OSAKEMARKKINAN TURVASATAMAOMAISUUSLAJIT Helsingin pörssin osakeportfolion suojaus turvasatamahajautuksella

Transkriptio

1 ITÄ-SUOMEN YLIOPISTO Yhteiskuntatieteiden ja kauppatieteiden tiedekunta Kauppatieteiden laitos OSAKEMARKKINAN TURVASATAMAOMAISUUSLAJIT Helsingin pörssin osakeportfolion suojaus turvasatamahajautuksella Pro gradu -tutkielma, Taloushallinto ja rahoitus Santtu-Pekka Vartiainen (268511) Päivämäärä

2 2 TIIVISTELMÄ ITÄ-SUOMEN YLIOPISTO Yhteiskuntatieteiden ja kauppatieteiden tiedekunta Kauppatieteiden laitos Taloushallinto ja rahoitus VARTIAINEN, SANTTU-PEKKA A.: Osakemarkkinan turvasatamaomaisuuslajit Helsingin pörssin osakeportfolion suojaus turvasatamahajautuksella Pro gradu tutkielma, 77 s. Liitteet (3 s.) Tutkielman ohjaaja: professori, Jyrki Niskanen Tammikuu 2017 Avainsanat: arvopaperimarkkinat, riskienhallinta, sijoitustoiminta, turvasatama, volatiliteetti Pro gradu -tutkielma käsittelee osakemarkkinoiden turvasatamia Helsingin pörssin osakemarkkinan ja suomalaisen sijoittajan kannalta. Taloudellisten kriisien yleistyminen ja markkinoiden yhdentyminen ovat kasvattaneet sijoitustoiminnan volatiilisuutta. Tämä on lisännyt sijoittajien mielenkiintoa markkinaromahduksilta suojautumiseen. Turvasatama on sijoituskohde, joka ei korreloi halutun toisen sijoituskohteen kanssa markkinoiden laskiessa, jolloin turvasatamasijoitus suojaa portfolion arvoa arvonlaskulta. Tutkimuksessa tutkitaan mahdollisena turvasatamina toimivia omaisuuslajeja Helsingin pörssin osakemarkkinalle tutkimusajanjaksolla vuosina Tutkimuksen tavoitteena on löytää mahdollisimman negatiivisen korrelaation osakemarkkinan kanssa omaava omaisuuslaji, joka toimisi turvasatamana osakemarkkinasijoitukselle tarjoten hajautushyötyä ja suojaa laskumarkkinoilta. Tutkimuksen pääasiallisena tutkimusmenetelmänä käytetään korrelaatioanalyysiä. Tutkimuksen lopuksi suoritetaan portfolioanalyysi, jonka avulla pyritään yhdistämään esitelty teoria käytäntöön. Turvasatamien voidaan nähdä kuuluvan taloustieteiden portfolioteorian alaisuuteen. Portfolion optimointi, hajauttaminen ja riskienhallinta ovat läheisessä yhteydessä sijoitustoiminnan turvasatamia käsiteltäessä. Portfolion tehokkuuden ja hajautuksen tulisi olla jokaisella sijoittajalla kunnossa parhaaseen mahdolliseen lopputulokseen pääsemiseksi. Aikaisemmat tutkimukset esittävät osakemarkkinoiden turvasatamiksi velkakirjamarkkinoita, valuuttoja, kultaa, öljyä ja volatiliteettia. Näitä omaisuuslajeja tullaan tutkimuksessa testaamaan Helsingin pörssin osakemarkkinan turvasatamina. Tutkimuksen tuloksena havaitaan volatiliteetin toimivan parhaimpana turvasatamana osakemarkkinoille. Myös velkakirjamarkkinoiden havaitaan toimivan turvasatamana osakemarkkinoille. Turvasatamat tarjoavat suojaa sijoitusportfoliolle markkinoiden laskiessa. Turvasatamasijoituksen ansiosta laskumarkkinan aikana voidaan välttyä portfolion arvonlaskulta kokonaan. VIX-indeksi mahdollistaa volatiliteettiin sijoittamisen.

3 3 SISÄLLYS 1 JOHDANTO Aihealueen esittely Tutkimuksen esittely TEORIATAUSTA Modern Portfolio Theory Capital Asset Pricing Model Aikaisemmat tutkimukset Omaisuuslajien yhteydet ja suhteet Turvasatamat TUTKIMUSAINEISTO JA -MENETELMÄT Tutkimusaineisto Tutkimusmenetelmä TUTKIMUKSEN TULOKSET Toteutus ja tulokset Pohdinta YHTEENVETO LÄHTEET LIITTEET LIITE 1. MÄÄRITELMÄT LIITE 2. VIX-INDEKSIN SUOJAUSOSUUDEN LASKELMA REGRESSIOANALYYSIN PERUSTEELLA HELSINGIN PÖRSSIN OSAKEMARKKINAN LYHYIDEN LASKUMARKKINOIDEN AIKANA

4 4 1 JOHDANTO 1.1. Aihealueen esittely Maailman sijoitusmarkkinat ovat kasvaneet vuodesta toiseen. Sijoitusmarkkinoilla liikkuvan rahan ja sijoitustuotteiden määrä ovat räjähtäneet kasvuun viime vuosikymmeninä. Tämä tarkoittaa markkinatapahtumien koskettavan yhä useampia talouksia. Lisäksi teknologinen kehitys mahdollistaa nykyaikana jokaiselle halukkaalle pääsyn käsiksi mihin tahansa markkinapaikkaan. Markkinat ovat nykyaikana hyvin riippuvaisia keskenään. Maailman markkinoiden yhdentyminen tuo mukanaan myös huonoja puolia. Markkinakriisit leviävät laajemmalle ja nopeammin, ja kriiseiltä suojautuminen on hankalaa. Kaikki mitä maailmalla tapahtuu, tulee vaikuttamaan kaikkialle ympäri maailmaa. Epätavallinen ilmasto kiinassa pilaa riisisadon, joka vaikuttaa muiden elintarvikkeiden kysyntään ja näiden tuottajien investointeihin, joka puolestaan nostaa osakekursseja Yhdysvalloissa ja lopulta vaikuttaa suomalaisen säästäjän portfolioallokaatioon. Nämä vaikutukset tapahtuvat välittömästi, hävittäen mahdollisuuden hyväksikäyttää reaktioketjussa tapahtuvia muutoksia. Hartmann, Straetmans ja de Vries tutkivat vuonna 2004 omaisuuslajien tuottojen yhteyksiä markkinastressin aikoina. Romahtavatko markkinat yhtenäisesti vai aiheuttaako yhden markkinan romahdus toisen markkinan nousun, on tärkeä kysymys kansainvälisen rahoitusmarkkinan vakauden ja tähän liittyvän systemaattisen riskin kannalta. Osakemarkkinoiden yhteisvaihtelu romahdusten aikana ja kansainvälisten markkinoiden välisten romahdusten leviäminen ovat olleet tutkijoiden mielenkiinnon kohteina 2000-luvulla. Aihealueen tutkimus on tärkeää, jotta ymmärrettäisiin paremmin yhteisromahduksia ja romahdusten leviämistä markkinoiden ja omaisuuslajien välillä. Tutkimuksen tulokset osoittavat kansainvälisten rahoitusmarkkinoiden yhdentymisen heikon puolen. Tutkimuksen tuloksena tutkijat havaitsevat G-5 maiden osakemarkkinoiden ja velkakirjamarkkinoiden välillä heikon, mutta merkittävän yhteyden markkinoiden hermoillessa. Tutkijoiden mukaan toisen markkinan romahduksesta riippuvaiset markkinaromahdukset ovat yleisiä. Mielenkiintoinen havainto on myös, että maiden väliset yhteydet eivät ole yhtään sen heikoimmat kuin maan sisäiset yhteydet markkinoiden välillä. Kuitenkin absoluuttisesti ei voida todeta vakavan romahduksen yleisesti leviävän G-5 maiden sisällä maasta toiseen. Kuten aikaisemmat tutkimukset, myös tässä tutkijat päätyvät toteamaan rahoitusmarkkinoiden yhteyksien ja romahdusten leviämisen olevan ilmiöinä yliarvioituja. Tutkijat kuitenkin

5 5 päättävät työnsä huomautukseen, että seuraava kriisi voi silti olla laaja ja siinä voi ilmetä leviämistä. Tutkimuksen julkaisun jälkeen alkoikin finanssikriisi vuonna 2007, joka kosketteli koko maailmaa ja monella markkinalla. (Hartmann, Straetmans & de Vries 2004) Nämä sidokset markkinoiden välillä ovat aiheuttaneet omaisuuslajien hinnanvaihtelun yhdentymisen. Ennen osake-, velkakirja-, kiinteistö- ja raaka-ainemarkkinat ovat eläneet omaa elämäänsä, mutta nykyaikana yhdentyminen on yhdistänyt markkinamuutokset toisiinsa. Näin äärimmäiset markkinamuutokset vaikuttavat jokaiseen markkinaan nostaen riskiä. Markkinavolatiliteetin kasvu on erityisen huomionarvoista nykyaikana, ja oikeutetusti. Mikäli aikaisemmin on nähty markkinaromahduksen tapahtuvan kerran tai kaksi ihmisiän aikana, saa nykyaikana varautua tällaiseen romahdukseen jatkuvasti. Tällaiset äärimmäiset kriisit ja romahdukset ovat yleistyneet markkinoilla eksponentiaalisesti ajan kuluessa kohti nykypäivää. Finanssikriisistä 2007 alkaen markkinoita ovat vallinneet epävarmuus ja varautuneisuus. On puhuttu jo perinteisten talouden normaalioletusten murtumisesta ja uuden talouden aikakauden alkamisesta. Markkinoiden yhdentyminen, volatiliteetin kasvu ja romahdusten yleistyminen ovat herättäneet mielenkiintoa keinoille joilla pystyisi varautumaan ja suojaamaan sijoituksia romahduksilta. Tällaisena keinona voidaan pitää sijoitusta, jossa sijoituskohteen arvonvaihtelu ei-korreloi portfolion arvonvaihtelun kanssa, jolloin romahduksen sattuessa turvaavan sijoituksen arvo ei laske, mahdollisesti jopa nousee, portfolion muiden sijoitusten arvon laskiessa. Tällä tavoin toimivaa turvaavaa sijoitus kutsutaan turvasatamaksi. Käytän työssäni alan tutkimuksissa yleisesti käytettyä Baurin & Luceyn (2010) luomaa määritelmää turvasatamasta: Turvasatama on määritelty arvopaperiksi joka ei korreloi tai negatiivisesti korreloi toisen arvopaperin tai portfolion kanssa markkinaromahduksen aikana (tarkempi määrittely ks. liite 1). Turvasatamana toimivien omaisuuslajien tunnistaminen on tärkeää riskienhallinnan takia. Turvasatamat tarjoavat hajautushyötyä ja suojaa markkinalaskun varalle, etenkin markkinoiden hermoillessa. Eri omaisuuslajien yhteyksiä ja riippuvuuksia on tutkittu jo 1900-luvun puolivälin jälkeen rahoituksen teorian alettua muodostua. Markkinoiden turvasatamia, suojaa tarjoavina sijoituskohteina, on alettu tutkia vasta luvulla. Tähän mennessä tutkimukset ovat tuottaneet mielenkiintoista tietoa aiheesta, mutta epäyhtenäiset tulokset eivät ole päätyneet vielä muodostamaan yhtenäistä teoriaa. Tutkimusten tuloksiin vaikuttavat suuresti käytetty tutkimusmenetelmä, maantieteellinen alue ja ajanjakso.

6 6 Sijoitustoiminnasta on kirjoitettu monia kirjoja ja oppaita, joissa on aukaistu mitä sijoittajan tulisi tietää ja ymmärtää, jotta sijoittaminen olisi hyödyttävää. Joissain on menty jopa niin pitkälle, että esitellään mitä sijoitustoiminta edellyttää ennen kuin sen voi aloittaa. Tietoa, teorioita ja tapoja on paljon, mutta perusperiaatteet ovat yksinkertaisia ja selkeitä ymmärtää. Yksi tärkeimmistä sijoitustoimintaa parantavista keinoista on hajauttaminen. Turvasatamissakin on pohjimmiltaan kyse hajauttamisesta. Oletan työni kaikissa osioissa hajauttamisen ja kaikkien muiden perusperiaatteiden olevan kunnossa yleistäessäni asioita. Tutkimukseni keskittyy osakeportfolion turvasatamiin, mutta turvasatamia on kaikille omaisuuslajeille. Tutkittavien turvasatamien lisäksi on olemassa paljon erilaisia omaisuuslajeja ja sijoituskohteita jotka tarjoavat hajautusta sijoitustoimintaan, kuten esimerkiksi asunnot, kiinteistöt, metsä ja taide. Osasta mahdollisista turvasatamista on hankala saada täsmällistä tietoa, jotta siitä voisi koostaa aineiston, tai osan käyttämiseen tulisi ottaa uusi lähestymistapa, jotta kyseisiä turvasatamia voisi tutkia. Siksi myös hajautettujen portfolioiden käyttämisestä tutkimuksen vertailukohtana tulisi hankalaa, huomioimatta sitä tosiasiaa, ettei yhtä oikeaa portfoliota ole olemassa, ja jokaisen sijoittajan portfolio on ainutlaatuinen. Näiden syiden takia olen rajannut tutkimukseni käsittelemään osakeportfolion suojausta turvasatamilla, joista on saatavilla päivittäiset arvon noteeraukset ja joihin on helppo sijoittaa. Taloustiedettä ja erityisesti rahoitusta voidaan pitää varsin nuorena tieteenalana. Varallisuudenhallinnan kannalta alan tutkimuksen voidaan nähdä alkaneen vasta Harry Markowitzin vuonna 1952 julkaisemasta tutkimuksesta Portfolio Selection. Tästä tutkimuksesta kehittyi portfolioteoria, joka toimii edelleen sijoitusten allokoinnin kulmakivenä, ja jonka kehittämisestä Markowitz sai Nobelin taloustieteen palkinnon vuonna Portfolioteoria perustuu portfolion riskin minimoimiselle tietyllä odotetulla tuottotasolla. Hajauttamalla sijoitukset useampaan kuin yhteen arvopaperiin voidaan saavuttaa pienemmällä riskillä sama tai jopa korkeampi odotettu tuotto kuin yhteen arvopaperiin sijoittamalla. Arvopaperisalkun riskin pienentämisestä ja/tai odotetun tuoton kasvattamisesta matemaattisesti arvopapereita tutkiskelemalla käytetään nimitystä portfolion optimointi. Tehokas hajautus saavutetaan valitsemalla toisistaan erilaisia arvopapereita, joiden hintojen muutokset eivät korreloi keskenään. Tällöin yhden arvopaperin arvon romahtaminen ei välttämättä tarkoita koko portfolion arvon romahtamista. Arvopapereiden hinnanmuutosten korreloinnin tulisi olla mahdollisimman vähäistä, jotta hajauttamisesta olisi hyötyä. Täysin toistensa kanssa korreloiviin arvopapereihin

7 7 hajauttaminen ei hyödytä, sillä arvonlaskut ja -nousut tapahtuvat tällöin samanaikaisesti. Mikäli arvopapereiden välillä ei ole korrelaatiota, arvopapereiden hinnanmuutokset ovat toisistaan riippumattomia. Mikäli arvopapereiden välillä on negatiivinen korrelaatio, tällöin toisen arvon laskiessa toisen arvo nousee. Tällöin arvopaperit kompensoivat toistensa hinnanmuutoksia. Sijoitusta jonka korrelaatio toisen arvopaperin tai muun portfolion kanssa on negatiivinen, kutsutaan hedgeksi. Hedgen virallisena määritelmänä työssä tullaan käyttämään seuraavaa: Hedge on määritelty arvopaperiksi joka ei korreloi tai negatiivisesti korreloi toisen arvopaperin tai portfolion kanssa keskimäärin (Baur & Lucey 2010) (tarkempi määrittely ks. liite 1). Hedgeillä on vahva hajautushyöty. Hedgejen avulla voidaan saavuttaa tuottoa myös laskumarkkinan aikana. Toisaalta hedget myös laimentavat arvonnousua nousumarkkinan aikana portfoliossa. Turvasatamat puolestaan voivat vaihdella vapaasti tavallisen markkinaheilunnan aikana, jolloin turvasatama tarjoaa täsmällistä suojaa markkinoiden laskusuhdanteissa, mutta eivät jarruta portfolion arvonkehitystä nousumarkkinan aikana Tutkimuksen esittely Turvasatamasijoituksen tulisi parantaa portfolion kehitystä pitkällä aikavälillä tapahtuvien laskumarkkinoiden aikoina. Tällöin turvasataman käyttämistä tulisi jokaisen sijoittajan hyödyntää portfolion suojauksessa. Mikäli olisi mahdollista löytää yksi sijoitustuote tai omaisuuslaji, joka toimisi pitkällä aikavälillä turvasatamana omalle portfoliolle, olisi tilanne mahdollisimman optimi. Koska osakemarkkinan voidaan olettaa olevan ensimmäinen, helpoin ja yleisin sijoituskohde suomalaisten yksityishenkilöiden keskuudessa, tulen työssäni keskittymään löytämään pitkäaikaisen turvasataman Helsingin pörssin osakemarkkinoille. Tulen työssäni tutkimaan omaisuuslajeja, joihin jokaisella yksityishenkilöllä on mahdollisuus hajauttaa sijoitusportfoliotaan ja joiden tutkiminen onnistuu helposti kurssihistorian perusteella. Mikäli löytyisi yksittäinen pitkällä aikavälillä hyvin turvasatamana toimiva omaisuuslaji, voitaisiin sen avulla hajauttaa, tehostaa ja optimoida sijoitusportfolioita yksinkertaisesti. Tällöin portfolioiden lähtötilanne mahdollisesti parantuisi ja odotettu tuotto kasvaisi. Tutkimuksessa tulen tutkimaan, mikä mahdollisena turvasatamana toimiva omaisuuslaji on korreloinut negatiivisimmin Helsingin pörssin osakemarkkinan kanssa markkinaromahdusten

