Mit ökonometrischen Techniken zur Analyse historischer Geschäftszyklen

Die moderne Makroökonomie unterscheidet zwischen zwei großen Zyklentypen: klassische Zyklen (absoluter Rückgang der Wirtschaftstätigkeit) und Wachstumszyklen (Abweichungen vom Trendwachstum). Klassische Zyklen sind in der Zeit nach dem Zweiten Weltkrieg seltener, während Wachstumszyklen Perioden mit einer unter dem Trend liegenden Expansion erfassen, die sich möglicherweise nicht als vollständige Rezessionen registrieren lassen. Ökonometrie-Techniken müssen flexibel genug sein, um beide Typen zu identifizieren, insbesondere wenn mit langen historischen Aufzeichnungen gearbeitet wird, die sich über verschiedene institutionelle Regime erstrecken.

Warum historische Analyse wichtig ist

Die Untersuchung historischer Konjunkturzyklen bietet mehrere Vorteile. Erstens bietet sie eine längere Stichprobe von Expansions- und Kontraktionsepisoden, wodurch Ökonometrier Modelle mit größerer statistischer Aussagekraft abschätzen und seltene, aber katastrophale Ereignisse wie die Weltwirtschaftskrise von 2008 identifizieren können. Zweitens ermöglichen historische Daten den Forschern, die Stabilität wirtschaftlicher Beziehungen in verschiedenen politischen Regimen, institutionellen Strukturen und Technologien zu testen. Zum Beispiel beleuchtet die Untersuchung von Zyklen in der Ära des Goldstandards im Vergleich zur Zeit nach Bretton Woods, wie monetäre Rahmenbedingungen die Volatilität beeinflussen. Schließlich hilft das Lernen aus vergangenen Erholungen - insbesondere aus solchen, die auf tiefe Rezessionen folgten - politischen Entscheidungsträgern, antizyklische Maßnahmen zu entwickeln, die sowohl zeitnah als auch zielgerichtet sind.

Die historische Analyse zeigt auch die Grenzen, sich ausschließlich auf Nachkriegsdaten zu verlassen, die stark von der „Großen Moderation (1984-2007) beeinflusst werden, einer Periode ungewöhnlich niedriger Volatilität. Die Rückwärtsausweitung der Stichprobe zeigt, dass Hochfrequenzschocks, Bankenpanik und Störungen auf der Angebotsseite weitaus häufiger waren, als die jüngsten Erfahrungen vermuten lassen, und lieferte eine reichere Reihe von Beobachtungen für Stresstests Wirtschaftstheorien.

Ökonometrie-Kerntechniken für historische Daten

Zerlegung von Zeitreihen

Zeitreihenzerlegung trennt eine historische Wirtschaftsreihe (z. B. die Industrieproduktion in den USA von 1860 bis 2020) in drei Komponenten: trend (langfristiges Wachstum), saisonal (wiederholende Muster innerhalb eines Jahres) und zyklisch (Fluktuationen um den Trend). Das häufigste Werkzeug dafür ist der Hodrick-Prescott (HP) Filter, der die zyklische Komponente durch Glättung der Daten isoliert. Der HP-Filter hat jedoch bekannte Verzerrungen an den Endpunkten, ein kritisches Problem für historische Daten, bei denen der Beginn und das Ende einer Reihe oft wichtige Wendepunkte entsprechen. Alternativen sind der Baxter-King-Bandpassfilter und der Christiano-Fitzgerald Filter, die robuster sind bei der Identifizierung von Zyklen bestimmter Dauer, wie der für klassische Geschäftszyklen typische Zeitraum von 2 bis 8 Jahren.

Fortgeschrittenere Techniken sind der Hamilton-Filter (ein Regressions-basierter Ansatz, der HPs Endpunktprobleme vermeidet) und unbeobachtete Komponentenmodelle, die Trend und Zyklus als latente stochastische Prozesse behandeln. Diese Modelle ermöglichen zeitvariable Parameter, wie eine sich ändernde Trendwachstumsrate, die bei der Analyse von Serien, die Episoden wie den Nachkriegsboom oder die Produktivitätsverlangsamung der 1970er Jahre beinhalten, unerlässlich ist. Zerlegungsmethoden sind oft der erste Schritt in jeder historischen Konjunkturzyklusstudie, die die grundlegende zyklische Komponente liefert, die die nachfolgende Analyse erklärt.

