Schreiber, Sven / Stephan, Sabine : Prognose konjunktureller Wendepunkte unter Echtzeit-Bedingungen
in: WSI-Mitteilungen 4/2012, Seiten 289-296
Zusammenfassung
Eine der größten Herausforderungen für die Konjunkturforschung ist es, konjunkturelle Wendepunkte frühzeitig und zuverlässig zu erkennen. Die Datenlage in Echtzeit ist dabei grundsätzlich problematisch: Einerseits gibt es bei realwirtschaftlichen Indikatoren eine Veröffentlichungsverzögerung von einigen Monaten, zum anderen unterliegen diese Indikatoren auch danach noch beträchtlichen Revisionen. Das IMK hat eine systematische Analyse der Echtzeit-Wendepunktbestimmung für Deutschland durchgeführt; dabei werden in der ökonometrischen Untersuchung vier verschiedene Modellklassen verglichen. Die angewendeten Verfahren liefern für den Evaluationszeitraum 2007 bis 2010 in Echtzeit einen Erkennungsvorlauf von zwei bis vier Monaten gegenüber der amtlichen Statistik. Ein (nichtlineares) dynamisches Probit-Modell und ein (lineares) sogenanntes Subset-VAR-Modell scheinen sich besonders gut zu eignen. Aus unseren Forschungsergebnissen schließen wir, dass es für die Wendepunktbestimmung sinnvoll ist, viele Indikatoren zu kombinieren.
Abstract
Sven Schreiber, Sabine Stephan
Forecasting business-cycle turning points under real-time conditions
One of the greatest challenges in business cycle research is the timely and reliable identification of cyclical turning points. The data availability in real time constitutes a fundamental problem: First there is a publication lag of several months for some of the indicators concerning the real economy, and secondly those indicators are later subject to substantial revisions. The IMK undertook a systematic analysis of the business-cycle turning point detection problem in real time for Germany, applying and comparing four different econometric model classes. The methods employed recognize turning points two to four months ahead of official statistics in real time, for the evaluation sample of 2007 through 2010. A (nonlinear) dynamic probit model and a (linear) so-called subset VAR model seem to be especially well-suited for this task. Based on our research results we conclude that it is advisable for the detection of turning points to combine many indicators.