Berufsakademie Lörrach - postbank.de · Bei der Rückbetrachtung der aktuellen Finanzmarktkrise...

Beitrag zum Postbank Finance Award 2009

Lörrach

Berufsakademie Lörrach Lehren aus der Finanzkrise Implementierung eines Krisenfrühwarnsystems - Die Entwicklung des SrF-Index - Betreuender Hochschullehrer: Prof. Dr. Jürgen Schenk Studentische Teammitglieder: Julian Feige Matthias Franz Christian Kotterer Steffen Rogg Ralf Schmid


1

„Lehren aus der Finanzkrise“

Implementierung eines Krisenfrühwarnsystems

- Die Entwicklung des SrF-Index -


2

Inhaltsverzeichnis

1. Einleitung ______________________________________________________________ 3

2. Krisenbeschreibung ______________________________________________________ 4

2.1. Die Tulpenkrise im frühen 17. Jahrhundert ___________________________________ 4 2.2. Die Japankrise_________________________________________________________ 4 2.3. Die Dotcom-Blase ______________________________________________________ 5 2.4. Die Ost-Asien Krise_____________________________________________________ 5

3. Finanzkrisen____________________________________________________________ 6

3.1. Fundamental-based models ______________________________________________ 6 3.2. Belief-based models ____________________________________________________ 7 3.3. Krisen dem allgemeinen Verständnis nach___________________________________ 7 3.4. Abgrenzung___________________________________________________________ 8

4. Spekulation_____________________________________________________________ 9

5. Krisenindikatoren _______________________________________________________ 10

5.1. Indikatoren___________________________________________________________ 11 5.2. Darstellung und Erweiterung der eigenen Index-Parameter _____________________ 16 5.2.1. Eigenständige Parameter______________________________________________ 17 5.2.2. Kombinierte Parameter _______________________________________________ 19

6. Entwicklung des SrF-Index________________________________________________ 22

6.1. Zweck und Aussage des SrF-Index _______________________________________ 22 6.2. Definition und Aufbau der Datenbasis______________________________________ 22 6.3. Datenanalyse und Berechnungsvorbereitung ________________________________ 25 6.3.1. Eigenständige Parameter______________________________________________ 25 6.3.2. Kombinierte Parameter _______________________________________________ 26 6.4. Indexberechnung______________________________________________________ 28 6.4.1. Schritt 1: Merkmale der einzelnen Parameter ______________________________ 28 6.4.2. Schritt 2: Gewichten und approximieren der Parameter ______________________ 31 6.4.3. Schritt 3: Normierung _________________________________________________ 32 6.5. Interpretation und Darstellung des SrF-Index ________________________________ 33 6.6. Globalisierung ________________________________________________________ 34 6.7. Fazit________________________________________________________________ 38

7. Plausibilitätsprüfung _____________________________________________________ 39

7.1. Japankrise___________________________________________________________ 39 7.2. Dotcom-Blase und aktuelle Finanzmarktkrise ________________________________ 40 7.3. Asienkrise am Beispiel Thailand __________________________________________ 41

8. Zusammenfassung und Ausblick ___________________________________________ 42

Abkürzungsverzeichnis ____________________________________________________ 43

Abbildungsverzeichnis _____________________________________________________ 44

Anlagenverzeichnis _______________________________________________________ 45

Literatur ________________________________________________________________ 46

Anhang_________________________________________________________________ 50


3

1. Einleitung „Krisen gehören zum kapitalistischen System wie die Sünde zur Religion.“ 1 Der Blick in die Vergangenheit zeigt, dass Krisen bzw. Spekulationsblasen im Zeitverlauf die Finanz-, Währungs- und Gütermärkte treffen. Der bekannte ungarische Hedge-Fonds Mana-ger George Soros bezeichnet dies weniger überspitzt, als die Periodizität von Krisen.2 Welche der beiden Formulierungen zutreffender ist, ist letztlich Geschmackssache. Wichtig ist jedoch, dass beide Aussagen zum gleichen Ergebnis kommen. Krisen bzw. Spekulations-blasen sind Bestandteile des Systems und treten im Laufe der Zeit immer wieder auf. Mit dieser Erkenntnis stellt sich die Frage: Wann treten diese Krisen bzw. Spekulationsblasen auf? Mit Blick auf die aktuelle Finanzmarktkrise wird ersichtlich, dass das Finanzsystem aktuell von einer schweren Krise getroffen ist. Dominique Strauss-Kahn, der Vorsitzende des IMF, verkündet am 10.10.2008, dass die Aus-fälle von Krediten und verbrieften Wertpapieren durch die Finanzkrise bis dato den Investo-ren weltweit einen Verlust von 1,4 Billionen US-Dollar bescherte.3 Neuere Einschätzungen und Untersuchungen gehen bereits von weitaus höheren Verlusten aus. Die wirtschaftliche Entwicklung befindet sich aufgrund der Auswirkungen der aktuellen Finanzkrise ebenfalls in einer globalen Abschwungphase. Bei der Rückbetrachtung der aktuellen Finanzmarktkrise ist festzustellen, dass die Krise un-vermeidbar war und aufgrund der Entwicklungen auf dem Finanzmarkt folgen musste. Eine Warnung, dass das Finanzsystem auf eine Krise zusteuert und das Platzen der Blase drohte, gab es nur von wenigen Markteilnehmern. Diesen Hinweisen wurde jedoch wenig Beachtung geschenkt. Somit stellen sich die weiteren Fragen: Ist es möglich, das Entstehen von Krisen - bedingt durch die Bildung von Spekulationsblasen oder einer realwirtschaftlichen Fehlentwicklung - rechtzeitig zu erkennen? Gab es Anzeichen, die frühzeitig auf ein erhöhtes Krisenpotential hindeuteten? Antworten auf die gestellten Fragen gibt diese wissenschaftliche Arbeit. Der Blick richtet sich hierbei nicht nur auf die aktuelle Finanzmarktkrise. Weitere Krisen bzw. Spekulationsblasen in der Geschichte werden betrachtet und auf mögliche Parallelen untersucht, sowie deren Entstehung und Entwicklung analysiert. Anhand dieser Untersuchungen werden bestimmte, gleichlaufende Entwicklungen identifi-ziert und sichtbar. Aufgrund dieser Erkenntnisse ist das Ziel dieser Arbeit, einen geeigneten Index zu entwickeln, der das Entstehen von Krisen, sowie Spekulationsblasen in Volkswirt-schaften anzeigt. Dadurch soll es möglich werden, Krisen und Spekulationsblasen rechtzeitig zu erkennen. Die Arbeit ist folgendermaßen aufgebaut: In Gliederungspunkt 2 werden vier Krisen stellver-tretend für die große Anzahl an Finanzkrisen, Währungskrisen und realwirtschaftlichen Kri-sen dargestellt. In den Gliederungspunkten 3 und 4 werden Krisendefinitionen und Definitio-nen von Spekulation aus der Literatur wiedergegeben und eine Krisendefinition für diese Arbeit entwickelt. In Gliederungspunkt 5 werden Krisenindikatoren differenziert und unter-sucht. Eine grundlegende Studie des IMF zum Thema Krisenerkennung wird hierfür vorge-stellt, da die Studie als Basis für diese Arbeit dient. Darauf aufbauend werden Indikatoren zur Krisenfrüherkennung selektiert und deren Bedeutung veranschaulicht. Im Anschluss wird in Gliederungspunkt 6 die Entwicklung eines Index für Spekulation und realwirtschaftliche Fehl-entwicklung, nachfolgend SrF-Index genannt, vorgenommen sowie dessen ökonometrische Berechnungsweise erläutert. In Gliederungspunkt 7 findet eine Darstellung und Verifizierung des entwickelten Krisenfrühwarnindex am Beispiel ausgewählter Krisen bzw. Spekulations-blasen statt. Abschließend werden in Gliederungspunkt 8 die Ergebnisse zusammengefasst und ein Ausblick gegeben. 1 Schnabl, G., Hoffmann A. (2007), S. 2 2 Vgl. Soros, G. (2008), S. 83 3 Vgl. Strauss-Kahn, D. (2008)


4

2. Krisenbeschreibung

2.1. Die Tulpenkrise im frühen 17. Jahrhundert Die Beschreibung von Finanz-, Bank-, Wirtschafts- oder anderen Krisen mit einer Blume zu beginnen, scheint zunächst einmal ungewöhnlich. Der kundige Wirtschaftsinteressierte je-doch weiß, dass es sich bei der „Tulpenkrise“ um eine der ersten unheilvollen Spekulations-blasen handelt. In den dreißiger Jahren des 17. Jahrhundert versuchten große Teile der niederländischen Bevölkerung ihr Glück in der Spekulation auf Tulpenzwiebeln. Und schon damals wurde mit-tels Rechte auf die zukünftige Entwicklung dieser Zwiebelgewächse spekuliert. Allerdings war der Ausgang der Geschäfte ungewiss, da die Tulpen erst bei voller Blüte ihren wahren Wert offenbarten. Da nur einige wenige, im Übrigen von einem Mosaikvirus befallene Blüten die gewünschten hohen Preise erzielten, brachten viele Geschäfte den Spekulanten Verluste ein. Als am 7. Februar 1637 die Händler dem Angebot keine Nachfrage mehr boten, platzte die Blase. Noch Anfang 1637 waren 10.000 Gulden für die Blumen der begehrten Sorte „Semper Augusta“ bezahlt worden. Gemessen an dem Goldgehalt lässt sich ein heutiger Gegenwert von etwa 144.000 Euro hierfür schätzen.1 In der kritischen Betrachtung der Entstehung der Spekulationsblase sollte beachtet werden, dass der exzessive Preisanstieg durch eine inflationäre Geldpolitik begünstigt wurde. Aus aller Welt flossen Gold und Silber nach Holland, da es dort in einem festen Verhältnis umge-tauscht wurde. Mit den Devisen wuchs die Geldmenge und bereitete schließlich den spekula-tiven Boden.

2.2. Die Japankrise In den 80er Jahren des vergangenen Jahrhunderts erlebte die japanische Volkswirtschaft einen enormen Boom. Vor allem durch die Verlagerung des industriellen Schwerpunktes von der Schwer- und Chemieindustrie, hin zur zukunftsträchtigen Hightech- und Elektroindustrie konnten Jahr um Jahr höhere Exportraten erzielt werden. Neben der Produktivitätssteigerung und der technischen Innovationen, wird in der heutigen Beurteilung der Krise, ebenso der Zinspolitik der Bank of Japan eine auslösende Rolle zugewiesen. Das Streben, den US-Dollar zu stützen in Kombination mit Maßnahmen zur Finanzmarktderegulierung, ließ eine Überversorgung mit Krediten zu.2 In der Folge stiegen die Preise auf den Vermögensmärkten auf damals noch ungekannte Höhepunkte. Der japanische Leitindex Nikkei haussierte und erreichte, ausgehend von ca. 10.000 Punkten in 1985, am 19. Dezember 1989 seinen Höchststand von 38.916 Punkten. Der Immobilienmarkt entwickelte sich mit gleichlaufender Dynamik. Als der neue Gouverneur der Zentralbank vorrangig die Inflationsbekämpfung in Angriff nahm und die Geldpolitik deutlich straffte, verteuerten sich die Zinsen Anfang 1990 stark.3 Die Blase platzte. Der Nikkei fiel und erreichte schon am 1. Oktober 1990 wieder ei-nen Stand von 20.222 Punkten. Ähnlich wie den Aktienmärkten ging der Preisverfall auf an-deren Vermögensmärkten einher. Vor allem der Immobilienmarkt hatte mit einem massiven Preisverfall zu kämpfen. Auch hier waren die Preise zuvor exzessiv angestiegen. Die folgen-den 15 Jahre waren in Japan geprägt von Rezession und Deflation, die Arbeitslosigkeit stieg an und Japan baute eine der weltweit höchsten Staatsverschuldungen auf.4 1 Vgl. Dash, M. (2002), S.137; 10.000 Gulden reichten nach überschlägiger Berechnung aus, um da-mals eine mehrköpfige holländische Familie das halbe Leben lang mit Essen, Kleidung und Unterkunft zu versorgen oder eines der vornehmsten Stadthäuser Amsterdams zu erwerben. Weiterhin führt er aus, dass ein Zimmermann durchschnittlich 250 Gulden, ein mittlerer Kaufmann 1500 Gulden Jah-reseinkommen in der ersten Hälfte des 17. Jahrhunderts hatten. 2 Vgl. Pasternak, C. (2001), S. 41ff 3 Vgl. Frankel, J. (1993), S. 21ff 4 Vgl. Aschinger, G. (2001), S. 205ff


5

2.3. Die Dotcom-Blase Die Rezession ab dem Jahr 2001, die fast alle Staaten weltweit, ausgehend von den USA, erfasste, beendete einen der stärksten und längsten Aufschwünge der Weltwirtschaft nach dem 2. Weltkrieg. Der Nobelpreisträger Paul Krugman stellte fest: „The recession of 2001 wasn’t a typical postwar slump brought on when an inflation-fighting Fed raises interest rates … was a prewar-style recession brought on by irrational exuberance.”1 Die niedrigen Zinsen in den Jahren 1998-1999 machten die Kapitalaufnahme für Unterneh-men günstig. Es kam zu einer hohen Zahl von Neugründungen im Unternehmenssektor. An-getrieben von immer höheren Gewinnerwartungen, investierten Anleger seit Mitte der 90er Jahre Geld an den Aktienmärkten in Unternehmen dieses „Neuen Marktes“. Doch den Er-wartungen standen keine belastbaren Werte gegenüber. Am 10. März 2000 erreichte der NASDAQ einen Höhepunkt. In der Folge fielen die Aktienmärkte weltweit, bis sie schließlich im Jahr 2002 wieder einen Boden fanden. Die Dotcom-Blase vernichtete ca. 5 Billionen USD Marktkapitalisierung der Technologieunternehmen in den Jahren 2000 bis 2002.2

2.4. Die Ost-Asien Krise Die Ost-Asien Krise, nahm 1997 in Thailand ihren Ursprung. Die hauptbeteiligten Länder waren dabei neben Thailand außerdem Indonesien, Malaysia, die Philippinen und Südko-rea.3 Gemäß Andrew Berg und den Ausführungen von Valerie Cerra und Sweta Saxena wurde die Asienkrise durch zwei unterschiedliche Gründe ausgelöst. Durch grundlegende volkswirt-schaftliche Ungleichgewichte und eine vorherrschende Schwäche des Finanzsektors.4 Das Wachstum der ostasiatischen Länder wurde begünstigt durch einen erhöhten Kapitalzufluss aus Drittländern und einer Erhöhung des Leistungsbilanzdefizits als Begleiterscheinung die-ser Entwicklung. Im Durchschnitt lag der Kapitalzufluss über 10% des BIP in den Jahren 1990 bis 1996.5 Im zweiten Halbjahr 1997 kam es zu einem massiven Rückgang des Kapi-talzuflusses, nachdem es auch zu Spekulationen auf dem Immobilien- und Aktienmarkt ge-kommen war. Die Preisblase wurde befördert von einer steigenden Kreditaufnahme. Die Währungen der beteiligten Länder gerieten in der Folge so stark unter Druck, dass die Zent-ralbanken gezwungen waren, die Bindung an den US-Dollar aufzugeben. In der Folge werte-ten die Währungen stark ab. In der neueren Literatur findet sich eine gleichartige Würdigung der Auslöser der Ost-Asien Krise.6

1 Krugman, P. (2002), S. 18 2 Vgl. Adams, F. (2004), S. 13 3 Vgl. Dieter, H. (1999), S. 52ff 4 Vgl. Berg, A. (1999), S. 3ff; Vgl. Cerra, V, Saxena, S. (2002), S. 5ff 5 Vgl. Radelet S., Sachs J. (1998), S. 14 6 Vgl. Knoop, T. (2008), S. 205ff; Oliver, M., Aldcroft, D. (2007), S. 220f


6

3. Finanzkrisen Wie können Finanzkrisen, wie die vier im ersten Teil beschriebenen, entstehen? Wie kann es sein, dass ganze Volkswirtschaften und ganze Wirtschaftsregionen durch Krisen ins Wanken geraten? Finanzkrisen lassen sich zurückverfolgen bis ins alte Rom im 2. Jahrhundert vor Christus.1 Die Nachvollziehbarkeit und Genauigkeit der Beschreibung schwindet, je weiter die Ereignis-se in der Vergangenheit zurückliegen. Seit 1618 hat Charles Kindleberger, 50 „Manias, Pa-nics and Crashes“ von weltweiter Bedeutung identifiziert.2 Bis zum Jahr 2009 dürften mit der Krise des Neuen Marktes und der aktuellen Finanzkrise außerdem mindestens zwei weitere hinzugekommen sein. In der Untersuchung von Finanzkrisen kann man sich andererseits mit der Entstehung oder den Auswirkungen dieser beschäftigen. Die folgende Abhandlung be-schäftigt sich getreu der Themenstellung der Arbeit mit Ersterem. Definitionen von Finanzkrisen sind zahlreich in der Literatur vorhanden. Namhafte Wissen-schaftler wie Milton Friedman3, Anna Schwartz4 oder Michael Bordo5 haben sich ausführlich mit der Entstehung, der Zusammensetzung und den einzelnen Faktoren, die eine Finanzkri-se bedingen, auseinander gesetzt. In dem Buch „Financial Macroeconomics: Panics, Cras-hes and Crises“, führt Todd Knoop die unterschiedlichen Gesichtspunkte zusammen.6 In Anlehnung an diese Vorarbeit, soll die nachfolgende Kategorisierung deshalb eine Möglich-keit der genaueren Einordnung verschiedener Arten von Finanzkrise bieten.

3.1. Fundamental-based models Knoop führt zwei Kategorien von Bankenkrisen an, um eine differenzierte Betrachtung vor-zunehmen. Dabei fallen die oben aufgeführten Autoren in die erste Kategorie, der so ge-nannten „fundamental-based models“. Die Krisen werden durch negative Schocks, die Auswirkungen auf die Bilanzen der Banken haben, ausgelöst, indem die Kreditausfallraten ansteigen und gleichzeitig die Vermögens-preise abfallen. Dadurch verringert sich der Netto-Wert der Banken.7 Oder sie werden durch Schocks ausgelöst, die die Ertragskraft von Banken mindern. Der Gewinn aus den getätigten Anlagen verringert sich im Verhältnis zu den zu leistenden Verbindlichkeiten. Zu dieser Art von Schocks gehören:8

• Ein unerwarteter Anstieg der kurzfristigen Zinsen • Steigende Realzinsen • Ein unerwarteter Anstieg der Inflationsrate • Abfall der „aggregate growth“ • Eine unerwartete Abwertung des Wechselkurses

1 Vgl. Chancellor, E. (1999), S. 3f 2 Vgl. Kindleberger, C. (1978), S. 210ff 3 Vgl. Friedman, M., Schwartz, A. (1963), S. 477ff 4 Vgl. Schwartz, A. (1986), S. 53ff 5 Vgl. Bordo, M. (2001), S. 4ff 6 Vgl. Knoop, T. (2008), S. 195ff 7 Vgl. Allen, F., Gale, D. (1998), S. 1245ff 8 Vgl. Bordo, M. (2001), S. 176f


7

3.2. Belief-based models In der zweiten Kategorie von Bankenkrisen beschäftigt sich Knoop mit so genannten „belief-based models“. Danach sind die Banken wie auch die anderen Marktteilnehmer in ihrem Handeln bestimmt durch die Veränderungen der Erwartungen an die Zukunft der Finanz-märkte. Allerdings sind diese Veränderungen nicht zwangsläufig verbunden mit Veränderun-gen der ihnen zu Grunde liegenden Fundamentaldaten. Die Folge können Übertreibung, Irrationalität oder Panikverhalten sein. Einer der ersten Wissenschaftler, der dieses Panikverhalten als Auslöser für Krisen identifi-zierte, war Charles Kindleberger: „Speculative manias gather speed through expansion of money and credit or perhaps, in some cases, get started because of an initial expansion of money and credit“.1 Auf der Basis seiner Untersuchungen über historische Bankenkrisen, kam er zu dem Schluss, dass das Bankenwesen inhärent instabil sei, da die Wirtschaftssub-jekte analog der Wirtschaftszyklen zur Panik neigten. Seiner Ansicht nach ändern die Teil-nehmer des Wirtschaftskreislaufs ihr Verhalten nicht, wenn sich fundamental etwas ändert, sondern, wenn sie sehen, dass sich andere Wirtschaftsteilnehmer ändern. Sie agieren also irrational. Dadurch werden in der Folge beispielsweise Einlagen von den Banken abgezogen, ausgelöst durch die Sorge, andere Wirtschaftssubjekte könnten dies ebenfalls wollen oder eigene Ersparnisse könnten im schlimmsten Fall verloren gehen. Damit ist Kindleberger nicht weit entfernt von Keynes, der dem „animal spirit“ in seiner Theorie einen hohen Stellenwert einräumt.2 Insgesamt führt dies zu einer sich selbst bedingenden Krise, die völlig losgelöst von den zu Grunde liegenden Rahmendaten ausbricht.

3.3. Krisen dem allgemeinen Verständnis nach Eine Beschreibung, die dem allgemeinen Verständnis genügt, lässt sich erkennen aus der Arbeit von Bordo, Eichengreen und Rose. Danach befindet sich Wirtschaftssubjekte in einer Finanzkrise, wenn…

• „Einleger ihre Einlagen von den Banken über das normale Maß hinaus zurückfordern, • Banken Fehler begehen, so dass sie ihre Verbindlichkeiten nicht mehr bedienen kön-

nen oder • Regierungen sich dazu gezwungen sehen, zu intervenieren und das Bankensystem

durch finanzielle Unterstützung von außen aufzufangen.“3

Auch in diesen Auffassungen zeigt sich, dass den Wirtschaftsubjekten und ihren emotionalen Einstellungen gegenüber dem Banken- und Finanzsystem eine entscheidende Rolle zu-kommt. Dass Vertrauen in die Systemstabilität ein gewichtiger Faktor für die Vermeidung von Krisen ist, zeigt auch die Untersuchung von Professor Michael Oliver von der Universität Green-wich, London. Er führt das „deposit-currency-ratio“, entwickelt von Milton Friedman und Anna Schwartz, als statistischen Indikator an, der das öffentliche Vertrauen in das Bankensystem abbildet.4 Er führt aus, dass fast alle größeren Bankenkrisen in den Zwischenkriegsjahren 1921-36 mit einem Rückgang dieses Verhältnisses einhergingen. Lediglich Strukturreformen im Bankensystem oder wechselkursbedingte Schwierigkeiten lieferten keine verlässlichen Aussagen.5

1 Kindleberger, C. (1978), S. 54 2 Vgl. Keynes, J. (1936), S. 161f 3 Vgl. Bordo, M., Eichengreen, B., Klingebiel, D. et al. (2001), S. 51ff 4 Vgl. Friedman, M., Schwartz, A. (1963), S. 523ff 5 Vgl. Oliver, M., Aldcroft D. (2007), S. 183


8

Unterstützung für die daraus abgeleitete These, dass systemische Krisen entstehen, wenn es Regierungen nicht gelingt, das Bankensystem ausreichend zu stärken, liefern die Unter-suchungen von Demirgüc-Kunt und Detragiache. Sie definieren vier Kriterien, die eine Ban-kenkrise systemisch werden lassen.

