Governed by the cycle : direct and inverted interest-rate sensitivity of emerging market corporate debt

An innovative approach to quantify interest rate sensitivities of emerging market corporates is proposed. Our focus is centered at price sensitivity of modeled investment grade and high yield portfolios to changes in the present value of modeled portfolios composed of safe-haven assets, which define risk-free interest rates. Our methodology is based on blended yield indexes. Modeled investment horizons are always kept above one year thus allowing to derive empirical implications for practical strategies of interest rate risk management in the banking book. As our study spans over the period 2002 – 2015, it covers interest rate sensitivity of assets under the pre-crisis, crisis, and post-crisis phases of the economic cycles. We demonstrate that the emerging market corporate bonds both, investment grade and high yield types, depending on the phase of a business cycle exhibit diverse regimes of sensitivity to interest rate changes. We observe switching from a direct positive sensitivity under the normal pre-crisis market conditions to an inverted negative sensitivity during distressed turmoil of the recent financial crisis, and than back to direct positive but weaker sensitivity under new normal post-crisis conjuncture. Our unusual blended yield-based approach allows us to present theoretical explanations of such phenomena from economics point of view and helps us to solve an old controversy regarding positive or negative responses of credit spreads to interest rates. We present numerical quantification of sensitivities, which corroborate with our conclusion that hedging of interest rate risk ought to be a dynamic process linked to the phases of business cycles as we evidence a binary-like behavior of interest rate sensitivities along the economic time. Our findings allow banks and financial institutions for approaching downside risk management and optimizing economic capital under Basel III regulatory capital rules.

Development of new scenario decomposition techniques for linear and nonlinear stochastic programming

Une approche classique pour traiter les problèmes d’optimisation avec incertitude à deux- et multi-étapes est d’utiliser l’analyse par scénario. Pour ce faire, l’incertitude de certaines données du problème est modélisée par vecteurs aléatoires avec des supports finis spécifiques aux étapes. Chacune de ces réalisations représente un scénario. En utilisant des scénarios, il est possible d’étudier des versions plus simples (sous-problèmes) du problème original. Comme technique de décomposition par scénario, l’algorithme de recouvrement progressif est une des méthodes les plus populaires pour résoudre les problèmes de programmation stochastique multi-étapes. Malgré la décomposition complète par scénario, l’efficacité de la méthode du recouvrement progressif est très sensible à certains aspects pratiques, tels que le choix du paramètre de pénalisation et la manipulation du terme quadratique dans la fonction objectif du lagrangien augmenté. Pour le choix du paramètre de pénalisation, nous examinons quelques-unes des méthodes populaires, et nous proposons une nouvelle stratégie adaptive qui vise à mieux suivre le processus de l’algorithme. Des expériences numériques sur des exemples de problèmes stochastiques linéaires multi-étapes suggèrent que la plupart des techniques existantes peuvent présenter une convergence prématurée à une solution sous-optimale ou converger vers la solution optimale, mais avec un taux très lent. En revanche, la nouvelle stratégie paraît robuste et efficace. Elle a convergé vers l’optimalité dans toutes nos expériences et a été la plus rapide dans la plupart des cas. Pour la question de la manipulation du terme quadratique, nous faisons une revue des techniques existantes et nous proposons l’idée de remplacer le terme quadratique par un terme linéaire. Bien que qu’il nous reste encore à tester notre méthode, nous avons l’intuition qu’elle réduira certaines difficultés numériques et théoriques de la méthode de recouvrement progressif.

