Contributions published at Financial Engineering (Markus Leippold)

Schweizer Pensionskassen wiesen von 2012 bis 2021 erhebliche Performanceunterschiede auf. Faktoren wie die Grösse der Vorsorgeeinrichtung, die Kosten, die Bewirtschaftung oder die Anlagetaktik erklärten die Performanceunterschiede nicht oder nur teilweise. Hauptreiber der Performance war die strategische Asset Allocation bzw. das eingegangene Anlagerisiko. Pensionskassen, die von 2012 bis 2021 einen hohen strategischen Anteil der risikoreichen Anlagekategorien Aktien sowie Immobilien aufwiesen, haben statistisch gesehen besser performt. Jedoch ist das tragbare Anlagerisiko nicht der Hauptreiber an sich, sondern eine Konsequenz des eigentlichen Treibers, der Risikofähigkeit. Vorsorgeeinrichtungen, die eine hohe Risikofähigkeit aufwiesen, investierten vermehrt in Aktien und Immobilien und erzielten dementsprechend bessere Anlageergebnisse.

Diese Arbeit liefert praktische Unterstützung für das Unternehmensführungs-Spiel, welches am Institut für Banking und Finance entwickelt wird. Die Spieler sollen im Unternehmensführungs-Spiel ein produzierendes Unternehmen führen und dabei speziell im Bereich passive Finanzierung und nachhaltige Finanzierungsinstrumente unterrichtet werden. Basierend auf der aktuellen Literatur, welche Micro-Learning und Gamifizierung als moderne Komponente in der Bildung sieht, welche einen positiven Effekt auf den Lernerfolg haben, werden in dieser Arbeit Elemente der Gamifizierung und des Micro-Learnings für das Unternehmensführungs-Spiel erarbeitet. Obschon die Literatur den Nutzen solcher Elemente befürwortet, kann erst nach Tests unter realen Bedingungen abschliessend beurteilt werden, ob die Studierenden tatsächlich vom Unternehmensführungs-Spiel profitieren.

In 2008, Nakamoto (2008) published his white paper on a peer-to-peer electronic cash system called Bitcoin (BTC). Until then, online payments relied mostly on intermediaries that served as trusted parties. By using the consensus mechanism proof-of-work, he solved the so-called double spending problem, the possibility of spending digital money twice if there is no intermediary checking all transactions for their validity. Bitcoin uses cryptographic techniques to bundle transactions into blocks, and then links blocks together into one chain called blockchain. The blockchain serves as a transaction log and an ultimate authority regarding the ownership of Bitcoins. Since then, many cryptocurrencies have emerged, some of which turned out to be a scam. The exchange of coins or tokens can be done directly between two parties or facilitated through a centralized exchange. Large exchanges for various cryptocurrencies have emerged in the last few years due to the increasing popularity of cryptocurrencies. While the market cap of all cryptocurrencies was around $10 million at the beginning of 2011, it has ballooned to around $2 trillion by March 2022, and then declined again to around $860 billion by November 2022. Equally, academic interest in crypto markets has increased tremendously over the past years. As crypto markets mature, more attention was and will be paid to them from regulators (e.g. European Commission (2020)) and institutional investors. There is a vast amount of high-quality research about cryptocurrencies available and ongoing, mainly from a technical point of view. From a finance perspective, despite the growing interest, there is still a lack of knowledge about the structure and behavior, and the predictability of cryptocurrencies markets. To add to the sparse literature, this thesis investigates the predictability of Bitcoin prices over various time intervals. Using long short-term memory networks (LSTM), a type of recurrent neural network (RNN), binary forecasts are made about the development of Bitcoin prices. That is, using historical data, predictions are made whether the price of Bitcoin will increase or decrease. A unique and proprietary dataset provided by the company “Entropy Research” lays the foundation for the analysis. The dataset ranges from 1 July 2021 to 28 March 2022 and contains every trade during that period and periodic limit order book snapshots with a depth of 10 per side. The data is cleaned and aggregated into time intervals of 1 second, 1 minute, and 5 minutes. Various features are created based on the original and the aggregated data. Then, for all newly created datasets, multiple recurrent neural networks with different parameter specifications are trained and evaluated. Although some models show a higher test accuracy than the benchmark value, the differences are very small and inconsistent. Furthermore, the models predict mostly, sometimes exclusively, one of the two classes. Additionally, the models are highly sensitive to even small changes in the parameter values, indicating that the data contain no strong signals. Based on promising results presented in section 1.2, the datasets could be enhanced with networkbased data, that is, data regarding information about the Bitcoin blockchain, or with data regarding Bitcoin’s investor attractiveness, or other features. Furthermore, a more systematic approach could be used to find a suitable network architecture, for example a grid search. This is, however, somewhat complicated by the long training times of some of the networks, especially when using short time intervals.

