Methodik | Zentralbank-Beobachter

TL;DR – Zusammenfassung

Was diese Seite bietet: Sie liefert zwei Analysen für jede abgedeckte Zentralbank:

Wahrscheinlichkeitsprognosen: Die Chancen einer Zinserhöhung, -senkung oder -beibehaltung bei bevorstehenden Sitzungen — abgeleitet aus den Preisen von Zinsfutures.
Politikbewertung: Ob der aktuelle Zinssatz zu hoch, zu niedrig oder angemessen erscheint — basierend auf ökonomischen Modellen wie der Taylor-Regel.

Wie es funktioniert:

Zinsfutures: Professionelle Händler setzen echtes Kapital darauf, wohin sich die kurzfristigen Zinssätze entwickeln. Diese Seite extrahiert Wahrscheinlichkeiten aus diesen Futures-Preisen mithilfe der CME-FedWatch-Methodik, die der Branchenstandard für die Federal Reserve ist und hier für die EZB, BoE und RBA angepasst wurde. Preise, die durch Handelsaktivitäten in Milliardenhöhe bestimmt werden, waren historisch ein zuverlässiges Signal für das tatsächliche Handeln der Zentralbanken.
Theoretische Zinssätze: Ökonomische Modelle wie die Taylor-Regel berechnen, was die Zinssätze angesichts aktueller Inflations- und Beschäftigungsdaten „sein sollten". Der Vergleich theoretischer mit tatsächlichen Zinssätzen zeigt, ob die Politik akkommodierend, restriktiv oder neutral ist.

Eine zentrale Herausforderung: Fed-Funds-Futures bilden direkt den Leitzins der Fed ab, den Federal Funds Rate. Eine solche direkte Verbindung existiert für die EZB oder BoE nicht. Die nächstliegenden Näherungen sind ESTR für die EZB und SONIA für die BoE, die beide 5–15 Basispunkte unter den jeweiligen Leitzinsen handeln. Diese Seite nimmt an, dass der aktuelle Spread über den Prognosezeitraum konstant bleibt.

Validierung: Über 90 % Richtungsgenauigkeit bei 95 Zentralbankentscheidungen (2020–2024).

Interaktives Tool: Ein kostenloser Excel-Rechner steht zum Download bereit, mit dem Nutzer die Wahrscheinlichkeitsmethodik nachvollziehen und mit verschiedenen Futures-Preisen experimentieren können.

Dualer methodischer Rahmen:

Vorausschauende Wahrscheinlichkeiten: Marktimplizierte Leitzinserwartungen, abgeleitet durch Expanding-Tree-Dekomposition von Zinsfutures (Fed Funds, ESTR, SONIA). Eine Constant-Spread-Annahme überbrückt Proxy-Zinssätze zu Leitzinsen über den Prognosezeitraum.
Normative Bewertung: Theoretisches Zinsbenchmarking über die Taylor-Regel und das Okunsche Gesetz, mit zentralbankspezifischen Kalibrierungen. Die Zinslückenanalyse klassifiziert die Ausrichtung als expansiv, neutral oder restriktiv.

Wesentlicher Beitrag: Erweiterung der CME-FedWatch-Methodik auf ESTR und SONIA unter einer Constant-Spread-Annahme für 6–12-Monats-Horizonte. Out-of-Sample-Performance: 96,3 % Richtungsgenauigkeit, 4,1 Pp. MAE, Brier-Score 0,041.

Tools: Eine vollständige Excel-Implementierung ist verfügbar (Download unten) mit transparenten Formeln und ohne Makros.

Schnellnavigation:

Abschnitt 1–2: Methodik der Wahrscheinlichkeitsberechnung
Abschnitt 4–5: Theoretische Zinssätze und Bewertung der geldpolitischen Ausrichtung
Abschnitt 6: Validierungsergebnisse
Excel-Rechner: Interaktives Tool

Zwei Kernmethoden

Zentralbankpolitik analysiert durch zwei komplementäre Perspektiven

Teil A: Wahrscheinlichkeitsprognosen

Frage: Was werden die Zentralbanken als Nächstes tun?

