Dies ist die Fortsetzung eines Beitrags vom 8. Januar, in dem der Frage nachgegangen wird, warum ökonomische Prognosen so selten stimmen.
Im 1. Teil ging es um die spezifischen methodischen Schwierigkeiten von ökonomischen Vorhersagen. Sie haben vor allem folgende Ursachen:
a) die Qualität der eingehenden Annahmen und Daten;
b) inwieweit ein möglicher Schätzfehler in die Prognose einbezogen wird;
c) der Zeithorizont, auf den sich die Prognose bezieht.
Im 2. Teil werden ökonomische Prognosen als soziales Phänomen besprochen und erläutert, warum gerade dies zu Verzerrungen führt.
a) „Baue ein Bild, so wie es dir passt …“
Nicht nur mangelhafte Qualität der Daten kann die Ergebnisse von Prognosen beeinflussen, sondern insbesondere auch die bewusste Auswahl oder Manipulation von Daten, die in eine Prognoseerstellung eingehen. Es ist nicht selten, dass Wirtschaftswissenschaftler oder Analysten in ihren Prognosen trotz sehr ähnlicher Methoden zu unterschiedlichen Resultaten kommen, weil sie ihre Daten so auswählen, dass sie zu den Ergebnissen führen, die von ihren Auftraggebern bzw. aufgrund ihrer eigenen ideologischen Voreingenommenheiten erwünscht sind.
Der amerikanische Statistiker Nate Silver ist in den vergangenen Jahren durch erfolgreiche Wahlprognosen bekannt geworden. In seinem Buch „Die Berechnung der Zukunft“ hat er eine hervorragende Darstellung der methodischen Probleme von Prognosen im Allgemeinen geliefert. Auf der Basis der Forschung des Politologen Philip Tetlock hat er zwei grundsätzliche Typen von Prognostikern unterschieden, „Fuchs“ und „Igel“, deren Charakterisierung auf ein Zitat des griechischen Dichters Archilochos zurückgeht: „Der Fuchs weiß viele Dinge, aber der Igel weiß eine große Sache“.
„Füchse“ denken fachlich übergreifender, verlassen sich mehr auf empirische Beobachtungen, drücken ihre Prognosen meist relativ vorsichtig aus und sind bereit, diese auch schneller zu revidieren. „Igel“ hingegen haben ein Weltbild und betrachten alltägliche Probleme aus der Sichtweise heraus, die in ihre Ideologie passt. Sie formulieren ihre Prognosen selbstbewusster, sind seltener bereit, sie zu revidieren und führen Fehlprognosen i. d. R. auf Pech oder widrige Umstände zurück, aber nur selten auf eigene Fehler. Die Vorhersagen von „Igeln“ sind normalerweise viel schlechter als diejenigen von „Füchsen“, werden jedoch überzeugender dargestellt.
Für den unbefangenen Beobachter ist es auf den ersten Blick fast unmöglich zu erkennen, ob ein Prognostiker sich seine Daten so zusammensucht, damit sie zu den erwünschten Ergebnissen passen, oder ob dieser ergebnisoffen forscht. Fatalerweise finden gerade diejenigen Prognosen, die von vornherein parteiisch vorgenommen werden, besondere Aufmerksamkeit in der Öffentlichkeit. Dies liegt einerseits daran, dass sie von denjenigen Investmentbanken, Lobby-Verbänden etc., denen sie am meisten nützen, in der Öffentlichkeitsarbeit meist offensiv verwendet werden. Es liegt aber ebenfalls daran, dass „Igel-Prognosen“ meist eindeutiger formuliert und selbstbewusster vorgetragen werden und sich daher besser für die Darstellung in Massenmedien eignen.
