Building Capacity - Case Study Catalogue

Dezember 2025 until Dezember 2026 FFF-Förderprojekt

Project Description

Das Forschungsprojekt untersucht, wie städtebauliche und raumplanerische Projekte dazu beitragen können, Kapazitäten für zukunftsfähige Landschaften, Siedlungsstrukturen, Gesellschaften und Wirtschaften aufzubauen. Es reagiert auf die begrenzte Wirksamkeit klassischer Nachhaltigkeitsmodelle und entwickelt ein neues, aufbauendes Verständnis von Entwicklung, das ökologische, soziale und ökonomische Dimensionen gleichwertig integriert. Im Zentrum steht das Building Capacity-Prinzip mit drei miteinander verknüpften Dimensionen: Regeneration, Inklusion und Produktion. Diese Trias versteht Planung als reflexiven und ko-produktiven Prozess, der Wandel als gemeinsame gesellschaftliche Aufgabe begreift. Anhand internationaler Fallstudien werden qualitative und quantitative Wirkungen nachhaltiger Projekte analysiert, um Wirkmechanismen erfolgreicher Transformationen sichtbar zu machen. Das Projekt ist als Grundlagenforschung der Fachgruppe Städtebau und Raumentwicklung der Liechtenstein School of Architecture verankert.

Relevance to Liechtenstein

Das Projekt leistet somit einen Beitrag dazu, Liechtenstein als Innovationsstandort für nachhaltige Raum- und Stadtentwicklung zu positionieren und den Wissenstransfer zwischen Forschung, Planung und Gesellschaft zu stärken.

Scientific, Economic and Societal Impact

Nach Abschluss des Forschungsprojekts soll es möglich sein, anhand der dokumentierten städtebaulichen Projekte und raumplanerischen Prozesse die Machbarkeit einer ganzheitlich nachhaltigen Planung im Sinne des Building Capacity-Prinzips besser nachzuvollziehen und auf andere Kontexte zu übertragen. Dadurch entsteht die Grundlage, dass auch im Fürstentum Liechtenstein eine beispielhafte räumliche Entwicklung mit internationaler Strahlkraft realisiert werden kann.

Schlüsselwörter

Städtebau Raumplanung Gesellschaft Wirtschaft Nachhaltigkeit

Participating Institutions

Städtebau und Raumentwicklung / Projektleitung

Project Participants

Prof. Dipl. Arch. ETH Michael Wagner

- Projektleiter

Dekan - Liechtenstein School of Architecture Professor - Städtebau und Raumentwicklung Mitglied des Rektorats - Rektorat Studienleiter MSc AR - Liechtenstein School of Architecture

Projektleiter

Dipl. Ing. Fabian Hörmann

- Projektmitarbeiter

Wissenschaftlicher Mitarbeiter - Städtebau und Raumentwicklung

Projektmitarbeiter

Vertrauenswürdige KI: Steuerbarkeit und Interpretierbarkeit in kritischen Anwendungen

November 2025 until Oktober 2026 FFF-Förderprojekt

Project Description

Deep Learning (DL) hat die prädiktive Modellierung in verschiedenen Bereichen revolutioniert und ermöglicht eine beispiellose Genauigkeit und Entscheidungsfähigkeit. Viele DL-Modelle funktionieren jedoch wie "Black Boxes", die zwar genaue Vorhersagen liefern, aber die zugrunde liegenden Überlegungen nicht erklären. Diese mangelnde Transparenz stellt eine große Herausforderung für Anwendungen mit hohem Risiko dar, bei denen Erklärbarkeit und Kontrollierbarkeit ebenso wichtig sind wie die Vorhersageleistung. Das rasante Aufkommen generativer und agentenbasierter KI, d. h. von Systemen, die autonom Inhalte generieren oder komplexe Aufgaben ausführen, verstärkt diese Herausforderungen noch, da die Nutzer die Entscheidungen des Modells verstehen, antizipieren und gegebenenfalls beeinflussen müssen, um Sicherheit, Zuverlässigkeit und Vertrauen zu gewährleisten.
Dieses Projekt befasst sich mit diesen Herausforderungen, indem es Methoden zur Verbesserung der Erklärbarkeit und Kontrollierbarkeit von Deep-Learning-Modellen untersucht, wobei ein besonderer Schwerpunkt auf generativer und Deep-Learning-basierter agentenbasierter KI liegt. Konzeptbasierte Modelle (CBMs) werden als vielversprechender Ansatz untersucht, der es Benutzern ermöglicht, Vorhersagen durch intermediäre, für Menschen verständliche Variablen zu erklären und zu kontrollieren, während die Vorhersageleistung erhalten bleibt. Um ihre Anwendbarkeit zu beurteilen, werden die untersuchten Methoden in Bereichen mit hohem Risiko, wie dem Gesundheitswesen, dem Finanzwesen und der industriellen Automatisierung, weiter evaluiert und ihre Relevanz für reale Anwendungen untersucht.

