Dem Wechselkurs des Euro gegenüber dem US-Dollar kommt an den internationalen Finanzmärkten eine große Bedeutung zu. Auch für die Geldpolitik spielt der Wechselkurs eine wichtige Rolle, etwa weil er die Inflationsdynamik mitbeeinflusst. Deshalb ist ein besseres Verständnis der Ursachen von Wechselkursbewegungen für Zentralbanken von grundlegender Bedeutung. Ist eine Abwertung des Euro Ausdruck heimischer oder externer Faktoren? Und spiegelt sie Erwartungen an den Wirtschaftsausblick wider oder eine veränderte Einschätzung über zukünftige geldpolitische Entscheidungen? Welche Rolle spielen der Risikoappetit internationaler Investoren oder Entwicklungen an globalen Energiemärkten?

Dieser Aufsatz nutzt empirische Finanzmarktmodelle, um das Auf und Ab des Euro-US-Dollar-Wechselkurses auf derartige Einflussfaktoren zurückzuführen. Dazu werden Ereignisstudien auf Basis von Hochfrequenzdaten herangezogen: Betrachtet man die unmittelbaren Reaktionen des Wechselkurses und anderer Finanzmarktpreise innerhalb einer sehr kurzen Zeitspanne um Ereignisse, kann man die beobachteten Bewegungen kausal dem entsprechenden Ereignis zurechnen – etwa geldpolitische Neuigkeiten oder makroökonomische Datenveröffentlichungen. Dabei zeigt sich, dass geldpolitische Ankündigungen des Eurosystems und insbesondere solche der Federal Reserve (Fed) regelmäßig starke Wechselkursbewegungen induzieren.

In einem zweiten Schritt werden die in engen Zeitfenstern gemessenen Veränderungen in ein ökonometrisches Modell überführt, um Aussagen über die Bedeutung einzelner Faktoren auch über längere Zeiträume machen zu können. Auch kann man damit die für eine beobachtete Wechselkursbewegung relevanten Faktoren in besonders interessanten Perioden abschätzen. So ergibt die Analyse, dass Episoden einer starken Euro-Abwertung – etwa in den Jahren 2014/15 und im Verlauf des Jahres 2022 – maßgeblich dadurch hervorgerufen wurden, dass Marktteilnehmer eine straffere Geldpolitik der Fed erwarteten.

Ein wesentlicher Vorteil der hier vorgestellten Methode liegt darin, dass sie zeitnah Aussagen über mögliche Bestimmungsfaktoren von Wechselkurs- und anderen Marktentwicklungen erlaubt. Die in den Finanzmarktpreisen enthaltenen Informationen können also genutzt werden, um nahezu in Echtzeit einen Eindruck über aktuelle wirtschaftliche Entwicklungen zu bekommen. Dies wird anhand einer Zerlegung der Euro-US-Dollar-Kursentwicklung im vierten Quartal 2025 illustriert. Sie legte bereits zum Jahresbeginn 2026 nahe, dass die Marktteilnehmer etwa die wirtschaftlichen Perspektiven für den Euroraum etwas positiver einschätzten als noch ein Quartal zuvor.

1 Einleitung

Der Euro-US-Dollar-Wechselkurs ist einer der meistbeachteten Marktpreise und auch für die Geldpolitik wichtig. Kein anderer Tausch an den internationalen Finanzmärkten erreicht größere Volumina als der zwischen Euro und US-Dollar. 1 Der Euro-US-Dollar-Wechselkurs bestimmt Einkaufs- und Verkaufspreise in globalen Lieferketten, beeinflusst die Wettbewerbsfähigkeit von Ex- und Importeuren und die Kapitalallokation zwischen zwei der größten Währungsräume der Welt. Der Außenwert des Euro ist keine Zielgröße des Eurosystems. Er beeinflusst jedoch indirekt die Inflationsdynamik und macht den Wechselkurskanal zu einem wichtigen Transmissionsmechanismus der Geldpolitik.

Für geldpolitische Entscheidungen ist es zentral, zwischen ökonomischen Triebkräften von Wechselkursbewegungen zu unterscheiden. 2 Wertet der Euro etwa ab, weil das Eurosystem die Geldpolitik überraschend lockert, sollte der inflationäre Effekt besonders ausgeprägt sein: Eine Zinssenkung stimuliert die heimische Nachfrage, und die Euro-Abwertung erhöht die Inflation zusätzlich über steigende Importpreise. 3 Wertet der Euro hingegen ab, weil die heimische Wirtschaftsaktivität und damit die Binnennachfrage unerwartet nachgeben, wäre die Wirkung auf die Inflation begrenzter. Denn in einem solchen Fall kompensierten sich zu einem gewissen Grad fallende Binnen- und steigende Auslandsnachfrage in ihrer Wirkung auf die Inflation. Und natürlich bestimmen nicht nur heimische Faktoren den Wechselkurs, sondern auch ausländische. So mag eine beobachtete Euro-Abwertung gegenüber dem US-Dollar von einer überraschend strafferen US-Geldpolitik herrühren, von einer unerwartet dynamisch wachsenden US-Wirtschaft oder von globalen Faktoren wie Energiepreisen. Je nach Bestimmungsfaktor wird sich die Wirkung einer Wechselkursveränderung unterscheiden.

Der Wechselkurs reagiert besonders stark auf geldpolitische Neuigkeiten, und in Perioden einer starken Euro-Abwertung spielt die Straffung der US-Geldpolitik oft eine wichtige Rolle. Die vorliegende Studie führt das Auf und Ab des Wechselkurses auf einzelne Bestimmungsfaktoren zurück. Dabei macht sie sich zunutze, dass Finanzmarktpreise unmittelbar, also ohne nennenswerte Verzögerung, auf wichtige ökonomische Ereignisse reagieren. So sorgen geldpolitische Ankündigungen mit Neuigkeitsgehalt regelmäßig innerhalb von Minuten für starke Anpassungen des Wechselkurses. Überführt in ein ökonometrisches Finanzmarktmodell zeigt sich, dass insbesondere längere Perioden, in denen der Euro stark abwertet, zu einem Gutteil damit erklärt werden können, dass die Marktteilnehmer nach einer diesbezüglichen Ankündigung eine straffere Geldpolitik in den USA erwarten als zuvor.

