Navigation und Service

22.08.2011

Monatsbericht

Ein Früh­warn­sys­tem für spe­ku­la­ti­ve Preis­bla­sen an den Im­mo­bi­li­en­märk­ten

Kurzfassung des Forschungsprojekts „Methoden zur Analyse der Entwicklung von Vermögenspreisen mit Blick auf Erkennung von Anzeichen zur Blasenbildung“ des DIW Berlin im Auftrag des Bundesministeriums der Finanzen1

  • Das Platzen spekulativer Preisblasen an den Vermögensmärkten kann zu erheblichen Produktions- und Beschäftigungsverlusten führen. Für die rechtzeitige Diagnose spekulativer Entwicklungen ist ein Frühwarnsystem erforderlich, das schnell aktualisiert werden kann.
  • Die Wahrscheinlichkeit für eine von spekulativen Faktoren durchsetzte Preisentwicklung steigt, wenn die Geldpolitik expansiv ausgerichtet und die Kreditvergabe erleichtert ist.
  • Daneben empfiehlt es sich, auf weitere Größen wie die konjunkturelle Entwicklung und die finanzielle Situation der öffentlichen Haushalte zu achten, um profunde Einschätzungen zu erhalten.

1 Einleitung

Von spekulativen Preisbewegungen an den Vermögensmärkten können erhebliche Verluste für Produktion und Beschäftigung ausgehen. So gilt das Platzen der US-Immobilienpreisblase als einer der Auslöser der jüngsten Finanz- und Wirtschaftskrise. Zudem hatte um die Jahrtausendwende das abrupte Ende des New-Economy-Booms zu einer Rezession in vielen Industriestaaten beigetragen. Dabei können erhebliche Kosten für die Volkswirtschaft auftreten, die aus der Rekapitalisierung der Finanzsysteme resultieren. Die Staatsverschuldung steigt rapide an, teils weil Steuereinnahmen ausfallen, teils weil umfangreiche Konjunkturprogramme und Hilfsmaßnahmen durchgeführt werden, um die drohenden Wachstumseinbußen zu begrenzen.

In Zeiten einer wirtschaftlichen Expansion steigen in der Regel auch die Preise der Vermögenswerte. Das Risikobewusstsein der Akteure nimmt ab, Liquiditätsrestriktionen werden weniger bindend und Kredite leichter verfügbar. Die Vermögenspreise werden in immer stärker werdendem Ausmaß von den Preiserwartungen der Marktteilnehmer getrieben. Diese Preiseinschätzungen stehen zunehmend nicht mehr im Einklang mit den Werten, die aufgrund der ökonomischen Fundamentalvariablen gerechtfertigt wären. Die Akteure verhalten sich nicht länger rational, sondern orientieren sich in ihrem Verhalten an Marktführern. Die Entwicklung gleicht einem Herdenverhalten und kann sich immer weiter aufblähen, weil der geeignete Zeitpunkt des Ausstiegs für den Einzelnen kaum vorhersehbar ist.2 Bei einem Platzen der Blase werden Marktungleichgewichte schlagartig offenbar und können mit erheblichen realwirtschaftlichen Verwerfungen einhergehen.

Spekulativ überzeichnete Vermögenspreise können die gesamtwirtschaftliche Nachfrage über einen bestimmten Zeitraum hinweg stimulieren. Dadurch entsteht ein zusätzlicher Inflationsdruck, der die Aufgabe der Geldpolitik, die Stabilität des Preisniveaus zu sichern, erschwert. Darüber hinaus kommt es zu einer ineffizienten Allokation der Ressourcen, die mit Wachstumseinbußen verbunden sein kann. Das gilt insbesondere für die Konsumnachfrage von privaten Haushalten, die über ihr fundamentales Niveau steigt, aber auch für die Investitionsaktivität der Unternehmen, die durch übertriebene Bewertungen an den Aktienmärkten stimuliert wird und zum Entstehen von Überkapazitäten beitragen kann.

