statistik in notenbanken: mit standardisierung und ... · statistik in notenbanken: mit...
TRANSCRIPT
Statistik in Notenbanken: Mit Standardisierung und Mikrodaten-Orientierung zum zentralen Information-ProviderReinhold Stahl, Leiter des Zentralbereichs Statistik, Deutsche Bundesbank
Übersicht
1. Datenanforderungen und Nutzergruppen
2. Strukturierte Datenwolke: Mikrodaten
3. SDMX als Ordnungsstruktur in der Statistikwelt
4. Notenbankstatistik als Dienstleister (Haus der Mikrodaten & FDSZ)
01.02.2018Seite 2
Deutsche Bundesbank
01.02.2018Seite 3
Deutsche Bundesbank
Explodierende Datenanforderungen und Nutzergruppen
Datenanforderungen und NutzergruppenEntstehung neuer statistischer Erhebungen
01.02.2018Deutsche Bundesbank
2008 2009 2010 2011 2012 2013 2014 2015 2016
Phase A –
Lehman Krise
Phase B –Staatsschulden-
und erneuteBankenkrise
Phase C –
Ankündigungund
VorbereitungBankenunion
Phase D –
Niedrigzinsumfeld, Ertragsschwäche
Seite 4
Datenanforderungen und NutzergruppenEntstehung neuer statistischer Erhebungen
01.02.2018
Deutsche Bundesbank
2008 2009 2010 2011 2012 2013 2014 2015 2016
Phase A –
Lehman Krise
Phase B –
Staatsschulden-
und erneute
Bankenkrise
Phase C –
Ankündigung
und
Vorbereitung
Bankenunion
Phase D –
Niedrigzinsumfeld, Ertragsschwäche
EU Finanz-AufsichtEBA, EIOPA, ESMA,
ESRB
FinancialStabilityBoard
Ausschuss für Finanzstabilität; (BMF, BaFin, BBk)
EinheitlicheBankenaufsichtin Europa (SSM)
EuropäischerAbwicklungs-mechanismus
(SRM)
EinheitlicherAbwicklungsfonds
(SRF)
TLTRO IITLTRO I
MakroprudenziellesMandat der BBk
Seite 5
Datenanforderungen und NutzergruppenEntstehung neuer statistischer Erhebungen
01.02.2018
Deutsche Bundesbank
2008 2009 2010 2011 2012 2013 2014 2015 2016
Phase A –
Lehman Krise
Phase B –
Staatsschulden-
und erneute
Bankenkrise
Phase C –
Ankündigung
und
Vorbereitung
Bankenunion
Phase D –
Niedrigzinsumfeld, Ertragsschwäche
Wie stark sindInvestoren in der
EU betroffen? Wer hält
Staatspapierevon GR, IE, PT ?
EU Finanz-AufsichtEBA, EIOPA, ESMA,
ESRB
FinancialStabilityBoard
Ausschuss für Finanzstabilität; (BMF, BaFin, BBk)
EinheitlicheBankenaufsichtin Europa (SSM)
EuropäischerAbwicklungs-mechanismus
(SRM)
EinheitlicherAbwicklungsfonds
(SRF)
Wie groß sindVernetzungund Risiko-Klumpen?
Wie gesundsind EWU-Banken?