Relevance to Liechtenstein

Dieses Projekt konzentriert sich auf die Untersuchung von Methoden zur Verbesserung der Erklärbarkeit und Kontrollierbarkeit von Deep-Learning-Modellen, mit besonderem Schwerpunkt auf generativer und Deep-Learning-basierter agentenbasierter KI.
Diese Aspekte gewinnen für Liechtenstein zunehmend an Bedeutung, da das Land seine digitale Transformation vorantreibt und wichtige Wirtschaftssektoren wie das Gesundheitswesen und das Finanzwesen einen steigenden Bedarf an zuverlässigen und transparenten KI-Systemen haben. Darüber hinaus wird das Projekt durch die Einbindung lokaler Interessengruppen in Workshops, Veranstaltungen zum Wissensaustausch und angewandte Kooperationen sicherstellen, dass seine Ergebnisse einen sinnvollen Beitrag zum regionalen Innovationsökosystem leisten.

Scientific, Economic and Societal Impact

Dieses Projekt reagiert auf den wachsenden Bedarf an KI-Systemen, die auf transparente und verantwortungsvolle Weise eingesetzt werden können, insbesondere da generative und agentenbasierte Modelle zunehmend in berufliche und entscheidungsunterstützende Prozesse integriert werden. Die Fähigkeit, KI-gesteuerte Schlussfolgerungen zu verstehen und gegebenenfalls zu beeinflussen, ist nicht nur für die Aufrechterhaltung des Vertrauens der Nutzer unerlässlich, sondern auch für den sicheren und zuverlässigen Betrieb von Systemen, die sich auf sozial und wirtschaftlich sensible Bereiche auswirken.
Die praktische Relevanz wird besonders in Bereichen mit hohem Risiko deutlich, in denen KI bereits eingesetzt wird. Im Gesundheitswesen beispielsweise sind transparente und kontrollierbare Modelle unerlässlich, um klinische Entscheidungen zu unterstützen und sicherzustellen, dass automatisierte Vorschläge von medizinischen Fachkräften interpretiert und bewertet werden können. Im Finanzwesen sehen sich Unternehmen mit steigenden Erwartungen hinsichtlich Fairness, Erklärbarkeit und Einhaltung gesetzlicher Vorschriften konfrontiert, sodass undurchsichtige Modelle in Bereichen wie Risikobewertung oder Betrugsaufdeckung nur schwer zu rechtfertigen sind.

Schlüsselwörter

Generative KI

Participating Institutions

Artificial Intelligence und Data Science / Projektleitung

Project Participants

Arianna Casanova Flores Ph. D.

- Projektleiterin

Postdoktorandin - Artificial Intelligence und Data Science

Projektleiterin

Vertikale Gerechtigkeit im Wandel: Familienveränderungen, grenzüberschreitende Mobilität und Nachhaltigkeit in öffentlichen Rentensystemen

