Liquidità di Finanziamento e Liquidità di Mercato: Sveliamo i Segreti Nascosti nei Dati ad Alta Frequenza!

Introduzione: Il Mistero della Liquidità

Amici appassionati di finanza e mercati, vi siete mai chiesti cosa diavolo siano veramente la liquidità di finanziamento e la liquidità di mercato delle azioni? Sembrano concetti astrusi, e in effetti lo sono un po’. La prima, in soldoni, è la facilità con cui chi opera sui mercati (i trader) riesce a trovare i fondi per le proprie operazioni. La seconda, invece, è quanto facilmente si può comprare o vendere un’azione senza farne crollare o impennare il prezzo. Entrambe sono fondamentali per la salute dei mercati, ma c’è un problema: non si vedono! Sono come due fantasmi che influenzano tutto, ma che nessuno può toccare con mano. O almeno, così era fino ad ora.

Nel nostro studio, abbiamo cercato di gettare un po’ di luce su questi affascinanti, ma elusivi, aspetti del mondo finanziario. E se vi dicessi che abbiamo sviluppato un modo per “misurare” queste liquidità giorno per giorno, usando solo i dati delle transazioni che avvengono in frazioni di secondo? Sembra fantascienza, ma continuate a leggere!

La Sfida: Capire l’Invisibile

Tradizionalmente, per stimare queste liquidità si usano un sacco di “proxy”, cioè indicatori indiretti, spesso basati su dati giornalieri e un po’ ad hoc. Immaginate di voler capire quanto è affollata una stanza guardando solo quante persone entrano ed escono ogni ora, senza mai poter sbirciare dentro. Un po’ limitante, no?

La teoria ci dice che queste due liquidità si influenzano a vicenda, come due ballerini in un tango complicato. Se i trader faticano a trovare soldi (bassa liquidità di finanziamento), saranno meno propensi a fare operazioni rischiose, e questo renderà le azioni meno liquide (bassa liquidità di mercato). D’altro canto, se le azioni sono difficili da scambiare, chi presta soldi sarà più cauto, riducendo la liquidità di finanziamento. Si crea così una specie di circolo vizioso, una “spirale di illiquidità” che può diventare molto pericolosa, come abbiamo visto nella crisi del 2007-2008. Ma come si fa a studiare questo balletto se i ballerini sono quasi invisibili?

Il Nostro Approccio: Un Nuovo Paio di Occhiali

Ecco dove entra in gioco il nostro lavoro. Abbiamo costruito un modello strutturale micro-fondato. Lo so, suona complicatissimo, ma l’idea di base è semplice: invece di guardare i dati dall’alto, siamo scesi “sul campo di gioco”, cercando di modellare come si formano i prezzi delle azioni transazione dopo transazione. Per farlo, abbiamo usato dati ad alta frequenza, cioè i prezzi di ogni singola compravendita, campionati a intervalli brevissimi (nel nostro caso, ogni 10 secondi!).

Nel nostro modello, ci sono due tipi principali di attori:

• I trader “rumorosi” (noise traders): quelli che comprano e vendono un po’ a caso, magari seguendo l’onda del momento senza informazioni precise.
• Gli agenti (parzialmente) informati: questi hanno un’idea, seppur non perfetta, di quale sia il “vero” valore latente di un’azione e cercano di sfruttare questa informazione.

Una delle novità del nostro modello è che abbiamo abbandonato l’idea che i trader informati abbiano una conoscenza perfetta. Nella realtà, soprattutto con il trading automatico ad alta frequenza, si tratta più di cogliere piccoli trend momentanei. Abbiamo anche ipotizzato che, in un mercato efficiente, i trader informati non facciano profitti netti stratosferici ad ogni operazione; piuttosto, si aspettano di coprire i costi di transazione. E qui entra un altro concetto chiave: oltre al normale costo per eseguire un’operazione (come metà dello spread denaro-lettera), i trader informati pagano un costo aggiuntivo, che interpretiamo come un “costo ombra del capitale”, una sorta di proxy per la difficoltà di finanziarsi. Questo diventa il nostro indicatore della (il)liquidità di finanziamento del mercato.

La bellezza di questo approccio strutturale, con alcune ipotesi parametriche intelligenti, è che ci permette di scrivere una funzione di verosimiglianza in forma chiusa. In pratica, abbiamo una formula matematica che ci dice quanto sono probabili i dati osservati (i prezzi delle transazioni) dati certi valori dei parametri del nostro modello (come la liquidità di mercato, quella di finanziamento, la volatilità, ecc.). Massimizzando questa funzione, possiamo stimare questi parametri giorno per giorno per ogni azione!

Quindi, ogni giorno, per ciascuna delle azioni del NYSE che abbiamo analizzato (ben 150 titoli dal 2006 al 2014), otteniamo una stima della sua volatilità, della sua liquidità di mercato e una stima della liquidità di finanziamento dell’intero mercato (che assumiamo essere un fattore sistemico, comune a tutte le azioni).

Cosa Abbiamo Scoperto: I Quattro Pilastri della Liquidità

Una volta ottenute queste serie storiche giornaliere di volatilità e liquidità, ci siamo chiesti: come interagiscono tra loro? Per capirlo, abbiamo usato un altro strumento statistico potente, un processo chiamato MGARCH-VAR, che ci permette di modellare le dinamiche congiunte di queste variabili e la loro volatilità condizionata (cioè come la variabilità di oggi dipende da quella di ieri).

