Covarianza e Matrice di Correlazione: la Matematica Dietro la Riduzione del Rischio

Sapere che la correlazione tra due asset è "bassa" aiuta a capire la direzione dell'effetto sulla diversificazione, ma non la sua dimensione. Il meccanismo esatto con cui la diversificazione riduce il rischio passa dalla covarianza, l'ingrediente matematico che entra direttamente nella formula della varianza di un portafoglio — non semplicemente dall'intuizione che "asset diversi si muovono in modo diverso".

Covarianza: cosa misura esattamente

La covarianza tra due asset misura come si muovono insieme in termini assoluti: positiva se tendono a salire e scendere nello stesso periodo, negativa se tendono a muoversi in direzioni opposte, vicina a zero se i loro movimenti non hanno una relazione sistematica. A differenza della correlazione, la covarianza non è limitata a un intervallo fisso e dipende dall'unità di misura dei rendimenti, il che la rende meno intuitiva da interpretare da sola ma indispensabile nel calcolo della varianza di portafoglio.

Dalla covarianza alla correlazione

La correlazione è la covarianza normalizzata: si ottiene dividendo la covarianza tra due asset per il prodotto delle rispettive deviazioni standard, ottenendo un valore sempre compreso tra -1 e +1. Questa normalizzazione è ciò che rende la correlazione comoda da confrontare tra coppie di asset diverse — un coefficiente di 0,3 è sempre interpretabile allo stesso modo, mentre una covarianza dipende dalla scala dei rendimenti coinvolti. La correlazione è quindi una versione più leggibile della stessa informazione contenuta nella covarianza, non un concetto indipendente.

La formula che collega tutto: varianza di un portafoglio a due asset

Per un portafoglio con due asset, la varianza totale non è la semplice media pesata delle varianze individuali: include un termine aggiuntivo che dipende dalla covarianza tra i due. In termini concettuali, la varianza di portafoglio cresce con il peso al quadrato di ciascun asset e con la sua varianza individuale, ma viene ridotta (o aumentata) da un termine di interazione proporzionale al doppio del prodotto dei pesi per la covarianza tra i due asset. Quando la covarianza è negativa, questo termine riduce la varianza totale sotto la media ponderata delle varianze individuali — è esattamente questo termine matematico a produrre l'effetto di diversificazione, non una proprietà generica del "possedere asset diversi".

Perché correlazione uguale a uno annulla la diversificazione

Quando due asset hanno correlazione perfetta (+1), combinarli non riduce il rischio rispetto alla media ponderata delle loro volatilità individuali: il portafoglio si comporta come se fosse un unico asset con volatilità pari alla media pesata. Solo quando la correlazione scende sotto 1 il termine di covarianza inizia a produrre una riduzione di varianza inferiore a quella media ponderata; più la correlazione si avvicina a -1, più l'effetto di riduzione diventa marcato, fino al caso limite teorico di correlazione perfettamente negativa in cui, con i pesi giusti, la varianza di portafoglio può azzerarsi. Questo caso limite è quasi inesistente nella pratica tra classi di attivo reali, ma chiarisce perché il valore numerico della correlazione — non solo il suo segno — determina l'entità della diversificazione ottenuta.

Tabella: effetto della correlazione sulla varianza di portafoglio

Esempio ipotetico: due asset, due scenari di correlazione

Si ipotizzino due asset con la stessa volatilità (20% annuo ciascuno) combinati in pesi uguali (50/50). Se la correlazione tra i due fosse 1,0, la volatilità del portafoglio resterebbe pari al 20%, identica a quella dei singoli asset. Se invece la correlazione fosse 0,2, la volatilità del portafoglio scenderebbe a circa il 15,5%, un dato che deriva direttamente dall'applicazione della formula della varianza con quel livello di covarianza, non da una stima approssimativa. La differenza tra i due scenari — quasi 4,5 punti percentuali di volatilità — mostra quanto il valore esatto della correlazione, non solo il fatto che sia "minore di uno", incida sul risultato.

Questo calcolo è una costruzione didattica con valori ipotetici uguali per i due asset, scelta per isolare l'effetto della sola correlazione; portafogli reali con volatilità diverse tra le componenti produrrebbero risultati numerici differenti.

