(In copertina: A380 e ATR42 a confronto – immagine creata con Google Gemini)
L’articolo, ricco di approfondimenti teorici e pratici, sarà presentato in due parti per offrire una trattazione completa e più facile da seguire. Nella prima parte, spiegheremo cos’è il fattore Beta e qual è l’anomalia che discosta il modello teorico dalle osservazioni del mercato. la metodologia per costruire un modello sul fattore Beta. Nella seconda parte, costruiremo un modello che utilizza il fattore Beta e lo applicheremo su due panieri di titoli azionari valutandone le sue potenzialità.
Metodologia
Per la nostra “prova su strada”, abbiamo scelto due diversi indici di investimento, scelti in modo da avere delle diverse caratteristiche sotto il profilo settoriale e geografico. Di questi due indici, abbiamo mantenuto una dimensione campionaria identica, garantendo così una coerenza metodologica e una corretta confrontabilità dei risultati.
- NASDAQ 100: Uno degli indici azionari più famosi al mondo, composto dalle 100 maggiori società non finanziarie quotate sul Nasdaq Stock Market. L’esclusione di società bancarie e finanziarie conferisce all’indice una forte connotazione alle nuove tecnologie, con i settori Tecnologico e Servizi di Comunicazione che da soli rappresentano circa i due terzi dell’indice. Una quota significativa è occupata dai Consumi Discrezionali (circa 13%), un settore con un comportamento simile al Tecnologico e ai Servizi di Comunicazione, contribuendo ad accentuare la sensibilità del Nasdaq 100 alle variazioni del ciclo economico.
- FTSE MIB + Mid Cap: nel panorama internazionale, il mercato azionario italiano si distingue per un peso preponderante del settore finanziario, una eredità storica del nostro paese che ha dato i natali al sistema bancario moderno, seguito dai settori Pubblica Utilità e dei Consumi Discrezionali. In questo caso, abbiamo creato un indice aggregato di 100 titoli, unendo le 40 società del FTSE MIB con le successive 60 società del FTSE Italia Mid Cap, in modo da renderlo omogeneo al Nasdaq 100.
Per entrambi i panieri, la nostra analisi si basa sulle serie storiche dei prezzi giornalieri, in un periodo che va da luglio 2016 a maggio 2026.
Per ciascuno dei due panieri, in modo completamente separato, abbiamo applicato la seguente procedura di backtest:
- Per ogni singola azione, calcoliamo il valore del Beta utilizzando una finestra mobile di 256 giorni di borsa, equivalenti a circa un anno solare di negoziazioni.
- All’inizio di ogni mese, le 100 sono ordinate per Beta crescente. Pertanto, in cima alla classifica troveremo quelle con il Beta minore, in fondi quelle con il Beta più alto.
- Sulla base di questa classifica, creiamo 10 portafogli, ciascuno composto da 10 società. Il primo portafoglio, che chiamiamo Gruppo 1, conterrà i 10 titoli con il Beta più basso, il secondo i successivi 10, e così via fino al decimo portafoglio.
In questo modo, ci troveremo con 10 gruppi di azioni che differiscono tra di loro per il valore di beta. Come abbiamo visto precedentemente, il valore Beta di una azione è dinamico e cambia nel tempo, perciò la composizione dei gruppi varia ogni mese. Lo scambio continuo di posizione all’interno dei gruppi è simile a quelli dei campionati di calcio: ad ogni inizio stagione (il nostro inizio mese), le squadre (le azioni) sono riassegnate alle diverse categorie (i nostri 10 gruppi) in base alla loro “performance” più recente, con promozioni e retrocessioni continue.
È importante sottolineare che la nostra analisi si basa sulle 200 società che compongono attualmente i due indici azionari, senza considerare quelle che sono uscite dagli indici nel corso degli anni. Questo approccio semplifica molto il lavoro di analisi, il paniere rimane sempre lo stesso, ma introduce un elemento di disturbo noto come “Survivorship Bias“ (o bias di sopravvivenza).
Il problema è che il nostro paniere include solo le aziende che sono “sopravvissute” e che hanno avuto successo nel corso degli anni, escludendo di fatto tutte quelle che sono uscite dagli indici. Poiché le società delistate solitamente sono quelle hanno perso molto valore o che, peggio, sono fallite, i risultati di una analisi dati che non considera queste società hanno una tendenza rialzista di fondo rispetto a un paniere storicamente accurato.