Präventive wirtschaftspolitische Maßnahmen, die darauf abzielen, spekulative Entwicklungen zu durchbrechen, können krisenhafte Zuspitzungen unter Umständen vermeiden.3 Für eine vorausschauende Ausrichtung der Wirtschaftspolitik sind indes verlässliche Entscheidungsgrundlagen erforderlich. Insbesondere muss eine Preisblase erst als solche identifiziert werden, was gerade in ihrer Entstehungsphase nicht leicht ist. So kann die Preisentwicklung unter Umständen durch fundamentale Faktoren begründet sein. So sind z. B. anziehende Immobilienpreise zu erwarten, wenn sich die Einkommen in einer Volkswirtschaft erhöhen. In diesem Fall nimmt die Nachfrage nach Wohnraum zu. Entsprechend sind höhere Aktienkurse oft ein Indiz für bessere Gewinnaussichten von börsennotierten Unternehmen, und steigende Rohstoffpreise können unter Umständen auf die steigende Nachfrage aus den Schwellenländern zurückgeführt werden. Ohne ein geeignetes Diagnoseinstrumentarium zur Identifizierung spekulativer Preisblasen ist das Risiko hoch, dass die Preisentwicklung von den Entscheidungsträgern fälschlicherweise als Blase interpretiert wird. Dadurch könnten Wohlfahrtseinbußen drohen, wenn die Wirtschaftspolitik allzu schnell auf einen restriktiven Kurs einschwenkt. Es kommt also darauf an, spekulative Übertreibungen von der fundamental determinierten Preisentwicklung abzuspalten und Indikatoren zu konstruieren, die ein möglichst frühzeitiges und verlässliches Erkennen einer Blase erlauben.

Ein Frühwarnsystem, in das neue Informationen leicht einzuspeisen sind, wird im Folgenden für den Immobilienmarkt vorgestellt. Der Immobilienbesitz nimmt für viele private Haushalte einen hohen Anteil an den Vermögensanlagen ein. Das Platzen von Preisblasen führt oft zu hohen realwirtschaftlichen Verlusten. Zudem bauen sich spekulative Entwicklungen an den Immobilienmärkten im Vergleich zu Aktienmärkten in der Regel über einen längeren Zeitraum auf, so dass ihre Früherkennung einfacher ist.4 Zwar hat jede historische Blase ihre Besonderheiten. Dennoch können Regelmäßigkeiten abgeleitet werden, auf denen ein Frühwarnsystem basiert. Dazu sind die vergangenen Perioden zu klassifizieren. Preisblasen sind eher seltene Ereignisse. Eine Erforschung ihrer Determinanten macht daher die Einbeziehung unabhängiger Erfahrungen in ähnlich strukturierten Ländern erforderlich. Daher wird die Untersuchung für 12 OECD-Länder vorgenommen5 .

2 Erstellung einer Chronologie von Preisblasen

Für die Entwicklung eines Frühwarnsystems ist eine Chronologie früherer Preisblasen unabdingbar. Sind die Perioden spekulativ überzeichneter Preise identifiziert, lassen sich kritische Faktoren ermitteln, die für die Blasenentwicklung ausschlaggebend sind. Die Chronologie ist länderspezifisch, da sich Preisblasen in unterschiedlichen Ländern und zu unterschiedlichen Perioden ereignet haben können. Dies gilt besonders für Immobilienmärkte, die in starkem Maße von lokalen Bedingungen geprägt sind. Um eine möglichst robuste Klassifizierung zu erhalten, werden sowohl Filter- als auch Fundamentalverfahren zur Blasenidentifikation eingesetzt.

Abbildung 1:  Reale Immobilienpreise und Zeiträume von Preisblasen (grau)
Quelle:  Bundesministerium der Finanzen

Bei den Filterverfahren werden Phasen einer ungewöhnlichen Preisentwicklung durch Glättung der jeweiligen Preisreihen identifiziert. Die Beurteilung erfolgt relativ zu einem Trend, der mit den in der Literatur üblichen Verfahren, wie beispielsweise mit dem Hodrick-Prescott-Filter, extrahiert wird. Ein Abweichen der realen Vermögenspreise von ihrem längerfristigen Trend kann indes nicht nur auf spekulative Komponenten zurückzuführen sein, da auch fundamentale Faktoren hinter der Entwicklung stehen können.6 Daher sind hinreichend große Schwellenwerte vorzugeben, damit Preisentwicklungen, die durch den Konjunkturverlauf hervorgerufen sind, nicht fälschlicherweise als Blasen identifiziert werden. In der Anwendung wird mit verschiedenen Schwellenwerten experimentiert, die das Ein- bis Zweifache der Standardabweichung der Schwankungen um den Trendverlauf ausmachen.

