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. WIr haben zwei aktuelle Paper dazu: In der Studie “Do sustainability-linked bonds reward greater sustainability by design?" untersuchen wir anhand eines Bewertungsmodells, ob Unternehmen für größere Nachhaltigkeitsanstrengungen belohnt werden. Die Antwort ist ein klares ”Es kommt drauf an". Wenn ein Unternehmen zum Beispiel der oft zu hörenden Empfehlung folgt und sehr ambitionierte Nachhaltigkeitsziele für den SLB wählt, sind die finanziellen Anreize für mehr Nachhaltigkeit sehr gering. Mehr dazu können Sie auch in diesem Podcast erfahren.    

Unsere Studie „When do sustainability-linked bonds lower default risk? A correlation threshold“ untersucht erstmals, wie sich SLBs auf das Kreditrisiko von Unternehmen auswirken. 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.