Search

This thesis evaluates the risk parity and tail-risk parity approach against conventional weight budgeting approach. The risk parity and tail-risk parity approach, in contrast to weight budgeting approach, is about distributing the risk between the asset classes in the portfolio. The risk, is traditionally measured in terms of volatility together with the assumption that returns follows a Gaussian distribution. In these thesis, different risk measure will be introduced together with an Empirical distribution. The main objective of this thesis is to evaluate and improve the tail-risk parity approach by applying Expected Shortfall as risk measure, to capture if it will provide a better protection against downside risk during the economic crises; Dot-com bubble, Global Financial crisis and Covid-19 recession, as opposed to the risk parity approach with volatility as risk measure. Our results suggest, based on the performance measured in risk-adjusted returns, that the tail-risk adjusted approach had a superior performance in relation to risk parity and the weight budgeting approach during the full period. When considering the downside protection during the economic crisis, the tail-risk parity and risk parity approach performed fairly even, where tail-risk parity approach showed slightly higher risk-adjusted returns during Dot-com bubble and Covid-19 recession.

This thesis evaluates the risk parity and tail-risk parity approach against conventional weight budgeting approach. The risk parity and tail-risk parity approach, in contrast to weight budgeting approach, is about distributing the risk between the asset classes in the portfolio. The risk, is traditionally measured in terms of volatility together with the assumption that returns follows a Gaussian distribution. In these thesis, different risk measure will be introduced together with an Empirical distribution. The main objective of this thesis is to evaluate and improve the tail-risk parity approach by applying Expected Shortfall as risk measure, to capture if it will provide a better protection against downside risk during the economic crises; Dot-com bubble, Global Financial crisis and Covid-19 recession, as opposed to the risk parity approach with volatility as risk measure. Our results suggest, based on the performance measured in risk-adjusted returns, that the tail-risk adjusted approach had a superior performance in relation to risk parity and the weight budgeting approach during the full period. When considering the downside protection during the economic crisis, the tail-risk parity and risk parity approach performed fairly even, where tail-risk parity approach showed slightly higher risk-adjusted returns during Dot-com bubble and Covid-19 recession.

Allocation to private infrastructure debt investments has increased in the recent years [15]. For managers of multi-asset portfolios, it is important to be able to assess the risk of the total portfolio and the contribution to risk of the various holdings in the portfolio. This includes being able to explain the risk of having private infrastructure debt investments in the portfolio. The modelling of private infrastructure debt face many challenges, such as the lack of private data and public indices for private infrastructure debt. In this thesis, two approaches for modelling private infrastructure debt in a parametric risk factor model are proposed. Both approaches aim to incorporate revenue risk, which is the risk occurring from the type of revenue model in the infrastructure project or company. Revenue risk is categorised into three revenue models; merchant, contracted and regulated, as spread level differences can be distinguished for private infrastructure debt investments using this categorisation. The difference in spread levels between the categories are used to estimate β coefficients for the two modelling approaches. The spread levels are obtained from a data set and from a previous study. In the first modelling approach, the systematic risk factor approach, three systematic risk factors are introduced where each factor represent infrastructure debt investments with a certain revenue model. The risk or the volatility for each of these factors is the volatility of a general infrastructure debt index adjusted with one of the β coefficients. In the second modelling approach, the idiosyncratic risk term approach, three constant risk terms for the revenue models are added in order to capture the revenue risk for private infrastructure debt investments. These constant risk terms are estimated with the β coefficients and the historical volatility of a infrastructure debt index. For each modelling approach, the commonly used risk measures standalone risk and risk, Investeringar i privat infrastrukturskuld har ökat de senaste åren [15]. För βägare av portföljer med investeringar i samtliga tillgångsslag är det viktigt att kunna urskilja risken från de olika innehaven i portföljen. Det finns många utmaningar vad gäller modellering av privat infrastrukturskuld, så som den begränsade mängden privat data och publika index för privat infrastrukturskuld. I denna uppsats föreslås två tillvägagångssätt för att modellera privat infrastrukturskuld i en parametrisk riskfaktormodell. Båda tillvägagångssätten eftersträvar att inkorporera intäktsrisk, vilket är risken som beror på den underliggande intäktsmodellen i ett infrastrukturprojekt eller företag. Intäksrisk delas in i intäksmodellerna "merchant", "contracted" och "regulated", då en skillnad i spreadnivå mellan privata infrastrukturskuldinvesteringar kan urskiljas med denna kategorisering. Skillnaden i spreadnivå mellan de olika kategorierna används för att estimera β -koefficienter som används i båda tillvägagångssätten. Spreadnivåerna erhålls från ett dataset och från en tidigare studie. I det första tillvägagångssättet, den systematiska riskfaktor-ansatsen, introduceras tre systematiska riskfaktorer som representerar infrastrukturskuldinvesteringar med en viss intäktsmodell. Risken eller volatiliten för dessa faktorer är densamma som volatiliteten för ett index för infrastrukturskuld justerat med en av β -koefficienterna. I det andra tillvägagångssättet, den idriosynktratiska riskterm-ansatsen, adderas tre konstanta risktermer för intäktsmodellerna för att fånga upp intäktsrisken i de privata infrastrukturinvesteringarna. De konstanta risktermerna är estimerade med β -koefficienterna och en historisk volatilitet för ett index för infrastrukturskuld. För båda tillvägagångssätten presenteras riskmåtten stand-alone risk1 och risk contribution2. Riskmåtten ges för ett block av samtliga faktorer för infrastrukturskuld och för varje enskild faktor inom detta block. Båda tillvägagångssä

