In March 2011, the European Commission submitted a proposal for a Council Directive on an optional common consolidated corporate tax base (CCCTB). If this proposed CCCTB system comes into force, taxes calculated under the currently existing system of separate accounting might be replaced by a system of group consolidation and formulary apportionment. Then, multinational groups (MNGs) would face the decision as to whether to opt for the CCCTB system. Prior research focuses mainly on the differences in economic behaviour under both systems in general. By con-trast, we study the conditions under which one or the other tax system is preferable from the per-spective of an MNG, with a particular focus on loss-offsets. We identify four effects that determine the decision of an MNG: the tax-utilization of losses, the allocation of the tax base, the dividend and intragroup interest taxation. We find mixed results, e.g., that the CCCTB system proves ad-vantageous for increasing loss/profit streams (e.g. from start-ups or R&D projects) of the individual group entities, whereas the system of separate accounting is beneficial for decreasing profit/loss streams (e.g. caused by a decrease in return from a mature product). The results of our analysis are helpful for MNGs facing the decision as to whether to opt for the CCCTB system and can also support legislators and politicians in the EU but also in other regions in their tax reform discussions. (authors' abstract) / Series: WU International Taxation Research Paper Series

Die erste Studie analysiert den Einfluss von Gläubigerschutz auf die internationalen Anlageentscheidungen in Anleihemärkten. In den Ländern mit einem überdurchschnittlichen Gläubigerschutz wirkt ein verbesserter Gläubigerschutz im Heimatmarkt positiv auf die Nachfrage nach ausländischen Anleihen, reduziert jedoch den positiven Effekt des ausländischen Gläubigerschutzes auf die internationale Diversifikation. Die zweite Studie analysiert die Behavioral Finance Erklärungsansätze für Home Bias. Es wird gezeigt, dass Patriotismus und Intoleranz gegen Unsicherheit einen negativen Einfluss auf die internationale Diversifikation in Anleihemärkten haben. Die dritte Studie analysiert die Vorhersagekraft der Händlerpositionen auf die Renditen der Terminkontrakte für Agrarrohstoffe mittels Quantil-Regressionen. Dadurch können signifikante Granger-Kausalitäten zwischen Händlerpositionen und Renditen entdeckt werden, die nicht durch die traditionellen Granger-Kausalitätstests für den Mittelwert der Renditeverteilung aufgedeckt werden können. Die vierte Studie untersucht die kurz- und langfristigen Einflüsse der Spekulanten auf die Preisbildung in den Edelmetallterminmärkten. Es wird gezeigt, dass die kumulierten Änderungen in Händlerpositionen die Edelmetallterminpreise vorhersagen können. Die letzte Studie berücksichtigt die Nichtlinearitäten in der Vorhersagekraft der Handelsaktivität für Renditen in den Bullen- und Bärenmarktphasen der Edelmetallterminmärkte. Die Richtung der Granger-Kausalität zwischen Handelsaktivität und nachfolgenden Renditen ist oft asymmetrisch in den unterschiedlichen Marktphasen, was durch den unterschiedlichen Informationsgehalt der Transaktionen erklärt werden kann. / The first study analyzes the relationship between domestic creditor protection and foreign investment in bond markets. For the investing countries with relatively high levels of domestic creditor protection, a high level of domestic creditor protection is associated with a higher international diversification in bond portfolios and reduces the sensitivity of foreign investment to the foreign creditor protection. The second study explores the behavioral determinants of home bias in debt markets. It shows that patriotism and uncertainty avoidance reduce international diversification. The third paper analyzes the relationship between financial activity and returns in twelve agricultural futures markets based on quantile regressions. Quantile regressions detect significant Granger-causal effects from trader positions to returns that would not have been unveiled while using the traditional "Granger causality in mean" approach. The fourth essay investigates long- and short-term effects of speculative activity on the price mechanism in precious metals futures markets and shows that accumulated changes in positions of speculators have the potential to forecast returns. The last study accounts for non-linearity in the predictive power of trading activity for precious metals futures returns in bull and bear market states. The direction of Granger causality from trading activity to subsequent returns is often asymmetric across bull and bear markets, which may be explained by the different informational content of trades.

