Mathematical Optimisation Techniques for Enterprise Finance: Maximising Returns and Minimising Risk
Questo studio dimostra che l'applicazione dell'ottimizzazione matematica ai dati azionari giornalieri di cinque società indiane rivela un compromesso per cui la massimizzazione dei rendimenti non vincolata conduce a una concentrazione eccessiva e ad un'elevata volatilità, mentre strategie diversificate come i portafogli a rischio minimo o a peso uguale offrono rendimenti più stabili e una migliore performance corretta per il rischio per la finanza aziendale.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Ogni azienda che gestisce denaro affronta una tensione fondamentale e inflessibile: il desiderio di far crescere la ricchezza contro la necessità di proteggerla. Nel mondo della finanza aziendale, questa non è una questione di supposizioni o intuizione, ma di navigare in un panorama in cui potenziali rendimenti più elevati sono intrinsecamente legati a maggiori probabilità di perdita. Per gestire ciò, i leader finanziari si affidano a un concetto noto come il rapporto rischio-rendimento. Semplicemente, un investimento che promette un grande guadagno solitamente comporta una significativa possibilità di perdita di valore, mentre un investimento sicuro offre spesso solo una crescita modesta. La sfida per qualsiasi organizzazione è trovare il mix preciso di attività che offra il miglior rendimento possibile per la quantità di rischio che sono disposti ad accettare. È qui che entra in gioco l'ottimizzazione matematica, offrendo un modo sistematico per calcolare la distribuzione ideale dei fondi tra diversi investimenti, piuttosto che affidarsi all'istinto.
Un team di ricercatori provenienti da università del Ghana si è posto l'obiettivo di testare come questi strumenti matematici si comportano nel mondo reale della finanza aziendale. Si sono concentrati su cinque grandi società quotate nella National Stock Exchange dell'India, monitorando i prezzi azionari giornalieri per un decennio, dal 2015 al 2025. Le società rappresentavano settori diversi, tra cui automobili, banche, tecnologia, farmaceutica e acciaio, fornendo un insieme diversificato di dati con cui lavorare. I ricercatori non si sono limitati a guardare quanto denaro avesse guadagnato ogni azienda; hanno misurato quanto variassero tali guadagni giorno dopo giorno e come la performance di una società si muovesse in relazione alle altre. Analizzando questi schemi, hanno costruito tre distinte strategie di investimento per vedere quale approccio offrisse il maggior valore per un'impresa.
La prima strategia era la più semplice: un portafoglio a pesi uguali. In questo approccio, l'azienda avrebbe suddiviso equamente il proprio denaro, destinando la stessa quantità a ciascuna delle cinque società. La seconda strategia mirava a trovare la strada più sicura, un portafoglio a rischio minimo progettato per mantenere il valore dell'investimento il più stabile possibile, anche se ciò significava accettare profitti inferiori. La terza strategia era l'opposto, un portafoglio a rendimento massimo che cercava di spremere ogni possibile dollaro di profitto, indipendentemente da quanto potesse essere turbolento il percorso. I ricercatori hanno utilizzato modelli informatici per calcolare l'esatta percentuale di denaro da allocare a ciascun titolo per la seconda e la terza strategia, lasciando che la matematica decidesse il mix migliore sulla base dei dati storici.
I risultati hanno rivelato un netto contrasto tra questi approcci. La strategia che inseguiva il massimo profitto possibile ha finito per destinare tutto il denaro a una sola azienda, Tata Steel. Sebbene questo approccio abbia generato un enorme rendimento annuo del 32,89 percento, ha avuto un prezzo: il valore dell'investimento oscillava selvaggiamente, con una volatilità annua del 48,72 percento. Questa estrema concentrazione significava che, se Tata Steel avesse affrontato problemi, l'intero investimento ne avrebbe sofferto. Lo studio ha rilevato che questo tipo di approccio "tutto in uno", pur essendo matematicamente ottimale per il puro profitto, crea un livello di rischio che è spesso troppo elevato per un'attività stabile.
Al contrario, la strategia a rischio minimo ha prodotto un quadro molto diverso. Diversificando attentamente il denaro tra le cinque società, con la quota maggiore destinata alla società tecnologica Infosys, il portafoglio ha ottenuto un rendimento annuo del 16,91 percento. Ancora più importante, il valore di questo portafoglio era molto più stabile, con una volatilità di soli 18,55 percento. Ciò ha dimostrato che attraverso la diversificazione — distribuendo gli investimenti tra diverse aziende che non si muovono in perfetto sincronismo — l'azienda poteva ridurre significativamente la possibilità di un brusco calo di valore. L'approccio a pesi uguali, che semplicemente divideva il denaro in cinque parti senza calcoli complessi, si è collocato nel mezzo, offrendo un rendimento del 19,87 percento con una volatilità del 20,80 percento.
Lo studio conclude che, sebbene i modelli matematici siano strumenti potenti per prendere decisioni di investimento, devono essere utilizzati con cautela. La ricerca suggerisce che seguire ciecamente un modello che mira solo a massimizzare i rendimenti può portare a una pericolosa sovra-concentrazione in un singolo asset. Invece, l'approccio più pratico per un'impresa è utilizzare questi modelli per trovare un'allocazione equilibrata che rispetti la necessità di stabilità. Le conclusioni indicano che un portafoglio diversificato, che accetta un rendimento leggermente inferiore in cambio di un rischio molto più basso, è spesso la scelta più intelligente per la salute finanziaria a lungo termine. Combinando la precisione matematica con regole sensate su quanto denaro destinare a un singolo investimento, le imprese possono navigare l'incertezza del mercato con maggiore fiducia e chiarezza.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.