Climate policy uncertainty makes it difficult for investors to assess the impact of future climate regulations. This thesis investigates how uncertainty about carbon taxation is priced in the option market. The results show that the cost of protection against downside and jump risk is higher for firms with high carbon intensity, and firms that do not report carbon emissions. The value of option protection increases when attention to carbon taxation is high.

Ziel dieser Arbeit ist die Beantwortung der Frage, ob sich Momentumstrategien mit Währungen lohnen und welche Implikationen dies für die Effizienzmarkthypothese hat. Dazu wurden sechs Momentumstrategien und eine Buy-And-Hold-Strategie auf einen historischen Datensatz der wichtigsten Währungen angewendet und die Ergebnisse mit bestehenden Studien verglichen. Entgegen der Literatur konnten signifikante negative Gesamtrenditen bei allen Momentumstrategien nachgewiesen werden, was eine Erhöhung der Informationseffizienz im Devisenmarkt impliziert. Dabei schneiden Long-Short-Strategien besser ab als Long-Only-Strategien. Der Widerspruch zur Literatur begründet sich durch unterschiedliche Studienzeiträume und unterschiedlich komplexe Methoden. Basierend auf den Erkenntnissen wird von einer erschwerten Existenz und Profitabilität des Momentum-Effekts ausgegangen.

Die vorliegende Arbeit zielt auf die Identifikation von Unterschieden der ESG-Ratings, der Rendite-/Risikokennzahlen und der Exponierung gegenüber den Investmentfaktoren zwischen nachhaltigen MSCI Emerging Markets- und Welt-Indizes ab. Die Emerging Markets-Indizes weisen ein überdurchschnittlich hohes Verbesserungspotential gegenüber dem Governance-Faktor auf. Aufgrund der schlechteren ESG-Ratings und schlechteren Rendite-/Risikoverhältnisse sind Investitionen in Schwellenländer mit höheren Risiken verbunden. Aufgrund ähnlicher Rendite-/Risikoeigenschaften und hohen Bestimmtheitsmasse in den Faktoranalyse kann angenommen werden, dass die nachhaltigen Indizes gute Alternativen zu herkömmlichen Anlagen darstellen. Die zunehmende Fokussierung nachhaltiger Schwellenländer-Indizes gegenüber Large-Cap Unternehmen steht jedoch im Widerspruch gängiger Erwartungen über die Exponierung gegenüber dem Size-Premium.

Die Forschungsfrage dieser Arbeit ist, ob man mit einer ESG-Trend Strategie eine Outperformance erreichen kann. Diese Arbeit erg¨anzt bisherige Studien mit einer spezifischen Auslegung der ESGTrend Anlagestrategie f¨ur die Industrie- und Schwellenl¨ander. Mithilfe von Faktormodellen wurde die Strategien getestet. Die empirische Analyse ergibt, dass in allen Schwellenl¨andern ein Alpha erzielt wird, w¨ahrend dies in Industriel¨andern lediglich f¨ur das DM Konstant Portfolio gilt. Hingegen ist nur das Alpha des DM Konstant Portfolio statistisch signifikant. Basierend auf den Resultaten dieser Arbeit kann abschliessend gesagt werden, dass der Erfolg einer Implementation der ESG-Trend Strategie in einem Portfolio stark von der Region abh¨angig ist.

