La sigla ETF associata a IA attira attenzione e capitali, ma l’etichetta non basta. Un fondo può parlare di intelligenza artificiale e in realtà avere un’esposizione minima ai fattori che guidano i ricavi dell’AI. Per orientarsi serve un metodo che misuri la vera esposizionesmontando l’hype in dati verificabili.
Questo tutorial propone un percorso operativo: analizzare l’indicequantificare la concentrazionevalutare la liquiditàconfrontare TER e tracking differencequindi applicare una check-list di due diligence e uno stress test di scenario. L’obiettivo è capire cosa si compra davvero e come può comportarsi in fasi di mercato differenti.
Capire l’indice: regole, definizioni e ribilanciamenti
Ogni ETF è lo specchio del suo indice. Prima di tutto, leggere come l’indice definisce l’AI pure playinclude solo società con quota prevalente di ricavi da AI o accetta enablers come semiconduttori, cloud e data center? Verificare i criteri di selezione (requisiti minimi di capitalizzazione, free float, liquidità) e la metodologia di pesi (market cap, equi-pesato, modified cap) insieme alla frequenza di ribilanciamento. Indici con ribilanciamenti rari possono accumulare distorsioni settoriali; quelli troppo frequenti aumentano i turnover e i costi impliciti. Un’attenzione speciale alla presenza di filtri ESG o geografici che possono escludere campioni dell’AI e alterare il profilo di rischio.
Misurare la concentrazione: top 10, cap ai pesi e rischi nascosti
La concentrazione determina quanto il portafoglio dipende da pochi nomi. Calcolare il peso della top 10 e, se possibile, un indice di concentrazione come l’Herfindahl-Hirschman (HHI). Un ETF IA con top 10 sopra il 60% è di fatto un basket ristrettissimo, spesso esposto a mega-cap tecnologiche più che all’AI in senso stretto. Cercare regole di capping (es. massimo 8% per singolo titolo) e rotazioni forzate. Valutare l’esposizione a mid/small capaumentano la purezza tematica ma anche la volatilità e l’illiquidità. Confrontare due ETF simili: se uno ha top 10 al 35% e l’altro al 70%, il profilo di rischio è radicalmente diverso, a parità di etichetta “AI”.
Liquidità reale: spread, volumi, market maker e replica
La liquidità di un ETF è doppia: sullo strumento in borsa e sul paniere sottostante. Osservare gli spread denaro/lettera medi, i volumi giornalieri, l’ampiezza del booke la presenza di authorized participants attivi. ETF con poche creazioni/rimborsi possono allargare gli spread nelle fasi di stress. Se la replica è fisicaverificare la liquidità dei titoli in portafoglio; se è derivata (swap), valutare il rischio controparte e eventuali costi nascosti. Monitorare anche la valuta di quotazione vs valuta dell’indice: lo scarto FX può accentuare la volatilità percepita e i costi di copertura.
Costi e tracking: TER non basta, guardare la tracking difference
Il TER è il cartellino del prezzo, ma non dice tutto. La metrica chiave è la tracking difference (TD): rendimento dell’ETF meno rendimento dell’indice in un periodo. Una TD negativa significativa indica cost-to-track elevato per replication, imposte su dividendi, frizioni di ribilanciamento o securities lending non ottimizzato. Osservare anche la tracking error (volatilità della deviazione), utile per stimare la variabilità dell’aderenza. Confrontare TER e TD di ETF simili: un TER più alto ma TD più vicina a zero può essere preferibile a un TER basso con TD molto negativa. Integrare le tax drag legate alla domiciliazione e ai trattati fiscali applicati ai dividendi.
Check-list di due diligence: verifiche rapide ma puntuali
Una check-list aiuta a standardizzare la valutazione e a smontare l’hype. Obiettivo: confermare esposizionerischi e costi con evidenze tracciabili.
- Indicedefinizione di AI, criteri d’inclusione, metodologia di pesi, frequenza di ribilanciamento.
- Composizionepeso top 10, HHI, presenza di mega-cap vs pure play, quota mid/small cap.
- Replicafisica vs sintetica, lending policy, domiciliazione fiscale.
- Liquiditàspread medi, volumi, profondità del book, ruolo degli AP, creation/redemption recenti.
- CostiTER, tracking difference a 1 e 3 anni, impatto fiscale su dividendi, costi di cambio.
- Rischiesposizione geografica, concentrazione settoriale (semiconduttori, cloud), sensibilità a tassi e dollaro.
- Documentiprospetto, KID, metodologia indice, report trasparenza lending.
Stress test di scenario: misurare cosa può andare storto (o bene)
Gli stress test danno sostanza alla parola “rischio”. Simulare almeno quattro scenari con dati storici e ipotesi realistiche: 1) AI boomcrescita utili e capex, beneficio per enablers (chip, cloud) e per software con pricing power; 2) shock regolatoriolimiti all’uso di modelli e privacy, impatto su piattaforme e adtech3) tassi in rialzocompressione multipli per growth, penalizzazione di società senza flussi cassa; 4) dollaro forte/deboleeffetto traduzione sui ricavi globali. Per ciascuno, stimare variazioni su fatturato e margini dei primi 10 pesi, riflettere su correlazioni interne al paniere e verificare come cambiano spread e TD in periodi di stress. Senza numeri, la “tematica” resta un’etichetta, non una strategia.
