Bayesian-Modell prognostiziert unnotierte Aktien in Italien
Die Banca d'Italia präsentiert ein neues Prognoseverfahren für unnotierte Aktien nicht börsennotierter Unternehmen. Das im Juli 2026 veröffentlichte Occasional Paper nutzt einen hierarchischen Bayesian-Vector-Autoregression-Ansatz zur vierteljährlichen Schätzung.
Das Rätsel der unnotierten Bilanzen
Die genaue Bewertung unnotierter Aktien auf der Passivseite von Unternehmen ist von zentraler Bedeutung für die Finanzanalyse.
Da Eigenkapitalemissionen eine strategische Rolle bei der Investitionsfinanzierung spielen, benötigen Statistiker verlässliche Quartalsdaten.
Auf Jahressubstanz basierende Bilanzen von Cerved mit fast einer Million italienischer Firmen zeigen, dass priced corporations rund 70 Prozent des Eigenkapitals ausmachen.
Bislang fehlen jedoch hochfrequente Quartalsdaten zu Nominatoren und Marktwerten gänzlich.
Die Methode kombiniert temporale Disaggregation nach Chow-Lin mit makroökonomischen Indikatoren wie Krediten, Bruttoinvestitionen und dem Bruttobetriebsüberschuss, um diese Informationslücke im vierteljährlichen Rhythmus zu schließen.
Bayesian VAR im statistischen Härtetest
Um die Schätzlücke zu bewältigen, entwickelt Autorin Michela Eugenia Pasetto einen hierarchischen Ansatz auf Basis eines Bayesian Vector Autoregression Modells nach Giannone et al. Das Modell integriert drei konjugierte A-priori-Verteilungen und wird an einem umfassenden Datensatz aus Real- und Finanzaggregaten von 1995 bis 2023 gemessen.
Im out-of-sample-Vergleich mit fünf alternativen ökonometrischen Modellen liefert der Ansatz exzellente Punktschätzungen für Transaktionen und Bestände.
Überfällige Methodik für die Statistik
Die Studie schließt eine spürbare methodische Lücke in der europäischen Finanzgesamtrechnung.
Ob sich der komplexe BVAR-Ansatz jedoch nahtlos auf andere Euro-Staaten übertragen lässt, bleibt fraglich.
Dennoch liefert die Arbeit einen wertvollen Blaupausen-Ansatz für nationale Notenbanken.