Der Finanzsektor: Wohlfahrtsökonomischer Leistungsbeitrag und Herausforderungen für makroökonomische Stabilität

September 2012 until Januar 2015 (completed) FFF-Förderprojekt

Project Description

Die Finanzkrise der Jahre 2007/2009 und die dadurch ausgelöste globale Rezession stellt die Wirtschaftswissenschaft vor neue Herausforderungen. Es zeigt sich, dass die Funktionsweise der global liberalisierten Finanzmärkte und deren Destabilisierungspotential in Bezug auf die Realwirtschaft nicht hinreichend erforscht ist. Es ist erforderlich, die Krise wissenschaftlich aufzuarbeiten. Die Konjunkturforschungsstellle Liechtenstein (KOFL) möchte im Rahmen des Forschungsprojekts hierzu einen Beitrag leisten und dabei einen liechtensteinspezifischen Standpunkt einnehmen. Die Forschungsergebnisse sollen auch die Grundlage wirtschaftspolitischer Empfehlungen bilden.

Schlüsselwörter

Finanzwissenschaft Konjunkturforschung

Participating Institutions

Forschungsförderungsfonds der Universität Liechtenstein / Förderer An-Institut Konjunkturforschungsstelle Liechtenstein (KOFL) / Projektleitung

Project Participants

Prof. Dr. Carsten-Henning Schlag

- Projektleiter

Projektleiter

Dr. habil. Kersten Kellermann

- Projektmitarbeiterin

Projektmitarbeiterin

Publications

Kellermann, K., & Schlag, C.-H. (2013). Occupy Risk Weighting: How the Minimum Leverage Ratio dominates Capital Requirements: A Swiss Example. Paper presented at the 5th International IFSBS Conference, Nottingham, UK.
Weitere

Der Einfluss der traditionellen Bauweisen: angewandte Prinzipien in der zeitgenössischen Architektur von heißen Klimazonen

September 2016 until August 2019 (completed) Dissertation

Project Description

Heutzutage werden neue Konstruktionen oft gebaut, ohne die unterschiedlichen physischen und kulturellen Bedingungen ihrer Standorte zu berücksichtigen. Dies betrifft nicht nur den Energieverbrauch während der Lebensdauer des Gebäudes, sondern auch die Komfort- und Lebensqualität seiner Nutzer. Daher sollte das Design je nach Standort kontextualisierte Gebäudelösungen enthalten. Solche Lösungen können in vielen Fällen in der lokalen Architektur gesehen werden. Der Zweck dieser Forschung wird es sein, das Ausmaß der Anpassung der Traditionellen Bauweisen in der zeitgenössischen Architektur in heißen Klimazonen zu bewerten. Wir werden die sozialen Faktoren untersuchen, die den Entscheidungsprozess in ihrer Anwendung beeinflussen. Die Forschung konzentriert sich auf zwei Regionen in Mexiko mit trockenem und tropischem Klima, wo wir mehrere Fallstudien mit einem Mixed-Methods-Ansatz analysieren werden. Unser Ziel ist es, die sozialen und ökologischen Vorteile der Anwendung von vernakuläre Prinzipien in der heutigen Architektur aufzuzeigen.

Schlüsselwörter

Nachhaltigkeit Traditionelles Bauen Passive design Lebensqualität

Participating Institutions

Institut für Architektur und Raumentwicklung / Promotionsinstitution

Project Participants

Dr. sc. Rodrigo Alba Krasovsky MSc Arch

- Doktorand

Doktorand

Prof. Dipl.-Arch. ETH/SIA Dietrich Schwarz

- Betreuer

Professor - Nachhaltiges Bauen Studienleiter BSc AR - Liechtenstein School of Architecture

Betreuer

Dr. Carlos Estuardo Aparicio Moreno

- Kobetreuer

Kobetreuer

Der Einfluss der Corporate Gorvernance auf die strategische Veränderungsfähigkeit von unternehmergeführten Firmen in der Wachstumsphase

September 2011 until Februar 2014 (completed) FFF-Förderprojekt

Project Description

Das Projekt verfolgt drei spezifische Forschungsziele. Zunächst soll in Erfahrung gebracht werden, welche Corporate Governance-Strukturen und -Prozedere in unternehmergeführten Unternehmen eingesetzt werden. Im zweiten Schritt soll herausgefunden werden, welche Motive mit diesen Strukturen und Prozedere verknüpft sind. Schliesslich soll untersucht werden, welchen Einfluss diese Corporate Governance-Strukturen auf die Veränderungsfähigkeit in den Unternehmen haben.

