Diese Dissertation umfasst drei Papiere, die sich mit den Konsequenzen von verpflichtend aufzustellender finanzieller Berichterstattung befassen. Die erste Studie beschäftigt sich mit einer Gesetzesänderung, die Investoren betrifft, deren Stimmrechtsanteile offenzulegen sind. Sie untersucht, welche Investoren ihre Unternehmensanteile anpassen, nachdem die Gesetzesänderung, die in einer Herabsetzung des Eingangsschwellenwerts für Stimmrechtsmitteilungen resultiert, in Kraft tritt. Die Ergebnisse sind konsistent mit einer Umschichtung in der Eigentümerstruktur von Unternehmen. Sie zeigen, dass Investmentfonds und, in etwas geringerem Maße, Banken ihre Anteile reduzieren während nichtfinanzielle Unternehmen ihre Anteile erhöhen. Die zweite Studie befasst sich mit der Rolle von Offenlegungsinstrumenten für Portfolioentscheidungen von einem speziellen Investorentyp, Investmentfonds. Sie analysiert, ob die Vergleichbarkeit von Rechnungslegungsinformationen mit der Zugehörigkeit zu Portfolios von Investmentfonds assoziiert ist. Die Ergebnisse stehen im Einklang mit der Bedeutung von Vergleichbarkeit in der Rechnungslegung für die Selektion von Portfoliounternehmen. Investmentfonds nehmen Unternehmen mit einer größeren Wahrscheinlichkeit in ihr Portfolio auf, wenn die Rechnungslegungsinstrumente dieser Unternehmen eine höhere Vergleichbarkeit mit den Rechnungslegungsinstrumenten anderer Portfoliounternehmen aufweisen. Die dritte Studie legt die Aufmerksamkeit auf Fachkräfte in der Rechnungslegung, die die Erstellung von Offenlegungsinstrumenten unterstützen, Wirtschaftsprüfer und Berater. Sie betrachtet Determinanten ihrer Entscheidung, temporär innerhalb der Unternehmensstrukturen zu migrieren, mit Bezug auf länder- und berufsspezifische Charakteristika. Die Ergebnisse deuten an, dass Unterschiede in der Rechnungslegungs- und Steuerregulierung Migrationsentscheidungen beeinflussen können. / This dissertation comprises three papers on the consequences of mandatory, financial disclosures. The first study focuses on a rule change which applies to investors who are required to disclose their ownership in firms. It investigates which investor types adjust their holdings in response to this rule change, the introduction of lower reporting thresholds. Results are consistent with a reshuffling of the ownership structure of firms. Precisely, they show that mutual funds and, to a lesser extent, banks decrease their holdings while non-financial corporations increase their holdings. The second study concentrates on the role of disclosures in portfolio decisions of one particular investor type, mutual funds. It analyzes whether comparability of firms’ accounting disclosures is associated with their membership in mutual funds’ portfolios. Results are in line with accounting comparability mattering for portfolio selection. Specifically, mutual funds are more likely to include a firm in their portfolio if the firm is more comparable, in accounting terms, to existing portfolio peers. The third study shifts the attention to accounting professionals who assist in the preparation of financial disclosures, auditors and consultants. It studies country-level as well as occupation-specific determinants of the decision to temporarily migrate within firms. Results suggest that differences in accounting and tax rules across countries can affect migration decisions of these professionals.