• „Das Verhältnis von non-performing assets zu der Gesamtvermögenswerten im Bankensystem übersteigt 10%

• Die Kosten für die Rettungsaktionen betragen mehr als 2% des BIP • Die Krise führt zu einer umfassenden Verstaatlichung der Finanzinstitute • Einlagen werden in hohem Maße abgezogen, es gibt Schlangen vor den

Banken (psychologische Wirkung) oder Notmaßnahmen wie Einfrieren der Gelder auf den Konten oder Bankenurlaub werden beschlossen, um der Kri-se Herr zu werden.“1

3.4. Abgrenzung An dieser Stelle ist zu beachten, dass externe Schocks, wie beispielsweise die der Terroran-schläge auf das World Trade Center in New York am 11. September 2001, und ihre Auswir-kungen auf die Märkte keine Beachtung finden. Die Ursachen von Währungskrisen finden bei der Entwicklung des SrF-Index keine Beach-tung.

1 Demirgüc-Kunt, A., Detragiache, E. (1998), S. 91


9

4. Spekulation Der Ausdruck Spekulation stammt ursprünglich vom lateinischen Wort speculari ab, was so-viel bedeutet wie spähen, beobachten oder auch von einem erhöhten Standpunkt aus in die Ferne spähen. Die heutige Bedeutung des Wortes Spekulation ist aber schwieriger zu deuten, da es hier eine Vielzahl verschiedener Definitionen gibt. Nachfolgend sind drei Definitionen des Spekulationsbegriffes dargestellt, um diesen näher zu beleuchten und besser verstehen zu können. Oxford Universal Dictionary „Speculation is the activity of buying shares, property, goods, etc. in the hope of making a profit when you sell them, but with the risk of losing money.“1 Definition von Gerhard Aschinger „Als Spekulation wird jede durch Gewinnstreben motivierte Ausnutzung erwarteter zeitlicher Preisunterschiede eines Gutes auf einem bestimmten Markt bezeichnet. Da zukünftige Preisveränderungen nicht mit Sicherheit vorhersehbar sind, ist Spekulation immer risikobe-haftet. Spekulation im engeren Sinne beinhaltet den Kauf (Verkauf) eines Gutes in der Absicht, dasselbe kurzfristig wieder mit Gewinn zu verkaufen (kaufen). Dabei werden eingegangene Positionen nach kurzer Zeit wieder rückgängig gemacht. Längerfristig Motive (z.B. Anlage-entscheidungen) sowie die Nutzung eines Gutes sind dabei nicht von Bedeutung.“2 Gabler Wirtschaftslexikon „Alle auf Gewinnerzielung aus Preisveränderungen gerichteten Geschäftstätigkeiten, also die Ausnutzung von zeitlichen Preisunterschieden. Börsengeschäft: Im Gegensatz zur Daueranlage meist kurzfristige Betätigung, die lediglich auf Gewinn bringende Ausnutzung der Preisunterschiede zu verschiedenen Zeitpunkten ge-richtet ist. - Es kann auf ein Steigen (Hausse-Spekulation) oder ein Fallen (Baisse-Spekulation) der Kurse spekuliert werden. … - Die Träger der Effekten-Spekulation sind vor allem die Eigenhändler an der Börse, auch als berufsmäßige Spekulation bezeichnet. Wirkungen: Indem die Spekulation die künftige Entwicklung vorwegnimmt, kann sie marktre-gulierend, preis- und risikoausgleichend wirken sowie die Handelbarkeit von Wertpapieren erhöhen und damit eine volkswirtschaftlich nützliche Aufgabe erfüllen. Andererseits kann die Spekulation Kursbewegungen induzieren, die zu tief greifenden Störungen des Kapitalmarkts führen, und im Extremfall auslösendes Moment für Börsenkräche sein.“3

1 Parkinson, D., Noble, J. (2008), S. 519 2 Aschinger, G. (2001), S. 1f 3 Gabler (2004), S. 2371


10

5. Krisenindikatoren Die vier Krisen, die in Gliederungspunkt 2 stellvertretend für viele Finanz-, Währungs-, und Wirtschaftskrisen beschrieben sind, zeigen, dass diese über Jahrhunderte, angefangen mit der Tulpenkrise bis hin zur aktuellen Finanzkrise, das wirtschaftliche Geschehen und die Entwicklung nationaler Volkswirtschaften begleiten. Der bekannte ungarische Hedge-Fonds Manager George Soros, der seit Mitte der 50er Jah-re als Spekulant weltweit an den Börsen tätig ist und den Wandel und die Entwicklungen der Finanzmärkte im Laufe dieser Zeit persönlich erfahren und erlebt hat, legt dar, wie die Fi-nanzmärkte und damit auch die Volkswirtschaften verschiedener Länder mit Krisen konfron-tiert werden. George Soros bezeichnet dies als die Periodizität von Krisen.1 Der Blick in die Vergangenheit zeigt, dass der Ansatz der „periodischen Krisen“2, die die Fi-nanz-, und Währungsmärkte, aber auch die reale wirtschaftliche Entwicklung von Volkswirt-schaften im Laufe der Zeit und mit unregelmäßigen Intervallen treffen und beeinträchtigen, historisch belegt und begründet ist. Daher stellt sich folgende Frage: Ist es möglich, das Auftreten dieser periodischen Krisen, welches mit Blick in die Historie unbestritten ist, frühzeitig zu erkennen? Um die Entstehung und die Entwicklung von Krisen zu veranschaulichen und zu verstehen, kann das Boom-Bust-Modell, welches mit Bezug auf den Aktienmarkt entwickelt wurde, hilf-reich sein.

Abbildung 1 - Boom-Bust-Modell3 „In der Anfangsphase (1) wird der Trend noch nicht erkannt. Dann kommt die Phase der Be-schleunigung (2), wenn er erkannt ist und durch Voreingenommenheit verstärkt wird. … Dann kann eine Phase des Testens (3) eintreten, in der die Kurse zurückgehen. Wenn die Voreingenommenheit und der Trend das Testen überstehen, gehen beide stärker denn je daraus hervor, und es folgt eine Festigung gleichgewichtsferner Bedingungen, unter denen die normalen Regeln nicht mehr gelten (4). Irgendwann kommt ein Moment der Wahrheit (5), wenn die Realität die überzogenen Erwartungen nicht mehr stützen kann, gefolgt von einer Zeit des Zwielichts (6), in der die Akteure das Spiel noch spielen, obwohl sie nicht mehr dar-an glauben. Schließlich wird ein Scheitelpunkt erreicht (7): Der Trend wird rückläufig, die

1 Vgl. Soros, G. (2008), S. 83 2 Vgl. Soros, G. (2008), S. 88 3 Soros, G. (2008), S. 79


11

Voreingenommenheit geht in die Gegenrichtung, und die Folge ist ein massiver Absturz (8), vulgo Crash.“1 Der Ansatz, mit Hilfe des Boom-Bust-Modells den Verlauf von Spekulationsblasen und Kri-sen auf dem Finanzmarkt darzustellen, ist Motivation für diese Arbeit, einen geeigneten In-dex zu entwickeln, der frühzeitig die Entwicklung von Spekulationsblasen und Krisen anzeigt. Der nachfolgend zu entwickelnde Index zur Krisenfrüherkennung beschränkt sich jedoch nicht auf den Finanzmarkt, wie es das Boom-Bust-Modell vollzieht. Es werden auch Krisen in einem Land indiziert, die die realwirtschaftliche Entwicklung eines Landes betreffen. Entscheidend hierbei ist, dass nicht nur die theoretische Entwicklung und Darstellung von Spekulationsblasen und Krisen Gegenstand der Untersuchung ist. Der Index soll anzeigen, in welcher Phase des Boom-Bust-Modells sich eine Volkswirtschaft befindet und generiert somit einen Mehrwert für das Modell. Darüber hinaus wird eine Krisenwahr-scheinlichkeit berechnet.

5.1. Indikatoren Eine Krisenfrüherkennung ist nur möglich, wenn eine Krise bzw. Spekulationsblase mittels geeigneter Indikatoren angezeigt und sichtbar gemacht wird. Geeignete Indikatoren werden im Boom-Bust-Modell nicht beschrieben. Diese zu identifizieren ist zur Krisenfrüherkennung eine grundlegende Voraussetzung. Dabei ist zunächst eine Abgrenzung zwischen frühlaufenden, gleichlaufenden und nachhin-kenden Indikatoren sinnvoll. Abgrenzung früh-, gleichlaufende und nachhinkende Indikatoren Es gibt drei verschiedene Gruppen von Indikatoren, die je nach Zeitverlauf divergieren. Mög-liche Indikatorengruppen hierfür sind: 1. Frühindikatoren: “Ein Frühindikator gibt Aufschluss über das, was in naher Zukunft passieren wird.“2 Ein Frühindikator ist somit ein geeignetes Mittel, eine Spekulationsblase oder Krise zu identi-fizieren. Klassische Frühindikatoren sind beispielsweise:

• Verbrauchervertrauen (z.B. ifo-Geschäftsklimaindex) • neue Baugenehmigungen • Erstanträge auf Arbeitslosenhilfe • Geldmenge M2 • Auftragseingänge

2. Gleichlaufende Indikatoren: „Gleichlaufende Indikatoren… steigen oder fallen bzw. laufen gleich mit dem Trend und ge-ben daher Aufschluss über die aktuelle Wirtschaftslage…. Gleichlaufende Indikatoren wer-den eher für die Bestätigung als für eine Vorhersage eines Trends betrachtet.“3

1 Soros, G. (2008), S. 79ff 2 Navarro, P. (2002), S. 213 3 Navarro, P. (2002), S. 214


12

Gleichlaufende Indikatoren sind aufgrund ihrer zeitlichen Aktualität ebenfalls zur Erkennung von Krisen geeignet, da diese ein Krisensignal noch rechtzeitig darstellen können. Klassische gleichlaufende Indikatoren sind beispielsweise:

• private Einkommen • Industrieproduktion und Kapazitätsauslastung • reale Wachstumsrate des BIP1 • Exporte • Importe

3. Nachhinkende Indikatoren: „Nachhinkende Indikatoren wechseln dagegen erst die Richtung, nachdem sich die konjunk-turellen Rahmenbedingungen verändert haben.“2 Nachhinkende Indikatoren sind somit zur Krisenfrüherkennung nicht geeignet. Klassische nachhinkende Indikatoren sind beispielsweise:

• Arbeitslosenquote • Löhne und Gewinne • Preise

Die Darstellung der verschiedenen Indikatorengruppen lässt erkennen, dass für eine frühzei-tige Erkennung von Krisen eine Fokussierung auf frühlaufende Indikatoren erforderlich ist. Eine Einbeziehung von gleichlaufenden Indikatoren ist ebenfalls notwendig, da auch diese ein Krisensignal noch rechtzeitig geben können. Nachhinkende Indikatoren gehen aufgrund der beschriebenen Gründe nicht in die Betrach-tung ein. Indikatoren zur Krisenerkennung des IMF Wie oben beschrieben, gibt es verschiedene Indikatoren, die zur Krisenfrüherkennung ge-eignet sind. Hierbei ist es von Bedeutung, trotz der großen Anzahl an Indikatoren diejenigen zu selektieren, welche eine Krisenfrüherkennung ermöglichen. Studien, die Indikatoren zur Krisenfrüherkennung untersuchen, sind bereits in großem Um-fang durchgeführt worden.3 Als Basiswerk dieser wissenschaftlichen Arbeit kann nach Be-trachtung zahlreicher Studien und Arbeiten das Working Paper des IMF mit dem Titel „Lea-ding Indicators of Currency Crisis“ von Kaminsky, Lizondo und Reinhart herangezogen wer-den, da dieses Working Paper zahlreiche Vorarbeiten berücksichtigt und verfeinert. Aufgrund der Bedeutung dieser Studie werden deren grundsätzliche Erkenntnisse über-nommen. Die Studie gilt daher als Basis für den in Gliederungspunkt 6 dargestellten und implementierten SrF-Index.

1 Vgl. Tanaka, N., Giovannini, E., Witherell, W. et al. (2005), S. 22 2 Navarro, P. (2002), S. 214 3 Diese reichen von John Bilson im Jahr 1979 mit dem Werk „Leading Indicators of Currency Devalua-tions“ über Sebastian Edwards im Jahre 1989 mit der Studie „Real Exchange Rates, Devaluation, and Adjustment“ bis zu einer Untersuchung von Kaminsky und Reinhart im Jahr 1996 mit dem Titel „The Twin Crisis: The Causes of Banking and Balance of Payments Problems.“ Dabei handelt es sich nur um einen kleinen Auszug von Studien, die sich dieser Problematik annehmen. In dem IMF Working Paper von Kaminsky, G., Lizondo, S., Reinhart, C. (1997) werden auf S. 31ff die Studien vorgestellt, die eine Indikatorenidentifizierung zur Krisenfrüherkennung untersuchen.


13

IMF Working Paper: Leading Indicators of Currency Crisis Die Studie von Kaminski, Lizondo und Reinhart untersucht 76 Währungskrisen zwischen 1970 und 1995. Das Ziel der Studie ist, relevante Indikatoren zu erkennen, die Krisen, in die-sem Fall Währungskrisen, frühzeitig anzeigen und somit eine Krisenvorhersage möglich ma-chen.1 Diese Untersuchung findet unter Zuhilfenahme zahlreicher anderer Studien statt, die diese Problemstellung bereits untersucht haben. Aufbauend auf diesen Arbeiten wird eine Klassifizierung von Indikatoren in Kategorien vor-genommen, die sich nicht nach der zeitlichen Darstellung wie frühlaufende, gleichlaufende oder nachhinkende Indikatoren bezieht.2 Die Klassifizierung findet hierbei nach Art und Be-schreibung des Indikators zu einer Gruppe von Indikatoren statt, die für einen gemeinsamen wirtschaftlichen, finanziellen oder politischen Bereich stehen. Diese sind:

• „Capital account: international reserves, capital flows, short-term capi-

tal flows, foreign direct investment, and the differential between do-mestic and foreign interest rates.

• Debt profile: public foreign debt, total foreign debt, short-term debt, share of debt classified by type of creditor and by interest structure, debt service, and foreign aid.

• Current account: real exchange rate, the current account balance, the trade balance, exports, imports, the term of trade, the price of exports, savings and investment.

• International variables: foreign real GDP growth, interest rates, and price level.

• Financial liberalization: credit growth, the change in the money multi-plier, real interest rates, and the spread between bank lending and deposit interest rates.

• Other financial variables: central bank credit to the banking system, the gap between money demand and supply, money growth, bond yields, domestic inflation, the “shadow” exchange rate, the parallel market exchange rate premium, the central exchange rate parity, the position of exchange rate within the official band, and M2/international reserves.

• Real sector: real GDP growth, the output gap, employ-ment/unemployment, wages, and changes in stock prices.

• Fiscal variables: the fiscal deficit, government consumption, and credit to the public sector.

• Institutional/structural factors: openness, trade concentration, and dummies for multiple exchange rates, exchange controls, duration of the fixed exchange rate periods, financial liberalization, banking cri-ses, past foreign exchange market crises, and past foreign exchange market value.

• Political variables: dummies for election, incumbent electoral victory or loss, change of government, legal executive transfer, illegal executive transfer, left-wing government, and new finance minister, also, degree of political instability.” 3

1 Vgl. Kaminsky, G., Lizondo, S., Reinhart, C. (1997), S. 3 2 Bei Betrachtung der Abbildung 3 wird deutlich, dass trotz Kategorisierung nach wirtschaftlichen, fi-nanziellen und politischen Bereichen diejenigen Indikatoren zur Krisenfrüherkennung dienen, die auch als frühlaufende bzw. gleichlaufende Indikatoren gelten. Bei der Kategorisierung nach Bereichen im IMF Working Paper handelt es sich um eine „Peer-Group“ Bildung. 3 Kaminsky, G., Lizondo, S., Reinhart, C. (1997), S. 10f


14

Zur Verifizierung der großen Anzahl an möglichen Indikatoren entwickelte der IMF eine Noi-se-to-Signal-Ratio-Matrix, die nachfolgend abgebildet ist. Mithilfe dieser Matrix findet eine Überprüfung der einzelnen, aufgelisteten Indikatoren auf deren Wirksamkeit zur Krisenfrüh-erkennung statt.1

Crisis

(within 24 months)

No crisis

(within 24 months)

Signal was issued A B

No signal was issued C D

Abbildung 2 - Noise-to-Signal-Ratio-Matrix2

Die Unterscheidung der Indikatoren auf deren Wirksamkeit findet wie folgt statt: “In this Matrix, A is the number… in which the indicator issued a good signal. B is the num-ber… in which the indicator issued a bad signal or ‘noise’, C is the number… in which the indicator failed to issue a signal (which would have been a good signal), and D is the num-ber… in which the indicator would only refrained from issuing a signal (which would have been a bad signal). A perfect Indicator would only produce observations that belong to the north-west and south-east cells of this matrix.”3 Jeder Parameter wird mit Hilfe dieser Noise-to-Signal-Ratio-Matrix verifiziert.

1 Vgl. Kaminsky, G., Lizondo, S., Reinhart, C. (1997), S. 10f 2 Eigene Darstellung in Anlehnung an Kaminsky, G., Lizondo, S., Reinhart, C. (1997), S. 18 3 Kaminsky, G., Lizondo, S., Reinhart, C. (1997), S. 18


15

"Sig

nals

App

roac

h" -

Per

form

ance

of I

ndic

ator

s

Num

ber

of C

rise

s fo

r whi

ch th

ere

are

Dat

a

Per

cent

age

of

Cri

sis

Cal

led1

Goo

d S

igna

ls a

s P

erce

ntag

e of

P

ossi

ble

Goo

d S

igna

ls

Bad

Sig

nals

as

Per

cent

age

of

Pos

sibl

e B

ad S

igna

ls

Noi

se/S

igna

l (a

djus

ted)

2 P

(Cri

sis/

Sig

nal)3

P(C

risi

s/S

igna

l)

- P

(Cri

sis)

4

1

2 3

4 5

6 7

In te

rms

of th

e m

atri

x in

th

e te

xt

A/(A

+C)

B/(B

+D)

[B/(B

+D)]/

[A/(A

+C

)] A

/(A+B

)

Rea

l exc

hang

e ra

te

72

57

25

5 0,

19

67

39

Exp

orts

72

85

17

7

0,42

49

20

S

tock

pri

ces

53

64

17

8 0,

47

49

18

M2/

inte

rnat

iona

l res

erve

s 70

80

21

10

0,

48

46

17

Out

put

57

77

16

8 0,

52

49

16

"Exc

ess"

M1

bala

nces

66

61

16

8

0,52

43

15

In

tern

atio

nal r

eser

ves

72

75

22

12

0,55

41

13

M

2 M

ultip

lier

70

73

20

12

0,61

40

11

D

omes

tic c

redi

t/GD

P

62

56

14

9 0,

62

39

11

Rea

l int

eres

t rat

e 44

89

15

11

0,

77

34

6 Te

rms

of tr

ade

58

79

19

15

0,77

36

6

Rea

l int

eres

t diff

eren

tial

42

86

11

11

0,99

29

0

Impo

rts

71

54

9 11

1,

16

26

-3

Ban

k de

posi

ts

69

49

16

19

1,20

25

-4

Le

ndin

g ra

te/d

epos

it ra

te

33

67

13

22

1,69

18

-9

1 P

erce

ntag

e of

cris

es in

whi

ch th

e in

dica

tor

issu

ed a

t lea

st o

ne s

igna

l in

the

prev

ious

24

mon

ths,

out

of t

he to

tal n

umbe

r of c

rises

for w

hich

d

ata

are

avai

labl

e 2 R

atio

of f

alse

sig

nals

(mea

sure

d as

a p

ropo

rtion

of m

onth

s in

whi

ch fa

lse

sign

als

coul

d ha

ve b

een

issu

ed) t

o go

od s

igna

ls (m

easu

red

as a

p

ropo

rtion

of m

onth

s in

whi

ch g

ood

sign

als

coul

d ha

ve b

een

issu

ed)

3 Per

cent

age

of th

e si

gnal

s is

sued

by

the

indi

cato

r tha

t wer

e fo

llow

ed b

y at

leas

t one

cris

is w

ithin

the

subs

eque

nt 2

4 m

onth

s 4 P

(Cris

is) i

s th

e un

cond

ition

al p

roba

bilit

y of

a c

risis

, (A

+C)/(

A+B

+C+D

) in

term

s of

the

mat

rix in

the

text

. Thi

s pr

obab

ility

rang

es fr

om 2

7 pe

rcen

t t

o 33

per

cent

dep

endi

ng o

n th

e in

dica

tor.

The

unc

ondi

tiona

l pro

babi

lity

varie

s ac

ross

indi

cato

rs b

ecau

se n

ot a

ll of

them

hav

e ob

serv

ator

ies

for t

he

sam

e pe

riod

Abbildung 3 - "Signals Approach" - Performance of Indicators1

1 Eigene Darstellung in Anlehnung an Kaminsky, G., Lizondo, S., Reinhart, C. (1997), S. 37


16

Die Abbildung 3 zeigt, welche der Indikatoren geeignet sind, eine Währungskrise nach dem Modell des IMF zu signalisieren.1 Für diese Arbeit werden diejenigen Werte selektiert, wel-che zur Erkennung von Spekulationsblasen und realwirtschaftlichen Krisen geeignet sind. Diese Werte sind: 2

• Exports • Stock prices • Output • M2 Multiplier • Domestic Credit/GDP • Real interest Differential • Imports

Bei Betrachtung der Indikatoren fällt auf, dass der Entwicklung der Immobilienpreise keine Bedeutung beigemessen wird. Da die Entwicklung auf dem Immobilienmarkt wesentliche Ursache für die Japan-, Ost-Asien- und Subprimekrise war, soll dieser Indikator mit in die Untersuchung aufgenommen werden3 und somit das IMF Modell erweitert werden. Zudem berücksichtigt das IMF Working Paper das Zusammenwirken einzelner Parameter nicht. Diese Wechselwirkungen werden in dieser wissenschaftlichen Arbeit, zur Entwicklung des SrF-Index aufgenommen. Die Gewichtung der eigenen Index-Parameter, wie sie im Gliederungspunkt 6.4.2. beschrie-ben wird, wird anhand der Ergebnisse der Studie des IMF vorgenommen. Fazit Die Erkenntnisse von Kaminsky, Lizondo und Reinhart, im Auftrag des IMF, dienen als Basis zur Erkennung von Spekulationsblasen und realwirtschaftliche Fehlentwicklungen für den nachfolgend zu entwickelnden SrF-Index. Um das Modell des IMF besser auf die Realwirt-schaft übertragen zu können und um den Ursachen der aktuellen Krise Rechnung zu tragen, soll es um die nachfolgend aufgeführten Parameter erweitert werden.

5.2. Darstellung und Erweiterung der eigenen Index-Parameter Nachfolgend werden die Parameter dargestellt, die als Grundlage zur Krisenfrüherkennung des zu entwickelnden Index dienen. Die Selektion der Parameter beruht auf Basis der oben vorgestellten Studie des IMF. Der Parameter „real exchange rate“ wird in Abweichung zum IMF Working Paper trotz seiner großen Treffergenauigkeit nicht in die Krisenfrüherkennung einbezogen, da der in dieser Ar-beit zu entwickelnde Index nicht der Erkennung von Währungskrisen dient. Die grundsätzlichen Modelle und Annahmen zur Berechnung des Index werden hierzu in den nachfolgenden Gliederungspunkten dargestellt, die die verschiedenen Parameter zu Grup-pen zusammenfasst. Es gibt die Gruppe der eigenständigen sowie der kombinierten Para-meter.

