Arbitraggio statistico: come funziona e perché non è un arbitraggio “senza rischio”

“Arbitraggio” suona come denaro facile. Nei manuali di finanza, in effetti, lo è: comprare un asset a un prezzo più basso in un mercato, rivenderlo a un prezzo più alto in un altro e incassare la differenza senza correre rischi. L’arbitraggio statistico, però, non è questo. Prende in prestito il nome, ma non la garanzia. Capire questa differenza è essenziale per valutare in modo realistico che cosa questa strategia può davvero offrire.

L’arbitraggio statistico, o stat arb in breve, è una famiglia di strategie di trading che puntano sul ritorno di una relazione statistica verso i valori storici dopo che i prezzi si sono allontanati, invece di sfruttare un divario di prezzo garantito. Non esistono guadagni senza rischi: ci sono una probabilità, un modello e un rischio reale che il modello sbagli. Questa distinzione conta più di qualsiasi formula presentata in questo articolo.

Cosa significa davvero arbitraggio statistico

L’arbitraggio statistico è un approccio di trading sistematico, di breve o medio periodo, che individua coppie o gruppi di asset i cui prezzi si sono storicamente mossi insieme e scommette che, quando i loro prezzi divergono, torneranno a convergere. Il trade non è una scommessa sul fatto che il mercato salga o scenda. È una scommessa sul fatto che una relazione, ovvero lo spread tra due prezzi, torni alla normalità.

Questo cambia il tipo di rischio che stai correndo. Un trader direzionale è esposto all’intero mercato che si muove contro di lui. Un trader di arbitraggio statistico è, in teoria, coperto dai movimenti generali del mercato ed esposto principalmente alla possibilità che la relazione tra i due asset si rompa. In pratica, quella copertura non è mai perfetta e la sezione sui rischi più avanti spiega perché.

La parola “statistico” è quindi determinante. A differenza dell’arbitraggio puro, basato su un divario di prezzo che viene sfruttato comprando e vendendo simultaneamente, lo stat arb si fonda su una stima statistica: una correlazione, uno spread storico e una probabilità che la convergenza avvenga prima che la posizione esaurisca il proprio margine di manovra. Quella stima può essere sbagliata.

È il fraintendimento più comune su questa strategia ed è il motivo per cui la domanda “L’arbitraggio nel trading è legale?” parte da un presupposto sbagliato: lo stat arb non è illegale, ma non offre nemmeno risultati garantiti. È un’operazione basata sulle probabilità, non sulla certezza.

👉 Guarda anche il video di Andrea Unger: Trading: trucchi, arbitraggi e inefficienze – La verità scomoda che nessuno dice

Come funziona l’arbitraggio statistico

Alla base, l’arbitraggio statistico si regge su tre elementi: una relazione tra due o più asset, un metodo per misurare quando quella relazione si allontana dai valori abituali e una regola per decidere quando agire.

La mean reversion, o ritorno alla media, è l’assunzione centrale in tutti e tre i casi. È la stessa logica di fondo delle strategie mean reverting applicata però allo spread tra due asset invece che al prezzo di un singolo strumento.

Pairs trading, la forma più semplice

Il punto d’ingresso più chiaro nell’arbitraggio statistico è il pairs trading. Si scelgono due asset che storicamente si muovono insieme: due compagnie petrolifere, due banche oppure due ETF che coprono settori sovrapposti.

Quando la loro relazione di prezzo, ovvero lo spread, si allontana dalla media storica più del normale, si assumono posizioni opposte: long sull’asset che è sceso rispetto all’altro e short su quello che è salito rispetto all’altro.

La scommessa non è “Il petrolio sale” o “Le banche scendono”. L’ipotesi è che i due asset, che normalmente si muovono insieme, tornino a farlo dopo una divergenza.

Se lo spread converge, entrambe le gambe della posizione possono contribuire al profitto: il long recupera e lo short scende, indipendentemente da ciò che fa il mercato nel suo complesso quel giorno. Questo è il senso di “market-neutral” in questo contesto: la posizione è costruita per cercare di trarre profitto dalla relazione, non dalla direzione del mercato.

Per decidere quando uno spread è abbastanza teso da agire, i trader usano comunemente uno z-score, una misura di quante deviazioni standard separano lo spread attuale dalla sua media storica.

Uno z-score di 2 indica uno spread insolitamente ampio rispetto allo storico. Una regola comune, ma non universale, consiste nell’entrare quando lo z-score supera una soglia come 2 e uscire quando torna verso 0.

Dalle coppie ai panieri

Lo stat arb istituzionale raramente si ferma a due asset. I fondi gestiscono panieri di decine o centinaia di posizioni, usando tecniche statistiche come la cointegrazione per trovare e classificare automaticamente migliaia di coppie o gruppi potenziali.

