Risikomodellering av avkastningsfordelingen til olje- og gasselskap notert på London Stock Exchange

Abstract

Denne artikkelen modellerer risikoprofilen til olje- og gasselskaper notert på London Stock Exchange i tidsperioden 2007–2017. Vi bruker OLS og kvantilregresjon for å undersøke effekten ulike determinanter har på avkastningsfordelingen til 19 ulike selskap som tilsammen utgjør 4 porteføljer: Total, integrert, produksjon og service. Våre uavhengige variabler er FTSE All Share som proxy på markedet, spotprisen på Brent Crude olje, futurepris på UK natural gas, SMB, HML, MOM, volatilitetsindeks og fornybar energiindeks. Vår studie er en forlengelse av eksisterende forskning ettersom vi er de første til å modellere forholdet mellom avkastningen til oljeaksjer og et sett finansielle og industrispesifikke faktorer over hele den betingede avkastningsfordelingen.

Vi finner støtte for positiv assosiasjon mellom avkastningen til olje- og gasselskapene og oljepris, gasspris, meravkastning til markedsporteføljen, samt High Minus Low porteføljen. Resultatene fra kvantilregresjonen avdekker at faktoreffekter varierer på tvers av de betingede kvantilene, noe som indikerer at risikoeksponering varierer under forskjellige markedsforhold. Dette impliserer at klassisk regresjon ikke nødvendigvis er egnet for å avdekke forholdet mellom risiko og avkastning til oljeaksjer. Dette gjør seg spesielt gjeldende for porteføljenes sammenheng med markedsporteføljen, Fama-French faktorene og endringen av oljepris.

Funnene har betydning for investorer og analytikere som ønsker å konstruere porteføljer som fordelaktig utnytter de karakteristiske avkastningsegenskapene til oljeaksjer, og gir grunnlag for informerte beslutninger gjennom porteføljeoptimering. Studien legger grunnlag for fremtidig forskning, hvor man blant annet kan beregne og stressteste Value-at-Risk (VaR) direkte fra de estimerte betingede kvantilene.

This paper models the risk profile of oil and gas companies listed on the London Stock Exchange, between 2007–2017. Using the ordinary least squares (OLS) and quantile regression approach, we examine how a set of pre-specified risk factors influence the return distribution of 19 companies, creating 4 different portfolios: Total, integrated, production and service. Our independent variables are FTSE All Share to represent the market, the spotprice of Brent Crude oil, 1st. position futures on UK natural gas, SMB, HML, MOM, FTSE 100 volatility index and a renewable energy index. This study builds upon previous research, seeing as we are the first to model the dependence structure between oil stocks and a set of financial and industrial risk factors across the entire return distribution.

Our findings suggest that the price of oil and natural gas, as well as the returns of FTSE All Share and High Minus Low portfolio, is significantly, positively linked with the return of oil and gas companies. Using quantile regression, we find that the risk factors` effects varies across different quantiles, indicating that risk exposure fluctuate between different market conditions. This suggests that classic OLS may not be suitable to explain the relationship between risk and return of oil stocks. Specifically, this pertain to the dependency between the portfolios and return of FTSE All Share, Fama-French factors and the Brent Crude spot price.

These findings have implications for investors and analysts with a desire to construct portfolios which benefits from the characteristic traits of oil stocks and provides the foundation for informed decision making through portfolio optimization. The study provides possibilities for future research, for instance where one can calculate and stresstest Value at Risk (VaR) directly from the estimated quantiles.