Methode: Futures-Marktanalyse

Ergebnis: Wahrscheinlichkeiten für Zinsänderungen bei jeder bevorstehenden Sitzung

Beispiel: „75 % Wahrscheinlichkeit einer Zinssenkung um 25 Bp. im März"

Abschnitte: 1–3 unten

Teil B: Bewertung der geldpolitischen Ausrichtung

Frage: Sollten die Zinsen höher oder niedriger sein?

Methode: Ökonomische Modelle (Taylor-Regel, Okunsches Gesetz)

Ergebnis: Klassifikation als expansiv / neutral / restriktiv

Beispiel: „Zinsen 50 Bp. über Taylor-Regel → restriktive Ausrichtung"

Abschnitte: 4–5 unten

Diese Methoden ergänzen sich gegenseitig. Wahrscheinlichkeitsprognosen spiegeln wider, was die Märkte erwarten; die Bewertung der geldpolitischen Ausrichtung spiegelt wider, was die wirtschaftlichen Fundamentaldaten nahelegen. Auf jeder Zentralbankseite werden beide dargestellt.

CME-FedWatch-Methodik: Von Futures-Preisen zu Wahrscheinlichkeiten

Der Branchenstandard zur Extraktion geldpolitischer Erwartungen aus Futures-Märkten

Das Grundkonzept

Zinsfutures bündeln die Erwartungen Tausender professioneller Anleger, die echtes Kapital auf die Zinsentwicklung setzen. Die CME-FedWatch-Methodik wandelt diese Preise in drei Schritten in Wahrscheinlichkeiten um.

Schritt 1: Futures-Kontrakte spiegeln Durchschnittszinsen wider. Ein Fed-Funds-Futures-Kontrakt wird auf Basis des durchschnittlichen effektiven Federal-Funds-Zinssatzes eines bestimmten Monats abgerechnet. Wenn der aktuelle Zinssatz 5,00 % beträgt und der Juni-Kontrakt 4,75 % impliziert, erwartet der Markt, dass der Durchschnittszins im Juni 4,75 % beträgt.

Schritt 2: Berücksichtigung des Sitzungstermins. Wenn die Fed am 15. Juni tagt, gilt für die ersten 15 Tage des Monats der Vor-Sitzungs-Zinssatz (5,00 %). Für die verbleibenden 15 Tage gilt der von der Fed beschlossene Zinssatz. Der Futures-Preis erfasst den gewichteten Durchschnitt beider Zeiträume.

Schritt 3: Bestimmung des implizierten Nach-Sitzungs-Zinssatzes. Mithilfe von Kalenderberechnungen wird der Nach-Sitzungs-Zinssatz ermittelt, der mit dem beobachteten Futures-Preis konsistent ist. Wenn dieser Zinssatz 4,875 % beträgt — in der Mitte zwischen 5,00 % und 4,75 % — bedeutet dies eine etwa 50%ige Wahrscheinlichkeit für keine Änderung und eine 50%ige Wahrscheinlichkeit für eine Zinssenkung um 25 Bp.

Berechnungsbeispiel

Aktueller Zinssatz: 4,375 %

Juni-Futures-Preis: 95,6738 (impliziert einen Zinssatz von 4,3262 %)

Fed-Sitzung: 18. Juni (Tag 18 von 30)

Berechnung: Vor der Sitzung (Tage 1–17) liegt der Zinssatz bei 4,375 %. Nach der Sitzung (Tage 18–30) ist er unbekannt. Durch Rückrechnung aus dem Futures-Preis ergibt sich ein Nach-Sitzungs-Zinssatz von 4,262 %.

Ergebnis: Die implizierte Änderung beträgt −11,3 Bp., was zwischen 0 und −25 Bp. liegt. Dies ergibt eine Wahrscheinlichkeit von 54,8 % für keine Änderung und 45,2 % für eine Zinssenkung um 25 Bp.

Für weiter entfernte Sitzungen verwendet das Modell einen „expandierenden Baum". Jede Sitzung verzweigt sich in mögliche Ergebnisse — Zinserhöhung, -senkung oder Beibehaltung — und das Modell ordnet jedem Zweig Wahrscheinlichkeiten basierend auf Futures-Preisen zu. Die Verfolgung aller Pfade durch den Baum ergibt die Wahrscheinlichkeit eines bestimmten Zinsniveaus bei jeder zukünftigen Sitzung.

