Abschlussarbeiten

Wir freuen uns über Ihr Interesse an einer Abschlussarbeit am Institut für Banken und Finanzierung. Die folgenden Informationen geben einen Einblick in die Themenfelder für Bachelor- und Masterarbeiten. Im Rahmen Ihrer Abschlussarbeit setzen Sie sich nicht nur kritisch mit der einschlägigen Literatur auseinander, sondern führen auch eigenständige quantitative Analysen durch. Dies erfordert den Umgang mit einer numerisch-statistischen Analysesoftware (R, Matlab, Stata). Zu Beginn des Semesters bietet das Institut eine Einführung in das wissenschaftliche Arbeiten an, die Sie beim Einstieg in R begleitet und aus diesem Grund für alle Bachelor- und Masterkandidaten einen Pflichttermin darstellen sollte. Wir wünschen Ihnen viel Erfolg bei Ihrer Abschlussarbeit.

BACHELORARBEITEN

Anmeldeverfahren

Nachdem Sie durch das zentrale Vergabeverfahren der Wirtschaftswissenschaftlichen Fakultät dem Institut für Banken und Finanzierung zugeordnet wurden, können Sie sich für eines der unten aufgeführten Themen bewerben. (Bitte beachten Sie, dass für das Vergabeverfahren 2021 noch Themen hinzugefügt werden.)

Eine Einführungsveranstaltung zu Organisation und Themen findet am Montag, den 15.02.2021, von 15:30 Uhr bis 17:00 Uhr über Cisco WebEx statt. Zum Beitreten klicken Sie bitte hier. Alle weiteren Informationen zur Veranstaltung, zur Anmeldung Ihrer Bachelorarbeit und den verfügbaren Themen erhalten Sie hier.

Ihre Themenpräferenzen sowie das gewünschte Anmeldedatum wählen Sie bitte hier: Anmeldeformular (bis zur Einführunsveranstaltung kann nur der "nächstmögliche Zeitpunkt" gewählt werden.) Bitte beachten Sie, dass Sie zum Zeitpunkt der Anmeldung entweder ein Seminar bei uns belegt haben oder unsere Module zum Wissenschaftlichen Arbeiten und zur Einführung in R durchgearbeitet haben müssen.

Bachelorarbeiten außerhalb des Vergabeverfahrens (z.B. Wi-Ings oder Wiederholungsversuche) können fortwährend mit den unten angegebenen Themen angemeldet werden.

Bitte beachten Sie: Leider können wir in diesem Semester aufgrund begrenzter Kapazitäten keine weiteren Wi-Ings aufnehmen (Ausnahme: Wi-Ings, die vom IBF bereits eine positive Rückmeldung erhalten haben).

Exposé

Sobald Sie Ihr Thema erhalten haben, beginnt die 14-tägige Bearbeitungszeit für ein Exposé. Dieses behandelt auf maximal drei Seiten im Fließtext die folgenden Aspekte:

  • Problemstellung und Zielsetzung der Arbeit
  • Methoden, Verfahren und theoretische sowie konzeptionelle Ansätze
  • Notwendige Daten und Quellen zur Datenbeschaffung
  • Erwartete Erkenntnisgewinne für Forschung und / oder Praxis
  • Basisliteratur (aus internationalen, referierten Journals)

Weiterhin sollten Sie darauf achten, dass Ihr Exposé inhaltlich strukturiert ist (d.h. einem "roten Faden" folgt) und Sie jede Ihrer Aussagen anhand geeigneter Quellen belegen. Inhaltlich kann sich das Exposé zwar an der geplanten Gliederung orientieren, eine Unterteilung in Kapitel sollte jedoch nicht vorgenommen werden.

Bitte achten Sie außerdem auf die formalen Anforderungen unseres Institutes. Diese werden im Rahmen einer Einführungsveranstaltung sowie hier erläutert.

Abschließend senden Sie das Exposé an Ihren Betreuer. Überzeugt dieses, wird die Arbeit umgehend verbindlich angemeldet.

Bachelorarbeiten im Bereich Behavioral Finance

  • Aktienpreisblasen: Empirische Tests und ökonomische Modelle

    Theoretischer Teil der Aufgabenstellung:

      • Beschreiben und erläutern Sie ökonomische Erklärungsansätze für die Entstehung von Preisblasen an Finanzmärkten, gehen Sie insbesondere auf die Bestimmung des Fundamentalwerts ein.
      • Ordnen Sie die Begriffe Stationarität und Kointegration in diese ökonomischen Erklärungsansätze ein und führen Sie mögliche Testverfahren, insbesondere Unit-Root Tests.
      • Erläutern Sie den sup-ADF Test nach Phillips et al. (2011).
      • Gehen Sie auf die möglichen Schwächen und bekannte Erweiterungen ein.

       

      Empirischer Teil der Aufgabenstellung:

      • Analysieren Sie ausgewählte Indizes auf Aktienpreisblasen, verwenden Sie hierbei den sup-ADF Test sowie mindestens eine Erweiterung.
      • Vergleichen Sie Ihre Ergebnisse mit der Literatur und gehen Sie detailliert auf identifizierte Preisblasen ein.

