Jensen è il primo osservatorio di data analytics dedicato integralmente al mercato italiano degli investment certificates. La piattaforma espone le principali metriche funzionali alla valutazione di questa tipologia di derivati, derivate da un framework di pricing Monte Carlo a volatilità stocastica con salti congiunti in prezzo e volatilità (SVCJ). L'impianto metodologico origina da un percorso di ricerca avviato con la tesi di laurea magistrale e successivamente affinato e sviluppato nell'ambito di una più ampia attività di ricerca.
Gli investment certificates consentono l'accesso a profili di payoff altrimenti riservati agli investitori professionali. La loro articolazione contrattuale richiede tuttavia raffinati modelli di pricing ai fini di una corretta valutazione.
Il mercato italiano dei certificati di investimento registra il maggior volume di negoziazione a livello europeo. Secondo i dati della Banca d'Italia, oltre 55 miliardi di euro in certificati di investimento risultano detenuti nei portafogli delle famiglie italiane, rendendoli il secondo strumento di debito più diffuso presso la clientela retail.
«Il mercato italiano è il principale in Europa per volumi di prodotti di investimento strutturati negoziati, avendo superato nell'ultimo biennio il precedente primato tedesco.»
Fonte: EUSIPA (European Structured Investment Products Association), Market Report 2025Jensen nasce per supportare investitori e appassionati nell'analisi e nella valutazione dei certificates, offrendo un insieme di metriche quantitative per la selezione di nuovi strumenti e il monitoraggio delle posizioni in portafoglio. Attraverso un framework di pricing generalizzato, progettato per valutare in modo coerente l'elevata eterogeneità dei certificati di investimento, Jensen rende accessibili al pubblico retail analisi quantitative e indicatori di sintesi finora riservati agli operatori istituzionali, favorendo decisioni di investimento più consapevoli.
«Un framework per la valutazione degli investment certificates basato sul metodo Monte Carlo, per misurare il markup implicito in emissione e nella negoziazione sul mercato secondario.»
Il framework poggia su due processi stocastici che governano congiuntamente l'evoluzione del prezzo e della volatilità di ciascun sottostante in analisi. Il processo risulta sintetizzabile in sei fasi.
Dalla documentazione d'offerta si estraggono le condizioni che governano lo strumento: barriere, calendario delle osservazioni, struttura cedolare, meccanismi di richiamo anticipato e composizione del paniere. Le serie storiche dei sottostanti sono allineate al calendario di negoziazione e rettificate per le operazioni societarie.
KID e condizioni definitive · Regolamento (UE) 1286/2014La volatilità è ricavata da una proxy della volatilità implicita costruita sulle serie storiche dei prezzi, che incorpora la struttura a termine e la relazione asimmetrica con la moneyness senza ricorrere a superfici quotate esterne.
Christie (1982) · Andersen, Bollerslev, Diebold & Labys (2001)La componente diffusiva è separata dai movimenti discreti. I jumps di prezzo sono isolati normalizzando i rendimenti per la diffusione stimata e selezionando le eccedenze oltre una soglia critica; le fasi di escalation della volatilità emergono dai residui di un modello autoregressivo, il cui ordine è selezionato mediante il criterio informativo di Akaike.
Aït-Sahalia & Jacod (2009) · Akaike (1973)Intensità, ampiezza e direzione dei jumps sono stimate a partire dagli eventi storici osservati. L'ampiezza dei jumps è modellata con distribuzione Double Exponential per il prezzo e Gamma per la volatilità; l'aderenza delle distribuzioni adottate è verificata mediante test non parametrici.
Kou (2002), «A jump-diffusion model for option pricing», Management ScienceLe correlazioni fra i sottostanti, calcolate su finestra mobile, sono campionate dalla distribuzione empirica mediante Stationary Bootstrap a blocchi stocastici. Il framework analitico include inoltre la stima del leverage effect e la formalizzazione della probabilità di un picco di volatilità condizionatamente al verificarsi di un crash del prezzo del sottostante.
Politis & Romano (1994), «The stationary bootstrap», Journal of the American Statistical AssociationSono generate le traiettorie congiunte di prezzo e volatilità per ciascun sottostante. Su ogni percorso si ricostruisce la sequenza dei flussi condizionati previsti dal regolamento dello strumento; l'attualizzazione dei flussi restituisce il valore teorico e la distribuzione degli esiti.
Boyle (1977), «Options: A Monte Carlo approach», Journal of Financial EconomicsIl framework introduce una misura sintetica di rischio dinamica ℜ(t) su scala 1–7, concepita come estensione dell'indicatore SRI previsto dal Regolamento (UE) 1286/2014 (PRIIPs). A differenza dell'SRI, determinato all'emissione e sostanzialmente invariato nel tempo, ℜ(t) viene aggiornata a ogni data di valutazione per riflettere l'evoluzione del profilo di rischio del certificato in funzione della vita residua, della moneyness e delle condizioni di mercato.
La misura è ottenuta dall'aggregazione di sette metriche di rischio derivate dalla distribuzione simulata dei rendimenti (VaR, Expected Shortfall, probabilità di perdita e volatilità). Le soglie delle sette classi di rischio sono definite mediante clustering k-means, calibrato sull'intero universo dei certificates e selezionato per garantire elevata capacità discriminante ed equilibrio nella distribuzione delle classi. Il risultato è un indicatore sintetico, coerente con la struttura dell'SRI ma capace di rappresentare dinamicamente l'evoluzione del rischio lungo l'intero ciclo di vita dello strumento.
È in corso di redazione il documento che espone i principi metodologici e i criteri di trasparenza adottati dal progetto, unitamente ai limiti di applicabilità delle misure proposte.
Leggi il manifesto