UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2010 – 2011
Bankverzekeraars : is er evidentie tot diversificatie?
Masterproef voorgedragen tot het bekomen van de graad van Master in de Toegepaste Economische Wetenschappen: Handelsingenieur
Charlotte De Troyer onder leiding van Prof. Rudi Vander Vennet
II
UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2010 – 2011
Bankverzekeraars : is er evidentie tot diversificatie?
Masterproef voorgedragen tot het bekomen van de graad van Master in de Toegepaste Economische Wetenschappen: Handelsingenieur
Charlotte De Troyer onder leiding van Prof. Rudi Vander Vennet
III
PERMISSION
Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding. Charlotte De Troyer
IV
Woord vooraf Ik ben een aantal mensen dankbaar voor de hulp die ze mij gegeven hebben tijdens mijn masterproef. Eerst en vooral mijn promotor, Prof. Rudi Vander Vennet voor de hulp die hij geleverd heeft bij het kiezen van mijn onderwerp en voor de vele papers die hij in de loop van het jaar tot mijn beschikking heeft gesteld. Hij heeft me de kans gegeven om een onderwerp te bestuderen waarvoor ik een heel grote interesse heb. Daarnaast ben ik ook doctoraatstudent Glenn Schepens dankbaar om mijn vele vragen te beantwoorden tijdens het schrijven van deze masterproef en de feedback die hij me gegeven heeft. Vervolgens wil ik graag Stefanie De Gelas bedanken voor de vele werkmomenten samen in de bibliotheek. Zonder haar had ik nooit dezelfde motivatie gevonden om dit tot een goed einde te brengen. Ook een dankwoordje aan mijn vriend, Samuel, is meer dan verdiend voor de lekkere maaltijden, rustgevende pauzes en zijn onvoorwaardelijke steun. Maar vooral voor de vele opmerkingen en raad die hij me heeft gegeven. Ik mag zeker ook mijn ouders niet vergeten, voor het nalezen van deze masterproef. Zonder hun geduld en aandacht bij het opsporen en verbeteren van mijn vele schrijffouten zou de leesbaarheid van mijn masterproef niet dezelfde geweest zijn. Nogmaals, dank u wel iedereen.
V
Inhoudsopgave 1
Inleiding ........................................................................................................................... 1
2
Literatuurstudie ................................................................................................................ 3 2.1
2.1.1
Definitie ............................................................................................................... 3
2.1.2
Voordelen ........................................................................................................... 4
2.1.2.1
Financiële theorie ......................................................................................... 4
2.1.2.2
Productietheorie ........................................................................................... 4
2.1.2.3
Too-big-to-fail garanties ................................................................................ 5
2.1.3
Nadelen .............................................................................................................. 5
2.1.4
Impact van diversificatie op de waardering van de onderneming......................... 6
2.1.5
Impact van diversificatie op het risico van de onderneming ................................. 8
2.2
3
Financiële conglomeraten.......................................................................................... 3
2.1.5.1
Fee-inkomsten .............................................................................................. 8
2.1.5.2
Imperfect gecorreleerde inkomensstromen ................................................. 10
Bankverzekeraars.................................................................................................... 12
2.2.1
Definitie ............................................................................................................. 12
2.2.2
Ontstaan ........................................................................................................... 12
2.2.3
Voor- en nadelen van bankverzekeringen ......................................................... 14
2.2.4
Impact van bankverzekeringen op de waardering van de onderneming ............ 16
2.2.5
Impact van bankverzekeringen op het risico van de onderneming .................... 18
Onderzoeksmethodologie .............................................................................................. 20 3.1
Inleiding ................................................................................................................... 20
3.2
Het Capital Asset Pricing Model .............................................................................. 20
3.3
Verschillende tijdsperiodes ...................................................................................... 22
3.4
Bèta-regressie ......................................................................................................... 23
4
Dataset .......................................................................................................................... 25
5
Resultaten...................................................................................................................... 26 5.1
Risicofactoren voor de volledige steekproefperiode ................................................. 26
5.2
Risicofactoren voor de deelperiodes ........................................................................ 28
5.2.1
Bankverzekeraars ............................................................................................. 28 VI
5.2.2
Banken.............................................................................................................. 29
5.2.3
Verzekeraars..................................................................................................... 29
5.2.4
Risicofactoren in de deelperiodes ..................................................................... 30
5.2.5
Risicofactoren in de crisisperiodes .................................................................... 30
5.3
Robustness checks van het CAPM .......................................................................... 31
5.3.1
Interestfactor ..................................................................................................... 31
5.3.2
Constante ......................................................................................................... 32
5.3.3
Tijdsperiode financiële crisis ............................................................................. 33
5.4
Bèta-regressie ......................................................................................................... 33
5.4.1
Inleiding ............................................................................................................ 33
5.4.2
Regressieanalyse ............................................................................................. 35
5.4.3
Testen van veronderstellingen kleinste kwadraten-methode ............................. 36
5.4.3.1
Homoscedasticiteit ..................................................................................... 36
5.4.3.2
Autocorrelatie ............................................................................................. 38
5.4.3.3
Normale verdeling van de storingstermen................................................... 38
5.4.3.4
Multicollineariteit ......................................................................................... 39
6
Conclusie ....................................................................................................................... 41
7
Literatuurlijst .................................................................................................................. 45
VII
Lijst van gebruikte afkortingen
CAPM: Capital Asset Pricing Model ROA: return on assets ROE: return on equity OLS: Ordinary least squares
VIII