Neben den Filterverfahren werden strukturelle Modelle eingesetzt, die eine inhaltliche Interpretation der länderspezifischen Preisentwicklung ermöglichen. Fundamental bestimmte Preise, also solche, die mit den theoretischen Vorstellungen in Einklang zu bringen sind, lassen sich als Schätzwerte einer Regression auffassen, in der Vermögenspreise durch ökonomische Variablen erklärt werden. Dabei wird z. B. untersucht, in welchem Ausmaß die hier betrachteten Immobilienpreise auf die üblichen Bestimmungsgrößen wie Einkommen, Realzinssätze, Bevölkerung und Urbanisierungsgrad zurückgeführt werden können.7 So sind bei steigenden Einkommen und wachsender Bevölkerung höhere Immobilienpreise zu erwarten, da die Nachfrage nach Wohnraum anzieht.

Abbildung 2: Logit-Modell und spekulative Blasen an den Immobilienmärkten
Quelle:  Bundesministerium der Finanzen

Der Realzinssatz wirkt negativ auf die Immobilienpreisentwicklung, da bei steigenden Zinssätzen andere Vermögensanlagen attraktiver werden. Ein hoher Urbanisierungsgrad zeigt an, dass die verbleibende Migration aus ländlichen Gebieten in die Städte geringer ist, so dass die Immobilienpreise schwächer zunehmen oder sogar sinken. Wenn die Residuen dieser Regression, also die Abweichungen der Vermögenspreise von dem Pfad, der durch die Fundamentalvariablen vorgezeichnet ist, in mindestens zwei aufeinanderfolgenden Perioden bestimmte Schwellenwerte übersteigen, könnte eine spekulative Preisentwicklung vorliegen. Um eine Entwicklung als Preisblase zu klassifizieren, sind zwei Voraussetzungen erforderlich. Erstens wird gefordert, dass die Residuen ein vorgegebenes Vielfaches ihrer Standardabweichung übersteigen, weil ansonsten zu kleine Differenzen als Blasen interpretiert würden. Zweitens müssen sich die durch die Regression festgelegten Zeiträume mindestens zum Teil mit den Perioden boomender Immobilienpreise überlappen, die mit Hilfe der Filter identifiziert worden sind.

Für die Chronologie wird mit verschiedenen Parametersetzungen experimentiert, um möglichst robuste Indikationen zu erhalten. So wird die Chronologie für verschiedene Parametersetzungen berechnet. Letztlich wird die Konstellation ausgewählt, bei der die Übereinstimmung zwischen den Filter- und Fundamentalverfahren möglichst hoch ist.

Empirisch zeigt sich, dass Immobilienpreisblasen in den betrachteten Ländern in unterschiedlichen Perioden aufgetreten sind (Abbildung 1).8 Die häufigsten Blasenbildungen sind für Kanada, Spanien, Großbritannien und Australien zu verzeichnen. In Deutschland hat sich nur eine einzige Preisblase ergeben, die im Zeitraum von 1992, Quartal 4 bis 1994, Quartal 3 angedauert hat. Diese korrespondiert mit dem Immobilienboom im Zuge der deutschen Wiedervereinigung, der zu Überinvestitionen im Wohnungsbau und gewerblichen Bau geführt hat. Nach dem Platzen der Blase sind die Bauinvestitionen über eine Dekade gesunken und haben in diesem Zeitraum das Wachstum des Bruttoinlandsprodukts erheblich belastet. In den Niederlanden ist keine Blase erkennbar, obwohl die Immobilienpreise auch in dem zugrunde liegenden Zeitraum angezogen haben. Der Anstieg ist in diesem Fall jedoch durch die Fundamentalvariablen gerechtfertigt, so dass keine Überhitzungen diagnostiziert werden.

3 Konstruktion eines Frühwarnsystems

Mit dem hier konstruierten Frühwarnsystem sollen spekulative Blasen an den Vermögensmärkten möglichst früh entdeckt und identifiziert werden, damit der Wirtschaftspolitik Handlungsspielräume bleiben, um angemessen auf die Entwicklung zu reagieren und unter Umständen eine weitere Aufblähung der Blasen zu verhindern. Um eine verlässliche Interpretation der Preisentwicklung zu erhalten, werden zwei Methoden betrachtet: ein Signalansatz und Probit-/Logitmodelle. Beide Verfahren basieren auf einer Panelanalyse, bei der verschiedene Länder gemeinsam betrachtet werden. Eine länderspezifische Untersuchung ist nicht angeraten, weil die Anzahl der Blasen pro Land relativ gering ist.9

