---
title: "Alfa di Jensen: stimare l'intercetta di una regressione CAPM"
description: "Come stimare l'alfa di Jensen con rendimenti in eccesso sincronizzati e interpretare beta, benchmark, commissioni, incertezza e fattori omessi."
image: "https://wiki.fcontext.com/og.png"
---
> Documentation Index
> Fetch the complete documentation index at: https://wiki.fcontext.com/llms.txt
> Use this file to discover all available pages before exploring further.
# Alfa di Jensen: stimare l'intercetta di una regressione CAPM
> Solo a scopo educativo; non costituisce consulenza né raccomandazione d’investimento. Gli investimenti possono comportare perdite.
## Risposta diretta
L'**alfa di Jensen** è l'intercetta stimata nella regressione temporale del rendimento in eccesso di un portafoglio su quello del mercato secondo il CAPM:
`R_p,t - R_f,t = alpha_p + beta_p × (R_m,t - R_f,t) + epsilon_p,t`
`alpha_p` è il rendimento periodico medio non spiegato dall'esposizione CAPM stimata nel campione. `beta_p` è la sensibilità stimata al mercato ed `epsilon_p,t` il residuo del periodo `t`. Un residuo favorevole o una differenza di un periodo rispetto al CAPM non è di per sé alfa di regressione.
L'alfa dipende da serie, proxy di mercato e risk-free, frequenza, periodo, modello e base lorda o netta. Una stima positiva non prova abilità, persistenza, mispricing o causalità: variabilità campionaria, fattori omessi, benchmark errato, esposizione variabile, leva, prezzi stale e data mining possono crearla o cancellarla.
## Come funziona
Costruisci e verifica la stima in quest'ordine:
1. **Definire la valutazione.** Identifica portafoglio, classe, mandato, obiettivo, valuta, base di commissioni e imposte, convenzione, campione, vintage dei dati e finalità.
2. **Costruire total return sincronizzati.** Allinea date, frequenza, fuso, distribuzioni, operazioni societarie, flussi, valuta e informazioni investibili. Non mescolare price return e total return o risultati live e backtest rivisti.
3. **Creare excess return abbinati.** Scegli un proxy risk-free della stessa valuta e periodo, quindi calcola `y_t = R_p,t - R_f,t` e `x_t = R_m,t - R_f,t`. Dichiara rendimenti semplici o log; la regressione usuale usa semplici periodici coerenti.
4. **Stimare la regressione.** OLS adatta `y_t = alpha + beta × x_t + epsilon_t`. Intercetta e pendenza minimizzano i residui quadrati. `R-squared` descrive variazione campionaria adattata, non verità di prezzo, abilità o valore economico.
5. **Quantificare l'incertezza.** Riporta osservazioni, errori standard, t, intervalli, diagnostica e stimatore di covarianza. Eteroschedasticità, autocorrelazione, sovrapposizione, smoothing e shock raggruppati possono richiedere inferenza robusta.
6. **Testare stabilità e specificazione.** Varia frequenze, sottoperiodi, proxy, outlier, prezzi stale e lordo/netto. Aggiungi fattori giustificati senza dichiarare universale un modello.
7. **Interpretare la rilevanza economica.** Annualizza con convenzione esplicita mantenendo visibile l'incertezza. Confronta costi, imposte, turnover, leva, liquidità, capacità, drawdown, code e obiettivo. Richiedi evidenza out-of-sample per la persistenza.
Se l'alfa mensile è `a_m`, la stima annua composta è `(1 + a_m)^12 - 1`; `12 × a_m` è un'altra approssimazione. Nessuna trasforma rumore mensile in certezza; errori e intervalli non vanno annualizzati meccanicamente con la formula puntuale.
## Esempio
Separa esempio di un periodo e campione di regressione:
- **Residuo di un periodo:** il fondo rende `2.5000%`, il risk-free `0.2500%`, il mercato `1.2500%` e il beta precedente è `1.1000`. Il total return CAPM è `0.2500% + 1.1000 × (1.2500% - 0.2500%) = 1.3500%`; la differenza è `1.1500 percentage points`. È rendimento anomalo di un periodo, non nuova stima di alfa.
