KI-Indikator SPOT verbessert Frühwarnung vor Finanzkrisen
Ein neues Working Paper der EZB stellt den KI-basierten Indikator SPOT vor, der mittels großer Sprachmodelle Auslöser für Finanzstabilitätsrisiken aus über einer Million Nachrichtenartikeln extrahiert. Die Auswertung von Berichten seit 2005 zeigt, dass der Indikator vor historischen Stressphasen wie der Finanzkrise 2008 oder der Pandemie 2020 präzise ansteigt.
Ein Lichtkegel für potenzielle Auslöser
Die Ökonomen Domenic Kellner, Jan Hannes Lang, Lukas Joseph Nagy und Marek Rusnák analysierten über 1,06 Millionen Artikel der Financial Times aus den Jahren 2005 bis 2026.
Über eine dreistufige KI-Pipeline filterte das Sprachmodell GPT-4o-mini rund 146.000 Artikel heraus, die potenzielle Schocks für den Euroraum beschreiben.
Der entwickelte Indikator SPOT bemisst die Eintrittswahrscheinlichkeit sowie die Schwere möglicher Auslöser auf einer vierstufigen Skala.
Zudem ordnet die KI die Schocks Kategorien wie Finanzmarkt-, Geopolitik- oder Makroökonomie-Ereignissen zu.
In historischen Tests stieg der Indikator vor der globalen Finanzkrise 2008, der Euro-Schuldenkrise 2011, der COVID-19-Pandemie 2020 sowie geopolitischen Konflikten 2022 und 2026 deutlich an.
Verstärkung im Growth-at-Risk-Modell
Bisherige Ansätze zur Messung von Finanzstabilitätsrisiken erfassen bestehende Verwundbarkeiten gut, bewerten konkrete Auslöser jedoch primär qualitativ.
Die Einbindung von SPOT in Growth-at-Risk-Modelle verbessert die Schätzung von Abwärtsrisiken für das reale BIP-Wachstum im Euroraum um mehr als sechs Prozent auf Sicht eines Quartals und über zehn Prozent auf Jahressicht.
Insbesondere die Kombination aus dem Verwundbarkeitsindikator SRI und dem KI-Triggerindikator erhöht die Prognosegüte deutlich.
Damit übertrifft SPOT etablierte Stress- und Unsicherheitsindikatoren wie den CISS, den EPU oder den GPR-Index.
Mehr als nur automatisierter Medienrummel
Die Nutzung von Sprachmodellen schließt eine wesentliche Lücke in der Risikoüberwachung.
Die Konzentration auf die Financial Times als einzige Quelle bleibt jedoch eine methodische Schwachstelle.
Für Zentralbanken liefert die Studie dennoch einen praxisnahen Bauplan zur systematischen Auswertung unstrukturierter Textdaten.