Statistik in Notenbanken: Mit Standardisierung und ... · Statistik in Notenbanken: Mit...

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