Die Volkswirtschaft

Plattform für Wirtschaftspolitik

Dieser Artikel ist Teil des Schwerpunkts «Konjunktur: Der Blick in die Kristallkugel»

Frühindikatoren schärfen den Blick

Wirtschaftsprognosen basieren massgeblich auf Frühindikatoren. Besonders wichtig sind sie in Wirtschaftskrisen.

Wie voll sind die Lager? Konjunkturprognosen basieren auf ökonomischen Daten. (Bild: Keystone)

Abstract lesen...

Eine gute und möglichst umfassende Datengrundlage ist entscheidend in der Konjunkturanalyse. Allerdings können zahlreiche Wirtschaftsdaten nur mit einigen Monaten Verzögerung publiziert werden. Deswegen ist die Wirtschaftsentwicklung des laufenden Quartals zum Zeitpunkt, an dem Prognosen veröffentlicht werden, weitgehend unbekannt. Das erschwert die Wirtschaftsprognosen, und hier kommen Frühindikatoren ins Spiel: Sie geben frühzeitig Hinweise auf die Entwicklung einer Zielvariable wie zum Beispiel des BIP. Ein Beispiel sind Stimmungsumfragen, die relativ schnell durchgeführt und aufbereitet werden können. Ob sich deren Bewegungen dann effektiv in den tatsächlichen Wirtschaftskennzahlen widerspiegeln, bleibt jedoch stets eine offene Frage.

Ab 2009 lagen die Prognosen des Bundes für das Bruttoinlandprodukt (BIP) des laufenden Jahres um rund 0,4 Prozentpunkte daneben.[1] Warum gelingen uns kaum Punktlandungen?

Verschiedene Umstände wirken erschwerend: Erstens sind politische Entscheidungen oft nicht vorhersehbar und deren Folgen kaum abschätzbar. Ähnliches gilt für singuläre Ereignisse wie das Platzen von Immobilienblasen. Zweitens stehen Daten zur gegenwärtigen Wirtschaftsentwicklung nur zeitlich verzögert zur Verfügung, denn die Durchführung und Auswertung von grossen Datenerhebungen ist aufwendig und erst im Nachhinein möglich. Drittens besteht eine gewisse Unsicherheit über die bereits publizierte Entwicklung, die sich aber immerhin nach und nach reduziert: Nachträgliche Revisionen der Daten gehören zum Arbeitsalltag in der Konjunkturanalyse.

Keine Prognose ist auch keine Lösung

Sollten Konjunkturprognosen nicht mehr beachtet werden, weil sie ungenau sind? Dieses Argument greift zu kurz. Denn das würde der Forderung gleichkommen, auf eine effektive Planung in diversen Bereichen zu verzichten, oder zumindest würde eine solche massiv erschwert.

Die Wirtschaftspolitik ist zu Planungszwecken auf Einschätzungen und Prognosen der Konjunkturlage angewiesen. So stützen sich beispielsweise die Budget- und Finanzpläne des Bundes auf BIP-Prognosen, weil ein enger Zusammenhang zwischen den Steuereinnahmen und dem Wirtschaftswachstum besteht.[2] Besonders schwierig sind Konjunkturprognosen bei konjunkturellen Wendepunkten und in Krisensituationen – gerade dann sind sie aber besonders wichtig. Dies zeigte sich während der Wirtschafts- und Finanzkrise. Um zu entscheiden, ob es konjunkturstützende Massnahmen braucht, griff der Bundesrat auf die Prognosen der Expertengruppe Konjunkturprognosen zurück. Rückblickend hat sich dieses Vorgehen bewährt.[3]

Ein weiteres Beispiel ist die Geldpolitik der Schweizerischen Nationalbank (SNB): Ohne Konjunktur- und Inflationsprognosen könnte sie ihr Mandat kaum so effektiv erfüllen wie heute.[4]

Statt auf Prognosen zu verzichten, sollte man sich deshalb vielmehr der Unsicherheiten bewusst sein. «Prognoserisiken»[5] gilt es zu analysieren und zu kommunizieren. Gegebenenfalls kann mit Szenarien gearbeitet werden, die Hinweise über alternative Entwicklungen geben.

So früh wie möglich

Die Grundlage für eine fundierte wirtschaftliche Lagebeurteilung bilden ökonomische Daten. Diese müssen eine Volkswirtschaft möglichst vollständig und zuverlässig abbilden. Dazu sollten sie möglichst zeitnah und in möglichst hoher Frequenz zur Verfügung stehen. Eine zentrale Rolle spielen dabei die Volkswirtschaftliche Gesamtrechnung (VGR) sowie die Daten zum Arbeitsmarkt. Die zahlreichen Variablen aus der VGR und den Arbeitsmarktstatistiken ermöglichen ein umfassendes Bild des Zustandes einzelner Wirtschaftssektoren, der Haushalte und Arbeitnehmenden.