Diese Arbeit konzentriert sich auf die Lösung des Problems der Unsicherheitsmessung und ihrer Auswirkungen auf Geschäftsentscheidungen, wobei zwei Ziele verfolgt werden: Erstens die Entwicklung und Validierung robuster Modelle zur Quantifizierung der Unsicherheit, wobei insbesondere sowohl die etablierten statistischen Modelle als auch neu entwickelte maschinelle Lernwerkzeuge zum Einsatz kommen. Das zweite Ziel dreht sich um die industrielle Anwendung der vorgeschlagenen Modelle. Die Anwendung auf reale Fälle bei der Messung der Volatilität oder bei einer riskanten Entscheidung ist mit einem direkten und erheblichen Gewinn oder Verlust verbunden. Diese These begann mit der Untersuchung der impliziten Volatilität (IV) als Proxy für die Wahrnehmung der Unsicherheit von Anlegern für eine neue Klasse von Vermögenswerten - Kryptowährungen. Das zweite Papier konzentriert sich auf Methoden zur Identifizierung risikofreudiger Händler und nutzt die DNN-Infrastruktur, um das Risikoverhalten von Marktakteuren, das auf Unsicherheit beruht und diese aufrechterhält, weiter zu untersuchen. Das dritte Papier befasste sich mit dem herausfordernden Bestreben der Betrugserkennung 3 und bot das Entscheidungshilfe-modell, das eine genauere und interpretierbarere Bewertung der zur Prüfung eingereichten Finanzberichte ermöglichte. Angesichts der Bedeutung der Risikobewertung und der Erwartungen der Agenten für die wirtschaftliche Entwicklung und des Aufbaus der bestehenden Arbeiten von Baker (2016) bot das vierte Papier eine neuartige DL-NLP-basierte Methode zur Quantifizierung der wirtschaftspolitischen Unsicherheit. Die neuen Deep-Learning-basierten Lösungen bieten eine überlegene Leistung gegenüber bestehenden Ansätzen zur Quantifizierung und Erklärung wirtschaftlicher Unsicherheiten und ermöglichen genauere Prognosen, verbesserte Planungskapazitäten und geringere Risiken. Die angebotenen Anwendungsfälle bilden eine Plattform für die weitere Forschung. / This thesis focuses on solving the problem of uncertainty measurement and its impact on business decisions while pursuing two goals: first, develop and validate accurate and robust models for uncertainty quantification, employing both the well established statistical models and newly developed machine learning tools, with particular focus on deep learning. The second goal revolves around the industrial application of proposed models, applying them to real-world cases when measuring volatility or making a risky decision entails a direct and substantial gain or loss. This thesis started with the exploration of implied volatility (IV) as a proxy for investors' perception of uncertainty for a new class of assets - crypto-currencies. The second paper focused on methods to identify risk-loving traders and employed the DNN infrastructure for it to investigate further the risk-taking behavior of market actors that both stems from and perpetuates uncertainty. The third paper addressed the challenging endeavor of fraud detection and offered the decision support model that allowed a more accurate and interpretable evaluation of financial reports submitted for audit. Following the importance of risk assessment and agents' expectations in economic development and building on the existing works of Baker (2016) and their economic policy uncertainty (EPU) index, it offered a novel DL-NLP-based method for the quantification of economic policy uncertainty. In summary, this thesis offers insights that are highly relevant to both researchers and practitioners. The new deep learning-based solutions exhibit superior performance to existing approaches to quantify and explain economic uncertainty, allowing for more accurate forecasting, enhanced planning capacities, and mitigated risks. The offered use-cases provide a road-map for further development of the DL tools in practice and constitute a platform for further research.

In der Statistik und der Mathematik ist die Normalverteilung der am meisten verbreitete, stochastische Term für die Mehrheit der statistischen Modelle. Wir zeigen, dass der entsprechende stochastische Prozess, die Brownsche Bewegung, drei entscheidende empirische Beobachtungen nicht abbildet: schwere Ränder, Langzeitabhängigkeiten und Skalierungsgesetze. Ein selbstähnlicher Prozess, der in der Lage ist Langzeitabhängigkeiten zu modellieren, ist die Gebrochene Brownsche Bewegung, welche durch die Faltung der Inkremente im Limit nicht normalverteilt sein muss. Die Inkremente der Gebrochenen Brownschen Bewegung können durch einen Parameter H, dem Hurst Exponenten, Langzeitabhängigkeiten darstellt werden. Für die Gebrochene Brownsche Bewegung müssten die Skalierungs-(Hurst-) Exponenten über die Momente verschiedener Ordnung konstant sein. Empirisch beobachten wir variierende Hölder-Exponenten, die multifraktales Verhalten implizieren. Wir erklären dieses multifraktale Verhalten durch die Änderung des alpha-stabilen Indizes der alpha-stabilen Verteilung, indem wir Filter für Saisonalitäten und Langzeitabhängigkeiten über verschiedene Zeitfrequenzen anwenden, startend bei 1-minütigen Hochfrequenzdaten. Durch die Anwendung eines Filters für die Langzeitabhängigkeit zeigen wir, dass die Residuen des stochastischen Prozesses geringer Zeitfrequenz (wöchentlich) durch die alpha-stabile Bewegung beschrieben werden können. Dies