Diese Dissertation diskutiert zwei Modellvarianten der Spieltheorie und Industrieökonomik: asymmetrische Information und vertikale Beziehungen. In einem Reputations-Spiel, in welchem Kurzfristspieler hintereinander entscheiden, ob sie mit einem Langfristspieler interagieren wollen, stoppt die Interaktion oft für immer, sobald einer der Spieler sich entscheidet nicht zu interagieren. Ist der Aktionsraum des Langfristspielers ausreichend groß, kann es passieren, dass obwohl die Einschätzungen über die Reputation des Langfristspielers identisch sind, das Verhalten sich verändert, da der vorhergehende Stopp der Interaktion den Langfristspieler dazu bringt, sich mehr anzustrengen. In einer vertikalen Struktur, in welcher Intermediäre ein Input-Gut von einer exogenen Anzahl an Zulieferern beziehen müssen, können diese Intermediäre die Menge eines homogenen Produkts, welches an Konsumenten verkauft werden soll, wählen. Falls einer der Intermediäre in Form einer Genossenschaft organisiert ist, steigt der durchschnittliche Gewinn der Zulieferer, was zu einem ineffizient geringen Angebot an die Konsumenten führt. Eine Kooperative kann sich als Monopol behaupten, sofern die Kapazität der Zulieferer ausreichend gering ist, während eine Duopolstruktur vorliegt, wenn diese Kapazität hoch ist. In einer Wertschöpfungskette mit einem Zulieferer, einem Händler und Unsicherheit über die Nachfrage am Markt sind die Entscheidungen über kostenlose Informationsbeschaffung, um diese Unsicherheit aufzulösen, strategische Komplemente. Wenn die technische Beschränkung der Signalpräzision so ist, dass die Informationsbeschaffung nicht genug Unsicherheit beseitigt, ist die Informationsrente klein und der Zulieferer kann sich entscheiden uninformiert zu bleiben, um ein Glaubwürdigkeitsproblem zu umgehen und Verträge anzubieten die keine private Information signalisieren. Steigt die Signalpräzision, entscheiden sich beide Marktteilnehmer so gut wie möglich informiert zu sein. / This dissertation discusses two modelling variants in game theory and industrial economics: asymmetric information and vertical relations. In a reputation game, in which a sequence of short-run players chooses if to interact with a long-run player, often interactions stops forever, if one short-run player decides not to interact. If the long-run player''s action set is sufficiently rich, although beliefs about the long-run player''s reputation may be identical, choices may be different, as the preceding refusal to interact can lead the long-run player to improve on effort. In a vertical structure, in which intermediaries have to acquire an input from an exogenously given number of suppliers, intermediaries can choose the quantities of a homogenous product to be sold to consumers. In case one of the intermediaries is organized as a cooperative the average profit of suppliers, increases, leading to inefficiently low supply to consumers. Furthermore, a cooperative may be a monopoly in the downstream market, if the upstream production capacity is sufficiently small, whereas there is a duopoly with one firm maximizing its profit and one firm maximizing average profit, if upstream capacity is large. In a supply chain with one supplier, one retailer and uncertainty about market demand, the choices on costless information acquisition to resolve this uncertainty are strategic complements. If the technical limitation on the precision of the signals is such that being informed does not reduce enough uncertainty, the potential information rent is small and the supplier may choose to stay uninformed and avoid a credibility problem by offering pooling contracts. If the precision of private signals increases, both agents decide to be informed as much as possible.

