Als Grundlage vieler statistischer Verfahren wird der Prozess der Entstehung von Daten modelliert, um dann weitere Schätz- und Testverfahren anzuwenden. Diese Arbeit befasst sich mit der Frage, wie diese Spezifikation für parametrische Modelle selbst getestet werden kann. In Erweiterung bestehender Verfahren werden Tests mit festem Kern eingeführt und ihre asymptotischen Eigenschaften werden analysiert. Es wird gezeigt, dass die Bestimmung der kritischen Werte mit mehreren Stichprobenwiederholungsverfahren möglich ist. Von diesen ist eine neue Monte-Carlo-Approximation besonders wichtig, da sie die Komplexität der Berechnung deutlich verringern kann. Ein bedingter Kleinste-Quadrate-Schätzer für nichtlineare parametrische Modelle wird definiert und seine wesentlichen asymptotischen Eigenschaften werden hergeleitet. Sämtliche Versionen der Tests und alle neuen Konzepte wurden in Simulationsstudien untersucht, deren wichtigste Resultate präsentiert werden. Die praktische Anwendbarkeit der Testverfahren wird an einem Datensatz zur Produktwahl dargelegt, der mit multinomialen Logit-Modellen analysiert werden soll. / The data generating process often is modeled as a basis for many subsequent statistical estimation and testing procedures. In this work the question is studied, how this specification of parametric models itself can be tested. In generalization of existing methods, tests with fixed kernel are introduced and their asymptotics are analyzed. It is shown that the determination of critical values is possible using several resampling procedures. Of these a new Monte-Carlo-approximation is of special importance, since it can reduce the complexity of calculation substantially. A conditional least squares estimator for nonlinear models is defined and its essential asymptotic properties are derived. All versions of the tests and all new concepts were studied in simulation studies and the most important results are presented. The applicability of the tests is demonstrated with a dataset on product choice that is to be analyzed with multinomial logit models.

Diese Dissertation beschäftigt sich mit drei relevanten Aufgabebereichen einer Zentralbank und untersucht die makroökonomische Prognose, die Analyse der Geldpolitik in einem makroökonomischen Modell und die Analyse des Währungssystems. Jedes dieser Phänomene wird mit Hilfe des passenden Modells nach Nichtlinearitäten untersucht. Der erste Teil der Dissertation zeigt, dass nichtlineare rekurrente neuronale Netze, eine Methode aus dem Bereich Maschinelles Lernen, die Standard-Methoden übertreffen können und präzise Vorhersagen der Inflation in 1 bis 12 Monaten liefern können. Der zweiter Teil analysiert eine nichtlineare Formulierung der monetären Taylor-Regel. Anhand der Schätzung eines nichtlinearen DSGE Modells wird gezeigt, dass die Taylor-Regel in den USA asymmetrisch ist. Die Zentralbank ergreift stärkere Maßnahmen, wenn die Inflation höher ist als die Zielinflation, und reagiert weniger wenn die Inflation niedriger als die Zielinflation ist. Gleicherweise ist die Reaktion der monetären Politik stärker bei zu geringem Produktionswachstum als bei zu hohem. Der dritte Teil der Dissertation formuliert ein theoretisches Modell, das für eine Analyse der digitalen dezentralen Währungen verwendet werden kann. Es werden die Bedingungen bestimmt, unter denen der Wettbewerb zwischen der Währung der Zentralbank und den digitalen Währungen einige Beschränkungen für die Geldpolitik darstellt. / This thesis addresses three topics that are relevant for the central bank policy design. It analyzes forecasting of the macroeconomic time series, accurate monetary policy formulation in a general equilibrium macroeconomic model and monitoring of the novel developments in the monetary system. All these issues are analyzed in a nonlinear framework with the help of a macroeconomic model. The first part of the thesis shows that nonlinear recurrent neural networks – a method from the machine learning literature – outperforms the usual benchmark forecasting models and delivers accurate inflation predictions for 1 to 12 months ahead. The second part of the thesis analyzes a nonlinear formulation of the Taylor rule. With the help of the nonlinear Bayesian estimation of a DSGE model it shows that the Taylor rule in the US is asymmetric. The central bank reacts stronger to inflation when it is above the target than when it is below the target. Similarly, the reaction to the output growth rate is stronger when the output growth is too weak than when it is too strong. The last part of the thesis develops a theoretical model that is suitable for the analysis of decentralized digital currencies. The model is used to derive the conditions, under which the competition between digital and fiat currencies imposes restrictions on the monetary policy design.