Spektralanalyse

Die Spektralanalyse transformiert eine Zeitreihe vom Zeitbereich in den Frequenzbereich und enthüllt Periodizitäten, die in Rohdaten nicht offensichtlich sind. Durch die Zerlegung einer historischen BIP-Serie in Zyklen unterschiedlicher Frequenzen - kurzfristig (z. B. Bestandszyklen), mittelfristig (eigentliche Konjunkturzyklen) und langfristig (Kuznets-Schwankungen oder Kondratiev-Wellen) - kann die Spektralanalyse bestätigen, ob beobachtete Schwankungen wirklich zyklisch oder nur zufälliges Rauschen sind. Zum Beispiel hat die Anwendung spektraler Methoden auf US-Arbeitslosendaten von 1890 bis 1940 dazu beigetragen, zu zeigen, dass die Weltwirtschaftskrise nicht nur ein schwerer Abschwung war, sondern auch eine Periode ungewöhnlich niedriger Frequenz, anhaltende Volatilität.

Moderne Fortschritte umfassen die Wavelet-Analyse, die es dem Forscher ermöglicht, zu untersuchen, wie sich der Frequenzgehalt einer Reihe im Laufe der Zeit ändert. Wavelets sind besonders nützlich für historische Daten, da sie die sich entwickelnde Natur von Geschäftszyklen erfassen können - zum Beispiel die Verkürzung der Zykluslänge während der Nachkriegszeit im Vergleich zur Zeit vor 1914. Spektrale Methoden unterstützen auch die Konstruktion von "Zyklusfiltern", die bei der Echtzeitüberwachung der wirtschaftlichen Aktivität von Zentralbanken und internationalen Organisationen verwendet werden.

Vektorautoregressionen und Impulsantwortfunktionen

Vektorautoregressionen (VARs) modellieren die dynamischen Wechselwirkungen zwischen mehreren wirtschaftlichen Variablen (z. B. BIP, Inflation, Zinssätze und Aktienkurse) als ein System von Gleichungen, bei denen jede Variable von ihren eigenen früheren Werten und denen anderer Variablen abhängt. Impulsreaktionsfunktionen verfolgen dann, wie sich ein einmaliger Schock auf eine Variable - wie eine Ölpreisspitze oder eine geldpolitische Straffung - im Laufe der Zeit durch das System ausbreitet. Historische Anwendungen von VARs waren entscheidend für die Bewertung der Auswirkungen der Fiskalpolitik während der Weltwirtschaftskrise und die Identifizierung der Rolle von Kreditschocks in der Rezession 2008.

Eine zentrale Herausforderung bei historischen Daten besteht darin, dass die Anzahl der Beobachtungen oft begrenzt ist, was es notwendig macht, sparsame Spezifikationen oder Bayessche VARs zu verwenden, die Vorinformationen enthalten. Bayessche Methoden ermöglichen es dem Forscher, hochdimensionale Parameterräume zu einer vorherigen Verteilung zu verkleinern, wodurch die Vorhersagegenauigkeit und die Rückschlüsse in kleinen Stichproben verbessert werden. Strukturelle VARs (SVARs) gehen einen Schritt weiter, indem sie aus der Wirtschaftstheorie gezogene Beschränkungen - wie die Annahme, dass geldpolitische Schocks keine zeitgleichen Auswirkungen auf den Output haben - auferlegen. Diese Beschränkungen werden oft historisch diskutiert und Sensitivitätsanalysen sind entscheidend.

Eine weitere wichtige Erweiterung ist der zeitvariable Parameter VAR (TVP-VAR), der es ermöglicht, dass sich die Koeffizienten des VAR im Laufe der Zeit allmählich ändern. TVP-VARs wurden verwendet, um die sich ändernde Übertragung von Ölpreisschocks auf Inflation und Produktion zu dokumentieren, was zeigt, dass die Reaktion der US-Wirtschaft auf Energiepreissprünge nach Mitte der 1980er Jahre erheblich geschwächt wurde.