November 2025 until Oktober 2026 FFF-Förderprojekt

Project Description

Öffentliche Rentensysteme stehen aufgrund der demografischen Alterung und sinkender Geburtenraten unter wachsendem finanziellem Druck. Um sozialen Schutz zu gewährleisten, stützen sie sich häufig auf vertikale Gerechtigkeit, d.h. die Umverteilung zugunsten einkommensschwächerer Gruppen. Während dieses solidaritätsorientierte Design Fairness fördert, erhöht es zugleich die Ausgaben und das fiskalische Risiko - mit Blick auf die langfristige Nachhaltigkeit. Parallel verändern gesellschaftliche Trends die Umverteilungskanäle: Die steigende Erwerbsbeteiligung von Frauen stärkt individuelle Ansprüche, nichteheliche Lebensgemeinschaften relativieren die Bedeutung von Einkommenssplitting und Hinterbliebenenrenten, und Migration sowie grenzüberschreitendes Pendeln führen zu fragmentierten Versicherungsverläufen.
Dieses Projekt untersucht, wie Familienstrukturen, Arbeitsmarktmuster und grenzüberschreitende Mobilität die vertikale Umverteilung in Rentensystemen prägen. Mittels dynamischer Mikrosimulation und verteilungsanalytischer Dekomposition werden Reformoptionen bewertet, die soziale Fairness und fiskalische Tragfähigkeit miteinander in Einklang bringen. Aufgrund der strukturellen Nähe der Systeme lassen sich Erkenntnisse aus der Schweiz direkt auf Liechtenstein übertragen.

Schlüsselwörter

Finanzwirtschaft Risikomanagement Innovation Gesellschaft Finanzmärkte

Participating Institutions

Center für Volkswirtschaftslehre / Projektleitung

Project Participants

Dr. Tanja Kirn

- Projektleiterin

Leiterin - Center für Volkswirtschaftslehre Assistenzprofessorin - Liechtenstein Business School

Projektleiterin

Unternehmerische Resilienz und ihre Auswirkungen auf die Unternehmensleistung

November 2025 until Oktober 2026 FFF-Förderprojekt

Project Description

Unternehmerische Resilienz hat sich in den vergangenen Jahren zu einem Schlüsselthema der Managementforschung entwickelt. Trotz ihrer hohen Relevanz bleibt das Konzept konzeptionell und empirisch unscharf, da Resilienz sowohl als Kapazität, Prozess oder Ergebnis beschrieben wird. Bestehende Messansätze wie VOLARE oder das von Ortiz-de-Mandojana & Bansal (2016) vorgeschlagene Modell haben wichtige Impulse geliefert, erweisen sich in der praktischen Anwendung jedoch bislang als wenig überzeugend und lassen zentrale Anforderungen an Vergleichbarkeit und Umsetzbarkeit offen. Das beantragte Projekt verfolgt daher das Ziel, ein neuartiges, reliables und valides Resilienz Mass zu entwickeln, das die Mehrdimensionalität des Konstrukts systematisch erfasst. Damit wird einerseits die theoretische Fundierung gestärkt und die Basis für robuste empirische Forschung gelegt. Andererseits erhalten Unternehmen und Investoren ein praxisnahes Instrument, um Resilienz als strategische Kenngröße zu nutzen und ihre Widerstandsfähigkeit gegenüber Krisen nachhaltig zu messen und zu vergleichen.

Relevance to Liechtenstein

Die Forschung zu unternehmerischer Resilienz unterstützt Unternehmen in einem kleinen, eng verflochtenen und international geprägten Wirtschaftsraum wie Liechtenstein dabei, besser auf externe Belastungen und strukturelle Abhängigkeiten zu reagieren. Durch die Entwicklung verlässlicher Messansätze erhalten regionale Unternehmen eine solide Grundlage, um ihre Widerstandsfähigkeit realistisch einzuschätzen und gezielt auszubauen. Davon profitiert nicht nur die Stabilität einzelner Betriebe, sondern auch die Verlässlichkeit regionaler Wertschöpfungs- und Lieferketten, was insgesamt einen spürbaren Mehrwert für Liechtenstein und die umliegende Region schafft.

