Correlazione ARKK ETF e mercati americani

ARKK ETF, S&P500 e Nasdaq. Come evitare le doppie esposizioni sui mercati grazie agli studi di correlazione.

Condividi questo post

Condividi su linkedin
Condividi su facebook
Condividi su email
Condividi su twitter
Condividi su whatsapp
Condividi su telegram

Che correlazione intercorre tra l’ETF di Ark Invest, l’ARK Innovation (ARKK) e gli indici statunitensi SP500 e Nasdaq?

ARKK è un ETF relativamente giovane, nato nel 2014, a gestione attiva il cui 92% del paniere è esposto su titoli azionari americani, preferendo azioni di tipo growth, ovvero orientati alla crescita.

Abbiamo scelto di mostrare la correlazione tra questi sottostanti perché l’ETF ARKK ha nel suo portafoglio aziende che rappresentano una grande parte di capitalizzazione degli indici americani, come ad esempio Tesla, che pesa il 10%.

Grazie a questi studi di correlazione, un investitore può capire come evitare la doppia esposizione su simili sottostanti, da cui deriverebbero problemi in caso di drawdown dei mercati.

Come detto in precedenza, il fondo di ARK è nato solamente nel 2014, per cui il nostro studio inizierà prendendo in esame il periodo 2015-2021, e utilizzeremo la libreria di Yahoo Finance come provider di dati storici e elaboreremo lo studio con Numpy.

Dato il portafoglio di ARKK sarà molto probabile aspettarsi un grado di correlazione positivo, sicuramente maggiore di 0,5. Se non conosci i gradi di correlazione ti invitiamo a leggere un nostro precedente post del blog a riguardo.


Installo le librerie YFinance e Numpy


pip install yfinance
pip install numpy


Importo le librerie appena installate

import yfinance as yf
import numpy as np

Carico i range di date che mi interessano da analizzare

listDate = ['2015-01-01','2015-12-31','2016-01-01','2016-12-31','2017-01-01','2017-12-31','2018-01-01','2018-12-31','2019-01-01','2019-12-31','2020-01-01','2020-12-31','2021-01-01','2021-12-31']

Per ogni range di date (01/01/anno e 31/12/anno) vado a caricarmi i dati con yfinance (vedi il nostro articolo relativo all’utilizzo della libreria: https://quantaste.com/2021/09/17/trading-dati-finanziari-e-python/) e calcolo il coefficiente di correlazione (approfondisci qui: https://quantaste.com/2021/10/08/correlazione-e-backtesting/).

Infine con il metodo print vado a stampare in maniera formattata e ordinata (utilizzo il metodo format e round per arrotondare) la correlazione appena calcolata.


for i in range(1, len(listDate), 2):
    
    arkk = yf.download('ARKK', listDate[i-1], listDate[i], progress=False)
    ndx = yf.download('NDX', listDate[i-1], listDate[i], progress=False)
    spy = yf.download('SPY', listDate[i-1], listDate[i], progress=False)

    resultCorrNDX = np.corrcoef(arkk['Close'], ndx['Close'])
    resultCorrSPY = np.corrcoef(arkk['Close'], spy['Close'])
    print("{} - {}: [NDX - ARKK --> {:+.2f}] [SPY - ARKK] --> {:+.2f}]".format(listDate[i-1], listDate[i], round(resultCorrNDX[0][1], 2), round(resultCorrSPY[0][1], 2)))

    

Il risultato dell’esecuzione è questo:

2015-01-01 - 2015-12-31: [NDX - ARKK --> +0.50] [SPY - ARKK] --> +0.82]
2016-01-01 - 2016-12-31: [NDX - ARKK --> +0.91] [SPY - ARKK] --> +0.87]
2017-01-01 - 2017-12-31: [NDX - ARKK --> +0.97] [SPY - ARKK] --> +0.96]
2018-01-01 - 2018-12-31: [NDX - ARKK --> +0.92] [SPY - ARKK] --> +0.79]
2019-01-01 - 2019-12-31: [NDX - ARKK --> +0.67] [SPY - ARKK] --> +0.67]
2020-01-01 - 2020-12-31: [NDX - ARKK --> +0.97] [SPY - ARKK] --> +0.84]
2021-01-01 - 2021-12-31: [NDX - ARKK --> -0.24] [SPY - ARKK] --> -0.53]
Linea gialla: ARKK ETF, linea nera SPY, liea blu NDX

Si vede subito come il grado di correlazione alto che è stato riportato da Python sia subito evidente, almeno fino al 2020, mentre da quest’anno 2021 l’ETF e gli indici si stiano comportando in modo differente.

Questo è dato dal fatto che dall’inizio del 2021 gli investitori hanno preferito puntare a titoli value e ciclici, che risentono maggiormente del ciclo economico, alleggerendo i portafogli da azioni di società ad alto beta, molto più volatili e sopravvalutate.

Infatti le correlazioni che ci ha riportato Python sono positive fino al 2020, mentre l’unico dato di correlazione negativa è proprio per l’ultimo anno; da sottolineare anche come la correlazione con il Nasdaq risulti lievemente più alta se confrontata con quella del S&P500, questo perché il primo rappresenta le aziende tecnologiche americane, di cui l’ETF ARKK è nettamente sovrapesato.

Iscriviti alla nostra newsletter gratuita

Rimani aggiornato e impara sempre 😀

Altri articoli che potresti trovare interessanti

Fintech

Strategia di trading “Breakout”

Introduzione alla strategia di trading di breakout

Le caratteristiche e le situazioni in cui possono essere attuate, grazie ai segnali grafici

Fintech

Strategia di trading “contrarian”

Introduzione alle strategie di trading contrarian.

Caratteristiche, i rischi collegati e i consigli per poterle applicare ai propri trading system.

Scopri la nostra academy

Diventa un Quant Trader e crea i tuoi trading system automatici