Translate

lunedì 31 ottobre 2016

TRADING ALGORITMICO ED ELETTRONICO PT.5 – ALGORITMI “IMPACT-DRIVEN”- IL VWAP

Per la quarta parte, clicca qui.
Quanto detto nel post precedente parte dall' assunto che il volume (attuale), registrato nella giornata operativa di riferimento, si atteggerà in maniera non difforme dal dato storico. Si tratta di un assunto sostenibile solo con riguardo agli assets più liquidi.
Immaginiamo di dover comprare 1.000 azioni della società X. Immaginiamo di legare l'esecuzione ai soli volumi storici escludendo, quindi, tanto i prezzi quanto i volumi attuali (reali).
Ipotizziamo che il profilo storico del giorno gg/mm/aaaa, dalle ore 10:10-10:20, mostri un volume medio pari a 2.000 azioni, rispetto ad un totale giornaliero medio di 100.000 azioni. Questi semplici dati ci dicono che, storicamente, in quel giorno, in quella fascia oraria, è stato scambiato -in media- il 2% del totale. Quante azioni vorremmo noi comprare nel corso della giornata? 2.000. In corrispondenza dell'orario di cui sopra, quale porzione di ordine (di size complessiva pari a 2.000 azioni) verrà mandata in esecuzione facendo uso del VWAP ? Il 2%, pari a 40 azioni. Questa operazione si ripeterà identica a se stessa nel corso della giornata, per tutti i timeframes scelti (in questo caso 10 minuti, ma possono avere estensione maggiore o anche minore purché, in entrambe le ipotesi, mantenuti costanti), sino al raggiungimento del 100% di volume giornaliero e dunque, poiché alla versione storica di questo leghiamo l'esecuzione del nostro ordine, del 100% del nostro ordine.
La bontà di questo tipo di esecuzione dipende anche dalla qualità dei dati storici a disposizione, circostanza questa che, in mercati molto frammentati come quelli attuali, potrebbe portare non tanto a problemi tecnici quanto a costi aggiuntivi dovuti all'acquisto di data feeds multipli. Ovviamente, qualora il volume reale giornaliero dovesse -per una qualsiasi ragione- discostarsi in maniera importante dalla media storica, la qualità dell'esecuzione ne risentirebbe fortemente.
Immagine tratta da newevolutiondesigns.com
E' altresì possibile guardare al VWAP raggruppando i volumi di mercato registrati nei timeframes scelti nel corso della giornata, in relazione ai rispettivi prezzi ponderati sugli stessi volumi (vedi parte II).
Il VWAP sarà = al rapporto tra il Valore Totale (a sua volta pari alla somma dei risultati ottenuti moltiplicando i prezzi medi di ogni singolo timeframes per i rispettivi volumi) ed il Volume Totale di giornata. Al posto dei volumi e dei prezzi reali è possibile far uso di quelli storici al fine di calcolare -ex ante-il VWAP target dell'esecuzione da realizzare in giornata. Per capire meglio quanto detto, immaginiamo che nel timeframe prescelto siano state scambiati 300 azioni, 200 delle quali a € 3,00 e 100 a 3,30 ( lo sbalzo di prezzo è inverosimile ma è semplicemente strumentale all'esempio). 200x3= 600; 100x3,30= 330. 600+330=930/300=3,10 (prezzo medio del timeframe considerato a fronte di un volume di 300). Si prosegue così per ogni timeframe. Il Valore Totale è dunque pari alla somma dei valori ottenuti moltiplicando i prezzi calcolati come sopra calcolati per i relativi volumi, per ogni singolo timeframe. Il Volume totale è pari alla somma del volume di ogni singolo timframe. 
Essendo l'esecuzione ancorata ai profili storici del volume, condizioni attuali e reali di liquidità/volumi profondamente differenti rispetto ai primi possono pregiudicarne la qualità ,ragion per cui spesso vengono creati ed introdotti parametri volti a valutare l'esattezza o meno del tracking del VWAP come descritto nella parte IV oppure volti ad introdurre uno Start/End time più ristretto rispetto all'intera giornata operativa oppure, nel caso in cui ci si aspetti che il prezzo mantenga un trend (rialzista o ribassista) costante nel corso dell'intera giornata, volto a concentrare l'esecuzione alla sola apertura/chiusura.
Post scritto ascoltando 

domenica 30 ottobre 2016

TRADING ALGORITMICO ED ELETTRONICO PT.4 – ALGORITMI “IMPACT-DRIVEN”- IL VWAP

Per la prima parte, clicca qui.
Per la seconda parte, clicca qui.
Per la terza parte, clicca qui.
Prima di proseguire nella lettura di questo post è consigliabile rileggere la II parte.

