Adaptive Erwartungen sind eine Annahme in ökonomischen Modellen, um die Analyse zu vereinfachen. Sein Hauptpostulat ist, dass Agenten ihre Projektionen auf historischen Daten stützen.
Dieser Ansatz steht im Gegensatz zu rationalen Erwartungen, bei denen davon ausgegangen wird, dass die Menschen bei der Formulierung ihrer Schätzungen alle verfügbaren Informationen nutzen.
Mit anderen Worten, basierend auf adaptiven Erwartungen berücksichtigen Agenten nur die Vergangenheit. Wären Einzelpersonen jedoch rational, würden sie auch für die Zukunft angekündigte Ereignisse in ihre Analyse einbeziehen, etwa wenn die Regierung eine Maßnahme ab dem nächsten Jahr anordne.
Ursprung adaptiver Erwartungen
Der Ursprung der adaptiven Erwartungen liegt im Jahr 1956. In diesem Jahr schlug Philip Cagan ein Modell vor, bei dem Verbraucher die Inflation auf der Grundlage historischer Daten schätzen.
Dies war ein Fortschritt gegenüber exogenen Erwartungen. Gemäß dieser Hypothese formulieren Agenten ihre Projektionen ausschließlich auf der Grundlage externer Variablen, unabhängig von den persönlichen Erfahrungen jedes Benutzers.
Mit dem Ansatz der adaptiven Erwartungen wurde jedoch ein Schlüsselkonzept eingeführt: Agenten lernen aus ihren Fehlern, wie wir im Folgenden erläutern werden.
Adaptive Erwartungen als Lernergebnis
Adaptive Erwartungen können als Ergebnis eines Lernprozesses mathematisch ausgedrückt werden. Somit wird der Erwartungswert einer Variablen basierend auf den Fehlern gebildet, die in der Vergangenheit bei der Projektion gemacht wurden, wie wir in der folgenden Formel sehen können:
Eine andere Möglichkeit, diese Gleichung auszudrücken, ist die folgende:
Aus dem oben Gesagten kann interpretiert werden, dass die erwartete Entwicklung von X in der Zukunft von dem Fehler abhängt, der bei der Schätzung seines Barwerts aufgezeichnet wurde.
Stellen Sie sich zum Beispiel vor, wir projizieren die Inflation für das nächste Jahr. Wir müssen also den von uns für dieses Jahr erwarteten Preisanstieg und die tatsächlich erfassten Daten berücksichtigen.
Lassen Sie uns nun eine allgemeine Formel finden, wenn man bedenkt, dass das Obige in mehreren Perioden wiederholt wird:
Dann ersetzen wir in der ersten Gleichung:
In der vorherigen Gleichung gilt: Je älter die historischen Daten der Variablen sind, desto weniger Gewicht hat sie in der Schätzung. Dies, weil Lambda ein Koeffizient kleiner als 1 ist.
Vor- und Nachteile adaptiver Erwartungen
Zu den Vorteilen adaptiver Erwartungen gehören:
- Sie lassen sich leicht in ökonometrische Modelle einführen.
- Sie sind in bestimmten Zusammenhängen vertretbar, zum Beispiel bei der Inflation. Es ist möglich, dass die Nutzer angesichts eines anhaltenden Preisanstiegs in der Vergangenheit davon ausgehen, dass sich dieser fortsetzen wird.
- Sie sind insofern konsistent, als zeitlich weiter entfernte Erfahrungen als weniger relevant für Projektionen angesehen werden.
Diese Theorie hat jedoch auch einige Nachteile:
- Es ist nicht realistisch, wenn wir berücksichtigen, dass es Menschen gibt, die die zukünftigen Auswirkungen bestimmter Ereignisse kennen. Stellen Sie sich zum Beispiel vor, die Regierung kündigt eine expansive Geldpolitik an. Analysten erwarten also, dass die höheren privaten Ausgaben eine höhere Inflation bedeuten, unabhängig davon, was in der Vergangenheit passiert ist.
- Adaptive Erwartungen gehen davon aus, dass beispielsweise zur Projektion der Inflation nur Daten aus der Vergangenheit zu Preisänderungen verwendet werden. In Wirklichkeit verfügen die Agenten jedoch auch über Informationen zu anderen verwandten Variablen.
