Studio Legale Tidona e Associati  | Diritto Bancario e Finanziario

HOME

CONTATTO

CHI SIAMO

 

Magistra Banca e Finanza | Studio Legale Tidona e Associati | Diritto Bancario e Finanziario

Rivista di Diritto Bancario e Finanziario
Per contattarci

CERCA ARTICOLI:

Herd Behavior nei mercati finanziari: teoria, cascate informative, strategie di investimento

Noise traders, utilità soggettiva ed errori di previsione: una introduzione alla “behavioral finance”

Di Giuseppe Matera

13 ottobre 2003

 
La constatazione che i corsi azionari non rispecchiano i fondamentali dell’economia dovrebbe indurci alla identificazione delle forze che orientano il mercato e che lo conducono a deviare dall’efficienza.
La finanza comportamentale cerca di spiegare il perché di tale anomalia, combinando i metodi dell’analisi finanziaria con i contributi forniti dall’economia, dalla psicologia, dalla demografia e dalla storia.
Il passo compiuto da questo innovativo filone di ricerca è notevole perché cerca di dare una spiegazione alle defezioni dei mercati partendo da presupposti che possono addirittura prescindere da variabili economiche e finanziarie.
Il processo di formazione delle decisioni e l’emotività che ne determina la presa, il contesto storico e sociologico, la numerosità e le caratteristiche degli investitori che nel tempo accedono al mercato, sono delle determinanti cruciali per l’andamento e il livello delle quotazioni.
La moderna finanza ha puntato decisamente su una analisi quantitativa e rigorosa per spiegare le leggi che reggono il mercato, trascurando l’aspetto “umano” di questo sistema: sia nei “boom” che nei “crolli”, gli investitori vengono descritti come se seguissero ciecamente il gregge come pecore, senza ragionare con la propria testa. L’idea di una razionalità dei mercati acquista credibilità se paragonata a queste pseudo teorie psicologiche[1].
 
La finanza comportamentale si basa su alcuni assiomi teorici[2] che ne denotano la netta differenza rispetto alla moderna teoria di portafoglio:
 
· non tutti gli operatori sono perfettamente razionali e nel mercato ci sono sia “information traders” che “noise traders”; l’interazione fra agenti razionali (ad esempio i c.d. fondamentalisti) ed agenti che operano in base ai “rumors” può causare una eccessiva variabilità dei prezzi e un improvviso accrescimento della volatilità, non attribuibile (o non solo) all’ingresso di notizie di “prima mano” nel mercato o a mutamenti nei fondamentali;
 
· la preferenza dei noise traders per i titoli più speculativi fa aumentare il loro prezzo; se ciò accade, il portafoglio efficiente comprende una quota di titoli difensivi maggiore di quella compresa nel portafoglio di mercato; l’azione di agenti irrazionali causa infatti una diminuzione nella domanda di titoli a basso contenuto speculativo ed essendo la quota di tali titoli (data dal prodotto fra quantità e prezzo di mercato) costante nel portafoglio efficiente, la diminuzione del prezzo implica un aumento della quantità di titoli non speculativi ritenuta efficiente. Il risultato ultimo è la non coincidenza fra portafoglio efficiente e portafoglio di mercato;
 
· i prezzi dei titoli riflettono scelte psicologiche e non sottostanno alla legge dell’utilità marginale; l’emotività spinge gli agenti a far prevalere nelle decisioni l’utilità soggettiva e questa distorsione nel processo di presa delle decisioni potrebbe condurre ad una sovrastima di titoli dal basso valore fondamentale e dalle prospettive incerte, a discapito degli assets  più solidi. L’esempio classico può essere offerto dalla tendenza ad acquistare un orologio di marca invece di un comune orologio digitale, nonostante essi siano egualmente precisi; le mode possono dunque causare un dislivello nei prezzi dei due oggetti nonostante essi abbiano la stessa utilità. Se applichiamo questo semplice esempio alla realtà dei mercati finanziari, possiamo dare una spiegazione al fenomeno delle bolle speculative e ai frequenti crash dovuti ad una loro esplosione, in coincidenza della fase terminale di una “moda”. È chiaro che questi comportamenti non sono assolutamente in linea col modello tradizionale di media – varianza, a causa della incoerenza nella modalità di formazione delle preferenze degli investitori;
 
· il risultato di tutte le inefficienze comportamentali elencate causa in ultima istanza un processo formativo ed evolutivo dei prezzi non razionale. La non razionalità dei prezzi non è comunque condizione sufficiente per “battere il mercato” attraverso strategie attive di speculazione. La finanza comportamentale distingue infatti la market efficiency “in the beat the market sense” dalla market efficiency “in the rational prices sense”.
 
I sostenitori della “behavioural finance” assumono che chi investe si comporta come il giurato del concorso di bellezza keynesiano: non sceglie la concorrente che ritiene più bella ma quella che pensa essere preferita dalla maggioranza. Il fenomeno coinvolge una grande fetta del mondo della finanza, come gli analisti finanziari o i gestori di fondi. Alcuni lavori[3] dimostrano che le stime degli utili hanno un bias positivo, sono cioè troppo ottimistiche e causano un errore di previsione negativo, e non sono accurate, essendo l’errore inaccettabile. Secondo alcuni autori, il fatto che, in media, l’errore di previsione sia la regola, può essere spiegato da discipline quali la psicologia. Derman e Berry si chiedono ad esempio se sia utile per la reputazione dell’analista formulare la stima “migliore”. Una previsione diversa da quella prevalente, anche se azzeccata a posteriori, può essere ex ante più pericolosa che premiante: spesso in finanza la diversità non paga e una previsione prossima a quella del gruppo, a prescindere dalla sua accuratezza, protegge l’analista da “brutte figure”, perché l’errore compiuto da molti non è a posteriori imputabile a nessuno in particolare[4].
 
La distorsione nelle previsioni degli analisti può dunque essere imputabile al fatto che le stime sono costruite cercando il consenso, a tutto discapito della professionalità dell’analista e della sorte dei suoi clienti. In tale ipotesi, le previsioni appaiono poco disperse con un valore medio campionario elevato[5]. Infine, il confronto fra valori stimati ed effettivi verifica sia l’esistenza di un ampio scarto che di un “positive bias in earnings forecasts”[6].
 
Tutti questi fenomeni non trovano spiegazione nella moderna teoria di portafoglio, caratterizzata dal notevole utilizzo di modelli matematici e dal largo impiego di tecniche quantitative, oltre che essere basata sulle rigide assunzioni più volte citate riguardo al comportamento dei partecipanti al mercato. Per ironia della sorte, proprio l’utilizzo di raffinate procedure statistiche ed econometriche ha tradito l’assioma di efficienza, consentendo a molti ricercatori di aprire brecce nel solido muro della moderna finanza.
 
A partire dagli anni Settanta, Roll[7] segnalava la non verificabilità del CAPM e per tutti gli anni Ottanta e Novanta numerose anomalie hanno inficiato la capacità esplicativa dei modelli classici, come abbiamo evidenziato nel secondo paragrafo di questo capitolo. Ma la “behavioral finance” ha il sapore di una critica alternativa alla finanza classica: essa ritiene che una collaborazione fra psicologia, finanza e le altre scienze sociali sia imprescindibile per dare valenza pratica e rigore formale a tutte le defezioni scaturite nel meccanismo della perfetta razionalità ed efficienza. A tal proposito, Statman[8] afferma che “la legge della produttività decrescente dovrebbe avvertire coloro che hanno a cuore le sorti di favorire la collaborazione con altre science sociali”.
 
 
Ancore quantitative e ancore morali
 
La maggior parte delle persone si comporta, durante le fasi critiche di mercato, in modo più ragionevole di quanto appaia dai luoghi comuni relativi alla psicologia dell’investire. Si racconta di soggetti euforici e frenetici durante i “boom” e di investitori terrorizzati durante i “crolli”. In realtà, quando accadono eventi finanziari di rilievo, la maggior parte delle persone si preoccupa delle proprie vicende personali senza alcun interesse per i mercati.
 
Nonostante tutto, illustri ricerche di psicologia hanno dimostrato che ci sono modelli di comportamento umano i quali fanno pensare a basi psicologiche del mercato che non ci si aspetterebbe in un contesto di perfetta razionalità nelle contrattazioni. Questi modelli comportamentali, lungi dall’essere la prova della ignoranza umana, ne dimostrano la estrema intelligenza e sensibilità, rispecchiandone i punti di forza e debolezza. Un investitore massimizzante ma non perfettamente razionale si affanna per fare la scelta giusta, ma la sua limitata abilità lo induce istintivamente a comportamenti che ne determinano le azioni in mancanza di segnali “poco puliti”. In altri termini, l’investitore riesce a non farsi travolgere dalla tempesta dell’ “euforia irrazionale” di mercato tenendosi saldo a delle “ancore” di salvataggio che possono avere natura quantitativa o morale.
 
Le ancore quantitative sono degli indicatori del livello appropriato di mercato, utilizzati dall’investitore per valutare se il mercato è sopra o sottovalutato, segnalando quindi il momento giusto per “entrare o uscire” dallo stesso.
 
Le ancore morali  determinano invece la forza della motivazione che spinge gli agenti ad acquistare titoli, motivazioni che devono prevalere rispetto ad usi alternativi della ricchezza a disposizione degli stessi. Se con le ancore quantitative la gente confronta i prezzi, i volumi o altri indicatori quando decide che le azioni raggiungono il giusto prezzo, con le ancore morali l’investitore rapporta l’impulso emotivo o intuitivo dell’investire con le proprie disponibilità e la propria domanda di liquidità.
 
Una delle ancore quantitative più utilizzate nell’esprimere una valutazione sul livello dei prezzi azionari è costituita dal prezzo più recente di cui si ricordi, insieme al ricordo dei prezzi passati: la propensione a “pescare nel passato” l’opportunità futura è una delle cause della frequente inversione di tendenza del prezzo di un titolo. Un’altra ancora potrebbe essere il record più recente di un indice azionario. Anziché utilizzare delle ancore quantitative “verticali” o temporali, i pattern dei prezzi dei singoli titoli potrebbero basarsi su ancore “orizzontali”, come i livelli del P/U ratio di altre aziende, spiegando il perché dei movimenti sincronici dei singoli titoli o la volatilità accentuata degli indici azionari, o il perché dell’uniforme comportamento di titoli di diverso settore e stessa area geografica, piuttosto che di titoli appartenenti ad uno stesso settore e aventi diversa localizzazione. Tutte queste anomalie sono in effetti spiegabili in termini di ancore quantitative legate a numeri di comodo.
 
