Waves

    Investment Intelligence / Case Study

    Foundation udnytter Nasdaq Solovis Risikostyring for mere sofistikeret porteføljeforvaltning

    Georgia Tech Foundation samarbejder med Nasdaq Solovis om at lancere og implementere en ny risikoløsning under den volatile COVID-19-pandemi. 

    Introduktion

    I marts 2020, da verden vågnede op til alvoren af COVID-19-pandemien, vågnede asset owners op til stigende tab på tværs af deres forskellige porteføljer. Mere end et årti efter den store finanskrise (2008) oplevede aktivmarkederne endelig et stort krak. Blot fem måneder senere havde S&P 500 genvundet sin tidligere top. Disse hidtil usete tider indebærer en meget bredere end normalt fordeling af potentielle fremtidige udfald. På tidspunkter som disse er det afgørende at kunne overvåge en porteføljes risiko og faktoreksponeringer regelmæssigt.

    Johnathan Crist, CFA FRM er en Sr. Investment Analyst hos Georgia Tech Foundation, Inc., hvor han er en del af teamet, der administrerer $2,3 milliarder i aktiver. Hans ansvar inkluderer styring af porteføljeallokering, risiko og derivatprogram.

    Refleksionerne her er resultatet af et flere måneder langt samarbejde mellem Georgia Tech Foundation og Nasdaq Solovis for at implementere et bottom-up, sømløst opdateret ex-ante risikosystem, som til sidst blev til Nasdaq Solovis Risk Analytics. Meget af denne indsats fandt sted under de mest volatile dele af COVID-19-pandemien.

    Om klienten

    Georgia Tech Foundation

    Johnathan Crist, CFA, FRM
    Senior Investeringsanalytiker, Georgia Tech Foundation, Inc.

    Beskrivelse:
    2,3 milliarder dollars legat

    Placering:
    Atlanta, Georgia

    Johnathan Crist, CFA, FRM
    Senior Investeringsanalytiker, Georgia Tech Foundation, Inc.

    Beskrivelse:
    2,3 milliarder dollars legat

    Placering:
    Atlanta, Georgia

    Udfordringen

    I gode tider er porteføljerisiko ofte en eftertanke. Når aktivpriserne stiger, og markedsvolatiliteten er lav, er risiko mere en afkrydsningsproces en eller to gange om året. Når tiden er inde, vil institutioner finde deres gamle regneark frem, opdatere dem for ændringer, inkorporere de nyeste antagelser så godt de kan og håbe på det bedste. Det har en tendens til at være en meget mere reaktiv proces end en proaktiv.

    En af årsagerne er, at der er mange input og antagelser, der indgår i en robust analyse af en porteføljes risiko:

    • Vægtene af hver investering i porteføljen på tværs af alle asset classes.
    • Kovariansmatricen for alle investeringerne.
    • Afkast for et robust og repræsentativt set af risikofaktorer for at nedbryde porteføljens risiko i dens forskellige drivere.
    • En metode til modellering af varians og korrelationer af de illikvide aktiver i porteføljen.

    Det er en stor opgave at samle det hele, selv bare én gang. At gøre det regelmæssigt kræver koordinering på tværs af portefølje- og funktionsområder, risikokompetence og betydelige mængder automatiserede data.

    Nasdaq Solovis Risk Analytics bragte sofistikeringen af det, vi gjorde, til et nyt niveau, hvilket resulterede i større tillid til data og bedre overordnet porteføljeforvaltning.

    Værditilbud

    I 2019 blev Georgia Tech Foundation (GTF), som forvalter en donation på mere end 2,3 milliarder dollars, Nasdaq Solovis' første Risk Analytics-klient. På det tidspunkt bestod Solovis Risk Analytics kun af prototype Python-kode, der udskrev beregninger i en Excel regnearksrapport. Men GTF var også en Solovis Portfolio Analytics-klient. Dette betød, at Solovis kunne se GTF's allokering til hver aktie og obligation i sin portefølje (inklusive fuld gennemgang af mange af sine forvalteres porteføljer) over tid. Et risikosystem bygget på toppen af denne data havde fordelen af at kunne generere risikoberegninger ved hjælp af porteføljens faktiske beholdninger ned til den enkelte sikkerhed.

