This thesis is a comparative study where the question is whether a neural network approach can outperform the principal component analysis (PCA) approach for predicting changes of interest rate curves. Today PCA is the industry standard model for predicting interest rate curves. Specifically the goal is to better understand the correlation structure between Swedish and European swap rates. The disadvantage with the PCA approach is that only the information contained in the covariance matrix can be used and not for example whether or not the curve might behave different depending on the current state. In other words, some information that might be quite important to the curve dynamic is lost in the PCA approach. This raises the question whether the lost information is important for prediction accuracy or not. As previously been shown by Alexei Kondratyev in the paper "Learning Curve Dynamics with Artificial Neural Networks", the neural network approach is able to use more information in the data and therefore has potential to outperform the PCA approach. Our thesis shows that the neural network approach is able to achieve the same or higher accuracy than PCA when performing long term predictions. The results show that the neural network model has potential to replace the PCA model, however, it is a more time consuming model. Higher accuracy can probably be achieved if the network is more optimized. / Det här är en jämförande studie där syftet är att undersöka hurvida noggrannare prediktioner kan uppnås genom att använda sig av artificiella neurala nätverk (ANN) istället för principalkomponentanalys (PCA) för att förutspå swapräntekurvor. PCA är idag industristandard för att förutspå räntekurvor. Specifikt är målet att bättre kunna förstå korrelationsstrukturen mellan de Svenska swapräntorna och de Europiska swapräntorna. En nackdel med PCA är att den enda tillgängliga informationen sparas i kovariansmatrisen. Det kan till exempel vara fallet att kurvan beter sig väldigt annorlunda beroende på om de nuvarande räntenivåerna är höga eller låga. Eftersom att sådan information går förlorad i PCA-modellen ligger intresset i att undersöka hur mycket noggrannare prediktionerna kan bli om man tar tillvara på ännu mer av informationen i datan. Som Alexei Kondratyev visar i rapporten "Learning Curve Dynamics with Artificial Neural Networks", så har ANN-modellen potential att ersätta PCA-modellen för att förutspå räntekurvor. I denna studie framgår det att ANN-modellen uppnår samma eller bättre resultat jämfört med PCA-modellen vid längre prediktioner.

During the last three years the Swedish stock market has showed a strong upwards movement from the lows of 2016. At the same time the IPO activity has been large and a lot of the offerings have had a positive return during the first day of trading in the market. The goal of this study is to analyze if there is any particular IPO specific data that has a correlation with the first day return and if it can be used to predict the first day return for future IPO’s. If any regressors were shown to have correlation with the first day return, the goal is also to find a subset of regressors with even higher predictability. Then to classify which regressors show the highest correlation with a large positive return. The method which has been used is a multiple linear regression with IPO-data from the period 2017-2018. The results from the study imply that none of the chosen regressors show any significant correlation with the first day return. It is a complicated process which might be difficult to simplify and quantify into a regression model, but further studies are needed to draw a conclusion if there are any other qualitative factors which correlate with the first day return. / Under de senaste tre åren har den svenska aktiemarknaden visat en kraftigt uppåtgående rörelse från de låga nivåerna 2016. Samtidigt har det varit hög IPO-aktivitet, där många noteringar har haft en positiv avkastning under den första handelsdagen. Målet med denna studie är att analysera om det finns särskilda IPO-specifika faktorer som påvisar samband med avkastningen från första handelsdagen och om det kan användas för att förutsäga utvecklingen under första handelsdagen för framtida noteringar. Om regressorerna visade korrelation är målet sedan att ta fram de bästa av dessa för att se om det ökar modellens säkerhet. Vidare var det av intresse att visa vilka regressorer som korrelerar med en positiv avkastning. Metoden som användes var en multipel linjär regression med historisk data från perioden 2017-2018. Studiens resultat visar att ingen av de valda regressorerna har någon signifikant korrelation med avkastningen under första handelsdagen. Börsintroduktioner är komplicerade processer som kan vara svåra att förenkla och kvantifiera i en regressionsmodell, men ytterligare studier behövs för att dra en slutsats om det finns andra kvalitativa faktorer som kan förklara utvecklingen under första handelsdagen.

