______________________________________________________________

Edoardo Maffeis
Laurea Magistrale in Banca e Finanza
Votazione: 108/110
Relatore: Prof. Diego Lubian
Data di laurea: 04/04/2019
______________________________________________________________

L’umanità da sempre guarda alle stelle. Lo spazio e la sua esplorazione hanno affasciato l’uomo fin dall’antichità. La volontà di comprendere l’universo accomunava filosofi e scienziati ed ha ispirato visionari che sono stati precursori della realtà di oggi e di domani.
Nel secolo scorso l’esplorazione spaziale ha abbondonato il mero mondo dell’immaginazione: il lancio del primo satellite nel 1957, lo Sputnik 1, e l’allunaggio del 1969 hanno aperto la strada all’esplorazione del sistema solare ed all’osservazione dell’universo. In quel periodo nacque la “space economy”, definita come “quella gamma di attività e utilizzo delle risorse che creano valore e benefici all’essere umano nel corso dell’esplorazione, ricerca, gestione e utilizzo dello spazio” (OECD 2014).

Le tre fasi di Joseph Schumpeter “invenzione, innovazione e diffusione” (1939) ben rappresentano l’evoluzione del settore spaziale. La prima fase è caratterizzata dallo studio e dai primi stadi di sviluppo delle nuove idee. La seconda fase vede l’implementazione dei progetti in prodotti e processi commerciabili, come la nascita dei programmi spaziali dei due blocchi (Stati Uniti e Unione Sovietica) e l’inizio delle attività satellitari commerciali (1950-70). Nell’ultimo stadio i nuovi prodotti si diffondono nel mercato potenziale, che nel settore spaziale consiste nell’istituzione delle agenzie spaziali e nella nascita di nuove e competitive aziende private.

Nell’era dell’industria 4.0 la tecnologia è un fattore dominante e il settore spaziale si configura come l’ultima frontiera di progresso tecnologico. Nel 2017 le agenzie spaziali hanno destinato 42 milioni di dollari per il finanziamento di ricerche e progetti in ambito spaziale e l’industria nel suo complesso ha raggiunto i 383.51 milioni di dollari. La crescita del settore privato ha portato allo sviluppo di un mercato competitivo ed all’ottimizzazione dei processi, rendendo il settore spaziare un’attrattiva e promettente opportunità di investimento.
La space economy si sviluppa in diversi settori, come i servizi satellitari, la costruzione di satelliti e razzi, servizi di lancio ed equipaggiamenti di terra. L’attuale tecnologia satellitare è essenziale in un vasto ambito di applicazioni di uso comune (comunicazione, trasmissione dati, osservazione della terra, geo-localizzazione e navigazione), oltre a fornire dati preziosi per analisi e studi economici. Una grande opportunità viene dall’analisi delle immagini satellitari, che consentono di predire la produzione agricola di grano, quindi il suo prezzo futuro e conseguente implementazione di strategie finanziarie. Se i produttori fossero in grado di conoscere in anticipo i prezzi dei prodotti agricoli, sarebbero in grado di effettuare scelte efficienti in termini di produzione e di magazzino. Inoltre, una previsione accurata di produzione e prezzo comporterebbe livelli più stabili di consumo e di prezzo. Il mercato dei futures (ovvero contratti derivati il cui prezzo è fissato in una data antecedente alla negoziazione) si configura come la principale fonte di informazioni per i prezzi del grano, grazie all’efficienza di questi mercati. Per essere efficiente, e quindi utile come strumento di indagine dei prezzi, i mercati futures necessitano di incorporare le nuove informazioni nel modo più veloce possibile. Le previsioni sui prezzi del grano avranno valore se aggiungeranno informazioni che non sono già incorporate nei prezzi del mercato. Se il mercato si aspetta una produzione inferiore a quella predetta dai dati satellitari, si aprirà una posizione corta sul mercato futures. I prezzi dei futures caleranno a mano a mano che il mercato viene a conoscenza della nuova informazione, e la posizione in futures genererà profitto. Se l’accesso alle immagini satellitari porta a consistenti opportunità di trading, un operatore sarà disposto a pagare un prezzo per quelle informazioni. Si può quindi concludere che i dati satellitari hanno un valore economico.

Il mio studio indaga le capacità predittive dell’indice “Normalized Difference Vegetation Index” (NDVI), ottenuto attraverso immagini satellitari, per i prezzi del grano sul territorio italiano, e presenta come questi possono essere impiegati per l’implementazione di strategie finanziare.

Cambiamenti nei livelli di assorbimento e di riflesso dello spettro visibile del rosso (RED) e il vicino infrarosso (NIR-Near Infra Red) possono essere utilizzati come indicatori della capacità fotosintetica della pianta, e quindi del suo stato di salute. Se una pianta sta sperimentato stress dovuto a carenze nutrizionali, malattie o insetti, la sua massa vegetativa diminuirà.
L’NDVI è la differenza tra il NIR e il RED diviso per la loro somma (Fig. 1), e il suo valore oscilla tra -1 e 1. Elementi non vegetali, come l’acqua, la neve o le nuvole sono rappresentati da un numero negativo, mentre i valori positivi crescenti indicano vegetazione sana.



