Wirtschaftsentwicklung mit neuen Methoden vorhersagen

Wann sinkt die Inflation und wann steigt das Wirtschaftswachstum? Luis Gruber, Early Career Researcher im Forschungsteam von Gregor Kastner am Institut für Statistik, entwickelt neue statistische Methoden, um Vorhersagen für gesellschaftlich relevante Themen wie die wirtschaftliche Entwicklung zu treffen. Ein wichtiger Fokus dabei: Die Statistik ist keine Kristallkugel. Wir werden die Zukunft nicht exakt vorhersagen können; umso wichtiger ist für Luis Gruber, mit neuen Methoden zu zeigen, mit welcher Unsicherheit Vorhersagen versehen sind.

„Nicht nur politische Akteure und Zentralbanken wollen wissen: Wie geht es mit der Wirtschaft weiter? Welchen Einfluss hat das Drehen an verschiedenen Stellschrauben wie Zinsen oder staatliche Investitionen beispielsweise auf das Bruttoinlandsprodukt? Zu diesen Indikatoren gibt es Zeitreihen – also Daten aus der Vergangenheit über einen längeren Zeitraum hinweg. Wir wollen nun neue Methoden entwickeln, um aus diesen Daten bessere Vorhersagen für die Zukunft zu generieren“, erläutert Luis Gruber, der im Rahmen des Projekts „Structured Bayesian Dynamic Covariance Modeling for Financial and Macroeconomic Forecasting“, gefördert von der Oesterreichischen Nationalbank (OeNB), an seiner Dissertation arbeitet.

Luis Gruber sucht nach Mustern in Zeitreihen, die ähnliche Bewegungen bei Daten ausgelöst haben, also so genannte Korrelationen zwischen Zeitreihen. Gefragt danach, vor welchen Herausforderungen er dabei steht, erklärt er: „Heute stehen uns weit größere Datenmengen zur Verfügung, als dies bisher der Fall war. Wir brauchen also auch robustere Methoden als bisher, die mit diesen Mengen umgehen können.“ Die hohe Datenmenge sei dabei für die Statistik einerseits ein Vorteil, weil aus mehr Daten auch mehr Informationen gewonnen werden können. Gleichzeitig werde es aber schwieriger, wichtige Informationen herauszufiltern: „Nur, weil wir mehr Daten haben, heißt dies nicht unbedingt, dass auch jede zusätzliche Information hilfreich ist.“

Dass Luis Gruber heute in diesem Feld forscht, war nicht immer vorgezeichnet. Als er in Bayern zur Schule ging, hatte er zwei Steckenpferde: Die Musik und die Mathematik. Zunächst kam er also 2012 nach Wien, um Klarinette zu studieren. Während seines Studiums war Luis Gruber dann als Klarinettist bei den Nürnberger Symphonikern unter Vertrag und substituierte bei den Wiener Symphonikern. Nach dem Studienabschluss wurde Luis Gruber dann klar, dass er eine Alternative zur Musik brauche: „Die Musik war meine ganze Leidenschaft. Ich sah, dass es herausfordernd werden würde, daraus auch einen Beruf zu machen. Und mir wurde bewusst, dass, wenn man sich zu sehr auf eine Sache fokussiert, dabei auch die Gefahr besteht, die Freude daran zu verlieren.“ Luis Gruber beschloss also, auch sein zweites Standbein auszubauen und studierte an der Wirtschaftsuniversität Wien Wirtschafts- und Sozialwissenschaften. Dort lernte er Gregor Kastner kennen, der nach Nachwuchstalenten Ausschau hielt. Es folgte das Masterstudium Mathematics an der Universität Klagenfurt und dann die Stelle als Early Career Researcher mit dem Fokus auf Bayessche Statistik und Ökonometrie. Mit seinen Fortschritten ist Luis Gruber sehr zufrieden: „Wir kommen im Projekt gut voran. Dabei fällt einerseits natürlich viel Denkarbeit mit Zettel und Bleistift an, aber ich programmiere auch immer wieder Software, um die Methodik umzusetzen, zu testen und letztendlich frei zugänglich zu machen. Die Implementation ist ein großer Lernprozess, weil wir dann auch sehen, dass sich Dinge anders verhalten, als wir es ursprünglich erwartet haben. Die Arbeit daran ist sehr spannend.“

Werden wir also nach Ende seines Projektabschlusses wissen, wann hierzulande die Inflation sinkt und die Wirtschaft wieder aufblüht? So einfach sei es nicht, erfahren wir. Denn: „Vorhersagen basierend auf statistischen Methoden und Verfahren sind mit Unsicherheit behaftet. In der Öffentlichkeit wird oft ein schwarz-weißes Bild vermittelt; in Wahrheit haben wir es aber mit sehr vielen Graustufen zu tun. Einer unserer Ansätze ist also, eine Methodik zu liefern, die dem Anwender unmittelbar zeigt, wie unsicher die Vorhersagen sind.“