Relevance to Liechtenstein

Das Projekt hat es möglich gemacht, vertiefte Einblicke in die Corporate Governance von unternehmergeführten Unternehmen aus dem Fürstentum Liechtenstein sowie dem Rheintal zu erhalten. Das heisst, es wurde ermittelt, welche Corporate Governance-Strukturen in diesen Unternehmen implementiert und welche Motive mit der Einführung dieser Strukturen verbunden sind. Diese Erkenntnisse erlauben eine kritische Auseinandersetzung mit den präskriptiven Annahmen der Theorie und führen zu einem besseren Verständnis von Corporate Governance in unternehmergeführten Unternehmen.

Scientific, Economic and Societal Impact

Das Projekt vermag insbesondere dem jungen Forschungsgebiet Corporate Governance in unternehmergeführten Firmen neue Einblicke zu verleihen. Bis dato gibt es nur wenige Arbeiten in
diesem wichtigen Forschungsfeld. Insofern besteht ein hoher Bedarf und es ist ein hoher Nutzen für die Entwicklung des Themas zu erwarten.
Das Forschungsprojekt zur Corporate Governance wird als Projekt verstanden, welches über den wissenschaftlichen Bereich hinausgeht. Die Erkenntnisse und insbesondere der geplante Praxisleitfaden sollen daher nicht nur für Wissenschaftler, sondern vor allem für Unternehmer im Rheintal gedacht sein, um eine erhöhte Sensibilisierung für die Bedeutung von Corporate Governance im
Allgemeinen sowie in Bezug auf die strategische Veränderungsfähigkeit bedingt durch Unternehmenswachstum im Besonderen zu ermöglichen.
Es wird erwartet, dass die Untersuchung einen hohen Nutzen bringt für Praktiker, Berater oder andere Personen, die sich mit dem Thema auseinandersetzen und den Praxisleitfaden anwenden möchten.
Darüber hinaus können auch Dozenten die Erkenntnisse nutzen und in die Lehre mit einbeziehen.

Schlüsselwörter

Unternehmenswachstum

Participating Institutions

Forschungsförderungsfonds der Universität Liechtenstein / Förderer Lehrstuhl für Internationales Management / Projektleitung

InnoForce Est. / Partner

Project Participants

Dr. Susanne Durst MSc

- Projektleiterin

Projektleiterin

Dr. Stefan Wilhelm

- Projektmitarbeiter

Hochschuldozent - Entrepreneurship und Strategisches Management

Projektmitarbeiter

Deep Learning Anwendungen in Enterprise Data Science

September 2018 until Juni 2023 (completed) Dissertation

Project Description

Tiefe Neuronale Netze (Deep Neural Networks, DNNs), sind mächtige Algorithmen im Bereich des Maschinellen Lernens, die lose auf der Struktur des menschlichen Gehirns basieren. Fortschritte auf dem Gebiet der Neuronalen Netze, gekoppelt mit einer erhöhten Verfügbarkeit von Daten und einer Zunahme der Rechenleistung, waren essentiell für die kürzlichen Fortschritte im Bereich der Künstlichen Intelligenz. Bisher beschränkt sich der Einfluss Neuronaler Netze hauptsächlich auf einige spezifische Anwendungsgebiete, wie Bilderkennung sowie Text- und Sprachverarbeitung. Ihre Möglichkeit große Mengen strukturierter sowie unstrukturierter Daten zu verarbeiten, verleiht ihnen allerdings ein großes Potential für die Daten Analyse in Unternehmen. Big Data Initiativen und die Zunahmen mobiler Geräte sowie das Internet der Dinge, eröffnen Unternehmen Zugriff auf eine große Menge von Rohdaten. Neuronale Netze scheinen die ideale Technologie zu sein um aus diesen Daten nützliches Wissen zu kreieren.

Dieses Dissertationsprojekt nutzt Aktionsforschung - Action Design Research - um die Potentiale und Herausforderungen von Deep Learning Anwendungen in der Daten Analyse in Unternehmen zu erforschen. Es wird erforscht, inwiefern Tiefe Neuronale Netze neue Methoden zur Analyse von Unternehmensdaten ermöglichen und wie diese Methoden zu neuen wertschöpfenden Anwendungen führen können.

Schlüsselwörter

Datananalyse Maschinelles Lernen Neuronale Netze

Participating Institutions

Hilti Lehrstuhl für Business Process Management / Promotionsinstitution

Project Participants

Dr. rer. oec. Marcus Basalla M.Sc.