       

      Basisliteratur:

      • Phillips, P.C.B., Wu, Y. und Yu, J. (2011): Explosive Behavior in the 1990s NASDAQ: When did Exuberance Escalate Asset Values? International Economic Review, Nr. 52 (1): 201–226.
      • Brooks, C. (2019): Introductory Econometrics for Finance. Fourth edition. Cambridge, United Kingdom; New York, NY. Cambridge University Press.

       

       Daten:

      • Thomson Reuters Eikon
      • Thomson Reuters Datastream
    • Der Einfluss von Investorenstimmung auf Aktienrenditen

      Theoretischer Teil der Aufgabenstellung:

      • Erläutern Sie „Noise Trader Theory“ nach De Long et al. (1990).
      • Welche Charakteristika weisen Unternehmen auf, die besonders stark durch Investorenstimmung beeinflusst werden?
      • Erläutern Sie den Begriff Investorenstimmung. Mit welchen Maßen wurde der Einfluss der Investorenstimmung auf Aktienrenditen untersucht? Welche Hypothesen können für diese Stimmungsmaße aufgestellt werden?

       

      Empirischer Teil der Aufgabenstellung:

      • Prüfung des Einflusses von Investorenstimmung auf zeitgleiche und zukünftige Aktienrenditen kleiner und großer Unternehmen.
      • Prüfen Sie die Robustheit Ihrer Ergebnisse mit Kombinationen ausgewählter Kontrollvariablen. Gilt die empirische Evidenz für den gesamten Untersuchungszeitraum?

       

      Basisliteratur:

      • Baker, M. und Wurgler, J. (2006): Investor Sentiment and the Cross-Section of Stock Returns. The Journal of Finance 61(4), 1645–1680.
      • Baker, M. und Wurgler, J. (2007): Investor Sentiment in the Stock Market. Journal of Economic Perspectives 21(2), 129–152.
      • De Long, J.B., Shleifer, A., Summers, L.H. und Waldmann, R.J. (1990): Noise Trader Risk in Financial Markets. Journal of Political Economy 98(4), 703–738.
      • Fisher, K.L. und Statman, M. (2000): Investor Sentiment and Stock Returns. Financial Analysts Journal 56(2), 16–23.
      • Lee, W.Y., Jiang, C.X. und Indro, D.C. (2002): Stock market volatility, excess returns, and the role of investor sentiment. Journal of Banking & Finance 26(12), 2277–2299.
      • Lee, C.M.C., Shleifer, A. und Thaler, R.H. (1991): Investor Sentiment and the Closed-End Fund Puzzle. The Journal of Finance 46(1), 75–109.
      • Lemmon, M. und Portniaguina, E. (2006): Consumer Confidence and Asset Prices: Some Empirical Evidence. The Review of Financial Studies, 19(4), 1499–1529.  

       

      Daten:

    • Determinanten der Teilnahme am Aktienmarkt

      Theoretischer Teil der Aufgabenstellung:

        • Grenzen Sie die empirische Evidenz der Teilnahme von Investoren von den Annahmen der klassischen Portfoliotheorie ab.
        • Motivieren und erklären Sie Determinanten der Teilnahme. Im Einklang mit relevanten Modellen der Literatur formulieren Sie ein Probit-Modell.
        • Führen Sie in die Probit Regression ein. Hierbei behandeln Sie u.a. die Schätzung mit der Maximum- Likelihood-Methode.

         

        Empirischer Teil der Aufgabenstellung:

        • Überprüfen Sie das entwickelte Modell anhand eines Panel-Datensatzes.
        • Gehen Sie hierbei explizit auf von Ihnen verwendete Definitionen zur Bildung von Variablen ein und beschreiben Sie den Datensatz.
        • Führen Sie die Schätzung des Probit-Modells durch und interpretieren Sie Ihre Ergebnisse.

         

        Basisliteratur (Auswahl):

        • Grinblatt, M., Keloharju, M., und Linnainmaa, J. (2011): IQ and stock market participation. The Journal of Finance, Nr. 66 (6), 2121-2164.
        • Kaustia, M., und Torstila, S. (2011): Stock market aversion? Political preferences and stock market participation. Journal of Financial Economics, 100(1), 98-112.
        • Van Rooij, M., Lusardi, A. und Alessie, R. (2011): Financial literacy and stock market participation. Journal of Financial Economics, 101(2), 449-472.
        • Brooks, C. (2019): Introductory Econometrics for Finance. Fourth edition. Cambridge, United Kingdom; New York, NY: Cambridge University Press.
        • Polkovnichenko, V. (2005): Household Portfolio Diversification: A Case for Rank-Dependent Preferences, The Review of Financial Studies, Volume 18, Issue 4, Pages 1467–1502, DOI
        • Malmendier,  U. und Nagel, S. (2019): Depression Babies: Do Macroeconomic Experiences Affect Risk Taking?*, The Quarterly Journal of Economics, Volume 126, Issue 1, Pages 373–416, DOI  

         

         Daten:

        • Thomson Reuters Eikon
        • Thomson Reuters Datastream
        • LISS Panel
      • Wertsicherungsstrategien unter der Cumulative Prospect Theorie

        Theoretischer Teil der Aufgabenstellung:

        • Erläutern Sie den Unterschied zwischen normativen und deskriptiven Entscheidungstheorien.
        • Führen Sie in statische und dynamische Wertsicherungsstrategien ein.
        • Erläutern Sie die Cumulative Prospect Theorie (CPT) und ihre Bedeutung für die Bewertung von Investmentstrategien.

