In der empirischen Ökonomie ist eine „saubere Identifikation“ oft maßgebend: Instrumentalvariablen, Difference-in-Differences, Randomized Controlled Trials. Das ist gut und wichtig, aber nur weil ein Effekt kausal ist, erklärt er noch nicht viel von der beobachteten Variation. Viele identifizierte Effekte sind real, aber klein im Vergleich zu den großen Bewegungen in Beschäftigung, Einkommen oder Aktienkursen. Das Lehrstück Saubere Kausalität isoliert exogene aber häufig sehr geringe, Schwankungen (z. B. über Instrumente, Fixed Effects, Grenzfälle). Das liefert eine glaubwürdige Ursache-Wirkung-Aussage, aber der Preis ist, dass wir viel Variation wegwerfen. Ergebnis: Der Effekt ist kausal richtig, erklärt aber oft nur einen kleinen Teil des Gesamtbilds. Genau diese Trennung von kausal und relevant ist die zentrale Pointe dieses Beitrags. Paradoxon der Kausaliät Je strenger wir Identifikation betreiben, d...
Jede empirische Studie ist so gut wie die Daten (und Methoden), die sie nutzt. Für empirische Kapitalmarktforschung sind naturgemäß die Kapitalmarktdaten wichtig. Datastream gehört zu den wichtigsten Datenbanken für Kapitalmarktdaten. Sie bietet den Zugang zur Vielzahl von Wertpapieren mit historisch lange zurückreichenden Zeitreihen (wichtig für Backtests) an. In diesem Blog (eher ein Vlog) erläutre ich, wie wir auf dem schnellsten Weg wichtigsten Informationen aus Datastream beziehen können.