Assessing the impact of AI-managed ETFs on investment performance and risk compared to benchmark index
Vuorela, Konsta (2024)
Kandidaatintutkielma
2024
School of Business and Management, Kauppatieteet
Kaikki oikeudet pidätetään.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe202501031204
https://urn.fi/URN:NBN:fi-fe202501031204
Tiivistelmä
This bachelor’s thesis evaluates the performance of AI-managed ETFs compared to benchmark index and traditional ETFs, in term of total returns, risk-adjusted returns and risk management across various market conditions. The historical stock market data is gathered between 2020 and 2024. All selected ETFs operate in the U.S. and therefore are compared to S&P 500 market index.
The study evaluates total returns, risk-adjusted returns, and risk management during various market conditions, including the COVID-19 crash, bull market, and periods of high interest rates with key financial metrics such as Jensen’s Alpha, Sharpe ratio and Sortino ratio and volatility. The data was processed using Python libraries enabling efficient calculation and data visualization.
The findings indicate that AI-managed ETFs generally exhibit higher volatility than the market throughout all observed periods. Only one selected AI-managed ETF managed to produce positive alpha, though it was statistically insignificant. All the other AI-managed ETFs underperformed compared to the market, supporting the semi-strong form of Efficient Market Hypothesis.
Despite the underperformance in returns the AI-managed ETFs demonstrated better risk management capabilities compared to market and traditional ETFs, especially during market downturns, such as COVID-19 crash. However, AI-managed ETFs exhibited problems capitalizing on strong upward trends, underperforming compared to the market and traditional ETFs. Tässä kandidaatin tutkielmassa tutkitaan tekoälyllä hoidettujen ETF-rahastojen suorituskykyä vertailuindeksiin ja perinteisiin ETF-rahastoihin kokonaistuoton, riskikorjatun tuoton ja riskienhallinnan osalta eri markkinaolosuhteissa. Historialliset osakemarkkinatiedot on kerätty vuosien 2020 ja 2024 välisenä aikana. Kaikki valitut ETFrahastot toimivat Yhdysvalloissa, joten niitä verrataan S&P 500-markkinaindeksiin.
Tutkimuksessa arvioidaan kokonaistuottoja, riskikorjattuja tuottoja ja riskienhallintaa eri markkinaolosuhteissa, kuten COVID-19-romahduksessa, nousumarkkinassa ja korkeiden korkojen kausien aikana, käyttäen keskeisiä taloudellisia tunnuslukuja, kuten Jensenin alfaa, Sharpen suhdelukua, Sortinon suhdelukua, sekä volatiliteettia. Tietoja käsiteltiin Pythonkirjastojen avulla, jotka mahdollistavat tehokkaan laskennan ja visualisoinnin.
Tulokset osoittavat, että tekoälyllä hallinnoitujen ETF-rahastojen volatiliteetti on yleisesti ottaen korkeampi kuin markkinoiden volatiliteetti kaikilla havaituilla ajanjaksoilla. Ainoastaan yksi valittu tekoälyllä hoidettu ETF onnistui tuottamaan positiivisen alfan, vaikka se olikin tilastollisesti merkityksetön. Kaikki muut tekoälyllä hoidetut ETF:t alisuoriutuivat markkinoihin verrattuna, mikä tukee tehokkaiden markkinoiden hypoteesin puolivahvaa muotoa.
Tuottojen alisuoriutumisesta huolimatta tekoälyn hallinnoimat ETF:t osoittivat parempaa riskinhallintakykyä markkinoihin ja perinteisiin ETF:iin verrattuna, erityisesti markkinoiden laskusuhdanteiden, kuten COVID-19-romahduksen, aikana. Tekoälyn hallinnoimilla ETFrahastoilla oli kuitenkin ongelmia hyödyntää vahvoja nousutrendejä, ja ne tuottivat heikommin kuin markkinat ja perinteiset ETF-rahastot näinä aikoina.
The study evaluates total returns, risk-adjusted returns, and risk management during various market conditions, including the COVID-19 crash, bull market, and periods of high interest rates with key financial metrics such as Jensen’s Alpha, Sharpe ratio and Sortino ratio and volatility. The data was processed using Python libraries enabling efficient calculation and data visualization.
The findings indicate that AI-managed ETFs generally exhibit higher volatility than the market throughout all observed periods. Only one selected AI-managed ETF managed to produce positive alpha, though it was statistically insignificant. All the other AI-managed ETFs underperformed compared to the market, supporting the semi-strong form of Efficient Market Hypothesis.
Despite the underperformance in returns the AI-managed ETFs demonstrated better risk management capabilities compared to market and traditional ETFs, especially during market downturns, such as COVID-19 crash. However, AI-managed ETFs exhibited problems capitalizing on strong upward trends, underperforming compared to the market and traditional ETFs.
Tutkimuksessa arvioidaan kokonaistuottoja, riskikorjattuja tuottoja ja riskienhallintaa eri markkinaolosuhteissa, kuten COVID-19-romahduksessa, nousumarkkinassa ja korkeiden korkojen kausien aikana, käyttäen keskeisiä taloudellisia tunnuslukuja, kuten Jensenin alfaa, Sharpen suhdelukua, Sortinon suhdelukua, sekä volatiliteettia. Tietoja käsiteltiin Pythonkirjastojen avulla, jotka mahdollistavat tehokkaan laskennan ja visualisoinnin.
Tulokset osoittavat, että tekoälyllä hallinnoitujen ETF-rahastojen volatiliteetti on yleisesti ottaen korkeampi kuin markkinoiden volatiliteetti kaikilla havaituilla ajanjaksoilla. Ainoastaan yksi valittu tekoälyllä hoidettu ETF onnistui tuottamaan positiivisen alfan, vaikka se olikin tilastollisesti merkityksetön. Kaikki muut tekoälyllä hoidetut ETF:t alisuoriutuivat markkinoihin verrattuna, mikä tukee tehokkaiden markkinoiden hypoteesin puolivahvaa muotoa.
Tuottojen alisuoriutumisesta huolimatta tekoälyn hallinnoimat ETF:t osoittivat parempaa riskinhallintakykyä markkinoihin ja perinteisiin ETF:iin verrattuna, erityisesti markkinoiden laskusuhdanteiden, kuten COVID-19-romahduksen, aikana. Tekoälyn hallinnoimilla ETFrahastoilla oli kuitenkin ongelmia hyödyntää vahvoja nousutrendejä, ja ne tuottivat heikommin kuin markkinat ja perinteiset ETF-rahastot näinä aikoina.