Kapitalkostenplanung. Zur Zuverlässigkeit kanadischer Zinsprognosen

Inhaltsverzeichnis

Abkürzungsverzeichnis

Symbolverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

1. Einleitung
1.1. Forschungsstand und Erkenntnisinteresse
1.2. Methodik
1.3. Aufbau der Arbeit

2. Kapitalkostenplanung und Kapitalmarktprognose
2.1. Kapitalkosten und Kapitalkostenplanung
2.2. Kapitalmarktprognosen
2.2.1. Definition und Bedeutung von Prognosen
2.2.2. Besonderheiten von Kapitalmarktprognosen
2.2.3. Bedeutung von Zinsprognosen als Form der Kapitalmarktprognose
2.2.4. Zusammenfassung
2.3. Zusammenfassung

3. Prognosekompetenzen
3.1. Einführung in die Prognosegütemessung
3.2. Ausgewählte Instrumente der Prognosegütemessung
3.2.1. Gegenwartsorientierte Verlaufsanpassung
3.2.2. Vergleich zur naiven Prognose
3.2.3. Zusammenfassung
3.3. Zusammenfassung

4. Ergebnis des Vergleichs zur naiven Prognose und GOVA-Koeffizienten
4.1. Untersuchungsdesign
4.1.1. Datenbasis
4.1.2. Methodik
4.1.3. Zusammenfassung
4.2. Das kanadische Bankensystem
4.3. Untersuchung einzelner Unternehmen
4.3.1. Finanzinstitute
4.3.1.1. National Bank of Canada
4.3.1.1.1. National Bank of Canada
4.3.1.1.2. National Bank Financial
4.3.1.1.3. Zusammenfassung
4.3.1.2. Canadian Imperial Bank of Commerce (CIBC)
4.3.1.2.1. CIBC World Markets
4.3.1.2.2. Canadian Imperial Bank of Commerce
4.3.1.2.3. Zusammenfassung
4.3.1.3. BMO Financial Group
4.3.1.3.1. BMO Nesbitt Burns
4.3.1.3.2. BMO Bank of Montreal
4.3.1.3.3. BMO Capital Markets
4.3.1.3.4. Zusammenfassung
4.3.1.4. RBC Financial Group
4.3.1.4.1. RBC Royal Bank
4.3.1.4.2. RBC Dominion Securities
4.3.1.4.3. Zusammenfassung
4.3.1.5. Scotiabank
4.3.1.6. Caisse de dépôt et placement du Québec
4.3.1.7. Toronto Dominion Bank
4.3.1.8. Desjardins
4.3.1.9. JP Morgan Canada
4.3.1.10. Bank of America Merrill Lynch
4.3.1.11. Zusammenfassung
4.3.2. Weitere Prognoseinstitute
4.3.2.1. IHS Global Insight
4.3.2.2. Informetrica Limited
4.3.2.3. University of Toronto
4.3.2.4. Economap Inc
4.3.2.5. Conference Board of Canada
4.3.2.6. EDC Economics
4.3.2.7. Consensus Forecasts
4.3.2.8. Zusammenfassung
4.3.3. Zusammenfassung
4.4. Zusammenfassung

5. Kritische Würdigung der Untersuchungsergebnisse
5.1. Darstellung der Untersuchungsergebnisse
5.2. Erklärungsansätze für die Untersuchungsergebnisse
5.3. Zusammenfassung

6. Fazit und Ausblick

Literaturverzeichnis

Anhang A: Übersicht Forschungsstudien

Anhang B: Aufteilung Prognosegütemaße

Abstract

Die Prognosen makroökonomischer Faktoren stellen für viele wirtschaftliche Entscheidungen eine bedeutende Grundlage dar. Insbesondere Zinsprognosen sind für den Bereich der Fremdkapitalkostenplanung elementar. Es gilt, Entscheidungen über den Zeitpunkt der Fremdkapitalaufnahme, die Laufzeit und die Art der Verzinsung zu treffen. Zugrundeliegende Prognosen sollten durch ihre hohe Qualität die Auswahl der bestmöglichen Alternative gewährleisten. Dazu ist eine fortwährende Überprüfung der Prognosegüte nötig. Systematische Fehler, wie Herdenverhalten, Ankerheuristik und Status quo bias müssen vermieden werden.

Anhand einer empirischen Untersuchung der Rendite zehnjähriger kanadischer Staatsanleihen zeigt sich, dass professionelle Analysten bei Abgabe ihrer Prognosen Fehlern wie einer gegenwartsorientierten Verlaufsanpassung unterliegen. Die Abgabe naiver Prognosen hätte zumeist bessere Ergebnisse geliefert. Hier besteht dringend weiterer Forschungs- und Handlungsbedarf, um weitere Ursachen aufzudecken und Treffsicherheit sowie Zuverlässigkeit von Prognosen als Entscheidungsgrundlage zu verbessern.

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Symbolverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Abbildungsverzeichnis

Abb. 1: Berechnung des GOVA-Koeffizienten am Beispiel der National Bank of Canada

Abb. 2: Berechnung des MRAPnP am Beispiel der National Bank of Canada

Abb. 3: Rendite kanadischer Staatsanleihen mit zehn Jahren Restlaufzeit (blaue Linie) und entsprechende 4-Monats-Prognose der National Bank of Canada (orange Linie) von August 1994 bis April 2014

Abb. 4: Rendite kanadischer Staatsanleihen mit zehn Jahren Restlaufzeit (blaue Linie) und um den Prognosehorizont von vier Monaten verschobene 4-Monats-Prognose der National Bank of Canada (orange Linie) von August 1994 bis Dezember 2013

Abb. 5: Rendite kanadischer Staatsanleihen mit zehn Jahren Restlaufzeit (blaue Linie) und entsprechende 13-Monats-Prognose der National Bank of Canada (orange Linie) von August 1994 bis Januar 2015

Abb. 6: Rendite kanadischer Staatsanleihen mit zehn Jahren Restlaufzeit (blaue Linie) und um den Prognosehorizont von 13 Monaten verschobene 13-Monats-Prognose der National Bank of Canada (orange Linie) von August 1994 bis Dezember 2013

Abb. 7: Rendite kanadischer Staatsanleihen mit zehn Jahren Restlaufzeit (blaue Linie) und entsprechende 4-Monats-Prognose der National Bank Financial (orange Linie) von Januar 1994 bis Oktober 2012

Abb. 8: Rendite kanadischer Staatsanleihen mit zehn Jahren Restlaufzeit (blaue Linie) und um den Prognosehorizont von vier Monaten verschobene 4-Monats-Prognose der National Bank Financial (orange Linie) von Januar 1994 bis Juni 2012

Abb. 9: Rendite kanadischer Staatsanleihen mit zehn Jahren Restlaufzeit (blaue Linie) und entsprechende 13-Monats-Prognose der National Bank Financial (orange Linie) von Januar 1994 bis Juli 2013

Abb. 10: Rendite kanadischer Staatsanleihen mit zehn Jahren Restlaufzeit (blaue Linie) und um den Prognosehorizont von 13 Monaten verschobene 13-Monats-Prognose der National Bank Financial (orange Linie) von Januar 1994 bis Juni 2012

Abb. 11: Rendite kanadischer Staatsanleihen mit zehn Jahren Restlaufzeit (blaue Linie) und entsprechende 4-Monats-Prognose von CIBC World Markets (orange Linie) von Januar 1994 bis April 2014

Abb. 12: Rendite kanadischer Staatsanleihen mit zehn Jahren Restlaufzeit (blaue Linie) und um den Prognosehorizont von vier Monaten verschobene 4-Monats-Prognose von CIBC World Markets (orange Linie) von Januar 1994 bis Dezember 2013

Abb. 13: Rendite kanadischer Staatsanleihen mit zehn Jahren Restlaufzeit (blaue Linie) und entsprechende 13-Monats-Prognose von CIBC World Markets (orange Linie) von Januar 1994 bis Januar 2015

Abb. 14: Rendite kanadischer Staatsanleihen mit zehn Jahren Restlaufzeit (blaue Linie) und um den Prognosehorizont von 13 Monaten verschobene 13-Monats-Prognose von CIBC World Markets (orange Linie) von Januar 1994 bis Dezember 2013

Abb. 15: Rendite kanadischer Staatsanleihen mit zehn Jahren Restlaufzeit (blaue Linie) und entsprechende 4-Monats-Prognose der Canadian Imperial Bank of Commerce (orange Linie) von Januar 1994 bis Juni 2002

Tabellenverzeichnis

Tab. 1: Ergebnisübersicht der GOVA-Koeffizienten für die untersuchten prognosegebenden Institute mit einem Prognosehorizont von vier Monaten

Tab. 2: Ergebnisübersicht der GOVA-Koeffizienten für die untersuchten prognosegebenden Institute mit einem Prognosehorizont von 13 Monaten

Tab. 3: Ergebnisübersicht des mittleren relativen absoluten gewichteten Prognosefehlers bezogen auf die naive Prognose für die untersuchten prognosegebenden Institute mit Prognosehorizonten von vier und 13 Monaten

1. Einleitung

Die Planung der Kapitalkosten stellt für viele Unternehmen einen wichtigen Teil der Gesamtkostenplanung dar, um so fortwährend die Liquidität aufrecht zu erhalten und Zahlungsfähigkeit garantieren zu können. Zinsprognosen sind hierbei elementarer Bestandteil. Anlässlich der Entscheidung, ob, zu welchem Zeitpunkt, für welche Dauer und in welcher Form (variabel oder fix) eine Fremdkapitalaufnahme erfolgt, ist die Treffsicherheit von Zinsprognosen ausschlaggebend. Eine Fehlprognose kann erhebliche Folgen für die Kosten eines Unternehmens haben und die Liquidität gefährden. Vor diesem Hintergrund wird anhand des Beispiels kanadischer Zinsprognosen im Rahmen dieser Arbeit untersucht, inwiefern die Prognosequalität ausreicht, um Prognosen als Entscheidungsgrundlage verwenden zu können.

Nachfolgend wird der aktuelle Forschungsstand sowie das Erkenntnisinteresse (1.1.) vorgestellt. Es folgt eine Beschreibung der Methodik der Untersuchung (1.2.) und die Erläuterung des Aufbaus dieser Arbeit (1.3.).

1.1. Forschungsstand und Erkenntnisinteresse

Die vorliegende Arbeit knüpft an einen bestehenden Forschungsstand an. Die Betrachtung beschränkt sich auf die Prognosequalität von Zinsprognosen, wobei die ausgewählten und chronologisch dargestellten Arbeiten einen Überblick über die unterschiedlichen Untersuchungsergebnisse aufzeigen. Eine detaillierte Darstellung der Studien befindet sich in Anhang A.

