Langfristiges Konsumrisiko und seine Wirkung auf Gleichgewichtspreise in modernen Bewertungsmodellen

Warum kurzfristige Konsumvolatilität allein keine ausreichende Erklärung für beobachtete Risikoprämien liefert.

Das klassische Modell setzt Risikoprämien in direkten Zusammenhang mit der Varianz des kurzfristigen Konsumwachstums. Wer diesen Ansatz kalibriert und mit empirischen Daten konfrontiert, stellt schnell fest: Die beobachteten Prämien sind deutlich höher als das Modell vorhersagt — selbst bei hoher Risikoaversion. Entweder akzeptiert man unrealistische Parameterwerte, oder man sucht nach einer strukturell anderen Erklärung. Der Long-Run-Risk-Ansatz wählt den zweiten Weg. Er postuliert, dass Konsumwachstum nicht nur zufällig schwankt, sondern eine langsam bewegende, persistente Komponente in der erwarteten Wachstumsrate enthält. Akteure, die auf diese Unsicherheit über zukünftige Wachstumspfade reagieren, gewichten schlechte Langzeitnachrichten stärker als kurzfristige Schwankungen. Diese Reaktion erzeugt eine eigenständige Risikoprämie — strukturell verschieden von der kurzfristigen. Das Modell antwortet damit auf eine reale Beobachtung, nicht auf eine theoretische Präferenz.

Wie langsam bewegende Komponenten im Konsumwachstum den stochastischen Diskontierungsfaktor strukturell verändern.

Der Kern des Long-Run-Risk-Modells liegt in der Annahme, dass die erwartete Wachstumsrate des Konsums selbst eine stochastische Variable ist — eine, die sich langsam und persistent bewegt. Diese Komponente ist direkt nicht beobachtbar, aber sie hinterlässt Spuren in Preisen und Renditestrukturen. Wenn Akteure rekursive Präferenzen haben und hohe Risikoaversion zeigen, reagieren sie besonders empfindlich auf Neuigkeiten über diese langfristige Wachstumskomponente. Eine negative Nachricht über zukünftige Wachstumsaussichten wird stärker gewichtet als eine gleichgroße kurzfristige Konsumüberraschung. Das liegt an der Struktur des rekursiven Nutzens: Weil Zeitpräferenz und Risikoaversion getrennt modelliert werden, kann das Modell diese asymmetrische Reaktion konsistent abbilden. Der stochastische Diskontierungsfaktor reagiert damit auf zwei Risikoquellen gleichzeitig: auf kurzfristige Schwankungen und auf Neuigkeiten über den langfristigen Wachstumspfad. Diese duale Sensitivität ist der strukturelle Unterschied zum Standardmodell — und der Grund, warum das Long-Run-Risk-Framework höhere Prämien erzeugt, ohne Parameterwerte zu verbiegen.

Wie schwankende Konsumvolatilität eine eigenständige Prämie erzeugt, die einfache Modelle strukturell übersehen.

Neben der Unsicherheit über das Niveau des zukünftigen Konsumwachstums enthält das erweiterte Long-Run-Risk-Modell eine zweite stochastische Komponente: die Varianz des Konsumwachstums selbst schwankt im Zeitablauf. Diese zeitvariante Volatilität ist keine technische Spitzfindigkeit — sie hat direkte Preisimplikationen. Wenn die Streuung des Konsumwachstums in manchen Perioden höher und in anderen niedriger ist, entsteht ein eigenständiges Risiko: das Risiko, in einer Phase hoher Unsicherheit exponiert zu sein. Akteure mit rekursiven Präferenzen und hoher Risikoaversion scheuen dieses Risiko und verlangen eine Prämie dafür. Damit hat das Modell drei Preisquellen: kurzfristige Konsumüberraschungen, Neuigkeiten über langfristige Wachstumserwartungen und Veränderungen im Volatilitätsumfeld. Jede dieser Quellen trägt zur Gesamtprämie bei — in unterschiedlichem Maß, abhängig von den Parameterwerten. Analytisch lassen sie sich isolieren und separat quantifizieren. Empirisch ist diese Trennung schwieriger, weil die drei Komponenten korreliert sind und aus denselben Zeitreihen identifiziert werden müssen.

Welche Parameteranforderungen das Long-Run-Risk-Modell stellt und wo empirische Tests an ihre Grenzen stoßen.

Ein Modell, das Risikoprämien erklären soll, muss kalibriert werden — und Kalibrierung bedeutet, Parameterwerte so zu wählen, dass das Modell empirisch beobachtbare Momente reproduziert. Beim Long-Run-Risk-Ansatz ist das eine anspruchsvolle Aufgabe. Die persistente Wachstumskomponente muss stark genug sein, um eine relevante Risikoprämie zu erzeugen, aber empirisch aus relativ kurzen Konsumzeitreihen identifiziert werden — das erzeugt statistische Unsicherheit. Kritiker weisen darauf hin, dass die Persistenz, die das Modell benötigt, am Rande des statistisch Nachweisbaren liegt. Das ist eine valide Einschränkung, die ernst genommen werden sollte. Gleichzeitig ist es kein Argument gegen das Framework — es ist ein Argument für methodische Sorgfalt bei der Interpretation der Ergebnisse. Neuere Arbeiten begegnen diesem Problem durch Bayesianische Schätzmethoden, die Parameterunsicherheit explizit modellieren, sowie durch Kalibration an mehreren empirischen Momenten gleichzeitig. Keiner dieser Ansätze löst das Problem vollständig. Aber sie machen transparent, wo das Modell sicher steht und wo es auf schwachem Boden steht.

Wie Long-Run-Risk-Modelle die Preisstruktur langfristiger Zahlungsansprüche strukturell anders erklären als klassische Ansätze.

Wenn der stochastische Diskontierungsfaktor auf langfristige Wachstumsnachrichten reagiert, verändert das die Bewertung langfristiger Zahlungsansprüche fundamental. Im Standardmodell hängt der Preis eines Anspruchs im Wesentlichen von der kurzfristigen Konsumkovarianz ab. Im rekursiven Long-Run-Risk-Modell kommt eine weitere Dimension hinzu: Wie stark reagiert der Anspruch auf Neuigkeiten über zukünftige Wachstumspfade? Ansprüche mit hoher Sensitivität gegenüber langfristigen Wachstumsnachrichten tragen eine höhere Prämie — nicht weil sie kurzfristig volatiler sind, sondern weil sie schlechte Langzeitnachrichten systematisch verstärken. Das hat Implikationen für die Laufzeitstruktur von Bewertungen: Langfristige Ansprüche werden anders bewertet als kurzfristige, selbst wenn ihre kurzfristige Konsumkovarianz identisch ist. Diese laufzeitabhängige Preisstruktur ist eine direkte Vorhersage des Modells — und sie unterscheidet sich qualitativ von den Vorhersagen des Standardansatzes. Ob und wie stark dieser Effekt empirisch messbar ist, hängt von der Stärke der langfristigen Risikokomponente ab.