Im Sommersemester 2026 bieten wir ein Master-Seminar zur Nutzung von generativer KI in Investment und Asset Pricing an.

 

Sustainability-Linked Bonds (SLBs) sind Anleihen, deren Kupon sich erhöht, wenn der Emittent vordefinierte Nachhaltigkeitsziele nicht erreicht. Im Gegensatz zu Green Bonds unterliegen sie keinen Beschränkungen hinsichtlich der Verwendung der Erlöse, sondern verknüpfen die Finanzierungskosten direkt mit Nachhaltigkeitserfolgen. Unsere neue Studie „When do sustainability-linked bonds lower default risk? A correlation threshold“ untersucht erstmals, wie sich dies auf das Kreditrisiko von Unternehmen auswirkt. Die Intuition dabei ist: Wenn sich das Unternehmen tendenziell dann gut in puncto Nachhaltigkeit entwickelt, wenn es dem Unternehmen nicht so gut geht – z. B. wenn die CO₂ Emissionen niedrig sind, wenn die Umsätze des Unternehmens niedrig sind –, dann können SLBs das Ausfallrisiko senken. Denn die Vermeidung eines zusätzlichen Kupons bringt dann tendenziell Entlastung, wenn ein Emittent unter Druck steht. In der Studie identifizieren wir analytisch Bedingungen, unter denen die Finanzierung mit SLBs aufgrund dieses Mechanismus das Ausfallrisiko senkt.

Für die Prognose von Aktienmarktrenditen wurden schon viele Variablen vorgeschlagen, z.B. die Dividendenrendite oder das Kurs-Gewinn-Verhältnis. Die meisten dieser Variablen zeigen aber keine nachhaltige Prognosekraft. Kombinationsverfahren schienen hier Abhilfe zu schaffen. Dabei werden die Prognosen, die mit einzelnen Variablen erstellt wurden, gemittelt. Nun haben Sebastian Denk und Gunter Löffler gezeigt, dass auch auf diese Kombinationsverfahren kein Verlass ist. Sie liefern bei der Prognose des US-Aktienmarkts keinen Mehrwert. Neugierig? Der Aufsatz erscheint in der Review of Asset Pricing Studies und ist zusätzlich auch hier abrufbar.