Show Less
Open access

Bankertrag und Bevölkerungsdynamik

Eine empirische Untersuchung für deutsche Sparkassen

Series:

Marco Oestmann

Diese Arbeit beschäftigt sich mit den quantitativen Auswirkungen des demographischen Wandels auf die zukünftige Ertragslage der deutschen Sparkassen. Hierzu wird ein mikroökonometrisch fundiertes Simulationsmodell genutzt, in das neben offiziellen Bevölkerungsprognosen ein neuartiger, detaillierter Datensatz von knapp 2,5 Millionen Kunden elf deutscher Sparkassen einfließt. Für verschiedene Szenarien werden aus dem Modell Prognosen der Kunden- und Ertragsentwicklung für den deutschen Sparkassensektor bis 2025 auf NUTS II-Ebene abgeleitet. Die Ergebnisse deuten darauf hin, dass für den Sparkassensektor insgesamt eine recht stabile Ertragssituation zu erwarten ist. Für einige Regionen, insbesondere in Ostdeutschland, ergibt sich dagegen eine existenzgefährdende Ertragserosion.
Show Summary Details
Open access

1 Einleitung

| 1 →

1 Einleitung

1.1 Motivation und Konzeption der Untersuchung

Der demographische Wandel, charakterisiert durch Verschiebung der Altersstruktur und Rückgang der Bevölkerung in der Mehrzahl der deutschen Regionen, wird in naher Zukunft zu dramatischen Veränderungen in allen Bereichen des Wirtschaftslebens führen. Bislang standen dabei vor allen Dingen die makroökonomischen Auswirkungen auf die sozialen Sicherungssysteme und die Arbeits- und Kapitalmärkte im Mittelpunkt der wissenschaftlichen Analyse und öffentlichen Diskussion. Die erwartete Bevölkerungsdynamik wird jedoch auch erhebliche mikroökonomische Konsequenzen für einzelne Unternehmen und Branchen haben, die bislang kaum untersucht wurden.

So steht auch der volkswirtschaftlich bedeutende Bankensektor, der hier analysiert werden soll, vor erheblichen demographisch induzierten Herausforderungen. Zum einen werden in den meisten Regionen Schrumpfungsprozesse das absolute Potential an (Neu-) Kunden und damit auch das Ertragspotential der Kreditinstitute senken. Zum anderen hängt der Ertrag pro Kunde stark vom Alter ab. Durch die veränderte Bevölkerungsstruktur ist insofern ein Einfluss auf die Ertragssituation der Kreditinstitute zu erwarten. Dies gilt insbesondere für regional tätige Banken, wie Sparkassen oder Genossenschaftsbanken, die stark von der demographischen Entwicklung in ihrem Geschäftsgebiet abhängig sind. Aber auch für national tätige Banken, die demographische Auswirkungen besser kompensieren können (z.B. durch Fokussierung auf bestimmte Regionen oder Internationalisierung), oder für regional agierende Banken in wachsenden Regionen ist es von großem Interesse, die Einflüsse der demographischen Veränderungen auf ihr Geschäft zu prognostizieren.

Bislang ist jedoch vollkommen unklar, welche Konsequenzen sich aus der zukünftigen Bevölkerungsdynamik für Banken und deren Ertragslage ergeben. Die vorliegende Arbeit soll helfen, diese Lücke zu schließen, indem die regionalen und altersspezifischen Ertragswirkungen einer sich ändernden Bevölkerungs- und Kundenstruktur quantifiziert werden. Diese Analyse kann dann anschließend die Grundlage adäquater strategischer Reaktionen sein.

Der Untersuchungsansatz fokussiert sich dabei auf das Privatkundengeschäft der Sparkassen, da im Retailbanking die demographischen Auswirkungen am ← 1 | 2 → deutlichsten spürbar sein werden und Sparkassen in diesem Segment über die größte Bedeutung, d.h. eine Art Marktführerschaft verfügen. Zudem können sie, bedingt durch ihren öffentlichen Auftrag und das Regionalprinzip, das ihre Geschäftstätigkeit prinzipiell auf das Gebiet ihres Trägers begrenzt (Abschnitt 2.1.5.1), den demographischen Prozessen nur sehr eingeschränkt ausweichen.