Pur tenendo conto di questo limite intrinseco dell’analisi, possiamo comunque valutare l’efficacia della nostra strategia fattoriale. Per farlo, ai 10 gruppi ordinati per Beta, affiancheremo un undicesimo portafoglio che conterrà tutte e 100 le società del paniere di riferimento, pesate in modo uguale.
Questo portafoglio funge da benchmark equipesato, permettendoci di capire se la selezione attiva basata sul Beta apporta un reale valore aggiunto rispetto a una semplice strategia passiva applicata allo stesso identico gruppo di titoli.
Nasdaq 100
Iniziamo a esplorare i risultati del nostro backtest partendo dalle società statunitensi del NASDAQ 100.
La tabella seguente riporta la composizione del Gruppo 1, il portafoglio che raccoglie i titoli con i Beta più bassi, alla fine di maggio 2026.
| Società | Settore | Beta |
| T‑Mobile US (TMUS) | Servizi di Comunicazione | -0.33 |
| Diamondback Energy (FANG) | Energia | -0.23 |
| Verisk Analytics (VRSK) | Industriale | -0.18 |
| PepsiCo (PEP) | Consumi di Base | -0.17 |
| Exelon (EXC) | Pubblica Utilità | -0.15 |
| Walmart (WMT) | Consumi di Base | -0.07 |
| Mondelez International (MDLZ) | Consumi di Base | -0.06 |
| Costco Wholesale (COST) | Consumi di Base | -0.05 |
| Kraft Heinz (KHC) | Consumi di Base | -0.04 |
| American Electric Power (AEP) | Pubblica Utilità | -0.04 |
Come previsto, emerge una netta predominanza dei settori Pubblica Utilità e Consumi Di Base, settori tipicamente difensivi. Queste aziende mostrano spesso bilanci solidi e flussi di cassa stabili, caratteristiche che contribuiscono a ridurre il loro Beta e la loro sensibilità ai cicli economici.
In contrapposizione, osserviamo la composizione del Gruppo 10, con i Beta maggiori:
| Società | Settore | Beta |
| ON Semiconductor (ON) | Tecnologico | 1.24 |
| MongoDB (MDB) | Tecnologico | 1.27 |
| Synopsys (SNPS) | Tecnologico | 1.41 |
| NVIDIA (NVDA) | Tecnologico | 1.48 |
| Palantir Technologies (PLTR) | Tecnologico | 1.51 |
| ASML Holding (ASML) | Tecnologico | 1.56 |
| Seagate Technology (STX) | Tecnologico | 1.64 |
| Tesla (TSLA) | Consumi Discrezionali | 1.64 |
| Monolithic Power Systems (MPWR) | Tecnologico | 1.65 |
| Broadcom (AVGO) | Tecnologico | 1.65 |
Qui ci troviamo nell’habitat naturale dei titoli tecnologici, con i protagonisti del mercato dei chip come ASML e Synopsys, affiancati da nomi noti per la loro elevata crescita e volatilità come Nvidia e Tesla. I valori di Beta, tutti ampiamente superiori a 1, confermano un’altissima reattività ai movimenti di un indice già di per sé volatile come il NASDAQ 100.
Questi due estremi dimostrano come il Beta sia un efficace criterio di ordinamento, mettendo da un lato le società più stabili e dall’altro i campioni della volatilità. Il nostro gigante dei cieli, l’Airbus A380, sarebbe fisso nel Gruppo 1, mentre il reattivo ATR 42 sarebbe perfettamente a suo agio nel Gruppo 10!
La figura seguente riassume i risultati, posizionando i 10 portafogli, più il benchmark equipesato, sul piano Beta-Rendimento.
Qui troviamo una discrepanza tra la teoria del CAMP e quanto osservato nella realtà dei mercati:
- l’intercetta della retta di regressione (cioè il punto di intersezione tra la retta di regressione e l’asse verticale) si attesta poco sotto il 12%, un valore molto alto che per la teoria del CAPM dovrebbe coincidere con il tasso privo di rischio. Un rendimento del 12% per un portafoglio privo di rischio è una chiara anomalia e suggerisce che le società più stabili dell’indice Nasdaq 100 sono in grado di fornire più valore di quanto previsto dal CAPM.
