Prognose Modelle im Retail Property Sector

Inhaltsverzeichnis

Abbildungsverzeichnis

1 Wozu überhaupt Prognosen?

2 Forschungsstand bei Prognosemodellen im Einzelhandel und Definitionen, die zur Abgrenzung benötigt werden
2.1 State of the Art
2.2 Notwendige Definitionen
2.2.1 Retail Property Sector – eine Eingrenzung der Immobilienwirtschaft
2.2.2 Was versteht man unter einer Prognose?

3 Welche Prognosemodelle sind für den Retail Property Sector künftig besonders interessant?
3.1 Nähere Beleuchtung des derzeitigen Forschungsstandes
3.1.1 Endogene und exogene Einflussfaktoren auf den Einzelhandel
3.1.2 Vergleich von Prognosen und der tatsächlichen Entwicklung
3.2 Qualitativ ist im Einzelhandel wichtiger als quantitativ
3.3 Explorative qualitative Prognose Modelle im Retail Property Sector
3.3.1 Delphi – eine klassische Methode um künftige Entwicklungen einzuschätzen
3.3.2 Die Cross-Impact-Analyse als Methode zur Berücksichtigung von wechselseitigen Abhängigkeiten
3.4 Befragung von Shoppingcenter-Betreibern, -Entwicklern und -Dienstleistern zu Prognose Modellen
3.4.1 Stimmungsbilder unter Branchenvertretern
3.4.2 Mögliche Ursachen - Lösungen

4 Ausblick in die Zukunft

Anhang

Literaturverzeichnis

Abbildungsverzeichnis

Abb. 1: Exogene und endogene Einflussfaktoren auf den Einzelhandel

Abb. 2: Vergleich Bruttosozialprodukt: Prognose vs. Wirklichkeit

Abb. 3: Vergleich Konsum: Prognose vs. Wirklichkeit

Abb. 4: Ablaufschema der Delphi-Methode

Abb. 5: Selbsteinschätzung der Fachkenntnis befragter Experten

Abb. 6: Box-Plot einer Expertenbefragung

Abb. 7: Wechselwirkungen der Systemgrößen in vernetzten Systemen

Abb. 8: Beispielhafte Anwendung einer Cross-Impact-Matrix

Abb. 9: Stimmungsbild zu quantitativen Methoden

Abb. 10: Stimmungsbild zu qualitativen Methoden

1 Wozu überhaupt Prognosen?

„Soll man da die Prognosen nicht lieber sein lassen?“ Wurde der Wirtschaftsweise Peter Bofinger in einem Interview zum Thema Staatsschulden gefragt. „Nein, das finde ich nicht. Die Menschen wollen wissen, wie es weitergeht. Ich könnte mir aber vorstellen, dass wir zurückhaltender werden.[…]“^[1] Bereits diese Aussage verdeutlicht die Ambivalenz von Prognosen. Einerseits sehnen sich die Menschen danach, einer vorgegebenen Richtung zu folgen, andererseits ist jedem – zumindest implizit – bewusst, dass Prognosen mit Fehlern behaftet sind. Diese können zum Beispiel sein:

1. Abhängigkeiten verschiedener Risiken (systemische Risiken) werden nicht ausreichend berücksichtigt
2. Es gibt zu wenige Daten bzw. frühere Trends weichen extrem von dem zu erwartenden künftigen Verhalten ab
3. Man verlässt sich zu sehr auf die einmal erstellten Modelle^[2]

Es stellt sich nun die Frage, wie und was man prognostizieren soll und kann. In der vorliegenden Arbeit sollen diese Fragen beantwortet werden.

Zunächst wird kurz der Stand der Forschung beleuchtet. Anschließend werden der Retail Property Sector und Prognosen an sich definiert und abgegrenzt. Im Hauptteil der Arbeit werden mögliche Klassifikationen verschiedener Prognosetechniken vorgestellt. Anhand der Einflussfaktoren auf den Einzelhandel wird untersucht, welche Prognosetechniken hier sinnvoll sein können. Durch eine Umfrage unter den größten in Deutschland vertretenen Shoppingcenter Entwicklern, Eigentümern, Beratern und Dienstleistern wird gezeigt, welche Techniken in der einzelhandelsbezogenen Immobilienwirtschaft verwendet werden. Es wird beurteilt, ob es sinnvoll ist, diese Methoden beizubehalten, zu revidieren oder mit anderen Prognoseansätzen zu kombinieren. Aus diesem Grund werden zwei ausgewählte Prognosemodelle und deren einzelhandelsrelevanten Spezifikationen allgemein vorgestellt.

