In der empirischen Forschung gibt es ein klassisches Problem: Die meisten interessanten Daten sind qualitativ, nicht quantitativ. Reden von Politikern, Geschäftsberichte, Social-Media-Posts, Zeitungsartikel oder historische Dokumente enthalten wertvolle Informationen, aber sie lassen sich schwer in Zahlen übersetzen. Genau hier setzt ein neues Forschungsprojekt an, das im Februar 2026 als NBER Working Paper erschienen ist: „GPT as a Measurement Tool“ von Hemanth Asirvatham, Elliott Mokski und Andrei Shleifer. Die Autoren stellen darin eine Software vor, die dieses Problem lösen soll: GABRIEL. Die Grundidee ist überraschend einfach. Large Language Models wie GPT können Texte verstehen, ähnlich wie ein Mensch. Wenn man sie gezielt einsetzt, können sie daher qualitative Informationen systematisch bewerten und quantifizieren. Zum Beispiel: • Wie innovationsfreundlich ist eine politische Rede? • Wie toxisch ist ein Social-Media-Kommentar? • Wie technisch komplex ist eine neue Tec...
In einem früheren Blog habe ich einige empirische Beobachtungen über den Zusammenhang zwischen Zinsstrukturkurve und Rezessionen beschrieben. Damals war ich selbst überrascht, wie gut die Faustregel ‚Negative Zinsstrukturkurve = Rezession‘ funktioniert. Selbst die US-amerikanische FED hat eine Studie zum Zusammenhang zwischen der Inversion der Zinsstrukturkurve und dem Auftreten von Rezessionen veröffentlicht. In der Zwischenzeit habe ich ein wenig mehr darüber gelesen und weitere empirische Analysen durchgeführt. Die Beschreibung der Ergebnisse ist Gegenstand dieses Updates zu Zinsen, BIP und Aktienrenditen. Die Entwicklung der Zinsen über die Zeit Die Zinsstrukturkurve ist eine einfache Abbildung, in der die Zinsen (präziser: Effektivzinsen bzw. Yield-To-Maturity) gegen die Restlaufzeit von Anleihen einer Emittentin dargestellt wird. Typischerweise ist in den Nachrichten, in der Tagespresse und in Lehrbüchern die Zinsstruktur von Staatsanleihen gemeint, wenn über die...