         

        Quantitativer Teil der Aufgabenstellung:

        • Führen Sie eine Simulationsstudie durch, in der Sie verschiedene Portfolioabsicherungsstrategien hinsichtlich ihres CPT-Wertes und ihres Erwartungsnutzen vergleichen.
        • Interpretieren Sie ihre Ergebnisse mit Rücksicht auf die Rolle der CPT-Parameter für die Evaluation der Strategien.  

         

        Basisliteratur:

        • Tversky, A. und Kahneman, D. (1992): Advances in prospect theory: Cumulative representation of uncertainty. Journal of Risk and uncertainty, 5(4), 297-323.
        • Dichtl, H. and Drobetz, W. (2011): Portfolio insurance and prospect theory investors: Popularity and optimal design of capital protected financial products. Journal of Banking and Finance, 35(7), 1683-1697.
        • Dierkes, M., Erner, C. and Zeisberger, S. (2010): Investment horizon and the attractiveness of investment strategies: a behavioral approach. Journal of Banking and Finance, 34, 1032-1046.

         

         

      Bachelorarbeiten im Bereich Asset Management

      • Performance-Analyse nachhaltiger Investmentfonds

        Theoretischer Teil der Aufgabenstellung:

          • Definieren Sie Nachhaltigkeitskriterien (z.B. ESG) und erläutern Sie das Morningstar-Nachhaltigkeitsranking.
          • Geben Sie einen Überblick über die aktuelle Literatur zur Performance-Messung und erläutern Sie gängige deskriptive und risiko-adjustierte Performancemaße.
          • Führen Sie etablierte Charakteristika erfolgreicher Fonds ein.

           

          Empirischer Teil der Aufgabenstellung:

          • Berechnen und vergleichen Sie die Performancemaße für verschiedene Nachhaltigkeitskategorien sowie eine Markt-Benchmark.
          • Identifizieren und Interpretieren Sie Unterschiede zwischen den verschiedenen Kategorien.

           

          Basisliteratur:

          • Bauer, R., Koedijk, K. & Rotten, R. (2005): International evidence on ethical mutual fund performance and investment style. Journal of Banking & Finance 29(7), 1751-1767.
          • Brooks, C. (2019): Introductory Econometrics for Finance. Fourth edition. Cambridge, United Kingdom ; New York, NY: Cambridge University Press.
          • Schroeder, M. (2006): Is there a Difference? The Performance Characteristics of SRI Equity Indices. Journal of Business Finance & Accounting, 34(1-2), 331-348.

           ASd

          Daten:

        Bachelorarbeiten im Bereich Derivate und Risikomanagement

        • Bewertung von Optionen mit dem Binomialmodell

          Theoretischer Teil der Aufgabenstellung:

          • Führen Sie den Begriff Option ein und unterscheiden Sie insbesondere europäische und amerikanische Aktienoptionen.
          • Beschreiben Sie das Binomialmodell nach Cox, Ross und Rubinstein (1979) und mindestens eine Erweiterung, bspw. das Trinomialmodell.
          • Erläutern Sie das Optionspreismodell nach Black & Scholes (1973) und gehen Sie auf den Zusammenhang der Modelle ein.

          Quantitativer Teil der Aufgabenstellung:

          • Führen Sie eine Bewertung ausgewählter europäischer und amerikanischer Optionen durch.
          • Vergleichen Sie die Bewertung der Modelle in Abhängigkeit der Anzahl der Zeitschritte.
          • Wie sieht eine Hedging-Strategie aus?  

          Basisliteratur:

          • Black, F. und Scholes, M. (1973): The Pricing of Options and Corporate Liabilities. The Journal of Political Economy, 81(3), 637-654.
          • Cox, J.C., Ross, S.A. und Rubinstein, M. (1979): Option pricing: A simplified approach. Journal of Financial Economics, 7(3), 229-263.
          • Hull, J. (2012): Options, futures, and other derivatives (8th ed). Boston: Prentice Hall.

           

           

        • Implizite Volatilität als Indikator für Realized Volatility und Aktienrenditen

          Theoretischer Teil der Aufgabenstellung:

          • Erläutern Sie die Berechnung risikoneutraler Momente aus „Out-of-the-money“ Put- und Call-Optionen gemäß Bakshi et al. (2003).
          • Erläutern Sie das Konzept der „Realized Volatility“.
          • Erläutern Sie die Vorgehensweise zur Berechnung des risikoneutralen Volatilitätsmaßes „VIX“ gemäß der CBOE.