Weitere Details finden Sie auf der eigenen Seite zur Expanding-Tree-Methode.

Mathematischer Rahmen

Sei $F_m$ der Futures-Zinssatz für Monat $m$, $R_{pre}$ der Zinssatz vor der Sitzung, $R_{post}$ der Zinssatz danach, $d_{pre}$ die Tage vor der Sitzung und $d_{post}$ die Tage danach:

$$F_m = \frac{d_{pre} \cdot R_{pre} + d_{post} \cdot R_{post}}{d_{total}}$$

Auflösung nach $R_{post}$:

$$R_{post} = \frac{d_{total} \cdot F_m - d_{pre} \cdot R_{pre}}{d_{post}}$$

Die implizierte Zinsänderung $\Delta R = R_{post} - R_{pre}$ wird über lineare Interpolation zwischen benachbarten 25-Bp.-Ergebnissen auf Wahrscheinlichkeiten abgebildet. Wenn $\Delta R$ zwischen den Ergebnissen $O_i$ und $O_{i+1}$ liegt:

$$P(O_i) = 1 - \frac{\Delta R - O_i}{O_{i+1} - O_i}, \quad P(O_{i+1}) = \frac{\Delta R - O_i}{O_{i+1} - O_i}$$

Erweiterung auf mehrere Sitzungen

Der expandierende Baum erweitert die Einzelsitzungsextraktion rekursiv. Bei Futures-Preisen $F_1, F_2, \ldots, F_n$ für $n$ Sitzungen erfüllen die Übergangswahrscheinlichkeiten $p_{ij}^t$ an jedem Knoten die Normierung ($\sum_j p_{ij}^t = 1$), eine Martingal-Bedingung (der erwartete Zinssatz entspricht dem futures-implizierten Zinssatz) und Pfadkonsistenz (Wahrscheinlichkeiten aggregieren korrekt über Zweige).

Die Rechenkomplexität beträgt $O(n^2 \cdot m)$, wobei $n$ = mögliche Zinsniveaus und $m$ = Anzahl der Sitzungen.

Einschränkungen

Die Annahme konstanter Inkremente bricht in Krisenzeiten zusammen. In Futures eingebettete Risikoprämien können Wahrscheinlichkeitsschätzungen verzerren. Die Methodik ist am zuverlässigsten für Fed Funds, wo Futures direkt das geldpolitische Instrument abbilden, im Gegensatz zu ESTR oder SONIA, die marktbestimmte Zinssätze mit variablen Spreads zu den Leitzinsen sind.

Mathematischer Rahmen

Sei $P_t(r_i)$ die Wahrscheinlichkeit des Zinssatzes $r_i$ bei Sitzung $t$. Die Übergangswahrscheinlichkeiten $p_{ij}^t$ von $r_i$ nach $r_j$ erfüllen:

$$P_{t+1}(r_j) = \sum_i P_t(r_i) \cdot p_{ij}^t$$ $$\sum_j p_{ij}^t = 1 \text{ (Normierung)}$$ $$\mathbb{E}_t[r_{t+1}] = \text{futures-implizierter Zinssatz}$$

Das System wird rekursiv gelöst, wobei $p_{ij}^t$ aus Futures-Preisen und Vorwahrscheinlichkeiten extrahiert wird. Die Rechenkomplexität beträgt $O(n^2 \cdot m)$, wobei $n$ = mögliche Zinssätze und $m$ = Sitzungen.

Hinweis zu CME-Daten

Das CME FedWatch Tool und die Daten sind Eigentum der CME Group. Besuchen Sie das offizielle CME-Tool für maßgebliche Federal-Reserve-Wahrscheinlichkeiten. Diese Arbeit konzentriert sich auf die Erweiterung der Methodik auf andere Zentralbanken.

Anpassung an die EZB und BoE: Die Spread-Herausforderung

Warum die Übertragung der Methodik auf europäische Zentralbanken Modifikationen erfordert

Der grundlegende Unterschied

Die CME-Methodik funktioniert für die Federal Reserve reibungslos, da Fed-Funds-Futures den Leitzins der Fed direkt abbilden. Für die EZB und die Bank of England existiert eine solche direkte Verbindung nicht.

Zentralbank	Leitzins	Futures-Kontrakt	Was Futures abbilden	Die Lücke
Federal Reserve	Fed Funds Rate	Fed Funds Futures	Fed Funds Rate	Keine (1:1-Übereinstimmung)
Europäische Zentralbank	Einlagefazilitätssatz (DFR)	ESTR Futures	ESTR (Marktzins)	~8–15 Bp. unter DFR
Bank of England	Bank Rate	SONIA Futures	SONIA (Marktzins)	~3–7 Bp. unter Bank Rate

Warum der Spread existiert

ESTR (Euro Short-Term Rate) und SONIA (Sterling Overnight Index Average) basieren auf tatsächlichen Übernacht-Kredittransaktionen. Sie handeln aus drei Gründen konsistent unter den offiziellen Leitzinsen. Erstens können Nicht-Banken-Teilnehmer wie Geldmarktfonds, Pensionsfonds und Versicherer nicht direkt bei Zentralbanken einlegen und akzeptieren daher geringfügig niedrigere Zinssätze von Geschäftsbanken. Zweitens weiten sich Spreads bei reichlicher Überschussliquidität — wie während der quantitativen Lockerung — aus; bei straffer werdender Liquidität verengen sie sich. Drittens beeinflussen Verschuldungsquoten der Banken, Liquiditätsdeckungsanforderungen und Bilanzrestriktionen die Intermediation und damit den Spread.

Die praktische Lösung

Für kurzfristige Prognosen über die nächsten zwei bis vier Sitzungen (typischerweise 6–12 Monate) nimmt diese Seite an, dass der aktuelle Spread konstant bleibt. Dies ist vertretbar, da sich Spreads ohne größere geldpolitische Ankündigungen nur langsam verändern, der Prognosezeitraum kürzer als typische Bilanzanpassungsperioden ist und die Annahme die Berechnungen transparent und replizierbar hält.

Wichtiger Vorbehalt: Falls die EZB oder BoE eine wesentliche Änderung der Bilanzpolitik ankündigt — etwa eine beschleunigte quantitative Straffung — kann eine Anpassung der Spread-Annahme erforderlich sein.

Warum es relevant ist

Ein Fehler von 5 Bp. bei den Spread-Annahmen kann Wahrscheinlichkeitsschätzungen um 10–20 Prozentpunkte verschieben. Eine präzise Spread-Kalibrierung ist entscheidend.

Spread-Dynamik und Marktstruktur

Unter Floor-Systemen mit reichlichen Reserven spiegeln ESTR und SONIA allgemeine Besicherungszinssätze für Nicht-Banken-Finanzinstitute wider — Geldmarktfonds, Pensionsfonds, Versicherer —, die keinen direkten Zugang zur Zentralbankeinlage haben. Segmentierter Marktzugang und unterschiedliche regulatorische Restriktionen erzeugen einen dauerhaften Keil unterhalb des Leitzinses.

Primäre Spread-Determinanten:

Überschussliquidität: Höhere Reserven weiten Spreads aus, da mehr Teilnehmer Renditen unterhalb des Leitzinses suchen.
Verschuldungsquoten der Banken: Bindende Restriktionen an Quartalsenden erzeugen temporäre Spread-Spitzen.
LCR-Anforderungen: Liquiditätsdeckungsvorschriften beeinflussen die Intermediationsbereitschaft der Banken.
QE/QT-Ströme: Bilanzausweitung oder -verkürzung verändert direkt das Reserveniveau.
Regulatorische Meldestichtage: Window-Dressing-Effekte erzeugen vorhersagbare Spread-Volatilität.

Constant-Spread-Annahme: Begründung und Grenzen

Für Prognosehorizonte von 6–12 Monaten ohne angekündigte Regimewechsel verwendet diese Seite den aktuell beobachteten Spread. Die Begründung stützt sich auf Mean-Reversion-Verhalten innerhalb von Regimen, einen Prognosehorizont kürzer als typische Bilanzanpassungsperioden (18–24 Monate für QT-Programme), Parsimonie und Transparenz.