1 Vgl. Kaminsky, G., Lizondo, S., Reinhart, C. (1997), S. 37 2 Vgl. Abbildung 3 3 Vgl. Allen, F., Gale, D. (2007), S. 15f


17

Eigenständige Parameter Kombinierte Parameter

Aktienindex Fisher - Effekt Leitzins und Inflation Vermögenswerte

Immobilienindex

Verschuldung Verschuldungsindex Quantitätsgleichung Bruttoinlandsprodukt

und Geldmenge M2

Abbildung 4 - eigenständige und kombinierte Parameter1

5.2.1. Eigenständige Parameter Vermögenswerte Der erste Baustein des Index berücksichtigt wichtige Vermögenswerte einer Volkswirtschaft. Die vergangenen Krisen zeigen, dass die steigende Entwicklung der Vermögenswerte zur Entstehung von Spekulationsblasen Voraussetzung ist.2 Um die Entwicklung der Vermö-genswerte darstellen zu können, sind folgende Parameter ausgewählt: Der Aktien- sowie der Immobilienmarkt eines Landes. Um die Bedeutung des Aktienmarktes sowie des Immobilienmarktes eines Landes zu ver-deutlichen, wird jeweils der Wert dieser beiden Parameter im Verhältnis zum Bruttoinlands-produkt sowie am Anteil des Gesamtvermögens der privaten Haushalte eines Landes be-trachtet. Die Bedeutung dieser Parameter wird exemplarisch am Beispiel Deutschlands für das Jahr 2007 herausgestellt. Das Bruttoinlandsprodukt Deutschlands betrug im Jahr 2007 2.423 Mrd. Euro. Der Wert des Immobilienvermögens privater Haushalte wird auf den Wert von 4.857 Mrd. Euro geschätzt. Für den gleichen Zeitpunkt wird der Wert der deutschen Ak-tien einschließlich Investmentzertifikate, die im Inland gehalten werden, mit 2.292 Mrd. Euro angegeben.3 Die Darstellung der Vermögenswerte mit Hilfe des Aktien-, sowie des Immobilienmarktes wird hierdurch evident.

Abbildung 5 - BIP, Aktien-, Immobilien- und Gesamtvermögen4

1 Eigene Darstellung 2 Vgl. Bloss, M., Ernst, D., Häcker, J. et al. (2009), S. 217 3 Vgl. FAZ-Artikel vom 05.02.2009, S. 13 4 Eigene Darstellung in Anlehnung an FAZ-Artikel vom 05.02.2009, S. 13


18

Aktienmarkt Wie in der Abbildung 3 dargestellt wird, ist der Aktienmarkt ein geeigneter Indikator zur Kri-senfrüherkennung. Der Aktienmarkt einer Volkswirtschaft ist ebenso ein Parameter, um die Entwicklung von Vermögenswerten abzubilden.1 Der Aktienmarkt ist der klassische Frühindikator. Die Kurse der Aktien bilden nicht vergan-gene Unternehmensdaten ab. Es werden die Zukunftsaussichten der an der Börse gelisteten Unternehmen abgebildet und gehandelt.2 Wie das Platzen u.a. der Dotcom-Blase jedoch zeigt, sind die Werte, die an der Börse ge-handelt und festgestellt werden, nicht immer den tatsächlichen zukünftigen Unternehmens-aussichten auf rationeller Bemessungsgrundlage geschuldet. Herdenverhalten und Gier kön-nen die Wertentwicklung bestimmen.3 Spekulationsblasen sind an den Aktienmärkten regel-mäßig in Erscheinung getreten. Die Periodizität von Krisen ist am Aktienmarkt erkennbar.4 Das Boom-Bust-Modell dient hierbei zur Veranschaulichung. Die Bestimmung, in welcher der acht Phasen die Kursentwicklung der Aktienmarkt sich gerade befindet, ist zur Krisenfrüher-kennung erforderlich. Die Identifizierung, welche der Phasen gerade durchlaufen wird, ist hierbei die Schwierigkeit. Die Möglichkeit der Phasenerkennung wird mit Hilfe des Index dar-gestellt. Somit kann erkannt werden, ob sich die Volkswirtschaft in einer Phase des Auf-schwungs oder einer Phase des Testens befindet.5 Um die Entwicklung des Aktienmarktes eines Landes darzustellen, wird die Kursentwicklung des nationalen Leitindizes (z.B. für die USA die Entwicklung des Dow Jones Industrial Ave-rage) abgebildet, der die größten am Kapitalmarkt gelisteten Unternehmen eines Landes beschreibt. Immobilienmarkt Der Immobilienmarkt einer Volkswirtschaft ist ebenfalls ein Parameter zur Krisenfrüherken-nung sowie zur Darstellung der Vermögenswertentwicklung. Die Wertentwicklung von Immobilien wird in der Studie des IMF, wie die Abbildung 3 zeigt, nicht berücksichtigt. Ein Grund hierfür ist, dass ein ausreichender Zeitraum zur Darstellung der Immobilienpreisentwicklung in vielen Ländern, wie z.B. für Thailand, nicht möglich war. Die hierfür erforderlichen längeren Zeitreihen sind erst jetzt verfügbar. Die Integration der Immobilienpreisentwicklung zur Krisenfrüherkennung wird daher in den zu entwickelnden SrF-Index vorgenommen. Am Beispiel der aktuellen Finanzkrise zeigt sich, dass durch stei-gende Immobilienpreise eine wachsende Kreditvergabemöglichkeit an die privaten Haushal-te in den USA möglich wurde, da die Immobilien den Banken als Sicherheit für die ausgege-benen Kredite dienten. Die wachsende Kreditvergabe förderte den Konsum der privaten Haushalte und stützte so die US-amerikanische wirtschaftliche Entwicklung. Als eine negati-ve Wertentwicklung des Immobilienmarktes eintrat, folgte das Platzen der Blase.6 Veränderungen an den Immobilienmärkten eines Landes haben daher einen Einfluss auf die wirtschaftliche Entwicklung einer Volkswirtschaft und sind als Parameter zur Krisenfrüher-kennung erforderlich. Immobilienwerte sind nicht wie Aktien an der Börse handelbar und eine fortlaufende Wertstellung findet bei Immobilien nicht statt. Die Darstellung des Immobilienmarktes eines Landes wird deshalb durch die Abbildung der Immobilienpreisentwicklung mit Hilfe nationaler Indizes (für die USA z.B. mit Hilfe des Case-Shiller-Index) ermittelt, die die Immobilienpreise eines Landes widerspiegeln und somit eine überprüfbare und verifizierbare Grundlage zu deren Abbildung sind. 1 Vgl. Frumkin, N. (2006), S. 229 2 Vgl. Jungblut, M., Krafczyk, C., Rauschenberger, R. (2001), S. 233 3 Vgl. Shiller, R. (2000), S. 176; vgl. Kiehling, H. (2001), S. 143ff 4 Vgl. Soros, G. (2008), S. 83 5 Vgl. Soros, G. (2008), S. 80 6 Vgl. Soros, G. (2008), S. 102


19

Fazit Steigende Vermögenspreise, sowohl an den Finanzmärkten als auch auf dem Immobilien-markt sind ein Einflussfaktor, der zur Entstehung von Spekulationsblasen und somit auch von Finanzkrisen und Wirtschaftskrisen beiträgt. Eine Einbeziehung in den SrF-Index ist so-mit notwendig. Verschuldung Ein weiterer Baustein des Index ist die Verschuldung einer Volkswirtschaft. Die Verschul-dung dient somit auch zur Krisenfrüherkennung. Unter dem Parameter der Verschuldung einer Volkswirtschaft wird die Verschuldung des privaten Sektors subsumiert. Bei Betrach-tung der Datenreihen wird deutlich, dass die Volkswirtschaften im Zeitverlauf mit einer stei-genden Verschuldung des privaten Sektors konfrontiert werden.1 „Eine Kreditfinanzierung kann in einer Marktwirtschaft unter bestimmten Umständen durch-aus funktionell sein; sie ist aber auch mit Gefahren verbunden, gegen die man … Vorkeh-rungen treffen sollte.“2 Eine steigende Verschuldung des privaten Sektors ist somit differenziert zu betrachten, da sie per se nicht gleich negativ zu werten ist. Von Bedeutung ist hierbei, ebenso wie bei der Entwicklung der Vermögenswerte, dass eine starke Ausweitung der Kreditforderungen ge-genüber dem privaten Sektor eine Spekulationsblase und damit auch eine Krise fördern kann. Steigende Kreditforderungen können die Abhängigkeit der privaten Haushalte auf-grund von Zinszahlungen sowie Tilgungszahlungen erhöhen. Folgen konjunkturelle Ab-schwung- bzw. Schwächephasen der wirtschaftlichen Entwicklung eines Landes, ist eine Belastung bzw. Schwächung des privaten Sektors durch die festgesetzten Leistungsraten gegenüber den Gläubigern möglich. Dadurch wird eine geringere Anpassungsfähigkeit ge-fördert. Steigende Kreditfinanzierung ist ebenfalls ein Krisensignal, weil sie zu Spekulations-blasen und deren Finanzierung und Aufrechterhaltung beitragen kann, da kreditfinanzierte Spekulationsgeschäfte am Finanzmarkt betrieben werden.3 Besonders deutlich wird dies bei Betrachtung der aktuellen Finanzkrise. Die steigenden Immobilienpreise und damit die Mög-lichkeit, eine steigende Kreditfinanzierung zu ermöglichen, ist ein Grund gewesen, dass eine Spekulationsblase und deren Folgen eingetreten sind.4 Steigende Kreditfinanzierung trägt aufgrund dieser Verhaltensmuster zu einer Verstärkung und Verfestigung von Krisen bzw. Spekulationsblasen bei.

5.2.2. Kombinierte Parameter Fisher-Effekt Als weiterer Baustein fließen die volkswirtschaftlichen Faktoren Nominalzins i, Realzins r und Inflationsrate p in den Index ein. Wie die Untersuchung des IMF zeigt, sind diese Faktoren zur Krisenfrüherkennung geeignet. In der Abbildung 3 sind diese als „real interest differential“5 dargestellt. Diese lassen sich in Kombination als Preiserwartungseffekt oder Fisher-Effekt bezeichnen, wobei nicht die tatsächliche Inflationsrate p, sondern die erwartete Inflation µ hierbei abgebil-det wird.6 Basis des Fisher-Effekts ist folgende Formel:7 1 Vgl. Anlagen 1, 2, 3 2 Grossekettler, H. (2007), S. 688 3 Vgl. Allen, F., Gale, D. (2007), S. 235f 4 Vgl. Bloss, M., Ernst, D., Häcker, J. et al. (2009), S. 25 5 Kaminsky, G., Lizondo, S., Reinhart, C. (1997), S. 37 6 Vgl. Vollmer, U. (2007), S. 240 7 Vgl. Jones, C. (2008), S. 41


20

Der Fisher-Effekt zeigt an, dass eine Beziehung zwischen der erwarteten Inflationsrate und dem Zinsniveau in einer Volkswirtschaft besteht. Er besagt, dass die Inflationserwartung die Höhe des Zinsniveaus beeinflusst.1 Dies zeigt sich, wenn die Marktteilnehmer für die kom-mende Periode identische und sichere Inflationserwartung haben. Der Nominalzins i, der gefordert wird, entspricht somit dem Produkt aus erwarteter Inflationsrate µ und Realzins r. Somit zeigt sich, dass langfristig folgender Zusammenhang gilt:2

Dies bedeutet, dass eine Veränderung der erwarteten Inflationsrate µ eine gleichbedeutende Veränderung des Nominalzins i nach sich zieht. Die Annahme in der Fisher Formel, dass die Marktteilnehmer sichere und identische Inflationserwartungen haben, wird in der Literatur immer wieder kritisch diskutiert.3 Die Marktteilnehmer haben aufgrund persönlicher Einschät-zungen differierende Zins- und Inflationserwartungen. Als Modifikation des Fisher-Effekts werden daher nicht die Inflationserwartungen der Markt-teilnehmer betrachtet. Es werden historische Daten herangezogen, um die Änderung des Nominalzinses i mit der Änderung der tatsächlichen Inflationsrate p zu vergleichen. Daher gilt:

Empirische Untersuchungen zeigen, dass sich langfristig Nominalzins i und Inflationsrate p angleichen.4 Eine kurzfristige bzw. mittelfristige Abweichung ist dennoch möglich. Tritt eine kurzfristige Abweichung zwischen Nominalzins i und Inflationsrate p ein, zeigt sich eine Marktungleichheit. Diese Marktungleichheit ist im SrF-Index als Krisensignal zu werten. Grundlage für die Erfassung der tatsächlichen Inflation ist der Konsumentenpreisindex. Das Zinsniveau einer Volkswirtschaft wird mit Hilfe des Leitzinssatzes der jeweiligen nationalen Zentralbank widergespiegelt. Quantitätsgleichung Ein weiterer Baustein des SrF-Index ist die Fishersche Quantitätsgleichung.

Hierbei sind M die Geldmenge, U die Umlaufgeschwindigkeit, P das Preisniveau und Y das Bruttoinlandsprodukt einer Volkswirtschaft.5 Der IMF bildet diese Faktoren als einzelne Parameter zur Krisenfrüherkennung ab. In der Abbildung 3 sind diese als Output, und M2 Multiplier dargestellt.6 Das Preisniveau sowie die Umlaufgeschwindigkeit werden beim IMF nicht als Parameter abgebildet. Diese vier Fakto-ren gehen in die Quantitätsgleichung ein und werden mithilfe dieser dargestellt. Die Fishersche Quantitätsgleichung wird zur Krisenfrüherkennung von der neoklassischen Darstellung variiert. Eine Darstellung der Inflationssteuerung durch Änderung der Geldmen-ge wird daher nicht vorgenommen. Ebenso wird das Paradigma der Dichotomie nicht über-nommen. Dies bedeutet, dass Änderungen der Geldmenge einen Einfluss auf die Realwirt-

1 Vgl. Vollmer, U. (2007), S. 256 2 Vgl. Blanchard, O., Illing, G. (2004), S. 426 3 Vgl. Blanchard, O., Illing, G. (2004), S. 425 4 Vgl. Blanchard, O., Illing, G. (2004), S. 428 5 Vgl. Heine, M., Herr, H. (2003), S. 268 6 Vgl. Kaminsky, G., Lizondo, S., Reinhart, C. (1997), S. 37


21

schaft haben und nicht ausschließlich eine Änderung des Preisniveaus nach sich ziehen.1 Daraus ergibt sich eine Modifikation der Quantitätsgleichung, die als Ausgangsbasis dient. Das Preisniveau P wird in der modifizierten Form der Quantitätsgleichung als konstant be-trachtet.

Hierbei wird die Annahme getroffen, dass Zentralbanken Inflationsziele haben (z.B. spricht die EZB bei einer Inflationsrate von nahe aber unter 2% von Preisniveaustabilität)2. Die kurz-fristige Anpassungsdynamik zwischen kurzfristigen und langfristigen Gleichgewichtspunkten wird hierbei als indifferent betrachtet. Es wird daher die Annahme getroffen, dass die Zentralbanken langfristig das angestrebte Inflationsziel mithilfe ihrer Geldpolitik erreichen können. Auf dieser Basis wird das Preisni-veau als konstant betrachtet. Eine weitere Annahme zeigt sich in der Betrachtung der Umlaufgeschwindigkeit. „Die Umlaufgeschwindigkeit des Geldes wir nach der Argumentation der alten Quantitätsthe-orie durch Zahlungssitten und Zahlungsgewohnheiten determiniert.“3 In der Volkswirtschaft-lehre wird die Umlaufgeschwindigkeit dennoch als kurzfristig bis mittelfristig konstant be-trachtet.4 Diese Annahme gilt auch für diese Modifikation der Quantitätsgleichung. Daher gilt für die Quantitätsgleichung:

Auf Basis dieser Annahmen wird ein Koeffizient aus Geldmenge M und Bruttoinlandsprodukt Y gebildet. Dieser lautet:

Der Koeffizient5 k drückt das Verhältnis Geldmenge zu Bruttoinlandsprodukt aus und dient als Parameter zur Krisenfrüherkennung. Änderungen im monetären Bereich, die zu keiner Änderungen im realen Sektor führen und somit nicht produktionswirksam wirken, werden auf anderem Wege absorbiert. Eine Geldmengenausweitung, bzw. eine Liquiditätszufuhr in einer Volkswirtschaft, die nicht in einer Ausweitung des realen Sektors wieder zu finden ist, wird zu einer Entwicklung von Spekulationsblasen auf anderen Märkten, wie z.B. dem Aktien- oder Immobilienmarkt führen, da die zusätzlich zur Verfügung gestellte Liquidität nicht vollständig im realen Sektor eingeht.6 Zur Abbildung der Geldmengenentwicklung wird das Geldmengenaggregat M2 ausgewählt, da dieses Geldmengenaggregat für alle Volkswirtschaften verfügbar ist. Die Abbildung der realen Produktion wird mit Hilfe des Bruttoinlandsproduktes dargestellt.

1 Vgl. Mussel, G. (2002), S. 139 2 Vgl. o.V. (1992), Artikel 105 (1) EG-Vertrag in Verbindung mit der Pressemitteilung vom 13.10.1998 „eine stabilitätsorientierte geldpolitische Strategie für das ESZB.“ In der Pressemitteilung wird eine Präzisierung der Preisniveaustabilität vorgenommen, welche im Artikel 105 EG-Vertrag nicht gegeben ist. 3 Heine, M., Herr, H. (2003), S. 269 4 Vgl. Clement, R., Terlau, W. (1998), S. 109 5 Der Koeffizient k ist nicht mit dem Kassenhaltungskoeffizienten k bzw. dem „Cambridge-k“ zu ver-wechseln. Das „Cambridge-k“ beschreibt den reziproken Wert der Umlaufgeschwindigkeit des Geldes. Der Koeffizient k bildet hingegen den Quotient aus BIP und Geldmenge ab. 6 Vgl. Allen, F., Gale, D. (2007), S. 237f


22

6. Entwicklung des SrF-Index

6.1. Zweck und Aussage des SrF-Index Der SrF-Index soll folgende zwei Aspekte bei der Krisenerkennung berücksichtigen. Der ers-te Aspekt beinhaltet die Berechnung der Krisenwahrscheinlichkeit. Der errechnete SrF-Indexwert soll anzeigen, in welchem Punkt auf der Trendlinie, also in welchem Stadium der Krise, sich die Volkswirtschaft befindet. Der zweite Aspekt berücksichtigt die Einbindung der analysierten Volkswirtschaften in die globalisierte Welt. Es soll gezeigt werden, ob sich die Krise eines Landes auf andere Länder auswirken kann. Für die nachfolgende Datenerhebung müssen Faktoren wie die Einheitlichkeit der ausge-wählten Indikatoren und die Einheitlichkeit der Intervalle beachtet werden. Um einer empi-risch korrekten Datenbasis gerecht zu werden, muss diese definiert und einheitlich aufgebaut werden. Damit die Funktionsfähigkeit des entwickelten SrF-Index nachweisbar gemacht wer-den kann, wurden die Daten für Japan, USA und Thailand erhoben. Diese Länder stehen für die in Gliederungspunkt 2 beschriebenen Krisen. Die Japan Krise, die Dotcom-Blase und die aktuelle Finanzmarktkrise stehen hierbei exemplarisch für Krisen, deren Ursachen haupt-sächlich in der Entstehung von Spekulationsblasen zu sehen sind und deren realwirtschaftli-che Entwicklung zur Krise beigetragen hat. Um eine wissenschaftlich fundierte Aussage treffen zu können, wird deshalb die Datenbasis in ihrem Aufbau und Inhalt in den nachstehenden Gliederungspunkten näher erläutert.

6.2. Definition und Aufbau der Datenbasis Die entstandene Datenbasis besteht aus folgenden Indikatoren:

• Aktienindex • Immobilienindex • Verschuldungsgrad • Leitzins • Inflationsrate • Bruttoinlandsprodukt • Geldmenge M2

Für die folgenden Bearbeitungsschritte ist eine einheitliche Datenbasis von elementarer Be-deutung. Durch eine uniformierte Datenbasis ist der Index nicht nur national, sondern auch international anwendbar. Dieser Mehrwert ermöglicht neben der Beurteilung der eigenen Situation auch eine Beurteilung der Situation anderer Länder.1 Bei der Zeitreihenerhebung werden zeitpunkt-bezogene Daten erhoben. Das Merkmal dieser Daten ist die Beschreibung eines Zustandes. Dieser ist zeitstetig definiert und wird punktuell gemessen.2 Ein weiterer Entscheidungspunkt ist die Wahl des Zeitabstandes. In dieser Ar-beit wurden, soweit möglich, Quartalsdaten für alle Indikatoren gesammelt.3 Wünschenswert wären tägliche oder monatliche Daten gewesen. Allerdings stehen nur wenige Daten in die-ser Form zur Verfügung, so dass auf Quartalswerte zurückgegriffen werden musste. Diese sind vor dem Ziel des Index, nicht einen taggenauen Eskalationszeitpunkt, sondern einen 1 Die Relevanz der internationalen Verwendungsmöglichkeit in Gliederungspunkt 6.6. erörtert. 2 Vgl. Rinne, H., Specht, K. (2002), S. 44 3 Eine quartalsweise Datenerhebung ist für die Immobilienwerte Japans nur jährlich möglich. Vgl. An-lage 1


23

Wert zu bestimmen, durch den sichtbar wird, in welcher Phase des Boom-Bust-Modells man sich zum aktuellen Zeitpunkt befindet, ausreichend. Für jeden Indikator werden originäre Daten erhoben. Das heißt, dass diese erhobenen Daten absolute Daten darstellen. So entsteht eine diskrete Zeitreihe, welche es ermöglicht, eine einheitliche Erfassung zu gewährleisten. Um die Einheitlichkeit der Daten auch im internationalen Bereich zu gewährleisten, wird auf folgende Quellen zurückgegriffen:

• IMF International Financial Statistics Online • Bloomberg L.P. • www.standardandpoors.com • finance.yahoo.com • www.set.or.th

Die Datenerhebung der einzelnen Indikatoren wird im Folgenden separat dargestellt. Aktienindex Der Indikator Aktienindex A soll ein repräsentatives Bild des Aktienmarktes in einem Land c darstellen. Deshalb wurden für Japan der NIKKEI, für die USA der Dow Jones und für Thai-land der SET1 als Referenzindex herangezogen. Da Quartalsdaten erhoben wurden, wird für die Länder Japan und USA der erste Tag des Quartals als Quartalswert zugrunde gelegt. Die Quartalsdaten des SET Index beinhalten die durchschnittlichen Monatswerte, welche auf ein Quartal normiert wurden. Der Wert aller Daten entspricht den Punkten des Aktienindex im erfassten Zeitraum. Für Japan beginnt der Erhebungszeitraum im zweiten Quartal des Jahres 1960 und endet im ersten Quartal 2008.2 Für die USA konnte eine durchgängige Datenbasis ab dem ersten Quartal 1960 bis zum ersten Quartal 2008 erstellt werden.3 Für Thailand hingegen beginnt die Datenerhebung im zweiten Quartal 1975 und endet im ersten Quartal 2008.4 Immobilienindex Bei der Erhebung des Immobilienindex wurde bei der Auswahl auf Indikatoren zurückgegrif-fen, die die Situation der Immobilienpreise adäquat widerspiegeln. Für Japan ist es der Land Price 3 Cities Index, für die USA ist es der Case-Shiller-Index und für Thailand werden die Daten des Housing Price Land Index erhoben. Die Datenbasis für Japan besteht aus den Jahreswerten von 1975 bis 2008.5 Die gesammel-ten Daten für die USA erstrecken sich vom ersten Quartal 1987 bis zum ersten Quartal 2008.6 Für Thailand waren Quartalsdaten zwischen dem ersten Quartal 1991 und dem drit-ten Quartal 2007 verfügbar.7

1 Stock Exchange of Thailand 2 Vgl. Anlage 1 3 Vgl. Anlage 2 4 Vgl. Anlage 3 5 Vgl. Anlage 1 6 Vgl. Anlage 2 7 Vgl. Anlage 3


24

Verschuldung Unter diesem Parameter wird die Verschuldung des privaten Sektors subsumiert. Die zur Krisenfrüherkennung erforderlichen Daten konnten für Japan1, USA2 und Thailand3 zwischen dem ersten Quartal 1960 und dem ersten Quartal 2008 lückenlos ermittelt werden. Bruttoinlandsprodukt Das Bruttoinlandsprodukt, welches einen Bestandteil der modifizierten Fisherschen Quanti-tätsgleichung repräsentiert, wurde ebenfalls gesammelt. Für Japan4 und die USA5 konnten durchgängige Werte für den Zeitraum zwischen dem ersten Quartal 1960 und dem ersten Quartal 2008 erhoben werden. Für Thailand6 war eine Datenerhebung ab dem ersten Quar-tal 1993 bis zum ersten Quartal 2008 möglich. Geldmenge M2 Der zweite Bestandteil der Fisherschen Quantitätsgleichung, die Geldmenge M2 konnte für Japan7 ab dem ersten Quartal 1967 bis zum ersten Quartal 2008 recherchiert werden. Be-züglich der USA8 wurden die Daten für den Zeitraum ab dem ersten Quartal 1960 bis zum ersten Quartal 2008 erhoben. Die Datenbasis für Thailand9 erstreckt sich vom vierten Quartal 1975 bis zum vierten Quartal 2006. Leitzins Ein Element der Fisher-Effekt ist der Leitzins. Dieser Zinssatz entspricht dem nominalen Zinssatz. Sowohl für Japan10, als auch für die USA11 konnten Daten zwischen dem ersten Quartal 1960 bis zum ersten Quartal 2008 ermittelt werden. Die Datenbasis für Thailand12 beinhaltet die Werte ab dem ersten Quartal 1977 und endet im ersten Quartal 2008. Inflationsrate Als letzten Indikator wurde die Inflationsrate gesammelt. Auch hier konnten für Japan13 und die USA14 alle Werte für den Zeitraum zwischen dem ersten Quartal 1960 bis zum ersten Quartal 2008 recherchiert werden. Die Datenbasis von Thailand15 wird durch die Daten ab dem ersten Quartal 1965 bis zum ersten Quartal 2008 vervollständigt.