           

          Empirischer Teil der Aufgabenstellung:

          • Überprüfen Sie mit verschiedenen Restlaufzeiten die Vorhersagekraft der risikoneutralen Volatilität auf die „Realized Volatility“ des S&P 500.
          • Vergleichen Sie die Vorhersagekraft des VIX und der Realized Volatility in Bezug auf Aktienrenditen des S&P 500.

           

          Basisliteratur:

          • Bakshi, G., Kapadia, N. und Madan, D. (2003): Stock Return Characteristics, Skew Laws, and the Differential Pricing of Individual Equity Options. Review of Financial Studies 16(1), 101–143.
          • Bali, T.G., Hu, J. und Murray, S. (2019): Option Implied Volatility, Skewness, and Kurtosis and the Cross-Section of Expected Stock Returns (SSRN Scholarly Paper No. ID 2322945). Social Science Research Network, Rochester, NY.
          • Bali, T.G. und Murray, S. (2013): Does Risk-Neutral Skewness Predict the Cross-Section of Equity Option Portfolio Returns? Journal of Financial and Quantitative Analysis 48(4), 1145–1171.

           

          Daten:

        • Value at Risk

          Theoretischer Teil der Aufgabenstellung:

          • Führen Sie den Value-at-Risk (VaR) als Risikomaß ein.
          • Erläutern Sie ausgewählte Modelle zur Schätzung der Volatilität von Renditezeitreihen. Thematisieren Sie auch die Bedeutung der Annahme normalverteilter Renditen.
          • Erläutern Sie mögliche Backtesting-Methoden für den Value-at-Risk. 

           

          Empirischer Teil der Aufgabenstellung:

          • Implementieren Sie ausgewählte Modelle zur VaR-Schätzung anhand eines selbst gewählten Datensatzes.
          • Führen Sie ein Backtesting dieser Methoden durch und vergleichen Sie die Modelle anhand Ihrer Ergebnisse.

           

           Basisliteratur:

          • Bollerslev, T. (1986): Generalized autoregressive conditional heteroskedasticity. Journal of econometrics, 31(3), 307-327.
          • Christoffersen, P. F. (1998): Evaluating interval forecasts. International Economic Review 39(4), 841-862.
          • Franke, J., Härdle, W., Hafner, C. (2003): Einführung in die Statistik der Finanzmärkte, 2. Auflage. Springer-Verlag, Berlin Heidelberg.

           

          Daten:

          • Thomson Reuters Eikon
          • Thomson Reuters Datastream

        Bachelorarbeiten im Bereich Kreditrisikomanagement

        • Ausfallprognose von Privatkrediten

          Theoretischer Teil der Aufgabenstellung:

          • Geben Sie einen Überblick über die relevante Literatur zur Prognose von Kreditausfällen bei Unternehmen und Privatpersonen. Gehen Sie insbesondere auf sogenannte P2P Kredite ein.
          • Identifizieren Sie relevante Charakteristika von Privatschuldnern, die sich potenziell auf das Risiko eines Kreditausfalls auswirken.
          • Erläutern Sie die Logit-Regression und gehen Sie auf die marginalen Effekte sowie das ROC-Verfahren ein.
          • Stellen Sie ein Logit-Modell zur Schätzung der Ausfallwahrscheinlichkeit von Privatkrediten auf.

           

          Empirischer Teil der Aufgabenstellung:

          • Analysieren Sie den Lending Club Datensatz und stellen Sie die Charakteristika der dort vergebenen Kredite dar.
          • Schätzen Sie das aufgestellte Logit-Modell anhand der Daten, lassen sich Ausfälle prognostizieren?

           

          Basisliteratur:

          • Emekter, R., Tu, Y., Jirasakuldech, B. und Lu, M. (2015): Evaluating credit risk and loan performance in online Peer-to-Peer (P2P) lending, Applied Economics, 47(1), 54-70.
          • Hull, J. (2018): Risk management and financial institutions. Hoboken, New Jersey: Wiley & Sons.
          • Brooks, C. (2014): Introductory econometrics for finance. Cambridge: Cambridge University Press. 

           

          Daten:

        Bachelorarbeiten im Bereich Asset Pricing

        • Der Einfluss von Investorenstimmung auf die Beta-Anomalie

          Theoretischer Teil der Aufgabenstellung:

          • Beschreiben Sie die Beta-Anomalie und erläutern Sie mögliche Gründe für die mangelnde empirische Evidenz des CAPM.
          • Beschreiben und erläutern Sie die „Betting against Beta“-Strategie nach Frazzini & Pedersen (2014).
          • Beschreiben Sie den Begriff Investorenstimmung und gehen Sie kurz auf Möglichkeiten ein, um diese zu messen. Erläutern Sie ein gewähltes Stimmungsmaß tiefergehend.
          • Erläutern Sie die erwarteten Auswirkungen der Investorenstimmung auf die Beta-Anomalie. Gehen Sie dabei insbesondere auf die Steigung der Wertpapiermarktlinie (Security Market Line) ein.

           

          Empirischer Teil der Aufgabenstellung:

          • Überprüfen Sie den Einfluss eines gewählten Stimmungsmaßes auf die Beta-Anomalie und den „Betting against Beta“-Faktor
          • Untersuchen Sie die Auswirkung der Investorenstimmung auf die Steigung der Wertpapiermarktlinie (Security Market Line).

