Statistik in Notenbanken: Mit Standardisierung und Mikrodaten- Orientierung zum zentralen Information-Provider

Transkript

1 Statistik in Notenbanken: Mit Standardisierung und Mikrodaten- Orientierung zum zentralen Information-Provider Reinhold Stahl, Leiter des Zentralbereichs Statistik,

2 Übersicht 1. Datenanforderungen und Nutzergruppen 2. Strukturierte Datenwolke: Mikrodaten 3. SDMX als Ordnungsstruktur in der Statistikwelt 4. Notenbankstatistik als Dienstleister (Haus der Mikrodaten & FDSZ) Seite 2

3 Explodierende Datenanforderungen und Nutzergruppen Seite 3

4 Datenanforderungen und Nutzergruppen Entstehung neuer statistischer Erhebungen Phase A Lehman Krise Phase B Staatsschuldenund erneute Bankenkrise Phase C Ankündigung und Vorbereitung Bankenunion Phase D Niedrigzinsumfeld, Ertragsschwäche Seite 4

5 Datenanforderungen und Nutzergruppen Entstehung neuer statistischer Erhebungen Phase A Lehman Krise Phase B Staatsschuldenund erneute Bankenkrise Phase C Ankündigung und Vorbereitung Bankenunion Phase D Niedrigzinsumfeld, Ertragsschwäche Financial Stability Board Seite 5 EU Finanz-Aufsicht EBA, EIOPA, ESMA, ESRB Ausschuss für Finanzstabilität; (BMF, BaFin, BBk) Makroprudenzielles Mandat der BBk TLTRO I Einheitliche Bankenaufsicht in Europa (SSM) TLTRO II Einheitlicher Abwicklungsfonds (SRF) Europäischer Abwicklungsmechanismus (SRM)

6 Datenanforderungen und Nutzergruppen Entstehung neuer statistischer Erhebungen Phase A Lehman Krise Wie stark sind Investoren in der EU betroffen? Phase B Staatsschuldenund erneute Bankenkrise Wer hält Staatspapiere von GR, IE, PT? Phase C Ankündigung und Vorbereitung Bankenunion Phase D Niedrigzinsumfeld, Ertragsschwäche Financial Stability Board Seite 6 EU Finanz-Aufsicht EBA, EIOPA, ESMA, ESRB Wie groß sind Vernetzung und Risiko- Klumpen? Ausschuss für Finanzstabilität; (BMF, BaFin, BBk) Makroprudenzielles Mandat der BBk Wie gesund sind EWU- Banken? TLTRO I Einheitliche Bankenaufsicht in Europa (SSM) TLTRO II Einheitlicher Abwicklungsfonds (SRF) Europäischer Abwicklungsmechanismus (SRM)

7 Statistik in der Notenbank Statistik ist ein zentraler Informationsdienstleister für viele Geschäftsfelder Ausgewählte 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 der Bundesbank-Statistiken Seite 7

8 Seite 8 Strukturierte Datenwolke: Mikrodaten

9 Mikrodatenstrategie der Statistik Paradigmenwechsel im ESZB hin zu granularen Erhebungen 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) Seite 9

10 Mikrodatenstrategie der Statistik ESCB Data Warehouse Struktur entity-by-entity Stammdaten (RIAD) Banken, Versicherungen, Verbriefungszweckgesellschaften, Investmentfonds, Zahlungsinstitute Beteiligungen von Bank-/ Versicherungsgruppen mit AnaCredit zusätzlich: nicht-finanzielle Unternehmen Staat Sonstige finanzielle Unternehmen Wertpapierforderungen und -verbindlichkeiten security-by-security issuer-by-issuer holder-by-holder (MFIs/IFs/ICs) holder sector-by-holder-sector Unternehmensstammdaten Wertpapieremittenteninformationen (CSDB) Wertpapiere Emittenten (alle Sektoren) Wertpapierhalterinformationen (SHSDB) Investoren (alle Sektoren) Eurosystem große Bankkonzerne Kreditforderungen und -verbindlichkeiten loan-by-loan creditor-by-creditor debtor-by-debtor AnaCredit Kredite Kreditnehmer Kreditgeber (Kreditinstitute nach CRR) Geldmarkttransaktionen transaction-by-transaction Geldmarktstatistik (MMSR) besicherte und unbesicherte Geldmarktgeschäfte, FX-Swaps und OIS Geldgeber und Geldnehmer Versicherungsstatistik - Solv II Versicherungsdaten Seite 10