Lijst van figuren Afbeelding 1 - Procentueel marktaandeel per distributienetwerk (bron: The Insurance Argus, 2002 in Staikouras en Nurullah, 2008)............................................................................... 14 Afbeelding 2 : Gemiddelde waarde van de totale activa (in miljoen €) voor de verschillende types van financiële instellingen ........................................................................................ 34 Afbeelding 3 : Gemiddelde waarde van de ROE voor de verschillende types van financiële instellingen ........................................................................................................................ 35 Afbeelding 4 : Gemiddelde waarde van de ROA voor de verschillende types van financiële instellingen ........................................................................................................................ 35 Afbeelding 5 : Grafische test heteroscedasticiteit voor vergelijking (3) ...................................... 37 Afbeelding 6 : Grafische test heteroscedasticiteit voor vergelijking (4) ...................................... 37
IX
Lijst van tabellen Tabel 1 : Risicofactoren voor de verschillende types van financiële instellingen in de volledige steekproefperiode (1/1/2000 - 31/12/2010) ........................................................................ 26 Tabel 2 : Testwaarden van de Kolmogorov-Smirnov Test voor de risicofactoren in de volledige periode .............................................................................................................................. 27 Tabel 3 : Testwaarden van de Kolomogorov-Smirnov Test voor de risicofactoren in de deelperiodes...................................................................................................................... 28 Tabel 4 : Risicofactoren van bankverzekeraars in de deelperiodes .......................................... 28 Tabel 5 : Risicofactoren van banken in de deelperiodes ........................................................... 29 Tabel 6 : Risicofactoren van verzekeraars in de deelperiodes .................................................. 29 Tabel 7 : Overzicht van de risicofactoren tijdens de verschillende deelperiodes voor alle types van financiële instellingen.................................................................................................. 30 Tabel 8 : Testwaarden om het verschil na te gaan tussen bankverzekeraars en banken of verzekeraars in de verandering van de risicofactoren als gevolg van de crisisperiodes 1/1/2000 - 28/2/2003 en 1/3/2007 - 31/12/2010 ................................................................. 31 Tabel 9 : Risicofactoren in het geval van CAPM zonder interestfactor voor de verschillende types van financiële instellingen in de volledige steekproefperiode (1/1/2000 - 31/12/2010) .......................................................................................................................................... 32 Tabel 10 : Risicofactoren in het geval van CAPM zonder constante term voor de verschillende types van financiële instellingen in de volledige steekproefperiode (1/1/2000 - 31/12/2010) .......................................................................................................................................... 33 Tabel 11 : Risicofactoren voor de verschillende types van financiële instellingen in de verkorte crisisperiode (1/3/2007 - 31/12/2009) ................................................................................ 33 Tabel 12 : Schattingen voor regressievergelijking (3) en (4) ..................................................... 36 Tabel 13 : Testwaarden van de White's General Heteroscedasticity Test................................. 38 Tabel 14 : Testwaarden van de Durbin-Watson d Test ............................................................. 38 Tabel 15 : Testwaarden voor de Jarque-Bera Test ................................................................... 39 Tabel 16 : Paarsgewijze correlaties tussen de verklarende variabelen ..................................... 39 Tabel 17 : R2 en F-waarde van de aanvullende regressies voor vergelijking (3) ....................... 40 Tabel 18 : R2 en F-waarde van de aanvullende regressies voor vergelijking (4) ....................... 40
X
1 Inleiding
De voorbije decennia zijn banken geëvolueerd naar all-in-one dienstverleners waarbij ze een brede waaier van financiële diensten en producten aanbieden. Om dit te realiseren zijn diverse financiële instellingen gaan fusioneren en ontstonden zo financiële conglomeraten. Deze consolidatie van financiële activiteiten werd gedreven door talrijke motieven. Ten eerste creëert het combineren van diverse financiële activiteiten belangrijke cross-selling opportuniteiten. Dit houdt in dat men verwante producten en diensten tracht te verkopen aan de bestaande klanten. Op deze manier kan de omzet verhoogd worden of de relatie met de klant verstevigd. Ten tweede geeft het de mogelijkheid om economies of scope te realiseren. Dit betekent dat door uitbreiding van de activiteiten de gemiddelde kosten kunnen verlaagd worden door het gemeenschappelijk gebruik van bepaalde activa. Ten derde kan diversificatie het risico reduceren. Het combineren van activiteiten waarvan de inkomsten niet perfect gecorreleerd zijn, reduceert het totale risico van de onderneming. In Europa is het combineren van bank- en verzekeringsactiviteiten bijzonder populair. Banken en verzekeringsmaatschappijen zijn zeer gelijkaardige ondernemingen, maar vullen elkaar ook aan. Beiden zijn financiële intermediairs die fondsen verzamelen en transformeren in kapitaalinvesteringen.
Banken
verkrijgen
echter
middelen
op
korte
termijn,
verzekeringsmaatschappijen op lange termijn. Tijdens de wereldwijde financiële crisis vanaf 2007 kregen heel wat Europese bankverzekeraars te kampen met liquiditeitsproblemen. Overheden moesten noodgedwongen tussenbeide komen en gebruikten staatssteun om talrijke financiële instellingen van een faillissement te redden. Deze staatssteun moest achteraf echter goedgekeurd worden door de Europese Commissie. De Europese Commissie gebruikte dit om te eisen dat de banken zonder staatssteun weer levensvatbaar zouden worden en dat de concurrentie in de interne markt opnieuw zou aangewakkerd worden. De Europese Commissie oordeelde dat het combineren van verschillende financiële diensten en producten in één groep resulteerde in een verhoging van het risicoprofiel van de banken. Om deze reden en om oneerlijke concurrentie ten gevolge van de toegekende staatssteun tegen te gaan, werden verscheidene financiële conglomeraten gedwongen belangrijke onderdelen van
hun portefeuille van de hand te doen. Opmerkelijk was dat verschillende
bankverzekeraars (onder meer ING) verplicht werden hun verzekeringsactiviteiten te verkopen. Nochtans werd dit in het verleden beschouwd als een risicoverlagende diversificatiestrategie.
1
Het doel van deze masterproef is na te gaan of het samenbrengen van bank- en verzekeringsactiviteiten in één financiële instelling wel degelijk resulteert in een verhoogd risicoprofiel. Dit wordt gedaan op twee manieren. Enerzijds wordt het risicoprofiel van bankverzekeraars vergeleken met traditionele banken en verzekeraars en wordt onderzocht of het risicogedrag van deze types van financiële instellingen verschilt in economische hoog- en laagconjunctuur. Anderzijds wordt het risicoprofiel van bankverzekeraars gecontroleerd voor bedrijfsspecifieke karakteristieken. Het vervolg van deze masterproef is opgebouwd als volgt. Het tweede hoofdstuk bespreekt de bestaande literatuur omtrent diversificatie van financiële conglomeraten en meer specifiek de bankverzekeraars. In hoofdstuk 3 wordt het Capital Asset Pricing Model beschreven aan de hand waarvan het risicoprofiel van de bankverzekeraars geëvalueerd wordt. De gegevens die gebruikt worden voor de analyses worden beschreven in hoofdstuk 4. Hoofdstuk 5 geeft de resultaten weer van de schattingen op basis van het Capital Asset Pricing Model en het laatste hoofdstuk concludeert de bevindingen van deze masterproef.