Gerade manipulierte Prognosen werden gerne als hochwissenschaftlich verpackt, in dem besonders auf eine ausgefeilte Methodik geachtet wird. Durch die Kombination von schwachen Daten bzw. Annahmen sowie profunden wissenschaftlichen Methoden lassen sich die Öffentlichkeit und selbst viele Fachleute täuschen. Dies ergibt eine extrem gefährliche Mischung, wie Benjamin Graham schon 1958 beschrieben hat: „Die Kombination von präzisen Formeln mit sehr ungenauen Annahmen kann dazu dienen, jede Bewertung abzuleiten oder zu rechtfertigen, wie hoch sie auch sein mag. (…the combination of precise formulas with highly imprecise assumptions can be used to establish, or rather to justify, practically any value one wished, however high …)“
Als beispielhaft für diese Gefährlichkeit gelten inzwischen Risikomodelle der US-Ratingagenturen, die in der Zeit vor der Finanzkrise 2007 US-Hypothekenanleihen systematisch als viel zu sicher bewerteten. Obwohl die aktuellsten und besten Daten über den US-Immobilienmarkt in ihre Berechnungen eingingen, führte die „Gestaltung“ der Annahmen zu einer völligen Fehleinschätzung durch die Modelle. (Eine detaillierte Darstellung dieses Sachverhalts findet sich z. B. in Nate Silvers schon bereits zitiertem Buch: „Die Berechnung der Zukunft“)
Da manipulierte Prognosen praktisch immer scheitern, aber gleichzeitig erhöhte Aufmerksamkeit erfahren, haben sie entscheidend zum schlechten Ruf der Vorhersagen von Unternehmens- und Wirtschaftsentwicklungen beigetragen.
b) Prognosekulturen
Empirische Untersuchungen haben gezeigt, dass sich Wirtschaftsprognosen sehr danach unterscheiden, für welchen Abnehmerkreis sie gedacht sind. Da sie sowohl in der Produktion wie auch der Präsentation völlig unterschiedlich sind, kann man von verschiedenen „Prognosekulturen“ sprechen. Die Form der Vorhersage – eine zeitbezogene Punktprognose oder eine „ungenaue“ Trendprognose – hängt von der Art der Kultur ab, in der sie produziert werden.
So gibt es Kulturen, in denen Vorhersagen ausschließlich mit dem Präsentationszweck gemacht werden. Die Abnehmer nutzen diese Prognosen für die eigenen Entscheidungen. So liefern zum Beispiel Volkswirte und Wertpapieranalysten Prognosen für Anleger, auf deren Basis diese entscheiden, in welche Wertpapiere sie investieren. Diese Art der Prognoseproduktion kann als „Show-Prognosekulturen“ bezeichnet werden. Sie dienen vor allem als Inszenierung des Expertentums.
Die Fähigkeit zu möglichst präzisen Vorhersagen gilt in der Öffentlichkeit als Indikation für die Qualifikation als Experte. Diesem Bedürfnis wird durch Punktprognosen nachgekommen, selbst wenn diese eigentlich seriös gar nicht möglich sind. Um die Erwartungen des Publikums zu erfüllen, bemühen sich die Wirtschaftsanalysten, ihre Vorhersagen starr, formell, zahlenorientiert und künstlich genau erscheinen zu lassen. Weil es Konvention ist, eine wissenschaftlich gerechtfertigte und eindeutige Definition der Situation zu präsentieren, werden Unklarheiten und Unwissenheit heruntergespielt und größtenteils ausgeschlossen.
Eine besondere Rolle bei den Showprognosen spielen die sog. Crashprophezeiungen. Hierbei handelt es sich um betont negative Vorhersagen, die aber in der öffentlichen Wahrnehmung einen erhöhten Aufmerksamkeitswert haben. Verluste werden von Anlegern viel stärker wahrgenommen als gleichhohe Gewinne. Dieses aus der Behavioral Economics bekannte Phänomen resultiert aus der sogenannten Verlustaversion. Anleger haben Angst, Verluste zu machen, und, wenn sie welche machen, fürchten sie, sich diese einzugestehen. Prognostiker können also eine erhöhte Aufmerksamkeit erwarten, wenn sie ihr Publikum vor hohen Verlusten warnen. Wenn sie sogar einmal recht haben, winkt ihnen jahrelanger Ruhm.
