Die deutsche Wirtschaft hat im zweiten Quartal 2026 erneut leicht zugelegt. Das Bruttoinlandsprodukte nahm um 0,2% zu, nachdem es bereits zu Jahresbeginn um 0,4% expandiert hatte. Getragen wurde dieser Zuwachs vor allem von den Exporten. Die Konsumausgaben nahmen lediglich verhalten zu und die Investitionen gingen zurück. Auch im dritten Quartal bleiben die konjunkturellen Risiken hoch. So sorgt der Iran-Konflikt weiterhin für volatile Energiepreise. Zugleich beeinträchtigt das historische Niedrigwasser an Rhein, Elbe und Donau gegenwärtig den Transport erheblich und dürfte damit die Produktion belasten. Dem entgegen stehen kräftige Zuwächse bei den genehmigten Rüstungsexporten. Insgesamt sprechen die aktuellen Indikatoren für eine Fortsetzung der Erholung (vgl. Abbildung 1). Nach dem IWH-Flash-Indikator dürfte das Bruttoinlandsprodukt im dritten Quartal 2026 um 0,3% zulegen. Für das vierte Quartal zeichnet sich eine schwächere Dynamik ab.

This paper examines the macroeconomic and distributional effects of the European Union’s transition to Net Zero emissions through a gradually increasing carbon tax. I develop a New Keynesian Environmental DSGE model with two household types and distinct energy and non-energy sectors. Five alternative uses of carbon tax revenues are considered: equal transfers to households, targeted transfers to Hand-to-Mouth households, subsidies to green energy firms, and reductions in labor and capital income taxes. In the absence of technological progress, the carbon tax policy induces a persistent increase in energy prices and a reduction in GDP, investment, and consumption. Headline inflation falls below zero in the medium run, reflecting weaker aggregate demand. Distributional outcomes vary significantly depending on the implemented revenue recycling scheme: targeted transfers are the most progressive but entail larger macroeconomic costs, while subsidies and tax cuts mitigate output and investment losses but are less effective in narrowing the consumption gap. A limited foresight scenario, in which agents learn about policy targets sequentially, generates more volatile adjustment paths and temporary inflationary spikes around announcements, but long-run outcomes remain close to the baseline.

In this paper, we discuss how environmental damage and emission reduction policies affect the conduct of monetary policy in a two-sector (clean and dirty) dynamic stochastic general equilibrium model. In particular, we examine the optimal response of the interest rate to changes in sectoral inflation due to standard supply shocks, conditional on a given environmental policy. We then compare the performance of a nonstandard monetary rule with sectoral inflation targets to that of a standard Taylor rule. Our main results are as follows: first, the optimal monetary policy is affected by the existence of environmental policy (carbon taxation), as this introduces a distortion in the relative price level between the clean and dirty sectors. Second, compared with a standard Taylor rule targeting aggregate inflation, a monetary policy rule with asymmetric responses to sector-specific inflation allows for reduced volatility in the inflation gap, output gap, and emissions. Third, a nonstandard monetary policy rule allows for a higher level of welfare, so the two goals of welfare maximization and emission minimization can be aligned.

Prognosemodelle für die zukünftige wirtschaftliche Entwicklung verwenden häufig marktbasierte Indikatoren wie Spreads von Unternehmensanleihen, die den Risikoaufschlag gegenüber einem Referenzzins angeben. Anleihespreads bilden jedoch nur die Entwicklung von Risiken für Unternehmen ab, die regelmäßig Anleihen emittieren – im Durchschnitt größere, sichere Firmen. Neuartige Daten zu Bankkrediten, die im Sekundärmarkt gehandelt werden, erlauben auch die Konstruktion von Kreditspreads. Kreditmarktdaten umfassen ein breiteres Spektrum an Firmen, inklusive kleinerer Firmen, die stärker von Finanzmarktfriktionen betroffen sind. Tests zeigen, dass Kreditspreads tatsächlich mehr Informationen über wirtschaftliche Entwicklungen beinhalten als Anleihespreads und daher das Potenzial haben, Prognosemodelle zu verbessern.

This paper offers a novel framework, combining firm operational risk, IPO pricing risk, and market risk, to model IPO failure risk. By analyzing nearly a thousand variables, we observe that prior IPO failure risk models have suffered from a major missing-variable problem. Evidence reveals several key new firm-level determinants, e.g., the volatility operating performance, the size of its accounts payable, pretax income to common equity, total short-term debt, and a few macroeconomic variables such as treasury bill rate, and book-to-market of the DJIA index. These findings have major economic implications. The total value loss from not predicting the imminent failure of an IPO is significantly lower with this proposed model compared to other established models. The IPO investors could have saved around $18billion over the period between 1994 and 2016 by using this model.

We argue that wage inertia plays a pivotal role in allowing empirically plausible variants of the standard search and matching model to account for the large countercyclical response of unemployment to shocks.

