This dissertation firstly challenges the convexity of the flow-performance relationship, according to which investors strongly chase top-performing funds, while fund flows exhibit little to no sensitivity to past performance within the segment of poorly performing funds. Our results suggest that the flow-performance relationship is not convex, but rather linear. We find that this relationship is biased if outliers are winsorized instead of trimmed. Moreover, this relationship is may be biased when the model does not incorporate lagged flows to account for fund flow persistence.
Secondly, it studies the mean reversion behavior of NAV spreads. We find NAV spreads for companies trading at a high discount to mean revert fastest. Remarkably, we also provide evidence that online search attention impacts the mean reversion speed of NAV spreads: Stocks with lower levels of online search attention mean-revert significantly faster than those with higher levels. Our global research setting allows us to show that a country’s average NAV spread has an impact on the NAV spreads of individual stocks. Ultimately, we find that the NAV spread of companies receiving high levels of online search attention has a disproportionately high impact on the NAV spreads of other companies.
Third, it examines the performance and interaction between earnings momentum and Google search attention. We show that high earning REITs and REITs with high levels of unexpected Google search volume outperform in the subsequent month. We also find that unexpected Google search attention intensifies earnings momentum. Moreover, we find that the attention-based momentum Granger causes earnings momentum.

Diese Dissertation stellt zunächst die Konvexität der Flow-Performance-Beziehung in Frage, wonach Anleger verstärkt in Fonds mit Top-Performance investieren, während die Mittelabflüsse im Segment der Fonds mit schlechter Performance insignifikant sind. Unsere Ergebnisse zeigen, dass die Flow-Performance-Beziehung nicht konvex, sondern eher linear ist. Wir stellen fest, dass diese Beziehung verzerrt ist, wenn Ausreißer mit der Methode Winsorize statt Trimm beseitigt werden. Darüber hinaus kann diese Beziehung verzerrt sein, wenn das Modell keine verzögerten Flüsse einbezieht, um die Persistenz der Fondsflüsse zu berücksichtigen.
Zweitens untersucht sie das Mean-Reversion Verhalten von NAV-Spreads. Wir stellen fest, dass die Mean-Reversion Geschwindigkeit von NAV-Spreads von Unternehmen, die mit einem hohen Abschlag gehandelt werden, am schnellsten zum Long-Run-Mean konvergieren. Bemerkenswerterweise liefern wir auch Beweise dafür, dass die Online-Suchaufmerksamkeit die Mean-Reversion Geschwindigkeit von NAV-Spreads beeinflusst: Aktien mit geringerer Online-Suchaufmerksamkeit haben eine höhere Mean-Reversion Geschwindigkeit als solche mit höherer Aufmerksamkeit. Unser globales Forschungsumfeld ermöglicht es uns zu zeigen, dass der durchschnittliche NAV-Spread eines Landes einen Einfluss auf die NAV-Spreads einzelner Aktien hat. Letztendlich stellen wir fest, dass das NAV-Spread von Unternehmen, die hoher Aufmerksamkeit gemessen an Online-Suchen, einen überproportional großen Einfluss auf die NAV-Spreads anderer Unternehmen hat.
Drittens untersucht es die Rendite und Interaktion zwischen Earningsmomentum und Attention-Based-Momentum. Wir zeigen, dass REITs mit hohen Erträgen und REITs mit einem hohen unerwarteten Google-Suchvolumen im darauffolgenden Monat eine bessere Performance erzielen. Wir stellen auch fest, dass unerwartete Aufmerksamkeit bei Google-Suchen das Earningsmomentum verstärkt. Darüber hinaus stellen wir fest, dass die auf Aufmerksamkeit basierende Momentum-Granger-Methode die Ertragsdynamik verursacht.