Kointegrations- und Fehlerkorrekturmodelle

Viele historische Wirtschaftsvariablen teilen langfristige Gleichgewichtsbeziehungen, auch wenn sie kurzfristig individuell wandern. Kointegrationstests - wie die von Engle und Granger oder Johansen - bestimmen, ob zwei oder mehr nichtstationäre Zeitreihen (z. B. Produktion und Beschäftigung oder Preise und Geldmenge) durch eine stabile langfristige Beziehung miteinander verbunden sind. Wenn Kointegration vorhanden ist, können Fehlerkorrekturmodelle (ECMs) die Geschwindigkeit erfassen, mit der das System nach einer Störung ins Gleichgewicht zurückkehrt. Zum Beispiel hat die Analyse der Kointegration zwischen industrieller Produktion und Großhandelspreisen im späten 19. Jahrhundert das Ausmaß verdeutlicht, in dem der klassische Goldstandard die Preisniveaukonvergenz zwischen den Ländern erzwungen hat.

Bei historischen Daten müssen die Kointegrationstests strukturelle Brüche in der langfristigen Beziehung berücksichtigen. Der Gregory-Hansen-Test und der Hatemi-J-Test ermöglichen einen oder mehrere unbekannte Haltepunkte und werden in der Wirtschaftsgeschichte weit verbreitet verwendet. Das Vorhandensein von Kointegration rechtfertigt auch die Verwendung von ECMs für die Prognose, da der Fehlerkorrekturterm sicherstellt, dass die Prognosen im langfristigen Gleichgewicht verankert sind, was zuverlässigere Vorhersagen für Wendepunkte liefert.

Markov-Schaltmodelle

Markov-Schaltmodelle ermöglichen es, die Parameter eines ökonometrischen Modells (z. B. mittlere Wachstumsrate, Volatilität) im Laufe der Zeit entsprechend einer unbeobachteten Zustandsvariablen zu ändern, die einer Markov-Kette folgt. Dies ist besonders wertvoll für historische Konjunkturzyklen, da es Perioden mit "Boom"-Regimen im Vergleich zu "Bust"-Regimen mit niedrigem Wachstum identifizieren kann, ohne dass der Forscher Wendepunkte vorgeben muss. Angewandt auf US-BIP-Daten von 1854 bis heute haben Markov-Schaltmodelle eine Chronologie von Expansionen und Kontraktionen generiert, die der NBER-Datierung nahe kommt, während sie auch "Wachstumsrezessionen" aufdecken - Perioden, in denen sich die Wirtschaft verlangsamt, ohne in einen absoluten Rückgang zu kippen.

Erweiterungen umfassen zeitvariable Übergangswahrscheinlichkeiten (wodurch die Wahrscheinlichkeit eines Wechsels von Leitindikatoren abhängt) und multivariate Markov-Schaltungen (die mehrere Zeitreihen zur Identifizierung gemeinsamer Konjunkturphasen kombinieren). Diese Modelle waren maßgeblich für die Datierung des Konjunkturzyklus im Euro-Währungsgebiet und für die Analyse der Synchronisierung von Zyklen zwischen Ländern während der Zwischenkriegszeit. Die Schätzung kann jedoch rechenintensiv sein, und die Identifizierung erfordert zumindest moderate Stichprobengrößen - eine Einschränkung, die historische Forscher häufig dazu zwingt, vierteljährliche oder monatliche Daten zu verwenden, wenn sie verfügbar sind, anstatt jährliche Beobachtungen.

Praktische Herausforderungen bei der Anwendung von Ökonometrie auf historische Daten

Historische Daten stellen eine Vielzahl von ökonometrischen Herausforderungen dar, die sorgfältige Handhabung erfordern. Datenverfügbarkeit und -qualität variieren stark: Frühe Volkswirtschaftliche Gesamtrechnungen beruhen oft auf indirekten Proxies (z. B. Eisenbahntonnage, Bankeinlagen), die im Laufe der Zeit falsch gemessen oder inkonsistent definiert werden können. Forscher müssen diese Datenbeschränkungen dokumentieren und Robustheitsprüfungen verwenden - wie die Neubewertung von Modellen mit alternativen Serien - um sicherzustellen, dass Schlussfolgerungen keine Artefakte von Messfehlern sind. Digitale Archive wie die Federal Reserve Economic Data (FRED) Plattform und die NBER Macrohistory Database haben den Zugang zu langfristigen Daten erheblich verbessert, aber Messunstimmigkeiten bleiben ein Problem.

