Il trade più affollato della storia di Wall Street: cosa fare quando (quasi) tutti hanno la tua stessa idea

Ogni mese Bank of America chiede a centinaia di gestori professionali quale sia, secondo loro, il trade più “affollato” del momento — quello su cui il mercato è più unanimemente posizionato. A luglio 2026 l’82% degli intervistati ha indicato “long semiconduttori/AI”, il livello più alto mai registrato dal sondaggio in oltre vent’anni di storia, in salita dal 73% di maggio e dall’80% di giugno. Nello stesso periodo, i sette titoli noti come Magnificent Seven pesavano tra il 32% e il 34% della capitalizzazione dell’intero indice S&P 500. Non è una previsione su cosa succederà dopo: è una fotografia di quanto, in questo momento, (quasi) tutti condividano la stessa idea. La domanda interessante non è se quell’idea sia giusta — è cosa fare quando ce l’hai anche tu.

Cosa vuol dire, in pratica, che un trade è “affollato”?

Vuol dire che una grande fetta di capitale professionale ha già posizionato il portafoglio nella stessa direzione, sulla stessa tesi. Non è di per sé un segnale di allarme — un tema può restare vincente a lungo anche quando è ampiamente riconosciuto — ma cambia la natura del rischio. Quando una view è condivisa da pochi, il rischio principale è avere torto. Quando è condivisa da quasi tutti, si aggiunge un secondo rischio: quello di posizionamento, cioè cosa succede ai prezzi se anche solo una parte di quel consenso decide di uscire nello stesso momento. Il sondaggio BofA misura esattamente questo secondo tipo di rischio, non la fondatezza della tesi.

Se (quasi) tutti hanno la stessa idea, avere anche tu quella convinzione è per forza uno sbaglio?

No — ed è qui che la maggior parte delle discussioni si ferma troppo presto. Avere una view di mercato, anche una condivisa da altri, non è il problema. Il problema è trasformarla in un sì/no binario: “ci credo, quindi concentro il portafoglio lì” oppure “ho paura, quindi la evito del tutto”. Tra questi due estremi c’è uno spazio enorme che quasi nessuno usa: quanto peso dare a una convinzione, in proporzione a quanto sei sicuro che sia corretta, senza scommettere l’intero portafoglio sulla sua conferma.

Come si trasforma una convinzione in un numero, invece che in un sì/no?

È esattamente il problema che il modello di Black-Litterman, sviluppato a Goldman Sachs nel 1990, è nato per risolvere. Il punto di partenza non è la tua opinione, ma i rendimenti impliciti di equilibrio: quelli che, per costruzione matematica, giustificherebbero i pesi di mercato attuali (calcolati per reverse-optimization dalla capitalizzazione di ciascun titolo). È il “cosa pensa il mercato nel suo insieme”, non la tua idea. Poi aggiungi una view esplicita — assoluta (“il settore X renderà Y%”) o relativa (“il settore X batterà il settore Z di Y punti”) — accompagnata da un livello di confidenza tra 0 e 1. Il modello combina le due cose in un rendimento atteso “posteriore”: più alta è la tua confidenza, più il risultato si sposta verso la tua view; più bassa, più resta ancorato all’equilibrio di mercato. Non c’è mai uno switch tutto-o-niente.

Cosa fa concretamente Opthest con una view del genere?

Nell’ottimizzatore di Opthest, il modello Black-Litterman prende in input i rendimenti di equilibrio calcolati sui pesi di mercato del tuo paniere di asset, la view che inserisci con la sua confidenza, e produce un set di rendimenti attesi e una matrice di covarianza “aggiornati” — non sostituiti, aggiornati. Questo output non diventa il portafoglio finale: viene passato allo stesso motore di ottimizzazione media-varianza usato dagli altri metodi, che continua a rispettare i vincoli di peso minimo e massimo per singolo asset che hai impostato tu. Il risultato pratico: una convinzione forte tira il portafoglio nella sua direzione in proporzione alla confidenza che le assegni, ma i limiti di concentrazione che hai fissato restano validi. Non puoi finire per sbaglio con metà del portafoglio su un solo tema solo perché la view era “molto forte”.

Una view forte deve per forza tradursi in un portafoglio concentrato?

No, ed è il punto centrale. Il livello record di affollamento misurato da BofA a luglio 2026 e il peso di oltre un terzo dei Magnificent Seven nell’S&P 500 raccontano cosa sta facendo il mercato nel suo insieme, non quanto dovrebbe pesare quel tema nel tuo portafoglio. Una view con confidenza moderata, in un modello come Black-Litterman, si traduce in un’inclinazione dei pesi — non in un tutto o niente. È la stessa disciplina descritta a proposito della concentrazione capitalizzazione-pesata dell’S&P 500: sapere quanto un singolo tema pesa davvero nel portafoglio, per scelta esplicita, non per accumulo distratto.

Cosa NON è questo articolo

Questo non è un giudizio se il tema AI/semiconduttori sia sopravvalutato o sottovalutato, né un suggerimento su come posizionarsi rispetto ad esso: i dati BofA e sulla capitalizzazione dei Magnificent Seven sono ricerche di mercato citate, non una raccomandazione personalizzata. Il modello Black-Litterman descritto è uno strumento di ottimizzazione quantitativa che richiede input espliciti (view, confidenza, vincoli) scelti da chi lo usa — non genera views proprie né dice quale titolo comprare o vendere.

Un trade affollato non ti dice se hai ragione o torto. Ti dice quanto rischio di posizionamento condividi con il resto del mercato — e quanto vale, allora, tradurre la tua convinzione in un numero preciso invece che in un tutto o niente.

Fonti: Bank of America Global Fund Manager Survey, luglio 2026 (via 24/7 Wall St, “Bank of America Says Long Semiconductors is the ‘Most Crowded Trade Ever’”); Forbes, “S&P 500’s Weight In Mag 7 Stocks Passes 30%. Is This A Diversification Risk?”, giugno 2026; Black, F. e Litterman, R., “Global Portfolio Optimization”, Financial Analysts Journal, 1992; Idzorek, T., “A Step-by-Step Guide to the Black-Litterman Model”, 2005.