"Gears of Time" by Donna Mae Dingding
La semplice operazione matematica descritta qui, dati n trades eseguiti in un dato giorno di mercato, ciascuno dei quali con uno specifico prezzo pn” ed una size (dimensione) vn”, può essere riproposta nei seguenti termini:

Coloro i quali decidessero di incorporare questa semplice formuletta nel proprio algo, non farebbe altro che ancorare l'esecuzione dei propri trades ai volumi registrati in un dato giorno. C'è però un problema: i dati relativi ai volumi scambiati sono conoscibili solo ex-post e non ex-ante. Come si può ovviare a questo inconveniente? Usando le serie storiche dei volumi (Historical Volume Profiles) rappresentanti le medie storiche dei volumi negoziati con riguardo a porzioni temporali fisse (e discrezionali) nelle quali si decide di suddividere la giornata.
Scomponendo la giornata di riferimento in tanti timeframes minori f, il VWAP giornaliero potrebbe essere espresso come segue: 
è la percentuale di volume negoziata al tempo “f".

è il prezzo medio registrato in ogni frame. 


Secondo Kissel e Glantz una programmazione operativa ottimale orientata dal VWAP potrebbe basarsi su tale percentuale. 
In altri termini, la “target size” degli ordini
per ciascuno dei timeframes "f" nei quali è stata scomposta (discrezionalmente) la giornata, risulterebbe pari a 

con X pari alla dimensione totale dell'ordine. 

venerdì 28 ottobre 2016

TRADING ALGORITMICO ED ELETTRONICO PT.3 – ALGORITMI “IMPACT-DRIVEN”- IL TWAP

Per la prima parte, clicca qui.
Per la seconda parte, clicca qui.
Oggi parliamo di algoritmi impact-driven (ID). Questa serie di posts credo (o meglio spero) possa rivelarsi utile sia al fine di acquisire alcuni elementi necessari a comprendere, più nel dettaglio, la dinamica dei flash crashes/ramps, sia al fine di capire come gli istituzionali eseguano gli ordini sul mercato. Sareste infatti vittime di un errore concettuale qualora pensaste che gli operatori istituzionali si dedichino all' immissione manuale degli ordini.
Gli algos ID, originariamente, comprendevano strategie orientate alla sola suddivisione degli ordini maggiori (parent) in tanti ordini minori (child), al fine di ridurre l'impatto dell' operazione (di acquisto o di vendita) sul prezzo dell' asset e dunque minimizzare i cosiddetti market impact costs. Più precisamente, comprendevano due diverse tipologie di algos basati su prezzi medi: il TWAP ed il VWAP (le cui caratteristiche essenziali sono meglio descritte ai links di cui sopra). Si trattava di algoritmi ad approccio statico nel senso che, pur essendo nati con lo scopo di contenere i costi da impatto sul prezzo, restavano fortemente ancorati alle traiettorie statistiche elaborate con riguardo ai rispettivi benchmarks, denotando una certa indifferenza rispetto alle mutevoli condizioni di mercato; l'obiettivo restava quello di giungere all'esecuzione dell'ordine nell'arco temporale prestabilito o nel rispetto dei parametri volumetrici in caso di VWAP
Negli anni, sono stati adottati sistemi più opportunistici come il POV (Percentage-of- Volume) che tracciano i volumi realmente presenti sui mercati non risultando vincolati dai meri criteri statistici preimpostati, per poi giungere ad approcci “stealthy” in grado di garantire impatti sui prezzi prossimi allo zero.
Di seguito introdurremo i concetti base del TWAP
Il TWAP é:
  • un benchmark;
  • un prezzo medio riflettente la variazione del prezzo di mercato dell'asset nel tempo;
  • un benchmark rigidamente ancorato alla predefinita programmazione temporale dell'utente;
  • non è influenzato dai prezzi e dai volumi di mercato.
Immaginiamo di voler comprare 6.000 azioni e di aver istruito l'algoritmo per comprare 500 ogni 30 minuti a prescindere da quello che accade sul mercato in termini di prezzi e volumi.
Si tratta di un modo di operare:
  • uniforme;
  • prevedibile.
Uniformità e prevedibilità comportano due rischi:
  • rischio di “segnalazione” (ne abbiamo già parlato in relazione al pining eseguito nell'ambito della caccia agli operatori “balena”); gli altri algos attivi sul mercato possono inferire le nostre intenzioni agendo in front running;
  • rischio di una qualità di esecuzione piuttosto bassa. Infatti, nel caso in cui l'esecuzione dovesse risultare funzione del solo fattore temporale, ignorando le condizioni di liquidità del mercato ed i movimenti dei prezzi nel frattempo intervenuti, potrebbe risultare non del tutto ottimale.
Come potremmo correggere, seppur parzialmente, questi difetti? Introducendo un fattore di randomizzazione o anche due. Ad esempio, posto che in base al nostro esempio in un' ora dovrebbe essere completata l'esecuzione del 16,66% dell' ordine (500 azioni ogni 30 minuti= 500x2=1.000 azioni ogni ora= 16,66% di 6.000 azioni totali) potremmo randomizzare (comprando quindi un numero maggiore o minore di azioni rispetto alla quantità standard di 500) la quantità di azioni, facendo sì che l'algoritmo verifichi, di volta in volta, di quanto il processo di completamento dell' esecuzione sia avanti o indietro rispetto al “ritmo” di 500 azioni ogni mezz'ora. In alternativa, si potrebbe variare la frequenza degli acquisti (rendendola, fatto salvo il limite massimo, casuale) oppure entrambe le cose.
Una minore randomizzazione garantisce un maggior rispetto del criterio temporale (cioè di conclusione delle operazioni di acquisto/vendita entro il limite di tempo prestabilito). Tuttavia, è possibile non rinunciare ai benefici di una randomizzazione maggiore ed al soddisfacimento della necessità di concludere le operazioni entro un certo arco di tempo agendo sulla leva dell' “aggressività”. Ciò vuol dire che la size degli ordini (o la frequenza) aumenterà qualora il tasso di completamento dovesse attestarsi al di sotto del 16,66%/ora (criterio predefinito dal trader); viceversa, diminuirà. L'aggressività riduce il timing risk ma può, a parità di altre condizioni, innalzare il costo da impatto; una maggiore passività produrrebbe l'effetto opposto.
Post scritto ascoltando

