Von Rebekka BuseIn der jüngsten Staatsschuldenkrise nahmen Bedrohungen für das Finanzsystem zu, gekennzeichnet durch einen Anstieg von systemischen Risiken. Systemisch wichtige Institute wurden als “too big to fail”, später als “too interconnected to fail” eingestuft. Dies zeigt die Bedeutung von Vernetzung zwischen Unternehmen für die Sicherung der Wirtschafts- und Finanzstabilität. Daten zu Abhängigkeiten sind nicht öffentlich zugänglich oder unvollständig. Deshalb bedarf es ökonometrischer Methoden für unvollständige und komplexe Datensätze, um Verbindungen aufzudecken und Spill-over-Effekte zu quantifizieren. Maß der VernetzungDie Arbeit befasst sich mit quantitativen Maßen, die bisher vernachlässigte Aspekte beleuchten. Technisch wird ein auf Out-of-Sample-Prognosefehlern basierendes Maß für die Vernetzung vorgestellt, welches sehr schnell auf Krisenereignisse reagiert. Darüber hinaus werden Spill-over-Effekte untersucht, berechnet aus bayesianischen zeitvariierenden Parametermodellen. Die Signifikanz von Änderungen in den Spill-over-Effekten wurde bisher nicht untersucht. Dieses Defizit wird durch die Konstruktion und Schätzung von Konfidenzintervallen für Spill-over-Effekte behoben.Mittels der Konfidenzintervalle und eines Intraday-Datensatzes über das durch CDS-Spreads gemessene Kreditrisiko europäischer Staaten liefert die Arbeit Ergebnisse zur Effektivität geldpolitischer und regulatorischer Eingriffe: Es waren im Wesentlichen regulatorische Änderungen wie das Verbot ungedeckter Leerverkäufe von CDS auf Staaten 2012 und die neue ISDA-Regulierung 2014, die das systemische Risiko reduzierten. Dagegen war der Effekt von Politikmaßnahmen gering; sie hatten nur Einfluss, wenn sie zum ersten Mal implementiert wurden und auf mehr als ein Land abzielten. ÜbertragungseffekteDie Arbeit zeigt, dass tägliche CDS- und Anleihen-Daten ergänzende Informationen für die Messung von Spill-over-Effekten enthalten. Es werden erstmalig die Unterschiede der volatilitätsbasierten Spill-over-Effektmaße aus diesen beiden Datensätzen identifiziert. Gezeigt wird, dass beide Datenquellen notwendig sind für ein vollständigeres Bild über die Vernetzung zwischen Staaten. Bereitgestellt wird auch eine Anleitung zur Wahl eines passenden Ansatzes zur Schätzung der zeitvariablen Parameter für die Messung der Übertragungseffekte. Eine empirische Analyse von 49 Sektoren des US-Aktienmarktes zeigt zudem, dass neben dem Finanzsektor auch die Realwirtschaft eine wichtige Rolle für ein umfassendes Verständnis von Spill-over-Effekten spielt.