I Fondi d'Investimento Immobiliari chiusi: il caso Aberdeen Asset Management

La valutazione del rischio di un attività, mobiliare o immobiliare, costituisce uno dei più aspetti più importanti, se non il fattore centrale, della decisioni di un investimento. Quando si fa riferimento al mercato del real estate, è utile effettuare una distinzione tra rischio del mercato indiretto e rischio del mercato diretto98, e in particolare per un fondo immobiliare il concetto di rischio ha una duplice valenza. Nel caso infatti di un singolo investitore, che acquista una quota di fondo immobiliare, il fattore rischio è riferito al mercato indiretto, e quindi i criteri e i modelli di risk analysis fanno riferimento alle serie storiche dei prezzi o dei rendimenti delle asset class dei mercati tradizionali.

Se invece si analizza l'aspetto del rischio dal punto di vista dell'investimento diretto, cioè attraverso tutte quelle valutazioni che il gestore deve effettuare durante la vita di un fondo, attraverso la compravendita di beni immobiliari, la gestione del rischio assume un ruolo molto più complesso. In questo capitolo, quindi verrà analizzato il rischio immobiliare dal punto di vista dell'investimento diretto effettuato dal gestore, e proprio in relazione a ciò, è possibile trovare due momenti distinti:

• momento ex ante: il periodo prima della decisione di investimento, dove si calcola il rendimento previsionale atteso, ovvero si effettua una stima riguardo alle prospettive connesse all'acquisto di un immobile a un determinato prezzo. In questo caso quindi si analizza il grado di incertezza del rendimento atteso e alla probabilità che il rendimento si discosti dal rendimento osservato. Occorre evidenziare inoltre che la determinazione e l'affidabilità del rischio ex ante sia in funzione del grado di accuratezza con cui vengono stimati i rendimenti attesi: ciò implica considerazioni di carattere puramente econometrico attraverso la stesura analitica degli algoritmi;

• momento ex post: il periodo dopo che si è investito nel bene o nei beni immobiliari e si calcola il rendimento effettivo storico. In questo caso il rischio misura l'aleatorietà dei rendimenti osservati intorno al valore medio.

Fatta questa distinzione temporale, un aspetto di natura preliminare della valutazione del real estate risk è senza dubbio il grado di prevedibilità dei rendimenti: in altre parole, va analizzato se, in presenza di un insieme omogeneo di dati, come una serie storica di rendimenti ad esempio, l'identificazione del rendimento atteso e del rischio ex ante di un investimento immobiliare sia più o meno complessa rispetto a un altra asset class, come per esempio il mercato azionario. Il rischio di un investimento immobiliare è in funzione infatti di due componenti differenti:

• la componente di rischio prevedibile è osservabile dai dati storici e su questi è possibile verificare l'esistenza all'interno della serie storica di un pattern ben definito e statisticamente significativo. Nel caso ad esempio di fenomeni di forte auto correlazione dei rendimenti, ovvero che i valori al tempo 1 sono legati significativamente ai valori del tempo 0 è facile immaginare l'adozione di una previsione basata sul susseguirsi di trend storici rialzo e di ribasso;

• la componente di rischio non prevedibile suppone invece l'esistenza di un percorso casuale o random walk nei rendimenti e quindi l'obbligo di utilizzare misure storiche di volatilità, come la deviazione standard, che permettono un dato oggettivo di analisi.

Le componenti del rischio appena analizzate risultano quindi essere negativamente correlate: in presenza di una forte autocorrelazione, l'ipotesi di random walk non viene considerato, al contrario, in assenza di autocorrelazione, i rendimenti possono assumere una dinamica di percorso casuale e quindi si assiste a una prevalenza della componente di rischio intrinseco. L'ipotesi di random walk è inoltre quella che caratterizza i mercati efficienti, e il modello che meglio si adatta a costruire una base previsionale in queste situazione, è il “moto browniano”. Il moto browniano è modello che descrive un andamento fortemente irregolare delle osservazioni di un fenomeno e nel quale ogni osservazione risulta totalmente indipendente dalla precedente o dalla successiva. In questo caso è utilizzabile il modello di simulazione Monte Carlo, che si addice all'analisi della componente intrinseca del rischio di un investimento immobiliare. Diventa quindi fondamentale capire l'effettivo livello di efficienza del mercato immobiliare con lo scopo di un'analisi concreta del real estate risk.