Scientific, Economic and Societal Impact

Unternehmerische Resilienz ist für die betriebliche Praxis von hoher Bedeutung, doch bislang fehlen verlässliche quantitative Verfahren, um sie systematisch zu erfassen. Die Entwicklung neuer Messansätze soll dazu beitragen, das bisher nur grob fassbare Konzept klarer und nachvollziehbarer abzubilden. Dadurch können Unternehmen künftig besser erkennen, wo sie verwundbar sind und welche Bereiche gestärkt werden sollten. In der Praxis bietet eine solche Messbarkeit die Chance, Resilienz fördernde Strukturen und Prozesse gezielt in Entscheidungen und Abläufe einzubinden. Das FFF Projekt unterstützt damit die langfristige Stabilität und Wettbewerbsfähigkeit von Unternehmen auf einer nachvollziehbaren, empirischen Grundlage.

Schlüsselwörter

Strategisches Management Unternehmen Resilienz Unternehmenserfolg

Participating Institutions

Technologie und Innovation / Projektleitung

Project Participants

Prof. Dr. Leo Brecht

- Projektleiter

Professor - Technologie und Innovation Studienleiter MBA in Technology & Innovation - Technologie und Innovation

Projektleiter

Publications

Brecht, L., & Beales, T. (2025). Firm resilience and stock returns. Presented at the Asia-Pacific Conference on Economics and Finance (APEF 2025), Singapore.
Weitere

SPARK – Strukturierte Projektanalyse für die Forschung zu KI-Wissen. Design Thinking, KI-Handlungsmacht und Organisationales Lernen

November 2025 until Oktober 2026 FFF-Förderprojekt

Project Description

Dieses Forschungsvorhaben zielt darauf ab, die KI-Integration in Design-Thinking-Prozessen durch einen umfassenden Literaturreview und den Aufbau einer strukturierten Datenbasis aus 40 derzeit unstrukturiert vorliegenden Design-Thinking-Projekten systematisch zu analysieren.
Im Mittelpunkt steht das Verständnis dafür, wie verschiedene KI-Technologien in Design-Thinking-Methodologien eingesetzt werden und wie sich KI-Agency in organisationalen Design-Thinking-Umgebungen manifestiert. Basierend auf rigorosen empirischen Analysen und transparenten methodischen Ansätzen wird das Projekt verstreute, unstrukturierte Projektdaten in eine kohärente, verwendbare Datenbasis transformieren, die als Grundlage für das Verständnis der KI-Integration in Design-Thinking-Kontexten dient. Der Literaturreview wird durch die Synthese aktuellen Wissens über KI-Anwendungen in Designprozessen eine theoretische Fundierung bieten, während der Datensatzaufbau empirische Einblicke in reale Implementierungen liefert. Die resultierende Datenbank wird als Vorlage für die Analyse von KI-Nutzungsmustern in Projekten, die Untersuchung der Entwicklung von KI-Agency und die Unterstützung organisationaler Lernprozesse dienen.

Relevance to Liechtenstein

Das Projekt leistet einen wichtigen Beitrag zur Stärkung der Position Liechtensteins in der digitalen Innovationslandschaft durch die Schaffung systematischen Wissens über KI-Integration in Design-Thinking-Prozessen. Für Liechtensteins wissensintensive Sektoren - einschließlich Fintech, Bildung und Beratung - stellt die Fähigkeit zur systematischen Nutzung von KI in Design-Thinking-Prozessen einen Wettbewerbsvorteil dar. Darüber hinaus entstehen Synergien mit bestehenden Initiativen wie dem Erasmus+-Projekt "Design Thinking for AI" und positioniert die Universität Liechtenstein als Forschungsführer in KI-gestützten Innovationsmethoden.

Scientific, Economic and Societal Impact

Die strukturierte Datenbasis und das methodische Framework, die durch diese Forschung entwickelt werden, bieten eine wissenschaftlich fundierte Grundlage für Bildungseinrichtungen, Unternehmen und öffentliche Organisationen, um ihren Einsatz von KI in kreativen und problemlösungsorientierten Kontexten zu verstehen und zu optimieren. Das Projekt schafft direkten Nutzen durch die Bereitstellung von Vorlagen und Frameworks, die unmittelbar in universitären Programmen, beruflichen Weiterbildungsinitiativen und organisationalen Innovationsprozessen angewendet werden können.

