Projektstudium (Master) SoSe 2023

Zielgruppe und Anmeldung

Die Veranstaltung richtet sich ausschließlich an Studierende im VWL-Master. Es können 10 Credits (PO 2008) bzw. 6 Credits (PO 2010 und PO 2012) erworben werden. Die Veranstaltung ist auf fünf Teilnehmer beschränkt. Die Vergabe der Plätze erfolgt in der Reihenfolge der Anmeldungen am Lehrstuhl. Die Anmeldung beim Prüfungsamt erfolgt in der vorgezogenen Anmeldungsphase.

Ablauf der Veranstaltung

Die Veranstaltung besteht in der Übernahme eines Themas, einer eigenständigen empirischen Analyse und einer schriftlichen Ausarbeitung im Umfang von ca. 20 Seiten.

Thema

Der Lehrstuhl befasst sich mit Forschungsfragen im Bereich internationaler Finanzmärkte und monetärer Ökonomie. Aus diesen Bereichen sollte auch das Thema für das Projektstudium kommen. Dieses wird unter Einbezug der Interessen der/des Studierenden auf individueller Basis festgelegt. Kenntnisse in Ökonometrie und empirischer Wirtschaftsforschung sind Voraussetzung. Kenntnisse in der Datenverarbeitung mit Excel sowie im Umgang mit Statistik-Software sind von Vorteil.

Verknüpfung mit Masterarbeit

Bei erfolgreichem Verlauf des Projektstudiums können die Arbeitsergebnisse als Basis für die Masterarbeit dienen.

Ansprechpartner

Bei Interesse wenden Sie sich bitte direkt an den zum jeweiligen Thema angegebenen Betreuer.
 

Themenvorschläge

Die nachfolgende Liste beinhaltet Themenvorschläge seitens des Lehrstuhls inklusive der zugehörigen Einstiegsliteratur.
 

Betreuerin: Fiona Höllmann

1. Der Einfluss von Spekulation und Hedging auf die Liquidität in Terminmärkten

  • Ludwig, M. (2019). “Speculation and its impact on liquidity in commodity markets”, in: Resources Policy, Jg. 61, S. 532-547.

2. Unsicherheit in Warenterminmärkten - Untersuchung von Volatilitäts-Spillovern und Informationsübertragungen
     zwischen Rohstoffen unter Verwendung multivariater GARCH-Modelle

  • Dhaene, G., Sercu, P., & Wu, J. (2022). “Volatility spillovers: A sparse multivariate GARCH approach with an application to commodity markets”, in: Journal of Futures Markets, Jg. 42 (5), S. 868-887.
  • Kang, S. H., McIver, R., & Yoon, S. M. (2017). „Dynamic spillover effects among crude oil, precious metal, and agricultural commodity futures markets”, in: Energy Economics, Jg. 62, S. 19-32.

3. Unsicherheit in Aktienmärkten - eine Analyse des Einflusses auf das Händlerverhalten

  • Kostopoulos, D., Meyer, S. & Uhr, C. (2021). „Ambiguity about volatility and investor behaviour”, in: Journal of Financial Economics, im Druck.
  • Ellsberg, D. (1961). “Risk, ambiguity, and the Savage axioms”, in: The Quarterly Journal of Economics, Jg. 74 (4), S. 643-669.

     

    Betreuerin: Elissa Iorgulescu

    4. Vorhersage von makroökonomischen Variablen mittels Machine-Learning-Modellen in einem hochdimensionalen
         Umfeld.

    • McCracken, M. W., & Ng, S. (2016), “FRED-MD: A monthly database for macroeconomic research”, in: Journal of Business & Economic Statistics, Jg. 34 (4), S. 574-589.
    • Gu, S., Kelly, B., & Xiu, D. (2020), “Empirical asset pricing via machine learning”, in: The Review of Financial Studies, Jg. 33 (5), S. 2223-2273.
    • Medeiros, M. C., Vasconcelos, G. F., Veiga, Á., & Zilberman, E. (2021), “Forecasting inflation in a data-rich environment: the benefits of machine learning methods”, in: Journal of Business & Economic Statistics, Jg. 39 (1), S. 98-119.

    5. Treiber der Preisvolatilität in den Rohstoffterminmärkten im Zeitverlauf

    • Kaufmann, R. K. (2011), “The role of market fundamentals and speculation in recent price changes for crude oil”, in: Energy Policy, Jg. 39 (1), S. 105-115.
    • Manera, M., Nicolini, M. & Vignati, I. (2016), “Modelling futures price volatility in energy markets: Is there a role for financial speculation?”, in: Energy Economics, Jg. 53, S. 220-229.

    6. Die Rolle von Hedgern und Spekulanten in Rohstoffterminmärkten

    • Kang, W., Rouwenhorst, K.G. & Tang, K. (2020). „A tale of two premiums: The role of hedgers and speculators in commodity futures markets.”, in: The Journal of Finance, Jg. 75 (1), S. 377-417.

     

    Betreuer: Dimitrios Kanelis

    7. Geldpolitik: Analyse monetärer Schocks

    • Ramey, V. A. (2016), „Macroeconomic Shocks and Their Propagation”, in: Handbook of  Macroeconomics, Jg. 2A, S. 71-162.
    • Nakamura, E. & Steinsson, J. (2018), “High-Frequency Identification of Monetary Non-Neutrality: The Information Effect”, in: Quarterly Journal of Economics, Jg. 133(3), S. 1283-1330.
    • Altavilla, C., Brugnolini, L., Gürkaynak, R.S., Matto, R. & Ragusa, G. (2019), “Measuring euro area monetary policy”, in: Journal of Monetary Economics, Jg. 108, S. 162-179.

    8. Unstrukturierte Daten in Geldpolitik- und Finanzanalysen

    • Loughran, T. & McDonald, B. (2011), “When Is a Liability Not a Liability? Textual Analysis, Dictionaries, and 10-Ks”, in: The Journal of Finance, Jg. 66(1), S. 35-65.
    • Shapiro, A.H. & Wilson, D.J. (2022), “Taking the Fed at its Word: A New Approach to Estimating Central Bank Objectives using Text Analysis”, in: Review of Economic Studies, Jg. 89(5), S. 1-38.
    • Apel, M., Blix Grimaldi, M. &  Hull, I. (2022): “How Much Information Do Monetary Policy Committees Disclose? Evidence from the FOMC’s Minutes and Transcripts” in: Journal of Money, Credit, and Banking, Jg. 54(5), S. 1460-1490.

    9. Ökonomische Analyse von Finanzkrisen und Kreditzyklen

    • Schularick, M. & Taylor,  A.M. (2012), “Credit Booms Gone Bust: Monetary Policy, Leverage Cycles, and Financial Crises, 1870-2008”, in: American Economic Review, Jg. 102(2), S. 1029-1061.
    • Baron, M., E. Verner & Xiong, W.  (2021), “Banking Crises Without Panics", in: Quarterly Journal of Economics, Jg. 136(1), S. 51-113.
    • Sufi, A. & Taylor, A.M. (2022), “Financial Crises: A Survey”, in: Handbook of International Economics: International Macroeconomics, Vol. 6, S. 291-340.