Neben der mikroökonomischen, betriebswirtschaftlichen Untersuchung einzelner Banken, die hier für elf Sparkassen durchgeführt wird, enthält die vorliegende Arbeit auch eine Hochrechnung und Prognose für den gesamten Sparkassensektor. Diese Analyse auf volkswirtschaftlicher Ebene ist wichtig, da potentielle, demographisch bedingte Einflüsse auf die Ertragslage auch Auswirkungen auf die Finanzmarktstabilität, die Kreditvergabe und damit die wirtschaftliche Entwicklung insgesamt haben können. Basis der Analyse sind dabei insgesamt knapp 2,5 Millionen detaillierte Kundendatensätze, die von den untersuchten Sparkassen zur Verfügung gestellt wurden. Die Datensätze enthalten neben dem Deckungsbeitrag, den die Sparkasse mit dem Kunden generiert hat, Informationen zu den individuellen Anlage- und Kreditvolumina, aber auch zu soziodemographischen Kriterien wie Einkommen, Alter und Wohnort.

Zur Durchführung der Untersuchung auf Bankebene wurde ein neuartiges Simulationsmodell für Banken entwickelt, mit dem es möglich ist, die Kundenbasis und Ertragskraft im Privatkundengeschäft über den Zeitraum bis 2020/2025 zu prognostizieren.1 Das Simulationsmodell ist dabei wegen der Verfügbarkeit und Validität von regionalen Bevölkerungsprognosen für einen mittelfristigen Prognosezeitraum von 10-15 Jahren ausgelegt und wurde bereits in wissenschaftlich-strategischen Kooperationen erfolgreich in der Praxis erprobt.

Die Analyse wird dabei in drei Schritten durchgeführt. In einem ersten Schritt wird mit Hilfe einer Regressionsanalyse unter Verwendung der Kundendaten für ein Basisjahr untersucht, welche kundenindividuellen Faktoren (z.B. Wohnort, Alter, Geschlecht, Einkommen, Produktportfolio, etc.) auf den Ertrag, gemessen durch den Deckungsbeitrag II (DB II), wirken und wie groß diese Effekte sind. In einem zweiten Schritt wird mittels offizieller Bevölkerungsprognosen der Statistischen Landesämter oder des Bundesamtes für Bauwesen und Raumordnung (BBR) und Annahmen über die Entwicklung der erwarteten Wettbewerbssituation die zukünftige Kundenstruktur bis zum Jahr 2020/2025 prognostiziert. Die Analyse findet dabei für drei Szenarien statt, um neben den ← 2 | 3 → reinen demographischen Einflüssen (Szenario I), zusätzlich auch Effekte eines zunehmenden Wettbewerbs (Szenario II) und einer steigenden Preissensitivität der Kunden (Szenario III) zu modellieren.

Für jedes Szenario wird anschließend für den Zeitraum bis 2020/2025 ermittelt, wie viele Kunden die untersuchte Bank voraussichtlich in jeder Altersklasse und jeder Untersuchungsregion (z.B. Kreise) ihres Geschäftsgebiets haben wird. Mit Hilfe der in der Regression ermittelten, ertragsrelevanten Eigenschaften kann dann in einem dritten Schritt durch Nutzung des Simulationsmodells prognostiziert werden, welcher Ertrag sich in den einzelnen Szenarien aus der zukünftigen Kundenstruktur ergibt und wie sich der Deckungsbeitrag über den Untersuchungszeitraum entwickeln wird.