2 Ein Startpunkt: Ereignisstudien

Der Euro-US-Dollar-Wechselkurs schwankt über die Zeit beträchtlich (siehe Schaubild 3.1). Aktuell wird der Euro bei etwa 1,17 US-$ gehandelt – nahe seines Kurses zur Euro-Einführung 1999. Im Jahr unmittelbar nach seiner Einführung erreichte er ein Tief von gut 0,83 US-$. Darauf folgte eine achtjährige Phase bis ins Frühjahr 2008, in der er seinen Wert gegenüber dem US-Dollar auf 1,59 US-$ verdoppelte. Auch in kürzeren Zeitperioden verändert sich der Euro-US-Dollar-Kurs mitunter stark. So verlor der Euro gegenüber dem US-Dollar in den drei Quartalen ab Mitte 2014 rund ein Viertel seines Wertes und rund ein Fünftel seit Januar 2022 (grau schraffierte Flächen). Was aber sind die Ursachen derartiger Schwankungen?

Einen ersten Hinweis auf mögliche Ursachen liefert ein Blick auf Ereignisse, bei denen der Euro unmittelbar stark auf- oder abgewertet hat. Finanzmarktpreise wie der Euro-US-Dollar-Kurs sind Ausdruck von Erwartungen der Marktteilnehmer. Öffentlich verfügbare Informationen sollten in Marktpreisen enthalten und Kursänderungen auf Neuigkeiten zurückzuführen sein, die zuvor unbekannt waren. Besonders in dem liquiden Euro-US-Dollar-Devisenmarkt sollten Finanzmarktteilnehmer unmittelbar auf Neuigkeiten reagieren, die für Marktpreise von Bedeutung sind. Diese Überlegungen liegen Ereignisstudien in volks- und finanzwirtschaftlichen Untersuchungen zugrunde: Betrachtet man Preisbewegungen in Reaktion auf identifizierte Ereignisse in einem Zeitraum, der so eng gewählt ist, dass er andere potenzielle Einflussfaktoren ausschließt, lassen sich starke Kursbewegungen kausal auf das jeweilige Ereignis zurückführen.

Beispiele für derartige Ereignisse sind geldpolitische Ankündigungen. Die linke obere Grafik in Schaubild 3.2 zeigt die Entwicklung des Euro-US-Dollar-Kurses am 22. Januar 2015. Damals gab EZB-Präsident Draghi bekannt, dass der EZB-Rat das Anleihe-Ankaufprogramm APP (Asset Purchase Programme) beschlossen hat. Weil der Umfang des Programms die Erwartungen des Marktes übertraf, wertete der Euro in einem engen Zeitfenster um die Pressekonferenz des EZB-Rats (grau schraffierte Fläche) um rund 1 % ab. 4 Eine ähnliche Bewegung vollzog sich am 28. Oktober 2015, oben rechts dargestellt. Gegen 19:00 Uhr mitteleuropäischer Zeit gab der Offenmarktausschuss der Fed seine geldpolitische Entscheidung bekannt: Der Leitzins würde zwar wie erwartet unverändert bleiben. Aus der weiteren Kommunikation wurde jedoch ersichtlich, dass eine Zinsanhebung näher bevorstünde, als von Marktteilnehmern erwartet. Der Wechselkurs, der sich auch hier über den Nachmittag hinweg kaum bewegt hatte, reagierte unmittelbar, und der Euro verlor gegenüber dem US-Dollar in nur wenigen Minuten um mehr als 1 % an Wert.

Auch reagiert der Wechselkurs mitunter deutlich auf die Veröffentlichung von makroökonomischen Kennzahlen. Die linke untere Grafik von Schaubild 3.2 zeigt die Wechselkursentwicklung am Vormittag des 23. April 2013 mit zwei erkennbaren Sprüngen. Diese lassen sich auf die Veröffentlichung von Zahlen des Einkaufsmanagerindex im Euroraum zurückführen. 5 In der unteren rechten Grafik des Schaubildes schließlich wertete der Euro nach Bekanntgabe überraschend starker US-Arbeitsmarktzahlen ab. Auch hier spricht die heftige, unmittelbare Reaktion dafür, dass dieses Ereignis die Ursache für die Wechselkursbewegung war.

Tatsächlich sind derartige Ereignisse, besonders geldpolitische Ankündigungen der Fed, eine systematische Quelle von Wechselkursschwankungen. Die oben gezeigten Beispiele sind keine Einzelfälle. Um zu quantifizieren, wie einflussreich Ereignisse einer vorgegebenen Kategorie sind, lässt sich berechnen, wie stark der Wechselkurs in engen Zeitfenstern rund um diese Ereignisse im Durchschnitt schwankt (Schaubild 3.3). 6 So ist die Volatilität rund um geldpolitische Ankündigungen des EZB-Rats rund 50 % höher als in äquivalenten Zeitperioden ohne Neuigkeiten über die Geldpolitik im Euroraum (dunkelblau). 7 Geldpolitische Neuigkeiten des Offenmarktausschusses der Fed erhöhen die Volatilität sogar um den Faktor fünf (dunkelgrau). Das weist darauf hin, dass Marktteilnehmer Informationen zur geldpolitischen Ausrichtung der Fed in besonders hohem Maße für relevant für den Euro-US-Dollar-Wechselkurs halten. Der Unterschied zur europäischen Geldpolitik könnte darauf zurückzuführen sein, dass Marktteilnehmer den Ankündigungen zur US-Geldpolitik größeres Gewicht beimessen oder dass sie im betrachteten Zeitraum öfter von den Fed-Ankündigungen überrascht wurden. 8 Dass Neuigkeiten aus den Vereinigten Staaten die Wechselkursvolatilität stärker erhöhen als solche aus dem Euroraum, gilt auch für makroökonomische Datenveröffentlichungen. So lässt die Bekanntgabe von Kennzahlen im Euroraum den Wechselkurs nur um rund 20 % mehr schwanken als gewöhnlich (hellblau). 9 Datenveröffentlichungen in den USA hingegen erhöhen die Schwankungen um fast 100 %. 10

Um ökonomische Einflussgrößen des Wechselkurses zu ermitteln und auch über längere Zeiträume zu quantifizieren, braucht es ökonometrische Untersuchungen. Wie gesehen zeigen Ereignisstudien, dass Neuigkeiten über Geldpolitik und Konjunktur starke Wechselkursbewegungen auslösen. Solche Studien haben jedoch nur einen begrenzten Aussagegehalt, da sie sich lediglich auf sehr kurze Zeitperioden um die jeweiligen Ereignisse herum beschränken. Sie erlauben damit nicht, eine Auf- oder Abwertung des Euro über längere Zeiträume einzuordnen. Dazu bedarf es ökonometrischer Modelle.