giovedì 27 ottobre 2016

L' HARD LANDING DELLO SHADOW BANKING CINESE E' QUESTIONE DI “QUANDO” NON DI “SE” PT.5

Per la quarta parte, clicca qui.
Sui recentissimi interventi della PBOC asseritamente volti a porre sotto controllo i WMPs clicca qui e qui.
In questo post, prima di addentrarci in tematiche più complesse come l'analisi quantitativa degli stretti legami intercorrenti tra shadow banking/real estate e real estate/settori vari dell'economia cinese, vorrei mettere insieme alcuni dei concetti chiave affrontanti nei contributi precedenti.
  • Nessuno sa, con precisione, quanto pesi -in termini di PIL- lo shadow banking: per alcuni il 14%; per altri il 70%-80%.
  • La rete di relazioni finanziarie intercorrenti tra SB, sistema bancario formale ed aziende è particolarmente esposta ad un eventuale rallentamento della crescita nonché ad un aggiustamento dei prezzi del settore immobiliare.
  • Secondo alcuni studiosi/operatori di mercato (tra i quali Davide Serra), allo stato attuale, è improbabile che i rischi dello SB possano tradursi in una crisi sistemica globale stile Lehman; altri studiosi/operatori di mercato (tra i quali Mohamed El-Erian) hanno invece una visione prospettica speculare. Tutti, però, concordano circa il fatto che l'innesco di un default cycle locale potrebbe incrinare la fiducia nutrita dagli investitori stranieri nei confronti del sistema economico cinese.
  • Obiettivo n.1 dichiarato (e per ora solo dichiarato) delle autorità cinesi è tentare di evitare un ulteriore incremento dei NPLs nel settore dello SB.
  • Le autorità vorrebbero ridurre la portata dei maturity e debt-equity mismatches.
  • Il settore finanziario formale fornisce soprattutto prestiti di breve termine mentre il settore immobiliare e delle costruzioni in genere richiede risorse di lungo termine, specialmente sotto forma di capitali (e non di finanziamenti) al fine di ridurre i rischi connessi ad una leva finanziaria particolarmente alta.
  • Le autorità vorrebbe innalzare il livello della trasparenza, ridurre il moral hazard, ripartire i rischi tra settore bancario formale e SB.
  • Diversi esperti hanno evidenziato la necessità di una più rapida implementazione della Legal Entity Identifier Initiative (LEI), del meccanismo di risoluzione delle crisi bancarie, dello schema di assicurazione sui depositi annunciato nel 2014.
  • Lo SB impacchetta e vende WMPs ai risparmiatori in cerca di rendimenti > dei tassi di interesse ufficiali. Al contempo, le shadow entities (SE) soddisfano la domanda di credito a tassi > di quelli ufficiali.
    Approfondiamo ora alcuni aspetti dello SB.
  • Lo SB non supporta solo l'economia reale ma anche la finanza speculativa ad esempio offrendo -tramite le piattaforme di P2P lending- leva finanziaria da impiegare sull' A-share market, il quale vede ampliare le proprie vulnerabilità.
  • La Cina è creditore netto rispetto al resto del mondo e pochi investitori stranieri detengono assets del settore della finanza ombra. Tuttavia, l'insorgenza di nuovi problemi tende ad indebolire la fiducia degli operatori esteri che detengono obbligazioni e titoli cinesi.
  • Secondo le stime elaborate dal Fung Global Institute (FGI), il quale ha ipotizzato stress di differenti intensità interessanti l'economia cinese, i NPLs ratios dello SB sono risultati pari: al 4,4% in caso di Optmistic Scenario; al 10% in caso di Base Scenario; al 16,1% in caso di Pessimistic Scenario; al 23,9% in caso di Disaster Scenario.
  • Il Fung Global Institute (FGI) scompone lo SB in 3 differenti livelli di rischio a seconda dell' esistente grado di connessione con il sistema bancario formale. Ritiene inoltre che, una quota di NPLs dello SB, pari al 20%-50% del totale, potrebbe dover essere trasferita al settore bancario formale in caso di shock o collasso interessante la finanza ombra.
  • L' asset quality review dei crediti del settore bancario (tradizionale+ombra) evidenzia: la possibilità di raggruppare i debitori in quattro grandi categorie (SOEs, SMEs, Real Estate e LGVFs); la necessità di approfondire natura e portata del maturity mismatch, avendo la Cina finanziato investimenti di lungo termine facendo uso di finanziamenti di breve; la necessità di approfondire natura e portata del debt/equity mismatch dato che molti investimenti sono stati finanziati facendo ricorso all' indebitamento anziché al capitale di rischio.
  • Poiché il mercato azionario è largamente accessibile soltanto alle SOEs ed alle aziende di più grande dimensione, sussiste una carenza di capitale nel segmento delle SMEs il quale vede preclusa la possibilità di finanziarsi presso il settore bancario formale. Ne consegue che lo SB rappresenta -per SMEs e LGVFs- l'unica possibilità di finanziare i propri investimenti seppur ad un costo più alto, con rischi non sempre chiari e con implicazioni concernenti il moral hazard.
  • Al fine di ridurre i rischi dello SB e del settore bancario è importante non solo prezzare i rischi correttamente, ma anche ridurre la leva dei debitori in modo da migliorarne la capacità di assorbimento dei rischi. Una delle soluzioni proposte postula un approccio olistico teso a conoscere e valutare il modo in cui banche e SB interagiscano nel finanziare l'economia reale.
Seguono ulteriori osservazioni nei prossimi posts. 

