Stellen Sie sich eine riesige, lebendige Stadt vor, in der jedes Haus ein Charakter in einer massiven, chaotischen Geschichte ist. Dies handelt nicht nur von Ziegeln und Mörtel; es geht um die unsichtbaren finanziellen Seile, die Menschen an ihre Häuser binden. In der Welt der Wirtschaft versuchen Wissenschaftler oft, diese Geschichten zu verstehen, indem sie den „Durchschnittsmenschen“ betrachten, als wären alle identische Zwillinge, die in identischen Häusern leben. Aber das echte Leben ist chaotisch. Menschen haben unterschiedliche Berufe, unterschiedliche Ersparnisse und leben in Nachbarschaften, deren Werte in unterschiedlichem Tempo steigen oder fallen. Um zu verstehen, wie Familien ihre Häuser verlieren oder ihre Kredite vorzeitig zurückzahlen könnten, nutzen Forscher ein spezielles Werkzeug namens „Agentenbasierte Modellierung“. Stellen Sie sich dies als eine hochmoderne Videospiel-Simulation vor, in der tausende einzigartige digitale Charaktere (Agenten) ihre eigenen Entscheidungen basierend auf ihrem eigenen Geld, ihrer eigenen Nachbarschaft und den Regeln der Bank treffen. Indem sie beobachten, wie diese digitale Stadt spielt, können Wissenschaftler sehen, wie kleine Änderungen der Zinssätze oder Hauspreise eine Kettenreaktion auslösen können, die aus ein paar kämpfenden Familien eine stadtweite Krise macht. Dies ist wichtig, weil es nicht nur die Betroffenen trifft, wenn zu viele Menschen ihre Hypotheken nicht bezahlen können; es kann die gesamte Wirtschaft erschüttern und es für jeden schwieriger machen, einen Kredit zu bekommen oder ein Haus zu kaufen.

Das Papier, das Sie gleich lesen werden, taucht in diese digitale Stadt ein, aber mit einem sehr spezifischen Schauplatz: Ankara, Türkei. Die Autoren, Bilgi Yilmaz und Berna N. Yilmaz, bauten eine maßgeschneiderte Simulation, um herauszufinden, warum einige Hausbesitzer in dieser Stadt wahrscheinlicher ihr Haus verlieren als andere. Sie schauten nicht nur auf die Menschen; sie schauten auf die Orte. Sie erkannten, dass sich ein Haus in einem schicken, zentralen Bezirk ganz anders verhält als ein Haus in einem weit entfernten Vorort, selbst wenn die Hypothekenunterlagen identisch aussehen. Sie mussten auch die einzigartigen Regeln des türkischen Bankensystems berücksichtigen, in dem die Regierung strikte Grenzen setzt, wie viel Geld man im Verhältnis zum Wert des Hauses leihen darf, und in dem das Gesetz es den Banken erlaubt, einen für andere Vermögenswerte einzuklagen, wenn man die Zahlungen einstellt.

Dies ist die Geschichte dessen, was sie fanden, erzählt durch die Linse ihres digitalen Experiments.

Das Setup: Eine Stadt digitaler Haushalte

Die Forscher erschufen ein virtuelles Ankara mit 3.200 digitalen Haushalten. Jedem Haushalt wurde ein einzigartiges Profil gegeben: ein spezifisches Einkommen, das über die Zeit wächst (oder schrumpft), ein spezifisches Haus in einem von zehn verschiedenen Bezirken und eine Hypothek. Die Simulation lief fünf Jahre (60 Monate) in der digitalen Welt.

Um es realistisch zu gestalten, speisten sie das Modell mit echten Daten aus 11.092 tatsächlichen Immobilienanzeigen in Ankara. Dies ermöglichte es ihnen, genau abzubilden, wie viel Häuser in verschiedenen Vierteln kosteten. Sie fanden heraus, dass ein Haus im zentralen Bezirk Çankaya fast doppelt so viel wert war wie ein ähnlich großes Haus im Bezirk Sincan. Diese „räumliche Sortierung“ bedeutete, dass der Ort, an dem man lebte, genauso wichtig war wie das, was man verdiente.

Sie programmierten das Modell auch mit der Realität der türkischen Zinssätze. In den letzten Jahren waren diese Raten unglaublich hoch und pendelten um die 39 % pro Jahr. In der Simulation erzeugte dies ein einzigartiges Problem: Da der Zinssatz so hoch war, floss die monatliche Zahlung fast ausschließlich in die Tilgung der Zinsen, nicht auf den eigentlichen Kreditbetrag. Es war, als versuche man, eine Badewanne mit einem undichten Schlauch zu füllen; man gießt Wasser hinein, aber das Loch (der Zins) ist so groß, dass der Wasserspiegel (das Eigenkapital) kaum steigt.

