale di avvertimento per i rendimenti di mercato futuri, agendo come un indicatore di come le informazioni macroeconomiche vengano processate e incorporate nei prezzi.