TREDJE AP-FONDEN ERBJUDER EXAMENSARBETE

Transcription

TREDJE AP-FONDEN ERBJUDER EXAMENSARBETE
TREDJE AP-FONDEN ERBJUDER EXAMENSARBETE
AP3
Tredje AP-fonden (AP3) är en av fem buffertfonder inom det allmänna pensionssystemet. Buffertkapitalet utgör
cirka 14 procent av inkomstpensionssystemets totala tillgångar.
AP3 är en långsiktig kapitalförvaltare med syfte att maximera värdet för Sveriges nuvarande och framtida
pensionärer genom att leverera en hög avkastning till en låg risk. AP3s förvaltningsstrategi har sin grund i en
bred diversifiering och sträcker sig från klassiska tillgångsslag som aktier, obligationer och valutor till
alternativa investeringar som riskpremiestrategier, onoterade tillgångar men även infrastruktur, fastigheter och
försäkringsrelaterade tillgångar. AP3 har under de senaste 3.5 åren genererat ett mervärde på 11,4
procentenheter jämfört mot sitt referensindex. AP3s fondkapital uppgick, per den 30 juni 2015, till 304 miljarder
kronor.
Exjobb på AP3
AP3 har under lång tid agerat för interaktion mellan utbildning och arbetsliv genom att erbjuda både
examensarbete, internship samt extrajobb för studenter studerande på högskola. Detta har visat sig ge mycket
goda erfarenheter för båda parter samt fungerat som en språngbräda till intressanta karriärsmöjligheter för de
studenter som deltagit.
AP3 söker nu en student för examensarbete på avancerad nivå (master) med en inriktning mot matematisk
statistik, finansiell matematik eller annat relevant området. Vi ser gärna att den sökande har ett starkt intresse
för kapitalförvaltning, finansiella marknader men även tillämpning av matematiska och statistiska metoder
inom dessa områden. Vi erbjuder två olika förslag på inriktning, ett med inriktning mot portföljteori och ett
med inriktning mot statistisk maskininlärning. Självklart kan vi även diskutera andra potentiella förslag som den
sökande förelsår.
Förslag 1: Riskallokering för riskpremiestrategier
Dagens låga framtida förväntade avkastningar på klassiska tillgångsslag som obligationer och aktier har fått nya
områden att att nå stor populäritet inom kapitalförvaltningsbranschen. Ett av dessa områden är så kallade
riskpremiestrategier. I ordets sanna mening så innebär en riskpremie, i detta sammanhang, att en investerare
erhåller en kompensation för att denne väljer att exponera sig mot en specifik risk. Begreppet risk kan sedan
karakteriseras på olika sätt där det bland annat är vanligt att högre premie betalas för kraftiga svansrisker
snarare än generellt högre volatilitet. Riskpremiestrategier implementeras ofta marknadsneutralt och över
flertalet tillgångsslag. Inom investeringsindustrin har man dock valt att klumpa ihop flertalet strategier till ett
diffust paket under namnet riskpremiestrategier. I dessa lägen saknar ofta flertalet strategier en riskmässig
motivation och riskerar därmed att förlora sin bäring när marknaden flockas till dem. En långsiktigt motiverad
riskpremieinvestering går alltså ut på att bygga en portfölj bestående av bred samling starkt motiverade
premier.
Det har visat sig vara svårt att med konventionella metoder predikera avkastningen för olika premier, något
som i sin tur leder till att den parameter som man på ett lämpligt sätt kan påverka är riskallokeringen mellan
olika strategier. En nyckel till framgång för investering i riskpremiestrategier är att finna en lämplig
riskviktnings- eller snarare riskspridningsmetod.
En vanligt förekommande viktningsmetod är risk-parity vilken går ut på att alla tillgångar skall ha lika stort
riskbidrag till totalportföljen. Detta implementeras enklast med volatilitet som riskmått. Ett av problemen med
en klassik risk-parity-ansats är att vi redan från ett teoretiskt stadium vet att en multivariat fördelning av
riskpremiestrategier inte följer en elliptisk fördelning. Exempelvis kan associationen mellan strategierna
närmast vara obefintlig under normala marknadsförhållanden men att detta möts av en stark tail-dependence
när marknaden går in i en turbulent fas. Det senare är en direkt följd av premiernas riskmässiga motivation.
