Was sollen und können Konjunkturprognosen?

Sind Prognosefehler ein Problem?

Ökonomen, die in den verschiedenen Institutionen mit Prognosen zu tun haben – vor allem wenn sie Prognosen erstellen und rechtfertigen müssen – hatten in den letzten Jahren keinen leichten Stand. Weder das Ausmaß der Finanzmarktkrise noch die kräftige Erholung wurden zufriedenstellend erkannt. Prognosefehler werfen Probleme auf, wenn auf ihrer Basis Entscheidungen getroffen werden, die im Nachhinein negative Auswirkungen auf die wirtschaftliche Entwicklung einer Volkswirtschaft haben können. Das kann zum Beispiel der Fall sein, wenn eine falsche Wachstumsprognose zu falschen Erwartungen hinsichtlich der Produktivitätsentwicklung führt. Die Produktivität, also das Produktionsergebnis je eingesetzter Arbeitskraft oder eingesetzter Arbeitsstunde, ist eine wichtige Bestimmungsgröße für den Verteilungsspielraum. Denn Lohnerhöhungen sollen sich am Leistungszuwachs der Arbeitskräfte und damit am Anstieg ihrer Produktivität orientieren.

Was soll eine Prognose leisten?

Konjunkturprognosen sollen Informationen über die zukünftige wirtschaftliche Entwicklung einer Volkswirtschaft geben. Zukünftig erstreckt sich hierbei auf den kurz- bis mittelfristigen Betrachtungszeitraum, also auf die folgenden beiden Jahre. Eine Konjunkturprognose soll zum einen das Wachstumstempo aufzeigen, also wie schnell wird das reale BIP und seine Komponenten im kommenden Jahr wachsen. Die Prognose soll zum anderen auch die konjunkturellen Wendepunkte aufzeigen, das heißt, ob und wann die Konjunktur kippen oder wann eine Volkswirtschaft aus einer Rezession herauskommen wird.

Prognosen sind Wenn-Dann-Aussagen. Die künftige wirtschaftliche Entwicklung wird aufgrund bestimmter Rahmenbedingungen und bestimmter Daten prognostiziert. Es handelt sich dabei auch um so genannte bedingte Prognosen. Die Vorhersagen sind bedingt durch den Informationsstand zum Prognosezeitpunkt. Prognosen zeigen die künftige wirtschaftliche Entwicklung mit der größten Eintrittswahrscheinlichkeit auf, und zwar mit der subjektiven Eintrittswahrscheinlichkeit aus Sicht des Prognostikers. Prognosen können die Unsicherheit nicht beseitigen, sondern sie zielen darauf ab, die Unsicherheit über die weitere wirtschaftliche Lage zu vermindern. Die Zukunft bleibt trotz aller Prognosen unsicher.

Wie wird prognostiziert?

Prognosen und Vorhersagen sind seit Menschengedenken gefragt. Von den altertümlichen Vorhersagen sollen sich moderne Prognosen dadurch unterscheiden, dass sie wissenschaftlich fundiert sind und vor allem durch andere überprüft werden können. Übernatürliche Inspirationen von Propheten – heute und früher – können und konnten nicht durch andere überprüft werden. Heute könnte dagegen jeder, der über die notwendigen Daten verfügt und die Prognoseverfahren kennt, eine Prognose überprüfen. Moderne Prognosen basieren auf Daten und Methoden.