Schlüsselwörter

Technologie- und Innovationsmanagement Künstliche Intelligenz Design Thinking

Participating Institutions

Information Systems und Digital Innovation / Projektleitung

Project Participants

Assoz. Prof. Dr. Benjamin van Giffen

- Projektleiter

Assoziierter Professor - Information Systems und Digital Innovation

Projektleiter

Franziska Anna Röckel M.Sc.

- Projektmitarbeiterin

Projektmitarbeiterin

Dr. rer. oec. Gregor Kipping

- Projektmitarbeiter

Projektmitarbeiter

Selbstführungsentwicklung für angehende Unternehmer

November 2025 until Oktober 2026 FFF-Förderprojekt

Project Description

Angehende Entrepreneure agieren in einem Umfeld, das von Unsicherheit, hohem Zeitdruck, Ressourcenknappheit und kontinuierlichen Umbrüchen geprägt ist (McMullen & Shepherd, 2006). In solchen Kontexten entscheidet die Qualität der Selbststeuerung darüber, ob Ziele präzise gesetzt, Prioritäten konsequent verfolgt, Rückschläge adaptiv verarbeitet und daraus wirksame Führungsfähigkeit entwickelt werden kann (D'Intino et al., 2007; Neck & Houghton, 2006).
Vor diesem Hintergrund untersucht das Projekt die Wirksamkeit eines sechswöchigen Online-Trainings zur Förderung von Self-Leadership bei Entrepreneurship Masterstudierenden. Self-Leadership bezeichnet den Prozess der bewussten Selbstbeeinflussung, in dem Individuen kognitive und behaviorale Strategien einsetzen, um ihre persönliche Effektivität und Leistung zu steigern (Neck & Houghton, 2006). Das Training kombiniert verhaltensorientierte Strategien (Selbstbeobachtung, Selbstzielsetzung, Selbsterinnerung), natürliche Belohnungsstrategien (Stärkung der intrinsischen Motivation) und konstruktive Gedankenmuster (positives Selbstgespräch, Visualisierung erfolgreicher Leistungen). Ergänzend wird Achtsamkeit über die Komponente der Selbstbeobachtung integriert, um die Aufmerksamkeit zu schärfen und selbstregulative Lernprozesse zu vertiefen (Bishop et al., 2004; Furtner et al., 2018).
Aktuelle Forschung verdeutlicht, dass Self-Leadership für angehende Entrepreneure nicht nur eine unterstützende Fähigkeit darstellt, sondern den zentralen Antrieb für unternehmerischen Erfolg bildet: Entrepreneure mit ausgeprägten Selbstführungsfähigkeiten reagieren resilienter auf Herausforderungen, nutzen Chancen proaktiver und steigern ihre unternehmerische Selbstwirksamkeit signifikant (Furtner et al., 2024).

Relevance to Liechtenstein

Das Vorhaben stärkt die Entrepreneurship-Ausbildung an der Universität Liechtenstein und fördert gezielt Kompetenzen, die für die Gründungs- und Innovationskraft der Region von hoher strategischer Bedeutung sind. Durch das wissenschaftlich fundierte Self-Leadership-Training werden Studierende befähigt, mit Unsicherheit, Zeitdruck und komplexen Entscheidungsprozessen souverän umzugehen. Sie erlernen Strategien wie klare Zielsetzung, konstruktive Selbstgespräche und die gedankliche Visualisierung von Erfolgsszenarien, welche ihre Resilienz erhöhen und die unternehmerische Selbstwirksamkeit steigern. Damit trägt das Projekt dazu bei, ein robustes Fundament für zukünftiges Unternehmertum in Liechtenstein zu legen und die Innovationsfähigkeit der Region nachhaltig zu stärken.

