1 Bestandsaufnahme
2 Kreditentwicklung und makroökonomisches Umfeld
3 Sonderfaktoren ließen Kreditdynamik bis Oktober 2022 steigen
4 Anschließende Phase fallender Kreditdynamik
4.1 Erhöhung der Kreditzinsen und Straffung der Kreditangebotspolitik
Zusammenspiel von Kreditrisiken, Bankangebotspolitik und Kreditverhandlungen
Dabei lag der Anteil der Unternehmen, die sich im Quartal der Befragung in Kreditverhandlungen befanden, seit Beginn der geldpolitischen Straffung relativ stabil bei knapp 15 %. Die gewichteten Antworten der Unternehmen, deren Kreditverhandlungen zum Zeitpunkt der Befragung noch nicht beendet sind, fließen mit dem Faktor 0 ein. Für die Ermittlung des Indikatorwerts wird pro Quartal und Kreditsegment die mit den entsprechenden Faktoren multiplizierte Summe der einzelnen gewichteten Antworten als Prozentsatz der gewichteten Antworten aller Unternehmen angegeben, die sich während des Quartals in Kreditverhandlungen befanden. Gesonderte Angaben zu Unternehmen, die Dienstleistungen aus dem Bereich Wohn- und sonstiges Grundstückswesen anbieten, werden in der BOP-F-Umfrage nicht erhoben.
4.2 Abschwächung der Kreditnachfrage vor allem aufgrund des verschlechterten Makroumfelds
5 Fazit und Ausblick
Kreditprognosen
Prognosen der künftigen Kreditentwicklung
Prognose einer hypothetischen Kreditentwicklung
Für die Beschreibung des Ansatzes vgl.: Giannone et al. (2015). Die Daten für die BLS - Kreditrichtlinien sind erst ab dem vierten Quartal 2002 verfügbar. Um eine Schätzung für den längeren Zeitraum ab 1991 zu ermöglichen, werden die BLS - Richtlinien auf Basis von Unternehmensinsolvenzen zurückgeschrieben, vgl. hierzu: Deutsche Bundesbank (2022b). Vgl.: Deutsche Bundesbank (2024b). Zur Berechnung der bedingten Prognosen vgl.: Bańbura et al. (2015). Vgl.: Deutsche Bundesbank (2024b). Zur besseren Veranschaulichung werden die Prognosen für die Niveaus der Buchkredite anschließend in Jahreswachstumsraten umgerechnet. Siehe Erläuterungen in Kapitel 3 .
Analyse der Buchkredite an nichtfinanzielle Unternehmen in Deutschland anhand eines makrofinanziellen Bayesianischen VAR - Modells
Das Modell entspricht weitgehend jenem in Deutsche Bundesbank (2020), enthält jedoch zusätzlich den deutschen Beitrag zu M3 , um einen Vergleich der Rolle von Geldnachfrageschocks in der Coronavirus-Pandemie mit den Ergebnissen für den Euroraum in Deutsche Bundesbank (2023a) zu ermöglichen. Die Schätzung erfolgt mit dem Bayesianischen Ansatz von: Giannone et al. (2015). Die Modellierung der erhöhten Varianz während der Coronavirus-Pandemie folgt: Lenza und Primiceri (2022). Der Simulationsansatz folgt: Bańbura et al. (2015). Verglichen mit der Simulation in Schaubild 3.2 ist die Verteilung der Simulationen insbesondere zum Ende des Simulationszeitraums hin breiter. Dies liegt unter anderem an der mit der deutlich größeren Zahl an Variablen verbundenen erhöhten Schätzunsicherheit. Allerdings spielen Episoden mit relativ hohen Inflationsraten, wie im Simulationszeitraum, im Schätzzeitraum nur eine vergleichsweise geringe Rolle. Dies könnte dazu führen, dass das Modell die Zusammenhänge zwischen den Variablen in einem Regime mit erhöhten Inflationsraten und einer bedeutenden Rolle angebotsseitiger Schocks nicht korrekt widerspiegelt. Siehe: Arias et al. (2018). Siehe: Mandler und Scharnagl (2020). Außerdem wird angenommen, dass die Koeffizienten von BIP und HVPI in der Gleichung des geldpolitischen Indikators positiv sind, das heißt, dass das Eurosystem auf einen Anstieg des BIP oder des Preisniveaus mit einer restriktiveren Geldpolitik reagiert. Siehe: Arias et al. (2019). Die Analyse liefert statistische Verteilungen der Beiträge der Schocks und der Abweichung der tatsächlichen Kreditwachstumsrate von der hypothetischen Modellsimulation ohne Schocks (unbedingte Prognose). Das Schaubild stellt von allen diesen Verteilungen jeweils den Median dar. Eine Differenz zwischen der schwarzen Linie, dem Median der Differenz der unbedingten Prognose und der Summe der Median-Beiträge der Schocks ist darauf zurückzuführen, dass der Median einer Summe nicht notwendigerweise gleich der Summe der Mediane der Summanden ist. Die geschätzte Modellgleichung für den geldpolitischen Indikator hätte eine noch viel expansivere Geldpolitik als Reaktion auf den heftigen BIP - Rückgang während der Coronavirus-Pandemie im ersten Quartal 2020 verlangt, als dies tatsächlich der Fall war. Eine wie vom Modell vorhergesagte Lockerung der Geldpolitik wäre aufgrund der effektiven Zinsuntergrenze und Grenzen für mögliche geldpolitische Ankaufprogramme vermutlich gar nicht möglich gewesen. Das Modell diagnostiziert deshalb einen restriktiven geldpolitischen Schock zu diesem Zeitpunkt, gefolgt von einem etwas weniger ausgeprägten expansiven geldpolitischen Schock im zweiten Quartal, als sich das BIP wieder teilweise erholte. In der Schockzerlegung überwiegt über das Jahr 2020 der Effekt des ersten, restriktiven geldpolitischen Schocks. Vgl.: Fußnote 35 in Deutsche Bundesbank (2023a). Dies gilt auch für die Zerlegung der anderen Variablen, insbesondere für die Geldmenge M3 . Die Ergebnisse hinsichtlich der Rolle gesamtwirtschaftlicher Nachfrageschocks und geldpolitischer Schocks sind dagegen ähnlich jenen für den Euroraum in: Deutsche Bundesbank (2023a).