Sotto la nozione di ancore morali c’è invece il principio psicologico secondo cui gran parte del pensiero umano che sfocia in azione non ha natura quantitativa, ma prende la forma di narrazioni e giustificazioni. Con le ancore morali, il mercato viene influenzato dal confronto tra la forza intuitiva di storie e ragioni che spinge le persone a conservare i propri investimenti e l’esigenza di consumare la ricchezza rappresentata dagli investimenti stessi. Sarebbe questa la “forza oscura” che spingerebbe gli azionisti a non monetizzare il proprio investimento anche a fronte di un notevole rialzo dei corsi o che spiegherebbe la tendenza dei dipendenti ad investire nelle azioni della propria azienda: quest’ultimo è un classico esempio di come le “narrazioni” influenzino le scelte d’investimento, visto che un dipendente conosce molte più storie sull’azienda per cui lavora, il che lo induce ad investire nelle azioni della società cui appartiene.
 
 
Eccessiva fiducia, euristica della rappresentatività e principio di conservazione
 
L’ancora psicologica che forse più di tutte è utilizzata dall’investitore come strumento ex ante di presa delle decisioni o giustificazione ex post delle decisioni prese è l’eccessiva fiducia o overconfidence negli investimenti su cui crede e/o scommette, atteggiamento che lo porta ad agire in base a storie o motivazioni che si potrebbero ritenere scarsamente attendibili.
 
Diversi studi di psicologia[9] denotano che l’investitore è convinto di sapere più di quanto non sappia, tende ad esprimersi da “saggio” su questioni di cui sa ben poco e spesso agisce in base a queste opinioni oggettivamente distorte. A questa teoria “ottimistica” sulla fiducia e sulla autostima degli individui si contrappone una dottrina che afferma la non universalità dell’eccessiva sicurezza di sé. Si è infatti dimostrato che le persone a volte possono essere indotte ad abbandonare l’eccesso di fiducia in un contesto pratico o sperimentale[10]. La verifica effettuata dimostra che l’investitore a priori si mostra sicuro e saccente, ma nel momento della scelta la sicurezza svanisce, lasciando posto all’emotività e all’imitazione.
 
Una tendenza basilare verso l’eccessiva sicurezza in se stessi sembra comunque costituire un tratto forte della natura umana e diverse sono le motivazioni mosse a riguardo dagli psicologi:
 
· nel valutare la consistenza delle proprie conclusioni, la gente tende a valutare la probabilità di essere nel giusto soltanto in base all’ultima fase del proprio ragionamento, ignorando eventuali precedenti valutazioni sbagliate[11];
 
· la gente esprime giudizi di probabilità rifacendosi a somiglianze con osservazioni note, trascurando altre osservazioni meno conosciute e corrette[12];
 
· l’eccessiva fiducia in sé potrebbe essere il frutto di una distorsione dovuta a giudizi retrospettivi, ovvero la tendenza a pensare di poter anticipare gli eventi attuali prima del loro accadere, se solo ci si fosse trovati sul posto o se ci fossero stati motivi per prestare maggiore attenzione[13];
 
· l’overconfidence potrebbe essere dovuta al fenomeno del “pensiero magico” tipico dei mercati speculativi: le persone hanno spesso la sensazione che certe decisioni le renderanno fortunate, anche se razionalmente sanno che non possono avere incidenza sulla loro sorte. Esse sono intimamente convinte, ad esempio, che l’acquisto di un titolo sarà seguito da un aumento del suo valore per il semplice fatto di averlo acquistato, per la buona sorte, perché gli altri la pensano allo stesso modo.
 
Un altro aspetto molto importante dell’eccessiva fiducia in sé sta nel fatto che la gente tende ad esprimere giudizi in situazioni incerte, facendo riferimento a modelli familiari e ipotizzando che i modelli futuri assomiglieranno a quelli passati, spesso senza dare il giusto peso alle ragioni del modello e alla probabilità che questo si ripeta. Tale anomalia di giudizio è nota col nome di euristica della rappresentatività ed è stata dimostrata con numerosi esperimenti da Tversky e Kahneman[14]. I due autori dimostrano la tendenza dei soggetti a valutare alcuni eventi come tipici o rappresentativi di una specifica classe e ad ignorare le leggi di probabilità che reggono gli eventi.
 
Barberis, Shleifer e Vishny[15]  hanno congiunto in un modello di “investitor sentiment” il fenomeno delle “heuristic representativeness” con quello del “conservatism”. I tre studiosi sostengono infatti che gli investitori, osservando che per un certo periodo i prezzi seguono la stessa direzione, cominciano gradualmente ad ipotizzare che la tendenza sia rappresentativa di trend osservati in altri dati economici. Per un  principio psicologico di conservazione la gente modifica lentamente le proprie opinioni; per questo motivo ci vuole tempo prima che gli investitori arrivino a concludere che la tendenza continuerà.
 
Edwards[16] fu il primo, nel 1968, ad identificare il fenomeno del “conservatism”, sostenendo la “pigrizia” degli individui al cambiamento delle proprie opinioni di fronte alle nuove evidenze. In altri termini, questo fenomeno implica che la regola bayesiana è insufficiente per il calcolo della probabilità di cambiamento di una decisione, poiché occorrono dalla due alle cinque osservazioni divergenti rispetto a quella prevalente per indurre un soggetto a cambiare opinione. Tale ipotesi è coerente con quella di “underreaction” dei prezzi alle news sostenuta da De Bondt e Thaler[17], poiché individui soggetti al principio di conservazione non valutano appieno l’informazione contenuta in un dato annuncio, ritenendo che la componente passeggera della news sia elevata, il che induce a sottovalutare la recente evidenza a favore di quella precedente, utilizzata per la formulazione dell’attuale aspettativa.
 
Il fenomeno dell’euristica della rappresentatività evidenzia invece come il soggetto basi le sue previsioni su una valutazione non oggettiva, essendo fin troppo influenzato dalle performance passate e dal consenso di gruppi appartenenti alla sua stessa classe. Questo comportamento è coerente con l’ipotesi di “overreaction” alle news. Ad esempio, si sceglie un titolo che ha sovraperformato nel quinquennio precedente perché si pensa che ripeta in futuro la prestazione e magari sono in molti a sostenere tale tesi, senza dubitare che il fenomeno possa essere dovuto ad una bolla che prima o poi esploderà. Nel breve periodo è comunque probabile che si verifichi davvero un rialzo delle quotazioni causato dal consenso di classe che incentiva all’attuazione di una “momentum strategy” collettiva.
 
Barberis, Shleifer e Vishny sostengono infine che l’interazione fra l’euristica della rappresentatività ed il principio di conservazione determina i tempi più o meno veloci della retroazione speculativa.
 
L’eccesso di confidenza, indipendentemente dalla sua origine, sembra essere una delle cause fondamentali dell’alto volume di negoziazione riscontrato nei mercati speculativi. Se infatti gli agenti fossero perfettamente razionali, la maggior parte di essi sarebbe consapevole di essere inferiore alla media in fatto di abilità nella negoziazione e non sarebbe disposta a contrattare con una controparte superiore alla media, destinata quindi ad avere la meglio. Di conseguenza, la controparte più abile non avrebbe nessuno con cui scambiare e in teoria non esisterebbero negoziazioni a fini speculativi[18]. Al contrario, la intima convinzione di essere superiori alla controparte induce all’attivazione di strategie speculative che incrementano gli scambi in tale segmento di mercato.
 
L’overconfidence può anche indurre a credere di sapere quando ci sarà un movimento del mercato, anche se razionalmente siamo consapevoli della imprevedibilità dei corsi. Tali giudizi istintivi possono avere effetti pratici soprattutto nei momenti di crisi, poiché fanno da ancore nel fermare il ribasso dei prezzi. Il famoso crollo del 19 ottobre 1987 è una testimonianza di quanto affermato: un intervista a posteriori ha mostrato che molti degli operatori erano preparati all’evento e la “sensazione intuitiva” di ciò che stava per accadere li frenò dal compiere manovre spregiudicatamente aggressive. Questo atteggiamento, a detta di molti, evitò la capitolazione dalla grave crisi al disastro.
 
 
Comportamento gregario degli investitori: pressione sociale, potere e affidabilità dell’autorità
 
Una delle ipotesi implicite nella EMH è che gli investitori reagiscono in modo compatto ad una stessa informazione, quella pubblicamente disponibile in un dato momento sul mercato. Si tratta di una reazione razionale da parte di agenti massimizzanti e dalle aspettative omogenee, che conduce alla convergenza di decisioni prese in piena autonomia sulla base di un set informativo completo, pubblicamente noto e dall’accesso gratuito. Potremmo essere perciò indotti a pensare che un comportamento gregario degli agenti sia in linea con l’ipotesi di efficienza dei mercati. In effetti questa conclusione è ineccepibile, se si pensa ad un sistema di mercati completi e ad un agente non influenzato ed influenzabile dal comportamento altrui. Nel capitolo successivo chiameremo questo tipo di comportamento “herding spurio o razionale” e osserveremo che esso è perfettamente compatibile con l’assunto di efficienza informativa. Tuttavia, una risposta razionale ad informazioni note non è l’unica causa alla base di un comportamento uniforme degli investitori, così come l’uso delle informazioni di pubblico dominio non è sempre adeguato o fondato.
 
Quando parliamo di comportamento gregario degli investitori, è opportuno porre attenzione non solo o non tanto al fenomeno in sé, ma alla radice razionale o irrazionale dello stesso. In un contesto di inefficienza dei mercati, popolati da agenti che spesso fanno prevalere il “sentiment” alla razionalità, sarebbe altrettanto logico pensare che il fenomeno “herding” sia il frutto di comportamenti imitativi irrazionali, piuttosto che di una efficiente reazione alle “news”. Un’ulteriore specificazione del fenomeno andrebbe fatta riguardo all’origine economica o psicologica del comportamento gregario. Non è detto infatti che valga sempre la relazione biunivoca fra irrazionalità del fenomeno e natura non economica del comportamento gregario. In presenza di una variazione nei fondamentali dell’economia, è sempre vero infatti che l’investitore si “accoda” (se si accoda) in base ad una reazione razionale alle news di carattere macro che scuotono il mercato. D’altro canto, non è assolutamente detto che un atteggiamento imitativo degli agenti non dettato da variazioni nei fondamentali non possa essere razionalmente spiegato. La vera differenza sta nella causa non economica o finanziaria della “reazione di massa”, che potrebbe essere invece ricercata in un meccanismo psicologico, nel contesto storico e sociologico, in un evento estraneo alla realtà dei mercati.
 
Se i milioni di individui che investono fossero davvero indipendenti gli uni dagli altri, come afferma la EMH, qualsiasi pensiero erroneo sarebbe al di fuori della media e non avrebbe alcun effetto sui prezzi, poiché la forza intrinsecamente razionale che muove il mercato riassorbirebbe immediatamente questi “sporadici moti irrazionali”, ristabilendo l’equilibrio senza traumi per la collettività. Ma se un pensiero non meccanicistico o irrazionale fosse comune a un gran numero di persone, allora tale pensiero potrebbe davvero essere fonte di “effervescenza” o “depressione” del mercato azionario, tramutandosi da sporadico fenomeno non razionale a “forza irrazionale motrice” che spinge il mercato su livelli poco plausibili in un contesto di efficienza degli scambi.
 
