sofia Diskussionsbeiträge 2011, No. 6 https://doi.org/10.46850/sofia.9783941627093

An Konjunkturprognosen werden die verschiedensten Forderungen gestellt. Die Hauptforderung ist zunächst einmal eine gute Qualität, damit Sie als Planungsgrundlage für Staaten, Unternehmen und Akteure an den Finanzmärkten dienen können. Der Fokus liegt bei dieser Untersuchung auf Frühindikatoren mit einem hohen qualitativen Anteil. Einen frühen Hinweis auf ihren Nutzen liefert Kirchgässner (1982), der die Ergebnisse der Neujahrsumfrage des Allensbach-Instituts für die Wirtschaftsentwicklung in Deutschland mit der Konjunkturprognose des Sachverständigenrats der Bundesregierung vergleicht. Die Umfrageergebnisse weisen dabei einen stärkeren Zusammenhang zur Wirtschaftsentwicklung des Folgejahres auf als die professionellen Konjunkturprognosen. Der Nutzen qualitativer Frühindikatoren wird vor allem für die rechtzeitige Erkennung konjunktureller Wendepunkte immer wieder festgestellt (Fritsche 1999, Hüfner / Schröder 2002, Kunkel 2003, Abberger / Nierhaus 2007, Seiler 2009, Ziegler 2009). Claveria, Pons und Ramos (2007) testen die Verwendung solcher Indikatoren in ökonometrischen Prognosemodellen. Ein Vergleich mit tatsächlich abgegebenen Konjunkturprognosen für die Wirtschaftsentwicklung auf Jahresbasis liegt jedoch nicht vor. Ein solcher Vergleich erfolgt in dieser Studie mittels zweier Datenreihen, die auf ihre Relevanz für die Konjunkturprognosen hin untersucht werden. Zum einen erfolgt eine Betrachtung des monatlich von der OECD veröffentlichten Composite Leading Indicators (CLI). Dieser wird für jede Volkswirtschaft individuell konstruiert und beinhaltet sowohl quantitative als auch qualitative Frühindikatoren. Zum anderen erfolgt eine Überprüfung einer weltweiten Umfrage des Münchener ifo-Instituts, der World Economic Survey (WES). Dabei werden weltweit Wirtschaftsexperten unter anderem hinsichtlich ihrer Einschätzung zur Lage der Weltkonjunktur in den nächsten 6 Monaten befragt. Stellvertretend für die Konjunkturprognosen werden Konsensprognosen der britischen Fachzeitschrift Consensus Forecasts als Datenbasis verwendet. Ihre Veröffentlichung erfolgt monatlich, wobei sich je eine Prognose auf das laufende und eine auf das kommende Jahr bezieht. Für jedes Jahr liegen also 24 separate Prognosen vor. Die Untersuchung erstreckt sich auf den Zeitraum 1991 – 2009 und umfasst die G7-Staaten. Der 2. Abschnitt dieser Untersuchung dient der Beurteilung der Qualität der untersuchten Konjunkturprognosen. Im 3. Abschnitt erfolgt ein Vergleich des Zukunftsbezugs der Prognosen mit den Zeitreihen der OECD und des ifoInstituts. Der 4. Abschnitt zeigt schließlich, dass die Berücksichtigung dieser Zusatzinformationen mit hoher Wahrscheinlichkeit zu einer Verbesserung der Konjunkturprognosen beigetragen hätte.