Diversi studi hanno dimostrato l'inefficienza del mercato immobiliare, sostenendo però una maggiore prevedibilità rispetto ad altri asset class. Altri studi invece hanno dimostrato che il real estate sia un settore tipicamente caratterizzato da fenomeni di mean reversion, cioè di inversioni dei cicli, e quindi una maggiore prevedibilità. In base a questa imposizione quindi è possibile notare che nel caso ad esempio di shock al rialzo del mercato, l'appetibilità del settore conduca a un aumento dell'offerta alla quale consegue un assestamento dei prezzi e quindi una variazione della dinamica dei rendimenti.

Per valutare inoltre se la componente di prevedibilità è prevalente o meno su quella intrinseca all'interno dell'analisi del real estate risk, è necessario effettuare una riflessione sull'autocorrelazione dei rendimenti degli immobili. Attraverso le metodologie di costruzione di serie storiche di rendimenti immobiliari (transaction e appraisal based), è possibile denotare la presenza di un fenomeno di smoothing, ovvero di appiattimento di rendimenti, cioè la tendenza di questi ultimi ad assumere in ogni istante un valore legato a quello dell'istante precedente, dando luogo a tre effetti differenti:
• bassa deviazione standard dei rendimenti;
• autocorrelazione dei rendimenti;
• bassa correlazione con i rendimenti delle altre asset class non caratterizzate da smoothing.

Questo fenomeno può essere riconducibile a due tipo di fenomeni, uno naturale e uno artificiale, che spiegano gli effetti appena elencati. Nel caso di smoothing naturale, è da considerare la presenza di una componente di rischio prevedibile, sottolineando l'importazione della costruzione di modelli di analisi del rischio più affidabili e in grado di valutare un investimento immobiliare ex ante, solo con l'analisi della deviazione standard della serie storica. In caso di uno smoothing artificiale, l'ipotesi di random walk risulterebbe verificata nel mercato immobiliare e quindi la valutazione del rischio sarebbe simile a quelle di altre asset class in condizioni di mercato efficiente. Il rischio quindi costituisce una componente intrinseca di qualsiasi approccio alla valorizzazione immobiliare pertanto occorre individuare le modalità con le quali comunicare tale aspetto all'esterno, ovvero al mercato, in modo chiaro e immediato.

Tra le possibili modalità di comunicazione, assumono importanza i modelli di valutazione della sensitività dell'output, come il valore dell'immobile o l'IRR, in presenza di variazioni casuali assegnate alle variabili input (what if analysis). L'obiettivo in questo caso è duplice e comporta:
1. a definire l'intervallo all'interno del quale ricadono i valori più probabili della stima dell'immobile, ovvero maggiore è l'ampiezza dell'intervallo, maggiore l'incertezza implicita nella valutazione
2. razionalizzare l'analisi di incertezza concentrano l'attenzione sull'insieme di scenari realisticamente più probabili.

Per effettuare questa analisi si utilizza come strumento il metodo Montecarlo, ovvero una tecnica attraverso il quale l'analista si pone in grado di definire una stima dell'intera distribuzione di probabilità di un output obiettivo anziché limitarsi a una stima puntuale. In pratica, l'adozione del metodo Monte Carlo presuppone l'idea secondo la quale una stima precisa di un dato fenomeno, sulla base dell'insieme disponibile dei dati di input, risulti oggettivamente rischiosa. In considerazione di ciò si produce un numero (N) sufficientemente elevato di combinazioni dei valori che gli input posso assumere, e quindi in questo caso gli scenari, e si calcola il relativo output, come il valore di un immobile, in funzione delle equazioni alla base del modello, come ad esempio il DCF. Ognuna delle N combinazioni viene generata estraendo casualmente un valore per ciascun input, coerentemente con la distribuzione di probabilità specificata, e nel rispetto delle correlazioni tra le variabili. In questo modo si otterranno N valori indipendenti di output che costituiscono il campione dei possibili risultati, quest'ultimo viene poi successivamente sottoposto a opportune elaborazioni statistiche in grado di stimare i parametri descrittivi, riprodurre gli istogrammi delle frequenze, osservarne la dinamica della funzioni di distribuzione.