    En væsentlig ulempe ved mange andre risikosystemer er, at de er baseret på afkast snarere end positioner. Konsekvensen af at beregne faktoreksponeringer og risiko ved hjælp af afkast er, at den historiske tidsserie af en forvalters afkast afspejler skiftende stilarter, aktivallokeringer og synspunkter. Derfor fanger risikomålinger beregnet ved hjælp af disse afkast den gennemsnitlige positionering af forvalteren eller porteføljen over analyseperioden. Men når man udfører en risikoanalyse, er den bedste forudsigelse af ex-ante risiko de aktuelle positioner.

    Solovis satte sig for at løse dette problem for GTF og andre fremtidige kunder ved at bygge en analytisk platform oven på den skattekiste af positionsniveau-data, som det allerede havde adgang til via Portfolio Analytics.

    Crist forklarede, "Solovis havde været vores kerneværktøj til at overvåge vores porteføljeallokering. Som gruppe udfordrede vi os altid til at se ud over blot aktivklassevægte for at forstå vores sande porteføljeallokering. Vi havde integreret vores live allokering i Solovis til nogle simple Excel-modeller for at overvåge vores porteføljerisiko og aktiebeta. Lanceringen af Solovis Risk Analytics bragte sofistikeringen af det, vi gjorde, til et nyt niveau, hvilket resulterede i større tillid til data og bedre overordnet porteføljestyring."

    Vejen frem

    Nasdaq Solovis havde i store dele af 2019 været i gang med at prototype risikalgoritmer og kode i samarbejde med GTF. En iterativ tilgang blev anvendt, hvor funktioner som scenarioanalyse og risikoproxies for illikvide aktiver blev udviklet og derefter beta-testet med GTF. Men da en front-end til risikoprogrammet stadig var under udvikling, ramte COVID-19-krisen. GTF havde ikke tid til at vente på det endelige produkt - det havde brug for risikosvar med det samme.

    I de stressende uger leverede Solovis GTF regelmæssige risikorapporter ved hjælp af sin allerede udviklede risikomotor og Excel-regneark: disse rapporter indeholdt opdateret information om porteføljens volatilitet, faktoreksponeringer, væsentlige risikobidragere og den forventede indvirkning af yderligere økonomiske chok.

    "Ingen er nogensinde virkelig 100% forberedt på den type begivenhed, der fandt sted i februar og marts 2020," sagde Crist. "Dette var især sandt, da vi ikke helt var på et endeligt stadie med at have risikoplatformen oppe og køre. Uanset hvor langt projektet var, var data afgørende for omstændighederne. Det var afgørende at forstå, hvordan vores portefølje var positioneret, både da markedet solgte ud og i den efterfølgende genopretning."

    Denne ildprøve af både GTF's risikostyringsproces og Solovis' nye risikosoftware hjalp GTF med at foretage de nødvendige skridt for at komme uskadt ud af markedsvolatiliteten. Og det viste sig at være det bedste proof of concept, som Solovis Risk Analytics kunne have ønsket sig. I denne periode beviste Solovis, at det kunne producere indsigtsfulde risikoanalyser på en on-demand basis. Og disse analyser kunne derefter bruges til at informere investment-processen under de værste og mest stressende tider.

    I efteråret 2020 afsluttede Solovis front-end af den nye Solovis Risk Analytics-applikation: fuldt integreret med Solovis Portfolio Analytics og tilgængelig efter behov kunne Georgia Tech Foundation endelig droppe regnearkene permanent.

    "Begivenhederne i februar og marts 2020 endte med at fremskynde projektet. Det gav en fremragende faktatjek for de parametre og fuldmagter, vi tildelte forskellige dele af vores portefølje. Vi gennemgik et live stress-scenarie, som vi kunne bruge til at sammenligne med, hvad vi så i de hypotetiske scenarier i Solovis Risk Analytics. Kalibrering af modellen til det reelle output, der opstod på markederne, gjorde det muligt for os at opnå tillid til data fremadrettet."

