PICON-Modell berechnet Rezessionsrisiken in Echtzeit
Ein neues Modell der Banque de France nutzt Random Forests und tägliche Marktdaten, um Rezessionserwartungen in den USA und im Euroraum in Echtzeit zu quantifizieren. Das Verfahren unterscheidet rein finanzielle Turbulenzen von echten Konjunkturrisiken.
Mehr als nur die Zinskurve
Klassische Rezessionsmodelle stützen sich überwiegend auf die Steilheit der Zinskurve oder träge Quartalsdaten.
Das PICON-Modell der Banque de France erweitert diesen Ansatz durch einen Random-Forest-Algorithmus, der täglich eine breite Palette an Finanzvariablen auswertet – darunter Unternehmensanleihen, Aktienindizes, Devisen und Rohstoffe.
Für die USA erkennt das Modell seit 1990 drei von vier Rezessionen mit einer Wahrscheinlichkeit von über 50 Prozent, ähnlich wie die Benchmark der Federal Reserve Bank of New York.
Während isolierte Zinskurveninversionen wie im Herbst 2019 oft Fehlalarme auslösen, dämpft die Einbindung anderer Anlageklassen solche Verzerrungen wirksam ab.
Zölle, Bankenstress und Zinsängste
In der Praxis trennt das Modell Marktlärm von Konjunkturabschwüngen.
Nach dem Beginn des Ukraine-Kriegs 2022 stieg die implizite Zwei-Quartale-Rezessionswahrscheinlichkeit im Euroraum auf 43 Prozent und in den USA auf 35 Prozent.
Die US-Zollankündigungen im April 2025 ließen das US-Risiko auf 21 Prozent steigen.
Dagegen erfasste das System die Turbulenzen um den Yen-Carry-Trade im August 2024 zutreffend als reinen Finanzmarktstress ohne nennenswerten Anstieg der Rezessionsgefahr.
Wertvoller Filter gegen Marktpanik
Das Modell demonstriert eindrucksvoll den Nutzen von Machine Learning im makroökonomischen Monitoring.
Der strukturierte Abgleich mehrerer Anlageklassen verhindert teure Fehldeutungen isolierter Zinskurveninversionen.
Für Notenbanker entsteht so ein robuster Echtzeit-Kompass abseits des täglichen Marktrauschens.