Die Regeln des Spiels

Die digitalen Hausbesitzer hatten zwei Hauptentscheidungen zu treffen, während der Simulation:

1. Refinanzieren: Wenn die Zinssätze sanken, konnten sie versuchen, ihren teuren Kredit gegen einen günstigeren auszutauschen. Aber es gab einen Haken: Die Bank würde nur „Ja“ sagen, wenn der Hausbesitzer genug Eigenkapital aufgebaut hatte (mindestens 15 % des Hauswertes). Wenn der Hauswert zu stark sank, würde die Bank die Tür zuschlagen, egal wie viel Geld der Hausbesitzer sparen wollte.
2. Zahlungsausfall (Default): Wenn das Haus an Wert verlor und der Hausbesitzer nicht mehr zahlen konnte, konnte er das Haus aufgeben. Aber in der Türkei ist das Aufgeben nicht kostenlos. Da es „Full Recourse“-Gesetze gibt (vollständige Haftung), konnte die Bank auch andere Ersparnisse oder Vermögenswerte des Hausbesitzers einfordern. Dies machte die Entscheidung zum Zahlungsausfall zu einer beängstigenden, alles entscheidenden Wahl und nicht nur zu einem einfachen mathematischen Problem.

Die große Crash-Simulation

Um das System zu testen, führten die Forscher nach dem 24. Monat (zwei Jahre hinein) einen plötzlichen, heftigen Schock ein. Sie simulierten einen Rückgang der Hauspreise um 14 % in der gesamten Stadt. In der realen Welt ist dies wie ein plötzlicher wirtschaftlicher Sturm, der die Häuser über Nacht weniger wert macht.

Hier wird die Geschichte interessant. Die Autoren fanden heraus, dass der „durchschnittliche“ Hausbesitzer eigentlich recht sicher war. Selbst mit diesem Preissturz von 1-4 % verfügte der Median-Kreditnehmer noch über genügend Eigenkapitalpuffer, um weiter zu zahlen. Die Simulation zeigte, dass die langsame Tilgung (die Tatsache, dass sie den Kapitalanteil nicht schnell zurückzahlten) in Kombination mit den hohen Anfangshäusern bedeutete, dass ein moderater Preisverfall nicht ausreichte, um sie zu brechen.

Jedoch änderte sich die Geschichte völlig für die Hochrisikogruppe.

Die Forscher entdeckten, dass die Gefahr nicht gleichmäßig über die Stadt verteilt war. Sie konzentrierte sich bei den Menschen, die mit den höchsten Krediten begannen. Sie betrachteten die Kreditnehmer im obersten Quartil (den obersten 25 %) der Kredit-zu-Wert-Verhältnisse – also jene, die im Verhältnis zum Wert ihres Hauses am meisten Geld geliehen hatten. Als der Preisschock einschlug, kämpften diese Gruppe nicht nur; sie brachen zusammen.

In der Simulation sahen die Kreditnehmer mit hoher Hebelwirkung (Leverage), als die Hauspreise fielen, ihr Eigenkapital augenblicklich verschwinden. Da sie von vornherein so viel geliehen hatten, drückte ein kleiner Preisverfall sie tief in das „negative Eigenkapital“ (sie schuldeten mehr, als das Haus wert war). Da sie zudem hohe monatliche Zahlungen im Verhältnis zu ihrem Einkommen hatten, trafen sie auf einen „doppelten Auslöser“: Sie steckten unter Wasser und konnten die Zahlungen nicht mehr leisten.

Die drei großen Entdeckungen

Die Simulation offenbarte drei Lehren darüber, wie diese digitale Stadt funktioniert:

1. Hohe Zinssätze schaffen eine „Langsamstart“-Falle
Da die Zinssätze so hoch waren (ca. 39 % p.a.), zahlten die Kreditnehmer ihre Kredite unglaublich langsam zurück. In den ersten fünf Jahren hatte der durchschnittliche Kreditnehmer nur etwa 13 % seines tatsächlichen Kreditbetrags getilgt. Das bedeutete, dass ihr „Sicherheitsnetz“ (Eigenkapital) für eine lange Zeit sehr dünn war. Wenn die Hauspreise fielen, hatten sie fast keinen Puffer, um den Schlag abzufangen. Das Papier legt nahe, dass in Hochzinsumgebungen das Risiko eines Zahlungsausfalls weniger mit der Änderung des Zinssatzes zu tun hat, sondern eher mit dem Sinken der Hauspreise, da der Kreditbetrag hartnäckig hoch bleibt.