lunedì 24 ottobre 2016

L' HARD LANDING DELLO SHADOW BANKING CINESE E' QUESTIONE DI “QUANDO” NON DI “SE” PT.4

Per la terza parte, clicca qui.
Un altro settore che ha goduto e gode tuttora di lauti finanziamenti provenienti dallo Shadow Banking (SB) è quello dei Local Government Funding Vehicles (LGFVs).

  • I LGFVs sono costituiti dagli enti locali al fine di colmare gaps finanziari.
  • Le autonomie locali da un lato sono responsabili di una quota considerevole di spesa pubblica; dall'altro, però, non hanno la possibilità di accedere al gettito derivante dalle imposte più rilevanti e solo poche tra esse -ovvero quelle deputate a governare porzioni di territorio più densamente popolate- godono dell'autorizzazione governativa ad emettere -nell' ambito di più ampi pilot programs- bonds comunali. 
  • Quindi, al fine di colmare il fabbisogno finanziario, gli enti territoriali costituiscono LGFVs deputati a ricevere i prestiti loro accordati dalle banche e dalle shadow entities. Si stima che, nei soli primi 6 mesi del 2014, i LGFVs abbiano ricevuto somme pari a circa 1.7 trilioni di dollari.
  • Consideriamo inoltre che, secondo i dati elaborati dalle autorità internazionali, il debito pubblico sarebbe pari al 55% del debito totale mentre il debito pubblico delle amministrazioni periferiche rappresenterebbe il 51% del debito pubblico totale.
  • Come collaterale, i governi locali usano i valori commerciali (attualmente in piena bolla) di intere porzioni di territorio. In tal senso, ritorniamo al punto di partenza, vale a dire al real estate. Quando il settore immobiliare correggerà, gli enti locali dovranno fornire ulteriori garanzie collaterali, pena l'adempimento anticipato di molti debiti.
  • I governi periferici hanno investito ed investono prevalentemente in infrastrutture: ferrovie, autostrade, case popolari. Si tratta di progetti ad alto impatto sociale, politicamente orientati, difficilmente sostenibili da un punto di vista economico e i cui cash flows potranno divenire positivi solo tra qualche anno o, in alcuni casi, semplicemente mai. Uno dei casi più famosi è quello della “ghost cities”, alcune delle quali di proprietà pubbliche ed altre private. Approfondiremo meglio il tema nei posts futuri perché non è detto che tutte le città fantasma di oggi continueranno a rimanere tali anche nei prossimi anni.
  • Gli enti locali, allo stato attuale, sembrano incapaci di rimborsare totalmente i debiti contratti. Si consideri, tra le altre cose, che: tra il 2004-2007 per ogni 1,01 yuan di debito contratto veniva generato 1 yuan di PIL; nel 2015, la credit intesity risultava essere cresciuta considerevolmente nel senso che ad ogni 1,8 yuan di nuovo debito è corrisposta la generazione di 1 solo yuan di PIL (Fondo Monetario Internazionale 2015).
  • Secondo il FMI (2015) gran parte del credito è stato impiegato in settori/progetti a scarso impatto economico nonché per ripagare gli interessi debitori pregressi. Non si tratta di una stranezza: lo SB è artefice della forte crescita dell'indebitamento; lo SB applica interessi mediamente più alti rispetto a quelli bancari; la spesa per interessi è cresciuta del 27,8% tra il 2007 ed il 2012 (livello più alto tra i mercati emergenti).
  • Secondo la BIS (2015) il debt service ratio del settore privato non finanziario è passato dal 13% del 2008 al 20%  del 2015 (più sale peggio è); contemporaneamente, la profittabilità è diminuita e le aziende hanno dovuto indebitarsi per adempiere le obbligazioni giunte a scadenza. In altri termini, alcune aziende hanno contratto debiti per pagare debiti senza contribuire -in maniera sensibile- alla crescita dell'economia reale. 

