Neuer Seismograf

Die weltweite Staatsverschuldung ist in den letzten Jahren auf ein noch nie dagewesenes Niveau gestiegen, da die Regierungen als Reaktion auf die Covid-19-Pandemie fiskalische Anreize setzten, um die Wirtschaft am Laufen zu halten. Die Staatsverschuldung erreichte beispielsweise 83,4 Billionen US-Dollar im ersten Quartal 2021 gegenüber 70,1 Billionen US-Dollar Ende 2019, wie das Institute of International Finance (IIF), eine Lobbyingorganisation der Finanzindustrie, in ihrem „Global Debt Monitor“ 2021 feststellte. Aufgrund des wirtschaftlichen Abschwungs im Zusammenhang mit der Pandemie stieg auch die globale Staatsverschuldung, gemessen an der Größe der Wirtschaftskraft, deutlich an, und zwar von 83,6 Prozent im Jahr 2019 auf 98,6 Prozent des Bruttoinlandsprodukts im Jahr 2020, wie der Weltwährungsfonds (IWF) 2021 festhielt. Laut IWF hat sich die globale Staatsverschuldung nun bei knapp unter 100 Prozent des BIP stabilisiert, wobei es erhebliche Unterschiede der fiskalischen und wirtschaftlichen ­Entwicklungen in den einzelnen Ländern gibt. Der rasche ­Anstieg der Staatsverschuldung hat zu Warnungen vor den Gefahren einer übermäßigen Verschuldung, vor der Belastung des Wirtschaftswachstums und vor einer großen Bürde für künftige Generationen geführt.
 

Theorie und Praxis stützen sich bei der Beurteilung des Ausfallrisikos von Staaten traditionell auf Credit-Default-Swap-(CDS)-Spreads, also die Preise für die Versicherung gegen den Ausfall eines Staates, als täglich gemessener Indikator für das Ausfallrisiko. Trotz einiger Bedenken, dass CDS-Spreads zum Teil durch Spekulation getrieben sind und gerade bei Krisen im Anflug nur ein Zerrbild darstellen, werden sie oft gegenüber alternativen Messgrößen für das Ausfallrisiko von Staaten bevorzugt. Allerdings beschränken CDS-Spreads ­jede Analyse auf die Untergruppe von Ländern mit – liquiden – CDS-Kontrakten und schließen viele Schwellenländer und praktisch alle weniger entwickelten Länder (Frontier Markets) aus, die für Investoren ein noch größeres Ausfall­risiko darstellen.
 

Aus diesem Grund machten sich Chukwuma Dim, Assistant Professor of Finance an der George Washington University, und Kevin Koerner, Marcin Wolski und Sanne Zwart, die alle für die Europäische Investitionsbank EIB arbeiten, auf, mithilfe künstlicher Intelligenz ein neuartiges textbasiertes Maß für das Ausfallrisiko staatlicher Schuldner zu ent­wickeln: den sogenannten News-Implied Sovereign Risk Index (NSRI), der durch Natural-Language-Processing-(NLP)- Techniken auf sozioökonomische, politische und Finanznachrichten referenziert. Die Verwendung von Nachrichtentexten zur Quantifizierung des Länderrisikos beruht auf der Idee, dass Nachrichtenmedien relativ häufig beobachtet werden und zeitnah Informationen über die sozioökonomischen und politischen Entwicklungen beinhalten, die für Kapitalmarktakteure wertvoll sind, weil sie einen Informa­tionsgehalt betreffend die zukünftige Entwicklung von Staaten einschließlich der Kreditwürdigkeit von Regierungen aufweisen. Diese Ansicht steht auch im Einklang mit Professor Robert Shiller, der in „Narrative Wirtschaft“ 2017 für den Einsatz der Textanalyse zur Quantifizierung der Dynamik populärer Narrative in den Nachrichtenmedien plädierte, um wirtschaftliche Auf- und Abschwünge besser zu ver­stehen. Außerdem stellt der Wettbewerb zwischen den ­Medien sicher, dass die Nachrichten die grundlegenden ­Risikobedenken der Marktteilnehmer jedes Landes und zu jedem Zeitpunkt zu den Interessierten transportieren. Daher können die Autoren mit Fug und Recht erwarten, dass Nachrichten zeitnahe und informative Signale über die künftige Dynamik der Gefährlichkeit von Länderrisiken liefern, so wie sie auch die Sorgen über das künftige Wirtschaftswachstum und den Konsum widerspiegeln.
 