Una delle cause razionali non economiche del fenomeno potrebbe essere la forte influenza della pressione sociale sul giudizio individuale. Lo psicologo sociale Solomon Asch trasse questa conclusione sulla base di un esperimento condotto nel 1952[19]. Egli inserì un soggetto in un gruppo di persone che, ad insaputa della vittima, erano state istruite per rispondere in modo palesemente scorretto ad una serie di quesiti, prima che gli stessi fossero posti all’inconsapevole cavia. Lo scopo era quello di studiare la reazione dell’individuo ad un comportamento di massa palesemente irrazionale. Il risultato fu quello di un soggetto che, a dispetto della logica del comportamento altrui, si uniformò alla massa nel dare risposte errate, mostrando segni di forte ansia, ad indicare che il timore di essere considerato diverso o sciocco agli occhi del gruppo aveva reso incerto il suo giudizio.
 
Deutsch e Gerard, effettuando un diverso esperimento[20], non furono d’accordo nell’individuare nella pressione sociale la causa del comportamento imitativo dell’individuo. I due psicologi sostenevano infatti che il fenomeno si presentava perché l’individuo pensava che tutte le altre persone non potevano essersi sbagliate. La sua reazione era dovuta all’informazione che un gran numero di persone aveva espresso un giudizio diverso dal proprio, e non alla paura di esprimere una opinione contraria di fronte al gruppo. Questa reazione non è che una questione di calcolo razionale: la “legge dei grandi numeri” ci insegna che quando un vasto gruppo di persone è unanime nella valutazione di un evento, gli appartenenti a quel gruppo hanno quasi certamente ragione. La forte ansia espressa dal soggetto di Asch potrebbe in parte essere derivata dalla conclusione che i suoi sensi erano per qualche verso inaffidabili.
 
Un’altra serie molto discussa di esperimenti relativi al comportamento gregario è costituita dalle indagini di Milgram[21] sul potere di autorità. Lo psicologo dimostra l’enorme potere che l’autorità ha sulla mente umana, non solo per un fenomeno emotivo di soggezione al “superiore”, ma anche per un processo di apprendimento: gli individui hanno infatti imparato che quando gli esperti dicono loro che qualcosa è giusto, probabilmente lo è, anche nel caso in cui la logica indurrebbe a pensare il contrario. I risultati dell’esperimento possono perciò essere interpretati anche come la conseguenza di un precedente apprendimento circa l’affidabilità dell’autorità, piuttosto che il suo potere.
 
Questi studi mostrano una diversa prospettiva dell’ “overconfidence”: le persone rispettano le autorità nel momento in cui formulano opinioni delle quali in seguito si sentiranno ipersicure, “scaricando” la fiducia in sé sulle autorità ai propri giudizi. Date queste prerogative, non sorprende affatto che molti investitori si rifacciano all’autorità dei “consigli degli esperti” per questioni inerenti la valutazione del mercato azionario. In questi casi l’eccesso di sicurezza a posteriori nasconde in realtà una insicurezza a priori nelle auto-valutazioni superiore a quella mostrata dall’individuo di Asch.
 
 
Teorie economiche del comportamento gregario e cascate di informazioni
 
Il comportamento imitativo degli investitori può essere coerente con l’assunto di razionalità degli agenti, nel momento in cui il loro “data set” comprende i giudizi altrui oltre alle informazioni disponibili sui prezzi, sul rischio e sui rendimenti. L’agente è in questa situazione perfettamente consapevole che tutti gli altri si stanno comportando in modo gregario, ma il singolo comportamento razionale conduce ad un comportamento di gruppo propriamente irrazionale. Si ritiene[22] che questo comportamento di massa possa essere originato da una cascata di informazioni. Un semplice esempio ci può mostrare come può avere inizio una “informational cascade”.
 
Supponiamo che vengano aperti due ristoranti uno vicino all’altro. I potenziali clienti devono scegliere da chi entrare. Essi potrebbero farsi un’idea della qualità di ciascun ristorante sbirciando attraverso le rispettive vetrine (segnale c.d. “noisy”), ma una simile valutazione non sarebbe accurata. Il primo cliente che arriva deve scegliere osservando i due ristoranti vuoti e sulla base di un eventuale segnale privato, ad esempio il consiglio di un amico. Il successivo potenziale cliente può fare affidamento non solo sulle sue informazioni, ma anche sulla scelta fatta dal primo cliente che vede seduto in uno dei due ristoranti. Se il secondo cliente sceglie lo stesso ristorante del suo predecessore, il terzo cliente vedrà due persone in quel ristorante e finirà per fare la stessa scelta. Un quarto cliente ha saputo da una esperta guida gastronomica che il ristorante migliore è quello in cui non è entrato nessuno, ma timoroso di fare la scelta sbagliata, segue anch’esso i suoi predecessori, confortato dal loro consenso unanime sul locale in cui sono entrati. Il risultato è che tutti i clienti potrebbero finire per entrare nello stesso ristorante, che magari è quello più scarso, dal momento che non c’è mai stata nessuna vera valutazione comparata nelle loro osservazioni sui due ristoranti. Se tutti i clienti avessero potuto aggregare le loro informazioni private, condividerle e discuterle in gruppo, forse avrebbero davvero potuto dedurre quale dei due ristoranti era il migliore.
 
La possibilità di disporre di informazioni pubblicamente note perché singolarmente condivisibili (e presumibilmente corrette) potrebbe inoltre condurre a delle scelte individuali e non gregarie, che portano comunque ad una decisione razionale conforme a quella della maggioranza. Ma in uno scenario di “informational cascade” le informazioni dei singoli non sono condivisibili perché non rivelate agli altri; gli avventori successivi possono solo osservare l’azione dei loro predecessori e dedurne l’informazione privata, fondando la propria scelta su quella della massa e ignorando il proprio segnale informativo privato (come il consiglio della guida gastronomica).
 
La storia del ristorante e il modello economico che la sottende non sono in sé una teoria delle bolle speculative del mercato finanziario. Tuttavia, risultano compatibili con il comportamento degli investitori nel mercato azionario e possono fornire la spiegazione teorica di come gli investitori razionali possono essere fuorviati[23]. Secondo questa teoria, la convinzione diffusa che il livello delle quotazioni di mercato è il risultato di una sorta di voto che tutti gli investitori esprimono sull’autentico valore del mercato è del tutto errata. Per contro, le persone scelgono razionalmente di non sprecare il proprio tempo e le proprie energie nell’esercitare il loro giudizio sul mercato, decidendo così di non produrre un impatto indipendente sullo stesso. In definitiva, tutte queste teorie sulla cascata di informazioni sono in realtà teorie del fallimento delle informazioni relativo al vero valore fondamentale da divulgare e valutare[24].
 
E’ importante sottolineare che la errata diffusione di informazioni può essere perfettamente coerente con un comportamento razionale degli agenti, senza vincoli relativi alla comprensione ma con forti vincoli relativi alle informazioni rivelate.
 
Le ipotesi di base dei “modelli a cascata” possono essere così sintetizzate:
 
· la scelta è operata in un contesto di incertezza da una pluralità di investitori che non sono necessariamente razionali o massimizzanti il profitto atteso;
 
· le informazioni disponibili per i singoli investitori sono il frutto di “segnali privati” non condivisibili e non pubblicamente visibili; esse non forniscono alcun contributo al set informativo pubblico;
 
· le decisioni d’investimento vengono prese in sequenza e non contemporaneamente; questo meccanismo agevola fenomeni imitativi delle scelte altrui;
 
· i singoli individui possono osservare solo le azioni (o scelte) di chi li ha preceduti, ma non conoscono le informazioni o “segnali” privati che ne hanno determinato la scelta. Essi possono dedurre il tipo di informazione a disposizione del predecessore solo dall’osservazione di una certa scelta o azione dello stesso;
 
· ci sono limiti finiti all’informazione privata e alle possibili azioni degli agenti; gli investitori danno molto peso alle informazioni che deducono dall’osservazione delle decisioni di chi li precede, a tal punto da ignorare la propria informazione privata.
 
Il modello può spiegare una serie di fenomeni quali: l’ammassamento collettivo o “clumping” su una decisione sbagliata; la paura dei singoli per il mancato consenso della collettività; la fragilità di equilibri inefficienti, poiché nel caso di “informational cascades” un piccolo frammento di informazione pubblica può ribaltare una cascata di lunga durata, dato che le cascate possono svilupparsi solo dopo che una piccola informazione è stata pubblicamente accumulata o acquisita;  la forte dipendenza di un certo evento dalle condizioni iniziali (decisioni di acquisto dei primi pochi investitori).
 
Le “cascate” possono inoltre spiegare o almeno cercare di spiegare alcune importanti scelte strategiche finanziarie come: le decisioni delle banche di sottoscrivere alcuni titoli; le decisioni per l’asset allocation dei gestori; le decisioni dei managers sull’indebitamento o il pagamento dei dividendi (senza un buon modello sul pagamento dei dividendi, i managers possono dedurre la scelta da compagnie simili); la previsione di un panico bancario e la scelta da parte dei depositanti di ritirare i propri depositi (questi modelli combinano le cascate con gli effetti di una bancarotta); le decisioni di fusione di aziende e la forma con cui esse vengono effettuate (conglomerazioni, scalate ostili, offerte pubbliche); le decisioni di segnalazione di azioni da parte degli analisti.
 
Le ipotesi formulate per i modelli a cascata sono dunque in netto contrasto con quelle della EMH, che assume investitori perfettamente razionali in un contesto di incertezza, esistenza di un set informativo pubblico affidabile e disponibile per tutti gli agenti, presa delle decisioni simultanea e non sequenziale, conseguente impossibilità per gli investitori di osservare il comportamento altrui e set informativo pubblico come unica fonte per la scelta di un investimento.
 
 
Un modello di “informational cascades”
 
I modelli a cascata di base vengono applicati in situazioni di prezzi fissi e di offerta perfettamente elastica[25]. Ad esempio, se i prezzi si muovono perfettamente ed istantaneamente, il fatto che il primo investitore acquisti a 100 non dà molta informazione al secondo investitore, il quale potrebbe osservare un prezzo pari a 101. Il prezzo di mercato si dovrebbe perciò modificare per riflettere la decisione di acquisto del primo investitore.
 
Questi modelli assumono invece che le opportunità di investimento sono disponibili per tutti gli individui allo stesso prezzo e possono dunque avere una valenza pratica solo in un contesto in cui i prezzi di mercato non si muovono facilmente e istantaneamente, come avviene ad esempio per mercati poco liquidi o OTC. Cerchiamo ora di formalizzare lo sviluppo di uno di questi modelli.
 
Supponiamo che un certo numero di investitori decida in sequenza se investire o meno in una azione. Il guadagno di ogni investitore è proporzionale al payoff del suo investimento. p indica il payoff dell’investimento per ogni individuo ed è uguale a +1 o –1 con uguale probabilità ( le alternative sono ugualmente probabili, cioè la probabilità a priori è pari a 0,5 ). L’ordine in cui gli investitori decidono è esogenamente determinato.
 
