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

8 Prognose der Ertragsentwicklung

| 179 →

8 Prognose der Ertragsentwicklung

8.1 Untersuchung auf Sparkassenebene bis 2020

8.1.1 Methodische Vorüberlegungen

Im letzten Arbeitsschritt werden die Erkenntnisse der Regressionsanalyse (Abschnitt 6) und der Kundenprognose (Abschnitt 7) kombiniert, um Prognosen für die Ertragsentwicklung der einzelnen Sparkassen zu ermitteln. Ausgangspunkt der Ertragsprognose für die einzelnen Sparkassen ist dabei Generierung von repräsentativen Kunden für jede Altersklasse in jeder Untersuchungsregion, d.h. in jedem Kreis des Geschäftsgebiets. Angenommen wird dabei, dass diese repräsentativen Durchschnittskunden die Eigenschaften der jeweiligen regionalen Altersklasse, z.B. hinsichtlich Einkommen oder Anlage- und Kreditvolumina, adäquat abbilden. Für jeden repräsentativen Kunden kann dann anschließend ein zu erwartender Deckungsbeitrag ermittelt werden. Hierzu wird das in Abschnitt 6 vorgestellte Verfahren genutzt, das es erlaubt, den prognostizierten Deckungsbeitrag für einen fiktiven Sparkassenkunden zu ermitteln. Auf Basis der Regressionsergebnisse für die einzelnen Sparkassen kann so für jeden repräsentativen Kunden im Referenzjahr der erwartete Deckungsbeitrag II, wie dort exemplarisch gezeigt, berechnet werden.

Um den erwarteten Deckungsbeitrag eines repräsentativen Kunden berechnen zu können, müssen seine ertragsgenerierenden Charakteristika bekannt sein. Es handelt sich hierbei um diejenigen Variablen, die im Rahmen des ersten Arbeitsschritts mit Hilfe der Regressionsanalyse als signifikante Determinanten des DB II identifiziert wurden. Hierzu wird aus dem Datensatz für das Referenzjahr für jede Altersgruppe von 0 bis 85+ in jedem Kreis des Geschäftsgebiets der untersuchten Sparkasse die durchschnittliche Ausprägung der relevanten Variablen, also z.B. die durchschnittlichen Sichteinlagen der 25-Jährigen Bankkunden in einer bestimmten Region, berechnet.126 Neben den durchschnittlichen Einkommens-, Anlage- und Kreditvolumina, werden dabei für die Eigenschaftsvariablen „Transfereinkommen“ und „Girokonto“ in jeder Region für die einzelnen Altersklassen durchschnittliche Transfereinkommensquoten bzw. Girokontenquoten ← 179 | 180 → ermittelt. Da in der Regel auch das Alter einen isolierten Effekt auf den Ertrag besitzt, müssen in den einzelnen Altersgruppen zusätzlich die Altersdummies berücksichtigt werden. Hier wird der mit der Altersklasse korrespondierende Altersdummy auf eins gesetzt, alle andern nehmen den Wert Null an. Sollten zusätzlich Wohnorteffekte eine Rolle spielen, d.h. entsprechende Wohnortdummies signifikant sein, wird allen repräsentativen Kunden, die im entsprechenden Kreis wohnen, für diese Variable eine 1 zugewiesen. Alle anderen Wohnortvariablen nehmen den Wert Null an. Im Ergebnis erhält man auf diesem Wege für jede Altersklasse und Region die repräsentativen Kunden mit ihren spezifischen Charakteristika.127

Sollte sich für eine Analyse die Dummyvariable D_sex als signifikant herausstellen, ist eine Unterscheidung nach Geschlecht notwendig. In diesem Fall müssen männliche und weibliche repräsentative Kunden kreiert werden, wobei für letztere zusätzlich die Dummyvariable Geschlecht auf den Wert 1 gesetzt wird.

Prognose der ertragsgenerierenden Eigenschaften

Die kundenspezifischen Ausprägungen der ertragsgenerierenden Eigenschaften sind lediglich für das Ausgangsjahr 2006 bzw. 2007 bekannt, nicht aber für die Prognosejahre 2007/2008 bis 2020. Um jedem repräsentativen Kunden auch für die Prognosejahre die Merkmale adäquat zuweisen und so den zu erwartenden DB II errechnen zu können, müssen für die Ertragsprognose Annahmen getroffen werden, wie sich diese Eigenschaften über den Lebenszyklus der repräsentativen Kunden entwickeln.

In Ermangelung besserer Informationen wird für den Untersuchungszeitraum angenommen, dass sich die ermittelten Eigenschaften der repräsentativen Kunden in jeder Altersklasse und Region nicht über den Prognosezeitraum verändern. So wird unterstellt, dass beispielsweise ein durchschnittlicher 25-Jähriger Kunde im Jahr 2020 bspw. eine identische Portfoliostruktur besitzt wie zum Ausgangszeitpunkt. Für die Entwicklung der Eigenschaften über den Lebenszyklus bedeutet diese Annahme, dass sich die durchschnittlichen Anlage- und Kreditvolumina im Längsschnitt so entwickeln, wie sich dies im Querschnitt des Basisjahres manifestiert. ← 180 | 181 →

Aus dem zweiten Arbeitsschritt, der Kundenprognose, ist zusätzlich für jedes Szenario bekannt, mit wie vielen Kunden in jeder Altersklasse in jeder Region des Geschäftsgebiets bis zum Jahr 2020 zu rechnen ist. Um den gesamten Deckungsbeitrag einer Sparkasse für ein beliebiges Prognosejahr zu errechnen, wird deshalb der DB II der repräsentativen Kunden für jede Altersklasse mit der Anzahl der in jedem Szenario zu erwartenden Kunden der Sparkassen multipliziert und über die Altersklassen aufsummiert.128

Formale Darstellung

Wie bei der Kundenprognose kann das Vorgehen bei der Ertragsprognose auch formal in Vektor- bzw. Matrixschreibweise dargestellt werden. Ausgangspunkte sind hierbei der Koeffizientenvektor und die Eigenschaftsmatrix E. Der Vektor enthält dabei die in der Regressionsanalyse ermittelten Koeffizienten mit einem Mindestsignifikanzniveau von 10%. Dementsprechend hat die Dimension 1 x e, wobei e die Anzahl der signifikanten Koeffizienten beschreibt.

Die Eigenschaftsmatrix E beinhaltet die Ausprägungen der den (signifikanten) Koeffizienten zugehörigen Variablen, d.h. in E werden die zugehörigen Eigenschaften der repräsentativen Kunden für jede Altersklasse in jeder Untersuchungsregion zusammengefasst. Da unterstellt wird, dass sich die Eigenschaften der repräsentativen Kunden über den Lebenszyklus im Prognosezeitraum so verändern, wie im Querschnitt des Referenzjahres ermittelt, verändert sich die Eigenschaftsmatrix E nicht über den Prognosehorizont. Die Dimension der Matrix E ist gegeben durch die Anzahl der Kreise r, die Anzahl der Altersgruppen a und die Anzahl der relevanten ertragsgenerierenden Koeffizienten e: (ra) x e. Besitzt das Alter oder der Wohnort zusätzlich einen isolierten Effekt auf den Ertrag, d.h. liegen signifikante Alters- oder Wohnortdummies vor, so muss die Matrix entsprechend um 0/1-kodierte Alters- bzw. Wohnortvariablen erweitert werden. Multipliziert man die Eigenschaftsmatrix E mit dem transponierten Koeffizientenvektor T, so ergibt sich der Vektor , der die prognostizierten Erträge für die repräsentativen Kunden in jeder Altersklasse in jedem Kreis enthält:

Illustration

← 181 | 182 →

Da unterstellt wird, dass sich die Eigenschaften der repräsentativen Kunden in jeder Altersklasse über den Zeitablauf nicht verändern129 kann mit Hilfe des Ertragsvektors eine Hilfsmatrix R konstruiert werden, die genau t identische Spaltenvektoren enthält, wobei t die Länge des Prognosehorizonts in Jahren beschreibt. R weist somit die Dimension (r a) x t auf:

Illustration

Zur Ableitung der Ertragsmatrix P („Profitability“), in der die zu erwartenden Deckungsbeiträge jeder Altersklasse in jeder Region für jedes Jahr des Prognosehorizonts zusammengefasst sind, wird im letzten Schritt die Ertragsmatrix der repräsentativen Kunden R elementweise mit den korrespondierenden Elementen der Kundenmatrix KI (Szenario I) bzw. KII (Szenario II), die die zukünftigen Kundenzahlen in jeder Altersklasse und Region enthalten, multipliziert:

Illustration

Analog zur Kundenprognose kann aus der Ertragsmatrix P der zu erwartende Deckungsbeitrag in den einzelnen Prognosejahren durch spaltenweise Summation über alle Altersklassen und Kreise ermittelt werden. Teilergebnisse für einzelne Kreise oder spezielle Altersgruppen ergeben sich entsprechend durch partielle Aggregation.

8.1.2 Koeffizientenvektor

Zur Generierung von Ertragsprognosen für die elf Sparkassen müssen geeignete Koeffizientenvektoren ausgewählt werden. Es bieten sich hier grundsätzlich zwei Möglichkeiten an. Die erste besteht darin, für jede Sparkasse die Schätzergebnisse heranzuziehen, die sich aus ihrem eigenen Kundendatensatz ergeben. ← 182 | 183 → Die zweite Option ist für einzelne Sparkassen oder Gruppen von Sparkassen einen gemeinsamen Koeffizientenvektor zu verwenden, der aus der Schätzung aggregierter Datensätze stammt.130 Im ersten Fall wird den individuellen Charakteristika der Sparkasse besser Rechnung getragen, im zweiten Fall sind die Ergebnisse zwischen den Sparkassen besser vergleichbar. Die Auswahl der Vektoren sollte dabei nach Homogenitätsgrad der Sparkassen und Untersuchungsfokus erfolgen. Da, wie in Abschnitt 6.2 gezeigt wurde, die Schätzergebnisse der ostdeutschen Sparkassen sehr ähnlich sind, wurden für die ostdeutschen Institute die Regressionsergebnisse der Schätzung I des aggregierten ostdeutschen Datensatzes verwendet.131 Für die westdeutschen Sparkassen stellt sich das Bild etwas anders dar. Hier muss den individuellen Besonderheiten mehr Rechnung getragen werden, indem für jede Sparkasse die eigenen Schätzergebnisse verwendet werden. Sensitivitätsanalysen zeigen, dass für die ostdeutschen Banken lediglich geringe Abweichungen in den Prognoseergebnissen entstehen, wenn die individuellen Vektoren verwendet werden. Für Westdeutschland resultieren bei Verwendung der Vektoren aus Schätzung II jedoch insbesondere für die Sparkasse 11 erhebliche Unterschiede in den projezierten Erträgen. Aufgrund dieser Heterogenität scheint es hier angebracht, keine gemeinsamen Koeffizientenvektoren zu verwenden.