           

          Basisliteratur:

          • Antoniou, C., Doukas, J.A. und Subrahmanyam, A. (2016): Investor Sentiment, Beta, and the Cost of Equity Capital. Management Science 62(2): 347–367.
          • Baker, M. und Wurgler, J. (2006): Investor Sentiment and the Cross-Section of Stock Returns. The Journal of Finance 61(4), 1645–1680.
          • Baker, M. und Wurgler, J. (2007): Investor Sentiment in the Stock Market. Journal of Economic Perspectives 21(2), 129–152.
          • Frazzini, A. und Pedersen, L.H. (2014): Betting against beta. Journal of Financial Economics 111(1), 1–25.
          • Stambaugh, R.F., Yu, J. und Yuan, Y. (2012): The short of it: Investor sentiment and anomalies. Journal of Financial Economics, Special Issue on Investor Sentiment 104(2), 288–302.
          • Yu, J. und Yuan, Y. (2011): Investor sentiment and the mean–variance relation. Journal of Financial Economics 100(2), 367–381.

           

          Daten:

           

           

        • Momentum Crashes

          Theoretischer Teil der Aufgabenstellung:

          • Beschreiben Sie die Momentum-Anomalie und erläutern Sie die Portfoliokonstruktion.
          • Beschreiben Sie Vor- und Nachteile der Momentum-Strategie. Nehmen Sie dabei insbesondere Bezug auf Momentum Crashes.
          • Erläutern Sie Strategien zur Verminderung von Momentum Crashes gemäß Barosso & Santa-Clara (2015) und Daniel & Moskowitz (2016).

           

          Empirischer Teil der Aufgabenstellung:

          • Berechnen Sie für den US-Markt den Return der Momentum-Strategie im Zeitraum 1926-2019.
          • Replizieren Sie die Strategien von Barosso & Santa-Clara (2015) und Daniel & Moskowitz (2016).
          • Untersuchen und erläutern Sie Vor- und Nachteile der Strategien.

           

          Basisliteratur:

          • Barroso, P. und Santa-Clara, P. (2015): Momentum has its moments. Journal of Financial Economics 116(1), 111–120.
          • Cooper, M.J., Gutierrez, R.C. und Hameed, A. (2004): Market States and Momentum. The Journal of Finance 59(3), 1345–1365.
          • Daniel, K. und Moskowitz, T.J. (2016): Momentum crashes. Journal of Financial Economics 122(1), 221–247.
          • Jegadeesh, N. und Titman, S. (1993): Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency. The Journal of Finance 48(1), 65–91.

           

          Daten:

        • Der Einfluss von ESG Kriterien auf Aktienrenditen

          Theoretischer Teil der Aufgabenstellung:

          • Führen Sie in die Environmental, Social, Governance (ESG) Anlagekriterien ein.
          • Geben Sie einen Literaturüberblick zum Zusammenhang zwischen ESG Kriterien und Aktienrenditen.
          • Führen Sie ausgewählte Faktormodelle zur Erklärung von Aktienrenditen ein.
          • Leiten Sie Hypothesen aus dem Literaturüberblick ab und postulieren Sie einen Zusammenhang zwischen ESG Kriterien und Renditen.

           

          Empirischer Teil der Aufgabenstellung:

          • Überprüfen Sie die postulierten Hypothesen, insbesondere den Zusammenhang zwischen ESG Kriterien und Renditen am US Aktienmarkt, speziell im S&P 500.
          • Wie verhält sich der Zusammenhang unter Berücksichtigung etablierter Faktormodelle?

           

          Basisliteratur:

          • Eccles, R.G., Ioannou, I., Serafeim, G. (2014): The Impact of Corporate Sustainability on Organizational Processes and Performance. Management Science 60(11), 2381-2617.
          • Verheyden, T. Eccles, R.G., Feiner, A. (2016): ESG for All? The Impact of ESG Screening on Return, Risk, and Diversification. Journal of Applied Corporate Finance 28(2), 47-55.
          • Fama, E.F., French K.R. (1993): Common risk factors in the returns on stocks and bonds. Journal of Financial Economics 33, 3-56.
          • Bodie, Z., Kane, A., Marcus, A.J. (2018): Investments, 11th Edition. McGraw-Hill Eduction: New York, NY.

           

          Daten:

           

           


        MASTERARBEITEN

        Anmeldeverfahren und organisatorischer Ablauf

        Am Institut für Banken und Finanzierung können fortwährend Masterarbeiten geschrieben werden. Feste Anmeldefristen existieren nicht. Dennoch ist eine Vorlaufzeit zur Themenfindung und –absprache notwendig, weshalb Ihre Kontaktaufnahme mindestens 4 Wochen vor dem angestrebten Anmeldungstermin erfolgen sollte.

        Bitte wenden Sie sich mit folgenden Angaben per E-Mail an Jan Krupski.

