Hamburg Financial Research Center

Finanzökonomisches Kompetenzzentrum und wissenschaftlicher Partner der Wirtschaft in der Metropolregion Hamburg.

News

Wir informieren fortlaufend zu den Aktivitäten und Neuerungen am HFRC über den Newsfeed unserer Institutsseite auf LinkedIn. Eine Übersicht der letzten Updates bieten wir zudem hier in der Rubrik News auf unserer Internetseite.

Excel-Workshop // Finance Talents

Unsere Talents hatten heute die Gelegenheit, ihre Excel-Kenntnisse in einem exklusiven Workshop mit unserem Corporate Partner Forvis Mazars in Germany zu vertiefen. Im Anschluss bot sich in entspannter Runde bei Pizza und Bier Raum für Networking und anregende Gespräche. Dazu konnten die Talents ihre Fähigkeiten am Kickertisch unter Beweis stellen.

Vielen Dank an Tabea Thönnessen, Torben Hofmayer, Janick Niederberger, Dorian Sievert und Bastian Zeller für einen gelungenen Abend voller fachlicher Weiterbildung und lockerem Austausch! Wir kommen gerne wieder 🙂

Auf LinkedIn weiterlesen

Event mit ENOVA Power // Finance Talents

Hoch über den Dächern Hamburgs hatten unsere Talents kürzlich die Gelegenheit, einen exklusiven Einblick in die Arbeit und das Geschäftsmodell von ENOVA Power zu erhalten – einem führenden Entwickler, Investor und Betriebsführer von Windparks. Die Veranstaltung fand in der Rooftop-Bar des Cloud One Hotels statt, die ENOVA Power exklusiv für unsere Talents angemietet hatte.

Bei Snacks, Drinks und der einen oder anderen Partie Tischtennis erklärten die Vertreter von ENOVA Power unseren Talents die Strukturierung und Finanzierung von Windparkprojekten und stellten Einstiegs- und Karrieremöglichkeiten im Unternehmen vor.

Vielen Dank an ENOVA Power für dieses tolle Event!

Auf LinkedIn weiterlesen

Semesterauftakt mit zeb Consulting // Finance Talents

Zum Start des neuen Semesters luden wir unsere HFRC Finance Talents erneut zu unserem beliebten Stammtisch ein — eine wertvolle Gelegenheit, in entspannter Atmosphäre neue Kontakte zu knüpfen. Dieses Mal fand der Stammtisch gemeinsam mit unserem Corporate Partner zeb Consulting, einer in Hamburg ansässigen Strategie- und Managementberatung, statt.

Im Rahmen unseres halbjährlichen Stammtisches bringen wir unsere Talents mit Wissenschaftlern des HFRC und Industry Experts zusammen.

Der Stammtisch ist zugleich der Auftakt zu unserem umfangreichen Workshop-Programm, das wir auch in diesem Semester wieder für unsere Talents organisiert haben.

Auf LinkedIn weiterlesen

Fintech Day 2024 // Finance Talents

Diese Woche konnten unsere Talents beim Fintech Day 2024 in der Hafencity exklusive Einblicke in die pulsierende Hamburger Fintech-Szene gewinnen.

Ein besonderes Highlight war die Q&A-Runde mit Fintech-Gründer Jes Hennig, der interessante Erfahrungen mit unseren Talents teilte.

Auf LinkedIn weiterlesen

Neue Publikation im "Financial Analysts Journal" // HFRC Research

Das HFRC Working Paper “Predicting Corporate Bond Illiquidity via Machine Learning” wurde zur Veröffentlichung im Financial Analysts Journal angenommen. Die Studie, verfasst von Axel Cabrol (TOBAM), Wolfgang Drobetz (Universität Hamburg), Tizian Otto (Universität Hamburg) und Tatjana Xenia Puhan (Swiss Re Management Ltd und Universität Mannheim) untersucht den Nutzen maschineller Lernverfahren für die Schätzung der Illiquidität von US-Unternehmensanleihen. Maschinelle Lernverfahren übertreffen einen auf historischer Illiquidität basierenden Ansatz, der in der Praxis die am meisten verwendete Benchmark darstellt, sowohl aus statistischer als auch aus ökonomischer Sicht. Verfahren mit Regressionsbäumen schneiden dabei besonders gut ab. Auch wenn die historische Illiquidität die wichtigste Vorhersagevariable ist, besitzen zahlreiche fundamentale und rendite- sowie risikobasierte Kennzahlen ebenfalls eine bedeutende Vorhersagekraft für die zukünftige Anleihenilliquidität. Nichtlineare Effekte und Wechselwirkungen zwischen den Vorhersagevariablen sind für die Prognosequalität entscheidend. Für Praktiker hängt die Wahl des geeigneten maschinellen Lernmodells von der jeweiligen Anwendung ab.