8.1.3 Eigenschaftsmatrix und erwarteter Ertrag der repräsentativen Kunden

Nachdem die Koeffizientenvektoren mit den entsprechenden ertragsgenerierenden Faktoren und Einflüssen auf den Ertrag ausgewählt wurden, müssen im nächsten Schritt die Charakteristika der repräsentativen Kunden hinsichtlich der relevanten Faktoren ermittelt werden. Formal gesprochen muss die Matrix der ertragsgenierenden Eigenschaften E konstruiert werden. Wie aus den methodischen Vorüberlegungen deutlich wurde, werden hierzu die alters- und kreisspezifischen Durchschnittswerte der Sparkassen verwendet. Es wird angenommen, dass diese Mittelwerte in den Altersklassen und Regionen über den Vorhersagezeitraum konstant bleiben. Auf eine Darstellung der Durchschnittsportfolios wird der Übersichtlichkeit halber verzichtet. ← 183 | 184 →

Im nächsten Schritt wird für jede Sparkasse der zugrunde gelegte Koeffizientenvektor mit der Eigenschaftsmatrix E kombiniert, d.h. man berechnet die erwarteten Erträge der repräsentativen Kunden in jeder Altersklasse und Region. Stellvertretend für die Vielzahl der prognostizierten Ertragsstrukturen in den Kreisen der Geschäftsgebiete werden in Abbildung 36 die Ergebnisse für zwei ausgewählte Kreise der Sparkasse 11 exemplarisch dargestellt.

In beiden Kreisen ergeben sich prognostizierte Erträge, die -wie die realen Deckungsbeiträge im Ausgangsjahr- mit dem Alter deutlich ansteigen. Dieser Zusammenhang ist für alle Sparkassen in allen Kreisen festzustellen und besitzt für die nachfolgende Ertragsprognose elementare Bedeutung.

Illustration

Abbildung 36: Erwarteter Ertrag der repräsentativen Kunden, Sparkasse 11 (jährliche Altersklassen, ausgewählte Kreise des Geschäftsgebiets, in €) ; Quelle: eigene Berechnungen← 184 | 185 →

8.1.4 Prognose der Ertragsentwicklung bis 2020

Um eine quantitative Prognose für die Ertragsentwicklung zu gewinnen, müssen abschließend die erwarteten Erträge der repräsentativen Kunden in jeder Altersklasse und Region mit den entsprechenden erwarteten Kundenzahlen multipliziert werden. Da die erwarteten Kundenzahlen in beiden Szenarien unterschiedlich sind, ergeben sich für beide Situationen unterschiedliche Ertragsprognosen, die in den Ertragsmatrizen PI (Szenario I) bzw. PII, die (Szenario II) enthalten sind.

Durch spaltenweise Aggregation der Ergebnisse über die Altersklassen für jeden Landkreis des Geschäftsgebiets erhält man die Ertragsprognose für jede Sparkasse und für jedes Prognosejahr. In der Abbildung 37 und der Abbildung 38 (Szenario I) bzw. in der Abbildung 39 und Abbildung 40 (Szenario II) sind die Ergebnisse für beide Szenarien über den Zeitraum 2007 bis 2020 für die jeweiligen Geschäftsgebiete graphisch dargestellt. Wie bei der Kundenprognose erläutert, liegen nur innerhalb dieser Periode für alle untersuchten Sparkassen entsprechende Prognoseergebnisse für den DB II vor.

Um eine bessere Übersichtlichkeit zu gewährleisten, wurde die bei der Kundenprognose vorgenommene Unterteilung der Sparkassen nach demographischer Entwicklung in zwei Gruppen beibehalten.

8.1.4.1 Szenario I: Demographie (Benchmark)

Legt man die oben skizzierten Annahmen zugrunde, ergibt sich für die westdeutschen und großen ostdeutschen Sparkassen (Gruppe 1) im demographischen Benchmarkszenario I eine prognostizierte Entwicklung des DB II bis 2020, die in Abbildung 37 zusammenfassend dargestellt ist.

Für die großen städtischen Sparkassen zeigt sich in Szenario I eine relativ homogene Entwicklung. Alle drei Banken können unter den getroffenen Annahmen ihren Ertrag über den Prognosezeitraum stetig steigern. Bis zum Jahr 2020 ergibt sich hierbei ein deutlicher Anstieg im Vergleich zum Jahr 2007 von 7,4% (Bank 2 und 11) und 8,3% (Bank 5). Bei den beiden kleineren Sparkassen 9 und 10 wächst der DB II zwar ebenfalls, die Veränderung fällt aber wesentlich kleiner aus (Bank 9: +1,0%; Bank 10: +3,0%). Im Vergleich zur Kundenentwicklung ← 185 | 186 → ist bemerkenswert, dass alle Sparkassen, auch wenn sie mit Kundenverlusten (wie die Banken 2, 5, 9 und 10) rechnen müssen, ihre zukünftige Ertragskraft ausbauen können. Auffällig ist besonders das gute Ergebnis der beiden großen ostdeutschen Sparkassen, die über eine ähnliche Kundenentwicklung wie die kleine Sparkasse 10 im Bereich von -3% verfügen, ihren Ertrag jedoch deutlich stärker steigern können.

Illustration

Abbildung 37: Ertragsprognose für die westdeutschen und großen ostdeutschen Sparkassen (Szenario I, Geschäftsgebiet, 2007-2020); Quelle: eigene Berechnungen

An dieser Stelle zeigt sich der Einfluss der zukünftigen Kundenstruktur. Wie Tabelle 17 belegt, besitzen die ostdeutschen Sparkassen bereits in der Ausgangssituation eine Kundenbasis mit deutlich höherem Durchschnittsalter, das zudem stärker ansteigt. Da der Ertrag positiv mit dem Alter korreliert ist, steigt der zukünftige DB II bei einer ähnlichen Entwicklung der absoluten Kundenbasis in diesen Regionen deutlich stärker an. Dieser Struktureffekt ist letztlich so groß, dass die Sparkasse 5 sogar die Sparkasse 11 mit der besten Entwicklung der absoluten Kundenzahlen (+2,9%) in Hinblick auf die zukünftigen Erträge überflügeln kann. ← 186 | 187 →

Für die kleineren ostdeutschen Institute (Gruppe 2) stellt sich die Situation bei der Ertragsprognose ebenfalls wesentlich besser dar, als aufgrund der Kundenprognose vermutet werden konnte. Wie Abbildung 38 illustriert, ergibt sich trotz der teils massiven Schrumpfungsprozesse für alle Sparkassen eine stabile Ertragsentwicklung, die bis 2020 im Bereich von 1,1% (Bank 7) bis -2,0% (Bank 8) liegt. Die Prognose der besten Bank 7 ähnelt dabei qualitativ und quantitativ den Ergebnissen der schlechtesten Bank aus Gruppe 1 (Bank 9).

Illustration

Abbildung 38: Ertragsprognose für kleine und mittlere ostdeutsche Sparkassen (Szenario I, Geschäftsgebiet, 2007-2020); Quelle: eigene Darstellung

Die im Vergleich zur Prognose der Kundenzahlen erheblich besseren Ergebnisse hinsichtlich der zukünftigen Ertragsstärke sind auf den oben angesprochenen Struktureffekt zurückzuführen, der den Potenzialeffekt sinkender Kundenzahlen kompensiert. Dieser Mechanismus, resultierend aus der starken Alterung und der wesentlich höheren Ertragskraft älterer Kunden, führt dazu, dass die beiden Banken mit dem stärksten Anstieg des Durchschnittsalters ihrer Kunden (Bank 6 und 7) innerhalb der Gruppe 2 am besten abschneiden und sogar mit einem leichtem Anstieg des Deckungsbeitrags rechnen können. Selbst für die Bank 1 mit einem Kundenverlust von fast 14% in Szenario I resultiert wegen der Alterungsdynamik lediglich ein marginaler Ertragsrückgang von 1,2 %. ← 187 | 188 →

8.1.4.2 Szenario II: Demographie und Wettbewerb

Sehen sich die Sparkassen im rein demographischen Szenario I einer positiven bzw. stabilen Ertragsentwicklung gegenüber, so zeigt sich in Szenario II, welche Rolle die Abschmelzung der Marktausschöpfung spielt. Kann die derzeitige Marktausschöpfung bei den älteren Kunden nicht gehalten werden, sinken zum einen die erwarteten Kundenzahlen was c.p. ertragssenkend wirkt. Zum andern verändert sich die Kundenstruktur im Vergleich zu Szenario I. Da insbesondere die ertragsstarken älteren Kundensegmente wegbrechen, ergeben sich hieraus ebenfalls negative Auswirkungen auf den zukünftigen Deckungsbeitrag. Wie Abbildung 39 für die Gruppe der großen ostdeutschen und der westdeutschen Sparkassen illustriert, schlagen sich beide Effekte deutlich in den Ertragsprognosen nieder.

Illustration

Abbildung 39: Ertragsprognose für die westdeutschen und großen ostdeutschen Sparkassen (Szenario II, Geschäftsgebiet, 2007-2020); Quelle: eigene Darstellung← 188 | 189 →

Im Gegensatz zu Szenario I sind jetzt bis 2020 nur noch bei den westdeutschen Instituten 10 und 11 steigende Deckungsbeiträge zu erwarten (1,6% bzw. 2,9%). Für die Banken 2, 5 und 9 ergeben sich dagegen sinkende prognostizierte Erträge im Bereich von 1,6% (Bank 5) bis 6,0% (Bank 2). Insgesamt fällt die prognostizierte Entwicklung wegen der dämpfenden Wirkung des Alterseffekts zwar deutlich besser aus als es eine naive Prognose anhand der Kundenzahlen erwarten lassen würde. Jedoch wirkt dieser Struktureffekt dem Potenzialeffekt nicht mehr so stark entgegen wie in Szenario I. Da die zukünftige Kundenbasis bei allen Sparkassen in Szenario II im Durchschnitt jünger ist, die Alterungsdynamik also schwächer ausfällt, profitieren die Sparkassen weniger von den ertragskräftigen älteren Kunden. Dies zeigt sich insbesondere bei den großen ostdeutschen Sparkassen 2 und 5. Die beiden Banken verlieren durch den Abbau ihrer starken Marktposition in den älteren Kundensegmenten erheblich mehr ertragsstarke Kunden als die westdeutschen Sparkassen, so dass die schwindende Kundenbasis die Ertragsprognose zunehmend dominiert und die Institute im Vergleich zu den westdeutschen Sparkassen zurückfallen. Im Gegensatz dazu ergibt sich beispielsweise bei Bank 10 eine gemäßigte (Kunden-) Alterungsdynamik, die sich in beiden Szenarien kaum unterscheidet. Folglich verliert sie im Vergleich zu Szenario I kaum an Ertragskraft.

Die für die Banken in Gruppe 1 wirkenden Mechanismen finden sich auch bei den kleinen und mittleren ostdeutschen Sparkassen (Gruppe 2) wieder. Wie zu erwarten, sinkt auch hier der Ertrag deutlich unterproportional zur Veränderung der Kundenzahl, d.h. der Altersstruktureffekt besitzt eine große Bedeutung, die jedoch auch hier zwangsläufig schwächer wirkt als in Szenario I. Wie Abbildung 40 verdeutlicht, sinken jetzt bis zum Endes des Jahres 2020 bei allen Sparkassen die prognostizierten Erträge aus dem Privatkundengeschäft spürbar, d.h. wesentlich stärker als im Status Quo-Szenario. Die geringsten projizierten Verluste ergeben sich für Bank 4 mit 6,3%, den stärksten Ertragseinbruch verzeichnet Bank 7 mit 11,9%.

