Introduzione


Il termine "rischio", secondo il Vocabolario Treccani, deriva dall'adattamento della forma toscana risico. L'etimologia del vocabolo è considerata incerta, sebbene le correnti glottologiche più accreditate ne facciano risalire la radice al greco medievale rhizikón (attraverso il sostantivo arabo rizq, col significato di "provvidenza" o "fortuna").
Risicare, che significa rischiare, osare o correre un pericolo, è un termine rimasto celebre grazie a un noto proverbio.
Secondo Giacomo Devoto, Avviamento alla etimologia italiana, Le Monnier, Firenze 1968, “rischio” deriva dal latino medievale resecare, “tagliare”, «che nei contratti si riferiva ai pericoli incombenti sulle due parti, in conseguenza di tagli o divisioni arbitrarie o imprecise».

Nel 1921 Frank H. Knight in Risk, Uncertainty, and Profit propose la seguente definizione di rischio.

"Per preservare la distinzione. . . tra l'incertezza misurabile e quella non misurabile possiamo usare il termine "rischio" per designare la prima e il termine "incertezza" per la seconda.

Tuttavia l’incertezza da sola è sinonimo di rischio. Se so che domani il prezzo di un asset aumenterà tra il 5% e il 10%, pur essendovi incertezza non c'è rischio poiché non vi è alcuna perdita monetaria. Solitamente il rischio è infatti ricondotto al timore dei possibili danni conseguenti dell'incertezza sugli obiettivi; di conseguenza, il rischio è qualificato come un fenomeno aleatorio asimmetrico, nel senso che è correlato solo alla perdita.

Se la prudenza è necessaria per affrontare situazioni rischiose, non si può fare a meno di constatare che dall'incertezza e da una certa propensione al rischio, all'azzardo, da al-zahr che è il corrispondente arabo di dadi, possono darsi effetti anche molto positivi.

Lo studio delle varie forme in cui il si manifesta il caso, oggetto del Calcolo delle Probabilità, consente di determinare l'incertezza. Si vorrebbe poter valutare il rischio in vari ambiti come conseguenza della determinazione dell'incertezza, per rischiare in modo "calcolato" di fronte all'imprevedibile.

L’essenza della gestione del rischio consiste nel massimizzare i campi in cui abbiamo qualche controllo sull’esito, minimizzando al tempo stesso i campi in cui non abbiamo nessun controllo sull’esito e il legame fra causa ed effetto non ci è noto.*

Se in ambito finanziario la categoria di individui che si espongono al rischio è quella degli investitori, in tutti gli ambiti della vita, gli individui assumono rischi nella speranza di ottenere un beneficio (o di evitare una perdita maggiore): i cittadini-elettori assumono un rischio quando votano per un candidato o un partito, o quando sostengono una determinata politica pubblica con rischi politici e sociali che riguardano stabilità, crescita economica, tutela dei diritti; i giocatori d'azzardo, esempio più puro di categoria che rischia, mettono denaro in un evento incerto, sapendo che il valore atteso è spesso negativo; i lavoratori assumono un rischio quando scelgono un'occupazione, un settore, una certa azienda, o decidono di cambiare lavoro, e così gli imprenditori che investono capitale, tempo e reputazione in un'impresa incerta; i genitori assumono rischi quando decidono il percorso educativo dei figli, o quando scelgono come o dove vivere.

In ambito finanziario a seconda delle fonti di rischio possiamo distinguere:

Il termine rischio assume significati diversi a seconda del contesto: investimenti, teoria del portafoglio, gestione bancaria, assicurazioni o derivati; ogni misura del rischio viene quindi ragionevolmente proposta per quelle particolari situazioni; rilevando solo alcune delle caratteristiche del rischio è perciò incompleta, imperfetta.
Di seguito sono riportate le principali declinazioni.

Terminologia specifica Misura Significato
Volatilità Deviazione standard Variabilità dei rendimenti
Downside Risk Semi-deviazione Solo rendimenti negativi o inferiori ad una soglia.
Probabilità di perdita P(R<0) Frequenza delle perdite
Value at Risk VaR Quantile Perdita massima attesa con un dato livello di confidenza
Expected Shortfall Media delle perdite oltre il VaR Gravità delle perdite estreme, preferita per questo dagli enti regolatori.
Beta Coefficiente CAPM Sensibilità al mercato, ovvero il rischio dell'intero mercato, che non può essere eliminato con la diversificazione, dovuto a crisi finanziaria, pandemie, guerre, aumento dei tassi, recessione mondiale

In queste pagine esamineremo questi modi di valutare il rischio finanziario in maniera prevalentemente sperimentale a partire da dati reali elaborati con il linguaggio di programmazione Python in ambiente interattivo Google Colab (basato su Jupyter, un progetto Open Source).