Scientific, Economic and Societal Impact

Das Projekt entwickelt ein evidenzbasiertes, skalierbares Online-Trainingskonzept, das sich nahtlos in die Entrepreneurship-Lehre und Gründungsförderprogramme integrieren lässt. Im Zentrum steht die gezielte Förderung zentraler Self-Leadership-Fähigkeiten - etwa Selbstbeobachtung, Selbstzielsetzung, positives Selbstgespräch und die Stärkung intrinsischer Motivation. Diese mentalen und verhaltensorientierten Strategien stärken die Fähigkeit zur bewussten Selbststeuerung in komplexen Handlungssituationen. Die Anwendung dieser Strategien zeigt nachweislich positive Effekte auf zentrale psychologische Ressourcen: Teilnehmende profitieren von einer verbesserten Stressbewältigung, höherer Resilienz, gesteigerter Selbstregulation, intrinsischer Motivation und unternehmerischer Selbstwirksamkeit. Das Training befähigt Studierende und angehende GründerInnen, Herausforderungen im Gründungskontext reflektiert, selbstreguliert und proaktiv zu bewältigen. Die im Projekt gewonnenen Erkenntnisse fliessen in konkrete Handlungsempfehlungen für die Entrepreneurship Education ein und leisten einen praxisorientierten Beitrag zur kompetenzbasierten Entwicklung zukünftiger Gründungspersönlichkeiten.

Schlüsselwörter

Entrepreneurship Education Selbstführung Resilienz Achtsamkeit

Participating Institutions

Entrepreneurship und Leadership / Projektleitung

Project Participants

Julia Tenschert PhD, MSc

- Projektleiterin

Postdoktorandin - Entrepreneurship und Leadership

Projektleiterin

Populismus und Finanzmärkte: Zukunftsgerichtete Einblicke aus optionsbasierten Kennzahlen

November 2025 until Oktober 2026 FFF-Förderprojekt

Project Description

Dieses Projekt untersucht, wie Populismus die Finanzmärkte beeinflusst, indem es options-implizite Informationen und verbesserte Messgrößen politischer Risiken nutzt. Populistische Bewegungen haben die politische Landschaft in Europa neu geprägt und beeinflussen zunehmend das Verhalten von Investoren, die Risikowahrnehmung und die Risikoprämien. Traditionelle Studien konzentrieren sich im Allgemeinen auf die Volatilität rund um Wahlen und im speziellen populistische Wahlausgänge: Die Volatilität steigt typischerweise im Umfeld von Wahlereignissen (Kelly, Pástor, & Veronesi, 2016), während populistische Siege die Risiko-Antizipation verändern (Stöckl & Rode, 2021; Hartwell, 2021). Solche Ansätze erfassen jedoch nur einen Teil der Marktreaktionen.
Wir erweitern diese Analyse, indem wir zukunftsgerichtete Messgrößen einbeziehen, wie etwa optionsimplizite erwartete Renditen und höherwertige risikoneutrale Momente, die ein differenzierteres Bild von Tail-Risiken, Asymmetrien und Extremereignissen liefern. Darüber hinaus wenden wir einen auf maschinellem Lernen basierenden Populismusindex an, der verschiedene rhetorische Dimensionen unterscheidet. Zusammengenommen bieten diese Untersuchungen einen umfassenderen Einblick in die Messung politischer Risiken, mit Relevanz sowohl für die akademische Forschung als auch für die Praxis von Investoren und politische Entscheidungsträgern.

Relevance to Liechtenstein

Liechtenstein ist ein international bedeutender Finanzplatz mit einem hohen Anteil an Investmentfonds, Banken und institutionellen Anlegern, die aktiv in internationale Märkte investieren. Das Projekt ist für Liechtenstein besonders relevant, da es neue Erkenntnisse über die Auswirkungen populistischer Entwicklungen auf Finanzmärkte liefert und somit Investoren, Fondsmanager und politische Entscheidungsträger vor Ort unterstützt. Durch die Nutzung von optionsimpliziten Informationen und einem maschinell lernbasierten Populismusindex können Risiken frühzeitig identifiziert und fundierte Entscheidungen getroffen werden. Zudem bietet das Projekt die Möglichkeit, die Methodik in Lehrveranstaltungen und Seminaren an der Universität Liechtenstein einzubringen, wodurch Studierende praxisnah in moderne Ansätze der politischen Risikobewertung eingeführt werden.