sabato 22 ottobre 2016

L' HARD LANDING DELLO SHADOW BANKING CINESE E' QUESTIONE DI “QUANDO” NON DI “SE” PT.3

Per la seconda parte, clicca qui.
Il gestore/fondatore di Algebris dott. Davide Serra ritiene, al contrario di Mohamed El-Erian, che la Cina -in futuro- non avrà grossi problemi finanziari e che i numeri cinesi -in termini di PIL- siano affidabili. Clicca qui per vedere il video di Bloomberg.
***
Il fenomeno dello shadow banking, apprezzato facendo uso del filtro del debt-to-GDP ratio, appare sfocato, sfuggente, nonché abbastanza preoccupante, per due ragioni:
  • nessuno sa di preciso a quanto ammonti detto rapporto;
  • nessuno sa di preciso a quanto ammonti detto rapporto anche perché è dubbia l'attendibilità dei dati ufficiali concernenti il PIL (ne parleremo in maniera più approfondita nei prossimi posts).
Se consultassimo i dati elaborati da 4-5 istituzioni diverse non riusciremmo a trovare uniformità di vedute.
 (Maggio 2016).

A giugno, Goldman Sachs ha prodotto una stima per il 2016 ed alcune proiezioni per gli anni a venire.

Tuttavia, in questa serie di posts daremo per buone le valutazioni fatte dalle principali istituzioni finanziarie internazionali, secondo le quali il livello del rapporto Indebitamento/PIL sarebbe pari al 300%.

Oltre ad aver contribuito ad accrescere la dimensione dei rischi istituzionali, lo shadow banking (SB) cinese ha alimentato un'espansione creditizia connotata da un forte deterioramento della qualità e che si pone alla base dell'innalzamento dei rischi sistemici.
Quindi: da un lato abbiamo un aumento del credito erogato e dall' altro una riduzione della sua qualità. Secondo Moody's, a metà 2016,  lo SB aveva un peso pari a circa il 78% del PIL.Come detto, nessuno sa con certezza se sia vero o meno, quindi nessuno conosce a fondo la dimensione del rischio il che rappresenta di per sé un rischio. 
In base ai dati raccolti da Yan Liang, l'ammontare dei nuovi crediti bancari erogati tra il 2007 al 2014 ha subito una forte decelerazione a fronte di un aumento esponenziale di quelli erogati dalle shadow entities.
Sempre secondo Yan Liang, il contesto operativo che ha fruito maggiormente dei nuovi flussi creditizi, risultando di conseguenza il più indebitato, è quello delle aziende non finanziarie. Il Debt-to-GDP ratio del settore è passato, negli ultimi 7 anni, dal 72% al 125%; la profittabilità, invece, ha iniziato a declinare. Il numero di aziende quotate ed in perdita -rispetto al totale- è passato dal 5,5% del 2007 all'attuale 17,3%: il return on assets mediano settoriale è passato dal 6,5% del 2007 al 2,4% del 2013; il debt-to-EBITDA ratio è passato dal 2,1% del 2008 al 3,2% del 2012.
Nel 2014, 11 trilioni di Yuan di nuovi crediti -erogati dai soli trusts- sono fluiti nel settore del real estate; 23 trilioni di yuan di nuovi crediti -erogati dai soli trusts- hanno alimentato quello delle infrastrutture. Il 50% dei crediti erogati al settore delle costruzioni (real estate+infrastrutture) proviene dallo SB. Tuttavia, il FMI ci sa sapere che, a metà 2014, i cash flows generati dalle operazioni ordinarie del settore immobiliare risultavano essere negativi per 103 miliardi di yuan (pari a 16 miliardi di dollari) mentre il flusso creditizio destinato al medesimo settore risultava essere pari a 116 miliardi di yuan (pari a 18 miliardi di dollari). Questo significa? Significa che il settore del real estate non era in grado di rimborsare i debiti in scadenza tramite il normale flusso reddituale (che era appunto negativo) necessitando, per sopravvivere, di nuovi e continui flussi di credito. Questo è l'esempio plastico del più tipico dei Ponzi Schemes.

mercoledì 19 ottobre 2016

L' HARD LANDING DELLO SHADOW BANKING CINESE E' QUESTIONE DI “QUANDO” NON DI “SE” PT.2

Per la prima parte, clicca qui.