Da alle Sparkassen der Gruppe 2 über ähnliche demographische Perspektiven verfügen und einen ähnlichen absoluten Kundenrückgang verzeichnen, können die Ertragsentwicklung in Szenario II und die resultierenden Unterschiede im Vergleich zu Szenario I insbesondere auf die variierende Bedeutung des Alterungseffekts zurückgeführt werden.

Die Relevanz der zukünftigen Kundenaltersstruktur manifestiert sich besonders bei den beiden Sparkassen 6 und 7, für die in Szenario I als einzige Institute ihrer Gruppe Ertragszuwächse prognostiziert wurden. Profitieren beide Banken ← 189 | 190 → in der Status Quo- Prognose von der stärksten Alterungsdynamik aller untersuchten Sparkassen,132 so altert die Kundenbasis in Szenario II bei Sparkasse 7 im Vergleich zu Sparkasse 6 deutlich langsamer. Der Anstieg des Durchschnittsalters beträgt hier nur 2,7 Jahre im Vergleich zu 3,9 Jahren bei Bank 6. Da zudem die Kunden der Sparkasse 7 bereits in der Ausgangssituation verhältnismäßig jung sind,133 fallen die dämpfenden Altersstruktureffekte (bei einem ähnlichen Potenzialeffekt) so klein aus, dass für Bank 7 die mit Abstand größten Ertragseinbrüche prognostiziert werden, wohingegen bei Bank 6 nur ein Rückgang in Höhe von 7,1% resultiert.

Illustration

Abbildung 40: Ertragsprognose für kleine und mittlere ostdeutsche Sparkassen (Szenario II, Geschäftsgebiet, 2007-2020); Quelle: eigene Darstellung← 190 | 191 →

8.1.5 Ergebnisübersicht und Zusammenfassung

Bei der Ertragsprognose, die die Ergebnisse der vorherigen Arbeitsschritte kombiniert, spielen zwei entgegengesetzt wirkende Mechanismen eine wesentliche Rolle. Zum einen existiert ein deutlich sichtbarer Potenzialeffekt: die aufgrund der demographischen Entwicklung zukünftig sinkenden Kundenzahlen führen c.p. zu einem Rückgang der prognostizierten Erträge. Demgegenüber steht die (überwiegend demographisch induzierte) Alterung der Kundenbasis, die c.p. ertragssteigernd wirkt. Dieser positive Altersstruktureffekt resultiert aus der Beobachtung, dass der erwartete pro Kopf-Ertrag bei allen Sparkassen deutlich mit dem Alter ansteigt. Die Stärke des Altersstruktureffekts hängt somit zum einen vom Ausmaß der Alterungsdynamik und zum anderen vom altersabhängigen Anstieg des erwarteten Deckungsbeitrags II der repräsentativen Kunden ab.134 Je stärker die Alterungsprozesse der Kundenbasis und je ertragskräftiger die Kunden im Alter sind, desto stärker wirkt auch der Altersstruktureffekt.135

Tabelle 19 fasst die Ergebnisse für die Sparkassen 1 bis 11 hinsichtlich der Entwicklung des DB II im Zeitraum 2007 bis 2020 für die beiden Szenarien zusammen und stellt sie der erwarteten Kundendynamik im Geschäftsgebiet gegenüber. Um den Einfluss der Szenarien auf die Ertragsentwicklung zu verdeutlichen, wurde abschließend die Differenz der Deckungsbeitragssumme zwischen Szenario I und II im Jahr 2020 (im Verhältnis zum Ausgangswert im Referenzjahr 2006/2007) aufgenommen.136← 191 | 192 →

Tabelle 19: Ertrags- und Kundenentwicklung in den Szenarien I und II (2007/2020) (Geschäftsgebiete, in %); Quelle: eigene Darstellung

Illustration

* Differenz der Deckungsbeitragssummen im Jahr 2020 zwischen Szenario I und Szenario II im Verhältnis zum DB II im Basisjahr 2006 bzw. 2007

Im Szenario I, also bei Annahme konstanter Marktausschöpfung, wirkt sich der demographische Wandel unter den getroffenen Annahmen überwiegend positiv auf die zu erwartenden Deckungsbeiträge aus. Die Prognose ergibt hier bei 7 von 11 Sparkassen einen Anstieg des DB II im Bereich von 0,2% (Bank 6) bis 8,3% (Bank 5). Der negative Effekt aus dem Rückgang der zu erwartenden Kundenzahlen (Potenzialeffekt) wird hier durch den Alterungseffekt und die daraus resultierenden höheren Pro-Kopf-Erträge deutlich überkompensiert.

Im realistischeren Szenario II büßen wegen der stärker sinkenden Kundenzahlen alle Institute an Ertragskraft ein. Zuwächse ergeben sich nur noch für die beiden westdeutschen Institute 10 und 11. Wie im Szenario I fällt die resultierende Ertragsentwicklung jedoch deutlich besser aus als die zugehörige Kundenentwicklung. Dem negativen Potenzialeffekt stehen hier ebenfalls die entgegengesetzten Ertragswirkungen der Alterung gegenüber, die jedoch im Vergleich zu Szenario I geringer ausfallen. ← 192 | 193 →

Die Veränderung des Struktureffekts kann isoliert werden, wenn man die Differenzen zwischen Szenario I und II hinsichtlich Kundenbasis und Ertrag vergleicht. Alle Sparkassen verlieren beim Übergang von Szenario I zu Szenario II an Kunden. Unter der Annahme, dass die Kundenaltersstruktur konstant bleibt, müssten sich quantitativ entsprechende Ertragswirkungen ergeben. Da die Erträge jedoch bei allen Sparkassen überproportional sinken, d.h. die Sparkassen beim Übergang von Szenario I auf II mehr Deckungsbeitrag verlieren als Kunden, müssen die zusätzlichen Effekte aus der Veränderung der zukünftigen Kundenaltersstruktur zwischen den beiden Szenarien resultieren.137

Auch wenn es wegen der Komplexität der Prognosemethodik und der Vielzahl der z.T. sparkassenspezifischen Determinanten zunehmend schwerer fällt, die Ergebnisse zu generalisieren, sind die demographischen Einflüsse auf die Ertragsentwicklung in beiden Szenarien nach wie vor deutlich zu erkennen. Die vorgenommenen Berechnungen wirken dabei wie ein zweiter Filter, der über die Kundenprognose gelegt wird. Da die sich durch diesen Filter ergebenden „Verzerrungen“ recht systematisch sind, spiegeln sich die treibenden Faktoren der Demographie über das Vehikel Kundenprognose auch in den projizierten Erträgen wider. Entscheidend für die zukünftigen Deckungsbeiträge ist neben der erwarteten Veränderung der absoluten Kundenzahlen insbesondere die Altersstruktur der Kunden. Konsequenterweise schneiden die westdeutschen Sparkassen auch bei der Ertragsprognose in der Regel besser ab als ihre ostdeutschen Schwesterinstitute. Ebenso ergibt sich tendenziell für städtische Sparkassen eine optimistischere Ertragsentwicklung als für Banken, die überwiegend im ländlichen Raum tätig sind. ← 193 | 194 →

8.2 Hochrechnung für Deutschland auf NUTS II-Ebene bis 2025

8.2.1 Methodische Vorüberlegungen

Im zweiten Teil der Ertragsprognose wird die in Abschnitt 8.1 eingehend charakterisierte Methodik genutzt, um die Entwicklung der Deckungsbeiträge für die NUTS II-Regionen zu prognostizieren138 und im Anschluss daran Ergebnisse für das gesamte Privatkundengeschäft der deutschen Sparkassen139 abzuleiten. Untersuchungsobjekt sind jetzt die 39 fiktiven Sparkassen, für die adäquate Koeffizientenvektoren ausgewählt und entsprechende Ertragsmatrizen auf Basis der vorliegenden Datensätze konstruiert werden müssen. Im Ergebnis erhält man für jede Sparkasse die erwarteten Erträge der repräsentativen Kunden in jeder Altersklasse, die mit den in Abschnitt 7.2.3 ermittelten Kundenzahlen für jede Region multipliziert werden, um eine Ertragsprognose auf Bezirksebene für die beiden Szenarien abzuleiten. Durch Aggregation werden analog zum Vorgehen bei der Kundenprognose abschließend Ergebnisse für den Sparkassensektor und die Teilgebiete Ost-/Westdeutschland berechnet.

Wie bei der Kundenprognose wird für jedes der 39 Institute eine separate Analyse für das Geschäftsgebiet vorgenommen, d.h. es werden Ertragsprognosen für die 86 Altersklassen der korrespondierenden NUTS II-Region abgeleitet. Formal gesprochen wird dabei, wie in Abschnitt 8.1.1 erläutert, die Kundenmatrix KI (Szenario I) bzw. KII (Szenario II) mit der Ertragsmatrix der repräsentativen Kunden R elementweise multipliziert140:

Illustration

K enthält dabei für jedes Prognosejahr die zukünftigen Kundenzahlen in jeder Altersklasse in der betrachteten NUTS II-Region. Die Matrix R wird gemäß dem bekannten Vorgehen mit Hilfe eines geeigneten Koeffizientenvektors ← 194 | 195 → und der Eigenschaftsmatrix E berechnet.141 Es ergibt sich die Matrix P, die für jedes Prognosejahr und jede Altersklasse die zukünftigen Deckungsbeiträge enthält. Die Matrizen haben dabei die Dimension a x t, wobei t, die Länge des Prognosehorizonts in Jahren, mit t = 19 (2007 bis 2025) gegeben ist. a, die Anzahl der Altersgruppen, ändert sich im Vergleich zur Analyse auf Sparkassenebene dagegen nicht (a = 86). Analog zur Kundenprognose kann aus der Ertragsmatrix P der zu erwartende Deckungsbeitrag in den einzelnen Prognosejahren durch spaltenweise Summation über alle Altersklassen ermittelt werden.

8.2.2 Koeffizientenvektor

Zur Generierung von Ertragsprognosen werden für die 39 Sparkassen adäquate Koeffizientenvektoren benötigt, die die signifikanten ertragsgenerierenden Eigenschaften und deren Wirkungen auf den Ertrag enthalten. Diese Vektoren spiegeln das Geschäftsmodell der Sparkassen wider, d.h. sie enthalten die relevanten Produkte und die „Margen“142 in den einzelnen Produktkategorien. Den fiktiven Sparkassen werden dabei Charakteristika zugewiesen, die aus den vorliegenden Datensätzen der elf realen Sparkassen gewonnen wurden.

