Während des letzten Jahrzehnts haben die Finanzmärkte auf grundlegende Regulierungsreformen reagiert und die wirtschaftlichen Bedingungen und neuen Technologien in Frage gestellt. Neue Finanzprodukte, Regeln und der Beginn des elektronischen Handels in den meisten Märkten haben die Landschaft der Finanzmärkte verändert. Während sich Anleger noch vor wenigen Jahren auf ihre lokale Börse verlassen mussten, stehen sie nun vor der Entscheidung zahlreicher Handelsplattformen, ihre Anforderungen zu erfüllen.
In Europa hat die Richtlinie über Märkte für Finanzinstrumente (Mifid) die Regulierung für Wertpapierdienstleistungen harmonisiert und den Wettbewerb zwischen verschiedenen Märkten und Handelsplattformen verschärft. Noch tiefgreifender war die Veränderung, die durch das Regulation National Market System (oder Reg NMS) an den US-amerikanischen Aktienmärkten hervorgerufen wurde. Während vor nur Jahren auf dem Handelsplatz der New York Stock Exchange (NYSE) eine große Menge an Handel stattfand, kämpft die NYSE nun neben neu eingerichteten elektronischen Börsen und Schattenmärkten um den Auftragsfluss.
Veränderungen gab es jedoch nicht nur an den Aktienmärkten. Es entstanden neue Derivatemärkte wie der Markt für Credit Default Swaps. Am Anfang sehr beliebt wegen der Möglichkeit das Kreditrisiko von Unternehmen abzusichern. Sein Ruf litt unter der jüngsten Finanzkrise und infolgedessen wurden grundlegende regulatorische Änderungen vorgenommen. Ein weiteres Beispiel für neu etablierte Märkte sind Emissionsmärkte. Emissionshandelsprogramme, wie das Emissionshandelssystem der Europäischen Union, führen zur Entwicklung von Kassa-, Future- und Optionshandelsbörsen für Emissionsgenehmigungen, die heutzutage eines der am schnellsten wachsenden Segmente bei Finanzdienstleistungen sind.
Diese sich ständig ändernde Landschaft der Finanzmärkte erfordert ständig Aktualisierungen hinsichtlich der Rolle jedes einzelnen Marktes und der Gruppen von Handelsbörsen innerhalb der gesamten Marktstruktur. Gleichzeitig führte die schnelle Entwicklung von Technologien für den elektronischen Handel zur Verfügbarkeit neuer Datenquellen, die innovative Ansätze und Methoden erfordern, um wertvolle Informationen aus der riesigen Datenmenge des Finanzmarkthandels zu extrahieren.
| Quantifizierung der Preisfindung zwischen internationalen Aktienmärkten
| Finanzmarktmikrostruktur: Wie wirkt sich das Marktdesign auf die Informationsübertragung zwischen verschiedenen Handelsplattformen aus?
| Informationsverknüpfungen zwischen den Finanzmärkten, insbesondere den Märkten für Unternehmensanleihen und Credit Default Swaps
| Hochfrequenzhandel - die Auswirkungen des Hochfrequenzhandels und der Auswirkungen der Marktmikrostruktur auf die Preiseffizienz
| Quantifizierung des Aktienmarktrisikos mithilfe impliziter Volatilitätsmaßnahmen
| Methoden: Intensitätsmodelle für Transaktionsdaten mit unregelmäßigem Abstand; Modellierung der Aktienrenditen als Mischungsnormalverteilungen; Markov-Switching-Models, stochastische Trends und Kointegration, Vektorfehlerkorrekturmodelle
| Maschinelles Lernen auf den Finanzmärkten mit Schwerpunkt auf neuronalen Netzen
| Quantitative Methods II - Statistical Learning and Data Analysis
| Econometrics (CME Master, GEMA Master, Bachelor)
| Mathematics for Business and Economics (Wirtschaftsmathematik; Bachelor)
| Current Issues: Market Microstructure of Financial Markets (Master)
| Quantitative Methods I: Applied Time Series Analysis (Bachelor)
| Quantitative Methods II: Quantitative Risk Management (Bachelor)