3 Von Ereignisstudien zu Bestimmungsfaktoren des Wechselkurses im Zeitverlauf

Ökonometrische Modelle erlauben es, die Informationen aus Ereignisstudien auf längere Zeiträume zu übertragen. In vektorautoregressiven (VAR-)Modellen wird statistisch erfasst, wie sich mehrere Variablen über Tage, Wochen oder Monate typischerweise im Verhältnis zueinander entwickeln. Um Aussagen über die unterschiedlichen Bestimmungsfaktoren der Finanzvariablen treffen zu können, müssen jedoch zusätzliche Informationen herangezogen werden. Eine Quelle solcher Informationen können die oben behandelten Ereignisstudien sein. So können die mit Hochfrequenzdaten gemessenen Reaktionen auf Ereignisse genutzt werden, um den Einfluss einzelner Bestimmungsfaktoren auf die Variablen im Modell zu isolieren (siehe Exkurs „Ein Finanzmarktmodell auf Basis von Ereignisstudien (Proxy-VAR)“). 11

Exkurs

Ein Finanzmarktmodell auf Basis von Ereignisstudien (Proxy-VAR)

Ein vektorautoregressives (VAR-)Modell ist ein statistisches Zeitreihenmodell, das aus einer Reihe von Variablen besteht, die im Zeitablauf zueinander in Beziehung gesetzt werden. Jede der $ n $ Modellvariablen wird auf zeitverzögerte Werte aller im Modell vorhandenen Variablen regressiert, mathematisch ausgedrückt:

$$ y_t = c + B_1y_{t-1} + B_2y_{t-2} + ... + B_py_{t-p}+u_t $$

wobei $ y_t $ und $ c \ (n \times 1) $-Vektoren der endogenen Modellvariablen beziehungsweise Konstanten sind und $ p $ die Anzahl der berücksichtigten Verzögerungen beschreibt. Die $ (n \times n) $-Matrizen $ B_i $ (mit $ i = 1,…,p $) enthalten die geschätzten Regressionskoeffizienten, die Auskunft darüber geben, wie die Variablen im Zeitablauf voneinander abhängen. $ u_t $ schließlich ist ein $ (n \times 1) $-Vektor von Fehlertermen.

In das hier geschätzte Modell fließen insgesamt zehn Finanzmarktvariablen in täglicher Frequenz ein: 1 Renditen von deutschen und US-amerikanischen zwei- und zehnjährigen Staatsanleihen sowie (in logarithmierter Form) der EuroStoxx 50-Aktienindex, der S&P 500, der VIX (ein Maß aus Optionspreisen abgeleiteter Volatilität des S&P 500), der Ölpreis in US-Dollar (Brent Crude Future), der Goldpreis in US-Dollar und schließlich der Euro-US-Dollar-Wechselkurs. 2 Das Modell wird mithilfe bayesianischer Methoden mit $ p = 21 $ Verzögerungen für den Zeitraum März 2002 bis Dezember 2025 geschätzt. 3

Um Aussagen über die ökonomischen Bestimmungsgründe der Finanzmarktentwicklungen treffen zu können, müssen die geschätzten Residuen des Modells in deren Impulse (Schocks) zerlegt werden. Die geschätzten Fehlerterme $ \hat u_t $, also die Modellresiduen, sind die Abweichungen der beobachteten Daten von den vom Modell vorausgesagten Werten. Sie allein lassen jedoch keine Rückschlüsse auf die dahinterstehenden Impulse zu, welche als strukturelle Schocks bezeichnet werden. Mathematisch liegt das daran, dass die Residuen miteinander korreliert sind. Um aber die dahinterstehenden Bestimmungsgründe zu identifizieren, möchte man wissen, was passiert, wenn einzig einer dieser Einflussfaktoren auftritt und alle anderen unberührt bleiben. Dies wird möglich, indem die miteinander korrelierten Residuen in unkorrelierte Schocks überführt werden. Während die Residuen also eine Mischung der Schocks darstellen, können letztere kausal als einzelne ökonomische, strukturelle Bestimmungsfaktoren interpretiert werden, die in ihrer Summe wieder den geschätzten Fehlerterm ergeben.

In einem Proxy-VAR werden Schocks mithilfe von Instrumentenvariablen identifiziert – in diesem Fall sechs Stück. Hier werden Instrumentenvariablen verwendet, die den Veränderungen von Finanzmarktpreisen um bestimmte Ereignisse herum entsprechen. Diese sind in so engen Zeitfenstern gemessen – beispielsweise fünf Minuten vor dem Ereignis bis zehn Minuten danach –, dass sich die beobachteten Preisänderungen annahmegemäß fast nur auf die jeweiligen Ereignisse zurückführen lassen. Es wird also innerhalb des Zeitfensters eine Kausalbeziehung unterstellt. Ins Modell übersetzt werden diese Informationen, indem die Modellresiduen auf die Instrumentenvariablen über eine Kleinstquadratschätzung regressiert werden. Die Koeffizienten fließen dann in die Berechnung der Impuls-Antwort-Funktionen ein. Die einzelnen Instrumente werden dabei ihren Schocks zugeordnet, indem die Korrelation von Schock und jeweiligem Instrument maximiert wird. 4

Zur Identifikation geldpolitischer Schocks im Euroraum und den USA werden Zinsveränderungen um Ankündigungen des EZB-Rats beziehungsweise des Fed-Offenmarktausschusses herum herangezogen. Gemessen werden dabei nicht nur die Reaktionen von Geldmarktzinsen, sondern auch Renditeveränderungen von Staatsanleihen längerer Laufzeiten. Dies geschieht, damit auch geldpolitische Kommunikation über zukünftige Leitzinsveränderungen erfasst wird (Forward Guidance) sowie die Effekte von Anleihekaufprogrammen (Quantitative Easing), etwa wenn sich Kurzfristzinsen an der Nullzinsgrenze befinden. 5 Schließlich wird berücksichtigt, dass sich unmittelbare Veränderungen der Zinsen nicht nur aus rein geldpolitischen Gründen ergeben können, sondern auch durch Informationseffekte. 6

