Neuer Ansatz für präzisere Vorhersage des Konjunkturzyklus

Eine wissenschaftliche Arbeit des Internationalen Währungsfonds (IMF) entwickelt einen neuartigen Ansatz zur Vorhersage des Konjunkturzyklus. Die Autoren Chikako Baba und Turgut Kışınbay entwickeln einen Algorithmus der aus einem gegebenen Datenpool die Indikatoren herausfiltert, die eine Rezession am besten prognostizieren. Die Methode identifiziert alle Variablen aus der Gesamtheit, die marginal den größten Informationsgehalt besitzen, der nicht auch in anderen Variablen enthalten ist. Ein großes Daten-Set bildet die Grundlage für Vorhersagen. Neu ist die Vorschaltung eines umfassenden Auswahlmechanismus zum Filtern der Indikatoren, während herkömmliche Ansätze meist auf alle verfügbaren Daten zurückgreifen. Der Encompassing Algorithm (EAL) ordnet die geschätzten Modelle nach der Genauigkeit ihrer Out-Of-Sample-Vorhersage und wählt das beste Modell aus. Anschließend testet der EAL, ob eines der anderen Modelle bereits im ausgewählten Modell enthalten ist und eliminiert dieses.


Quelle: IMF (2011)

Angewendet auf Daten der Vereinigten Staaten liefert der vorgestellte Ansatz bessere Vorhersagen als eine herkömmliche Vorhersage, die auf einfachen Durchschnittswerten der geschätzten Modelle basiert (AVE). In einem Zeitraum von ein, drei und sechs Monaten sind die Resultate des EAL-Ansatzes präziser, im Zeitraum von zwölf Monaten läuft der AVE-Ansatz besser. Die Ergebnisse belegen, dass bei der Vorhersage des Konjunkturzyklus größerer Wert auf die Methodik zur Auswahl der Indikatoren gelegt werden sollte.