erlaubt es uns, den empirischen, hochfrequenten Datensatz auf die niederfrequente Zeitfrequenz zu skalieren. Die generierten wöchentlichen Daten aus der Frequenz-Reskalierungs-Methode (FRM) haben schwerere Ränder als der ursprüngliche, wöchentliche Prozess. Wir zeigen, dass eine Teilmenge des Datensatzes genügt, um aus Risikosicht bessere Vorhersagen für den gesamten Datensatz zu erzielen. Im Besonderen wäre die Frequenz-Reskalierungs-Methode (FRM) in der Lage gewesen, die seltenen Events der Finanzkrise 2008 zu modellieren. / Coming from a sphere in statistics and mathematics in which the Normal distribution is the dominating underlying stochastic term for the majority of the models, we indicate that the relevant diffusion, the Brownian Motion, is not accounting for three crucial empirical observations for financial data: Heavy tails, long memory and scaling laws. A self-similar process, which is able to account for long-memory behavior is the Fractional Brownian Motion, which has a possible non-Gaussian limit under convolution of the increments. The increments of the Fractional Brownian Motion can exhibit long memory through a parameter H, the Hurst exponent. For the Fractional Brownian Motion this scaling (Hurst) exponent would be constant over different orders of moments, being unifractal. But empirically, we observe varying Hölder exponents, the continuum of Hurst exponents, which implies multifractal behavior. We explain the multifractal behavior through the changing alpha-stable indices from the alpha-stable distributions over sampling frequencies by applying filters for seasonality and time dependence (long memory) over different sampling frequencies, starting at high-frequencies up to one minute. By utilizing a filter for long memory we show, that the low-sampling frequency process, not containing the time dependence component, can be governed by the alpha-stable motion. Under the alpha-stable motion we propose a semiparametric method coined Frequency Rescaling Methodology (FRM), which allows to rescale the filtered high-frequency data set to the lower sampling frequency. The data sets for e.g. weekly data which we obtain by rescaling high-frequency data with the Frequency Rescaling Method (FRM) are more heavy tailed than we observe empirically. We show that using a subset of the whole data set suffices for the FRM to obtain a better forecast in terms of risk for the whole data set. Specifically, the FRM would have been able to account for tail events of the financial crisis 2008.

Modelle und Daten sind die beiden grundlegenden Elemente in den meisten Finanzmarktstudien. Viele Arbeiten konzentrieren sich auf die Verbesserung von Modellen zur besseren Annäherung an wahre Marktmechanismen, dabei konzentriert sich ein wichtiger Teil der Literatur auf die Nutzung von Informationen aus verschiedenen Quellen. In letzter Zeit haben immer mehr Forscher die Bedeutung der Modellierung aus realen Daten erkannt, dies geht einhermit der Weiterentwicklung moderner statistischer Modelle, insbesondere dem maschinellen (statistischen) Lernen, wie z. B. rekurrente neuronale Netze, die sich in den letzten Jahren bei vielen Problemen als wirksam erwiesen haben. Es hat sich gezeigt, dass der zunehmende Trend auf innovative Datenquellen wie Textnachrichten und Satellitenbilder zuzugreifen und diese zu analysieren, sich schnell zu einer wichtigen Säule der Finanzwissenschaft entwickelt hat. Auf der anderen Seite bietet die klassische Finanzliteratur eine fundierte Basis, um die aus diesen hochentwickelten Modellen und Daten gewonnenen Ergebnisse zu hinterfragen. Basierend auf der Finanzmarktanalyse mit modernen statistischen Modellen werden in dieser Dissertation in den ersten drei Kapiteln verschiedene Themen behandelt, darunter das Portfoliomanagement in Verbindung mit Informationen aus Nachrichtennetzwerken, das Risikomanagement des aufstrebenden Bitcoin-Marktes und die Vorhersage von Zeitreihen von Stromlasten mit fortgeschrittenen statistischen Modellen. / Models and data are the two fundamental elements in most of the studies on the financial market. Many papers concentrate on improving models to better approximate the true market mechanism, while an important strand of the literature focuses on exploiting more information from various sources. Recently, more and more researchers started to realize the importance of modeling from real-world data, along with the advancement of modern statistical models, especially the machine (statistical) learning models such as Recurrent Neural Network being proved to be effective on many problems in the past few years. Hence, we saw that an uprising trend of accessing and analyzing innovative data sources, such as textual news and satellite image, has been growing fast into a major pillar in financial studies. On the other hand, the classical finance literature provides us an angle to scrutinize the results generated from those sophisticated models and data. Under the spirit of financial market analysis with modern statistical models, this dissertation is written to cover various topics, including portfolio management coupled with the information from networks of news, risk management of the emerging Bitcoin market, and electricity load time series forecasting with the advanced statistical models, in the next three chapters.