La cointegrazione è un test più rigoroso della semplice correlazione e serve a verificare se esiste davvero una relazione di equilibrio di lungo periodo tra gli asset. La logica è la stessa del pairs trading, ma viene applicata su una scala che nessun trader individuale potrebbe gestire manualmente.

Questa è la versione dell’arbitraggio statistico che si trova nei progetti open source e nei manuali di finanza quantitativa. È anche il punto in cui molti trader retail rischiano di eccedere con la complessità.

Provare a replicare con un foglio di calcolo l’infrastruttura a livello di paniere di un hedge fund può portare a sottovalutare i costi di esecuzione e dei dati necessari. È preferibile partire dalle coppie e aumentare la scala solo quando se ne padroneggia la meccanica.

È la stessa progressione che vale per costruire qualsiasi sistema di trading algoritmico da zero.

Un esempio pratico, passo dopo passo

Questo esempio è puramente illustrativo e non rappresenta una raccomandazione operativa né la descrizione di una posizione reale. Ciò che conta è la meccanica, più che i numeri specifici.

Supponiamo che due titoli di compagnie aeree a grande capitalizzazione, Società A e Società B, abbiano storicamente mostrato un rapporto di prezzo stabile. Per ogni dollaro di movimento della Società A, la Società B si è generalmente mossa di un importo simile, perché le due aziende competono sulle stesse rotte e reagiscono alle medesime notizie riguardanti il costo del carburante e la domanda di viaggi.

Nell’ultimo anno, il rapporto di prezzo medio tra A e B è rimasto vicino a 1, con il normale rumore giornaliero. Poi un problema specifico dell’azienda, come un fermo per manutenzione o una trimestrale deludente, spinge la Società A a perdere l’8% in una settimana, mentre la Società B resta pressoché stabile. Il rapporto e lo z-score dello spread si spostano così ben oltre il range abituale.

A questo punto si acquista la Società A, che appare statisticamente a sconto rispetto a B, e si apre una posizione short sulla Società B con una size che bilanci approssimativamente l’esposizione in dollari delle due gambe. È questo bilanciamento a mantenere la posizione vicina al market-neutral.

Se l’impatto della notizia non differisce in modo sostanziale tra le due società, il rapporto potrebbe tornare verso la propria media storica nei giorni o nelle settimane successive. In questo caso, entrambe le posizioni vengono chiuse realizzando un profitto sullo spread.

Se, invece, la divergenza riflette qualcosa di strutturale, come una perdita permanente di quota di mercato da parte della Società A, lo spread potrebbe non convergere mai. La posizione potrebbe quindi perdere denaro anche se il risultato di una gamba compensasse parzialmente quello dell’altra.

Quest’ultimo aspetto viene spesso trascurato nelle spiegazioni più semplicistiche. Il modello indica che la convergenza è probabile, non che sia certa.

Arbitraggio statistico e altri tipi di arbitraggio

Chi cerca informazioni sull’arbitraggio statistico spesso parte da una domanda più ampia sull’arbitraggio in generale. Vale quindi la pena collocare lo stat arb accanto alle altre forme principali di arbitraggio.

Possiamo distinguere tre grandi categorie.

L’arbitraggio puro, o senza rischio, corrisponde alla definizione da manuale: lo stesso asset viene scambiato a due prezzi diversi, in due mercati differenti, nello stesso istante. Si compra al prezzo più basso e si vende simultaneamente a quello più alto, senza esposizione direzionale e, almeno in teoria, senza rischio. Questi divari sono rari e vengono chiusi in millisecondi dai sistemi automatici. Non rappresentano quindi una strategia realistica per un trader discrezionale.

Il risk arbitrage, o arbitraggio su fusioni, punta sull’esito di uno specifico evento societario, generalmente una fusione o un’acquisizione. In questi casi, il titolo dell’azienda target viene scambiato sotto il prezzo dell’operazione annunciata fino a quando l’operazione non si conclude o viene annullata. Il rischio è legato proprio alla possibilità che l’accordo non vada a buon fine.

L’arbitraggio statistico, il tema di questo articolo, non presenta né un divario di prezzo garantito né un singolo evento binario. Esiste soltanto una relazione statistica che ci si aspetta possa mantenersi nel tempo, con un rischio di modello e di rottura della correlazione al posto del rischio di pura esecuzione.

Il filo conduttore è lo sfruttamento di un mispricing e, in questo senso, il nome “arbitraggio” è appropriato. Tuttavia, nello stat arb non esiste alcuna garanzia.

L’arbitraggio statistico è ancora profittevole?

