Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Modelling of Private Infrastructure Debt in a Risk  Factor Model
KTH, School of Engineering Sciences (SCI), Mathematics (Dept.), Mathematical Statistics.
2017 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesisAlternative title
Modellering av Privat Infrastrukturskuld i enRiskfaktormodell (Swedish)
Abstract [en]

Allocation to private infrastructure debt investments has increased in the recent years [15]. For managers of multi-asset portfolios, it is important to be able to assess the risk of the total portfolio and the contribution to risk of the various holdings in the portfolio. This includes being able to explain the risk of having private infrastructure debt investments in the portfolio.

The modelling of private infrastructure debt face many challenges, such as the lack of private data and public indices for private infrastructure debt. In this thesis, two approaches for modelling private infrastructure debt in a parametric risk factor model are proposed. Both approaches aim to incorporate revenue risk, which is the risk occurring from the type of revenue model in the infrastructure project or company.

Revenue risk is categorised into three revenue models; merchant, contracted and regulated, as spread level differences can be distinguished for private infrastructure debt investments using this categorisation. The difference in spread levels between the categories are used to estimate β coefficients for the two modelling approaches. The spread levels are obtained from a data set and from a previous study.

In the first modelling approach, the systematic risk factor approach, three systematic risk factors are introduced where each factor represent infrastructure debt investments with a certain revenue model. The risk or the volatility for each of these factors is the volatility of a general infrastructure debt index adjusted with one of the β coefficients.

In the second modelling approach, the idiosyncratic risk term approach, three constant risk terms for the revenue models are added in order to capture the revenue risk for private infrastructure debt investments. These constant risk terms are estimated with the β coefficients and the historical volatility of a infrastructure debt index.

For each modelling approach, the commonly used risk measures standalone risk and risk contribution are presented for the entire block of the infrastructure debt specific factors and for each of the individual factors within this block.

Both modelling approaches should enable for better explanation of risk in private infrastructure debt investments by introducing revenue risk. However, the modelling approaches have not been backtested and therefore no conclusion can be made in regards to whether one of the proposed modelling approaches actually is better than current modelling approaches for private infrastructure debt.

Abstract [sv]

Investeringar i privat infrastrukturskuld har ökat de senaste åren [15]. För βägare av portföljer med investeringar i samtliga tillgångsslag är det viktigt att kunna urskilja risken från de olika innehaven i portföljen.

Det finns många utmaningar vad gäller modellering av privat infrastrukturskuld, så som den begränsade mängden privat data och publika index för privat infrastrukturskuld. I denna uppsats föreslås två tillvägagångssätt för att modellera privat infrastrukturskuld i en parametrisk riskfaktormodell. Båda tillvägagångssätten eftersträvar att inkorporera intäktsrisk, vilket är risken som beror på den underliggande intäktsmodellen i ett infrastrukturprojekt eller företag.

Intäksrisk delas in i intäksmodellerna "merchant", "contracted" och "regulated", då en skillnad i spreadnivå mellan privata infrastrukturskuldinvesteringar kan urskiljas med denna kategorisering. Skillnaden i spreadnivå mellan de olika kategorierna används för att estimera β -koefficienter som används i båda tillvägagångssätten. Spreadnivåerna erhålls från ett dataset och från en tidigare studie.

I det första tillvägagångssättet, den systematiska riskfaktor-ansatsen, introduceras tre systematiska riskfaktorer som representerar infrastrukturskuldinvesteringar med en viss intäktsmodell. Risken eller volatiliten för dessa faktorer är densamma som volatiliteten för ett index för infrastrukturskuld justerat med en av β -koefficienterna.

I det andra tillvägagångssättet, den idriosynktratiska riskterm-ansatsen, adderas tre konstanta risktermer för intäktsmodellerna för att fånga upp intäktsrisken i de privata infrastrukturinvesteringarna. De konstanta risktermerna är estimerade med β -koefficienterna och en historisk volatilitet för ett index för infrastrukturskuld.

För båda tillvägagångssätten presenteras riskmåtten stand-alone risk1 och risk contribution2. Riskmåtten ges för ett block av samtliga faktorer för infrastrukturskuld och för varje enskild faktor inom detta block.

Båda tillvägagångssätten borde möjliggöra bättre förklaring av risken för privata infrastrukturskuldinvesteringar i en större portfölj genom att ta hänsyn till intäktsrisken. De två tillvägagångssätten för modelleringen har dock ej testats. Därför kan ingen slutsats dras med hänsyn till huruvida ett av tillvägagångssätten är bättre än de som används för närvärande för modellering av privat infrastrukturskuld.

Place, publisher, year, edition, pages
2017.
Series
TRITA-MAT-E, 2017:31
Keyword [en]
Private Infrastructure Debt, Value at Risk, Factor Models, Revenue Model Risk, Stand-Alone Risk, Risk Contribution
Keyword [sv]
Privat Infrastrukturskuld, Value at Risk, Faktormodeller, Intäktsmodeller, Stand-Alone Risk, Risk Contribution
National Category
Computational Mathematics
Identifiers
URN: urn:nbn:se:kth:diva-208325OAI: oai:DiVA.org:kth-208325DiVA: diva2:1110802
Subject / course
Financial Mathematics
Educational program
Master of Science - Industrial Engineering and Management
Supervisors
Examiners
Available from: 2017-06-16 Created: 2017-06-16 Last updated: 2017-06-16Bibliographically approved

Open Access in DiVA

fulltext(786 kB)22 downloads
File information
File name FULLTEXT01.pdfFile size 786 kBChecksum SHA-512
5ee63844b3a4ee103b94a373a3ef572f5f4e7f801657b9db9329ef4f845938524fca102170e9cb4832cbb96792dbdc7ec939fc1ac41529d2565f949df9266c05
Type fulltextMimetype application/pdf

By organisation
Mathematical Statistics
Computational Mathematics

Search outside of DiVA

GoogleGoogle Scholar
Total: 22 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

Total: 85 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf