07.09.2020 • 17/2020
IWH-Insolvenztrend: Zahl der Insolvenzen auf Tiefststand, Insolvenztrend künftig mit Vorschau
Die Zahl der Insolvenzen erreichte im August einen Tiefststand. Nach deutlichem Anstieg in den Vormonaten ist zudem die Anzahl der von Unternehmensinsolvenzen betroffenen Jobs im August erstmals wieder spürbar gesunken. Das Leibniz-Institut für Wirtschaftsforschung Halle (IWH) liefert mit dem IWH-Insolvenztrend ein monatliches Update zum bundesweiten Insolvenzgeschehen. Der Insolvenztrend wird nun um eine Vorschau für die jeweils kommenden beiden Monate erweitert.
Steffen Müller
Lesen
06.08.2020 • 15/2020
IWH-Insolvenztrend: Entwicklung setzt sich fort – immer mehr Beschäftigte von Insolvenzen betroffen
Im Juli waren in Deutschland mehr als dreimal so viele Jobs von Unternehmensinsolvenzen betroffen wie im Durchschnitt der ersten Monate dieses Jahres. Auch gegenüber dem Vormonat ist ein deutlicher Anstieg zu verzeichnen. Die Anzahl der Firmenpleiten ist dagegen erneut leicht gesunken. Das Leibniz-Institut für Wirtschaftsforschung Halle (IWH) liefert mit dem IWH-Insolvenztrend ein monatliches Update zum bundesweiten Insolvenzgeschehen.
Steffen Müller
Lesen
03.07.2020 • 12/2020
IWH-Insolvenztrend: Weniger Firmenpleiten, aber viel mehr Jobs betroffen
Im Juni waren doppelt so viele Beschäftigte von einer Unternehmensinsolvenz betroffen als im Durchschnitt der ersten Monate dieses Jahres. Gleichzeitig ist die Zahl der Firmenpleiten im vorigen Monat trotz Coronakrise leicht gesunken. Das Leibniz-Institut für Wirtschaftsforschung Halle (IWH) liefert mit dem IWH-Insolvenztrend ein monatliches Update zum bundesweiten Insolvenzgeschehen.
Steffen Müller
Lesen
Why are some Chinese Firms Failing in the US Capital Markets? A Machine Learning Approach
Gonul Colak, Mengchuan Fu, Iftekhar Hasan
Pacific-Basin Finance Journal,
June
2020
Abstract
We study the market performance of Chinese companies listed in the U.S. stock exchanges using machine learning methods. Predicting the market performance of U.S. listed Chinese firms is a challenging task due to the scarcity of data and the large set of unknown predictors involved in the process. We examine the market performance from three different angles: the underpricing (or short-term market phenomena), the post-issuance stock underperformance (or long-term market phenomena), and the regulatory delistings (IPO failure risk). Using machine learning techniques that can better handle various data problems, we improve on the predictive power of traditional estimations, such as OLS and logit. Our predictive model highlights some novel findings: failed Chinese companies have chosen unreliable U.S. intermediaries when going public, and they tend to suffer from more severe owners-related agency problems.
Artikel Lesen
Profit Shifting and Tax‐rate Uncertainty
Manthos D. Delis, Iftekhar Hasan, Panagiotis I. Karavitis
Journal of Business Finance and Accounting,
5-6
2020
Abstract
Using firm‐level data for 1,084 parent firms in 24 countries and for 9,497 subsidiaries in 54 countries, we show that tax‐motivated profit shifting is larger among subsidiaries in countries that have stable corporate tax rates over time. Our findings further suggest that firms move away from transfer pricing and toward intragroup debt shifting that has lower adjustment costs. Our results are robust to several identification methods and respecifications, and they highlight the important role of tax‐rate uncertainty in the profit‐shifting decision while pointing to an adjustment away from more costly transfer pricing and toward debt shifting.