- **Regressione a dodici mesi:** gli excess return di mercato hanno media `0.5000%` e quelli del portafoglio `0.7000%`. OLS produce `alpha = 0.1529% per month` e `beta = 1.0943`. La media stimata si riconcilia come `0.1529% + 1.0943 × 0.5000% = 0.7000%` dopo arrotondamento.
- **Incertezza:** la somma dei residui quadrati è `0.6971 percentage-points squared`. Con `12` osservazioni e `10` gradi residui, errore standard `0.0775%` e `t = 0.1529% / 0.0775% = 1.9720`. Con valore critico illustrativo `2.228`, l'intervallo `[-0.0198%, 0.3256%]` include zero. `R-squared = 0.9934` non cambia l'inferenza.
- **Annualizzazione e commissioni:** il punto lordo composto è `(1 + 0.1529%)^12 - 1 = 1.8500%`. Se il netto è esattamente `0.1000 percentage points` sotto ogni mese, beta non cambia e l'alfa netto mensile è `0.0529%`, con annuo `0.6363%`. Commissioni e flussi reali possono variare.
## Rischi
- Definire portafoglio, classe, mandato, valuta, date, frequenza e vintage dei dati.
- Usare total return sincronizzati e allineare distribuzioni, operazioni, fusi e festività.
- Abbinare portafoglio, mercato e risk-free per valuta, orizzonte e convenzione.
- Distinguere lordo, netto dei costi del prodotto, della consulenza, dopo imposte e vissuto dall'investitore.
- Scegliere un proxy di mercato difendibile; nessun indice replica il portafoglio teorico perfetto.
- Trattare alfa e beta come coefficienti campionari stimati congiuntamente.
- Non chiamare alfa un residuo, sovraperformance grezza o active return cumulato.
- Riportare osservazioni, errori, t, intervalli e gradi residui.
- Usare inferenza adatta a eteroschedasticità, autocorrelazione, sovrapposizione e smoothing.
- Verificare prezzi stale e negoziazione non sincrona.
- Testare sottoperiodi e stime mobili perché le esposizioni cambiano.
- Analizzare gli outlier senza eliminare quelli sfavorevoli per migliorare l'alfa.
- Affrontare bias di sopravvivenza, backfill, incubazione, look-ahead, selezione e data snooping.
- Confrontare CAPM con multifattori giustificati e dichiarare i fattori omessi.
- Non trattare R² alto come pricing corretto né basso come abilità.
- Annualizzare il punto con convenzione dichiarata e preservare l'incertezza.
- Confrontare alfa economico con commissioni, costi, imposte, turnover, leva e liquidità.
- Valutare separatamente drawdown, code, aderenza al benchmark, copertura, reddito, imposte e passività.
- Richiedere persistenza out-of-sample e controlli per test multipli prima di attribuire abilità.
- Conservare codice, input, fonti e revisioni per la riproducibilità.
## Errori comuni
- **“L'alfa di Jensen è sovraperformance grezza.”** È un'intercetta stimata da excess return sincronizzati e beta stimato.
- **“Un residuo mensile positivo è alfa positivo.”** Il residuo appartiene a un'osservazione; alfa è l'intercetta campionaria.
- **“Alfa positivo prova abilità.”** Fortuna, modello, fattori omessi, beta variabile, leva, commissioni e selezione restano alternative.
- **“R² alto rende l'alfa significativo.”** Adattamento e incertezza dell'intercetta sono grandezze distinte.
- **“Annualizzare l'alfa annualizza la fiducia.”** Scalare il punto non crea osservazioni né elimina incertezza.
## Argomenti correlati
- [Capital Asset Pricing Model](/it/stocks/capm/)
- [Beta](/it/stocks/beta/)
- [Modello fattoriale Fama-French](/it/stocks/fama-french-factor-model/)
## Fonti
- Michael C. Jensen: performance dei fondi dal 1945 al 1964.
- William F. Sharpe: prezzi delle attività e equilibrio in condizioni di rischio.
- Eugene F. Fama e Kenneth R. French: fattori comuni nei rendimenti di azioni e obbligazioni.
- Dartmouth College / Kenneth R. French: biblioteca dati.
- FINRA: analisi dei benchmark.
- SEC Investor.gov: impatto di commissioni e spese sul portafoglio.
Source: https://wiki.fcontext.com/it/stocks/jensens-alpha/index.mdx