- Jul 08, 2025
- Strategia
Nell'era dell'esplosione delle informazioni, la formazione e l'evoluzione delle aspettative di mercato dipendono sempre più dall'interpretazione approfondita dei dati non strutturati. La Macro Strategy (MS) di HSAM si basa sull'elaborazione dei dati non strutturati e costruisce un sistema di gestione delle aspettative di mercato basato su “estrazione delle informazioni - modellizzazione delle aspettative - allerta dei rischi”. Questa strategia supera i limiti dell'analisi tecnica tradizionale e, attraverso l'elaborazione in tempo reale di dati non strutturati quali testi politici, notizie di settore e opinioni sui social media, coglie con precisione i cambiamenti delle aspettative di mercato, fornendo agli investitori un supporto decisionale macroeconomico all'avanguardia rispetto al mercato.
Architettura dei dati: analisi integrata di dati non strutturati provenienti da più fonti
Il vantaggio principale della strategia MS risiede nella sua capacità di elaborare in modo integrato cinque grandi categorie di dati non strutturati:
Dati relativi ai testi politici: Acquisizione in tempo reale di dichiarazioni della banca centrale, relazioni di lavoro del governo, documenti ministeriali, ecc. Attraverso l'analisi del peso delle parole chiave (ad esempio la frequenza e il contesto di “politica monetaria” e “stimolo fiscale”), si valutano i cambiamenti marginali nell'orientamento delle politiche. Ad esempio, quando l'espressione “espansione della domanda interna” nei documenti politici trimestrali viene modificata da “promuovere in modo opportuno” a “attuare in modo prioritario”, la strategia la interpreta come un segnale di aumento delle aspettative nel settore dei consumi.
Dati sull'opinione pubblica del settore: integrare i resoconti dei media di settore, i commenti degli esperti, i verbali delle ricerche sulla catena industriale, ecc. per costruire indicatori non finanziari del clima economico del settore. Ad esempio, nel settore dei semiconduttori, analizzando l'esposizione mediatica di parole chiave come “utilizzo della capacità produttiva” e “progressi tecnologici”, è possibile prevedere i punti di svolta del ciclo del settore, integrando la natura retrospettiva dei tradizionali indicatori finanziari.
Dati narrativi aziendali: analisi approfondita delle note integrative ai bilanci aziendali, delle domande e risposte relative alle relazioni con gli investitori, dei discorsi pubblici dei dirigenti, ecc. per individuare i primi segnali di cambiamenti fondamentali. Quando un dirigente di una società quotata in borsa menziona frequentemente “l'espansione dei mercati esteri” durante un roadshow e fornisce dettagli approfonditi, la strategia lo interpreterà come un potenziale segnale di trasformazione strategica dell'azienda, piuttosto che come una narrazione superficiale.
Dati dei social media: monitoraggio delle discussioni degli utenti sui forum finanziari e sulle piattaforme social per costruire indicatori del sentiment del mercato. Ad esempio, dopo la pubblicazione di un dato macroeconomico, analisi della tendenza del sentiment sui temi correlati (ad esempio, percentuale di commenti “ottimistici” o “preoccupati”) per valutare il grado di scostamento tra le aspettative del mercato e l'impatto effettivo del dato.
Dati alternativi come le immagini satellitari: elaborazione dei dati di telerilevamento satellitare, dei dati di trasporto e logistica, ecc. tramite tecnologie di riconoscimento delle immagini per verificare l'attuazione microeconomica della logica macroeconomica. Ad esempio, l'analisi delle immagini satellitari relative al volume di container movimentati nei porti conferma l'andamento dei dati di importazione ed esportazione, rafforzando l'attendibilità dell'analisi macroeconomica.
Applicazione strategica: gestione del rischio e del rendimento in un contesto di aspettative di mercato in evoluzione
La strategia MS trasforma i dati non strutturati in tre grandi categorie di supporto alle decisioni di investimento:
Cattura delle differenze di aspettativa: quando le aspettative di mercato riflesse dai dati non strutturati (ad esempio l'interpretazione di una determinata politica sui social media) presentano una deviazione significativa dal contenuto effettivo della politica, la strategia identifica le opportunità di investimento derivanti dalla differenza di aspettativa. Ad esempio, dopo l'introduzione di una politica di regolamentazione in un determinato settore, se i social media la interpretano in modo eccessivamente negativo, mentre l'impatto effettivo del testo della politica è piuttosto neutro, la strategia posizionerà i titoli correlati che sono stati erroneamente penalizzati.
Valutazione della continuità del trend: monitorando l'andamento dei dati non strutturati, si valuta la continuità del trend macroeconomico. Ad esempio, durante la fase di crescita del settore delle energie rinnovabili, se il testo della politica di settore continua a rilasciare segnali positivi, le aziende annunciano frequentemente espansioni della produzione e l'attenzione dei social media rimane elevata, si ritiene che il trend abbia una forte continuità; in caso contrario, si segnala il rischio di un'inversione di tendenza.
Allerta sui rischi di coda: identificazione dei rischi potenziali attraverso le fluttuazioni anomale dei dati non strutturati. Quando nei testi delle politiche della banca centrale aumentano improvvisamente le espressioni relative alla “prevenzione dei rischi sistemici”, nei commenti degli esperti del settore aumenta la frequenza della parola chiave “incertezza” e sui social media compaiono discussioni insolite e allarmistiche, la strategia attiva il meccanismo di allerta sui rischi per ridurre l'esposizione al rischio del portafoglio.
Valore della strategia: capacità di determinazione dei prezzi attesi nei dati non strutturati
Il vantaggio competitivo principale della strategia MS risiede nella sua capacità di cogliere con precisione le aspettative del mercato. In un contesto macroeconomico complesso e mutevole, con interpretazioni politiche diversificate, i prezzi di mercato non riflettono solo le informazioni note, ma includono anche le aspettative future, e i dati non strutturati sono proprio un importante vettore delle aspettative di mercato. Ad esempio, quando il piano di stimolo fiscale di un paese non è ancora stato annunciato ufficialmente, le discussioni sulle politiche correlate stanno già fermentando nei media di settore e sui social media. Attraverso l'analisi di questi dati non strutturati, la strategia MS è in grado di prevedere in anticipo le aspettative del mercato sull'entità dello stimolo e di adeguare di conseguenza l'asset allocation. Questa capacità di determinare i prezzi in base alle aspettative basate su dati non strutturati consente alla strategia di posizionarsi prima che si formi una tendenza macroeconomica, di ottenere profitti quando si raggiunge il consenso di mercato e di evitare i rischi quando le aspettative sono eccessive, fornendo agli investitori una serie di strumenti di gestione del rischio macroeconomico adatti a un contesto di mercato complesso.