Als Instrumente für Schocks der gesamtwirtschaftlichen Nachfrage dienen Zins-, Aktien- und Wechselkursbewegungen um makroökomische Datenveröffentlichungen herum. Löst eine Datenveröffentlichung den Eindruck aus, dass die gesamtwirtschaftliche Nachfrage höher ist als zuvor erwartet, sollten Aktienpreise und Renditen sprunghaft anziehen und die heimische Währung aufwerten. Ereignisse, bei denen eine solche Kombination von Finanzmarktreaktionen beobachtet wird, bilden damit die Basis für Instrumente für Schocks, die die Nachfrage betreffen. Eine Besonderheit der Analyse liegt jedoch darin, dass nicht schlicht alle Datenveröffentlichungen berücksichtigt werden, die derartige Muster zeigen. Stattdessen werden die Ereignisse mithilfe eines Algorithmus jeweils so ausgewählt, dass sie – verwendet als Instrumente in VAR-Modellen in monatlicher Frequenz – auch makroökonomische Auswirkungen haben, die mit Nachfrageveränderungen assoziiert sind: Produktion und Preise müssen im Gleichlauf steigen oder sinken. 7

Energiepreis-Schocks werden mit Ölpreisveränderungen um OPEC-Ankündigungen herum und bedeutenden Neuigkeiten im Hinblick auf das Angebot am europäischen Gasmarkt instrumentiert. Sie bilden also angebotsseitige Veränderungen auf den Energiemärkten ab. Steigt etwa der Ölpreis in unmittelbarer Reaktion auf Ankündigungen der OPEC (Organisation erdölexportierender Länder) an, wird dies auf eine erwartete Verknappung der Fördermenge zurückgeführt. 8 Um den insbesondere für Europa wichtigen Markt für Erdgas ebenfalls zu berücksichtigen, werden angebotsseitige Ereignisse hinzugenommen, auf die der Gaspreis stark reagiert hat. 9

Als Instrument für Schocks des Risikoappetits internationaler Investoren schließlich werden große Veränderungen des VIX um ausgewählte Ereignisse herum verwendet. Der VIX misst die implizite Aktienmarktvolatilität des S&P 500 und drückt damit Unsicherheit über die zukünftige Entwicklung an den Aktienmärkten aus. Steigt der VIX als Reaktion auf klar zu identifizierende Ereignisse stark an, zeigt dies eine „Risk-off“-Bewegung an, in der Anleger von risikobehafteten in sichere Anlageformen wechseln. 10 In Anlehnung an die Literatur werden deshalb kräftige Bewegungen des VIX in Reaktion auf derartige Ereignisse herangezogen, um Veränderungen des Risikoappetits zu erfassen. 11

Fußnoten

Das hier verwendete Modell ist eine leicht abgewandelte Version der in Karau (2026) geschätzten Variante. Die im Haupttext gezeigten historischen Zerlegungen des Euro-US-Dollar-Wechselkurses basieren wie in Pinter et al. (2025) auf einem Modell in Niveaus. Ergebnisse einer Modellschätzung, bei der die Variablen in ersten Differenzen eingehen, liefern ähnliche Ergebnisse.
Alle Variablen werden zu Schlusskursen in den USA gemessen, auch die europäischen. Sie beziehen sich also meist auf 22:00 Uhr mitteleuropäischer Zeit (MEZ), die Uhrzeit, zu der die US-amerikanischen Finanzmärkte schließen. Das ist insofern wichtig, als die einzelnen Reihen damit denselben Informationsstand enthalten. Die Kurse europäischer Finanzmarktvariablen um 22:00 Uhr MEZ werden approximiert, indem zu ihren Schlusskursen im europäischen Handel (um 17:30 Uhr MEZ) die Kursveränderung zwischen 17:30 Uhr und 22:00 Uhr anhand von hochfrequenten Futures-Daten der Terminbörse EUREX hinzuaddiert wird.
21 Verzögerungen entsprechen (bei Berücksichtigung von Wochenenden, an denen nicht gehandelt wird) etwa einem Monat an Beobachtungen. Der Schätzzeitraum beginnt im März 2002, da vorher keine Hochfrequenzdaten vorliegen, um die europäischen Variablen zu US-Schlusskursen zu berechnen, siehe Fußnote 2.
Dies stellt eine Erweiterung der in Piffer und Podstawski (2018) entwickelten Methode dar, die wiederum auf dem in Mertens und Ravn (2013) vorgestellten Ansatz beruht. Im Unterschied zu Piffer und Podstawski (2018) wird – statt vieler möglicher struktureller Modelle für zwei Schocks – ein genau bestimmtes strukturelles Modell für alle sechs Schocks gefunden. Dies geschieht mathematisch, indem die Rotation orthonormaler Matrizen derart gewählt wird, dass in der Matrix der Korrelationskoeffizienten von Instrumenten und Schocks das Verhältnis der Summe der quadrierten Einträge auf der Nicht-Diagonalen zu den Diagonaleinträgen minimiert wird, vgl.: Karau (2026).
Um die Zinsen von Staatsanleihen verschiedener Laufzeiten in einem einzigen Maß zusammenzufassen, wird dabei die erste Hauptkomponente von zahlreichen Zinsveränderungen mit Laufzeiten von einem, drei und sechs Monaten sowie einem, zwei und zehn Jahren verwendet. Diese Hauptkomponente bildet am stärksten Veränderungen im ein- bis zweijährigen Bereich ab, der oft mit Forward Guidance in Verbindung gebracht wird.
Sollten Finanzmarktteilnehmer nämlich davon ausgehen, dass die Zentralbank über Informationen über die künftige wirtschaftliche Entwicklung verfügt, die ihnen selbst bisher unbekannt und deshalb nicht bereits eingepreist waren, könnte die beobachtete Marktreaktion auch darauf zurückzuführen sein statt auf die eigentliche geldpolitische Straffung, vgl.: Nakamura und Steinsson (2018), Cieslak und Schrimpf (2019), Franz (2020), Miranda-Agrippino und Ricco (2021) sowie Kerssenfischer (2022). In einem solchen Fall wären positive Zinsüberraschungen im Unterschied zu einem eigentlichen kontraktiven geldpolitischen Schock mit steigenden Aktienkursen assoziiert. Entsprechend werden die Informationseffekte hier wie in der Literatur herausgerechnet, indem nur solche Zinsüberraschungen zur Ermittlung kontraktiver geldpolitischer Schocks herangezogen werden, die mit fallenden Aktienkursen (vgl.: Jarociński und Karadi (2020)) und mit einer Aufwertung des Euro einhergehen.
Gemäß der in Alessandri et al. (2023) entwickelten Methode gehen dafür die im täglichen Modell identifizierten Schocks kumuliert als Instrumentenvariablen in ein monatliches VAR-Modell ein. Die Ereignisse werden dann mithilfe eines Algorithmus ausgewählt, der sicherstellt, dass Industrieproduktion und Verbraucherpreise im monatlichen Modell ansteigen, vgl.: Karau (2026).
Die Grundlage dafür bilden 90 der in Känzig (2021) verwendeten OPEC-Ankündigungen ab März 2002. Um auch hier mögliche Informationseffekte herauszufiltern – so könnten OPEC-Ankündigungen in den Augen der Marktteilnehmer auch Einschätzungen der OPEC über die künftige Nachfrage nach Öl beinhalten –, wird derselbe Ansatz wie in Degasperi (2023) verfolgt: Es werden nur solche Ölpreisveränderungen herangezogen, auf die der S&P 500-Aktienindex mit gegenteiligem Vorzeichen reagiert.
Dafür werden die 26 Ereignisse in Alessandri und Gazzani (2024) herangezogen. Viele davon stehen in Verbindung mit dem Angriffskrieg Russlands gegen die Ukraine. Für eine ähnliche Analyse der Wechselkurseffekte derartiger Gaspreis-Schocks im Zuge des Ukrainekriegs vgl.: Deutsche Bundesbank (2022).
Neben gestiegener Unsicherheit über den zukünftigen wirtschaftlichen Verlauf (vgl.: Bloom (2014)) kann dies in ökonomischen Modellen etwa Veränderungen des Investorenvertrauens widerspiegeln (Angeletos et al. (2018)) oder eine Zunahme der Risikoaversion der Investoren (Campbell et al. (2020)).
Dafür werden die über einen narrativen Ansatz identifizierten Ereignisse in Gazzani et al. (2024) verwendet. Diese sind so ausgewählt, dass zusätzlich zu einem Anstieg des VIX auch Goldpreise anziehen, während der Ölpreis fällt.

