|
Die Corona-Krise untermauerte die Notwendigkeit unkonventioneller Datenquellen zur zeitnahen Beurteilung der aktuellen Wirtschaftslage. Besonders schwierig ist die Datenlage der Bundesländer. In diesem Forschungsbericht wird untersucht, ob sich hochfrequente Angaben zum bayerischen Stromverbrauch zur Wirtschafts- und Konjunkturanalyse eignen. Erstens wird der Stromverbrauch großer Abnehmer im Hinblick auf Energieeffizienz, Lastspitzenverteilung und Auswirkungen auf die Luftverschmutzung untersucht. Zweitens wird der Frage nachgegangen, ob sich der Stromverbrauch zur Datierung der bayerischen Konjunktur eignet. Drittens wird die Prognosetauglichkeit der Stromverbrauchsdaten geprüft. Insgesamt erweist sich die neue Datenquelle als vielversprechend und nützlich. Bei der Untersuchung der Energieeffizienz finden sich rein deskriptiv Brüche im Zeitverlauf der aggregierten Stromverbrauchsdaten, was auf die Einführung energiepolitischer Maßnahmen zurückgeführt werden könnte. Für eine kausale Untersuchung werden jedoch disaggregierte Daten benötigt. Auch wurden Unterschiede in den Nachfragespitzen im Vergleich zu Gesamtdeutschland und ein positiver Einfluss des Industriestromverbrauchs auf die wichtigsten Luftschadstoffe festgestellt. Darüber hinaus sind die aggregierten Stromverbrauchsdaten geeignet, die konjunkturellen Ausschläge der bayerischen Industrieproduktion zu datieren. Besonders die schweren Rezessionen sowie die sich anschließenden Erholungsphasen werden zuverlässig vom Stromverbrauch angezeigt. Außerdem weisen die Stromverbrauchsdaten eine hohe Prognosetauglichkeit für die Industrieproduktion Bayerns sowohl auf Monats- als auch Wochenbasis auf. Bei der Prognose des laufenden Monats (Nowcast) ist der bayerische Stromverbrauch im Durchschnitt der beste Indikator. Bei der Prognose des kommenden Monats verliert der Stromverbrauch jedoch an Prognosekraft. The Corona crisis underscored the need for unconventional data sources to assess the current economic situation in a timely manner. The data situation is particularly difficult for the German states. This research report addresses the question whether high-frequency data on Bavarian electricity consumption are suitable for economic and business cycle analyses. First, it examines electricity consumption of large consumers with regard to energy efficiency, distribution of peak loads, and effects on air pollution. Second, we focus on the question whether electricity consumption is suitable for dating the Bavarian business cycle. Third, it is examined whether electricity consumption data can be used to forecast industrial production in Bavaria. Overall, the new data source proves to be promising and useful. In a purely descriptive analysis of energy efficiency, breaks are found in the time course of aggregated electricity consumption data, which could be attributed to the introduction of energy policy measures. For a causal interpretation, however, disaggregated data are required. In addition, differences in peak loads compared to Germany were found, as well as a positive influence of industrial electricity use on the main air pollutants. Furthermore, the aggregated electricity consumption data are suitable for dating the cyclical swings in Bavarian industrial production. Thus, especially the severe recessions as well as the subsequent recovery phases are reliably indicated by electricity consumption. In addition, the Bavarian electricity consumption data have a high predictive power for forecasting Bavaria's industrial production on both a monthly and weekly basis. When forecasting the current month (nowcast), Bavarian electricity consumption is the best indicator on average. However, when forecasting the next month, electricity consumption loses forecasting power.
|