Um die Vergleichbarkeit der Ergebnisse zwischen den Regionen zu gewährleisten, werden hierzu die Regressionsergebnisse aus Abschnitt 6.3.1 herangezogen. Da die Unterschiede zwischen den Schätzergebnissen der ost- und westdeutschen Sparkassen nicht sehr groß sind, also von ausreichender Homogenität ausgegangen werden kann, wird allen 39 Sparkassen dabei der Koeffizientenvektor aus Schätzung IV zugewiesen. Diese Vorgehensweise hat den Vorteil, dass die resultierende Ertragsentwicklung in den Regionen nicht zusätzlich auf unterschiedliche Modellierungen der Geschäftstätigkeit zwischen den Sparkassen zurückzuführen ist. Insofern können die Effekte des demographischen Wandels besser isoliert werden. Unterstellt wird somit, dass der verwendete Vektor repräsentativ für die Sparkassen in West- und Ostdeutschland ist, das Geschäftsmodell also ausreichend genau erfasst wird. Da detaillierte Regionendummies für NUTS II-Regionen mit Hilfe des vorliegenden Datensatzes ← 195 | 196 → nicht ermittelt werden können, werden die beobachtbaren Unterschiede in der Profitabilität zwischen ost- und westdeutschen Sparkassen durch die signifikante Dummyvariable D_org aufgefangen, die den Wert 0 für Sparkassen aus ostdeutschen Regionen und den Wert 1 bei Sparkassen westdeutscher Herkunft annimmt.

Als ertragsrelevante Portfoliovariablen ergeben sich somit Dispositionskredite, Darlehen, Sichteinlagen, DepotB, Deka-Fonds und Spareinlagen. Zusätzlich fließen die Dummyvariable „Girokonto“ (Existenz eines Girokontos) und die isolierten Alterseffekte (Altersdummies) als erklärende Größen ein. Nicht berücksichtigt werden müssen das Einkommen, die Termineinlagen und das Geschlecht der Kunden.

8.2.3 Eigenschaftsmatrix und erwarteter Ertrag der repräsentativen Kunden

Nachdem der in den NUTS II-Regionen zugrunde gelegte Koeffizientenvektor ausgewählt wurde, müssen die entsprechenden altersspezifischen Eigenschaften hinsichtlich der relevanten Variablen, die in der Eigenschaftsmatrix E enthalten sind, für die 39 fiktiven Sparkassen bestimmt werden. Dies betrifft in erster Linie die Portfoliovariablen. Da davon ausgegangen werden kann, dass die durchschnittlichen Anlage- und Kreditbeträge stark vom durchschnittlichen Vermögen der Bevölkerung in einer Region abhängen, wurde in einem ersten Schritt versucht, die NUTS II-Regionen und die Geschäftsgebiete der elf Sparkassen nach diesem Kriterium zu klassifizieren. Im Anschluss können dann den NUTS II-Sparkassen die Eigenschaften (d.h. die durchschnittlichen Anlage- und Kreditbeträge) der realen Sparkassen, die hinsichtlich des Vermögens in einem strukturell ähnlichen Gebiet tätig sind, zugewiesen werden. Hinter diesem Vorgehen steckt die Idee, dass „reiche“ Regionen die Portfoliostruktur von Sparkassen aus Geschäftsgebieten mit vermögenden Einwohnern zugewiesen und „arme“ Regionen entsprechend die Werte der Sparkassen, die in weniger wohlhabenden Geschäftsgebieten tätig sind.

Da auf regionaler Ebene keine entsprechenden Informationen zum Vermögen vorliegen, wurden als Proxyvariablen verschiedene Indikatoren zur allgemeinen wirtschaftlichen Leistungsfähigkeit in Betracht gezogen. Konkret wurden zur Beurteilung der Vermögenssituation für das Jahr 2006 die Kriterien verfügbares Einkommen pro Kopf, BIP pro Kopf, die Arbeitslosenquote und der ← 196 | 197 → GFK-Kaufkraftindex (GFK [2009]) herangezogen. Die Daten zum regionalen BIP und zum regional verfügbaren Einkommen stammen aus der VGR der Länder (Statistische Ämter der Länder [2007a, 2007b]). Die Arbeitslosenquoten wurden der Arbeitsmarktstatistik der Bundesagentur für Arbeit entnommen (BA [2005]). Insbesondere zwischen dem verfügbaren Einkommen und dem Vermögen kann ein enger Zusammenhang angenommen werden (Krause/Schäfer [2005]; Grabka/Frick [2007]).

Es zeigt sich für alle Kriterien und insbesondere für das verfügbare Einkommen eine klare regionale Zweiteilung. Die ostdeutschen NUTS II-Regionen weisen im Vergleich zu den westdeutschen Bezirken hinsichtlich aller Indikatoren z.T. deutlich schlechtere Ausprägungen auf. Es zeigt sich zudem, dass alle ostdeutschen Sparkassen aus Geschäftsgebieten stammen, deren wirtschaftliche Leistungsfähigkeit teilweise deutlich unter der der westdeutschen Geschäftsgebiete liegt.

Es kann somit davon ausgegangen werden, dass das durchschnittliche Vermögen in den ostdeutschen NUTS II-Gebieten systematisch unterhalb des Vermögens in westdeutschen Regionen liegt. Diese Vermutung wird durch neuere Auswertungen der aktuellen Einkommens- und Verbrauchsstichprobe (EVS) und der Daten des Sozio-ökonomischen Panels des DIW (SOEP) gestützt (BVR [2009]; Krause/Schäfer [2005]; Grabka/Frick [2007]). Um die Portfoliostruktur angemessen zu modellieren, wurden deshalb den ostdeutschen Regionen die Durchschnittswerte der ostdeutschen Sparkassen zugwiesen. Ein entsprechendes Vorgehen wurde für die westdeutschen NUTS II-Regionen und Sparkassen gewählt. Diese Methodik hat zudem den Vorteil, dass die bisher verfolgte Ost/West-Unterteilung auch in diesem Punkt beibehalten werden kann.

Die Abbildung 41 fasst die durchschnittlichen Beträge in den einzelnen Altersklassen, die in die Eigenschaftsmatrix E eingehen, für die verschiedenen Produkte zusammen. Die Zusammensetzung und die Unterschiede zwischen ost- und westdeutschen Sparkassen wurden ausführlich in Abschnitt 0 erläutert und werden an dieser Stelle nicht tiefergehend betrachtet. ← 197 | 198 →

a) Durchschnitt der westdeutschen Sparkassen in €

Illustration

b) Durchschnitt der ostdeutschen Sparkassen in €

Illustration

Abbildung 41: Mittlere Anlage- und Kreditbeträge nach Altersklassen; Quelle: eigene Darstellung← 198 | 199 →

Neben den Portfoliovariablen sind für die Ertragsprognose auch die Girokontoquoten in den einzelnen Altersklassen zu berücksichtigen und in die Eigenschaftsmatrix E zu integrieren. Hier werden nach obigem Muster für ostdeutsche NUTS II-Regionen die Durchschnitte der ostdeutschen und für westdeutsche Bezirke die Mittelwerte der westdeutschen Sparkassen verwendet. Abbildung 42 fasst die entsprechenden Ergebnisse zusammen.

Illustration

Abbildung 42: Durchschnittliche Girokontoquoten nach Altersklassen; Quelle: eigene Darstellung

Die in Abschnitt 7.1.2 diskutierte unterschiedliche Wettbewerbssituation in Ost- und Westdeutschland schlägt sich auch in den Girokontenquoten nieder. Die qualitative Struktur über die Altersgruppen ist dabei zwar in Ost- und Westdeutschland identisch, ab dem Alter von 15 Jahren sind jedoch bei den ostdeutschen Sparkassen durchgängig höhere Girokontoquoten zu beobachten, d.h. ein größerer Anteil der Kunden unterhält auch ein Girokonto bei der Sparkasse. Insgesamt verfügen 71% der Kunden westdeutscher Sparkassen über ein Girokonto, bei den ostdeutschen Sparkassen besitzen sogar 81% der Kunden eine Girokontoverbindung. ← 199 | 200 →

Für die aus den vorliegenden Datensätzen ermittelten Durchschnittswerte in den einzelnen Altersklassen, die den NUTS II-Sparkassen zugewiesen werden, wird unterstellt, dass sie über den Prognosezeitraum nicht variieren, also konstant sind. Wie bereits in Abschnitt 8.1.1 erläutert besteht prinzipiell die Möglichkeit, Änderungen der durchschnittlichen Beträge über den Vorhersagehorizont zu berücksichtigen, wenn zusätzliche Informationen über zukünftige Entwicklungen und mögliche Determinanten vorliegen. Diese Informationen könnten aus einer ökonometrischen Analyse stammen, wenn ausreichend Beobachtungen in der Zeitdimension vorliegen oder aber Erkenntnisse anderer Untersuchungen berücksichtigen, die regionale Einkommens- oder Vermögensprognosen enthalten. Denkbar ist so z.B. die Modellierung von zukünftiger Altersarmut in bestimmten Regionen (Grabka/Frick [2009]).

Kombiniert man die Eigenschaftmatrizen der ostdeutschen Regionen (EOst) und der westdeutschen Bezirke (EWEST) mit dem Koeffizientenvektor aus Schätzung IV, so resultieren die in Abbildung 43 dargestellten erwarteten Erträge in den einzelnen Altersklassen für ostdeutsche und westdeutsche NUTS II-Regionen. Diese Erträge spielen für die zukünftige Ertragsentwicklung eine elementare Bedeutung, da sie, wie in Abschnitt 8.1.5 erläutert, die Stärke des Altersstruktureffektes mitbestimmen.

Für ost- und westdeutsche Regionen zeigt sich hinsichtlich der prognostizierten Erträge ein ähnliches Bild, d.h. der erwartete Deckungsbeitrag steigt fast stetig mit dem Alter an. Auffällig ist der extrem starke Anstieg der Beträge bei den betagten Kunden ab dem Alter von ca. 75 Jahren, der in beiden Regionen gleichermaßen zu beobachten ist. Die höchsten Deckungsbeiträge werden für die Altersgruppe 85+ prognostiziert (West: 626,70 €; Ost: 591,71 €). Bei jungen Kunden bis zum Alter von 23 Jahren und bei alten Kunden (ab 74 Jahren) ergeben sich nahezu identische Erträge. Im Bereich dazwischen, d.h. bei den Kunden mittleren Alters sind dagegen in Westdeutschland wesentlich höhere Erträge zu beobachten, die hauptsächlich auf die wesentlich höheren Darlehen zurückzuführen sind.143 Die größte Differenz zeigt sich dabei bei der Altersgruppe der 43-jährigen mit 118,59 €. Über alle repräsentativen Kunden kumulieren sich die Unterschiede zu einem Betrag von 4036,79 €. Da die Ertragsvorteile insbesondere in stark besetzten Kundesegmenten vorliegen, ergeben sich aus einer identischen, typischen Kundenstruktur für westdeutsche Regionen erheblich höhere ← 200 | 201 → erwartete Deckungsbeiträge. Durch Annahme einer konstanten Ertragsstruktur über den Vorhersagezeitraum wird angenommen, dass sich die Struktur aus dem Querschnitt auf den Längsschnitt übertragen lässt. So wird simuliert, dass die repräsentativen Kunden über den Lebenszyklus Vermögen akkumulieren, bzw. sich gemäß den Mustern in Abbildung 41 verschulden.