8 8 aikana 2000-luvulla. Näin tutkimuksen tavoitteeksi tulee löytää Helsingin pörssin osakemarkkinalle selkeä ja määritelmät täyttävä turvasatama, johon osakeportfoliota hajauttamalla voidaan parantaa odotettua tuottoa. Tutkimuksessa tulen keskittymään turvasatamiin ja rajaamaan hedget ulos käsittelystä. Mielestäni teorian ja käytännön kannalta on tärkeämpää keskittyä löytämään paras mahdollinen turvasatama suojaamaan portfoliota markkinaromahduksilta, kuin kokoaikainen hedge portfolion hajautuksen optimointiin. Tutkimuksessa tulen tutkimaan mahdollisina turvasatamina kansainvälisissä tutkimuksissa turvasatamiksi havaittuja omaisuuslajeja aikaisemman näytön takia. Tutkittaviksi mahdollisiksi omaisuuslajeiksi olen valinnut velkakirjamarkkinan, valuutan, kullan, öljyn ja volatiliteetin. Omaisuuslajeista kootaan mahdollisimman kuvaavat muuttujat. Tutkimukseni tarkoitus ei ole käydä läpi kaikkia mahdollisia sijoituskohteita, jotka voisivat toimia parhaimpana turvasatamana, vaan pyrkiä löytämään jo todistetuista turvasatamista se, joka toimii parhaiten Helsingin osakemarkkinoilla. Helsingin osakemarkkina on vielä aihealueen kannalta tutkimaton markkinapaikka. Pohjoismaiset markkinapaikat ovat yleisesti kooltaan pienemmät ja eivät saa osakseen niin paljon huomioita kuin maailman tärkeimmät markkinapaikat. Nämä seikat ja muut markkinakohtaiset ominaispiirteet voivat vaikuttaa siihen mikä toimii turvasatamana kyseisellä osakemarkkinapaikalla. Jotta tulokset olisivat mahdollisimman yleistettävät ja samalla soveltuisivat nykypäivänä käytettäviksi, rajaan tutkimuksen aineiston aikavälin 2000-luvulta nykyaikaan. Tällöin pystyn hyödyntämään mahdollisimman monta markkinaromahdusta teknokuplasta alkaen, saamaan aineistoksi kattavan yli kymmenen vuoden ajanjakson ja saavuttamaan mahdollisimman nykyaikaisen datan. Muuttujien arvonkehitystä tullaan vertailemaan Helsingin pörssin osakemarkkinan vaihteluun. Muuttujien yhteyttä osakemarkkinaan tullaan tutkimaan Pearsonin korrelaatiokertoimen avulla, jolloin työn tutkimusmenetelmänä on korrelaatioanalyysi. Mahdollista turvasatamaa tullaan tutkimaan useasta näkökulmasta, jotta validi, määritelmän täyttävä ja toimiva turvasatama tutkimuksen avulla löydettäisiin. Tutkimuksen aluksi kuvaillaan aineistoa ja pyritään saamaan etukäteistietoa muuttujista kuvaajien ja statistiikan perusteella. Jo tällainen yksinkertainen tarkastelu voi antaa viitteitä muuttujien käyttäytymisestä. Aineistosta täytyy erotella erikseen osakemarkkinan aikaiset laskumarkkinat, joissa muuttujia tullaan tutkimaan. Mahdollisten turvasatamamuuttujien vaihtelun korrelaatioita voidaan tämän jälkeen vertailla koko tutkimusajanjaksolla ja laskumarkkinoiden aikana. Tämän korrelaatiovertailun tulisi kertoa mitkä valituista omaisuuslajeista toimivat turvasatamana Helsingin pörssin

9 9 osakemarkkinoille, ja minkäsuuntaisia ja kuinka voimakkaita omaisuuslajien yhteydet ovat osakemarkkinoihin nähden. On myös tärkeää tutkia yhteyksiä äärimmäisten päivämuutosten aikana, joten tutkitaan Helsingin osakemarkkinan päivittäisten muutosten alkupään persentiilejä, jolloin tutkitaan päiviä jolloin osakemarkkinat ovat laskeneet voimakkaimmin tutkimusajanjaksolla ja verrataan näiden päivien aikaisia yhteyksiä muuttujissa. Persentiili käsitteen virallisena määritelmänä voidaan pitää Tilastokeskuksen laatimaa käsitettä: Persentiili eli sadannes- tai prosenttipiste kuuluu ns. fraktiileihin eli jakauman osuuspisteisiin. Se ilmoittaa muuttujan arvon, jonka alapuolelle jakaumassa jää tapauksista 1 % (1. persentiili), 2 % (2. persentiili), 15 % (15. persentiili) jne. (Tilastokeskus, käsitteet, viitattu ). Alkupään persentiileinä työssäni tarkoitan 10. persentiilin ja tämän alle jäävien myöhemmin työssäni määrittelemieni persentiililuokkia. Tutkimalla aineistoa näillä usealla menetelmällä pyritään löytämään paras mahdollinen turvasatama, kun huomioidaan jatkuvat laskumarkkinat ja yksittäiset äärimmäiset laskupäivät. Kun on saatu selville omaisuuslaji, joka on saavuttanut negatiivisimman korrelaation osakemarkkinan kanssa, voidaan tutkia portfolioita, jotka koostuvat tästä omaisuuslajista ja osakemarkkinasta. Pyritään määrittelemään osakemarkkinasta ja turvasatamasta koostuvien portfolioiden tehokas rintama ja löytämään sijoittajan optimiportfolio. Lopuksi tutkitaan, kuinka erilaiset portfoliot olisivat kehittyneet tutkimusajanjaksolla ja olisiko turvasatamaan ollut kannattavaa sijoittaa. Portfolioiden kehitystä voidaan tutkia laskumarkkinoiden aikana ja kokoaikaisesti, jotta saadaan kuvaa siitä, kuinka turvasatamasijoitus on vaikuttanut portfolioon vertailtaessa pelkän osakemarkkinan kehitykseen. Näin lopputulemana tutkimuksen tulisi tuottaa tietoa mahdollisen turvasatamasijoituksen toimivuudesta suomalaiselle sijoittajalle ja tuottaako tällainen turvasatamahajautus hyötyä tuoton nousuna ja riskin laskuna Helsingin pörssin osakemarkkinoiden mukaiseen osakesalkkuun. Tavoitteena tutkimuksessani on löytää yksi selkeästi muita paremmin turvasatamana toimiva omaisuuslaji, joka korreloisi mahdollisimman negatiivisesti osakemarkkinan kanssa, ja tarjoaisi tällöin suojaa markkinaromahdusten aikana portfoliossa. Tulosten tulisi olla hyödynnettävissä Helsingin osakemarkkinoille sijoittavien toimijoiden sijoitustoiminnassa, ja toivottavasti auttaen heitä parempiin tuloksiin pääsemisessä. Lisäksi tavoitteenani on tuoda työlläni tietoa ja kontribuutiota aihealueen tutkimuksiin, jotta työlläni olisi myös tieteellinen merkitys. Odotan vertailtavien turvasatamien toimivan eri lailla kuin aikaisemmissa tutkimuksissa on havaittu, koska tulokset ovat herkkiä valinnoille ja rajauksille. Uskon Helsingin pörssin markkinapaikkana vaikuttavan kaikkein eniten tuloksiin. Vaikka maailman

10 10 markkinat ovat yhdentyneet, uskon Suomen olevan markkinoiden reuna-alue, jossa markkinoiden lainalaisuudet pätevät, mutta joilla esiintyy tavanomaisuudesta poikkeavaa käyttäytymistä. Luulen kullan ja velkakirjamarkkinoiden käyttäytyvän kuin aikaisemmin on esitetty, mutta öljyn ja dollarin käyttäytymisen heittelevän yleisestä käsityksestä. Uskon kuitenkin vahvasti VIX-indeksin toimivan parhaimpana turvasatamana, kuten on tuoreimmissa tutkimuksissa havaittu. Tutkimukseni ei kuitenkaan syvenny samalle tasolle kuin työssä esitellyt kansainväliset tutkimukset, jolloin tulosten vertailtavuus voi olla turhaa. Toivottavasti tulokset kuitenkin ovat jollain tasolla käytettäviä, ja niiden perusteella voi luoda pohjaa aihealueen jatkotutkimuksiin. Työ on jaettu viiteen päälukuun eli johdantoon, teoriataustaan, tutkimusaineistoon ja - menetelmiin, tutkimuksen tuloksiin ja yhteenvetoon. Tässä johdannossa on esitelty työn aihealue ja toteutettava tutkimus, pohjustaen lukijalle kokonaiskuvaa työstä. Seuraavaksi työssä esitellään tarkemmin aihealueen teoriaa ja aikaisempia tutkimuksia. Tämän jälkeen työssä määritellään tutkimuksessa käytetty aineisto ja käydään läpi tutkimusmenetelmät, joilla pyritään löytämään vastaus tutkimuskysymykseen. Neljännessä pääluvussa suoritetaan tutkimuksen toteutus vaihe vaiheelta, esitellään saadut tulokset ja toteutetaan tulosten analyysi. Viimeinen viides pääluku tiivistää koko työn yhdeksi selkeäksi kokonaisuudeksi.

11 11 2 TEORIATAUSTA Ei ole suoranaista turvasatamia koskevaa teoriaa, vaan teoria aiheen käsittelyyn nähdään tulevan portfolioteorian ja hajauttamisen kautta. Suurelta osin teoriat käsittelevät portfolion tehokkuutta kokoaikaisesti, eivätkä tietyissä markkinaolosuhteissa. Lisäksi, arvopapereiden keskinäisellä korrelaatiolla pyritään löytämään paras mahdollinen tuotto-riskisuhde nykyiselle markkinatilanteelle, eikä se huomioi tulevaa tai pyri varautumaan siihen. Tämä ei kuitenkaan tarkoita, etteikö teoriaa voisi soveltaa turvasatamiin. Kaikissa näissä on taustalla kuitenkin kyse ei-korreloivien arvopapereiden käyttämisestä tuoton maksimoimiseksi tietyllä aikavälillä. Turvasatamilla pyritään vain saamaan hyötyä salkun tuotolle tietynlaisessa markkinatilanteessa, ei jatkuvasti Modern Portfolio Theory Harry Markowitz tunnetaan työstään portfolioteorian parissa ja hänelle on myönnetty taloustieteen Nobelin palkinto työstään rahoitusteorian edistäjänä. Markowitzin tutkimuspaperia Portfolio Selection (1952) voidaan pitää ensimmäisenä hajauttamista käsittelevänä työnä taloustieteissä. Työssä käsitellään odotetun tuoton ja varianssin vaihtelua portfoliossa, jossa pyritään saavuttamaan paras mahdollinen lopputulos selvittämällä sijoituskohteiden optimaaliset painoarvot. Tuotto-riskisuhde ja hajauttaminen oli huomioitu sijoittamisessa jo aikaisemmin, mutta vasta Markowitzin perusteellinen matemaattinen malli loi pohjan alan tutkimuksen kehitykselle. Markowitz esitteli myös käsitteen tehokas rintama, josta on käytetty myös nimitystä Markowitz Bullet, joka ilmaisee sarjan portfolioita, jotka maksimoivat odotetun tuoton kaikilla riskitasoilla. Harry Markowitzin työpaperissa Portfolio Selection (1952) esittelemä teoria keskittyy sijoituskohteiden valintaan. Oletusarvona pidetään, että sijoittaja maksimoi odotettua tuottoa, eli arvostaa suurempaa odotettua tuottoa yli vähäisemmän odotetun tuoton. Odotettu tuotto saadaan diskonttaamalla tulevaisuuden tuotot nykyhetkeen. Toisena oletuksena pidetään, että sijoittaja tavoittelee odotettua tuottoa ja välttelee tuoton varianssia. Oletukset ovat yleisesti hyväksyttyjä oletuksia sijoittajien käyttäytymisestä. Oletus että sijoittajat maksimoivat odotettua tuottoa täytyy kuitenkin kyseenalaistaa, koska luultavamminkin on olemassa joka hetki yksittäinen sijoituskohde jonka odotettu tuotto ylittää hajautetun portfolion odotetun

12 12 tuoton. Silti sijoittajat suosivat hajautettua portfoliota yli yksittäisen sijoituskohteen, joten hajautuksessa täytyy olla jotain tavoiteltavaa. Usein sijoittajien käyttäytymistä mukailevana ohjeena pidetään, että sijoittajien tulisi käyttää hajauttamista ja maksimoida odotettua tuottoa. Näin ollen sijoittajan tulisi hajauttaa sijoituksensa kaikkiin mahdollisiin odotetun tuoton maksimoiviin sijoituskohteisiin. Tällöin suurten lukujen lain ansiosta sijoittajan tuoton tulisi asettua lähelle odotettua tuottoa. Tätä oletusta ei voida hyväksyä, koska arvopapereiden tuotot ovat liian sisäisesti korreloituneita. Hajauttaminen ei voi eliminoida varianssia kokonaan. Portfolio Selection ei ole täsmällinen ja yleistettävä esitys, vaan siinä on pyritty tuomaan teoria selkeästi esille välttäen monimutkaisia matemaattisia malleja. Analyysissa pois luetaan mahdollisuus lyhyeksi myyntiin. Markowitz käyttää työssään käsitettä probability beliefs joka kuvaa sijoittajan henkilökohtaista valintaa erilaisten sijoituskohteiden odotetun tuoton ja varianssin kombinaatioissa. Mielestäni käsitteestä voitaisiin käyttää myöhemmin rahoitusteoriassa yleistyneen riskinsietokyvyn käsitettä. Tällöin sijoittaja valitsee riskinsietokykynsä mukaisen riskitason ja tyytyy ottamaan markkinoilta kyseistä riskitasoa vastaavan odotetun tuoton. Markowitz esittää kaikkien mahdollisten yhdistelmien portfoliot geometrisessa kuvaajassa ja erottelee tehokkaat yhdistelmät, jotka ovat parempia vaihtoehtoja kuin toiset joko korkeammalla odotetulla tuotolla tai matalammalla varianssilla, edellä esitettyjen oletusten vallitessa. Useiden sijoituskohteiden portfoliossa yksittäisten sijoituskohteiden painoarvoja muuttamalla voidaan saavuttaa sijoittajan riskinsietokyvyn mukainen portfolio. Tehokkaan rintaman portfolioiden soveltaminen edellyttää, että sijoittaja toimii odotettu tuotto varianssi maksimin mukaisesti, ja että tehokkaassa rintamassa pystytään saavuttamaan kyseiset sijoittajan hyväksymät tasot. Useat syyt suosivat odotettu tuotto varianssi-säännön käyttöä sekä hypoteesina selittämään perusteltua sijoituspäätöstä, että perusohjeena omaan sijoittajakäyttäytymiseen.

13 13 Kuvio 1: Markowitzin portfolioteoria algebrallisesti kuvattuna Lähde: Markowitz Kuviossa 1 abc kolmio esittää kaikkia mahdollisia a:sta, b:stä ja c:stä koostuvia portfolioita. Katkoviivalla merkityt indifferenssikäyrät osoittavat samansuuruiset odotetun tuoton tasot ja viivalla piirretyt ellipsit samansuuruiset varianssin tasot. Ellipsin keskipisteessä sijaitsee pienin mahdollinen varianssi, joka on merkitty X:llä. Piste X voi sijaita saavutettavien portfolioiden sisä- tai ulkopuolella. Tässä esimerkissä se sijaitsee sisäpuolella ja vielä tehokkaalla rintamalla. Tehokkaalla rintamalla X on se portfolio jota pienempää varianssia ei voida saavuttaa. Ellipsin keskipisteestä X voidaan piirtää kriittinen linja, jolla portfoliot maksimoivat odotetun tuoton ja minimoivat varianssin. Kriittinen linja esittää optimimmat portfoliot. Paksu viiva esittää tehokasta rintamaa, joka piirtyy X:stä kriittistä linjaa pitkin kohti ab linjaa ja sen kohdatessaan siirtyy kulkemaan pitkin ab linjaa kohti b:tä. Riippuen

14 14 sijoittajan preferensseistä, sijoittaja valitsee itselleen sopivimman portfolion tehokkaalta rintamalta. Tehokkaan rintaman ulkopuoliset portfoliot eivät ole rationaalisia vaihtoehtoja edellyttäen, että edellä esitetyt oletukset ovat voimassa. Lisäämällä arvopapereiden määrän kolmesta neljään tai useampaan, hankaloittaa algebrallista havainnointia, mutta periaatteet pysyvät kuitenkin samana. Useiden arvopapereiden portfolioista voidaan muodostaa moniulotteisia kuvaajia, joihin voidaan piirtää tehokas rintama. Kuvio 2: Markowitzin portfolioteoria yleisemmin esitetyssä muodossa Lähde: Andersen 2012, Modern Portfolio Theory. Kuviossa 2 on Markowitzin portfolioteoria esitettynä yleisemmin käytetyssä muodossaan. Kuviossa odotettu tuotto kasvaa ylöspäin ja riski kasvaa oikealle siirryttäessä, kuten on nykyisin vakiintunut tapa asia esittää. Sijoittajan hyöty kasvaa odotetun tuoton nousun ja riskin laskun myötä, joten sijoittajan indifferenssikäyrät kasvavat ylös vasemmalle päin. Kuvion pisteet esittävät mahdollisia portfolioita, mutta todellisuudessa kaikki pisteet tehokkaan rintaman alle ja oikealle puolelle jäävät kohdat ovat mahdollisia portfolioita. Tehokkaan rintaman portfoliot asettuvat alas oikealle kaarevalle käyrälle vasten indifferenssikäyriä. Tehokkaan rintaman portfoliot dominoivat kaikkia muita portfolioita

