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
Pressemitteilung lesen
Startseite
Start für IWH-Insolvenztrend Von nun an veröffentlicht das IWH jeden Monat ein Update zum bundesweiten...
Zur Seite
Aufgaben
Aufgaben des IWH Unter dem Leitthema "Von der Transformation zur europäischen...
Zur Seite
Übersicht, Kontakt und Öffnungszeiten
Bibliothek Die Bibliothek des IWH ist eine wirtschaftswissenschaftliche...
Zur Seite
Evidenzbasierte Politikberatung (IWH-CEP)
Zentrum für evidenzbasierte Politikberatung (IWH-CEP) ...
Zur Seite
IWH-Treuhanddatenbank
IWH-Treuhand-Mikrodatenbank ...
Zur Seite
IWH-FDI-Mikrodatenbank
IWH-FDI-Mikrodatenbank Die IWH-FDI-Mikrodatenbank (FDI = Foreign Direct Investment)...
Zur Seite
An Evaluation of Early Warning Models for Systemic Banking Crises: Does Machine Learning Improve Predictions?
Johannes Beutel, Sophia List, Gregor von Schweinitz
IWH Discussion Papers,
Nr. 2,
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 measure, 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 effciently, 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
Wirtschaft im Wandel
Wirtschaft im Wandel Mit seiner Zeitschrift "Wirtschaft im Wandel" will das IWH...
Zur Seite