Bereits Belongia (1987) stellt fest, dass die Zinsprognosen zu mehr als 50 % falsche Trends voraussagen und schlechtere Ergebnisse als die naive Prognose liefern.^[1] Dua (1988) kommt zu dem Schluss, dass die Ergebnisse vom Prognosehorizont, dem -gegenstand und dem -zeitraum abhängen.^[2] Die Zeitraumabhängigkeit zum Übertreffen der naiven Prognose wird von Hafer und Hein (1989) unterstützt.^[3] Domian (1992) weist nach, dass selbst die Zinsentwicklung nicht richtig prognostiziert werden kann.^[4] Kolb und Stekler (1996) stellen heraus, dass Zinsprognosen naiven Prognosen im Ergebnis unterliegen.^[5] Gosnell und Kolb (1997) betrachten Zinsprognosen gegenüber naiven Prognosen als überlegen.^[6] Albrecht (2000) stellt hingegen fest, dass die naive Prognose das bessere Ergebnis liefert.^[7] Spiwoks (2003) bestätigt dies.^[8] Greer (2003) widerlegt es in seiner Untersuchung und stellt bei Zinsprognosen bessere Ergebnisse als bei naiven Prognosen fest.^[9] Nach Brooks und Gray (2004)^[10] und Mose (2005)^[11] unterliegen Zinsprognosen wiederum der naiven Prognose. Baghestani (2005) differenziert in seinem Untersuchungsergebnis nach der Länge des Prognosehorizonts.^[12] Spiwoks und Hein (2005) zeigen auf, dass die Prognosequalität sowohl im Vergleich zur naiven Prognose als auch hinsichtlich einer gegenwartsorientierten Verlaufsanpassung ungenügend ist.^[13] Benke (2006) weist nach, dass mehr als 50 % der Zinsprognosen einer naiven Prognose unterliegen.^[14] Scheier und Spiwoks (2006) unterstützen diese Aussage, da in ihrer Untersuchung nur eine geringe Anzahl von Prognosen eine relativ hohe Prognosequalität aufweist.^[15] Auch Spiwoks und Hein (2007) sehen das Treffen einer naiven Prognose als sinnvoller an als das einer eigenen Prognose.^[16] Spiwoks, Bedke und Hein (2008a),^[17] Spiwoks, Bedke und Hein (2008b)^[18] sowie Spiwoks, Bedke und Hein (2008c)^[19] stellen im Rahmen ihrer Untersuchung gegenwartsorientierte Verlaufsanpassungen fest und weisen die Prognosequalität somit als ungenügend aus. Spiwoks, Gubaydullina und Hein (2011) liefern ein ähnliches Ergebnis, wobei sie keine signifikanten Unterschiede zwischen den untersuchten Nationen feststellen.^[20]

Es wird deutlich, dass die Ansichten hinsichtlich der Prognosequalität von Zinsprognosen stark divergieren. Im Rahmen der zuletzt genannten Untersuchung erfolgt unter anderem eine Analyse der Prognosen zur Entwicklung Kanadas mit dem Ergebnis, dass von 100 untersuchten Prognosezeitreihen lediglich zwei bei kurzfristiger Prognose des 3-Monats-Zinses keiner gegenwartsorientierten Verlaufsanpassung unterliegen.^[21] Diese Untersuchung ist Anknüpfungspunkt für die vorliegende Arbeit. Es stellt sich die Frage, ob für den Untersuchungszeitraum von 1994 bis 2013 für die Rendite zehnjähriger kanadischer Staatsanleihen das gleiche Ergebnis ermittelt werden kann oder ob sich die Prognosequalitäten signifikant verbessert bzw. verschlechtert haben. Zur Erstellung einer zuverlässigen Kapitalkostenplanung muss eine ausreichende Prognosekompetenz vorliegen, damit die Prognosen einen Mehrwert für die Unternehmen liefern. Inwieweit dies der Fall ist, wird in der statistischen Auswertung in Kapitel vier analysiert.

1.2. Methodik

Die vorliegende Arbeit dient der empirischen Untersuchung von Zinsprognosen, da deren Treffsicherheit Auswirkungen auf die hier im Fokus stehende Kapitalkostenplanung hat. Der Untersuchung vorangestellt ist ein theoretischer Teil, der die Einordnung dieser Arbeit in den wissenschaftlichen Kontext ermöglicht.

Im Rahmen der Untersuchung selbst erfolgt eine Auswertung von 4- und 13-Monats-Prognosen zur Entwicklung der Rendite zehnjähriger kanadischer Staatsanleihen. Dabei werden von Januar 1994 bis Dezember 2013 die monatlich in der britischen Fachzeitschrift Consensus Forecasts veröffentlichten Prognosen von 21 ausgewählten Instituten und deren Mittelwert analysiert.

Die empirische Untersuchung jedes Instituts erfolgt zunächst durch einen grafischen Vergleich der 4- bzw. 13-Monats-Prognose mit der tatsächlichen Rendite. Dabei werden die Prognosen zuerst mit den tatsächlichen Renditen zu ihren Geltungszeitpunkten verglichen. Anschließend erfolgt eine Verschiebung der Prognosen um den Prognosehorizont in die Vergangenheit, sodass ein Vergleich zum Entstehungszeitpunkt ermöglicht wird.

Die rechnerische Überprüfung der Prognosequalität erfolgt mit Hilfe der zwei statistischen Prognosegütemaße GOVA-Koeffizient und mittlerer relativer absoluter gewichteter Prognosefehler bezogen auf die naive Prognose (MRAPnP). Der Wert des GOVA-Koeffizienten lässt darauf schließen, wie stark sich die Prognostiker bei Abgabe ihrer Prognosen von der gegenwärtigen Situation beeinflussen lassen. Bei zu starker Beeinflussung verlieren die Prognosen ihren zukunftsorientierten Charakter. Der MRAPnP stellt einen Vergleich der abgegebenen Prognose zu der naiven Prognose dar. So wird überprüft, ob die Vorhersagen bessere Ergebnisse liefern als der definierte Prognosetiefpunkt.

Auf Basis der herausgestellten Forschungsergebnisse wird untersucht, ob die Zinsprognosen kanadischer Institute für den Zeitraum von Januar 1994 bis Dezember 2013 als sinnvolle Grundlage für die Kapitalkostenplanung angesehen werden können.

1.3. Aufbau der Arbeit

Die vorliegende Arbeit gliedert sich in sechs Kapitel. Zunächst werden im zweiten Kapitel die Grundlagen der Kapitalkostenplanung dargestellt. Dazu wird auf die Kapitalkosten allgemein sowie auf deren Planung eingegangen. Anschließend erfolgt eine Einordnung der Zinsprognosen. Nach allgemeiner Einführung in das Thema Prognosen wird die Darstellung der Kapitalmarktprognosen vorgenommen. Abschließend werden die Besonderheiten von Zinsprognosen aufgeführt.

Kapitel drei befasst sich mit den statistischen Grundlagen zur Untersuchung der Prognosekompetenz. Einführend erfolgt eine Definition der Prognosegütemessung, um darauf aufbauend die verwendeten Prognosegütemaße, den GOVA-Koeffizienten und den MRAPnP, vorzustellen.

Schwerpunkt dieser Arbeit bildet die in Kapitel vier vorgenommene Untersuchung. Im Anschluss an die Präsentation des Datenmaterials erfolgt die Analyse der Prognosekompetenz von 21 ausgewählten Instituten sowie von deren Mittelwert. Das Vorgehen verläuft jeweils wie folgt: Zunächst werden die prognosegebenden Institute kurz vorgestellt. Es erfolgt anschließend ein grafischer Vergleich der abgegebenen Prognosen mit den tatsächlichen Renditen zu ihren Geltungs- und Entstehungszeitpunkten. Die Ergebnisse der Beobachtungen werden rechnerisch durch Ermittlung des GOVA-Koeffizienten und des MRAPnP nachgewiesen. Abschließend wird die Bedeutung der errechneten Werte hinsichtlich der Prognosekompetenz der Institute erläutert.

Kapitel fünf beinhaltet eine übersichtliche Darstellung der Ergebnisse der Untersuchung. Außerdem werden Erklärungsansätze für das Verhalten der Analysten bei Abgabe der Prognose dargelegt und auf ihre Sinnhaftigkeit überprüft. Als Abschluss dieser Arbeit wird in Kapitel sechs ein Fazit gezogen sowie ein Ausblick für zukünftige Forschungsmöglichkeiten gegeben.

2. Kapitalkostenplanung und Kapitalmarktprognose

Das zweite Kapitel liefert die theoretischen Grundlagen zur Einordnung der angestrebten Untersuchung in den wissenschaftlichen Kontext. Dazu werden zunächst die Kapitalkosten sowie die korrespondierende Kapitalkostenplanung dargestellt (2.1.) und die Kapitalmarktprognosen grundlegend erläutert (2.2.). Abschließend erfolgt eine kurze Zusammenfassung (2.3.).

2.1. Kapitalkosten und Kapitalkostenplanung

In der ökonomischen Gesellschaft existiert bislang kein klarer Konsens zu dem Grundbegriff der Kapitalkosten.^[22] Bei der Mehrheit der deutschen Konzerne werden sie als Ziel- oder Mindestrendite der Geschäftstätigkeit angenommen.^[23]

Die Anwendungsmöglichkeiten von Kapitalkosten sind Vielfältig. So können sie zur Investitionsbewertung, zur Unternehmensbewertung, zum Controlling des langfristigen Erfolgs, zur Steuerung eines Konzerns und zur Analyse wirtschaftspolitischer Fragestellungen verwendet werden.^[24]

Im Rahmen dieser Arbeit werden die Kapitalkosten der Investitions- und Finanzierungstheorie betrachtet. Diese sind grundsätzlich identisch mit den Renditeforderungen der Kapitalgeber, welche auch als Preise für die Kapitalüberlassung bzw. Auszahlungen für Vermögensanlagen, angesehen werden können.^[25] Als Ausgangspunkt für die weitere Verwendung des Begriffs Kapitalkosten werden zunächst kurz die zentralen Ausdrücke „Investition“ und „Finanzierung“ erläutert.

