• advisory
• bret
• survey
• consulenza finanziaria
• risk aversion/appetite
• risk tollerance
• avversione/propensione al rischio
• finacial advice
• consulenza finanziaria automatizzata
• robo-advisor
• risk
• rischio
• preferenze di rischio
• risk preferences

La presente tesi magistrale si propone di indagare profondamente il rapporto tra la propensione al rischio degli individui e l'adozione dei robo-advisor nell'ambito della consulenza finanziaria, focalizzandosi principalmente sui metodi di misurazione del rischio.
L'analisi si sviluppa in tre sezioni interconnesse, ciascuna mirata a esplorare aspetti specifici di questo contesto.
La prima sezione delinea il fondamento teorico sottostante, introducendo la teoria dei portafogli e la sua connessione con il concetto di propensione al rischio. Si esaminano in dettaglio le dinamiche del rendimento e del rischio dei portafogli, con un'analisi approfondita sul concetto di rischio, giungendo infine al criterio di massimizzazione attesa, impiegato per introdurre la nozione di avversione al rischio.
Successivamente lo studio si concentra sulle principali modalità di misurazione delle preferenze di rischio attraverso sondaggi e esperimenti. Un focus particolare è riservato alle modalità tramite esperimenti, al quale viene infatti dedicato un intero paragrafo, dove vengono riportati i quattro tipi di esperimenti maggiormenti utilizzati in letteratura per misurare la propensione al rischio: il compito di elicitazione del rischio "bomba" (BRET), il metodo equivalente certo (CEM), l'elenco a scelta multipla tra coppie di lotterie (MPL) e l'elenco a scelta singola (SCL). Attraverso la discussione dettagliata di questi metodi, si esplora la loro applicabilità e validità nel contesto della ricerca sulla propensione al rischio.
Infine, la sezione si conclude con una piccola panoramica della Prospect Theory, approfondendo tre rilevanti fenomeni psicologici: l'effetto incorniciamento, l'avversione alle perdite e l'effetto di isolamento.
La seconda sezione della tesi si concentra sull'evoluzione della consulenza finanziaria e sull'emergere dei robo-advisor. Attraverso un'analisi dettagliata del quadro normativo che regola la consulenza finanziaria, vengono esaminati i requisiti di personalizzazione e determinatezza, nonché la distinzione tra consulenza indipendente e non indipendente.
L'analisi si estende poi all'identificazione degli utenti dei robo-advisor, prendendo in considerazione le caratteristiche socio-demografiche che influenzano maggiormente l'utilizzo di questo tipo di consulenza. In particolare, si presta maggiore attenzione a come la propensione al rischio incida sull'utilizzo dei robo-advisor, facendo riferimento a tre studi di particolare rilevanza in materia: Oehler et al. 2022, Isaia e Oggero 2022 Gaudeul e Giannetti 2023.
Successivamente, viene condotta una breve analisi dei fornitori di robo-advisor, approfondendo il modello di business adottato da questi ultimi. Infine, la sezione si conclude con un'analisi SWOT dei robo-advisor, evidenziando i rispettivi punti di forza, debolezza, opportunità e minacce.
La terza, ed ultima, sezione introduce lo studio empirico, focalizzato sull'incidenza dell'avversione al rischio sull'utilizzo dei robo-advisor, confrontando due metodologie di misurazione del rischio: sondaggio e Bomb Risk Elicitation Task.
Attraverso un'analisi dettagliata, miriamo a comprendere se e in che misura l'avversione al rischio influenzi nell'adozione dei robot, considerando le preferenze di rischio individuali misurate attraverso i due suddetti metodi
Con particolare riguardo al mercato azionario artificiale, vengono delineati il design dell'algoritmo e l'impostazione dell'esperimento. Lo studio empirico mira a comprendere il ruolo dell'avversione al rischio individuale nella consulenza automatizzata, nonché a verificare la compatibilità tra i metodi di misurazione del rischio. Per conseguire tale obiettivo, è stato selezionato un campione composto da studenti del Dipartimento di Economia dell'Università di Pisa, che è stato sottoposto all'esperimento tramite Otree.
Lo studio è suddiviso in due parti: innanzi tutto, viene misurata l'avversione al rischio tramite il Bomb Risk Elicitation Task e successivamente tramite sondaggio. Nella seconda parte, viene implementato un esperimento di negoziazione di titoli, in cui i partecipanti devono inizialmente operare autonomamente, poi essere affiancati da un Robo advisor, in particolare il Soft Bayes, e infine devono decidere se continuare ad investire individualmente o con l'assistenza del Robo advisor.
I dati raccolti sono stati elaborati per osservare l'avversione al rischio media del campione e la scelta di utilizzo del Robo advisor. Questo è stato essenziale per valutare innanzitutto la compatibilità dei metodi di misurazione delle preferenze di rischio: metodi diversi portano a risultati differenti? Inoltre, osservare la scelta media dell'utilizzo del Soft Bayes è indispensabile per comprendere se e quanto questa scelta è influenzata dalla preferenza di rischio individuale.
Le conclusioni emerse da questo studio empirico arrichiscono il quadro concettuale sull'argomento, e si integrano e con le analisi e le discussioni svolte nei capitoli precedenti, offrendo così una prospettiva più completa e approfondita sul tema trattato.
Attraverso questa strutturazione, la tesi offre un approccio sistematico ed esaustivo, mirando a un'analisi completa delle dinamiche intercorrenti tra la propensione al rischio e l'utilizzo dei robo-advisor nel contesto finanziario contemporaneo.