| Capital Market Theory (with Marcel Tyrell; Master)
| Advanced Time Series Econometrics (PhD Course)
| Applied Time Series Analysis (Advanced Methods Course)
| Financial Market Microstructure – Application and Theory (Advanced Methods Course)
| Foundations of Empirical Economics (Master)
| Methodenwerkstatt (with Nadine Meidert)
Tel: | +49 7541 6009-2231 |
Fax: | +49 7541 6009-1299 |
Raum: | Semi 1.06 |
a.demartiis@zeppelin-university.net
Simon.Behrendt@zu.de
Niklas Betz (Tutor für Ökonometrie)
n.betz@zeppelin-university.net
Nicolas Bühringer (Tutor für Advanced Statistics)
n.buehringer@zeppelin-university.net
Maike Feld (Tutorin für Ökonometrie)
m.feld@zeppelin-university.net
Jennifer Gossen (Tutorin für Wirtschaftsmathematik)
j.gossen@zeppelin-university.net
DFG Projekt "Intratages-Volatilitaetsmessung auf Aktienmaerkten"
Laufzeit: 2 Jahre. Start: Fruehjahr 2018
RTransferEntropy: Measuring Information Flow Between Time Series with Shannon and Renyi Transfer Entropy
LINK
Wir heißen alle Studierenden willkommen, ihre Abschlussarbeit zu Themen zu verfassen, die den Forschungsbereichen des Lehrstuhls entsprechen. Für Studierende, die sich nicht auf ein Thema festlegen können, stehen in der Regel einige Themen zur Verfügung, die für eine Bachelor- oder Masterarbeit geeignet sein könnten. Es ist ratsam, einige Wochen vor Beginn der Arbeit mit der Suche und Diskussion möglicher Themen zu beginnen. Im Allgemeinen umfasst eine Abschlussarbeit am Lehrstuhl für Empirische Kapitalmarktmarktforschung und Ökonometrie einen empirischen Teil - obwohl Ausnahmen möglich sind, wenn Studierende eine theoretische Abschlussarbeit zu einem Finanzthema schreiben möchten.
Um eine Abschlussarbeit an unserem Lehrstuhl erfolgreich abzuschließen, sollten die Studierenden über grundlegende Kenntnisse und Interesse an Finanzmärkten, Statistik und Ökonometrie verfügen. Ökonometrische Anwendungen beschränken sich nicht nur auf Finanzthemen, sondern können auch andere Themen der empirischen Ökonomie abdecken.
Eine vorherige Exposition gegenüber statistischer Software wie R, Gauss, Matlab, SAS oder einem anderen Programm erweist sich normalerweise als sehr hilfreich! Zumindest sollten die Studierenden bereit sein, während ihrer Abschlussarbeit den Umgang mit statistischer Software zu lernen. Wir empfehlen den Studenten außerdem, LaTeX beim Schreiben ihrer Abschlussarbeit zu verwenden (ein LaTeX-Leitfaden ist an unserem Lehrstuhl erhältlich). Die Sprache der Wahl ist Englisch.
Beispiele für Abschlussarbeiten, die bereits verfasst wurden:
| Single- and Multi-Market Efficiency in Digital Currency
| Value-At-Risk Modelling: A Comparison of the Empirical Performance of Value-at-Risk
based on GARCH-Type Time Series Models and Implied Volatilities
| Price Efficiency in CDS Markets: Post-Event Price Drift and Investors’ Behaviour
| Decomposing Bid-Ask-Spreads: Comparing Adverse Selection Costs of the US Stock
Exchanges
| Machine Learning Asset Valuation
| Controlling the U.S. Stock Market: An Empirical Analysis of the Effects of Trump’s
Statements
| The Twitter Effect - Optimizing GARCH Volatility Forecasting with Investor Sentiment
| An Overview of Existing Arbitrage Strategies and an Elaboration of a Theoretical
Framework to Execute Merger Arbitrage in Option Markets
| Capital Buffers and the Lack Thereof: Did they Influence Bank-Sovereign Risk
Spillovers?
Für weitere Fragen stehen wir gerne zur Verfügung!
Der Lehrstuhl ist Teil des Forschungsclusters Computational Social Sciences.
Information zum Cluster können hier gefunden werden: