"Dieci anni dopo": potrebbe essere questo il titolo di questa seconda parte del mio racconto sui mestieri del matematico in finanza. Sono passati infatti quasi 10 anni dal racconto precedente. In questi dieci anni il mondo è cambiato moltissimo. Come nel racconto precedente vorrei rendere il contesto un po' personale raccontando che dall'ultima volta mi sono sposato e ho avuto due bimbi che, mentre scrivo, hanno compiuto cinque anni. Questo ha comprensibilmente cambiato la mia vita in modo notevole anche dal punto di vista personale. Ormai sono 10 anni che viviamo a Londra e ne facciamo parte in modo attivo. Cerco di coltivare ancora le passioni di cui avevo parlato nella narrazione precedente, anche se ormai quasi tutto il mio tempo viene speso tra famiglia e lavoro, e la meraviglia di vedere e aiutare i bimbi a crescere assieme a Valeria.
Dal punto di vista professionale e di carriera, ho accettato nel 2010 un ruolo di “Chair” come professore al Dipartimento di Matematica prima a Kings College London e poi, dal 2012, all'Imperial College London. Mentre prima lavoravo a tempo pieno nell'industria, c'eravamo lasciati nel 2007 quando facevo il Managing Director presso Fitch Ratings, e producevo ricerca accademica come parte del lavoro e anche nel tempo libero, ho deciso successivamente nel 2010 di passare alla ricerca a tempo pieno, soprattutto per dedicarmi a problemi di respiro più ampio.
La cattedra al Dipartimento di Matematica dell’Imperial College, una delle università leader globali, è stata un riconoscimento importante per me e sto cercando di onorarla facendo ricerca in vari settori. Oltre alla finanza matematica mi occupo anche di geometria differenziale stocastica, analisi stocastica e applicazioni a teoria dei segnali. Ho comunque mantenuto dei ruoli nell'industria, ad esempio sono stato direttore del Capco Institute dal 2012 al 2015 e attualmente sono membro di alcune Advisory Board. Questo mi permette di rimanere in contatto con l'industria e di conoscerne i problemi metodologici più rilevanti da un punto di vista pratico, con benefici per i miei studenti.
Passerei ora a parlare del ruolo del matematico in finanza e in economia e dei cambiamenti che questo ha avuto dopo il 2007. Restando nell'area della finanza abbiamo avuto, per quel che concerne la nostra disciplina di finanza quantitativa, la crisi finanziaria iniziata col mercato subprime nel 2007, esplosa poi con i default di otto importanti istituzioni finanziare in un mese del 2008. Mi sembra importante parlare in dettaglio di questa crisi, dato che ha avuto un impatto considerevole sul ruolo del matematico in finanza ma addirittura sulla percezione dei matematici da parte del grande pubblico. In questi anni il mestiere del matematico in finanza è cambiato considerevolmente, diventando un'impresa più eclettica. La crisi finanziaria ha messo in risalto il ruolo della matematica nelle applicazioni per le scienze sociali, travisandone però la funzione in molti casi. Articoli nella stampa hanno spesso accusato la matematica di aver dato supporto e un falso senso di sicurezza ai mercati, generando aspettative di adeguatezza nei metodi di valutazione di prodotti e di gestione del rischio che non trovavano corrispondenza nella realtà. In realtà c'è ampia evidenza del fatto che molti matematici, sia nell'industria che nella ricerca accademica, avessero segnalato per tempo le inadeguatezze metodologiche di molti apparati e modelli matematici usati per i derivati, soprattutto nel settore del rischio di credito.
Ho riassunto alcuni di questi lavori, di alcuni dei quali sono uno degli autori, nel volume “Credit models and the crisis”, che riporta le obiezioni forti che avevamo formulato in tempi non sospetti già dal 2006 al modo in cui il modello di “copula gaussiana” veniva usato nel rischio di credito. I relativi articoli scientifici sono tutt'ora reperibili presso siti pubblici come SSRN e arXiv, oltre che nelle corrispondenti pubblicazioni scientifiche.
Le reali cause della crisi finanziaria sono complesse e sono collegate a fattori che hanno poco a che fare con la matematica e la modellistica. Tra questi ricordiamo per esempio il rilassamento degli standard di garanzia dei mutui americani, il sistema di originazione e di distribuzione dei prodotti da parte delle banche, che si è rivelato molto fragile, il meccanismo di incentivazione nei mercati finanziari, il cosiddetto bonus annuale, che incoraggia comportamenti a breve termine, e la frammentazione della regolamentazione dei mercati su geografie diverse. Incolpare la matematica per la crisi finanziaria è estremamente fuorviante e anche pericoloso.