Das Paper kann über folgenden Link heruntergeladen werden: https://lnkd.in/exvF8HtN

***

The HFRC Working Paper “Predicting Corporate Bond Illiquidity via Machine Learning” has been accepted for publication in the Financial Analysts Journal. The study, authored by Axel Cabrol (TOBAM), Wolfgang Drobetz (University of Hamburg), Tizian Otto (University of Hamburg), and Tatjana Xenia Puhan (Swiss Re Management Ltd und University of Mannheim) tests the predictive performance of machine learning methods in estimating the illiquidity of US corporate bonds. Machine learning techniques outperform the historical illiquidity-based approach, the most commonly applied benchmark in practice, from both a statistical and an economic perspective. Gradient-boosted regression trees perform particularly well. Historical illiquidity is the most important single predictor variable, but several fundamental and return- as well as risk-based covariates also possess predictive power. Capturing nonlinear effects and interactions among these predictors further enhances forecasting performance. For practitioners, the choice of the appropriate machine learning model depends on the specific application.

The paper can be downloaded via the following link: https://lnkd.in/exvF8HtN

Auf LinkedIn weiterlesen

Neue Publikation im "Journal of Financial and Quantitative Analysis" // HFRC Research

Das HFRC Working Paper "Estimating Stock Market Betas via Machine Learning” wurde zur Veröffentlichung im Journal of Financial and Quantitative Analysis angenommen. Die Studie, verfasst von Wolfgang Drobetz (Universität Hamburg), Fabian Hollstein (Universität des Saarlandes), Tizian Otto (Universität Hamburg) und Marcel Prokopczuk (Leibniz Universität Hannover) zeigt, dass Beta-Faktor-Schätzer, die auf maschinellen Lernverfahren basieren, sowohl statistisch als auch ökonomisch besser abschneiden als traditionelle Betaschätzer. Maschinelle Lernverfahren generieren Aktienmarktbetas mit den geringsten Prognose- und Absicherungsfehlern. Sie helfen außerdem, bessere marktneutrale Anomaliestrategien sowie Portfolios mit minimaler Varianz zu erzeugen. Historische Aktienmarktbetas, Umsatz und Größe eines Unternehmens sind die wichtigsten Prognosevariablen.

Das Paper kann über folgenden Link heruntergeladen werden: https://lnkd.in/evC8cDpr

***

The HFRC Working Paper “Estimating Stock Market Betas via Machine Learning” has been accepted for publication in the Journal of Financial and Quantitative Analysis. The study, authored by Wolfgang Drobetz (University of Hamburg), Fabian Hollstein (Saarland University), Tizian Otto (University of Hamburg), and Marcel Prokopczuk (Leibniz University Hannover) shows that machine learning-based stock market beta estimators outperform established benchmark models both statistically and economically. Machine learning-based estimators produce the lowest forecast and hedging errors, and they also help create better market-neutral anomaly strategies and minimum variance portfolios. Historical stock market betas, turnover, and size are the most important predictors.

The paper can be downloaded via the following link: https://lnkd.in/evC8cDpr

Auf LinkedIn weiterlesen

Publikationen

Wir veröffentlichen unsere Forschungsergebnisse regelmäßig in angesehenen internationalen Fachzeitschriften. Eine Übersicht aller Veröffentlichungen sowie der aktuellen Arbeits- und Diskussionpapiere bietet die Rubrik Publikationen.