        • Zwei Themenpräferenzen aus den unten aufgeführten Themenbereichen oder ein eigener Themenvorschlag
        • Kurze Darlegung Ihrer Motivation
        • Nennung des angestrebten Anmeldungstermins
        • Beifügung eines aktuellen Notenspiegels

        Anschließend erhalten Sie eine E-Mail von Ihrem Betreuer (abhängig von Themenbereich und Auslastung), welcher mit Ihnen einen Sprechstundentermin vereinbart. In diesem Termin definieren wir gemeinsam mit Ihnen die Fragestellung, auf deren Grundlage Sie ein Exposé erarbeiten.

        Exposé

        Sobald Sie Ihr Thema erhalten haben, beginnt die 14-tägige Bearbeitungszeit für das Exposé. Ihr Exposé behandelt auf maximal drei Seiten im Fließtext die folgenden Aspekte:

        • Problemstellung sowie Zielsetzung
        • Methoden, Verfahren, theoretische oder konzeptionelle Ansätze
        • Notwendige Daten und Quellen zur Datenbeschaffung
        • Erwartete Erkenntnisgewinne für Forschung und / oder Praxis
        • Basisliteratur (aus internationalen, referierten Journals)

        Anschließend stellen Sie Ihr Exposé Ihrem Betreuer vor. Danach wird die Arbeit umgehend angemeldet.

        Themenbereiche

        • Investorenstimmung

          Kurzbeschreibung des Themenbereichs

          Investorenstimmung ist ein wichtiger Bestandteil der Behavioral Finance. Es gibt zahlreiche Studien, welche die Auswirkungen von Investorenstimmung auf Wertpapierpreise analysieren. Neben der Messung von Investorenstimmung sind insbesondere deren Auswirkungen auf individuelle und aggregierte Wertpapierpreise interessante und nicht abschließend geklärte Forschungsfelder.

          Themenbeispiele

          1. Messung von Investorenstimmung: Alternativen zum Sentiment Index von Baket & Wurgler
          2. Investorenstimmung und Aktienrenditen
          3. Investorenstimmung im ICAPM: Risiko oder Mispricing?
          4. Investorenstimmung und der Trade-Off zwischen Risiko und Rendite
          5. Auswirkungen von Investorenstimmung auf Kapitalmarktanomalien

           

          Basisliteratur

          • De Long, B.J., Shleifer, A., Summers, L.H., Waldman, R.J. (1990): Noise Trader Risk in Financial Markets. Journal of Political Economy 98(4), 703–738.
          • Baker, M. und Wurgler, J. (2006): Investor sentiment and the cross-section of stock returns. The Journal of Finance 61(1), 1645–1680.
          • Kozak, S., Nagel, S., und Shrihari, S. (2018): Interpreting Factor Models. The Journal of Finance 73(3), 1183–1223.
          • Yu, J. und Yuan, Y. (2011): Investor sentiment and the mean–variance relation. Journal of Financial Economics 100(2), 367–381.
          • Stambaugh, R.F., Yu, J. und Yuan, Y. (2012): The short of it: Investor sentiment and anomalies. Journal of Financial Economics, Special Issue on Investor Sentiment 104(2), 288–302.
        • Verhaltensökonomische Entscheidungstheorien

          Kurzbeschreibung des Themenbereichs

          Investorenpräferenzen sind ein Ansatz der Behavioral Finance, die beobachteten Abweichungen des Verhaltens individueller Investoren von den Prognosen der neoklassischen Theorie zu begründen. Als bedeutendste Entscheidungstheorien gelten die (Cumulative) Prospect Theory und die Salience Theory, welche im Rahmen der Masterarbeit näher beleuchtet werden.

          Themenbeispiele

          1. Portfoliowertsicherungsstrategien unter Cumulative Prospect Theory und Salience Theory
          2. Der Salience-Effekt am Aktienmarkt
          3. Erwartete Renditen unter Cumulative Prospect Theory
          4. Schiefepräferenz und Wertpapierpreise

           

          Basisliteratur

          • Bordalo, P., Gennaioli, N. und Shleifer, A. (2012): Salience theory of choice under risk. The Quarterly Journal of Economics, 127(3), 1243-1285.
          • Tversky, A. und Kahneman, D. (1992): Advances in prospect theory: Cumulative representation of uncertainty. Journal of Risk and uncertainty, 5(4), 297-323.
          • Dichtl, H. und Dobritz, W. (2011): Portfolio insurance and prospect theory investors: Popularity and optimal design of capital protected financial products. Journal of Banking & Finance, 35(7), 1683-1697.
          • Cosemans, M. und Frehen, R. (2017): Salience Theory and Stock Prices: Empirical Evidence. Working Paper.
          • Barberis, N. und Huang, M. (2008): Stocks as Lotteries: The Implications of Probability Weighting for Security Prices. American Economic Review, 95(5), 2066-2100.
          • Barberis, N., Mukherjee, A. und Wang, B. (2016): Prospect Theory and Stock Returns: An Empirical Test. Review of Financial Studies, 29(11), 3068-3107.
        • Kapitalmarktanomalien

          Kurzbeschreibung des Themenbereichs

          Die Literatur liefert zahlreiche empirische Studien, die Widersprüche zu den Vorhersagen der neoklassischen Theorie nachweisen. Neben dem Nachweis der Existenz und Robustheit der Anomalien über Märkte und Marktphasen hinweg sind insbesondere die verschiedenen Erklärungsansätze spannende Fragestellungen, die im Rahmen der Masterarbeit untersucht werden können.