Un punto chiave che sembra essere sfuggito a molti commentatori è che un modello matematico non sarà mai esatto, ma sempre una semplificazione della realtà. La sfida sta nel cogliere gli aspetti essenziali della realtà e nel trascurare gli aspetti marginali. Questo richiede una serie di ipotesi alla base del modello. Questo non significa che la matematica del modello sia sbagliata, ma le ipotesi vanno monitorate per vedere se sono sempre realistiche nel tempo. Questo è particolarmente importante nelle scienze sociali. Ad esempio il rischio di liquidità, i costi di finanziamento e il rischio di credito venivano ritenuti trascurabili in molti modelli utilizzati prima del 2006, e queste si sono rivelate ipotesi errate, anche se la matematica dei modelli, date queste ipotesi, era corretta.
Nel campo della finanza la crisi ha portato a cercare di valutare prodotti semplici includendo tutti i rischi, anche quelli più complessi, invece di valutare prodotti esotici in un modo che non tenesse conto di alcuni rischi complessi. In questo modo si sono semplificati i prodotti, tornando un po' alle origini, ma si sono messi in risalto i rischi e i costi di credito, di finanziamento, di capitale, di liquidità, e molti altri che prima venivano ignorati come trascurabili o lasciati sullo sfondo. In sostanza, da prodotti complessi in un ambiente semplice siamo tornati a prodotti semplici ma in un ambiente complesso. Questa rappresenta una sfida più forte rispetto al passato. I derivati semplici rispondono a esigenze finanziarie di copertura dei rischi e speculazione che difficilmente spariranno. Come dicevamo però i rischi, i costi e in generale l'ambiente in cui questi derivati vengono scambiati è diventato molto più complesso. Questo ha portato alla ribalta i “valuation adjustment”. Il problema rimane complesso: anche con la marginazione e l’introduzione recente di modelli standard per gli “initial margin”, molti dei rischi rimangono interconnessi e non lineari, sicché separarli in aggiustamenti additivi implica un grado di approssimazione che va studiato attentamente.
Mi sono occupato di questo nella ricerca degli ultimi anni. Il problema è interessante da un punto di vista matematico data la non-linearità, utilizzando strumenti quali equazioni differenziali alle derivate parziali non lineari ed equazioni differenziali stocastiche retrograde, ma è anche interessante dal punto di vista della finanza / economia, perché va capito meglio il sistema in cui si opera. Infatti, se nei tempi passati il matematico poteva accostarsi ai mercati finanziari, soprattutto derivati, con un bagaglio di finanza ed economia minimo, incluse nozioni minime o nulle di funzionamento e struttura di una banca, oggi è diventato fondamentale capire, oltre alla matematica dei processi stocastici, alla statistica, alla computer science e all’ottimizzazione, anche il funzionamento della regolamentazione e i costi interni della banca, perché questi aspetti vengono ora modellizzati e hanno impatto diretto sulle misure di profittabilità e performance del trading.
L'analista quantitativo di oggi deve quindi essere molto più eclettico di un tempo. Se da un punto di vista matematico si ha a che fare con strumenti metodologici sempre più sofisticati quali le sopracitate equazioni differenziali alle derivate parziali nonlineari, dall'altro l'industria nel cercare di implementare soluzioni pratiche, che non richiedano eccessiva complessità e tempi di calcolo, sta cercando di sviluppare delle approssimazioni standard. Il modello di initial margin che menzionavo sopra e le altre garanzie a cui la regolamentazione sta convergendo porteranno a una standardizzazione delle approssimazioni e delle formule coinvolte nell'analisi e valutazione degli scambi, riducendo potenzialmente il ruolo del matematico nei mercati finanziari, almeno dei derivati, a quello di mantenimento dei processi, con poca innovazione sui prodotti. Sono fasi che altre industrie hanno affrontato in precedenza.