Die Digitalisierung der Wirtschaft macht das Customer Targeting zu einer wichtigen Schnittmenge von Marketing und Wirtschaftsinformatik. Marketingtreibende können auf Basis von soziodemografischen und Verhaltensdaten gezielt einzelne Kunden mit personalisierten Botschaften ansprechen. Diese Arbeit erweitert die Perspektive der Forschung im Bereich der modellbasierten Vorhersage von Kundenverhalten durch 1) die Entwicklung und Validierung neuer Methoden des maschinellen Lernens, die explizit darauf ausgelegt sind, die Profitabilität des Customer Targeting im Direktmarketing und im Kundenbindungsmanagement zu optimieren, und 2) die Untersuchung der Datenerfassung mit Ziel des Customer Targeting aus Unternehmens- und Kundensicht. Die Arbeit entwickelt Methoden welche den vollen Umfang von E-Commerce-Daten nutzbar machen und die Rahmenbedingungen der Marketingentscheidung während der Modellbildung berücksichtigen. Die zugrundeliegenden Modelle des maschinellen Lernens skalieren auf hochdimensionale Kundendaten und ermöglichen die Anwendung in der Praxis. Die vorgeschlagenen Methoden basieren zudem auf dem Verständnis des Customer Targeting als einem Problem der Identifikation von Kausalzusammenhängen. Die Modellschätzung sind für die Umsetzung profitoptimierter Zielkampagnen unter komplexen Kostenstrukturen ausgelegt. Die Arbeit adressiert weiterhin die Quantifizierung des Einsparpotenzials effizienter Versuchsplanung bei der Datensammlung und der monetären Kosten der Umsetzung des Prinzips der Datensparsamkeit. Eine Analyse der Datensammlungspraktiken im E-Mail-Direktmarketing zeigt zudem, dass eine Überwachung des Leseverhaltens in der Marketingkommunikation von E-Commerce-Unternehmen ohne explizite Kundenzustimmung weit verbreitet ist. Diese Erkenntnis bildet die Grundlage für ein auf maschinellem Lernen basierendes System zur Erkennung und Löschung von Tracking-Elementen in E-Mails. / The digitization of the economy has fundamentally changed the way in which companies interact with customers and made customer targeting a key intersection of marketing and information systems. Building models of customer behavior at scale requires development of tools at the intersection of data management and statistical knowledge discovery. This dissertation widens the scope of research on predictive modeling by focusing on the intersections of model building with data collection and decision support. Its goals are 1) to develop and validate new machine learning methods explicitly designed to optimize customer targeting decisions in direct marketing and customer retention management and 2) to study the implications of data collection for customer targeting from the perspective of the company and its customers. First, the thesis proposes methods that utilize the richness of e-commerce data, reduce the cost of data collection through efficient experiment design and address the targeting decision setting during model building. The underlying state-of-the-art machine learning models scale to high-dimensional customer data and can be conveniently applied by practitioners. These models further address the problem of causal inference that arises when the causal attribution of customer behavior to a marketing incentive is difficult. Marketers can directly apply the model estimates to identify profitable targeting policies under complex cost structures. Second, the thesis quantifies the savings potential of efficient experiment design and the monetary cost of an internal principle of data privacy. An analysis of data collection practices in direct marketing emails reveals the ubiquity of tracking mechanisms without user consent in e-commerce communication. These results form the basis for a machine-learning-based system for the detection and deletion of tracking elements from emails.

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.

Diese Dissertation beschäftigt sich mit der Evaluation von Sprachpolitiken mit Hilfe von Sprachdynamik Modellen. Da sprachliche Diversität ein zentrales Merkmal moderner Gesellschaften darstellt, müssen Staaten und Administrationen Sprachpolitiken sorgfältig gestalten und evaluieren. Mögliche Effekte, Nutzen und Kosten von Politiken müssen bewertet und gegeneinander abgewogen werden. Eine wichtige Eigenschaft von Sprachpolitiken ist dabei, dass sich die Anzahl derer, die von ihnen profitieren, sowie deren Kosten über die Zeit stark verändern können. Um dies zu berücksichtigen, präsentiert die Dissertation eine Kombination aus klassischen Politikanalyse Werkzeugen und neuen Sprachdynamik Modellen. Im Gegensatz zu bereits existierenden Modellen, können in den neu entwickelten Modellen Parameter aus empirischen Daten geschätzt werden. Dies ist eine Voraussetzung, um langfristige Effekte von Politiken realistisch abbilden zu können. Die Dissertation besteht aus vier eigenständigen Aufsätzen. Im ersten Aufsatz wird mit einem abstrakten Modell gezeigt, dass es für einen Staat optimal sein kann die Minderheitensprache in Form von Bilingualität am Leben zu erhalten. In den folgenden beiden Aufsätzen werden realistischere Modelle entwickelt und damit zwei empirische Fälle analysiert. Im letzten Aufsatz werden Erweiterungen der vorherigen Modelle auf den Fall multipler Minderheitensprachen vorgestellt. / This thesis deals with language policy evaluation from a language dynamics modeling perspective. As linguistic diversity is an essential feature of most modern societies, states and administrations have to thoroughly design and analyze language policies. Potential effects, benefits and costs have to be assessed and weighted against one another. A pivotal characteristic of language policies is that the numbers of their beneficiaries and costs can change dramatically over time. To account for these changes, the thesis proposes a combination of traditional policy evaluation techniques with well designed language dynamics models. In contrast to previous models in the literature, the thesis proposes and analyzes models based on parameters obtainable from empirical data. It is argued that this is a prerequisite to analyze the long term effects of policies in a realistic fashion. This thesis consists of four self-contained essays. In the first essay we show with the help of an abstract model that it can be optimal for the state to keep a minority language alive in the form of bilingualism. In the next two essays more realistic models are developed and applied to the empirical cases. In the last essay extensions of the previous models to the case of several minority languages are presented.