- Doktorand

Doktorand

Prof. Dr. Jan vom Brocke

- Betreuer

Gastprofessor - Information Systems und Process Science

Betreuer

Prof. Dr. Michalis Vlachos

- Kobetreuer

Kobetreuer

Deep and (Un-) Constrained Portfolio Optimization

Dezember 2023 until Juni 2024 (completed) FFF-Förderprojekt

Project Description

Seit ihren Anfängen in den 1950er Jahren leidet die Portfoliooptimierung unter Fehlern bei der Schätzung der Eingabeparameter (Michaud, 1989). Um die daraus resultierende schwache Leistung zu überwinden, mildern die jüngsten Fortschritte im Bereich des maschinellen Lernens die Auswirkungen von Schätzungsfehlern, indem sie die Portfoliogewichte direkt aus den rohen Eingabedaten optimieren, z. B. mithilfe von tiefen neuronalen Netzen. Diesen ersten Ansätzen fehlt jedoch ein wichtiger praktischer Aspekt, da sie die (Portfolio-)Gewichtungsbeschränkungen vernachlässigen, mit denen sich Vermögensverwaltungsgesellschaften in der Praxis konfrontiert sehen (z. B. Leerverkaufsbeschränkungen, Beschränkungen des Engagements in einer bestimmten Branche, Zielvorgaben für das Faktorengagement, Diversifizierungsanforderungen oder Obergrenzen für Transaktionskosten). Wir bemühen uns, die bestehenden Ansätze zu verbessern, indem wir die Umsetzung solcher Beschränkungen ermöglichen. Zum Abschluss dieses Projekts planen wir, neben einer wissenschaftlichen Abhandlung eine Software-Toolbox in R und/oder Python bereitzustellen, die unsere Erkenntnisse umsetzt.

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

Decision-making in crowdfunding

September 2017 until August 2020 (completed) Dissertation

Project Description

Crowdfunding is an Internet-based approach to raising capital through collective efforts of many individuals. In recent years, people have created tens of thousands of projects and campaigns that have collected billions of dollars through crowdfunding. Four basic crowdfunding practices have emerged: (1) donation-based crowdfunding, whereby investors are not compensated for their funding and which is usually used for charity projects; (2) lending-based crowdfunding, whereby investors are compensated with interest and which is usually used for private loans; (3) equity-based crowdfunding, whereby investors are compensated with shares or dividends and which is usually used for start-ups; and (4) reward-based crowdfunding, whereby investors are compensated with so-called rewards and which is usually used for creative projects. As of recently, established companies have also developed an interest in crowdfunding, although they typically do not use it to collect money but for purposes such as marketing, open innovation, and prototyping.

Since its fundamental concepts, techniques, and practices are constantly changing, researchers from various fields increasingly study crowdfunding, including Information Systems researchers. However, few researchers have studied decision-making at the individual level with the help of experiments. Against this backdrop, the dissertation project experimentally explores decision processes in crowdfunding through a behavioral-economics lens. The dissertation is paper-based and thus covers a series of studies, each of which examines individuals' crowdfunding decisions from a different perspective.

Schlüsselwörter

Crowdfunding Verhaltensökonomie Experimentelle Forschung

Participating Institutions

Hilti Lehrstuhl für Business Process Management / Promotionsinstitution

Project Participants

Dr. rer. oec. Lena Franziska Kaiser

- Doktorandin

Doktorandin

Prof. Dr. Jan vom Brocke

- Betreuer

Gastprofessor - Information Systems und Process Science

Betreuer

Prof. Dr. Alexander Mädche

- Kobetreuer

Kobetreuer

Decision methods and tools in the context of pension finance

September 2019 until August 2020 (completed) FFF-Förderprojekt

Project Description

In this project we developed an R-package (available through github at https://github.com/sstoeckl/pensionfinanceLi) to optimize decisions individuals in Liechtenstein's pension system have to take. The package contains several optimizers as well as a documentation (available through 'vignette("model")' once the package is installed). We have started the optimization for a feasible parameter grid to determine which variables are the most relevant drivers of optimal pension decisions. Based on the results we have trained three machine learning models (a hyper parameter-tuned random forest performs best) to allow individuals to receive faster and near-optimal decisions without having to wait for the individual optimization on each run (up to 25 minutes on a regular CPU). Predictions from these models are available to the public at https://apps.resqfin.com/pfli where - based on each persons individual settings.

Projektergebnisse:

Participating Institutions

Forschungsförderungsfonds der Universität Liechtenstein / Förderer Lehrstuhl für Finance / 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

- Mitarbeiter

Professor - Finance Dekan - Liechtenstein Business School

Mitarbeiter

Decision Criteria for the Domiciling of Investment Funds

September 2005 until März 2006 (completed) WTT

Project Description

The project addresses to the study of Liechtenstein's fund location and its competitiveness in international comparison. The specific topics are sub classified into three phases. Phase 1 investigates the attractiveness of Liechtenstein as a fund domicile. It is represented by the evaluation of a survey among domestic and foreign German-speaking fund leaderships and independent asset managers from abroad. Phase 2 deals with the segment of alternative investments. Liechtenstein's legal framework for qualified investors and alternative investment funds based on the new law of investment undertakings (IUG) are opposed to comparable competitor's products of other fund locations. The closing part (phase 3) concentrates on the greenpaper of the European Commission and its potential ascendancies on Liechtenstein by mean of reactions of institutions, investors and public authorities of the European fund industry.