2 Forschungsstand bei Prognosemodellen im Einzelhandel und Definitionen, die zur Abgrenzung benötigt werden

Die kurze Darstellung des Forschungsstandes dient dazu, aufzuzeigen, welche Erkenntnisse andere Autoren zu Prognosemodellen in der Immobilienwirtschaft bereits gewonnen haben. Die sich anschließenden Definitionen des Retail Property Sector und von Prognosen im Allgemeinen, sollen das Verständnis der thematischen Abgrenzung erleichtern.

2.1 State of the Art

Bereits 1972 beschäftigte sich Bernhard Stauch mit langfristigen Entwicklungstendenzen im Einzelhandel. In seiner Arbeit wurden die prognostischen Methoden nicht grundsätzlich infrage gestellt, sondern ihre Anwendungsmöglichkeit im Bereich des Einzelhandels aufgezeigt.^[3] Er untersuchte hauptsächlich die Auswirkungen endogener und exogener Einflussfaktoren und stellte dabei fest, dass nur zwei von elf Faktoren quantitativ messbar sind. Dadurch nimmt die Zuverlässigkeit der Prognose mit Zunahme der nicht quantifizierbaren Faktoren ab. Er folgerte, dass qualitative Prognosen im Einzelhandel immer wichtiger werden.

1979 untersuchte Peter Rohner die Zukunft des Handels in der Schweiz und legte dar, dass man für künftige Entwicklungen keine exakten Zahlen ermitteln kann, sondern es sich lediglich um Spekulationen über Trends handelt. Er zeigte auf, dass die Kaufkraft immer mehr in die Bereiche Unterhaltung und Freizeit fließt.^[4]

Ralph Hartmann kam 1992 ebenfalls schnell zu dem Ergebnis, dass qualitative Verfahren immer mehr in den Vordergrund treten bzw. die quantitativen Techniken sinnvoll ergänzen.^[5] Er folgerte dies aus der Zukunftsbezogenheit und der sich daraus ergebenden Unsicherheit und Komplexität des Handels. In seiner Arbeit erörterte er drei ausgewählte qualitative Methoden, nahm einzelhandelsrelevante Modifikationen vor und beurteilte anschließend die Sinnhaftigkeit der Anwendung anhand fixer Kriterien.

Ulrich Eggert beleuchtete 2001 die Entwicklungen im Handel des 21. Jahrhunderts. Da er eine rechnerische Darlegung für reine Spekulation hielt, lehnte er diese kategorisch ab^[6] und beschrieb stattdessen mögliche Entwicklungen im Einzelhandel ab 2010.

In seiner 2007 veröffentlichten Studie zum Büromarkt Großbritanniens verglich Simon Stevenson die Leistungsfähigkeit der quantitativen Prognosemethode ARIMA^[7]. Er fand heraus, dass ausgedehnte Markttrends vor allem für kurze Prognosezeiträume antizipiert werden können. Allerdings werden signifikante Wendepunkte oft verpasst. Ähnliche Ergebnisse wurden auch für die Bereiche Retail und Industrie festgestellt, allerdings nicht veröffentlicht.^[8]

Alexander Bönner erforschte 2009 die Applikation von Prognosemodellen auf den deutschen Büroimmobilienmarkt verschiedener Städte mit verschiedenen Prognosehorizonten. Sein Augenmerk legte er dabei auf die quantitativen Methoden ARIMA, GARCH^[9] und multivariate Regressionsanalyse. Die Hauptaussage seiner Arbeit ist, dass diese Modelle grundsätzlich für Miet- und Total Yield Prognosen geeignet sind.^[10] Da Bönner bereits feststellte, dass ARIMA auch im Bereich Retail angewendet werden kann, ist es wahrscheinlich, dass die anderen beiden Methoden ebenfalls sinnvoll in der Anwendung sein können.

Franz Fürst entwickelte 2006 in seiner Dissertation ein quantitatives Prognoseinstrument, genauer gesagt ein simultanes Gleichungssystem, für Prognosen im New Yorker Büromarkt^[11]. Drei Jahre später riet er in einem Zeitungsartikel, zusammen mit seinen Mitautoren, in der Immobilienwirtschaft qualitativ zu analysieren. Sie begründeten dies mit der Tatsache, dass sich die Haupteinflussfaktoren wie Mieten, Preise oder Arbeitsmarktzahlen wenig überzeugend voraussagen lassen.^[12]

2.2 Notwendige Definitionen

2.2.1 Retail Property Sector – eine Eingrenzung der Immobilienwirtschaft

Das Dictionary of Real Estate Terms definiert Retail Property wie folgt:

„A classification typically found in a zoning ordinance that allows for a store or a shopping center. “^[13] Eine Einordnung, die typischerweise im rechtskräftigen Bebauungsplan zu finden ist, die den Betrieb eines Geschäfts oder Shoppingcenters erlaubt. Dies meint, dass durch eine Planungsinstanz Einteilungen im Bebauungsplan vorgenommen werden, die verschiedenen Gebieten bestimmte Funktionen bzw. Nutzungen zuweisen. Gebiete, in denen Einzelhandelsimmobilien gebaut werden dürfen, nennt man Retail Property Sector. In Deutschland werden diese im Bebauungsplan von den Kommunen festgelegt.

