Modellvergleich

Habit-Formation-Modelle und rekursive Präferenzrahmen im direkten Vergleich: Stärken, Schwächen und strukturelle Unterschiede

Autorin Hynruedeodeszaefe Redaktion 11. November 2026

Zwei Modellstrukturen im analytischen Vergleich

Zwei Erklärungen, eine Beobachtung — warum der Vergleich zählt

Beide Modellklassen versuchen dasselbe: Sie wollen erklären, warum Risikoprämien in der Realität so hoch ausfallen, wie sie es tun. Habit-Formation-Modelle und rekursive Präferenzrahmen gehen dabei von unterschiedlichen Ausgangspunkten aus und landen an strukturell verschiedenen Orten. Wer beide kennt und vergleichen kann, versteht nicht nur, was jedes Modell leistet — er versteht auch, welche Annahmen über menschliches Verhalten und wirtschaftliche Dynamiken hinter jeder Erklärung stehen. Das ist keine akademische Übung. Es ist die Voraussetzung für eine informierte Einschätzung von Modellvorhersagen. Der Vergleich beginnt dort, wo beide Ansätze ansetzen: beim Nutzenbegriff selbst.

Wie Habit-Formation-Modelle Risikoaversion erzeugen

Habit-Formation-Modelle erklären hohe Risikoaversion durch einen Referenzpunkt, der sich langsam an vergangene Konsumniveaus anpasst. Der Nutzen eines Akteurs hängt nicht vom absoluten Konsum ab, sondern von der Differenz zwischen aktuellem Konsum und diesem Gewohnheitsniveau. Fällt der Konsum unter den Referenzpunkt, entsteht ein überproportionaler Nutzenverlust. Diese Asymmetrie erzeugt effektiv eine hohe Risikoaversion, ohne einen separaten Parameter dafür einführen zu müssen. Das Modell ist intuitiv: Menschen gewöhnen sich an ihren Lebensstandard und reagieren empfindlich auf Einbußen. Die Preisimplikationen entstehen daraus, dass der stochastische Diskontierungsfaktor in Phasen niedrigen Konsums relativ zur Gewohnheit besonders hoch wird. Ansprüche, die in solchen Phasen schlecht abschneiden, tragen eine höhere Prämie. Das Modell erklärt damit die Equity-Premium-Beobachtung qualitativ — aber es bindet Risikoaversion strukturell an die Dynamik des Konsumgewohnheitsniveaus, was eigene Annahmen über die Persistenz dieser Dynamik erzwingt.

Wo rekursive Modelle strukturell anders ansetzen

Rekursive Präferenzmodelle trennen Risikoaversion und intertemporale Substitutionselastizität voneinander — das ist ihr zentraler struktureller Beitrag. Im Gegensatz zu Habit-Formation-Modellen benötigen sie keinen Referenzpunkt und keine Abhängigkeit des Nutzens von vergangenen Konsumniveaus. Die hohe Risikoaversion wird direkt als Parameter modelliert, unabhängig davon, wie der Konsum sich historisch entwickelt hat. Der Preis dafür ist eine weniger intuitive Nutzenfunktion: Rekursive Nutzenfunktionen nach Epstein und Zin sind mathematisch komplexer und schwerer zu interpretieren als die additive Struktur von Habit-Modellen. Sie gewinnen ihre Erklärungskraft nicht durch eine psychologisch motivierte Konsumabhängigkeit, sondern durch die explizite Trennung zweier konzeptionell verschiedener Präferenzeigenschaften. Das ermöglicht eine reichhaltigere Reaktion des Diskontierungsfaktors auf verschiedene Risikoquellen — insbesondere auf langfristige Wachstumsnachrichten, die in Habit-Modellen strukturell nicht dieselbe Rolle spielen.

Kalibrierung, Annahmen und empirische Trennschärfe

Modelle sind nur so gut wie ihre Annahmen — und beide Modellklassen machen Annahmen, die sich empirisch überprüfen lassen, aber nicht immer klar bestätigt werden. Ein ehrlicher Vergleich benennt diese Grenzen auf beiden Seiten. Wer nur die Stärken eines Ansatzes kommuniziert, hat keine Analyse geliefert — er hat Werbung gemacht. Dieser Abschnitt zeigt, wo jede Modellklasse unter empirischem Druck gerät und welche methodischen Antworten die Literatur darauf entwickelt hat. Keine der beiden Klassen ist empirisch unverwundbar. Der Unterschied liegt darin, welche Art von Verwundbarkeit man bereit ist zu akzeptieren — und das ist letztlich eine Entscheidung über Modellphilosophie, nicht über Wahrheit.

Empirische Belastbarkeit von Habit-Formation-Modellen

Habit-Formation-Modelle stehen vor einer charakteristischen empirischen Herausforderung: Das Gewohnheitsniveau ist nicht direkt beobachtbar und muss aus Konsumzeitreihen geschätzt werden. Die Annahmen über die Anpassungsgeschwindigkeit des Referenzpunkts haben direkte Auswirkungen auf die Modellvorhersagen — und diese Annahmen sind schwer zu identifizieren. Zudem sagen Habit-Modelle bestimmte Muster in der Laufzeitstruktur von Risikoprämien vorher, die empirisch nicht eindeutig bestätigt sind. Ein weiteres Problem liegt in der Konsistenz der Modellimplikationen mit Querschnittsdaten: Die Reaktion verschiedener Akteure auf Konsumeinbußen sollte, wenn das Modell korrekt ist, systematische Muster in der Querschnittsvariation der Risikoprämien erzeugen. Diese Muster sind empirisch schwer zu isolieren. Das schmälert die Erklärungskraft des Ansatzes nicht grundsätzlich, aber es erfordert Vorsicht bei der Interpretation der Modellaussagen.