Die quantitative Bedeutung von Kreditangebot und Kreditnachfrage für das Kreditwachstum
Die Modellierung folgt dem Vorgehen, das in Deutsche Bundesbank (2023h) dargestellt wurde. Für die Schätzung wurde das Kreditwachstum um den Beitrag der Kredite der KfW an nichtfinanzielle Unternehmen in Deutschland bereinigt, da diese ab der zweiten Hälfte des Jahres 2022, im Zuge der Energiekrise, einen verzerrenden Sondereffekt darstellen. Außerdem wurde der Höhepunkt der wirtschaftlichen Auswirkungen der Coronavirus-Pandemie im Jahr 2020 ausgenommen, indem die fünf Beobachtungen vom ersten Quartal 2020 bis zum ersten Quartal 2021 bei der Berechnung der Koeffizientenschätzer und der Kovarianzmatrix nicht berücksichtigt wurden, vgl.: Schorfheide und Song (2021).
Literaturverzeichnis
Vgl.: Deutsche Bundesbank (2024a). Der Begriff "Kreditvergabe" wird in diesem Aufsatz als Synonym für "Nettokreditvergabe" verwendet. Für eine detailliertere Darstellung vgl.: Deutsche Bundesbank (2023a). Der Begriff "nichtfinanzielle Unternehmen" umfasst nichtfinanzielle Kapital- und Quasi-Kapitalgesellschaften; in diesem Aufsatz wird der Begriff "Unternehmen" als Synonym verwendet. Der Begriff "Kredite" wird in diesem Aufsatz als Synonym für "Buchkredite" verwendet. Vgl.: Deutsche Bundesbank (2020). So auch die Angaben der Banken in der Umfrage zum Kreditgeschäft (Bank Lending Survey, BLS ), siehe Schaubild 3.10. Zum Aufbau der BOP-F-Umfrage siehe: Boddin et al. (2023). Diese Mittel wurden vor allem für Gasersatzbeschaffungen und kurzfristige Liquiditätsanforderungen von im Energiehandel verpflichtenden Sicherheitsleistungen benötigt. Auch dienten die Kredite der Finanzierung der Gasbeschaffung zur Erreichung bestimmter Füllstände der Gasspeicheranlagen. Vgl.: Kreditanstalt für Wiederaufbau (2023). Vgl. auch: Deutsche Bundesbank (2023b). Vgl. im Detail: Deutsche Bundesbank (2023c). Vgl.: Deutsche Bundesbank (2023c). Vgl.: Deutsche Bundesbank (2022a). Vgl.: Deutsche Bundesbank (2023d). Dabei schlugen sich diese Wertminderungen nur zum Teil in der Ertragslage sowie der Eigenkapitalausstattung der Banken nieder. Ein bedeutender Teil der Wertminderungen wurde von den Banken durch die Verringerung stiller Reserven oder die Bildung stiller Lasten absorbiert und wurde so nicht ergebnis- und eigenkapitalwirksam. Vgl.: Deutsche Bundesbank (2023d, 2023e). Vgl.: Deutsche Bundesbank (2023d). Vgl.: Europäische Zentralbank (2024). Vgl.: Deutsche Bundesbank (2023f). Vgl.: Best et al. (2024). Die Anzahl höher verschuldeter Unternehmen ist allerdings nicht hoch: Nur gut 3 % der in der BOP-F-Umfrage befragten Unternehmen gaben im vierten Quartal 2023 an, dass die Restschuld aller zurzeit der Befragung ausstehenden Bankkredite 70 % oder mehr ihrer Bilanzsumme betragen habe. Gut 50 % der in der Umfrage befragten Unternehmen gaben an, aktuell keine Bankkredite auf der Bilanz zu haben. Vgl.: Deutsche Bundesbank (2023g). Die in diesem Aufsatz betrachtete Nettokreditvergabe bildet den Saldo von neu vergebenen Krediten und Kredittilgungen ab. Vgl.: Kreditanstalt für Wiederaufbau (2024). Als Bau- und Immobiliensektor werden in diesem Aufsatz die Wirtschaftszweige Baugewerbe, Wohnungsunternehmen und das sonstige Grundstückswesen bezeichnet. Der langsamere Rückgang der Kreditvergabe an den Bau- und Immobiliensektor stützte auch Entwicklungen in anderen Kreditunterkategorien. So profitierte das Kreditgeschäft der Sparkassen und Kreditgenossenschaften davon, dass sie in diesem Geschäftssegment traditionell stark vertreten sind. Zugleich finanziert sich der Bau- und Immobiliensektor aufgrund seiner Geschäftsstruktur überwiegend langfristig. Dies trug dazu bei, dass die Vergabe langfristiger Kredite im Zeitraum der Zinsstraffung weniger stark einbrach als in den kürzeren Segmenten. Vgl.: Deutsche Bundesbank (2024b). Vgl.: Deutsche Bundesbank (2015, 2011).