Die Analyse beginnt mit einer großen Textmenge von zehn Millionen Nachrichtenartikeln aus über 100 Ländern aus der PressReader News API. Die Autoren wenden zwei relativ einfache, aber leistungsstarke Techniken des maschinellen Lernens an, nämlich Topic Modeling und Text Similarity, um das Ausmaß der Besorgnis über die Zahlungsfähigkeit von Staaten, die sich in Nachrichtenartikeln widerspiegelt, zu quantifizieren. Topic Modeling ist ein auf der Wahrscheinlichkeitsrechnung basierendes Verfahren zur Exploration größerer Textsammlungen. Das Verfahren erzeugt statistische Modelle (Topics) zur Abbildung häufiger gemeinsamer Vorkommnisse von Wörtern. Bei Text Similarity steht die semantische Ähnlichkeit von Texten im Vordergrund.
 

Topic Modeling ermöglicht es den Kapitalmarktforschern, sich auf sozioökonomische, politische und Finanznachrichtenthemen zu konzentrieren, die mit größerer Wahrscheinlichkeit Bedenken über die künftige Zahlungsfähigkeit ­widerspiegeln. Um das Ausfallrisiko von Staaten anhand von Text Similarity zu quantifizieren, verfolgen sie einen ähn­lichen Ansatz, wie ihn Hassan, Hollander, Van Lent und ­Tahoun 2019 in „Firm-Level Political Risk: Measurement and Effects“ vorstellten. Dim, Koerner, Wolski und Zwart stellen eine Bibliothek von 448 Dokumenten zusammen, die sich auf das Ausfallrisiko von Staaten fokussieren. Anschließend berechnen sie mithilfe des Kosinus-Ähnlichkeitsalgorithmus, wie ähnlich die in einem Nachrichtenartikel verwendete Sprache jener in dieser Bibliothek für Staatsbankrotte ist. Intuitiv würde ein Artikel über ein Land eine hohe Punktzahl erhalten, wenn er Kombinationen von „ausfallrisikobehafteten Wörtern“ in ähnlichem Verhältnis verwendet wie in der Bibliothek für Staatsausfälle. Das ist der Fall, wenn der Nachrichtenartikel eine erhöhte Besorgnis über einen Staatsbankrott signalisiert. Schließlich aggregieren die Autoren die Bewertungen auf Nachrichtenebene auf einen täglichen Frequenzwert für jedes Land, um den NSRI zu erhalten. Der NSRI wird hoch sein, wenn die Bericht­erstattung über das Ausfallrisiko eines Landes hoch ist, was in der Regel mit erhöhter Besorgnis über das sich verschlechternde Ausfallrisiko des Landes zusammenfällt. Diese Ansicht steht im Einklang mit wissenschaftlichen Studien, die erkennen lassen, dass sich Nachrichten häufig auf negative Ereignisse konzentrieren, weil diese mehr Aufmerksamkeit erregen. Vergleicht man die Entwicklung des NSRI für zwei Industrieländer und zwei Emerging Markets mit deren CDS-Spread-Verläufen, stellt sich heraus, dass die „Nachrichtenindizes“ eine höhere Reagibilität aufweisen – dies insbesondere in extremen Marktphasen: von der großen Finanz- und Wirtschaftskrise über die europäische Staatsschulden­krise bis hin zur Covid-19-Pandemie (siehe Grafik „News-Implied Sovereign Risk Index in vier Staaten)“. Mit steigenden Ausfallrisiken bildet der NSRI Spitzenwerte aus, CDS-Spreads verlaufen demgegenüber weniger erratisch, was die Autoren damit erklären, dass CDS-Spreads die Höhe des ­Risikos abbilden, während der NSRI tendenziell Änderungen des Risikos widerspiegelt, was mit der Idee übereinstimmt, dass Nachrichten die Veränderungen in den Sorgen und Erwartungen der Marktteilnehmer einfangen. Die ­Autoren führen eine Analyse der Beziehung zwischen CDS-Spreads und dem NSRI durch. Regressionen werden mit Kontrollvariablen, die die Ergebnisse im Hinblick auf globale und lokale makrofinanzielle Variablen einschließlich der Aktienmarktrenditen, der Volatilität und der allgemeinen Stimmung in den Nachrichten kontrollieren, gerechnet. Sie stellen fest, dass die prozentuale Veränderung des NSRI stark mit den CDS-Spreads verbunden ist. Zum Beispiel geht ein Anstieg der prozentualen NSRI-Veränderung um eine Standardabweichung mit einem Anstieg der CDS-Spreads um 0,21 bis 0,40 Prozentpunkte in der gleichen Woche gegenüber der Vorwoche einher. Auch bei einer monatlichen statt wöchentlichen Untersuchungsfrequenz steht der NSRI in signifikantem Zusammenhang mit den CDS-Spreads und prognostiziert einen Anstieg der prozentualen Veränderung des CDS-Spreads um 1,02 bis 1,67 Prozentpunkte im nächsten Monat, wenn sich die prozentuale Veränderung des NSRI um eine Standardabweichung erhöht.
 

