Downside deviation as a measure of identifying underperforming assets

• Main Authors: Askeljung, Alfred, Möller, Andreas
• Format: Others
• Language: English
• Published: KTH, Skolan för teknikvetenskap (SCI) 2020
• Subjects: Engineering and Technology; Teknik och teknologier
• Online Access: http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-275682

Quantitative approaches to achieving excess return are becoming increasingly popular as computational capabilities increase. Today, the main issue at hand is the development of accurate and reliable models for predicting the return of individual instruments. Index tracking mutual funds are however seldom able to select specific instruments to invest in, but rather select individual instruments in an index not to invest in. This study seeks to investigate whether downside deviation is a suitable risk measure for identifying instruments that underperform among a collection of instruments, and thereby the possibility of using downside deviation in a stop loss algorithm. That is, an algorithm that analyzes a portfolio and indicates which instruments might underperform compared to the benchmark, helping the portfolio manager to avoid realizing negative returns. In order to simulate the suggested model, daily pricing data between 2009-12-30 and 2018-12-28 for the large cap list on OMX Stockholm per 2009-12-30 is used. A model generating excess return was indeed found using downside deviation as the performance measure. The model yielded an average excess return of 3.27% over 1000 simulations with p < .00001 for the unregulated case. When regulations such as UCITS IV was implemented, the statistically significant excess return turn to statistically significant deficit return. === Kvantitativa metoder för att erhålla överavkastning växer i popularitet i och med att datorers beräkningskapacitet ökar. Idag är den huvudsakliga utmaningen att utveckla träffsäkra och robusta modeller som förutspår utvecklingen av individuella instrument. Indexföljande fonder har dock sällan möjlighet att välja specifika instrument att investera i, utan har snarare möjlighet att välja specifika instrument ur indexportföljen att inte investera i. Målet med den här studien är att undersöka huruvida downside deviation, det vill säga standardavvikelsen på enbart negativ avkastning, är ett lämpligt riskmått för att identifiera underpresterande instrument bland ett urval av instrument, och därigenom möjligheten att använda downside deviation i utvecklingen av en stop loss-algoritm. Det vill säga, en algoritm som analyserar en portfölj och indikerar vilka instrument som kan underprestera gentemot jämförelseindex, vilket i sin tur hjälper förvaltaren att undvika att realisera negativ avkastning. För att simulera den föreslagna modellen används daglig prisdata mellan 2009-12-30 och 2018- 12-28 från large-cap-listan per 2009-12-30 på OMX Stockholm. En algoritm som genererade överavkastning medelst downside deviation hittades. Algoritmen genererade en medelöveravkastning på 3.27% för 1000 simuleringar med p < .00001 givet frånvaron av regleringar. När gällande regleringar såsom UCITS IV implementerades så vändes överavkastningen till en statistiskt säkerställd underavkastning.