15 15 samalla tuotto- tai riskitasolla. Kun kuvioon lisätään riskitön tuotto, voidaan riskittömän tuoton pisteestä piirtää suora, joka asettuu tangenttiin tehokkaan rintaman kanssa. Tämä suora, joka leikkaa y-akselin riskittömän tuoton kohdalta ja asettuu tangenttiin tehokkaan rintaman portfolioiden käyrän kanssa, on uusi tehokkaan rintaman suora. Kaikki tehokkaan rintaman suoran portfoliot ovat mahdollisia kombinaatioita riskitöntä tuottoa ja tangenttiportfoliota. Tangenttiportfoliota ylös oikealle päin voidaan jatkaa, mikäli on mahdollisuus lainata lisää pääomaa riskittömällä korolla ja sijoittaa ne tangenttiportfolioon. Tehokkaan rintaman suoralla kaikki portfoliot ovat tehokkaita portfolioita ja suoran portfoliot saavuttavat korkeimman mahdollisen sijoittajan indifferenssikäyrän. Välttämättä riskittömästä tuotosta lähtevällä suoralla ei voida määrittää tangenttiportfoliota tehokkaan rintaman portfolioiden käyrän muodon takia. (Niskanen & Niskanen 2013, ) Kuten edellä jo totesimme, voi olla mahdollista, että yksittäinen arvopaperi tarjoaa suuremman odotetun tuoton ja matalamman varianssin kuin yksikään odotettu tuotto varianssi-säännön mukainen hajautettu salkku, mutta useimmiten sääntö johtaa hajautettuihin tehokkaisiin portfolioihin. Hajauttamisen tuomasta tehokkuudesta voidaan pitää esimerkkinä sijoittajaa joka jakaa sijoituksensa kahteen eri sijoitukseen: vaikka kummallakin sijoituksella olisi erillään samansuuruinen varianssi, yhdistettäessä samaan portfolioon kokonaisuuden varianssi laskee alle yksittäisen sijoituksen varianssin (mikäli tuotot eivät ole täysin korreloituneet, jolloin varianssi ei laske alkuperäisestä). Odotettu tuotto varianssi-sääntö ei pelkästään suosittele hajauttamista, vaan myös oikeanlaista hajauttamista oikeanlaisista syistä. Esimerkiksi hajauttaminen useaan saman toimialan yritykseen ei tuota oikeanlaista hajautusta. Samoin hajauttamalla vain mahdollisimman useaan arvopaperiin ei saavuteta mahdollisimman pientä varianssia. On tärkeää huomioida arvopapereiden keskinäinen kovarianssi ja välttää sitä. Lopputulemana, mikäli odotettua tuottoa pidetään hyvänä; varianssia pahana; vedonlyöntiä vältettävänä: odotettu tuotto varianssi-sääntö toimii järkevänä hypoteesina ja perusohjeena sijoituspäätöksissä. Harry Markowitzin kirja Portfolio Selection: Efficient Diversification of Investments (1991) keskittyy suuren määrän arvopapereita sisältävien portfolioiden analyysiin. Kauttaaltaan puhutaan portfoliovalinnasta kuin arvopaperivalinnasta. Hyvä portfolio on enemmänkin kuin vain lista hyvistä osakkeista ja velkakirjoista. Se on tasapainoinen kokonaisuus, joka tarjoaa sijoittajalle suojaa ja mahdollisuuksia erilaisille sattumanvaraisille lopputulemille. Sijoittajan

16 16 tulisi kehittää portfoliotaan kohti parhaiten hänen tarpeensa täyttävää ratkaisua. (Markowitz 1991, 3) Epävarmuus on arvopaperisijoittamisen keskeinen ominaisuus. Taloudellisia voimia ei ymmärretä tarpeeksi hyvin, jotta voitaisiin ennustaa ilman epäilystä tai virheen mahdollisuutta. Vaikka taloustilanteiden seuraukset ymmärrettäisiin täysin, ei-taloudelliset tapahtumat voivat muuttaa kehityksen suunnan. Lukemattomat eri tapahtumat voivat vaikuttaa yksittäisen yrityksen, toimialan tai koko markkinan kehitykseen. Näin ollen on liikaa vaatia analyytikkoa ennustamaan, milloin tapahtuu nousua tai laskua. Epävarmuuden olemassaolo ei kuitenkaan tarkoita, etteikö huolellisella arvopaperianalyysilla olisi arvoa. Huolellisesti ja asiantuntevasti muotoillut arvioit arvopaperin mahdollisuuksista ja heikkouksista muodostavat parhaan pohjan joiden avulla analysoida portfolioita. (Markowitz 1991, 4) Toinen keskeinen arvopapereiden ominaisuus on arvopapereiden tuottojen keskinäinen korrelaatio. Kuten useimmat taloudelliset määreet, arvopapereiden tuotot ovat taipuvaisia nousemaan ja laskemaan yhdessä. Kuitenkaan kaikki arvopaperit eivät jatkuvasti liiku yhtenäisesti, yksittäiset yhtiöt tai toimialat voivat kehittyä vastoin yleistä markkinatrendiä. Yleisesti kuitenkin taloudellisella hyvällä ja pahalla on tapana levitä aiheuttaen nousu- ja laskukausia. Mikäli arvopapereiden tuotot eivät korreloisi keskenään, hajauttamalla voitaisiin poistaa riski kokonaan. Jos taas arvopapereiden tuotot olisivat täydellisessä korrelaatiossa, hajauttaminen ei vaikuttaisi riskiin ollenkaan. Koska arvopapereiden tuotot ovat vahvasti korreloituneita, mutta eivät täydellisesti, merkitsee se, että hajauttamalla voidaan vähentää riskiä, mutta sitä ei voida poistaa kokonaan. Tuottojen korrelaatiot eivät ole samat kaikkien arvopapereiden välillä, vaan eroavaisuuksia on. Toimialalla on ymmärrettävästi suuri vaikutus korrelaation vahvuuteen, mutta vaikutusta voi olla esimerkiksi liikekumppaneilla, toimialueilla, riippuvuuksilla rakentamisesta tai väestönkasvusta alueella tai vaikkapa säällä. Yritysten hyvä tunteminen on hyväksi kokonaisuuksien hahmottamisessa, ja on avuksi myös korrelaatioiden huomioimisessa. Jotta riskiä saadaan laskettua hajauttamalla, täytyy välttää arvopapereita joiden tuotot korreloivat vahvasti keskenään. Portfolio jonka sadan eri arvopaperin tuotot korreloivat vahvasti keskenään tarjoaa vain hiukan enemmän suojaa kuin jos omistaisi vain yhtä arvopaperia. (Markowitz 1991, 5) Arvopaperi joka on joko riskillinen tai konservatiivinen, sopiva tai sopimaton, johonkin tiettyyn portfolioon voi olla vastakohta toiselle portfoliolle. Siksi lisäämällä riskillinen

17 17 arvopaperi nykyiseen portfolioon voidaan saavuttaa konservatiivisempi portfolio kuin lisäämällä konservatiivinen arvopaperi. Portfoliota täytyy ajatella kokonaisuutena, ei ryhmänä yksittäisiä arvopapereita itsessään. (Markowitz 1991, 114) Olisi väärin sanoa, että yksittäisten arvopapereiden varianssit tai keskihajonnat vaikuttavat vain vähän portfolion varianssiin. Kuitenkaan varianssi itsessään ei vaikuta paljoa, vaan kovarianssi on se määre, jolla on vaikutusta. Kovarianssi kuitenkin liittyy sekä korrelaatiokertoimeen että keskihajontaan. Jos Arvopaperi A:n keskihajonta on kaksi kertaa Arvopaperi B:n suuruinen, mutta Arvopaperi B:n korrelaatiokerroin on kaksi kertaa suurempi kuin Arvopaperi A:n, molempien vaikutus suuren portfolion varianssiin on lähes sama. (Markowitz 1991, 114) Arvopaperin tuotot voivat olla vahvasti korreloivia joidenkin toisten arvopapereiden kanssa ja samalla heikosti korreloivia joidenkin kolmansien arvopapereiden kanssa. Ongelmaksi muodostuu valita arvopaperit niin että kaikkien arvopapereiden keskimääräinen kovarianssi olisi mahdollisimman pieni. Koska eri arvopapereihin voidaan sijoittaa erisuuruisia määriä, lopputulemaan vaikuttaa arvopapereiden valinta ja varojen allokaatio näihin niin, että kovarianssin painotettu keskiarvo on mahdollisimman pieni. (Markowitz 1991, 114) 2.2. Capital Asset Pricing Model William Sharpe sai taloustieteen Nobelin palkinnon vuonna 1990 yhdessä Harry Markowitzin ja Merton Millerin kanssa, ansioistaan rahoitusteorian edistäjänä. Sharpen Capital Asset Pricing Model (CAPM) on kehittynyt Markowitzin portfolioteorian pohjalta. CAPM ei ole ainoastaan Sharpen kehittämä, vaan useat tutkijat myötävaikuttivat mallin syntyyn ml. Jack Treynor, John Lintner ja Jan Mossin. CAPM-mallia käytetään laskettaessa sijoituksen odotettua tuottoa tietylle riskitasolle, ja se osoittaa tuoton lisäyksen vaativan suuremman riskin. Sharpe tunnetaan myös rahoituksen alan tunnusluvustaan Sharpen luku, joka mittaa sijoituksen ylituottoa verrattuna volatiliteettiin. Sharpen luvun avulla voidaan vertailla sijoituskohteiden tuoton tehokkuutta riskiin nähden. William Sharpe lähtee kirjoittamaan artikkeliaan Capital Asset Prices: A Theory of Market Equilibrium Under Conditions of Risk (1964) sen pohjalta, että tuolloin ei ollut mikrotaloudellista teoriaa joka käsittelisi riskiä ja sen huomioimista niille, jotka yrittävät ennustaa pääomamarkkinoiden käyttäytymistä. Perinteisiä malleja sijoittamisesta

18 18 epävarmuuden vallitessa, toisin sanoen riskin vaikuttaessa taloudellisiin päätöksiin, kyllä tuolloin löytyi, mutta jotka jäivät väittämien tasolle. Esimerkkinä ajan käytännöstä on arvopaperien tuottovaatimuksen päättely, joka alkaa huolellisella ja perusteellisellä prosessilla jossa käydään läpi henkilökohtaisten preferenssien ja aineellisten suhteiden yhteydet, jotta voidaan määrittää tasapainotilan (= riskinsietokyvyn) puhdas tuottotaso. Tästä yleensä seuraa näkemys, että näin myös muodostuu markkinoiden riskipreemio, jolloin arvopapereiden hinnat muodostuvat niiden riskien eroavaisuuksien perusteella. Rationaaliselle sijoittajalle voidaan piirtää pääomamarkkinaviiva, jolta löytyy kaikki mahdolliset tuotto/riski-pisteet. Pääomamarkkinaviiva lähtee liikkeelle riskittömästä korosta ja kasvaa samalla kun tuotto ja riski kasvavat. Sijoittaja voi tällöin valita itselleen korkeamman tuottotason vain, mikäli hyväksyy riskin lisääntymisen. Markkina tarjoaa täten sijoittajalle kaksi hintaa: ajan hinta, eli riskitön korko (pääomamarkkinaviivan ja x-akselin leikkauspiste) ja riskin hinta, tuoton lisäys per yhden riskiyksikön lisäys (ilmenee pääomamarkkinaviivan jyrkkyytenä). Hajauttamalla voidaan poistaa osa arvopaperin riskistä (= epäsystemaattinen riski), joten kokonaisriski ei ole merkityksellinen hintaa määriteltäessä. Systemaattinen riski on se riskin osa, josta ollaan kiinnostuneita tuottovaatimusta määriteltäessä, ja tähän riskin osaan Sharpe lähtee artikkelissaan hakemaan selkoa. Sharpen malli lähtee liikkeelle sijoituskohteen valintaan vaikuttavien parametrien valinnasta. Perusoletuksena on, että sijoittajat arvioivat sijoituskohdetta tuoton ja todennäköisyyden perusteella, eli tarkemmin määriteltynä odotetun tuoton ja keskihajonnan perusteella. Oletetaan että sijoittajat arvostavat korkeampaa odotetun tuoton tasoa matalamman sijasta ja välttävän korkeampaa keskihajontaa matalamman sijasta tietyllä odotetun tuoton tasolla. Näiden oletusten perusteella voidaan piirtää yksinkertainen kuvaaja sijoittajan indifferenssikäyristä ja sijoittajan mahdollisista portfolioista.

19 19 Kuvio 3: Sharpen mallin sijoittajan preferenssit portfoliota valittaessa Lähde: Sharpe Malli kuvastaa sijoittajan käyttäytymistä valittaessa sijoituskohteita mahdollisista sijoitusvaihtoehdoista hyöty maksimoiden. Hyöty edustaa parametrien odotetun tuoton ja keskihajonnan yhteyttä edellä esiteltyjen oletusten vallitessa. Kuviossa 3 sijoittajan hyöty kasvaa alas ja/tai oikealle liikuttaessa. Kuvion harmaa alue kuvastaa mahdollisia sijoitusportfolioita. Sijoittaja valitsee mahdollisista portfolioista sen, joka tarjoaa hänelle suurimman hyödyn, eli pisteen F. Piste F on ainut mahdollinen portfolio, joka on tangentissa indifferenssi käyrän 2 kanssa, joten se tarjoaa myös suurimman hyödyn. Portfoliovalinta

20 20 voidaan tehdä kahdessa vaiheessa: ensiksi selvitetään tehokkaan rintaman portfoliot, toiseksi valitaan portfolio tältä rintamalta. Tehokkaalla rintamalla sijaitseva portfolio on tehokas vain, jos ei ole vaihtoehtoa jolla on (1) sama odotettu tuotto mutta matalampi keskihajonta, (2) sama keskihajonta mutta korkeampi odotettu tuotto tai (3) korkeampi odotettu tuotto ja matalampi keskihajonta. Piste Z on näin ollen tehoton, sillä pisteet B, C ja D dominoivat sitä. Tehokkaan rintaman käyrä kulkee kuvaajassa pisteiden AFBDCX välillä. Ajatellaan sijoitettavien varojen jakautuvan kahteen eri sijoituskohteeseen A ja B. Sijoitetaan sijoitusvaroista A:n jokin osa α ja B:n loppuosa (1-α). Yhdistelmän odotettu tuotto asettuu tällöin yksittäisten sijoituskohteiden odotettujen tuottojen väliin: Sijoituksen odotetun tuoton keskihajonta saadaan seuraavasti: Keskihajonnan laskukaava sisältää korrelaatiokertoimen, joka kuvaa sijoituskohteiden odotettujen tuottojen yhdensuuntaisuutta. Mikäli korrelaatiokerroin saisi arvon +1, tarkoittaisi se, että sijoituskohteiden tuotto vaihtelisi aina samansuuntaisesti ja määrällisesti saman verran. Korrelaatiokertoimen arvolla 0 sijoituskohteiden tuottojen välillä ei olisi yhteyttä ja ne vaihtelisivat itsenäisesti. Jos taas korrelaatiokerroin olisi -1, sijoituskohteiden tuotot vaihtelisivat aina vastakkaissuuntaisesti, mutta määrällisesti saman verran. Yleisesti saa arvon väliltä 0 ja +1.

21 21 Kuvio 4: Korrelaatiokertoimen arvon vaikutus kahden sijoituskohteen portfolion odotettuun tuottoon ja sen keskihajontaan Lähde: Sharpe Kuviossa 4 sijoituskohteiden A ja B odotettujen tuottojen välisen korrelaatiokertoimen ollessa +1, portfolion odotettu tuotto ja sen keskihajonta asettuvat suoralle linjalle AB, riippuen sijoitusvarallisuuden jakosuhteesta sijoituskohteisiin. Mikäli sijoituskohteiden odotettujen tuottojen välinen korrelaatio ei ole täydellinen ( < +1), portfolion keskihajonnan on asetuttava AB linjan alapuolelle. Käyrä AZB kuvastaa portfoliota, kun sijoituskohteiden odotettujen tuottojen korrelaatiokerroin on 0. Mikäli sijoituskohteiden odotettujen tuottojen välinen korrelaatio on negatiivinen (-1 < 0), portfolion keskihajonnan on asetuttava

22 22 AZB käyrän alapuolelle ja portfolioiden käyrän on oltava enemmän U-mallinen kuin AZB käyrän. Tämän Sharpe on tiedostanut, mutta on jättänyt pois työnsä graafisesta esityksestä. Kuvio 5: Muokattu Sharpen Figure 3 Kuvio 5 on itse toteutettu muokkaamalla Sharpen kuviota. Sharpen mallin kuvioon lisätty käyrä AXB, joka kuvastaa portfoliota jossa sijoituskohteiden A ja B odotettujen tuottojen korrelaatiokerroin on -1. Tällöin käyrän AXB portfoliot dominoivat käyrän AZB ja linjan AB portfolioita. Esimerkiksi tietyllä odotetun tuoton tasolle Y, käyrän AXB pisteen F mukainen portfolio sisältää vähemmän odotetun tuoton keskihajontaa kuin vastaavaa tuottoa tarjoavan

23 23 käyrän AZB pisteen D portfolio tai linjan AB pisteen C mukainen portfolio. Näin ollen sijoittajan jonka oletetaan välttävän korkeampaa keskihajontaa matalamman sijasta tulisi pyrkiä valitsemaan sijoituskohteet portfolioon niin, että kohteiden odotettujen tuottojen korrelaatiot olisivat mahdollisimman negatiivisia keskenään. Malliin voidaan lisätä riskitön tuotto. Riskittömän tuoton riski on nolla ja odotetun tuoton määrä on teoreettinen korkotaso, jonka tuotto voidaan saada antamalla pääomaa lainaksi tai vastaavasti jolla voidaan ottaa pääomaa lainaksi. Kuvio 6: Riskittömän tuoton ja riskillisten arvopapereiden portfoliot kun lainaaminen on mahdollista Lähde: Sharpe 1964.

24 24 Jos sijoittaja jakaa sijoituksensa riskittömään tuottoon (P) ja johonkin riskilliseen arvopaperiin/arvopapereihin (B, A, ø), mahdolliset kombinaatioportfoliot asettuvat suoralle näiden sijoitusten välille (esim. suora PA). Kun lisätään mahdollisuus lainata pääomaa teoreettiselle korkotasolla (= riskitön tuotto) ja sijoittaa lainattu pääoma riskilliseen arvopaperiin, voidaan saavuttaa suoralta portfolioita jotka ohittavat kokonaan riskillistä arvopaperia/arvopapereita sisältävän vaihtoehdon (esim. PY). Teoreettisesti lainaamisen mahdollistavat portfolioiden suorat voivat jatkua loputtomiin. Yksi kombinaatioportfolio dominoi kaikkia muita. Kombinaatioportfolio joka asettuu tangenttiin tehokkaan rintaman portfolioiden käyrän kanssa (suora PøZ) saavuttaa loivimman kulmakertoimen ja täten dominoi muita vaihtoehtoja edellä esiteltyjen oletusten vallitessa, kuten kuviosta 6 voidaan havaita. Jotta voidaan määritellä olosuhteet pääomamarkkinoiden tasapainotilalle, täytyy ensiksi määritellä kaksi oletusta. Ensiksi, oletetaan että yleisellä teoreettisella korkotasolla kaikki sijoittajat voivat antaa tai ottaa lainaksi pääomia samoilla ehdoilla. Toiseksi, oletetaan sijoittajien odotuksien olevan homogeneettiset: sijoittajilla on yhteinen näkemys arvopapereiden mahdollisuuksista odotetut arvot, keskihajonnat ja korrelaatiokertoimet. Nämä oletukset ovat tiukat ja epäilemättä epärealistiset. Kuitenkin, koska teorian oikea testaus ei koske sen realistisia oletuksia, vaan sen johtopäätösten hyväksyntää. Nämä oletukset myös merkitsisivät tasapainotilaa, joka on merkittävä osa klassista talousteoriaa, on selvää, ettei tätä muotoilua voida hylätä, erityisesti koska ei ole vaihtoehtoisia malleja jotka päätyisivät samoihin lopputuloksiin. Kuten edellä on esitetty, jokainen sijoittaja päätyy tarkastelun jälkeen sijoittamaan portfolioon, joka on tangentissa riskittömästä tuotosta lähtevän suoran ja tehokkaan rintaman kanssa. Sijoittajan riskinsietokyvystä ja odotetun tuoton tasosta riippuen, sijoittaja valitsee itselleen sopivimman kombinaation riskitöntä tuottoa ja tangenttiportfoliota. Koska kaikki sijoittajat ovat kiinnostuneita omistamaan tangenttiportfolion arvopapereita ja välinpitämättömiä omistamaan muita arvopapereita, johtaa tämä hintojen muuttumiseen. Näin ollen tangenttiportfolion arvopapereiden hinnat nousevat, ja koska arvopapereiden odotetut tuotot ovat riippuvaisia arvopapereiden hinnoista, odotetut tuotot laskevat. Tämä laskee kyseisten arvopapereiden houkuttelevuutta, jolloin tangenttiportfolion piste tehokkaalla rintamalla siirtyy vasemmalle alkuperäisestä paikastaan. Vastakkaisesti taas arvopapereiden jotka eivät sisälly tangenttiportfolioon hinnat laskevat, odotetut tuotot nousevat ja niitä sisältävien portfolioiden pisteet siirtyvät oikealle alkuperäisestä paikastaan.

