• search hit 1 of 8
Back to Result List

Risk and return of passive and active commodity futures strategies

Risiko und Rendite passiver und aktiver Rohstoff-Futures-Strategien

  • Over the last decades, commodity futures markets have grown significantly because, in addition to hedgers using futures for risk management, investors have discovered the potential of futures in investment products. Motivated by this growing importance, this thesis is concerned with the analysis of risk (in terms of the established risk measure Expected Shortfall) and investment strategies in commodity futures markets. First, we compare popular non-parametric estimators of Expected Shortfall (i. e., different variants of historical, outlier-adjusted and kernel methods) to each other, selected parametric benchmarks and estimates based on the idea of forecast combination within a multidimensional simulation setup (spanned by different distributional settings, sample sizes and confidence levels). We rank the estimators on the basis of classic error measures as well as an innovative performance profile technique, which we adapt from the mathematical programming literature. Our rich set of results supports academics and practitioners inOver the last decades, commodity futures markets have grown significantly because, in addition to hedgers using futures for risk management, investors have discovered the potential of futures in investment products. Motivated by this growing importance, this thesis is concerned with the analysis of risk (in terms of the established risk measure Expected Shortfall) and investment strategies in commodity futures markets. First, we compare popular non-parametric estimators of Expected Shortfall (i. e., different variants of historical, outlier-adjusted and kernel methods) to each other, selected parametric benchmarks and estimates based on the idea of forecast combination within a multidimensional simulation setup (spanned by different distributional settings, sample sizes and confidence levels). We rank the estimators on the basis of classic error measures as well as an innovative performance profile technique, which we adapt from the mathematical programming literature. Our rich set of results supports academics and practitioners in the search for an answer to the question of which estimators are preferable under which circumstances. After that, we present a full-scale analysis of Expected Shortfall in commodity futures markets. Besides illustrating the dynamics of historic Expected Shortfall, we evaluate whether popular estimators are suitable for forecasting future Expected Shortfall. By implementing a new backtest, we find that the performance of estimators hinges on market stability. Estimators tend to fail when markets are in turmoil and accurate forecasts are urgently needed. Even though a kernel method performs best on average, our results advise against the use of established estimators for risk (and margin) prediction. Third, motivated by the deteriorating performance of traditional cross-sectional momentum strategies in commodity futures markets, we propose to resurrect momentum by incorporating autocorrelation information into the asset selection process. Put differently, we introduce measures of short and long memory (variance ratios and Hurst coefficients, respectively) telling us whether past winners and losers are likely to persist or not. Our empirical findings suggest that a memory-enhanced momentum strategy based on variance ratios significantly outperforms traditional momentum in terms of reward and risk, effectively prevents momentum crashes and is not bound to the movement of the overall commodity market. Furthermore, strategy returns cannot be explained by typical factor portfolios and macroeconomic variables and are robust to various parametrization choices, alternative data sets, transaction costs and data mining. Finally, and in contrast to a newly emerging strand of literature promoting the benefits of long memory measures in portfolio management, we show that Hurst coefficients do not carry investment-relevant information in a commodity momentum context.show moreshow less