2
2 Literatuurstudie 2.1
Financiële conglomeraten
Dit onderdeel geeft een overzicht van voorafgaande studies met betrekking tot financiële conglomeraten. Eerst volgt een beschrijving van het begrip financiële conglomeraten en de mogelijke voor- en nadelen dat het combineren van financiële diensten biedt. Vervolgens wordt de impact van het consolideren van financiële activiteiten op de waarde en het risico van de onderneming besproken. 2.1.1
Definitie
De laatste twintig jaar heeft zich een vloedgolf van fusies en overnames voorgedaan in de financiële wereld, en meer en meer financiële instituties zijn hun activiteiten gaan consolideren. Deze consolidatie van financiële activiteiten is niet altijd wettelijk toegelaten geweest. Pas in 1989 maakte de tweede Bankrichtlijn functionele diversificatie mogelijk voor Europese banken. Vanaf dan konden holdings gevormd worden die financiële activiteiten bundelen, zoals commercial banking, investment banking, verzekeringen en andere financiële diensten. Sommige banken kozen ervoor te blijven focussen op de retailmarkt, anderen werden financiële conglomeraten. Volgens Baele, De Jonghe en Vander Vennet (2007) kan men een financiële institutie beschouwen als een conglomeraat als het tenminste twee of drie financiële activiteiten combineert. Naast de traditionele bancaire operaties, worden er verzekeringen uitgegeven en/of verkocht, effecten verhandeld, etc. De mate waarin een financiële conglomeraat diversifieert wordt gemeten aan de hand van het aandeel van niet-interestinkomsten in de totale inkomsten. Vander Vennet (2002) omschrijft financiële conglomeraten als financiële instituties die het volledige assortiment van financiële diensten aanbieden. In deze studie worden financiële conglomeraten geïdentificeerd op basis van twee condities. Ten eerste moet de financiële institutie niet-traditionele bankactiviteiten aanbieden via ofwel een bepaalde afdeling in de onderneming ofwel een zusteronderneming. Het bestaan van een groepsstructuur is cruciaal om tot de financiële conglomeraten te behoren. Ten tweede moet het percentage van nietinterestinkomsten in de totale inkomsten tenminste 20 procent zijn. Indien aan deze twee voorwaarden is voldaan, wordt een financiële instelling beschouwd als een financiële conglomeraat. Schmid en Walter (2009) identificeren financiële conglomeraten op een heel andere manier. Financiële instellingen worden beschouwd als gediversifieerd indien ze behoren tot de financiële ondernemingen in de Compustat Industry Segment database (SIC-code 6000-69999
3
of vroegere NAISC-code 520000-529999) en waarvan het aantal gerapporteerde segmenten groter is dan één. 2.1.2
Voordelen
Het consolideren van financiële activiteiten wordt ingegeven door tal van overwegingen. Hierna volgt een opsomming van Cummins en Weiss (2004) over hoe fusies en overnames waarde kunnen creëren. Hun argumenten steunen op de financiële - en productietheorie. 2.1.2.1 Financiële theorie Volgens de financiële theorie is de waarde van activa gelijk aan de huidige waarde van de toekomstige cashflows. Fusies en overnames creëren bijgevolg enkel waarde indien ze een positieve invloed hebben op de hoeveelheid, de timing of het risico van de cashflows van de gevormde onderneming in vergelijking met de afzonderlijke bedrijven. Deze theorie veronderstelt evenwel het bestaan van een perfecte markt, maar in de praktijk wordt de markt verstoord door tal van imperfecties. Het loslaten van de veronderstellingen van een perfecte markt door het introduceren van transactiekosten, bemiddelingskosten, informatiekosten, belastingen, regelgevingen, etc. zorgt ervoor dat fusies en overnames ook op andere manieren de mogelijkheid hebben om waarde te creëren (Cummins en Weiss, 2004). Een andere impliciete assumptie van de financiële theorie is dat fusies en overnames geen effect hebben op de het gedrag van ondernemingen in financiële moeilijkheden. Dit is echter niet noodzakelijk het geval. Ten eerste hebben grotere verzekeraars minder kans op solvabiliteitsproblemen (Cummins, Grace en Phillips, 1999). Ten tweede zal diversificatie de volatiliteit in de opbrengsten reduceren. Deze earnings diversification hypothese is een argument dat pleit voor sector-overschrijdende fusies tussen banken en verzekeraars. Een laatste motivering voor fusies en overnames, die gebaseerd is op het versoepelen van de perfecte markt hypothese, is de creatie van interne kapitaal markten. Op financiële markten is de relevante informatie voor het nemen van investeringsbeslissingen zeer ongelijk verdeeld. Deze informatie-asymmetrieën tussen managers en investeerders zorgen voor een inefficiënte allocatie van kapitaal. Managers zijn doorgaans beter in staat om investeringsopportuniteiten te beoordelen en kapitaal op een efficiënte manier toe te wijzen. Fusies en overnames kunnen een onderneming in staat stellen om gebruik te maken van interne middelen bij investeringsopportuniteiten. Stein (1997) gaf bijvoorbeeld aan dat als het aantal projecten beperkt is, de interne kapitaalmarkt efficiënter functioneert dan de externe kapitaalmarkt. 2.1.2.2 Productietheorie Volgens de economische productietheorie kunnen fusies en overnames de opbrengst-, kosten winstfunctie van een onderneming beïnvloeden. Cummins en Weiss (2004) geven hier een
4
viertal verklaringen voor. Ten eerste kunnen schaalvoordelen sneller bereikt worden door een fusie of overname dan door de normale groei van de onderneming. Daarnaast kunnen fusies en overnames kosten- en opbrengstensynergiën creëren. Kostensynergiën ontstaan door het samenvoegen van inputs: expertise, klantenbestanden, technologieën, merknaam, etc. Opbrengstsynergiën kunnen zicht voordoen als gevolg van een reductie van de kosten om nieuwe klanten te verwerven en een verbetering van de dienstverlening door het gezamenlijk aanbieden van verschillende financiële producten (one-stop shopping). Ten derde kunnen fusies en overnames de efficiëntie verhogen, bijvoorbeeld door het elimineren van overlappende productie-, distributie- of back-office systemen. Een laatste voordeel in het kader van de productietheorie is dat fusies en overnames de marktmacht en/of reputatie van een onderneming kunnen vergroten, wat toelaat om hogere prijzen te negotiëren. (Vander Vennet, 2002) 2.1.2.3 Too-big-to-fail garanties Door fusies en overnames zijn banken groter en complexer zijn geworden. Grote bank holdings bezitten een belangrijk voordeel in vergelijking met andere organisaties. Bepaalde banken zijn zodanig cruciaal voor het functioneren van een economie dat overheden niet kunnen toestaan dat deze falen: ze zijn too-big-to-fail. Om deze reden verkrijgen ze een bevoorrechte behandeling van beleidsmakers en andere marktspelers. Schmid en Walter (2009)
observeren
dat
alle
financiële
conglomeraten
lager
gewaardeerd
zijn
dan
gespecialiseerde financiële instituties, behalve bedrijven waarvan de totale activa 100 miljard dollar overschrijden. Brewer en Jagtani (2007) stellen vast dat banken zelfs bereid zijn om een premie van 14 miljard dollar te betalen voor een fusie om de drempel van too-big-to-fail te overschrijden. 2.1.3
