Copertura di Portafogli Azionari attraverso Indici di Volatilità con Python

The objective of the study is to construct a strategy for hedging equity positions using correlated volatility indices. The study has been divided into four parts: the first part deals with the mental attitude that the investor must possess and firmly maintain in order to correctly apply the investment plan, investigating the main emotional and cognitive biases that may influence the investment decisions and, consequently, the strategy. The second part deals with the construction of a solid information base about the empirical characteristics of implied volatility: Mean-reversion, Volatility Clustering and Inverse Correlation. The third part has been conducted with the objective of: verifying the existence, quantifying the extent and investigating the trend over time of the three empirical characteristics on different volatility indices having as underlyings the major world stock indices. The analysis process has been conducted, first, on the pair market index and volatility index: S&P 500 and VIX, through the use of the Python programming language. Subsequently, the analyses conducted on the first pair of indices were generalized and applied to: three stock indices of the American market, an Asian stock index and a European stock index, with the objective of obtaining general information on which to base the hedging strategy. In the fourth and last part, a hedging strategy was planned based on some of the information obtained from the analysis process carried out, then this strategy was subjected to a backtesting process on the various assets analyzed and the results were summarized in performance reports with the aim of assessing the possibility of applying the strategy on real financial markets.

L'obiettivo dello studio è costruire una strategia di copertura di posizioni azionarie utilizzando gli indici di volatilità correlati. Lo studio è stato suddiviso in quattro parti: nella prima parte è stato affrontato il tema dell'attitudine mentale che l'investitore deve possedere e mantenere saldamente per poter applicare correttamente il piano di investimento, indagando i principali bias emotivi e cognitivi che possono influenzare le decisioni di investimento e, di conseguenza, la strategia. La seconda parte ha ad oggetto la costruzione di una solida base informativa circa le caratteristiche empiriche della volatilità implicita: Mean-reversion, Volatility Clustering e Inverse Correlation. La terza parte è stata condotta con l'obiettivo di: verificare l'esistenza, quantificarne la portata e indagarne l'andamento nel corso del tempo delle tre caratteristiche empiriche su diversi indici di volatilità aventi come sottostanti i principali indici azionari mondiali. Il processo di analisi è stato condotto, prima, sulla coppia indice di mercato e indice di volatilità: S&P 500 e VIX, attraverso l'utilizzo del linguaggio di programmazione Python. Successivamente, le analisi condotte sulla prima coppia di indici, sono state generalizzate e applicate a: tre indici azionari del mercato americano, un indice azionario asiatico ed un indice azionario europeo, con l'obiettivo di ricavarne informazioni generali sulle quali basare la strategia di copertura. Nella quarta ed ultima parte, è stata programmata una strategia di copertura basata su alcune delle informazioni ottenute dal processo di analisi svolto, successivamente tale strategia è sottoposta ad un processo di backtesting sui vari asset analizzati ed i risultati sono stati riassunti in dei performance report con l'obiettivo di valutare le possibilità di applicazione della strategia sui mercati finanziari reali.