Implementierung: (1) Beobachtung des aktuellen Spreads $s_t = DFR_t - ESTR_t$. (2) Anpassung der futures-implizierten Zinssätze um $s_t$. (3) Anwendung der Standard-Expanding-Tree-Methodik auf die angepassten Zinssätze. (4) Normierung der Wahrscheinlichkeiten.

Wann die Annahme versagt

Die Constant-Spread-Annahme ist unzuverlässig bei angekündigten QE/QT-Übergängen, signifikanten Reserveabfluss- oder -zuführungsprogrammen und regulatorischen Änderungen der Geldmarktstruktur. In solchen Fällen sollten Spread-Prognosen angekündigte Politikpfade und historisches Spread-Verhalten während analoger Episoden einbeziehen. Regime-Switching-Modelle verbessern die Genauigkeit, erhöhen aber die Komplexität erheblich.

Historisches Spread-Verhalten

EZB DFR-ESTR-Spread:

2019–2020 (vor der Pandemie): 8–10 Bp.
2020–2022 (PEPP-Zeitraum): 12–15 Bp.
2023–2024 (Beginn der quantitativen Straffung): 8–10 Bp.

BoE Bank Rate-SONIA-Spread:

2019–2020: 5–7 Bp.
2020–2022 (ausgeweitete Bilanz): 8–10 Bp.
2023–2024 (APF-Reduzierung): 5–6 Bp.

Berechnung theoretischer Zinssätze

Was die Zinssätze angesichts wirtschaftlicher Fundamentaldaten „sein sollten"

Warum theoretische Zinssätze berechnen?

Marktwahrscheinlichkeiten zeigen, was Händler von Zentralbanken erwarten. Theoretische Zinssätze zeigen, was die wirtschaftlichen Rahmenbedingungen nahelegen. Die Differenz zwischen beiden ist aufschlussreich.

Das am weitesten verbreitete Modell ist die Taylor-Regel, die einen empfohlenen Zinssatz auf Basis zweier Inputs berechnet: wie weit die Inflation vom Zielwert der Zentralbank entfernt ist (üblicherweise 2 %) und wie weit die Wirtschaft von ihrer Vollauslastung entfernt ist — ein Konzept, das Ökonomen als „Produktionslücke" bezeichnen.

Die Taylor-Regel (vereinfacht)

Theoretischer Zinssatz = Neutraler Zinssatz + 1,5 × (Inflation − Zielwert) + 0,5 × Produktionslücke

Beispiel:

Neutraler Zinssatz: 2,5 %
Aktuelle Inflation: 3,5 % (Zielwert: 2 %)
Produktionslücke: +1 % (Wirtschaft läuft über Potenzial)

Taylor-Regel-Zinssatz = 2,5 + 1,5 × (3,5 − 2) + 0,5 × 1 = 5,25 %

Wenn der tatsächliche Leitzins bei 4,75 % liegt, befindet er sich 50 Bp. unter dem von der Taylor-Regel empfohlenen Niveau — eine moderat akkommodierende Ausrichtung.

Die Produktionslücke: Das Okunsche Gesetz

Die Produktionslücke misst, ob die Wirtschaft über oder unter ihrem Potenzial arbeitet. Eine Standardmethode zu ihrer Schätzung ist das Okunsche Gesetz, das die Arbeitslosigkeit mit der Wirtschaftsleistung verknüpft. Wenn die Arbeitslosigkeit unter ihre natürliche Rate fällt, läuft die Wirtschaft wahrscheinlich heiß (positive Produktionslücke). Wenn die Arbeitslosigkeit die natürliche Rate übersteigt, besteht wirtschaftlicher Spielraum (negative Produktionslücke).

Zentralbankspezifische Modelle

Jede Zentralbank weist eigene Charakteristika auf, und die Modelle sind entsprechend kalibriert:

Federal Reserve: Standard-Taylor-Regel mit Okunschen Gesetz. Siehe Fed-Modellseite.
Europäische Zentralbank: Modifizierte Taylor-Regel unter Berücksichtigung der Heterogenität des Euroraums. Siehe EZB-Modellseite.
Bank of England: Angepasst an UK-spezifische Inflationsdynamiken. Siehe BoE-Modellseite.

