Betting against risk in the Finnish stock market : Low-Risk-Anomalies and Co-skewness

Abstract

This thesis sheds light on the low-risk-anomalies in the Finnish stock market during years of 2000–2020 and the role of co-skewness in asset pricing and as an explanation for anomalies. I find that there is a volatility anomaly, but no evidence of beta and correlation anomalies is found. Signs of CAPM implied idiosyncratic volatility anomaly are found but the result are not significant enough so that the anomaly could be confirmed for the whole sample period. To study the anomalies, I analyse excess returns of low-minus-high (“LMH”) portfolios formed of quantile portfolios sorted by the chosen risk metric. The portfolios are long low-risk stocks and short high-risk stocks and are rebalanced daily. The portfolios are self-financing and do not use additional leverage. In addition to looking at the whole period from year 2000 to 2020, I make a subsample analysis, where I study the LRAs during periods of financial turmoil and split the whole sample in periods of high volatility and low volatility. I find that each crisis has its own characteristics and there is no consistence on which LMH portfolios perform. Overall, the period of low volatility has the most significant results for LMH returns. During low volatility especially LMH idiosyncratic volatility makes statistically significant returns. Conversely betting against correlation has been a poor bet as it has produced significantly negative returns during period of low volatility. Finally, I analyse what kind of effect co-skewness would have in asset pricing models and how is able to explain excess returns and model alphas for quantile and LMH portfolios. To study the explanatory power of co-skewness factor I use a monthly co-skewness in a Fama-Mac Beth regression to explain monthly excess returns and model alphas. I conclude that for quantile portfolios the co-skewness factor is significant, but however has very low R2 (<10%) and therefore is not the only solution asset pricing puzzles. Also, no evidence of co-skewness explaining volatility LRA is found. In my analyses I use historical co-skewness.

Tämän tutkielman tavoitteena on selvittää, mitä matalan riskin anomalioita Suomen osakemarkkinoilla vuosina 2000–2020 esiintyy, sekä yhteisvinouman roolia hinnoittelumalleissa ja anomalioiden selittävänä tekijänä. Pystyn osoittamaan, että Suomen markkinoilla on matalan volatiliteetin anomalia, mutta todisteita matalan betan ja korrelaation anomalioista ei löydy. Merkkejä CAPM:in indikoiman idiosynkraattisen volatiliteetin anomaliasta löytyy, mutta tulokset evät ole tilastollisesti merkitseviä koko otoksen ajalle. Anomalioiden tutkimiseksi analysoin ”low-minus-high”-portfolioiden (”LMH”) ylituottoja ja hinnoittelumallien implikoimia alphoja. LMH-portfoliot on muodostettu valitun riskimittarin mukaan lajiteltujen kvantiiliportfolioiden avulla. Portfoliot ostavat alhaisen riskin osakkeita ja myyvät lyhyeksi korkean riskin osakkeita. Portfoliot tasapainotetaan päivittäin ja ne ovat omarahoitteisia, eivätkä hyödynnä velkavipua. Sen lisäksi, että tarkastelen koko ajanjaksoa vuodesta 2000 vuoteen 2020, teen aliotosanalyysin, jossa tutkin matalan riskin anomalioita eri kriisien aikoina, lisäksi jaan koko otoksen korkean ja alhaisen volatiliteetin jaksoihin. Tuloksieni mukaan jokaisella kriisillä on omat ominaisuutensa, eivätkä LMH-salkkujen tuotot ole yhteneviä kriisistä toiseen. Kaiken kaikkiaan alhaisen volatiliteetin jakso tuottaa tilastollisesti merkitsevimmät tuotot LMH-portfolioille. Alhaisen volatiliteetin aikana erityisesti idiosynkraattisen volatiliteetin LMH-portfolio tuottaa tilastollisesti merkitseviä positiivista ylituottoa. Toisaalta taas korrelaation mukaiset LMH-portfoliot ovat tuottaneet selkeästi negatiivista ylituottoa matalan volatiliteetin aikana. Lopuksi analysoin, millaisia vaikutuksia yhteisvinoumalla on hinnoittelumallien hyvyyteen ja miten se pystyy selittämään LMH-portfolioiden ylituottoja ja hinnoittelumallien mukaisia alphoja. Tutkiakseni yhteisvinouman selitysvoimaa käytän Fama-Mac Beth -regressiota, jossa selitän portfolioiden kuukausittaisia ylituottoja ja alphoja portfolion yhteisvinoumalla. Osoitan, että kvantiiliportfolioiden kohdalla yhteisvinouma on merkittävä tekijä, mutta sillä on kuitenkin erittäin alhainen R2 (<10 %), eikä se siksi ole ainoa ratkaisu hinnoittelumallien korjaamiseen. En myöskään löydä todisteita, että yhteisvinoumalla voisi selittää matalan volatiliteetin anomaliaa. Analyysissä käytetään historiallisia tunnuslukuja ja seuraava kehitysaskel olisi käyttää eteenpäin katsovia estimaatteja.