- Una conseguenza di una intercetta molto alta, è che la pendenza della retta di regressione è molto bassa. Questo significa che quando gli investitori si espongono a una maggiore volatilità, come nel caso dei Gruppi 8, 9 e 10, non ottengono un extra-rendimento proporzionato al rischio che si assumono.
Una retta di regressione alta e inclinata evidenzia i limiti del CAPM e dimostra come i portafogli a basso Beta, come il Gruppo 1, offra rendimenti interessanti per il livello di rischio.
A riprova di quanto affermato, la figura seguente mostra il rapporto tra rendimento e deviazione standard per i gruppi dal 2 al 10 (gli estremi sono stati volutamente rimossi per evidenziare meglio questa caratteristica): al crescere del Beta, il rendimento a parità di rischio scende.
FTSE MIB + Mid Cap
Dopo le società quotate al Nasdaq, torniamo al di qua dell’Atlantico e prendiamo in mano il paniere delle principali società italiane. Anche in questo caso valgono le stesse considerazioni viste in precedenza, con il confronto del Gruppo 1 e del Gruppo 10 così come composti a fine maggio 2026.
La tabella seguente riporta la composizione del Gruppo 1 (bassi valori di Beta).
| Società | Settore | Beta |
| ENI (ENI) | Energia | -0.19 |
| Garofalo Health Care | Assistenza Sanitaria | -0.03 |
| Pharmanutra (PHN) | Assistenza Sanitaria | -0.00 |
| Snam Rete Gas (SRG) | Pubblica Utilità | 0.12 |
| RayWay (RWAY) | Telecomunicazioni | 0.14 |
| Terna (TRN) | Pubblica Utilità | 0.18 |
| D’Amico International Shipping (DIS) | Industria | 0.20 |
| Tinexta (TNXT) | Industria | 0.21 |
| BFF Bank (BFF) | Finanza | 0.23 |
| Ferretti (YACHT) | Consumi Discrezionali | 0.23 |
Come per il mercato USA, prevale una forte presenza del settore Pubblica Utilità, accompagnato in questo caso dal settore Assistenza Sanitaria. Entrambi i settori sono classicamente difensivi e garantiscono al Gruppo 1 una notevole stabilità lungo l’alternanza dei cicli economici.
Dall’altra parte troviamo invece il Gruppo 10 (alti valori di Beta). A differenza di quanto visto con il NASDAQ 100, qui troviamo i nomi dei grandi istituti finanziari e industriali italiani, altamente sensibili al ciclo economico.
| Società | Settore | Beta |
| FinecoBank (FBK) | Finanza | 1.08 |
| Technoprobe (TPRO) | Tecnologico | 1.12 |
| Banca di Desio e della Brianza (BDB) | Finanza | 1.13 |
| STMicroelectronics (STM) | Tecnologico | 1.15 |
| Webuild (WBD) | Industria | 1.18 |
| Banco BPM (BAMI) | Finanza | 1.19 |
| Ariston Holding (ARIS) | Industria | 1.19 |
| Maire Tecnimont (MAIRE) | Industria | 1.19 |
| Mediobanca (MB) | Finanza | 1.21 |
| Buzzi (BZU) | Materiali | 1.23 |
Questo portafoglio comprende alcuni grandi player dell’economia italiana. La loro appartenenza al comparto bancario e industriale, settori con una elevata reattività ai movimenti del mercato, spiegano i valori elevati di Beta. Se il nostro ATR 42 dovesse scegliere dove atterrare, questo sarebbe il suo aeroporto preferito!
La figura più interessante che abbiamo è quella del piano Beta-Rendimento, dove troviamo i 10 portafogli più il benchmark equipesato.
L’immagine è dirompente e mostra l’anomalia “Low-Beta” ancora più marcata rispetto a quella vista sul mercato americano:
- L’intercetta della retta di regressione si posiziona vicino al 18%, un valore eccezionale che, secondo la teoria, dovrebbe rappresentare il rendimento privo di rischio.
- La pendenza della retta di regressione è nettamente negativa. Questo risultato smentisce l’assunto centrale del CAPM: sul mercato italiano, nel periodo analizzato, un maggior rischio sistematico non solo non ha pagato un premio, ma è stato addirittura penalizzato con un minor rendimento.