Ogni investitore osserva un “segnale privato” o “informazione privata” circa il payoff del suo investimento, che può essere “buono” ( B ) o “cattivo” ( C ). Se     p = +1, allora la probabilità che il segnale B sia corretto è uguale a p                    ( 0,5 < p < 1 ), mentre la probabilità che il segnale sia C pur essendo p = +1         ( caso questo in cui il segnale privato è fuorviante circa il “true value” del    payoff ) è ( 1 – p ) < 0,5. Allo stesso modo, la probabilità che il segnale C sia corretto e corrisponda al payoff p = -1 è pari a p ( 0,5 < p < 1 ), mentre quella relativa ad un segnale errato B è pari a ( 1 – p ) < 0,5. A priori, la probabilità che un dato segnale privato sia corretto anziché errato è maggiore per ipotesi, essendo lo stesso segnale non condizionato dal vero valore del payoff.
 
A parte il proprio segnale privato, ogni investitore osserva le decisioni ma non i segnali privati dei suoi predecessori. Applicando la regola di Bayes, la probabilità a posteriori che p sia uguale a +1 dopo aver osservato il segnale B       (cioè la probabilità a posteriori che il segnale risulti corretto) risulta dalla probabilità a priori che un certo payoff si verifichi e da quella del segnale B condizionata al tipo di payoff, secondo la seguente relazione:
.
 
Identico discorso, con payoff e segnale invertiti, vale nel caso di probabilità condizionata a posteriori della correttezza del segnale C.
 
 Il primo investitore a seguirà il suo segnale privato: se osserva B allora investe, se osserva C non investe. Il secondo investitore b osserva la scelta del primo e può dedurre il segnale privato di  a ( B o G ) in base alla scelta compiuta da quest’ultimo. Se il segnale privato di b è B, avendo osservato a investire, anche il secondo individuo investirà. Se invece b osserva B e a non investe, allora una ulteriore applicazione della regola bayesiana implica che la sua probabilità a posteriori che p = +1 è 0,5. E’ come se  b osservasse due segnali, B ( il suo segnale privato ) e C ( il segnale presunto dalla scelta di a ) , dovendo lanciare una monetina per fare la sua scelta. In questo caso b è indifferente fra investire e non investire, ovvero fra il seguire il proprio segnale privato e quello dedotto dal comportamento di a. In questi casi assumiamo per ipotesi che prevalga la scelta del segnale privato, quindi b investirà.
 
Se invece a investe e b non investe, il terzo investitore d dedurrà che il segnale di a è B, e che è più probabile che b abbia osservato C piuttosto che B. Nell’indecisione fra investire o no d deciderà, per ipotesi, in base al suo segnale privato. Questo caso è simile a quello descritto per b nel caso in cui il suo segnale privato fosse discorde con l’azione di a.
 
Supponiamo invece che sia a che b investano. Il terzo investitore d conclude      ( per deduzione ) che i suoi predecessori hanno entrambi osservato il segnale B. Una nuova applicazione della regola bayesiana implica che d deciderà di investire anche se il suo segnale è C, poiché la sua probabilità ex post che il segnale sia B è maggiore di 0,5.
 
Se i tre agenti che lo precedono hanno deciso nello stesso modo, il quarto investitore e non può dedurre nulla circa il segnale osservato da d sulla base della scelta compiuta da quest’ultimo. e si trova esattamente nella situazione in cui era d e deciderà di investire ignorando il proprio segnale privato. Se invece due dei tre predecessori hanno fatto la medesima scelta, e segue la regola ipotizzata e opta in base alla propria informazione privata. Lo stesso comportamento assumeranno anche gli investitori successivi ad e.
 
Si dice che con il terzo investitore d è partita una “cascata di investimento”. Allo stesso modo, se a e b non avessero entrambi investito, sarebbe iniziata con d una “cascata di non investimento”.
 
Se, invece, a e b avessero fatto scelte opposte, allora d avrebbe dedotto che uno dei due predecessori ha osservato il segnale B e l’altro il segnale C. La sua convinzione a priori ( dopo aver osservato il suo segnale ), è che p = +1 e p = -1 sono ugualmente probabili. d si sarebbe trovato nella stessa posizione di a e avrebbe seguito il suo segnale, come già ipotizzato.
 
In generale, un individuo sarà in una “invest cascade” ( “reject cascade” ) se e solo se il numero dei predecessori che investe ( non investe ) eccede il numero dei predecessori che non investono ( investono ) di due o più unità. La probabilità che la “cascata” abbia inizio dopo poche decisioni è molto alta. Anche se la qualità dell’informazione è scarsa (nel caso cioè in cui il segnale privato è “noisy” e la probabilità p che le news siano corrette in base al segnale è 0,5 ), una cascata parte dopo i primi quattro individui con probabilità superiore al 93% e dopo i primi otto individui con probabilità pari al 99,6% ! La statistica ci dice che il fenomeno si verifica con grande facilità in presenza di segnali privati distorti.
 
Specialmente in presenza di segnali “noisy”, la probabilità che la cascata sia errata è molto elevata. Si è in errore quando scatta una “invest cascade” ma il flusso di cassa dell’investimento è negativo (p = -1) o quando parte una “reject cascade” in presenza di un payoff positivo (p = +1) dell’investimento. Per esempio, quando p = 0,55, la probabilità che una eventuale cascata sia errata è 0,434, valore solo leggermente inferiore a 0,45, la probabilità che un individuo prenda una decisione sbagliata senza aver osservato le azioni dei suoi predecessori.
 
L’informazione disponibile per gli investitori, se correttamente aggregata, potrebbe produrre una più accurata previsione del vero valore del payoff. Per esempio, in presenza di 100 investitori supponiamo che, dal secondo fino al decimo, gli individui ignorino l’informazione contenuta nelle scelte dei predecessori, seguendo invece il proprio segnale privato. In tal caso una informazione qualitativamente migliore sarebbe disponibile per i restanti 90 individui. Gli individui da 11 a 100 tenderanno a “fare gregge” su una decisione che molto più probabilmente sarà corretta rispetto al caso in cui gli individui da 2 a 10 avessero preso in considerazione l’informazione rivelata dall’azione dei predecessori.
 
Una volta che un individuo entra in una cascata, la sua decisione e quelle degli individui che lo seguono non daranno alcuna informazione circa il segnale da essi osservato. Quando un individuo intraprende una azione senza alcun contenuto informativo per gli altri, egli crea una esternalità negativa. Se un individuo che precede gli altri nella scelta prende la decisione  socialmente ottimale di seguire il suo segnale privato, anziché agire nel proprio interesse “obbedendo” alla cascata, la scelta di questo individuo si aggiungerebbe all’insieme di conoscenze pubbliche, a tutto  beneficio dei successivi investitori. Un tale comportamento altruistico da parte di un certo numero di individui condurrebbe in ultima istanza a rendere ciascuna scelta molto più accurata. Invece gli individui, agendo nel proprio interesse, scelgono razionalmente di agire secondo imitazione. Così, la presenza di esternalità informative conduce ad un equilibrio instabile ed inefficiente.
 
In aggiunta, il tipo di cascata ( “invest” o “reject” ) dipende non solo dalla quantità e dalla qualità ( “buona” o “cattiva” ) dei segnali privati, ma anche dall’ordine con cui essi giungono agli investitori. L’ordine di arrivo dei segnali è esogeno al modello, ma influenza la sua evoluzione in modo cruciale. Per esempio, se il segnale arriva secondo l’ordine BBCC, allora tutti gli individui investono, perché il terzo investitore fa partire una “invest cascade”. Se invece lo stesso numero di segnali arriva nell’ordine CCBB, nessun individuo investirà perché col terzo investitore si attiverà una “reject cascade”. E se il segnale arriva nell’ordine BCCB, allora con una probabilità pari al 50% il secondo individuo investe e il terzo darà l’avvio ad una cascata di investimento. La decisione da parte degli agenti di investire o meno, e di conseguenza l’avvio di un certo tipo di cascata, è “path – dependent”, in quanto dipende fortemente dalle condizioni iniziali determinate dall’arrivo “esogeno e casuale” di un segnale “B” o “C”, oltre che “idiosincratica”, in quanto si regge su un numero esiguo e “poco trasparente” di informazioni private e non pubbliche.
 
Se ad essere osservabile fosse il segnale privato del predecessore anziché la sua azione, gli investitori successivi potrebbero avere una informazione migliore in base alla quale scegliere di investire o meno e propenderebbero a fare la scelta giusta. La differenza fondamentale fra l’osservazione della scelta e quella del segnale sta nel fatto che una volta partita, la cascata non consente più l’accumulo di informazione pubblica. Un iniziale predominio dell’investimento o del non investimento porta gli individui successivi ad ignorare il loro segnale privato, che così non potrà mai essere incorporato nell’insieme di news pubbliche. D’altro canto, neppure l’insieme di conoscenze pubbliche deve essere talmente completo da indurre il singolo investitore ad ignorare il suo segnale privato. Non appena l’informazione pubblica diviene anche in minima parte qualitativamente migliore del singolo segnale privato, ogni individuo àncora la sua decisione all’azione del predecessore e una nuova cascata prende piede. Di conseguenza, una cascata non è resistente neanche a shocks di modesta entità, diversi dei quali possono interrompere la “catena informativa sequenziale”: l’arrivo di un individuo più informato, l’annuncio di una nuova informazione pubblica, una variazione nel valore del sottostante che induca a non investire anziché investire o viceversa.
 
Quando i partecipanti si accorgono infatti di essere in una cascata, sono anche consapevoli che la  stessa si regge su una piccola informazione relativa ad un segnale privato non chiaramente rivelato. Quindi, un assunto chiave della teoria è che la struttura della “informational cascade” si dimostra fragile rispetto al verificarsi di shocks di lieve entità.
 
La cascata informativa nasce dunque rapidamente, in modo idiosincratico e si frantuma altrettanto facilmente. Questa assunzione è talmente forte da affievolire molte delle assunzioni fatte nell’esempio: la natura esogena dell’ordine con cui il segnale arriva, istanti temporali discreti, assenza di condivisione dell’informazione fra gli individui. L’ipotesi di prezzi rigidi verrà invece rimossa nel successivo paragrafo.
 
Possiamo adesso riassumere gli effetti che un comportamento gregario degli investitori genera secondo il “modello a cascata” in regime di prezzi fissi:
 
· le decisioni di asset allocation sono più correlate che in assenza di herding;
 
· Le decisioni prese in un contesto di scelte sequenziali non aggiungono alcuna informazione al set informativo disponibile per gli investitori successivi, generando delle esternalità negative;
 
· il modello a cascata è fragile a causa della presenza di esternalità negative e di idiosincrasia nel processo, potendo quest’ultimo essere interrotto o addirittura invertito da nuove informazioni o dall’ingresso nella “catena” di investitori più informati;
 
· il processo esposto può essere una delle spiegazioni della eccessiva volatilità dei mercati. Se gli investitori “seguono il flusso”, uno shock di lieve entità può causare l’interruzione di una “invest cascade” e il rapido avvio di una “reject cascade”. Tali fenomeni è più probabile che si verifichino in mercati poco liquidi, dove i prezzi non reagiscono istantaneamente e pienamente alle news o in mercati OTC, dove gli scambi sono più lenti e l’assenza di regolamentazione rende meno controllabili situazioni di eccessiva emotività ed “ancoraggio”.
 