25 25 Hintojen muutokset vaikuttavat sijoittajien käyttäytymiseen, kun uudet kombinaatiot tulevat houkutteleviksi, joka johtaa erilaiseen kysyntään ja aiheuttaa hintojen muutosta entisestään. Tämän prosessin jatkuessa tehokkaan rintaman käyrä alkaa muuttua lineaarisemmaksi, kun entinen tangenttiportfolio liikkuu vasemmalle ja muut tehottomat portfoliot alkavat liikkua oikealle. Arvopapereiden hintojen täytyy totta kai jatkaa muuttumista, kunnes jokainen arvopaperi sisältyy ainakin yhteen portfolioon tehokkaalla rintamalla. Tällöin useampi portfolio on tehokas (= tangenttiportfolio) eikä sijoittajien tarvitse omistaa samaa portfolioita. Toisaalta kaikkien näiden portfolioiden tulee olla täysin positiivisesti korreloituneita, koska ne asettuvat samalla suoralle odotettu tuotto/keskihajonta -koordinaatistossa. Tämä toimii ratkaiseva tekijänä arvopapereiden hinnan ja riskin suhteessa. Tähän mennessä olemme väittäneet, että pääomamarkkinan tasapainotilassa tehokkailla portfolioilla on odotetun tuoton ja tuoton keskihajonnan välillä lineaarinen yhteys, mutta yksittäisten arvopapereiden vastaavaa suhdetta ei ole käsitelty. Tavallisesti yksittäisen arvopaperin odotetun tuoton ja tuoton keskihajonnan arvot jäävät tehokkaan rintaman yläpuolelle, kuvastaen hajauttamattoman sijoituksen tehottomuutta. Yksittäiset arvopaperit hajoavat ympäri odotettu tuotto/tuoton keskihajonta -koordinaatistoa ilman yhtenäistä yhteyttä odotetun tuoton ja kokonaisriskin välillä. Kuitenkin näillä yksittäisillä arvopapereilla on yhtenäinen yhteys odotetun tuoton ja systemaattisen riskin välillä.

26 26 Kuvio 7: Yksittäisen arvopaperin ja tehokkaan portfolion mahdolliset kombinaatiot Lähde: Sharpe Kuviossa 7 piste i kuvastaa yhtä yksittäistä arvopaperia ja piste g tehokasta portfoliota, joka sisältää yksittäistä arvopaperia i. Käyrä igg kuvastaa kaikkia mahdollisia kombinaatioita arvopaperi i:stä ja tehokkaasta portfoliosta g:stä. Pisteessä i kaikki varat ovat sijoitettu arvopaperiin i, pisteessä g kaikki varat ovat sijoitettu tehokkaaseen portfolioon g (joka sisältää osan arvopaperi i:tä) ja pisteessä g varat ovat sijoitettu niin että arvopaperia i ei esiinny portfoliossa ollenkaan. Kuten edellä on esitelty, täytyy käyrän igg olla tangentissa tehokkaan rintaman kanssa pisteessä g, tästä pitää huolen hintojen muutos joka muodostaa tasapainotilan.

27 27 Ajatellaan että meille on annettu tietty määrä arvopaperin i ja portfolion g historiallisia tuottoja. Arvopaperin i historialliset tuotot hajaantuvat niiden keskiarvon ympärille, joka vastaa suuruudeltaan odotettua tuottoa. Tämä hajonta kuvastaa arvopaperin i kokonaisriskiä. Osa tästä hajonnasta johtuu kuitenkin yhteydestä portfolio g:n tuottojen kanssa. Arvopaperi i:n tuoton reaktio portfolio g:n tuoton muutoksiin selittää suurelta osin arvopaperi i:n tuoton vaihtelua. Tätä osaa arvopaperin kokonaisriskistä nimitetään systemaattiseksi riskiksi. Loppuosaa kokonaisriskistä, joka ei korreloi portfolio g:n tuoton kanssa, nimitetään epäsystemaattiseksi riskiksi. Tämän arvopaperi i:n ja portfolio g:n tuottojen yhteyttä voidaan käyttää apuna ennustettaessa tulevaa. Yksittäisen arvopaperin ja markkinan tuottojen välisen yhteyden (= beta) avulla voidaan arvioida jokaisen arvopaperin systemaattisen riskin suuruutta odotetusta kokonaisriskistä. Tämän tulkinnan perusteella voimme määritellä, että tehokkaan portfolion g:n arvopapereiden hintojen täytyy määräytyä niin, että niillä arvopapereilla joilla on suurempi beta (= markkinoiden muutoksen vaikutus hintaan) täytyy olla suurempi odotettu tuotto kuin matalamman betan arvopapereilla. Ilmeisesti sitä osaa arvopaperin riskistä joka johtuu arvopaperin tuoton korrelaatiosta muiden arvopapereiden kanssa ei voida hajauttaa pois lisäämällä arvopaperia muiden arvopapereiden joukkoon. Koska beta ilmaisee systemaattisen riskin voimakkuuden, sen täytyy olla suorasti yhteydessä odotettuun tuottoon. Se että tehokkaiden portfolioiden odotettujen tuottojen tason täytyy olla täydellisesti korreloituneita, oikeuttaa valitsemaan sattumanvaraisesti minkä tahansa niistä. Vaihtoehtoisesti voimme valita minkä tahansa muuttujan jonka odotetun tuoton taso on täysin korreloitunut tehokkaiden portfolioiden odotettujen tuoton tasojen kanssa. Tämä teoria esittää mahdollisen selityksen päätelmälle, että kaikki tehokkaat portfoliot ovat täydellisesti korreloituneita ja tulkinnan yksittäisen arvopaperin odotetun tuoton ja riskin välille. Vaikka teoria itsessään esittää, että vain tehokkaiden portfolioiden odotettujen tuoton tasot ovat täydellisesti korreloituneita, voimme olettaa tämän johtuvan yleisestä riippuvuudesta koko talouden toimintaan. Mikäli näin, niin hajauttamalla sijoittaja voi päästä eroon muista riskeistä paitsi riskistä joka aiheutuu talouden toiminnan vaihteluista tämä riski säilyy jopa tehokkaissa portfolioissa. Ja, koska kaikki muut riskit voidaan välttää hajauttamisella, vain arvopaperin odotetun tuoton tason vastaanottavaisuudella (= beta) talouden toiminnan muutokselle on merkitystä arvioidessa riskiä. Hinnat muuttuvat, kunnes vastaanottavaisuuden ja odotetun tuoton välillä on lineaarinen suhde. Arvopaperit joihin talouden toiminnan muutokset eivät vaikuta tuottavat riskitöntä tuottoa ja ne arvopaperit

28 28 joihin talouden toiminnan muutokset vaikuttavat tuottavat korkeampaa odotettua tuottoa. Tämä tutkimus osoittaa, että pääomamarkkinoiden tasapainotilan teoria johtaa yhteneviin johtopäätöksiin klassisen talousteorian kanssa. Tutkimus osoittaa myös, että on yleisesti hyväksyttävää tyytyä defensiivisten arvopapereiden (= matala beta) matalampaan tuottoon kuin mitä vaaditaan aggressiivisilta arvopapereilta (= korkea beta) Aikaisemmat tutkimukset Omaisuuslajien yhteydet ja suhteet Ensimmäisenä finanssimarkkinoiden kriisin leviämistä maasta toiseen ilmiönä tutki systemaattisesti Oskar Morgenstern vuonna 1959 julkaistussa tutkimuksessa International Financial Transactions and the Business Cycle. Morgensternin tutkimus on yksityiskohtainen tilastollinen tutkimus taloudellisista ja rahoituksellisista yhteyksistä neljän maan välillä (Britannia, Ranska, Saksa ja Yhdysvallat). Morgenstern tutki 23 osakemarkkinakriisin vaikutuksia ulkopuolisiin markkinoihin ja nimesi nämä kriisit selkeästi tilastollisiksi äärimmäisyyksiksi osakemarkkinoiden muutoksissa (Hartmann, Straetmans & de Vries 2004). Tutkimus väittää kansainvälisten rahoitusmarkkinoiden toimivan vähemmän sulavasti ja moitteettomasti kuin aikanaan oli oletettu. Valuuttakurssit heittelehtivät yli kultakannan muutosten aiheuttamien kullan hinnanmuutosten, valuuttakurssit mahdollistivat valuuttojen väliset arbitraasit ja korkoerot maiden välillä olivat suuremmat kuin oli sallittu kultakanta sopimusten aikana. Morgenstern ei tutkimuksessaan kuitenkaan huomioi kuluja, aikaa ja keskinäisiä vaikutuksia, joita tuon ajan kaupankäynnissä olisi ilmaantunut, mutta joita ei kuitenkaan nykyaikana ole. (Kenen 1960) Vuonna 1992 Richard Roll julkaisi tutkimuksen, jossa hän vertaili maiden välisiä osakemarkkinaindeksejä yrittäen selvittää miksi ne käyttäytyvät eri tavoin. Osakemarkkinoiden volatiliteeteissa on suuria eroja, vaikka muodolliset erot ja inflaatio erot otetaan huomioon muuntamalla tuotot vallitsevilla valuuttakursseilla yhteiseksi valuutaksi. Roll löytää kolme selittävää tekijää tutkimuksensa empiirisen analyysin perusteella. Ensimmäinen, osa käyttäytymisestä voidaan johtaa tekniseen näkökulmaan indeksin rakenteesta; osa indekseistä on enemmän hajautettuja kuin toiset. Toinen, maan teollisuuden rakenne on tärkeä tekijä osakemarkkinaindeksin käyttäytymisen selittäjänä. Kolmas, osan

29 29 osakemarkkinaindeksien käyttäytymisestä aiheuttaa valuuttakurssien käyttäytyminen pääosassa maista. Valuuttakurssit selittävät huomattavan osan yleiseksi valuutaksi muutetuista kansallisien osakemarkkinaindeksien tuotoista, vaikkakin valuuttakurssit selittävät vähemmän kuin teollisuuden rakenne useimmissa maissa. Keskimäärin teollisuuden rakenne ja valuuttakurssit selittävät melkein 50% volatiliteetista maan osakemarkkinan päivittäisestä tuotosta dollareina ilmaistuna. Itsekseen teollisuuden rakenne selittää noin 40% ja valuuttakurssit noin 23% volatiliteetista. Tulosten perusteella maiden välisten korrelaatioiden nähdään johtuvan pääasiallisesti maiden osakemarkkinaindeksien teollisuuden rakenteesta. Minkälaisen tulisi osakkeiden hintojen ja pitkän ajan velkakirjalainojen tuottojen suhteen olla? Yleisen näkemyksen mukaan suhteen tulisi olla yksinkertainen negatiivinen suhde. Toisin sanoen, pitkän ajan velkakirjalainojen tuottojen nousun pitäisi tehdä niistä houkuttelevampia sijoituksia, jolloin osakkeiden hintojen tulisi laskea, jotta sijoittajat suostuisivat pitämään osakkeita. Ongelmana tässä on, että osakkeiden diskontattujen osinkojen virta on olennaisesti erilainen kuin velkakirjalainojen diskontattujen kuponkien virta. Tätä Shiller ja Beltratti (1992) pyrkivät selvittämään arvostetussa tutkimuksessaan osakkeiden ja velkakirjojen välisestä suhteesta. Tutkimuskysymykseen haetaan vastausta tarkastelemalla minkälaista tietoa osakkeiden hinnat ja velkakirjalainojen tuotot sisältävät nykyarvomenetelmällä tulevaisuuden arvoista. Tätä tutkitaan käyttämällä vector autoregressive forecasting mallia osinkoihin ja velkakirjalainojen tuottoihin, perustuen Campbellin ja Shillerin (1988) osinkosuhde malliin. Shiller ja Beltratti (1992) osoittavat, että osakkeiden hintojen muutosten ja pitkän ajan korkojen muutosten välillä on negatiivinen korrelaatio, noin -0,4 Yhdysvalloissa ja noin -0,6 Isossa-Britanniassa, analysoimalla vuosittaisia aineistoja Yhdysvalloista ja Isosta-Britanniasta. Teorian mukaan osakkeiden hintojen ja pitkän ajan koron välillä tulisi olla pieni negatiivinen korrelaatio, mutta tulokset osoittavat suhteen olevan odotettua negatiivisempi. Osakkeiden hinnat näyttävät tällöin ylireagoivan pitkän ajan korkojen muutoksissa. Näin ollen, oikeat osakkeiden hinnat putoavat, kun pitkän ajan korot nousevat (ja nousevat kun korot laskevat) enemmän kuin rationaalisesti oletettaisiin nykyarvomenetelmän odotusten mukaisesti. Osakemarkkinoiden ylituoton ja velkakirjamarkkinoiden ylituoton välillä havaitaan myös positiivinen korrelaatio, jonka ei teorian mukaan tulisi olla näin suuri. Näin ollen, osakemarkkinoiden ja velkakirjamarkkinoiden ylituotot vaihtelevat samankaltaisesti. Tutkijat eivät löytäneet

30 30 todisteita, että osake- tai velkakirjamarkkinat olisivat ylireagoineet johtuen inflaatiotason muutoksista. He kuitenkin tutkivat vain tapahtuneita muutoksia yhden vuoden inflaatiotasoissa, eivätkä muutoksia pitkän ajan inflaatio-odotuksissa, jotka ovat olennaisia pitkän ajan velkakirjalainojen hinnoittelussa luvun osakkeiden hinnat ovat osoittaneet vain vähäistä reagointia inflaatiotason muutoksiin, ja mallin mukaisesti osakkeiden hintojen tulisikin osoittaa pientä reagointia. Morgensternin pohjustamaa tutkimusaihetta finanssimarkkinoiden kriisien leviämisestä jatkoivat Kaminsky ja Reinhart vuosituhannen vaihteessa. Kaminsky ja Reinhart (2000) tutkivat toimivatko kauppayhteydet ja finanssitoimiala välittävinä kanavina kriisien leviämisessä. Tulosten perusteella alttiuden leviämiselle havaittiin olevan erittäin epälineaarinen. Kriisin leviämisen selkeimpänä kanavana toimii finanssitoimiala tavallisten luotonantajien kautta. Kaupankäynnillä ei vaikuttaisi tutkimuksen mukaan olevan merkitsevää vaikutusta kriisien leviämisessä. Vuoden 1998 lähiaikojen kriisejä tutkittaessa, osakemarkkinoiden vaikutuksesta on vaikea erottaa syytä ja seurausta, kuitenkin finanssitoimialan yhteyksillä pankkien kansainvälisten pääomamarkkinoiden kautta on suuri merkitys kriisien leviämisessä. Loppukateettina tutkijat toteavat, että tulevaisuudessa tulisi ymmärtää finanssimarkkinoiden kanavia paremmin, jotta voitaisiin kehittää lainsäädäntöä, joka tekisi maailmasta vähemmän taipuvaisen kriiseille ja alttiin kriisien leviämiselle. (Kaminsky & Reinhart 2000) 2000-luvulle päästyä myös Hartmann, Straetmans ja de Vries (2004) päätyivät tutkimaan omaisuuslajien yhteyksiä ja markkinaromahdusten yhtäaikaisuuksia. Tutkijoiden mielestä on tärkeää tietää romahtavatko markkinat yhdessä, jotta voidaan arvioida kansainvälisten finanssimarkkinoiden vakautta ja systemaattisen riskin määrää. Mitä enemmän markkinat romahtavat samanaikaisesti, sitä enemmän pankit ovat vaarassa pitäessään laajalti hajautettuja sijoitusportfolioita. Tutkimuksessa tutkitaan omaisuuslajien tuottojen yhteyksiä markkinastressin aikana G5-maissa käyttäen äärimmäisen riippuvuuden mittaria. Tätä eiparametrista mittaria ei altisteta normaalijakaumalle ja se mahdollistaa täten epälineaarisen yhteyden tutkimisen. Tutkimuksen tulosten perusteella osakemarkkinoiden yhtenäinen romahdus on paljon todennäköisempää kuin velkakirjamarkkinoiden. Hartmann, Straetmans ja de Vries havaitsivat, että osakemarkkinoiden romahdus 20% viikoittaisella tappiolla ja valtion velkakirjamarkkinoiden romahdus 8% viikoittaisella tappiolla ovat harvinaisia tapahtumia, mutta siitä huolimatta tapahtuvat yhdesti tai kahdesti

