Forecasting Industrial Production in Germany: The Predictive Power of Leading Indicators
Dieser Beitrag vergleicht die Prognoseeigenschaften konjunktureller Frühindikatoren, makroökonomischer Indikatoren und unterschiedlicher Finanzmarktindikatoren, um die Industrieproduktion in Deutschland vorherzusagen. Die Prognoseeigenschaften, innerhalb und zwischen diesen drei Variablen-Kategorien, werden mit Hilfe von Dynamic Model Averaging (DMA) evaluiert. Innerhalb dieses Ansatzes können sich sowohl die Koeffizienten als auch das gesamte Vorhersagemodell in Bezug auf seine Größe und Zusammensetzung über die Zeit verändern. Die Ergebnisse zeigen, dass konjunkturelle Frühindikatoren hierbei die besten Prognoseeigenschaften aufweisen. Makroökonomische Variablen verfügen im direkten Vergleich über deutlich schwächere Prognoseeigenschaften, da ihre Prognosefehler größer sind als die des Benchmark AR-Modells, während Finanzmarktindikatoren lediglich im Vergleich mit den konjunkturellen Frühindikatoren schlechter abschneiden. Die Untersuchung zeigt zudem, dass sich die Zahl und Zusammensetzung der besten Prädiktoren, innerhalb und zwischen den Kategorien, über die Zeit verändert und vom entsprechenden Prognosehorizont abhängt. Des Weiteren zeigen die Ergebnisse, dass sich insbesondere die durchschnittliche Modellgröße seit der Finanzkrise spürbar erhöht hat.