Ein solcher Ansatz wird auch hier genutzt, um kausale Effekte einzelner Einflussfaktoren auf den Euro-US-Dollar-Wechselkurs in einem Finanzmarktmodell zu bestimmen. Um etwa den Einfluss der Geldpolitik abzuschätzen, wird gemessen, wie Geldmarktzinsen und die Renditen von Anleihen in engen Zeitfenstern um geldpolitische Ankündigungen reagieren. Ins Modell übersetzt lassen sich dann die Auswirkungen im Zeitverlauf berechnen. Ein Beispiel dafür zeigt Schaubild 3.4. Abgebildet sind zwei Reihen von Impuls-Antwort-Funktionen. Diese geben Auskunft darüber, wie vier der insgesamt zehn im Modell befindlichen Finanzmarktpreise im Zeitverlauf reagieren, wenn die Geldpolitik im Euroraum (oben) beziehungsweise die in den USA (unten) unerwartet gestrafft wird.

Geldpolitische Impulse aus den USA beeinflussen den Euro-US-Dollar-Kurs besonders stark (Schaubild 3.4). Im oberen Teil des Schaubildes wird ein geldpolitischer Impuls aus dem Euroraum betrachtet, der zweijährige deutsche Bundesanleihen um 25 Basispunkte ansteigen lässt. In Reaktion darauf geben europäische Aktienmarktbewertungen unmittelbar um etwa 3 % nach und erholen sich in den darauffolgenden Tagen graduell. Auch US-amerikanische Renditen steigen an, jedoch nur um etwa 6 Basispunkte, wodurch sich also die Zinsdifferenz um etwa 20 Basispunkte zugunsten des Euroraums ausweitet. Weil dieser relative Zinsanstieg Kapital anzieht, lässt er auch den Euro aufwerten, der im Verhältnis zum US-Dollar unmittelbar etwa 1,5 % an Wert gewinnt. 12 Wird demgegenüber die US-amerikanische Geldpolitik im unteren Teil des Schaubildes gestrafft, steigen also die Zinsen in den USA um 25 Basispunkte an, kommt es ebenfalls zu einem Rückgang der heimischen Aktienbewertungen. Ein geldpolitischer Zinsimpuls aus den USA überträgt sich stärker auf zweijährige Bundesanleihen als ein geldpolitischer Impuls aus dem Euroraum auf die USA. Der relative Zinsanstieg fällt in den USA mit gut 10 Basispunkten entsprechend geringer aus. Trotzdem reagiert der Wechselkurs stärker: Der Euro wertet mehr als 2 % gegenüber dem US-Dollar ab. Das ist auf den ersten Blick überraschend, da es zunächst naheliegt, zu vermuten, dass die Höhe der Änderung der Zinsdifferenz ausschlaggebend für die Stärke der Wechselkursreaktion sei. In der wirtschaftswissenschaftlichen Literatur ist jedoch gut belegt, dass neben der Zinsdifferenz auch Risikoprämien eine wichtige Rolle bei der Bestimmung von Wechselkursen spielen, 13 die durch die Geldpolitik beeinflusst werden. 14

Neben geldpolitischen Veränderungen lassen sich mit dem vorliegenden Modell‑Ansatz weitere Bestimmungsgründe von Entwicklungen des Euro-US-Dollar-Kurses ermitteln. Analog zu den geldpolitischen Impulsen werden sie mithilfe von Hochfrequenz-Daten im VAR-Modell identifiziert (siehe Exkurs „Ein Finanzmarktmodell auf Basis von Ereignisstudien (Proxy-VAR)“): Die oben beschriebenen Finanzmarktreaktionen auf Veröffentlichungen makroökonomischer Daten werden genutzt, um den Einfluss von Veränderungen der gesamtwirtschaftlichen Nachfrage abzuschätzen. Um eine gestiegene Risikoaversion an den Finanzmärkten zu erfassen, werden Veränderungen der impliziten Aktienmarktvolatilität (VIX) um ausgewählte Ereignisse herum gemessen, in denen Investoren ihr Vermögen von risikobehafteten in sichere Anlagen umschichten. Und schließlich werden Ölpreisveränderungen um Neuigkeiten herum gemessen, die Verknappungen des Öl- und Gasngebots anzeigen.