Der erste Artikel liefert Beweise dafür, dass ein Liquiditätsschock bei geschlossenen Fonds zu einer Liquiditätsverschlechterung bei offenen Fonds führen kann. Unsere Ergebnisse zeigen, dass Aktien von geschlossenen Fonds, die aufgrund eines Marktversagens notverkauft wurden, temporär im Preis sinken. Offene Fonds, die viele der betroffenen Aktien halten, erleiden daraufhin einen Kapitalabfluss, der weitere Notverkäufe bedingt. Dies unterstreicht die Ansteckungsgefahr zwischen den beiden Finanzmärkten. Der zweite Artikel untersucht, ob Fonds, die mit Staatsanleihen handeln, ihr Risiko durch den Wertpapierverleih erhöhen, indem sie die hierbei erhaltenen Sicherheiten risikoreich reinvestieren. Hiermit konsistent finden wir, dass die Returnvolatilität von Fonds ansteigt, je mehr Wertpapiere verliehen werden. Diese Korrelation ist nur evident, wenn der für den Wertpapierverleih verantwortliche Agent bereits in der Vergangenheit solch eine Strategie praktiziert hat. Sie verschwindet hingegen, wenn der Agent Sicherheiten nicht risikoreich reinvestieren kann. Im dritten Artikel stellen wir ein neues Maß vor, mit dem sich die Handelsaktivität von Fonds drei Tage vor den Geschäftsberichten untersuchen lässt. Stark handelnde Fonds halten bei Berichtsschluss mehr Gewinner- und weniger Verliereraktien. Zudem sind die üblichen Maße, die zur Identifizierung von Window Dressing verwendet werden, signifikant höher. Aktien, die in den letzten drei Tagen vor den Juli und Dezember Berichten einen starken Nachfrageüberschuss aufweisen, steigen in dieser Periode um durchschnittlich 20 Bsp. Dieser Anstieg ist nicht durch Informationstheorien erklärbar, da die Preise innerhalb von einer Woche auf ihr ursprüngliches Niveau zurückfallen. Aktien mit hoher Liquidität zeigen geringere Anstiege und kehren schneller zum Ausgangspreis zurück. Die Preisbewegungen lassen sich nicht durch einen einzelnen Faktor, wie Window Dressing oder Portfolio Pumping, erklären. / The first paper provides evidence that a liquidity shock to closed-end funds can transmit to open-end funds. Using the failure of the market for auction rate securities we show that forced asset sales of highly levered closed-end funds result in temporary price declines in those assets. Open-end funds that hold significant numbers of the affected stocks in turn experience outflows, forcing them to conduct additional fire-sales. These forced sales induce additional price pressure consistent with financial contagion. The second paper examines whether mutual bond funds increase their risk exposure through securities lending transactions by reinvesting the cash collateral of these transactions in risky assets. Consistent with such behavior, we find that the return volatility of government bond funds increases with the percentage of securities on loan. This relation is only evident among funds whose lending agent likely reinvests the lending collateral riskily and disappears if the lending program is managed by agents who typically cannot make risky reinvestments. The third paper provides a new way to measure the trading activity by mutual funds in the last three days of their reporting periods. Consistent with window dressing, heavy end-of-period (EoP) traders report more winner, fewer loser stocks and higher return and rank gaps, yet perform no better. Stocks with a high positive EoP trade imbalance show significant price increases of about 20 bps at the end of reporting periods in June and December. Inconsistent with information trading, prices revert within a week. Liquid stocks appreciate less strongly and revert more quickly. Finally, we show that window dressing, portfolio pumping, or fund flows alone are unlikely to explain our results.