Wo rekursive Modelle empirisch unter Druck geraten

Rekursive Long-Run-Risk-Modelle benötigen eine persistente, langsam bewegende Komponente im erwarteten Konsumwachstum, um ihre Prämienvorhersagen zu stützen. Diese Komponente ist statistisch schwer zu identifizieren — besonders in kurzen Zeitreihen, wie sie für Konsumwachstum typisch sind. Kritiker weisen darauf hin, dass die benötigte Persistenz am Rande des empirisch Nachweisbaren liegt und dass Modellvorhersagen empfindlich auf kleine Änderungen in diesem Parameter reagieren. Das ist eine valide Einschränkung. Neuere Arbeiten begegnen ihr durch Bayesianische Schätzverfahren, die Parameterunsicherheit explizit einbeziehen, und durch robuste Kalibrationsmethoden, die nicht auf einzelne Momente, sondern auf die gesamte Verteilung der Daten abstellen. Diese Methoden verbessern die Identifikation, beseitigen aber die fundamentale Schwierigkeit nicht: Langfristige Risikokomponenten sind per Definition schwer in endlichen Stichproben nachzuweisen.

Was der Vergleich methodisch leistet

Der direkte Vergleich beider Modellklassen ist methodisch wertvoll, weil er zeigt, dass verschiedene Wege zur Erklärung derselben Beobachtung unterschiedliche Annahmen über das Verhalten von Akteuren und die Dynamik von Konsumprozessen einbetten. Habit-Formation-Modelle postulieren eine psychologisch motivierte Abhängigkeit von vergangenen Konsumniveaus. Rekursive Modelle postulieren eine strukturelle Trennung von Risikoaversion und Zeitpräferenz in Kombination mit persistenten Wachstumsrisiken. Beide Annahmen sind nicht direkt beobachtbar — sie manifestieren sich in Preismustern, die empirisch ausgewertet werden müssen. Ein Modell zu wählen bedeutet deshalb, eine Annahme über die Natur des Problems zu treffen, nicht eine empirisch eindeutig überlegene Erklärung zu adoptieren. Diese Einsicht ist unbequem, aber notwendig für eine redliche Auseinandersetzung mit der Bewertungstheorie.

Strukturelle Unterschiede und ihre Konsequenzen für die Preistheorie

Die strukturellen Unterschiede zwischen beiden Modellklassen sind keine technischen Details — sie haben direkte Konsequenzen dafür, welche Risikoquellen im Modell preislich relevant werden und welche nicht. In Habit-Formation-Modellen dominiert die Konsumabhängigkeit vom Gewohnheitsniveau die Preisstruktur. In rekursiven Modellen ist es die duale Sensitivität des stochastischen Diskontierungsfaktors gegenüber kurzfristigen und langfristigen Risikoquellen. Diese Unterschiede erzeugen qualitativ verschiedene Vorhersagen über die Laufzeitstruktur von Risikoprämien, über die Reaktion von Preisen auf Volatilitätsschocks und über die Bewertung langfristiger Zahlungsansprüche. Wer beide Modellklassen kennt, kann diese Vorhersagen auseinanderhalten — und damit empirische Evidenz schärfer interpretieren.

Laufzeitstruktur der Risikoprämien im Modellvergleich

Eines der schärfsten Unterscheidungskriterien zwischen beiden Modellklassen liegt in ihren Vorhersagen über die Laufzeitstruktur von Risikoprämien. In Habit-Formation-Modellen ist die Prämie kurzfristiger Ansprüche typischerweise höher als die langfristiger, weil das Gewohnheitsniveau kurzfristige Konsumeinbußen besonders stark bestraft. In rekursiven Long-Run-Risk-Modellen ist das Bild komplexer: Langfristige Ansprüche tragen eine eigenständige Prämie, die aus ihrer Sensitivität gegenüber langfristigen Wachstumsnachrichten entsteht. Diese laufzeitabhängige Preisstruktur ist eine direkte und empirisch überprüfbare Vorhersage des rekursiven Rahmens. Ob und wie stark dieser Effekt in Daten messbar ist, hängt von der Identifikation der langfristigen Risikokomponente ab — aber als theoretische Aussage ist er klar und unterscheidet sich qualitativ von den Vorhersagen des Habit-Ansatzes. Diese Unterschiede sind präzise genug, um als Testkriterium zu dienen.

Volatilitätsrisiko: nur im rekursiven Rahmen strukturell präsent

Eine Risikoqelle, die in Habit-Formation-Modellen strukturell keine eigenständige Rolle spielt, ist zeitvariante Volatilität des Konsumwachstums. In rekursiven Modellen erzeugt schwankende Konsumvolatilität eine eigenständige Prämie — weil Akteure mit hoher Risikoaversion nicht nur das Niveau, sondern auch die Unsicherheit über dieses Niveau bepreisen. Dieser Mechanismus ist in Habit-Modellen abwesend, weil die Nutzenfunktion linear in der Differenz zwischen Konsum und Gewohnheitsniveau ist und Volatilitätsschwankungen deshalb nicht eigenständig bewertet werden. Das bedeutet: Die beiden Modellklassen unterscheiden sich nicht nur quantitativ in der Höhe der vorhergesagten Prämien, sondern qualitativ in der Anzahl der Risikoquellen, die sie als preislich relevant erkennen. In Phasen hoher Volatilitätsunsicherheit divergieren die Modellvorhersagen am stärksten — und das ist genau der Moment, in dem ein empirischer Vergleich am aufschlussreichsten wäre.

Beitrag lesen Mehr entdecken

Habit-Formation-Modelle und rekursive Präferenzrahmen im direkten Vergleich: Stärken, Schwächen und strukturelle Unterschiede

Cookies auf Hynruedeodeszaefe