Ein Knackpunkt ist die zeitliche Verzögerung: Beispielsweise werden die VGR-Zahlen in der Schweiz – im Einklang mit den EU-Ländern – erst rund zwei Monate nach Ende eines Quartals veröffentlicht. Der Grund für die Verzögerung sind die relativ spät verfügbaren Basisstatistiken: Beispielsweise werden die Schweizer Industrieumsätze und die Beschäftigungsstatistik erst ungefähr acht Wochen nach Quartalsende veröffentlicht und fliessen ihrerseits in die Berechnung der VGR ein, die wiederum einige Tage später publiziert wird.

Mehrere Länder erstellen eine «Flash-Berechnung» des BIP oder der Beschäftigung rund 30 oder 45 Tage nach Quartalsende. Dies wäre auch in der Schweiz prinzipiell möglich, allerdings sind hierzulande diverse Basisdaten später verfügbar als im Ausland. Diese müssten daher prognostiziert werden, was die Unsicherheit eines Flashs wiederum erhöhen würde.

Als Konsequenz kann beispielsweise die Entwicklung des Schweizer BIP im dritten Quartal erst Ende November berechnet und veröffentlicht werden. Solche Verzögerungen bei der Publikation vieler ökonomischer Daten erschweren die Prognosen: Das ist gewissermassen so, als ob man den Wetterbericht von morgen erstellen muss, ohne das Wetter von heute zu kennen.

«Echt» oder «gleichlaufend»?

Um zeitliche Verzögerungen zu überbrücken, greift man in der Konjunkturanalyse auf Frühindikatoren zurück. Das sind vorlaufende Daten, die frühzeitig Hinweise auf die Entwicklung der Zielvariablen geben. Dabei gibt es Indikatoren, die einen «echten» Vorlauf zur Zielvariable besitzen, und solche, die «gleichlaufend» mit der Zielvariable sind, aber früher veröffentlicht werden. Ein Beispiel für einen «gleichlaufenden» Frühindikator ist die Konsumentenstimmung, welche beispielsweise bereits in der Mitte jedes laufenden Quartals veröffentlicht wird: Sie liefert bereits mehrere Monate vor den amtlichen BIP-Zahlen Hinweise über den Konjunkturverlauf. Bei der Konsumentenstimmung betrug die kontemporäre Korrelation mit dem BIP in den letzten 20 Jahren 0,5 – wobei 0 keine Korrelation und 1 maximale Korrelation bedeutet.

Bei «echt» vorlaufenden Indikatoren korrelieren das gegenwärtige Quartal des Indikators und das Folgequartal der Zielvariable am stärksten. Ein Beispiel hierfür ist die Komponente Auftragseingänge aus der Umfrage zur Industrie des Einkaufsmanger-Index (PMI), die im letzten Monat des Vorquartals eine Korrelation von 0,54 zum BIP aufweist.

Viele gängige Frühindikatoren entstehen aus Stimmungsumfragen, deren Daten schnell erhoben und aufbereitet werden können. Beispiele für solche Indikatoren sind nebst dem PMI und der Konsumentenstimmung die KOF-Umfragen. Bei der Interpretation dieser Stimmungsindikatoren ist jedoch auch eine gewisse Vorsicht angezeigt, denn darin können auch Fehleinschätzungen oder Stimmungsschwankungen, die nicht zwingend der tatsächlichen Wirtschaftsentwicklung entsprechen, enthalten sein. Ob sich die gemessene Stimmung später tatsächlich in den quantitativen, «harten» Daten widerspiegelt, ist also stets eine offene Frage. Stimmungsumfragen zählen unter anderem deswegen zu den sogenannten weichen Daten (siehe Kasten).

Psychologische Dimension

Der Zusammenhang zwischen Stimmungsumfragen und der Gesamtwirtschaft kann sich über die Zeit ändern. Beispielsweise gilt der PMI Industrie als verlässlicher Indikator für die Entwicklung in der Industrie und aufgrund deren Bedeutung auch für die Gesamtwirtschaft. Aufgrund des Strukturwandels geht der Anteil des Industriesektors an der Gesamtwirtschaft jedoch langsam zurück. Dies könnte mit ein Grund dafür sein, warum sich die Korrelation zwischen dem PMI Industrie sowie anderen Stimmungsindikatoren[6] und dem BIP über die Zeit ebenfalls abgeschwächt hat (siehe Abbildung).