Eine weitere Möglichkeit herauszufinden, was Retail Property Sector genau bedeutet, ist die Begriffe in einem fachspezifischen Wörterbuch nachzuschlagen. Hierbei ergeben sich folgende Übersetzungen:

Retail Property:^[14] Einzelhandelsbesitz, Handelsimmobilie

Sector: Bereich, Bezirk

Für die nachfolgende Arbeit soll diese zusammenfassende Definition gelten:

Der Retail Property Sector ist das Gebiet, auf dem eine bestimmte Art von Immobilien – Handelsimmobilien – stehen, in denen Einzelhandel betrieben wird.

2.2.2 Was versteht man unter einer Prognose?

„Prognosen sind systematische und logisch begründete Aussagen (Vorhersagen) über in der Zukunft eintreffende Situationen und Ereignisse, vor allem über zukünftige Werte ökonomischer Variablen.“^[15] Logisch begründete Aussagen über die Zukunft sind gerade heute, in Zeiten der Finanzkrise, für Unternehmen der Immobilienwirtschaft von großem Interesse. Immobilieninvestoren fordern oft langfristige Vorhersagen für ihre Entscheidung.^[16] Langfristig bedeutet, dass es sich um einen Zeitraum von vier bis zehn Jahren handelt. Prognosen, die einen Horizont von fünf Jahren überschreiten, werden problematisch, da die Wahrscheinlichkeit einer Änderung der Rahmenbedingungen rapide steigt. Dadurch können Daten aus der Vergangenheit die aktuelle Situation nicht mehr erklären und sind unbrauchbar.^[17]

Um feststellen zu können, welche Prognoseverfahren in der einzelhandelsbezogenen Immobilienwirtschaft sinnvoll sind, wird kurz eine Klassifikation nach allgemeinen Unterscheidungsmerkmalen vorgestellt:^[18]

1. Art der zugrundeliegenden Variablen:

Entwicklungs- oder Wirkungsprognosen (Variablen können nicht vom Unternehmen beeinflusst werden oder sie können beeinflusst werden)

2. Prognosezeitraum:

Kurzfristige Prognosen (bis zu einem Jahr)^[19]

Mittelfristige Prognosen (ein bis vier Jahre)

Langfristige Prognosen (vier bis zehn Jahre)

3. Anzahl der einzubeziehenden Variablen:

einfache oder multiple Prognosetechniken

4. Art der zugrundeliegenden erklärenden Faktoren:

univariate (Zeitreihen) oder multivariate Prognoseverfahren

5. Art der Vorhersage:

quantitative oder qualitative Prognosetechniken

3 Welche Prognosemodelle sind für den Retail Property Sector künftig besonders interessant?

Auf Grundlage der State of the Art soll durch eigene Untersuchungen herausgefunden werden, welche Art von Prognosen für den Retail Property Sector besonders geeignet sind. Anschließend werden zwei geeignete Methoden exemplarisch vorgestellt. Zuletzt wird überprüft, ob Unternehmen des Retail Property Sectors diese Modelle nutzen oder kennen.

3.1 Nähere Beleuchtung des derzeitigen Forschungsstandes

3.1.1 Endogene und exogene Einflussfaktoren auf den Einzelhandel

Stauch identifizierte folgende, den Einzelhandel beeinflussenden Bestimmungsfaktoren:

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1: Exogene und endogene Einflussfaktoren auf den Einzelhandel^[20]

Von all diesen aufgeführten Faktoren können nur die Wohnbevölkerung und der private Konsum quantitativ gemessen werden. Eine Erfassung und Veröffentlichung der entsprechenden Werte erfolgt über das Statistische Bundesamt.

Die Wohnbevölkerung ist von Bedeutung, wenn man den mengenmäßigen Absatz von Gütern bestimmen will und die Erwerbstätigenstruktur im Einzelhandel untersucht. Der private Konsum steckt nicht nur den wertmäßigen Rahmen der einzelhandelsrelevanten Nachfrage ab, sondern nimmt auch Einfluss auf die gesamte Konsumstruktur.

Aber der wichtigste Einflussfaktor für den Einzelhandel, und damit auch den Retail Property Sector, ist und bleibt der Kunde selbst. Ihn und seine Wünsche zu verstehen, ist die Hauptaufgabe der Einzelhändler. Es nützt nichts, ein komplett neues Produkt oder ein Shoppingcenter zu kreieren, wenn die Kunden aufgrund starker Antipathie dieses Produkt nicht kaufen oder das Shoppingcenter meiden. Die Wünsche und Vorstellungen der Konsumenten können allerdings nicht quantitativ bestimmt werden, dazu benötigt man eine andere Methodik – die qualitative Prognose.