  • Im Laufe der letzten Jahrzehnte konnten Rohstoff-Futures-Märkte signifikanten Zuwachs verzeichnen, da nicht nur Hedger, sondern auch zahlreiche Investoren ihr Potenzial erkannt haben. Motiviert durch diese Steigerung befasst sich die vorliegende Arbeit mit der Analyse von Risiko (durch das etablierte Risikomaß Expected Shortfall) und Investmentstrategien in Rohstoff-Futures-Märkten. Zunächst werden bekannte nichtparametrische Schätzer des Expected Shortfall (d. h. Varianten von historischen, Ausreißer-robusten und Kerndichte-Methoden) untereinander, mit ausgewählten parametrischen Schätzern sowie kombinierten Schätzprognosen in einem mehrdimensionalen Kontext (hinsichtlich verschiedener Verteilungsannahmen, Datensatzgrößen sowie Konfidenzniveaus) verglichen. Die Schätzer werden sowohl auf Basis klassischer Fehlermaße, als auch mithilfe sogenannter performance profiles eingestuft. Die vielschichtigen Untersuchungsergebnisse unterstützen sowohl Wissenschaftler als auch Anwender darin, zu den jeweiligen Umständen passende Schätzer zuIm Laufe der letzten Jahrzehnte konnten Rohstoff-Futures-Märkte signifikanten Zuwachs verzeichnen, da nicht nur Hedger, sondern auch zahlreiche Investoren ihr Potenzial erkannt haben. Motiviert durch diese Steigerung befasst sich die vorliegende Arbeit mit der Analyse von Risiko (durch das etablierte Risikomaß Expected Shortfall) und Investmentstrategien in Rohstoff-Futures-Märkten. Zunächst werden bekannte nichtparametrische Schätzer des Expected Shortfall (d. h. Varianten von historischen, Ausreißer-robusten und Kerndichte-Methoden) untereinander, mit ausgewählten parametrischen Schätzern sowie kombinierten Schätzprognosen in einem mehrdimensionalen Kontext (hinsichtlich verschiedener Verteilungsannahmen, Datensatzgrößen sowie Konfidenzniveaus) verglichen. Die Schätzer werden sowohl auf Basis klassischer Fehlermaße, als auch mithilfe sogenannter performance profiles eingestuft. Die vielschichtigen Untersuchungsergebnisse unterstützen sowohl Wissenschaftler als auch Anwender darin, zu den jeweiligen Umständen passende Schätzer zu finden. Im zweiten Teil befasst sich die Arbeit konkret mit dem Expected Shortfall in Rohstoff-Futures-Märkten. Nach einer Analyse vergangener Risikobewegungen wird untersucht, inwieweit populäre Schätzer auch für zukünftige Prognosen geeignet sind. Die Einbindung eines neuen Backtest-Verfahrens zeigt, dass deren Güte stark von der Marktstabilität abhängt. So neigen die Schätzer insbesondere während Marktturbulenzen, wenn besonders genaue Risikoprognosen benötigt würden, zu Ausfällen. Die zuverlässigsten Resultate werden durch Kerndichteschätzung geliefert; dennoch lassen die Ergebnisse eher von der Verwendung der etablierten Schätzer für Risiko- (und Margin-) Vorhersagen abraten. Motiviert durch die nachlassende Performanz traditioneller Querschnitts-Momentum-Strategien auf Rohstoff-Futures-Märkten wird im dritten Teil untersucht, inwieweit sich die Strategien durch zusätzliche Berücksichtigung von Autokorrelation wiederbeleben lassen. Dazu werden Maße für kurzes, wie auch für langes Gedächtnis (Varianzquotienten und Hurst-Koeffizienten) genutzt, um die Wahrscheinlichkeit zu beurteilen, dass vergangene Gewinner und Verlierer ihr Verhalten weiter fortsetzen. Die empirischen Ergebnisse legen nahe, dass eine Memory-enhanced Momentum-Strategie die sich auf Varianzquotienten stützt, traditionelles Momentum sowohl in Bezug auf Rendite als auch Risiko signifikant verbessern kann, effektiv Kurseinbrüche verhindert und dabei nicht an die Bewegungen des Rohstoffmarkts gebunden ist. Darüber hinaus können die Strategierenditen nicht bereits durch typische Faktorportfolios und makroökonomische Variablen erklärt werden und sind robust gegenüber unterschiedlicher Parametrisierungen, alternativen Datensätzen, Transaktionskosten und Data Mining. Zuletzt wird gezeigt, dass Hurst-Koeffizienten, entgegen jüngster Hoffnungen in der Investmentliteratur, keine investmentrelevanten Informationen für Momentum im Rohstoff-Kontext bereitstellen.show moreshow less

Download full text files

Export metadata

Additional Services

Search Google Scholar Stastistics
Metadaten
Author: Julia Sophia Mehlitz
URN:urn:nbn:de:kobv:co1-opus4-56976
Referee / Advisor:Prof. Dr. Benjamin R. Auer, Prof. Dr. Frank Schuhmacher
Document Type:Doctoral thesis
Language:English
Year of Completion:2021
Date of final exam:2021/11/19
Release Date:2021/12/17
Tag:Empirisches Backtestverfahren; Expected Shortfall; Momentum-Strategie; Rohstoff-Futures; Varianzquotienten
Commodity futures; Empirical backtest; Expected shortfall; Momentum; Variance ratios
GND Keyword:Warenterminhandel; Warenterminmarkt; Rohstoffhandel; Finanzinvestment; Prognose
Institutes:Fakultät 5 Wirtschaft, Recht und Gesellschaft / FG ABWL, insbesondere Investition und Finanzierung
Licence (German):Creative Commons - CC BY-NC-SA - Namensnennung - Nicht kommerziell - Weitergabe unter gleichen Bedingungen 4.0 International
Einverstanden ✔
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.