Figura 1: esemplificazione indice NDVI

Il “Global Agricultural Monitoring (GLAM) system” fornisce, tramite i satelliti Terra e Aqua, rilevazioni a 8 giorni dell’indice NDVI MODIS (Moderate Resolution Imaging Spectroradiometer) con copertura globale. Il GLAM fornisce dataset obiettivi, aggiornati e regolari. Nello studio in oggetto sono state utilizzate osservazioni a 8 giorni di MODIS-NDVI per il grano italiano per 19 anni (2000-2018).
Come ogni pianta agricola, il grano attraversa diverse fasi prima di essere raccolto e venduto. In Italia, il grano è seminato in autunno e dopo circa 20 giorni germoglia e cresce durante tutto l’inverno. In primavera la pianta fiorisce e in estate raggiunge la maturità e viene raccolta. L’aumento esponenziale dell’indice a partire dal mese di marzo (Fig. 2) è dovuta alla fase della crescita dello stelo e alla fioritura, che corrisponde al massimo accrescimento di biomassa.



Figura 2: rappresentazione grafica dati NDVI raccolti 2000-2018

I dati relativi ai prezzi medi del grano italiano per il 2000-2018 sono stati ottenuti dal database dell’ISTAT.
Per testare le capacità predittive dell’NDVI, sono stati implementati tre modelli. Nel primo modello è stata redatta un’analisi di correlazione tra i prezzi mensili e i valori mensili dell’indice NDVI dei 12 mesi che anticipano il prezzo medio analizzato.



Figura 3: esemplificazione grafica primo modello

Nel secondo modello è stata analizzata la correlazione tra i prezzi mensili e i valori dell’indice NDVI cumulati della fase di accrescimento della pianta (febbraio-maggio). Infatti, eventi che riducono la durata e l’efficienza dell’apparato vegetativo in questa fare, mettono a repentaglio la quantità di prodotto raccolto.



Figura 4: esemplificazione grafica secondo modello

Nel primo modello i valori dell’indice per i mesi di febbraio, marzo e aprile, presentano le più alte correlazioni con i prezzi del grano per i mesi di novembre, dicembre, gennaio e febbraio. Il secondo modello presenta risultati che confermano quelli del primo modello.
Nel terzo modello sono stati utilizzati i valori cumulati dell’indice NDVI e i prezzi medi mensili normalizzati per novembre, dicembre e gennaio.



Figura 5: esemplificazione grafica terzo modello

La formula ottenuta da questo modello è stata poi utilizzata per calcolare i valori dei prezzi predetti.
Lo studio ha presentato due risultati principali: valori precoci dell’indice MODIS-NDVI (febbraio, marzo e aprile) sono risultati previsori significativi per i prezzi del grano di novembre, dicembre, gennaio e febbraio. Il secondo risultato rilevante è che il solo indice è in grado di spiegare il 43% della variabilità dei prezzi, senza l’aggiunta di altre variabili.

Per poter valutare eventuali strategie finanziarie è necessario confrontare la produzione attesa dal mercato e la previsione sulla produzione derivante dai dati satellitari. Purtroppo, a causa della scarsità dei dati disponibili per il territorio italiano, è stato effettuato una sola analisi metodologica. Se le previsioni basate sui dati satellitari differiscono sufficientemente da quelle di mercato, può essere effettuata un’operazione finanziaria. Se i dati satellitari suggeriscono un grado di produzione più alta rispetto al mercato, i prezzi cadranno. Un operatore in possesso dei dati satellitari potrebbe quindi prendere una posizione corta sui mercati futures. Viceversa, se i dati satellitari suggeriscono una produzione inferiore a quella di mercato, i prezzi saliranno, e si potrà entrare in una posizione lunga in futures.

Nel caso in cui i profitti e le perdite più ingenti si verifichino nelle code della distribuzione di probabilità, una strategia in opzioni potrebbe ridurre il downside risk. Comprare una un’opzione put o un’opzione call limiterebbe la perdita massima al prezzo dell’opzione. Usando la stessa logica della strategia in futures, quando prima si entrava in una posizione corta in futures, ora si compra un’opzione put. Al contrario, quando i dati satellitari suggeriscono una posizione lunga in future, si acquista un’opzione call. Questa strategia dovrebbe ridurre gli eventi di coda e quindi le perdite.

Questo studio esplorativo descrive un terreno potenzialmente molto fertile di collaborazione tra finanza e ricerca spaziale. L’economia e la finanza possono quindi trarre un forte beneficio dal settore spaziale, e mai più come oggi, le stelle non sono mai state così vicine.