Untersuchungen zur Prognosegüte sollten nicht nur Prognosefehler, die auf der Schätzung der Parameter beruhen, berücksichtigen, sondern auch solche, die aus der stichprobenabhängigen Auswahl des Prognosemodells resultieren. Wird die Prognosefehlervarianz durch rekursive Out-of-Sample Prognosen geschätzt, so sollte dabei nicht nur die Parameterschätzung, sondern auch die Modellselektion rekursiv vorgenommen werden. Wir wenden dieses Prinzip auf die Analyse der Prognosegüte dreier wichtiger Indikatoren für die Konjunktur in Deutschland an, den vom ifo-Institut erhobenen "Geschäftserwartungen", den vom Zentrum für Europäische Wirtschaftsforschung veröffentlichten "Konjunkturerwartungen" und des von der "Wirtschaftswoche" berechneten "Earlybird"-Indikators. Es zeigt sich, dass die Prognosefehler bei der realistischeren rekursiven Modellauswahl größer sind als bei nicht-rekursiver Spezifikation. Die untersuchten Indikatoren liefern unter bestimmten Umständen bessere Prognosen als ein einfaches autoregressives Modell