Strukturbrüche (z. B. Kriege, Veränderungen im Währungsregime, industrielle Revolutionen) können dazu führen, dass sich die zugrunde liegenden wirtschaftlichen Beziehungen abrupt verschieben. Standardtests für strukturelle Stabilität - wie der Chow-Test oder der Bai-Perron-Multiple-Break-Test - sind unerlässlich, um diese Pausen zu identifizieren und zu berücksichtigen. Das Ignorieren kann zu irreführenden Rückschlüssen führen, wie zum Beispiel eine falsche Korrelation zwischen Geld und Output zu finden, die tatsächlich einen Regimewechsel widerspiegelt. Eine Stichprobenaufteilung oder eine Subperiodenanalyse ist oft notwendig, reduziert jedoch bereits begrenzte Freiheitsgrade.

Begrenzte Freiheitsgrade beschränken auch die Komplexität von Modellen. Historische Serien können nur 50 bis 100 jährliche Beobachtungen haben, was die Anzahl der Parameter, die zuverlässig geschätzt werden können, stark einschränkt. Dies zwingt die Forscher oft, zwischen einem einfachen Modell zu wählen, das relevante Dynamiken auslässt, und einem komplexen Modell, das die Daten übertrifft. Simulationsbasierte Techniken wie Bootstrapping und Bayes-Methoden helfen, diese Verzerrungen bei kleinen Stichproben zu mildern. Darüber hinaus kann die Verwendung von Paneldaten - die mehrere Länder oder Regionen zusammenfassen - die effektive Stichprobengröße erhöhen, führt aber Querschnittsabhängigkeit ein, die explizit modelliert werden muss.

Schließlich sind Endogenität und umgekehrte Kausalität in der Konjunkturanalyse allgegenwärtig. Beispielsweise können politische Veränderungen durch wirtschaftliche Abschwünge ausgelöst werden, was es schwierig macht, die kausale Wirkung der Politik selbst zu isolieren. Instrumentale Variablen oder strukturelle VAR-Modelle mit glaubwürdigen Identifizierungsbeschränkungen (z. B. die Verwendung externer Instrumente wie Wetterschocks für die landwirtschaftliche Produktion) können dazu beitragen, diese Probleme anzugehen, aber solche Instrumente sind in historischen Kontexten oft knapp. Qualitative historische Beweise, einschließlich narrativer Dokumente und Archivunterlagen, können verwendet werden, um plausibel exogene Schocks zu konstruieren - eine Methode, die von Romer und Romer in ihrer Analyse der Geldpolitik befürwortet wird.

Fallstudien historischer Geschäftszyklen

Die Große Depression (1929–1939)

Die Weltwirtschaftskrise ist das am meisten untersuchte Konjunkturereignis in der Wirtschaftsgeschichte, und ökonometrische Analysen waren von zentraler Bedeutung für das Verständnis ihrer Ursachen und Ausbreitung. Mit Hilfe von Zeitreihen-Zerlegungen zeigten Autoren wie Christina Romer, dass die reale Produktion in den Vereinigten Staaten um fast 30% zurückging und dass die Erholung nach 1933 im Vergleich zu typischen Expansionen bemerkenswert langsam war. VAR-Modelle wurden verwendet, um die relative Bedeutung von monetären Schocks (z. B. Bankversagen und Zusammenbruch der Geldmenge) gegenüber nachfrageseitigen Schocks (z. B. der Smoot-Hawley-Tarif und der anschließende Rückgang des Handels) zu quantifizieren. In jüngerer Zeit haben Markov-Schaltmodelle dazu beigetragen, den Übergang von einem tiefen Einbruch zu einer fragilen Erholung in den Jahren 1933-1937 zu lokalisieren, einer Zeit, die durch die Umsetzung der New Deal-Politik und die spätere Rezession von 1937-1938 erschwert wurde.

Die Analyse der Kointegration wurde auch auf die Depression angewandt: Studien über die Beziehung zwischen Großhandelspreisen und Industrieproduktion in allen Ländern belegen, dass die Starrheit des Goldstandards weltweit deflationären Druck überträgt. Strukturelle Bruchtests bestätigen, dass die Depression eine grundlegende Verschiebung in der Output-Inflationsbeziehung darstellte und die Muster von vor 1929 durchbrach. Diese ökonometrischen Ergebnisse haben die Ansicht bekräftigt, dass schnelle und koordinierte politische Interventionen - Geldexpansion, Bankenrettung und fiskalische Impulse - notwendig waren, um einen vollständigen Zusammenbruch des Wirtschaftssystems zu vermeiden.

