Modellmethodik

Faktormodelle für latente Inflationssensitivität: Annahmen, Grenzen und was sie wirklich leisten

Jonas Weiler 26. Oktober 2026

Faktormodell auf Analysebildschirm mit Inflationsdaten

Ich habe einmal ein Faktormodell verwendet, das auf dem Papier überzeugend war — bis ich seine Annahmen genauer las. Statische Faktorladungen, kein Regimewechsel, Inflationseffekte linear modelliert. Das Modell war methodisch sauber und analytisch blind. Faktormodelle zur Schätzung latenter Inflationssensitivität sind nützlich — aber nur, wenn man versteht, was sie eigentlich messen, was sie nicht können und wo ihre Annahmen die Ergebnisse still verzerren.

Kernthese

Faktormodelle schätzen latente Inflationssensitivität nur dann zuverlässig, wenn ihre Annahmen explizit gemacht und regelmäßig gegen aktuelle Marktdaten geprüft werden.

Statische Faktorladungen unterschätzen Regimewechsel

Hohe Relevanz

Das klassische Faktormodell arbeitet mit festen Ladungen — jede Anlageklasse reagiert mit einem bestimmten Gewicht auf jeden Faktor. Das funktioniert gut, solange das Marktumfeld stabil bleibt. Sobald ein Inflationsregimewechsel einsetzt, verschiebt sich die Empfindlichkeit von Anlageklassen gegenüber Inflationsfaktoren aber oft erheblich. Eine Faktorladung, die in einem Niedriginflationsumfeld kalibriert wurde, beschreibt im Übergangsregime eine andere Welt. Wer das nicht berücksichtigt, rechnet mit Gewichten, die das aktuelle Regime nicht mehr abbilden. Die Lösung ist kein komplizierteres Modell, sondern ein ehrlicheres: Faktorladungen sollten regimekonditioniert geschätzt und ihre Stabilität historisch geprüft werden, bevor man Schlüsse aus ihnen zieht.

Latente Faktoren brauchen wirtschaftliche Interpretation

Methodisch zentral

Ein Faktormodell kann latente Dimensionen in den Daten identifizieren — mathematisch sauber, wirtschaftlich zunächst stumm. Der erste latente Faktor erklärt die größte Varianz, aber er sagt nicht von selbst, ob er Inflationsdruck, Wachstumserwartungen oder etwas ganz anderes misst. Diese Interpretation muss der Analyst leisten — und sie ist fehleranfällig. Ich habe Analysen gesehen, die einen latenten Faktor selbstverständlich als Inflationsfaktor bezeichneten, ohne zu prüfen, ob seine historischen Bewegungen tatsächlich mit Inflationsepisoden übereinstimmten. Diese Prüfung ist nicht optional. Ein latenter Faktor ohne wirtschaftliche Interpretation ist eine Zahl ohne Kontext — analytisch wertlos, methodisch gefährlich.

Lineare Modelle verzerren nichtlineare Inflationseffekte

Oft übersehen

Inflation wirkt nicht proportional. Geringe Inflationsanstiege haben andere Auswirkungen auf Anlageklassen als starke Schübe — die Beziehung ist nichtlinear, besonders in Übergangsphasen. Klassische Faktormodelle sind linear konstruiert und mitteln diese Nichtlinearitäten heraus. Das ist für viele Anwendungen vertretbar, aber bei der Schätzung latenter Inflationssensitivitäten genau dann problematisch, wenn es darauf ankommt: in Phasen, in denen Inflation von einem Regime in ein anderes wechselt. Wer ausschließlich mit linearen Modellen arbeitet, erhält Schätzungen, die im mittleren Bereich gut passen und an den Rändern — dort, wo Inflationsregime sich verschieben — systematisch abweichen. Das sollte im Analysebericht benannt werden, nicht in einer Fußnote versteckt bleiben.

Datenlücken verzerren Faktorschätzungen still

Unterschätzte Fehlerquelle

Faktormodelle für Inflationssensitivität sind auf historische Zeitreihen angewiesen — und diese Zeitreihen sind selten vollständig. Fehlende Datenpunkte, Revisionen und Strukturbrüche in langen Zeitreihen verzerren die Faktorschätzungen auf eine Art, die im Endergebnis nicht sichtbar ist. Das Modell rechnet weiter, als ob nichts wäre. Besonders tückisch sind Datenlücken in Phasen historischer Inflationsschocks, weil genau diese Episoden für die Kalibrierung latenter Inflationsfaktoren am wertvollsten wären. Wer die Datenbasis seines Modells nicht explizit dokumentiert und auf Lücken prüft, kann die Qualität seiner Schätzungen nicht beurteilen. Das ist kein Randproblem — es betrifft die Verlässlichkeit der gesamten Analyse.

Modellvergleich erfordert gemeinsame Annahmenbasis

Methodische Disziplin

Es ist verlockend, verschiedene Faktormodelle anhand ihrer Ergebnisse zu vergleichen — welches hat historisch besser gepasst, welches liefert plausiblere Schätzungen? Das Problem: Zwei Modelle mit unterschiedlichen Annahmen über Regimegrenzen, Faktoranzahl und Schätzmethode sind nicht direkt vergleichbar. Sie beantworten verwandte, aber nicht identische Fragen. Ein sinnvoller Modellvergleich muss zuerst die Annahmen explizit machen und prüfen, ob die verglichenen Modelle dieselbe Frage stellen. Andernfalls vergleicht man Äpfel mit Birnen und nennt es Qualitätskontrolle. Wir empfehlen, Modellvergleiche immer auf einer gemeinsamen Annahmenbasis durchzuführen und Abweichungen in den Ergebnissen auf Unterschiede in den Annahmen zurückzuführen — nicht umgekehrt.

Fazit

Faktormodelle sind nützliche Werkzeuge zur Schätzung latenter Inflationssensitivität — aber nur, wenn ihre Annahmen benannt, ihre Grenzen akzeptiert und ihre Ergebnisse wirtschaftlich interpretiert werden. Ein Modell, das das tut, ist einem schweigenden Modell systematisch überlegen.

Zum Artikel Weiter lesen

Cookies auf dieser Website

Wir verwenden Cookies, um den Betrieb dieser Website zu gewährleisten und die Nutzung anonym zu analysieren. Nicht notwendige Cookies werden nur mit Ihrer Einwilligung gesetzt.

Weitere Informationen finden Sie in unserer ausführlichen Cookie-Richtlinie. Zur Cookie-Richtlinie

Datensicher DSGVO-konform