Un certo numero di matematici si sta spostando sul buy side, il lato dei fondi di investimento o degli "hedge fund". Le tecniche matematiche e statistiche che si usano in quel settore hanno più a che fare con data minining, analisi e pulizia dei dati, estrazione di segnali di trading da informazioni nelle news e sui mercati, analisi della struttura degli ordini e come piazzare ordini minimizzando i costi di trading, e altri temi di ottimizzazione. La machine learning viene usata sempre più in questi campi, e si ha una combinazione di tecniche che spaziano dall'informatica alla statistica. L’aspetto tecnologico sta prendendo spesso il sopravvento sul contenuto matematico delle applicazioni, abbiamo visto l'interesse recente dei mercati per le valute elettroniche, blockchain, pagamenti elettronici, peer to peer lending, big data, e il potenziale impatto su paesi che non hanno ancora servizi finanziari capillari come Africa e India. Spesso questi temi rappresentano bolle di entusiasmo che si sgonfiano velocemente, altre volte invece conducono a cambiamenti importanti, ma in questi ultimi anni è aumentato moltissimo l'interesse per la tecnologia in finanza, comprese tecniche di robotica (robotic process automation) e intelligenza artificiale.
Concludo affermando che la matematica rimane una disciplina formativa fondamentale e continuerà sempre ad essere presente nella finanza quantitativa e nell'economia, ma i colleghi del futuro dovranno combinare la competenza matematica con una serie di competenze economico-finanziarie, computazionali e informatiche più di quanto si sia fatto in passato, e in questo senso dovranno essere più eclettici. Chiudo con un grande in bocca al lupo!
Questo riassunto dei primi quarant'anni della mia vita riguarda principalmente gli aspetti di studio, professionali e accademici. Sotto ho omesso la maggior parte delle informazioni sulla mia vita privata per ovvie ragioni, e quindi si ha l'impressione, leggendo questo sunto, che la mia vita fino a qui sia consistita solo dello studio e del lavoro descritti sotto. Molte persone ritengono la matematica alienante, quindi mi sembra utile dire che sono un appassionato motociclista, viaggio molto, sono nato a Venezia, ho vissuto tre anni ad Amsterdam, un anno a Rennes, nove a Milano, un mese in Giappone e ora abito a Londra. Mi interesso di pratiche contemplative e musica, sono felicemente fidanzato, mi piacciono l'animazione giapponese (Miyazaki particolarmente) e i comics americani, ho praticato alpinismo, partecipo a un gruppo di maschere tutti gli anni al carnevale di Venezia, mia città natale per la quale passeggio ancora spesso scoprendo angoli sconosciuti e che ancora adoro, e mi piacciono la cucina indiana, greca, giapponese, e italiana. Penso che il successo del progetto Apollo della Nasa sia stato un miracolo e uno dei momenti più belli della storia umana, mi interesso di cosmologia e interpretazioni della meccanica quantistica, e di intelligenza artificiale.
Ora però lascerò da parte il colore e parlerò esclusivamente dei miei studi e del mio lavoro, e nel caso gli studi non interessino consiglio di andare direttamente alle parti intitolate "Il ruolo del Matematico avanzato in una Banca d'investimento" e "Il ruolo del matematico presso un'agenzia di rating." Ho un'ultima avvertenza, che però esprimerò nel finale.
Scuole elementari, medie e superiori (1972-1985)
Fin da bambino, la matematica ha rappresentato per me allo stesso tempo una sfida e un divertimento. Della matematica alle scuole elementari e medie ricordo molto poco. E' alle superiori che comincio a rendermi conto del potenziale di questa disciplina. Sono gli anni settanta, seconda metà, l'informatica promette molto e sembra offrire buone possibilità di lavoro. Guardati attentamente i corsi di diploma, le materie e gli orari, decido di lasciar perdere il liceo scientifico, che mi sembra scientifico solo di nome, e mi iscrivo all'ITIS per informatica, una scuola molto particolare a cui partecipa il ministero dell'industria, oltre a quello della pubblica istruzione.
Sono anni di boom demografico e c'è una selezione fortissima, di due classi spesso per l'anno successivo ne resta una, e gli orari sono massacranti, con trentotto ore settimanali. In prima gioco con l'algebra di monomi e polinomi e la geometria euclidea, riconoscendo strutture e imparando ad astrarre, mentre già in seconda, andando oltre il programma su equazioni algebriche, con un gruppo di appassionati, ci interroghiamo sulla divisione per zero tramite approssimazioni successive. La fisica senza calcolo differenziale ci aiuta ad applicare la matematica ma in un contesto limitato. Nel triennio di specializzazione la matematica esplode: oltre alla materia stessa, che comprende nozioni a livello di università (ingegneria) quali equazioni differenziali, teoria dell'integrazione, funzioni di più variabili, serie di potenze e di Fourier, vediamo molta matematica anche in statistica e ricerca operativa, con tanto di introduzione di sigma algebre dei boreliani, in elettronica, con numeri complessi, trasformate di Laplace e dominio della frequenza, in teoria di sistemi, con spazi normati e teoria della stabilità, e in scienze dell'informazione, con algoritmi sui numeri primi, sulla ricorsione e sull'ordinamento di array di elementi.