This thesis evaluates how the evolutionary algorithm CMA-ES (Covariance Matrix Adaption Evolution Strategy) can be used for optimizing the total initial margin for a network of banks trading bilateral OTC derivatives. The algorithm is a stochastic method for optimization of non-linear and, but not limited to, non-convex functions. The algorithm searches for an optimum by generating normally distributed samples and iteratively updating the mean and covariance matrix of the search distribution using the best candidate solutions in the sampled population. In this thesis, feasible solutions are represented by the null space obtained from the constraint of keeping all banks' market exposure unchanged throughout the optimization, and the generated samples for each iteration correspond to linear combinations of the base vectors spanning this null space. In particular, this thesis investigates how different representations of this null space affect the convergence speed of the algorithm. By applying the algorithm to problems of varying sizes, using several different null space representations coming from different matrix decomposition methods, it is found that as long as an orthonormal representation is used it does not matter which matrix decomposition method it comes from. This is found to be because, given any orthonormal null space representation, the algorithm will at start generate a rotationally invariant sample space in its search for the optimal solution, independent of the specific null space representation. If the representation is not orthogonal, the initial sample will in contrast be in the shape of an ellipsoid and thus biased in certain directions, which in general affects the performance negatively. A non-orthonormal representation can converge faster in specific optimization problems, if the direction of the solution is known in advance and the sample space is pointed towards that direction. However, the benefit of this aspect is limited in a realistic scenario and an orthonormal representation is recommended. Furthermore, as it is shown that different orthonormal representations perform equally, it is implied that other characteristics can be considered when deciding which matrix decomposition method to use; such as the importance of fast computation or desire for a sparse representation. / Denna avhandling utvärderar hur CMA-ES (Covariance Matrix Adaption Evolution Strategy) kan användas för att optimera en total "initial margin" för ett nätverk av banker som handlar bilaterala OTC derivat. Algoritmen är en stokastisk metod för optimering av icke-linjära och, men inte enbart, icke-konvexa funktioner. Algoritmen söker efter ett optimum genom att generera normalfördelade utfall och iterativt uppdatera medelvärdet och kovariansmatrisen för sök-fördelningen med hjälp av de bästa lösningarna i varje iteration. I detta arbete representeras tillåtna lösningar till problemet av nollrummet från bivillkoret att alla bankers marknadsexponering ska vara oförändrade genom optimeringen och de genererade utfallen består av slumpade linjärkombinationer av nollrummets basvektorer. I synnerhet undersöks hur olika representationer av nollrummet påverkar konvergenshastigheten för algoritmen. Algoritmen har applicerats med flera olika nollrumsrepresentationer, framtagna genom olika matrisfaktoriseringsmetoder, och det kan konstateras att så länge nollrummsrepresentationen är ortonormal är valet av faktoreringsmetod obetydlig. Detta då användande av orthornormala nollrumsrpresentationer i algoritmen leder till en initialt symmetrisk, rotationsmässigt invariant, sökning efter den optimala lösningen. Om representationen inte är ortogonal kommer det resulterande sökområdet i varje iteration att ha formen av en ellipsoid och sålunda viktas i vissa riktningar, vilket i allmänhet påverkar prestandan negativt. Emellertid kan en icke-ortonormal representation konvergera snabbare i specifika scenarier, givet att lösningens riktning är känd i förväg och sökområdet kan pekas mot den riktningen. Vidare, eftersom det har visats att olika ortonormala representationer konvergerar lika fort, innebär resultatet att andra egenskaper kan beaktas vid val av matrisfaktoriseringsmetod, såsom vikten av snabb beräkning eller önskan om en gles representation.