Non diversamente dalle banche, le entità popolanti l'universo dello Shadow Banking (SB) effettuano una trasformazione della liquidità, del credito e delle scadenze, in un ambiente operativo poco e male regolamentato. A quanto sin qui detto, bisogna aggiungere quanto segue:
  • gli operatori collocabili nell'ambito dello SB sono costretti a competere aspramente con le banche controllate dallo stato;
  • la condizione di cui al punto precedente, li spinge a rischiare di più orientandoli verso la ricerca di più alti rendimenti pur non potendo -ufficialmente- contare su backstops pubblici;
  • la mancanza di backstops pubblici riduce la loro capacità di far fronte ai maggiori rischi che tendono ad assumere;
  • i soli trusts, attori principali dello SB, vantano AUM pari a 14 trilioni di yuan a fronte di un obbligo regolamentare riguardante il capitale netto pari a 300 milioni di yuan, circostanza questa che contribuisce ad alimentare un leverage ratio pari a 40con riguardo ai primi -per dimensione- 10 trusts;
  • la condizione di cui al punto precedente fa sì che una riduzione del valore degli assets anche pari al solo 3% circa potrebbe essere sufficiente ad aprire voragini in termini di capitalizzazione;
  • i trusts sono fortemente opachi nel senso che, tranne quelli quotati, gli altri sono restii a rendere pubblici i dati inerenti al capitale netto ed ai ricavi;
  • i trusts tendono ad elargire credito a favore di operatori (del settore manifatturiero, minerario, immobiliare) che non possono accedervi o ex lege o perché già giudicati non bancabili;
  • i trusts intermediano entrusted loans;
  • i trusts comprano crediti dalle banche al fine di cartolizzarli (o già cartolarizzati) ed impacchettarli in WMPs;
  • in base alle stime elaborate da Yao, Hu, Liang, il 70% dei finanziamenti ricevuti dai trusts (al 2015) proviene dalle banche, circostanza questa che tende ad amplificare la dimensione dei rischi sistemici.
Passiamo ai WMPs che tanto piacciono a banche e famiglie.

  • Si tratta di prodotti particolarmente rischiosi, derivanti da processi di cartolarizzazione condotti sia dalle banche propriamente dette sia dagli operatori della finanza ombra, all' interno dei quali possiamo trovare: crediti, assets delle banche, assets dei trusts (e delle shadow entities in genere). Valgono il 18%-20% del PIL.
  • Gli assets più presenti (pari al 40-50% del totale) nei WMPs sono prestiti; più precisamente si tratta di crediti  giudicati particolarmente rischiosi da parte delle banche e posti off balance sheet al fine di evitare un elevato assorbimento di capitale.
  • I prestiti bancari cartolarizzati e venduti ai trusts (ed alle varie entità dello SB) hanno un elevato tasso di concentrazione settoriale, il che li rende intrinsecamente più rischiosi. Consideriamo inoltre che: il tranching non è eseguito avendo particolare riguardo del rischio di credito; manca un sistema di rating; manca un mercato secondario sul quale negoziare i WMPs.
  • La mancanza di un mercato secondario incrementa il rischio di liquidità dei WMPs.
  • Il maturity mismatch dei WMPs sta allargandosi a vista d'occhio. Nel 2007, solo una quota < del 10% dei WMPs aveva una scadenza < 90 giorni ed oltre il 50% aveva una scadenza ≥ ad 1 anno. Oggi, una quota > 40% presenta una scadenza < 90 giorni e meno del 20% ha una scadenza ≥ ad 1 anno. I fondi raccolti tramite la vendita di WMPs sono spesso investiti in progetti imprenditoriali a lungo termine, come quelli immobiliari.
  • Le banche ed i trusts, nel vendere i WMPs, fanno largo uso delle pratiche note col nome di pooling ed ever-greening (quest' ultima volgarizzabile in “Ponzi Schemes”). Con pooling si intende la combinazione di vari strumenti di credito (del mercato monetario, interbancario, obbligazionario, assets creditizi ecc.) rappresentante la base su cui poggia l'emissione dei WMPs. Detta circostanza contribuisce ad inasprire i liquidity e maturity mismatches nonché l'asimmetria informativa riguardante il livello -effettivo- dei rendimenti dei sottostanti. L' ever-greening (che io associo agli schemi Ponzi) consiste nel fatto che, proprio a causa dei citati e crescenti mismatches, le banche si ritrovano a vendere WMPs al fine di impiegare il ricavato per adempiere alle obbligazioni connesse a quelli emessi in precedenza.
  • Ad oggi, i defaults di singoli WMPs e trusts si sono rivelati piuttosto contenuti grazie ai bailouts direttamente effettuati dalle banche. Il caso più eclatante è stato forse quello del WMP noto col nome di “Credit Equals Gold #1” generato dalla China Credit Trust Company e commercializzato dalla Commercial Bank of China (ICBC). Il rendimento prospettato era pari al 10% annuo. Poi le cose cominciarono ad andar male nel settore minerario con conseguente inadempimento degli obblighi di rimborso del capitale a scadenza (oltre al mancato rispetto della promessa sui rendimenti annui). Gli investitori chiesero alla ICBC di rimborsare almeno il capitale; la banca dapprima si rifiutò ritenendosi responsabile della sola commercializzazione ma in seguito, anche a causa della pressione mediatica, intervenne rimborsando il 100% dei capitali investiti.
  • I bailouts praticati dalle banche hanno -sino ad ora- contribuito a posporre la resa dei conti, incrementando il problema del moral hazard che, a sua volta, rappresenta uno dei maggiori propellenti tanto della domanda quanto dell'offerta dei WMPs.
In un certo senso, l'industria dei WMPs poggia -strutturalmente- sull' asimmetria informativa. Qui ho provato ad indicarne le ragioni.