Università di Padova, Matematica (1986-1990)
Il diploma mi permette di trovare lavoro o di affrontare agevolmente facoltà di scienze, quali matematica, fisica, o informatica, o di ingegneria. Ancora guardo i programmi delle varie facoltà. Vorrei studiare informatica per continuare nel campo in cui mi sono sempre mosso, ma all'epoca era presente solo a Udine e ingegneria informatica non esisteva, se non come sotto-indirizzo di elettronica. Allora ripiego su matematica a Padova, pensando di prendere l'indirizzo informatico. Così facendo le lauree dovrebbero differire molto poco, mi dico. Ironicamente, alcuni anni dopo scienze dell'informazione aprirà a Venezia, la mia città. A posteriori posso dire che la presenza di informatica solo a Udine sia stato un colpo di fortuna. Inizio matematica a Padova e l'impatto disorienta me come molti dei nuovi iscritti. L'analisi, la geometria e l'algebra che vediamo non hanno nulla a che fare con quelle che conosciamo, che sembrano essere casi particolari di casi particolari di casi particolari. L'analisi matematica inizia ad esempio con la definizione più generale di spazio topologico e la nozione di funzione continua viene data prima per spazi topologici generali, poi metrizzabili, poi normati, e infine nei cari vecchi numeri reali delle superiori. La piena astrazione permea le lezioni già ai primi giorni del primo anno. I concetti hanno poco a che fare anche con gli analoghi corsi che vengono tenuti a ingegneria, scopriamo dagli amici che hanno preso quella strada. Solo gli studenti di fisica sembrano patire una simile transizione.
Nonostante questo riesco a cavarmela bene, procedo spedito con gli esami, assieme a un ristretto gruppo di altri studenti, e dopo il biennio prendo l'indirizzo tra l'informatico e lo statistico economico, il che non mi esonera dall'esame di istituzioni di analisi superiore, probabilmente il più difficile del mio corso di studi.
Durante gli anni universitari mi sostengo economicamente in parte con le supplenze come docente di matematica, fisica e informatica presso varie scuole, tra cui licei scientifici e ITIS. Sono anni in cui le scuole hanno molto bisogno di docenti, ancora per lo strascico del boom demografico, quindi trovo facilmente impiego. Nel frattempo continuo a dare esami e mi appassiono al calcolo delle probabilità, e il professore mi propone una tesi sulle equazioni differenziali stocastiche e sul filtraggio nonlineare in particolare, con la quale inizio a inserirmi nel ramo specialistico e a confrontarmi con la letteratura internazionale. Infine mi laureo al quinto anno.
Dottorato di Ricerca e PostDoc, Free University of Amsterdam, IRISA
Rennes (1993-1996)
Ancora, la laurea con lode mi permetterebbe di trovare facilmente lavoro, ma nella maggior parte dei casi si tratta di lavori come programmatore che avrei potuto tranquillamente affrontare col diploma. Attendo di partire militare e intanto insegno ancora. Dopo un ulteriore anno di servizio militare decido di proseguire ancora gli studi. I miei professori mi consigliano di fare il dottorato all'estero, e parto per l'Olanda. Il paese vede una forte tradizione in teoria dei sistemi, anche stocastici, sicché mi inserisco nel programma del corso e comincio subito con gli studi per la tesi.