Wie man auf dem Ruf eines Crash-Propheten ein ganzes Berufsleben aufbauen kann, zeigt das Beispiel von Elaine Garzarelli, die 1987 als einzige Anlagestrategin den Oktobercrash vorhersagte. Sie war zwar mit ihren Prognosen insgesamt wenig erfolgreich und leiste sich in den Jahren nach 1987 einige spektakuläre Fehleinschätzungen (z. B. 2003, als sie auf dem Tiefpunkt des Marktes weitere schlechte Zeiten vorhersagte). Ein auf der Basis ihrer Prognosen aufgebauter Investmentfonds zeigte nur eine sehr mäßige Performance und wurde nach einigen Jahren wieder eingestellt. Dennoch wurde sie in der Folge ihres Prognoseerfolges 1987 in Leserumfragen 11 Jahre lang als Top-Quantanalystin vom Institutional Investor geführt und gehörte lange zu den bestbezahltesten Strategen an der Wall Street.
Eine besondere Kategorie der Crash-Propheten sind einige Anlagestrategen, die schon seit Jahrzehnten vor einem unmittelbar bevorstehenden Zusammenbruch der Wirtschaft und des Aktienmarktes warnen. Heutzutage sind insbesondere Marc Faber und Albert Edwards bekannt. Obwohl diese im Gegensatz zu Elaine Garzarelli fast immer völlig falsch lagen, erfahren sie nach wie vor eine sehr große Medienaufmerksamkeit. Dies mag damit zu tun haben, dass sie in der Tradition biblischer Weltuntergangsszenarien stehen und mit Urängsten der Menschen spielen. Ihre Vorhersagen sind lupenreine „Igel-Prognosen“: Alle Daten werden so interpretiert, dass sie zum vorgegebenen Katastrophenszenario passen, egal wie verquer die damit zusammenhängende Argumentation ist.
Weiterhin gibt es Kulturen, in denen Vorhersagen nur für den eigenen Gebrauch, als Basis für die eigenen Handlungen produziert werden. Es handelt sich dann zumeist um unpräzise Angaben für Tendenzen an Finanzmärkten, die zwar in ihrer Richtung, nicht aber im Ausmaß oder für bestimmte Zeitpunkte vorhergesagt werden. Sie dienen als interne Arbeitswerkzeuge bei der Kapitalanlage.
Beispielsweise bilden Portfoliomanager eigene Prognosen, die sie nicht kommunizieren müssen, sondern direkt in Entscheidungen umwandeln. Wirtschaftsereignisse werden als einzigartig und nicht genau wiederholbar eingeschätzt. Da solche Ereignisse nicht genau vorausgesagt werden können, wird nicht angestrebt, eine präzise Zahl oder einen genauen Zeitpunkt mit den künftigen Ereignissen zu verbinden. Die Voraussagen sind deshalb zumeist Trendprognosen, die sich auf die Vorhersage der Richtung einer wirtschaftlichen Entwicklung beziehen, jedoch nicht auf deren genaues Ausmaß oder bestimmte Zeitpunkte.
Der Status der Portfoliomanager hängt letztendlich nicht vom Erfolg oder Misserfolg der Prognosen ab, sondern vom Resultat der Investitionsentscheidungen. Das Ergebnis wird an der Performance der verantworteten Fonds gemessen. Prognosen sind nur eines von mehreren Instrumenten, ein positives Resultat zu erreichen. Deswegen erscheint in diesem Fall der Begriff einer „Ergebnis-Prognosekultur“ gerechtfertigt.
c) Prognosen und Rückkopplungen
Bei einer Rückkopplung handelt es sich um einen Mechanismus in signal- oder informationsverarbeitenden Systemen, bei dem es zu Wechselwirkungen zwischen dem ursprünglichen Signal – in diesem Fall einer Prognose – sowie dem Gesamtsystem – hier die Wirtschaft – kommt.
Rückkopplungen kommen in vielfacher Form in technischen, biologischen, geologischen, wirtschaftlichen oder sozialen Systemen vor. Je nach Art und Richtung kommt es zur Selbstverstärkung eines Prozesses oder zu dessen Abschwächung bzw. Selbstbegrenzung. Im ersten Fall spricht man von Mitkopplung bzw. positiver Rückkopplung, im zweiten Fall von Gegenkopplung oder negativer Rückkopplung.