Diese Dissertation konzentriert sich auf das hochdimensionale Financial Engineering, insbesondere in der Dependenzmodellierung und der sequentiellen Überwachung. Im Bereich der Dependenzmodellierung wird eine Einführung hochdimensionaler Kopula vorgestellt, die sich auf den Stand der Forschung in Kopula konzentriert. Eine komplexere Anwendung im Financial Engineering, bei der eine hochdimensionale Kopula verwendet wird, konzentriert sich auf die Bepreisung von Portfolio-ähnlichen Kreditderivaten, d. h. CDX-Tranchen (Credit Default Swap Index). In diesem Teil wird die konvexe Kombination von Kopulas in der CDX-Tranche mit Komponenten aus der elliptischen Kopula-Familie (Gaussian und Student-t), archimedischer Kopula-Familie (Frank, Gumbel, Clayton und Joe) und hierarchischer archimedischer Kopula-Familie vorgeschlagen. Im Abschnitt über finanzielle Überwachung konzentriert sich das Kapitel auf die Überwachung von hochdimensionalen Portfolios (in den Dimensionen 5, 29 und 90) durch die Entwicklung eines nichtparametrischen multivariaten statistischen Prozesssteuerungsdiagramms, d.h. eines Energietest-basierten Kontrolldiagramms (ETCC). Um die weitere Forschung und Praxis der nichtparametrischen multivariaten statistischen Prozesskontrolle zu unterstützen, die in dieser Dissertation entwickelt wurde, wird ein R-Paket "EnergyOnlineCPM" entwickelt. Dieses Paket wurde im Moment akzeptiert und veröffentlicht im Comprehensive R Archive Network (CRAN), welches das erste Paket ist, das die Verschiebung von Mittelwert und Kovarianz online überwachen kann. / This dissertation focuses on the high dimensional financial engineering, especially in dependence modeling and sequential surveillance. In aspect of dependence modeling, an introduction of high dimensional copula concentrating on state-of-the-art research in copula is presented. A more complex application in financial engineering using high dimensional copula is concentrated on the pricing of the portfolio-like credit derivative, i.e. credit default swap index (CDX) tranches. In this part, the convex combination of copulas is proposed in CDX tranche pricing with components stemming from elliptical copula family (Gaussian and Student-t), Archimedean copula family (Frank, Gumbel, Clayton and Joe) and hierarchical Archimedean copula family used in some publications. In financial surveillance part, the chapter focuses on the monitoring of high dimensional portfolios (in 5, 29 and 90 dimensions) by development of a nonparametric multivariate statistical process control chart, i.e. energy test based control chart (ETCC). In order to support the further research and practice of nonparametric multivariate statistical process control chart devised in this dissertation, an R package "EnergyOnlineCPM" is developed. At moment, this package has been accepted and published in the Comprehensive R Archive Network (CRAN), which is the first package that can online monitor the shift in mean and covariance jointly.