Nadelen
Maar het verhaal is niet enkel rooskleurig. Er zijn ook een aantal negatieve kanten verbonden aan financiële conglomeraten. Consolidatie van financiële activiteiten wordt bijvoorbeeld soms ingegeven door motieven die geen waarde creëren voor de onderneming en zijn aandeelhouders. Sommige managers gaan activiteiten enkel uitbreiden om hun eigen status en/of financiële situatie te verbeteren (Jensen en Meckling, 1976). Deze tegenstelling van belangen tussen managers en aandeelhouders, ofwel agency problemen, kan leiden tot een daling van de waarde van de onderneming. Het management kiest in dit geval om te investeren in projecten die zeer risicovol zijn en weinig waarde opleveren voor de aandeelhouders, enkel om hun eigen salaris en prestige te doen toenemen. Bovendien worden grote ondernemingen vaak bureaucratisch en zijn bijgevolg niet in staat snel te reageren op veranderende marktsituaties. Beslissingslijnen worden namelijk te lang en
5
informatiedoorstromingen te traag. Zo vindt Berger (2003) dat te veel verschillende activiteiten binnen één onderneming kan leiden tot een toename van de kosten, ofwel diseconomies of scope, als gevolg van organisatorische moeilijkheiden bij het besturen van verschillende types van financiële instellingen. Een andere argumentering tegen diversificatie is cross-subsidization. Dit houdt in dat een onderneming als het ware investeert in onrendabele bedrijfsonderdelen. Een onderneming kan in principe geen negatieve waarde hebben, maar een bedrijfssegment van een gediversifieerde onderneming kan dit wel. Dit leidt uiteraard tot een inefficiënte allocatie van kapitaal, aangezien winstgevende investeringsopportuniteiten verloren gaan. Ook overinvestment is een gevaar bij diversificatie. Gediversifieerde bedrijven dikwijls investeren overmatig in projecten met een lage rendabiliteit aangezien ze beschikken over een overschot aan beschikbare middelen of kredietmogelijkheden. 2.1.4
Impact van diversificatie op de waardering van de onderneming
Er bestaat een uitvoerige discussie in de literatuur omtrent de impact van functionele diversificatie op de waardering van de onderneming. Er wordt gedisputeerd of het uitbreiden van de aard van de activiteiten waarde creëert voor de onderneming. Een aantal recente studies (Lang en Stulz,1994; Berger en Ofek, 1995; Servaes, 1996; Schmid en Walter, 2009; Laeven en Levine, 2007 en Lelyveld en Knot, 2009) tonen aan dat bedrijven die zich bezighouden met diverse activiteiten lager gewaardeerd worden op de aandelenmarkt, of met andere woorden dat er zich een zogenaamde diversificatiediscount voordoet. Om dit te meten maken ze gebruik van excess value measures (zoals Berger en Ofek, 1995) of de Tobin‟s q-waarde (zoals Laeven en Levine, 2007). De meeste van deze studies concentreren zich echter op niet-financiële bedrijven. Berger en Ofek (1995) maken gebruik van een excess value measure. Hierbij wordt de waarde van gediversifieerde bedrijven vergeleken met de som van de toegeschreven waarde van de individuele onderdelen van het bedrijf. Ze vinden dat de waarde van gediversifieerde bedrijven gemiddeld genomen 13 tot 15% lager is dan de som van de waarde van zijn segmenten. Dit waardeverlies is evenwel kleiner voor gerelateerde diversificatie. Dit biedt eventueel perspectieven voor diversificatie binnen de financiële sector. Cross-subsidization en overinvestment worden toegeschreven als bronnen van de diversificatiediscount. Zij oordelen dat indien deze oorzaken gecontroleerd kunnen worden, diversificatie kan zorgen voor kleine voordelen, zoals belastingbesparingen en een verhoogde schuldcapaciteit. Slechts een beperkt aantal studies concentreren zich op de financiële sector om na te gaan of de marktwaarde beïnvloed wordt door de diversiteit van de activiteiten. De financiële sector is 6
nochtans een interessant onderzoeksdomein aangezien de kans op economies of scope groter is bij informatie-intensieve sectoren. Schmid en Walter (2009) gebruiken de methode van Berger en Ofek (1995) om te onderzoeken of functionele diversificatie aanleiding geeft tot een premie of een discount in de financiële sector. Ze focussen zich niet enkel op banken, maar bestuderen elk type van financiële intermediair. Ze stellen een substantiële discount vast bij zowat alle financiële intermediairs. Conglomeraten met als hoofdactiviteit kredietverlening, verzekeringen of effectenhandel dalen in waarde, maar bij investment banken is dit niet het geval. Hierbij controleren ze voor het feit dat bedrijven in problemen opportuniteiten zoeken in andere gebieden. De resultaten van Schmid en Walter (2009) geven aan dat de waardering van een financiële instelling daalt wanneer die gaat diversifiëren. Het aantal verschillende activiteiten heeft echter geen invloed.
In tegenstelling tot Berger en Ofek (1995) vinden ze geen verschil tussen
gerelateerde en niet-gerelateerde diversificatie. Ze stellen wel vast dat het combineren van commercial
banking
met
verzekeringsactiviteiten
een
premie
oplevert
die
de
diversificatiediscount overtreft. Ook Laeven en Levine (2007) bestuderen de waarde-implicaties van functionele diversificatie in de financiële sector, maar aan de hand van de Tobin‟s q-waarde1. Ze vergelijken de Tobin‟s q-waarde van de financiële conglomeraat met de som van de q-waarden van de samenstellende entiteiten, indien deze zich zouden specialiseren in de individuele activiteiten. Ook zij stellen een diversificatie discount vast. Ze leggen de oorzaak bij toegenomen agency problemen en onvoldoende grote economies of scope, maar dit wordt niet expliciet aangetoond. Uit de resultaten van Laeven en Levine (2007) blijkt dat gediversifieerde banken gemiddeld genomen 6% lager gewaardeerd zijn dan in het geval de samenstellende entiteiten een focusstrategie zouden volgen. Dit resultaat is behoorlijk lager dan de 32% discount berekend door Lang en Stulz (1994) voor niet-financiële bedrijven. Dit zou echter overeenkomen met de vaststelling van Berger en Ofek (1995) dat diversificatie waarde vernietigt, maar gerelateerde diversificatie dit verlies afzwakt. Diversificatie binnen de financiële sector resulteert met andere woorden in een kleinere discount. Wat deze diversificatiediscount precies veroorzaakt is vooralsnog onduidelijk. Bovenstaande studies geven enkele indicaties van de oorzaken, maar kunnen geen sluitende bewijzen leveren. Daar staat tegenover dat een aantal auteurs beweren dat diversificatie niet aan de basis ligt van de discount. Maksimovic en Phillips (2002) vinden dat diversificatie de 1
De Tobin‟s q-waarde wordt gebruik als een maatstaf voor de waardering van banken in Laeven en Levine (2007). Het is de som van de marktwaarde van het gewone aandelenkapitaal, de boekhoudkundige waarde van het geprefereerde aandelenkapitaal en de boekhoudkundige waarde van de totale schulden gedeeld door de boekhoudkundige waarde van de totale activa.
7
productiviteit niet verlaagt, maar dat minder productieve bedrijven gaan diversifiëren. Graham, Lemmon en Wolf (2002) geven aan dat conglomeraten laag gewaardeerde bedrijven opkopen, wat resulteert in een diversificatiediscount. Villalonga (2004a) vindt dat de diversificatiediscount veroorzaakt wordt door het feit dat de beschikbare gegevens zelf gerapporteerd worden door de bedrijven. Campa en Kedia (2002) argumenteren dat net de kenmerken die bedrijven aanzetten tot diversificatie, ook de bedrijfswaarde verlagen. Gegeven dat er een diversificatiediscount is, kan men verwachten dat fusies met diversificatie als doel minder goed onthaald worden door de markt. DeLong (2001) gaat de impact na van bankfusies in de VS op de waardering van de onderneming op de aandeelmarkt. Fusies worden onderverdeeld volgens 2 dimensies in 4 categorieën; fusies die specialiseren of diversifiëren op vlak van locatie, en fusies die specialiseren of diversifiëren op vlak van activiteiten. Hij onderzoek of er abnormale rendementen voorkomen voor elk van deze groepen als gevolg van de fusieaankondiging. Hij vindt dat bankfusies die een specialisatiestrategie volgen in beide dimensies waarde creëren. Diversificatiefusies daarentegen creëren geen waarde. De resultaten moeten wel met enige voorzichtigheid benaderd worden. De reactie van aandeelkoersen op een fusie geeft enkel een aanwijzing van de verwachtingen van de markt over toekomstige cashflows. De echte prestaties kunnen daarvan uiteraard verschillen. Cybo-Ottone en Murgia (2000) bestuderen de gevolgen van fusies en overnames voor de waardering op de aandeelmarkt in de Europese banksector. Empirische resultaten geven aan dat er zich een waardestijging voordoet bij de gemiddelde fusie op het tijdstip van de overeenkomstaankondiging. Hun bevindingen spreken dus eerdere Amerikaanse onderzoeken tegen. Ze vinden aanwijzingen dat de positieve resultaten voornamelijk gedreven worden door binnenlandse fusies tussen twee banken en fusies tussen een bank en een verzekeraar. Samenvattend kan gesteld worden dat functionele integratie weinig waarde lijkt te creëren. De meeste studies zijn echter gebaseerd op gegevens uit de Verenigde Staten, waar omwille van wettelijke restricties het combineren van diverse financiële activiteiten nog in zijn kinderschoenen staat. In Europa zou diversificatie meer voordelen bieden, maar het beschikbare bewijsmateriaal is zeer beperkt. Uit alle mogelijke combinaties van financiële activiteiten blijkt bankverzekeringen de meest waardevolle opportuniteiten te leveren. 2.1.5
Impact van diversificatie op het risico van de onderneming
2.1.5.1 Fee-inkomsten Omwille van toenemende concurrentie voelen de meeste banken het laatste decennium een toegenomen druk op hun rentemarge. Om hier mee om te gaan, vond in de banksector een verschuiving plaats qua inkomstenbronnen: meer en meer banken verlegden hun focus van
8
traditionele interestinkomsten naar andere types van inkomsten. Ze begonnen aanverwante financiële producten en diensten zoals verzekeringen, effecten, beleggingsfondsen aan te bieden. Deze activiteiten leveren fee-inkomsten op die minder kwetsbaar zijn voor renteschommelingen en dus minder afhankelijk van de algemene economie. Algemeen werd aangenomen dat deze strategie een positieve invloed had op de winststabiliteit en dus het bankrisico reduceerde. Het procentueel aandeel van niet-interestinkomsten in het netto operationeel inkomen maakte een continue stijging door en ook de totale inkomsten verhoogden (Stiroh, 2004). Een aantal studies gebaseerd op boekhoudkundige data tonen echter aan dat een grotere afhankelijkheid van niet-interest inkomsten de volatiliteit van de boekhoudkundige winst verhoogt zonder dat de gemiddelde winst beïnvloed wordt (DeYoung en Roland 2001, Stiroh 2004, Stiroh en Rumble 2006). Dit betekent dat banken door een uitbreiding van de activiteiten naar andere financiële sectoren juist risicovoller worden. DeYoung en Roland (2001) gaan de impact van veranderingen in de productmix op de volatiliteit van de winst bij commerciële banken na. Ze vinden aanwijzingen dat de winst volatieler wordt als er meer gefocust wordt op fee-based activiteiten in plaats van traditionele intermediatie-activiteiten. Dit wordt veroorzaakt doordat de inkomsten volatieler worden en de mate van hefboomwerking verhoogt. DeYoung en Roland (2001) wijzen er wel op om voorzichtig te zijn met deze conclusies door te trekken naar de impact van verzekerings- of effectenactiviteiten op de winstvolatiliteit van banken. Verzekeringen en effectenhandel zijn wel fee-based activiteiten, maar de vraag- en productiekarakteristieken kunnen sterk verschillen van de fee-based activiteiten die toegelaten waren in de periode waar deze studie betrekking op heeft. Stiroh (2004) en Stiroh en Rumble (2006) bekomen gelijkaardige resultaten. Stiroh (2004) stelt vast dat niet-interestinkomsten, voornamelijk die uit effectenhandel, erg volatiel en zelfs meer conjunctuurgevoelig zijn. Bovendien stijgt de correlatie van niet-interestinkomsten met interestinkomsten naarmate men intensiever gaat focussen op deze nieuwe inkomstbronnen, waardoor het diversificatiepotentieel juist afneemt. Mogelijke verklaringen hiervoor zijn het gebruik van cross-selling strategieën en toegenomen loan commitments. Dit kan er namelijk voor zorgen dat verschillende segmenten aan dezelfde schokken blootgesteld worden, wat de correlatie verhoogt. De auteur waarschuwt wel dat de data betrekking hebben op een overgangsperiode. Het is dus mogelijk dat de banken nog meer ervaring moeten vergaren over hoe ze diversificatievoordelen kunnen benutten. Er wordt dus niet geconcludeerd dat diversificatie per se nadelig is. Stiroh en Rumble (2006) stellen vast dat er wel degelijk diversificatievoordelen bestaan voor de resultaten van financiële conglomeraten, maar dat deze
9
teniet worden gedaan door de directe blootstelling van de financiële conglomeraat aan activiteiten met een hogere volatiliteit. Niet-interest activiteiten zijn niet meer winstgevend, maar wel risicovoller volgens Stiroh (2006). Hij gaat de impact na van een verhoogd aandeel niet-interestinkomsten op het risicorendementsprofiel van banken. Een hogere afhankelijkheid van andere inkomsten leidt tot een zelfde gemiddeld rendement voor de aandeelhouders. Het risico daarentegen, gemeten aan de hand van de volatiliteit van het aandeelrendement en de markt-β van het bedrijf, is positief gerelateerd aan de omvang van niet-interest inkomsten. Een sterke focus op nietinterestactiviteiten is met andere woorden nadelig voor het risico-rendementsprofiel van banken. 2.1.5.2 Imperfect gecorreleerde inkomensstromen Het voornaamste argument voor het diversifiëren van de activiteiten is het reduceren van het ondernemingsrisico.
De
standaard
portfoliotheorie
voorspelt
dat
het
bundelen
van
inkomensstromen die negatief of zwak gecorreleerd zijn, het bedrijfsspecifieke risico verlaagt. Het combineren van aandeel- of verzekeringsactiviteiten met bancaire activiteiten kan zo het risico verlagen, maar de mate waarin hangt sterk of van het type van diversifiërende activiteit. Sommige studies (Demsetz en Strahan, 1997) geven aan dat de voordelen van product-mix diversificatie beperkt zijn: door meer risico te nemen in andere gebieden kunnen de andere activiteiten het bankrisico juist verhogen. Demsetz en Strahan (1997) meten de diversificatie van een steekproef van bank holdings op basis van aandeelmarkt gegevens. Ze vinden een sterke positieve relatie tussen de grootte van de onderneming en de mate van diversificatie: grotere bank holdings zijn met andere woorden meer gediversifieerd. Deze grootte-gerelateerde diversificatie leidt tot belangrijke reducties van het idiosyncratische of de bedrijfsspecifieke risicocomponent. Stever (2007) bevestigt dat kleinere banken minder mogelijkheden hebben om te diversifiëren en met als gevolg een hoger idiosyncratisch risico. Aangezien er restricties zijn op de totale volatiliteit van het eigen vermogen, zijn kleine banken verplicht leningen met een lager kredietrisico uit te geven om zo voor het hogere idiosyncratisch risico te compenseren. Desalniettemin stellen Demsetz and Strahan (1997) vast dat grote banken hun diversificatievoordeel gebruikt hebben om meer en risicovollere kredieten te verlenen en lagere kapitaalratio‟s aan te houden. Deze factoren zijn positief gerelateerd aan het bedrijfsspecifieke risico en neutraliseren op deze manier het potentiele diversificatievoordeel. Diversificatie kan dus een beweegreden zijn voor consolidatie, aangezien het risicovoller lenen en een hogere hefboomwerking toelaat.
10
Een aantal studies (Boyd, Graham en Hewitt, 1993; Allen en Jagtani, 2000) proberen na te gaan wat de effecten zijn van diversificatie door kunstmatig financiële holdings te creëren. Dit is noodzakelijk om een voldoende grote steekproef te kunnen samenstellen. Boyd et al. (1993) evalueren op deze manier de impact van diversificatie op het faillissementsrisico. Aan de hand van gesimuleerde fusies tussen banken en andere financiële instellingen worden risicomaatstaven berekend. Door deze te vergelijken met de risicowaarde van niet-gefuseerde ondernemingen, gaat men het effect na van diversificatie op het risico van de onderneming. Ze komen tot de vaststelling dat enkel fusies van bank holdings met verzekeringsfirma‟s het risico reduceren. Ook Allen en Jagtani (2000) maken gebruik van een simulatie-analyse om de risicoimplicaties te onderzoeken van het combineren van commercieel bankieren met aandelen- en verzekeringsactiviteiten. Ze bestuderen niet alleen het totale risico, maar ook het systematische- en interestrisico. Ze stellen vast dat effecten- en verzekeringsbedrijven worden blootgesteld aan risico‟s die niet perfect gecorreleerd zijn met elkaar, en met het risico van de bankholding. Het totale risico van de gediversifieerde bank zal bijgevolg lager zijn. Effectenhandel verhoogt de blootstelling aan het systematisch risico en interestrisico, wat dus de mogelijkheid tot diversificatie verkleint. Verzekeringsactiviteiten hebben geen effect op de blootstelling aan marktrisico, maar verkleinen de blootstelling aan interestrisico. Het bestuderen van financiële conglomeraten aan de hand van gesimuleerde fusies is natuurlijk niet ideaal. Deze analyses kunnen bepaalde factoren niet vatten, zoals structurele veranderingen in de dienstverlening en mogelijke synergiën als gevolg van de echte realisatie van de fusie. Daarenboven zijn de vorige studies voornamelijk op de Verenigde Staten. Europa is echter geschikter voor het bestuderen van de diversificatie-effecten. Europese banken zijn meer begaan met verschillende activiteiten en functionele diversificatie in de financiële sector is al langer toegelaten. Baele et al. (2007) bestuderen de Europese banksector. Ze observeren een sterk positieve relatie tussen de franchise value (een maatstaf voor de potentiële prestaties en gebaseerd op de Tobin‟s q-waarde) en de mate van diversificatie. Omgekeerd, hebben gediversifieerde banken een hogere markt- en zijn dus gevoeliger voor veranderingen in marktstemming of economische schokken. Een toenemend aandeel van niet-interest inkomsten verlaagt het idiosyncratisch risico van een bank, maar deze relatie is niet-lineair. Het totale risico is hoger bij banken die zich minder toeleggen op kredietverlening. Als conclusie kan gesteld worden dat fee-inkomsten enkel de winst en inkomsten volatieler maken en niet verhogen. Daarnaast bestaat er bewijs dat diversificatie het bedrijfsspecifieke
11
risico reduceert, maar het systematische risico verhoogt. Er kan dus geconcludeerd worden dat voorgaande studies geen positieve invloed vinden van diversificatie op het risico van de financiële instelling.
2.2
Bankverzekeraars
In dit onderdeel wordt de aandacht gericht op literatuur omtrent bankverzekeraars. Bankverzekeraars zijn een mogelijke type van financiële conglomeraten en vormen de focus van dit onderzoek. Vooreerst wordt gedefinieerd wat bankverzekeringen juist inhoudt. Daarnaast wordt beschreven hoe bankverzekeringen is ontstaan en welke overwegingen hebben meegespeeld bij de creatie ervan. Vervolgens wordt een overzicht gegeven van eerdere studies die de gevolgen onderzochten van het model op de waardering en het risico van de onderneming. 2.2.1
Definitie
Bankverzekeringen wordt door Swiss Re (2002) gedefinieerd als de productie of de distributie van verzekeringsproducten door banken. Het is een strategie die gevolgd wordt door banken of verzekeringsmaatschappijen die op een geïntegreerde manier willen opereren in de markt van financiële diensten. Staikouras (2006) omschrijft bankverzekeringen als de distributie van financiële- en verzekeringsproducten aangeboden door één onderneming. Hij wijst erop dat het fenomeen verschillende vormen heeft aangenomen de voorbije jaren. Soms worden de diensten verleend door verschillende zusterondernemingen van eenzelfde holding, die gebruik maken van aparte distributiekanalen. Een alternatief is dat er allianties gevormd worden tussen de 2 verschillende bedrijfssegmenten die elkaars producten trachten te verkopen. 2.2.2
Ontstaan
Bankverzekeringen is een populaire manier van consolidatie van financiële activiteiten in Europa. Sinds het ontstaan eind jaren ‟70 en begin jaren ‟80 is het aantal bankverzekeraars blijven groeien aan een versneld tempo. Oorspronkelijk bestonden wettelijke scheidingswanden tussen
de
verschillende
financiële
intermediairs,
zoals
commerciële
banken,
beleggingsmaatschappijen, investment banken en verzekeringsmaatschappijen. Maar de Europese Unie dereguleerde geleidelijk aan de financiële sector, waardoor financiële diensten geïntegreerd aangeboden konden worden. De echte doorbraak van het bankverzekeraarsmodel kwam er na de Second Banking Coordination Directive in 1989. Vanaf dan was het mogelijk om holdings te vormen die een brede waaier aan financiële diensten aanbieden; retail banking, investment banking, effectenhandel, verzekeringsactiviteiten, etc. Bovendien liet deze richtlijn financiële instituties uit
12
de Europese Unie toe in eender welke lidstaat actief te zijn zonder toestemming van nationale autoriteiten. In de Verenigde Staten verbood de Bank Holding Company Act lange tijd het combineren van bank- en verzekeringsactiviteiten. Slechts in 1999 werd cross-selling van verschillende financiële producten mogelijk gemaakt door de Financial Services Modernisation Act, ook de Gramm-Leach-Bliley Act genoemd. Deze wetgeving stond toe dat banken samengaan met verzekerings- of effectenmaatschappijen onder één holdingmaatschappij of dat banken andere financiële activiteiten ondernemen langs een zusteronderneming. Door verschillende uitspraken van the Office of the Comptroller of the Currency (OCC) in de jaren ‟80, konden banken in de VS al eerder verzekeringen verkopen, maar niet zelf uitgeven. Carrow (2001b) gaat het effect hiervan na op de aandeelkoersen van banken en verzekeraars. Het mogelijke toetreden van banken in de verzekeringssector heeft duidelijk een negatieve invloed op de waarde van verzekeringsmaatschappijen. De markten verwachten dat door het verlagen van de intrededrempels de competitie zou verhogen in de verzekeringssector. De gemiddelde prijs van bankenaandelen verandert echter niet op het moment van de versoepeling van de Bank Holding Company Act. Dit impliceert dat investeerders verwachten dat de deregulering geen significante investeringsopportuniteiten zou opleveren voor banken. Fusies tussen banken en verzekeringsmaatschappijen waren toen nog steeds verboden. In 1998 gingen Citicorp en Travelers Group hier tegen in en kondigden aan te fusioneren. Een wetsaanpassing was noodzakelijk opdat de gefusioneerde onderneming Citigroup zou kunnen blijven bestaan. Het contesteren van deze wet en de mogelijke deregulatie als gevolg, had niet enkel een impact op Citigroup zelf, maar ook op andere financiële instellingen. De reactie van de aandeelkoersen van andere banken en verzekeraars op de fusieaankondiging, geeft een indicatie van de marktverwachtingen welke ondernemingen zullen profiteren van deregulatie. Carrow (2001a) toont aan dat levensverzekeringmaatschappijen en grote banken positieve abnormale rendementen hebben op het moment van de fusieaankondiging en dus verwacht worden voordeel te hebben aan een deregulatie. Carrow en Heron (2002) bestuderen hoe financiële instellingen reageren op de uiteindelijke doorkomst van de Financial Services Modernisation Act. Ze vinden dat de segmenten in de financiële sector verschillend reageren op de toelating om financiële holdings te vormen. Grote investment
banken
en
verzekeringsmaatschappijen
hebben
de
grootste
abnormale
rendementen, maar de aandeelkoersen van zowel grote als kleine banken ondervinden geen invloed
ten
gevolge
van
de
nieuwe
wetgeving.