Token-based crowdfunding: Investor choice and the optimal timing of initial coin offerings (ICOs)

Wolfgang Drobetz, Lars Hornuf, Paul P. Momtaz, Niclas Schermann
Entrepreneurship Theory and Practice | 06/2024
This paper examines the operating and financial performance of venture firms conducting initial coin offerings (ICOs) with different types of investors and at different points along a venture’s life-cycle. Relative to purely crowdfunded ICO ventures, institutional investor-backed ICO ventures exhibit weaker operating performance and fail earlier. However, conditional on survival, these ventures financially outperform their peers that do not receive institutional investor support. The diverging effects of investor backing on financial and operating performance are consistent with our theory of "certification exploitation" through a new form of pump-and-dump scheme. Institutional investors exploit their reputation to drive up ICO valuations and quickly exit the venture post-ICO, with the difference in pre- versus post-certification token prices being their exploitation profit in liquid markets for startups. Our findings further indicate that there is an inverted U-shaped relationship between the financial success of an ICO and the timing along a venture’s life-cycle, with the product piloting phase representing the pivotal point.

Estimating stock market betas via machine learning

Wolfgang Drobetz, Fabian Hollstein, Tizian Otto, Marcel Prokopczuk
Journal of Financial and Quantitative Analysis | 05/2024 | Forthcoming
Machine learning-based market beta estimators outperform established benchmark models both statistically and economically. Analyzing the predictability of time-varying market betas of U.S. stocks, we document that machine learning-based estimators produce the lowest forecast and hedging errors. They also help create better market-neutral anomaly strategies and minimum variance portfolios. Among the various techniques, random foests perform best overall. Model complexity is highly time-varying. Historical stock market betas, turnover, and size are the most important predictors. Compared to linear regressions, allowing for nonlinearity and interactions significantly improves predictive performance.

Predicting corporate bond illiquidity via machine learning

Axel Cabrol, Wolfgang Drobetz, Tizian Otto, Tatjana Xenia Puhan
Financial Analysts Journal | 05/2024 | Forthcoming
This paper tests the predictive performance of machine learning methods in estimating the illiquidity of U.S. corporate bonds. Machine learning techniques outperform the historical illiquidity-based approach, the most commonly applied benchmark in practice, from both a statistical and an economic perspective. Tree-based models and neural networks outperform linear regressions, which incorporate the same set of covariates. Gradient boosted regression trees perform particularly well. Historical illiquidity is the most important single predictor variable, but several fundametal and return- as well as risk-based covariates also possess predictive power. Capturing interactions and nonlinear effects among these predictors further enhances predictive performance.

The sustainability committee and environmental disclosure: International evidence

Hamdi Driss, Wolfgang Drobetz, Sadok El Ghoul, Omrane Guedhami
Journal of Economic Behavior & Organization | 05/2024 | Forthcoming
This paper contributes to the growing debate about the role of board-level sustainability committees, focusing on whether they leverage sustainability expertise for impactful environmental initiatives or purely serve as symbolic actions aimed at greenwashing. Using a large set of firms from 35 countries over the 2010–2017 period, we find that the presence of a sustainability committee is positively associated with higher-quality GHG emissions disclosure. This finding is robust to endogeneity and sample selection bias concerns. The sustainability committee effect is more pronounced when external environmental institutions are too weak to properly monitor corporate environmental disclosure. Our findings suggest that sustainability committees are not a symbolic management tool, but play a crucial role in enhancing corporate environmental disclosure.

Events

Im Rahmen unserer Aktivitäten in Forschung, Wissenstransfers und Nachwuchsförderung organisieren wir verschiedene Veranstaltungsformate. Eine vollständige Übersicht unserer derzeit bereits terminierten Veranstaltungen bietet die Rubrik Events.

Transfer
Save the date

Hamburg Finance Forum | 24. Januar 2025

Das neue Jahr startet stets mit guten Vorsätzen und für das Hamburg Financial Rsearch Center alljährlich mit dem Hamburg Finance Forum. Auch im Jahr 2025 folgen wir unserem Leitsatz “Connecting minds to foster knowledge” und laden herausragende Wissenschaftler, institutionelle Anleger und andere hochkarätige Gäste aus der Finanzwelt nach Hamburg ein, um mit uns die aktuellen Herausforderungen, Trends und Entwicklungen der institutionellen Kapitalanlage zu diskutieren. Wir freuen uns, Sie in den Räumlichkeiten der Patriotischen Gesellschaft nahe der Binnenalster zu interessanten Vorträgen und inspirierenden Diskussionen begrüßen zu dürfen. Das Hamburg Finance Forum bietet seit vielen Jahren eine einzigartige Plattform für den konstruktiven Austausch zwischen Wissenschaft, Politik und Finanzwirtschaft.