Bei einer Investition kauft ein Unternehmen ein langlebiges Wirtschafts- oder Anlagegut, wie beispielsweise eine Maschine. Dabei wird meist viel Geld für diese Investition ausgegeben und die Nutzung erfolgt über einen längeren Zeitraum, wobei häufig hohe Folgekosten, z. B. für Instandhaltung und Wartung, auftreten.^[26] Durch die Finanzierung werden die benötigten finanziellen Mittel zur Umsetzung der betrieblichen Leistungserstellung und Leistungsverwertung bereitgestellt und die Vornahme außerordentlicher finanzieller Vorgänge, wie z. B. Gründung, ermöglicht.^[27] Bei der Finanzierung kann eine Unterscheidung nach der Mittelherkunft in interne und externe Finanzierung vorgenommen werden.^[28]

Generell umfassen die Kapitalkosten Eigenkapital- und Fremdkapitalkosten.^[29] Im Fokus dieser Arbeit stehen die Fremdkapitalkosten, welche im Folgenden näher betrachtet werden. Fremdkapital in Form von Kreditfinanzierung und Leasing ist in die Außenfinanzierung einzuordnen.^[30] Es handelt sich somit um eine extern vorgenommene Finanzierung.^[31] Charakteristisch für Fremdkapital, welches ausschließlich eine Finanzierungsfunktion erfüllt, ist unter anderem der feste Zinsanspruch, der unabhängig vom Unternehmenserfolg gezahlt werden muss.^[32] Fremdkapitalkosten basieren in der Regel auf Kreditverträgen^[33] und stimmen mit dem durchschnittlichen Fremdkapitalzinssatz des Unternehmens überein.^[34] Das Ausmaß der Fremdkapitalkosten ist abhängig von verschiedenen Faktoren, wie der gegenwärtigen Höhe der Zinssätze am Kapitalmarkt und dem Kreditausfallrisiko des Unternehmens.^[35] Eine steuerliche Betrachtung findet in dieser Arbeit nicht statt.

Im Folgenden wird die Planung allgemein erläutert, um darauf aufbauend auf die Finanz- und die Kapitalkostenplanung einzugehen.

Unter Planung wird im Allgemeinen verstanden, Ziele für die Verantwortlichen zu formulieren, die in einem bestimmten Zeitraum erreicht werden sollen.^[36] Sie gilt als zentraler Bestandteil der unternehmerischen Aufgaben und ist Voraussetzung für Organisation und Kontrolle.^[37] Eine exakte Planung muss sich stets auf systematisch gesammelte und ausgewertete Daten und Informationen stützen.^[38]

Im Rahmen der Finanzplanung werden die erwarteten Einnahmen und die vorgesehenen Ausgaben für einen bestimmten Zeitraum betrachtet.^[39] Unter anderem soll innerhalb eines Finanzplans die Existenz verfügbarer Mittel für kurz- oder langfristige Investitionen untersucht und die Bedeutung von Kreditrückzahlungen aufgezeigt werden.^[40] Um die dauerhafte Existenz einer wirtschaftlichen Institution sicherzustellen, müssen grundlegend geordnete Finanzen vorliegen.^[41] Als Entscheidungsziele finanzieller Führung sind deshalb Liquidität und Rentabilität zu beachten.^[42] Unter Liquidität ist die Fähigkeit eines Unternehmens zur uneingeschränkten Erfüllung zwingend fälliger Zahlungsverpflichtungen zu verstehen.^[43] Rentabilität stellt das Verhältnis zwischen erzieltem Gewinn und eingesetztem Kapital sowie das Streben nach relativem Gewinn dar.^[44]

Die Kapitalkostenplanung ist ein Teilbereich der operativen, also kurzfristigen Planung.^[45] Im Rahmen der Kapitalkostenplanung wird festgelegt, welche Abschreibungen und Zinsen im Planjahr entstehen werden.^[46] Mit ihrer Hilfe kann außerdem über Investitionen und ihre Höhe entschieden und die Auswirkungen auf Abschreibungen und Zinsen bestimmt werden.^[47]

Bezüglich der hier im Fokus stehenden Fremdkapitalkosten ist in der Kapitalkostenplanung zunächst zu bestimmen, ob bei erfolgter Investitionsentscheidung die Finanzierung fix oder variabel^[48] sowie langfristig oder kurzfristig gewählt und zu welchem Zeitpunkt die Finanzmittelbeschaffung erfolgen wird.^[49]

Zusammenfassend ist festzustellen, dass sich der Kapitalkostenbegriff in dieser Arbeit lediglich auf die Renditeforderungen der Fremdkapitalgeber, insbesondere im Bereich der Investitionstheorie, bezieht. Diese gilt es mit Hilfe der Kapitalkostenplanung abzuschätzen, um auch zukünftig bei Investitionsentscheidungen die primären Ziele einer jeden Unternehmung, Liquidität und Rentabilität, zu wahren. Häufig besteht die Notwendigkeit, im Rahmen der Planung auf Prognosen zurückzugreifen. Im Fall der Fremdkapitalkosten sind dies im Wesentlichen Zinsprognosen, welche in Kapitel 2.2.3. näher betrachtet werden.

2.2. Kapitalmarktprognosen

Das Kapitel 2.2. schafft grundlegendes Verständnis zur Einordnung der Kapitalmarktprognosen. Dazu wird zunächst allgemein auf Prognosen eingegangen und ihre Bedeutung für die Wirtschaft aufgezeigt (2.2.1.), um darauf aufbauend die Besonderheiten von Kapitalmarktprognosen darzulegen (2.2.2.). Anschließend werden die Zinsprognosen als besondere Form der Kapitalmarktprognosen dargestellt (2.2.3.). Als Abschluss erfolgt eine kurze Zusammenfassung (2.2.4.).

2.2.1. Definition und Bedeutung von Prognosen

Eine Prognose ist eine Aussage über ein oder mehrere Ereignisse in der Zukunft.^[50] Diese Aussage basiert neben Beobachtungen auch auf einer Theorie.^[51] Prognosen beruhen auf einer Vergangenheitsanalyse, wodurch eine empirische Fundierung gegeben ist. Sie unterscheiden sich dadurch von bloßem Raten.^[52] Außerdem sind stets eine sachlogische Begründung und die Angabe von Prämissen notwendig.^[53] Die zugrundeliegende Theorie dient als Abgrenzungskriterium einer wissenschaftlichen Prognose von irrationaler Prophetie.^[54] Bei Prophetien handelt es sich um Zukunftsaussagen, welche ohne Begründung oder durch Verwendung irrationaler Methoden, wie beispielsweise Orakeln, erlangt werden.^[55]

Die vorliegende Arbeit analysiert lediglich Prognosen. Ihre Erstellung kann von einzelnen Personen, Gruppen von Personen, wie beispielsweise Organisationen, oder anderen vorgenommen werden.^[56] Dabei greifen Individuen und Gruppen auf die gleichen öffentlichen Informationen, bewährten Techniken und Beziehungen zurück.^[57] In vielen Bereichen der Wirtschaft sind Prognosen unerlässlich, beispielsweise bei Investitionsentscheidungen von Unternehmen, bei Budgetplanung der Regierung oder bei Ersparnisbildung von Individuen.^[58] Die ökonomischen Prognosen liefern die Grundlage für unternehmenspolitische und wirtschaftliche Entscheidungen.^[59] Dabei wird stets das Ziel verfolgt, Unsicherheiten über Verläufe und Ergebnisse künftiger wirtschaftlicher Prozesse zu verringern,^[60] um den Wirtschaftssubjekten durch die Prognose das Treffen einer guten oder sogar der besten Entscheidung unter Unsicherheit zu ermöglichen.^[61] Allerdings sind genaue Prognosen sowohl für die Gesamtwirtschaft als auch für einzelne Unternehmen, Produkte und Märkte schwer zu erstellen.^[62]

2.2.2. Besonderheiten von Kapitalmarktprognosen

Kapital- und Finanzmärkte sind zentraler Kern jeder Marktwirtschaft.^[63] Aus diesem Grund werden im Folgenden zunächst Finanzmärkte und ihre Analyse dargestellt. Anschließend erfolgt eine Einordnung der Kapitalmärkte in diesen Kontext.

Der Finanzmarkt stellt die Gesamtheit der Märkte dar, auf denen Angebot und Nachfrage nach Finanztiteln aufeinandertreffen.^[64] Eine Unterteilung kann nach Fristigkeit der Mittelüberlassung in kurzfristige (Geldmarkt) und langfristige Mittelbeschaffung (Kapitalmarkt) vorgenommen werden.^[65] Bei Geschäften an Finanzmärkten handelt es sich um Geschäfte mit der Zukunft.^[66] Entscheidungen über Anlagen und Finanzierungen, z. B. für Investitionsprojekte, können weit in die Zukunft reichen.^[67] Erwartungen zukünftiger Erträge und Kosten bestimmen ihren heutigen Wert, weshalb großes Interesse an künftigen ökonomischen Entwicklungen besteht.^[68]

Diesbezüglich existiert eine Vielzahl an Analysetechniken und Instrumenten.^[69] Die Prognosemodelle lassen sich grundlegend in die technische Analyse und die Fundamentalanalyse unterteilen.^[70] Die technische Analyse nutzt als Informationsbasis lediglich Beobachtungen der zu prognostizierenden Variable aus der Vergangenheit.^[71] Die auf der Fundamentalanalyse basierende Prognose erfordert hingegen eine quantifizierbare ökonomische Theorie.^[72]

Wie oben beschrieben handelt es sich bei dem Kapitalmarkt um einen Teilmarkt des Finanzmarktes. Auf Kapitalmärkten werden mittel- und langfristige Finanzierungen mit Laufzeiten von bis zu fünf Jahren bei mittelfristigen und von mehr als fünf Jahren bei langfristigen Finanzierungsverträgen vereinbart.^[73] Dabei agieren Anbieter, Nachfrager und Finanzintermediäre miteinander.^[74] Erfolgreiche Kapitalmarktprognosen haben unter anderem für Manager aktiver Wertpapierfonds, im Bereich der Fristentransformation bei Banken sowie für Anlage- und Investitionsentscheidungen eine große Bedeutung.^[75] Häufig liegt jedoch eine schlechte Prognosequalität aufgrund von systematischen Fehlern sowie gegenwartsorientierter Verlaufsanpassung vor.^[76]

Insgesamt ist festzustellen, dass sich Kapitalmarktprognosen auf einen bestimmten Markt, den Kapitalmarkt beziehen. Ihre Prognosen haben für Entscheidungen an diesem Markt eine besondere Bedeutung.

2.2.3. Bedeutung von Zinsprognosen als Form der Kapitalmarktprognose

Zinsprognosen haben eine hohe einzel- und gesamtwirtschaftliche Relevanz, wodurch sich das traditionell große Interesse von Ökonomen, Wirtschaftspolitikern und Analysten an ihnen begründen lässt.^[77] Die zukünftige Entwicklung der Zinsen ist für viele Akteure entscheidungsrelevant.^[78]

Dies gilt insbesondere für vier Felder, welche nachfolgend erläutert werden.