Mit Hilfe eines Signalansatzes werden die früheren Blasen untersucht und Variablen identifiziert, die für ihre Prognose relevant gewesen wären. Dazu werden für die potenziellen Erklärungsgrößen, wie etwa für die Kreditnachfrage, kritische Obergrenzen ermittelt. Für jede Variable wird ein optimaler Schwellenwert festgelegt. Dies geschieht in der Weise, dass Blasen einerseits erkannt, andererseits aber möglichst wenig Fehlalarme produziert werden. Als Gütekriterium wird ein Genauigkeitsmaß verwendet, das auf zwei Elementen basiert. Die erste Komponente entspricht dem Anteil der korrekt identifizierten Blasen an der Anzahl der Blasen. Die zweite Komponente ist der Anteil der korrekt vorhergesagten Nicht-Blasen an allen Nicht-Blasen. Das sind Perioden, in denen tatsächlich keine Preisblase vorlag. Die optimale Schwelle ist erreicht, wenn die Summe der beiden Komponenten maximal ist. Das Gütekriterium ist positiv und kann den Wert 2 nicht übersteigen. Mit dem hier verwendeten Maß werden die beiden Eigenschaften verlässlich angezeigte Blasen und möglichst wenig Fehlalarme gleich gewichtet.10

Die Überschreitung der Schwellenwerte wird als Signal einer aufziehenden oder bereits laufenden Blase interpretiert. Aus mehreren Signalen, die auf verschiedenen Variablen basieren, wird ein kombinierter Indikator konstruiert. Je mehr Variablen auf ein Entstehen der Blase hindeuten, desto höher ist der Wert des Indikators. Dabei bietet es sich an, die Variablen, mit denen nach Maßgabe des Gütekriteriums eine relativ verlässliche Diagnose möglich ist, stärker zu gewichten.

Die Alternative zum Signalansatz besteht in einer Probit- oder Logitregression. In diesen Regressionen wird die Wahrscheinlichkeit für eine Preisblase durch ökonomische Bestimmungsfaktoren erklärt11 . Im Allgemeinen ist eine Logitanalyse die adäquatere Wahl, wenn vermehrt mit dem Auftreten von Extremwerten zu rechnen ist. Im Folgenden werden lediglich die Befunde der Logitregression ausgewiesen. Sie werden im Probitmodell bestätigt, was für die Robustheit der Ergebnisse spricht.

Tabelle 1: Komponenten des Signalansatzes für Preisblasen am Immobilienmarkt
VariableSchwellenwertGewichtung
Kurzfristiger Zinssatz0,45,7
Kurzfristiger Realzinssatz0,45,6
Zinsstruktur3,03,7
Realer effektiver Wechselkurs1,06,9
Miete0,45,0
Hauspreise-Einkommen Verhältnis1,07,6
Hauspreise-Mieten-Verhältnis1,08,0
Investitionsquote1,07,9
Kreditwachstum, nominal0,67,0
Kreditwachstum, real1,07,0
Verhältnis Kredite zu BIP1,05,5
Wachstum BIP pro Kopf0,26,5
Liquiditätsausstattung (M3)0,24,6
Wachstum der nominalen Liquidität0,88,0
Wachstum der realen Liquidität1,27,1
Budgetsaldo des Staats1,43,8
Anmerkung: Eigene Berechnungen. Bestimmung des optimalen Schwellenwertes durch Maximierung des im Text beschriebenen Gütekriteriums. Gewichtung in vom Hundert, entsprechend der individuellen Vorhersagequalität.
Quelle: DIW Berlin. 
Tabelle 2: Wahrscheinlichkeit für Preisblasen am Immobilienmarkt
RegressorKoeffizientt-Wertp-WertGewicht
Konstante-2,343-7,8370-
Realer Wechselkurs(-2)0,0714,85707,1
Investitionsquote0,1902,6720,0087,2
Δ(Hauspreis/Einkommen)0,4396,037022,5
Δ(Hauspreis/Einkommen)(-1)0,4094,9780-
Δ(Hauspreis/Einkommen)(-2)0,2983,5650,004-
Hauspreis/Miete0,0404,97507,4
ΔGeldmenge0,2022,6720,00814,1
ΔGeldmenge(-1)0,2343,4750,001-
ΔPro-Kopf-Einkommen(-1)0,3612,0800,0386,9
Kredite/BIP(-1)1,8382,8400,00513,6
Kredite/BIP ^2-0,2163,0230,003-
Kreditwachstum0,1201,7730,0767
Budgetsaldo*Steuersatz-0,062-3,73206,7
Regulierung-0,6651,8500,0647,5
McFadden R-Quadrat-0,446--
Akaike Kriteriun-0,541--
Schwarz Kriterium-0,611--
Anmerkung: Eigene Berechnungen. Gewichtung (rechte Spalte) nach Maßgabe der log odds ratio und Konkordanzkoeffizienten. 
Quelle: DIW Berlin.