Die Ölschocks der 1970er Jahre

Die Ölpreisspitzen von 1973 und 1979 lösten in den meisten Industrieländern schwere Rezessionen aus und führten zu einer „Stagflation – dem gleichzeitigen Auftreten hoher Inflation und hoher Arbeitslosigkeit. Spektralanalysen der vierteljährlichen BIP-Daten von 1960 bis 1990 zeigen, dass diese Schocks eine neue Komponente des Mittelfrequenzzyklus einführten, die in den früheren Nachkriegsjahrzehnten nicht vorhanden war. Kointegrationstests haben gezeigt, dass Ölpreise und Inflation in diesem Zeitraum eine langfristige Beziehung hatten, während ECMs schätzen, dass die Anpassung an das Gleichgewicht etwa drei Jahre dauerte. Bayessche VARs, die einen globalen Rohstoffpreisindex einschlossen, wurden auch verwendet, um die Auswirkungen von Angebotsschocks zu entwirren von denen der inländischen Geldpolitik, zu dem Schluss, dass die Zurückhaltung der Federal Reserve, höhere Arbeitslosigkeit bis 1979 zu akzeptieren, die Produktionsverluste verschärfte.

Die 1970er Jahre zeigten auch die Schwierigkeit, temporäre angebotsseitige Störungen von permanenten Strukturverschiebungen zu unterscheiden. Zeitvariable Parametermodelle erkennen einen allmählichen Rückgang der Reaktionsfähigkeit der Inflation auf Outputlücken nach 1973, im Einklang mit dem Anstieg der Inflationserwartungen und dem Zusammenbruch früherer Phillips-Kurvenbeziehungen. Lehren aus dieser Zeit beeinflussten direkt die Gestaltung moderner Zentralbankrahmen, einschließlich expliziter Inflationszielsetzung und der Verwendung von Angebotsschockfiltern zur Lenkung politischer Entscheidungen.

Die globale Finanzkrise 2008

Die Krise von 2008 war einzigartig in ihren Ursprüngen – ein plötzlicher Stopp der Interbankenkredite und ein Zusammenbruch der Immobilienpreise – doch sie teilt Merkmale mit früheren Finanzkrisen (z. B. der Panik von 1907, den Bankenkrisen der 1930er Jahre). Impulsreaktionsanalysen von VARs, die auf lange historische Serien geschätzt wurden (z. B. die wöchentlichen Finanzdaten der Federal Reserve ab 1971), zeigen, dass Kreditspreads und die Volatilität des Aktienmarktes eine größere und anhaltendere Auswirkung auf die Produktion hatten als in früheren Abschwungen. Die Kointegration zwischen Immobilienpreisen und Hypothekenschulden brach 2006 zusammen und lieferte ein Frühwarnsignal. Markov-Schaltmodelle, die auf die gesamte Industrieproduktion der G7-Länder angewendet wurden, erkennen eine synchronisierte Verschiebung in ein "Krisenregime" Ende 2008, mit der Dauer der Rezession viel länger als im typischen Nachkriegszyklus.

Diese ökonometrischen Ergebnisse haben die Forderung nach makroprudenziellen Regulierungen und antizyklischen Kapitalpuffern verstärkt. Sie unterstreichen auch die Bedeutung der Überwachung von Finanzmarktindikatoren wie der Kredit-BIP-Lücke, die in historischen Daten eine Vorhersagekraft für Bankenkrisen haben. Die Erfahrungen von 2008 haben die Entwicklung von „Frühwarnsystemen angestoßen, die auf Probitmodellen und maschinellen Lernalgorithmen basieren, die auf jahrhundertealten Finanzkrisenepisoden trainiert sind, und die die anhaltende Relevanz der historischen Konjunkturanalyse für die Politikformulierung demonstrieren.