lunedì 17 ottobre 2016

L' HARD LANDING DELLO SHADOW BANKING CINESE E' QUESTIONE DI “QUANDO” NON DI “SE” PT.1


Per altri posts sul tema, clicca qui e qui.
Pensando allo shadow banking (di seguito “SB”) cinese vengono in mente due cose:
  • il ruolo cruciale avuto nella crescita alimentata dal debito;
  • l'eterogeneità del fenomeno.
A dire il vero, nessuno sa di preciso quanto pesi la finanza ombra rispetto al PIL cinese. Ad oggi, il maggior numero di stime disponibili è quello inerente alla dimensione da essa assunta rispetto al PIL del 2012. In tal senso, il range varia -di molto- al variare dell'ente rilevatore preso in considerazione:
  • secondo il Financial Stability Board, si sarebbe attestata al 25,6%;
  • secondo il FMI,si sarebbe attestata tra il 30% ed il 40%;
  • secondo la China Banking Regulatory Commission, intorno al 14,6%;
  • per la Chinese Academy of Social Sciences, al 39.5%;
  • per il Fung Global Institute, al 43,3%;
  • per l' Australia e New Zealand Banking Group, al 45,1%;
  • per Moody's, al 56,1%;
  • per JPMorgan, al 70,1%;
  • secondo RBS, al 57,3%
  • per S&P, tra il 48% ed il 61%.
Quanto sopra può essere tradotto, previa semplificazione, in: «Nessuno sa nulla di preciso».
Sull'eterogeneità, invece, tutti sono più o meno concordi. Infatti, si ritiene lo SB includa:
  • assets creditizi delle Trust Companies;
  • società specializzate in Leasing Finanziario;
  • garanzie finanziarie messe a disposizione da coloro i quali svolgono al contempo attività di P2P lending, microcredito, ecc;
  • Pawnshops;
  • società di Microcredito;
  • piattaforme di prestiti P2P;
  • Entrusted Loans;
  • Undiscounted Bankers' Acceptances;
  • Trust Loans;
  • Off-balance sheet Banks' WMPs;
  • Securities Companies’ AMPs;
  • Private Lending.
La rapida crescita dello SB cinese è stata guidata da due distinti fattori strutturali:
  1. le banche -da sempre- prestano quasi esclusivamente alle imprese statali, lasciando tantissime piccole e medie imprese sottofinanziate;
  2. imposto un limite massimo ai tassi creditori applicabili sui depositi, molti risparmiatori cercano impieghi alternativi per i propri risparmi.

A questo punto, entrano in gioco i WMPs (Wealth Management Products) che tanto piacciono sia alle famiglie che alle banche. Alle prime, perché questi prodotti hanno garantito -in media- rendimenti annui del 5,5% contro il 3% generalmente praticato sui depositi bancari ad un anno; alle seconde, alla luce della regolamentazione piuttosto stringente in termini di dotazione di capitale, riserve, loan-to-deposit ratio, esposizione settoriale ecc., rappresentante un incentivo a spostare quanto più possibile off-balance sheet. Quindi, domanda (le famiglie) ed offerta (le banche) non hanno avuto problemi ad incontrarsi. Inoltre, dopo la crisi del 2008, il governo cinese lanciò un piano di stimoli pari a 586 miliardi di dollari, per lo più basato sulla leva finanziaria. Contemporaneamente, le autorità monetarie chiesero alle banche di allentare i parametri di valutazione del merito creditizio; richiesta esaudita alla lettera tanto che 15 trilioni di dollari di prestiti furono erogati in soli 5 anni (considerate che 15 trilioni di crediti equivalgono alla dimensione delle attività detenute dall' intero settore delle banche commerciali USA). Al fine di evitare fenomeni inflazionistici importanti e di contenere la dimensione della bolla immobiliare, nel 2010 il Governo ordinò alle banche di raffreddare il mercato del credito. Tuttavia, i progetti avviati necessitavano di continuità finanziaria/creditizia ed al contempo anche le banche cinesi intraprendevano la disperata ricerca di qualche rendimento decente in un' epoca di ZIRP globale. Nei prossimi posts, cercheremo di evidenziare il recente addensamento di rischi istituzionali e sistemici connessi alle caratteristiche operative dello SB ed alimentati da una regolamentazione di settore piuttosto debole

domenica 16 ottobre 2016

L'INCUBO DI OGNI TRADER: FLASH CRASHES E FLASH RAMPS PT.2

Di flash crashes ho provato a parlare in tanti posts che, se interessati, potete trovare qui, qui, qui, qui, qui, qui, qui.
Per la prima parte, clicca qui.
Come forse tutti saprete, il 7 Ottobre 2016, verso l' una di notte circa (ora italiana) si è verificato un flash crash piuttosto importante sia sul British Pound Futures Contract (scadenza Dicembre 2016) sia sul mercato spot del corrispondente cross (GBP/USD), già abbondantemente sottoposti a downward pressure a causa del timore di un' hard Brexit.


In realtà, come potrete notare leggendo i posts ai links di cui sopra, i flash crashes presentano sempre la stessa dinamica. Osserviamo, ad esempio, il caso del future T-NOTE Y10 USA.

Dinamica che possiamo meglio cogliere -con riguardo a GBP/USD- nelle seguenti immagini, offerte da NANEX,  ritraenti il contratto future citato.