Il mio dottorato risulta strano: mentre da un lato il mio advisor è pieno di ottime idee e spunti, e il progetto che mi propone è avvincente, i corsi del network non sono sempre molto attinenti alla disciplina e inoltre gli studi del mio advisor sono a volte mal visti dal resto del dipartimento (di Econometria) come troppo astratti o non attinenti. Questo crea una tensione politica e abbiamo difficoltà a reperire finanziamenti dopo un anno e mezzo di progetto, nonostante i risultati e le pubblicazioni. Gli scienziati di altri istituti olandesi e qualche raro collega interno ci supportano ma le difficoltà permangono. Nel pieno della crisi scrivo come divertissement un articolo in cui applico i nostri filtri nonlineari con la geometria differenziale ma a tempo discreto alla finanza e alla stima della volatilità in particolare, e presento il lavoro a una conferenza, anche se resta una componente molto marginale dei nostri lavori dell'epoca. Infine riusciamo ad avere dei finanziamenti dall'esercito americano, dall'Istituto di Alta Matematica in Italia per tirare avanti e, quando sono uscite le pubblicazioni migliori, vinco contemporaneamente la borsa TMR dell'Unione Europea, e la borsa CNR per studiare all'estero. Ovviamente non posso cumularle, neanche come rimborso per gli anni precedenti di privazioni, e lascio andare quella CNR.
Con la borsa dell'unione europea pianifico un periodo in Francia, dove ero stato in precedenza per l'implementazione numerica delle nostre idee sviluppate in Olanda.
Primo lavoro in Finanza: Analista Quantitativo Risk Management
Cariplo/Intesa (1997-1998)
{mosimage} Dopo pochi mesi e ulteriori risultati mi giunge notizia che in Italia sta per aprire il primo grande centro di Risk Management presso una banca privata. Valuto se proseguire con la ricerca all'estero, con dubbie possibilità di rientrare in Italia con un ruolo decente, visto il funzionamento di buona parte dell'ambiente accademico italiano, o se entrare nel mondo della ricerca privata. Qualche proposta buona da importanti università statunitensi per iniziare a muovermi verso una tenure track l'avrei anche. Alla fine, volendo anche esplorare applicazioni per me nuove, passo alla finanza. Sostengo il colloquio a Milano e lo passo, il responsabile del nuovo centro ricordava tra l'altro la mia presentazione sulla stima della volatilità con filtri nonlineari. Inizio a lavorare in un ambiente molto stimolante che vede molti altri ragazzi con trascorsi accademici di primo ordine. La sera spesso ci si ferma a discutere prima dell'aperitivo e si mettono giù progetti di ricerca e altre trovate innovative. Comincio a coautorare alcuni articoli che vengono pubblicati su alcune riviste internazionali. Col procedere del lavoro e della ricerca cominciamo ad assemblare una quantità di materiale scritto sempre più rilevante, ed è in questa fase che penso per la prima volta a scrivere un libro che raccolga i nostri lavori connettendoli in un'unica opera. Allo stesso tempo però, complici le fusioni e alcuni problemi a livello di gestione e politico, il centro comincia a naufragare e ricevo un'offerta da una banca concorrente, l'IMI. Sono mesi di stress, la situazione mutevole nel primo posto di lavoro rende difficile per i dirigenti della banca fare promesse impegnative e mantenerle, e dopo un tentativo di rimanere che pago a caro prezzo decido di accettare l'offerta esterna, e assieme ad alcuni colleghi muovo verso Banca IMI, dove l'ambiente più snello e dall'accentuata componente operativa permette anche un trattamento economico di maggior rilievo.
Secondo lavoro in Finanza: Responsabile Modelli di Credito, Banca IMI
(1998-2007)
In IMI il lavoro prosegue su due fronti: l'attività quotidiana e quella accademica. Risulta chiaro che il business e l'operatività non sono pressanti quanto in una banca londinese. Risulta comunque un lavoro complesso, e forse è tempo di descriverlo in maggior dettaglio.
Il ruolo del Matematico avanzato in una Banca d'investimento.
Il ruolo principale della matematica in Banca IMI riguarda i due desk di Financial e Credit Models, che si occupano degli aspetti modellistici sottostanti le attività di trading e copertura coinvolgenti soprattutto titoli derivati. Per tali titoli infatti la valutazione del prezzo equo (o di "non arbitraggio") e la relativa strategia di copertura dei rischi risultano fondamentali e la crescente complessità dei mercati coinvolgenti questo tipo di tematiche rende necessaria, all'interno di una moderna banca di investimento, la presenza di strutture adeguate alla gestione di questi problemi. I prodotti da analizzare quantitativamente coinvolgono molti strumenti altamente nonlineari, dipendenti cioè in modo complesso dalle evoluzioni temporali delle distribuzioni di probabilità delle variabili finanziarie sottostanti, e perciò devono essere valutati in modo attento e rigoroso onde limitare i rischi connessi alla loro potenzialmente alta redditività.