Im Bereich der Portfoliomanagementstrategien muss zwischen aktiver und passiver Strategie entschieden werden.^[79] Bei aktiven Strategien können künftige Marktentwicklungen vorausgesehen und in passende Anlagestrategien umgesetzt werden, sofern von der Annahme keiner oder schwacher Informationseffizienz auf Kapitalmärkten ausgegangen wird.^[80] Zinsprognosen stellen eine notwendige Voraussetzung für die Umsetzung aktiver Portfoliomanagementstrategien dar.^[81] Wird hingegen Informationseffizienz auf Kapitalmärkten angenommen, werden Kursbewegungen grundsätzlich nur von neuen Informationen ausgelöst, da alle relevanten Informationen jederzeit in den Kursen repräsentiert sind. In diesem Fall sind lediglich passive Strategien sinnvoll.^[82]

Ferner gelten Zinsprognosen als Ausgangspunkt für weitere Kapitalmarktprognosen.^[83] Sie sind die Grundlage für fundamentale Aktien- und Währungskursprognosen.^[84]

Auch im Rahmen von Fristentransformationen sind Zinsprognosen elementar, da Banken die Möglichkeit haben, einen bedeutenden Gewinnbeitrag zu erhalten.^[85] Art und Umfang der Transformation hängt von dem gegenwärtigen und dem zukünftig erwarteten Zins ab.^[86] Entstehende Risiken aus Fristentransformationen können bei Vorliegen zuverlässiger Zinsprognosen minimiert werden.^[87]

Nachfolgend wird die Wichtigkeit von Zinsprognosen für die Kapitalkostenplanung von Unternehmen dargestellt. Private Unternehmen suchen in Abhängigkeit von der Zinsentwicklung nach dem bestmöglichen Zeitpunkt für ihre Investition.^[88] Bezüglich der Finanzierung durch Fremdkapital bei getroffener Investitionsentscheidung müssen unter Berücksichtigung der Zinsprognosen folgende Fragen beantwortet werden:

- Zu welchem Zeitpunkt soll die Fremdkapitalbeschaffung erfolgen?^[89]
- Welche Laufzeit soll bei der Fremdkapitalaufnahme gewählt werden?^[90]
- Soll die Verzinsung variabel oder fix geschehen?^[91]

Anhand des folgenden Beispiels wird die Finanzierungsentscheidung eines Unternehmens X unter Berücksichtigung der prognostizierten Zinsen für die Kapitalkostenplanung dargestellt:

X hat sich für die Investition in eine neue Maschine entschieden. Nun ist die Frage der Finanzierung zu klären. Da X nicht ausreichend Eigenkapital besitzt, ist eine Fremdkapitalfinanzierung mittels eines Kredits notwendig. Hierbei ist zunächst zu entscheiden, zu welchem Zeitpunkt diese durchgeführt werden soll. Liegen Zinsprognosen vor, die auf fallende Zinsen hindeuten, so wartet X mit der Finanzierung. Bei steigenden Zinserwartungen hingegen ist sofort zu investieren. Auch bei der Wahl der Laufzeit ist die Zinsentwicklung für X interessant. Eine langfristige Finanzierung sichert X das vorherrschende Zinsniveau, was bei Prognose steigender Zinsen sinnvoll ist. Bei erwarteten sinkenden Zinsen wird eine kurze Laufzeit bevorzugt, um zu einem späteren Zeitpunkt von der günstigen Anschlussfinanzierung zu profitieren. Außerdem ist zu beachten, ob die Finanzierung fix oder variabel durchgeführt wird. Bei variabler Finanzierung verändern sich die Kreditraten in Abhängigkeit von dem aktuellen Zinssatz. Steigende Zinsen führen zu höheren Raten. Lediglich bei fallenden Zinsen würde X von einer variablen Finanzierung profitieren. Bei fixer Verzinsung sind die Kreditraten unabhängig von der Zinsentwicklung, was für X bei prognostiziertem Zinsanstieg vorteilhaft ist.

Insgesamt ist die Bedeutung von Zinsprognosen als sehr hoch einzustufen. Insbesondere im Bereich der Kapitalkostenplanung müssen Finanzierungsentscheidungen getroffen werden, die stark von der Prognose zukünftiger Zinssätze abhängen.

2.2.4. Zusammenfassung

In Kapitel 2.2. werden die wesentlichen Grundlagen zur Einordnung und Wichtigkeit von Kapitalmarkt- und Zinsprognosen erläutert. Prognosen werden, in Abgrenzung zu Prophetien, auf Basis von Beobachtungen und einer Theorie, erstellt. Kapitalmarktprognosen gelten als Prognosen für den Kapitalmarkt. Dieser ist ein Teilmarkt des Finanzmarktes, auf dem mittel- und langfristige Finanzierungsverträge abgeschlossen werden. Zinsprognosen sind den Kapitalmarktprognosen zuzuordnen. Ihre Bedeutung ist insbesondere für die Bereiche der Portfoliomanagementstrategie, der Fristentransformation und der fundamentalen Aktien- und Währungskursprognose hervorzuheben. Auch die Kapitalkostenplanung ist stark von der Prognose künftiger Zinssätze abhängig.

2.3. Zusammenfassung

Im zweiten Kapitel werden die theoretischen Grundlagen dieser Arbeit vorgestellt. Dabei wird zunächst auf die Kapitalkosten eingegangen. Es werden lediglich die Fremdkapitalkosten betrachtet, da diese stark von der Zinsentwicklung abhängen. Im Rahmen ihrer Planung sind deswegen Zinsprognosen elementar. Prognosen werden auf Basis von Beobachtungen und einer Theorie erstellt. Zinsprognosen als Form von Kapitalmarktprognosen stellen Prognosen für den Kapitalmarkt dar. Ihre Bedeutung liegt vor allem in den Bereichen der Kapitalkostenplanung, der Portfoliomanagementstrategie, der Fristentransformation und der fundamentalen Aktien- und Währungskursprognose.

3. Prognosekompetenzen

Aufgrund des großen Einflusses der Zinsprognosen für Entscheidungen im Rahmen der Kapitalkostenplanung steht ihre Treffsicherheit im Fokus dieser Arbeit. Es gilt im Folgenden, die Prognosefähigkeit zu untersuchen. Dazu wird zunächst eine kurze Einführung in die Prognosegütemessung vorgenommen (3.1.), um darauf aufbauend auf ausgewählte Instrumente der Prognosegütemessung einzugehen (3.2.). Den Kapitelabschluss bildet eine kurze Zusammenfassung (3.3.).

3.1. Einführung in die Prognosegütemessung

Die Prognosegüte wird definiert als das Ausmaß der Übereinstimmung zwischen prognostizierten und realisierten Werten der zu prognostizierenden Variablen.^[92] Abschließend lässt sich eine Prognose nur im Nachhinein (ex post) beurteilen, da ein Vergleich von prognostizierten mit tatsächlich eintreffenden Werten nötig ist.^[93] Für diese Überprüfung eignen sich insbesondere statistische Prognosefehlermaße^[94], womit eine Unterscheidung von guten und schlechten Prognosen objektiv erfolgen kann.^[95]

Obwohl die Prognosegütemessung lediglich eine kritische Beurteilung der Prognoseleistung der Vergangenheit darstellt, lässt sie auch begründete Rückschlüsse auf die künftige Prognoseleistung zu. Diese stellen zwar keine Garantien für die Zuverlässigkeit zukünftiger Prognosen dar, unbegründete Zuversicht lässt sich jedoch wesentlich einschränken.^[96] Beispielsweise im Rahmen der erfolgreichen aktiven Portfoliomanagementstrategien ist es nicht ausreichend, Prognosen anhand der Zuversicht, die Marktentwicklung genau abschätzen zu können, zu erstellen.^[97] Der statistischen Prognosegütemessung zur Analyse der Prognoseleistung kommt somit eine besondere Bedeutung zu.^[98]

3.2. Ausgewählte Instrumente der Prognosegütemessung

Die Möglichkeiten an statistischen Prognosegütemaßen sind vielfältig.^[99] Um einen Überblick über die Vielzahl der Prognosefehlermaße zu gewinnen, wird in Anhang B eine mögliche Einteilung dargestellt. Im Folgenden wird auf zwei dieser Prognosegütemaße detailliert eingegangen. Zunächst wird die gegenwartsorientierte Verlaufsanpassung und ihre Messung mittels des GOVA-Koeffizienten betrachtet (3.2.1.). Anschließend werden die Möglichkeit des Vergleichs zur naiven Prognose und die Berechnung des MRAPnP vorgestellt (3.2.2.). Das Kapitel endet mit einer kurzen Zusammenfassung (3.2.3.).

3.2.1. Gegenwartsorientierte Verlaufsanpassung

Die Überprüfung, ob eine gegenwartsorientierte Verlaufsanpassung vorliegt, ist von besonderem Interesse.^[100] Bei Prognosen, welche die aktuelle Entwicklung der zu prognostizierenden Variable besonders stark gewichten, liegt ein stärkerer Zusammenhang mit den Daten der jeweiligen Entstehungs- als mit denen der jeweiligen Geltungszeitpunkte vor.^[101] Die permanente Anpassung an die aktuelle Marktentwicklung kann im schlimmsten Fall zu einem Verlust des zukunftsorientierten Charakters der Prognose führen.^[102]

Die Überprüfung, ob eine solche gegenwartsorientierte Verlaufsanpassung vorliegt, wird mit Hilfe des GOVA-Koeffizienten vorgenommen.^[103] Während herkömmliche Prognosegütemaße nur Informationen über die Zuverlässigkeit einer Prognose liefern, lässt die zusätzliche Berücksichtigung des GOVA-Koeffizienten eine verbesserte Abschätzung der Verwendbarkeit der Prognose zu und liefert mögliche Ursachen für eine gegebenenfalls vorliegende mangelnde Prognosegüte.^[104]

Die Berechnung des GOVA-Koeffizienten erfolgt mit Hilfe von zwei Bestimmtheitsmaßen.^[105] Die Formeln zur Berechnung dieser Bestimmtheitsmaße werden im Folgenden in ihrer vereinfachten Form dargestellt:^[106]

Abbildung in dieser Leseprobe nicht enthalten

Zunächst wird das Bestimmtheitsmaß der Korrelation zwischen Prognose und tatsächlichen Ereignissen berechnet (1).^[107] Anschließend wird analog das Bestimmtheitsmaß der Korrelation zwischen Prognose und tatsächlichen Ereignissen im Entstehungszeitpunkt der Prognose ermittelt (2).^[108] Es ist zu beachten, dass die Anzahl der in die Berechnung einfließenden Werte berücksichtigt werden muss.^[109] Durch Division des ersten Bestimmtheitsmaßes durch das zweite ergibt sich der GOVA-Koeffizient:^[110]

Abbildung in dieser Leseprobe nicht enthalten

Von einer gegenwartsorientierten Verlaufsanpassung wird ausgegangen, wenn der GOVA-Koeffizient einen Wert von kleiner als 1 annimmt.^[111] Ist der Wert hingegen größer als 1, kann eine gegenwartsorientierte Verlaufsanpassung nicht zwangsläufig ausgeschlossen werden.^[112] Insbesondere bei Vorliegen eines kurzen Betrachtungszeitraums und/oder Prognosen, bei denen sowohl der Verlauf der Prognose als auch der tatsächliche Verlauf einem ungebrochenen Trend unterliegen, kann es zu dieser Einschränkung der Interpretation kommen.^[113] Ein Ausschluss der gegenwartsorientierten Verlaufsanpassung kann nur plausibel vorgenommen werden, wenn der GOVA-Koeffizient größer als 1 ist und eine umfangreiche Datenmenge vorliegt, welche nennenswerte lokale Minima/Maxima in ihrer Zeitreihe aufweist.^[114]

3.2.2. Vergleich zur naiven Prognose

Das zweite in dieser Arbeit verwendete Prognosegütemaß stellt einen Vergleich zur naiven Prognose dar.