TLTRO IITLTRO I
MakroprudenziellesMandat der BBk
Seite 6
Statistik in der NotenbankStatistik ist ein zentraler Informationsdienstleister für viele Geschäftsfelder
Nutzer-Institutionen
• ESZB• SSM• EU-Kommission• ESRB• BIZ• IWF• Weltbank• G20• FSB• OECD• BaFin
Politikfelder
• Geldpolitik• Währungspolitik• Finanzsystemstabilität• Konvergenzprozess,
Stabilitätspakt• Aufsicht• Märkte• Risiko-Management• Strukturpolitik• Zahlungsverkehr• Forschung
Externe Nutzergruppen
• Banken• Unternehmen• private Haushalte• Wissenschaft• Ministerien• Gerichte
Ausgewählte…
… der Bundesbank-Statistiken
01.02.2018Deutsche Bundesbank
Seite 7
01.02.2018Seite 8
Deutsche Bundesbank
Strukturierte Datenwolke: Mikrodaten
Mikrodatenstrategie der StatistikParadigmenwechsel im ESZB hin zu granularen Erhebungen
01.02.2018Seite 9
Deutsche Bundesbank
• EZB-Rat (Dezember 2007)
• „collect data only once“
• „support full re-use of new micro data“
• Aufbau granularer, multifunktionaler Erhebungsverfahren• Paradigmenwechsel in der Datenerhebung und –haltung
• Erhebung auf granularer Basis des einzelnen Vertragspartners (RIAD), Einzelwertpapiers (CSDB, SHSDB), Einzelkredits (AnaCredit) und der Einzeltransaktion (MMSR)
• Hohe Auswertungsflexibilität gefordert, auch „institution-to-institution data“
• Multifunktionale Datennutzung (statistik- / institutionsübergreifend)
• Auswirkungen auf die IT-Systeme
• Volumen, Mehrdimensionalität, durchgängige Klassifikation zur Verknüpfbarkeit
• Anpassung des EU-Rechtsrahmens
• Rechtsgrundlage für multifunktionale Nutzung von Mikrodaten innerhalb des ESZB, Eurostat, der nationalen Statistikämter (NSIs), SSM, ESRB, der europäischen Aufsichtsbehörden (ESAs)
Mikrodatenstrategie der Statistik ESCB Data Warehouse Struktur
01.02.2018Seite 10
Deutsche Bundesbank
Wertpapierforderungen und -verbindlichkeiten
„security-by-security“„issuer-by-issuer“
„holder-by-holder“ (MFIs/IFs/ICs)„holder sector-by-holder-sector“
Kreditforderungen und -verbindlichkeiten
„loan-by-loan“ „creditor-by-creditor“„debtor-by-debtor“
Unternehmens-stammdaten
„entity-by-entity“
Wertpapieremittenten-informationen (CSDB)
Wertpapierhalter-informationen (SHSDB)
Stammdaten (RIAD)
AnaCredit
• Wertpapiere• Emittenten (alle Sektoren)
• Investoren (alle Sektoren)• Eurosystem• große Bankkonzerne
• Banken, Versicherungen, Verbriefungszweckgesell-schaften, Investmentfonds, Zahlungsinstitute
• Beteiligungen von Bank-/ Versicherungsgruppen
mit AnaCredit zusätzlich:• nicht-finanzielle
Unternehmen• Staat• Sonstige finanzielle
Unternehmen
• Kredite• Kreditnehmer• Kreditgeber
(Kreditinstitute nach CRR)
Geldmarkttransaktionen„transaction-by-transaction“
Geldmarktstatistik (MMSR)
• besicherte und unbesicherteGeldmarktgeschäfte, FX-Swaps und OIS
• Geldgeber und Geldnehmer
Versicherungsstatistik - Solv II
Versicherungsdaten
Mikrodaten und Nutzungsbeispiele Analysefragestellungen
• Exposures einer Bank / einer Bankengruppe / aller Banken ggü. einem ausfallgefährdeten Unternehmen
• Bonität von als Sicherheit bei der Bundesbank eingereichter Kreditforderungen
• Kreditvergabe an KMUs• Verschuldung eines nicht-finanziellen Unternehmens• Wie setzt sich die Marktkonzentration / Streuung in der Eigentümerstruktur
im europäischen Anleihe-Markt zusammen?• Verschärfen Markt-Illiquidität und -konzentrationen Preis-Schocks auf dem
europäischen Anleihemarkt? • Vernetzung des Finanzsystems und einzelner Finanzinstitute über den
besicherten und unbesicherten Geldmarkt• Wie entwickelt sich die öffentliche Verschuldung in der Eurozone? • Welchen Refinanzierungsbedarf haben die Staaten der Eurozone?