Diese Dissertation behandelt die ökonometrische Analyse von hochfrequenten Finanzmarktdaten. Kapitel 1 stellt einen neuen Ansatz zur Modellierung von seriell abhängigen positiven Variablen, die einen nichttrivialen Anteil an Nullwerten aufweisen, vor. Letzteres ist ein weitverbreitetes Phänomen in hochfrequenten Finanzmarktzeitreihen. Eingeführt wird eine flexible Punktmassenmischverteilung, ein maßgeschneiderter semiparametrischer Spezifikationstest sowie eine neue Art von multiplikativem Fehlermodell (MEM). Kapitel 2 beschäftigt sich mit dem Umstand, dass feste symmetrische Kerndichteschätzer eine geringe Präzision aufweisen, falls eine positive Zufallsvariable mit erheblicher Wahrscheinlichkeitsmasse nahe Null gegeben ist. Wir legen dar, dass Gammakernschätzer überlegen sind, wobei ihre relative Präzision von der genauen Form der Dichte sowie des Kerns abhängt. Wir führen einen verbesserten Gammakernschätzer sowie eine datengetriebene Methodik für die Wahl des geeigneten Typs von Gammakern ein. Kapitel 3 wendet sich der Frage nach dem Nutzen von Hochfrequenzdaten für hochdimensionale Portfolioallokationsanwendungen zu. Wir betrachten das Problem der Konstruktion von globalen Minimum-Varianz-Portfolios auf der Grundlage der Konstituenten des S&P 500. Wir zeigen auf, dass Prognosen, welche auf Hochfrequenzdaten basieren, im Vergleich zu Methoden, die tägliche Renditen verwenden, eine signifikant geringere Portfoliovolatilität implizieren. Letzteres geht mit spürbaren Nutzengewinnen aus der Sicht eines Investors mit hoher Risikoaversion einher. / In three essays, this thesis deals with the econometric analysis of financial market data sampled at intraday frequencies. Chapter 1 presents a novel approach to model serially dependent positive-valued variables realizing a nontrivial proportion of zero outcomes. This is a typical phenomenon in financial high-frequency time series. We introduce a flexible point-mass mixture distribution, a tailor-made semiparametric specification test and a new type of multiplicative error model (MEM). Chapter 2 addresses the problem that fixed symmetric kernel density estimators exhibit low precision for positive-valued variables with a large probability mass near zero, which is common in high-frequency data. We show that gamma kernel estimators are superior, while their relative performance depends on the specific density and kernel shape. We suggest a refined gamma kernel and a data-driven method for choosing the appropriate type of gamma kernel estimator. Chapter 3 turns to the debate about the merits of high-frequency data in large-scale portfolio allocation. We consider the problem of constructing global minimum variance portfolios based on the constituents of the S&P 500. We show that forecasts based on high-frequency data can yield a significantly lower portfolio volatility than approaches using daily returns, implying noticeable utility gains for a risk-averse investor.

Die Dissertation untersucht das Potenzial von Machine-Learning-Methoden zur Verwaltung von Schwanzrisiken in nicht-stationären und hochdimensionalen Umgebungen. Dazu vergleichen wir auf robuste Weise datenabhängige Ansätze aus parametrischer oder nicht-parametrischer Statistik mit datenadaptiven Methoden. Da datengetriebene Methoden reproduzierbar sein müssen, um Vertrauen und Transparenz zu gewährleisten, schlagen wir zunächst eine neue Plattform namens Quantinar vor, die einen neuen Standard für wissenschaftliche Veröffentlichungen setzen soll. Im zweiten Kapitel werden parametrische, lokale parametrische und nicht-parametrische Methoden verglichen, um eine dynamische Handelsstrategie für den Schutz vor Schwanzrisiken in Bitcoin zu entwickeln. Das dritte Kapitel präsentiert die Portfolio-Allokationsmethode NMFRB, die durch eine Dimensionsreduktionstechnik hohe Dimensionen bewältigt. Im Vergleich zu klassischen Machine-Learning-Methoden zeigt NMFRB in zwei Universen überlegene risikobereinigte Renditen. Das letzte Kapitel kombiniert bisherige Ansätze zu einer Schwanzrisikoschutzstrategie für Portfolios. Die erweiterte NMFRB berücksichtigt Schwanzrisikomaße, behandelt nicht-lineare Beziehungen zwischen Vermögenswerten während Schwanzereignissen und entwickelt eine dynamische Schwanzrisikoschutzstrategie unter Berücksichtigung der Nicht-Stationarität der Vermögensrenditen. Die vorgestellte Strategie reduziert erfolgreich große Drawdowns und übertrifft andere moderne Schwanzrisikoschutzstrategien wie die Value-at-Risk-Spread-Strategie. Die Ergebnisse werden durch verschiedene Data-Snooping-Tests überprüft. / This dissertation shows the potential of machine learning methods for managing tail risk in a non-stationary and high-dimensional setting. For this, we compare in a robust manner data-dependent approaches from parametric or non-parametric statistics with data-adaptive methods. As these methods need to be reproducible to ensure trust and transparency, we start by proposing a new platform called Quantinar, which aims to set a new standard for academic publications. In the second chapter, we dive into the core subject of this thesis which compares various parametric, local parametric, and non-parametric methods to create a dynamic trading strategy that protects against tail risk in Bitcoin cryptocurrency. In the third chapter, we propose a new portfolio allocation method, called NMFRB, that deals with high dimensions thanks to a dimension reduction technique, convex Non-negative Matrix Factorization. This technique allows us to find latent interpretable portfolios that are diversified out-of-sample. We show in two universes that the proposed method outperforms other classical machine learning-based methods such as Hierarchical Risk Parity (HRP) concerning risk-adjusted returns. We also test the robustness of our results via Monte Carlo simulation. Finally, the last chapter combines our previous approaches to develop a tail-risk protection strategy for portfolios: we extend the NMFRB to tail-risk measures, we address the non-linear relationships between assets during tail events by developing a specific non-linear latent factor model, finally, we develop a dynamic tail risk protection strategy that deals with the non-stationarity of asset returns using classical econometrics models. We show that our strategy is successful at reducing large drawdowns and outperforms other modern tail-risk protection strategies such as the Value-at-Risk-spread strategy. We verify our findings by performing various data snooping tests.