Mit Hilfe der vorliegenden Informationen für die elf Sparkassen wird im Anschluss unter Verwendung der oben skizzierten Methodik in einer Art Hochrechnung die Kunden- und Ertragsentwicklung für die 39 deutschen NUTS II-Regionen2 prognostiziert. Durch Aggregation dieser Ergebnisse können abschließend Aussagen für den gesamten deutschen Sparkassensektor abgeleitet werden. Im relevantesten Szenario 3 verlieren besonders die ostdeutschen Sparkassen bis 2025 erheblich an Ertragskraft (-18%). Für den Sparkassensektor als Ganzes ergibt sich ein moderater Rückgang von gut 3%. Betrachtet man regionale Auswirkungen, so existieren Regionen wie Sachsen-Anhalt oder der Regierungsbezirk Chemnitz, in denen fast ein Viertel des Sparkassenertrags wegbrechen.

1.2 Aufbau der Untersuchung

Die vorliegende Arbeit ist dabei wie folgt aufgebaut. Im folgenden Kapitel 2 wird zunächst der Untersuchungsgegenstand „Sparkasse“ näher beleuchtet, um die institutionellen Besonderheiten und spezifischen Charakteristika (Kapitel 2.1), sowie die Rolle und Bedeutung im deutschen Bankenmarkt herauszuarbeiten (Abschnitt 2.2). Im Anschluss (Sektion 3) erfolgt ein Literaturüberblick zum ← 3 | 4 → Themenkomplex „Banken und Demographischer Wandel“, der wie das Kapitel 2 dazu dient, die Relevanz der vorliegenden Untersuchung zu unterstreichen und einzuordnen. Im folgenden Kapitel 4 wird dann die Untersuchungsmethodik im Detail beschrieben. Dies betrifft zum einen die Vorgehensweise bei der Untersuchung der einzelnen Sparkassen (Fallstudien) und zum anderen die Methodik der darauf aufbauenden Hochrechnung für den Sparkassensektor. Der sich anschließende Hauptteil der Arbeit (Kapitel 5 bis 8), lehnt sich prinzipiell an die oben beschriebenen drei Schritte zur Ertragsprognose an. Bevor in Kapitel 6 die Determinanten des Bankertrags (Schritt 1) untersucht werden, wird in Abschnitt 5 die zu Grunde gelegte Datenbasis näher charakterisiert. Dies betrifft die Kundendatensätze der elf Sparkassen (Abschnitt 5.1) und zum anderen die verwendeten Bevölkerungsvorausberechnungen (Kapitel 5.2). Abschnitt 7 widmet sich dann den Ergebnissen der Kundenprognose (Schritt 2) für die Szenarien I und II, die hier im Detail vorgestellt werden. In Sektion 7.1 werden die Ergebnisse der Analyse für die einzelnen Banken präsentiert, Sektion 7.2 enthält die Resultate für den Sparkassensektor. In Abschnitt 8 werden darauf aufbauend die Ergebnisse der beiden ersten Schritte zusammengefügt, um zur Ertragsprognose zu gelangen (Schritt 3). Wie bei der Kundenprognose, werden die Ergebnisse für die bankenindividuelle Analyse und die Hochrechnung separat dargestellt (Abschnitte 8.1 bzw. 8.2). Kapitel 8.3 beschließt den Hauptteil der Arbeit. Hier wird das angesprochene Szenario III, in dem eine zunehmende Preissensitivität der Kunden modelliert wird, vorgestellt und analysiert. Abschnitt 9 fasst die wesentlichen Ergebnisse der Arbeit zusammen und gibt einen Ausblick auf mögliche Erweiterungen.

1 Die Länge des Prognosehorizonts hängt dabei grundsätzlich von der Verfügbarkeit entsprechender Bevölkerungsprognosen ab.

2 NUTS (Nomenclature des unités territoriales statistiques) ist eine hierarchische Systematik zur eindeutigen Identifizierung und Klassifizierung der räumlichen Bezugseinheiten der amtlichen Statistik in den Mitgliedstaaten der Europäischen Union. Die NUTS II-Regionen entsprechen in Deutschland dabei im Wesentlichen den aktuellen oder ehemaligen Bezirken der deutschen Bundesländer.