01.02.2018Seite 11
Deutsche Bundesbank
01.02.2018Seite 12
Deutsche Bundesbank
SDMX als Ordnungsstruktur in der Statistikwelt
Standardisierung auf der Ergebnisseite (Makrodaten) Entwicklung des weltweiten Standards SDMX
• Treiber: • Finanzkrisen (1990er Jahre, ab 2007)- Globale Dateninitiativen (IWF, BIZ, FSB, OECD, ESRB, G20)- Schaffung internationaler Statistik-Standards / Codes
• Europäischer Einigungsprozess / Europäische Währungsunion- Gemeinsame Erhebungsprogramme, Projekte, IT-Systeme, Aufgaben und
Verfahren- Harmonisierung von Inhalt, Methodik, Systematik, Verfahren
• SDMX = Statistical Data and Metadata EXchange• Initiative der Organisationen BIZ, EZB, Eurostat, IWF, OECD, UN und
Weltbank zur Standardisierung des internationalen Datenaustausches zwischen den statistischen Ämtern und Notenbanken ab 2001
• Basis bildet ein allgemeines Informationsmodell für Daten und Metadaten• Aufbau von Informationsstrukturen auf Basis aktueller IT-Techniken
01.02.2018Seite 13
Deutsche Bundesbank
Standardisierung auf der Ergebnisseite Grundprinzipien von SDMX
• Einführung von SDMX-Schlüsseln: Zeichenketten, die beliebige Zeitreihen eines Datensatzes (Data Set) eindeutig und maschinenlesbar bezeichnen
• Systematische Bezeichnung für alle Zeitreihen eines Datensatzes und die Ermöglichung der Organisation dieser Zeitreihen in einem Data Warehouse
• Die Voraussetzung für die systematische Kodierung von Zeitreihen eines Datensatzes ist die Erstellung einer Data Structure Definition (DSD; oft auch als Key Family bezeichnet).
• Die Key Family legt fest, welche Konzepte (so die SDMX-Bezeichnung für statistische Merkmale) zur Identifikation einer Zeitreihe verwendet werden. Diese den Schlüssel bildenden Konzepte werden als Dimensionen bezeichnet.
• Die Codelisten geben wiederum an, welche Ausprägungen diese Dimensionen annehmen können.
• Aneinandergereiht ergeben die Dimensionen dann den Schlüssel, der jeder Zeitreihe als eindeutige Kennzeichnung dient.
• SDMX ist multi-dimensional, Zeitreihen sind nur eine Option der Nutzung
• SDMX für beliebige Themengebiete nutzbar, nicht nur für Finanz- und Wirtschaftsdaten
01.02.2018Seite 14
Deutsche Bundesbank
SDMX „in a nutshell“:Aufbau eines Arbeitsgebiets nach dem Bausteinprinzip
01.02.2018Seite 15
Deutsche Bundesbank
… und führen zu systematischenund selbsterklärenden Schlüsseln für Indikatoren
Periodizität Gemeinde-schlüssel Bereinigung Anbieter Klassifikation Konzept Basis
Interpretation des Schlüssels am Beispiel BBDR1:A:06412000:N:IVD:IFEH003K:P:ABA:A
Bausteinebeschreibendas Arbeitsgebiet… Immobilienpreisstatistik
SDMX-Nutzung ist “metadata driven”Datenstruktur wird über Metadaten definiert, Dateninhalte werden damit nutzbar
Step 1: Meta Data
Stufe 2: Daten
Learning
Code List
Data Structure
Prod
uzen
t
Processing N
utze
r
Stufe 1: MetadatenDatenstruktur: Definition
Dateninhalt
Dat
en-b
asie
rtes
Sys
tem
01.02.2018Deutsche Bundesbank
Seite 16
Software-Produkte
SDMX ist Themen- und Plattform-übergreifendDezentrale Datensenken auf unterschiedlichen technischen Plattformen
Deutsche Bundesbank01.02.2018Seite 17
SD
MX
(tec
hnis
ch, W
ebse
rvic
es)
Tech
nisc
he S
chni
ttst
elle
Inha
lte
Metadaten:- Codelisten- key families
Statistikdaten:- Banken
- Versicherungen- Fonds
- Unternehmen- Preise- Zinsen
- Renditen- VGR
- Öff. Finanzen- Wertpapiere- Finanzmarkt- Konjunktur
- Auslandsstatus- Zahlungsbilanz- Realwirtschaft
DOTSTAT(MS SqlServer)
ZISDB(Host, IMS-HALDB,
DB2)
SDW (Oracle-DB)
Tech
nisc
he U
mse
tzun
g in
SD
MX
-Cub
es
SD
MX
(fac
hlic
h)
Fach
liche
Sch
nitt
stel
le
Erfolge der Standardisierung auf der ErgebnisseiteWebsites und Apps der internationalen Organisationen
01.02.2018Seite 18
Deutsche Bundesbank
01.02.2018Seite 19
Deutsche Bundesbank
Notenbankstatistik als Dienstleister (Haus der Mikrodaten und Forschungsdaten- und Service-Zentrum)
SDMX auch sehr gut für Mikrodaten geeignet und nutzbarBeispiel: Einzeldaten aus der Bilanzstatistik IBSI
01.02.2018Seite 20
Deutsche Bundesbank
… und führen zu systematischen und selbsterklärenden Schlüsseln für Indikatoren
Perio-dizität Land Berei-
nigung SektorMelde-bank, bzw.
