Die 2007 begonnene Finanzmarktkrise und deren Folgen dominieren weiterhin das Handeln in der Wirtschafts- und Geldpolitik. Die vielfältigen geldpolitischen Maßnahmen des EZB-Rats unterstreichen eindrücklich die Bedeutung der Finanzmarktentwicklung und ihrer potenziell zerstörerischen Wirkungen auf die Volkswirtschaft für Zentralbanken (vgl. EZB 2010). Um dieser Bedeutung gerecht zu werden, scheint der Versuch nahe zu liegen, Finanzmarktkrisen mit hinreichender Genauigkeit vorzusagen (vgl. Gerdesmeier, Reimers und Roffia 2010). Aus geldpolitischer Sicht ist hierbei besonders bedeutend, wie wichtig die Entwicklungen von Geld- und Kreditaggregaten für solche Finanzmarktkrisen sind.

Frühwarnsysteme für Vermögenspreisblasen

Die Ausgestaltung eines entsprechenden Frühwarnsystems zur Identifizierung von Vermögenspreisungleichgewichten lässt sich dabei grundsätzlich in drei Schritte gliedern. In einem ersten Schritt werden die im Zentrum der Untersuchung stehenden Vermögenspreise bestimmt und Ungleichgewichte bzw. Fehlentwicklungen dieser Vermögenspreise definiert (z. B. bezogen auf einfache Rückgänge der Vermögenspreise, auf Abweichungen von historischen Trends oder hinsichtlich ihrer Auswirkungen auf die Wirtschaft).

Der zweite Schritt umfasst dann die Auswahl geeigneter Indikatoren und die Entwicklung entsprechender Modelle, um die Indikatoren mit der entsprechenden Fehlentwicklung in Verbindung zu bringen. Ist die abhängige Variable (also die Fehlentwicklung) binär, so stehen für die Definition eines Frühwarnindikators unter anderem sog. “Discrete-Choice-Methoden“ (u.a. Probit-/Logit-Verfahren) zur Verfügung (vgl. Detken, Gerdesmeier und Roffia 2010).

Der dritte Schritt hat die Beurteilung der Aussagekraft des Frühwarnindikators über einen Zeitraum und eine Gruppe von Ländern zum Inhalt. Letzteres erfolgt in Anlehnung an Kaminsky, Lizondo und Reinhart (1998) häufig anhand der nachfolgenden Matrix:

Tabelle: Leistungsbeurteilung von Indikatoren

Im Rahmen diese Matrix stellt A die Anzahl der Perioden dar, für die ein Indikator ein korrektes Warnsignal gibt, d. h. in denen auf das Signal innerhalb eines vorab festgelegten Prognosehorizonts tatsächlich eine Krise folgt. B ist die Anzahl der Perioden, für die ein Fehlalarm ausgelöst wurde, während C die Anzahl der Perioden darstellt, in denen der Indikator eine herannahende Krise nicht anzeigt. D schließlich steht für die Anzahl der Perioden, für die der Indikator richtigerweise kein Warnsignal gibt. Der Nutzen eines Indikators wird für gewöhnlich durch Berechnung des sog. “Rausch-Signal-Verhältnisses“ (“noise-to-signal ratio“) – d. h. Anzahl der Fehlalarme geteilt durch die Anzahl der korrekten Signale – beurteilt.

Im vorliegenden Fall versuchen die Autoren die Wahrscheinlichkeit einer Vermögenspreisbaisse oder -crash in den kommenden zwei Jahren einzuschätzen. Eine Baisseperiode wird dabei definiert als ein Zeitraum, in dem die Veränderung eines zusammengesetzten Vermögenspreisindikator (konstruiert als gewichteter Durchschnitt von Aktienkurs- und Wohnimmobilienpreisindizes) unter einen Wert sinkt, der berechnet wird als Mittelwert der Indikatorveränderung abzüglich des 1,5-fachen ihrer Standardabweichung. Die hieraus resultierende (binäre) Baisse-Variable erhält den Wert eins, wenn innerhalb der nächsten acht Quartale eine Baisse eintritt.