 
Cascate informative in presenza di prezzi flessibili
 
Nell’esempio precedente abbiamo considerato prezzi fissi per ipotesi. Supponiamo ora che i prezzi siano flessibili e cambino a seconda delle decisioni sequenziali di acquisto o di vendita, incorporando l’informazione sottesa dalle scelte degli agenti. L’investitore possiede sia l’informazione pubblica che quella dedotta dalle scelte dei predecessori. In tale situazione, ciascun investitore successivo sarà a priori indifferente fra l’acquisto e la vendita e sceglierà esclusivamente in base al suo segnale. Sotto tali ipotesi si dimostra che non si avrà mai un fenomeno di herding.
 
Ipotizzando la stessa struttura probabilistica dell’ esempio riportato nel precedente paragrafo, supponiamo che il prezzo iniziale dell’investimento sia 0 e che, se il primo investitore decide di acquistare, il prezzo sale a 2p – 1, valore atteso dell’asset nel caso in cui il segnale osservato sia B. Se il segnale privato del secondo investitore è C, il prezzo da lui stimato a posteriori è 0, inferiore al valore  2p-1, pari al prezzo dell’investimento per il primo agente. Se invece il secondo investitore osserva B, l’aspettativa a posteriori del payoff è pari a:
.
 
Perciò, il secondo investitore segue il segnale privato, ovvero investe se il segnale è “good”, non investe se il segnale è “bad”. Se invece il primo investitore non acquista, il secondo investitore ha una stima a posteriori del prezzo pari a    1-2p e seguirà ancora una volta il suo segnale privato. Ogni investitore successivo segue esclusivamente il proprio segnale perché il prezzo si aggiusta in modo tale da incorporare sempre l’informazione pubblicamente disponibile, così che per l’investitore, prima di aver osservato il segnale, è perfettamente indifferente acquistare o vendere. Avery e Zernsky[26] concludono che in presenza di prezzi flessibili e incorporanti in ogni momento l’informazione pubblica non si verificano fenomeni di herding behavior. Sotto le assunzioni fatte, il mercato è efficiente dal punto di vista informativo e il prezzo rispecchia il valore fondamentale del titolo, non essendoci fenomeni di mispricing.
 
 
Herding , reputazione dei gestori e sistemi di retribuzione
 
Scharfstein e Stein[27] propongono un esempio di herding riferito al comportamento dei gestori nelle scelte d’investimento. L’idea di base è che se il manager è incerto sulla sua abilità nell’individuare i titoli migliori, il fatto  di conformarsi agli altri investitori professionali consente di occultare la sua scarsa abilità dietro un errore di gruppo, non imputabile a nessuno in particolare. Questo atteggiamento premia il manager insicuro e se altri gestori sono in una simile situazione, allora si presenta un fenomeno di imitazione aggregato fra investitori di grande rilievo.
 
Supponiamo che ci siano due manager posti di fronte ad una stessa opportunità di investimento. Ciascuno dei due può avere scarsa o elevata abilità; se il manager è bravo, riceve segnali informativi circa il rendimento dell’investimento, mentre quello incapace riceve segnali “noisy”. Nessuno dei manager conosce l’effettiva capacità di se stesso e dell’altro. L’opinione sulla incapacità o la bravura dei due manager è aggiornata ogniqualvolta decidono se fare o meno un investimento e dopo aver conosciuto i rendimenti dello stesso.
 
Se entrambi i manager hanno grande abilità, allora osservano uno stesso segnale   ( B o C ) da una distribuzione casuale di segnali informativi. Se entrambi sono incapaci, scelgono un segnale qualsiasi da una distribuzione di segnali “rumorosi”. Se un manager è abile e l’altro no, l’uno riceve un segnale informativo, l’altro un segnale “rumoroso”, tratti dalle due differenti distribuzioni casuali di segnali, che offrono comunque una stessa probabilità di osservare il segnale B.
 
Supponiamo che il primo manager scelga in base al segnale privato, il secondo in base alla scelta del primo e al proprio segnale privato. L’equilibrio di questo gioco vuole che il secondo investitore non se la senta di prendere una decisione contraria rispetto al primo per il timore di perdere la reputazione di fronte a una scelta errata divergente da quella del suo concorrente. L’insicurezza sulla sua abilità lo induce ad imitare anziché prendere il coraggio di una scelta differente. Possiamo affermare che la scelta gregaria può stare comoda in un certo senso ad entrambi gli individui: in caso di scelta vincente, il primo manager potrà vantarsi di essere stato più abile e dunque imitato dal suo concorrente, pur non potendolo dimostrare con certezza; in caso di decisione a posteriori fallace, entrambi potranno attribuire l’esito negativo alla cattiva qualità del segnale, non addossandosi la responsabilità del fallimento. In questo caso il manager insicuro “condividerà” l’insuccesso con il suo collega e non rischierà di perdere la faccia. Se il numero dei manager è cospicuo, tutti finiranno per prendere la decisione del primo, scaricando la responsabilità dell’insuccesso ( prevalenza di segnali C ) a fattori esterni e attribuendosi il merito dell’eventuale scelta azzeccata                    ( prevalenza di segnali B ).
 
Questa forma di herding è dunque inefficiente, perché le singole informazioni private non vengono svelate dai comportamenti imitativi; idiosincratico, perché scatenato dal segnale privato del primo manager; fragile, perché basato su una piccola mole di informazioni private. Molte delle implicazioni di questo esempio sono comuni al caso di “informational cascade” con prezzi rigidi.
 
Un'altra causa di ammassamento nel comportamento dei gestori potrebbe essere identificata negli schemi di retribuzione offerti agli stessi in base alle performances ottenute. Maug e Naik[28] considerano il caso di un gestore A avverso al rischio, il cui compenso cresce con la propria performance e decresce con la performance di un suo concorrente ( B ), supponendo che quest’ultimo applichi una strategia passiva basata sulla replica del benchmark. Si suppone inoltre che i due agenti abbiano informazioni private imperfette sui rendimenti degli assets. Le decisioni di investimento avvengono in modo sequenziale, poiché il primo a decidere è B, mentre A sceglie il suo portafoglio sulla base del proprio segnale privato e osservando il comportamento di B.
 
In un contesto di herding basato sulla imperfetta informazione, l’equilibrio decisionale per A richiede che il beneficio marginale di un comportamento imitativo sia superiore al relativo costo marginale, rappresentato dalla possibilità di sovraperformare sulla base di una scelta individuale. In altri termini, il timore di sbagliare la scelta d’investimento ( problema di reputazione ) si associa al fatto che sbagliando, A verrà retribuito di meno; è importante sottolineare che la riduzione di stipendio per A non dipende solo dalla bontà della sua scelta, ma anche e soprattutto dal paragone con la performance del concorrente B. Si potrebbe affermare che, in presenza di vincoli sulla retribuzione che si aggiungono al problema della reputazione, l’avversione al rischio di A aumenta esponenzialmente; tale risultato è accentuato inoltre dalla presenza di una esternalità negativa dovuta al condizionamento della retribuzione di A dal risultato ottenuto da B.
 
Il fenomeno di imitazione descritto incide in modo cruciale su un eventuale rapporto principale – agente, che coinvolge il dipendente A e il proprietario C della società di gestione, elargitore dello stipendio.. Quest’ultimo farebbe meglio a risolvere i problemi di selezione avversa e di azzardo morale derivanti dal pericolo di herding attraverso un contratto che preveda, per esempio, incentivi per la raccolta di informazioni private di ottima qualità ( anziché “noisy” ), allo scopo di eludere fenomeni di “moral hazard” da parte del gestore A; o, ancora, C potrebbe effettuare uno “screening” allo scopo di individuare i gestori “autonomi” da quelli “imitatori”, per annullare il rischio di “adverse selection”.
 
Un contratto “efficiente”, che tenda ad eliminare fenomeni di selezione avversa e di azzardo morale in presenza di herding dei gestori, potrebbe in un certo senso “costringere” ad un comportamento gregario dei gestori compatibile con l’efficienza: in tal caso, l’unanimità delle scelte sarebbe la conseguenza diretta di una ricerca di informazioni autonoma ( implicante la bontà delle news ) che porterebbe diversi gestori ad agire all’unisono in risposta a variazioni nei fondamentali.
 
 
Comportamento gregario nei mercati finanziari e strategie di investimento
 
In generale, gli studi empirici sulla presenza di herding nei mercati non esaminano o verificano particolari modelli comportamentali degli investitori, essendo tali approcci puramente statistici, spesso incapaci di distinguere fra herding intenzionale e spurio. Questa difficoltà nasce dal fatto che non è semplice definire ed “isolare” i fondamentali, oltre che attribuirne una misura per quantificarli.
 
Un indicatore statistico abbastanza utilizzato per catturare il fenomeno è stato elaborato da Lakonishok, Shleifer e Vishny ( LSV ) nel 1992[29]. Gli autori definiscono e misurano l’herding come la tendenza media di un certo numero di money managers ad acquistare ( vendere ) determinate azioni nello stesso tempo.
 
Precisiamo che la letteratura finanziaria fa riferimento a portafogli di titoli anziché a singoli asset, perché si presume che solo in presenza di un paniere di titoli è possibile catturare un eventuale comportamento imitativo fra i gestori degli stessi, dato che solo analizzando il comportamento aggregato di un insieme di stocks se ne può dedurre un eventuale convegerza o divergenza; sarebbe invece difficile fare la stessa cosa osservando i singoli titoli.
 
Fatta questa precisazione, osserviamo che l’indicatore di LSV rappresenta in realtà una misura della correlazione fra i “trading patterns” utilizzati da un particolare gruppo di gestori e della loro tendenza ad acquistare e vendere lo stesso set di azioni. Se l’ “herd behavior” implica elevata correlazione nelle strategie di trading, il contrario non è però necessariamente vero.
 