Bei rückkoppelnden Prognosen gibt es grundsätzlich zwei Formen: die selbsterfüllende Prophezeiung als Mitkopplung sowie die selbstzerstörende Prophezeiung als Gegenkopplung. Beide Begriffe gehen zurück auf Soziologen Robert K. Merton, der soziale Mechanismen zur Erklärung der Auswirkungen bestimmter Einstellungen und Handlungsweisen analysierte. Er beschrieb 1948 als Erster den Denkfehler, Ereignisse als Beweis für die Aussagekraft der eigenen Vorhersage anzuführen, die man selbst ausgelöst hat.
Eine selbsterfüllende Prophezeiung (engl. self-fulfilling prophecy) beschreibt das Phänomen, dass ein erwartetes Verhalten einer anderen Person oder Wirtschaftseinheit durch eine Prognose hierüber unterstützt oder sogar erzwungen wird. Beispiele hierfür waren zuletzt während der jüngsten Eurokrise zu beobachten. So verschlechterten sich in Reaktion auf reduzierte Wirtschaftsprognosen die Finanzierungskonditionen für die Krisenländer an den internationalen Kapitalmärkten, was sich wiederum negativ auf das Wachstum auswirkte. Dies führte zur Verfehlung von Defizitzielen, noch schlechteren Prognosen, und weiter steigenden Zinsen, usw. usw. Der Teufelskreis wurde erst durch Intervention der EZB gebrochen.
Unternehmen versuchen im Rahmen ihrer Investor-Relations-Arbeit zu beeinflussen, wie Analysten ihre Gewinnschätzungen vornehmen und diese an neue Entwicklungen anpassen. Mit diesem „Erwartungsmanagement“ soll eine möglichst hohe Bewertung von Aktien und Anleihen erreicht werden, wodurch die Finanzierungskosten niedrig bleiben. Dies resultiert in einer erhöhten Rentabilität, die wiederum eine hohe Bewertung rechtfertigt.
Im Gegensatz zur selbsterfüllenden Prophezeiung steht die selbstzerstörende Prophezeiung (engl. self-defeating prophecy), bei der die Prognose das Ziel verfolgt, ihr Eintreten zu verhindern. Diese Form der Vorhersage ist insbesondere im Risikomanagement wichtig. Ein typisches Beispiel hierfür wäre z. B. die Vorhersage eines Unglücks (etwa eines Unfalls oder einer Produktionsstörung), welche dazu führt, dass Maßnahmen eingeleitet werden, die dieses Unglück unmöglich machen.
Leider ist es gerade in der Ökonomie sehr schwierig geworden, erstzunehmende Warnungen von den Weltuntergangsszenarien der Crashpropheten zu unterscheiden. Hier besteht eine besonders unglückliche Wechselbeziehung zwischen Medieninteresse und der Formulierung von Prognosen: Je krasser die Vorhersage, desto mehr kann sie als Sensationsstory vermarktet werden. Publizität für differenzierende Warn-Prognosen ist hingegen selten.
Fazit:
Wirtschaftsprognosen sind nicht per se unsinnig oder unmöglich. In der Art und Weise, wie sie heutzutage üblicherweise durchgeführt werden, sind sie allerdings normalerweise mit schwerwiegenden Problemen behaftet:
• Die zugrunde liegenden Daten sind oft mangelhaft. Oder sie werden manipuliert oder gezielt ausgewählt, um eine schon vorher feststehende Aussage zu unterstützen.
• Um den Prognostiker als Experten zu inszenieren, werden Vorhersagen viel präziser formuliert, als es eigentlich möglich ist. Um das Image des Experten mit überlegenem Wissen nicht zu stören, werden Angaben über mögliche Schätzfehler verheimlicht, obwohl diese für die Empfänger der Prognosen eine wertvolle Zusatzinformation wären.
• Ökonomische Prognosen beziehen sich sehr oft auf einen Zeitraum von 1-2 Jahren, in dem die Komplexität des Wirtschaftssystems nicht selten dazu führen kann, dass Überraschungen zu stärkeren Abweichungen führen.