Illustration

Abbildung 43: Erwarteter Deckungsbeitrag II der repräsentativen Kunden (jährliche Altersklassen, in €) ; Quelle: eigene Berechnungen

8.2.4 Prognose der Ertragsentwicklung bis 2025

Nachfolgend werden die Ergebnisse der Ertragsprognose für die 39 NUTS II-Regionen für die beiden Szenarien I und II präsentiert. Im Unterschied zur Analyse auf Sparkassenebene ergibt sich dabei durch die getroffenen Annahmen weniger Varianz in den Einflussfaktoren der Prognose, so dass die Ergebnisse und die sich ergebenden Unterschiede zumindest innerhalb der westdeutschen und ostdeutschen Gebiete stärker auf die demographischen Grundtendenzen zurückgeführt werden können. Bei einem Vergleich der Ergebnisse zwischen ost- und westdeutschen Regionen muss dagegen berücksichtigt werden, dass zur Modellierung der sich abzeichnenden Unterschiede zwischen west- und ostdeutschen ← 201 | 202 → Sparkassen mit regionenspezifischen Determinanten gearbeitet wird. Dies betrifft zum einen die Kundenprognosen, in die wegen der unterschiedlichen Wettbewerbssituation differierende Marktausschöpfungsquoten Ost/West einfließen.144 Zum anderen werden wegen der unterschiedlichen wirtschaftlichen Leistungsfähigkeit und Vermögenssituation der Kunden in ost- und westdeutschen Regionen unterschiedliche Portfoliostrukturen unterstellt.145

8.2.4.1 Szenario I: Demographie (Benchmark)

8.2.4.1.1 Ergebnisse für die NUTS II-Regionen

Legt man die beschriebenen Annahmen und die skizzierte Methodik zu Grunde, ergeben sich für die NUTS II-Regionen im Status Quo-Szenario I Veränderungen des DB II im Zeitraum 2006 bis 2025, die in Abbildung 44 zusammengefasst werden. Zum Vergleich wird der Ertragsentwicklung die Kundenentwicklung im gleichen Zeitraum gegenübergestellt.

Im rein demographischen Szenario I ergeben sich mit Ausnahme von Sachsen-Anhalt (-0,2%) und Chemnitz (-1,4%) bis zum Jahr 2025 Ertragszuwächse, die im Bereich zwischen 0,9% (Saarland) und 19,6% (Brandenburg-Nordost) liegen. Vergleicht man diese Ergebnisse mit der erwarteten Kundenentwicklung im selben Zeitraum, so zeigt sich, dass die Ertragsentwicklung für alle NUTS II-Sparkassen wesentlich besser ausfällt als die Entwicklung der Kundenzahlen vermuten lässt. Neben dem Potenzialeffekt aus der Veränderung der Kundenzahlen spielt demzufolge auch bei der Analyse auf Bezirksebene der Altersstruktureffekt eine wesentliche Rolle. Dieser c.p. ertragssteigernde Mechanismus, der aus der Alterung der Kundenbasis und altersabhängig ansteigenden Pro-Kopf-Erträgen resultiert, spielt wegen der stärkeren Alterungsdynamik in Ostdeutschland eine wesentlich größere Rolle als in den westdeutschen Regionen.146← 202 | 203 →

Illustration

Abbildung 44: Ertragsentwicklung (DB II) 2006-2025 im Szenario I (NUTS II-Ebene, Veränderung 2006-2025 in %); Zum Vergleich (rechts): Kundenentwicklung 2006-2025 (in %); Quelle: eigene Berechnungen

Am deutlichsten zeigt sich dies bei den beiden brandenburgischen Bezirken. Beide Gebiete verfügen über eine stabile Entwicklung der Kundenbasis (Brandenburg-Nordost: 0,2%, Brandenburg-Südwest: -1,1%), können ihre prognostizierten Deckungsbeiträge aber so stark steigern, dass sie hinsichtlich der Ertragsentwicklung im Bereich der Region mit dem stärksten erwarteten Kundenzuwachs (Oberbayern: 9,8%) liegen bzw. diese sogar übertreffen. Diese Ergebnisse sind eindeutig auf die unterschiedliche Entwicklung der Kundenaltersstruktur zurückzuführen. So steigt das Durchschnittsalter in den brandenburgischen Regionen mit 7,2 (BB-NW) bzw. 6,5 Jahren (BB-SW) wesentlich stärker als in Oberbayern mit 3,0 Jahren. Gleiches gilt für den Anstieg des Altenkoeffizienten.147← 203 | 204 →

Insgesamt profitieren die fiktiven ostdeutschen Sparkassen somit stärker vom Struktureffekt, so dass selbst für Regionen mit erheblichen Kundenverlusten wie Mecklenburg-Vorpommern (-11,0%) substantielle Ertragszuwächse projiziert werden (7,7%), die deutlich größer ausfallen als in den schrumpfenden Regionen Westdeutschlands. So ergibt sich zum Beispiel im Saarland, der westdeutschen Region mit den größten erwarteten Kundenverlusten (-6,5%), lediglich ein marginaler Ertragszuwachs von 0,9%.

8.2.4.1.2 Ergebnisse für den Sparkassensektor

Aggregiert man die Ergebnisse der NUTS II-Regionen für Ost- und Westdeutschland und schließlich für das gesamte Bundesgebiet, so lässt sich eine prognostizierte Entwicklung des Deckungsbeitrags für den Sparkassensektor als Ganzes bzw. für ost- und westdeutsche Sparkassen ableiten, die in Abbildung 45 dargestellt wird.

Betrachtet man die aggregierte Ertragsentwicklung in Ost- und Westdeutschland, so zeigt sich bis zum Jahr 2018 ein Gleichlauf beim Ertragsanstieg. Danach ergibt sich eine divergierende Dynamik, mit einem Abflachen der erwarteten Deckungsbeiträge in Ostdeutschland und einem weiter stetigen Anstieg in Westdeutschland. Bis zum Jahr 2025 führt dies im Osten zu einem Ertragszuwachs im Vergleich zu 2006 von 5,7%, wohingegen in Westdeutschland ein Plus von 9,5% resultiert. Vor dem Hintergrund der wesentlich schlechteren demographischen Perspektiven, die sich in deutlich schlechteren prognostizierten Kundenzahlen (–9,8% gegenüber +1,9% in Westdeutschland) niederschlagen, ist dieses Ergebnis auf den ersten Blick überraschend, kann aber mit Hilfe der zukünftigen Kundenaltersstruktur in Ost- und Westdeutschland erklärt werden. Wie in Abschnitt 8.2.4.1.1 ausgeführt, wird der in Ostdeutschland in der Regel negative Potenzialeffekt sinkender Kundenzahlen durch den stärkeren positiven Altersstruktureffekt überkompensiert, so dass sich in der Summe wachsende Erträge ergeben. Der Struktureffekt aus der Alterung der Kundenbasis ist dabei im Osten erheblich stärker, so dass der ertragssteigernde Effekt signifikant größer ausfällt als im Westen. Für Deutschland ergibt sich wegen des starken Gewichts der westdeutschen Sparkassen bis 2025 ein Ertragszuwachs von 8,9% bei einer relativ konstanten Entwicklung der Kundenbasis bis 2025 von -0,2%.148← 204 | 205 →

Illustration

Abbildung 45: Ertragsentwicklung (DB II)2006 bis 2025 im Szenario I (Aggregate, jährliche Ergebnisse, 2006 = 100); Quelle: eigene Berechnungen

8.2.4.2 Szenario II: Demographie und Wettbewerb

8.2.4.2.1 Ergebnisse für die NUTS II-Regionen

Im Unterschied zu Szenario I wird jetzt zur Prognose der Ertragsentwicklung für jede Region die Kundenprognose aus Szenario II herangezogen. Da alle anderen Einflussfaktoren konstant bleiben, resultieren Differenzen in der Ertragsprognose somit allein aus der unterschiedlichen Kundenzahl und –struktur. Abbildung 46 fasst die sich ergebenden Veränderungsraten des DB II im Zeitraum 2006 bis 2025 für die NUTS II-Bezirke zusammen. Zum Vergleich wird der Ertragsentwicklung die Kundenentwicklung im gleichen Zeitraum gegenübergestellt. ← 205 | 206 →

Illustration

Abbildung 46: Ertragsentwicklung (DB II) 2006-2025 im Szenario II (NUTS II-Ebene, Veränderung 2006-2025 in %); Zum Vergleich (rechts): Kundenentwicklung 2006-2025 (in %); Quelle: eigene Berechnungen

Im Vergleich zur korrespondierenden Kundenentwicklung ergibt sich in Szenario II wie in Szenario I für alle Regionen eine bessere Ertragsprognose. Wegen der größeren Kundenverluste, bedingt durch das Abschmelzen der hohen Marktanteile bei den alten Kunden, ergibt sich jetzt ein stärkerer ertragsmindernder Potenzialeffekt, der sich deutlich in der Ertragsprognose niederschlägt. Ergeben sich im Zeitraum 2006 bis 2025 in Szenario I für 37 Regionen steigende Erträge, so sind jetzt nur noch in 25 westdeutschen Bezirken wachsende Deckungsbeiträge im Bereich von 0,3% (Bremen) bis zu 11,6% (Oberbayern) zu erwarten. In den restlichen sechs west- und acht ostdeutschen Bezirken sinken dagegen die Erträge, die ungünstigste Entwicklung ergibt sich in Chemnitz mit -17,7%.

Neben dem größeren Potenzialeffekt wirkt im Vergleich zu Szenario I in Szenario II die langsamere Alterung der Kundenbasis zusätzlich dämpfend auf ← 206 | 207 → die zukünftige Ertragsentwicklung. Da sich dies in Ostdeutschland wegen der in der Ausgangssituation höheren Marktausschöpfungsquoten stärker auswirkt, fällt auch der erwartete Deckungsbeitrag im Vergleich zum Basisszenario deutlicher als in den westdeutschen Regionen. Die ostdeutschen Sparkassen verlieren in Relation zu Szenario I somit im Zeitablauf nicht nur mehr Kunden als die westdeutschen Institute, sondern sie verlieren vor allen Dingen auch mehr ertragsstarke ältere Kunden. Die regional asymmetrische Wirkung des Altersstruktureffekts und die in Szenario II deutlicher zu Tage tretenden Unterscheide in der zukünftigen Kundenentwicklung verstärken die Differenzen in der Ertragsentwicklung zwischen ost- und westdeutschen Regionen und führen insbesondere bei den ostdeutschen Sparkassen zu drastischen Einbrüchen in der prognostizierten Ertragskraft.

Wie in Szenario I ist die Ertragsentwicklung auch im komplexeren Szenario II relativ gut durch die demographischen Faktoren erklärbar. Die elementare Richtung der Ertragsprognose wird durch den Potenzialeffekt, d.h. die Entwicklung der absoluten Kundenzahl vorgezeichnet. Diese wiederum hängt maßgeblich von der Bevölkerungsentwicklung ab. Analog dazu determiniert die zukünftige Altersstruktur der Bevölkerung maßgeblich die Alterung der Kundenbasis und sorgt damit für die relativierende Wirkung der Kundenaltersstruktur.