L’ indicatore di LSV è basato sugli scambi condotti da un sottogruppo di investitori in un dato periodo di tempo, consistente in un gruppo omogeneo di gestori. Definiamo B ( i, t ) [ S ( i, t ) ] il numero di tale gruppo di gestori che compra [ vende ] l’azione i nel trimestre t e H ( i, t ) la misura di herding per l’azione i nel trimestre t. La misura di herding definita dai tre autori è la seguente:
,
dove p ( i, t ) = B ( i, t ) / [ B ( i, t ) + S ( i, t ) ] e p ( t ) è la media di p ( i, t ) su tutte le azioni i che sono state scambiate da almeno uno dei gestori del gruppo. Il fattore di aggiustamento FA è definito come:
,
dove l’aspettativa è calcolata sotto l’ipotesi nulla che B ( i, t ) segue una distribuzione binomiale con parametro p ( t ). Sotto l’ipotesi nulla di assenza di herding, la probabilità che un gestore scelto casualmente sia un acquirente netto dell’azione i è p ( t ), mentre il valore atteso di  è FA ( i, t ). Se          N ( i, t ) = B ( i , t ) + S ( i, t ) è grande, allora sotto l’ipotesi nulla FA ( i, t ) sarà vicino a zero poiché p ( i, t ) tende a p ( t ) all’aumentare del numero degli investitori “attivi”. Il fattore di aggiustamento è incluso nella misura di herding per tener conto dello scostamento  dovuto alle azioni che nel trimestre t non sono scambiate da un gran numero di gestori. Se N ( i, t ) è piccolo, allora FA ( i, t ) sarà generalmente positivo. Un valore di H ( i, t ) significativamente diverso da zero è interpretabile come il segnale della presenza di herding fra i gestori. Se, per esempio, H ( i, t ) = 3, vuol dire che su 100 fondi gestiti, 3 gestori in più hanno operato nella stessa direzione ( in acquisto ) rispetto al caso in cui avessero scelto di agire individualmente.
 
I tre autori calcolano la misura di herding su un campione di 769 fondi pensione gestiti da 341 differenti money managers nel mercato americano dal 1985 al 1989 e concludono sull’assenza di un significativo comportamento gregario degli stessi. Tuttavia, alcune tracce di ammassamento vengono rilevate in modo prevalente nelle azioni a bassa capitalizzazione rispetto a quelle di grandi aziende, sulle quali è concentrata maggiormente l’azione degli investitori istituzionali. La spiegazione di LSV consiste nella carenza di informazione pubblica relativa alle piccole aziende rispetto alle “higt sizes”, il che spinge i gestori ad essere indipendenti nella gestione dei titoli più capitalizzati e ad imitare le scelte dei concorrenti nella gestione dei titoli minori, a causa della presenza di pochi segnali dalla scarsa qualità concernenti le “small sizes”. Gli autori sottolineano comunque come sia difficoltoso valutare l’impatto            dell’ herding sui prezzi di mercato senza una precisa conoscenza dell’elasticità della domanda di azioni. E’ possibile infatti che persino una lieve presenza del fenomeno abbia un forte impatto sul livello e sulla volatilità dei prezzi.
 
Grinblatt, Titman e Wermers[30] ( GTW ) utilizzano l’indicatore di LSV per studiare il comportamento di 274 fondi comuni di investimento fra il 1974 e il 1984, trovando una relazione fra herding dei gestori e profittabilità di una “momentum strategy”. I tre autori mostrano che l’herding è molto forte fra i gestori che acquistano i fondi che nell’ultimo trimestre hanno ottenuto rendimenti superiori alla media ( c.d. “vincitori” ), mentre il fenomeno è meno accentuato nel caso di vendite dei titoli “perdenti” nel precedente trimestre. GTW sostengono dunque che il comportamento gregario nelle scelte d’investimento dei gestori è strettamente correlato alle performances ottenute dai titoli nel trimestre passato, soprattutto quando i money managers decidono di acquistare ed inserire nel loro portafoglio i titoli che hanno sovraperformato nel periodo citato. Al contrario, la scelta di escludere dal portafoglio i titoli che hanno reso meno nel trimestre trascorso non trova largo consenso tra i gestori, che appaiono dunque più indipendenti quando prendono posizioni “corte” anziché “lunghe”.
 
Wermers[31] utilizza la misura di LSV per confrontare il comportamento dei fondi comuni con quello dei fondi pensione, utilizzando i rendimenti trimestrali di oltre 500 fondi dal 1975 al 1994. L’autore trova che l’herding coinvolge maggiormente i fondi comuni di investimento rispetto ai fondi pensione e che il fenomeno per i fondi comuni non si rafforza all’aumentare degli scambi, anzi diminuisce all’aumentare del numero di fondi “attivi”. Entrambi i risultati sono spiegabili in base alla relazione esistente fra herding e scelta dei titoli in base alla capitalizzazione: i fondi pensione sono meno soggetti al fenomeno perché investono maggiormente nei titoli più capitalizzati, dovendo per statuto adottare strategie attive su titoli più “sicuri” perché maggiormente scambiati e conosciuti; i fondi “attivi” scambiano, allo stesso modo, titoli maggiormente capitalizzati, che sono anche i meno soggetti a fenomeni di “ammassamento” grazie alla maggiore e migliore informazione che li riguarda.
 
Proseguendo nella sua indagine, Wermers trova che i fondi che investono nei settori emergenti sono maggiormente interessati da un fenomeno di convergenza delle strategie adottate e che, in generale, l’herding coinvolge fondi ad orientamento specifico ( speculativi, di sviluppo, a reddito elevato, bilanciati, internazionali ) piuttosto che fondi considerati nella loro globalità, senza differenze di obbiettivi. La spiegazione va trovata ancora una volta nel tipo e nella qualità di informazione utilizzabile dai gestori nei diversi segmenti di mercato: l’herding è maggiormente presente laddove prevale l’informazione specifica su quella aggregata o pubblica, ovvero dove è elevato il rischio specifico o settoriale, in presenza di informazioni dalla incerta provenienza e dalla dubbia qualità. Quando l’informazione è “noisy” e i prezzi  che la inglobano divengono un cattivo segnale del “true value” di un investimento, i gestori preferiscono “accodarsi” pittosto che “distinguersi” per una scelta individuale dall’ esito incerto.
 
Lo studio di Wermers mostra inoltre che i fondi si accodano principalmente nelle fasi di vendita dei titoli a bassa capitalizzazione; il fenomeno è molto intenso per i titoli che hanno avuto un elevato rendimento positivo o negativo nel trimestre precedente. L’herding dal lato degli acquisti è maggiore per i titoli dall’alto rendimento rilevato nel precedente trimestre, mentre l’herding dal lato delle vendite è più evidente per i titoli dal basso rendimento rilevato nello stesso periodo. Le strategie “positive – feedback” o “momentum” implicano inoltre l’acquisto dei “vincitori” più che la vendita dei “perdenti” nel passato trimestre.
 
Lo studio di Wermers fornisce inoltre delle interessanti indicazioni sulle conseguenze che il comportamento gregario dei gestori ha sui rendimenti dei titoli scambiati dagli stessi. I titoli soggetti ad acquisto di massa mostrano in media un rendimento immediato elevato e una performance altrettanto elevata nei sei mesi successivi alle vendite di massa. Questo risultato vale inoltre più per i titoli minori che per quelli a maggiore capitalizzazione. L’autore desume che, essendo il differenziale dei rendimenti non temporaneo ma persistente per un certo periodo, l’herding osservato potrebbe avere una radice “razionale” ed essere una forza stabilizzante che spinge l’incorporazione delle nuove informazioni nei prezzi.
 
I limiti dell’indicatore di LSV sono sostanzialmente tre: il primo attiene al fatto che questa misura di herding tiene conto esclusivamente del numero degli investitori che acquistano e vendono, prescindendo dall’ammontare di titoli scambiati nelle due direzioni. Supponiamo che il numero dei compratori e dei venditori coincida, ma la domanda di titoli da parte degli acquirenti sia inferiore a quella offerta dai venditori. Se l’herding interessa un dato titolo, l’indicatore di LSV non cattura la presenza del fenomeno perché i due gruppi di investitori si equivalgono. Questo esempio mostra come l’indicatore sia incapace di catturare l’herding riguardante un certo titolo, poiché evidenzia il fenomeno sulla sola base del numero di investitori che acquistano o vendono. Il secondo limite sta nella incapacità di H ( i, t ) di attribuire la persistenza del fenomeno ad un fondo piuttosto che ad un altro. Il terzo limite consiste nella forte dipendenza dell’indicatore dal periodo t preso in considerazione: in un mercato molto liquido e ricco di scambi, come quello delle “big sizes”, l’herding potrebbe essere catturato in un periodo di tempo relativamente piccolo. Se invece i titoli fossero trattati in un mercato a basso tasso di scambio, sarebbe difficile osservare il fenomeno in un intervallo di tempo relativamente esiguo. Per i titoli a bassa capitalizzazione, ad esempio, gli scambi sono molto più lenti e un’accurata indagine sulla presenza di ammassamento necessiterebbe di un periodo di tempo di molto superiore al trimestre. La persistenza del fenomeno non è peraltro rilevata dal valore di H in un dato periodo, bensì dalla differenza fra i coefficienti rilevata in due o più periodi contigui. Possiamo quindi concludere che ci sarebbe bisogno di intervalli temporali di osservazione distinti a seconda della capitalizzazione dei titoli di cui si vuole verificare l’eventuali persistenza del fenomeno nel tempo.
 
 
Le raccomandazioni degli analisti finanziari: scoop o imitazione?
 
La letteratura finanziaria in materia di herding non si è limitata ad evidenziare le implicazioni che tale fenomeno può avere sulle scelte di investimento dei gestori, sui tipi di strategie da adottare per migliorare la performance, in generale sulle decisioni di acquisto e di vendita degli agenti. Diversi sono stati infatti gli studi che hanno focalizzato l’attenzione su  una realtà “parallela e prodromica” alle scelte di investimento, come quella concernente i consigli degli analisti e la bontà delle loro “newsletters”. La facilità con cui queste raccomandazioni giungono alle orecchie e agli occhi della massa potrebbe essere terreno fertile per spingere gli investitori ad agire in una stessa direzione, quella indicata per l’appunto dagli “esperti”. In questo contesto non sarebbe fuor di luogo chiedersi se il comportamento gregario degli investitori non possa in realtà essere la conseguenza di un ammassamento “a monte” che coinvolge proprio gli analisti e i relativi “bollettini” previsionali.
 
Lo scetticismo circa l’autonomia di indagine degli analisti e sul loro agire consapevole è oggi molto forte, anche se è difficile accertare fino a che punto gli investitori in genere e i gestori in particolare seguano le raccomandazioni delle newsletters. Diversi lavori forniscono un’idea di come possa svilupparsi un fenomeno di herding nei mercati indotto da atteggiamenti imitativi “a monte”, nella fattispecie da parte degli analisti.
 
Seguendo l’approccio di Scharfstein e Stein[32], Graham[33] costruisce un modello di herd behavior basato sulla reputazione degli analisti che pubblicano raccomandazioni di investimento. Nel modello di Graham la probabilità di ammassamento:
 
· diminuisce con l’abilità dell’analista, poiché un analista di scarsa capacità ha un maggiore incentivo a nascondersi dietro la massa rispetto ad un collega dalle grandi doti previsive;
 
· aumenta con il livello di reputazione iniziale dell’analista: gli analisti con elevata reputazione ( e presumibilmente con elevati salari ) sono molto più prudenti nell’opporsi all’opinione dominante e “fanno gregge” per proteggere la loro fama attuale ( e la loro paga profumata ); i loro colleghi meno conosciuti  hanno invece “poco da perdere” ed è più probabile che agiscano sulla base di informazioni private in loro possesso;
 
· aumenta con la forza della precedente informazione pubblica ( e se questa è coerente con l’azione dell’ analista leader ); se l’informazione pubblica aggregata si mantiene ben salda nel tempo ( perché, ad esempio, la precedente distribuzione ha una varianza relativamente piccola ) ed è rafforzata dalle raccomandazioni dell’analista migliore sulla piazza, il singolo analista farà molta fatica ad opporsi all’opinione dominante per seguire il suo “segnale” privato;
 
· aumenta con il livello di correlazione tra i segnali informativi privati.
 