31 31 ihmisen elinaikana. Lisäksi osakemarkkinat kokevat yhteisromahduksia 1/5 1/8 suhteessa romahduksista. Velkakirjamarkkinoilla suhde on pienempi, ja yhteisromahduksen suhde osakemarkkinoiden ja velkakirjamarkkinoiden välillä on vielä tätäkin pienempi. Yhteisromahdusten frekvenssi on kuitenkin paljon suurempi kuin mitä normaalijakaumaanalyysi antaisi ymmärtää. G5-maiden pääomalajien tuottojen nähdään olevan tilastollisesti riippuvaisia kriisien aikana. Tutkijat kuitenkin päätyvät johtopäätökseen, että omaisuuslajien välisten markkinoiden kriisien leviäminen ei ole yleinen ilmiö G5-maissa. Kokonaisuutena he näkevät tulosten vahvistavan näkemystä, että aikaisempi kirjallisuus yliarvioi finanssimarkkinoiden leviämisvaaran finanssimarkkinakriiseissä. (Hartmann, Straetmans & de Vries 2004) Turvasatamat Vasta 2010-luvulla alkoi ilmestyä tutkimuksia, joissa keskitytään pääsääntöisesti turvasatamien löytämiseen markkinoilta. Ensimmäisenä turvasatamatutkimuksena voidaan pitää Dirk G. Baurin ja Brian M. Luceyn vuoden 2010 tutkimusta Is Gold a Hedge or a Safe Haven? An Analysis of Stocks, Bonds and Gold. Baur ja Lucey tutkivat jatkuvaa ja ajallisesti vaihtelevaa osakkeiden ja velkakirjojen tuottojen suhdetta kullan tuottoon Yhdysvaltojen, Ison-Britannian ja Saksan pörsseissä. He pyrkivät tutkimuksessaan selvittämään toimiiko kulta turvasatamana osake- ja velkakirjamarkkinoille. Tähän tutkimukseen viitataan lähes kaikissa tämän jälkeen ilmestyneissä turvasatamatutkimuksissa. Dirk G. Baur on erityisen kunnostautunut kultaa tutkivissa tutkimuksissaan 2010-luvun vaihteessa. Baurin ja Luceyn (2010) tutkimus on myös ensimmäinen tutkimus, jossa määritelmän turvasatama merkitys avataan, jopa kirjaimellisesta sanan tarkoituksesta lähtien: Sana turvasatama määritellään satamaksi tai satamakaupungiksi, turvalliseksi paikaksi ja paikaksi joka tarjoaa myönteisiä mahdollisuuksia ja olosuhteita. Turvasatama on näin ollen turvallinen paikka, joka tarjoaa sijoittajalle suojaa (esim. ei-negatiivista tuottoa) äärimmäisissä markkinaolosuhteissa. Baurin ja Luceyn (2010) tutkimuksessa kulta on valittu tutkimuksen kohteeksi sen turvasatamana toimimisen maineen takia, jota ei ole kuitenkaan aikaisemmin todistettu tieteellisesti päteväksi. Aikaisempi näyttö kullan kausaalisesta suhteesta osakemarkkinoihin on osoittautunut heikoksi (Davidson, Faff and Hillier 2003). Tutkimuksen aikaan ei ole ollut teoreettista mallia, joka selittäisi miksi kultaa on pidetty turvasatamana, mutta yhtenä suurena

32 32 selittävänä tekijänä voidaan pitää sitä, että kulta on ollut ensimmäisiä rahan muotoja ja on perinteisesti käytetty turvana inflaatiolle. Heidän empiirinen analyysinsä perustuu kolmeen suuren taloudelliseen alueeseen Yhdysvaltoihin, Isoon-Britanniaan ja Saksaan. Kyseiset alueet on valittu eri valuuttojen takia, jolloin voidaan tutkia eroavaisuuksia ja samankaltaisuuksia kullan roolissa näillä alueilla. Aineistona käytetään päivittäisiä MSCI osakeindeksejä, velkakirjalainaindeksejä ja kullan Yhdysvaltain päivittäisen spot-hinnan sulkeutumishintaa. Aineisto on peräisin ajanjaksolta. Kaikki osakkeiden ja velkakirjalainojen hinnat ovat paikallisessa valuutassa, jolloin voidaan tutkia yhtenevästi kaikkia alueita kokonaisuutena, eikä pelkästään yhden alueen näkökulmasta. Baur ja Lucey (2010) toteuttivat tutkimuksen regressioanalyysin avulla. Regressiomalli huomioi hinnanmuutokset, jotka tapahtuivat 5%, 2,5% ja 1% kvantiileissa, eli negatiivisina markkinamuutoksina. Näin he määrittelivät markkinaromahduksen olevan tapahtuma, joka on laskeva markkinamuutos alle 5% todennäköisyydellä. Malli olettaa, että samanaikainen ja viivästetty osakkeiden ja velkakirjalainojen hinnanvaihtelut vaikuttavat kullan hintaan. Lisäksi oletetaan, ettei kullan hinnanmuutokset vaikuta osakkeiden ja velkakirjalainojen hintoihin. Tutkimus osoittaa, että kulta on turvasatama osakemarkkinoille Yhdysvalloissa, Isossa- Britanniassa ja Saksassa. Kulta toimii myös hedgenä osakemarkkinoille Yhdysvalloissa ja Isossa-Britanniassa. Toisaalta kulta ei kuitenkaan toimi turvasatamana velkakirjamarkkinoille millään alueella. He havaitsivat, että kulta ei ole turvasatama osakemarkkinoille kaikkina aikoina, vain äärimmäisissä markkinaromahduksissa. Kullan havaittiin toimivan turvasatamana osakemarkkinoille vain tilanteissa jotka ylittävät 2,5% ja 1% kvantiilin negatiivisen muutoksen kynnyksen. Sijoittajat jotka pitävät salkussaan kultaa tavallisina ja markkinastressin aikoina, saavat kompensaatiota negatiiviselle osakemarkkinakehitykselle positiivisesta kullan hinnankehityksestä. Tutkittaessa kumulatiivista tuottoa portfoliossa joka sisältää kultaa ja osakkeita 50 päivää osakemarkkinaromahduksen tapahtumisesta, he havaitsevat kullan toimivan turvasatamana vain lyhyen aikaa. Kullan hinnankehitys on positiivista romahduspäivänä, mutta hinta alkaa laskea romahdusta seuraavina päivinä ja kullan kumulatiivinen tuotto laskee nollaan noin 15 päivässä romahduksesta. Tämä havainto voidaan selittää sillä, että kulta toimii myös hedgenä osakemarkkinoille. Koska osake- ja velkakirjamarkkinoilla on tapana alkaa nousta ja korjata

33 33 romahduksen aiheuttamaa kehitystä jonkin ajan kuluttua romahduksesta, kullan hedge -ominaisuus alkaa myös vaikuttaa kullan hinnankehitykseen vahingollisesti. Tutkittaessa viivästetyillä tuotoilla he havaitsivat myös, että ostamalla kultaa osakemarkkinaromahduksen jälkeen, kullan hinnankehitys tuottaa positiivista tuottoa, jolloin kulta toimii myös turvasatamana jo tapahtuneen osakemarkkinaromahduksen jälkeen. Toinen huomattava turvasatamatutkimus on Cetin Cinerin, Constantin Gurdgievin ja Brian Luceyn tutkimus Hedges and safe havens: An examination of stocks, bonds, gold, oil and exchange rates (2013) useamman omaisuuslajin hedge ja turvasatama -ominaisuuksista. Tutkimuksessa keskitytään tutkimaan pääasiallisten omaisuuslajien keskinäisiä korrelaatioita Yhdysvalloissa ja Isossa-Britanniassa vuodesta 1990 vuoteen 2010 aikavälillä. Sijoittajien sijoitusstrategiat ovat herkkiä korrelaation rakenteelle eri omaisuuslajien välillä, erityisesti jos ajatellaan korrelaation vaihtelevan ajallisesti. Tutkijoiden tavoitteena on luoda empiiristä analyysiä tästä muuttuvasta suhteesta läpi eri taloudellisten markkinoiden. Toiseksi, he pyrkivät saamaan näyttöä siitä muuttuvatko riippuvuudet äärimmäisten hinnanmuutosten aikana. Tällä pyritään tutkimaan, voidaanko eri omaisuuslajeja pitää turvasatamina toisilleen. Ciner, Gurdgiev ja Lucey (2013) tutkivat pääasiallisina omaisuuslajeina osakemarkkinoita, velkakirjamarkkinoita, valuuttoja, kultaa ja öljyä. Cinerin, Gurdgievin ja Luceyn (2013) tutkimusta edeltävät tutkimukset keskittyvät pääosin osakkeiden ja velkakirjalainojen suhteeseen, joiden on havaittu yleisesti olevan negatiivisessa suhteessa keskenään (Shiller & Beltratti 1992). Myöhemmin tämän suhteen on väitetty pitävän paikkansa vain talouden supistuessa, ja suhteen olevan positiivinen talouden kasvaessa (Andersen, Bollerslev, Diebold & Vega 2007). Useissa tutkimuksissa on laajennettu tutkimus käsittämään myös muita omaisuuslajeja olettaen, että on olemassa teoreettisia syitä omaisuuslajien väliselle riippuvuudelle. Esimerkiksi useissa tutkimuksissa on havaittu positiivinen suhde Yhdysvaltain dollarin revalvaatioiden ja osakkeiden tuottojen välillä. Myös kullalla on väitetty olevan raaka-aineen lisäksi myös monetaarinen rooli, samanlainen kuin valuutalla. Kullalla on havaittukin olevan merkittävä yhteys osake- ja velkakirjamarkkinoihin (Baur & McDermott 2010). Kauan aiemmin on jo havaittu kullan tuottavan hajautushyötyä lisäämällä sitä tavallisiin portfolioihin (Jaffe 1989). Vaikka öljyä voidaan pitää raaka-aineena ennemmin kuin omaisuuslajina, sen selkeä tärkeys globaalille taloudelle viittaisi öljyllä olevan merkitsevä yhteys taloudellisiin markkinoihin. Tutkimukset osoittavat öljyn hinnanvaihtelun vaikuttavan osakkeiden hintoihin (Park & Ratti 2008).

34 34 Ciner, Gurdgiev ja Lucey (2013) tutkimuksessa käytetään kahta ekonometristä menetelmää: dynaaminen ehdollinen korrelaatio ja kvantiiliregressio. Engle (2002) havaitsi dynaamisen ehdollisen korrelaation käytön olevan toimiva menetelmä, mikäli halutaan tutkia omaisuuslajien hintojen riippuvuuksia markkinoiden tavallisen kehityksen aikana. Menetelmän hyötynä on, että se tuottaa ajallisesti vaihtelevia korrelaatioita. Tutkittaessa hintojen riippuvuuksia markkinoiden äärimmäisten liikkeiden aikana, tukeudutaan kvantiiliregressio menetelmään, kuten Baurin ja Luceyn (2010) tutkimuksessa. Tähän turvasatama-analyysiin liittyy omaisuuslajien tuottojakauman häntien käyttäytyminen. Mikäli omaisuuslaji korreloi negatiivisesti toisen omaisuuslajin kanssa äärimmäisten markkinaliikkeiden aikana, voimme kutsua tätä omaisuuslajia turvasatamaksi toiselle omaisuuslajille. Tutkimuksen pääasiallisina tuloksina voidaan pitää havaintoja, että velkakirjamarkkinat jatkavat perinteistä rooliaan hedgenä osakemarkkinoille ja että kulta toimii hedgenä valuuttakursseille. Lisäksi velkakirjamarkkinoiden havaitaan aikaisempia tuloksia mukaillen toimivan turvasatamana osakemarkkinoille ja sen havaitaan olevan ainoa omaisuuslaji, joka tarjoaa suojaa Yhdysvaltain osakemarkkinoille. Kullan ja dollarin välillä havaitaan selkeä negatiivinen korrelaatiosuhde. Kullan voidaan nähdä käyttäytyvän anti-valuutan tavoin, eli kulta on hedge dollarille ja punnalle. Turvasatama-analyysissä lisäksi havaittiin, että kulta toimii jatkuvasti turvasatamana, kun valuuttakurssit laskevat huomattavasti. Tämä vahvistaa näkemystä kullan monetaarisesta arvostuksesta. Odotusten vastaisesti kullan ei havaita toimivan turvasatamana osakemarkkinoille. Äärimmäisissä hinnanmuutoksissa, kullan hinnanmuutokset eivät ole koskaan tilastollisesti merkitseviä. Tämän on vastoin Baurin & Luceyn (2010) tutkimuksen tuloksia, jotka havaitsivat kullan toimivan turvasatamana osakemarkkinoille Yhdysvalloissa, Isossa-Britanniassa ja Saksassa. Tämä voi johtua tutkimuksen tuoreemmasta aineistosta, sillä kullan hinta on noussut aineistossa huomattavasti. Kiinnostavin havainto Ison-Britannian aineistossa on, että puntaa voidaan pitää turvasatamana äärimmäisten hinnanmuutosten aikana osakemarkkinoille, velkakirjamarkkinoille ja kullalle. Tämän havainnon perusteella voidaan päätellä Britannian punnalla olevan aivan erilainen rooli markkinoilla kuin mitä Yhdysvaltain dollarilla on äärimmäisten hinnanmuutosten aikana. Öljyn havaitaan toimivan turvasatamana vasten velkakirjamarkkinoiden laskua. Öljyn havaitaan yleisesti toimivan turvasatamana erityisinä ajanjaksoina markkinaromahdusten yhteydessä. Lisäksi öljyn ja Ison-Britannian osakemarkkinoiden välisen suhteen nähdään kääntyvän negatiiviseksi 2000-luvun tienoilla. Tämä tukee huomiota, että vaikka öljy on

35 35 globaalisti tärkein raaka-aine, sillä on myös taloudellisen muuttujan rooli. Erikoisin havainto on kuitenkin kullan ja velkakirjamarkkinoiden suhde, joka ei aluksi ole merkitsevä, mutta myöhemmissä osioissa osoittautuu, että kulta voi olla turvasatama velkakirjamarkkinoille. Tämä tulos on yhdenmukainen huomion kanssa, että omaisuuslajien käyttäytyminen äärimmäisissä hinnanmuutoksissa on jyrkästi erilainen kuin tavallisissa hinnanmuutoksissa. Matthew Hoodin ja Farooq Malikin vuoden 2013 tutkimus Is gold the best hedge and a safe haven under changing stock market volatility? kullan ja volatiliteetti-indeksin (VIX-indeksin) hedge ja turvasatama -ominaisuuksien vertailusta on huomattava turvasatamatutkimus VIXindeksin ylivoimaisista tuloksista johtuen. VIX-indeksin esittely ja määritelmä löytyvät tämän työn liitteestä 1. Tutkijat arvioivat kullan ja muiden jalometallien roolia hedgeinä tai turvasatamina suhteessa VIX-indeksiin volatiliteetin vaihdellessa, käyttäen aineistona päivittäisiä havaintoja Yhdysvaltojen osakemarkkinoilta. Kullan on aikaisemmissa tutkimuksissa havaittu tuottavan hajautushyötyä lisättäessä portfolioon (Jaffe 1989). Kuten edellä on esitelty, Baur ja Lucey (2010) havaitsivat kullan käyttäytyvän sekä hedgenä että turvasatamana osakemarkkinoille. Baurin toisessa tutkimuksessa McDermottin kanssa (2010) saadaan vastaavat tulokset. Tutkimuksessa havaitaan kullan toimivan hedgenä ja turvasatamana Yhdysvaltain ja Euroopan osakemarkkinoille, mutta ei kehittyvien maiden osakemarkkinoille vuosina Jalometalleilla on lisäksi havaittu olevan hyötyinä hyvä odotettu tuotto ja vahva negatiivinen korrelaatio muiden omaisuuslajien kanssa (Riley 2010). On laajalti todistettu, että osakemarkkinoiden volatiliteetti on epäsymmetristä, joka merkitsee tuoton ja ehdollisen volatiliteetin korreloivan negatiivisesti (Hood & Malik 2013). Tutkimuksissa on havaittu volatiliteetin toimivan erittäin hyödyllisenä osakeportfolion hajauttajana, erityisesti osakemarkkinoiden laskusuhdanteessa (Briere, Burgues & Signori 2010). Huomattavan vahva negatiivinen korrelaatio volatiliteetin ja osakkeiden hintojen välillä laskumarkkinoiden aikana tarjoaa ajoitetun suojauksen vasten mahdollista pääomatappion riskiä (Whaley 2009). Tutkimuksen tilastollisena menetelmänä Hood ja Malik (2013) käyttävät regressiomallia jossa arvopapereiden tuotot regressoidaan osakkeiden tuottoihin ja interaktiotermeihin, jotka testaavat toimiiko kyseinen arvopaperi todella hedgenä tai turvasatamana osakemarkkinoiden laskiessa. Aineisto koostuu päivittäisistä kullan, hopean, platinan, S&P 500 -indeksin ja VIXindeksin päätöskursseista. Aineisto kattaa havainnot 30. marraskuuta marraskuuta 2010 aikaväliltä. Kaikki jalometallit ovat noteerattu COMEX markkinalla ja hinnat ovat mitattu Yhdysvaltain dollareissa per troy-unssi (~31,10 grammaa). Volatiliteetin

36 36 johdannaisena käytetään Chicago Board Options Exchange (CBOE):n noteeraavaa volatiliteetti-indeksiä CBOE VIX, joka on kaikista tunnetuin ja käytetyin volatiliteettiindeksi. VIX-indeksi ilmaisee 30 päivän implisiittisen volatiliteetin S&P 500 -indeksin optioista ja näin ollen kuvastaa lyhyen aikavälin volatiliteetin konsensusta osakemarkkinoilla. Jo aineistoa tarkastelemalla havaitaan, että VIX-indeksin keskihajonta on yli kolme kertaa suurempi kuin yhdelläkään jalometallilla. Kulta on ainut jalometalli, jolla on negatiivinen korrelaatio S&P 500 -indeksin kanssa, mutta VIX-indeksillä on vielä vahvempi negatiivinen korrelaatio S&P 500 -indeksin kanssa. Tutkittaessa aineistoa S&P 500 -indeksin heikoimpina päivinä nähdään, että heikoimpina 1% päivistä S&P 500 -indeksin keskimääräinen tuotto oli - 5,10%. Näinä päivinä kulta ja VIX-indeksi tuottivat keskimäärin 0,56% ja 17,54% positiivisen tuoton, VIX-indeksin tuoton ollen oleellisesti korkeampi kuin kullan. Regressiomallin tuloksista voidaan havaita, että kulta ja VIX-indeksi toimivat vahvoina hedgeinä omaten tilastollisesti merkitsevän negatiivisen korrelaation vasten S&P indeksiä. Yllättäen VIX-indeksi toimii kuitenkin vahvempana hedgenä ja parempana turvasatamana kuin kulta tarkasteluajanjaksolla. VIX-indeksin absoluuttisen arvon kerroin on paljon suurempi kuin kullan, viitaten sen olevan paljon tehokkaampi hedge kuin kulta. Tuloksista havaitaan myös, että kullalla ei ole negatiivista korrelaatiota Yhdysvaltojen osakemarkkinoiden kanssa äärimmäisen matalien ja korkeiden volatiliteettien aikana, mutta VIX-indeksi säilyttää negatiivisen korrelaation koko ajan. VIX-indeksi toimii vahvana turvasatamana äärimmäisissä markkinalaskuissa ja korrelaatiot ovat vahvasti tilastollisesti merkitseviä. Tutkimuksen tulokset osoittavat, että platina ja hopea eivät toimi hedgenä tai turvasatamana. Korrelaation on havaittu muuttuvan (kasvavan) markkinoilla ajan kuluessa ja erityisesti korkeamman volatiliteetin ajanjaksoilla (Solnik, Boucrelle & Fur 1996). Longin ja Solnik (2001) osoittavat, että markkinoiden välinen korrelaatio kasvaa laskumarkkinassa ja tämän korrelaation liittyvän markkinatrendiin. Niinpä seuraavaksi Hood ja Malik (2013) tarkastelevat korrelaatioita eri volatiliteetin tasoilla. He löytävät Iterative Cumulative Sums of Squares (ICSS) algoritmilla 10 volatiliteettiluokkaa. Korkein volatiliteetin ajanjakso vastaa vuoden 2008 finanssikriisiä kahdeksannessa volatiliteettiluokassa. Tänä ajanjaksona VIXindeksin korrelaatio S&P 500 -indeksin kanssa oli huomattava -87%. Kullalla ei havaittu negatiivista korrelaatiota S&P 500 -indeksin kanssa tällä tärkeällä ajanjaksolla. Toisin sanoen kulta ei toiminut hedgenä silloin kuin markkinat olisivat eniten suojausta kaivanneet. Kullalla ei havaita negatiivista korrelaatiota myöskään matalimman volatiliteetin aikana. VIX-indeksi