Die Idee der naiven Prognose ist auf den französischen Mathematiker Laplace (1814) zurückzuführen. Um diese Idee zu verdeutlichen, sei das Beispiel einer Blackbox genannt, die regelmäßig ein quantitatives Ergebnis hervorbringt.^[115] Die Ereignisse dieser Zeitreihe lassen sich problemlos beobachten, allerdings sind die Prozesse innerhalb der Blackbox und das Zustandekommen des Ergebnisses nicht ersichtlich.^[116] Der Prognostiker soll in dieser Situation unter völliger Unwissenheit eine Prognose über künftige Ergebnisse erstellen.^[117] Nach Laplace gilt in dieser Situation das Prinzip des unzureichenden Grundes: Da gleich viel für einen steigenden wie für einen fallenden künftigen Verlauf spricht, ist die Abgabe einer naiven Prognose sinnvoll. Dabei wird davon ausgegangen, dass die Zukunft keine Abweichungen zur Vergangenheit zeigt.^[118]

Zinsprognosen werden üblicherweise durch den Vergleich der Prognose zur naiven Prognose beurteilt.^[119] Die naive Prognose spiegelt dabei einen Nullpunkt der Prognosequalität wider.^[120] Eine Prognose ohne bessere Qualität als die naive Prognose drückt die absolute Unkenntnis der prognostizierten Zusammenhänge durch die Prognostiker aus.^[121] Die Prognosen eines Analysten sollten somit eine deutlich bessere Prognosegüte als die naive Prognose aufweisen.^[122]

Als Prognosegütemaß wird der mittlere relative absolute gewichtete Prognosefehler bezogen auf die naive Prognose (MRAPnP) betrachtet. Dieser gibt, als mittlerer Prognosefehler, die durchschnittliche Abweichung des prognostizierten vom tatsächlich eingetretenen Wert an.^[123] Eine Saldierung von Über- und Unterschätzungen wird vermieden, da das Fehlermaß absolut ist.^[124] Um eine Vergleichbarkeit von Prognosen mit verschiedenen Prognosevariablen und/oder Prognosezeiträumen zu gewährleisten, wird eine Normierung der Ergebnisse vorgenommen.^[125] Dies führt dazu, dass der MRAPnP als relativ charakterisiert wird.^[126] Letztlich erfolgt eine Gewichtung der Prognosefehler durch das Verhältnis zu den Prognosefehlern der naiven Prognose.^[127] Der MRAPnP gilt als eines der interessantesten nicht-quadratischen Prognosegütemaße.^[128]

Der MRAPnP wird wie folgt ermittelt:^[129]

Abbildung in dieser Leseprobe nicht enthalten

Nimmt der MRAPnP den Wert 1 an, so ist die Prognose in gleichem Maße gut bzw. schlecht wie die zugehörige naive Prognose.^[130] Ist der Wert größer als 1, so ist die betrachtete Prognose schlechter als die korrespondierende naive Prognose.^[131] Entspricht der MRAPnP hingegen einem Wert von kleiner als 1, so ist die Prognose als besser als die naive Prognose anzusehen.^[132] Ein systematischer Prognoseerfolg wird jedoch lediglich bei einem MRAPnP von kleiner als 0,4 angenommen.^[133]

3.2.3. Zusammenfassung

In Kapitel 3.2. werden die in dieser Arbeit verwendeten Prognosegütemaße vorgestellt. Dabei handelt es sich um den GOVA-Koeffizienten und den MRAPnP.

Im Rahmen der gegenwartsorientierten Verlaufsanpassung wird überprüft, ob die Prognosen einen zukunftsweisenden Charakter bieten oder eine starke Orientierung an der Gegenwart vorliegt. Die Messung erfolgt mit Hilfe des GOVA-Koeffizienten. Bei Werten von kleiner als 1 wird eine gegenwartsorientierte Verlaufsanpassung angenommen.

Der MRAPnP liefert einen Vergleich zu der naiven Prognose. Diese ist auf das Prinzip des unzureichenden Grundes von Laplace zurückzuführen und besagt, dass bei absoluter Unwissenheit keine Abweichung des aktuellen Zustandes prognostiziert werden kann. Die naive Prognose stellt einen absoluten Nullpunkt der Prognosequalität dar und sollte von Prognostikern übertroffen werden. Bezüglich der Interpretation des MRAPnP ist anzunehmen, dass die Prognose bei Werten von größer als 1 schlechter als die naive Prognose ist.

3.3. Zusammenfassung

In Kapitel 3 werden die Grundlagen der Prognosegütemessung dargestellt. Die Prognosegüte ist definiert als das Ausmaß der Übereinstimmung zwischen der prognostizierten und der realisierten Werte der zu prognostizierenden Variablen. Obwohl die Prognosegütemessung lediglich ex-post vorgenommen werden kann, lässt sie begründete Rückschlüsse auf die künftig zu erwartende Prognoseleistung zu.

Da viele wirtschaftliche Entscheidungen, welche die Zukunft betreffen, durch Prognosen erfolgen, ist die Prognosegütemessung von besonderer Bedeutung. Für die Messung existiert eine Vielzahl von Verfahren. Die vorliegende Untersuchung fokussiert die gegenwartsorientierte Verlaufsanpassung und den mittleren relativen absoluten gewichteten Prognosefehler bezogen auf die naive Prognose (MRAPnP).

Die gegenwartsorientierte Verlaufsanpassung, bei welcher Prognosen einen stärkeren Bezug zur Gegenwart als zur Zukunft aufweisen, wird mit Hilfe des GOVA-Koeffizienten überprüft. Liegt ein GOVA-Koeffizient von kleiner als 1 vor, wird eine gegenwartsorientierte Verlaufsanpassung angenommen. Der MRAPnP liefert einen Vergleich zur naiven Prognose. Diese sollte, als Nullpunkt der Prognoseleistung, von den Prognostikern übertroffen werden. Eine Interpretation des MRAPnP kann wie folgt vorgenommen werden: Liefert der MRAPnP Werte von größer als 1 (kleiner als 1), so ist die Prognose schlechter (besser) als die naive Prognose.

4. Ergebnis des Vergleichs zur naiven Prognose und GOVA-Koeffizienten

Die im vorangegangenen Kapitel vorgestellten Prognosegütemaße sollen im Folgenden Anwendung finden. Dazu wird zunächst das Untersuchungsdesign vorgestellt (4.1.) und auf das kanadische Bankensystem eingegangen (4.2.). Anschließend erfolgt eine detaillierte Auswertung der Ergebnisse einzelner Banken (4.3.). Das Kapitel endet mit einer kurzen Zusammenfassung (4.4.).

4.1. Untersuchungsdesign

Um die Analyse besser in das Forschungsgebiet einordnen zu können, wird nachfolgend beschrieben, auf welcher Datenbasis die Untersuchung beruht (4.1.1.) und mit welcher Methodik vorgegangen wird (4.1.2.). Abschließend werden zentrale Aussagen des Kapitels kurz zusammengefasst (4.1.3).

4.1.1. Datenbasis

Die folgende Untersuchung basiert auf den veröffentlichten Daten der britischen Fachzeitschrift Consensus Forecasts, welche monatlich von dem Unternehmen Consensus Economics herausgegeben wird.^[134] Dabei werden mehr als 700 Ökonomen pro Monat bezüglich ihrer Prognosen für die wichtigsten makroökonomischen Indikatoren von mehr als 85 Ländern befragt.^[135] Zu beachten ist, dass stets ortsansässige Institutionen und Bankenhäuser die Prognose für ihr jeweiliges Land abgeben, welche zusätzlich zu einer Konsens-Prognose zusammengefasst werden.^[136]

Diese Arbeit untersucht die abgegebenen Zinsprognosen und ihren Mittelwert für die Entwicklung der Rendite kanadischer Staatsanleihen mit zehn Jahren Restlaufzeit für den Zeitraum von Januar 1994 bis Dezember 2013. Der Prognosehorizont beträgt dabei vier bzw. 13 Monate.^[137]

Die Veröffentlichungen innerhalb des Magazins Consensus Forecasts werden mit Prognosehorizonten von drei und zwölf Monaten angegeben.^[138] Dass die Prognosehorizonte allerdings vier und 13 Monate betragen, lässt sich anhand des folgenden Beispiels erklären: Die Prognosen für Ende Dezember 2001 bzw. Ende September 2002 wurden Anfang September 2001 von den teilnehmenden Institutionen abgegeben und Mitte September 2001 veröffentlicht. Der Zeitraum von Anfang September 2001 bis Ende Dezember 2001 beträgt vier Monate und bis zum Monatsende des folgenden Septembers 13 Monate.^[139] Da die tatsächlichen Renditen auch jeweils am Monatsanfang veröffentlicht werden, erfolgt der Vergleich der 4-Monats-Prognose für Ende Dezember 2001 mit den tatsächlichen Renditen von Anfang Januar 2002.

Es werden alle Institute einbezogen, die mindestens 60 Zinsprognosen abgaben, wodurch eine Betrachtung von minimal fünf Jahren erfolgt. Es handelt sich dabei um folgende 21 Unternehmen:

National Bank of Canada, National Bank Financial, CIBC World Markets, Canadian Imperial Bank of Commerce, BMO Nesbitt Burns, BMO Bank of Montreal, BMO Capital Markets, RBC Royal Bank, RBC Dominion Securities, Scotiabank, Caisse de dépôt et placement du Quebec, Toronto Dominion Bank, Desjardins, JP Morgan Canada, Bank of America Merrill Lynch, IHS Global Insight, Informetrica Limited, University of Toronto, Economap Inc., Conference Board of Canada und EDC Economics.

Bei Umbenennungen und Unternehmenszusammenschlüssen wird die aktuelle Bezeichnung des Unternehmens beibehalten. Ein Hinweis darauf findet sich in der jeweiligen Beschreibung des betrachteten Unternehmens. Zusätzlich wird die Konsens-Prognose, welche von Consensus Forecasts ermittelt wird, untersucht.