8.2.4.2.2 Ergebnisse für den Sparkassensektor

Analog zur Vorgehensweise in Szenario I können auch im realistischeren Szenario II die regionalen Teilergebnisse zusammengefasst werden, um Aussagen für die Aggregate West-/ Ost- und Gesamtdeutschland zu erhalten. Die Ertragsentwicklung über den Prognosehorizont für diese Regionen ist in Abbildung 47 abgetragen.

In Westdeutschland ergeben sich bis 2025 nur geringe Effekte aus dem Abschmelzen der Marktausschöpfung. Die Wirkungen auf die zukünftigen Kundenzahlen erweisen sich als nicht sehr bedeutend. Folglich sind die negativen Konsequenzen hinsichtlich der zukünftigen Erträge (Potenzialeffekt) ebenfalls begrenzt. Die c.p. ertragsmindernde Variation des Altersstruktureffekts durch die langsamere Alterung der Kundenbasis fällt ebenfalls nicht sehr groß aus. Insgesamt resultiert somit aggregiert immer noch ein Anstieg der prognostizierten Deckungsbeiträge von 4,3%. Demgegenüber steht ein leichter Rückgang der Kundenbasis von 1,6%. ← 207 | 208 →

Bei den ostdeutschen Sparkassen spielen dagegen beide skizzierten Effekte eine entscheidende Rolle. Durch die im Zeitablauf geringere Marktausschöpfung bei den alten Kunden verlieren die ostdeutschen Institute erheblich an Kunden (-21,6%), was zu deutlichen Verlusten an Ertragskraft führt. Zusätzlich führt die abgeschwächte Alterungsdynamik der Kundenbasis zu einem im Vergleich zu Szenario I geringeren ertragssteigernden Altersstruktureffekt. Im Aggregat ergibt sich ein Rückgang des erwarteten Deckungsbeitrags von 11,6%. Für den deutschen Sparkassensektor insgesamt folgt durch die Dominanz der westdeutschen Entwicklung ein Ertragsanstieg bis 2025 von 1,7% bei einem moderaten Rückgang der prognostizierten Kundenzahlen von 5,2 %.

Illustration

Abbildung 47: Ertragsentwicklung 2006 bis 2025 im Szenario II (Aggregate, jährliche Ergebnisse, 2006 = 100); Quelle: eigene Berechnungen← 208 | 209 →

8.2.5 Analyse der Ertragsstruktur

Nachdem deutlich wurde, dass die durchschnittlich erwarteten Erträge mit dem Alter anwachsen, kann zusätzlich analysiert werden, aus welchen Komponenten diese prognostizierten Werte bestehen und wie sich die Komposition über den Lebenszyklus verändert. Hierzu werden die erwarteten Erträge in jeder Altersklasse in ihre einzelnen Bestandteile zerlegt, d.h. die Ertragswirkungen jeder ertragsrelevanten Eigenschaft werden separat ermittelt und isoliert betrachtet. Für die Portfoliovariablen Spareinlagen, Sichteinlagen, Deka-Fonds, DepotB, Darlehen und Dispositionskredite sind hierzu die durchschnittlichen Anlage-/ Kreditbeträge, mit dem zugehörigen Koeffizienten zu multiplizieren. Bei den Eigenschaftsvariablen „D_Giro“ und „D_org“ wird ähnlich verfahren.149 Berücksichtigt werden müssen zudem die Konstante und die isolierten Alterseffekte, die eine gewichtige Rolle für die erwarteten Erträge spielen. Abbildung 48 und Abbildung 49 fassen die resultierenden Ergebnisse für die repräsentativen Kunden ost- und westdeutscher Sparkassen für die Altersklassen 0 bis 85+ zusammen.

In beiden Regionen ist dabei zu beobachten, dass der Beitrag der einzelnen Komponenten zum erwarteten Ertrag vom Lebensalter der Kunden abhängt. Dies zeigt sich am deutlichsten bei den Produkten Spareinlagen und Darlehen. So generieren insbesondere westdeutsche Sparkassen bei Kunden mittleren Alters erhebliche Deckungsbeiträge aus der Kreditvergabe. Hier ergibt sich beispielsweise für einen durchschnittlichen 40-jährigen Kunden ein erwarteter Deckungsbeitrag von 146,82 €. Dies sind fast 42% des gesamten prognostizierten Ertrags in dieser Altersklasse. Bei den jungen und älteren Kunden spielt dieses Produkt in beiden Regionen dagegen keine nennenswerte Rolle. Hinsichtlich der Spareinlagen ist bis in die mittleren Jahrgänge ein relativ kleiner Beitrag zum erwarteten Ertrag zu beobachten. Mit zunehmendem Alter der Kunden steigt die Relevanz dann erheblich an und die Spareinlagen entwickeln sich in beiden Gebieten zur bedeutendsten Ertragsquelle bei der älteren Klientel. Im Durchschnitt ergibt sich für einen repräsentativen 85-jährigen Kunden einer west- bzw. ostdeutschen Sparkasse ein prognostizierter Ertrag von 207,95 € respektive 200,42 €, was in beiden Fällen ungefähr ein Drittel des erwarteten Gesamtdeckungsbeitrags ← 209 | 210 → in dieser Altersgruppe entspricht. Neben Darlehen und Spareinlagen liefern schließlich auch die Sichteinlagen einen signifikanten Beitrag zum Ertrag, der jedoch kleiner ausfällt. Es ergeben sich mit dem Alter ansteigende prognostizierte Deckungsbeiträge, der Anteil am Gesamtertrag bleibt mit Ausnahme der ganz jungen Kunden über den Lebenszyklus aber nahezu konstant bei ungefähr 10%. Die Ergebnisse für ost- und westdeutsche Sparkassen weisen dabei wie bei den Spareinlagen einen hohen Grad an Übereinstimmung auf. Die restlichen Portfoliovariablen variieren zwar auch mit dem Alter, sind jedoch hinsichtlich ihres prognostizierten Ertragsvolumens in beiden Regionen weniger bedeutend.

Neben den prognostizierten Deckungsbeiträgen aus den Anlage- und Kreditprodukten erweisen sich insbesondere die Erträge aus der Existenz eines Girokontos als relevant. Im Unterschied zu den Portfoliovariablen variieren die erwarteten Deckungsbeiträge aus dem Zahlungsverkehr jedoch kaum mit dem Lebensalter. Für alle repräsentativen Kunden mit einem Alter von über 17 Jahren ergibt sich ein stabiler Betrag, der in beiden Regionen nur leicht um 100 € schwankt.

Eine weitere bedeutende Ertragskomponente bilden die isolierten Alterseffekte, die mit Hilfe der Altersdummyvariablen ermittelt wurden.150 Da mit dem Alter differierende Konditionen bzw. eine systematische altersabhängige Wahl innerhalb der Produktaggregate nicht direkt beobachtbar sind, schlagen sich existierende Unterschiede in den isolierten Alterseffekten nieder. Die nicht durch andere Variablen erklärten Wirkungen des Alters auf den Deckungsbeitrag sind wegen des identischen Koeffizientenvektors in Ost- und Westdeutschland identisch. Es liegt nahe anzunehmen, dass die negativen Ertragswirkungen bei Kunden im Alter zwischen 11 und 25 Jahren insbesondere aus speziellen Girokontokonditionen oder anderen Maßnahmen zur Kundengewinnung und -bindung resultieren. In den anderen Altersklassen ab 27 Jahren besitzt das Alter einen positiven Effekt auf den erwarteten Ertrag, der mit dem Alter ansteigt und bei den Kunden über 70 Jahren einen erheblichen Einfluss besitzt. So machen die Alterseffekte bei den 85-jährigen mit 223,38 € in beiden Regionen mehr als ein Drittel des erwarteten Deckungsbeitrags aus. Bei den älteren Kunden ist anzunehmen, dass hier weniger besondere Konditionen eine Rolle spielen, sondern dass innerhalb der Produktkategorien systematisch für die Sparkassen ertragsstärkere Produkte gewählt werden. Hierfür könnten z.B. mit dem Alter variierende ← 210 | 211 → Präferenzen verantwortlich sein. Darüber hinaus entstehen allein durch die Existenz einer Kundenbeziehung Kosten, die sich negativ auf den erwarteten Deckungsbeitrag auswirken und vom Alter unabhängig sind. Diese werden durch die signifikante Konstante abgebildet und sind wegen der Verwendung desselben Vektors für ost- und westdeutsche Sparkassen mit 7,07 € identisch. Letzlich besitzt die Zugehörigkeit zu einer ost- bzw. westdeutschen Sparkasse Einfluss auf den prognostizierten Ertrag. Westdeutsche Sparkassen können z.B. wegen möglicher Effizienzunterschiede bei ansonsten identischen Kunden einen zusätzlichen Deckungsbeitrag von 12,36€ erwarten, der ebenfalls unabhängig vom Alter ist.

Insgesamt zeigen sich in den ost- und westdeutschen Ergebnissen große Übereinstimmungen zwischen den Ertragsquellen über den Lebenszyklus. Der einzige Unterschied ist bei den Darlehen zu sehen, die bei westdeutschen Sparkassen eine wesentlich bedeutendere Ertragskomponente bilden und -wie in Abschnitt 8.2.3 angedeutet- für die höheren erwarteten Erträge bei den Kunden mittleren Alters verantwortlich sind. Um zu überprüfen, welche Rolle die Konstruktion der erwarteten Erträge mit Hilfe eines identischen Koeffizientenvektors spielt, wurden im Rahmen einer Sensitivitätsanalyse unterschiedliche Schätzergebnisse für ost- und westdeutsche Sparkassen verwendet (Schätzungen I und II aus Kapitel 6.3.1). Es ergeben sich dabei für die erwarteten Deckungsbeiträge und deren Komposition qualitativ und quantitativ keine auffälligen Abweichungen. ← 211 | 212 →

Illustration

Abbildung 48: Zusammensetzung der erwarteten Erträge für westdeutsche Regionen (jährliche Altersklassen, in €; Quellen: eigene Berechnungen und Darstellung

Illustration

Abbildung 49: Zusammensetzung der erwarteten Erträge für ostdeutsche Regionen (jährliche Altersklassen, in €); Quellen: eigene Berechnungen und Darstellung← 212 | 213 →

8.3 Ein weiteres Szenario: Zunehmende Preissensitivität

Wie in Abschnitt 6.3.1 in Abbildung 18 dargestellt, liefern die älteren Sparkassenkunden einen signifikant höheren Deckungsbeitrag, selbst dann, wenn man für die altersspezifisch höheren Vermögenswerte korrigiert. Wie bereits diskutiert wurde, ist dieses Ergebnis vermutlich darauf zurückzuführen, dass die älteren Kunden weniger preissensitiv sind und innerhalb der einzelnen Produktkategorien unattraktivere Produkte besitzen. Dies erhöht den Deckungsbeitrag der Sparkassen aus diesen Kunden offenbar erheblich. Es ist sehr fraglich, inwiefern dieses Phänomen erhalten bleiben wird, wenn die heute noch jüngeren und wesentlich preissensitiveren Kunden in die höheren Altersklassen aufrücken. Aus diesem Grund wurde noch ein weiteres Szenario entwickelt, das im Folgenden als Szenario III bezeichnet wird.