La matrice di covarianza per portafogli con più asset

Con più di due asset, il calcolo si generalizza in una matrice di covarianza: una tabella quadrata che riporta sulla diagonale le varianze individuali di ciascun asset e fuori dalla diagonale le covarianze tra ogni coppia. La varianza dell'intero portafoglio si ottiene combinando questa matrice con i pesi di ciascun asset. All'aumentare del numero di asset, il numero di covarianze da considerare cresce molto più rapidamente del numero di varianze individuali: con dieci asset servono quarantacinque covarianze distinte, non dieci. Questo è il motivo tecnico per cui la diversificazione tra molti asset correlati tra loro nello stesso modo aggiunge meno beneficio marginale di quanto il solo numero di posizioni suggerirebbe.

Il limite pratico: la correlazione non è stabile nel tempo

La correlazione storica calcolata su un periodo passato è una stima, non una costante fisica del mercato. Nei periodi di stress finanziario, le correlazioni tra classi di attivo tendono sistematicamente ad aumentare — un fenomeno spesso descritto come "correlation breakdown" o convergenza delle correlazioni in crisi — riducendo proprio nei momenti di maggiore necessità il beneficio di diversificazione calcolato sui dati di periodi tranquilli. Un portafoglio costruito su correlazioni storiche stimate in condizioni normali può quindi rivelarsi meno diversificato del previsto esattamente quando la diversificazione servirebbe di più.

Come si stima la covarianza in pratica

La covarianza tra due asset si stima tipicamente a partire da una serie storica di rendimenti periodici, calcolando quanto i due asset si sono scostati insieme dalle rispettive medie in ciascun periodo osservato. Il risultato dipende sensibilmente da tre scelte metodologiche: la lunghezza della finestra temporale usata, la frequenza dei dati (giornaliera, settimanale, mensile) e il periodo storico specifico incluso nel campione. Finestre più lunghe tendono a produrre stime più stabili ma meno reattive a cambiamenti strutturali recenti; finestre più corte reagiscono più rapidamente ma sono più rumorose. Nessuna scelta è oggettivamente corretta in assoluto: la scelta va dichiarata esplicitamente insieme alla stima, perché due stime di covarianza calcolate con metodologie diverse sullo stesso paniere di asset possono produrre risultati sensibilmente diversi.

Un caso a tre asset: perché la matrice cresce più velocemente delle posizioni

Si ipotizzi un portafoglio con tre asset invece di due: azionario globale, obbligazionario governativo e una componente immobiliare quotata. La matrice di covarianza per tre asset richiede tre varianze individuali sulla diagonale e tre covarianze distinte fuori dalla diagonale (azionario-obbligazionario, azionario-immobiliare, obbligazionario-immobiliare). Se la componente immobiliare avesse una covarianza storicamente più alta con l'azionario che con l'obbligazionario — un caso ipotetico plausibile, dato che gli immobili quotati spesso condividono parte del rischio azionario generale — aggiungerla al portafoglio ridurrebbe il rischio complessivo meno di quanto il solo aumento del numero di asset potrebbe far pensare. Questo scenario, puramente illustrativo, mostra perché valutare ogni nuova componente richiede di stimarne esplicitamente la covarianza con tutte le componenti già presenti, non solo di verificare che sia "un asset diverso".

Errori comuni nell'uso pratico della correlazione

Un primo errore è trattare una correlazione storica bassa come una garanzia permanente, ignorando che è una stima soggetta a instabilità nel tempo. Un secondo è confondere una correlazione bassa con l'assenza di rischio comune: due asset possono avere bassa correlazione nei rendimenti quotidiani e condividere comunque un'esposizione a un unico fattore di rischio macroeconomico che si manifesta solo in scenari estremi. Un terzo è calcolare la correlazione su una finestra temporale troppo breve, che produce stime instabili e poco affidabili per decisioni di lungo periodo.

Checklist finale

• So distinguere concettualmente covarianza (misura assoluta) e correlazione (misura normalizzata tra -1 e +1).
• Ho capito che è il valore esatto della covarianza, non solo il segno della correlazione, a determinare l'entità della riduzione di rischio.
• Non tratto una correlazione storica bassa come una costante stabile nel tempo.
• Considero che le correlazioni tendono ad aumentare nei periodi di stress, riducendo il beneficio di diversificazione proprio quando serve di più.
• Con più asset, penso in termini di matrice di covarianza, non di coppie isolate.

Conclusione

La diversificazione non è un principio qualitativo generico: è un effetto matematico preciso che dipende dal valore della covarianza tra gli asset combinati. Capire questo meccanismo, inclusa la sua instabilità nel tempo, permette di valutare un portafoglio per la sua reale struttura di rischio, non solo per il numero di posizioni che contiene.