Insgesamt beinhaltet die Untersuchung 44 Prognosezeitreihen inklusive der Konsens-Prognose, welche sich über 240 Monate erstrecken und mehr als 6.000 Einzelprognosen enthalten.

4.1.2. Methodik

Die in Kapitel drei vorgestellten Prognosegütemaße, der MRAPnP und der GOVA-Koeffizient, werden im Rahmen der empirischen Untersuchung herangezogen. Bei den Ergebnissen erfolgt eine Rundung auf fünf Nachkommastellen. Obwohl die Prognosezeitreihen größtenteils nicht lückenlos sind, wird auf Interpolation oder sonstige Ergänzung fehlender Daten verzichtet. Dadurch treten Lücken in den Diagrammen auf.

Im Rahmen der Analyse wird zuerst grafisch überprüft, ob eine gegenwartsorientierte Verlaufsanpassung als wahrscheinlich anzusehen ist. Die zugehörigen Diagramme befinden sich in den einzelnen Analysen der Unternehmensprognosen. Anschließend erfolgt der rechnerische Nachweis, der hier exemplarisch anhand des ersten zu untersuchenden Finanzinstituts, der National Bank of Canada, dargestellt wird. Diese lieferte von August 1994 bis Dezember 2013 97 Prognosen an Consensus Forecasts. Betrachtet werden im Folgenden lediglich die 4-Monats-Prognosen. Das Vorgehen bei den 13-Monats-Prognosen erfolgt analog.

Anhand des GOVA-Koeffizienten wird überprüft, ob eine gegenwartsorientierte Verlaufsanpassung vorliegt. In Abbildung eins werden die Prognosen tabellarisch jeweils zu ihren Entstehungs- und Geltungszeitpunkten betrachtet und den tatsächlichen Renditen gegenübergestellt.

Abb. 1 : Berechnung des GOVA-Koeffizienten am Beispiel der National Bank of Canada

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung.

Die Berechnung der Bestimmtheitsmaße erfolgt durch Einsetzen in die in Kapitel 3.2.1. vorgestellten Formeln.

Bei der Bestimmung des Bestimmtheitsmaßes zum Geltungszeitpunkt werden zur Ermittlung der Kovarianz und der Varianzen für die prognostizierten Renditen () sämtliche abgegebene Prognosen mit Geltung für den Zeitraum Dezember 1994 bis April 2014 und für die tatsächlichen Renditen (x) die eingetretenen Werte von Dezember 1994 bis April 2014 berücksichtigt, sofern eine Prognose vorliegt. Es ergibt sich ein Bestimmtheitsmaß A von 0,93848.

Bei der Berechnung des Bestimmtheitsmaßes im Entstehungszeitpunkt ergibt sich ein anderer Sachverhalt: Zur Ermittlung der Kovarianz und der Varianzen werden für die prognostizierten Renditen () sämtliche abgegebene Prognosen in dem Zeitraum von August 1994 bis Dezember 2013 einbezogen. Für die tatsächlichen Renditen () wird jedoch die tatsächlich vorliegende Rendite zum Zeitpunkt der Prognoseerstellung herangezogen, sofern eine Prognose vorliegt. Es handelt es sich bei Betrachtung der eingetretenen Werte um den gleichen Zeitraum wie bei den prognostizierten Werten, wobei sich ein Bestimmtheitsmaß B zum Entstehungszeitpunkt von 0,98542 ergibt.

Der GOVA-Koeffizient wird durch Division der Bestimmtheitsmaße ermittelt:

GOVA-Koeffizient 0,95236

Bei einem GOVA-Koeffizienten von 0,95236 liegt eine gegenwartsorientierte Verlaufsanpassung vor, da dieser Wert kleiner als 1 ist.

Der Vergleich zur naiven Prognose erfolgt durch Berechnung des MRAPnP. Die Darstellung der Vorgehensweise erfolgt durch Abbildung zwei. Neben der 4-Monats-Prognose werden die naive Prognose als tatsächliche Rendite zum Zeitpunkt der Prognoseerstellung und der Vergleichswert als tatsächliche Rendite zum Geltungszeitpunkt der Prognose als Spalten aufgenommen.

Abb. 2 : Berechnung des MRAPnP am Beispiel der National Bank of Canada

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung.

Die Berechnung der Monatswerte des Zählers erfolgt durch das Bilden des Betrags der Differenz aus 4-Monats-Prognose und dem Vergleichswert, z. B. für August 1994 durch │9,0-9,139│ = 0,139. Die Monatswerte des Nenners werden durch Bilden des Betrags der Differenz aus naiver Prognose und dem jeweiligen Vergleichswert ermittelt, beispielsweise für August 1994 durch │9,176-9,139│= 0,037. Die einzelnen Beträge werden für die Spalten „MRAPnP Zähler“ und „MRAPnP Nenner“ aufsummiert.

Der Wert für den MRAPnP wird durch Division der beiden erhaltenen Werte ermittelt:

MRAPnP 1,00362

Berücksichtigt werden bei dieser Berechnung wiederum nur naive Prognosen, für die eine Expertenprognose vorliegt. Es ergibt sich ein MRAPnP von 1,00362. Da der Wert nah an dem Referenzwert von 1 liegt, wird davon ausgegangen, dass die Prognose fast gleichwertig zu der naiven Prognose ist.

4.1.3. Zusammenfassung

Kapitel 4.1. stellt das Untersuchungsdesign vor. Die folgende Untersuchung basiert auf den veröffentlichten Daten der britischen Fachzeitschrift Consensus Forecasts. Untersucht werden die Prognosen von 21 Unternehmen Kanadas sowie deren Mittelwert hinsichtlich der Entwicklung der Renditen der zehnjährigen kanadischen Staatsanleihen mit Prognosehorizonten von vier bzw. 13 Monaten. Der Untersuchungszeitraum der Prognoseentstehung erstreckt sich von Januar 1994 bis Dezember 2013. Berechnet und analysiert werden im Rahmen dieser Arbeit jeweils der GOVA-Koeffizient und der MRAPnP. Das Vorgehen wird anhand des Beispiels der 4-Monats-Prognosen der National Bank of Canada dargestellt. Hierbei wird ein Wert für den GOVA-Koeffizienten ermittelt, der geringer als 1 ist, weshalb eine gegenwartsorientierte Verlaufsanpassung angenommen wird. Die Berechnung des MRAPnP ergibt für die National Bank of Canada einen Wert von 1,00363, der darauf hindeutet, dass der Prognoseerfolg annähernd dem Erfolg bei Abgabe einer naiven Prognose entspricht.

4.2. Das kanadische Bankensystem

Bankensysteme sind geprägt durch historische und evolutorische Prozesse, welche zu einer Herausbildung unterschiedlicher Erscheinungsformen führten.^[140] Als Unterscheidungskriterium wird zumeist das Ausmaß der Spezialisierung herangezogen.^[141]

In Universalbanksystemen ist es möglich, dass die Kreditinstitute alle Bankaktivitäten anbieten.^[142] Es liegt insbesondere eine Verbindung des Einlagen- und Kreditgeschäfts in allen Formen mit dem Effektgeschäft in Form des Effektenemissions-, des Effektenkommissions-, des Effekteneigen- sowie des Effektendepotgeschäfts vor.^[143] Einzelne Geschäftsbeschränkungen sind dennoch nicht ausgeschlossen.^[144]

Bei Trennbanken existiert hingegen eine stark ausgeprägte Spezialisierung der Banken.^[145] Insbesondere commercial banks und investment banks weisen ein hohes Maß an Arbeits- und Aufgabenteilung auf.^[146] Obwohl einzelne Banken ihre Geschäftsaktivitäten häufig beschränken, ist eine Spezialisierung als systembildendes Merkmal lediglich in den angelsächsischen Ländern und Japan zu beobachten.^[147] Allerdings ist auch in diesen Ländern eine Entwicklung hin zum Universalbankensystem erkennbar.^[148]

Das Universalbankensystem ist typisch für Deutschland, Österreich und auch Kanada.^[149] Wird das Bankensystem Kanadas genauer betrachtet, so fällt auf, dass dieses durch die Dominanz von sechs großen Banken geprägt ist. Hierbei handelt es sich um die Royal Bank of Canada (RBC), die Bank of Montreal/BMO, die Toronto Dominion/TD, die Bank of Nova Scotia/Scotiabank, die Canadian Imperial Bank of Commerce/CIBC und die National Bank.^[150] Ende des Geschäftsjahres 2011 entfielen auf diese sechs Banken nach Angaben der Finanzaufsicht Office of the Superintendent of Financial Institutions (OSFI) rund 90 Prozent des Bankvermögens in Kanada.^[151]

Alle sechs der genannten Banken gaben im Untersuchungszeitraum Prognosen an Consensus Forecasts und werden im nachfolgenden Kapitel ausführlich hinsichtlich ihrer Prognosequalitäten untersucht.

4.3. Untersuchung einzelner Unternehmen

Basierend auf der vorgestellten Datenbasis werden die Prognosen der einzelnen Unternehmen analysiert. Dabei wird jeweils überprüft, ob eine gegenwartsorientierte Verlaufsanpassung vorliegt und inwiefern die Prognose besser als eine naive Prognose ist. Betrachtet werden zunächst die Finanzinstitute (4.3.1.) und anschließend die sonstigen Unternehmen, welche Prognosen an Consensus Forecasts lieferten (4.3.2.). Abschließend erfolgt kurze Zusammenfassung (4.3.3.).

4.3.1. Finanzinstitute

Zunächst werden die Finanzinstitute, welche Prognosen an Consensus Forecasts lieferten, untersucht. Dabei handelt es sich um die folgenden ortsansässigen und internationalen Institute: National Bank of Canada (4.3.1.1.), Canadian Imperial Bank of Commerce (CIBC) (4.3.1.2.), BMO Financial Group (4.3.1.3.), RBC Financial Group (4.3.1.4.), Scotiabank (4.3.1.5.), Caisse de dépôt et placement du Québec (4.3.1.6.), Toronto Dominion Bank (4.3.1.7.), Desjardins (4.3.1.8.), JP Morgan Canada (4.3.1.9.) und Bank of America Merrill Lynch (4.3.1.10.). Abschließend erfolgt eine kurze Zusammenfassung (4.3.1.11.).

4.3.1.1. National Bank of Canada

Bei der National Bank of Canada handelt es sich um einen integrierten Konzern, der umfassende Finanzdienstleistungen für Privatkunden, kleine und mittlere Unternehmen sowie Großunternehmen anbietet.^[152] Im Rahmen der Analyse der Zinsprognosen werden die übermittelten Prognosen der National Bank of Canada (4.3.1.1.1.) und der National Bank Financial (4.3.1.1.2.) untersucht. Am Ende erfolgt eine kurze Zusammenfassung der Ergebnisse (4.3.1.1.3.).