La risposta breve è che il vantaggio è reale, ma si è progressivamente ridotto nel corso dei decenni. Questo è avvenuto per una ragione strutturale precisa, non perché la logica di fondo abbia smesso di funzionare.

L’arbitraggio statistico è stato redditizio per i fondi che hanno iniziato a utilizzarlo negli anni Ottanta e Novanta, anche perché pochi altri operatori cercavano sistematicamente queste relazioni.

Ogni strategia efficace tende però ad attirare capitale. Più capitale insegue le stesse inefficienze, più velocemente queste tendono a scomparire. Questo fenomeno viene talvolta definito alpha decay, ovvero deterioramento del vantaggio.

Lo stat arb rappresenta uno degli esempi più chiari di alpha decay nei mercati moderni. I setup di pairs trading più semplici, che vent’anni fa funzionavano in modo più affidabile, oggi sono spesso operazioni affollate e con margini ridotti, nelle quali sono avvantaggiati soprattutto gli operatori con l’esecuzione più veloce e i costi di transazione più bassi.

Questo non significa che questa famiglia di strategie sia morta. Significa che la versione che può valere la pena esplorare oggi è diversa da quella descritta nei manuali.

Occorre:

• scegliere poche relazioni valide, invece di analizzare indiscriminatamente ogni possibile coppia;
• contabilizzare in modo realistico i costi di transazione e lo slippage, prima di dare per scontato che un vantaggio emerso dal backtest sopravviva all’esecuzione reale;
• verificare se la relazione presenti ancora una giustificazione economica e non soltanto statistica.

Due asset possono essere correlati per semplice coincidenza. Uno spread che converge nella finestra di backtest non è obbligato a continuare a farlo in futuro.

È qui che l’approccio sistematico mostra il proprio valore rispetto a un’impostazione puramente accademica.

Secondo Andrea Unger, che ha conquistato quattro titoli mondiali di trading grazie a strategie sistematiche, un sistema deve essere ritirato quando i risultati reali smettono di essere coerenti con quelli del backtest, anziché essere difeso per abitudine.

La relazione specifica di una coppia di stat arb può cambiare, ma la disciplina alla base rimane la stessa:

• testare l’idea con rigore;
• dimensionare la posizione in modo che un singolo errore non provochi danni permanenti;
• interrompere l’operatività quando i dati indicano che il vantaggio è venuto meno.

Il fatto che una strategia “abbia funzionato per anni” non dimostra che continuerà a farlo. È proprio questa la trappola dell’alpha decay, che un trader sistematico deve monitorare con costanza.

I rischi reali dell’arbitraggio statistico

L’arbitraggio statistico viene spesso presentato come più sicuro perché è market-neutral. È una mezza verità che vale la pena correggere subito.

L’intera strategia si basa sull’ipotesi che una relazione storica continui a essere valida. Un cambiamento normativo, un evento specifico di un’azienda o una rotazione settoriale possono rompere in modo permanente una relazione che nel backtest sembrava solidissima.

Quando questo accade, la posizione complessiva può perdere denaro se la perdita su una gamba supera il guadagno sull’altra. Si verifica così proprio lo scenario dal quale l’impostazione market-neutral dovrebbe proteggere.

Ogni strategia stat arb comporta anche un rischio di modello. Si basa infatti su diverse assunzioni:

• come misurare lo spread;
• quale soglia utilizzare per l’ingresso;
• per quanto tempo mantenere una posizione prima di chiuderla.

Un modello adattato troppo rigidamente ai dati storici, ovvero soggetto a overfitting, può apparire eccellente nel backtest e fallire rapidamente in condizioni reali. Questo accade perché ha imparato il rumore del passato, non una relazione autentica e ripetibile.

Ci sono poi i costi di esecuzione. Le strategie stat arb operano generalmente con una certa frequenza e mantengono le posizioni per periodi brevi. I costi di transazione, lo spread denaro-lettera e lo slippage possono quindi erodere i rendimenti più rapidamente rispetto a quanto accade con un approccio buy and hold.

Una strategia profittevole al lordo dei costi può diventare perdente al netto. Questo è uno dei divari più comuni tra i risultati di un backtest e quelli ottenuti su un conto reale.

Infine, ci sono il rischio di affollamento e quello di liquidità. Quando molti fondi eseguono modelli stat arb simili, possono cercare di uscire contemporaneamente da posizioni analoghe durante un evento di stress, amplificando le perdite per tutti.

Questa dinamica ha avuto un ruolo evidente nel cosiddetto Quant Quake dell’agosto 2007, quando diversi grandi fondi quantitativi hanno subito perdite simultanee e correlate.