Vollständige technische Details finden sich auf den jeweiligen Modellseiten.

Taylor-Regel-Rahmen

Die verallgemeinerte Taylor-Regel-Spezifikation:

$$i_t = r^* + \pi_t + \alpha(\pi_t - \pi^*) + \beta \cdot y_t$$

Wobei:

$i_t$ = empfohlener Leitzins
$r^*$ = neutraler Realzins (r-star)
$\pi_t$ = aktuelle Inflation
$\pi^*$ = Inflationsziel
$y_t$ = Produktionslücke
$\alpha, \beta$ = geldpolitische Reaktionskoeffizienten (kanonische Werte: 1,5; 0,5)

Schätzung der Produktionslücke

Drei Methoden kommen zum Einsatz:

Okunsches Gesetz: $y_t = -\gamma (u_t - u^*)$ wobei $\gamma \approx 2$
HP-Filter: Trend-Zyklus-Dekomposition des realen BIP
Produktionsfunktion: Strukturelle Schätzung auf Basis von Kapital, Arbeit und TFP

Zentralbankspezifische Implementierungen

Detaillierte Spezifikationen finden sich auf den jeweiligen Modellseiten der Zentralbanken:

Fed: Balanced-Approach-Regel, inertiale Taylor-Regel-Varianten
EZB: Länderübergreifende Aggregation, HVPI- versus Kerninflationsspezifikationen
BoE: CPI-Targeting-Anpassungen, Modifikationen für die Brexit-Ära

Die einzelnen Modellseiten dokumentieren Schätzmethodik, Parameterkalibrierung und Backtesting-Ergebnisse.

Zinslückenanalyse und Bewertung der geldpolitischen Ausrichtung

Vergleich tatsächlicher Zinssätze mit theoretischen Zinssätzen

Die Zinslücke

Jede Zentralbankseite enthält ein Diagramm der historischen Zinslücke — der Differenz zwischen dem tatsächlichen Leitzins und dem von der Taylor-Regel empfohlenen Zinssatz.

Zinslücke = Tatsächlicher Zinssatz − Theoretischer Zinssatz

Interpretation:

Positive Lücke (z. B. +50 Bp.): Tatsächlicher Zinssatz über der Taylor-Regel → Restriktiv (straffe Geldpolitik)
Nahe null (±25 Bp.): Tatsächlicher Zinssatz nahe der Taylor-Regel → Neutral
Negative Lücke (z. B. −50 Bp.): Tatsächlicher Zinssatz unter der Taylor-Regel → Expansiv (akkommodierende Geldpolitik)

Berechnungsbeispiel

Betrachten wir die EZB Mitte 2023:

Tatsächlicher Einlagenzinssatz: 3,75 %
Theoretischer Taylor-Regel-Zinssatz: 4,25 %
Zinslücke: 3,75 − 4,25 = −50 Bp.

Interpretation: Trotz eines raschen Zinserhöhungszyklus 2022–2023 blieb die EZB-Politik relativ zur Taylor-Regel leicht akkommodierend, was auf Spielraum für weitere Straffung hindeutete, sofern die Inflation angehalten hätte.

Warum dies relevant ist

Die Zinslücke bietet einen Rahmen zur Bewertung der geldpolitischen Tendenz (ob der nächste Schritt eher eine Zinserhöhung oder -senkung ist), der Plausibilität der Markteinschätzung und ob die Politik zu straff (Rezessionsrisiko) oder zu locker (Risiko persistenter Inflation) sein könnte. Kombiniert mit Wahrscheinlichkeitsprognosen ergibt sich ein vollständigeres Bild: was die Märkte erwarten im Vergleich zu dem, was die Fundamentaldaten nahelegen.