Access full article

References

1. Abberger, K. / Nierhaus, W. (2007): Das ifo Geschäftsklima und Wendepunkte der deutschen Kon-junktur, ifo-Schnelldienst, Bd. 60, Nr. 3, S. 26-31.
2. Ager, P / Kappler, M. / Osterloh, S. (2007): The Accuracy and Efficiency of the Consensus Fore-casts: A Further Application and Extension of the Pooled Approach, Centre for European Economic Research Discussion Paper, Nr. 07-058, Mannheim. DOI: https://doi.org/10.2139/ssrn.1023543.
3. Batchelor, R. (2001):. How useful are the forecasts of intergovernmental agencies? The IMF and OECD versus the consensus, in: Applied Economics, Bd. 33, H. 2, S. 225-236. DOI: https://doi.org/10.1080/00036840121785.
4. Bates, J. M. / Granger, C. W. J. (1969): The Combination of Forecasts, in: Operational Research Quarterly, Bd. 20, H. 4, S. 451–468. DOI: https://doi.org/10.1057/jors.1969.103.
5. Blix, M. u. a. (2001): How good is the forecasting performance of major institutions?, in: Sveriges Riksbank economic review, Bd. 12, H. 3, S. 38-68.
6. Claveria, O. / Pons, E. / Ramos, R. (2007): Business and consumer expectations and macroeconomic forecasts, in: International journal of forecasting, Bd. 23, Nr. 1, S. 47-69. DOI: https://doi.org/10.1016/j.ijforecast.2006.04.004.
7. Dovern, J. / Weisser, J. (2011): Accuracy, Unbiasedness and Efficiency of Professional Macroeco-nomic Forecasts: An Empirical Comparison for the G7, International Journal of Forecasting, Bd. 27, Nr. 2, S. 452 – 465. DOI: https://doi.org/10.1016/j.ijforecast.2010.05.016.
8. Fritsche, U. (1999): Vorlaufeigenschaften von ifo-Indikatoren für Westdeutschland, in: DIW Discussion Papers, Nr. 179.
9. Holden, K. / Peel, D. (1990): On testing for unbiasedness and efficiency of forecasts, in: The Man-chester School of Economic and Social Studies, Bd. 58, Nr. 2, S. 120-127. DOI: https://doi.org/10.1111/j.1467-9957.1990.tb00413.x.
10. Hüfner, F. P. / Schröder, M. (2002): Prognosegehalt von ifo-Geschäftserwartungen und ZEW-Konjunkturerwartungen: Ein ökonometrischer Vergleich, in: Jahrbücher für Nationalökonomie und Statistik, Bd. 222, Nr. 3, S. 316-336. DOI: https://doi.org/10.1515/jbnst-2002-0303.
11. Isiklar, G. / Lahiri, K. (2007): How far ahead can we forecast? Evidence from cross-country surveys, in: International Journal of Forecasting, Bd. 23, Nr. 2, S. 167-187. DOI: https://doi.org/10.1016/j.ijforecast.2007.01.003.
12. Juglar, C. (1862): Des crises commerciales et de leur retour périodique en France, en Angleterre et aux Etats Unis, Paris.
13. Kirchgässner, G. (1982): Sind die Erwartungen der Wirtschaftssubjekte "rational"? Eine empirische Untersuchung für die Bundesrepublik Deutschland, Review of World Economics, Bd. 118, Nr. 2, S. 215-240. DOI: https://doi.org/10.1007/BF02706184.
14. Kunkel, A. (2003): Zur Prognosefähigkeit des ifo Geschäftsklimas und seiner Komponenten sowie der Überprüfung der "Dreimal-Regel", ifo Diskussionsbeiträge, Nr. 80.
15. Laplace, P. S. (1814): Essai philosophique sur les probabilités, Paris.
16. Loungani, P. (2001): How accurate are private sector forecasts? Cross-country evidence from consensus forecasts of output growth, in: International Journal of Forecasting, Bd. 17, H. 3, S. 419-432. DOI: https://doi.org/10.1016/S0169-2070(01)00098-X.
17. Mincer, J. / Zarnowitz, V. (1969): The Evaluation of Economic Forecasts, in: Mincer, J. (Hrsg.), Economic Forecasts and Expectation, New York, Columbia University Press, S. 3-46. Muth, J. F. (1961): Rational Expectations and the Theory of Price Movements, in: Econometrica, Bd. 29, S. 315-334. DOI: https://doi.org/10.2307/1909635.
18. Nilsson, R. / Guidetti, E. (2007): Current period performance of OECD Composite Leading Indica-tors (CLIs), in: Journal of Business Cycle Measurement and Analysis, Bd. 3, Nr. 2, S. 235-266. DOI: https://doi.org/10.1787/17293626.
19. Nilsson, R. / Guidetti, E. (2008): Predicting the Business Cycle - How good are early estimates of OECD Composite Leading Indicators?, in: OECD Statistics Brief, Nr. 14.
20. Nordhaus, W. D. (1987): Forecasting Efficiency: Concepts and Applications, in: The review of economics and statistics, Bd. 69, H. 4, S. 667-674. DOI: https://doi.org/10.2307/1935962. 
21. OECD (2008): OECD System of Composite Leading Indictaors, www.oecd.org/dataoecd/26/39/41629509.pdf
22. Osterloh, S. (2008): Accuracy and Properties of German Business Cycle Forecasts, in: Applied Economics Quarterly, Bd. 54, H. 1, S. 27-57. DOI: https://doi.org/10.3790/aeq.54.1.27.
23. Plenk, J. / Nerb, G. / Abberger, K. / Wollmershäuser, T. (2011): CESifo World Economic Survey, Bd. 10, H. 1.
24. Seiler, Ch. (2009): Prediction Qualities of the ifo Indicators on a Temporal Disaggregated German GDP, in: ifo Working Paper, Nr. 67.
25. Stavenhagen, G. (1969): Geschichte der Wirtschaftstheorie, 4. Aufl., Göttingen.
26. Theil, H. (1971): Principles of Econometrics, New York.
27. Ziegler, Ch. (2009): Testing Predictive Ability of Business Cycle Indicators for the Euro Area, in: ifo Working Paper, Nr. 69.