37 37 puolestaan on negatiivisesti korreloitunut S&P 500 -indeksin kanssa kaikissa volatiliteettiluokissa ja korrelaatio on erityisen vahva korkeissa volatiliteettiluokissa. Lopuksi Hood ja Malik (2013) tutkivat kultaa ja VIX-indeksiä portfolioanalyysin avulla. Tarkoituksenmukaisella hedgellä tulisi olla huomattava vaikutus riskiin (keskihajontaan) ilman huomattavaa vaikutusta tuottoon (keskiarvoon), kun se lisätään portfolioon. Koska kulta ja VIX-indeksi ovat negatiivisesti korreloituneita osakemarkkinoita vasten ja omaavat korkeamman keskituoton kuin markkinat, molemmat tarjoavat vahvan hajautushyödyn. Taulukko 1: Portfolioanalyysi eri portfolioiden koostumuksilla ajanjaksolla 100% S&P % S&P 500 & 60% Kulta 85% S&P 500 & 15% VIX Keskituotto 0,03 % 0,04 % 0,05 % Keskihajonta 1,31 % 0,83 % 0,75 % Lähde: Hood & Malik Taulukossa 1 on esitetty Hoodin ja Malikin (2013) portfolioanalyysin tulokset. Portfolioanalyysin lähtökohdassa S&P 500 -indeksi tuotti 15 vuoden ajanjaksolla keskimäärin 0,03% keskihajonnan ollen 1,31%. Yhdistelemällä 40% S&P 500 -indeksiä ja 60% kultaa saavutetaan 37% matalampi keskihajonta ja korkeampi keskituotto kuin lähtökohdassa. Kuitenkin yhdistelemällä 85% S&P 500 -indeksiä ja vain 15% VIX-indeksiä saavutetaan 42% matalampi riski kuin lähtökohdassa, ja silti 0,05% keskituotto. VIX-indeksillä on korkeampi keskihajonta kuin S&P 500 -indeksillä ja kullalla, ja se on melkein täydellisen negatiivisesti korreloitunut S&P 500 -indeksin kanssa. Täten VIX-indeksi soveltuu suurempaan osaan portfolioita ja portfolion riskiä voidaan laskea pienemmällä painoarvolla kuin kullalla. Portfolio joka olisi kokonaan sijoitettu S&P 500 -indeksiin kokisi 1,83% tappion noin 1 päivänä 17:sta, mutta portfolio jossa olisi 15% VIX-indeksiä kokisi saman tappion vain noin 1 päivänä 100:sta. Tulosten perusteella VIX-indeksi on erinomainen hedge ja toimii paremmin turvasatamana kuin kulta tarkasteluajanjaksolla. Uusinta alan tutkimusta edustaa Phong Minh Nguyen ja Wei-Han Liun tutkimus Timevarying linkage of possible safe-haven assets: a cross-market and cross-asset analysis vuodelta 2015, joka erottuu muista vastaavista julkaisuista laajan aineiston ja syvällisten

38 38 tutkimusmenetelmien käytön ansiosta. Nguyen ja Liu (2015) tutkivat mahdollisten turvasatamien dynaamista yhteyttä kansainvälisesti tärkeimmillä markkinoilla yli 34 vuoden ajalta. Tutkimuksessa tarkastellaan neljän pääomaisuuslajin (pitkän ajan valtion velkakirjalainojen, osakemarkkinaindeksien, öljyn ja kullan) toimimista turvasatamana markkinoiden hermoillessa tutkittaessa omaisuuslajeja pareittain. Viimeisimmän markkinaromahduksen (finanssikriisin) aikana vuodesta 2007 alkaen, mahdolliset turvasatamaomaisuuslajit ovat kokeneet huomattavaa yhtenäistä laskusuhdannetta (Piplack & Straetmans 2010). Mahdollinen omaisuuslajien yhteisromahdus luokin uusia haasteita perinteisille turvasatamien edellytyksille. Täten Nguyen ja Liu (2015) tutkivatkin perinteisten turvasatamaomaisuuslajien kullan ja valtion velkakirjalainojen lisäksi myös öljyn ja osakemarkkinaindeksien edellytyksiä toimia turvasatamana. Öljyllä on matala pitkänaikavälin korrelaatio perinteisten omaisuuslajien kanssa (Chevallier & Ielpo 2013) ja aihealueen kirjallisuudessa osakemarkkinaindeksit tarjoavat yleensä yhtenäisen mittarin koko talouden tilanteesta. Aikaisempien tutkimusten tuloksien eroavaisuuteen vaikuttavat suuremmilta osin aineiston aikavälin, markkinapaikan, omaisuuslajin ja käytetyn tutkimusmenetelmän valinnat. Nguyen ja Liu (2015) keskittyvätkin tutkimuksessaan erityisesti näiden osa-alueiden valintaan tarkasti, jotta saavutettaisiin subjektiivisempi arvio. Jotta turvasatamana toimivuutta voidaan tutkia, aineiston aikavälin on oltava pitkä ja siihen tulisi kuulua riittävästi äärimmäisiä havaintoja. Aineiston aikaväliksi on valittu mahdollisimman pitkä ajanjakso, joka koostuu 34 vuoden päivittäisistä havainnoista alkaen vuodesta Jokaisella markkinapaikalla on omat ominaisuutensa ja sijoittajat kokevat markkinoilla erilaisia mieltymyksiä riskiä ja omaisuuslajeja kohden. Täten on järkevää valita markkinapaikat tärkeimmistä kehittyneistä ja kehittyvistä markkinoista. Tutkimus koostuu 11 kansainvälisesti tärkeimmästä maasta kolmelta eri maanosalta: Eurooppa (Iso-Britannia, Ranska, Saksa, Sveitsi, Espanja ja Italia), Pohjois-Amerikka (Yhdysvallat ja Kanada) ja Itä-Aasia (Australia, Uusi-Seelanti ja Japani). Määrittääkseen äärimmäisten markkinamuutosten muuttuvan riippuvuuden rakenteen jatkuvasti, tutkijat pyrkivät käyttämään menetelmää, joka pystyy havaitsemaan epäsymmetrisen riippuvuuden äärimmäisissä markkinamuutoksissa ajallisen vaihtelun puitteissa. Epäsymmetrisen riippuvuuden on todistettu olevan merkitsevä taloudellisten omaisuuslajien tuottosarjoissa. Äärimmäisten markkinamuutosten riippuvuuksien rakenne on erittäin epälineaarinen ja perinteinen varianssi-kovarianssimatriisi epäonnistuu äärimmäisten häntien riippuvuuksissa. Tutkijat päätyvät käyttämään ajallisesti vaihtelevaa symmetristä Joe-

39 39 Clayton copula (SJC) menetelmää havaitakseen parittaisen ajallisesti vaihtelevan riippuvuuden omaisuuslajien välillä halki markkinoiden. Patton (2006) kehitti SJC menetelmän ja tarjosi tukevia tuloksia menetelmän suoriutumisesta epäsymmetrisen riippuvuuden havaitsemisesta. SJC:n on todistettu tarjoavan ylivoimaisen mallin laskevien ääripäiden riippuvuuksien tarkasteluun. Sen lisäksi käytetään Gaussian copula menetelmää, joka käyttää hyväkseen symmetriaa riippuvuusarvioissa, ja täten jättää yhtenäisromahduksen huomioimatta kriisin aikana. Nguyen ja Liu (2015) havaitsevat aineistossa kaikkien tuottosarjojen ilmentävän huomattavaa paksuhäntäisyyttä tarkasteltaessa vinoutta, huipukkuutta ja Jarque-Beran normaalisuustestin tuloksia. Lisäksi havaitaan Gaussian copulan tunnistavan konservatiivisemmin turvasatama -ominaisuuden kuin SJC. Tutkijat päätyvät raportoimaan vain SJC tulokset, koska se tarjoaa tarkemman kuvan kaikkien parien riippuvuuksissa kuin staattinen menetelmä, ja Gaussian copulan tulokset sisälsivät erityisen paljon kohinaa. Symmetrisoitu Joe-Clayton (SJC) copula tarjoaa tulosten perusteella ylivoimaisen menetelmän raskaiden häntien tuottojen riippuvuuksien mallintamisessa, erityisesti laskevien häntien. Samaan eivät kykene Pearsonin korrelaatiokerroin, Kendallin tau ja Gaussian copula menetelmät. Ajallisen vaihtelun ikkunaksi valitaan 100 päivää, joka on markkinoilla toimivien ammattilaisten tavallisin aikaväli salkun uudelleen painotukselle, ja jonka on havaittu toimivan tämänkaltaisissa tutkimuksissa (Ciner, Gurdgiev & Lucey 2013). Tutkimuksen tulosten perusteella mahdollisten turvasatamaomaisuuslajien välinen korrelaatio ei ole staattinen eikä korjattu. Tutkimuksen tuloksista havaitaan selkeimpinä turvasatamina toimivan kullan ja öljyn vasten valtion velkakirjalainoja, jonka havaitaan toimivan jokaisella markkinapaikalla. Pitkän aikavälin valtion velkakirjalainat tarjoavat merkittävän hedgen osakemarkkinoille, kullalle ja öljylle jopa kovissa markkinamuutoksissa. Valtion velkakirjalainojen, kullan ja öljyn ei nähdä kuitenkaan tuovan turvaa vasten osakemarkkinaindeksejä. Myöskään kullan ei nähdä todistavan rooliaan vahvana turvasatamana. Tulosten perusteella Yhdysvalloissa ja Itä- Aasiassa havaitaan olevan enemmän vaihtoehtoisia turvasatamia vasten osakemarkkinoita kuin muilla markkinapaikoilla. Vähiten mahdollisia turvasatamia havaitaan Sveitsissä ja Kanadassa.

40 40 3 TUTKIMUSAINEISTO JA -MENETELMÄT 3.1. Tutkimusaineisto Tutkimuksessa tutkittaviksi osakemarkkinan turvasatamiksi olen valinnut velkakirjamarkkinan, Yhdysvaltain dollarin (USD), kullan, öljyn ja VIX-indeksin. Osakemarkkinoiden ja velkakirjamarkkinoiden välinen suhde on tutkituin omaisuuslajien pari, jonka käyttäytyminen on kiinnostanut tutkijoita näiden markkinoiden alusta alkaen. Osakemarkkinoiden ja velkakirjamarkkinoiden välillä on havaittu olevan selkeä yhteys. Fama ja French (1989) tutkivat yhteyttä ja havaitsivat yritysten velkakirjalainojen ja osakkeiden odotettujen tuottojen vaihtelevan yhdessä. Heidän mukaansa osinkotuotot ennustavat sekä osakkeiden tuottoja, että velkakirjalainojen tuottoja. Yleisenä konsensuksena tutkimusten tuloksista voidaan pitää, että osakkeiden hinnanmuutosten ja pitkän ajan korkotason muutosten välillä havaitaan negatiivinen korrelaatio (mm. Shiller & Beltratti 1992). Uudemmat tutkimukset kuitenkin kyseenalaistavat negatiivisen korrelaation pysyvyyden jatkuvasti. Baele, Bekaert ja Ingelbrecht (2009) eivät onnistu mallintamaan osakemarkkinoiden ja velkakirjamarkkinoiden välistä negatiivista korrelaatiota jatkuvilla faktoreilla, jolloin suhde vaikuttaisi olevan ajallisesti vaihteleva. Valuutat ovat tärkeä osa taloutta. Talousteoriat rakentuvat ajatukselle, että valuuttojen ja osakemarkkinoiden ja velkakirjamarkkinoiden välillä on yhteys. Valuuttojen muutokset vaikuttavat muihin markkinoihin tai valuutat ilmaisevat muutoksia muissa markkinoissa. Valuuttojen on tutkittu vaikuttavan suurimpaan osaan osakemarkkinoita, ja selittävän 23% osakkeiden päivittäisen tuoton volatiliteetista (Roll 1992). Yleisesti valuuttojen ja osakkeiden välillä näyttäisi olevan läheinen yhteys, mutta sillä kuinka vapaasti valuuttakurssin annetaan kellua kysynnän ja tarjonnan kautta määräytyvänä on vaikutusta suhteeseen (Phylaktis & Ravazzolo 2005). Valuuttojen toimivuudesta turvasatamina saatiin havaintoa finanssikriisissä , kun usean maan, jotka eivät olleet kriisin keskustassa, valuuttojen arvot laskivat vasten kolmea merkittävintä valuuttaa: Yhdysvaltain dollaria, Japanin jeniä ja Sveitsin frangia. Tähän pidetään selityksenä pääomien virtausta turvasatamana pidettyihin valuuttoihin ja korkotasoerojen vaikutusta (Kohler 2010). Britannian punnan on havaittu toimivan turvasatamana osakemarkkinoille, velkakirjamarkkinoille ja kullalle markkinaromahduksissa. Vastaavasti on taas havaittu, etteivät valuuttamarkkinat näytä toimivan turvasatamana

41 41 yhdellekään omaisuuslajille Yhdysvaltain markkinoilla (Ciner, Gurdgiev & Lucey 2013). Toisaalta kuitenkin Yhdysvaltain dollarilla on jo kauan havaittu olevan näyttöä roolistaan toimia turvasatamana eurooppalaisille sijoittajille (Hartmann, Straetmans & de Vries 2004). Jos osakemarkkinoiden ja velkakirjamarkkinoiden suhde on tutkituin omaisuuslajien pari, on kulta tutkituin yksittäinen omaisuuslaji, jonka on oletettu toimivan turvasatamana. Ensimmäisiä havaintoja kullan hyödyistä sijoituksena teki Jaffe (1989), havaiten kullan tuovan hajautushyötyä lisättäessä portfolioon. Kulta nostaa portfoliossa keskimääräistä tuottoa ja laskee keskihajontaa. Kullan on havaittu toimivan turvasatamana osakemarkkinoille (Baur & Lucey 2010, Baur & McDermott 2010, Hood & Malik 2013), mutta ei yleisesti velkakirjamarkkinoille (Baur & Lucey 2010). Tätä ominaisuutta toimia turvasatamana ei kuitenkaan havaita muissa arvometalleissa kuin kullassa (Hood & Malik 2013). Kulta toimii turvasatamana osakemarkkinoille voimakkaimmillaan päivittäisen laskevan markkinamuutoksen sattuessa alle 1% todennäköisyyteen, eli äärimmäisessä romahduksessa (Baur & McDermott 2010). Turvasatamana toimivuus ei ole kuitenkaan pysyvää, vaan katoaa noin 15 kauppapäivän aikana äärimmäisestä markkinaromahduksesta (Baur & Lucey 2010). Yleisen käsityksen mukaan kullan taipumus toimia turvasatamana tulee kullan monetaarisesta roolista toimien ensimmäisenä rahan muotona. Kultaa ei voida kuitenkaan nykyään rinnastaa valuuttaan, sillä kulta on toiminut pikemminkin hedgenä Yhdysvaltain dollarille vuodesta 1971 vuoteen 2004 (Capie, Mills & Wood 2005). Öljyllä on tärkeä rooli maailman taloudessa, vaikka se lähinnä nähdään raaka-aineena. Öljy on tärkeä vientituote osalle maista, öljyn hinnanvaihtelun vaikutukset heijastuvat ympäri maailmaa ja öljyä on käytetty myös politiikan välineenä. Huang, Masulis ja Stoll (1996) eivät löytäneet korrelaatiota öljy-futuurien ja osakemarkkinoiden tuottojen väliltä, ja näin ollen pitivät tuloksena öljy-futuureita hyvänä hajauttajana osakeportfoliossa. Öljyn suhteen muihin omaisuuslajeihin on kuitenkin havaittu vaihtelevan ajallisesti 1990-luvun ja 2000-luvun välillä (Ciner, Gurdgiev & Lucey 2013). Park ja Ratti (2008) tutkimus puolestaan osoittaa öljyn hinnanmuutosten vaikuttavan kuukauden sisällä osakkeiden arvostukseen. Heidän mukaansa öljyn hinnanromahdukset selittävät mediaanin perusteella 6% osakemarkkinatuottojen volatiliteetista. Öljy on toiminut turvasatamana tiettyinä erityisinä ajanjaksoina, kuten osakemarkkinoille Persianlahden sodan aikana 1990 ja finanssikriisissä , sekä velkakirjamarkkinoille osakemarkkinaromahduksissa vuosina 1987 ja 2000 Yhdysvalloissa ja Isossa-Britanniassa (Ciner, Gurdgiev & Lucey 2013). Öljy voi näin ollen toimia turvasatamana äärimmäisissä markkinamuutoksissa.