Development of new scenario decomposition techniques for linear and nonlinear stochastic programming

Une approche classique pour traiter les problèmes d’optimisation avec incertitude à deux- et multi-étapes est d’utiliser l’analyse par scénario. Pour ce faire, l’incertitude de certaines données du problème est modélisée par vecteurs aléatoires avec des supports finis spécifiques aux étapes. Chacune de ces réalisations représente un scénario. En utilisant des scénarios, il est possible d’étudier des versions plus simples (sous-problèmes) du problème original. Comme technique de décomposition par scénario, l’algorithme de recouvrement progressif est une des méthodes les plus populaires pour résoudre les problèmes de programmation stochastique multi-étapes. Malgré la décomposition complète par scénario, l’efficacité de la méthode du recouvrement progressif est très sensible à certains aspects pratiques, tels que le choix du paramètre de pénalisation et la manipulation du terme quadratique dans la fonction objectif du lagrangien augmenté. Pour le choix du paramètre de pénalisation, nous examinons quelques-unes des méthodes populaires, et nous proposons une nouvelle stratégie adaptive qui vise à mieux suivre le processus de l’algorithme. Des expériences numériques sur des exemples de problèmes stochastiques linéaires multi-étapes suggèrent que la plupart des techniques existantes peuvent présenter une convergence prématurée à une solution sous-optimale ou converger vers la solution optimale, mais avec un taux très lent. En revanche, la nouvelle stratégie paraît robuste et efficace. Elle a convergé vers l’optimalité dans toutes nos expériences et a été la plus rapide dans la plupart des cas. Pour la question de la manipulation du terme quadratique, nous faisons une revue des techniques existantes et nous proposons l’idée de remplacer le terme quadratique par un terme linéaire. Bien que qu’il nous reste encore à tester notre méthode, nous avons l’intuition qu’elle réduira certaines difficultés numériques et théoriques de la méthode de recouvrement progressif.

Essays on risk-taking in corporate finance

This thesis consists of three independent essays on risk-taking in corporate finance. The first essay explores how community-level social capital (CSC), framed as a cultural characteristic of individuals born in different provinces of Italy, affects investment behavior in equity crowdfunding. Results show that investors born in high-CSC provinces invest more money in ventures characterized by an enhanced risk profile. Observed risk-taking is theoretically linked to higher generalized trust endowed to people born in high-CSC areas. The second essay focuses on how convexity of Chief Financial Officers’ stock options affects their hedging decisions in the oil and gas industry. Highly convex CFOs hedge less commodity price risk, even if the Chief Executive Officer’s incentives are consistent with a more conservative hedging strategy. Finally, the third essay is a systematic literature review on how different sources of compensation-based risk-taking incentives of Chief Executive Officers affect decision-making in corporate finance.

Essays on asset pricing

The first chapter provides evidence that aggregate Research and Development (R&D) investment drives a persistent component in productivity growth and that this embodies a risk priced in financial markets. In a semi-endogenous growth model, this component is identified by the R&D in excess of equilibrium levels and can be approximated by the Error Correction Term in the cointegration between R&D and Total Factor Productivity. Empirically, the component results being well defined and it satisfies all key theoretical predictions: it exhibits appropriate persistency, it forecasts productivity growth, and it is associated with a cross-sectional risk premium. CAPM is the most foundational model in financial economics, but is known to empirically underestimate expected returns of low-risk assets and overestimate those with high risk. The second chapter studies how risks omission and funding tightness jointly contribute to explaining this anomaly, with the former affecting the definition of assets’ riskiness and the latter affecting how risk is remunerated. Theoretically, the two effects are shown to counteract each other. Empirically, the spread related to binding leverage constraints is found to be significant at 2% yearly. Nonetheless, average returns of portfolios that exploit this anomaly are found to mostly reflect omitted risks, in contrast to their employment in previous literature. The third chapter studies how ‘sustainability’ of assets affect discount rates, which is intrinsically mediated by the risk profile of the assets themselves. This has implications for the assessment of the sustainability-related spread and for hedging changes in the sustainability concern. This mechanism is tested on the ESG-score dimension for US data, with inconclusive evidence regarding the existence of an ESG-related premium in the first place. Also, the risk profile of the long-short ESG portfolio is not likely to impact the sign of its average returns with respect to the sustainability-spread, for the time being.