Introduttivamente vediamo come esaminare la serie storica di un asset o di un indice finaziario prelevandola da Yahoo Finanza con il modulo yfinance che innanzitutto va installato.

!pip install yfinance
Quindi, dopo averlo importato come yf, si può scaricare l'oggetto relativo al simbolo, ad esempio dell'indice ^GSPC oppure ^SPX per S&P 500, mediante .Ticker() e poi acquisire lo storico con .history() come oggetto DataFrame del modulo pandas e, infine, visualizzare i primi e gli ultimi dati della tabella.
import yfinance as yf stock = yf.Ticker("^GSPC") df = stock.history(period="5y") df
Open High Low Close Volume Dividends Stock Splits
Date
2021-05-06 00:00:00-04:00 4169.140137 4202.700195 4147.330078 4201.620117 4511000000 0.0 0.0
2021-05-07 00:00:00-04:00 4210.339844 4238.040039 4201.640137 4232.600098 4016080000 0.0 0.0
2021-05-10 00:00:00-04:00 4228.290039 4236.390137 4188.129883 4188.430176 4560700000 0.0 0.0
2021-05-11 00:00:00-04:00 4150.339844 4162.040039 4111.529785 4152.100098 4870710000 0.0 0.0
2021-05-12 00:00:00-04:00 4130.549805 4134.729980 4056.879883 4063.040039 4733070000 0.0 0.0
... ... ... ... ... ... ... ...
2026-04-29 00:00:00-04:00 7131.609863 7145.629883 7107.859863 7135.950195 5123100000 0.0 0.0
2026-04-30 00:00:00-04:00 7161.750000 7219.830078 7126.149902 7209.009766 5723790000 0.0 0.0
2026-05-01 00:00:00-04:00 7234.540039 7272.520020 7229.319824 7230.120117 4847390000 0.0 0.0
2026-05-04 00:00:00-04:00 7228.379883 7244.540039 7174.120117 7200.750000 5215480000 0.0 0.0
2026-05-05 00:00:00-04:00 7233.620117 7273.259766 7233.620117 7259.220215 5279760000 0.0 0.0
Data una serie storica \(S(t)\) di prezzi, i relativi rendimenti nell'intervallo di tempo \(\Delta t\) sono \[R(t)=\frac{\Delta S(t-\Delta t)}{S(t-\Delta t)} = \frac{S(t)-S(t-\Delta t)}{S(t - \Delta t)} = \frac{S(t)}{S(t-\Delta t)}-1,\] Dal DataFrame df dello storico relativo a un asset, si possono ottenere applicando alla colonna df.Close il metodo .pt_change().
D'altra parte, poiché i prezzi sono strettamente positivi, è ragionevole rappresentarli come un'esponenziale \[S(t)=e^{\log S(t)}\] e, piuttosto che \(S(t),\) studiare \(\log S(t)\) le cui variazioni sono detti log-rendimenti dei prezzi \[ r(t)=\Delta \log S(t-\Delta t)=\log\frac{S(t)}{S(t-\Delta t)}=\log(1+R(t)),\] ottenibili con np.log(df.Close).diff() o anche np.log(df.Close/df.Close.shift()).
Considerando che per valori piccoli di \(x\) \[\log(1+x) = x - \frac{x^2}{2}+\frac{x^3}{3}-\dots\] possiamo dire che \[r(t)\approx R(t)-\frac{R^2(t)}{2}+O(R^3(t))\] I log-rendimenti, più che i rendimenti semplici, tendono a seguire una distribuzione normale \[r(t) ∼ N (\mu, σ^2 ), \quad t = 1, \dots, T,\] con valore atteso \(\mu,\) la tendenza o drift, e varianza \(σ^2\), un indice di dispersione rispetto al valore atteso.
import matplotlib.pyplot as plt import numpy as np log_returns = np.log(df.Close/df.Close.shift()) # Istogramma dei log-rendimenti reali log_returns.plot(kind='hist',bins=20, title='log-rendimenti', density=True) # Curva normale teorica μ, σ = log_returns.mean(), log_returns.std() x = np.linspace(log_returns.min(), log_returns.max(), 100) normal_pdf = np.exp(-(x - μ)**2 / (2 * σ**2)) / (σ * np.sqrt(2 * np.pi)) plt.plot(x, normal_pdf, label='Distribuzione Normale', color='r', linestyle='--') plt.legend()

Riferimenti sito/bibliografici