Contributions published at Financial Engineering (Markus Leippold)

null

The informational content of option data has long been studied in the context of stocks’ return predictability, with research clearly showing the existence of predictive power. This thesis tries to leverage this information by extracting specific features from the implied volatility surface and use them as additional inputs in a predefined high dimensional prediction model. Nine statistical methods are implemented and compared using various performance measures. The results clearly show that none of the additional features can provide an improvement in the forecasting power of the models, which could stem from the poor features choice as well as the limited data availability inherited from using option market data.

Die vorliegende Bachelorarbeit befasst sich mit dem Trend um eSports. Zunächst wird das Phänomen um eSports literarisch untersucht und aus der Perspektive der beteiligten wirtschaftlichen Akteure beleuchtet. Anschliessend wird der Markt analysiert und es werden Investitionsmöglichkeiten aufgezeigt. Abschliessend wird ein Fazit für potenzielle Investoren gezogen. Durch eine Marktuntersuchung sowie eine Kennzahlenanalyse von Unternehmen der Gaming-Industrie wird das enorme Wachstum dieser aufstrebenden Branche aufgezeigt und auf Entwicklungspotenziale hingewiesen. Der mögliche Einfluss von eSports auf Unternehmen der Gaming-Industrie kann statistisch nicht nachgewiesen werden. Jedoch wird versucht, mögliche Verbindungen des Phänomens von eSports und der damit verflochtenen Unternehmen aufzuzeigen.

null

Mit dem volkswirtschaftlich relevanten Ausmass, welches der Markt für Strukturierte Produkte in der Schweiz angenommen hat, steigt auch das Verlangen nach Aufklärung und Transparenz bezüglich die-ser Produkte. Mit einer empirischen Untersuchung von 200 Strukturierten Produkten auf ihre Margen wurde die Entwicklung im Zeitraum von 2009–2018 analysiert. Dabei wurde der Fokus auf Partizipa-tions- und Kapitalschutzprodukte gelegt. Es hat sich gezeigt, dass deren Margen seit der Finanzkrise zurückgegangen sind. Als Haupttreiber dieser Entwicklung konnten das tiefe Zinsumfeld sowie ein Nachfragerückgang an der Börse festgestellt werden.

null

Das Ziel dieser empirischen Untersuchung ist es, zu prüfen, ob mit dem Dividend Yield Portfolio eine Überrendite sowohl vor und nach Kosten als auch risikoadjustiert erzielt werden kann. Die im Swiss Market Index (SMI) enthaltenen Aktien werden der Strategie entsprechend gewichtet und über die Jahre 2000 bis 2019 untersucht. Das Ziel der Untersuchung wurde nur teilweise erreicht. Es wurde eine Überrendite vor und nach Kosten und risikoadjustiert festgestellt, trotzdem sind die Renditen statistisch nicht signifikant unterschiedlich. Diese Ergebnisse wurden mit den Untersuchungen von McQueen, Shields und Thorley (1997), Fong und Ong (2016) und Gwilym u. a. (2009) verglichen.

Climate change may have a detrimental effect on a firm's financial performance. Using a forward-looking measure of climate risk exposure based on textual analysis of firms' 10-K reports, we assess whether climate risks---as disclosed to the regulator---are priced in the credit default swap (CDS) market. We construct this novel climate risk measure based on BERT, an advanced language understanding algorithm, and adapt it for our purpose. We differentiate between physical and transition risks and find that transition risk increases CDS spreads, especially after the Paris Climate Agreement of 2015. However, we do not find such an effect for physical risk.

null

null

null

To explore the rationality and competitiveness of the mutual fund industry, we analyze the alpha of active and index mutual funds from a global sample of more than 60,000 equity and fixed income funds and test the null hypothesis that alphas to investors are zero. We distinguish between institutional and retail investors since there are significant differences in management fees, economies of scale, and information asymmetries between these two groups. Using a new robust statistical test, we cannot reject our null hypothesis for the vast majority of investment categories. We find that the average active fund has less exposure to traditional risk factors, but higher sensitivity to alternative risk premia. Fund persistence and the impact of size and fees add further support to our conclusion that the mutual fund industry is highly competitive, except for US domestic funds. This set of funds is excessively overfunded compared to other fund categories.

Many researchers seek factors that predict the cross-section of stock returns. In finance, the key is to replicate anomalies by long-short portfolios based on their factor scores, with microcaps alleviated via New York Stock Exchange (NYSE) breakpoints and value-weighted returns. In econometrics, the key is to include a covariance matrix estimator of stock returns for the (mimicking) portfolio construction. This paper marries these two strands of literature in order to test the zoo of cross-sectional anomalies by injecting size controls, basically NYSE breakpoints and value-weighted returns, into efficient sorting. Thus, we propose to use a covariance matrix estimator for ultra-high dimensions (up to 5,000) taking into account large, small and microcap stocks. We demonstrate that using a nonlinear shrinkage estimator of the covariance matrix substantially enhances the power of tests for cross-sectional anomalies: On average, ‘Student’ t-statistics more than double.

We propose a new method, VASA, based on variable subsample aggregation of model predictions for equity returns using a large-dimensional set of factors. To demonstrate the effectiveness, robustness, and dimension reduction power of VASA, we perform a comparative analysis between state-of-the-art machine learning algorithms. As a performance measure, we explore not only the global predictive but also the stock-specific R2's and their distribution. While the global R2 indicates the average forecasting accuracy, we find that high variability in the stock-specific R2's can be detrimental for the portfolio performance, due to the higher prediction risk. Since VASA shows minimal variability, portfolios formed on this method outperform the portfolios based on more complicated methods like random forests and neural nets.

null

Herkömmliche Bewertungsmethoden kommen an ihre Grenzen, wenn es darum geht, die zyklischen Marktpreise von Immobilien zu erklären. Diese Arbeit präsentiert ein Modell, das mit einer Markov-Kette zyklische Immobilienrenditen vorhersagt, welche diskontiert und dann zu einem Ertragswert summiert werden. Zur Berechnung der Markov-Kette werden mithilfe des Swinging Doors Algorithmus und der K-Means Clustermethode vergangene Immobilienzyklen analysiert. Das Resultat ist ein Modell, das einer Immobilie für verschiedene Anfangszustände unterschiedliche Ertragswerte zuordnet. Das Modell ist sehr flexibel und kann zur Ertragswertberechnung von verschiedenen zyklischen Anlageklassen verwendet werden.

We jointly explain the variations of the equity and value premium in a model with both short-run (SRR) and long-run (LRR) consumption risk. In our preliminary empirical analysis, we find that SRR varies with the business cycle and it has a substantial predictive power for market excess returns and the value premium|both in-sample and out-of-sample. The LRR component also differs significantly from zero, and value stocks have a larger exposure to both LRR and SRR than growth stocks. To explain these patterns in asset returns, we propose an extended and analytically tractable LRR model.