          Themenbeispiele

          1. Out-of-Sample Tests ausgewählter Anomalien (bspw. Momentum, idiosynkratische Volatilität, Betting-against-Beta, Max-Effekt)
          2. Anomalien und aktuelle Mehrfaktorenmodelle
          3. Interaktion von Anomalien (bspw. Schiefe und Momentum)
          4. Risikomanagement-Strategien und Anomalien

           

          Basisliteratur

          • Ang, A., Hodrick, R.J., Xing, Y., und Zhang, X. (2006): The cross‐section of volatility and expected returns. Journal of Finance, 61(1), 259-299.
          • Jegadeesh, N. und Titman, S. (1993): Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency. The Journal of Finance 48(1), 65–91.
          • Frazzini, A. und Pedersen, L.H. (2014): Betting against beta. Journal of Financial Economics 111(1), 1–25.
          • Bali, T.G., Cakici, N. und Whitelaw, R.F. (2011): Maxing out: Stocks as lotteries and the cross-section of expected returns. Journal of Financial Economics 99(2), 427-446.
          • Hou, K., Mo, H., Xue C. und Zhang, L. (2019): Which Factors?. Review of Finance 23(1), 1-35.
          • Barroso, P., Detzel, A.L. und Maio, P.F (2020): Managing the Risk of the Low-Risk anomaly. Working Paper.
        • Machine Learning Methoden im Asset Pricing

          Kurzbeschreibung des Themenbereichs

          Während Machine Learning Algorithmen immer weiter in den Fokus der Öffentlichkeit rücken, sind die Anwendungen in der empirischen Kapitalmarktforschung bisher selten. Der Vergleich von neuen Ansätzen mit etablierten Methoden liefert zahlreiche mögliche Fragestellungen.

          Themenbeispiele

          1. Schätzung des CAPM-Beta mit neuronalen Netzen
          2. Alternativen zur linearen Regression bei der Schätzung des CAPM-Beta mit dem Fokus auf illiquide Aktien

           

          Basisliteratur

          • Hastie, T., Tibshirani, R. und Friedman, J. (2017): The Elements of Statistical Learning 2nd Edition. Springer Verlag.
          • Gareth, J., Witten, D., Hastie, T. und Tibshirani, R. (2017): An Introductoin to Statistical Learning: With Applicatoins in R. Springer Verlag, New York.
          • Hou, K. und Lee, J. (2018): Nonlinear CAPM Beta. Working Paper.
          • Dimson, E. (1979): Risk measurement when shares are subject to infrequent trading. Journal of Financial Economics 7(2), 167-226.
        • Optionen

          Kurzbeschreibung des Themenbereichs

          Die Marktpreise von Derivaten und insbesondere Optionen liefern reichhaltige Informationen über die Erwartungen der Marktteilnehmer über die Zukunft. Die Extraktion dieser Erwartungen kann auf bekannten Optionspreismodellen wie Black & Scholes (1973) oder modellfreien Methoden basieren.

          Themenbeispiele

          1. Schätzung risikoneutraler Momente aus Optionspreisen
          2. Options-implizite Risikopräferenzen
          3. Marktindikatoren für Volatilität und Schiefe: VIX und SKEW
          4. Risikoprämien für Varianz und Schiefe

           

          Basisliteratur

          • Bakshi, G., Kapadia, N. und Madan, D. (2003): Stock Return Characteristics, Skew Laws, and the Differential Pricing of Individual Equity Options. Review of Financial Studies 16(1), 101–143.
          • Breeden, D.T. und Litzenberger, R.H. (1978): Prices of State-contingent Claims Implicit in Option Prices. Journal of Business 51(4), 621-651.
          • Jackwert, J. (2000): Recovering Risk Aversion from Option Prices and Realized Returns. The Review of Financial Studies 13(2), 433-451.
          • Liu, Z. und Faff, R. (2017): Hitting SKEW for SIX. Economic Modelling (64), 449-464.
          • Bollerslev, T., Tauchen, G. und Zhou, H. (2009): Expected Stock Returns and Variance Risk Premia. The Review of Financial Studies 22(11), 4463-4492.
          • Carr, P., und Wu, L. (2009): Variance risk premiums. Review of Financial Studies, 22(3), 1311-1341.
        • Portfoliowahl

          Kurzbeschreibung des Themenbereichs

          Die Portfoliowahl gehört zu den klassischen Untersuchungsgebieten in der Finanzwirtschaft. Ergebnisse hängen von  Investorenpräferenzen, datengenerierendem Prozess und ggf. Investitionshorizont ab. Während neoklassisch motivierte Modelle die optimale Portfoliowahl ergründen, gilt es ebenso, mit verhaltensökonomischen Analysen die häufige Nichtteilnahme am Aktienmarkt sowie tatsächliche Portfoliobewegungen von Investoren zu verstehen.

