Zur Jahreswende dürfte die weltweite Produktion weiterhin in etwa so schnell wie in der Dekade vor der Pandemie expandieren. Die Konjunktur im Euroraum ist nur verhalten, und die Stagnation der deutschen Wirtschaft setzt sich fort. Die Industrie verliert an internationaler Wettbewerbsfähigkeit. Unternehmen und Verbraucher halten sich aufgrund unklarer wirtschaftspolitischer Aussichten mit ihren Ausgaben zurück. Das Bruttoinlandsprodukt dürfte im Jahr 2024 um 0,2% sinken und im Jahr 2025 um 0,4% expandieren.

Der deutsche Konjunkturmotor stottert weiter vor sich hin. Obwohl das Bruttoinlandsprodukt (BIP) im dritten Quartal 2024 um 0,2% zunahm, liegt es immer noch unter dem Niveau vom ersten Quartal 2024, da das zweite Quartal nach neuesten Zahlen weitaus schwächer ausgefallen ist als zuvor gemeldet (vgl. Abbildung 1). Der leichte Zuwachs im dritten Quartal dürfte dabei vor allem auf gestiegene staatliche und private Konsumausgaben zurückzuführen sein. In den Unternehmen ist die Stimmung weiterhin trüb und die wirtschaftspolitische Unsicherheit dürfte weiterhin hoch bleiben. Zudem belasten nach wie vor gestiegene Energie- und Lohnkosten die Investitionsbereitschaft der Unternehmen. Alles in allem dürfte das Bruttoinlandsprodukt (BIP) laut IWH-Flash-Indikator im vierten Quartal 2024 stagnieren. Für den Jahresbeginn 2025 deuten allerdings die Frühindikatoren auf eine Belebung der wirtschaftlichen Aktivitäten und einen Anstieg des BIP um 0,4% hin. Diese reflektieren jedoch noch nicht die jüngsten politischen Ereignisse in den USA und in Deutschland.

This paper provides a comprehensive analysis of the forecastability of the real price of natural gas in the United States at the monthly frequency considering a universe of models that differ in their complexity and economic content. Our key finding is that considerable reductions in mean-squared prediction error relative to a random walk benchmark can be achieved in real time for forecast horizons of up to two years. A particularly promising model is a six-variable Bayesian vector autoregressive model that includes the fundamental determinants of the supply and demand for natural gas. To capture real-time data constraints of these and other predictor variables, we assemble a rich database of historical vintages from multiple sources. We also compare our model-based forecasts to readily available model-free forecasts provided by experts and futures markets. Given that no single forecasting method dominates all others, we explore the usefulness of pooling forecasts and find that combining forecasts from individual models selected in real time based on their most recent performance delivers the most accurate forecasts.