Der Euro wertet auf, wenn die Wirtschaftsaktivität im Euroraum zunimmt, und er schwächt sich bei stärkerer Aktivität in den USA ab (Schaubild 3.5). Bei einem Nachfrageimpuls aus dem Euroraum (oben), der den EuroStoxx 50 unmittelbar um 5 % ansteigen lässt, steigen zweijährige Bundrenditen um gut 10 Basispunkte. Auch US-Renditen reagieren positiv, der Effekt ist aber kleiner. Die Zinsdifferenz weitet sich also zugunsten des Euroraums aus, was den Euro mehr als 1 % gegenüber dem US-Dollar aufwerten lässt. Ein Nachfrageimpuls aus den USA (unten) führt spiegelbildlich zu einer persistenten Abwertung des Euro, auch weil die Renditen jenseits des Atlantiks stärker ansteigen als diesseits.

Geschwächt wird der Euro durch einen Rückgang des globalen Risikoappetits und bei einer Verknappung des Angebots an den Energiemärkten (Schaubild 3.6). Ein durch abnehmende Risikobereitschaft induzierter Anstieg des VIX um 10 % (oben) führt zu einer Portfolioumschichtung aus risikobehafteten Vermögenswerten wie Aktien in sichere Anleihen, deren Renditen um einige Basispunkte zurückgehen. Auch fällt der Wert des Euro um etwa 0,2 % im Vergleich zum US-Dollar, der zumindest historisch als sicherer Hafen in Zeiten steigender Risikoaversion an den Finanzmärkten galt. 15 Ein Anstieg des Ölpreises um 10 % (unten) führt im Modell zu nur geringen Veränderungen der Renditen, jedoch zu einem lang anhaltenden Rückgang von europäischen Aktienkursen um mehr als 2 %. Der Euro verliert gegenüber dem US-Dollar um gut 0,2 % an Wert. 16

4 Welche Faktoren waren für die Euro-Abwertung gegenüber dem US-Dollar in den Jahren 2014/15 und 2022 verantwortlich?

Ist abgeschätzt, wie sich die einzelnen Faktoren im Zeitverlauf auf Finanzmarktvariablen auswirken, lässt sich ihre relative Bedeutung für beobachtete Wechselkursentwicklungen quantifizieren. Schon nach Augenmaß können die geschätzten Impuls-Antwort-Funktionen manchmal einen Hinweis darauf geben, welche Bestimmungsgründe in einer gerade betrachteten Episode besonders wichtig waren. 17 In der Regel werden sich allerdings die Impulse vieler der Faktoren überlappen und sich deren Beiträge zudem im Zeitverlauf ändern. Die Bewegungen einzelner Finanzmarktvariablen lassen sich im Modell aber auch systematisch in die Beiträge aller identifizierten Einflussfaktoren zerlegen. Dies gibt damit Aufschluss über ihre relative Bedeutung.

Eine Episode von besonderem Interesse ist etwa die der starken Abwertung des Euro gegenüber dem US-Dollar in den Jahren 2014/15. In dieser Zeit verlor der Euro in neun Monaten rund ein Viertel seines Wertes gegenüber der amerikanischen Währung. Besonders aus geldpolitischer Perspektive ist diese Phase interessant. Denn die Zinsen lagen dies- wie jenseits des Atlantiks nahe bei null, die für die Zukunft erwartete geldpolitische Ausrichtung wies aber klar in unterschiedliche Richtungen: Während die Marktteilnehmer darüber spekulierten, wann die Fed einen Straffungszyklus einleiten würde, standen die Zeichen im Eurosystem auf einer weiteren geldpolitischen Lockerung.

Eine historische Zerlegung im Rahmen des verwendeten VAR-Modells offenbart, dass die Entwicklung im gesamten Abwertungszeitraum maßgeblich von der Geldpolitik der Fed getrieben war (Schaubild 3.7, links). Abgebildet ist die Entwicklung des Euro-US-Dollar-Wechselkurses seit Sommer 2014 (schwarze Linie), nebst den Beiträgen der einzelnen Einflussfaktoren (farbige Balken). 18 Den größten Beitrag zur Abwertung des Euro lieferte laut Modell die US-Geldpolitik (dunkelgrau). Dies ist insofern bemerkenswert, als die Fed den geldpolitischen Leitzins bis Ende 2015 gar nicht erhöhte. Das Modell erfasst dennoch einen spürbaren Schwenk von einer expansiv ausgerichteten Nullzins-Politik hin zu einer Straffung, die dadurch zum Ausdruck kam, dass die Fed ihre Anleihekäufe auslaufen ließ und Marktteilnehmer zunehmend baldige Zinsschritte erwarteten.

Gut zu erkennen ist auch der Einfluss des Anleihekaufprogramms des Eurosystems. Wie im Kontext von Schaubild 3.2 erwähnt, wertete der Euro unmittelbar nach der Bekanntgabe des APP ab. Schaubild 3.7 offenbart nun, dass die expansive Ausrichtung der Geldpolitik des Eurosystems seit Mitte Januar 2015 bis zu etwa 3 Prozentpunkte zur Abwertung des Euro beitrug (dunkelblau). Demnach wirkte sich die unkonventionelle Geldpolitik mit Blick auf den Wechselkurs ungefähr so stark aus, wie eine Zinspolitik, die die zweijährigen Renditen um 50 Basispunkte senkt. Insgesamt blieb der Einfluss des APP auf den Wechselkurs im hier betrachteten Zeitraum aber wohl geringer als der der US-Geldpolitik. 19 Eine schwächere gesamtwirtschaftliche Nachfrage im Euroraum (hellblau) sowie eine stärkere in den USA (hellgrau) übten ebenfalls Abwärtsdruck auf den Euro aus, genau wie ein sinkender globaler Risikoappetit (weiß). Einzig günstigere Bedingungen am Energiemarkt, die den Ölpreis zu dieser Zeit stark drückten, stützten laut Modellschätzung den Euro (mittelblau).

An der kräftigen Abwertung des Euro im Jahr 2022 hatte die US-Geldpolitik ebenfalls einen großen Anteil – nebst den Verwerfungen am Energiemarkt im Zuge des russischen Angriffskrieges gegen die Ukraine (Schaubild 3.7, rechts). Im Laufe des Jahres 2022 wertete der Euro um gut 15 % gegenüber dem US-Dollar ab. Laut Modellschätzung war dies ebenfalls zum großen Teil darauf zurückzuführen, dass die Marktteilnehmer zunehmend einpreisten, dass die US-Geldpolitik gestrafft würde. Belastet wurde der Euro aber auch durch steigende Energiepreise im Zuge des russischen Angriffskrieges gegen die Ukraine. Diese trugen zusammen mit einem Rückgang des globalen Risikoappetits mehrere Prozentpunkte zur Euro-Abwertung bei. 20 Als kursstützend erwies sich, dass Investoren auch für den Euroraum erwarteten, dass die Zinsen steigen würden, und sich der hiesige Wirtschaftsausblick gegenüber dem Jahresanfang 2022 etwas aufhellte.