Grundsätzlich werden ökonometrische und nicht-ökonometrische Prognoseverfahren unterschieden. Zu den ökonometrischen Verfahren gehören einfache Regressionsmodelle, ökonometrische Strukturmodelle und Zeitreihenmodelle (so genannte vektorautoregressive (VAR) Modelle). Bei VAR-Modellen werden die Zukunftswerte allein aus den Vergangenheitswerten ermittelt. Zu den nicht-ökonometrischen Verfahren gehören zum Beispiel einfache Extrapolationen (Fortschreibung der Vergangenheit). Bei den Indikator- und Surveyprognosen wird die weitere wirtschaftliche Entwicklung aus dem Vor- und Gleichlauf von Indikatoren mit einer konjunkturellen Referenzgröße (in der Regel das vierteljährliche reale BIP) abgeschätzt. Als Indikatoren dienen Daten der amtlichen Statistik (Produktion, Auftragseingänge) und Befragungsergebnisse (ifo-Geschäftsklima, ZEW-Dienstleistungsindikator). Eine weit verbreitete Prognosemethode sind die iterativen VGR-Prognosen. Ausgangspunkt ist die Betrachtungsweise des Bruttoinlandsprodukts gemäß der Volkswirtschaftlichen Gesamtrechnungen. Das BIP wird dabei von der Entstehungsseite, Verteilungsseite und Verwendungsseite her betrachtet. Grundlage des iterativen Abstimmungsprozesses sind das Buchungsschema und Tabellensystem der VGR, das eine formal widerspruchsfreie Prognose ermöglicht. Man tastet sich bei diesem iterativen Prognoseverfahren über mehrere Versionen schrittweise an eine konsistente und an die wahrscheinlichste Variante heran. Ein Vorteil der iterativen VGR-Prognose liegt darin, dass der aktuellste Informationsstand und situationsgebundene Sondereinflüsse (Krisen, Wahlergebnisse usw.) eingebracht werden können. Dies ermöglicht eine unbestreitbar größere Flexibilität und Realitätsnähe. Außerdem können Teilprognosen von Branchenexperten leichter verarbeitet werden. Es kann somit mehr Material verwendet werden als beispielsweise in einem ökonometrischen Modell. Ein Nachteil der iterativen VGR-Prognose besteht darin, dass der Prognosevorgang für Dritte eher undurchsichtig bleibt. Allerdings können auch hier durch die explizite Darstellung und Erklärung der Annahmen, Vermutungen und Randbedingungen die Schlussfolgerungen nachvollzogen werden. Eine ökonometrische Kontrolle ist jederzeit durch ein parallel laufendes Modell möglich. Und selbst bei ökonometrischen Modellen ist es sehr schwierig, ein fremdes Modell mit einem vertretbaren Aufwand zu überprüfen. VGR-Prognosen stehen zwar manchmal im Verdacht der Manipulation und der von Interessen geleiteten Prognose. Der Freiraum beim intuitiven Verfahren ist aber im Prinzip nicht unbedingt größer als bei der Konstruktion eines ökonometrischen Modells. Hier kommt es zum Beispiel auf die Auswahl der Funktionstypen, die Länge der Stützperiode, die Korrektur von Ausreißerwerten an.

Die Auswahl einer Prognosemethode hängt natürlich vom Zweck der Prognose ab, den verfügbaren Daten und Rechenmöglichkeiten sowie vom erwünschten Zeitaufwand des Prognostikers. Die einzelnen Methoden schließen sich nicht wechselseitig aus, sondern vielmehr werden heute mehrere Methoden gleichzeitig angewandt – etwa zur Überprüfung von Ergebnissen sowie zur Unter- und Abstützung von Prognoseteilen.

Warum gehen Prognosen daneben?

Ökonomen erstellen nicht nur Prognosen, sondern sie müssen diese auch rechtfertigen und verteidigen. Entsprechend suchen sie nach Argumenten, warum es in manchen Fällen nicht so recht klappt mit dem Blick in die nahe Zukunft.

Datenrevisionen machen Prognosen anfällig

Revisionen der amtlichen Statistik und damit der Datengrundlage von Prognosen machen Prognosen oftmals revisionsbedürftig. Ein gutes Beispiel liefern die Prognosen für das Jahr 2001. Als diese im Herbst 2001 erarbeitet wurden, meldete das Statistische Bundesamt für das dritte Quartal 2000 einen saison- und preisbereinigten Anstieg gegenüber dem Vorquartal in Höhe von 0,6 Prozent. Dies signalisierte damals eine Fortsetzung des dynamischen Aufschwungs. In späteren Revisionen wurde die Veränderung schließlich auf –0,1 Prozent revidiert. Rund ein Viertel der Prognosefehler für das Jahr 2001 können somit allein auf die VGR-Revision des Basisjahres zurückgeführt werden.