In risk management one important aspect is the allocation of total portfolio risk into its components. This can be done by measuring each components' risk contribution relative to the total risk, taking into account the covariance between components. The measurement procedure is straightforward under assumptions of elliptical distributions but not under the commonly used multivariate log-normal distributions. Two portfolio strategies are considered, the "buy and hold" and the "constant mix" strategy. The profits and losses of the components of a generic portfolio strategy are defined in order to enable a proper definition of risk contribution for the constant mix strategy. Then kernel estimation of risk contribution is performed for both portfolio strategies using Monte Carlo simulation. Further, applications for asset and risk management with risk contributions are discussed in the context of life insurance., En viktig aspekt inom riskhantering är tilldelning av total portföljrisk till tillångsportföljens beståndsdelar. Detta kan åstadkommas genom att mäta riskbidrag, som även kan ta hänsyn till beroenden mellan risktillgångar. Beräkning av riskbidrag är enkel vid antagande om elliptiska fördelningar så som multivariat normalfördelning, men inte vid antagande om multivariat log-normalfördelning där analytiska formler saknas. Skillnaden mellan riskbidragen inom två portföljstrategier undersöks. Dessa strategier är "buy and hold" och "constant mix" (konstant ombalansering). Tilldelning av resultaten hos de olika beståndsdelarna med en generisk portföljstrategi härleds för att kunna definiera riskbidrag för "constant mix" portföljstrategin. "Kernel estimering" används för att estimera riskbidrag genom simulering. Vidare diskuteras applikationer för tillgångs- och riskhantering inom ramen för livförsäkringsbolag.

In risk management one important aspect is the allocation of total portfolio risk into its components. This can be done by measuring each components' risk contribution relative to the total risk, taking into account the covariance between components. The measurement procedure is straightforward under assumptions of elliptical distributions but not under the commonly used multivariate log-normal distributions. Two portfolio strategies are considered, the "buy and hold" and the "constant mix" strategy. The profits and losses of the components of a generic portfolio strategy are defined in order to enable a proper definition of risk contribution for the constant mix strategy. Then kernel estimation of risk contribution is performed for both portfolio strategies using Monte Carlo simulation. Further, applications for asset and risk management with risk contributions are discussed in the context of life insurance., En viktig aspekt inom riskhantering är tilldelning av total portföljrisk till tillångsportföljens beståndsdelar. Detta kan åstadkommas genom att mäta riskbidrag, som även kan ta hänsyn till beroenden mellan risktillgångar. Beräkning av riskbidrag är enkel vid antagande om elliptiska fördelningar så som multivariat normalfördelning, men inte vid antagande om multivariat log-normalfördelning där analytiska formler saknas. Skillnaden mellan riskbidragen inom två portföljstrategier undersöks. Dessa strategier är "buy and hold" och "constant mix" (konstant ombalansering). Tilldelning av resultaten hos de olika beståndsdelarna med en generisk portföljstrategi härleds för att kunna definiera riskbidrag för "constant mix" portföljstrategin. "Kernel estimering" används för att estimera riskbidrag genom simulering. Vidare diskuteras applikationer för tillgångs- och riskhantering inom ramen för livförsäkringsbolag.