With an increasingly globalised market and growing asset universe, estimating the market covariance matrix becomes even more challenging. In recent years, there has been an extensive development of methods aimed at mitigating these issues. This thesis takes its starting point in the recently developed Hierarchical Principal Component Analysis, in which a priori known information is taken into account when modelling the market correlation matrix. However, while showing promising results, the current framework only allows for fairly simple hierarchies with a depth of one. In this thesis, we introduce a generalisation of the framework that allows for an arbitrary hierarchical depth. We also evaluate the method in a risk-based portfolio allocation setting with Futures contracts.  Furthermore, we introduce a shrinkage method called Hierarchical Shrinkage, which uses the hierarchical structure to further regularise the matrix. The proposed models are evaluated with respect to how well-conditioned they are, how well they predict eigenportfolio risk and portfolio performance when they are used to form the Minimum Variance Portfolio. We show that the proposed models result in sparse and easy-to-interpret eigenvector structures, improved risk prediction, lower condition numbers and longer holding periods while achieving Sharpe ratios that are at par with our benchmarks. / Med en allt mer globaliserad marknad och växande tillgångsuniversum blir det alltmer utmanande att uppskatta marknadskovariansmatrisen. Under senare år har det skett en omfattande utveckling av metoder som syftar till att mildra dessa problem. Detta examensarbete tar sin utgångspunkt i det nyligen utvecklade ramverket Hierarkisk Principalkomponentanalys, där kunskap känd sedan innan används för att modellera marknadskorrelationerna. Även om det visar lovande resultat så tillåter det nuvarande ramverket endast enkla hierarkier med ett djup på ett. I detta examensarbete introduceras en generalisering av detta ramverk, som tillåter ett godtyckligt hierarkiskt djup. Vi utvärderar också metoden i en riskbaserad portföljallokeringsmiljö med terminskontrakt.  Vidare introducerar vi en krympningsmetod som vi kallar Hierarkisk Krympning. Hierarkisk krympning använder den hierarkiska strukturen för att ytterligare regularisera matrisen. De föreslagna modellerna av korrelationsmatrisen utvärderas med avseende på hur välkonditionerade de är, hur väl de förutsäger egenportföljrisk samt hur de presterar i portföljallokeringssyfte i en Minimum Variance portfölj. Vi visar att de introducerade modellerna resulterar i en gles och lätttolkad egenvektorstruktur, förbättrad riskprediktion, lägre konditionstal och längre hållperiod, samtidigt som portföljerna uppnår Sharpe-kvoter i linje med benchmarkmodellerna.

This thesis examines the risk profile of Electronically Traded Funds and the dependence of the ESG rating on risk. 527 ETFs with exposure globally were analyzed. Risk measures considered were Value-at-Risk and Expected Shortfall, while some other metrics of risk was used, such as the volatility, maximum drawdown, tail dependece, and copulas. Stress tests were conducted in order to test the resilience against market downturns. The ETFs were grouped by their ESG rating as well as by their carbon intensity. The results show that the lowest risk can be found for ETFs with either the lowest ESG rating or the highest. Generally, a higher ESG rating implies a lower risk, but without statistical significance in many cases. Further, ETFs with a higher ESG rating showed, on average, a lower maximum drawdown, a higher tail dependence, and more resilience in market downturns. Regarding volatility, the average was shown to be lower on average for ETFs with a higher ESG rating, but no statistical significance could be found. Interestingly, the results show that investing sustainably returns a better financial performance at a lower risk, thus going against the Capital Asset Pricing Model. / Denna studie undersöker riskprofilen för elektroniskt handlade fonder och sambandet mellan risk och hållbarhetsbetyg. 527 ETF:er med global exponering analyserades. De riskmått som användes var Value-at-Risk och Expected Shortfall, och några andra mått för risk användes, däribland volatilitet, största intradagsnedgång, samband i svansfördelning, och copulas. Stresstest utfördes för att testa motsåtndskraften i marknadsnedgångar. ETF:erna grupperades med hjälp av deras hållbarhetsbetyg och deras koldioxidintensitet. Resultatet visar att lägst risk finns i ETF:er med högst respektive lägst hållbarhetsbetyg. Generellt har ETF:er med högre hållbarhetsbetyg en lägre risk, med endast viss statistisk signifikans. Därtill har ETF:er med högre hållbarhetsbetyg, i genomsnitt, en lägre största intradagsnedgång, högre samband i fördelningssvansarna och är mer motståndskraftiga i marknadsnedgångar. Volatiliteten är i genomsnitt lägre desto högre hållbarhetsbetyget är, men detta resultat saknar statistisk signifikans. Ett intressant resultat är att om man investerar hållbart kan man få en högre avkastning med en lägre risk, vilket går emot Capital Asset Pricing Model.