Dr. Andreas Dombret-Promotionspreis  2023

Im ersten Teil seiner Dissertation untersucht Jörn Debener in Zusammenarbeit mit einer deutschen Versicherung, wie gut sich Methoden des unüberwachten maschinellen Lernens eignen, um Versicherungsbetrug zu erkennen. Diese Methoden benötigen zur Betrugserkennung keine Einteilung vergangener Versicherungsanträge in betrügerische bzw. legitime Anträge und haben damit das Potenzial, neue Betrugsmuster aufzudecken. Unter Durchführung eines Feldexperiments zeigt die Studie, dass unüberwachtes maschinelles Lernen Versicherungsbetrug erkennen kann und Betrugsfälle aufdeckt, die andernfalls unerkannt geblieben wären. Methoden des unüberwachten maschinellen Lernens können daher eine wertvolle Ergänzung zu etablierten Betrugserkennungssystemen darstellen. Im zweiten Teil der Dissertation analysiert Jörn Debener, durch welche Faktoren Überrenditen von Staatsanleihen vorhergesagt werden können. Zunächst bestätigt die Studie, dass Anleiheüberrenditen durch maschinelles Lernen deutlich besser vorhergesagt werden können als durch konventionelle Methoden. Anschließend werden die wesentlichen Faktoren, die die Vorhersage der Renditen ermöglichen, durch Einsatz von eXplainable Artificial Intelligence (XAI) für den US-amerikanischen und den deutschen Markt herausgearbeitet und verglichen. Damit öffnet die Studie die Black Box des maschinellen Lernens und leistet einen Beitrag zum Verständnis von Anleihemärkten. Im dritten Teil der Arbeit widmet sich Jörn Debener der Frage, wie sich die Orientierung etablierter Banken hin zu neuen Technologien (FinTech) auf deren Performance auswirkt. Zunächst wird in der Studie ein neuartiger, auf Natural Language Processing basierender Ansatz beschrieben, wie sich aus den Texten in den Jahresabschlüssen von Banken Informationen über deren Orientierung gegenüber FinTech ableiten lassen. Anschließend wird gezeigt, dass Banken mit einer stärkeren Orientierung an neuen Technologien höhere Marktbewertungen erzielen. Im vierten und letzten Teil der Dissertation untersucht der Preisträger, ob Investoren durch die textuelle Ausgestaltung von Informationsprospekten bei der Preisfindung für Wertpapiere beeinflusst werden. Anhand von Prospekten zu Emissionen von Asset-Backed Securities - Wertpapieren, die eine zentrale Rolle in der globalen Finanzkrise spielten - zeigt die Studie, dass Merkmale wie die Lesbarkeit der Prospekte mit der Bepreisung der Wertpapiere zusammenhängen. Dies weist auf eine Beeinflussung von Investoren durch die textuelle Ausgestaltung von Prospekten hin und verdeutlicht die Bedeutung klarer und prägnanter Kommunikation an Finanzmärkten. In seiner Dissertation ist es Jörn Debener ausgezeichnet gelungen, eine anspruchsvolle wissenschaftliche Arbeit mit praxisbezogener Anwendung zu kombinieren, was genau der Intention des Preisstifters Dr. Andreas Dombret entspricht.