4.3.1.1.1. National Bank of Canada

Die National Bank of Canada ist die sechstgrößte kanadische Bank und mit Filialen in den meisten Provinzen vertreten.^[153] Dabei werden umfangreiche Bankdienstleistungen sowie das Firmenkundengeschäft und das Investmentbanking angeboten.^[154] Durch Partnerschaften und Tochtergesellschaften in den Vereinigten Staaten, Europa und weiteren Ländern ist die National Bank of Canada als weltweit agierende Bank anzusehen.^[155]

Innerhalb des Auswertungszeitraums lieferte die National Bank of Canada von August 1994 bis Dezember 2013 Prognosen an Consensus Forecasts. Zu beachten ist, dass die Prognosezeitreihe nicht fortlaufend ist. Insbesondere für die Zeit von Mai 2002 bis Juni 2012 sind keine Prognosen vorhanden.

Die Überprüfung der 97 abgegebenen 4-Monats-Prognosen hinsichtlich der Entwicklung der Rendite zehnjähriger kanadischer Staatsanleihen der National Bank of Canada zeigt, dass diese einer gegenwartsorientierten Verlaufsanpassung unterliegen.

Abb. 3 : Rendite kanadischer Staatsanleihen mit zehn Jahren Restlaufzeit (blaue Linie) und entsprechende 4-Monats-Prognose der National Bank of Canada (orange Linie) von August 1994 bis April 2014

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung basierend auf Consensus Forecasts, Jg. 1994-2015.

In Abbildung drei ist erkennbar, dass die gesamte 4-Monats-Prognose (orange Linie) der National Bank of Canada der tatsächlichen Rendite (blaue Linie) in ihrem Geltungszeitpunkt nachläuft. Zu Zeitpunkten, zu denen der Zinssatz auf einem lokalen Hochpunkt war, wurde ein lokaler Tiefpunkt prognostiziert. Als Beispiel für das Phänomen starker Abweichungen lässt sich in dieser Zeitreihe der Winter 1997 nennen. Prognostiziert wurde für November 1997^[156] ein Wert von 6,2 %, die tatsächliche Rendite lag jedoch bei einem lokalen Minimum von 5,539 %. Es entsteht die Vermutung, dass sich bei Abgabe der Prognosen stark am gegenwärtigen Zinsniveau orientiert wurde.

Bei Betrachtung der Abbildung vier wird eine wesentlich höhere Übereinstimmung zwischen 4-Monats-Prognosen und tatsächlichen Renditen in ihren Entstehungszeitpunkten deutlich. Insbesondere die vorliegenden Tendenzen bezüglich Auf- und Abschwüngen sowie die Extrempunkte wurden durch die Prognosen so eingeschätzt, wie sie durch die vorherrschende Marktsituation vorlagen. Dies führt zu der Hypothese, dass eine gegenwartsorientierte Verlaufsanpassung vorliegt. Der GOVA-Koeffizient für den Prognosehorizont von vier Monaten ergibt einen Wert von 0,95236, der eine Gegenwartsorientierung der Analysten bei Abgabe ihrer Prognosen bestätigt. Die Prognosen zeigen keinen zukunftsweisenden Charakter auf, wodurch ihr Sinn anzuzweifeln ist.

Abb. 4 : Rendite kanadischer Staatsanleihen mit zehn Jahren Restlaufzeit (blaue Linie) und um den Prognosehorizont von vier Monaten verschobene 4-Monats-Prognose der National Bank of Canada (orange Linie) von August 1994 bis Dezember 2013

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung basierend auf Consensus Forecasts, Jg. 1994-2015.

Ein ähnlicher Sachverhalt ergibt sich für die 97 abgegebenen 13-Monats-Prognosen.

Abb. 5 : Rendite kanadischer Staatsanleihen mit zehn Jahren Restlaufzeit (blaue Linie) und entsprechende 13-Monats-Prognose der National Bank of Canada (orange Linie) von August 1994 bis Januar 2015

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung basierend auf Consensus Forecasts, Jg. 1994-2015.

Die einzelnen 13-Monats-Prognosen (orange Linie) weisen in Abbildung fünf starke Abweichungen zu den tatsächlichen Renditen (blaue Linie) auf, was am Beispiel des lokalen Hochpunktes der tatsächlichen Rendite im Februar 2000 (6,476 %) und der abweichenden Prognose (5 %) erkennbar ist. Es scheint eine Verschiebung um den Prognosehorizont vorzuliegen.

Bei einer solchen Verschiebung, wie sie in Abbildung sechs vorgenommen wird, ist eine stärkere Übereinstimmung zwischen den 13-Monats-Prognosen und den tatsächlichen Renditen zu verzeichnen. Auch der GOVA-Koeffizient von 0,88065 lässt auf eine ausgeprägte gegenwartsorientierte Verlaufsanpassung schließen.

Abb. 6 : Rendite kanadischer Staatsanleihen mit zehn Jahren Restlaufzeit (blaue Linie) und um den Prognosehorizont von 13 Monaten verschobene 13-Monats-Prognose der National Bank of Canada (orange Linie) von August 1994 bis Dezember 2013

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung basierend auf Consensus Forecasts, Jg. 1994-2015.

Bei Berechnung des MRAPnP für die 4-Monats-Prognosen ergibt sich ein Wert von 1,00362. Da der Wert leicht höher als 1 ist, kann davon ausgegangen werden, dass die jeweilige Prognose etwas schlechtere Ergebnisse liefert als die entsprechende naive Prognose. Der Unterschied ist allerdings nicht signifikant, die Prognosequalitäten ähneln einander.

Die Berechnung des MRAPnP für die 13-Monats-Prognosen ergibt einen Wert von 0,99553. Dieser weist keine starke Abweichung von 1 auf, weshalb auch in diesem Fall von einem ähnlichen Prognoseerfolg wie bei der naiven Prognose ausgegangen werden kann, wobei die abgegebenen Prognosen leicht bessere Ergebnisse liefern. Da der Wert deutlich höher als 0,4 ist, ist ein systematischer Prognoseerfolg nicht anzunehmen.

4.3.1.1.2. National Bank Financial

Bei der National Bank Financial handelt es sich um eine hundertprozentige Tochtergesellschaft der National Bank of Canada, welche durch Zusammenschluss der First Marathon Inc. und Lévesque Beaubien Geoffrion im Jahr 1999 gegründet wurde.^[157] Die National Bank Financial verfügt über ein Geschäftsvolumen von mehr als 600 Millionen US-Dollar und bietet ihren Kunden (Institutionen und Einzelpersonen) mit Hilfe von mehr als 2.700 Arbeitnehmern vollständige und integrierte Brokerage-Dienstleistungen.^[158]

Für die Analyse der Prognosefähigkeit werden Lévesque Beaubien Geoffrion und die National Bank Financial zusammengefasst. Von Januar 1994 bis August 1999 werden die abgegebenen Prognosen von Lévesque Beaubien Geoffrion berücksichtigt. Von September 1999 bis Juni 2012 gehen die abgegebenen Prognosen der National Bank Financial in die Betrachtung ein.

Bei der Auswertung der 4-Monats-Prognosen werden 191 Einzelprognosen berücksichtigt, wobei 55 Prognosen von Lévesque Beaubien Geoffrion und 136 Prognosewerte von der National Bank Financial stammen.

[...]

---

^[1] Vgl. Belongia, M. T. (1987), S. 9-15.

^[2] Vgl. Dua, P. (1988), S. 381-384.

^[3] Vgl. Hafer, R. W./Hein, S. E. (1989), S. 33-42.

^[4] Vgl. Domian, D. L. (1992), S. 519-527.

^[5] Vgl. Kolb, R. A./Stekler, H. O. (1996), S. 385-394.

^[6] Vgl. Gosnell, T. F./Kolb, R. W. (1997), S. 431-448.

^[7] Vgl. Albrecht, T. (2000), S. 1-29.

^[8] Vgl. Spiwoks, M. (2003), S. 289-308.

^[9] Vgl. Greer, M. (2003), S. 291-298.

^[10] Vgl. Brooks, R./Gray, J. B. (2004), S. 113-117.

^[11] Vgl. Mose, J. S. (2005), S. 91-95.

^[12] Vgl. Baghestani, H. (2005), S. 36-40.

^[13] Vgl. Spiwoks, M./Hein, O. (2005), S. 1-33.

^[14] Vgl. Benke, H. (2006), S. 902-906.

^[15] Vgl. Scheier, J./Spiwoks, M. (2006), S. 1-114.

^[16] Vgl. Spiwoks, M./Hein, O. (2007), S. 43-52.

^[17] Vgl. Spiwoks, M./Bedke, N./Hein, O. (2008a), S. 357-379.

^[18] Vgl. Spiwoks, M./Bedke, N./Hein, O. (2008b), S. 1-33.

^[19] Vgl. Spiwoks, M./Bedke, N./Hein, O. (2008c), S. 1-23.

^[20] Vgl. Spiwoks, M./Gubaydullina, Z./Hein, O. (20011), S. 1-34.

^[21] Vgl. Spiwoks, M./Gubaydullina, Z./Hein, O. (20011), S. 15.

^[22] Vgl. Kruschwitz, L./Löffler, A./Lorenz, D. (2011), S. 10.

^[23] Vgl. Barzen, E. T./Charifzadeh, M. (2013), S. 2099.

^[24] Vgl. Schulze, S. (1994), S. 26.

^[25] Vgl. Süchting, J. (1995), S. 420.

^[26] Vgl. Erichsen, J. (2011), S. 90.

^[27] Vgl. Wöhe, G./ Bilstein, J./Ernst, D./Häcker, J. (2013), S. 3.

^[28] Vgl. Braun, T. (2009), S. 185.

^[29] Vgl. Heesen, B. (2014), S. 115-116.

^[30] Vgl. Gräfer, H./Schiller, B./Rösner, S. (2011), S. 35.

^[31] Vgl. Gräfer, H./Schiller, B./Rösner, S. (2011), S. 34.

^[32] Vgl. Gräfer, H./Schiller, B./Rösner, S. (2011), S. 116-117.

^[33] Vgl. Heesen, B. (2014), S. 116.

^[34] Vgl. Heesen, B. (2014), S. 129.

^[35] Vgl. Heesen, B. (2014), S. 129-130.

^[36] Vgl. Erichsen, J. (2011), S. 146.

^[37] Vgl. Matz, A. (1964), S. 13.

^[38] Vgl. Matz, A. (1964), S. 13.

^[39] Vgl. Matz, A. (1964), S. 70.