          Themenbeispiele

          1. Die optimale Portfoliowahl unter Ambiguität
          2. Die optimale Portfoliowahl bei langem Investitionshorizont und Vorhersagbarkeit
          3. Der Einfluss von Schätzrisiko auf die optimale Portfoliowahl
          4. Portfoliowahl unter verhaltensökonomischen Entscheidungstheorien
          5. Die Teilnahme am Aktienmarkt

           

          Basisliteratur

          • Garlappi, L., Uppal, R., Wang, T. (2007): Portfolio Selection with Parameter and Model Uncertainty: A Multi-Prior Approach. The Review of Financial Studies, 20(1), 41-81.
          • DeMiguel, V., Garlappi, L., Uppal, R. (2009): Optimal Versus Naive Diversification: How Inefficient is the 1/N Portfolio Strategy?, The Review of Financial Studies, 22(5), 1915–1953.

          • Barberis, N. (2000): Investing for the Long Run when Returns Are Predictable. The Journal of Finance, 55, 225-264.
          • Chapman, D.A. and Polkovnichenko, V. (2009): First‐Order Risk Aversion, Heterogeneity, and Asset Market Outcomes. The Journal of Finance, 64, 1863-1887.

          • Grinblatt, M., Keloharju, M., Linnainmaa, J. (2011): IQ and stock market participation. The Journal of Finance, 66 (6), 2121-2164.
          • Kaustia, M., Torstila, S. (2011): Stock market aversion? Political preferences and stock market participation. Journal of Financial Economics, 100(1), 98-112.
          • Van Rooij, M., Lusardi, A., Alessie, R. (2011): Financial literacy and stock market participation. Journal of Financial Economics, 101(2), 449-472.
          • Brooks, Chris. Introductory Econometrics for Finance. Fourth edition. Cambridge, United Kingdom ; New York, NY, Cambridge University Press, 2019.
          • Polkovnichenko, V. (2005): Household Portfolio Diversification: A Case for Rank-Dependent Preferences, The Review of Financial Studies, 18(4), 1467–1502.
          • Malmendier, U., Nagel, S. (2011): Depression Babies: Do Macroeconomic Experiences Affect Risk Taking?, The Quarterly Journal of Economics, 126(1), 373–416.
        • Corporate Finance

          Kurzbeschreibung des Themenbereichs

          Entscheidungen Corporate Finance Die Portfoliowahl gehört zu den klassischen Untersuchungsgebieten in der Finanzwirtschaft. Ergebnisse hängen von  Investorenpräferenzen, datengenerierendem Prozess und ggf. Investitionshorizont ab. Während neoklassisch motivierte Modelle die optimale Portfoliowahl ergründen, gilt es ebenso, mit verhaltensökonomischen Analysen die häufige Nichtteilnahme am Aktienmarkt sowie tatsächliche Portfoliobewegungen von Investoren zu verstehen.

          Themenbeispiele

          1. Empirische Validierung von Theorien zum IPO Underpricing
          2. Langfristige Performance von IPOs
          3. Market Timing von Finanzierungsentscheidungen
          4. Das Puzzle der Abschläge auf Konglomerate

          Basisliteratur

          • Ritter, J. R. (1991). The long‐run performance of initial public offerings. The Journal of Finance, 46(1), 3-27.

          • Loughran, T., Ritter, J. R. (2002). Why don’t issuers get upset about leaving money on the table in IPOs? The Review of Financial Studies, 15(2), 413-444.
          • Ritter, J. R., Welch, I. (2002). A review of IPO activity, pricing, and allocations. The Journal of Finance, 57(4), 1795-1828.
          • Green, T. C., Hwang, B. H. (2012). Initial public offerings as lotteries: Skewness preference and first-day returns. Management Science, 58(2), 432-444.
          • Laeven, L.,  Levine, R. (2007). Is there a diversification discount in financial conglomerates? Journal of Financial Economics, 85(2), 331-367.
          • Baker, M., Wurgler, J. (2002). Market timing and capital structure. The Journal of Finance57(1), 1-32.

        ALLGEMEINE HINWEISE FÜR ABSCHLUSSARBEITEN

        Auf den folgenden Seiten finden Sie weitere Informationen zum wissenschaftlichen Arbeiten am Institut für Banken und Finanzierung. Bitte beachten Sie die formalen Hinweise und die Termine zur Einführung in wissenschaftliches Arbeiten.

        KONTAKT FÜR ALLGEMEINE FRAGEN ZU ABSCHLUSSARBEITEN

        M.Sc. Jan Krupski
        Wissenschaftliche Mitarbeiterinnen und Mitarbeiter
        Sprechzeiten
        nach Vereinbarung
        Adresse
        Königsworther Platz 1
        30167 Hannover
        Gebäude
        Raum
        123
        M.Sc. Jan Krupski
        Wissenschaftliche Mitarbeiterinnen und Mitarbeiter
        Sprechzeiten
        nach Vereinbarung
        Adresse
        Königsworther Platz 1
        30167 Hannover
        Gebäude
        Raum
        123