Empirische Ergebnisse

Im Anschluss wird auf der Basis eines Probit-Modells für eine Gruppe von 17 OECD-Ländern anhand einer Suchprozedur eine beste Spezifikation ausgewählt, welche die Kreditwachstumslücke, die Veränderungen der nominalen Langfristzinsen, die Investitionsquote und die verzögerte Lücke des Immobilienpreisanstiegs umfasst.^[ 1 ] Ein derartiges Modell vermag rund 70% der Baissen für die untersuchten Länder korrekt vorherzusagen. In etwa 26% der Fälle kommt es zu einer Baisse, obwohl das Modell kein entsprechendes Signal angezeigt hat und in ca. 26% der Fälle resultieren falsche Alarme. Insgesamt ergibt sich ein Rausch-Signal-Verhältnis von rund 0.36, was einen vergleichsweise guten Wert darstellt.

Um die Güte des Frühwarnsystems in Echtzeit zu beurteilen, soll des Weiteren mit Hilfe des Modells die Situation für das Euro-Währungsgebiet im Vorfeld der jüngsten Finanzkrise bewertet werden. Dazu wurden die damals verfügbaren Datenreihen für die erklärenden Variablen und bis Ende des ersten Quartals 2006 geschätzten Koeffizienten des Probit- Modells dazu verwendet, für den nachfolgenden Zeitraum eine sog. “Out-of-Sample-Analyse“ durchzuführen. Anschließend wurde für den Zeitraum bis 2009 Baisse-Wahrscheinlichkeiten geschätzt (siehe folgende Abbildung).

Abbildung: Wahrscheinlichkeitsbeurteilung für den Eintritt einer Baisse in den kommenden zwei Jahren – Out-of-Sample-Analyse

Dabei stellt der gelbe Bereich die geschätzte Wahrscheinlichkeit einer Baisse in den kommenden acht Quartalen auf Basis des Modells dar, während der graue Bereich die Identifizierung einer Baisse anzeigt. Zudem zeigt sich anhand des schwarzen Bereiches eine Überschreitung des Schwellenwertes (von 0.35, also 35%) gegen Ende des Jahres 2006, womit das Modell zum damaligen Zeitpunkt den Eintritt einer Baisse für den Euroraum innerhalb der nächsten zwei Jahre vorhergesagt hätte.

Schlussfolgerungen

Die Studie verdeutlicht insgesamt, dass es möglich scheint, Frühwarnindikatoren für einzelne Länder und Ländergruppen zu identifizieren, die recht gut funktionieren. Die Untersuchung bestätigt zudem implizit auch, dass die Kreditmengenentwicklung und damit der Verschuldungsgrad einen der wichtigsten Indikatoren für die Vorhersage von Hausse-Baisse-Zyklen bei den Vermögenspreisen repräsentiert. Dessen ungeachtet können Indikatoren, die in der Vergangenheit gute Ergebnisse geliefert haben, bisweilen komplexe Sachverhalte zusammenfassen oder auch unterschiedliche Botschaften aussenden. Die erhaltenen Signale sollten daher stets mit Vorsicht interpretiert und nur als ein Bestandteil einer umfassenderen Informationsmenge betrachtet werden. Insgesamt gesehen sprechen die Ergebnisse auch zugunsten einer sorgfältigen monetären Analyse von Seiten der Zentralbanken.

Literatur:

Europäische Zentralbank (2010), Die Reaktion der EZB auf die Finanzkrise, Monatsbericht, Oktober, S. 63-79.

Detken,, C.; Gerdesmeier, D. und Roffia, B. (2010), Interlinkages between Money, Credit and Asset Prices and their Implications for Consumer Price Inflation: Recent Empirical Work. In: Papademos, L. und Stark, J. (Hrsg.), Enhancing Monetary Analysis, Kapitel 6, S. 307-327.

Gerdesmeier, D.; Reimers, H.-E. und Roffia, B. (2010), Asset Price Misalignments and the Role of Money and Credit, International Finance, Vol. 13, Issue 3, S. 377-407.

Kaminsky, G., S. Lizondo and C. M. Reinhart (1998), Leading Indicators of Currency Crises, IMF Staff Papers, 45(1), S. 1-48.

• ¹  Die Schätzung basiert auf einem Paneldatensatz, der die folgenden Länder umfasst: Australien, Dänemark, Deutschland, Frankreich, Irland, Italien, Japan, Kanada, Neuseeland, die Niederlande, Norwegen, Portugal, Schweden, die Schweiz, Spanien, das Vereinigte Königreich und die Vereinigten Staaten.

©KOF ETH Zürich, 8. Feb. 2011