Algorithms have been used in finance since the early 2000s and accounted for 25% of the market around 2005. In this research, algorithms account for approximately 85% of the market. The challenge faced by many investors and fund managers is beating the Swedish market index OMXS30. This research investigates publicly available algorithms and their potential for implementation and modification to outperform the market. There is a lot of research done on the subject and most of the research found was mostly at a high academic level. Although few algorithms were found in the search, some algorithms that managed to beat other markets caught interest. The market data for this research was obtained from Nordnets closed API, specifically the historical price data of various financial securities. The algorithms use the historical price data to generate buy and sell signals which represents a trade. These trades were then used to calculate performance metrics such as the geometric mean and the sharpe ratio. The performance metrics are used to measure and compare performance with the OMXS30 using a quantitative method. On average, the algorithms did not perform well on the chosen securities, although some securities stood out in all cases. Beating the market is considered a difficult task, and this research reflects some of the challenges involved. The chosen method highlights the importance of the stocks the algorithms trade, emphasizing that stocks cannot be chosen randomly. Building a fully automated unsupervised trading system is challenging and requires extensive work. Some strategies tend to require human supervision to maximize returns and limit losses, while others yield low returns for low risk. / Algoritmer har använts inom finans sedan början av 2000-talet och utgjorde cirka 25% av marknaden runt 2005. När detta arbete utförs står algoritmer för cirka 85% av marknadsvolymen. Utmaningen som många investerare och fondförvaltare står inför är att slå den svenska marknadsindexet OMXS30. Detta arbete undersöker offentligt tillgängliga algoritmer och deras potential att implementeras och modifieras för att överträffa marknaden. Det finns mycket forskning gjord inom ämnet och majoriteten av denna forskning är på en hög akademisk nivå. Trots att få algoritmer hittades i sökningen, fanns det ett fåtal algoritmer som lyckats slå andra marknadsindex. Marknadsdata för denna forskning erhölls från Nordnets slutna API, specifikt historisk prisdata från olika finansiella värdepapper. Algoritmerna använder den historiska prisdatan för att generera köp- och säljsignaler. Dessa köp och säljsignaler användes sedan för att beräkna prestandamått som geometrisk medelvärde och riskjusterad avkastning. Prestandamåtten används för att mäta och jämföra prestanda med OMXS30 genom en kvantitativ metod. I genomsnitt presterade algoritmerna inte väl på de valda värdepappren, även om vissa värdepapper utmärkte sig i alla fall. Att slå marknaden anses vara en svår uppgift och denna forskning speglar några av de utmaningar som är involverade. Den valda metoden belyser vikten av de aktier som algoritmerna handlar med och betonar att aktier inte kan väljas slumpmässigt. Att bygga ett helt automatiserat obevakat handelssystem är utmanande och kräver omfattande arbete. Vissa strategier visade sig vara i behov av mänsklig övervakning för att maximera avkastningen och begränsa förluster, medan andra gav låg avkastning för låg risk.

The equity trading of today is fragmented across regulated markets (RMs) and multilateral trading facilities (MTFs). Despite being legally very similar Busch (2017), market participants have reported that they attract different types of traders. Market dynamics arise from the interactions between all market participants (agents) Kyle (1985). Price impact is an important part of these dynamics which, for the most part, can be explained by the competition between liquidity takers and liquidity providers Bouchaud et al. (2009). Hence, this thesis studies whether price impact is venue dependent by using the transient impact model, developed by Bouchaud et al. (2004), on Nordic stocks listed at Nasdaq but also traded on London based MTFs. Furthermore, MiFID II and entailing legislation introduced a considerable amount of changes to the financial markets, the effects of which on price impact will also be subject to investigation here. The findings indicate that price impact is indeed venue dependent, where RMs show less price impact than the MTFs. The effects of MiFID II are vague but seems to have lowered the temporal aspect of price impact for the MTFs, while the effects on the RMs are less evident. / Dagens aktiehandel är fragmenterad över reglerade marknader och multilaterala handelsplattformar (MTF-plattformar), trots att de är juridiskt väldigt lika Busch (2017), så har marknadsaktörerna rapporterat att de attraherar olika typer av aktörer. Marknadens dynamik uppstår ur interaktionen mellan dess aktörer Kyle (1985). Prispåverkan är en viktig del av denna dynamik som, för det mesta, kan förklaras av konkurrensen mellan likviditetstagare och likviditetsgivare (Bouchaud et al. 2009). Således undersöker denna uppsats om prispåverkan skiljer sig mellan handelsplatser genom att använda en transient prispåverkansmodell, utvecklad av Bouchaud et al. (2004), på handelsdatat från nordiska aktier listade på Nasdaq, men som även handlas på MTF-platformar i London. Introduktionen av MiFID II och tillhörande lagstiftning har inneburit betydande förändringar för den finansiella marknaden, vilkas effekter på prispåverkan vid aktiehandel också kommer att undersökas här. Fynden i denna studie indikerar att prispåverkan är handelsplatsberoende, där priset påverkas mindre på reglerade marknader än på MTF-plattformar. Effekterna av MiFID II är vaga men verkar ha sänkt den temporala aspekten av prispåverkan och då främst för MTF-plattformarna, medan effekterna på de reglerade marknaderna är mindre framträdande.