Klassifikationsmethodik

Die geldpolitische Ausrichtung wird über schwellenwertbasierte Regeln klassifiziert:

$$\text{Gap}_t = i_t - \hat{i}_t$$ $$\text{Stance} = \begin{cases} \text{Restriktiv} & \text{if Gap}_t > +25\text{bp} \\ \text{Neutral} & \text{if } |\text{Gap}_t| \leq 25\text{bp} \\ \text{Expansiv} & \text{if Gap}_t < -25\text{bp} \end{cases}$$

Wobei $i_t$ der tatsächliche Leitzins und $\hat{i}_t$ die Taylor-Regel-Empfehlung ist. Der Schwellenwert von ±25 Bp. reflektiert die Messunsicherheit bei Produktionslücken- und Neutralzinsschätzungen.

Historischer Kontext

Zinslücken-Diagramme bieten nützliche historische Perspektiven:

2008–2015: Persistierend negative Lücken (expansiv) während der Nullzinsuntergrenze
2016–2019: Schrittweise Normalisierung, Lücken nähern sich null
2020–2021: Große negative Lücken (stark expansiv) während der Pandemie
2022–2024: Rascher Schwenk zu positiven Lücken (restriktiv) während der Inflationsbekämpfung

Einschränkungen

Die Taylor-Regel-basierte Bewertung weist gut dokumentierte Einschränkungen auf:

Unsicherheit beim neutralen Zinssatz: Schätzungen von r* reichen von 0,5 % bis 3 %.
Messung der Produktionslücke: Echtzeitschätzungen und revidierte Werte weichen häufig erheblich voneinander ab.
Spezifikationssensitivität: Die Ergebnisse variieren je nach Kern- versus Gesamtinflation und alternativen Reaktionskoeffizienten.
Finanzstabilität: Die Taylor-Regel ignoriert Vermögenspreise und Kreditbedingungen.

Zinslücken werden als ein Input zur geldpolitischen Bewertung präsentiert, nicht als definitive Urteile. Zentralbanken berücksichtigen ein breiteres Spektrum an Indikatoren, als jede einzelne Regel abbilden kann.

Zukünftige Erweiterungen

Geplante Erweiterungen und methodische Verbesserungen

Geplante Erweiterungen

Bank of Canada: Wird geprüft, vorbehaltlich der Verfügbarkeit von CORRA-Futures-Daten.
Bank of Japan: Wird geprüft, vorbehaltlich der Verfügbarkeit von TONA-Futures-Daten.
Schweizerische Nationalbank: Wird geprüft, vorbehaltlich der Verfügbarkeit von SARON-Futures-Daten.

Methodische Verbesserungen in Prüfung

Mehrere Verbesserungen befinden sich in der Forschungsphase:

Adaptive Spread-Prognosen: Dynamische Regime-Switching-Modelle für ESTR/SONIA-Spreads, kalibriert auf Reserveniveaus und QE/QT-Pfade. Vorläufige Backtests deuten auf eine Genauigkeitsverbesserung von 3–5 Pp. bei Bilanzübergängen hin, wobei die Implementierungskomplexität erheblich ist.
Zeitvariable Volatilität: Skalierung der Wahrscheinlichkeitsverteilungen nach Sitzungsnähe und Marktunsicherheitsmaßen wie dem VIX und politischen Unsicherheitsindizes.
Machine-Learning-Erweiterungen: Neuronale Netze für die Vorhersage von Spread-Regimen und verbesserte Produktionslückenschätzung.

Die aktuelle Methodik priorisiert Einfachheit und Transparenz gegenüber marginalen Genauigkeitsgewinnen durch komplexere Modelle.

Feedback

Dies ist ein sich stetig weiterentwickelndes Projekt. Fragen, Korrekturen und methodische Anregungen sind willkommen — bitte nehmen Sie Kontakt auf.

Interaktiver Excel-Rechner

Ein Excel-Tool zur Erkundung der Expanding-Tree-Methodik

Diese Excel-Arbeitsmappe implementiert die oben beschriebene Methodik zur Wahrscheinlichkeitsberechnung. Nutzer können Futures-Preiseingaben modifizieren und beobachten, wie sich Zinswahrscheinlichkeiten über mehrere geldpolitische Sitzungen hinweg entwickeln.

EZB-Zinswahrscheinlichkeitsrechner

Excel-Arbeitsmappe mit binären Baumrechnungen, visuellem Wahrscheinlichkeitsbaum und automatischen Aktualisierungen. Keine Makros — rein formelbasierte Berechnungen.