Die Verwendung von CDS-Spreads zum Nachweis der Aussagekraft des NSRI betreffend die Dynamik des Ausfallrisikos wirft die Frage auf, ob dieser Informationsgehalt über die Stichprobe der Länder hinausgeht, für die CDS-Daten verfügbar sind. Darüber hinaus ist es hilfreich zu verstehen, ob der NSRI zusätzliche Informationen über das Ausfall­risiko eines Staates liefert, die über die bereits durch CDS-Spreads erfassten Informationen hinausgehen. Um diese beiden Fragen zu beantworten, untersuchen die Autoren, ob der NSRI künftige Ratingherabstufungen all jener Staaten prognostizieren kann, die von den Big Three der Ratingagenturen (Moody’s, Standard & Poor’s und Fitch) mit ­einem Rating versehen sind. Dabei stellt sich heraus, dass dem NSRI eine signifikante Erklärungskraft bei der Vorhersage von Ratingherabstufungen zukommt. Ein Anstieg des NSRI um eine Standardabweichung in einem Zeitfenster von 30 Tagen, das zwei Tage vor der Ankündigung einer ­Ratingänderung endet, sagt je nach den Spezifikationen der Regressionsrechnungen eine Erhöhung der Wahrscheinlichkeit einer Herabstufung um acht bis 11,5 Prozentpunkte ­voraus, was einem Anstieg der Herabstufungswahrscheinlichkeit um 15 bis 22 Prozent entspricht. Die Fähigkeit des NSRI, künftige Ratingherabstufungen zu prognostizieren, gilt auch nach Kontrolle ausgewählter lokaler und globaler makrofinanzieller Variablen einschließlich CDS-Spreads und des Nachrichten-Sentiments, wie anhand der Tabelle ­„Rating-Downgrades und NSRI“ ersichtlich wird.
 