Portfolio rebalancing has become a popular tool for institutional investors the last decade. Adaptive asset allocation, an approach suggest by William Sharpe is a new approach to portfolio rebalancing taking market capitalization of asset classes into consideration when setting the normal portfolio and adapting it to a risk profile. The purpose of this thesis is to evaluate the traditional approach of portfolio rebalancing with the adaptive one. The comparison will consist of backtesting and two simulation methods which will be compared computationally measuring time and memory usage (Monte Carlo and Latin Hypercube Sampling). The comparison was done in Excel and in R respectively. It was found that both of the asset allocation approaches gave similar result in terms of the relevant risk measurements mentioned but that the traditional was a cheaper and easier alternative to implement and therefore might be more preferable over the adaptive approach from a practical perspective. The sampling methods were found to have no difference in memory usage but Monte Carlo sampling had around 50% less average running time while at the same time being easier to implement. / Portfölj rebalansering har blivit ett populärt verktyg för institutionella investerare det senaste årtiondet . Adaptiv tillgångsallokering, en taktik föreslagen av William Sharpe är en typ av rebalansering där hänsyn tas till marknadsvärdet av tillgångsklasserna samtidigt som man anpassar det efter en riskprofil. Syftet med detta arbete är att evaluera den traditionella strategin kontra den adaptiva strategin där jämförelsen kommer bestå av backtesting (tillämpa strategin på historisk data) samt två simulationsmetoder(Monte Carlo och LHS). Simulationernas implementering kommer jämföras med avseende på tid och minnesanvändning. Jämförelserna gjordes i Excel och i R respektivt. Resultatet av studien visar att att båda strategierna gav liknande resultat med avseende på de riskmått som finns med men att den traditionella strategin var billigare och enklare att implementera och kan därför vara den strategi att föredra från ett praktiskt perspektiv. Simulationsmetoderna visade ingen skillnad i minnesanvänding men däremot att Monte Carlo var både lättare att implementera samt hade ca 50% mindre körtid i genomsnitt.

The investment and financing instrument AT1, or Contingent Convertible bond, has become popular in the post-crisis capital markets, prompting interest and research in the academic world. The instrument's debt definition but equity boosting properties makes it rather extraordinary, and its stochastic features makes multiple mathematical valuation methodologies relevant, especially with regard to the risk of extending the call date of the instrument. With investors still relying on screening tools for valuation, there is an absence of applications using existing mathematical approaches. This report therefore aims to narrow the gap between academia and industry by evaluating the use of such mathematical approaches in a practical investment setting, in particular the Improved Credit Derivative approach and the Extension Premium Relative Value approach shall be examined. Both models strive to account for the extension risk, a commonly disregarded yet critical risk, adding computational challenges to the implementation. Besides from discovering necessary practical adjustments, and their effects, the two pricing approaches are compared in an attempt to confirm their joint purpose of accounting for extension risk. Ending up with varying results consisting of evident offsets for the improved credit derivative model but significant correlations in the case of the extension premium model, their individual performance was diverse while the hypothesis of joint behaviour could be dismissed. / Investerings- och finansieringsinstrumentet AT1, eller Contingent Convertible bond, har blivit populärt i kapitalmarknaderna efter finanskrisen, vilket lett till intresse och forskning i den akademiska världen. Instrumentets grund som skuld men egenskaper för att tillskjuta eget kapital gör det extraordinärt, och dess stokastiska funktioner öppar upp för flertalet värderingsmetoder, speciellt gällande förlängningsrisken hos datumet för kallning. Eftersom att investerare fortfarande använder sig utav screening-verktyg för värdering finns det endast begränsad forskning rörande användande av matematiska metoder. Denna rapport har därför som mål att minska avståndet mellan den akademiska världen och industrin genom att utvärdera användandet av sådana matematiska metoder för praktiska investeringar, särskillt skall Improved Credit Derivative och Extension Premium Relative Value metoderna användas. Båda modellerna strävar efter att ta hänsyn till förlängningsrisken, en risk vanligtvis bortsedd ifrån men trots det kritisk, vilket tillägger ytterligare beräkningsutmaningar vid implementationen. Bortsätt ifrån att upptäcka praktiska justeringar och dess effekter jämförs de två värderingsmetoderna i ett försök att bekräfta deras gemensamma syfte, att ta hänsyn till förlängningsrisken. Att i slutändan nå blandade resultat besående av uppenbara avvikelser för improved credit derivative modellen men starka korrelationer i fallet av extension premium modellen gjorde att man kunde dra slutsatsen att deras individuella prestanda skilde sig medan hypotesen om gemensamt beteende kunde avfärdas.