The European Commission’s Scoreboard of Macroeconomic Imbalances is a rare case of a publicly released early warning system. It was published first time in 2012 by the European Commission as a reaction to public debt crises in Europe. So far, the Macroeconomic Imbalance Procedure takes a one-size-fits-all approach with regard to the identification of thresholds. The experience of Central and Eastern European Countries during the global financial crisis and in the resulting public debt crises has been largely different from that of other European countries. This paper looks at the appropriateness of scoreboard of the Macroeconomic Imbalances Procedure of the European Commission for this group of catching-up countries. It is shown that while some of the indicators of the scoreboard are helpful to predict crises in the region, thresholds are in most cases set too narrow since it largely disregarded the specifics of catching-up economies, in particular higher and more volatile growth rates of various macroeconomic variables.

The paper analyzes how actual monetary policy changed following the official adoption of inflation targeting in the Czech Republic, Hungary, and Poland and how it affected the volatilities of important macroeconomic variables in the years thereafter. To disentangle the effects of the policy shift from exogenous changes in the volatilities of these variables, a Markov-switching dynamic stochastic general equilibrium model is estimated that allows for regime switches in the policy parameters and the volatilities of shocks hitting the economies. Whereas estimation results reveal periods of high and low volatility for all three economies, the presence of different policy regimes is supported by the underlying data for the Czech Republic and Poland, only. In both economies, monetary policy switched from weak and unsystematic to strong and systematic responses to inflation dynamics. Simulation results suggest that the policy shifts of both central banks successfully reduced inflation volatility in the following years. The observed reduction in output volatility, on the other hand, is attributed more to a reduction in the size of external shocks.

Im Jahr 2020 zieht die Weltwirtschaft wieder etwas an, weil der Gegenwind von den Handelskonflikten nachlässt. Die jüngsten Produktionsdaten deuten allerdings noch nicht auf eine durchgreifende Besserung der internationalen Konjunktur hin. Auch wegen der niedrigen Preisdynamik ist die Geldpolitik im Lauf des Jahres vielerorts noch einmal expansiver geworden. Wenn weitere Zollerhebungen im Wesentlichen ausbleiben, dürfte der Abschwung im Verarbeitenden Gewerbe um die Jahreswende 2019/2020 zu Ende gehen. Allerdings bleibt die Zukunft der politischen Rahmenbedingungen für den internationalen Handel unsicher. Das ist ein wichtiger Grund, warum mit einem kräftigen weltwirtschaftlichen Aufschwung für den Prognosezeitraum nicht zu rechnen ist. Zudem dürfte die Expansion der Nachfrage aus China weiter nachlassen.

Die deutsche Wirtschaft befindet sich weiter im Abschwung. Ursache ist im Wesentlichen die schwache Auslandsnachfrage nach Produkten des Verarbeitenden Gewerbes, bedingt durch die von den USA ausgehenden protektionistischen Tendenzen und den bevorstehenden Brexit. Als weiterer Faktor kommen die Probleme im Automobilbau hinzu, denn die Branche steht mit am Beginn eines drastischen Strukturwandels. Im Jahr 2020 dürfte eine leichte Belebung der internationalen Konjunktur den deutschen Export wieder anziehen lassen. Der Anstieg wird aber nicht allzu hoch ausfallen, nicht zuletzt, weil die Lohnstückkosten seit einiger Zeit deutlich zugenommen haben. Auf der anderen Seite stabilisieren die recht deutlichen Lohnzuwächse die binnenwirtschaftliche Nachfrage. Zudem wirkt die Finanzpolitik expansiv, und die günstigen Finanzierungsbedingungen werden zusammen mit der Wohnungsknappheit in Ballungsräumen den Bauboom am Leben halten. Das Bruttoinlandsprodukt wird im Jahr 2020 wohl um 1,1% zunehmen, auch dank einer hohen Zahl an Arbeitstagen. Der Produktionszuwachs in Ostdeutschland dürfte mit 1,3% höher ausfallen als in Gesamtdeutschland. Die Verbraucherpreisinflation bleibt moderat, die Beschäftigung nimmt nur noch wenig zu.

In complex systems, statistical dependencies between individual components are often considered one of the key mechanisms which drive the system dynamics observed on a macroscopic level. In this paper, we study cross-sectional time-lagged dependencies in financial markets, quantified by nonparametric measures from information theory, and estimate directed temporal dependency networks in financial markets. We examine the emergence of strongly connected feedback components in the estimated networks, and hypothesize that the existence of information feedback in financial networks induces strong spatiotemporal spillover effects and thus indicates systemic risk. We obtain empirical results by applying our methodology on stock market and real estate data, and demonstrate that the estimated networks exhibit strongly connected components around periods of high volatility in the markets. To further study this phenomenon, we construct a systemic risk indicator based on the proposed approach, and show that it can be used to predict future market distress. Results from both the stock market and real estate data suggest that our approach can be useful in obtaining early-warning signals for crashes in financial markets.