Umgekehrt liefern die CDS-Spreads keine signifikanten zusätzlichen Informationen über künftige Ratingherab­stufungen. Diese Ergebnisse deuten darauf hin, dass der NSRI zusätzliche Informationen über das Staatsrisiko enthält, die sich nicht vollständig in den CDS-Spreads widerspiegeln. Eine mögliche Erklärung dafür ist, dass die Nachrichtenmedien die Ausfallsorgen der Akteure zeitnaher ­widerspiegeln, bevor diese Bedenken vollständig in die CDS-Spreads einfließen, was letztlich zu Herabstufungen führt. Insgesamt kann der NSRI die CDS-Spreads ergänzen, um bei Ländern mit liquiden CDS-Kontrakten Ausfallbedenken mit hoher Frequenz zu verfolgen. Für andere Länder, die ­keine täglichen marktbasierten Messgrößen für das Ausfallrisiko aufweisen, kann der NSRI als eigenständiger hoch­frequenter Indikator für das Ausfallrisiko dienen. 
 

Das Quartett analysiert die Aussagekraft des NSRI in ­Bezug auf die Dynamik der CDS-Spreads von Staaten und Ratingherabstufungen. Die Analysen liefern überzeugende Hinweise darauf, dass der NSRI sehr ähnlich den CDS-Spreads verläuft und eine gute Prognosekraft hinsichtlich künftiger CDS-Spread-Dynamiken und Ratingherabstufungen besitzt. Insbesondere stellen die Autoren fest, dass der NSRI zusätzliche Informationen über das Ausfallrisiko von Staaten enthält, die sich nicht vollständig in den CDS-Spreads widerspiegeln. Der NSRI weist zum Beispiel eine signifikante Prognosekraft bezüglich künftiger Ratingherabstufungen auf, wenn man die Ergebnisse im Hinblick auf die CDS-Spreads kontrolliert, während umgekehrt die CDS-Spreads keine zusätzlichen Informationen über zukünftige Ratingherabstufungen gegenüber dem NSRI liefern. Dies deutet darauf hin, dass der NSRI CDS-Spreads ergänzen kann, um das Ausfallrisiko von Staaten mit liquiden CDS-Kontrakten zeitnah zu verfolgen. Noch wichtiger ist, dass für Länder ohne liquide CDS-Kontrakte und andere tägliche marktbasierte Indikatoren für das Ausfallrisiko der NSRI als zuverlässiger, eigenständiger Hochfrequenz-Indikator für das Ausfallrisiko von Staaten dienen kann.
 

Die Autoren wenden den NSRI an, um zu untersuchen, wie die Aktienmärkte auf Nachrichten über das Ausfallrisiko von Staaten reagieren, und stellen fest, dass der NSRI Aussagekraft für die Aktienrenditen besitzt. Zum Beispiel geht der Anstieg der prozentualen NSRI-Veränderung um eine Standardabweichung zeitgleich mit einem signifikanten Rückgang der wöchentlichen Aktienmarktrenditen um 7,12 Basispunkte einher – das sind annualisiert 3,7 Prozent – und sagt einen Anstieg der Aktienmarktrendite um 6,4 Basispunkte – oder annualisiert 3,4 Prozent – für die darauffolgende Woche voraus. Die Umkehrung der Renditen im ­Wochenabstand deutet darauf hin, dass Aktienanleger dazu neigen, auf Nachrichten über das Ausfallrisiko von Staaten überzureagieren. All dies ist der Tabelle „Aktienmarktren­diten und Staatsbankrottsorgen“ zu entnehmen.
 