    Vi gennemgik et live stress-scenarie, som vi kunne bruge til at sammenligne med, hvad vi så i de hypotetiske scenarier i Solovis Risk Analytics. Kalibrering af modellen til det faktiske output, der opstod på markederne, gjorde det muligt for os at opnå tillid til data fremadrettet.

    Tæt samarbejde

    I dag er GTF stadig en tilfreds Solovis Risk Analytics-kunde. Hver uge bruger GTF Solovis Risk Analytics til at overvåge sin risiko og porteføljeeksponering. Ugentlige telefonmøder med Solovis' R&D team (teamet der byggede Risk Analytics-applikationen) bruges til at holde sig ajour fra både et investeringsrisiko- og modelleringsperspektiv.

    "Ligesom det forhold, vi har med Solovis på Portfolio Analytics-siden, er Risk Analytics team blevet en forlængelse af vores personale," sagde Crist. "Vores ugentlige opkald går ud over blot opdateringer om applikationen, men de dækker alle emner omkring risikostyring fra bedste praksis til fremtidige implementeringsovervejelser og aktuelle begivenheder. Meget sjældent møder man et team, der er så åbne for samtale og forslag som Risk Analytics team hos Solovis."

    En særlig ting, som Georgia Tech Foundation sætter pris på ved sit partnerskab med Solovis, er, at det går ud over et simpelt softwareleverandør-klientforhold. For GTF er Solovis mere en forskningspartner end en leverandør. Og for Solovis er GTF en idépartner og sparringspartner.

    For eksempel i efteråret 2020, da GTF ønskede at få en bedre forståelse af sin eksponering over for ikke-lineær aktievolatilitet, hjalp Solovis' R&D-team med at udvikle flere nye faktorer specifikke for volatilitet, som nu anvendes til at udvide GTF's grundlæggende risikofaktormodel.

    Håndter og afbød risiko mere effektivt med værktøjer til multifaktor-risikaanalyse

    Nasdaq Solovis Risk Analytics eliminerer behovet for isolerede risikosystemer og ineffektive regneark, og leverer en komplet risikostyrings- og rapporteringsplatform på tværs af alle aktivtyper. Som en del af den overordnede Solovis Portfolio Analytics platform, giver Solovis Risk-applikationen præcise, rettidige indsigter i eksponering, performance og likviditetsdata til historisk scenarioanalyse og markedets stresstests.

    Nasdaq Solovis Risk Analytics eliminerer behovet for isolerede risikosystemer og ineffektive regneark, og leverer en komplet risikostyrings- og rapporteringsplatform på tværs af alle aktivtyper. Som en del af den overordnede Solovis Portfolio Analytics platform, giver Solovis Risk-applikationen præcise, rettidige indsigter i eksponering, performance og likviditetsdata til historisk scenarioanalyse og markedets stresstests.

    AI-oversættelse

    Vores oversættelsesværktøj sigter mod præcision, men ingen maskinoversættelse er perfekt eller kan erstatte menneskelige oversættere. Oversættelser leveres som en bekvemmelighed, "som de er." Vi garanterer ikke nøjagtigheden, pålideligheden eller korrektheden af oversættelser fra engelsk til andre sprog. Visse indhold kan ikke oversættes præcist på grund af softwarebegrænsninger.

    Den originale engelske tekst er den gældende på hjemmesiden. Afvigelser i oversættelse er ikke-bindende og har ingen juridisk betydning for overholdelse eller håndhævelse. For spørgsmål vedrørende nøjagtigheden af oversat indhold, henvises til den officielle engelske version af vores side.

    Vores oversættelsesværktøj sigter mod præcision, men ingen maskinoversættelse er perfekt eller kan erstatte menneskelige oversættere. Oversættelser leveres som en bekvemmelighed, "som de er." Vi garanterer ikke nøjagtigheden, pålideligheden eller korrektheden af oversættelser fra engelsk til andre sprog. Visse indhold kan ikke oversættes præcist på grund af softwarebegrænsninger. Den originale engelske tekst er den gældende på hjemmesiden. Afvigelser i oversættelse er ikke-bindende og har ingen juridisk betydning for overholdelse eller håndhævelse. For spørgsmål vedrørende nøjagtigheden af oversat indhold, henvises til den officielle engelske version af vores side.