Schlüsselwörter

Finanzwirtschaft Risikomanagement Innovation Gesellschaft Finanzmärkte

Participating Institutions

Finanzökonomie / Projektleitung

Project Participants

Assoz. Prof. Dr. Sebastian Stöckl

- Projektleiter

Assoziierter Professor - Finanzökonomie Akademischer Leiter - Liechtenstein Undergraduate and Graduate School Official Representative AACSB - Universität Liechtenstein

Projektleiter

Prof. Dr. Michael Hanke

- Professor

Professor - Finance Dekan - Liechtenstein Business School

Professor

Momentum Horizons

FFF-Förderprojekt

November 2025 until August 2026

Momentum zahlt zu den am weitesten verbreiteten Anomalien in den Finanzmarkten, doch die zugrunde liegenden Mechanismen sind weiterhin umstritten. Aufbauend auf aktuellen Forschungsergebnissen ... Weitere

Makroperspektive: Faktorauswahl in dynamischen Zinsstrukturmodellen mittels Bayes’scher Methoden

November 2025 until Oktober 2026 FFF-Förderprojekt

Project Description

Das vorgeschlagene Projekt wird neue Techniken entwickeln, um die Prognose von Anleiherenditen und der Dynamik der Zinsstrukturkurve zu verbessern, indem systematisch die relevantesten makroökonomischen Faktoren identifiziert werden, die die Zinssätze beeinflussen. Traditionelle Dynamic Term Structure Models (DTSMs) gehen oft davon aus, dass die Informationen in der aktuellen Zinsstrukturkurve alle Treiber zukünftiger Zinssätze vollständig erfassen. Frühere Forschung zeigt jedoch, dass verschiedene makroökonomische Variablen, wie etwa Inflations- und Realaktivitätsmasse, zusätzliche Vorhersagekraft besitzen können, die über das hinausgeht, was die Renditestruktur allein widerspiegelt. Gleichzeitig weisen andere Studien darauf hin, dass die Berücksichtigung zu vieler Faktoren zu instabilen Prognosen und zu schlechten Anlageergebnissen ausserhalb der Stichprobe führen kann. Dieses Projekt adressiert diese widersprüchlichen Ergebnisse, indem es ein Bayes'sches Lernframework entwickelt, das in Echtzeit dynamisch die wichtigsten Faktoren für Prognosen auswählt und dabei überflüssige Prädiktoren ignoriert.
Unter Verwendung moderner Bayes'scher Methoden, insbesondere Sequential Monte Carlo und stochastischer Variablensuchalgorithmen, werden wir die Daten bestimmen lassen, welche makroökonomischen Variablen tatsächlich für die Vorhersage von Überschussrenditen auf Anleihen relevant sind. Unser Ansatz aktualisiert die Überzeugungen von Investoren, sobald neue Daten eintreffen, vermeidet die Fallstricke von Overfitting und berücksichtigt Modellunsicherheit auf prinzipielle Weise. Wir werden prüfen, ob diese datengesteuerte Auswahl makroökonomischer Faktoren zu einer verbesserten Prognosegenauigkeit und zu höherem ökonomischem Nutzen für Anleiheinvestoren führt. Durch die mögliche Reduktion des breiten Spektrums makroökonomischer Variablen auf wenige entscheidende Prädiktoren hat dieses Projekt das Potenzial, sowohl das Verständnis der Treiber von Anleiherisikoprämien als auch das praktische Management des Zinsänderungsrisikos zu verbessern.

