Beyond the Replication Crisis: Investigating Methodological Drivers of Inconsistency in Financial Economics

The replication crisis in financial economics highlights significant challenges to the credibility of empirical research, particularly in the study of stock market anomalies. This dissertation aims to enhance the consistency of previous findings by revisiting event-driven and seasonal value effects. Across six individual studies, the findings suggest that conflicting results do not necessarily indicate biases or model misspecifications but rather reflect the influence of underlying factors such as dataset composition, methodological choices, and evolving market conditions.

Using a combination of event studies, regression analyses, meta-analyses, and artificial intelligence (AI) modeling, this research explores the impact of study design on research outcomes. The first focus is on replicating investor risk adjustments through established event study methodologies applied to three recent edge case events. The first event study validates established financial theories regarding the systematic risks associated with regulatory institutions. The second challenges the evaluation of cyber risks in the context of unintended software outages. The third event study contributes new insights to the identification of sustainable companies. In summary, these studies reveal systematic patterns in market reactions to event-driven value effects while highlighting that individual edge cases may challenge prior findings, suggesting the presence of additional underlying factors.

Unlike the widely standardized methodology used to examine event-driven value effects, seasonal stock market anomalies, such as the day-of-the-week effect, are characterized by heterogeneous study designs, which often result in inconsistent findings. A primary study and a meta-analysis confirm that methodological choices significantly influence the observed weekly patterns of day-dependent returns. The findings suggest that dynamic market conditions, as reflected in divergent study designs, contribute to these inconsistencies. As a result, the final study introduces the "Uncertainty Structure Hypothesis" (USH), identifying market uncertainty as a key factor shaping weekly patterns in daily returns and offering an additional explanation for the replication crisis.

In conclusion, this research underscores the importance of data selection, methodological choices, and the integration of advanced techniques such as meta-analyses and AI-driven nonlinear models. By investigating the drivers of the replication crisis, the dissertation enhances the reliability of financial research. Importantly, the findings suggest extending theoretical frameworks to better include the complexities of dynamic and uncertain market environments.

Die gegenwärtige Krise in der Replikation der Finanzforchung verdeutlicht, dass die Glaubwürdigkeit empirischer Forschung, insbesondere in Bezug auf die Untersuchung von Aktienmarktanomalien, grundlegend angezweifelt wird. Die vorliegende Dissertation hat zum Ziel, die Konsistenz früherer Ergebnisse zu verbessern und Inkonsistenzen zu erklären. Zu diesem Zweck werden ereignisabhängige und saisonale Werteffekte erneut untersucht. Die Ergebnisse von sechs Einzelstudien weisen darauf hin, dass widersprüchliche Ergebnisse nicht zwangsläufig auf Verzerrungen oder Modellfehler hindeuten. Stattdessen reflektieren sie den Einfluss zugrunde liegender Faktoren wie die Zusammensetzung der Daten, die Wahl der Methodik und die sich verändernden Marktbedingungen.

Eine Kombination aus Ereignisstudien, Regressionsanalysen, Metaanalysen und künstlicher Intelligenz (KI) wird herangezogen, um die Auswirkungen des Studiendesigns auf die Forschungsergebnisse zu untersuchen. Der initiale Schwerpunkt liegt auf der Replikation der Risikoanpassungen von Anlegern mittels etablierter Ereignisstudienmethoden, die auf drei aktuelle Ereignisse angewandt werden. Die erste Ereignisstudie validiert etablierte Finanztheorien in Bezug auf die systematischen Risiken, die mit dem Standort von Regulierungsinstitutionen verbunden sind. Weitere Untersuchungen befassen sich mit der Bewertung von Cyberrisiken im Kontext unbeabsichtigter Softwareausfälle. Die dritte Ereignisstudie liefert neue Erkenntnisse hinsichtlich der Identifizierung von nachhaltigen Unternehmen. Zusammenfassend zeigen diese Studien, dass systematische Muster in den Marktreaktionen auf ereignisbedingte Werteffekte bestehen. Einzelne Sonderfälle stellen jedoch frühere Erkenntnisse in Frage, was auf das Vorhandensein zusätzlicher zugrunde liegender Faktoren hindeutet.

Die Methodik zur Untersuchung ereignisabhängiger Werteffekte ist weitgehend standardisiert. Hingegen sind saisonale Börsenanomalien, wie der Wochentagseffekt, durch heterogene Studiendesigns gekennzeichnet, was häufig zu widersprüchlichen Ergebnissen führt. Eine Primärstudie sowie eine Metaanalyse belegen, dass die gewählte Methodik die beobachteten wöchentlichen Muster der tagesabhängigen Renditen erheblich beeinflusst. Die Untersuchungsergebnisse weisen darauf hin, dass die divergierenden Studiendesigns, welche die dynamischen Marktbedingungen widerspiegeln, zu den beobachteten Diskrepanzen beitragen. In der abschließenden Studie wird demnach die "Uncertainty Structure Hypothesis" (USH) vorgestellt, die die Marktunsicherheit als Schlüsselfaktor für die wöchentlichen Muster der Tagesrenditen identifiziert und eine zusätzliche Erklärung für die Replikationskrise liefert.

Abschließend unterstreicht diese Untersuchung die Bedeutung der Datenauswahl, der methodischen Entscheidungen und der Integration fortschrittlicher Techniken wie Metaanalysen und KI-gesteuerter nichtlinearer Modelle.

Die Ergebnisse tragen damit zur Erhöhung der Zuverlässigkeit der Finanzforschung bei. Von signifikanter Relevanz ist, dass die Resultate eine Erweiterung des theoretischen Rahmens vorschlagen, um die Komplexität dynamischer und unsicherer Marktumgebungen adäquat zu berücksichtigen.