Die Monographie widmet sich dem Thema des Modells der empirischen Ähnlichkeit, oder wie es in der Literatur genannt wird, - "Empirical Similarity" (ES). Das Modell wurde von Gilboa, Lieberman und Schmeidler (2006) erstmalig eingeführt und theoretisch hergeleitet. In dieser Arbeit werden Erweiterungen des Modells vorgeschlagen die Prognosegüte des Modells verbessern. Die Ansätze zu den vorgeschlagenen Erweiterungen umfassen die 1) Anwendung der Rotationsmatrizen zur Umwandlung des Feature-Raums, 2) Kombinierung des ES Modells mit dem Regimewechsel Modell um die Parameteränderungen zu erfassen und 3) Vereinigung des ES Konzeptes mit dem LSTAR Modell zur Vorhersage des globalen kleinst-Varianz Portfolios. Simulationen zeigen dass die Erweiterungen in 1) und 2) tatsächlich Verbesserung an Prognosegüte des Modells einbringen. Die empirischen Anwendungen weisen auf, dass das modifizierte ES Modell in Hinsicht auf MSE (mean squared error) besser als ursprüngliches ES Modell abschneidet.