I dati utilizzati nella verifica di Graham coprono il periodo compreso fra il 1980 e il 1992 e contengono 5293 raccomandazioni provenienti da 237 newsletters. Data la sua caratura ed accessibilità, il periodico Value Line Investiment Survey è stato utilizzato come “market leader” e come parametro di riferimento per i consigli forniti da tutti gli analisti. Un annuncio è una raccomandazione fornita da un certo bollettino circa l’aumento o la diminuzione della componente azionaria in portafoglio e la verifica effettuata dall’autore tende ad evidenziare se i restanti bollettini cambiano le loro raccomandazioni in base agli annunci pubblicati su Value Line. La variabile dipendente nell’analisi empirica è pari ad uno se una certa newsletter segue le indicazioni di Value Line, pari a zero altrimenti.
 
Il principale risultato ottenuto da Graham è che la precisione del segnale privato    ( ad esempio l’abilità dell’analista ) è il fattore chiave nel determinare se un bollettino si “accoda” o meno a Value Line. L’autore mostra inoltre che l’herding è più probabile se la reputazione del bollettino è elevata, se l’informazione pubblica precedente agli annunci è “resistente” e i se segnali informativi privati sono molto correlati. Tali risultati valgono pur ammettendo la possibilità che i bollettini raccomandino strategie di tipo “momentum – investment”. Il lavoro di Graham, uno dei pochi tentativi di testare in modo diretto un modello di herd behavior per gli analisti, mostra dei risultati che sono coerenti con i modelli di herd behavior basati sulla reputazione e sulle cascate informative.
 
Welch[34] utilizza il periodico Zacks Historical Recommendation Database per esaminare il fenomeno dell’herding fra gli analisti, che egli definisce come l’influenza esercitata sugli analisti dall’opinione prevalente e dalle recenti revisioni fornite dagli altri “esperti”. Gli input utilizzati nell’analisi consistono in circa 50.000 raccomandazioni pubblicate da 226 brokers fra il 1989 e il 1994, suddivise nelle seguenti categorie: “strong buy”, “buy”, “hold”, “sell”, “strong sell”. I dati includono solo quei titoli che sono stati oggetto di almeno 16 raccomandazioni nell’intero periodo indagato. L’ipotesi nulla è che, per ogni raccomandazione, la transizione da una categoria all’altra è generata in assenza di herding. L’autore usa una parsimoniosa specificazione parametrica per mostrare come questa transizione possa essere influenzata dal prevalente consenso e dalle recenti revisioni degli analisti, per esaminare se si verifichi o meno la presenza di herding.
 
I risultati della verifica suggeriscono che sia l’opinione prevalente che le due più recenti previsioni di altri analisti influenzano le raccomandazioni del singolo “esperto”. Le previsioni altrui hanno maggiore influenza se sono più recenti e se si rivelano a posteriori delle stime affidabili dei rendimenti azionari. L’effetto dell’opinione dominante prescinde comunque dalla bontà della raccomandazione circa il futuro andamento dei prezzi. Welch interpreta questi risultati come l’evidenza che l’influenza delle recenti revisioni degli altri analisti deriva dal desiderio di sfruttare le informazioni di breve periodo sui fondamentali, mentre è meno probabile che un ammassamento sull’opinione prevalente sia causato dall’informazione attinente ai fondamentali. L’autore trova inoltre che il comportamento gregario da “unanime consenso” è più forte nelle fasi di rialzo del mercato, caratterizzate da un minore flusso di informazione aggregata che rende più fragile il mercato nelle sue fasi “bull” rispetto a quelle “bear”.
 
Sia lo studio di Graham che quello di Welch sono possibilisti circa l’esistenza di un comportamento gregario che coinvolge gli analisti. Uno dei limiti di queste indagini consiste nella mancata differenziazione fra tipi di azioni soggette a raccomandazioni; ad esempio, potrebbe essere rilevante la differenza fra titoli ad alta e a bassa capitalizzazione a causa della diversa qualità e quantità di informazione per essi disponibile. Gli investitori hanno tipicamente molta più informazione in base alla quale poter scegliere fra differenti titoli ad alta capitalizzazione, anche sulla base di serie storiche più complete. I titoli minori sono invece poco seguiti dagli analisti, poiché è più difficile ottenere valide informazioni per questo settore di mercato. L’opinione o consenso dominante, se esiste, è probabile che sia abbastanza fondato per i titoli minori. E’ perciò probabile che l’herding fra gli analisti sia più forte per le “small sizes” rispetto alle “big sizes”. Allo stesso modo, si potrebbe affermare l’esistenza di un herding più intenso fra le newsletters che danno raccomandazioni su strumenti finanziari scambiati in mercati emergenti rispetto a quelli disponibili in mercati sviluppati.
 
 
Sintesi e conclusioni
 
Nel corso di questa trattazione abbiamo cercato di offrire una panoramica esaustiva circa la definizione del fenomeno “herding”, le cause che possono indurre gli investitori ad un comportamento gregario, le implicazioni che l’imitazione di massa può avere sul livello e la volatilità dei corsi azionari e sul processo decisionale alla base delle scelte di investimento. La letteratura finanziaria si è occupata di questo fenomeno utilizzando in misura più marcata un approccio empirico, senza disdegnare il tentativo di formulare modelli che in qualche modo formalizzassero il problema. La difficoltà maggiore nel catturare la presenza del fenomeno è data dal fatto che i test empirici a riguardo non possono basarsi esclusivamente su serie storiche di prezzi e rendimenti, come accade per le verifiche classiche dell’efficienza del mercato.
 
Abbiamo potuto constatare che alla base di tale anomalia c’è essenzialmente un problema di informazione deficitaria dal punto di vista quantitativo e qualitativo, che induce gli agenti ad agire sulla base di segnali diversi dal prezzo di mercato. Ma proprio perché la presenza del fenomeno gioca sull’esistenza di segnali o informazioni private, i test empirici devono fare i conti con l’assenza di dati che possano offrire una certa valenza pratica ai modelli formulati. L’anonimato circa la provenienza e la circolazione di informazione privata rappresenta l’anima del mercato, nonostante l’abuso di informazione privilegiata sia penalmente perseguito in tutti i paesi dotati di un sistema finanziario sviluppato. Ma, a ben pensarci, un mercato in cui tutti agiscono sulla base di uno stesso set informativo pubblicamente disponibile non potrebbe esistere, in quanto tutti gli agenti avrebbero identiche aspettative e non troverebbero una controparte disposta a scambiare nella direzione opposta. La presenza di segnali privati “noisy” e di investitori irrazionali, sebbene additata dai teorici dell’efficienza come prima causa del fallimento del mercato, rappresenta in realtà il motore degli scambi, poiché crea differenza di opinioni ed aspettative; la differenza di opinione genera infatti aspettative sui corsi differenti, in base alle quali gli agenti decidono di prendere posizioni “corte” o “lunghe” che si incrociano e “fanno il mercato”. Un mercato perfetto non è perciò ammissibile, perché tutti acquisterebbero o venderebbero sulla base di stessi segnali e neanche l’ombra di uno scambio muoverebbe il mercato.
 
Fatta questa dovuta premessa, il limite delle ricerche sulla presenza di herding e sulla finanza comportamentale in genere vanno ricercati nella impossibilità, allo stato attuale, di disporre di dati certi e completi sui “segnali privati” che spingono l’investitore ad agire in modo “irrazionale”, tenendo bene a mente che questi segnali il più delle volte non hanno natura informativa, economica o finanziaria, bensì emotiva.
 
Lo scopo della nostra trattazione è stato quello di affrontare il fenomeno del “gregge” sia dal punto di vista del “sentiment” degli investitori, che dal punto di vista dei mercati: nei primi paragrafi abbiamo cercato di fornire una spiegazione “psicologica” del fenomeno, scovandone le cause in fattori quali la pressione sociale, il potere e l’affidabilità dell’autorità, le diverse forme di “anchoring” quali l’eccessiva fiducia in sé, il principio di conservazione o l’euristica della rappresentatività. Nei paragrafi successivi abbiamo invece privilegiato l’aspetto tecnico, attraverso l’esposizione di modelli, primo fra tutti quello “a cascata”, che spiegassero in modo formale il processo di presa delle decisioni in un contesto di imitazione collettiva. Nell’ultima parte del capitolo abbiamo invece affrontato gli effetti pratici di un comportamento gregario sui mercati, attraverso lo studio delle strategie poste in atto dai gestori di fondi influenzati dalle scelte dei concorrenti e da sistemi retributivi creati ad hoc per eludere atteggiamenti imitativi. Abbiamo anche introdotto una misura quantitativa di herding, con tutti i limiti che un indicatore rigoroso può avere in un contesto così difficile da identificare e formalizzare. Ci siamo infine chiesti se le raccomandazioni degli analisti potessero anch’esse essere soggette ad imitazione ed avere una qualche influenza “a monte” sul comportamento gregario degli investitori che seguono questi consigli.
 
Alla luce delle indagini effettuate e tenuto conto dei limiti riscontrati nella ricerca, abbiamo comunque ottenuto molti risultati concludenti circa le cause del comportamento di massa e le sue implicazioni sui mercati. L’herding nasce essenzialmente per defezioni nel sistema informativo ( cause esterne o razionali ) che si affiancano all’emotività degli agenti ( cause interne o irrazionali ) nelle scelte di investimento. L’equilibrio in presenza di herding è sequenziale e molto fragile, perché basato su informazioni private dal dubbio valore e dalla presenza di idiosincrasia. Il fenomeno è compatibile con l’esistenza di bolle speculative alimentate da scelte collettive che “sgonfiano” e “gonfiano” le quotazioni, causando una eccessiva volatilità dei corsi e frequenti “rally” di mercato, che a loro volta alimentano incertezza ed emotività, scatenando un circolo vizioso di ansia degli operatori, instabilità di mercato, irrazionalità dei corsi.
 
L’herding è anche compatibile con l’attuazione di strategie “momentum” o “feedback positive”, che celano una base di razionalità nel comportamento gregario degli individui; lo stesso fenomeno può spiegare l’esistenza di asimmetrie nel comportamento di titoli a differente capitalizzazione e grado di sviluppo o di fondi di diverso settore o provenienza. In generale, un comportamento gregario è favorito dalla scarsa forza dell’informazione pubblicamente disponibile e dalla elevata presenza di informazione specifica e di rischio diversificabile.
 