Relevance to Liechtenstein

Das Projekt schafft Mehrwert für Liechtenstein, indem es sowohl die Forschungsumgebung des Financial-Economics-Schwerpunkts der Universität Liechtenstein als auch die analytischen Fähigkeiten der liechtensteinischen Finanzindustrie stärkt. Es ist in ein aktives akademisches Umfeld eingebettet, in dem Forschungsaktivitäten, fachliche Diskussionen und regelmäßige wissenschaftliche Austausche stattfinden und die Ergebnisse mit Kolleginnen und Kollegen sowie in Liechtenstein tätigen Praktikerinnen und Praktikern geteilt werden können. Dadurch tragen die im Projekt gewonnenen Erkenntnisse zum breiteren akademischen Diskurs bei und unterstützen eine evidenzbasierte Entscheidungsfindung im lokalen Finanzökosystem. Für die international ausgerichteten Finanzinstitute Liechtensteins bietet das Projekt konkrete praktische Vorteile. Durch die Identifikation einer kleinen Anzahl makroökonomischer Faktoren, die für die Vorhersage der Dynamik der Zinsstrukturkurve und von Anleiherisikoprämien besonders relevant sind, tragen die Ergebnisse zu robusteren Prognosen und einem verbesserten Management von Zinsrisiken bei. Die im Projekt entwickelte statistische Methodik reduziert Modellunsicherheit und ermöglicht es Banken, Vermögensverwaltern, Versicherungen und Pensionskassen in Liechtenstein, ihre Fixed-Income-Analysen und Portfolioentscheidungen zu stärken.
Das Projekt leistet zudem einen Beitrag zum Wissens- und Kompetenzaufbau innerhalb Liechtensteins. Seine Ergebnisse werden in Lehrveranstaltungen und forschungsbezogene Aktivitäten der Universität Liechtenstein integriert, sodass Studierende und zukünftige Fachkräfte des Finanzsektors in modernen empirischen Methoden ausgebildet werden.

Schlüsselwörter

Finanzwirtschaft Innovation Makroökonomie Technologie- und Innovationsmanagement Finanzinstrumente

Participating Institutions

Finanzökonomie / Projektleitung

Project Participants

Dr. Tomasz Dubiel-Teleszynski

- Projektleiter

Postdoktorand - Finanzökonomie

Projektleiter

Extreme Analystenprognosen

November 2025 until Oktober 2026 FFF-Förderprojekt

Project Description

Im Rahmen eines Forschungsprojekts am Lehrstuhl für Sustainable Finance and Investments der Universität Liechtenstein wird untersucht, welche Aussagekraft extreme Kursziele von Analysten (Target Prices) für zukünftige, faktorbereinigte Aktienrenditen besitzen. Im Mittelpunkt steht das Verhältnis aus Konsens-Kursziel und aktuellem Kurs (TP/P). Während die durchschnittlichen impliziten Renditen gut dokumentiert sind, richtet das Projekt den Blick auf die Ränder der Verteilung: außergewöhnlich hohe oder niedrige TP/P Werte. Diese Extremfälle können durch Markt(Über)reaktionen, unternehmensspezifische Ereignisse oder verhaltensbedingte Verzerrungen entstehen.

Ziel ist es, Extremwerte systematisch zu identifizieren, ihre Determinanten zu beschreiben und deren Prognosekraft gegenüber Renditen im Vergleich zum Mittelfeld der Verteilung zu messen. Methodisch kombiniert das Projekt Portfolio Sortierungen, Regressionsmodelle aus der empirischen Asset Pricing Literatur sowie flexible, nichtlineare Schätzverfahren. Die Ergebnisse sollen Investoren, Vermögensverwaltern und Aufsichtsbehörden ein besseres Verständnis über die Verlässlichkeit von Analystensignalen liefern und zeigen, ob sich aus extremen Kurszielen robuste, kosteneffiziente Anlagestrategien ableiten lassen.

Relevance to Liechtenstein

Für Liechtenstein als Private Banking und Vermögensverwaltungsstandort ist das Verständnis von Analystensignalen praxisrelevant. Das Projekt zeigt, ob und wann extreme Kursziele zuverlässige Hinweise für Mandats und Produktumsetzungen liefern - unter realistischen Transaktionskosten und Risikobudgets. Es unterstützt Institute bei der Weiterentwicklung regelbasierter Investmentprozesse, beim Umgang mit Research Signalen in der Beratung sowie beim Risikomanagement (z.B. Umgang mit überhöhten Erwartungen in Stressphasen). Gleichzeitig fördert das Projekt die datengetriebene, evidenzbasierte Ausbildung künftiger Finanzfachkräfte an der Universität Liechtenstein und stärkt den Wissensaustausch mit regionalen Marktteilnehmern.

Schlüsselwörter

Sustainabile Investments Sustainable Finance Finance Nachhaltigkeit

Participating Institutions

Sustainable Finance und Investments / Projektleitung

Project Participants

Dr. Othar Kordsachia

- Projektleiter

Vertreter der Professur - Sustainable Finance und Investments

Projektleiter