I rendimenti più elevati, che si concentrano in corrispondenza dei valori di Beta più bassi, sono in netta contrapposizione con la teoria classica del CAPM e sposano pienamente la tesi dell’anomalia “Low-Beta”.
L’anomalia è evidente anche se osserviamo il rapporto tra rendimento e rischio totale (misurato in questo caso come deviazione standard). La figura 8 mostra come i gruppi a basso Beta sono quelli con le barre di altezza maggiore, a significare alto rendimento e basso rischio. Al contrario, i gruppi ad alto Beta sono più in basso, offrendo bassi rendimenti a fronte di un’alta volatilità.
Valutazioni Finali
Uno degli obiettivi centrali della finanza accademica è definire modelli matematici che descrivano con la maggior accuratezza possibile le dinamiche dei mercati. Questi modelli, pur con tutte le loro semplificazioni, forniscono una cornice essenziale per interpretare il comportamento dei mercati e comprendere le forze che li governano. Il Capital Asset Pricing Model (CAPM) ne è l’esempio perfetto: la sua equazione, la Security Market Line (SML), riduce la complessa relazione tra rischio e rendimento a una formula lineare.
Quindi, non deve sorprende che un modello così semplice si scontri con una realtà molto più caotica. L’anomalia Low-Beta, che la nostra analisi ha evidenziato in modo così netto, è proprio uno di quei casi in cui il mercato disattende la teoria.
Questi modelli, però, con la loro capacità di schematizzare, offrono ottimi spunti di riflessione. I discostamenti dalla teoria del CAPM che abbiamo osservato, ci danno delle opportunità di valutazione, in particolare sulle dinamiche specifiche dei settori:
- Il settore tecnologico, dominante nel NASDAQ 100, è caratterizzato da alta volatilità ma anche da una straordinaria capacità di generare profitti e crescita. Questo potenziale spinge gli investitori a prezzare queste azioni verso l’alto, spiegando perché la nostra retta di regressione sul mercato USA mantenga una pendenza positiva, seppur con una intercetta molto alta.
- Anche le società finanziarie, centrali nel FTSE MIB, sono contraddistinte da un Beta elevato, essendo molto sensibili ai cicli economici. Tuttavia, operano in un settore maturo e con minori prospettive di crescita rispetto ai titoli tecnologici. L’alto rischio, quindi, non viene ricompensato da rendimenti altrettanto elevati. Questo “squilibrio” spiega perché tali titoli si posizionino nella parte in basso a destra del grafico Beta-Rendimento, trascinando l’intera pendenza della retta di regressione in territorio negativo.
- Le società dei settori Pubblica Utilità, Consumi di Base e Assistenza Sanitaria hanno beneficiato enormemente della loro natura difensiva in un periodo storico segnato da forti shock come la pandemia COVID e l’impennata inflazionistica del 2022. La loro resilienza ha attratto capitali, spingendone i rendimenti verso l’alto. Ciò spiega l’altissima intercetta della nostra SML empirica: un rendimento elevato a fronte di un rischio sistematico molto basso.
- Le anomalie tendono a essere più accentuate in mercati meno ampi, liquidi e diversificati. Il listino italiano, con la sua forte concentrazione sul settore finanziario e di dimensioni ridotte, è un terreno fertile per le anomalie come il Low-Beta. Al contrario, il NASDAQ 100 rappresenta un mercato più grande ed efficiente, dove le anomalie, sebbene presenti, sono meno accentuate.
Quando organizzerete il vostro prossimo viaggio, cosa sceglierete per affrontare i cieli tra un gigante come l’Airbus A380 o l’agile turboelica ATR 42? Sono sicuro che sceglierete i portafogli Low-Beta, così da garantirvi un viaggio non solo più sereno e confortevole, ma che vi porta anche verso mete redditizie.
Buon Investing e atterraggi felici!
Se hai domande o curiosità da chiedermi, non esitare a scrivermi nel modulo qui in basso, oppure mi trovi su Facebook e su LinkedIn. Se vuoi rimanere sempre aggiornato e non perderti nessun articolo appena esce, iscriviti alla newsletter compilando il seguente modulo:
Se apprezzi i miei articoli e il progetto MP Investit, puoi sostenermi con un contributo libero tramite PayPal. Questo mi motiva e mi incentiva a produrre contenuti sempre migliori. Grazie!