Sempre le immagini di NANEX ci portano a ritenere poco credibile la storia del “Fat Finger”. Generalmente, in caso di erronea digitazione della size degli ordini di vendita, i crolli tendono ad essere perfettamente verticali in quanto connotati da un numero limitatissimo (talvolta prossimo allo zero) di upticks. Invece, nel caso in esame, qualora settassimo il timeframe su base millesimale scorgeremmo la presenza di tantissimi upticks. Detta presenza ci suggerisce che, nel mentre il cross precipitava, diversi aggressive buy orders venivano attivati (circostanza che non si verifica mai o in misura molto molto più contenuta nei casi di fat finger, caratterizzati da una velocità di discesa superiore a quella sperimentata nella notte del 7 Ottobre 2016).

Tra l'altro, qualche giorno prima (il 30 Settembre 2016), a subire un flash crash -seppur di portata minore- fu lo Swiss Franc Futures Contract con scadenza a Dicembre (ed il relativo cross CHF/USD scambiato sul mercato spot) il quale subì l'oscillazione che potete apprezzare sotto.
Le immagini di NANEX, ci permettono di notare quanti numerosi siano stati gli halts attivatisi (tanto nella fase di discesa quanto in quella di recovery) presso il CME (sede di negoziazione del contratto future): le interruzioni corrispondo agli spazi vuoti intercorrenti tra i puntini rossi rappresentativi, invece, dei trades eseguiti; l'allargamento/il restringimento dello spread corrisponde alle zone grige. La rappresentazione degli halts nel grafico riguardante il cambio GBP/USD è stata realizzata non utilizzando gli spazi tra puntini bensì tracciando una linea continua.



Nell'immagine di cui sotto raffigurante l'andamento dei futures degli altri cambi principali, si nota benissimo che il crash, in quel lasso di tempo, abbia interessato il solo CHF/USD.

Come dicevamo sopra, le dinamiche strutturali dei crashes sono sempre le stesse pur cambiando l'asset interessato dal fenomeno. L'evento del 6 Maggio 2010 fu innescato, in un contesto operativo carico di stress geopolitico meglio descritto nei posts sopraindicati, da un grosso ordine di vendita eseguito per il tramite di un algoritmo di esecuzione settato per tracciare il volume e senza previa impostazione di un prezzo-limite. Nel momento in cui arrivò sul book, l'ordine incontrò (in circostanze microstrutturali di alta volatilità e bassa liquidità), quali controparti, gli HFTs che -istantaneamente- corsero sul mercato azionario (cash) per coprirsi (vendendo allo scoperto), ritenendo quell'ordine espressione di un rischio incombente ed al fine di riequilibrare le posizioni globalmente assunte. L'eccesso di volumi portati nel mercato cash dalle coperture attivate dagli HFTs, spinse tutti gli altri a coprirsi sul mercato dei futures (vendendoli). In altri termini, si era innescato un vero e proprio Hot Potato Game che determinò -sino a quando il mercato non iniziò la fase di recovery “V-Shaped”- un forte incremento di volumi concentrati sulla sell side, a fronte di una liquidità dapprima invariata e poi in diminuzione in alcuni frangenti. L'aumento dei volumi spinse l'originario venditore ad incrementare il flusso di ordini di vendita inviati al mercato (ricordiamo che il suo algoritmo tracciava il volume), alimentando il circolo vizioso. Detto incremento spinse gli HFTs a liquidare le loro posizioni (long), il che esacerbò ulteriormente lo squilibrio esistente tra le 2 sides del mercato. Inoltre, la desincronizzazione in corso tra E-mini e SPY generò una vera e propria interruzione nel numero di ordini, posti in attesa nel mentre la pressione esercitata dagli ordini “a mercato” cresceva. Contemporaneamente, i brokers misero in stand-by migliaia di ordini, mentre quelli dei retail (generalmente eseguiti dagli interalizzatori sistematici e non dai mercati regolamentati clicca qui e qui) furono dirottati verso i mercati regolamentati presso i quali giunsero come ordini “a mercato” con conseguente incremento della pressione ribassista, vista la scarsissima liquidità passiva presente sulla buy side. All' epoca, anche un altro meccanismo contribuì -probabilmente- ad esacerbare il tonfo: quello del Liquidity Replenishment Point (LRP). Il LRP, criterio operativo proprio del solo NYSE, superate alcune soglie di prezzo poste al di sopra ed al di sotto di quello battuto dal mercato, rallentava il matching degli ordini al fine di permettere la ricostituzione di un livello minimo di liquidità sul book. Tuttavia, la quasi totalità dei Limit Orders ivi presenti (liquidità passiva), bloccata -di fatto- l'esecuzione di quelli aggressivi in entrata, venivano cancellati -dai traders- ed inviati verso quei mercati nei quali avevano maggiori probabilità di ottenere l'eseguito. Risultato? Il NYSE si ritrovò con soli ordini cosiddetti “aggressivi” (liquidity takers) in entrata e senza liquidità passiva sul book.
Nei prossimi posts proveremo a capire come nasca e come si sviluppi l'hot potato game nel Forex
Post scritto ascoltando