^[40] Vgl. Matz, A. (1964), S. 71.

^[41] Vgl. Witte, E. (1974), S. 11.

^[42] Vgl. Witte, E. (1974), S. 24.

^[43] Vgl. Witte, E. (1974), S. 24.

^[44] Vgl. Witte, E. (1974), S. 27.

^[45] Vgl. Erichsen, J. (2011), S. 146-147.

^[46] Vgl. Erichsen, J. (2011), S. 147.

^[47] Vgl. Erichsen, J. (2011), S. 147-149.

^[48] Vgl. Wasmund, J. (1999), S. 15-16.

^[49] Vgl. Spiwoks, M./Gubaydullina, Z./Hein, O. (2011), S. 5.

^[50] Vgl. Hansmann, K.-W. (1995), S. 269.

^[51] Vgl. Hansmann, K.-W. (1995), S. 269.

^[52] Vgl. Hansmann, K.-W. (1995), S. 269.

^[53] Vgl. Hansmann, K.-W. (1995), S. 269.

^[54] Vgl. Hansmann, K.-W. (1995), S. 269.

^[55] Vgl. Rückle, D. (1984), S. 57.

^[56] Vgl. Theil, H. (1966), S. 1.

^[57] Vgl. Zarnowitz, V./Lambros, L. A. (1987), S. 592.

^[58] Vgl. Nordhaus, W. D. (1987), S. 667.

^[59] Vgl. Hansmann, K.-W. (1995), S. 269.

^[60] Vgl. Frerichs, W./Kübler, K. (1980), S. 1.

^[61] Vgl. Theil, H. (1966), S. 1-2.

^[62] Vgl. Becker, B./Rieg, R./Schoder, R. (2013), S.115.

^[63] Vgl. Gräfer, H./Schiller, B./Rösner, S. (2011), S. 37.

^[64] Vgl. Wirtschaftslexikon24 (2015), http://www.wirtschaftslexikon24.com/d/finanzmarkt/finanzmarkt.htm.

^[65] Vgl. Wirtschaftslexikon24 (2015), http://www.wirtschaftslexikon24.com/d/finanzmarkt/finanzmarkt.htm.

^[66] Vgl. Kater, U. (2003), S. 419.

^[67] Vgl. Kater, U. (2003), S. 419.

^[68] Vgl. Kater, U. (2003), S. 419.

^[69] Vgl. von Maltzan, B.-A. (2000), S. 861.

^[70] Vgl. Levin, F. (1993), S. 652.

^[71] Vgl. Levin, F. (1993), S. 652.

^[72] Vgl. Levin, F. (1993), S. 652.

^[73] Vgl. Auckenthaler, C. (1994), S. 18.

^[74] Vgl. Gräfer, H./Schiller, B./Rösner, S. (2011), S. 37-38.

^[75] Vgl. Bizer, K./Scheier, J./Spiwoks, M. (2013), S. 7.

^[76] Vgl. Bizer, K./Scheier, J./Spiwoks, M. (2013), S. 7.

^[77] Vgl. Ahrens, R. (2000), S. 30.

^[78] Vgl. Ketzel, E. (1987), S. 370.

^[79] Vgl. Andres, P./Spiwoks, M. (1999), S. 514.

^[80] Vgl. Andres, P./Spiwoks, M. (1999), S. 514.

^[81] Vgl. Scheier, J./Spiwoks, M. (2006), S. 11.

^[82] Vgl. Andres, P./Spiwoks, M. (1999), S. 514.

^[83] Vgl. Spiwoks, M./Hein, O. (2005), S. 2.

^[84] Vgl. Scheier, J./Spiwoks, M. (2006), S. 11.

^[85] Vgl. Spiwoks, M./Hein, O. (2005), S. 2.

^[86] Vgl. Spiwoks, M./Hein, O. (2005), S. 2.

^[87] Vgl. Spiwoks, M./Hein, O. (2005), S. 2.

^[88] Vgl. Spiwoks, M./Hein, O. (2005), S. 2.

^[89] Vgl. Spiwoks, M./Gubaydullina, Z./Hein, O. (2011), S. 5.

^[90] Vgl. Spiwoks, M./Gubaydullina, Z./Hein, O. (2011), S. 5.

^[91] Vgl. Wasmund, J. (1999), S. 15-16.

^[92] Vgl. Dichtl, E./Issing, O. (Hrsg.) (1993), S. 1732.

^[93] Vgl. Hansmann, K.-W. (1995), S. 270.

^[94] Die Begriffe „Prognosegütemaß“ und „Prognosefehlermaß“ werden sowohl in der Literatur als auch in dieser Arbeit als Synonyme verwendet.

^[95] Vgl. Hansmann, K.-W. (1995), S. 270.

^[96] Vgl. Spiwoks, M. (2001), S. 17.

^[97] Vgl. Spiwoks, M. (2001), S. 17.

^[98] Vgl. Spiwoks, M. (2001), S. 17.

^[99] Vgl. beispielsweise Poddig, T. (1996), S. 429-440; Andres, P./Spiwoks, M. (2000), S. 10-54.

^[100] Vgl. Andres, P./Spiwoks, M. (1999), S. 531.

^[101] Vgl. Andres, P./Spiwoks, M. (1999), S. 514-515.

^[102] Vgl. Andres, P./Spiwoks, M. (1999), S. 531.

^[103] Vgl. Andres, P./Spiwoks, M. (1999), S. 531.

^[104] Vgl. Andres, P./Spiwoks, M. (1999), S. 516.

^[105] Vgl. Andres, P./Spiwoks, M. (1999), S. 531-533.

^[106] Vgl. Andres, P./Spiwoks, M. (1999), S. 531-533.

^[107] Vgl. Andres, P./Spiwoks, M. (1999), S. 531.

^[108] Vgl. Andres, P./Spiwoks, M. (1999), S. 531.

^[109] Vgl. Andres, P./Spiwoks, M. (2000), S. 48.

^[110] Vgl. Andres, P./Spiwoks, M. (1999), S. 531.

^[111] Vgl. Andres, P./Spiwoks, M. (1999), S. 531.

^[112] Vgl. Andres, P./Spiwoks, M. (1999), S. 533.

^[113] Vgl. Andres, P./Spiwoks, M. (1999), S. 533.

^[114] Vgl. Andres, P./Spiwoks, M. (1999), S. 534.

^[115] Vgl. Scheier, J./Spiwoks, M. (2006), S. 63.

^[116] Vgl. Scheier, J./Spiwoks, M. (2006), S. 63.

^[117] Vgl. Scheier, J./Spiwoks, M. (2006), S. 63.

^[118] Vgl. Scheier, J./Spiwoks, M. (2006), S. 63.

^[119] Vgl. Gosnell, T. F./Kolb, R. W. (1997), S. 434.

^[120] Vgl. Andres, P./Spiwoks, M. (1999), S. 524.

^[121] Vgl. Andres, P./Spiwoks, M. (1999), S. 524.

^[122] Vgl. Scheier, J./Spiwoks, M. (2006), S. 63.

^[123] Vgl. Andres, P./Spiwoks, M. (2000), S. 11.

^[124] Vgl. Andres, P./Spiwoks, M. (2000), S. 13.

^[125] Vgl. Schwarze, J. (1973), S. 551.

^[126] Vgl. Andres, P./Spiwoks, M. (2000), S. 20.

^[127] Vgl. Scheier, J./Spiwoks, M. (2006), S. 64.

^[128] Vgl. Andres, P./Spiwoks, M. (2000), S. 25.

^[129] Vgl. Scheier, J./Spiwoks, M. (2006), S. 65.

^[130] Vgl. Andres, P./Spiwoks, M. (2000), S. 25.

^[131] Vgl. Andres, P./Spiwoks, M. (2000), S. 25.

^[132] Vgl. Andres, P./Spiwoks, M. (2000), S. 25.

^[133] Vgl. Scheier, J./Spiwoks, M. (2006), S. 65.

^[134] Vgl. Consensus Economics Inc. (2015a), http://www.consensuseconomics.com/about.htm.

^[135] Vgl. Consensus Economics Inc. (2015b), http://www.consensuseconomics.com/Economic_Forecast_Publications.htm.

^[136] Vgl. Spiwoks, M. (2003), S. 294-295.

^[137] Vgl. Consensus Forecasts, Jg. 1994-2015.

^[138] Vgl. Spiwoks, M./Gubaydullina, Z./Hein, O. (2011), S. 11.

^[139] Vgl. Spiwoks, M./Gubaydullina, Z./Hein, O. (2011), S. 11.

^[140] Vgl. Fischer, C./Rudolph, A. (2000), S. 433.

^[141] Vgl. Fischer, C./Rudolph, A. (2000), S. 433.

^[142] Vgl. Fischer, C./Rudolph, A. (2000), S. 433.

^[143] Vgl. Fischer, C./Rudolph, A. (2000), S. 433.

^[144] Vgl. Fischer, C./Rudolph, A. (2000), S. 433.

^[145] Vgl. Fischer, C./Rudolph, A. (2000), S. 433.

^[146] Vgl. Fischer, C./Rudolph, A. (2000), S. 433.

^[147] Vgl. Fischer, C./Rudolph, A. (2000), S. 433.

^[148] Vgl. Fischer, C./Rudolph, A. (2000), S. 433.

^[149] Vgl. Schmeisser, W./Endesfelder, J./Schütz, K. (2008), S. 4.

^[150] Vgl. Braune, G. (2012), http://diepresse.com/home/wirtschaft/international/1308389/Bestnoten-fur-Kanadas-Bankensystem.

^[151] Vgl. Braune, G. (2012), http://diepresse.com/home/wirtschaft/international/1308389/Bestnoten-fur-Kanadas-Bankensystem.

^[152] Vgl. National Bank of Canada (Hrsg.) (2015a), S. 1.

^[153] Vgl. National Bank of Canada (Hrsg.) (2015b), S. 1.

^[154] Vgl. National Bank of Canada (Hrsg.) (2015b), S. 1.

^[155] Vgl. National Bank of Canada (Hrsg.) (2015b), S. 1.

^[156] Wird in dieser Arbeit von einem prognostizierten Wert für einen bestimmten Monat (bspw. November) gesprochen, so ist die in Consensus Forecasts abgegebene Prognose für Ende des Vormonats (bspw. Ende Oktober) gemeint, deren Vergleich mit der tatsächlichen Rendite von Anfang des Monats (November) erfolgt.

^[157] Vgl. National Bank of Canada (2015), https://www.nbc.ca → About us → Our organization → The bank → Network and Subsidi- aries → Subsidiaries → National Bank Financial.

^[158] Vgl. National Bank of Canada (2015), https://www.nbc.ca → About us → Our organization → The bank → Network and Subsidi- aries → Subsidiaries → National Bank Financial.