Das Forscherteam der Universität Liechtenstein nutzte als Fallstudie die US-Regionalbankenkrise des Jahres 2023. Diese diente als Beispiel dafür, wie maschinelles Lernen effektiv eingesetzt werden kann, um potenzielle Risiken frühzeitig zu identifizieren. Mithilfe moderner KI-Modelle analysierten die Wissenschaftler eine Vielzahl makroökonomischer und bankenspezifischer Daten, um Warnsignale zu erkennen, die auf bevorstehende Marktverwerfungen hindeuten.
Besonders eindrucksvoll war die praktische Relevanz der Ergebnisse: Das Modell ist nicht nur in der Lage, Krisenpotenzial zu erkennen, sondern kann auch konkrete Handlungsempfehlungen für Investoren ableiten. So zeigte sich, dass ein Investor, der den Signalen des Modells folgt, bei drohenden negativen Marktentwicklungen frühzeitig aus dem Markt aussteigen kann. Dies führt nicht nur zu einer Reduktion des Verlustrisikos, sondern verbessert auch massgeblich die Kennzahlen des Portfolios – insbesondere das Endvermögen und die Sharpe Ratio.
Die vorgestellten Ergebnisse unterstreichen die wachsende Bedeutung datengetriebener Methoden im Finanzwesen. Sie zeigen eindrucksvoll, wie wissenschaftliche Forschung dazu beitragen kann, den Finanzmarkt robuster und krisenresistenter zu gestalten. Das Projekt ist ein Beispiel für die erfolgreiche Verbindung von Theorie und Praxis und ein weiteres Indiz für die innovative Forschung an der Universität Liechtenstein im Bereich Finanzökonomie und KI.