Buitenlandse
banken,
financieringsmaatschappijen en spaarkassen verliezen zelfs waarde.
13
Ondanks de versoepelde wetgeving verspreidde het bankverzekeringsmodel zich niet uitvoerig in de VS. In Europa daarentegen werd het model snel populair in de financiële sector en werden vele allianties tussen bank- en verzekeringsgroepen gesloten. Het model van bankverzekeringen werd uitgebreid aangenomen in Frankrijk, Spanje, Portugal, Italië en België. In het Verenigd Koninkrijk en Duitsland was het model minder populair en werd meer gekozen voor de traditionele netwerken. Staikouras en Nurullah (2008) geven met onderstaande figuur een overzicht weer hoe levensverzekeringsontvangsten verdeeld zijn over de verschillende netwerken in deze Europese landen. In Frankrijk is het markaandeel van bankverzekeraars het grootst, omdat daar bepaalde verzekeringen met belastingvoordelen enkel beschikbaar zijn via banken.
Afbeelding 1 - Procentueel marktaandeel per distributienetwerk (bron: The Insurance Argus, 2002 in Staikouras en Nurullah, 2008)
Bankverzekeringen was dus lange tijd wettelijk niet toegelaten, zowel in Europa als in de VS. Een deregularisatie zal volgens de marktverwachtingen in de VS enkel de grote banken en verzekeringsmaatschappijen voordeel brengen. In Europa kwam de deregularisatie er al eerder en heeft het bankverzekeringsmodel zich daarom al uitgebreider verspreidt. 2.2.3
Voor- en nadelen van bankverzekeringen
Het combineren van beide financiële diensten kan tal van voordelen opleveren voor zowel de onderneming als de klant. Volgens Allen en Jagtani (2000) kan de trend richting bankverzekeringen verklaard worden door vraag- én aanbodkrachten. Enerzijds bieden bankverzekeraars een uitgebreid gamma aan van financiële producten wat voor de cliënt onestop shopping van financiële producten en/of diensten mogelijk maakt. Anderzijds kan de combinatie kostensynergiën en risicodiversificatie realiseren voor de bankverzekeraar. Banken en verzekeraars zijn zeer gelijkaardige én complementaire instellingen. Fields, Fraser en Kolari (2007a) geven aan dat bank- en verzekeringsondernemingen meer
14
gelijkenissen vertonen dan verschillen. Beide ondernemingen verlenen diensten die spaargelden beheren en deze middelen kanaliseren naar kapitaaluitgaven. Door samen te smelten kunnen ze gebruik maken van één distributienetwerk en belangrijke cross-selling opportuniteiten exploiteren. In informatie-intensieve ondernemingen, zoals banken en verzekeringsmaatschappijen kan het hergebruik van informatie grote tijd- en kosten besparing opleveren. Bovendien bezit de banksector een groot publiek vertrouwen, wat zich kan weerspiegelen in het verzekeringssegment. Banken en verzekeraars hebben elk hun eigen redenen om te gaan samenwerken (Staikouras (2006)). Om steeds kleiner wordende winstmarges tegen te gaan, beschouwen banken de verkoop van verzekeringen als een groeiopportuniteit en een bron van vaste inkomsten. Verzekeraars wensen op hun beurt de distributiekosten te verlagen en contacten te leggen met nieuwe klanten door gebruik te maken van het bankennetwerk. Banken zijn dikwijls ook groter, meer solvabel en hebben een grotere naamsbekendheid, wat de verzekeraar enkel ten goed kan komen. Een belangrijke argumentering ten voordele van bankverzekeringen is de opportuniteit die het model biedt op vlak van de balansstructuur. Banken verschaffen voornamelijk kredieten op lange termijn die gefinancierd worden door korte termijn deposito‟s met een variabele interestvoet. Omgekeerd verkrijgen verzekeringsmaatschappijen fondsen die ze hoofdzakelijk investeren in lange termijn beleggingen met een vaste interestvoet. Banken hebben dus te maken met een matchingprobleem van de tijdsperiode tussen activa en passiva. Door samen te gaan met een verzekeringsmaatschappij kunnen ze hun balans evenwichtiger samenstellen. Het bankverzekeringsmodel zou voor een grotere financiële stabiliteit zorgen. Estrella (2001) toont aan de hand van een simulatie-analyse aan dat het combineren van banken en verzekeraars voordelig is op vlak van de volatiliteit van de inkomsten. Er is reeds veel literatuur verschenen over de mogelijke voordelen van dit business model, maar de meeste studies zijn enkel beschrijvend van aard. Slechts enkelen onderzoeken kwantitatief de voor- en nadelen van het bankverzekeringsmodel. Volgens Chen, Li, Liao, Moshirian en Szablocs (2009) moeten we de oorzaak hiervoor zoeken in een gebrek aan informatie
omtrent
de
operaties
van
bankverzekeraars.
Recente
verbeteringen
in
informatieverplichtingen voor bedrijven en de collectie van nationale gegevens opent de weg voor nieuwe en diepgaandere studies. Chen et al. (2009) proberen als één van de eersten deze leemte op te vullen met een uitgebreide empirische studie over bankverzekeringen. Ze onderzoeken de factoren die het succes van bankverzekeringsactiviteiten bepalen. Zeven determinanten die een significante
15
impact hebben op het totale inkomen uit premies worden geïdentificeerd: de omvang van de onderneming, de toename in ontvangsten, de grootte van de nationale banksector, de binnenlandse graad van deregulatie, het nationale inflatiepercentage en de reductie van het bedrijfsrisico.