Verknüpfen vergangener Zyklen mit moderner Wirtschaftspolitik

Das Verständnis historischer Konjunkturzyklen durch ökonometrische Linsen informiert direkt die aktuellen politischen Rahmenbedingungen. Zum Beispiel hat die Erkenntnis, dass Finanzkrisen oft zu langsamen, arbeitslosen Erholungen führen - offensichtlich sowohl in der Weltwirtschaftskrise als auch in der Krise 2008 - das Interesse an automatischen Stabilisatoren wie erweiterter Arbeitslosenversicherung und robusten Rekapitalisierungsprogrammen der Banken geweckt. Lehren aus der Stagflation der 1970er Jahre unterstreichen die Bedeutung der Glaubwürdigkeit der Zentralbank und der Vorwärtsorientierung bei der Verwaltung der Inflationserwartungen. Im weiteren Sinne hat die systematische Analyse historischer Zyklen Modelle hervorgebracht, die Echtzeitdaten verwenden, um die wirtschaftliche Aktivität in Zeiten des schnellen Wandels zu verfolgen, ein Werkzeug, das sich während der COVID-19-Rezession als unschätzbar erwiesen hat.

Darüber hinaus betont die ökonometrische Studie historischer Konjunkturzyklen, dass die Weltwirtschaft wiederkehrenden, wenn auch unregelmäßigen Schwankungen unterliegt, die keine Feinabstimmung vollständig unterdrücken kann. Diese Demut – die Erkenntnis, dass Unsicherheit und nichtlineare Dynamik inhärent sind – ermutigt die politischen Entscheidungsträger, Widerstandsfähigkeit durch diversifizierten Handel, flexible Arbeitsmärkte und fiskalischen Spielraum aufzubauen. Historische Analysen unterstützen auch die Argumente für antizyklische Fiskalpolitik: Durch die Messung der Größe von fiskalischen Multiplikatoren über verschiedene Epochen und wirtschaftliche Bedingungen hinweg können Ökonomen Konjunkturpakete entwerfen, die sowohl zeitnah als auch zielgerichtet sind. Zum Beispiel deuten Studien mit historischen VARs darauf hin, dass Infrastrukturausgaben in tiefen Rezessionen größere Multiplikatoren haben als in Expansionen, eine Erkenntnis, die das moderne Fiskalregeldesign prägt.

Schließlich hat die Integration der ökonometrischen Geschichte mit der Politikbewertung zur Schaffung von umfangreichen Datenbanken historischer makroökonomischer und finanzieller Daten geführt, wie z. B. MeasuringWorth und die Jordà-Schularick-Taylor Macrohistory Database Diese Ressourcen erleichtern länderübergreifende Vergleichsstudien und ermöglichen es Forschern, die externe Validität politischer Empfehlungen zu testen, die allein aus aktuellen Daten stammen.

Fazit: Der dauerhafte Wert der quantitativen Geschichte

Die ökonometrischen Techniken bieten die analytische Struktur, die erforderlich ist, um rohe historische Aufzeichnungen in eine zuverlässige Darstellung wirtschaftlicher Schwankungen umzuwandeln. Zeitreihenzerlegung, Spektralanalyse, VARs, Kointegrationsmodelle und Markov-Schaltungen bieten jeweils ein einzigartiges Fenster zu den Mustern, Ursachen und Folgen vergangener Geschäftszyklen. Die Herausforderungen der Datenqualität, struktureller Unterbrechungen und kleiner Stichproben sind real, aber mit sorgfältiger Methodik und einem tiefen Verständnis des historischen Kontexts überwindbar. Durch das rigorose Testen von Theorien gegen die Beweise der Vergangenheit stärkt die ökonometrische Geschichte die Grundlagen der Makroökonomie und stattet die politischen Entscheidungsträger mit dem Wissen aus, um die bevorstehenden unsicheren Zyklen besser zu bewältigen.

Da die Rechenleistung und Datenverfügbarkeit weiter zunehmen, verschiebt sich die Grenze der historischen Konjunkturanalyse hin zu detaillierteren und hochfrequenteren Studien – unter Verwendung von wöchentlichen Finanzdaten, regionalen Beschäftigungsserien und sogar Textanalysen historischer Zeitungen, um Stimmungsindizes zu erstellen. Diese Innovationen versprechen, unser Verständnis der Rezessionsdynamik zu vertiefen und gleichzeitig das Kernprinzip zu respektieren, dass eine solide Politik auf Beweisen beruht, die über viele Zyklen und Jahrzehnte hinweg gesammelt wurden. Die Verbindung von ökonometrischer Strenge und historischer Perspektive ist nicht nur eine akademische Übung; es ist ein wesentliches Werkzeug für den Aufbau einer stabileren und wohlhabenderen Weltwirtschaft.