Participating Institutions

Lehrstuhl für Betriebswirtschaftslehre, Bank- und Finanzmanagement / Projektleitung

Project Participants

Prof. em. Dr. Marco J. Menichetti

- Projektleiter

Emeritierter Professor - Liechtenstein Business School

Projektleiter

Lic. oec. HSG Oliver C. Oehri

- Projektmitarbeiter

Projektmitarbeiter

MMag. Dr. Wilfried Amann

- Projektmitarbeiter

Projektmitarbeiter

Dr. Marcel Vaschauner MBA

- Projektmitarbeiter

Projektmitarbeiter

Datenbasierte Unternehmensbewertung und IPO-Leistungsvorhersage

April 2018 until März 2020 (completed) FFF-Förderprojekt

Project Description

Eine genaue Unternehmensbewertung ist ein wichtiger Aspekt jedes Börsengangs. Etablierte Verfahren basieren ausschliesslich auf harten finanziellen Daten. Es konnte jedoch gezeigt werden, dass sogenannte "soft facts", wie zum Beispiel die Berufserfahrung des Managements, einen wichtigen Einfluss auf die Erfolgschancen eines Unternehmens haben. Dies gilt vor allem für Startups sowie kleine und mittelständische Unternehmen.
Ziel dieses Projekts ist die Entwicklung eines Modells zur Unternehmensbewertung, welches den Bewertungsprozess effizienter und transparenter gestaltet. Im Rahmen des Projekts werden existierende Modelle zur Unternehmensbewertung evaluiert und neue Technologien zur Integration zusätzlicher Informationen werden untersucht. Hierzu werden neue verfahren aus den Bereichen Text Mining, Sentiment Analysis Machine Learning und Crowdsourcing betrachtet. Ziel dieser Verfahren ist die automatische Extraktion Finanzieller Daten aus existierenden Finanzunterlagen, die Analyse der öffentlichen Meinung zum Unternehmen anhand von Medien Berichten und Sozialen Medien und eine Vorhersage über die zukünftige Finanzleistung des Unternehmens.
Dieses Projekt wird in Kooperation mit dem Startup Own durchgeführt, welches eine Verkaufsplattform für Firmenanteile entwickelt, die auf Blockchain Technologie basiert. Diese Kooperation ermöglich dieser Forschungsarbeit einen direkten Markteinfluss und gibt ihm Zugang zu einem Team mit gutem Marktverständnis sowie eine Plattform um das erlangte Wissen in der Praxis zu evaluieren.

Schlüsselwörter

Datananalyse

Participating Institutions

Forschungsförderungsfonds der Universität Liechtenstein / Förderer Hilti Lehrstuhl für Business Process Management / Projektleitung

Project Participants

Dr. rer. oec. Lena Franziska Kaiser

- Projektmitarbeiterin

Projektmitarbeiterin

Prof. Dr. Johannes Schneider

- Projektmitarbeiter

Professor - Artificial Intelligence und Data Science

Projektmitarbeiter

Prof. Dr. Jan vom Brocke

- Professor

Gastprofessor - Information Systems und Process Science

Professor

Dr. rer. oec. Marcus Basalla M.Sc.

- Projektleiter

Projektleiter

Publications

Data Governance in Finanzdienstleistungsunternehmen

September 2017 until Juli 2022 (completed) Dissertation

Project Description

Big Data Analytics (BDA) bezieht sich auf analytische Techniken, die auf grosse und komplexe Datensätze angewendet werden. Ferner umfasst BDA erweiterte Datenspeicher-, Management-, Analyse- und Visualisierungstechnologien. Zu den Anwendungsgebieten gehören Text Analytics, Audio Analytics, Video Analytics und Predictive Analytics. In den vergangenen Jahren fand BDA in vielen Branchen Anwendung, angefangen von E-Commerce und Fertigung bis hin zum Gesundheitssektor und der Finanzbranche. Insbesondere in Letzterer wurden vermehrt BDA-Initiativen gestartet, z.B. die automatisierte Überwachung von Kundenportfolios, Handelsempfehlungssysteme sowie Robo-Advisory. Während viele Anleitungen für die erfolgreiche Durchführung von BDA-Initiativen sich auf den Aufbau von BDA-Fähigkeiten im Unternehmen konzentrieren, erfordert die Implementierung von BDA darüber hinaus begleitende strukturelle, relationale und prozessbezogene Änderungen, um den organisatorischen Erfolg langfristig zu sichern. Daher hat die Arbeit zum Ziel die notwendigen organisatorischen Veränderungen zu ermitteln und ein BDA-Governance-Modell zu definieren. Hierbei konzentriert sich die Arbeit auf die Untersuchung von BDA-Initiativen innerhalb der Finanzbranche.