Contingent convertible bonds (often referred to as CoCo bonds, or simply CoCos) are a relatively new financial instrument designed to absorb unexpected losses. This instrument became increasingly more common after the financial crisis of 2008, as a way to decrease the risk of insolvency among banks and other financial institutions. In this thesis, we will investigate two mathematical models for valuation of CoCo bonds, known as the credit derivative approach and the equity derivative approach, previously developed by De Spiegeleer and Schoutens [1]. We will investigate how these models can be modified in order to be applied to a large set of bonds available on the market. The effect of parameter alterations will also be studied, in order to determine which parameters that influence the pricing accuracy the most. We reach the conclusion that by estimating market triggers, conversion prices and by computing a continuous interest rate from a discrete rates table, the models are indeed executable on a large set of bonds available on the market. However, these parameter estimations come at the cost of reduced accuracy. In general, both investigated models produces prices which follows the overall movements of the market prices quite well, but at the same time with a relatively large absolute distance from the market prices. In other words, the correlation with the market is often high, but the absolute error (measure by root mean square error) is often large. The sensitivity analysis of the parameters shows that the market trigger is the most influential parameter in both investigated models. The fact that we had to estimate the market trigger in order to be able to price a large number of bonds is believed to be the main cause of reduced accuracy. By utilizing a more bond-specific parameter estimation, the accuracy of the investigated models could most likely be improved. We can conclude that there is a trade-off between being able to price a large set of bonds with a mediocre accuracy, or being able to price a few bonds with high accuracy. / Det finansiella instrumentet contingent convertible bond (ofta benämnt CoCo bond, eller endast CoCo) är en relativt ny obligationstyp som används av banker och andra finansiella institutioner för att absorbera oväntade förluster. Instrumentet blev mer vanligt förekommande efter finanskrisen 2008, som ett sätt att minska risken för insolvens. I detta examensarbete undersöker vi två matematiska modeller för värdering av CoCo bonds, nämligen den så kallade credit derivative approach och equity derivative approach, som tidigare har utvecklats av De Spiegeleer och Schoutens [1]. Vi kommer att undersöka hur dessa modeller kan modifieras för att bli applicerbara på ett stort antal obligationer tillgängliga på marknaden. En omfattande parameterstudie kommer att genomföras, för att dra slutsatser kring de mest betydelsefulla parametrarna för prissättningen. Genom att skatta så kallade market triggers, conversion prices och en kontinuerlig ränta är det möjligt att exekvera de undersökta modellerna på ett stort antal obligationer. Dessa skattningar medför dock en viss försämrad noggrannhet. Generellt sett följer priserna från modellerna marknadens rörelser ganska väl, men är samtidigt ganska långt ifrån marknadspriset. Med andra ord är korrelationen hög, men absolutfelet är relativt stort. Parameterstudien visar att parametern som kallas market trigger är mest betydelsefull för prissättningen. Faktumet att vi måste skatta market triggers för att kunna prissätta ett stort antal obligationer tros vara den största anledningen till försämrad noggrannhet. Genom att använda en mer ”obligationsspecifik” skattning av parametrar bör noggrannheten kunna förbättras. I dessa modeller är det en tydlig avvägning mellan att kunna prissätta många obligationer med relativt låg noggrannhet, och att kunna prissätta få obligationer med hög noggrannhet.