Des Weiteren untersucht das Autorenquartett, ob die Reaktion des Aktienmarktes in puncto Staatsbankrottbedenken bei den einzelnen Ländern homo- oder heterogen ausfällt. Sie gelangen dabei zur Erkenntnis, dass Länder mit strengeren fiskalischen Beschränkungen einen ausgepräg­teren und anhaltenden Rückgang der Aktienrenditen nach einer Zunahme der Ausfallbedenken erleben. Genauer ­gesagt ist für Länder mit haushaltspolitischen Zwängen ein Anstieg der prozentualen NSRI-Veränderung um eine Standardabweichung zeitgleich mit einem Rückgang der wöchentlichen Aktienrenditen um 10,7 Basispunkte – annualisiert sind das 5,5 Prozent – verbunden. Dieser Rückgang ist mehr als vier Mal so hoch wie bei anderen Staaten. Gleichzeitig fällt das Reversal der Aktienmarktrendite in der darauffolgenden Woche für die Länder mit hohen haushaltspolitischen Zwängen mit nur etwa 1,9 Basispunkten gering aus. Schließlich untersuchen sie auch noch die Faktorstruktur des NSRI der einzelnen Länder. Sie folgen dabei der Literatur, die die Treiber des staatlichen Ausfallrisikos bei CDS-Spreads untersucht hat. Dabei stellt sich heraus, dass der NSRI eine nicht zu vernachlässigende Faktorstruktur aufweist, da die fünf Hauptkomponenten etwa 51 Prozent der Variationen in den NSRIs der Länder erklären. Dadurch motiviert vergleichen sie, wie die Aktienmärkte auf globale Ausfallbedenken einerseits und länderspezifische andererseits reagieren. Überraschenderweise stellen wir fest, dass globale Ausfallssorgen stärker mit den lokalen Aktienrenditen in Bezug auf Größe und statistische Signifikanz verbunden sind. So ist ein Anstieg bei der prozentualen Veränderung des globalen NSRI um eine Standardabweichung zeitgleich mit einem Rückgang der wöchentlichen Aktienrenditen um 21,6 Basispunkte verbunden und prognostiziert einen Anstieg der Aktienmarktrenditen um 16,7 Basispunkte in der Folgewoche. Das Ausmaß des anfänglichen Rückgangs und des anschließenden Reversals ist also mehr als doppelt so groß wie beim länderspezifisches NSRI. Im Vergleich zu länderspezifischen Ausfallsorgen haben also ­Befürchtungen der Aktieninvestoren betreffend weltweit ­zunehmender Ausfälle einen viel stärkeren Einfluss auf die Aktienmarktrenditen, was die Relevanz globaler „Push“-Faktoren für lokale Vermögenspreise unterstreicht. Techniken des maschinellen Lernens und Natural Language Processing bahnen sich hier in einem weiteren Themenfeld ihren Weg. Themenmodellierung zur Dimensionalitäts- und Rausch­reduktion und Textähnlichkeiten wie hier zur Quantifizierung von Sorgen bezüglich Ausfallrisiken in den Nachrichtenmedien werden bei der Analyse großer Datenmengen auf immer mehr Gebieten helfen. Es gibt beispielsweise plausible Erweiterungsmöglichkeiten des Set-ups dieser Studie, die zu noch stärkeren Ausfallrisikosignalen aus Nachrichtentexten führen könnten. Dazu zählen einmal überwachte Machine-Learning-Methoden, die Nachrichtentexte und einen alternativen Hochfrequenz-Indikator betreffend das Ausfallrisiko für das Training der Modelle verwenden. Um zu vermeiden, dass man sich nur oder zu sehr auf Nachrichten in englischer Sprache stützt, können Übersetzungsalgorithmen verwendet werden. Dadurch erhält man mehr Signale sowie Informationen zu Ländern, zu denen das englischsprachige Nachrichtenangebot eher bescheiden ausfällt. Und schließlich ist die Verwendung von alternativen Nachrichten-API-Schnittstellenanbietern anzudenken, um ­eine breitere lokale Nachrichtenabdeckung für bestimmte Länder zu erzielen, wo die etablierten Medien unter staatlicher Repression leiden. Diese Erweiterungen sollten aber nach Meinung der Autoren Gegenstand weiterer Kapitalmarktforschungsprojekte sein. Außerdem sollte man sich dessen bewusst sein, dass der NSRI genauso als Input für Kreditrisiko-Frühwarnsysteme und das Portfoliomanagement von Credits dienen kann.