Essere market-neutral non protegge dagli effetti prodotti da altri trader market-neutral che vendono nello stesso momento e in condizioni di scarsa liquidità.

Niente di tutto questo significa che l’approccio sia necessariamente avventato. Significa che “market-neutral” descrive l’intento della strategia, non garantisce il risultato. La stessa disciplina necessaria per qualsiasi approccio sistematico e basato su regole deve essere applicata anche in questo caso.

Un trader individuale può fare arbitraggio statistico?

Sì, adottando una versione ridotta e realistica, non quella istituzionale basata su grandi panieri descritta in precedenza.

Un trader retail che vuole esplorare l’arbitraggio statistico senza una laurea in matematica o informatica dovrebbe concentrarsi sui pochi aspetti che contano davvero.

L’errore tipico di un principiante non consiste necessariamente nello scegliere la coppia sbagliata. Consiste nell’analizzare centinaia di combinazioni finché una non mostra una correlazione convincente e poi fidarsene perché il grafico sembra confermarla, senza chiedersi se quella correlazione rifletta una relazione economica reale oppure soltanto qualche mese di coincidenza.

Una singola coppia ben compresa, testata su una finestra storica ampia e valutata con cautela se la correlazione compare soltanto negli ultimi mesi, è spesso preferibile a una scansione molto estesa.

Lo stesso vale per i costi. Un risultato di backtest che ignora commissioni, spread e slippage non è realistico. Inoltre, questi costi pesano proporzionalmente di più su un conto piccolo rispetto a quello di un fondo.

Il dimensionamento delle posizioni è ciò che protegge davvero quando la relazione si rompe, non l’eleganza del modello.

Per questo, noi di Unger Academy insegniamo un approccio sistematico e basato su regole, nel quale il position sizing e la gestione del rischio hanno un ruolo centrale, indipendentemente dalla famiglia di strategie utilizzata.

L’arbitraggio statistico, in definitiva, è uno strumento utile per ragionare sulla mean reversion e sulle operazioni di valore relativo. Non sostituisce un insieme diversificato e testato di strategie sistematiche. Considerarlo come l’unico strumento operativo significa sottovalutare il rischio di rottura della correlazione.

La barriera all’ingresso non è rappresentata da un dottorato. La vera barriera è la disciplina necessaria per testare correttamente un’idea, senza affidare al nome “arbitraggio” il compito di gestire il rischio.

È lo stesso principio alla base di come costruire strategie di trading algoritmico: un’idea deve essere testata con rigore prima di impiegare capitale reale.

La stessa logica di ricerca di relazioni statistiche affidabili vale anche per mercati più recenti e volatili, in cui le correlazioni tendono a essere ancora meno stabili.

Domande frequenti

L’arbitraggio nel trading è legale?

In generale sì, nel rispetto delle regole di mercato e della giurisdizione applicabile.

L’arbitraggio, incluso quello statistico, è un approccio di trading legale e ampiamente utilizzato, adottato sia dai trader individuali sia dai più grandi hedge fund.

Sono invece illegali alcune pratiche specifiche che vengono talvolta confuse con l’arbitraggio, come operare sulla base di informazioni privilegiate o manipolare i prezzi per creare artificialmente un divario. La strategia in sé non è il problema.

Come si guadagna con l’arbitraggio statistico?

L’esempio più comune è il pairs trading: si individuano due asset storicamente correlati, si apre una posizione long su quello che ha sottoperformato rispetto all’altro e una posizione short su quello che ha sovraperformato.

Entrambe le posizioni vengono poi chiuse quando la relazione di prezzo torna verso la propria media storica. L’esempio pratico riportato in precedenza mostra l’intero meccanismo.

Quali sono i tre tipi di arbitraggio?

L’arbitraggio puro, o senza rischio, sfrutta un divario di prezzo simultaneo per lo stesso asset in due mercati.

Il risk arbitrage, o arbitraggio su fusioni, punta sull’esito di uno specifico evento societario, come un’acquisizione.

L’arbitraggio statistico punta sul ritorno verso la media di una relazione storica tra i prezzi di diversi asset, senza un divario garantito né un singolo evento binario che determini l’esito.

L’arbitraggio statistico è ancora profittevole oggi?

Il vantaggio si è ridotto rispetto ai primi anni di diffusione della strategia, man mano che una quantità crescente di capitale ha eroso le opportunità più semplici. Questo fenomeno è noto come alpha decay.

La strategia può restare praticabile per i trader e i fondi disposti a testare le relazioni con rigore, contabilizzare correttamente i costi di transazione e ritirare le strategie quando i dati mostrano che il vantaggio è venuto meno.

Non bisogna invece aspettarsi rendimenti eccezionali, privi di rischio e facilmente accessibili a chiunque.