Unvorhersehbare Ereignisse machen Prognosen obsolet

Unvorhersehbare Schocks, wie verfahrene Lohnrunden, überschießende Wechselkurse, Ölpreisschocks, Tierseuchen, Länderkrisen, Naturkatastrophen sowie politische Schocks (Terroranschläge), lassen Prognosen schnell hinfällig werden. In Verbindung mit heute viel schnelleren Übertragungswegen von Schocks bringen diese manche Prognosen schnell zu Fall. Die Geschwindigkeit, mit der sich weltwirtschaftliche Ereignisse auf andere Länder übertragen, hat sich erhöht und wird teilweise unterschätzt. Neben traditionellen Handelsverflechtungen sind Finanzmärkte und multinationale Unternehmen wichtige Transmissionskanäle.

Bedingte Prognosen ignorieren Feed-back

Die meisten Prognosen sind so genannte bedingte Prognosen – das heißt, sie basieren auf der Annahme einer bestimmten Politik und bestimmter wirtschaftlicher Verhaltensweisen der Wirtschaftssubjekte (Haushalte und Unternehmen). Die zum Prognosezeitpunkt bestehenden politischen Rahmenbedingungen (Steuern usw.) und die für den Prognosezeitraum beschlossenen Änderungen werden selbstverständlich in der Prognose berücksichtigt. Unvorhersehbare Politikänderungen gehen dagegen nicht in die Prognose ein. Politikänderungen können zwar ebenfalls prognostiziert werden – eignen sich dann aber allenfalls für eine Alternativprognose. Prognosefehler können auch dann entstehen, wenn die Prognose Politikänderungen herbeiführt. Wirtschaft und Wirtschaftspolitik können auf die veröffentlichten Prognosen reagieren und damit deren Eintrittswahrscheinlichkeit beeinflussen – in beide Richtungen. Prognosen können eine Eigendynamik entfalten, die dazu führt, dass sich Prognosen selbst erfüllen (self-fulfilling prophecy) oder selbst zerstören. Zum Beispiel können Rezessionsprognosen die wirtschaftliche Lage verschärfen, wenn sich zum Beispiel Investoren und Konsumenten aufgrund der Prognose zusätzlich einschränken. Andererseits können Rezessionsprognosen ein wirtschaftspolitisches Gegensteuern auslösen, was wiederum die wirtschaftliche Lage verbessert und die prognostizierte Lage abwendet.

Prognostiker sind auch nur Menschen

Es gelingt wohl in vielen Fällen eine Beschleunigung beim Wachstumstempo zu prognostizieren, aber meistens werden Abschwächungen und vor allem Rezessionen (absoluter Rückgang des realen BIP) nicht richtig vorhergesehen: „Recessions generally arive before the forecast.“ Die Gründe dafür liegen zum einen im so genannten Forecast Smoothing. Prognosen werden oftmals nur langsam und in kleinen Schritten der Realität angepasst. Menschen hängen meist am Status quo. Entsprechend hängen Prognostiker an der bestehenden Prognose zu lange fest. Denn Prognostiker fürchten, dass abrupte und größere Korrekturen bei den Benutzern ihrer Prognosen für Irritationen sorgen. Schnelle und abrupte Änderungen könnten als Inkonsistenz und als überschnelle Reaktion des Prognostikers auf tagesaktuelle Geschehnisse interpretiert werden. Zum anderen erklären sich Prognosefehler auch aus dem so genannten Forecast Clustering oder einem Herdenverhalten der Prognostiker. Es entsteht besonders in Zeiten erhöhter Unsicherheit oder Verunsicherung ein Prognosewert-Cluster, wobei sich die einzelnen Prognosewerte dicht um einen Konsenswert ranken. Nach dem Motto „Great minds think alike“ ist es schwer, gegen den offensichtlichen Common Sense der Prognosezunft anzuschreiben. Dieses Imitationsverhalten, wonach sich Prognostiker zum Beispiel an den kurz zuvor veröffentlichten Prognosen beziehungsweise am Konsenswert des Vormonats orientieren, kann dazu führen, dass sich wiederum der Konsenswert selbst immer weiter von der Realität entfernt. Überspitzt könnte man sagen: Prognostiker achten in bestimmten konjunkturellen Situationen mehr auf andere Prognostiker als auf die wirtschaftliche Lage und bestimmte Frühindikatoren selbst. Eine hohe Übereinstimmung von Prognosen muss somit kein Beleg für eine hohe Klarheit der Prognosen sein.