42 42 VIX-indeksi (= volatiliteetti-indeksi) on alettu huomioida mediassa vasta finanssikriisin 2007 jälkeen ja ensimmäiset VIX-indeksiä sisältävät tutkimukset ovat ilmestyneet 2010-luvun vaihteessa. Volatiliteettia turvasatamana tai hedgenä tutkivia tutkimuksia ei niinkään ole paljoa. Kuitenkin volatiliteettia sijoitusmarkkinoilla on tutkittu rahoitusteorian alusta alkaen. Volatiliteetin ja osakemarkkinoiden välistä suhdetta voidaan kuvata kahdella teorialla Bekaert ja Wu (2000) tutkimuksen mukaisesti: (1) Black (1976) ja Christie (1982) pyrkivät selittämään yksittäisten osakkeiden tuottojen epäsymmetristä volatiliteettia seuraavasti: osakkeen negatiivinen kehitys kasvattaa rahoituksellista vipuvaikutusta, mikä tekee osakkeesta riskillisemmän ja kasvattaa osakkeen volatiliteettia. Tätä kutsutaan vipuvaikutus teoriaksi. (2) Volatiliteetin on todistettu olevan myös jatkuvaa. Uutiset, hyvät tai huonot, nostavat sekä nykyistä, että tulevaa volatiliteettia. Volatiliteetin nousu kasvattaa odotetun tuoton vaatimusta, joka laskee osakkeiden hintoja. Tätä kutsutaan ajallisesti vaihtelevaksi riskipreemio teoriaksi. Yhteistä näille kahdelle teorialle on volatiliteetin ja osakemarkkinoiden välinen negatiivinen suhde. Malik (2011) osoittaa tämän suhteen olevan vielä vahvempi kuin aikaisemmin on oletettu. Hänen mukaansa tämä erityisen vahva negatiivinen korrelaatio volatiliteetin ja osakemarkkinoiden välillä laskumarkkinassa tarjoaa ajallista suojausta pääomatappion riskille. Volatiliteetin on havaittu hyödyttävän portfolioita myös muilla tavoilla, kuten Briere, Burgues ja Signori (2010) tutkimuksessaan toteavat volatiliteetin (sijoituksena) lisäämisen osakeportfolioon työntävän tehokasta rintamaa huomattavasti ulospäin, tuottavan hajautushyötyä ja parantavan portfolion tuottoa. Volatiliteettiin sijoittaminen onnistuu helposti kaupankäynnin kohteena olevien volatiliteettijohdannaisten avulla, joista nimekkäin on VIX-indeksi (Hood & Malik 2013). VIX-indeksin kehittäjä Robert Whaley on esittänyt, että VIX-indeksin tarkoitus on osaltaan toimia hedgenä osakesijoituksille (Whaley 2009). Ensimmäinen VIX-indeksiä ja kultaa turvasatamana vertaileva tutkimus osoittaa VIX-indeksin toimivan parempana turvasatamana kuin kullan. Tutkimuksen tuloksena VIX-indeksin todetaan tarjoavan vahvan hedgen ja turvasataman Yhdysvaltain osakemarkkinoille ajanjaksolla (Hood & Malik 2013). Tutkimuksen aineisto on peräisin Thomson Reuters Datastream -tietokannasta. Tutkittavia muuttujia varten on pyritty valitsemaan mahdollisimman sopiva tuote kuvastamaan kyseisen muuttujan toivottua käyttäytymistä ja luonnetta markkinoilla. Tuotteiden valinnassa on huomioitu myös mahdollisimman kattavat päivittäiset arvot valitulta ajanjaksolta. Tutkimuksen aineiston ajanjaksoksi on määritelty 2000-luku, ja aineisto mahdollistaa tämän tarjoamalla jokaiselle muuttujalla katkeamattoman päivittäisen datan 2000-luvun alusta.

43 43 Aineistoon on päätetty ottaa mukaan kaikki täydet vuodet, joilta kurssitietoa löytyy. Näin ollen aineiston ajanjaksoksi on saatu , johon sisältyy 4175 kaupankäyntipäivää. Jokainen muuttuja kattaa kyseisen ajanjakson jokaisen kaupankäyntipäivän, jolloin aineisto on täydellinen, eikä puuttuvia tietoja ole. Taulukko 2: Tutkimukseen valitut muuttujia kuvaavat tuotteet Omaisuuslaji Osakeindeksi Velkakirjamarkkina Valuutta Kulta Öljy Volatiliteetti Tuote OMX Helsinki (OMXH) Equity Index (EURO) United States Benchmark 10 years Datastream Goverment Index (USD) European Monetary Union Benchmark 10 years Datastream Goverment Index (EURO) Germany Benchmark 10 years Datastream Goverment Index (EURO) United States Dollar to Euro (WMR and DS) Closing Spot Rate (EURO) Gold Bullion London Bullion Market U$ / Troy Ounce (USD) Crude Oil-West Texas Intermediate Spot Cushing United States Dollar Per Barrel (USD) Crude Oil-Brent Dated Free on Board United States Dollar Per Barrel (USD) CBOE SPX Volatility Index VIX (USD) Taulukossa 2 on lueteltu tutkimuksen muuttujiksi valitut tuotteet. Velkakirjamarkkinoita ja öljyä kuvaaviksi muuttujiksi on rakennettu yhdistelmämuuttuja useasta tuotteesta keskiarvomenetelmällä, jossa kaikilla tuotteilla on sama painoarvo. Tällä on pyritty saavuttamaan kyseistä omaisuuslajia paremmin mukaileva muuttuja, kuin että lopputulokseen vaikuttaisi liikaa yksittäisen tuotteen ominaisuudet. Yhdysvaltain dollareissa noteeratut tuotteet on muutettu euromääräisiksi jokaisen päivän vastaavalla valuuttakurssilla, jotta tutkimuksen näkökulma vastaisi Helsingin pörssiin sijoittavan sijoittajan näkökulmaa. Näin myös valuuttaerojen vaikutus poistetaan tutkimuksesta ja tutkimus keskittyy puhtaammin omaisuuslajien väliseen vaihteluun Tutkimusmenetelmä Toteutettava tutkimus on kvantitatiivinen ja empiirinen tilastotutkimus, jossa käsitellään määrällistä tilastoista hankittua aineistoa, jota tutkitaan kokemusperäisesti mittaamalla. Koska tutkimuksessa ollaan kiinnostuneita tutkimuskohteiden yhteyksistä, tutkitaan muuttujien välisiä riippuvaisuuksia, jolloin pääasiallisena mittarina käytetään Pearsonin

44 44 korrelaatiokerrointa. Tutkimusta voisi kuvailla lineaarisen riippuvuuden korrelaatiotutkimukseksi. Koska vastaavanlaista tutkimusta ei ole vielä tehty, päädyn tuottamaan tietoa ja tuloksia, joilla voi rakentaa yleistä kuvaa aihealueesta ja rakentaa pohjaa tuleville tutkimuksille. Näin ollen en syvenny tarkempien kausaalisuhteiden regressioanalyyseihin tai epälineaaristen mallien käyttämiseen. Uskon työni laajuuden täyttävän näitä ilmankin vaadittavan syvyyden. Kieltämättä näitä menetelmiä käyttämällä saavutettaisiin syvällisempi ja monipuolisempi kuvaus omaisuuslajien yhteyksistä. Tämän työn pohjalta voisi suorittaa jatkotutkimuksen käyttäen kehittyneempiä ja syvällisempiä tutkimusmenetelmiä. Tutkimuksessa tullaan analysoimaan aineistoa kuvaajien, tilastollisen statistiikan ja tunnuslukujen avulla. Näillä keinoilla pyritään luomaan kuvaa muuttujien keskinäisistä yhteyksistä. Pääasiallisena tutkimusmenetelmänä tullaan tukeutumaan korrelaatioiden tutkimiseen. Mahdollisia turvasatamia korrelaatioanalyysillä havaittaessa, toteutetaan portfolioanalyysi, jossa muodostetaan esimerkkiportfolioita osakemarkkinasijoitusta ja turvasatamaa kombinoimalla ja verrataan näiden portfolioiden käyttäytymistä tutkimusajanjaksolla. Portfolioanalyysillä pyritään tuomaan esille turvasataman soveltamista teoreettisesti sijoitustoimintaan. Tutkimuksen tehtävinä on aineiston kuvailu, vertailu ja soveltaminen, pyrkimyksenä tuottaa tietoa sijoitustoiminnan turvasatamista. Pearsonin tulomomenttikorrelaatiokerroin on muuttujien yhteisvaihtelun tunnusluku, joka ilmaisee muuttujien välisen lineaarisen riippuvuuden voimakkuuden. Korrelaatiokerroin vaatii vähintään välimatka-asteikolliset muuttujat. Korrelaatiokerroin vaihtelee aina välillä -1 ja +1, jolloin sen etuna kovarianssiin nähden on vertailtavuus. Tästä syystä kovarianssi ei juurikaan käytetä empiirisissä tutkimuksissa, vaan yhteisvaihtelua mitataan korrelaatiokertoimen avulla. Korrelaatiokertoimen poikkeavuus nollasta on oltava selkeä, jotta voidaan puhua riittävästä yhteydestä muuttujien välillä. Testattaessa lineaarista riippuvuutta määritellään merkitsevyystaso, jonka alittavat arvot hyväksytään todellisina, eivätkä sattumasta johtuvina. Jos merkitsevyystaso jää määriteltyä tasoa suuremmaksi, tulos voidaan todeta sattumasta johtuvaksi. Korrelaatioanalyysiä käytetään etenkin silloin, kun analysoitavana on iso määrä muuttujia. Korrelaatiokerroin ei kuitenkaan havaitse riippuvuutta, mikäli muuttujien välinen yhteys on muunlaista kuin lineaarista, esimerkiksi käyräviivaista. Korrelaatiokerroin ei myöskään ilmaise kausaali-, eli syy-seuraussuhteita. Vaikka kahden muuttujan ilmiöt esiintyvät samanaikaisesti tai samalla tavalla, ei voida tehdä johtopäätöksiä kausaalisuudesta, eli siitä kumpi muuttuja aiheuttaa kumman muutoksen. Voi olla, ettei kumpikaan muuttuja

45 45 aiheuta muutoksia, vaan on olemassa kolmas muuttuja joka aiheuttaa muutokset. Kausaalisuhteiden tutkimiseksi tulisi korrelaatioiden lisäksi suorittaa regressioanalyysi. Korrelaatiokertoimet muodostavat tärkeän lähtökohdan monille monimuuttujamenetelmille. (Heikkilä 2004, 90, , 246; Nummenmaa 2004, ) Korrelaatiokertoimen käyttäminen tutkittaessa taloudellisien ja rahoituksellisien muuttujien yhteyksiä on yksinkertainen ja yleisesti käytetty tilastomenetelmä. Siitä kuvastaako korrelaatio oikein taloudellisia ja rahoituksellisia muuttujia, keskustellaan jatkuvasti alan tutkimuksissa. Tutkimukset eivät yleisesti tyydy pelkästään korrelaatioiden tutkimiseen, vaan alan tutkijat käyttävät pääsääntöisesti kehittyneempiä menetelmiä yhteyksien tutkimiseen. Yhteisymmärrystä omaisuuslajien yhteyksien muodosta ei ole, sillä yhteyksiä ei ole vielä onnistuttu kuvastamaan riittävällä tasolla. Tällöin ei voida sanoa, ovatko riippuvuudet lineaarisia vai epälineaarisia ja ovatko riippuvuudet pysyviä vai vaihtelevia. Menetelmiä tutkimuksen toteuttamiseen on useita, joista tulisi päätyä valitsemaan se kaikkein soveltuvin. Kaikkein edistyneimmät ja vaativimmat menetelmät tulevat rajatuksi pois jo työn laajuuden ja erityisosaamisen puuttumisen takia. Perinteisissä korrelaatiomenetelmissä on kuitenkin omat heikkoutensa, jonka johdosta on kehitelty edistyneempiä menetelmiä huomioimaan muuttujien yhteyksiä. Korrelaatioanalyysi altistaa aineiston noudattamaan normaalijakautuneisuutta ja havaitsee vain lineaarisen yhteyden, jonka johdosta osassa tutkimuksissa käytetään ei-parametrisia menetelmiä (Hartmann, Straetmans & de Vries 2004). Omaisuuslajien välisten korrelaatioiden ollaan aikaisemmin havaittu olevan ajallisesti vaihtelevia, jolloin tutkimuksessa olisi suositeltavaa käyttää Robert Englen kehittämään ekonometristä DCC (Dynamic Conditional Correlation) menetelmää (Ciner, Gurdgiev & Lucey 2013). DCC malli estimoi dynaamista korrelaatiota muuttujien välille. Myös Robert Englen kehittämä GARCH (Generalized Autoregressive Conditional Heteroskedasticity) malli on DCC mallin ohella suosittu malli kuvaamaan ajallisesti vaihtelevia lineaarisia korrelaatioita. Näiden mallien käytettävyys ja heikkoudet piilevät siinä, että ne kuvaavat hyvin yleisen trendin aikaisia yhteyksiä, mutta eivät huomioi äärimmäisten muutosten aikaisia yhteyksiä (Nguyen & Li 2015). Taloudellisten aikasarjojen satunnaismuuttujien on havaittu olevan heteroskedastisia, jonka johdosta käytetään myös ekonometrisiä GARCH prosessin sisältäviä regressiomalleja kuvaamaan ja mallintamaan muuttujia (Capie, Mills & Wood 2005).

46 46 4 TUTKIMUKSEN TULOKSET 4.1. Toteutus ja tulokset Markkinoilla 16 vuoden ajanjaksoa voidaan pitää pitkänä. Tähän aikaväliin sisältyy varmasti useita erilaisia ajanjaksoja, joissa muuttujien suhteet toisiinsa vaihtelevat. Ensimmäiset havainnot muuttujien suhteista voidaan saada helposti arvonkehityksen graafisen kuvaajan avulla. Kuvio 8: Tutkimuksen muuttujien normalisoitu arvonvaihtelu tutkimusajanjaksolla Kuviossa 8 on esitetty tutkimuksen aineisto viivakaaviona, jossa päivittäiset kurssit ovat normalisoitu vaihtelemaan 1 0 välillä. Kuviossa OMX Helsingin indeksi esiintyy punaisella ja mahdolliset turvasatamaomaisuuslajit eri siniharmaan sävyinä. Kuviosta saadaan yleiskuvaus siitä, kuinka muuttujien arvot ovat kehittyneet tutkimusajanjaksolla. Kuviosta voidaan havaita osakemarkkinoiden vuoden 2000 teknokupla, jolloin IT-alan yritysten osakkeet romahtivat rajusti ja vuonna 2008 alkanut finanssikriisi, joka järisytti koko markkinoita. Teknokupla ei näyttäisi levinneen osakemarkkinoilta muihin omaisuuslajeihin,

47 47 mutta finanssikriisin voidaan nähdä koskettaneen myös muita omaisuuslajeja. Dollarin nähdään kehittyneen aluksi vahvasti, mutta alkaneen laskea puolenvälin jälkeen kohti 2015 vuoden loppua. Velkakirjalainojen kehityksen voidaan nähdä olleen tasaista koko ajanjakson ja ajanjakson loppuun mennessä olleen positiivisesti vaihdelluin muuttuja. Kehityksen voimakkuudesta ei kuitenkaan voida sanoa tämän kuvion perusteella mitään, koska vaihtelut ovat normalisoitu esittämään vaihtelua ajanjakson minimi- ja maksimiarvojen välillä. Volatiliteetti on vaihdellut rajusti lyhyellä aikavälillä, mutta pitkällä aikavälillä kehitys on ollut hyvin sivuttaissuuntaista, eli kurssi on palannut aina samoille tasoille, kun se on ollut ennen suurempaa muutosta, eikä näin ollen vaikuta tuottaneen sijoituksena ollenkaan. Volatiliteetti kuitenkin näyttäisi kehittyneen parhaiten vasten osakemarkkinoita, jolloin volatiliteetti voisi näin ollen toimia hedgenä osakemarkkinoille. Taulukko 3: Tutkimuksen muuttujien kuvaileva statistiikka Descriptive Statistics N Minimum Mean Maximum Std. Deviation Skewness Kurtosis Profit Statistic Statistic Statistic Statistic Statistic Statistic Std. Std. Statistic Error Error % OMX Helsinki ,1597 0, ,1568 0,0182-0,112 0,038 7,187 0,076-41,04 % Velkakirjamarkkina ,0259 0, ,0273 0,0042-0,037 0,038 2,750 0, ,41 % USD ,0377 0, ,0473 0,0063 0,184 0,038 2,576 0,076 8,40 % Kulta ,0957 0, ,0651 0,0106-0,264 0,038 5,655 0, ,95 % Öljy ,1563 0, ,1323 0,0204-0,061 0,038 3,809 0,076 33,22 % Volatiliteetti ,3061 0, ,6330 0,0672 1,264 0,038 6,539 0,076-31,79 % Seuraavaksi aineiston muuttujien päivittäisistä kaupankäyntikursseista on laskettu päivittäiset muutokset edeltävän päivän kurssista, jolloin aineiston muuttujia voidaan verrata keskenään toisiinsa. Aineisto tulisi saattaa mahdollisimman normaalisti jakautuneeksi, jotta tilastollisista menetelmistä ja tunnusluvuista saataisiin mahdollisimman luotettavaa tietoa. Päivittäiselle vaihtelulle kokeillaan luonnollisen logaritmin muunnosta aineiston normalisoimiseksi, mutta se heikentää aineiston asettumista normaalijakaumalle vinouden ja huipukkuuden kasvaessa useammassa muuttujassa, jolloin hylätään logaritmimuunnoksen käyttäminen. Kuten taulukosta 3 voidaan havaita, aineisto on huipukasta, joka tarkoittaa aineiston vaihtelun asettuvan normaalia enemmän keskiarvon ympärille. Vinoutta tutkittaessa ainoastaan volatiliteetin voidaan havaita olevan hieman positiivisesti vino. Muuttujien

48 48 normaalijakautuneisuus on varsin voimakas vaatimus, mutta suurilla otoskoilla voidaan kuitenkin turvautua keskeiseen raja-arvolauseeseen, jonka mukaan otantajakaumaa voidaan pitää normaalina suurilla otoskoon arvoilla (Heikkilä 2004, 225). Keskiarvon perusteella OMX Helsinki on tuottanut 0,004% päivittäin eli vuosituotoksi muutettuna keskimäärin 1,044% vuodessa (keskimäärin 261 kaupankäyntipäivää per vuosi). Keskiarvon ja keskihajonnan perusteella volatiliteetti on sijoituksena ollut odotusarvoltaan kaikkein tuottavin ja samalla riskisin. Mikäli valtion velkakirjalainoja pidetään riskittömänä tuottona, niin Sharpen luvulla mitattuna OMX Helsingissä (-0,01) ja dollarissa (-0,03) riskinotto ei olisi ollut kannattavaa ja kullassa (0,011), öljyssä (0,002) ja volatiliteetissa (0,027) riskinotto olisi puolestaan ollut kannattavaa. Tuotto-riskisuhteessa volatiliteetti olisi ollut tehokkain sijoitus. Muuttujien kehityksessä koko tutkimusajanjaksolla on ollut suuria eroja. Heikoiten on tuottanut osakemarkkinaindeksi OMX Helsinki n. -41%, johon tutkimuksen mahdollisia turvasatamia tullaan vertaamaan. Tämän perusteella eniten tuottaneella sijoituksella voisi näin etukäteen ajatellen olla hyvät mahdollisuudet toimia turvasatamana osakemarkkinoille. Parhaiten kyseisellä ajanjaksolla on tuottanut kulta n. +237% tuotolla, joka tarkoittaa noin 5,5% vuosittaista tuottoa. Kuvio 9: Tutkimukseen valitut laskumarkkinat graafisesti esitettynä