1 Vgl. Anlage 1 2 Vgl. Anlage 2 3 Vgl. Anlage 3 4 Vgl. Anlage 1 5 Vgl. Anlage 2 6 Vgl. Anlage 3 7 Vgl. Anlage 1 8 Vgl. Anlage 2 9 Vgl. Anlage 3 10 Vgl. Anlage 1 11 Vgl. Anlage 2 12 Vgl. Anlage 3 13 Vgl. Anlage 1 14 Vgl. Anlage 2 15 Vgl. Anlage 3


25

Nach der Erhebung der Datenbasis der betrachteten Länder erfolgt eine Datenanalyse, so-wie die Vorbereitung dieser Werte für die Berechnung des SrF-Index.

6.3. Datenanalyse und Berechnungsvorbereitung In diesem Gliederungspunkt wird dargestellt, in welcher Form die erhobenen Daten in die Indexberechnung implementiert werden. Dafür wurden die Daten in die Kategorien eigen-ständigen Parameter und in die Kategorie kombinierte Parameter eingeteilt. Welche Parame-ter unter welcher Kategorie subsumiert werden, verdeutlicht die Abbildung 4.

6.3.1. Eigenständige Parameter In der Statistik gibt es viele Varianten, Daten zu modellieren. Eine Möglichkeit besteht darin, eine bestehende Datenreihe, die Input–Reihe, durch den Einsatz von Operatoren zu einer neuen Datenreihe, die Output–Datenreihe, zu modellieren. Diese Vorgehensweise nennt man Filtration.1 Neben Analyse- und Glättungsfiltern existieren verschiedene lineare und nichtlineare Filter. Ein nichtlinearer Filter besitzt die Wirkung eines Differenzenfilters.2 Er wird nach folgender Formel berechnet:

Diese Art der Filtration bilden die Wachstumsraten. Die neue Datenreihe zum Zeitpunkt t wird durch die Division von der Input-Datenreihe zum Zeitpunkt t und der gegebenen Da-tenreihe zum Zeitpunkt berechnet. Die Bedeutung dieser Filtration wird anhand des Beispiels Aktienindex3 in den USA illustriert.4 Diese Illustration erfolgt in Abbildung 6. Diese Darstellung zeigt eine Häufigkeitsverteilung der absoluten Werte, sprich der Häufigkeit nach Niveau und die Häufigkeitsverteilung der Veränderungsraten zum Vorquartal, sprich der Häufigkeit der Veränderung. Hierfür wurde die Differenz zwischen den Extremwerten, sowohl der absoluten Zahlen als auch der Veränderungsraten in Dezile unterteilt. Danach wurden jeweils die Häufigkeiten der vorhandenen Werte pro Abschnitt berechnet. Die Graphik ver-deutlicht die Verteilung der einzelnen Werte pro Abschnitt. Die dargestellte Häufigkeit , also Häufigkeitsniveau, repräsentiert die Verteilung der absoluten Werte des Dow Jones. Die Häufigkeit ∆ , also Häufigkeit Veränderung spiegelt die Verteilung der Veränderungsraten pro Quartal wider. 1 Vgl. Rinne, H., Specht, K. (2002), S. 110 2 Differenzenfilter sind typische Hochpassfilter, vgl. Rinne, H., Specht, K. (2002), S. 109 3 Diese Art der Berechnung ist identisch für die Indikatoren Immobilienindex und Verschuldung 4 Grundlage sind die erhobenen Daten des Dow Jones vom ersten Quartal 1960 bis zum ersten Quar-tal 2008. Der Aktienindex zum Zeitpunkt t repräsentiert die Input–Datenreihe, symbolisiert die Output–Datenreihe zum Zeitpunkt t. bezeichnet jeweils das Quartal vor der Betrachtung zum Zeitpunkt t. ; Im zweiten Schritt werden die Zeitreihen nach der Größe aufsteigend ge-ordnet. Für die entstandenen geordneten Datenreihen Aktienindex nach absoluten Zahlen und Aktienindex nach Veränderung , wobei h den Rang darstellt, werden die jeweiligen Spannweiten

bzw. berechnet. Der Rang h erstreckt sich von 1 bis j, wobei j den höchsten Rang dar-stellt. Diese Spannweite wird dann in zehn gleichgroße Abschnitte unterteilt, um danach die Häufigkeit pro Abschnitt zu ermitteln, wobei die Klassenbreite und nach dieser Formel berechnet wer-den: mit h = 1, 2, … ,j und ; mit h = 1, 2,… ,j und

; Die Häufigkeit pro Abschnitt wird ermittelt durch das Abzählen der Merkmale einer Klassenbreite.


26

Abbildung 6 - Häufigkeitsverteilung Dow Jones1

Die einzelnen Häufigkeitsverteilungen sagen aus, dass die Häufigkeitsverteilung von aus dem Wachstum des Aktienindex A abzuleiten ist. Der Verlauf der Häufigkeitsverteilung von ∆ zeigt die 68–95–99,7–Regel der Normalverteilung2, wobei der Modus den Mittelwert er-setzt. Dieser Nutzen der Normalverteilung ist im Gliederungspunkt 6.4. von zentraler Bedeu-tung. Aus dem beschrieben Nutzen wird für die Parameter Aktienindex, Immobilienindex und Ver-schuldung eine Filtration nichtlinearer Daten analog durchgeführt.

6.3.2. Kombinierte Parameter Nachdem die eigenständigen Parameter vorbereitet wurden, werden nun die Parameter mit Wechselwirkung für die Indexberechnung approximiert. In diesem Abschnitt wird auf eine Modellierung im Rahmen statistischer Vorgehensweisen verzichtet. Grund hierfür ist die Analyse der im Gliederungspunkt 5.2.2. beschriebenen öko-nomischen Wechselwirkungen. Zuerst werden die Indikatoren Inflation p und Zins i nach dem Fisher-Effekt konstruiert. Wie dort beschrieben, besteht ein Zusammenhang zwischen der Zinsveränderung ∆i und der Inflationsratenveränderung ∆p zum Zeitpunkt t. Dieses Argument verlangt deshalb zuerst eine Berechnung der prozentualen Veränderungsrate vom Leitzins i zum Zeitpunkt t und der Inflation p zum Zeitpunkt t. Dieser Vorgang wird durch diese Formel mathematisch beschrie-ben:

1 Eigene Darstellung 2 68% der Beobachtungen liegen im Intervall, welches durch die Summe von Mittelwert (x-Achsenwert des Maximums) und Standardabweichung gekennzeichnet ist, 95% der Beobachtungen liegen im Intervall, welches durch die Summe von Mittelwert (x-Achsenwert des Maximums) und doppelter Standardabweichung gekennzeichnet ist und 99,7% der Beobachtungen liegen im Intervall, welches durch die Summe von Mittelwert (x-Achsenwert des Maximums) und dreifacher Standardabweichung gekennzeichnet ist. Vgl. Fahrmeier, L., Künstler, R., Pigeot, I. et al. (2004), S. 93


27

und

Nach dem die Veränderungsraten zum Vorquartal für den Zins zum Zeitpunkt und die Inflation p zum Zeitpunkt berechnet wurden, folgt die Berechnung des ökonomischen Zusammenhangs. Zur Berechnung von Beziehungen dient der ifo-Geschäftsklimaindex als Muster.1 Der ifo-Geschäftsklimaindex zeigt, dass nur ein Aggregat aus Geschäftslage und Geschäftserwar-tung das konjunkturelle Klima widerspiegeln kann.2 Dieses Aggregat besteht für die Berech-nung dieses SrF-Index, unter Berücksichtigung des Fisher-Effekts aus der Zinsveränderung ∆i und der Veränderung der Inflationsrate ∆p. Die Beziehung zwischen diesen beiden Kom-ponenten wird im Folgenden mit dem Koeffizienten q abgekürzt.

Dieser Koeffizient wird in die Berechnung des Index impliziert. Dieser Faktor gibt die ökono-mische Aussage des Fisher-Effekts wieder. Weitere kombinierte Parameter sind die Indikatoren Geldmenge M2 M und das Bruttoin-landsprodukt Y. Der Zusammenhang dieser zwei Indikatoren wurde im Gliederungspunkt 5.2.2. erläutert. Wie bereits beschrieben, muss durch eine mathematische Berechnungsme-thode ein Zusammenhang zwischen diesen beiden Indikatoren approximiert werden. Des-halb wird genau, wie beim Koeffizienten q die Wechselwirkung nach dem Schema des ifo-Geschäftsklimaindex entwickelt.

Der Koeffizient stellt den Zusammenhang zwischen den Indikatoren Geldmenge M2 und Bruttoinlandsprodukt dar. Dieser Koeffizient k zum Zeitpunkt geht in dieser Form in die Berechnung des Index ein.

1 Ifo-Geschäftsklimaindex = Bei dieser Index-Berechnung werden die Ge-schäftsklimaberechnungen zum aktuellen Zeitpunkt mit den Berechnungen zu einem Basisjahr vergli-chen. Grundlage für die Berechnung des Geschäftsklimas sind Befragungen von etwa 7.000 Unter-nehmen. In diesen Umfragen werden Geschäftserwartung und aktuelle Geschäftslage abgefragt. Das Geschäftsklima berechnet sich dann aus dem geometrischen Mittel der Faktoren Geschäftslage zu-züglich 200 und der Geschäftserwartung zuzüglich 200. Geschäftsklima =

. Vgl. Abberger, K., Nierhaus, W. (2007), S. 25f und www.ifo.de/ sowie Monatsbericht Deutsche Bundesbank April 1999, S. 47ff 2 Vgl. Abberger, K., Nierhaus, W. (2007), S. 30


28

6.4. Indexberechnung

6.4.1. Schritt 1: Merkmale der einzelnen Parameter Es gibt viele Varianten einen Index zu berechnen. Eine mathematische Methode ist die Be-rechnung des Stress-Indikators1. Der Stress-Indikator und dessen Berechnungsmethoden werden in einigen Punkten kritisiert. Diese Kritik ist für die folgende Index-Berechnungsmethode zu berücksichtigen. Der Hauptkritikpunkt von Wolfgang Franz, aus seinem Koreferat zur Arbeit von Wollmershäuser und Flaig ist die Referenzbasis des „opti-malen“ Zinssatzes bzw. der „optimalen“ Geldpolitik bezüglich der Verwendung der Taylor-Regel.2 Die Taylor-Regel besteht aus der Differenz eines aktuellen Faktors zu einem Re-ferenzfaktor . Hier kurz am Beispiel des Stress-Indikators dargestellt:

Der aktuelle Faktor ist hier der Zinssatz im Land zum Zeitpunkt und der Referenzzins-satz im Land . Franz kritisiert die Annahme, dass ein Land vor dem Beitritt zur Währungsunion eine „opti-male“ Geldpolitik betrieben hätte. Aufgrund dieser Kritik ist es von Bedeutung, den Referenz-faktor exakt zu bestimmen. Bei der Festsetzung dieses Faktors ist wichtig, sowenig freiwähl-bare Variable wie möglich zu verwenden. Zur Entwicklung eines geeigneten Referenzfaktors dient der „Value at Risk“ Ansatz3. Zur besseren Veranschaulichung wird die Bedeutung und Verwendung wieder am Beispiel des amerikanischen Aktienindex Dow Jones visualisiert. Im ersten Schritt wird die geordnete Output-Datenreihe ∆ t über den gesamten Erhebungs-zeitraum in einem Säulendiagramm dargestellt.

1 Der erste Stress-Indikator wurde nach Clarida et al. (1998) zur Analyse der Gründe der Krise von 1992/1993 des European Monetary Systems aufgestellt. Im Buch „Dynamik internationaler Märkte“, von Wolfgang Franz, Hans Jürgen Ramser, Manfred Stadler (Mohr/Siebeck Verlag), S. 15ff wird der Stress-Indikator für die Europäische Währungsunion und ihre Mitgliedsstatten berechnet. Im Zuge dessen wird „Stress“ von Wollmershäuser und Flaig wie folgt definiert: „Stress“ liegt in einem monetä-ren System dann vor, wenn die Zentralbank nicht in der Lage ist, ihre politischen Instrumente „optimal“ einzusetzen. Der Ansatzpunkt zur Berechnung ist die Taylor-Regel mit dem „optimalen“ Zins der wie folgt berechnet wird . Der von John Taylor entwickelte Zins, setzt den kurzfristigen Zinssatz in Abhängigkeit von der laufenden Inflations- und Konjunkturentwicklung (vgl. Monatsbericht der Deutschen Bundesbank vom April 1999, S. 47ff oder Heine, M., Herr, H. (2003), S. 530ff). Der „optimale Zins bzw. die „optimale“ Geldpolitik ist nach Woll-mershäuser und Flaig die Politik, die eine Zentralbank vor Eintritt in die Europäische Währungsunion verfolgt und seit ihrer Einrichtung betrieben hätte. Die Taylor-Regel besteht aus der Differenz des aktuellen Zinssatzes und dem errechneten „optimalen“ Zinssatz. 2 Vgl. Franz, W., Ramser, J., Stadler, M. (2007), S. 41 3 “In its most general form, the VAR measures the potential loss in value of risky asset or portfolio over a defined period for a given confidence interval. Vgl. Strategic risk taking: a framework for risk man-agement…Although any entity can use VAR to measure its risk exposure, it is used most often by commercial and investment banks to capture the potential loss in value of their traded portfolios from adverse market movements over a specified period.” Damodaran, A. (2008), S. 201f


29

Abbildung 7 - Value at Risk Dow Jones1

Genau wie bei der Berechnung des „Value at Risk“, werden nun Grenzen manifestiert. Da-durch wird der Referenzfaktor in einen Faktor mit dem Charakter eines Referenzkorridors umgewandelt. Diese Festlegung der Grenzen erfolgt nach dem Prinzip der Quantilsberech-nung2. Die für diese Berechnung verwendeten Quantile sind definiert als und . Die-se, im folgenden Quartile genannt, halbieren die über bzw. die unter dem Median liegenden Datenhälften.

und Die Summe aus der Anzahl der geordneten Datenerhebungen ist dargestellt durch , wobei den einzelnen Rang darstellt und den Datenerhebungspunkt an letzter Stelle rep-räsentiert. Nach der Berechnung des Ranges kann der - Wert abgelesen werden. Diese Berechnung erfolgt immer für das aktuelle Quartal t wobei der Rang mit der ersten geordneten Datenerhebung beginnt und den aktuellen letzten geordneten Datenpunkt rep-räsentiert. Einen Interquartilsabstand in Form eines Box-Plots wird durch die Grenzpunkte

und konstruiert.3 Der Wert gibt das Minimum an und der Wert gibt das Maximum an. Der Interquartilsabstand beinhaltet die Werte, für die während dem Beobach-tungszeitraum, sowohl 25% größere Daten und 25% kleinere Daten vorhanden sind. Durch die Betrachtung eines nicht fiktiv gewählten Zeitraumes gelingt es, eine Definition des „opti-malen“ Zinses bzw. der „optimalen“ Geldpolitik zu vermeiden. Weiter ermöglicht diese Klassifizierung nun für die Indikatoren Aktienindex, Immobilienindex und Verschuldung sowie die kombinierten Parametern also Bruttoinlandsprodukt, Geldmen-ge M2, Inflationsrate und Leitzinsniveau die Daten zu filtern, die über bzw. unter dem Maxi- 1 Eigene Darstellung 2 Vgl. Fahrmeier, L., Künstler, R., Pigeot, I. et al. (2004), S. 64f 3 Vgl. Fahrmeier, L., Künstler, R., Pigeot, I. et al. (2004), S. 66f


30

mum bzw. Minimum liegen. Aus diesem Grund werden für die vorbereiteten Daten jeweils das Minimum und das Maximum berechnet. Konkret bedeutet dies für das unter-suchte Land, dass folgende Extrempunkte unter Berücksichtigung der erhobenen histori-schen Datenbasis berechnet werden: Für den Aktienindex zum Zeitpunkt t wird anhand der Aktienindexveränderung zum Zeitpunkt t das Maximum und das Minimum zum Zeitpunkt t bestimmt. Für den Immobilienindex zum Zeitpunkt t wird anhand der Immobilienpreisveränderung ∆ zum Zeitpunkt t das Maximum und das Minimum zum Zeitpunkt t bestimmt. Für die Verschuldung zum Zeitpunkt t wird anhand der Verschuldungsveränderung ∆ zum Zeitpunkt t das Maximum und das Minimum zum Zeitpunkt t bestimmt. Für den Koeffizienten zum Zeitpunkt t wird das Maximum und das Minimum zum Zeitpunkt t bestimmt. Für den Koeffizienten zum Zeitpunkt t wird das Maximum und das Minimum zum Zeitpunkt t bestimmt. Diese kalkulierten Extrempunkte dienen im nächsten Schritt dazu, eine mögliche Über- bzw. Unterschreitung zu identifizieren. Durch diese Art eine Spannweite zu bestimmen wird, wie beschrieben, die Berechnung eines „optimalen“ Zinses1 vermieden. Je größer die vorhande-ne Datenbasis ist, desto größer ist die Aussagekraft der berechneten Extrema. Ebenso wird vermieden, einen bestimmten Zeitraum festzulegen, der durch eine „optimale“ Geldpolitik klassifiziert werden kann. Zur besseren Identifikation einer Über- bzw. einer Unterschreitung wird das erste Ampelsys-tem, die „Indikatorampel“ eingeführt. Das bedeutet, dass Überschreitungen und Unterschreitungen wie folgt definiert sind:

falls zum Zeitpunkt der Berechnung für den jeweili-gen Indikator eine Über- bzw. Unterschreitung vor-liegt

falls zum Zeitpunkt der Erhebung für den jeweiligen Indikator keine Über- bzw. Unterschreitung vorliegt, aber eine Über- bzw. Unterschreitung im Zeitpunkt davor t-1 vorgelegen hat

falls sowohl zum Zeitpunkt der Berechnung für den jeweiligen Indikator keine Über- bzw. Unterschrei-tung vorgelegen hat, als auch für den Zeitraum t-1

Abbildung 8 - Indikatorampel2

Für den in Schritt 2 folgenden Rechenvorgang werden die Merkmale MK wie folgt normiert:

• Rot mit dem Wert 3 • Gelb mit dem Wert 2 • Grün mit dem Wert 1

1 Vgl. Franz, W., Ramser, J., Stadler, M. (2007), S. 41 2 Eigene Darstellung


31

6.4.2. Schritt 2: Gewichten und approximieren der Parameter In diesem Schritt werden die bisher separat modellierten Parameter in einen Kontext ge-bracht. Dadurch kann wiederum den Mehrwert, wie beim ifo-Geschäftsklimaindex generiert werden. Um dies zu erreichen, wird auf die in Gliederungspunkt 5.1. beschriebene Studie des International Monetary Fund von Kaminski, Lizondo und Reinhart zurückgegriffen. Diese haben die Indikatoren auf ihre Aussagekraft hin gewichtet.1 Diese Gewichtung drückt das Verhältnis der richtigen Signale zu allen Krisenprognosen aus.2 Für die erhobene Datenbasis wird diese Gewichtung in nachstehender Tabelle erläutert.

Indikator IMF Parameter Gewichtung3 v Aktienindex 17

Stock prices Immobilienindex 17 Domestic Credit/GDP Verschuldung 14

Output M2 Multiplier

Quantitäts-Koeffizient Ø18

Real interest differential Fisher-Regel-Koeffizient 15

Abbildung 9 - Gewichtung der Parameter4

Zur besseren Kalibrierung wird für die folgenden Rechenschritte statt dem Prozentwert der absolute Wert verwendet. Für die Gewichtung werden nun die normierten Merkmale MK der entwickelten Parameter mit den von Kaminski, Lizondo und Reinhart bestimmten Werten multipliziert. Das Ergebnis ist ein Gewichtungsparameter G für die Merkmalsausprägung MK der einzelnen Indikatoren zu dem Zeitpunkt t. Diese sind im Folgenden dargestellt.

Die Gewichtung des Parameters Aktienindex wir durch die Multiplikation des Faktors mit dem Wert „17“ konstruiert. Diese Berechnung erfolgt für die anderen Parameter analog:

Auf diese Weise wird ein Wert für den aktuellen Datenerhebungszeitpunkt bestimmt. Eine Normierung dieses Wertes erfolgt im nächsten Schritt.

1 Vgl. Abbildung 3, Spalte 7 2 Vgl. Kaminsky, G., Lizondo, S, Reinhart, C. (1997), S. 37 3 Vgl. Gewichtung der einzelnen Faktoren des IMF Working Paper, Abbildung 3, Spalte 7 4 Eigene Darstellung


32

6.4.3. Schritt 3: Normierung In diesem Bearbeitungsschritt erfolgt eine Normierung der Gewichtungsparameter G auf ei-nen Wert zwischen 0 und 1. Diese Kennzahl entspricht dem SrF-Index. Um eine derartige Normierung zu erreichen werden zuerst die zwei adaptierbaren Szenarien berechnet. Szenario Eins: Worst-Case Die Annahme dieses Szenarios ist der Worst-Case. Das bedeutet, dass alle „Indikatoram-peln“ auf „Rot“ stehen. Für die Berechnung folgt also:

und

Szenario Zwei: Best-Case Dieses Szenario folgt der Hypothese, dass alle „Indikatorampeln“ auf „Grün“ stehen. Konkret bedeutet das, dass der Indikator zum Zeitpunkt t weder das Minimum unterschreitet, noch über dem Maximum liegt. Das zweite Szenario subsumiert folgende Variablen:

und

Die Differenz aus Szenario Eins und Szenario Zwei ergibt die Szenarien-Spannweite .

