Bundesverband Alternative Investments e.V. (BAI)

Der Bundesverband Alternative Investments e. V. (BAI), die zentrale Interessenvertretung der Alternative-Investments-Branche in Deutschland, hat am 03. Dezember den vierzehnten BAI-Wissenschaftspreis für exzellente wissenschaftliche Arbeiten im Bereich Alternative Investments vergeben. Prämiert wurden Arbeiten in vier verschiedenen Kategorien, für die ein Preisgeld von insgesamt EUR 10.000 ausgelobt worden war.

Die Auswahl der Gewinnerarbeiten traf ein vom Verband unabhängiges Expertengremium aus Praxis und Wissenschaft. Die Preise wurden von Prof. Dr. Dirk Schiereck (TU Darmstadt), der das Gremium bei der Preisverleihung vertrat, sowie von Prof. Dr. Rolf Tilmes, Vorstandsmitglied im BAI, überreicht. Prof. Schiereck betonte bei seiner Laudatio: „Auch in diesem Jahr sind die Gewinnerarbeiten wieder auf sehr hohem wissenschaftlichem Niveau und sind allesamt preiswürdig. Das ist ganz im Sinne der Wissenschaft und auch der Alternativen Investment Industrie, welche dadurch auch partizipiert“.

Zu betonen ist die besondere Breitenwirkung des Wissenschaftspreises. Die sehr gute Qualität der eingereichten Arbeiten ist für den BAI auch in Zukunft Ansporn, den Wissenschaftspreis weiterhin jährlich auszurichten. Mit über 200 eingereichten Arbeiten in den letzten vierzehn Jahren hat sich der BAI-Wissenschaftspreis zu einer festen Größe entwickelt.

Folgende Arbeiten wurden prämiert: In der Kategorie Bachelorarbeiten überzeugte die Arbeit „The Black-Scholes Model versus the Heston-Nandi GARCH Option Pricing Model: A Comparison of Option Pricing Models“ von Finn Cuber. Diese vergleicht das Black-Scholes Modell und das Heston-Nandi GARCH Option Pricing Modell hinsichtlich ihrer Leistungsfähigkeit bei der Schätzung von Optionspreisen. Zum Vergleich der Schätzungen mit den tatsächlichen Preisen werden verschiedene Moneyness-Niveaus und Laufzeiten verwendet.

In der Kategorie Masterarbeiten gewann die Arbeit „Improving Option Trade Classification with Machine Learning“ von Markus Bilz. Die Arbeit untersucht die Potenziale von Machine Learning (ML) für die Klassifizierung von Optionstrades nach dem Initiator des Trades als Alternative zu klassischen Heuristiken wie dem Lee-Ready-Algorithmus. Auf zwei großen Options-Datensets der ISE and CBOE erzielt sie mit den Ansätzen Gradient-Boosted Trees und FT-Transformer eine deutlich höhere Genauigkeit gegenüber klassischen Benchmarks bei zugleich verbesserter Robustheit. Sie zeichnet sich dadurch aus, dass sie erstmalig sowohl das überwachte Lernszenario betrachtet, als auch eine Erweiterung auf das semi-überwachte Szenario vornimmt, welches nur partiell gelabelte Optionstrades erfordert und dabei hohe Performance-Gewinne erzielt. Weiterhin zeigt die Arbeit durch eine auf Shapley-Werten basierende Feature Importance Analyse, dass klassische Heuristiken und die verwendeten ML-Modelle eine gemeinsame Teilmenge an Trade-Informationen für die Klassifikation teilen, die ML-Ansätze diese aber effektiver ausschöpfen.

In der Kategorie Dissertationen wurde die Arbeit von Dr. Alexander Jürgens zum Thema: „Essays on Cyclicality and Heterogeneity in Private Equity“ ausgewählt. Die Dissertation beschäftigt sich mit der Zyklizität und Heterogenität der Performance und Wertschöpfungshebel von Private Equity (PE) Investmentionen. Die Ergebnisse der Arbeit zeigen, dass PE finanzierte Unternehmen weniger anfällig für Rezessionsphasen sind als vergleichbare börsennotierte Unternehmen. Die Performance und Wertschöpfung von Investmentfirmen in PE weisen allerdings erhebliche systematische Unterschiede auf, die für Anleger schwer erkennbar sein können. Die Arbeit unterstreicht die Bedeutung umfangreicher Daten und stellt neue statistische Methoden vor, um zuverlässig kompetente PE Firmen zu identifizieren.

In der Kategorie sonstige wissenschaftliche Arbeiten überzeugte die Arbeit „Book-to-Market, Mispricing, and the Cross-Section of Corporate Bond Returns“ von dem Autorenteam Prof. Dr. Söhnke M. Bartram, Prof. Mark Grinblatt und Prof. Yoshio Nozawa. Zum Inhalt: Die Verhältnisse des Buchwertes zum Marktwert von Unternehmensanleihen prognostizieren aus Transaktionspreisen berechnete Anleihe-Renditen. Vorrangige Anleihen (sogar Investment-Grade-Anleihen) mit den 20 % höchsten Verhältnissen haben 3-4% höhere Renditen pro Jahr als die mit den 20 % niedrigsten nach Berücksichtigung zahlreicher Liquiditäts-, Ausfall-, Mikrostruktur- und Preisrisikoattribute.

Zusammenfassungen der Gewinnerarbeiten erscheinen zeitnah in einem BAI-Sondernewsletter

BAI Pressemitteilung

Pressekontakt:
Bundesverband Alternative Investments e.V. (BAI)
Frank Dornseifer, Geschäftsführer
Poppelsdorfer Allee 106
53115 Bonn
Tel.: +49 (0)228-96987-50
Fax: +49 (0)228-96987-90
E-Mail: dornseifer@bvai.de
Internet: www.bvai.de
Folgen Sie uns auf Twitter: www.twitter.com/bai_ev