Artikel Lesen
Managerial Effect or Firm Effect: Evidence from the Private Debt Market
Bill Francis, Iftekhar Hasan, Yun Zhu
Financial Review,
Nr. 1,
2020
Abstract
This paper provides evidence that the managerial effect is a key determinant of firms’ cost of capital, in the context of private debt contracting. Applying the novel empirical method developed by an earlier study to a large sample that tracks the job movement of top managers, we find that the managerial effect is a critical and significant factor that explains a large part of the variation in loan contract terms more accurately than firm fixed effects. Additional evidence shows that banks “follow” managers when they change jobs and offer loan contracts with preferential terms to their new firms.
Artikel Lesen
Does Machine Learning Help us Predict Banking Crises?
Johannes Beutel, Sophia List, Gregor von Schweinitz
Journal of Financial Stability,
December
2019
Abstract
This paper compares the out-of-sample predictive performance of different early warning models for systemic banking crises using a sample of advanced economies covering the past 45 years. We compare a benchmark logit approach to several machine learning approaches recently proposed in the literature. We find that while machine learning methods often attain a very high in-sample fit, they are outperformed by the logit approach in recursive out-of-sample evaluations. This result is robust to the choice of performance metric, crisis definition, preference parameter, and sample length, as well as to using different sets of variables and data transformations. Thus, our paper suggests that further enhancements to machine learning early warning models are needed before they are able to offer a substantial value-added for predicting systemic banking crises. Conventional logit models appear to use the available information already fairly efficiently, and would for instance have been able to predict the 2007/2008 financial crisis out-of-sample for many countries. In line with economic intuition, these models identify credit expansions, asset price booms and external imbalances as key predictors of systemic banking crises.
Artikel Lesen
01.11.2019 • 23/2019
Presseeinladung zur Verleihung des Max-Planck-Humboldt-Forschungspreises und der Max-Planck-Humboldt-Medaille 2019 in Berlin, Akademie der Künste, 5. November 2019 um 17:00 Uhr mit anschließendem Empfang
Zum zweiten Mal wird der neugestaltete Max-Planck-Humboldt-Forschungspreis von der Max-Planck-Gesellschaft und der Alexander von Humboldt-Stiftung in Berlin verliehen. Der diesjährige Träger des Preises ist Ufuk Akcigit von der Universität Chicago mit dem Thema: Warum besteht zwischen Ost- und Westdeutschland weiterhin eine wirtschaftliche Kluft?
Lesen
19.09.2019 • 19/2019
Spätfolgen der Treuhand: Preisgekrönter US-Ökonom startet Forschungsprojekt am IWH
Es ist eine der wichtigsten Auszeichnungen des deutschen Wissenschaftsbetriebs: Der mit 1,5 Millionen Euro dotierte Max-Planck-Humboldt-Forschungspreis geht in diesem Jahr an den Volkswirt Ufuk Akcigit von der Universität Chicago. Am Leibniz-Institut für Wirtschaftsforschung Halle (IWH) will Akcigit mit innovativen Methoden untersuchen, warum die Wirtschaft in Ostdeutschland bis heute hinter der westdeutschen zurückbleibt – und welche Rolle die Treuhandanstalt dabei spielt.
Reint E. Gropp
Lesen
On the Empirics of Reserve Requirements and Economic Growth
Jesús Crespo Cuaresma, Gregor von Schweinitz, Katharina Wendt
Journal of Macroeconomics,
June
2019
Abstract
Reserve requirements, as a tool of macroprudential policy, have been increasingly employed since the outbreak of the great financial crisis. We conduct an analysis of the effect of reserve requirements in tranquil and crisis times on long-run growth rates of GDP per capita and credit (%GDP) making use of Bayesian model averaging methods. Regulation has on average a negative effect on GDP in tranquil times, which is only partly offset by a positive (but not robust effect) in crisis times. Credit over GDP is positively affected by higher requirements in the longer run.
Artikel Lesen