Diese Szenarien-Spannweite entspricht dem Wert 1 der Normierung. Der Wert 0 hin-gegen entspricht dem Szenario Zwei . Der SrF-Index zum Zeitpunkt t entspricht dann dem Prozentsatz aus dem Verhältnis der Summe der Gewichtungsparameter G zum Zeit-punkt t und der Differenz aus der Szenario-Spannweite und dem Best-Case-Szenario

.

Für eine Interpretation des SrF-Indexwertes werden im folgenden Gliederungspunkt drei Perspektiven präsentiert.


33

6.5. Interpretation und Darstellung des SrF-Index Nach der Berechnung des SrF-Index zum Zeitpunkt t ist es entscheidend, diese zu interpre-tieren. Dafür wird dem Wert eine spezielle Eigenschaft zugewiesen. Diese Verifizierung wird aus drei unterschiedlichen Perspektiven betrachtet. Perspektive Eins: Die berechnete Kennziffer hat die Attribute eines Minimalwertes, nämlich 0 von Hundert und eines Maximalwertes 100 von Hundert. Daraus lässt sich schließen, dass je höher die Kenn-ziffer SrF-Index zum Zeitpunkt t ist, desto stärker ist das Aggregat der einzelnen Merkmale

zum Zeitpunkt t ausgeprägt. Konkret bedeutet das, dass je höher die Kennzahl ist, desto mehr Indikatoren liegen zum Zeitpunkt t über bzw. unter dem Maximum bzw. dem Mi-nimum . Diese Ausschläge sind als Warnsignal zu verstehen. Perspektive Zwei: Neben der reinen Kennzahl wird ein Symbol zur Visualisierung hinzugefügt. Der Charakter eines Warnsignals wird wiederum durch eine Ampel erzeugt. Diese Ampel wird im Folgen-den „Index-Ampel“ genannt. Da im Gliederungspunkt 6.4.1. die Merkmale mit 3, 2 und 1 normiert wurden, wird dieses Verhältnis egalisiert. Dies wird durch eine Gewichtung erreicht für die das Merkmal „Grün“ dreimal so groß ist wie das Merkmal „Rot“ und das Merkmal „Gelb“ zweimal so groß ist wie das Merkmal „Rot“. Daraus entsteht eine Klassifizierung die in der nachstehenden Graphik verdeutlicht wird.

bei einem SrF-Index Wert von größer gleich 83,33

bei einem SrF-Index Wert zwischen 50 und 83,33

bei einem SrF-Index Wert unter 50

Abbildung 10 - Index-Ampel1

Perspektive Drei: Im dritten Ansatz werden die Daten des SrF-Index vom Zeitpunkt t=0 bis zum aktuellen Da-tenerhebungszeitpunkt t durch eine Trendlinie T geglättet. Die Berechnung der Trendlinie

1 Eigene Darstellung


34

erfolgt über die Polynominterpolation.1 Der hier gewählte 6te-Grad des Interpolationspoli-noms entspricht der Ordnung der Interpolation.2 Die Ordnung gibt an wie viele Krümmungen, also Hoch- und Tiefpunkte auf der gekrümmten Linie angezeigt werden. Die nachstehende Formel beschreibt dies. entspricht einem Wert der y-Achse, entspricht dem Wert der x-Achse, und bis sind Konstante.

Die exakte Berechnung der Konstanten b und a erfolgt zweckmäßigerweise über die Auftei-lung des Interpolationsintervalls in Teilintervalle, um dann zur Spline-Interpolation überzuge-hen. Bei dieser Technik wird die Linienkonstruktion mit mehreren im Raum verteilten Stütz-stellen versehen.3 Eine weiche Verformung der Linie wird durch das Verrücken der Stützstel-len erreicht. Das Ergebnis ist eine Trendlinie, die keinerlei Kanten oder Ecken aufweist. Anhand dieser Trendlinie ist nun zu erkennen in welcher Phase des Boom-Bust-Modells sich das beobachtete Land c zum aktuellen Zeitpunkt t befindet. Befindet sich ein Land c in der in Gliederungspunkt 5.1. beschriebenen vierten Phase, so ist bekannt, dass diese Phase durch den „Moment der Wahrheit“4 beendet wird. Da dieser „Moment der Wahrheit“ auch durch exogene Effekte hervorgerufen wird und nicht berechnet werden kann, genügt es zu wissen, dass man sich derzeit in der vierten Phase befindet. Dieses Bewusstsein sollte erkennen lassen, dass Krisensymptome schon vorhanden sind.

6.6. Globalisierung Eine Erweiterung der Aussagekraft des SrF-Index findet durch die Berücksichtigung des Of-fenheitsgrades und des Anteils am Weltbruttoinlandsprodukt einer Volkswirtschaft statt. Die-se Betrachtungsweise ist eine zusätzliche Information zu den Werten des SrF-Index und geht nicht in dessen Berechnung ein. Die Bedeutung der Globalisierung wird somit berück-sichtigt. Warum die Globalisierung von Bedeutung ist, wird anhand des klassischen Übertragungs-mechanismus internationaler Handel verdeutlicht.5 Ob Krisen in anderen Ländern Auswir-kungen auf die eigene Volkswirtschaft bzw. ob Krisen im eigenen Land Auswirkungen auf andere Volkswirtschaften haben, wird anhand des internationalen Handels mit nachstehen-der Graphik verdeutlicht. Auf der linken Seite wird eine Situation dargestellt die vorherrscht, wenn kein Land durch eine Krise beeinflusst wird. Auf der rechten Seite werden die zwei Störeffekte, die bei Eintritt einer Krise in einem Land entstehen dargestellt. Durch den Eintrittsfall einer Krise im Land 1 verringert diese die Importe, die Nachfrage nach Gütern aus dem Ausland sinkt. Das wieder-um hat zur Folge, dass das Wachstum des Bruttoinlandsprodukts des noch krisenfreien Lan-des 2, wenn keine anderen Exportmöglichkeiten bestehen, durch den fehlenden Export ge-mindert wird. Der zweite Störfaktor ist die Wirkung von außen auf ein noch krisenfreies Land.

1 „Die Grundaufgabe der Interpolation besteht darin, durch eine Reihe von Punkten ( (v=0, 1, …, n) eine geeignete Kurve hindurch zulegen. Graphisch geschieht das mit Hilfe eines Kurvenlineals, rechnerisch mit Hilfe einer Funktion g(x), die an den Stellen , den sogenannten Stützstellen, die gegebenen Werte als Funktionswerte annimmt, d.h., g(x) erfüllt die Interpolationsbedingung g( )= (v=0, 1, 2, …,n)“ Semdjajew, K. A., Bronstein, I.N.,Musiol, G. et al. (2001), S. 941 2 Vgl. Semdjajew, K. A., Bronstein, I.N., Musiol, G. et al. (2001), S. 941 3 Vgl. Semdjajew, K. A., Bronstein, I.N., Musiol, G et al. (2001), S. 955ff 4 Soros, G. (2008), S. 81 5 Weitere Übertragungsmechanismen sind die Verbriefung von Krediten (Vgl. Bloss, M., Ernst, D., Häcker, J., et al. (2009), S. 19), oder die modernen Übertragungsmechanismen wie ausländische Direktinvestitionen, Wirtschaftsklima und Finanzmärkte (vgl. Bundesministerium für Wirtschaft und Arbeit, Wirtschaftsanalyse Nr.1, (2002), S. 1)


35

Die sinkenden Exporte des Landes 2 können sich negativ auf die Konjunktur auswirken. Eine Folge kann die Minderung von Importen sein. Diese zwei Störeffekte veranschaulichen die Problematik, die durch internationalen Handel entstehen kann. Diese Störeffekte wirken sich besonders auf Länder mit einem hohen Anteil an Importen und Exporten am Bruttoinlandsprodukt aus. Genauso wichtig ist es zu wissen, wie groß der Anteil eines Krisenlandes am Weltbruttoinlandsprodukt ist. Handelsbeziehun-gen zu diesen Ländern können negative Auswirkungen auf Importe und Exporte verstärken. Aus diesem Grund wird im nächsten Gliederungspunkt eine Graphik erstellt, die die Position eines Landes beschreibt.

Abbildung 11 - Übertragungsmechanismen1

Visualisierung des klassischen Übertragungsmechanismus Bei der Betrachtung der Wirkung des internationalen Handels werden zwei Hauptaspekte genauer untersucht. Zum einen die Auswirkungen des internationalen Handels, die von ei-nem Land selbst ausgehen und zum anderen der Effekt des internationalen Handels, der auf ein Land einwirkt. Zur Demonstration dieser Effekte sind zwei Rechenvorgänge im Voraus durchzuführen. Zu-erst wird das Verhältnis des Bruttoinlandproduktes Y eines Landes c zum Weltbruttoinlands-produkt berechnet. Dafür wurden die Daten der Bruttoinlandsproduktwerte von 185 Ländern für das Jahr 2007 gesammelt.2 Die Summe dieser Daten spiegelt das Weltbruttoin-landsprodukt wider. Die nächste Formel beschreibt die Berechnung des Verhältnisses Φ eines Landes c zum Zeitpunkt t vom Bruttoinlandsprodukt Y eines Landes c zum Zeitpunkt t zum Weltbruttoinlandsprodukt zum Zeitpunkt t.

1 Eigene Darstellung 2 Vgl. Anlage 4


36

Für die Berechnung des Offenheitsgrades1 wurden die Daten nach dem Pareto-Prinzip erho-ben. Das bedeutet, dass für die 12 Länder mit dem größten Bruttoinlandsprodukt, diese rep-räsentieren über 70 Prozent des Weltbruttoinlandsproduktes, die Daten ihrer Importe im und Exporte ex erhoben wurden.2 Für diese Länder wurde dann der Offenheitsgrad Ω nach fol-gender Formel berechnet.

Diese zwei Effekte werden in der nachstehenden Graphik zusammengefasst und erläutert.

Abbildung 12 - Globalisierungseffekt3

Ähnlich dem Beispiel der Boston Consulting Group 1 werden die betrachteten Länder den Quadranten 1-4 zugeordnet. Dies ist auch ein Bestandteil der Portfolio-Analyse der Boston 1 Vgl. O.V., Monatsbericht der Deutschen Bundesbank, (Oktober 2007), S. 16f 2 Vgl. Anlage 5 3 Eigene Darstellung in Anlehnung an v. Oetinger, B. (1993), S. 287


37

Consulting Group.2 Dieser Vorgehensweise folgend wurden 4 Bereiche festgelegt. Diese haben nachstehende Bedeutung: Quadrant 1: Released-Micro-Player Für Länder in diesem Quadrant, ist der internationale Handel von großer Bedeutung. Fallen die Aufträge aus dem Ausland weg oder Importe aus Krisenländern werden nicht mehr mög-lich, sind diese Länder einem hohen Gefahrenpotential ausgesetzt. Liegt ein Land in diesem Bereich, dann muss es die Länder, zu dem es starke internationale Handelsbeziehungen pflegt, auf ihre Krisenwahrscheinlichkeit hin überprüfen. Quadrant 2: Released-Macro-Player Neben der beschriebenen hohen Anfälligkeit aus dem Ausland sind Länder in diesem Quad-rant auch bedeutende Nationen mit hohem Anteil am Weltbruttoinlandsprodukt. Sind diese Länder von einer Krise bedroht, hat dies große Auswirkungen auf Länder mit denen interna-tionale Handelsbeziehungen vorhanden sind. Da diese Auswirkung, Krisen in anderen Län-dern verursachen kann, sind diese Länder im zweiten Schritt nicht mehr nur Ausgangspunkt einer Krise, sondern auch Betroffene von Krisen anderer Nationen. Die globalen Auswirkun-gen sind hier am extremsten. Quadrant 3: Self-contained-Micro-Player Länder in diesem Abschnitt halten weder einen großen Anteil am Weltbruttoinlandsprodukt, noch haben Importe und Exporte einen großen Anteil am eigenen Bruttoinlandsprodukt. Die-se Länder sind im Vergleich zu Ländern der anderen Quadranten nicht so stark vom Über-tragungsmechanismus internationaler Handel betroffen. Tendenziell wirkt sich eine Ver-schlechterung der Situation dieser Länder wenig auf andere Nationen aus. Quadrant 4: Self-contained-Macro-Player In diesem Quadrant sind Nationen, die einen hohen Anteil am Weltbruttoinlandsprodukt ha-ben. Den Übertragungsmechanismus internationaler Handel bekommen diese von außen jedoch wenig zu spüren. Das liegt daran, da der Offenheitsgrad nicht dominant ausgeprägt ist. Diese Länder sind vor allem für Nationen mit hohem Offenheitsgrad von großer Rele-vanz. Diese Einteilung in Quadranten dient dazu, die Lage des eigenen Landes einschätzen zu können. Dabei können zwei Aspekte berücksichtigt werden. Zum einen kann die Gefahr er-kannt werden, die durch starke Handelsbeziehungen zu einem krisengefährdeten Land be-steht, zum anderen können Gefahren, die vom eigenen Land durch einen hohen Anteil am Weltbruttoinlandsprodukt ausgehen, für andere Länder sichtbar gemacht werden.

1 Die Matrix der Boston Consulting Group wird in die Bereiche Stars, Cash-Cows, Problemprodukte und Nachwuchsprodukte untergliedert. Diese Aufteilung ermöglicht die Zuordnung einzelner Daten zu dafür geeigneten Strategien. Vgl. Welge, M., Al-Laham, A. (2008), S. 477 2 Diese Analyse erfolgt nach den Normstrategien die durch die Matrix klassifiziert wurden. Anhand dieser Normstrategien können die einzelnen Datenpunkte nach einem vorgegeben Schema analysiert werden. Vgl. Baum, H.-G., Coenenberg, A., Günther, T. (2007), S. 195


38

6.7. Fazit Der in diesem Gliederungspunkt entwickelte Index bedient sich der positiven Eigenschaften des ifo-Geschäftsklimaindex und profitiert von der Kritik am „Stress-Indikator“. Die positiven Eigenschaften des ifo-Geschäftsklimaindex werden durch ein Aggregat mehrerer Indikatoren in eine Kennziffer umgesetzt. Durch die Verknüpfung dieser Indikatoren ist es möglich ge-worden, makroökonomische Besonderheiten und Wechselbeziehungen zu approximieren. Dennoch muss erwähnt werden, dass es sich bei diesem Indikator nicht um eine „Glaskugel“ handelt. Das Hauptaugenmerk des Indikators liegt auf den Krisenursachen wie Spekulation, Überhitzung und nationaler Geldpolitik. Exogene Effekte oder Währungskrisen wurden nicht berücksichtigt. Für diese Ursachen wird dieser Indikator keine Ausschläge anzeigen. Diese Einschränkung schmälert dennoch nicht die Bedeutung dieses SrF-Index. Als Orientierungs-größe für die betrachteten makroökonomischen Ursachen stellt er einen zuverlässigen Indi-kator dar. Diese Zuverlässigkeit wird im nachfolgenden Gliederungspunkt 7 nachgewiesen.


39

7. Plausibilitätsprüfung In diesem Gliederungspunkt wird der SrF-Index auf seine Funktionalität überprüft. Dies er-folgt anhand der Anwendung an den in Gliederungspunkt 2 betrachteten Krisen. Die Krisen werden zunächst durch eine graphische Darstellung analog des Boom-Bust-Modells nach George Soros abgebildet. Hierbei ist der Trendverlauf der einzelnen Phasen wiederzuerken-nen und zeigt somit, in welcher Phase sich das jeweilige Land befindet. Zusätzlich wird in der zugehörigen Abbildung das Jahr vor der Krise beschrieben. Der SrF-Indexwert, sowie die entsprechende Ampelfarbe und der Trendlinienwert vervollständigen die Abbildung des Kri-senverlaufs.

7.1. Japankrise

Abbildung 13 - SrF-Index Japan1

Quartal/Jahr SrF-Indexwert Trendlinie Q1/1990 52,76 Ca. 63 Q2/1990 72,39 Ca. 64 Q3/1990 51,53 Ca. 65 Q4/1990 69,94 Ca. 66

Abbildung 14 - Krisenwahrscheinlichkeit Japan2

1 Eigene Darstellung 2 Eigene Darstellung


40

Anhand der ausgewerteten Daten wird deutlich, dass eine konstante Krisenbedrohung vor-handen ist. Vergleicht man die Trendlinie mit dem Boom-Bust-Modell so wird deutlich, dass sich Japan im Jahr vor der Krise in der 4. Phase befunden hat. Gleichzeitig ist ein stetiger Aufwärtstrend zu beobachten. Betrachtet man nun das Signal, welches sich nicht erholt, so ist deutlich auf eine Krise hingewiesen.

7.2. Dotcom-Blase und aktuelle Finanzmarktkrise

Abbildung 15 - SrF-Index USA1

Quartal/Jahr SrF-Indexwert Trendlinie Q1/2000 64,42 Ca. 68 Q2/2000 100 Ca. 69 Q3/2000 82,21 Ca. 70 Q4/2000 53,99 Ca. 71

Q1/2007 81,60 Ca. 58 Q2/2007 62,58 Ca. 60 Q3/2007 64,42 Ca. 61 Q4/2007 53,99 Ca. 62

Abbildung 16 - Krisenwahrscheinlichkeit USA2

Die Auswertung der Zahlen weist für die betrachteten Zeiträume zwischen dem ersten Quar-tal 2000 bis zum vierten Quartal 2000 und dem ersten Quartal 2007 bis zum vierten Quartal 1 Eigene Darstellung 2 Eigene Darstellung


41

2007 auf eine Krise hin. Vergleicht man die Trendline mit dem Boom-Bust-Modell, so wird deutlich, dass jeweils die 4. Phase erreicht ist. Die Signale erholen sich ebenfalls nicht. So-mit ist auch für diese Plausibilitätsprüfung eine SrF-Index-Zuverlässigkeit zu verzeichnen.

7.3. Asienkrise am Beispiel Thailand

Abbildung 17 - SrF-Index Thailand1

Quartal/Jahr SrF-Indexwert Trendlinie Q1/1996 64,42 Ca. 55 Q2/1996 64,42 Ca. 55 Q3/1996 81,60 Ca. 55 Q4/1996 52,15 Ca. 56

Abbildung 18 – Krisenwahrscheinlichkeit Thailand2

Wie schon in der Abgrenzung beschrieben, zeigt der SrF-Index keinen so deutlichen Aus-schlag, wie zum Beispiel bei der aktuellen Finanzmarktkrise. Grund hierfür ist, dass es sich bei der Asienkrise primär um eine Währungskrise handelt. Dass der Indikator Warnsignale anzeigt, wird durch die Entwicklung des SrF-Index im Jahr 1996 verdeutlicht. Der SrF-Index befindet sich im Jahr vor der Krise auf einem erhöhten Niveau. Außerdem ist eine anstei-gende Tendenz erkennbar. Die Währungskrise greift auf die Realwirtschaft über. 1 Eigene Darstellung 2 Eigene Darstellung


42

8. Zusammenfassung und Ausblick Das Ziel dieser Arbeit war es, ein Frühwarnsystem zur Erkennung von Finanzmarktkrisen zu entwickeln. Hierzu wurden in Gliederungspunkt 2 vier Krisen vorgestellt, aus denen Krisen-merkmale wie die Entwicklung von Spekulationsblasen und realwirtschaftliche Fehlentwick-lungen abgeleitet wurden. Diese Merkmale dienten der weiteren Vorgehensweise. In Gliederungspunkt 5 wurden daraufhin einzelne Parameter analysiert. Als Grundlage dafür diente die Studie von Kaminsky, G., Lizondo, S. und Reinhart C., aus dem Jahr 1997. In dem IMF Working Paper mit dem Titel „Leading Indicators of Currency Crisis“ wurden 76 Krisen auf ihre Ursachen hin untersucht. Deren Auswertung lieferte die Basis für die Parameter des SrF-Index. Diese sind:

• Aktienindex • Immobilienindex • Verschuldungsgrad • Leitzins • Inflationsrate • Bruttoinlandsprodukt • Geldmenge M2

Der Parameter Immobilienindex wurde zusätzlich zu den bereits erforschten Indikatoren hin-zugefügt. In Gliederungspunkt 6 wurde der SrF-Index ermittelt. Zuerst wurde eine geeignete Datenba-sis für die Länder Japan, die USA und Thailand erstellt. Die Datenbasis konnte mit Hilfe sta-tistischer Methoden auf die Indexberechnung vorbereitet werden. Grundlegend für den SrF-Index war die Taylor-Regel.1 Diese besagt, dass Krisenmerkmale dadurch beschrieben wer-den können, dass ein Parameter zum aktuellen Zeitpunkt mit einem Referenzparameter ver-glichen wird. Dieser Referenzparameter erhielt für die Indexberechnung den Charakter eines Referenzkorridors. Durch die Abweichung zum Korridor konnten für die einzelnen Indikatoren Krisenmerkmale berechnet werden. Das Aggregat der Merkmale entspricht dem SrF-Index. Damit die Bedeutung der berechneten Kennzahl ersichtlich wird, wurden im letzten Schritt der Indexerstellung geeignete Visualisierungsmöglichkeiten entwickelt. Daraus entstand das „Indexampelsystem“. Diese Ampel mit den Farben Rot, Gelb und Grün verdeutlicht die dro-hende Gefahr einer aufkommenden Krise. Eine weitere Möglichkeit der Visualisierung erfolg-te anhand des Boom-Bust-Modells nach George Soros.2 Das Modell wurde auf die berech-nete Trendline angewendet. Um die Zuverlässigkeit des entwickelten SrF-Index nachzuweisen, wurde schließlich in Glie-derungspunkt 7 eine Plausibilitätsprüfung durchgeführt. Die Prüfung bestätigt anhand der erhobenen Daten für Japan, die USA und Thailand dessen Funktionalität. Somit ist es mög-lich, mithilfe des SrF-Index eine Krise frühzeitig zu bestimmen. Aufgrund der Globalisierung und der zunehmenden Verflechtung der Volkswirtschaften wur-de ergänzend eine Matrix entwickelt, die anzeigt, ob ein Risiko besteht, dass eine mithilfe des SrF-Index in einem Land identifizierte Krise auch andere Länder bedroht.