La modellistica standard non permette di gestire questi prodotti in modo soddisfacente e una continua innovazione matematica e informatica risulta necessaria per poter rimanere competitivi in questo settore. Nell'attività di desk modellistici come Financial Models e Credit Models si individuano diverse fasi di lavoro. La prima fase consiste nel ricercare nella letteratura tecnica e scientifica esistente un modello che possa soddisfare le esigenze poste dal problema di valutazione in questione. Spesso in letteratura non esistono modelli pronti per l'uso e il matematico deve affrontare il compito di disegnare un modello appropriato. Questo ruolo di design del modello da un punto di vista matematico viene svolto in IMI da tre modellisti senior con esperienza tecnico scientifica internazionale, dotati di un dottorato di ricerca in matematica o fisica. Una volta delineata una soluzione realizzabile teoricamente si procede al test di un'implementazione prototipale del modello, con l'aiuto di stagisti e di laureati in matematica e fisica. Questa fase di test coinvolge anche i modellisti senior i quali, sulla base del feedback dato dai modellisti junior e dai trader, modificano il modello iniziale e apportano le opportune migliorie.
Una volta esaurita la fase prototipale il modello deve essere implementato in modo definitivo e integrato nei sistemi informatici della banca. Questo ruolo viene svolto da persone con competenze avanzate di programmazione numerica, gestione dei dati e IT in generale. I desk di Financial e Credit Models comprendono anche persone con questo tipo di competenza IT. Infine, i modelli vanno testati per un certo periodo sul mercato dai trader, che riferiscono possibili problemi e anomalie, fornendo un ulteriore feedback per miglioramenti degli aspetti più operativi dei modelli stessi.
Nel mezzo del ruolo operativo appena descritto, come responsabile del desk di Credit Models, il libro a cui avevo pensato in precedenza prende forma, cominciamo a contattare l'editore a una conferenza, e la Springer Verlag accetta di pubblicarlo, quindi avviamo le procedure.
Continuiamo anche a pubblicare, in particolare la difesa di un modello criticato su basi matematiche errate viene pubblicata su Risk Magazine, una delle riviste più lette nel nostro settore, dando visibilità internazionale istantanea alla banca. La notizia è colta con molto entusiasmo dal management, e col tempo continuiamo a pubblicare su Risk, tanto che nel 2006 risulterò l'autore più citato della rivista. Continuiamo a pubblicare anche su molte riviste di tipo accademico come "Finance and Stochastics", e infine nel 2001 esce la prima edizione del libro, "Interest rate models: theory and practice".
L'opera, per essere un testo specializzato, è accolta con un successo inaspettato. Nel tempo viene adottata da programmi di laurea e dottorato in tutto il mondo, vengo invitato in Giappone a autografarne copie, e scopriamo che è presente praticamente in ogni sala di trading che visitiamo in banche americane o londinesi. Inoltre il libro attira una moltitudine di domande di stage, tesi e internato presso il nostro gruppo. Alcuni ragazzi francesi, americani, inglesi, russi, tunisini, oltre a molti italiani, lavorano con noi crescendo notevolmente e riposizionandosi in pochi anni sulla scena internazionale. Alcuni coautorano anche molti lavori scientifici e raggiungono spesso livelli molto elevati.
Tengo anche molti corsi di training per società private a Londra e New York e mi viene affidata la docenza del corso di Fixed Income presso l'università Bocconi, oltre che la docenza a master delle Università di Bologna e Milano Biccocca. Continuo anche l'attività di invited speaker presso numerose sedi internazionali e entro a far parte di comitati scientifici di conferenze che si tengono in sedi quali il MIT, accettando anche il ruolo di managing editor per una rivista accademica internazionale. Il tutto mentre gli impegni interni alla banca procedono tranquillamente con piccoli alti e bassi ma senza traumi. Risulta chiaro tuttavia a un certo punto che sono arrivato al limite della crescita sia economica che professionale per l'Italia. Inoltre le continue fusioni hanno lasciato praticamente solo due grandi banche, limitando considerevolmente la concorrenza interna. Per arrivare a un certo livello di management attraverso la via interna le conoscenze "politiche" hanno maggior peso della rilevanza internazionale o dei meriti tecnici, quindi per quanto l'ambiente sia benevolo, ma non sempre, e nonostante qualche dirigente illuminato ci sia, comincio seriamente a pensare all'estero. Ormai la mia reputazione internazionale mi ha reso appetibile a molte aziende di New York o Londra, ricevo addirittura proposte da altri paesi come la Germania o la Francia, comunque dopo molte interviste a New York scelgo Londra, che in questa fase sembra essere davvero "La Regina" del mondo, e non certo solo per la finanza, come titolava un popolare rotocalco italiano qualche mese prima.