2. Der Standort ist alles
Das Papier schließt die Idee explizit aus, dass alle Häuser in einer Stadt gleich reagieren. Die Simulation zeigte, dass, da verschiedene Bezirke mit unterschiedlichen Geschwindigkeiten wuchsen, zwei Nachbarn mit identischen Hypotheken völlig unterschiedliche Schicksale haben konnten. Ein Kreditnehmer in einem schnell wachsenden, hochwertigen Bezirk konnte schnell Eigenkapital aufbauen und refinanzieren. Ein Kreditnehmer in einem langsamer wachsenden, minderwertigeren Bezirk könnte feststecken. Die „räumliche Sortierung“ bedeutete, dass die finanzielle Verwundbarkeit nicht nur vom Menschen abhing, sondern von der Nachbarschaft.

3. Die „Refinanzierungswand“
Dies war eine entscheidende Erkenntung. Die Simulation zeigte, dass viele Hausbesitzer versuchten zu refinanzieren, um Geld zu sparen, wenn die Zinsen sanken, aber sie konnten es nicht. Die Regel der Bank (eine Grenze von 85 % Beleihungsauslauf) wirkte wie eine Wand. Wenn der Wert eines Hauses auch nur ein wenig sank, stießen die Hausbesitzer gegen diese Wand und waren vom Refinanzieren ausgeschlossen, selbst wenn es ihnen Tausende von Dollar gespart hätte. Die Autoren fanden heraus, dass diese regulatorische Barriere viele Haushalte in teuren Krediten gefangen hielt, was sie wahrscheinlicher zu einem Zahlungsausfall führte, wenn ein Preisschock eintrat.

Das Urteil: Wer wird verletzt?

Als sich der Staub nach dem simulierten Crash gelegt hatte, waren die Ergebnisse eindeutig.

• Die Sicherheitszone: Kreditnehmer, die mit niedrigeren Krediten begannen (die untersten 75 % der Gruppe), blieben weitgehend unbeschadet. Sie konnten refinanzieren oder weiterzahlen.
• Die Gefahrenzone: Die obersten 25 % der Kreditnehmer (jene mit den höchsten anfänglichen Krediten) waren diejenigen, die ihre Häuser verloren. Im Stresstest erlebte mehr als die Hälfte dieser Gruppe einen Zahlungsausfall.

Das Papier deutet an, dass die Idee eines „strategischen Zahlungsausfalls“ (bei dem Menschen einfach aufhören zu zahlen, weil sie nicht mehr zahlen wollen) in diesem Markt weniger verbreitet ist als in Orten wie den USA. Warum? Wegen der „Full Recourse“-Regel. Die digitalen Hausbesitzer wussten, dass die Bank auch ihre anderen Vermögenswerte einfordern konnte, wenn sie einfach gingen. Daher traten sie nur dann in den Zahlungsausfall ein, wenn sie wirklich pleite und „unter Wasser“ waren, und nicht einfach nur, weil sie es wollten.

Was dies für die reale Welt bedeutet

Die Autoren kommen zu dem Schluss, dass wir nicht nur den Durchschnittsmenschen betrachten können, um das Hypothekenrisiko zu verstehen. Wir müssen die spezifische Mischung aus hohen Zinssätzen, strengen Bankregeln und lokalen Hauspreisen betrachten. Sie fanden heraus, dass das System in einem Hochzinsumfeld für diejenigen fragil ist, die am meisten geliehen haben. Ein kleiner Rückgang der Hauspreise kann die am stärksten gehebelten Familien über die Kante treiben, während der Rest der Stadt stehen bleibt.

Die Simulation deutete auch an, dass mehr Menschen in der Lage wären zu refinanzieren und einen Zahlungsausfall zu vermeiden, wenn die Regierung oder die Banken die strikte „85 % Beleihungsgrenze“ lockern würden. Aber, wie das Papier anmerkt, ist dies ein empfindliches Gleichgewicht; die Regeln zu sehr zu lockern, könnte auch dazu führen, dass Menschen von vornherein zu viel leihen.

Am Ende lehrt uns diese digitale Geschichte von Ankara, dass Ihre Hypothek in einer komplexen, hochverzinslichen Welt nicht nur ein Vertrag mit einer Bank ist. Es ist ein Seiltanz, bei dem Ihr Gleichgewicht davon abhängt, in welcher Nachbarschaft Sie leben, wie schnell Sie Ihre Schulden tilgen und von den unsichtbaren Wänden, die durch Bankenregulierungen errichtet wurden. Und für diejenigen, die auf dem Seil mit dem geringsten Sicherheitsnetz wandeln, kann schon ein einzener Windstoß ausreichen, um sie zu Fall zu bringen.