Multi-objective Portfolio Optimization Via Gradient Descent

Immagina di essere il capitano di una nave massiccia, ma invece di navigare sull'acqua, stai navigando in un mare fatto interamente di denaro. Il tuo obiettivo è andare dal punto A al punto B con il maggior tesoro possibile, ma c'è un intoppo: l'oceano è pieno di tempeste (rischio) e una mappa rigorosa (regolamenti) dice che non puoi trasportare troppo oro in un unico baule, e devi rimanere vicino a un faro specifico (un indice di riferimento). Questo è il mondo dell'ottimizzazione del portafoglio. Per decenni, il modo standard per timonare questa nave è stato quello di usare una bussola matematica rigida chiamata "Teoria Moderna del Portafoglio". Funzionava bene in acque calme, ma quando il mare diventava agitato con regole complesse o obiettivi contrastanti — come volere il massimo tesoro e il minimo rischio e limiti di sicurezza rigorosi — la vecchia bussola spesso si incagliava o si rompeva.

Entra in scena un nuovo tipo di strumento di navigazione: la Discesa del Gradiente. Pensa a questo non come a una mappa rigida, ma come a un escursionista che si fa strada in una montagna nebbiosa. L'escursionista (il computer) compie piccoli passi, controllando costantemente quale direzione sia la più ripida in discesa (verso meno rischio o più profitto) e aggiustando il proprio percorso. Di solito, questo metodo di "escursionismo" viene usato per insegnare ai computer come riconoscere i gatti nelle foto o guidare le auto. Ma cosa succederebbe se insegnassimo al computer di fare escursioni attraverso le montagne finanziarie? È esattamente ciò che esplora questo articolo. I ricercatori hanno costruito un nuovo framework che utilizza questa tecnica di "escursionismo", alimentata da moderni strumenti di IA, per risolvere i problemi disordinati di investimento con più obiettivi che i vecchi metodi faticano a gestire. Volevano vedere se questo approccio flessibile, passo dopo passo, potesse costruire un baule del tesoro migliore, più sicuro e più rispettoso delle regole rispetto ai tradizionali calcolatori rigidi.

Il viaggio del documento: Escursione tra le montagne finanziarie

Gli autori, un team dell'Università Autonoma di Madrid e di March Asset Management, si sono posti l'obiettivo di testare se questo metodo di "escursionismo" (Discesa del Gradiente) potesse gestire il complesso compito dell'Ottimizzazione Multi-Obiettivo del Portafoglio (MPO). Nel mondo reale, gli investitori non vogliono solo "rendimenti elevati". Vogliono rendimenti elevati mantenendo al contempo il rischio basso, rispettando al contempo leggi rigorose (come le regole europee UCITS), assicurandosi al contempo di non mettere tutte le uova in un unico paniere e assicurandosi al contempo di seguire da vicino un indice di mercato specifico. Gli strumenti tradizionali spesso faticano quando si chiede loro di gestire tutte queste sfide contemporaneamente, specialmente se le regole sono complicate o i dati sono enormi.

I ricercatori hanno costruito un parco giochi digitale utilizzando i dati dell'S&P 500 (una lista di circa 500 delle più grandi aziende statunitensi) dal 2020. Non hanno costruito solo un test; hanno costruito sei diversi scenari, che vanno da semplici compiti di "trovare il percorso migliore" a sfide incredibilmente complesse come "trovare il percorso migliore mentre si schivano rocce, si rispettano i limiti di velocità e si trasporta un peso specifico".

I Test Semplici: Camminare sulla Linea Retta
Per prima cosa, hanno testato le basi. In uno scenario, hanno chiesto al computer di trovare semplicemente il percorso con il miglior equilibrio tra rischio e rendimento (massimizzando lo "Sharpe ratio"). Hanno confrontato il loro nuovo metodo di "escursionismo" con un famoso e rigido risolutore matematico chiamato CVXPY. Il risultato? L'escursionista e il calcolatore rigido sono arrivati quasi esattamente nello stesso punto. I pesi degli asset (quanto denaro veniva destinato a ciascun titolo) erano quasi identici, differendo solo al sesto decimale. Questo ha dimostrato che il nuovo metodo era altrettanto accurato degli strumenti tradizionali affidabili per compiti semplici.

In un secondo test, hanno chiesto al computer di minimizzare le "perdite estreme" (un concetto chiamato CVaR). Hanno confrontato questo con un altro strumento chiamato SKFOLIO. In questo caso, l' "escursionista" ha preso un percorso leggermente diverso rispetto al calcolatore rigido, scegliendo titoli diversi e assegnando loro pesi leggermente diversi. Tuttavia, quando hanno controllato il risultato finale — l'effettiva quantità di perdita estrema evitata — i due metodi erano praticamente gemelli. La differenza era così minima (al quinto decimale) che, per tutti gli scopi pratici, l'escursionista aveva trovato la stessa destinazione, semplicemente sentendo il terreno anziché seguire una mappa pre-disegnata. Questo è stato un grande passo avanti perché il problema della "perdita estrema" è matematicamente disordinato e difficile da risolvere perfettamente per gli strumenti rigidi; l'escursionista lo ha gestito con facilità.