Hanauer und Kaserer (2017) zeigen in ihrer Studie, dass durch die Anwendung einer Momen-tum Strategie nachhaltig eine Überrendite gegenüber des Marktes erzielt werden kann. Die vorliegende Untersuchung bestätigt dies für die drei grossen Regionen der Welt (Asien/Aust-ralien, Europa und Amerika), während sich der asiatische Raum als am geeignetsten heraus-stellt. Zudem setzt sich diese Studie mit einer Vielzahl der benötigten Parameter zur Bildung von Momentum Portfolios auseinander. Optimal wäre es, Winner Portfolios in der Region Ame-rika gemäss einer Periodizität von drei Monaten neu zu bilden, während für Winner Portfolios der anderen zwei Regionen eine Periodizität von 6-12 Monaten ideal wäre.

Based on last best bid prices this thesis examines the fairness of quoted prices in the secondary market for Swiss structured products. The theoretical fair price is derived from a model price replicating the payoff structure of the analysed structured product. Most of the analysed product types are observed to be priced with an implicit premium. Competition among issuers, time to maturity, complexity of the product and the underlying type are found to impact the degree of mispricing on the secondary market for structured products in Switzerland.

This paper uses secondary market quotes of bonds part of the Swiss Bond Index in order to study bond intraday (open to close) and overnight (close to open) returns. The study shows that overnight returns over the last decade were positive in almost all cases and a lot more robust to common market factors than intraday returns. This overnight effect also holds for most sectors, maturities and ratings.

This thesis analyzes ESG-certified SPI companies’ stock performance on a portfolio level and stock level, operating profitability, and WACC from 2016-2021. The companies were analyzed, controlling for systemic risk factors and other performance factors. The panel-data regressions were conducted both with OLS and fixed effects to control for unobserved heterogeneity. No significant impact of the ESG rating on the stock performance was found. Furthermore, the results showed a slightly negative effect on the operating profitability and no apparent effect on the WACC. However, methodological concerns and the short sampling period make it difficult to draw a causal link.

Conditional heteroskedasticity of the error terms is a common occurrence in financial factor models, such as the CAPM and Fama-French factor models, This feature necessitates the use of heteroskedasticity consistent (HC) standard errors to make valid inference for regression coefficients. In this paper, we show that using weighted least squares (WLS) or adaptive least squares (ALS) to estimate model parameters generally leads to smaller HC standard errors compared to ordinary least squares (OLS), which translates into improved inference in the form of shorter confidence intervals and more powerful hypothesis tests. In an extensive empirical analysis based on historical stock returns and commonly used factors, we find that conditional heteroskedasticity is pronounced and that WLS and ALS can dramatically shorten confidence intervals compared to OLS, especially during times of financial turmoil.

With the rise of machine learning and artificial intelligence, new methods and resources for improving investment performance emerged and quickly gained popularity, owing to various benefits over human traders. In this thesis, two reinforcement learning agents are introduced to trade the S&P 500 E-Mini and the 10-Year US Treasury Notes futures contracts. The agents are trained and tested on 11 years of intraday data with added technical indicators. The agents’ performance is compared to a long-only benchmark. Our findings show that our agents did not outperform the benchmark and that they were unable to complete one testing session without overspending.

Die Existenz der Trade-off Theorie (TOT) und der Pecking Order Theorie (POT) wird meist in gesamten Märkten untersucht. Das Ziel dieser Arbeit ist es, Unternehmen nach buchhalterischen Merkmalen zu sortieren und anschliessend auf die beiden Theorien zu testen. So kann gezeigt werden, dass u.a. grosse Unternehmen der POT folgen, wobei kleine Unternehmen eher der TOT folgen. Bei der Betrachtung aller Unternehmen konnte anhand mehrerer Indikatoren eher auf die Existenz der POT geschlossen werden, wobei die TOT vermutlich von weniger Unternehmen benutzt wird.

Existing shrinkage techniques struggle to model the covariance matrix of asset returns in the presence of multiple-asset classes. Therefore, we introduce a Blockbuster shrinkage estimator that clusters the covariance matrix accordingly. Besides the definition and derivation of a new asymptotically optimal linear shrinkage estimator, we propose an adaptive Blockbuster algorithm that clusters the covariance matrix even if the (number of) asset classes are unknown and change over time. It displays superior all-around performance on historical data against a variety of state-of-the-art linear shrinkage competitors. Additionally, we find that for small- and medium-sized investment universes the proposed estimator outperforms even recent nonlinear shrinkage techniques. Hence, this new estimator can be used to deliver more efficient portfolio selection and detection of anomalies in the cross-section of asset returns. Furthermore, due to the general structure of the proposed Blockbuster shrinkage estimator, the application is not restricted to financial problems.