49 49 Turvasatamia lähdetään tutkimaan laskevien osakemarkkinoiden aikaisilla korrelaatioilla. Laskumarkkinoista erotetaan erillisiin ryhmiin pitkät laskumarkkinat (yli vuoden, eli yli 261 kaupankäyntipäivää kestävät) ja lyhyet laskumarkkinat (alle vuoden, eli alle 261 kaupankäyntipäivää kestävät). Vuosina kalenterivuodessa oli keskimäärin 261 kaupankäyntipäivää. Kuvio 9 havainnollistaa valitut laskumarkkinat graafisesti. Tutkimuksen valitulle aikajaksolle sisältyy kaksi suurta markkinaromahdusta, IT-kupla 2000 ja finanssikriisi Kolmas yli vuoden kestävä osakemarkkinoiden laskumarkkina alkoi helmikuusta 2011 ja kesti kesäkuuhun Tämän romahduksen syynä oli Euroalueen velkakriisin tapahtumat. Pitkien laskumarkkinoiden kestot vaihtelevat päivään ja romahdusten vaikutukset noin -39% -74%. Pitkien laskumarkkinoiden aineisto kattaa 1434 kaupankäyntipäivän päivittäiset muutokset. Selkeitä lyhyitä laskumarkkinoita ajanjaksolle sisältyy 12 kappaletta. Näiden lyhyiden laskumarkkinoiden kestot vaihtelevat päivään ja romahdusten vaikutukset noin -18% -49%. Lyhyiden laskumarkkinoiden aineisto kattaa 928 kaupankäyntipäivän päivittäiset muutokset. Valittujen laskumarkkinoiden aikavälit, kestot ja kehitykset on esitetty taulukossa 4. Taulukko 4: Tutkimukseen valitut laskumarkkinat Pitkät laskumarkkinat (= yli 261 kaupankäyntipäivää kestävät) Ajanjakso Kesto Kehitys päivää -74,35 % päivää -67,52 % päivää -39,31 % Lyhyet laskumarkkinat (= alle 261 kaupankäyntipäivää kestävät) Ajanjakso Kesto Kehitys päivää -25,83 % päivää -31,97 % päivää -48,80 % päivää -48,96 % päivää -45,79 % päivää -32,26 % päivää -28,98 % päivää -18,48 % päivää -17,68 % päivää -36,55 %

50 päivää -23,67 % päivää -19,63 % Ennen korrelaatiotutkimuksen toteuttamista, tulee aineistoa tarkastella sirontakaavion avulla ja selvittää sisältääkö aineisto mahdollisia poikkeavia havaintoja, jotka voivat vääristää tuloksia. Poikkeavat havainnot ovat havaintoja, joiden suuruusluokka poikkeaa erittäin paljon havaintojen keskimääräisestä suuruusluokasta. Vaikka poikkeavia havaintoja olisi vain muutama, ne vaikuttavat voimakkaasti tilastollisten menetelmien tuloksiin ja täten vääristävät menetelmistä saatavaa kuvaa aineistosta. Puhdistetaan aineistot poistamalla niistä mahdollisesti löytyvät poikkeavat havainnot. Koko tutkimusajanjaksoa tutkittaessa päädytään puhdistamaan aineistoa leikkaamalla 1% havainnoista pois (0,5% molemmista häntäpäistä) ja laskumarkkinoita tutkittaessa päädytään aineistoa leikkaamaan 2% pois (1% molemmista häntäpäistä). (Nummenmaa 2004, 153) Taulukko 5: Laskevien osakemarkkinakurssien korrelaatiotutkimuksen tulokset OMX Helsinki OMX Helsinki Pearson Tutkimusajanjakson korrelaatiot Velkakirjamarkkina USD Kulta Öljy Volatiliteetti Pearson Correlation -0,253 *** -0,018-0,001 0,184 *** -0,325 *** Sig. (2-tailed) 0,000 0,263 0,971 0,000 0,000 N Pitkien laskumarkkinoiden korrelaatiot Velkakirjamarkkina USD Kulta Öljy Volatiliteetti Pearson Correlation -0,271 *** 0,003-0,025 0,194 *** -0,362 *** Sig. (2-tailed) 0,000 0,920 0,363 0,000 0,000 N Lyhyiden laskumarkkinoiden korrelaatiot Velkakirjamarkkina USD Kulta Öljy Volatiliteetti OMX Helsinki Correlation Sig. (2-tailed) -0,227 *** 0,000-0,037 0,271 0,032 0,348 0,165 *** 0,000-0,368 *** 0,000 N *** Correlation is significant at the level (2-tailed). ** Correlation is significant at the 0.01 level (2-tailed). * Correlation is significant at the 0.05 level (2-tailed).

51 51 Aineiston puhdistamisen jälkeen voidaan siirtyä toteuttamaan korrelaatiotutkimus, jonka tulokset löytyvät taulukosta 5. Korrelaatiotutkimuksen aluksi tutkitaan korrelaatioita koko aineiston tutkimusajanjaksolta, joka kattaa aineiston puhdistuksen jälkeen jokaisen muuttujan noin 4085 kaupankäyntipäivän päivittäiset muutokset. Tutkittaessa koko tutkimusajanjakson aikaisia korrelaatioita, selvitetään mitkä omaisuuslajit ovat toimineet hedgeinä osakemarkkinoille kyseisellä ajanjaksolla. Tuloksissa tilastollisesti erittäin merkitsevän tuloksen (***) saavat velkakirjamarkkina, öljy ja volatiliteetti ja yllättäen dollarin ja kullan yhteydet eivät ole laisinkaan tilastollisesti merkitseviä. Dollarin ja kullan korrelaatiot ovat muutenkin mitättömän pienet -0,018 ja -0,001, jolloin tällaisilla tuloksilla ei olisi merkitystä, vaikka tulokset olisivatkin tilastollisesti merkitseviä. Velkakirjamarkkinoilla ja volatiliteetilla havaitaan negatiivinen suhde osakemarkkinoihin, mutta öljy saa puolestaan positiivisen suhteen 0,184*** korrelaatiolla. Voimakkain negatiivinen korrelaatio on volatiliteetilla - 0,325***. Velkakirjamarkkinoilla havaitaan yleinen, aikaisempien tutkimusten tulosten mukainen, negatiivinen suhde osakemarkkinoihin -0,253*** korrelaation vahvuudella. Näin ollen volatiliteetin havaitaan toimivan tehokkaimpana hedgenä osakemarkkinoille vahvan negatiivisen korrelaationsa ansiosta. Laskumarkkinoiden korrelaatioista tutkitaan ensimmäiseksi pitkien laskumarkkinoiden aikaiset korrelaatiot osakemarkkinoiden ja omaisuuslajien välillä. Pitkien laskumarkkinoiden aikaisten korrelaatioiden tulokset mukailevat koko tutkimusajanjakson aikaisien korrelaatioiden tuloksia. Havaitaan tilastollisesti erittäin merkitseviksi tuloksiksi (***) velkakirjamarkkinoiden, öljyn ja volatiliteetin korrelaatiot osakemarkkinoihin nähden. Dollarin ja kullan suhde osakemarkkinoihin ei ole tilastollisesti merkitsevä. Öljyn suhde osakemarkkinoihin pysyy edelleen positiivisessa suhteessa osakemarkkinoihin 0,194*** korrelaation vahvuudella. Sekä volatiliteetin että velkakirjamarkkinoiden negatiivinen suhde osakemarkkinoihin voimistuu. Volatiliteetti on edelleen voimakkainten negatiivinen korrelaatiolla -0,362*** ja velkakirjamarkkinoiden suhde on vahvistunut lähes samassa suhteessa -0,271*** korrelaatiolla. Volatiliteetti on paras turvasatama osakemarkkinoille yli vuoden pituisien laskumarkkinoiden varalle, voimakkaimman negatiivisen korrelaationsa ansiosta osakemarkkinoihin nähden. Seuraavaksi siirrytään tutkimaan lyhyiden laskumarkkinoiden aikaisia osakemarkkinoiden ja turvasatamaomaisuuslajien korrelaatioita. Tulokset mukailevat jo aikaisemmissa vaiheissa saatuja tuloksia. Velkakirjamarkkina, öljy ja volatiliteetti saavat edelleen tilastollisesti erittäin merkitsevät tulokset. Dollarin ja kullan korrelaatiot osakemarkkinoihin eivät ole tälläkään

52 52 kertaa tilastollisesti merkitseviä, eivätkä kovin vahvoja. Öljyn positiivinen korrelaatio heikentyy hiukan aikaisemmista korrelaatioista lyhyisiin laskumarkkinoihin siirryttäessä, korrelaation ollen 0,165***. Yllättäen velkakirjamarkkinoiden korrelaation voimakkuus heikkenee -0,227*** korrelaation kun verrataan pitkien ja lyhyiden laskumarkkinoiden tuloksia ja saavuttaa heikoimman negatiivisen korrelaation tutkituilla kolmella eri ajanjaksosta. Velkakirjamarkkinoiden voidaan näin ollen nähdä toimivan paremmin turvasatamana pitkien osakemarkkinoiden laskujen aikana, kuin lyhyissä laskumarkkinoissa. Volatiliteetti saavuttaa edelleen voimakkaimman negatiivisen korrelaation suhteessa osakemarkkinoihin. Volatiliteetin negatiivinen korrelaatio on lisäksi kaikkein voimakkain lyhyiden osakemarkkinoiden laskujen aikana korrelaatiolla -0,368***. Kuitenkaan ero pitkien laskumarkkinoiden tulokseen ei ole suuri. Korrelaatiotutkimuksen tuloksien tilastollisen merkitsevyyden voi tulkita kahdella tapaa. Aikaisemmin olemme keskittyneet vain tilastollisesti merkitseviin korrelaatioihin ja pitäneet tilastollisesti merkityksettömiä korrelaatioita aineiston sattuman tuloksina. Tilastollisesti merkityksettömät tulokset voidaan kuitenkin myös ajatella olevan täysin riippumattomia osakemarkkinoiden liikkeistä, koska niille ei voida määritellä suhteen suuntaa ja voimakkuutta. Tällainen täysin korreloimaton turvasatama tuo portfolioon hajautushyötyä ja suojaa osakemarkkinoiden laskujen aikana portfoliota. Korreloimaton turvasatama ei välttämättä tuota arvonnousua osakemarkkinan laskumarkkinan aikana, mutta se ei myöskään välttämättä laske arvossa yhtä paljon kuin osakemarkkinat. Tällainen korreloimaton turvasatama täyttää turvasataman määritelmän. Mikäli sijoittaja pyrkii turvasatamasijoituksella saavuttamaan turvaa toisen omaisuuslajin laskumarkkinan aikana, hän suosii ennemmin tilastollisesti merkitsevän negatiivisen korrelaation omaavaa turvasatamaa kuin korreloimatonta turvasatamaa. Mikäli kuitenkin sijoittaja pyrkii turvasatamasijoituksella hajauttamaan portfoliota ja saavuttamaan suojaa portfoliolle kokoaikaisesti, hän voi käyttää tähän korreloimatonta turvasatamaa. Näin ollen dollari ja kulta voidaan nähdä korreloimattomina turvasatamina, ja myös nekin toimivat turvasatamina, kuitenkin erilaisissa tilanteissa kuin tilastollisesti merkitsevän negatiivisen korrelaation saavuttaneet turvasatamat.

53 53 Taulukko 6: Turvasatamien keskituottojen vertailu OMX Helsingin muutosten persentiileissä 10%, 5%, 2,5% ja 1% Persentiilit 0,10 0,05 0,025 0,01 Mean Mean Mean Mean OMX Helsinki -3,36 % -4,34 % -5,39 % -6,94 % Velkakirjamarkkinat 0,25 % 0,28 % 0,26 % 0,23 % US Dollari 0,00 % -0,03 % 0,01 % -0,01 % Kulta 0,06 % 0,04 % 0,02 % -0,12 % Öljy -0,80 % -0,91 % -1,24 % -1,26 % Volatiliteetti 5,21 % 5,54 % 6,10 % 7,19 % N = 418 N = 208 N = 104 N = 41 Toteutetaan OMX Helsingin osakemarkkinan persentiilitutkimus, jossa tutkitaan omaisuuslajien vaihtelua OMX Helsingin heikoiten tuottaneina päivinä, eli milloin osakemarkkinat ovat laskeneet eniten. Tutkittavat persentiililuokat ovat OMX Helsingin päivittäisen vaihtelun alkupään persentiilit 10%, 5%, 2,5% ja 1%. Taulukossa 6 on esitetty kyseisen persentiilitutkimuksen tulokset. Tuloksista saa hyvin selkeän kuvan, kuinka omaisuuslajit ovat keskimääräisesti kehittyneet osakemarkkinan heikoimpina päivinä. Öljy on ainut omaisuuslaji, joka on tuottanut negatiivisesti jokaisessa persentiilissä, mukaillen osakemarkkinan negatiivista kehitystä. Dollarin keskituotto on vaihdellut eri persentiileissä positiivisesta negatiiviseen, mutta tuotto on ollut hyvin lähellä nollan tuntumaa. Kulta on keskituoton perusteella tuottanut positiivisesti kaikissa muissa persentiililuokissa paitsi kaikkein alimmassa 1% luokassa. Aikaisemmista omaisuuslajista poiketen velkakirjamarkkina on ollut selkeästi positiivinen jokaisessa persentiililuokassa, tuoton ollen keskimääräisesti noin 0,26% kun osakemarkkinat laskevat jyrkästi. Volatiliteetin tulokset eroavat muusta joukosta selkeästi. Persentiililuokassa 10% volatiliteetin keskituotto on ollut 5,21% ja mentäessä matalimpaan persentiililuokkaan 1%, volatiliteetin keskituotto nousee 7,19%. Volatiliteetin keskituotto kasvaa systemaattisesti, kun siirrytään OMX Helsingin osakemarkkinoiden päivittäisen vaihtelun persentiililuokissa alaspäin. Sekä velkakirjamarkkinaa että volatiliteettia voidaan tämän perusteella pitää turvasatamina osakemarkkinoille, mutta volatiliteetti näyttäisi tulosten perusteella toimivan moninkertaisesti paremmin turvasatamana kuin velkakirjamarkkina.

54 54 Taulukko 7: OMX Helsingin ja turvasatamien korrelaatiot OMX Helsingin muutosten persentiileissä 10%, 5%, 2,5% ja 1% Velkakirjamarkkina USD Kulta Öljy Volatiliteetti OMX Helsinki Persentiilit 0,10 0,05 0,025 0,01 Pearson Correlation 0,012 0,073 0,108 0,181 Sig. (2-tailed) 0,804 0,293 0,274 0,256 Pearson Correlation -0,024-0,057-0,054-0,158 Sig. (2-tailed) 0,623 0,416 0,589 0,323 Pearson Correlation 0,044 0,061 0,070 0,044 Sig. (2-tailed) 0,369 0,385 0,480 0,785 Pearson Correlation 0,054 0,045-0,044-0,081 Sig. (2-tailed) 0,267 0,517 0,656 0,615 Pearson Correlation -0,019 0,002 0,059 0,257 Sig. (2-tailed) 0,700 0,974 0,551 0,105 N = 418 N = 208 N = 104 N = 41 *** Correlation is significant at the level (2-tailed). ** Correlation is significant at the 0.01 level (2-tailed). * Correlation is significant at the 0.05 level (2-tailed). Tutkitaan seuraavaksi OMX Helsingin arvonmuutosten alkupään persentiilien aikaisia korrelaatioita mahdollisten turvasatamien arvonmuutosten kanssa. Tutkimuksen tuloksena saaduista korrelaatioista yksikään ei ole tilastollisesti merkitsevä. Tilastollinen merkitsevyys ei ole yhdessäkään tapauksessa edes lähellä mahdollisen tilastollisen hyväksymisen merkitsevyystasoa. Vaikka tulokset olisivat merkityksellisiä, ei korrelaatioista löydy selviä johtopäätöksiä. Yllätyksellisiä havaintoja ovat, että aikaisemmissa kohdissa turvasatamina menestyneet velkakirjamarkkina ja volatiliteetti saavat alimmassa 1% persentiilissä kaikkein positiivisimmat korrelaatiot, ja näin ollen laskisivat kaikkein eniten osakemarkkinoiden laskiessa. Lisäksi, dollari on yllättäen ainut omaisuuslaji, joka saavuttaa negatiivisen korrelaation kaikissa tutkituissa persentiileissä ja kaikkein negatiivisimman korrelaation - 0,158 alimmassa 1% persentiilissä. Tulosten tilastollinen merkitsemättömyys voi johtua pienestä otoskoosta, vaikkakin alimmassakin 1% persentiilissäkin tapauksia on 41 kappaletta. Toinen todennäköisempi selitys tulosten merkitsemättömyydelle on, että osakemarkkinoiden romahdukset eivät leviä muihin omaisuuslajeihin heti tapahtumapäivänä, vaan tapahtumapäivää seuraavina päivinä. Tällöin puhutaan viivästyneistä vaikutuksista, jolloin

55 55 tutkittaisiin romahduksen vaikutuksia tulevina seuraavina päivinä valitun viivästyksen ajan. Mikäli osakemarkkinaromahdukset leviävät muihin omaisuuslajeihin vasta viivästettyinä, voidaan todeta, etteivät osakemarkkinoiden tapahtumat leviä muihin omaisuuslajeihin ainakaan samana tapahtumapäivänä, vaan mahdollisesti vasta tapahtumapäivää seuraavina päivinä riippuen viiveen suuruudesta. Kuvio 10: Volatiliteetin (VIX-indeksin) ja OMX Helsingin korrelaatiot lyhyiden laskumarkkinoiden aikana hajontakaaviossa Korrelaatiotutkimuksessa havaittiin, että volatiliteetti korreloi kaikkein negatiivisimmin OMX Helsingin osakemarkkinan kanssa, jolloin volatiliteettia voidaan pitää tehokkaimpana turvasatamana osakemarkkinoille. Kaikkein voimakkaimman negatiivisen korrelaation volatiliteetti sai lyhyiden markkinalaskujen aikana. Kuviossa 10 on esitetty hajontakaavio volatiliteettia edustavan VIX-indeksin ja OMX Helsingin keskinäisistä korrelaatioista