1 Vgl. Franz, W., Ramser, J., Stadler, M. (2007), S. 41 2 Vgl. Soros, G. (2008), S. 81


43

Abkürzungsverzeichnis

BIP Bruttoinlandsprodukt

bzw. beziehungsweise

ca. circa

Corp. Corporation

DAX Deutscher Aktienindex

EG Europäische Gemeinschaft

ESZB Europäisches System der Zentralbanken

et al. et altera

etc. et cetera

EZB Europäische Zentralbank

FAZ Frankfurter Allgemeine Zeitung

GDP Gross Domestic Product

ifo Institut für Wirtschaftsforschung

IMF International Monetary Fund

L.P. Limited Partnership

NASDAQ National Association of Securities Dealers Automated Quotations

o.V. ohne Verfasser

S&P Standard & Poor’s

SET Stock Exchange Thailand

SrF-Index Index für Spekulation und realwirtschaftliche Fehlentwicklung

u.a. unter anderem

US United States

USA United States of America

usw. und so weiter

VaR Value at Risk

Vgl. Vergleiche

z.B. zum Beispiel


44

Abbildungsverzeichnis Abbildung 1 - Boom-Bust-Modell _____________________________________________ 10

Abbildung 2 - Noise-to-Signal-Ratio-Matrix _____________________________________ 14

Abbildung 3 - "Signals Approach" - Performance of Indicators ______________________ 15

Abbildung 4 - eigenständige und kombinierte Parameter __________________________ 17

Abbildung 5 - BIP, Aktien-, Immobilien- und Gesamtvermögen ______________________ 17

Abbildung 6 - Häufigkeitsverteilung Dow Jones __________________________________ 26

Abbildung 7 - Value at Risk Dow Jones ________________________________________ 29

Abbildung 8 - Indikatorampel ________________________________________________ 30

Abbildung 9 - Gewichtung der Parameter ______________________________________ 31

Abbildung 10 - Index-Ampel_________________________________________________ 33

Abbildung 11 - Übertragungsmechanismen _____________________________________ 35

Abbildung 12 - Globalisierungseffekt __________________________________________ 36

Abbildung 13 - SrF-Index Japan______________________________________________ 39

Abbildung 14 - Krisenwahrscheinlichkeit Japan__________________________________ 39

Abbildung 15 - SrF-Index USA _______________________________________________ 40

Abbildung 16 - Krisenwahrscheinlichkeit USA ___________________________________ 40

Abbildung 17 - SrF-Index Thailand____________________________________________ 41

Abbildung 18 – Krisenwahrscheinlichkeit Thailand _______________________________ 41


45

Anlagenverzeichnis Anlage 1 - Datenreihe Japan..................................................................................................57

Anlage 2 - Datenreihe USA ....................................................................................................65

Anlage 3 - Datenreihe Thailand..............................................................................................73

Anlage 4 - Welt BIP 2007 .......................................................................................................78

Anlage 5 - Welt BIP 2007 und Offenheitsgrad .......................................................................80


46

Literatur Abberger, K., Nierhaus, W. (2007), Das Ifo-Geschäftsklima: Ein zuverlässiger Frühindikator der Konjunktur, 60. Jahrgang-ifo Schnelldienst 5/2007

Adams, F. (2004), The E-Business Revolution & The New Economy, 1. Auflage, Mason, Ohio

Allen, F., Gale D. (1998), Optimal Financial Crises, Journal of Finance vol. 52

Allen, F., Gale, D. (2007), Understanding Financial Crisis, New York

Aschinger, G. (2004), Währungs- und Finanzkrisen, München

Baum, H., Coenenberg, A., Günther, T. (2007), Strategisches Controlling, 4. Auflage, Stutt-gart

Berg, A., Pattillo, C. (1999), Prediction currency crises: the indicators approach and an alter-native, Journal of International Money and Finance, 18

Blanchard, O., Illing, G. (2004), Makroökonomie, 3.aktualisierte Auflage

Bloomberg L.P.

Bloss, M., Ernst, D., Häcker, J., et al. (2009), Von der Subprime-Krise zur Finanzkrise, Mün-chen

Bordo, M. (1985), Financial crises, banking crises, stock market crashes, and the money supply: some international evidence, 1870-1933, in F. Capie and G.E. Wood, Financial crises and the world banking system, London

Bordo, M., Eichengreen, B., Klingebiel, D., et al. (2001), Is the crisis problem growing more severe?, Economic Policy, 16

Bundesministerium für Wirtschaft und Arbeit, Wirtschaftsanalyse Nr.1, Berlin 2002

Cerra, V., Saxena, S. (2002), Contagion, monsoons and domestic turmoil in Indonesia’s cur-rency crises, Jounal of International Economics, 10

Chancellor, E. (1999), Devil take the hindmost: a history of financial speculation, London, Macmillan

Clement, R., Terlau, W. (1998), Grundlagen der Angewandten Makroökonomie, München

Damodaran, A. (2008), Strategic Risk Taking: A Framework for Risk Management, New Jer-sey

Dash, M. (2002), Tulpenwahn – Die verrückteste Spekulation der Geschichte, 3. Auflage, München

Demirgüc-Kunt, A., Detragiache, E. (1998), The derminants of banking crises in developing an developed countries, IMF Staff Papers, Vol. 45


47

Dieter, H. (1999), Die Asienkrise – Ursachen, Konsequenzen und die Rolle des internationa-len Währungsfonds, Marburg

Eichengreen, B., Rose, A. (2001), Staying afloat when the wind shifts: external factors and emerging-market banking crises, in Calvo, G., Obstfeld, M., Dornbusch R., Money, capital mobility, an trade: essays in honor of Robert Munell, Cambridge

Fahrmeier, L., Künstler, R., Pigeot, I., et al. (2004), Statistik: Der Weg zur Datenanalyse, 5. Auflage, Berlin

Frankel, J. (1993), The Japanese Financial System and the Cost of Capital, 1. Auflage Ox-ford

Frankfurter Allgemeine Zeitung (2009), Artikel vom 05.02.2009, S.13

Franz, W., Ramser, J., Stadler, M. (2007), Dynamik internationaler Märkte, Wirtschaftswis-senschaftliches Seminar 36, Ottobeuren

Friedman, M., Schwartz, A. (1963), Monetary trends in the United States 1867-1960, New York

Frumkin, N. (2006), Guide to Economic Indicators, New York

Gabler Wirtschaftslexikon (2004), 16.Auflage, Wiesbaden

Grossekettler, H. (2007), Öffentliche Finanzen in: Vahlens Kompendium der Wirtschaftstheo-rie und Wirtschaftspolitik, München, S.563-716

Heine, M., Herr, H. (2003), Volkswirtschaftslehre, 3. Auflage, München

http://de.finance.yahoo.com/q/hp?s=%5EN225, abgerufen am 27.11.2008

http://www.set.or.th/en/market/files/SET30year_Eng.XLS?date=1975, abgerufen am 27.11.2008

http://www2.standardandpoors.com/spf/pdf/index/CSHomePrice_History_012724.xls, abge-rufen am 1.12.2008

IMF International Financial Statistics Online

Jones, C. (2008), Financial Economics, New York

Jungblut, M., Krafczyk, C., Rauschenberger, R. (2001), Aktien, Anleihen und Fonds, Neun-kirch

Kaminsky, G., Lizondo, S., Reinhart C. (1997), Leading Indicators of Currency Crisis, IMF Woking Paper

Keynes, J. (1936), The general theory of employment interest and money, London

Kiehling, H. (2001), Börsenpsychologie und Behavioral Finance, München

Kindleberger, C. (1978), Manias, panics and crashes: a history of financial crises, 1. Auflage, New York


48

Knoop, T. (2008), Modern Financial Macroeconomics: Panics, Crashes, and Crises, Maldon, USA

Krugman, P. (1994), The myth of Asia’s miracle, Foreign Affairs, 73, November/December

Krugman, P. (2002), Dubya’s Double Dip?, New York Times, 2. August 2002

Mussel, G. (2002), Volkswirtschaftslehre, 3. Auflage, München

Navarro, P. (2002), Wenn es in Brasilien regnet, investieren sie in Starbucks-Aktien, Mün-chen

O.V. (1992), Vertrag zur Gründung der Europäischen Gemeinschaft

O.V. (1998), eine stabilitätsorientierte geldpolitische Strategie für das ESZB, Pressemittei-lung der EZB vom 13.10.1998

O.V., (2007), Monatsbericht der Deutschen Bundesbank, Oktober

O.V., (1999), Monatsbericht Deutsche Bundesbank April

O.V., (2008), World Bank, World Development Indicators database, revised 10.09.2008

Oetinger, B. (1993), Das Boston Consulting Group Strategie-Buch: Die wichtigsten Manage-mentkonzepte für den Praktiker, Wien

Oliver, M., Aldcroft, D. (2007), Economic Disasters of the Twentieth Century, Northampton, MA, USA

Park, Y. (1996), East Asian liberalization, bubbles, and the challenges from China, Brookings Papers on Economic Activity, 2

Parkinson, D., Noble, J. (2008), Oxford Business English Dictionary, Oxford

Pasternak, C. (2001), Bankenkrisen im asiatischen Raum, 1. Auflage, Marburg

Radelet S., Sachs J. (1998), The East Asian financial crisis: diagnosis, remedies, prospects, Brookings Papers on Economic Activity, 2

Rinne, H., Specht, K. (2002), Zeitreihen: Statistische Modellierung, Schätzung und Progno-se, München

Schnabel, G., Hoffman, A. (2007), Geldpolitk, vagabundierende Liquidität und platzende Bla-sen in neuen und Aufstrebenden Märkten, Leipzig

Schwartz, A. (1986), Real and pseudo-financial crises, in F. Capie und G.E. Wood, Financial crises and the world banking system, London

Semdjajew, K., Bronstein, I., Musiol, G, et al. (2001),Taschenbuch der Mathematik, 5. Aufla-ge, Thun

Shiller, R. (2000), Irrationaler Überschwang, Princeton

Soros, G. (2008), Das Ende der Finanzmärkte und deren Zukunft, München


49

Strauss-Kahn, D. (2008), The Euro At 10: the Next Global Currency?, at the Peterson Insti-tute, http://www.imf.org/external/np/speeches/2008/101008.htm, abgerufen am 20.11.2008 Tanaka, N., Giovannini, E., Witherell, W., et al. (2005), Measuring Globalisation OECD Handbook on Economic Globalisation Indicators

Vollmer, U. (2007), Geld und Kredit in: Vahlens Kompendium der Wirtschaftstheorie und Wirtschaftspolitik, München, S.191-260

Welge, M., Al-Laham, A. (2008), Strategisches Management: Grundlagen-Prozess-Implementierung, 5. Auflage, Wiesbaden

www.ifo.de/portal/page/portal/ifoHome/a-winfo/d1index/10indexgsk/_indexgsk?item_link=erlaet_gk.htm, abgerufen am 2.12.2008


50

Anhang

Anlage 1 – Datenreihe Japan


Japan (Güter/Dienstleistungen) Claims on private sector Konsumenten Call Money

Rate Nikkei 3 big cities

Parameter BIP Exporte Importe Schulden M2

Inflation Leitzins Aktien Immobilien Zeit in Mrd. Yen in Mrd. Yen in Mrd. Yen in Bil. Yen in Mrd. Yen in Bil. Yen in % in % in Punkte in Punkte

Q1 1960 15162,00 1631,70 1596,70 7,66 3,36 8,40 Q2 1960 15364,00 1688,40 1577,30 7,97 3,88 8,40 1059 Q3 1960 16239,00 1740,30 1683,10 8,40 3,63 8,40 1089 Q4 1960 17026,00 1773,10 1705,90 8,98 3,50 8,40 1226 Q1 1961 17959,00 1748,20 1855,00 9,52 3,97 8,09 1356 Q2 1961 18695,00 1771,30 2063,80 10,02 4,04 8,03 1587 Q3 1961 19424,00 1788,00 2232,40 10,50 5,31 8,34 1737 Q4 1961 20900,00 1842,40 2251,70 10,96 8,26 8,70 1526 Q1 1962 21428,00 1958,20 2100,50 11,24 7,63 8,76 1432 Q2 1962 21769,00 2043,80 2027,30 11,59 8,34 8,76 1449 Q3 1962 21907,00 2132,00 1988,10 12,02 6,84 8,76 1450 Q4 1962 22412,00 2111,20 1997,20 12,75 4,41 9,07 1289 Q1 1963 23150,00 2109,60 2160,60 17,04 7,73 8,15 1420 Q2 1963 24488,00 2198,90 2355,00 17,73 7,79 7,18 1614 Q3 1963 25571,00 2316,00 2587,80 18,81 7,83 7,30 1570 Q4 1963 26867,00 2406,20 2788,10 20,44 7,31 7,54 1301 Q1 1964 27933,00 2497,60 2881,50 20,62 3,38 8,21 1225 Q2 1964 29237,00 2693,90 2827,20 21,30 3,41 9,74 1222 Q3 1964 29905,00 2811,80 2800,10 22,12 3,38 11,20 1359 Q4 1964 30721,00 3137,40 2887,20 23,18 5,17 10,95 1217 Q1 1965 31699,00 3373,90 2914,00 23,66 6,78 8,40 1216 Q2 1965 32437,00 3463,50 3003,30 24,15 7,15 7,18 1132 Q3 1965 33475,00 3525,30 2997,50 25,33 6,38 6,45 1060 Q4 1965 33558,00 3438,00 3037,00 26,79 6,08 5,84 1223 Q1 1966 35539,20 3879,20 3199,90 27,48 5,81 5,84 1417 Q2 1966 37753,50 3892,10 3348,60 28,05 5,10 5,84 1584 Q3 1966 39148,70 4080,90 3496,50 29,50 5,25 5,84 1494 Q4 1966 40025,60 4248,70 3678,00 31,23 4,19 5,84 1465 Q1 1967 42074,00 4207,70 3845,80 32,12 28620,70 28,62 4,26 5,96 1452




Parameter BIP Exporte Importe Schulden

M2


Q2 1967 43295,00 4236,50 4195,00 32,99 29432,40 29,43 2,92 5,96 1455 Q3 1967 45546,00 4356,30 4274,20 34,56 30663,10 30,66 3,14 6,57 1494 Q4 1967 47540,00 4431,80 4506,50 36,31 32760,90 32,76 5,58 7,06 1318 Q1 1968 49302,60 4842,40 4590,30 37,07 32990,40 32,99 5,34 7,79 1283 Q2 1968 51317,60 5249,50 4665,70 37,75 34254,40 34,25 5,54 8,03 1377 Q3 1968 53237,10 5400,90 4777,40 39,10 35231,30 35,23 6,08 8,15 1544 Q4 1968 57507,60 5826,10 4980,20 41,22 37874,20 37,87 4,55 7,55 1839 Q1 1969 57632,00 6019,20 5055,80 42,33 38159,00 38,16 3,42 7,42 1714 Q2 1969 60612,40 6385,90 5270,10 43,69 40000,10 40,00 5,06 7,06 1841 Q3 1969 63086,90 6725,50 5848,80 45,80 41626,90 41,63 6,64 7,98 1984 Q4 1969 66786,00 7019,40 6079,50 48,39 44948,80 44,95 5,82 8,33 2016 Q1 1970 69527,00 7461,90 6466,60 67,16 45300,60 45,30 8,65 8,42 2358 Q2 1970 71738,00 7755,10 6857,70 69,52 47434,90 47,43 8,19 8,25 2523 Q3 1970 74777,00 7989,30 7327,60 72,78 49039,10 49,04 5,97 8,50 2138 Q4 1970 76524,00 8422,70 7290,50 77,11 52590,00 52,59 7,94 7,97 2065 Q1 1971 77842,00 9026,30 7378,00 79,83 53344,40 53,34 5,95 7,30 1987 Q2 1971 79555,00 9598,30 7424,10 83,20 56690,00 56,69 6,39 6,60 2403 Q3 1971 81698,00 9823,70 7145,00 87,65 60115,40 60,12 7,30 6,24 2637 Q4 1971 83062,00 9315,30 7069,60 93,70 65587,30 65,59 5,49 5,53 2428 Q1 1972 87117,00 9326,00 7136,20 96,82 67245,30 67,25 4,73 5,12 2713 Q2 1972 89731,00 9123,20 7149,00 100,87 71790,10 71,79 5,13 4,82 3146 Q3 1972 93788,00 9926,70 7846,60 107,28 76292,20 76,29 4,89 4,46 3710 Q4 1972 97757,00 10636,20 8431,50 116,05 82967,20 82,97 5,11 4,49 4320 Q1 1973 104568,00 10527,50 9260,50 121,16 85313,60 85,31 7,43 5,19 5194 Q2 1973 109319,00 10562,30 10546,90 126,61 89939,30 89,94 10,41 6,13 5233 Q3 1973 113518,00 11235,00 11640,60 132,78 91978,20 91,98 12,69 7,88 4675 Q4 1973 120420,00 12688,40 13509,80 139,96 96213,50 96,21 15,75 9,44 4617 Q1 1974 123283,00 14683,80 17381,70 143,69 96200,20 96,20 23,20 12,08 4306 Q2 1974 131736,00 17470,40 19423,20 148,16 100073,00 100,07 22,60 12,17 4466





M2


Q3 1974 137890,00 19639,50 20107,30 153,00 101696,00 101,70 23,42 13,04 4602 Q4 1974 141613,00 20821,20 20042,60 159,64 107500,00 107,50 23,48 12,87 3950 Q1 1975 141887,00 19120,10 18696,10 162,71 107993,00 107,99 15,14 12,86 3836 100,00 Q2 1975 146444,00 18553,80 18338,50 166,62 112508,00 112,51 13,27 11,27 4485 100,00 Q3 1975 149751,00 18675,10 18989,40 172,68 115709,00 115,71 10,37 10,45 4532 100,00 Q4 1975 154088,00 19663,70 19600,00 180,94 123068,00 123,07 8,63 8,10 3886 100,00 Q1 1976 159302,00 21413,30 20086,10 185,72 124917,00 124,92 8,95 7,09 4342 89,60 Q2 1976 164546,00 22286,00 20724,20 189,97 130755,00 130,76 9,43 6,80 4596 89,60 Q3 1976 169524,00 22800,80 21831,50 196,20 133117,00 133,12 9,76 7,13 4852 89,60 Q4 1976 172022,00 23844,20 22316,10 204,06 140072,00 140,07 9,51 6,88 4830 89,60 Q1 1977 179402,00 24392,70 21961,00 207,47 140154,00 140,15 9,41 6,90 4990 90,14 Q2 1977 183207,00 24395,50 21763,00 210,48 145103,00 145,10 8,84 5,51 5036 90,14 Q3 1977 187162,00 24891,50 21526,30 215,73 148144,00 148,14 7,97 5,46 4975 90,14 Q4 1977 191997,00 23722,30 19892,60 223,42 155015,00 155,02 6,46 4,85 5264 90,14 Q1 1978 197835,00 24685,50 19681,60 225,77 155674,00 155,67 4,66 4,74 4865 91,76 Q2 1978 201640,00 23225,50 19173,60 229,14 162526,00 162,53 4,03 4,10 5469 91,76 Q3 1978 206879,00 21745,60 17940,70 234,59 165947,00 165,95 4,37 4,36 5543 91,76 Q4 1978 210785,00 21494,80 19912,00 244,93 173918,00 173,92 3,68 4,23 5772 91,76 Q1 1979 215043,00 22511,60 22187,10 247,31 174732,00 174,73 3,02 4,43 6001 94,88 Q2 1979 219875,00 24185,30 25321,70 251,44 181753,00 181,75 3,30 5,11 6133 94,88 Q3 1979 223217,00 26173,90 29556,70 260,58 184885,00 184,89 3,56 6,43 6247 94,88 Q4 1979 226526,00 29352,10 33323,00 268,49 193133,00 193,13 4,99 7,46 6568 94,88 Q1 1980 232000,00 32317,60 35733,50 274,20 193258,00 193,26 7,25 9,18 6569 102,57 Q2 1980 236053,00 32709,70 37263,40 278,49 199192,00 199,19 8,12 12,47 6556 102,57 Q3 1980 243963,00 32300,40 33532,50 284,24 199765,00 199,77 8,13 12,06 6870 102,57 Q4 1980 249946,00 33868,70 33670,70 294,33 208275,00 208,28 7,72 10,01 7076 102,57 Q1 1981 254560,00 35230,20 34064,30 298,54 208085,00 208,09 6,54 8,52 7063 119,28 Q2 1981 255596,00 37596,20 36439,60 302,26 215796,00 215,80 4,95 7,12 7334 119,28 Q3 1981 261035,00 39638,90 36284,20 311,38 219979,00 219,98 4,21 7,25 7867 119,28





M2


Q4 1981 264012,00 38670,50 36894,30 322,51 230137,00 230,14 4,03 6,85 7455 119,28 Q1 1982 267125,00 39866,40 38011,40 327,82 229899,00 229,90 3,11 6,61 7681 135,27 Q2 1982 271721,00 39071,20 37117,00 329,94 234802,00 234,80 2,56 7,17 7260 135,27 Q3 1982 273229,00 39401,20 37157,00 339,68 239449,00 239,45 2,76 7,12 7213 135,27 Q4 1982 275199,00 38459,90 37078,70 352,56 248254,00 248,25 2,53 6,84 6910 135,27 Q1 1983 278451,00 38144,30 34318,30 357,92 247319,00 247,32 2,20 6,64 8016 146,09 Q2 1983 281202,00 38128,20 33356,40 359,93 252842,00 252,84 2,26 6,19 8478 146,09 Q3 1983 285152,00 39481,90 33656,70 369,12 256743,00 256,74 1,44 6,46 8870 146,09 Q4 1983 286366,00 40599,60 35650,40 381,32 266997,00 267,00 1,67 6,28 9402 146,09 Q1 1984 292293,00 42773,40 36112,00 387,32 268177,00 268,18 2,43 6,18 9927 152,66 Q2 1984 298528,00 43970,20 36218,60 389,21 271756,00 271,76 2,01 5,84 10929 152,66 Q3 1984 303876,00 45519,40 37774,50 403,16 277455,00 277,46 2,21 6,15 10378 152,66 Q4 1984 308002,00 47102,00 37345,50 412,37 287719,00 287,72 2,35 6,22 10654 152,66 Q1 1985 316702,00 47538,90 38036,00 422,19 289416,00 289,42 2,06 6,25 11543 156,63 Q2 1985 320064,00 48465,70 37093,20 425,20 294046,00 294,05 2,20 6,07 12677 156,63 Q3 1985 324477,00 45619,90 34285,30 436,42 300345,00 300,35 2,40 6,39 12919 156,63 Q4 1985 332086,00 43313,70 31247,80 450,72 314341,00 314,34 1,53 7,44 12685 156,63 Q1 1986 332099,00 39837,50 28644,00 456,17 315332,00 315,33 1,53 6,28 13083 159,76 Q2 1986 337871,00 39097,30 25052,60 460,54 319085,00 319,09 0,87 4,63 15746 159,76 Q3 1986 341121,00 36237,40 22036,70 475,62 326985,00 326,99 0,23 4,69 17623 159,76 Q4 1986 343614,00 37330,60 23442,00 492,52 339963,00 339,96 -0,15 4,25 17564 159,76 Q1 1987 344760,00 36667,20 23586,70 507,00 343653,00 343,65 -0,86 4,20 18821 164,08 Q2 1987 346317,00 35552,80 25071,50 529,11 351083,00 351,08 0,15 3,44 22040 164,08 Q3 1987 355160,00 36480,80 26968,20 546,33 363172,00 363,17 0,45 3,37 24252 164,08 Q4 1987 363021,00 36204,80 26792,00 565,51 378898,00 378,90 0,75 3,66 25722 164,08 Q1 1988 371486,00 35734,50 27465,80 574,47 384123,00 384,12 0,76 3,69 21564 186,55 Q2 1988 373539,00 36007,00 28859,70 586,25 390213,00 390,21 0,19 3,52 26104 186,55 Q3 1988 382392,00 39070,50 31182,10 606,51 401754,00 401,75 0,60 3,98 27504 186,55 Q4 1988 389289,00 38956,70 29216,70 634,87 418359,00 418,36 1,05 4,16 27924 186,55





