M.Sc. Victoria Voigts

M.Sc. Victoria Voigts
Adresse
Königsworther Platz 1
30167 Hannover
Gebäude
Raum
044
M.Sc. Victoria Voigts
Adresse
Königsworther Platz 1
30167 Hannover
Gebäude
Raum
044

Schwerpunkte in Forschung und Lehre

  • Asset Pricing
  • Factor Models
  • Machine Learning
  • Climate Finance

Lebenslauf

  • Beruflicher Werdegang

    seit 04/19
    Wissenschaftliche Mitarbeiterin, Institut für Finanzwirtschaft und Rohstoffmärkte (Prof. Dr. Marcel Prokopczuk), Leibniz Universität Hannover

    seit 04/19
    Geschäftsführerin des Hannover Center of Finance and Insurance e.V.

    11/16 - 02/19
    Studentische Hilfskraft an den Instituten für Statistik, Makroökonomik und Mikroökonomik

  • Ausbildung

    10/2017 - 02/2019
    Master of Science - Wirtschaftswissenschaft, Leibniz Universität Hannover, Major: Finance

    03/2018 - 10/2018
    Auslandsaufenthalt, Macquarie University Sydney, Australien,  Förderung durch den DAAD

    10/2013 - 09/2017
    Bachelor of Science - Wirtschaftswissenschaft, Leibniz Universität Hannover, Vertiefungsfächer: Ökonometrie und Statistik, Geld und internationale Finanzwirtschaft, Wirtschaftstheorie

    09/2015 - 01/2016
    Auslandsaufenthalt, Universiteit Antwerpen, Förderung durch das Erasmus-Programm

    08/2012 - 05/2013
    Sprachaufenthalt in North Devon, UK

    07/2011
    Abitur Gymnasium Lehrte

Publikationen und Working Papers

How Robust are Empirical Factor Models to the Choice of Breakpoints? (with F. Hollstein and M. Prokopczuk; Quarterly Journal of Finance, forthcoming)

SSRN Version

Poster

Abstract:

We comprehensively investigate the robustness of well-known factor models to altered factor formation breakpoints. Deviating from the standard 30th and 70th percentile selection, we use an extensive set of anomaly test portfolios to uncover two main findings: First, there is a trade-off between specification and diversification. More centered breakpoints tend to result in less (idiosyncratic) risk. More extreme sorts lead to greater exposure to the underlying anomalies and thus to higher average returns. Second, the models are robust to varying degrees. The Hou, Xue, and Zhang (2015) model is much more sensitive to changes in breakpoints than the Fama–French models.

Präsentationen:

  • 2022 Financial Econometrics Summer School of the Society for Financial Econometrics (SoFiE), Brussels
  • 2022 European Meeting of the Financial Management Association (FMA), Lyon;
  • 2022 Meeting of the International Finance and Banking Society (IFBAS), Naples;
  • 2023 Ph.D. Poster Session of the American Finance Association (AFA), New Orleans, LA