3.1.2 Vergleich von Prognosen und der tatsächlichen Entwicklung

Bruno Tietz versuchte 1992, basierend auf den Daten einer Untersuchung des Handelsinstituts im Institut für empirische Wirtschaftsforschung an der Universität des Saarlandes, die Einzelhandelsperspektiven für die Bundesrepublik Deutschland bis zum Jahr 2010 zu prognostizieren. Hierfür wurde die Methode der exponentiellen Regression verwendet. Nachfolgend wird untersucht, ob die Prognosen die Wirklichkeit widerspiegeln oder nicht:

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2: Vergleich Bruttosozialprodukt: Prognose vs. Wirklichkeit^[21]

Das Bruttosozialprodukt wird heute Bruttonationaleinkommen genannt. Es ist eine Größe der Volkswirtschaftlichen Gesamtrechnung und gibt den Wert der wirtschaftlichen Leistung aller Inländer an.^[22]

Abbildung 2 verdeutlicht, dass die damals prognostizierten Werte sehr deutlich die langfristige reale Entwicklung überschreiten. Bis zum Jahr 1995 wurden die Werte relativ genau vorhergesagt, längerfristig versagt die Methode der quantitativen Prognose.

Das Bruttonationaleinkommen gibt einen groben Überblick über die Entwicklung des Wohlstandes der Bevölkerung. Für den Einzelhandel ist allerdings die Entwicklung des Konsums von viel größerer Bedeutung:

Abbildung in dieser Leseprobe nicht enthalten

Abb. 3: Vergleich Konsum: Prognose vs. Wirklichkeit^[23]

Auf Grundlage des Konsums kann die einzelhandelsrelevante Kaufkraft berechnet werden, die angibt, wie viel Kaufkraft für Ausgaben im Einzelhandel zur Verfügung stehen. Dies ist Grundvoraussetzung zur Ermittlung von Zentralitätskennziffern.^[24] Städte mit einer Zentralitätskennziffer über 100 haben eine hohe Einkaufsattraktivität und binden Kaufkraft der eigenen und benachbarten Gemeinden. Diese Städte oder Gemeinden sind besonders interessant für Neuengagements der einzelhandelsbezogenen Immobilienwirtschaft.

Abbildung 3 verdeutlicht, dass die Prognosen von Tietz nicht der tatsächlichen Entwicklung entsprechen, also auch in diesem Fall eine quantitative Methode nicht der richtige Ansatz für eine Vorhersage ist.

Da die Volkswirtschaftliche Gesamtrechnung im Laufe der Jahre hinsichtlich ihrer Methodik und Daten mehrmals angepasst wurde^[25], unterscheiden sich die Startwerte von Prognose und Realität in den beiden Diagrammen. Die Differenz beim Konsum war signifikant und wurde für eine bessere Vergleichbarkeit manuell angepasst (Verschiebung der Trendlinie nach oben). Die Werte der Jahre 2009 und 2010 wurden mit Hilfe von Microsoft Excel beim Bruttonationaleinkommen als exponentieller und beim Konsum als linearer Trend geschätzt.

[...]

---

^[1] Frankfurter Allgemeine Sonntagszeitung vom 17.05.2009, S.35.

^[2] Frankfurter Allgemeine Sonntagszeitung vom 03.05.2009, S.51.

^[3] Stauch (1972), S. 129.

^[4] Krulis-Randa (1979), S. 80.

^[5] Hartmann (1992), S. 46, 200.

^[6] Eggert (2001), S. 28.

^[7] Autoregressive Integrated Moving Average.

^[8] Stevenson (2007), S. 1, 6, 17.

^[9] Generalized Autoregressive Conditional Heteroscedasticity.

^[10] Bönner (2009), S. 14.

^[11] Fürst (2006), S. 8.

^[12] Fürst/ Subroweit/ Werling (2009), S.11.

^[13] AllBusiness (2009).

^[14] Paul (2005), S. 235.

^[15] Pepels (2008), S. 140.

^[16] Fürst/ Subroweit/ Werling (2009), S.11.

^[17] Pepels (2008), S. 156.

^[18] Hartmann (1992), S. 197 ff.

^[19] Pepels (2008), S. 147.

^[20] Quelle: eigene Darstellung auf Basis von Stauch (1972), S. 168 f.

^[21] Quelle: eigene Darstellung auf Basis von Tietz (1992, S. 178), Statistisches Bundesamt (2008), S.1.

^[22] Gesundheitsberichterstattung des Bundes (2009).

^[23] Quelle: eigene Darstellung auf Basis von Tietz (1992, S. 178), Statistisches Bundesamt (2008), S.1.

^[24] MB Research (2008), S. 1.

^[25] Statistisches Bundesamt (2007), S. 39 f.