5 Schlussüberlegungen und Ausblick

Die hier vorgestellte Methode eines Proxy-VAR-Modells mit Finanzmarktvariablen erlaubt Aussagen über Bestimmungsfaktoren von Wechselkursbewegungen nahezu in Echtzeit und gibt damit auch einen Eindruck über die allgemeine Wirtschaftsentwicklung. Das Zusammenspiel aus unterschiedlichen Finanzmarktpreisen mit den hier verwendeten Ereignisstudien kann dabei helfen, aktuelle Dynamiken zeitnah einzuschätzen. Obwohl sich der Euro-US-Dollar-Wechselkurs etwa im vierten Quartal 2025 per saldo beispielsweise kaum veränderte, offenbart eine Zerlegung der Kursentwicklung im Modell, dass Marktteilnehmer den Wirtschaftsausblick im Euroraum zum Jahreswechsel etwas besser einschätzten als zuvor (Schaubild 3.8). Darüber hinaus wurde der Euro vom fallenden Ölpreis gestützt. Zwischenzeitlich bestimmten wechselnde Einschätzungen darüber, wie weit die Fed ihre Geldpolitik lockern würde, die Kursentwicklung. Von der Geldpolitik im Euroraum hingegen gingen Ende 2025 weniger Impulse auf den Wechselkurs aus, da sich unter Marktteilnehmern mehr und mehr der Eindruck verfestigte, dass der Zinssenkungszyklus im Euroraum zu einem Ende gekommen sei.

In diesem Beitrag wurden Daten bis zum 31. Dezember 2025, 22:00 Uhr berücksichtigt.

Literaturverzeichnis

Alessandri, P. und A. Gazzani (2024), Natural gas and the macroeconomy: Not all energy shocks are alike, Journal of Monetary Economics, Vol. 151, 103749.

Alessandri, P., A. Gazzani und A. Vicondoa (2023), Are the Effects of Uncertainty Shocks Big or Small?, European Economic Review, Vol. 158, 103745.

Alessandri, P. und H. Mumtaz (2019), Financial Regimes and Uncertainty Shocks, Journal of Monetary Economics, Vol. 101, S. 31 – 46.

Angeletos, G.-M., F. Collard und H. Dellas (2018), Quantifying Confidence, Econometrica, Vol. 86(5), S. 1689 – 1726.

Avdjiev, S., V. Bruno, C. Koch und H. S. Shin (2019), The Dollar Exchange Rate as a Global Risk Factor, IMF Economic Review, Vol. 67(1), S. 151 – 173.

Bank für Internationalen Zahlungsausgleich (2025), Triennial Central Bank Survey of foreign exchange and Over-the-counter (OTC) derivatives markets in 2025.

Baumeister, C. und J. D. Hamilton (2019), Structural Interpretation of Vector Autoregressions with Incomplete Identification: Revisiting the Role of Oil Supply and Demand Shocks, The American Economic Review, Vol. 109(5), S. 1873 – 1910.

Bauer, M. D. und E. T. Swanson (2023), A Reassessment of Monetary Policy Surprises and High-Frequency Identification, NBER Macroeconomics Annual, Vol. 37, S. 87 – 155.

Bloom, N. (2014), Fluctuations in Uncertainty, Journal of Economic Perspectives, Vol. 28(2), S. 153 – 176.

Boehm, C. E. und T. Niklas Kroner (2025), The U.S., Economic News, and the Global Financial Cycle, The Review of Economic Studies, Vol. 93(1), S. 215 – 249..

Bouakez, H. und M. Normandin (2010), Fluctuations in the Foreign Exchange Market: How Important are Monetary Policy Shocks?, Journal of International Economics, Vol. 81(1), S. 139 – 153.

Bruno, V. und H. S. Shin (2015), Capital Flows and the Risk-Taking Channel of Monetary Policy, Journal of Monetary Economics, Vol. 71, S. 119 – 132.

Campbell, J. Y., C. Pflueger und L. M. Viceira (2020), Macroeconomic Drivers of Bond and Equity Risks, Journal of Political Economy, Vol. 128(8), S. 3148 – 3185.

Cieslak, A. und A. Schrimpf (2019), Non-monetary News in Central Bank Communication, Journal of International Economics, Vol. 118(C), S. 293 – 315.

Degasperi, R. (2023), Identification of Expectational Shocks in the Oil Market Using OPEC Announcements, mimeo.

Degasperi, R., S. S. Hong und G. Ricco (2024), The Global Transmission of U.S. Monetary Policy, Banca d’Italia, Temi di discussione (Economic Working Papers), No. 1466.

Deutsche Bundesbank (2025a), Der Risikoappetit auf den Finanzmärkten und Geldpolitik, Monatsbericht, Januar 2025.

Deutsche Bundesbank (2025b), Finanzmärkte, Monatsbericht, Februar 2025.

Deutsche Bundesbank (2025c), Finanzmärkte, Monatsbericht, Mai 2025.

Deutsche Bundesbank (2022), Energiepreisanstieg, Wechselkurs des Euro und preisliche Wettbewerbsfähigkeit Deutschlands, Monatsbericht, Dezember 2022, S. 47 – 56.

Deutsche Bundesbank (2020), Der Einfluss der Geldpolitik auf den Wechselkurs des Euro, Monatsbericht, September 2020, S. 19 – 52.

Deutsche Bundesbank (2017), Anleihekäufe des Eurosystems und der Wechselkurs des Euro, Monatsbericht, Januar 2017, S. 13 – 40.

Deutsche Bundesbank (2014), Wechselkurse und Finanzstress, Monatsbericht, Juli 2014, S. 15 – 29.

Dornbusch, R. (1976), Expectations and Exchange Rate Dynamics, The Journal of Political Economy, Vol. 84(6), S. 1161 – 1176.

Eichenbaum, M. und C. L. Evans (1995), Some Empirical Evidence on the Effects of Shocks to Monetary Policy on Exchange Rates, The Quarterly Journal of Economics, Vol. 110(4), S. 975 – 1009.