Londra: DerivativeFitch (2007-?), Managing Director and Global Head, Q-SCI
{mosimage} Dopo varie interviste in banche troppo focalizzate su settori molto specifici e non interessate al lato anche speculativo della ricerca, trovo una posizione interessante presso Fitch, la terza agenzia di rating dopo Standard & Poors e Moodys. Il ruolo che mi viene proposto è quello di Managing Director, il top della carriera dirigenziale ordinaria, quando in Italia ero ancora quadro, per quanto il compenso economico mi fosse stato allineato al livello dirigenziale. Ma anche così il compenso offertomi a Londra è su un altro ordine di grandezza. Inoltre il ruolo è di Global Head, cioè responsabile mondiale per il settore di ricerca quantitativa su innovazione del credito strutturato (Q-SCI), con la dirigenza di un team basato su Londra, New York e Hong Kong. In più, il ruolo viene associato all'incarico di Visiting Professor presso un'importante università inglese. Accetto e mi inserisco a Londra, dove inizio questa nuova avventura umana e professionale nel dirigere un team di giovani da Inghilterra, Grecia, Tunisia, Marocco, Germania, Turchia, Cina, Italia, Australia, Croazia, e India. Londra è anche questo.
Il ruolo del matematico presso un'agenzia di rating.
Il lavoro del matematico presso un'agenzia di rating è simile ma più generale di quello per una banca d'investimento. Il rating è una valutazione sull'affidabilità creditizia di un'entità o di un prodotto, in quanto un rating elevato esprime un'alta probabilità che gli obblighi di credito vengano rispettati, una basso rating rispecchia una probabilità più bassa. Quando applicato a prodotti strutturati anche molto complessi, il rating e' associato idealmente alla probabilità che la strategia possa pagare quanto promesso, o ripagare almeno il capitale investito a scadenza. A seconda che l'oggetto sottoposto al rating sia ad esempio una nazione, un'entità finanziaria, un prodotto basato su un portafoglio di mutui o un prodotto strutturato complesso su molti possibili sottostanti (tassi, azionario, cambi, credito, commodities) le tecniche sono diverse. Occorre modellizzare tramite opportuni strumenti matematici (processi stocastici) le variabili economiche e finanziarie sottostante il processo, stimarne i parametri basandosi sulla storia passata, assicurarsi che il modello matematico abbia una dinamica sufficientemente ricca da includere stress ai quali il mercato potrebbe essere sottoposto, e quindi simulare le traiettorie future delle variabili e verificare in tutti gli scenari ottenuti cosa accade all'entità in esame, ricostruendo la distribuzione delle possibile perdite ad essa associata. Il ruolo è per certi versi, quando applicato ai prodotti strutturati, simile alla gestione del rischio (Risk Management) ed è molto generale a causa delle diversissime entità che possono essere associate al rating, e nel mio caso particolare ha un'elevata componente di gestione oltre che di ricerca, ma mi viene consentito viaggiare. Mentre scrivo queste righe sono appena tornato dal terzo congresso del Brazilian Mercatile & Futures exchange, dove sono stato invited speaker assieme a due premi Nobel, Merton e Phelps, e ho conosciuto il direttore del fondo monetario internazionale. E' passato molto tempo da quando mi divertivo a scomporre polinomi, ed è difficile capire cosa riserverà il futuro a me e alla matematica più in generale in un ambiente dinamico come quello londinese.
Conclusione
Un'avvertenza finale è comune d'obbligo, per quanto ovvia: questa storia è una singola traiettoria e non fa statistica, e quindi non dovrebbe essere presa troppo seriamente né come un incoraggiamento né come una dissuasione verso gli studi o i mestieri matematici. Le vite dei matematici, come quelle di tutti gli uomini, assumono traiettorie diversissime, per circostanze o per scelta, basti pensare a due grandi e famosi matematici, il premio Nobel per l'economia, Fischer Black (1938-1995), e Grigori Perelman.