11 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? Seite 11

12 SDMX als Ordnungsstruktur in der Statistikwelt Seite 12

13 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 Seite 13

14 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 Seite 14

15 SDMX in a nutshell : Aufbau eines Arbeitsgebiets nach dem Bausteinprinzip Periodizität Gemeindeschlüssel Bereinigung Anbieter Klassifikation Konzept Basis Bausteine beschreiben das Arbeitsgebiet Immobilienpreisstatistik und führen zu systematischen und selbsterklärenden Schlüsseln für Indikatoren Interpretation des Schlüssels am Beispiel BBDR1:A: :N:IVD:IFEH003K:P:ABA:A Seite 15

16 SDMX-Nutzung ist metadata driven Datenstruktur wird über Metadaten definiert, Dateninhalte werden damit nutzbar Stufe 1: Metadaten Step 1: Meta Data Datenstruktur: Definition Code List Data Structure Learning Produzent Stufe 2: Daten Dateninhalt Nutzer Daten-basiertes System Processing Seite 16

17 SDMX ist Themen- und Plattform-übergreifend Dezentrale Datensenken auf unterschiedlichen technischen Plattformen Metadaten: - Codelisten Inhalte - key families Statistikdaten: - Banken - Versicherungen - Fonds - Unternehmen - Preise - Zinsen - Renditen - VGR - Öff. Finanzen - Wertpapiere - Finanzmarkt - Konjunktur - Auslandsstatus - Zahlungsbilanz - Realwirtschaft SDMX (fachlich) Fachliche Schnittstelle Technische Umsetzung in SDMX-Cubes DOTSTAT (MS SqlServer) ZISDB (Host, IMS-HALDB, DB2) SDW (Oracle-DB) Technische Schnittstelle SDMX (technisch, Webservices) Software- Produkte Seite 17

18 Erfolge der Standardisierung auf der Ergebnisseite Websites und Apps der internationalen Organisationen Seite 18

19 Notenbankstatistik als Dienstleister (Haus der Mikrodaten und Forschungsdaten- und Service-Zentrum) Seite 19

20 SDMX auch sehr gut für Mikrodaten geeignet und nutzbar Beispiel: Einzeldaten aus der Bilanzstatistik IBSI Land Sektor Periodizität Bereinigung Meldebank, bzw. -gruppe Bilanzposition Laufzeit Datentyp Land (Kontrahent) Sektor (Kontrahent) Währung Suffix Bausteine beschreiben das Arbeitsgebiet Einzeldaten aus der Bilanzstatistik und führen zu systematischen und selbsterklärenden Schlüsseln für Indikatoren Identifier einer Bank oder -gruppe Seite 20 Interpretation des Schlüssels am Beispiel IBSI.M.AT.N.A.ALL_MFIS.A22.A.4.U Z01.E

21 Bundesbank: SDMX-basiertes Haus der Mikrodaten (HdM) Daten Zinsstatistik Auslandsstatus Wertpapierinvestments Wertpapieremissionen Stammdaten GuV-Statistik Banken Wertpapiere Bilanzstatistik Auslandsvermögensstatus (Wertpapiere) Unternehmen Seite 21

22 Bundesbank: SDMX-basiertes Haus der Mikrodaten (HdM) Daten Zinsstatistik Auslandsstatus Wertpapierinvestments Wertpapieremissionen Stammdaten GuV-Statistik Banken Wertpapiere Bilanzstatistik Auslandsvermögensstat us (Wertpapiere) Unternehmen Seite 22

23 Forschungsdaten- und Servicezentrums (FDSZ) der Bundesbank Aufgaben, Konzeption, Ausgestaltung Datenproduzenten Verschiedene Fachabteilungen der Bundesbank Forschungsdatenund Servicezentrum (FDSZ) Datennutzer 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) Seite 23

24 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. Seite 24

25 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. Seite 25