M2


Q1 1989 400800,00 40407,90 32981,00 641,58 423844,00 423,84 1,05 4,18 30159 273,49 Q2 1989 400101,00 42133,00 35560,50 653,85 426855,00 426,86 2,77 4,74 32839 273,49 Q3 1989 410036,00 43178,90 37241,00 688,86 440263,00 440,26 2,72 5,35 32949 273,49 Q4 1989 422579,00 43478,20 38275,50 706,77 462779,00 462,78 2,59 6,20 35637 273,49 Q1 1990 424834,00 45622,50 40601,60 725,93 473083,00 473,08 3,54 6,68 38916 303,57 Q2 1990 439095,00 46906,50 41899,40 741,36 480509,00 480,51 2,51 7,26 29980 303,57 Q3 1990 446521,00 45430,70 40837,20 764,90 493051,00 493,05 2,61 7,61 31940 303,57 Q4 1990 450220,00 45699,60 43391,40 773,43 502209,00 502,21 3,61 8,04 20222 303,57 Q1 1991 462847,00 46277,80 40051,00 782,66 497037,00 497,04 3,74 8,15 23849 370,36 Q2 1991 465150,00 45952,30 38789,00 797,85 498363,00 498,36 3,41 8,10 26007 370,36 Q3 1991 469224,00 47096,80 39129,10 802,55 504113,00 504,11 3,15 7,33 24109 370,36 Q4 1991 475944,00 47424,10 38500,40 817,23 512205,00 512,21 2,79 6,52 24377 370,36 Q1 1992 477201,00 47200,80 37305,40 825,23 505798,00 505,80 1,91 5,62 22984 399,98 Q2 1992 481668,00 47424,00 37680,50 828,72 503032,00 503,03 2,23 4,75 18582 399,98 Q3 1992 482420,00 47392,00 36888,50 839,91 501512,00 501,51 1,82 4,29 16325 399,98 Q4 1992 480768,00 47191,00 35733,70 854,20 509967,00 509,97 0,91 3,97 17370 399,98 Q1 1993 489539,00 46738,90 35350,00 857,46 503801,00 503,80 1,29 3,47 16994 349,99 Q2 1993 483333,00 43665,40 33294,00 846,74 510167,00 510,17 0,91 3,20 19099 349,99 Q3 1993 482328,00 43159,00 32221,00 857,83 510982,00 510,98 1,75 3,08 19925 349,99 Q4 1993 481370,00 42918,70 32537,40 866,42 516890,00 516,89 1,14 2,48 20283 349,99 Q1 1994 484698,00 44280,70 33112,30 861,72 513619,00 513,62 1,28 2,27 17370 299,24 Q2 1994 484205,00 44118,40 34158,60 858,01 517723,00 517,72 0,70 2,11 19277 299,24 Q3 1994 489217,00 44171,90 34952,00 870,68 522913,00 522,91 0,00 2,13 20543 299,24 Q4 1994 487840,00 44463,80 35351,20 884,42 531906,00 531,91 0,80 2,27 19650 299,24 Q1 1995 487238,00 44385,90 36217,50 882,94 531731,00 531,73 0,13 2,22 19684 277,39 Q2 1995 491603,00 43131,50 35426,90 876,07 533906,00 533,91 -0,03 1,37 15381 277,39 Q3 1995 497022,00 45966,10 39258,60 886,53 536401,00 536,40 0,00 0,80 14485 277,39 Q4 1995 497804,00 47291,30 42100,30 896,99 548792,00 548,79 -0,59 0,46 17740 277,39 Q1 1996 498922,00 48484,10 44424,30 904,86 547754,00 547,75 -0,33 0,46 20618 269,63





M2


Q2 1996 503414,00 48402,30 46793,30 904,09 553802,00 553,80 0,13 0,48 21560 269,63 Q3 1996 504394,00 49232,50 47507,20 906,19 554682,00 554,68 0,20 0,46 22456 269,63 Q4 1996 511305,00 52012,80 49339,30 915,76 564690,00 564,69 0,53 0,48 21463 269,63 Q1 1997 514673,00 54696,10 52064,40 900,92 562422,00 562,42 0,56 0,50 19446 257,22 Q2 1997 516967,00 56538,00 50434,20 901,64 569662,00 569,66 2,08 0,49 17870 257,22 Q3 1997 513771,00 54858,70 49439,70 901,73 571005,00 571,01 2,21 0,49 20176 257,22 Q4 1997 516825,00 58176,30 49355,00 985,58 586029,00 586,03 2,21 0,46 17842 257,22 Q1 1998 506152,00 56184,30 47779,10 971,83 587813,00 587,81 2,05 0,43 14957 250,02 Q2 1998 502871,00 56075,10 46027,90 991,66 591818,00 591,82 0,32 0,44 16242 250,02 Q3 1998 503582,00 56556,50 46821,70 993,40 595560,00 595,56 -0,19 0,39 16362 250,02 Q4 1998 505890,00 51575,70 41825,90 1006,17 611600,00 611,60 0,52 0,23 13197 250,02 Q1 1999 498698,00 49921,00 41144,80 989,61 612015,00 612,02 -0,10 0,15 13415 244,52 Q2 1999 499748,00 51040,80 43069,50 988,10 617453,00 617,45 -0,26 0,03 16327 244,52 Q3 1999 496283,00 51760,00 44264,60 983,76 615115,00 615,12 0,00 0,03 17860 244,52 Q4 1999 497587,00 51944,80 44435,00 992,03 627759,00 627,76 -0,96 0,03 17712 244,52 Q1 2000 504205,00 53946,90 45508,50 976,12 623852,00 623,85 -0,65 0,03 19002 230,58 Q2 2000 502693,00 54747,90 46514,40 967,10 629275,00 629,28 -0,68 0,02 20726 230,58 Q3 2000 501755,00 55813,00 48454,30 966,42 627128,00 627,13 -0,68 0,14 17614 230,58 Q4 2000 504626,00 56626,20 51161,80 972,87 640176,00 640,18 -0,84 0,25 15902 230,58 Q1 2001 507484,00 55304,40 51600,30 966,24 639252,00 639,25 -0,46 0,20 13691 216,98 Q2 2001 500914,00 53014,70 50642,70 956,60 647315,00 647,32 -0,81 0,02 12937 216,98 Q3 2001 493491,00 51339,40 48864,30 950,67 647135,00 647,14 -0,78 0,01 12751 216,98 Q4 2001 489613,00 50746,20 46458,70 564,99 661316,00 661,32 -0,98 0,00 9972 216,98 Q1 2002 491802,00 53998,10 47666,30 550,39 662835,00 662,84 -1,38 0,01 10871 204,83 Q2 2002 490676,00 56125,80 49009,90 535,42 669188,00 669,19 -0,89 0,01 11028 204,83 Q3 2002 492084,00 54817,40 49274,50 518,94 668094,00 668,09 -0,79 0,01 10595 204,83 Q4 2002 491374,00 58268,50 51575,40 520,96 675654,00 675,65 -0,53 0,00 9162 204,83 Q1 2003 485997,00 57435,00 52045,60 505,14 674084,00 674,08 -0,23 0,00 8713 191,51 Q2 2003 490084,00 57792,50 49781,60 497,42 677754,00 677,75 -0,23 0,00 7986 191,51






Q3 2003 491359,00 59390,70 50829,80 496,03 676846,00 676,85 -0,23 0,00 9278 191,51 Q4 2003 494862,00 60682,20 50893,40 498,41 682583,00 682,58 -0,30 0,00 10361 191,51 Q1 2004 498824,00 63612,30 53258,00 488,79 682592,00 682,59 -0,13 0,00 10825 179,07 Q2 2004 497509,00 66045,70 55844,90 483,85 689482,00 689,48 -0,30 0,00 11683 179,07 Q3 2004 499022,00 67212,00 58008,90 479,86 690728,00 690,73 -0,10 0,00 11896 179,07 Q4 2004 498500,00 68055,00 59365,70 486,79 696062,00 696,06 0,50 0,00 10985 179,07 Q1 2005 498324,00 66719,40 59221,00 480,59 696520,00 696,52 0,03 0,00 11517 168,86 Q2 2005 502183,00 69830,30 62721,00 475,43 700681,00 700,68 -0,10 0,00 11723 168,86 Q3 2005 502867,00 72910,20 67233,00 484,99 704618,00 704,62 -0,30 0,00 11630 168,86 Q4 2005 504343,00 77803,80 70408,70 501,59 708990,00 708,99 -0,73 0,00 13525 168,86 Q1 2006 505380,00 78891,30 73258,40 491,97 706119,00 706,12 -0,13 0,00 16361 162,61 Q2 2006 507986,00 79810,70 74312,40 489,13 708594,00 708,59 0,17 0,02 17333 162,61 Q3 2006 508749,00 83293,10 77091,10 489,90 708199,00 708,20 0,60 0,22 15571 162,61 Q4 2006 513842,00 84786,60 76939,90 500,15 713797,00 713,80 0,33 0,26 16254 162,61 Q1 2007 517300,00 87555,30 78699,40 497,16 713837,00 713,84 -0,10 0,38 17353 160,66 Q2 2007 514730,00 90573,80 82253,60 493,93 721642,00 721,64 -0,07 0,51 17028 160,66 Q3 2007 514703,00 92131,40 82288,30 496,46 720196,00 720,20 -0,13 0,50 18146 160,66 Q4 2007 514119,00 92946,90 85485,60 499,84 728541,00 728,54 0,53 0,50 16845 160,66 Q1 2008 515337,00 93155,90 86814,20 494,60 729938,00 729,94 0,97 0,51 14691 165,16

Anlage 1 - Datenreihe Japan1

1 Eigene Darstellung in Anlehnung an IMF International Financial Statistics Online, Bloomberg L.P., Yahoo Finance


Anlage 2 – Datenreihe USA


USA (Güter/Dienstleistungen) Claims on private sector Konsumenten Fed Fund

Rate Dow Jones Case shiller


M2

Inflation Leitzins Aktien Immobilien Zeit in Mrd. $ in Mrd. $ in Mrd. $ in Mrd. $ in Mrd. $ in % in % in Punkte in Punkte

Q1 1960 526,92 26,01 23,29 196,57 298,20 1,49 3,93 679,00 Q2 1960 526,12 27,61 23,46 202,62 300,90 1,75 3,70 615,00 Q3 1960 528,93 27,04 22,88 206,06 307,80 1,37 2,94 641,00 Q4 1960 523,61 27,52 21,74 211,49 315,30 1,43 2,30 577,00 Q1 1961 527,92 27,46 21,66 211,36 317,20 1,50 2,00 610,00 Q2 1961 538,99 27,43 21,90 217,08 322,70 0,91 1,73 677,00 Q3 1961 549,42 27,24 23,33 221,18 328,80 1,16 1,68 689,00 Q4 1961 562,55 28,29 23,87 229,39 338,50 0,74 2,40 699,00 Q1 1962 576,03 28,26 24,31 230,10 342,10 0,87 2,46 724,00 Q2 1962 583,21 30,68 24,88 238,39 347,70 1,28 2,61 705,00 Q3 1962 589,99 28,95 25,11 245,66 353,90 1,21 2,85 573,00 Q4 1962 593,30 28,36 25,55 256,31 365,80 1,31 2,92 571,00 Q1 1963 602,43 29,07 25,19 258,04 369,80 1,27 2,97 646,00 Q2 1963 611,15 32,42 25,89 269,81 376,70 1,05 2,96 685,00 Q3 1963 623,91 30,62 26,70 278,29 384,90 1,32 3,33 701,00 Q4 1963 633,45 32,19 26,76 289,75 396,40 1,38 3,45 738,00 Q1 1964 649,59 34,24 26,98 292,23 398,90 1,48 3,46 766,00 Q2 1964 658,84 34,80 27,73 305,61 405,30 1,44 3,49 816,00 Q3 1964 670,45 34,81 28,43 312,39 415,80 1,15 3,46 838,00 Q4 1964 675,60 36,23 29,29 323,44 428,30 1,18 3,58 872,00 Q1 1965 695,69 33,06 28,46 329,11 432,20 1,13 3,97 869,00 Q2 1965 708,15 39,14 31,68 343,79 438,40 1,66 4,08 890,00 Q3 1965 725,18 36,93 32,03 350,39 448,40 1,69 4,07 871,00 Q4 1965 747,47 39,46 33,95 364,86 463,10 1,80 4,17 929,00 Q1 1966 770,76 39,41 34,99 367,49 465,90 2,42 4,56 968,00 Q2 1966 779,93 41,47 36,24 383,42 469,60 2,72 4,91 931,00 Q3 1966 793,37 40,38 38,17 384,52 474,60 3,24 5,41 877,00 Q4 1966 807,10 42,43 38,83 393,06 483,70 3,57 5,56 757,00 Q1 1967 817,94 44,00 39,43 390,85 488,10 2,95 4,82 786,00





M2







M2







M2


Q4 1981 3196,39 304,69 319,45 1676,02 1760,30 9,58 13,59 852,00 Q1 1982 3186,76 293,20 309,48 1669,10 1781,70 7,63 14,23 882,00 Q2 1982 3242,75 294,72 299,12 1694,77 1822,70 6,80 14,51 833,00 Q3 1982 3276,15 279,63 309,28 1703,94 1863,90 5,79 11,01 803,00 Q4 1982 3314,38 265,27 294,86 1716,50 1918,00 4,51 9,29 907,00 Q1 1983 3382,86 270,70 295,25 1714,76 2012,90 3,62 8,65 1027,00 Q2 1983 3484,14 272,51 317,95 1751,60 2054,80 3,33 8,80 1127,00 Q3 1983 3589,26 278,17 343,38 1801,70 2083,90 2,63 9,46 1225,00 Q4 1983 3690,39 286,58 357,97 1876,32 2136,90 3,31 9,43 1231,00 Q1 1984 3809,58 292,97 387,98 1923,62 2172,00 4,48 9,69 1252,00 Q2 1984 3908,60 302,19 406,50 2012,78 2217,60 4,32 10,56 1153,00 Q3 1984 3978,16 305,74 409,59 2076,51 2245,80 4,19 11,39 1130,00 Q4 1984 4036,33 308,60 416,36 2160,90 2321,90 4,06 9,27 1198,00 Q1 1985 4119,54 305,41 397,31 2191,09 2363,70 3,61 8,48 1198,00 Q2 1985 4178,41 303,13 418,57 2255,77 2416,90 3,71 7,92 1272,00 Q3 1985 4261,32 295,56 414,17 2321,36 2456,00 3,36 7,90 1337,00 Q4 1985 4321,78 303,99 438,87 2388,64 2507,50 3,53 8,10 1340,00 Q1 1986 4385,63 312,20 439,82 2407,36 2530,50 3,11 7,83 1537,00 Q2 1986 4425,67 314,41 444,40 2455,26 2608,80 1,64 6,92 1790,00 Q3 1986 4493,90 320,36 459,84 2494,28 2665,60 1,65 6,21 1903,00 Q4 1986 4546,10 335,19 469,03 2597,66 2744,90 1,32 6,27 1782,00 Q1 1987 4613,82 336,81 478,07 2588,26 2751,90 2,19 6,22 1927,00 63,36 Q2 1987 4689,98 355,13 502,72 2657,63 2777,50 3,78 6,65 2316,00 65,57 Q3 1987 4767,81 371,73 517,70 2721,62 2797,30 4,16 6,84 2409,00 68,22 Q4 1987 4886,27 391,98 537,90 2760,59 2843,20 4,47 6,92 2639,00 69,80 Q1 1988 4951,95 418,55 543,21 2805,65 2891,60 3,94 6,66 2015,25 70,78 Q2 1988 5062,83 439,15 546,59 2879,82 2940,10 3,90 7,16 1988,06 72,59 Q3 1988 5146,65 452,89 553,34 2929,19 2956,10 4,12 7,98 2131,58 75,64 Q4 1988 5253,73 465,82 574,81 3002,35 3006,70 4,29 8,47 2112,91 77,25





M2


Q1 1989 5367,07 484,02 582,26 3032,44 3005,00 4,82 9,44 2168,57 78,49 Q2 1989 5454,10 505,73 597,34 3096,12 3028,30 5,22 9,73 2293,62 80,53 Q3 1989 5531,90 508,44 587,74 3142,45 3092,50 4,67 9,08 2440,06 82,00 Q4 1989 5584,33 515,20 598,65 3166,14 3171,70 4,60 8,61 2692,82 82,41 Q1 1990 5716,37 537,56 621,13 3173,13 3198,90 5,23 8,25 2753,20 82,15 Q2 1990 5797,69 546,26 617,17 3174,62 3216,20 4,58 8,24 2707,21 82,08 Q3 1990 5849,44 555,88 634,35 3164,11 3254,40 5,53 8,16 2880,69 81,78 Q4 1990 5848,76 569,72 648,74 3143,76 3291,00 6,22 7,74 2515,84 80,10 Q1 1991 5887,96 574,56 616,09 3096,11 3333,40 5,29 6,43 2633,66 77,77 Q2 1991 5964,34 592,33 616,61 3080,26 3355,90 4,85 5,86 2881,19 77,40 Q3 1991 6035,65 602,60 625,32 3036,38 3353,10 3,88 5,64 2958,41 78,81 Q4 1991 6095,76 617,84 639,20 3022,81 3392,10 2,99 4,82 3018,34 78,33 Q1 1992 6196,11 627,35 641,58 3000,22 3410,40 2,87 4,02 3168,83 77,52 Q2 1992 6290,10 628,02 661,70 2977,64 3394,60 3,10 3,77 3249,33 77,64 Q3 1992 6380,50 641,82 681,38 2980,15 3407,00 3,10 3,26 3354,10 77,90 Q4 1992 6484,26 644,06 689,56 2976,03 3447,80 3,05 3,04 3254,37 77,07 Q1 1993 6542,72 645,12 695,08 2928,71 3417,10 3,20 3,04 3301,11 76,25 Q2 1993 6612,07 654,32 719,57 2974,08 3446,20 3,15 3,00 3439,44 76,13 Q3 1993 6674,63 651,62 722,53 2995,52 3450,90 2,74 3,06 3510,54 76,56 Q4 1993 6800,21 672,29 746,27 3042,85 3502,50 2,72 2,99 3581,11 75,98 Q1 1994 6911,00 681,19 758,83 3028,06 3486,30 2,52 3,21 3775,88 75,69 Q2 1994 7030,55 706,34 800,96 3076,66 3489,20 2,38 3,94 3635,96 76,52 Q3 1994 7115,14 737,24 836,95 3143,22 3488,10 2,88 4,49 3646,65 77,54 Q4 1994 7232,21 758,80 861,23 3240,91 3519,20 2,65 5,17 3843,19 77,24 Q1 1995 7298,33 780,70 883,41 3296,90 3502,40 2,84 5,81 3834,44 76,61 Q2 1995 7337,69 797,72 912,01 3388,02 3557,00 3,09 6,02 4157,69 76,63 Q3 1995 7432,08 830,88 909,05 3451,43 3606,70 2,64 5,80 4556,10 77,39 Q4 1995 7522,49 839,56 909,85 3501,71 3665,60 2,65 5,72 4789,08 76,96 Q1 1996 7624,14 848,19 932,41 3521,53 3707,40 2,74 5,36 5117,12 76,50





M2


Q2 1996 7776,63 859,65 956,61 3584,32 3734,10 2,85 5,24 5637,72 77,32 Q3 1996 7866,23 860,79 977,52 3659,80 3758,20 2,94 5,31 5729,98 78,28 Q4 1996 8000,45 905,62 992,68 3735,41 3842,10 3,19 5,28 5904,90 78,24 Q1 1997 8113,84 919,67 1022,67 3772,21 3873,80 2,95 5,28 6521,70 78,12 Q2 1997 8250,42 955,50 1043,83 3873,04 3899,80 2,34 5,52 6611,05 79,48 Q3 1997 8381,86 975,60 1075,17 3915,14 3961,30 2,20 5,53 7722,33 81,28 Q4 1997 8471,25 970,57 1085,90 3995,48 4056,50 1,87 5,51 8015,50 82,04 Q1 1998 8586,71 965,19 1094,38 4038,59 4133,20 1,46 5,52 7908,25 83,23 Q2 1998 8657,92 949,63 1112,05 4108,65 4176,50 1,60 5,50 8868,32 85,83 Q3 1998 8789,52 938,31 1112,51 4178,38 4257,90 1,60 5,53 9048,67 88,91 Q4 1998 8953,83 970,62 1144,61 4282,35 4403,10 1,55 4,86 7632,53 89,79 Q1 1999 9066,58 960,07 1167,55 4278,33 4461,30 1,67 4,73 9181,43 90,62 Q2 1999 9174,11 972,79 1224,92 4331,45 4493,70 2,11 4,75 9832,51 93,78 Q3 1999 9313,47 1000,49 1285,72 4425,45 4552,90 2,35 5,09 11066,42 97,19 Q4 1999 9519,49 1031,57 1328,77 4556,08 4663,50 2,62 5,31 10273,00 98,98 Q1 2000 9629,41 1055,12 1401,53 4667,38 4734,50 3,24 5,68 11357,51 101,02 Q2 2000 9822,81 1091,82 1458,73 4839,02 4751,40 3,33 6,27 10921,92 105,94 Q3 2000 9862,07 1122,41 1523,12 4934,79 4834,60 3,51 6,52 10447,89 110,00 Q4 2000 9953,59 1115,78 1519,65 5020,39 4949,00 3,43 6,47 10650,92 112,64 Q1 2001 10021,50 1100,72 1493,66 5073,50 5097,60 3,39 5,59 10787,99 115,57 Q2 2001 10128,90 1060,51 1422,19 5088,22 5161,80 3,38 4,33 9878,78 118,97 Q3 2001 10135,10 1003,45 1365,33 5099,89 5339,90 2,70 3,50 10502,40 121,96 Q4 2001 10226,30 966,56 1318,19 5309,21 5454,40 1,86 2,13 8836,83 123,63 Q1 2002 10333,30 976,36 1349,48 5274,34 5513,70 1,25 1,73 10021,57 124,77 Q2 2002 10426,60 1008,22 1424,33 5276,07 5528,00 1,30 1,75 10362,70 130,35 Q3 2002 10527,40 1022,87 1456,66 5376,39 5640,10 1,59 1,74 9109,79 136,90 Q4 2002 10591,10 1016,23 1490,79 5502,48 5795,80 2,20 1,44 7938,79 141,19 Q1 2003 10705,60 1012,43 1511,68 5590,94 5869,20 2,87 1,25 8341,63 143,76 Q2 2003 10831,80 1010,81 1512,13 5719,09 5979,10 2,13 1,25 8069,86 148,11





M2


Q3 2003 11086,10 1040,71 1535,92 5805,14 6050,70 2,20 1,02 9040,95 153,68 Q4 2003 11219,50 1099,13 1600,89 5898,65 6084,20 1,90 1,00 9469,20 159,51 Q1 2004 11405,50 1140,89 1684,08 6002,01 6152,90 1,79 1,00 10453,92 165,21 Q2 2004 11610,30 1172,76 1775,82 6174,85 6256,50 2,87 1,01 10373,33 175,49 Q3 2004 11779,40 1187,34 1819,97 6325,27 6315,70 2,73 1,44 10334,16 184,85 Q4 2004 11948,50 1228,63 1911,24 6523,26 6430,50 3,32 1,95 10192,65 190,05 Q1 2005 12155,40 1266,77 1937,47 6646,96 6450,10 3,04 2,47 10783,01 196,14 Q2 2005 12297,50 1305,09 1985,97 6869,45 6495,20 2,95 2,94 10404,30 205,71 Q3 2005 12538,20 1314,54 2039,60 7080,87 6570,60 3,83 3,46 10303,44 214,18 Q4 2005 12696,40 1359,63 2137,38 7216,64 6689,60 3,74 3,97 10568,70 220,60 Q1 2006 12959,60 1423,21 2184,94 7378,50 6777,30 3,65 4,46 10717,50 223,20 Q2 2006 13134,10 1462,82 2240,01 7575,42 6821,60 4,01 4,90 11109,32 225,76 Q3 2006 13249,60 1492,50 2285,17 7747,78 6876,10 3,34 5,25 11150,22 225,60 Q4 2006 13370,10 1544,49 2242,22 7899,12 7048,00 1,94 5,25 11679,07 223,69 Q1 2007 13510,90 1560,54 2289,35 7960,53 7146,60 2,42 5,26 12463,15 220,48 Q2 2007 13737,50 1614,42 2337,54 8153,96 7215,30 2,65 5,25 12354,35 218,22 Q3 2007 13950,60 1714,95 2397,50 8398,10 7302,50 2,36 5,07 13408,62 214,55 Q4 2007 14031,20 1759,71 2456,46 8626,36 7442,30 3,97 4,50 14087,55 205,23 Q1 2008 14150,80 1820,77 2526,49 8769,91 7648,90 4,10 3,18 13264,82 190,94 Anlage 2 - Datenreihe USA1

