BAI vergibt Wissenschaftspreis 2023 im Bereich Alternative Investments

– Die folgenden vier Arbeiten wurden prämiert:
– Dissertation: „Machine Learning and Nonlinearities in Asset Pricing“ (Dr. Heiner Beckmeyer) 
– Masterarbeit: „Nutzung des Informationsvorsprungs von Private Debt zur Prognose von Aktienrenditen auf Industrieebene“ (Ivo Reck)
– Bachelorarbeit: „Machine Learning und die Preise von Kryptowährungen“ (Louis Skowronek)
– Sonstige wissenschaftliche Arbeit: „Pricing and value creation in private equitybacked buy-and-build strategies" (Dr. Benjamin Hammer, Nikolaus MarcottyDehm, Prof. Dr. Denis Schweizer, Prof. Dr. Bernhard Schwetzler

Der Bundesverband Alternative Investments e. V. (BAI), die zentrale Interessenvertretung der Alternative-Investments-Branche in Deutschland, hat am 21. November den dreizehnten 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.

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 ca. 200 eingereichten Arbeiten in den letzten dreizehn Jahren hat sich der BAI-Wissenschaftspreis zu einer festen Größe entwickelt.

Folgende Arbeiten wurden prämiert:
In der Kategorie Bachelorarbeiten überzeugte die Arbeit von Louis Skowronek. Die Arbeit „Machine Learning und die Preise von Kryptowährungen“ beschäftigt sich mit dem Einsatz verschiedener maschineller Lernverfahren (ML) zur Prognose von Kryptowährungsrenditen mit dem Ziel, systematische Risikoquellen auf dem Kryptowährungsmarkt besser zu verstehen. Anhand eines Datensatzes, der sowohl klassische Finanzmarktmerkmale (z.B. Momentum) als auch spezifische On-Chain-Metriken (z.B. Änderung in der Anzahl aktiver Adressen) für ein breites Spektrum von Kryptowährungen enthält, werden verschiedene ML-Modelle trainiert, um wöchentliche Überschussrenditen zu prognostizieren. Die Ergebnisse verdeutlichen, dass diese Modelle präzisere Vorhersagen liefern als eine lineare Benchmark-Methode. Weiter wird in der Arbeit gezeigt, dass systematisches Risiko auf dem Kryptowährungsmarkt insbesondere mit Momentum, Volatilität und einigen technischen Indikatoren zusammenzuhängen scheint.

In der Kategorie Masterarbeiten gewann die Arbeit von Ivo Reck zum Thema „Nutzung des Informationsvorsprungs von Private Debt zur Prognose von Aktienrenditen auf Industrieebene“. Gegenüber Aktionären oder Anleiheninvestoren besitzen Kreditgeber durch Kontrollmechanismen tiefere Einblicke in die wirtschaftliche Lage des Schuldners. Die Arbeit zeigt, dass dieser Informationsvorsprung während Krisenphasen schlagend wird. In diesen Marktphasen preisen Kreditkurse die Wertentwicklung gesamter Industrien einen Monat vor den Aktienmärkten ein. Eine darauf aufbauende Zero Cost Hedging-Strategie, die vergangene Kreditmarkt Gewinner Industrien kauft und Verlierer verkauft, erzielt während Krisenphasen hohe Renditen.

In der Kategorie Dissertationen wurde die Arbeit von Dr. Heiner Beckmeyer zum Thema „Machine Learning and Nonlinearities in Asset Pricing“ gewürdigt.
Größere Rechenkapazitäten und eine steigende Nachfrage für Finanzinstrumente wie Optionen führen zu einer wachsenden Komplexität moderner Finanzmärkte. In fünf Studien zeigt der Autor, wie Methoden des maschinellen Lernens genutzt werden können, um diese wachsende Komplexität zu verstehen, wie Interaktionseffekte zwischen verschiedenen Anlageklassen beleuchtet werden können, und wie zukunftsgerichtete Informationen aus Optionskontrakten gewonnen werden können, um zum Beispiel Entscheidungen von Notenbanken einzuordnen.

In der Kategorie sonstige wissenschaftliche Arbeiten überzeugte die Arbeit von Dr. Benjamin Hammer, Nikolaus Marcotty-Dehm, Prof. Dr. Denis Schweizer und Prof. Dr. Bernhard Schwetzler zum Thema „Pricing and value creation in private equity-backed buy-and-build strategies", welche im Journal of Corporate Finance veröffentlicht wurde. Diese Studie nutzt Mixed-Methods, um die Preisgestaltung und Wertschöpfung bei Private Equitygestützten Buy-and-Build (B&B) Strategien zu untersuchen. Basierend auf einer Stichprobe globaler Private Equity-Akquisitionen und Interviews mit Private Equity-Vertretern zeigt die Studie, dass Private Equity-Unternehmen relativ hohe Akquisitionsprämien für sogenannte B&B-Plattformfirmen bezahlen. Die Bewertung der Akquisitionen ähnelt jener strategischer Käufer. Trotz dieser hohen Akquisitionsprämie erzielen Private Equity-Unternehmen überdurchschnittliche Eigenkapitalrenditen in B&B-Strategien. Dies resultiert aus gesteigertem Umsatzwachstum und einer erhöhten Multiplikatoren-Ausweitung zwischen Einstieg und Exit.

Weitere Informationen und Fotos zum BAI-Wissenschaftspreis finden Sie auf der Verbandshomepage www.bvai.de in der Rubrik Wissenschaft.