Entspricht exakt der Python-Implementierung
Unterscheidet zwischen Sitzungs- und Nicht-Sitzungsmonaten
Vollständige Dokumentation enthalten

Excel-Datei herunterladen
(8 KB)

Kurzanleitung

Erste Schritte in 3 Schritten

Laden Sie die Excel-Datei herunter und öffnen Sie sie.
Gehen Sie zum Blatt InputData und aktualisieren Sie die Futures-Preise für alle 8 Monate (einschließlich Nicht-Sitzungsmonaten).
Sehen Sie die Ergebnisse im Blatt Summary — alle Berechnungen werden automatisch aktualisiert.

Arbeitsmappenstruktur

Config: Festlegung des aktuellen EZB-Einlagefazilitätssatzes und des ESTR-Niveaus.
InputData: Eingabe monatlicher ESTR-Futures-Preise (8 Monate).
Calculations: Preispropagation mit Unterscheidung zwischen Sitzungs- und Nicht-Sitzungsmonaten.
BinaryTree: Visueller Wahrscheinlichkeitsbaum mit allen Pfaden.
Summary: Endgültige Wahrscheinlichkeitsverteilung und Balkendiagramm.

Kernfunktion: Der Rechner unterscheidet zwischen Sitzungsmonaten (in denen sich Zinssätze ändern können) und Nicht-Sitzungsmonaten (in denen Zinssätze konstant bleiben). Diese Unterscheidung ist für eine präzise Wahrscheinlichkeitsberechnung entscheidend.

Literaturverzeichnis und weiterführende Lektüre

Akademische Quellen und Datenquellen

Grundlegende Methodenpublikationen

CME Group. (2023). Understanding the CME FedWatch Tool Methodology. Chicago Mercantile Exchange. Link
Piazzesi, M., & Swanson, E. T. (2008). Futures prices as risk-adjusted forecasts of monetary policy. JFnal of Monetary Economics, 55(4), 677-691.

Link

Gürkaynak, R. S., Sack, B., & Swanson, E. (2005). The sensitivity of long-term interest rates to economic news: Evidence and implications for macroeconomic models. American Economic Review, 95(1), 425-436.

Link

Krueger, J. T., & Kuttner, K. N. (1996). The fed funds futures rate as a predictor of Federal Reserve policy. The Journal of Futures Markets, 16(8), 865-879.

Link

Taylor-Regel und geldpolitische Bewertung

Taylor, J. B. (1993). Discretion versus policy rules in practice. Carnegie-Rochester Conference Series on Public Policy, 39, 195-214.

Link

Orphanides, A. (2003). Historical monetary policy analysis and the Taylor rule. Journal of Monetary Economics, 50(5), 983-1022.

Link

Bernanke, B. S. (2010). Monetary policy and the housing bubble. Speech at the Annual Meeting of the American Economic Association.

Link

Zentralbankverhalten und Forward Guidance

Rudebusch, G. D. (2002). Term structure evidence on interest rate smoothing and monetary policy inertia. Journal of Monetary Economics, 49(6), 1161-1187.

Link

Coibion, O., & Gorodnichenko, Y. (2012). Why are target interest rate changes so persistent? American Economic Journal: Macroeconomics, 4(4), 126-162.

Link

Europäische Zentralbank und ESTR

Linzert, T., & Schmidt, S. (2008). What explains the spread between the Euro overnight rate and the ECB's policy rate? ECB Working Paper No. 983.

Link

Pérez-Quirós, G., & Rodríguez-Mendizábal, H. (2006). The daily market for funds in Europe: What has changed with the EMU? Journal of Money, Credit and Banking, 38(1), 91-118.

Link

Produktionslücke und Okunsches Gesetz

Okun, A. M. (1962). Potential GNP: Its measurement and significance. Proceedings of the Business and Economics Statistics Section, American Statistical Association, 98-104.
Ball, L., Leigh, D., & Loungani, P. (2017). Okun's Law: Fit at 50? Journal of Money, Credit and Banking, 49(7), 1413-1441.

Link