The research conducted in this thesis aims to investigate whether positioning data contained in the CFTC report of the two main investor groups, institutionals and retailers, reflects predictive power for future returns in the U.S. financial securities market. For tracking the positions and price evolution over di↵erent time horizons, multiple ARIMAX forecasting models were built. Those models were tested for statistical significancy and then implemented with the price as exogeneous variable and the long and short positions of the two investor groups as dependent variables, resulting in one-year forecasting plots. Even though some patterns are spotted, these one-factor models are not able to efficiently forecast future price movements, mainly due to the time lag between the publication date and the collecting of the data of the CFTC report, and the aggregate composition of the COT data. A possible way to solve these issues is to build a multi-factor model, as done by “Micaletti (2018)” in his paper “Want Smart Beta? Follow the Smart Money: Market and Factor Timing Using Relative Sentiment”. The study of this thesis adds to the current literature more empirical evidence on the statistical significance of trading using institutionals positioning data, confirming that, by its own, the forecasting power is relatively low.

In dieser empirischen Arbeit werden verschiedene aktive Anlagestrategien konstruiert, die auf der Google-Suchhäufigkeitsentwicklung von Firmennamen basieren. Dabei wird der Schweizer Aktienmarkt über den Zeitraum von 17 Jahren (2004-2020) untersucht. Das Ziel ist zu ermitteln, ob mit Hilfe der konstruierten Anlagestrategien eine Überrendite ge-genüber dem Swiss Leader Index generiert werden kann. Die Ergebnisse der Performanceanalysen zeigen, dass mit der aktiven Anlagestrategie, welche positive und stagnierende Suchhäufigkeitsentwicklungen als Auswahlkriterium für die Aufnahme von Aktientitel ins Portfolio heranzieht, die besten Resultate erzielt werden. Die statistische Signifikanz der Überrenditen können mit der Regressionsanalyse nicht belegt werden, allerdings werden Erkenntnisse für weitere Studien gewonnen.

We reconsider the technical analysis using the image recognition method, exploring asset price behavior after some popular technical patterns. Comparing the results from the image recognition model to the rule-based method with time series, we find that the image recognition model can detect much more patterns than the rule-based one. In the event study, we show there are significant cumulative abnormal returns after most of these technical patterns with various holding periods. We construct a portfolio based on these patterns and show this trading strategy can achieve significant excess returns and high Sharpe ratio. This result is robust and cannot be captured by the Fama-French factors.

The Paris agreement and the UN SDGs show the importance and necessity of sustainability. The financial sector must take its responsibility and contribute to the transition towards a sustainable economy. By interviewing Swiss retail banks and making a survey among university students, a potential gap in the sustainable investing offering and demand shall be identified. Such a gap exists and is due to the challenges which come hand in hand with the beginning of the transition to a sustainable economy. Expanding the group of survey participants and the number of retail banks interviewed would lead to more significance.

Diese Arbeit untersucht die Abhängigkeit zwischen dem Preis von Emissionsrechten der Europäischen Union und verschiedenen Anlagen in den Portfolios von Schweizer Anlegerinnen, Anlegern und Pensionskassen in der Phase 1, Phase 2 und Phase 3 des europäischen Emissionshandelssystems. Die Ergebnisse zeigen eine durchschnittliche Abhängigkeit in der Nähe von 0 über alle Phasen hinweg. Darüber hinaus werden die Zertifikate für die Eignung im Portfoliomanagement mit Hilfe verschiedener Kennzah-len betrachtet. Es wird gezeigt, dass eine Berücksichtigung davon im Portfolio von Schweizer Privaten und Pensionskassen vor allem in Phase 3 sinnvoll gewesen wäre. Bei der Rendite-, Minimum-Varianz- und Sharpe Ratio-Optimierung sind es unter-schiedliche Phasen, bei welchen die Hinzunahme in den Portfolios von Schweizer Pri-vaten und Pensionskassen von Vorteil ist.