• Der Erfolg einiger Prognosen hängt entscheidend davon ab, ob sie in Lage sind, Rückkopplungen mit der Wirtschaft zu produzieren.
Diese Mängel hängen nicht zuletzt auch mit unrealistischen Publikumserwartungen zusammen, die von den ökonomischen Prognostikern sogar bestärkt werden. Irrigerweise wird in der Öffentlichkeit die Genauigkeit einer Prognose mit ihrer Aussagekraft verwechselt. Würde ein Ökonom beispielsweise seine Prognose so formulieren: „Ich erwarte unter bestimmten Annahmen mit einer Wahrscheinlichkeit von 80% ein Wirtschaftswachstum zwischen 0,5% und 1,5% für nächstes Jahr“, wäre die Reaktion von Wettbewerbern, Presse und Klienten eindeutig: Viel zu unpräzise, nicht ernst zu nehmen. Gewollt sind Aussagen wie: „Das Bruttosozialprodukt wächst im nächsten Jahr mit 1%“, selbst wenn so eine Eindeutigkeit vorgespielt wird, die unmöglich ist.
Dieses begünstigt „Igel-Prognosen“, die zwar genau, aber falsch sind. Wer als Adressat einer Vorhersage eine Präzision erwartet, die nicht möglich ist, sollte sich nicht darüber wundern, wenn ihm eine Prognose-Show vorgespielt wird, die mit tatsächlichen Entwicklungen nichts zu tun hat. Solche Vorhersagen sind allerdings für Investmententscheidungen unbrauchbar. Deswegen haben sich Entscheider, die auf der Basis ihrer Anlageergebnisse bewertet werden, bei der Bildung ihrer Erwartungen für eine unsichere Welt auch „Fuchs-Prognosen“ angewöhnt: Relativ unpräzise Trendaussagen, die laufend an aktuelle Entwicklungen angepasst werden.
Zu kurz greift die oft formulierte populistische Kritik an schlechten Prognosen von Analysten und Ökonomen: Einerseits wird von ihnen Unmögliches verlangt, wenn sie auf der Basis unvollkommener Daten präzise Voraussagen über mittelfristige Zeiträume liefern sollen. Wenn sie dann am Unmöglichen scheitern, werden sie als unfähige Deppen dargestellt. Den Prognostikern kann man jedoch vorwerfen, dass sie dieses Spiel mitspielen und ihrer kurzfristigen Inszenierung willen dem Publikum mehr Expertentum vortäuschen, als eigentlich möglich ist.
Ökonomische Prognosen könnten wissenschaftlicher ermittelt und dargestellt werden, als es derzeit üblich ist. Dann müssten die Vorhersager aber zugeben, dass das Ergebnis stark von Datenqualität und komplexen Wirkungszusammenhängen beeinflusst werden kann. Dem Publikum wird ein Theaterstück aufgeführt, in dem sich Experten inszenieren oder bestimmte Meinungen gestützt werden; und die Prognostiker sind die Schauspieler. Insofern hat die überwiegende Anzahl der veröffentlichten Vorhersagen tatsächlich mehr mit einer Voodoo-Show zu tun als mit neutraler Wissenschaft.
Quellen:
Zum Thema vgl. insbesindere Nate Silver: „Die Berechnung der Zukunft: Warum die meisten Prognosen falsch sind und manche trotzdem zutreffen“; München 2013, Heyne Verlag; sowie Ekaterina Svetlova und Karl-Heinz Thielmann: „Prognosekulturen an Finanzmärkten“ in: Andreas Hartmann und Oliwia Murawska (Hrsg.): „Repräsentationen der Zukunft. Zur kulturellen Matrix des Prognostischen“ (im Druck). Benjamin Graham wurde zitiert nach: John C. Bogle, The Culture That Gave Rise To The Current Financial Crisis, Philadelphia 2009.
Dieser Beitrag erschien in leicht abgewandelter Form zuerst in „Mit ruhiger Hand“ Nummer 21 vom 6. Januar 2014.
Comments on this entry are closed.
{ 1 trackback }