Search

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 contribution are presented for the entire block of the infrastructure debt specific factors and for each of the individual factors within this block. Both modelling approaches should enable for better explanation of risk in private infrastructure debt investments by introducing revenue risk. However, the modelling approaches have not been backtested and therefore no conclusion can be made in regards to whether one of the proposed modelling approaches actually is better than current modelling approaches for private infrastructure debt. 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 tillvägagångssätten borde möjliggöra bättre förklaring av risken för privata infrastrukturskuldinvesteringar i en större portfölj genom att ta hänsyn till intäktsrisken. De två tillvägagångssätten för modelleringen har dock ej testats. Därför kan ingen slutsats dras med hänsyn till huruvida ett av tillvägagångssätten är bättre än de som används för närvärande för modellering av privat infrastrukturskuld.

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.