I Test Complessi: Giocolieri e Percorsi a Ostacoli
Poi, le cose si sono fatte piccanti. I ricercatori hanno aggiunto livelli di complessità, come l'aggiunta di nuovi livelli in un videogioco.

• Il Rispetta-Regole: Hanno chiesto al computer di minimizzare le perdite estreme rispettando le regolamentazioni UCITS. Queste sono regole europee rigorose che dicono, ad esempio, "Nessun singolo titolo può occupare più del 10% del tuo portafoglio" e "Il totale delle tue grandi scommesse (oltre il 5%) non può superare il 40%". Gli strumenti tradizionali spesso si bloccano davanti a queste regole perché rendono la matematica "non convessa" (un modo elegante per dire che la mappa presenta buchi e scogliere che rompono i calcolatori rigidi). Ma l'escursionista? Ha continuato a camminare, aggiustando i suoi passi finché non ha trovato un percorso che rimanesse entro i limiti. Il risultato è stato un portafoglio che seguiva perfettamente le regole pur mantenendo il rischio basso.
• Il Camminatore sul Filo: In un altro test, hanno aggiunto un vincolo di Errore di Tracking (Tracking Error). Ciò significa che la performance del portafoglio doveva rimanere molto vicina all'indice S&P 500 (come un funambolo che resta sul filo). L'escursionista è riuscito a minimizzare le perdite estreme e a rimanere incollato all'indice, dimostrando di poter bilanciare obiettivi contrastanti senza cadere.
• La Sfida Suprema: Il test finale, il più complesso, chiedeva al computer di fare tutto insieme: massimizzare i rendimenti, minimizzare le perdite estreme, seguire le regole UCITS, mantenere un numero minimo di titoli, assicurarsi che nessun titolo fosse troppo piccolo e rimanere vicino all'indice. Il computer ha navigato con successo in questo percorso a ostacoli caotico. Ha selezionato 23 titoli, ha mantenuto ognuno di essi sopra un peso dell'1%, ha garantito che le "grandi scommesse" rimanessero sotto il limite del 40% e ha consegnato un portafoglio che ha superato l'indice standard in termini di rendimenti corretti per il rischio.

Il Mistero della "Maschera"
In un ultimo test creativo, i ricercatori hanno creato delle "maschere" — gruppi di titoli che dovevano rimanere sotto un certo peso totale (come dire: "il gruppo tecnologico non può avere più del 27% dei tuoi soldi"). L'escursionista ha distribuito con successo il denaro in modo che nessun gruppo superasse il proprio limite, minimizzando comunque il rischio complessivo del portafoglio. Ha dimostato che il metodo può gestire regole personalizzate e arbitrarie che sarebbero un incubo per i software più vecchi.

Cosa significa per il futuro

L'articolo non sostiene di aver scoperto una "formula magica" che garantisce la ricchezza. Al contrario, suggerisce qualcosa di più pratico: la flessibilità. Gli autori dimostrano che l'uso della Discesa del Gradiente con la differenziazione automatica (uno strumento che permette ai computer di calcolare le pendenze istantaneamente) è un modo potente e scalabile per risolvere problemi di investimento che sono troppo disordinati per la matematica tradizionale.

La scoperta chiave è che questo metodo è competitivo con i migliori strumenti esistenti per i compiti semplici, ma è superiore per gli scenari complessi con molteplici regole. Non trova solo una risposta; trova una buona risposta che rispetta tutti i disordinati vincoli del mondo reale affrontati dagli investitori. I ricercatori sottolineano che l'escursionista ha bisogno di una guida (l'utente) per impostare i giusti "pesi" (quanto dare importanza al rischio rispetto al rendimento), ma una volta scelte queste impostazioni, il computer può gestire il lavoro pesante di bilanciare decine di obiettivi contrastanti simultaneamente.

In definitiva, questo articolo apre la porta a un nuovo tipo di strumento finanziario — uno che è tanto adattabile quanto un escursionista umano, capace di navigare nel terreno nebbioso e roccioso dell'investimento moderno dove le mappe rigide falliscono. Suggerisce che, prendendo in prestito tecniche dal mondo dell'intelligenza artificiale, possiamo costruire portafogli che non siano solo matematicamente solidi, ma anche praticamente robusti e pronti per il mondo reale.