This thesis aims to investigate different types of optimization methods that can be used when optimizing fund of fund portfolios. Moreover, the thesis investigates which funds that should be included and what their respective portfolio weights should be, in order to outperform the Swedish SIX Portfolio Return Index. The funds considered for the particular fund of funds in this thesis are all managed by a particular company. The optimization frameworks applied include traditional mean variance optimization, min conditional value at risk optimization, as well as optimization methods studying alpha in combination with the risk measures tracking error and maximum drawdown, respectively. All four optimization methods were applied on a ten years data period as well as on a five years data period. It was found that while the funds have different strengths and weaknesses, four of the funds were considered most appropriate for the fund of funds. Geography and sector constraints were also taken into account and it was found that, in this particular case, the healthcare sector constraint affected the allocated portfolio weights the most. / Syftet med detta masterexamensarbete är att undersöka olika typer av optimeringsmetoder som kan användas vid optimering av en fond i fond. Vidare är syftet med optimeringen att utvärdera vilka fonder som bör inkluderas och vilka deras respektive portföljvikter bör vara för att prestera bättre än det svenska SIX Portfolio Return Indexet. Optimeringsmetoderna inkluderar traditionell modern portföljteori, minimering av conditional Value at Risk och optimeringsmetoder som studerar alpha i kombination med riskmåtten tracking error respektive maximum drawdown. Alla fyra optimeringsmetoder applicerades på en tio år lång respektive fem år lång dataperiod. Det visade sig att även om fonderna har olika styrkor och svagheter kunde fyra av fonderna anses vara mest lämpliga att inkluderas i fond i fonden. Geografiska och sektoriella begränsningar beaktades och det konstaterades att sektorbegränsningen för hälsovårdssektorn hade störst påverkan på resultatet.

In 2023, the topic of ongoing inflation is being discussed almost daily as it has become inevitable. The global economy is facing significant uncertainty and downward pressure as several leading developed nations adopted expansionary fiscal policies and quantitative easing monetary policies during the pandemic. Those action has lead to an unprecedented level of inflation today. The purpose of this report is to investigate different portfolio strategies and evaluate how various asset classes perform under varying inflationary conditions. Using regression analysis, the study assesses the performance of different assets during high and low inflation regimes. Additionally, two different portfolio strategies are implemented and compared against the 60/40 portfolio strategy, which is considered a benchmark approach among investors. The first strategy involves a modified version of the Markowitz optimization method, which determines the optimal weights of the portfolio during high and low inflationary environments. The second strategy entails identifying a signal and then dynamically adjusting the portfolio's weights based on the signal's value. The findings indicate that during high inflation periods, oil, gold, energy, basic materials, and technology sectors exhibit strong performance. Furthermore, the results reveal that the first strategy is more effective than the second strategy and the 60/40 benchmark. An interesting topic for further investigation is exploring the impact of short selling on portfolio allocation and strategy, which was not addressed in this report. / Under år 2023 är ämnet om pågående inflation nästan oundvikligt. Den globala ekonomin har stått inför betydande osäkerhet och nedåtgående tryck då flera ledande utvecklade nationer antagit expansiva finanspolitiska åtgärder och kvantitativa lättnadsmonetära åtgärder under pandemin. Dessa åtgärder har lett till en enastående nivå av inflation idag. Syftet med denna rapport är att undersöka olika portföljstrategier och hur olika tillgångsslag presterar under olika inflationsregimer. Med hjälp av regressionsanalys undersöks hur olika tillgångar presterar under hög respektive låg inflation. Därefter genomförs två olika portföljstrategier som sedan jämförs mot en 60/40 portföljstrategi, som anses vara en standardstrategi bland investerare. Den första strategin som genomförs är en modifierad version av Markowitz optimeringsmetod. Metoden används för att identifiera de optimala vikterna av portföljen under hög respektive låg inflationsmiljö. Den andra strategin som undersöks innebär att identifiera en signal och sedan dynamiskt justera portföljens vikter baserat på signalens värde. Resultaten visar att olja, guld, energi-, basmaterial- samt teknologisektorn presterar bra under hög inflation. Resultaten påvisar även att den första strategin är den mest effektiva i jämförelse med den andra strategin och 60/40 portföljstrategin. En aspekt som inte inkluderades i denna rapport är att undersöka hur blankning påverkar portföljallokeringen och strategin. Detta kan vara ett intressant ämne för vidare forskning.\\\\