Nella nostra analisi abbiamo mostrato le evidenze empiriche sulla presenza di herding in mercati sviluppati, ma sarebbe interessante analizzarne le cause e gli effetti nei mercati emergenti o in via di sviluppo.Ci sono lavori interessanti[35] che mostrano come in questi mercati ( ad esempio la Korea ) l’assenza di una regolamentazione e di una vigilanza che stabilizzino il sistema e controllino l’operato degli agenti, l’occultamento e l’incompletezza di dati contabili e gli elevati costi di acquisizione dell’informazione creino l’ambiente ideale per lo sviluppo e l’intensificazione di comportamenti di massa basati sull’informazione, sulla reputazione o sugli incentivi. I risultati di queste ricerche mostrano che il grado di ammassamento e la sua persistenza sono di gran lunga più significativi rispetto a mercati sviluppati. Inoltre, poiché l’informazione è assorbita nel prezzo con enorme ritardo, strategie di tipo “feedback positive” potrebbero risultare molto profittevoli e in effetti le indagini effettuate mostrano come questi mercati sono popolati da un alto tasso di investitori stranieri, che hanno come unico scopo quello di speculare su tali inefficienze e sui dislivelli fra piazze d’affari a differente grado di sviluppo.
 
Gli studi illustrati non hanno inoltre fornito una precisa demarcazione fra “herding spurio” (o razionale) ed “herding intenzionale” (o puro). L’analisi statistica andrebbe infatti affinata per cercare di capire se la causa del comportamento di massa è una variazione nei fondamentali o un qualsiasi altro fenomeno che prescinde da cause economiche o finanziarie. Abbiamo affrontato questo problema nelle pagine precedenti, affermando che di per sé è già complicato individuare l’intensità e la direzione del fenomeno nei diversi mercati. Catturarne l’origine può persino apparire impresa proibitiva, dato che gli strumenti analitici a disposizione dei ricercatori non sempre consentono di capire se l’herding sia la conseguenza della reazione unanime dei partecipanti agli annunci pubblici o all’informazione pubblicamente disponibile. Allo stesso modo, appare improbabile individuare ed isolare completamente la componente sistematica o fondamentale di tali reazioni.

[1] Shiller R.J., “Euforia irrazionale – Analisi dei boom di Borsa”, Edizione italiana, Il Mulino, giugno 2000.
[2] Statman M., “Behavioral Finance: Past Battle and Future Engagments”, Financial Analysts Journal, novembre – dicembre 1999.
[3] Huberts L., Fuller R., “Predictability Bias in the U.S. Equity Market”, Financial Analysts Journal, marzo-aprile 1995. Derman D.N., Berry M.A., “Analyst Forecasting Errors and their Implications for Securiy Analysis”, Financial Analysts Journal, maggio-giugno 1995.
[4] Derman D.N., Berry M.A., “Analyst Forecasting Errors and their Implications for Security Analysis”, Financial Analysts Journal, maggio-giugno 1995.
[5] Olsen R.A., “Implications of Herding Behavior for Earnings Estimation, Risk Assessment, and Stock Returns”, Financial Analysts Journal, luglio-agosto 1996.
[6] Olsen R.A., “Implications of Herding Behavior for Earnings Estimation, Risk Assessment, and Stock Returns”, Financial Analysts Journal, luglio-agosto 1996. Scharfestein J., Stein R., “Herd Behavior and Investiment”, American Economic Review, giugno 1990. Trueman B., “Analyst Forecasts and Herding Behavior”, Review Financial Studies, gennaio 1994.
[7] Roll R., “A Critique of the Capital Asset Pricing Theory Tests”, Journal of Financial Economics, giugno 1977.
[8] Statman M., “Behavioral Finance: Past Battle and Future Engagments”, Financial Analysts Journal, novembre – dicembre 1999.
[9] Fischof B., Slovic P., Lichtenstein S., “Knowing with Uncertainty: The Appropriateness of Extreme Confidence”, Journal of Experimental Psychology: Human Perception and Performance, n.3, 1977, pp. 522 – 564.
[10] Gigerenzen G., “How to Make Cognitive Illusion Disappear: Beyond “Heuristic and Biases” , European Review of Social Psycology, n.2, 1991, pp. 83-115.
[11] Gordon W.P., “Subjective Probability Distributions for Imperfectly Known Quantities”, Knowledge and Cognition, 1975, pp. 29-41.
[12] Collins A., Warnock E., Acello N., Miller M.L., “Reasoning from Incomplete Knowledge”, in Bobrow D.G. a Collins A., Representation and Understanding: Studies in Cognitive Science, New York, Academic Press, 1975, pp. 383 – 415.
[13]Strahlberg D., Maass A., “Hindsight Bias: Impaired Memory or Biased Reconstruction“, European Review of Social Psychology, n.8, 1998.
[14] Tversky A., Kahneman D., “Judgment Under Uncertainty: Heuristics and Biases“, Science, n. 185,1974, pp. 1124-1131.
[15] Barberis N., Shleifer A., Vishny, „Model of Investitor Sentiments“, Journal of Financial Economics, n.49, 1998, pp. 307-343.
[16] Edwards W., “Conservatism in Human Information Processing”, Formal Representation of Human Judgement, Kleinmutz ed., New York, 1968.
[17] De Bondt W.F., Thaler R., « Does the Stock Market Overreact ? », op. cit..
[18] Milgrom P., Stokey N., “Information, Trade and Common Knowledge”, Econometrica, n.49, 1982, pp 219-222. Geanakoplos J., “Common Knowledge”, Journal of Economic Perspectives, n.6, 1992, pp.53-82.
[19] Solomon A., “Social Psycology”, Englewood Cliffs, N.J.: Prentice Hall, 1952. Trad. It. “Psicologia Sociale”, Torino, SEI, 1989.
[20] Deutsch M., Gerard H.B., “A Study of Normative and Informational Social Influences upon Individual Judgement”, Journal of Abnormal and Social Psychology, n.51, 1955, pp. 629-636.
[21] Milgram S., “Obedience to Authority”, New York, Harper and Row, 1974, pp.13-54.
[22] Bikhchandani S.D., Hirshleifer D., Welch I., „A Theory of Fashion, Social Custom and Cultural Change“, Journal of Political Economy, n.81, 1992. Banerjee, A.V., “A Simple Model of Herd Behavor”, Quarterly Journal of Economics, n. 107, 1992. Welch I., “Sequential Ales, Learning, and Cascades”, Journal of Finance, giugno 1992. Devenow A., Welch I., “Rational Herding in Financial Economics”, European Economic Review, n.40, 1996.
[23] Avery C., Zemsky P., “Multidimensional Uncertainty and Herd Behavior in Financial Markets”, American Economic Rview, n.88, 1998. Ho Lee, “Market Crashes and Informational Avalanches”, The Review of Economic Studies, n.65, 1998.
[24] Shiller R.J., “Euforia Irrazionale- Analisi dei boom di Borsa”, op.cit.
[25] Bikhchandani S.D., Hirshleifer D., Welch I., “A Theory of Fashion, Social Custom and Cultural Change”, op. cit.. Banerjee, A.V., “A Simple Model of Herd Behavor”, op. cit.. Welch I., “Sequential Ales, Learning, and Cascades”, op. cit.. Devenow A., Welch I., “Rational Herding in Financial Economics”, op. cit..
[26] Avery C., Zemsky P., “Multidimensional Uncertainty and Herd Behavior in Financial Markets”, American Economic Review, n.88, 1998.
[27] Scharfestein D., Stein J., “Herd Behavior and Investiment”, American Economic Review, n.80, 1990.
[28] Maug E., Naik N., “Herding and Delegated Portfolio Management”, London Business School, 1996.
[29] Lakonishok J., Shleifer A., Vishny R.W., “The Impact of Institutional Trading on Stock Prices”, Journal of Financial Economics, n.32, 1992, pp.23-43.
[30] Grinblatt M., Titman S., Wermers R., “Momentum Investiment Strategies, Portfolio Performance, and Herding: A Study of Mutual Fund Behavior”, American Economic Review, dicembre 1995, vol. 85, n. 5, pp. 1088-1105.
[31] Wermers R., “Mutual Fund Herding and the Impact on Stock Prices”, Journal of Finance, 1999, n.54, pp.581-562.
[32] Scharfstein D., Stein J., “Herd Behavior and Investiment”, American Economic Review, 1990, n. 80, pp.465-479.
[33] Graham J. R., “Herding Among Investiment Newsletters: Theory and Evidence”, Journal of Finance, 1999, n. 54, pp.237-268.
[34] Welch I., “Herding Among Security Analysts”, Journal of Financial Economics, 1999.
[35] Kim W., Wei S. J., “Foreign Portfolio Investors Before and During a Crisis”, NBER Working Paper,1999, n.6968, Cambridge, Massachusetts. Idem, “Offshore Investiment Funds: Monsters in Emerging Markets”, Working Paper n. 7133, NBER, Cambridge, Massachusetts. Choe H., Kho B.C., Stulz R.M., “Do foreign investors destabilize stock markets? The Korean experience in 1997”, 1999, Ohio State University. Chari V.V., Kehoe P., “Financial Crises as Herd”, 1999, Federal Reserve Bank of Minneapolis.

Elenco completo degli articoli

 

Si iscriva alla Newsletter per ricevere gli approfondimenti

 

Raccolta di Giurisprudenza in Omaggio:

IL CONTENZIOSO SUL MUTUO BANCARIO

Clicca qui per richiedere la Raccolta in omaggio

 
 
 

© COPYRIGHT TIDONA

Tutti i contenuti sono protetti dal diritto d'autore. Ogni utilizzo non autorizzato sarà perseguito ai sensi di legge.

RIPRODUZIONE VIETATA

 

 

 

Vedi tutti gli articoli
NOTE OBBLIGATORIE per la citazione o riproduzione degli articoli e dei documenti pubblicati in Magistra Banca e Finanza
È consentito il solo link dal proprio sito alla pagina della rivista che contiene l'articolo di interesse.
È vietato che l'intero articolo, se non in sua parte (non superiore al decimo), sia copiato in altro sito;  anche in caso di pubblicazione di un estratto parziale è sempre obbligatoria l'indicazione della fonte e l'inserimento di un link diretto alla pagina della rivista che contiene l'articolo.
Per la citazione in Libri, Riviste, Tesi di laurea, e ogni diversa pubblicazione, online o cartacea, di articoli (o estratti di articoli) pubblicati in questa rivista è obbligatoria l'indicazione della fonte, nel modo che segue:
Autore, Titolo, in Magistra, Banca e Finanza - www.magistra.it - ISSN: 2039-7410, anno
Esempio: CASTIGLIONI M., La securitization in Italia, in Magistra Banca e Finanza - Tidona.com - ISSN: 2039-7410, 2010
Studio Legale Tidona | Diritto Bancario e Finanziario
 
In questo sito web utilizziamo cookies tecnici per migliorare la Sua navigazione. Continuando la navigazione acconsente al loro uso. Maggiori informazioni alla nostra cookie policy.

stampa questa pagina

© copyright 1998-2009 Studio Legale Tidona e Associati | Tidona.com |