Diese Arbeit umfasst drei unabhängige Aufsätze, welche die Auswirkungen verschiedener regulatorischer Maßnahmen auf das Bankenrisiko und/oder die Finanzstabilität untersuchen. Zunächst wird der Einfluss von Eigenkapitalanforderungen auf den Zusammenhang zwischen Bankgröße und Volatilität analysiert. Unsere Panel-Datenanalyse zeigt, dass strengere Eigenkapitalanforderungen den Nexus zwischen Größe und Volatilität schwächt. Große Banken haben, ceteris paribus, einen weniger volatilen Kreditbestand, wenn sie strengerer Kapitalregulierung ausgesetzt sind. Gemäß dem Granularitätskonzept kann dies ebenfalls die makroökonomische Stabilität erhöhen. Als Nächstes untersuche ich, ob MiFID II die frühzeitige Informationsweitergabe über Änderungen von Analystenempfehlungen an einzelne Anleger, genannt Tipping, reduziert hat. Die Ergebnisse zeigen, dass die absoluten Renditen und Handelsvolumina einen Tag vor Veröffentlichung einer Hoch- oder Herabstufung vor und nach Inkrafttreten von MiFID II signifikant ansteigen. Da die Aktienkurse am Veröffentlichungstag weiter steigen bzw. fallen, profitieren ausgewählte Anleger trotz der regulatorischen Änderung weiterhin von einem Informationsvorteil. Dies hat vermutlich negative Auswirkungen auf den Finanzmarkt insgesamt. Zuletzt untersuche ich wie sich die Ausgabe von Contingent Convertible (CoCo) Anleihen, die als regulatorisches zusätzliches Kernkapital (AT1) geltend gemacht werden können, auf das Bankenrisiko auswirkt. Meine Analyse zeigt, dass AT1-CoCo-Anleihen ein bis drei Jahre nach Ausgabe zu einem signifikant höheren Bankenrisiko führen. Übereinstimmend mit theoretischen Studien deutet dies darauf hin, dass CoCo-Anleihen ihr Potenzial zur Stärkung der Eigenkapitalbasis der Banken durch die regulatorischen Anforderungen genommen wurde. / This thesis comprises three independent essays evaluating the impact of different regulatory policies on bank risk and/or financial stability. First, we examine the effects of capital regulation on the link between bank size and volatility. Our panel data analysis reveals that more stringent capital regulation weakens the size-volatility nexus. Hence, large banks show, ceteris paribus, lower loan portfolio volatility when facing more stringent capital regulation. According to the granularity concept, that can increase macroeconomic stability. Next, I evaluate if MiFID II reduced the early information disclosure on analyst recommendation changes to selected investors - so-called tipping. I find absolute returns and turnover rise significantly on the day preceding the up- or downgrade release before and after MiFID II became law. Given that stock prices move further in the revision direction on publication day, selected investors continue to profit from an informational advantage, notwithstanding the regulatory change. That is likely harmful to the financial market overall. Lastly, I examine the impact of issuing contingent convertible (CoCo) bonds that qualify as regulatory additional tier 1 (AT1) capital on bank risk. My treatment effects analysis reveals that issuing AT1 CoCo bonds results in significantly higher risk-taking one to three years after the issuance. That is in line with previous theoretical studies suggesting that regulators have stripped CoCo bonds of their potential to strengthen the banks’ capital bases.

Diese Arbeit stellt Modelle und Methoden vor, die für robuste Statistiken und ihre Anwendungen in verschiedenen Bereichen entwickelt wurden. Kapitel 2 stellt einen neuartigen Partitionierungs-Clustering-Algorithmus vor, der auf Expectiles basiert. Der Algorithmus bildet Cluster, die sich an das Endverhalten der Clusterverteilungen anpassen und sie dadurch robuster machen. Das Kapitel stellt feste Tau-Clustering- und adaptive Tau-Clustering-Schemata und ihre Anwendungen im Kryptowährungsmarkt und in der Bildsegmentierung vor. In Kapitel 3 wird ein faktorerweitertes dynamisches Modell vorgeschlagen, um das Tail-Verhalten hochdimensionaler Zeitreihen zu analysieren. Dieses Modell extrahiert latente Faktoren, die durch Extremereignisse verursacht werden, und untersucht ihre Wechselwirkung mit makroökonomischen Variablen mithilfe des VAR-Modells. Diese Methodik ermöglicht Impuls-Antwort-Analysen, Out-of-Sample-Vorhersagen und die Untersuchung von Netzwerkeffekten. Die empirische Studie stellt den signifikanten Einfluss von durch finanzielle Extremereignisse bedingten Faktoren auf makroökonomische Variablen während verschiedener Wirtschaftsperioden dar. Kapitel 4 ist eine Pilotanalyse zu Non Fungible Tokens (NFTs), insbesondere