1 Eigene Darstellung in Anlehnung an IMF International Financial Statistics Online, Standard & Poor’s Corp., Yahoo Finance


Anlage 3 – Datenreihe Thailand


Thailand (Güter/Dienstleistungen) Claims on private sector Konsumenten Discount Rate SET Index Landpreis-index


Inflation Leitzins Aktien Immobilien Zeit in Mrd. Bath in Mrd. Bath in Mrd. Bath in Mrd. Bath in Mrd. Bath in % in % in Punkte in Punkte

Q1 1960 5,44 Q2 1960 5,44 Q3 1960 5,98 Q4 1960 5,92 Q1 1961 6,34 Q2 1961 6,26 Q3 1961 6,55 Q4 1961 7,02 Q1 1962 7,57 Q2 1962 7,68 Q3 1962 8,13 Q4 1962 8,28 Q1 1963 8,53 Q2 1963 8,44 Q3 1963 8,74 Q4 1963 8,75 Q1 1964 10,07 Q2 1964 9,82 Q3 1964 10,39 Q4 1964 10,42 Q1 1965 11,72 0,17 Q2 1965 11,69 0,17 Q3 1965 12,35 0,17 Q4 1965 12,46 0,17 Q1 1966 13,36 2,24 Q2 1966 13,63 3,97 Q3 1966 14,51 4,96 Q4 1966 14,92 4,95 Q1 1967 16,66 5,39





Q2 1967 16,44 4,14 Q3 1967 17,23 4,15 Q4 1967 17,54 3,59 Q1 1968 18,06 2,14 Q2 1968 17,97 2,99 Q3 1968 19,05 1,34 Q4 1968 20,01 0,72 Q1 1969 21,10 1,91 Q2 1969 21,61 1,83 Q3 1969 22,74 2,79 Q4 1969 23,48 3,27 Q1 1970 24,94 1,88 Q2 1970 25,63 0,06 Q3 1970 27,08 -0,67 Q4 1970 28,45 41,82 -1,57 Q1 1971 29,19 -0,85 Q2 1971 29,61 -0,41 Q3 1971 30,69 1,18 Q4 1971 31,51 48,81 2,03 Q1 1972 31,92 2,77 Q2 1972 31,69 4,45 Q3 1972 33,74 4,71 Q4 1972 35,62 60,36 7,37 Q1 1973 38,11 11,13 Q2 1973 40,60 14,32 Q3 1973 44,65 16,65 Q4 1973 49,94 73,92 19,64 Q1 1974 52,61 24,71 Q2 1974 57,23 27,94





Q3 1974 63,86 25,05 Q4 1974 67,52 89,63 19,97 Q1 1975 69,41 10,27 Q2 1975 73,37 4,52 93,87 Q3 1975 78,10 3,52 96,17 Q4 1975 83,88 104,07 3,43 88,08 Q1 1976 88,45 110,07 5,00 80,34 Q2 1976 91,28 112,84 3,66 78,82 Q3 1976 94,27 118,69 3,54 79,32 Q4 1976 119,37 125,92 4,42 81,14 Q1 1977 130,15 135,22 4,18 9,00 91,73 Q2 1977 135,96 137,39 7,55 9,00 106,29 Q3 1977 144,77 142,60 9,93 9,00 142,60 Q4 1977 154,29 151,07 8,70 9,00 185,55 Q1 1978 168,27 160,97 8,70 10,50 197,22 Q2 1978 175,85 163,85 8,18 10,50 186,76 Q3 1978 187,27 166,95 7,30 10,50 195,29 Q4 1978 203,38 180,32 7,58 12,50 246,79 Q1 1979 218,78 188,84 7,11 12,50 229,11 Q2 1979 224,90 189,35 7,10 12,50 178,39 Q3 1979 232,44 192,03 11,05 12,50 171,77 Q4 1979 241,35 205,55 14,09 12,50 153,44 Q1 1980 247,12 219,43 19,72 14,00 137,67 Q2 1980 245,45 222,99 23,44 12,50 127,18 Q3 1980 250,09 233,94 18,96 12,50 121,95 Q4 1980 269,95 251,80 17,01 13,50 123,86 Q1 1981 285,69 265,13 14,92 13,50 126,08 Q2 1981 298,77 269,73 12,46 13,50 117,01 Q3 1981 304,86 272,00 11,86 14,50 107,14





Q4 1981 318,52 292,91 11,60 14,50 106,67 Q1 1982 337,90 310,32 8,38 14,50 105,30 Q2 1982 345,87 320,28 5,18 14,50 105,78 Q3 1982 354,90 332,59 4,26 13,50 119,50 Q4 1982 375,66 363,82 3,42 12,50 123,94 Q1 1983 397,78 391,08 2,35 11,50 127,39 Q2 1983 423,61 404,96 3,63 11,50 138,40 Q3 1983 450,94 417,05 4,82 11,50 145,04 Q4 1983 487,94 450,50 4,08 13,00 136,46 Q1 1984 505,69 464,10 3,09 13,00 131,75 Q2 1984 518,88 484,93 1,51 13,00 132,50 Q3 1984 534,25 496,84 -0,21 13,00 132,67 Q4 1984 560,54 537,89 -0,84 12,00 140,45 Q1 1985 579,34 549,63 1,38 12,00 141,41 Q2 1985 590,36 563,65 1,98 12,00 153,78 Q3 1985 597,91 574,19 2,90 11,00 151,84 Q4 1985 615,63 593,50 3,46 11,00 141,06 Q1 1986 617,04 613,41 2,31 10,00 135,12 Q2 1986 615,84 627,62 1,82 10,00 130,04 Q3 1986 621,52 641,03 1,63 8,00 151,24 Q4 1986 643,68 672,77 1,65 8,00 192,48 Q1 1987 669,04 703,90 1,82 8,00 215,89 Q2 1987 692,13 726,50 2,00 8,00 273,04 Q3 1987 723,86 749,08 2,83 8,00 365,10 Q4 1987 772,72 808,58 3,21 8,00 291,73 Q1 1988 817,99 833,93 3,97 8,00 360,87 Q2 1988 875,38 865,92 4,09 8,00 430,51 Q3 1988 927,55 887,64 3,72 8,00 446,06 Q4 1988 999,18 956,13 3,68 8,00 399,44





Q1 1989 1065,00 1004,31 4,20 8,00 436,78 Q2 1989 1154,29 1060,15 4,43 8,00 552,99 Q3 1989 1224,71 1113,68 6,42 8,00 665,19 Q4 1989 1335,14 1207,10 6,33 8,00 781,34 Q1 1990 1437,24 1302,56 6,10 8,00 839,64 Q2 1990 1566,77 1376,63 6,53 9,50 972,30 Q3 1990 1710,14 1447,26 4,69 9,50 873,35 Q4 1990 1820,40 1529,12 6,42 12,00 602,18 Q1 1991 1932,87 1589,80 5,78 12,00 764,45 85,30 Q2 1991 2034,61 1641,78 6,22 12,00 816,47 102,80 Q3 1991 2100,69 1718,51 6,02 11,00 701,71 101,20 Q4 1991 2233,32 1832,38 4,80 11,00 673,76 110,70 Q1 1992 2362,88 1911,47 4,70 11,00 789,67 115,50 Q2 1992 2494,59 1948,69 3,99 11,00 733,75 116,40 Q3 1992 2625,60 2005,01 4,80 11,00 779,31 119,00 Q4 1992 2787,59 2117,79 2,62 11,00 899,66 126,40 Q1 1993 755,55 278,16 306,93 2915,04 2165,88 3,17 11,00 925,79 129,30 Q2 1993 755,57 277,37 317,92 3105,64 2256,54 3,14 10,00 849,51 139,00 Q3 1993 811,12 313,84 322,00 3244,34 2350,80 3,03 9,00 954,27 141,90 Q4 1993 842,98 329,50 370,78 3524,82 2507,10 4,40 9,00 1417,90 141,90 Q1 1994 886,10 328,98 358,49 3716,39 2473,52 4,80 9,00 1368,79 136,60 Q2 1994 870,96 331,99 392,59 3977,63 2539,55 5,07 9,00 1298,96 139,80 Q3 1994 896,84 356,34 393,61 4238,73 2648,34 5,13 9,50 1462,47 140,40 Q4 1994 975,44 391,39 439,79 4636,41 2829,38 5,33 9,50 1417,12 145,10 Q1 1995 1033,86 424,73 474,36 4873,84 2846,69 4,86 10,50 1240,96 145,50 Q2 1995 1026,37 420,59 502,09 5221,07 3026,33 5,36 10,50 1331,92 147,40 Q3 1995 1032,86 438,19 497,99 5506,06 3135,45 5,89 10,50 1330,74 153,00 Q4 1995 1093,14 465,80 556,39 5853,49 3310,56 7,07 10,50 1249,40 156,30 Q1 1996 1116,55 460,62 529,29 6103,12 3470,28 7,36 10,50 1340,64 154,60





Q2 1996 1146,09 441,17 538,38 6364,61 3537,28 6,27 10,50 1283,87 162,10 Q3 1996 1154,27 441,73 510,79 6528,83 3574,12 5,19 10,50 1088,46 150,90 Q4 1996 1194,12 463,80 518,19 6786,84 3726,65 4,60 10,50 889,29 152,60 Q1 1997 1158,08 470,96 506,63 6918,17 3808,19 4,44 10,50 740,34 156,50 Q2 1997 1165,72 467,38 512,13 6962,91 3958,09 4,27 10,50 584,99 169,80 Q3 1997 1182,02 589,36 584,20 7380,12 4166,27 6,16 12,50 570,80 167,30 Q4 1997 1226,79 743,40 601,42 7842,84 4339,35 7,48 12,50 405,12 160,20 Q1 1998 1210,83 776,68 549,17 7470,96 4408,75 9,00 12,50 494,25 165,20 Q2 1998 1117,12 645,17 488,65 7519,85 4502,49 10,36 12,50 335,02 143,50 Q3 1998 1112,06 671,39 492,21 7353,40 4689,30 8,18 12,50 245,02 151,90 Q4 1998 1186,44 630,72 458,87 7212,46 4753,36 4,93 12,50 349,97 151,70 Q1 1999 1159,80 628,98 437,77 7025,23 4789,06 2,55 7,00 351,98 150,00 Q2 1999 1108,84 625,56 512,71 6788,67 4764,12 -0,42 5,50 478,24 101,50 Q3 1999 1152,23 692,84 552,42 6441,47 4786,58 -0,93 4,00 428,86 145,40 Q4 1999 1216,21 755,93 617,45 6117,44 4854,75 0,07 4,00 433,20 145,20 Q1 2000 1231,24 746,88 612,45 6078,76 4824,47 0,90 4,00 417,40 145,20 Q2 2000 1189,98 735,05 654,85 5842,39 4801,32 1,60 3,00 346,46 146,80 Q3 2000 1212,12 874,78 773,24 5345,13 4907,46 2,12 3,00 289,93 143,40 Q4 2000 1289,39 930,57 821,76 5329,49 5032,68 1,66 3,00 272,98 144,30 Q1 2001 1284,70 837,25 771,89 5357,18 5113,56 1,40 3,00 316,64 149,20 Q2 2001 1257,21 844,24 781,43 5076,94 5122,38 2,50 4,00 311,10 143,70 Q3 2001 1270,07 857,13 763,95 5129,92 5165,68 1,63 4,00 303,43 138,10 Q4 2001 1321,53 842,14 730,30 4975,06 5243,66 1,02 3,75 293,85 142,80 Q1 2002 1355,12 820,14 721,61 5361,98 5369,09 0,54 3,50 362,19 141,10 Q2 2002 1325,18 833,33 770,55 5351,02 5385,68 0,23 3,50 389,49 141,80 Q3 2002 1344,00 898,84 813,88 5485,49 5257,76 0,27 3,50 356,32 141,50 Q4 2002 1426,35 946,70 828,22 5588,96 5378,86 1,45 3,25 359,53 144,90 Q1 2003 1471,71 946,26 836,06 5904,94 5444,82 1,98 3,25 365,29 144,70 Q2 2003 1424,52 913,28 832,14 6013,03 5479,63 1,73 2,75 413,42 143,70





Q3 2003 1457,88 979,83 885,55 6137,51 5518,46 1,90 2,75 533,60 144,10 Q4 2003 1563,26 1047,20 931,52 5946,76 5641,84 1,59 2,75 685,88 143,50 Q1 2004 1583,69 1059,95 975,76 6060,23 5794,33 1,94 2,75 687,50 145,50 Q2 2004 1568,02 1108,57 1061,01 6243,77 5797,96 2,65 2,75 645,28 145,80 Q3 2004 1606,09 1182,64 1120,16 6533,23 5875,19 3,30 3,00 635,32 145,10 Q4 2004 1731,67 1236,71 1115,79 6616,45 5948,37 3,16 3,50 651,00 148,10 Q1 2005 1715,75 1145,19 1192,87 6762,33 6029,52 2,81 3,75 708,32 152,90 Q2 2005 1692,72 1244,45 1386,03 6867,60 5987,77 3,70 4,00 667,31 153,50 Q3 2005 1782,52 1427,76 1366,01 7017,52 6263,35 5,64 4,75 698,92 156,00 Q4 2005 1904,63 1393,83 1356,95 7144,46 6438,93 5,98 5,50 688,03 158,90 Q1 2006 1943,20 1374,29 1312,08 7262,97 6742,70 5,72 6,00 746,64 157,40 Q2 2006 1894,46 1375,08 1384,24 7322,76 6671,38 6,03 6,50 718,62 162,10 Q3 2006 1938,27 1518,73 1415,72 7431,01 6790,72 3,63 6,50 689,50 163,30 Q4 2006 2054,41 1483,49 1365,76 7468,66 6824,04 3,28 6,50 713,79 163,80 Q1 2007 2082,69 1474,03 1285,96 7494,95 2,47 5,00 668,29 163,90 Q2 2007 2030,99 1476,32 1379,03 7591,59 1,89 4,00 737,78 166,40 Q3 2007 2073,73 1547,31 1402,79 7628,41 1,65 3,75 839,49 171,00 Q4 2007 2281,65 1712,56 1495,36 7826,16 2,92 3,75 870,61 Q1 2008 2291,55 1654,25 1553,56 7905,92 4,99 3,50 815,67 Anlage 3 - Datenreihe Thailand1

1 Eigene Darstellung in Anlehnung an IMF International Financial Statistics Online, Bloomberg L.P., SET.or.th


Anlage 4 - Welt BIP 2007


Welt BIP 2007 Ranking Economy BIP in Mrd. USD Anteil an Welt BIP in % 1 USA 13811,200 25,4132 Japan 4376,705 8,0533 Deutschland 3297,233 6,0674 China (Mainland) 3280,053 6,0355 England 2727,806 5,0196 Frankreich 2562,288 4,7157 Italien 2107,481 3,8788 Spanien 1429,226 2,6309 Kanada 1326,376 2,44110 Brasilien 1314,170 2,41811 Russland 1291,011 2,37512 Indien 1170,968 2,15513 Korea (Süd) 969,795 1,78414 Mexiko 893,364 1,64415 Australien 821,716 1,51216 Niederlande 754,203 1,38817 Türkei 657,091 1,20918 Belgien 448,560 0,82519 Schweden 444,443 0,81820 Indonesien 432,817 0,79621 Polen 420,321 0,77322 Schweiz 415,516 0,76523 Norwegen 381,951 0,70324 Saudi-Arabien 381,683 0,70225 Österreich 377,028 0,69426 Griechenland 360,031 0,66227 Dänemark 308,093 0,56728 Südafrika 277,581 0,51129 Iran 270,937 0,49930 Argentinien 262,331 0,48331 Irland 254,970 0,46932 Finnland 246,020 0,45333 Thailand 245,818 0,45234 Venuzuela 228,071 0,42035 Portugal 220,241 0,40536 Hong Kong 206,706 0,38037 Malaysia 180,714 0,33338 Kolumbien 171,979 0,31639 Tschechien 168,142 0,30940 Rumänien 165,980 0,30541 Nigeria 165,690 0,30542 Chile 163,915 0,30243 Israel 161,822 0,29844 Singapore 161,347 0,29745 Philippinen 144,129 0,26546 Pakistan 143,597 0,26447 Ukraine 140,484 0,25848 Ungarn 138,182 0,25449 Algerien 135,285 0,24950 Vereinigte Arabische Em. 129,702 0,239


Welt BIP 2007 Ranking Economy BIP in Mrd. USD Anteil an Welt BIP in % 51 Neuseeland 129,372 0,23852 Ägypten 128,095 0,23653 Peru 109,088 0,20154 Kasachstan 103,840 0,19155 Kuwait 102,095 0,18856 Slowakei 74,932 0,13857 Marokko 73,275 0,13558 Vietnam 71,216 0,13159 Bangladesch 67,694 0,12560 Angola 58,547 0,10861 Lybien 58,333 0,10762 Kroatien 51,277 0,09463 Luxemburg 47,942 0,08864 Sudan 47,632 0,08865 Slowenien 45,451 0,08466 Weißrussland 44,771 0,08267 Ecuador 44,184 0,08168 Katar 42,463 0,07869 Serbien 41,581 0,07770 Bulgarien 39,549 0,07371 Litauen 38,328 0,07172 Syrien 38,081 0,07073 Dominikanische Republik 36,686 0,06874 Oman 35,729 0,06675 Tunesien 35,020 0,06476 Guatemala 33,432 0,06277 Sri Lanka 32,354 0,06078 Aserbaidschan 31,248 0,05779 Kenia 29,509 0,05480 Lettland 27,154 0,05081 Costa Rica 25,225 0,04682 Libanon 24,001 0,04483 Uruguay 23,087 0,04284 Yemen 22,523 0,04185 Usbekistan 22,308 0,04186 Estland 21,279 0,03987 Zypern 21,277 0,03988 Kamerun 20,644 0,03889 El Salvador 20,215 0,03790 Trinidad und Tobago 19,982 0,03791 Panama 19,740 0,03692 Cote d'Ivoire 19,570 0,03693 Island 19,510 0,03694 Äthiopien 19,395 0,03695 Tansania 16,181 0,03096 Bahrain 16,041 0,03097 Jordanien 15,832 0,02998 Ghana 15,246 0,02899 Bosnien Herzegowina 15,144 0,028100 Macao 14,204 0,026


Welt BIP 2007 Ranking Economy BIP in Mrd. USD Anteil an Welt BIP in % 101 Bolivien 13,120 0,024102 Turkmenistan 12,933 0,024103 Honduras 12,279 0,023104 Paraguay 12,004 0,022105 Botswana 11,781 0,022106 Afghanistan 11,627 0,021107 Brunei 11,562 0,021108 Sambia 11,363 0,021109 Uganda 11,214 0,021110 Senegal 11,151 0,021111 Jamaika 10,739 0,020112 Gabon 10,654 0,020113 Albanien 10,569 0,019114 Nepal 10,207 0,019115 Georgien 10,176 0,019116 Äquatorial Guinea 9,923 0,018117 Armenien 9,177 0,017118 Kongo, Dem. Rep.. 8,955 0,016119 Kambotscha 8,628 0,016120 Mosambik 7,752 0,014121 Kongo, Rep. 7,646 0,014122 Mezedonien 7,590 0,014123 Madagaskar 7,326 0,013124 Tschad 7,085 0,013125 Mali 6,863 0,013126 Burkina Faso 6,767 0,012127 Namibia 6,740 0,012128 Malta 6,375 0,012129 Mauratius 6,363 0,012130 Papua Neuguinea 6,261 0,012131 Haiti 6,137 0,011132 Nicaragua 5,676 0,010133 Benin 5,428 0,010134 Guinea 4,564 0,008135 Moldavien 4,396 0,008136 Niger 4,170 0,008137 Laos 4,008 0,007138 West Bank und Gaza 4,007 0,007139 Mongolei 3,894 0,007140 Tadschikistan 3,712 0,007141 Montenegro 3,557 0,007142 Malawi 3,552 0,007143 Kyrgisien 3,505 0,006144 Fiji 3,433 0,006145 Barbados 3,430 0,006146 Zimbabwe 3,418 0,006147 Ruanda 3,320 0,006148 Swaziland 2,942 0,005149 Isle of Men 2,916 0,005150 Mauritanien 2,644 0,005


Welt BIP 2007 Ranking Economy BIP in Mrd. USD Anteil an Welt BIP in % 151 Togo 2,493 0,005152 Surinam 2,241 0,004153 Zentralafrika 1,712 0,003154 San Marino 1,690 0,003155 Sierra Leone 1,672 0,003156 Lesotho 1,600 0,003157 Cape Vrede 1,434 0,003158 Belize 1,274 0,002159 Eritrea 1,201 0,002160 Butan 1,096 0,002161 Malediven 1,049 0,002162 Guyana 1,044 0,002163 Antigua und Barbados 1,026 0,002164 Burundi 0,974 0,002165 St. Lucia 0,958 0,002166 Dschibuti 0,830 0,002167 Seyschellen 0,728 0,001168 Lyberia 0,725 0,001169 Gambia 0,643 0,001170 Grenada 0,554 0,001171 St. Vincent 0,553 0,001172 St. Kitts 0,527 0,001173 Samoa 0,482 0,001174 Vanuatu 0,452 0,001175 Komoren 0,449 0,001176 Ost-Timor 0,395 0,001177 Solomonen 0,369 0,001178 Guinea Bissau 0,357 0,001179 Dominika 0,328 0,001180 Mikronesien 0,257 0,000181 Tonga 0,231 0,000182 Palau 0,164 0,000183 Marschall Inseln 0,163 0,000184 Sao Tome 0,145 0,000185 Kiribati 0,087 0,000190 Sonstige 698,542 1,285Summe: 54347,038 100,000

Anlage 5 - Welt BIP 20071

1 Eigene Darstellung in Anlehnung an World Development Indicators database, revised 10.09.2008


Anlage 6 - Welt BIP 2007 und Offenheitsgrad


Welt BIP 2007 BIP 2007 Exporte 2007

Importe 2007 Offenheitsgrad

Ranking Economy Milliarden US Dollar Anteil am Welt BIP in % Goods an Services in nationaler Währung in Prozent 1 USA 13811,20 25,41 13807,50 1662,40 2370,21 29,21 2 Japan 4376,71 8,05 515733,00 91018,60 82117,50 33,57 3 Deutschland 3297,23 6,07 2422,90 1137,19 966,22 86,81 4 China (Mainland) 3280,05 6,04 4738,91 1217,90 955,80 45,87 5 England 2727,81 5,02 1401,04 368,34 415,82 55,97 6 Frankreich 2562,29 4,72 1892,24 501,90 538,30 54,97 7 Italien 2107,48 3,88 1535,54 448,29 452,97 58,70 8 Spanien 1429,23 2,63 1050,59 278,30 349,51 59,76 9 Kanada 1326,38 2,44 1531,43 534,67 503,45 67,79 10 Brasilien 1314,17 2,42 2597610,00 355399,00 315362,00 25,82 11 Russland 1291,01 2,38 32987,40 10057,20 7186,68 52,27 12 Indien 1170,97 2,16 47131,50 10050,70 11517,40 45,76

Anlage 7 - Welt BIP 2007 und Offenheitsgrad1

1 Eigene Darstellung in Anlehnung an World Development Indicators database, revised 10.09.2008 und IMF International Financial Statistics Online

Date post:	24-Aug-2019
Category:	Documents
Upload:	vanbao
View:	215 times
Download:	0 times

Berufsakademie Lörrach - postbank.de · Bei der Rückbetrachtung der aktuellen Finanzmarktkrise...

Documents