-gruppe
Bilanz-position Laufzeit
Bausteine beschreibendas Arbeitsgebiet…
Einzeldaten aus der Bilanzstatistik
Interpretation des Schlüssels am Beispiel IBSI.M.AT.N.A.ALL_MFIS.A22.A.4.U2.2250.Z01.E
DatentypLand
(Kontra-hent)
Sektor (Kontra-
hent)SuffixWährung
Identifier einer Bank
oder -gruppe
Bundesbank: SDMX-basiertes Haus der Mikrodaten (HdM)
01.02.2018Seite 21
Deutsche Bundesbank
Daten
Stammdaten
Wertpapier-investments
Wertpapiere
Wertpapier-emissionen
Banken
Zinsstatistik
GuV-Statistik
Bilanzstatistik
Unternehmen
Auslands-vermögensstatus(Wertpapiere)
Banken
Bilanzstatistik
Auslandsstatus
Bundesbank: SDMX-basiertes Haus der Mikrodaten (HdM)
01.02.2018Seite 22
Deutsche Bundesbank
Daten
Stammdaten
Wertpapier-investments
Wertpapiere
Wertpapier-emissionen
Banken
Zinsstatistik
GuV-Statistik
Bilanzstatistik
Unternehmen
Auslands-vermögensstat
us(Wertpapiere)
Auslandsstatus
Banken
Bilanzstatistik
Forschungsdaten- und Servicezentrums (FDSZ) der BundesbankAufgaben, Konzeption, Ausgestaltung
01.02.2018Seite 23
Deutsche Bundesbank
DatenproduzentenVerschiedene Fachabteilungen
der Bundesbank
DatennutzerForschungsdaten-und Servicezentrum
(FDSZ)
• Beratung externer Forscher
• Konzeption und Etablierung einer Mikrodatenzugangsinfrastruktur
• Erstellung, Weiterentwicklung und Dokumentation von standardisierten Forschungs- und Analysedatensätzen für externe und interne Forscher
• Verwaltung und Bearbeitung von Datennutzungsanträgen für Forschungsprojekte, Beratungsdienstleistung für potenzielle Forschungsvorhaben
• Weiterentwicklung der Methodik zum Umgang mit Mikrodaten und Anonymisierung
• Entwicklung von standardisierten Verknüpfungen der Daten aus verschiedenen Fachbereichen, Kompetenz in der Methodik von Datenverknüpfung
• Entwicklung eines Metadaten-Management-Systems für die Bundesbank
• Eigene explorative / deskriptive und methodische Forschung anhand der Mikrodaten
• 12 Arbeitsplätze für Gastforscher im Trianon-Gebäude (Sitz der Bundesbank-Statistik)
Notenbankstatistik und Big Data
• Big Data ist eher als Trend zu verstehen, der ganz unterschiedliche Aspekte der Gewinnung, Verarbeitung und Analyse von Daten beinhaltet.
• Die Bundesbank-Statistik untersucht, ob Big Data als tertiäre Quelle traditionelle Primär- und Sekundärstatistiken ergänzen kann (Beispiel: Immobilienpreise, Ausgaben im Reiseverkehr).
• Insbesondere dienen sie dem Zweck der Erfassung bisher nicht abbildbarer Zusammenhänge.
• Im Zentralbankkontext sind dabei insbesondere Erwartungen und Sentiments der Marktteilnehmer von großer Bedeutung.
• In Rahmen verschiedener Pilotstudien versucht die Bundesbank solche Zusammenhänge zu untersuchen.
01.02.2018Seite 24
Deutsche Bundesbank
Resümee und Ausblick
• Starkes Wachstum an Daten, Erhebungen und Nachfrage
• Standardisierung und Mikrodatenstrategie als Ordnungsstruktur
• Verstärkte Nutzung für Forschung und Analyse
• Rasant wachsende Datenmengen in Verbindung mit leistungsfähigen neuen IT-
Werkzeugen machen es nicht einfacher, sondern schwieriger, aus Daten
verlässliche Informationen zu gewinnen.
• Als Dienstleister in dieser Datenwelt ergeben sich Chancen und
Herausforderungen.
01.02.2018Seite 25
Deutsche Bundesbank