This thesis examines how investment risk, measured by Value at Risk (VaR), varies across different sectors under various market conditions, including disruptive events such as the early COVID-19 period, the onset of the Russia-Ukraine conflict, and the increase in U.S. interest rates during mid 2023. The aim is to uncover industry-specific resilience or vulnerability to different types of systematic risks. To estimate volatility, the study utilizes the symmetric Generalized Autoregressive Conditional Heteroskedasticity (GARCH) model and the asymmetric Glosten-Jagannathan-Runkle GARCH (GJR-GARCH) model, applied to exchange-traded funds (ETFs) tracking the healthcare, real estate, and information technology sectors, as well as an ETF tracking the total U.S. market. The empirical results indicate that the GJR-GARCH model outperforms the GARCH model, with the standardized residual following a Student's t-distribution, providing a more adequate fit for all investigated ETFs. Consequently, this model with the corresponding distribution is used to estimate VaR for each ETF. The findings reveal that the onset of COVID-19 had the most substantial impact on investment risk across all sectors. The technology sector experienced the highest increase in VaR, followed by the real estate sector, indicating significant vulnerability to such systematic risks. Conversely, the healthcare sector exhibited the lowest increases in VaR compared to the other sectors and the overall market during all periods examined, yet it had the highest VaR prior to the COVID-19 outbreak.

Denna studie utvärderar hur sektorspecifik investeringsrisk, mätt med Value at Risk (VaR), varierar mellan olika sektorer och olika marknadsförhållanden. Detta inkluderar marknadsstörningar som den inledande perioden av COVID-19-pandemin, inledningen av Ryssland-Ukraina-kriget och höjningen av den amerikanska styrräntan under mitten av 2023. Syftet är att underöka branschspecifik motståndskraft eller sårbarhet mot olika typer av systematiska risker. För att uppskatta volatiliteten används den symmetriska GARCH-modellen (Generalized Autoregressive Conditional Heteroskedasticity) och den asymmetriska GJR-GARCH-modellen (Glosten-Jagannathan-Runkle GARCH). I studien tillämpas dessa på börshandlade fonder (ETF:er), vilka följer sektorerna hälsovård, fastigheter och informationsteknik, samt den totala amerikanska marknaden. De empiriska resultaten indikerar att GJR-GARCH-modellen överträffar GARCH-modellen, där den standardiserade residualen följer en Student's t-fördelning, vilket ger en mer adekvat passform för alla undersökta ETF:er. Följaktligen används denna modell med motsvarande fördelning för att uppskatta VaR för varje ETF. Resultaten visar att COVID-19 hade den mest betydande inverkan på investeringsrisken i alla sektorer. Tekniksektorn upplevde den högsta ökningen av VaR, följt av fastighetssektorn, vilket indikerar en betydande sårbarhet för sådana systematiska risker. Omvänt uppvisade hälso- och sjukvårdssektorn de minsta ökningarna i VaR jämfört med andra sektorer och den totala marknaden under alla undersökta perioder, men den hade det högsta VaR-värdet före utbrottet av COVID-19.