Engel, C. (2016), Exchange Rates, Interest Rates, and the Risk Premium, American Economic Review, Vol. 106(2), S. 436 – 474.

Fama, E. F. (1984), Forward and Spot Exchange Rates, Journal of Monetary Economics, Vol. 14(3), S. 319 – 338.

Forbes, K. J., I. Hjortsoe und T. Nenova (2020), International Evidence on Shock-Dependent Exchange Rate Pass-Through, IMF Economic Review, Vol. 68(4), S. 721 – 763.

Franz, T. (2020), Central bank information shocks and exchange rates, Diskussionspapier der Deutschen Bundesbank, Nr. 13/2020.

Gazzani, A. und F. Venditti (2024), Oil price shocks in real time, Journal of Monetary Economics, Vol. 144, 103547.

Gertler, M. und P. Karadi (2015), Monetary Policy Surprises, Credit Costs, and Economic Activity, American Economic Journal: Macroeconomics, Vol. 7(1), S. 44 – 76.

Georgiadis, G., G. J. Müller und B. Schumann (2024), Global risk and the dollar, Journal of Monetary Economics, Vol. 144, 103549.

Georgiadis, G., G. J. Müller und B. Schumann (2023), Dollar Trinity and the Global Financial Cycle, CEPR Discussion Paper, No. 18427.

Gopinath, G., E. Boz, C. Casas, F. J. Díez, P.-O. Gourinchas und M. Plagborg-Møller (2020), Dominant Currency Paradigm, American Economic Review, Vol. 110(3), S. 677 – 719.

Gopinath, G. und J. C. Stein (2021), Banking, Trade, and the Making of a Dominant Currency, The Quarterly Journal of Economics, Vol. 136(2), S. 783 – 830.

Ha, J., M. Stocker und H. Yilmazkuday (2019), Inflation and Exchange Rate Pass-Through, Journal of International Money and Finance, Vol. 105, 102187.

Heinlein, R. und H.-M. Krolzig (2012), Effects of Monetary Policy on the US Dollar/UK Pound Exchange Rate: Is There a “Delayed Overshooting Puzzle”?, Review of International Economics, Vol. 20(3), S. 443 – 467.

Jarociński, M. und P. Karadi (2020), Deconstructing Monetary Policy Surprises – The Role of Information Shocks, American Economic Journal: Macroeconomics, Vol. 12(2), S. 1 – 43.

Juvenal, L. und I. Petrella (2015), Speculation in the Oil Market, Journal of Applied Econometrics, Vol. 30(4), S. 621 – 649.

Känzig, D. (2021), The Macroeconomic Effects of Oil Supply News: Evidence from OPEC Announcements, American Economic Review, Vol. 111(4), S. 1092 – 1125.

Karau, S. (2026), Macro Shocks in Real Time, mimeo.

Karau, S. (2024), Relative Monetary Policy and Exchange Rates, Diskussionspapier der Deutschen Bundesbank, Nr. 40/2024.

Kerssenfischer, M. (2022), Information effects of euro area monetary policy, Economics Letters, 216:110570.

Kilian, L. (2009), Not All Oil Price Shocks Are Alike: Disentangling Demand and Supply Shocks in the Crude Oil Market, American Economic Review, Vol. 99(3), S. 1053 – 1069.

Kilian, L. und C. Park (2009), The Impact of Oil Price Shocks on the U.S. Stock Market, International Economic Review, Vol. 50(4), S. 1267 – 1287.

Liao, W., J. Ma und C. Zhang (2023), Identifying Exchange Rate Effects and Spillovers of U.S. Monetary Policy Shocks in the Presence of Time-Varying Instrument Relevance, Journal of Applied Econometrics, Vol. 38(7), S. 989 – 1006.

McLeay, M. und S. Tenreyro (2026), Dollar Dominance and the Transmission of Monetary Policy, The Quarterly Journal of Economics, Vol. 141(1), S. 605 – 666.

Mertens, K. und M. O. Ravn (2013), The Dynamic Effects of Personal and Corporate In-come Tax Changes in the United States, American Economic Review, Vol. 103(4), S. 1212 – 1247.

Miranda-Agrippino, S. und T. Nenova (2022), A Tale of Two Global Monetary Policies, Journal of International Economics, 103606.

Miranda-Agrippino, S. und H. Rey (2020), U.S. Monetary Policy and the Global Financial Cycle, The Review of Economic Studies, Vol. 87(6), S. 2754 – 2776.

Miranda-Agrippino, S. und G. Ricco (2021), The Transmission of Monetary Policy Shocks, American Economic Journal: Macroeconomics, Vol. 13(3), S. 74 – 107.

Nakamura, E. und J. Steinsson (2018), High-Frequency Identification of Monetary Non-Neutrality: The Information Effect, The Quarterly Journal of Economics, Vol. 133(3), S. 1283 – 1330.

Ortega, E. und C. Osbat (2020), Exchange Rate Pass-Through in the Euro Area and EU Countries, ECB Occasional Paper Series, Nr. 241.

Peersman, G. und I. van Robays (2009), Oil and the Euro Area Economy, Economic Policy, Vol. 24(60), S. 603 – 651.

Piffer, M. und M. Podstawski (2018), Identifying Uncertainty Shocks Using the Price of Gold, Economic Journal, Vol. 128(616), S. 3266 – 3284.

Pinter, G., F. Smets und S. Üslü (2025), Market whiplash after the 2025 tariff shock: an event-targeted VAR approach, BIS Working Papers, No 1282.

Rey, H. (2013), Dilemma not Trilemma: The Global Financial Cycle and Monetary Policy Independence, in: Federal Reserve Bank of Kansas City (Hrsg.): Global Dimensions of Unconventional Monetary Policy, Jackson Hole Economic Policy Symposium Proceedings, S. 285 – 333.

Rüth, S. K. (2020), Shifts in monetary policy and exchange rate dynamics: Is Dornbusch’s overshooting hypothesis intact, after all?, Journal of International Economics, Vol. 126, 103344.

Scholl, A. und H. Uhlig (2008), New Evidence on the Puzzles: Results from Agnostic Identification on Monetary Policy and Exchange Rates, Journal of International Economics, Vol. 76(1), S. 1 – 13.

Stock, J. H. und M. W. Watson (2018), Identification and Estimation of Dynamic Causal Effects in Macroeconomics Using External Instruments, The Economic Journal, Vol. 128(610), S. 917 – 948.