Problemet med flertalet av de konventionella riskviktningsmetoderna är att man bygger in kraftiga leverage
som bygger på antaganden om statiskt låg korrelation mellan olika beståndsdelar, något som kan straffa sig
mycket hårt om marknaden går in i en turbulent period där korrelationssambanden kraftigt förändras.
Detta exjobbsförslag går ut på att utforska karakteristiken inom och relationen mellan olika
riskpremiestrategier samt utveckla en lämplig riskviktningsmetodik för konstruktion ev en riskpremieportfölj.
Den föreslagna lösningsmetoden skall ta hänsyn till exempelvis svansrisk och tail-dependence mellan olika
strategier men även implementerbarhetskriterier som transaktionskostnader och likviditet för olika tillgångar.
Förslag 2: Tillämpning av maskininlärning på finansiella marknader
Den effektiva marknadshypotesen säger i princip att historisk data, antingen genom historiska avkastningar,
värderingsinformation från bolag eller nationell macrodata inte inte kan användas för att predikera framtida
avkastning på tillgångar. En konsekvens av detta är exempelvis att historiskt data inte kan användas för att
konsekvent överavkasta marknaden. Även om man i en strikt mening kan förkasta en sådan teori genom
existensen av olika typer av riskpremier så utgör en sådan betraktningsmodell en intressant och viktig
utgångspunkt för hur marknaden bör fungera ur ett teoretiskt perspektiv.
Under antagandet att marknadens aktörer vill maximera sin egen avkastning så kommer allmänt tillgänglig
information att prissättas mycket snabbt och därmed bli meningslös för prediktion av framtida avkastning.
Detta bygger dock på att alla marknadens aktörer, eller deras aggregat, har möjlighet att objektivt ta till sig
data i alla marknadslägen. Vidare måste aktörerna själva, eller deras aggregat, i varje läge ta till sig samtlig ny
information och utvärdera dess interaktion. Detta innebär sannolikt en mycket komplex uppgift. Ett exempelvis
kraftigt antagande vore att anta att interaktionen mellan marknadens olika variabler alltid utgör ett enkelt
linjärt system. Om detta system inte är linjärt borde det även bli en komplex uppgift att givet ny information
(snabbt) räkna ut en marknadsjämvikt för prissättning.
Detta projekt går ut på att testa marknadens effektivitet genom konstruktion och utvärdering av modeller för
hur data konsumeras och används i marknadsprissättningen av en tillgång, exempelvis växelkurser. En möjlig
approach är att skapa en ensemble av olika primitiva maskininlärningsmodeller. Dessa utgör sedan en proxy för
en grupp med rationella individer som givet en historisk inlärningsfas, agerar på ny data på ett objektivt sätt. En
relevant frågeställning blir då om kan denna grupp rationella individer kontinuerligt kan överavkasta
marknaden. Om det senare exempelvis kan visas, bildar detta då en indikation för marknadens aktörer inte
agerar rationellt i alla marknadsregimer och att marknaden därmed inte är fullt effektiv?
Detta exjobbsförslag kommer att omfatta arbete med bland annat metoder för övervakad och oövervakad
statistisk maskininlärning samt statistisk behandling av stora datamängder. Projektet bedöms ha en hög
svårighetsgrad vilket ställer krav på stort eget engagemang, ett kunnande inom området samt goda färdigheter
inom programmering.
Ansökan
Ansökningar skickas till resurs_sa@ap3.se och skall innehålla CV, personligt brev och högskolebetyg. Vid
eventuella frågor, kontakta Fredrik Giertz på fredrik.giertz@ap3.se eller 08 - 555 17 133. Sista ansökningsdag är
2015-12-06 och arbetet förväntas utföras under våren 2016.