Die Ergebnisse des Signalansatzes (Tabelle 1) zeigen beispielsweise, dass die Geldmenge ein Signal für eine künftige Krise aussendet, wenn sie ihren Trendverlauf um 20 % übersteigt. Vor allem werden das Verhältnis zwischen Hauspreisen und Mieten sowie zwischen Hauspreisen und Einkommen hoch gewichtet. Je höher die Hauspreise gemessen an den Vergleichsvariablen sind, desto eher liegen spekulative Entwicklungen vor. Auch das Kreditwachstum spielt für die Prognose spekulativer Entwicklungen eine Rolle, es fällt in der Gewichtung aber hinter die Liquiditätsmaße zurück. Dabei ist das Kreditwachstum bedeutender als das Verhältnis der Kredite zum Bruttoinlandsprodukt (credit to income ratio). Der Zinsstruktur und der öffentlichen Defizitquote kommt mit jeweils knapp 4 % eine geringere Bedeutung zu.12

Entsprechend dem Logitmodell wird die Wahrscheinlichkeit für eine Preisblase vor allem von Größen bestimmt, die die finanziellen Bedingungen in der Volkswirtschaft abbilden (Tabelle 2). So macht ein hohes nominales Geldmengenwachstum eine von spekulativen Faktoren getriebene Entwicklung wahrscheinlicher. Dies gilt auch für das nominale Kreditwachstum und das Verhältnis der Kredite zum Bruttoinlandsprodukt. Wie im Signalansatz spielt das Verhältnis zwischen Hauspreisen und Mieten sowie die Änderung des Verhältnisses zwischen Hauspreisen und Einkommen eine entscheidende Rolle, um den historischen Befund nachzuzeichnen. Zudem steigt die Wahrscheinlichkeit für eine Preisblase im Konjunkturaufschwung. Dies kommt in den positiven Vorzeichen des Wachstums der Pro-Kopf-Einkommen und der Investitionsquote zum Ausdruck. Für die Diagnose von Immobilienpreisblasen ist die Entwicklung der Hauspreise relativ zu Einkommen und Mieten von wesentlicher Bedeutung, die Indikatoren erhalten im Gesamtindikator ein kumuliertes Gewicht von nahezu 30 % (= 22,5 % + 7,4 %). Die Kreditgrößen sind mit über 20 % vertreten, während auf die Liquiditätsbedingungen ein Anteil von gut 14 % entfällt. Die Wahrscheinlichkeiten, die sich mit der Logitanalyse ergeben, sind in Abbildung 2 ausgewiesen. Im Vergleich zum Logitmodell sind die Indikationen, die sich mithilfe des Signalansatzes ergeben, etwas ungenauer.

4 Schlussfolgerungen

Insgesamt zeigen die Ergebnisse der vorliegenden Analyse, dass den monetären und finanziellen Bedingungen eine wesentliche Rolle bei dem Entstehen und der Aufblähung von spekulativen Preisblasen an den Vermögensmärkten zukommt. Dabei ist es sinnvoll, den Verlauf von Geldmengen und Kreditaggregaten gemeinsam zu beobachten, um Anzeichen für künftige krisenhafte Entwicklungen zu erhalten. Darüber hinaus kommen noch weitere Indikatoren in Frage, wie etwa die konjunkturelle Situation oder die realen Wechselkurse. Insbesondere für kleine Länder kann eine kumulative Aufwertung der Landeswährung zum Entstehen einer Preisblase beitragen, weil so der Druck erfasst wird, der von internationalen Kapitalzuflüssen ausgeht.

Alles in allem steigt die Wahrscheinlichkeit für eine von spekulativen Faktoren durchsetzte Preisentwicklung, wenn die Geldpolitik expansiv ausgerichtet und die Kreditvergabe erleichtert ist. Allerdings sind noch weitere Variablen, wie etwa Pro-Kopf-Einkommen, Investitionsquoten oder die finanzielle Situation der öffentlichen Haushalte zu berücksichtigen, um profunde Einschätzungen zu erhalten. Auch der Regulierungsgrad auf den Finanzmärkten ist eine Determinante. So werden die wachstumsfördernden Effekte durch die Deregulierung von Märkten mit höheren Risiken für spekulative Entwicklungen in den Vermögenspreisen erkauft. Die Konzentration der Analyse auf Liquiditäts- und Kreditvariablen reicht also nicht aus. Generell ist das Entstehen von Preisblasen ein komplexer Prozess, der sich nicht nur auf der Grundlage einiger weniger Variablen erfassen lässt.