Das Szenario III unterstellt die gleiche Kundenentwicklung wie das Szenario II.151 Es wird aber zusätzlich noch davon ausgegangen, dass sich die in der Regel ab dem 70. Lebensjahr ansteigenden Altersdummies über den Prognosehorizont sukzessive "auswachsen" und letztendlich auf dem Niveau der heute 70-Jährigen verbleiben. Konkret wurde so vorgegangen, dass die Altersjahrgänge bzw. Kohorten über 70 ihre Koeffizienten aus dem Basisjahr (z.B. 2006) beibehalten. Dies bedeutet für das erste Prognosejahr 2007, dass allen über 70-Jährigen der jeweilige Altersdummy des Vorjahresjahrgangs zugewiesen wurde. So bekommen beispielsweise die 71-Jährigen den Koeffizienten der 70-Jährigen in 2006. Für das Prognosejahr 2008 besitzen dann bereits die 70-, 71- und 72-Jährigen den Koeffizienten der 70-Jährigen und entsprechend alle älteren Jahrgänge den Wert von zwei Jahrgängen zuvor. Bei einer Prognose bis zum Jahr 2025 weisen gegen Ende des Prognosezeitraums schließlich alle Altersgruppen von 70 bis 85+ den gleichen Koeffizienten der 70-Jährigen in 2006 auf.

Die Veränderung der Altersdummies über den Prognosezeitraum ist in Abbildung 50 exemplarisch für die Ergebnisse der Schätzung IV des aggregierten Datensatzes aller Sparkassen graphisch illustriert. ← 213 | 214 →

Illustration

Abbildung 50: Veränderung der Altersdummies über die Zeit in Szenario III (Schätzung IV, Koeffizienten D_age(i) mit i=0,…,85+); Quelle: eigene Berechnungen

Diese Vorgehensweise lässt sich auch formal am Beispiel der Ertragsprognose für eine synthetische NUTS II-Sparkasse darstellen. Im Unterschied zur bereits bekannten Methodik der Ertragsprognose, die ausführlich in den Abschnitten 8.1.1 (Sparkassenebene) und 8.2.1 (Hochrechnung) vorgestellt wurde, muss im ersten Schritt die Matrix der ertragsgenerierenden Eigenschaften E nun nicht mit einem einzelnen Koeffizientenvektor sondern mit einer Koeffizientenmatrix C multipliziert werden, da für jedes Prognosejahr ein unterschiedlicher Koeffizientenvektor verwendet werden muss. Entsprechend enthält die Hilfsmatrix R für jedes zukünftige Jahr die erwarteten Deckungsbeiträge der repräsentativen Kunden in den einzelnen Altersklassen, die sich jetzt aber bei den älteren Kunden wegen der Annahme kohortenspezifischer Koeffizienten unterscheiden und nicht mehr konstant über den Prognosezeitraum sind.152 Für die Ertragsprognose einer NUTS II-Region ergibt sich die Hilfsmatrix R somit wie folgt: ← 214 | 215 →

Illustration

Die Matrix C besitzt die Dimension t x e, wobei t, die Länge des Prognosehorizonts in Jahren, durch t = 19 (2007 bis 2025) gegeben ist. e beschreibt die Anzahl der zu berücksichtigenden Koeffizienten.153 Die Eigenschaftsmatrix E, die im Fall der Prognose auf NUTS II-Ebene für ost- und westdeutsche Regionen unterschiedlich ist, hat die Dimension a x e. a repräsentiert hierbei wie in der bisherigen Analyse die Anzahl der Altersklassen. Die Dimension der Matrix R ist somit gegeben durch a x t.

Zur abschließenden Ermittlung der Ertragsmatrix P, in der die zu erwartenden Deckungsbeiträge jeder Altersklasse für jedes Jahr des Prognosehorizonts zusammengefasst sind, wird wie aus den Abschnitten 8.1.1 und 8.2.1 bekannt, die Ertragsmatrix der repräsentativen Kunden R elementweise mit den korrespondierenden Elementen der Kundenmatrix K multipliziert.154 Aus der Ertragsmatrix P kann der zu erwartende Deckungsbeitrag in den einzelnen Prognosejahren durch spaltenweise Summation über alle Altersklassen ermittelt werden. Teilergebnisse für spezielle Altersgruppen ergeben sich entsprechend durch partielle Aggregation.

Bei einer Prognose für einzelne Sparkassen aus dem Datensatz wird analog vorgegangen. Wegen der Betrachtung auf Kreisebene und des in der Regel differierenden Prognosehorizonts ergeben sich hier jedoch entsprechend andere Matrizengrößen.

Im Folgenden (Kapitel 8.3.1) werden zunächst die Ergebnisse für die elf Sparkassen unter der Annahme einer steigenden Preissensitivität zusammengefasst. Im Anschluss erfolgt die Präsentation der Hochrechnung bis 2025, indem zuerst die disaggregierten Ergebnisse für die fiktiven NUTS II-Sparkassen dargestellt werden (Abschnitt 8.3.2.1), die die Grundlage der Prognose für den deutschen Sparkassensektor im finalen Abschnitt 8.3.2.2 bilden. ← 215 | 216 →

8.3.1 Ergebnisse auf Sparkassenebene bis 2020

Berücksichtigt man die Veränderungen der isolierten Alterseffekte in der Ertragsprognose für die beteiligten elf Sparkassen, so ergeben sich abhängig vom zukünftigen Anteil der älteren Kunden und der Bedeutung der Altersdummies unterschiedliche Auswirkungen auf den prognostizierten Deckungsbeitrag. Tabelle 20 fasst die Ergebnisse für die Banken 1 bis 11 zusammen. Der Veränderung des Deckungsbeitrags zwischen 2007 und 2020 im Szenario III wird zum Vergleich die Ertrags- und Kundenentwicklung in Szenario II/III gegenübergestellt. Zusätzlich wurde auch die normierte Differenz der Erträge zwischen den beiden Szenarien im Jahr 2020 aufgenommen.

Tabelle 20: Ertragsentwicklung in den Szenarien II und III (2007/2020) (Geschäftsgebiete, in %); Quelle: eigene Darstellung

Illustration

* Differenz der Deckungsbeitragssummen im Jahr 2020 zwischen Szenario II und Szenario III im Verhältnis zum DB II im Basisjahr 2006 bzw. 2007.

Durch den Abbau der nicht durch die anderen Variablen erklärten altersspezifischen Sondereffekte geht mit Ausnahme der Sparkasse 11 bei allen Sparkassen das erwartete Ertragsvolumen bis zum Jahr 2020 z.T. deutlich zurück. Der ← 216 | 217 → Ertragsrückgang wird dabei durch zwei Faktoren determiniert. Neben der Bedeutung der altersspezifischen Effekte für die erwarten Erträge bei den über 70-jährigen Kunden, die sich in den geschätzten Koeffizienten manifestieren, spielt der zukünftige Anteil dieser Gruppe an der zukünftigen Kundenbasis eine Rolle. Da dieser bei den ostdeutschen Sparkassen größer als bei den westdeutschen Sparkassen ausfällt, ergeben sich hier im Vergleich zu Szenario II tendenziell größere Ertragseinbußen. Am deutlichsten fällt dieser Ertragsrückgang bei den Sparkassen 1 und 5 aus, die bis 2020 zusätzlich über 7% des Ertrags des Basisjahrs verlieren. Insgesamt verfügen die Sparkassen 3 und 7, die bereits in Szenario II die schlechteste Entwicklung aufweisen, mit einem Verlust von annähernd 15 bzw. 17% im Zeitraum von 2007 bis 2020 über die schlechtesten Ertragsperspektiven.

Im Unterschied zu den sehr homogenen ostdeutschen Sparkassen präsentieren sich die westdeutschen Sparkassen als sehr heterogen. Sparkasse 9 verliert beim Übergang von Szenario II zu Szenario III lediglich knapp 3%, was bei –im Vergleich zu den ostdeutschen Instituten- ähnlichen Einflüssen der Altersdummies, aus der jüngeren erwarteten Kundenstruktur resultiert. Bei Sparkasse 10 führen sehr starke Alterseffekte, die sukzessive abgebaut werden, zu einem zusätzlichen Verlust im Vergleich zu Szenario II, der mit knapp 6% im Bereich der ostdeutschen Institute liegt. Insgesamt fallen die Ertragsverluste auch in Szenario III moderat aus: Sparkasse 9 verliert gut 7%, Sparkasse 10 ca. 4%. Ein Sonderfall bildet die westdeutsche Sparkasse 11, die in Szenario II und III mit +2,9% über die beste Ertragsprognose verfügt. Da hier die Koeffizienten der Altersdummyvariablen für die über 70-jährigen insignifikant sind, ergibt sich kein Unterschied zwischen den beiden Szenarien. Die Modellierung der ansteigenden Preissensitivität führt somit dazu, dass sich die Unterschiede zwischen ost- und westdeutschen Instituten bei der prognostizierten Ertragsentwicklung vergrößern.

8.3.2 Hochrechnung für Deutschland auf NUTS II-Regionen

8.3.2.1 Ergebnisse für die NUTS-II Regionen

Das zusätzliche Szenario III der ansteigenden Preissensitivität wurde auch bei der Hochrechnung für den Sparkassensektor auf Bezirksebene implementiert. Legt man die beschriebenen Annahmen und die skizzierte Methodik zu Grunde, ← 217 | 218 → ergeben sich für die NUTS II-Regionen in diesem Szenario im Zeitraum 2006 bis 2025 Veränderungen des Deckungsbeitrags, die in Abbildung 51 zusammengefasst werden. Zum Vergleich sind der Ertragsentwicklung die entsprechenden Ergebnisse aus Szenario II gegenübergestellt.

Illustration

Abbildung 51: Ertragsentwicklung (DB II) im Szenario III (NUTS II-Ebene, Veränderung 2006-2025 in %) ; Quelle: eigene Berechnungen

Durch die Integration der zunehmenden Preissensitivität ergibt sich in 23 von 39 Regionen ein prognostizierter Ertragsrückgang. Neben den ostdeutschen Regionen, in denen die realistischen Annahmen des Szenarios III zu dramatischen Ertragseinbrüchen bis zu 24% (Regierungsbezirk Chemnitz) führen, betrifft diese Entwicklung jetzt auch fast die Hälfte der westdeutschen Gebiete, die jedoch weit weniger starke Auswirkungen befürchten müssen. Die schlechteste Prognose ergibt sich hier für das Saarland mit -9%. Lediglich in den süddeutschen Regionen und im ehemaligen Regierungsbezirk Lüneburg sind noch stärkere Ertragsanstiege über 3% zu beobachten. Die beste Ertragsentwicklung wird wie in Szenario II für Oberbayern erwartet (+6,9%). ← 218 | 219 →

Im Vergleich zu Szenario II ist durch das Abschmelzen der Alterseffekte in allen Regionen ein Rückgang des erwarteten Ertrags zu beobachten. Der dämpfende Effekt auf die zukünftigen Deckungsbeiträge gewinnt dabei im Zeitablauf zunehmend an Bedeutung, was auf den wachsenden Anteil an älteren Kunden und den sukzessive geringer werdenden Einfluss der altersspezifischen Sondereffekte zurückzuführen ist.