Ebbene, analizzando i dati del NYSE, sono emersi quattro “fatti stilizzati”, quattro comportamenti ricorrenti che ci dicono molto su come funziona questo mondo nascosto:

1. Si Muovono Insieme: La volatilità delle azioni, la liquidità di mercato delle singole azioni e la liquidità di finanziamento dell’intero mercato tendono a muoversi in sincronia. Come un’orchestra, quando un musicista cambia ritmo, gli altri tendono a seguirlo.
2. L’Unione Fa la Forza (Negativa): Questi movimenti sincronizzati diventano ancora più forti e intensi quando la liquidità di finanziamento scarseggia. Immaginate l’orchestra di prima: se il direttore è in difficoltà (poca liquidità di finanziamento), tutti i musicisti diventano più nervosi e i loro errori si amplificano a vicenda.
3. Chi Va Piano, Scambia Sano: Le azioni che sono intrinsecamente meno volatili (quelle più “tranquille”, per intenderci) tendono ad avere una maggiore liquidità di mercato. È più facile comprare e vendere grandi quantità di queste azioni senza scossoni.
4. Tempesta sulle Azioni Agitate: Quando la liquidità di finanziamento si prosciuga, la liquidità di mercato delle azioni ad alta volatilità (quelle più “nervose”) ne risente molto di più rispetto a quella delle azioni a bassa volatilità. È come se, durante una tempesta finanziaria, le barche più piccole e instabili fossero quelle che rischiano di più di affondare.

Perché Tutto Questo È Importante?

Forse vi starete chiedendo: “Ok, interessante, ma a che serve tutto ciò?”. Beh, capire queste dinamiche è cruciale. Il nostro approccio ha diversi vantaggi:

• Approccio Strutturale: A differenza di molti studi che usano approcci statistici “a scatola nera” (reduced-form), il nostro modello parte da fondamenta microeconomiche, cercando di spiegare come e perché i prezzi si formano in un certo modo.
• Stime Affidabili: Grazie alla matematica “pulita” (la funzione di verosimiglianza analitica), non dobbiamo ricorrere a simulazioni complesse o approssimazioni numeriche per stimare i nostri parametri. Questo porta a stime più precise.
• Dati ad Alta Frequenza: Usare i dati tick-by-tick ci dà una visione molto più dettagliata e tempestiva di quello che succede sui mercati rispetto ai dati giornalieri. Otteniamo stime giornaliere della liquidità, il che è un grande passo avanti.
• Unica Fonte di Dati: Tutto ciò di cui abbiamo bisogno sono i prezzi delle transazioni. Niente più caccia a decine di proxy diversi!

I nostri risultati confermano e quantificano alcune intuizioni teoriche importanti. Ad esempio, la “fuga verso la qualità” (flight-to-quality) in tempi di stress sulla liquidità di finanziamento sembra essere un fenomeno reale e misurabile: gli investitori si rifugiano in asset meno volatili, e quelli più volatili diventano ancora più difficili da scambiare.

Abbiamo testato specificamente quattro congetture basate sulla letteratura teorica:

1. Co-movimenti tra volatilità e illiquidità: Confermato. Le nostre stime mostrano che queste grandezze si muovono insieme.
2. Co-movimenti asimmetrici: Confermato. Quando la liquidità di finanziamento si restringe, i co-movimenti si rafforzano. Questo è particolarmente vero per le illiquidità di mercato delle azioni, un fenomeno che in letteratura viene chiamato “commonality of fragility”.
3. Qualità e liquidità (Quality-and-liquidity): Confermato. Azioni meno volatili (migliore “qualità”) sono più liquide. Lo abbiamo verificato sia a livello cross-sezionale (confrontando diverse azioni nello stesso momento) sia a livello di serie storica (guardando come la liquidità di una singola azione cambia al variare della sua volatilità).
4. Fuga verso la qualità (Flight-to-quality): Confermato, soprattutto a livello dinamico. Quando la liquidità di finanziamento è scarsa, le azioni ad alta volatilità diventano più sensibili alle variazioni della liquidità di finanziamento stessa rispetto alle azioni a bassa volatilità. In pratica, in tempi duri, il mercato “punisce” di più gli asset rischiosi in termini di liquidità.

Certo, nessun modello è perfetto, e anche il nostro ha le sue ipotesi e semplificazioni. Ad esempio, abbiamo trovato qualche segnale che il nostro modello MGARCH-VAR, pur catturando molte dinamiche, potrebbe non spiegare tutta la complessità dei fenomeni di “flight-from-quality” in certi contesti, suggerendo che c’è ancora spazio per ulteriori ricerche.

Conclusioni: Un Passo Avanti nella Comprensione dei Mercati

In definitiva, il nostro lavoro offre un nuovo strumento, basato su solide fondamenta teoriche e sull’uso intelligente dei dati ad alta frequenza, per misurare e comprendere meglio due concetti tanto cruciali quanto elusivi come la liquidità di mercato e la liquidità di finanziamento. I quattro “fatti stilizzati” che abbiamo identificato non solo confermano molte teorie, ma forniscono anche una quantificazione robusta di queste dinamiche complesse.

Speriamo che questo approccio possa aiutare ricercatori, regolatori e operatori di mercato a navigare meglio le acque, a volte tempestose, dei mercati finanziari. Perché capire come scorre la liquidità è un po’ come capire le correnti oceaniche: essenziale per non finire alla deriva!

Fonte: Springer