CryptoPunks. Der Autor untersucht die Clusterbildung zwischen digitalen Assets mithilfe verschiedener Visualisierungstechniken. Die durch CNN- und UMAP-Regression identifizierten Cluster werden mit Preisen und Merkmalen von CryptoPunks in Verbindung gebracht. Kapitel 5 stellt die Konstruktion eines Preisindex namens Digital Art Index (DAI) für den NFT-Kunstmarkt vor. Der Index wird mithilfe hedonischer Regression in Kombination mit robusten Schätzern für die Top-10-Liquid-NFT-Kunstsammlungen erstellt. Es schlägt innovative Verfahren vor, nämlich Huberisierung und DCS-t-Filterung, um abweichende Preisbeobachtungen zu verarbeiten und einen robusten Index zu erstellen. Darüber hinaus werden Preisdeterminanten des NFT-Marktes analysiert. / This thesis provides models and methodologies developed on robust statistics and their applications in various domains. Chapter 2 presents a novel partitioning clustering algorithm based on expectiles. The algorithm forms clusters that adapt to the tail behavior of the cluster distributions, making them more robust. The chapter introduces fixed tau-clustering and adaptive tau-clustering schemes and their applications in crypto-currency market and image segmentation. In Chapter 3 a factor augmented dynamic model is proposed to analyse tail behavior of high-dimensional time series. This model extracts latent factors driven by tail events and examines their interaction with macroeconomic variables using VAR model. This methodology enables impulse-response analysis, out-of-sample predictions, and the study of network effects. The empirical study presents significant impact of financial tail event driven factors on macroeconomic variables during different economic periods. Chapter 4 is a pilot analysis on Non Fungible Tokens (NFTs) specifically CryptoPunks. The author investigates clustering among digital assets using various visualization techniques. The clusters identified through regression CNN and UMAP are associated with prices and traits of CryptoPunks. Chapter 5 introduces the construction of a price index called the Digital Art Index (DAI) for the NFT art market. The index is created using hedonic regression combined with robust estimators on the top 10 liquid NFT art collections. It proposes innovative procedures, namely Huberization and DCS-t filtering, to handle outlying price observations and create a robust index. Furthermore, it analyzes price determinants of the NFT market.

Das moderne Finanzsystem ist komplex, dynamisch, hochdimensional und oftmals nicht stationär. All diese Faktoren stellen große Herausforderungen beim Messen des zugrundeliegenden Finanzrisikos dar, das speziell für Marktteilnehmer von oberster Priorität ist. Hochdimensionalität, die aus der ansteigenden Vielfalt an Finanzprodukten entsteht, ist ein wichtiges Thema für Ökonometriker. Ein Standardansatz, um mit hoher Dimensionalität umzugehen, ist es, Schlüsselvariablen auszuwählen und kleine Koeffizientenen auf null zu setzen, wie etwa Lasso. In der Finanzmarktanalyse kann eine solche geringe Annahme helfen, die führenden Risikofaktoren aus dem extrem großen Portfolio, das letztendlich das robuste Maß für finanzielles Risiko darstellt, hervorzuheben. In dieser Arbeit nutzen wir penalisierte Verfahren, um die ökonometrischen Maße für das finanzielle Risiko in hoher Dimension zu schätzen, sowohl mit nieder-, als auch hochfrequenten Daten. Mit Fokus auf dem Finanzmarkt, können wir das Risikonetzwerk des ganzen Systems konstruieren, das die Identifizierung individualspezifischen Risikos erlaubt. / Modern financial system is complex, dynamic, high-dimensional and often possibly non-stationary. All these factors pose great challenges in measuring the underlying financial risk, which is of top priority especially for market participants. High-dimensionality, which arises from the increasing variety of the financial products, is an important issue among econometricians. A standard approach dealing with high dimensionality is to select key variables and set small coefficient to zero, such as lasso. In financial market analysis, such sparsity assumption can help highlight the leading risk factors from the extremely large portfolio, which constitutes the robust measure for financial risk in the end. In this paper we use penalized techniques to estimate the econometric measures of financial risk in high dimensional, with both low-frequency and high-frequency data. With focus on financial market, we could construct the risk network of the whole system which allows for identification of individual-specific risk.