Vergleicht man im letzten Prognosejahr 2025 die Erträge zwischen den beiden Szenarien, so fällt auf, dass die Ertragsverluste gegenüber Szenario II in den ostdeutschen Regionen durchgängig größer ausfallen als im Westen. Normiert am Deckungsbeitrag des Jahres 2006, sinken die Erträge der fiktiven Sparkassen in den ostdeutschen Regionen zwischen 6,6% (Brandenburg-Nordost) und 6,2% (Sachsen-Anhalt). Im Westen ist eine etwas größere Varianz zu beobachten, hier ist ein prognostizierter Rückgang zwischen 4,0% (Hamburg) und 5,1% (Schleswig-Holstein) festzustellen. Im Durchschnitt ergibt sich in den westdeutschen NUTS II-Bezirken ein Ertragsverlust gegenüber Szenario II von 4,6% des Ertrags in 2006, in Ostdeutschland resultiert ein mittlerer Rückgang von 6,4%. Insgesamt fällt der Rückgang innerhalb der beiden Teile Deutschlands jedoch sehr homogen und gleichmäßig aus. Bildet man eine Rangordnung der 39 Regionen nach ihrer Ertragsentwicklung im Zeitraum 2006-2025, so ergeben sich zwischen Szenario II und III keine nennenswerten Unterschiede. Die relative Entwicklung der Regionen untereinander bleibt nahezu unverändert.155 Das Szenario III wirkt somit wie eine im Zeitablauf zunehmende Niveauabsenkung des Ertrags.

Da für die Ertragsprognose in allen Regionen ein identischer Koeffizientenvektor verwendet wird, resultieren die beobachtbaren Niveaueffekte im Wesentlichen aus der differierenden Kundenstruktur in Ost- und Westdeutschland. Entscheidend für die Stärke des Ertragsrückgangs gegenüber Szenario II ist der zukünftige Anteil der älteren Kunden über 70 Jahre, der wegen der demographischen Faktoren und der unterschiedlichen Marktstellung in den ostdeutschen Regionen durchgängig größer ausfällt. ← 219 | 220 →

8.3.2.2 Ergebnisse für den Sparkassensektor

Aggregiert man die Resultate der NUTS II-Regionen zu Ergebnissen für Ost- bzw. Westdeutschland auf, so ergibt im Zeitablauf von 2006 bis 2025 eine prognostizierte Entwicklung des Deckungsbeitrags, die in Abbildung 52 dargestellt wird.

Illustration

Abbildung 52: Ertragsentwicklung (DB II) 2006 bis 2025 im Szenario III (Aggregate, jährliche Ergebnisse, 2006 = 100); Quelle: eigene Berechnungen

Trotz regional z.T. erheblicher Auswirkungen stellt der demographische Wandel im Aggregat auch im pessimistischsten Szenario III für die westdeutschen Sparkassen kein gravierendes Problem dar. Bis zum Jahr 2014 sinkt der Ertrag ganz leicht auf 98,8% des Ausgangsniveaus um danach wieder anzusteigen. Bis 2025 sind nur marginale Verluste von 0,4% zu erwarten. In Ostdeutschland ergibt sich dagegen ein ganz anderes Bild. Durch die zusätzlich getroffenen Annahmen ist ausgehend vom Basisjahr ein stetiger sinkender Ertrag zu beobachten. Bis zum Jahresende 2025 bricht in den ostdeutschen Regionen fast ein Fünftel des Ertrags weg (-18,0%). ← 220 | 221 →

Die Entwicklung für den gesamten Sparkassensektor ergibt sich schließlich als gewichteter Durchschnitt. Wie in Ostdeutschland sind hier zwar ebenfalls stetig sinkende Erträge zu erwarten, die Einbußen sind jedoch wesentlich geringer. Bis zum Ende des Prognosezeitraums ist durch die Dominanz der günstigeren Entwicklung der westdeutschen Regionen lediglich erwarteter Verlust von 3,2% zu konstatieren.

Wie durch die Analyse in Abschnitt 8.3.1 zu erwarten, ergibt sich im Vergleich zu Szenario II in beiden Teilen Deutschlands ein Ertragsverlust, der im Osten größer ausfällt und im Zeitablauf zunimmt. Nach 2021 sind die Alterseffekte komplett abgeschmolzen, was zu einer Stabilisierung der Ertragsunterschiede führt. Abbildung 53 illustriert diesen Zusammenhang.

Illustration

Abbildung 53: Ertragsdifferenzen zwischen Szenario II und III (Aggregate, jährliche Ergebnisse, in % des Ertrags in 2006); Quelle: eigene Berechnungen← 221 | 222 →

126 Durch die Beschränkung der Analyse auf die Kreise des Geschäftsgebiets ist sichergestellt, dass die zur Ermittlung der Durchschnittswerte herangezogenen Kundenzahlen in den einzelnen Altersklassen und Regionen ausreichend groß sind, um aussagekräftige Ergebnisse zu erzielen.

127 Die Charakteristika der repräsentativen Kunden werden im Abschnitt 8.1.3 exemplarisch anhand von Bank 2 dargestellt.

128 Siehe Abschnitt 8.1.4.

129 Im verwendeten Prognosemodell ist es ohne größere Schwierigkeiten möglich, eine Veränderung der Charakteristika der repräsentativen Kunden über den Prognosehorizont zu modellieren, die beispielsweise aus einer Reduktion oder Erhöhung der durchschnittlichen Kredit- und Anlagebeträge resultiert (z.B. um ein Szenario zur „Altersarmut“ zu simulieren). Die Ertragsvektoren r variieren dann im Zeitablauf und sind nicht mehr identisch.

130 Vgl. hierzu den Abschnitt 6.3 zur Schätzung der aggregierten Datensätze ost- und westdeutscher Sparkassen.

131 Siehe Abschnitt 6.3.1.

132 Der Anstieg des Durchschnittsalters aller Kunden beträgt im Zeitraum 2007 bis 2020 in beiden Sparkassen 5,4 Jahre.

133 Das Durchschnittsalter der Kunden beträgt 44,9 Jahre im Vergleich zu 47,1 Jahren bei Bank 6.

134 Siehe hierzu Abschnitt 8.1.3.

135 Da sich die erwartete Ertragskraft der Kunden aus sparkassenindividuellen Einflussfaktoren, wie der durchschnittlichen Portfoliostruktur und den Koeffizientenvektoren errechnet, schwanken die erwarteten Erträge zwischen den Sparkassen. Somit kann die Relevanz des Struktureffekts nicht nur wegen differierender Alterungsprozesse, sondern auch aus diesem Grund zwischen den Sparkassen variieren. Die Unterschiede in den erwarteten altersabhängigen Ertragsstrukturen zwischen den Sparkassen sind jedoch verhältnismäßig klein. Wie die Analyse der sich ergebenden Ertragsentwicklungen gezeigt hat, ist somit die zukünftige Altersstruktur der Kundenbasis entscheidend.

136 Wie bei der Zusammenfassung der Kundenentwicklung in Abschnitt 7.1.4.3, dient diese Vorgehensweise der Sicherstellung einer szenarioübergreifenden identischen Bezugsbasis.

137 Theoretisch kann der Struktureffekt vom Potenzialeffekt separiert werden, indem man basierend auf den Prognosen für die absoluten Kundenzahlen für jedes Prognosejahr einen fiktiven Ertrag unter Berücksichtigung einer mit dem Ausgangsjahr konstanten Altersstruktur errechnet. Die sich ergebenden Differenzen zu den prognostizierten Erträgen bei variierender Altersstruktur können dann als Ertragswirkungen, die sich allein aus der Änderung der Kundenaltersstruktur ergeben, interpretiert werden.

138 Siehe hierzu die Abschnitte 8.2.4.1.1 und 8.2.4.2.1

139 Siehe hierzu die Abschnitte 8.2.4.1.2 und 8.2.4.2.2

140 In der Analyse auf NUTS II-Ebene wird ebenfalls unterstellt, dass sich die Ertragseigenschaften der repräsentativen Kunden in jeder Altersklasse im Zeitablauf nicht verändern, der Vektor r also konstant bleibt.

141 Die Auswahl des Vektors k wird in Kapitel 8.2.2 beschrieben. Die Konstruktion der Matrix E für die NUTS II-Sparkassen aus den vorliegenden Datensätzen wird in Abschnitt 8.2.3 erläutert.

142 Die Koeffizienten können als Margen der einzelnen Produktkategorien interpretiert werden.

143 Eine genaue Analyse der Ertragskomponenten für ost- und westdeutsche Regionen findet sich in Abschnitt 8.2.5. Die angesprochenen Darlehen dürften in der Regel der Immobilienfinanzierung dienen.

144 Vgl. Abschnitt 7.2.2.

145 Vgl. Abschnitt 8.2.3.

146 Zur Veränderung der Altersstruktur in den NUTS II-Regionen siehe Abschnitt 7.2.4.

147 Siehe hierzu Abschnitt 7.2.4.

148 Zur Prognose der aggregierten Kundenzahlen in Szenario I siehe Abschnitt 7.2.3.1.2.

149 Bei den repräsentativen Kunden der westdeutschen Sparkassen muss der Koeffizient von D_org mit 1 multipliziert werden, bei den Kunden ostdeutscher Institute erfolgt eine Multiplikation mit 0. Der Koeffizient von D_giro wird für jede Altersklasse mit der zugehörigen westdeutschen bzw. ostdeutschen Girokontenquote multipliziert.

150 Die erwarteten Ertragswirkungen des Lebensalters, die nicht durch die anderen Variablen erklärt werden, ergeben sich direkt aus den entsprechenden Koeffizienten der Altersdummyvariable.

151 Im Szenario II werden die Marktausschöpfungsquoten bis zum Alter von 35 Jahren konstant gehalten. Für jede höhere Altersklasse wird angenommen, dass die Marktausschöpfung kohortenspezifisch konstant bleibt, sich also für die einzelnen Geburtsjahrgänge nicht mehr ändert.

152 Erst gegen Ende des Prognosezeitraums, wenn alle Altersgruppen den Koeffizienten der 70-jährigen des Basisjahrs besitzen, verändern sich die altersspezifischen Deckungsbeiträge nicht mehr.

153 Im Unterscheid zu der bisherigen Vorgehensweise müssen wegen der Annahme kohortenspezifischer Eigenschaften nun zwingend alle Koeffizienten der Altersdummies der Altersgruppen von 70 bis 85+ in den Koeffizientenvektor aufgenommen werden, d.h. auch wenn der Koeffizient insignifikant sein sollte und somit Null ist.

154 Da in Szenario III die Kundenentwicklung des Szenarios „Demographie und Wettbewerb“ verwendet wird, ist präziser gesagt die Kundenmatrix dieses Szenarios II zu verwenden.

155 Die ostdeutschen Regionen verlieren zwar stärker an Ertrag als die westdeutschen, da Sie aber mit Ausnahme des Berliner Umlandes bereits in Szenario II über die ungünstigste Entwicklung verfügen, wird die Reihenfolge hierdurch kaum beeinflusst.