Korrelation PMI und BIP sowie Anteil der Industrie am BIP (8-Jahres-Schnitt)

PMI: Quartalsdurchschnitt der Monatswerte. BIP: vierteljährliche Wachstumsrate. Quelle: CS und Procure.ch, Seco / Die Volkswirtschaft

Gleichzeitig ändert sich die Wahrnehmung im Laufe der Zeit: Möglicherweise empfinden die Befragten heute ein geringeres Wirtschaftswachstum oder ein anderes Niveau der Geschäftslage als «gut» als beispielsweise in den Achtzigerjahren. Allenfalls entspricht heute ein anderer Umfragewert einer BIP-Wachstumsrate von 2 Prozent als früher, was bei der Interpretation von Stimmungsumfragen berücksichtigt werden muss.

Neben Stimmungsumfragen gibt es ein ganzes Set an «harten» Daten, welche früh oder gar unmittelbar zur Verfügung stehen und so als Frühindikatoren dienen können: Administrative Daten wie der monatlich registrierte Warenverkehr, monatliche Erhebungen wie die Detailhandelsumsätze oder Finanzmarktvariablen, welche oft unmittelbar zur Verfügung stehen, sind Beispiele dafür.

Google-Suche auswerten

Um aus dieser Vielzahl an Stimmungsumfragen und anderen Frühindikatoren ein möglichst gesamtheitliches Bild zu erhalten, werden in praktisch allen entwickelten Ländern breite Sammelindikatoren erstellt. Diese verdichten mittels statistisch ausgeklügelter Methoden die Informationen aus sehr vielen Frühindikatoren in einem Gesamtindex. Prominentestes Beispiel hierfür ist das KOF-Konjunkturbarometer.

Schliesslich gewinnen quantitative Daten aus dem Internet immer mehr an Bedeutung. So zeigt beispielsweise eine Studie, dass die Geburtenrate in den USA mithilfe von Google-Suchbegriffen wie «Mutterschaft» oder «Schwangerschaft» besser vorhergesagt werden kann.[7] Mit der Datenflut aus dem Internet dürften sich also neue Möglichkeiten eröffnen.

Alles in allem sind Frühindikatoren also von grossem Wert. Zwar ist bei ihrer Interpretation Vorsicht angezeigt, weil stets unsicher bleibt, inwiefern sich deren Entwicklung in den tatsächlichen Daten widerspiegeln wird. Aber sie verkürzen das Warten auf Informationen, welche für eine fundierte Konjunkturanalyse und -prognose zwingend notwendig sind.

  1. Ausgewertet mit den BIP-Prognosen für das laufende Jahr ab 2009, die jeweils im März veröffentlicht wurden. []
  2. Martinez (2018). []
  3. Bonanomi (2012) oder Brunetti (2009). []
  4. Lenz und Zanetti (2018). []
  5. Als Prognoserisiko wird ein Vorkommnis bezeichnet, dessen Eintreten eine Anpassung der Prognose verursachen würde. []
  6. Gayer und Marc (2018). []
  7. Billari et al. (2013). []

Dr. rer. oec., Leiter Ressort Konjunktur, Staatssekretariat für Wirtschaft (Seco), Bern

«Weiche Daten» und «harte Daten»

In der Praxis wird oft zwischen sogenannten weichen und harten Daten unterschieden. Weiche Daten basieren auf qualitativen, subjektiven Einschätzungen. Diese werden anschliessend quantifiziert und meist zu einem Index aggregiert. Genaue Mengenangaben sind damit jedoch nicht möglich. So enthält beispielsweise die Konsumentenstimmung eine Frage zur eigenen finanziellen Lage. Diese kann auf einer diskreten Skala beantwortet werden («wesentlich besser», «etwas besser» etc.). Obwohl dies die Haushalte sehr verlässlich beantworten können, lassen sich daraus keine exakten Angaben zur Finanzlage der Haushalte gewinnen. Harte Daten sind hingegen als konkrete quantitative Angaben zu verstehen, die aus zuverlässigen Datenquellen und einer stringenten Erhebungsmethode entstehen und so im Prinzip verifizierbar sind. Ein Beispiel sind die Warenverkehrszahlen der Eidgenössischen Zollverwaltung: Hierbei handelt es sich faktisch um eine standardisierte Vollerhebung, aus der man Angaben in Franken und Kilogramm zu den gehandelten Gütern machen kann.

Literatur

Dr. rer. oec., Leiter Ressort Konjunktur, Staatssekretariat für Wirtschaft (Seco), Bern