Fußnoten

1 Der vorliegende Beitrag wurde von Prof. Dr. Christian Dreger (DIW) und Dr. Konstantin Kholodilin (DIW) erarbeitet.

2 Siehe auch Shiller R. (2005): Irrational exuberance, Princeton University Press, New Jersey und De Grauwe P. (2008): Animal spirits and monetary policy, CESifo Working Paper 2418.

3 So haben Blanchard O., Dell'Ariccia G. und Mauro P. (2010): Rethinking macroeconomic policy, IMF Staff Position Note SPN/10/03 eine Erweiterung des makropolitischen Instrumentariums gefordert, um künftig krisenhafte Zuspitzungen zu verhindern. Daneben haben einige Autoren vorgeschlagen, dass sich Zentralbanken gegen den Markttrend verhalten sollten, siehe u. a. Bordo MD, Jeanne O. (2002): Boom-busts in asset prices, economic instability and monetary policy, NBER Working Paper 8966 und Borio C. (2006): Monetary and financial stability: Here to stay? Journal of Banking and Finance 30, 3407–14.

4 Stilisierte Fakten für Immobilienpreisblasen werden bei Helbling T., Terrones M. (2003): Real and financial effects of bursting asset price bubbles, IMF World Economic Outlook, April, 61-76 diskutiert.

5 Australien, Kanada, Frankreich, Deutschland, Italien, Japan, Niederlande, Spanien, Schweden, Schweiz, Großbritannien, USA.

6 Um die Entwicklung relativ zur allgemeinen Preisentwicklung zu beurteilen, werden reale Vermögenspreise verwendet. Je nach Datenverfügbarkeit werden der Preisindex des privaten Verbrauchs oder der Deflator des Bruttoinlandsprodukts herangezogen.

7 Girouar N., Kennedy M., Van Den Noord P. und André C. (2006): Recent house price developments: The role of fundamentals, OECD Economics Department Working Papers 475 bieten eine Zusammenfassung der potenziellen Determinanten der realen Immobilienpreise.

8 Im Großen und Ganzen schließt sich diese Chronologie den Resultaten anderer Autoren an, siehe beispielsweise Bordo MD, Jeanne O. (2002): a. a. O., Helbling T., Terrones M. (2003): a. a. O.am angeführten Ort, Adalid R., Detken C. (2007): Liquidity shocks and asset price boom/bust cycles, ECB Working Paper 732, Laeven L., Valencia F. (2008): Systemic banking crises: A new database, IMF Working Paper, 08/224.

9 Eine Panelanalyse entspricht der Vorgehensweise in der Literatur, siehe Borio und Lowe (2002): Asset prices, financial and monetary stability: Exploring the nexus, Bank for International Settlements Working Paper 114, Detken C., Smets F. (2004): Asset price booms and monetary policy, ECB Working Paper 364, Adalid R., Detken C. (2007): a. a. O., sowie Gerdesmeier, Reimers und Roffia (2009): Asset price misalignments and the role of money and credit, ECB Working Paper 1068.

10 Ein solcher Indikator liegt auch den meisten Analysen in der Literatur zugrunde, siehe etwa Davis EP, Karim D. (2008): Comparing early warning systems for banking crises, Journal of Financial Stability 4, 89-120 und Gerdesmeier, Reimers und Roffia (2009): a. a. O.

11 Der Unterschied zwischen den Modellen besteht in der verwendeten Verteilungsfunktion für die Bestimmung der Wahrscheinlichkeiten. Dies ist entweder die Standardnormalverteilung (Probit) oder die logistische Verteilung (Logit-Modell).

12 Eine hohe Gewichtung der Liquiditäts- und/oder Kreditvariablen wird auch in den meisten Studien der Literatur gefunden, siehe auch Borio C., Lowe P. (2004): Securing sustainable price stability: Should credit come back from the wilderness? Bank for International Settlements Working Paper 157 und Agnello L., Schuhknecht L. (2009): Booms and busts in housing markets. Determinants and implications, ECB Working Paper 1071.

Seite teilen und drucken