De
vaststelling
dat
het
bedrijfsrisico
gereduceerd
wordt
als
bankverzekeringsactiviteiten toenemen impliceert dat beleidsmakers verder werk moeten maken
van
deregulatie.
Deze
studie
moedigt
bankmanagers
aan
om
bankverzekeringsactiviteiten ernstig te overwegen omwille van de diversificatiemogelijkheden die het biedt, een reductie van de vaste kosten, toename van de inkomsten en een verbetering van de competitiviteit. Er is uiteraard ook een keerzijde van het verhaal. Staikouras (2006) wijst op een aantal obstakels verbonden aan het bundelen van bank- en verzekeringsactiviteiten. Deze ondernemingen hebben een zeer verschillende bedrijfscultuur. Hun filosofie en houding is zowel intern als extern verschillend. Verzekeraars zijn verkopers die klanten prospectief gaan opzoeken en vergoed worden volgens hun prestaties. Bankiers bevinden zich in een kantoor waar klanten hen zelf komen raadplegen. Ze bouwen een langdurige relatie op met hun cliënteel en zijn risico-avers. Het grote potentieel van bankverzekeringen is dikwijls niet gerealiseerd kunnen worden door moeilijkheden om beide bedrijfsculturen te verbinden. De manier waarop de verschillende producten gepromoot en gedistribueerd worden, bepaalt mede het succes van de bankverzekeraar. Het is dus cruciaal om hiermee rekening te houden in de structuur van de onderneming, zodanig dat klantenbehoeftes efficiënt geïdentificeerd en vervuld kunnen worden. Staikouras (2006) stelt een radar-shaped benadering voor voor een veelgelaagd promotie/dienstverleningsnetwerk. Een aantal studies
wijzen erop dat
verzekeringsactiviteiten risicovoller
zijn dan
bankactiviteiten. Ze maken meer veronderstellingen in verband met het risico en moeten dus steunen op een hogere kapitaalbasis. Litan (1987) vindt dat banken minder risicovol zijn, maar ook een lager rendement hebben. Het consolideren van bank- en verzekeringsactiviteiten kan tal van voordelen bieden voor zowel de financiële instelling als de klanten. Er is echter weinig empirisch onderzoek beschikbaar die de voor- en nadelen van het model nagaan. 2.2.4
Impact van bankverzekeringen op de waardering van de onderneming
Een aantal recente studies concentreren zich op het analyseren en het identificeren van waardeveranderingen door het combineren van traditionele bank- en verzekeringsactiviteiten. Ze onderzoeken dit aan de hand van aandeelprijzen of het risico-rendementsprofiel van de betrokken ondernemingen.
16
Het bestuderen van aandeelkoersen gebeurt voornamelijk door gebruik te maken van een event studie. Deze methode veronderstelt dat de koerswijziging na een bepaalde aankondiging een indicatie is van hoe de markt de toekomstige cashflows en het risico ervan beoordeelt. Onder andere Carrow (2001a en 2001b) bestudeert de verwachtingen van de markt over de gevolgen van de deregulering in de VS aan de hand van een event studie. Maar toekomstverwachtingen over de deregulering weerspiegelen niet noodzakelijk de realiteit.
Het
is
daarom
aangewezen
om
te
onderzoeken
of
de
vorming
van
bankverzekeringsondernemingen ook in de praktijk voordelig is. Chen, Li, Liao, Moshirian en Tan (2008) voeren vernieuwend onderzoek uit in dit vakgebied. Ze onderzoeken welke impact een fusie of overname tussen Europese banken en verzekeringsmaatschappijen heeft op het risico en de waardering van de overnemende partij. Het waarde-effect wordt geanalyseerd aan de hand van een event studie. Hun studie toont aan dat op korte termijn de markt negatief reageert op de vorming van bankverzekeraars, zeker in het geval van binnenlandse fusies. Op lange termijn kan men geen abnormale rendementen vaststellen. Overnemers nemen een daling van het systematische risico waar in vergelijking met binnenlandse bankindices, maar het totale risico blijft constant. De resultaten geven dus aan dat door een daling van de bètawaarde, er een waardeoverdracht voordoet van de aandeelhouders naar de schuldeisers. Ook Fields, Fraser en Kolari (2007a en b) maken gebruik van een event studie om de impact van fusies tussen banken en verzekeraars te onderzoeken op de waarde voor de aandeelhouders. Ze stellen vast dat deze fusies positieve abnormale rendementen opleveren voor zowel de overnemer als de overgenomen onderneming. Deze positieve waarde-effecten worden gedreven door de mate waarin schaalvoordelen en synergiën gerealiseerd kunnen worden tussen de beide partijen. Daarnaast hebben fusies die de eigen markt uitbreiden (geografische diversificatie) meer kans op abnormale rendementen. De resultaten van deze studie bevestigen de assumptie dat het combineren van bank- en verzekeringsactiviteiten een economisch rendabel business model is. Volgens Fields et al. (2007a en 2007b) zijn de positieve
markt
reacties
op
bankverzekeraarsfusies
gedreven
door
de
verwachte
inkomstopportuniteiten en niet door potentiële risicoreducties. Het is belangrijk te beseffen dat de waardeveranderingen na een fusieaankondiging enkel de verwachtingen van de markt weerspiegelen over het toekomstig succes van de fusie. Dit wil niet zeggen dat deze verwachtingen ook effectief gerealiseerd zullen worden. Van Lelyveld en Knot (2009) onderzoeken daarom de effectieve waardering van bankverzekeraars op de aandeelmarkt. Ze vergelijken deze met de waardering van de samenstellende delen om een eventuele conglomeraten discount of premie te identificeren.
Ze stellen vast dat de
meerwaarde van financiële conglomeraten praktisch nul is, maar dat er grote variaties merkbaar
17
zijn. Aan de hand van een regressieanalyse testen ze een aantal verklaringen voor de discount. Hieruit concluderen ze dat de discount veroorzaakt wordt door een toegenomen mogelijkheid tot inefficiënte cross-subsidiering en door een verschuiving van waarde van aandeelhouders naar schuldeisers omwille van de risicoreductie door diversificatie. Samenvattend kunnen we stellen dat bankverzekeringsfusies niet bijzonder positief onthaald worden door de markt. Indien fusies duidelijke economies of scale en scope of een uitbreiding van de markt realiseren heeft de markt positievere toekomstverwachtingen voor de bankverzekeraar. 2.2.5
Impact van bankverzekeringen op het risico van de onderneming
Er is weinig literatuur beschikbaar over de risico-implicaties van fusies tussen banken en verzekeraars. Voor overheden is deze informatie nochtans belangrijk aangezien het falen van deze fusies gevolgen kan hebben voor het hele financiële systeem. De meeste bestaande studies maken gebruik van gesimuleerde fusies aangezien de steekproef van echte bankverzekeringsfusies onvoldoende groot is om representatieve resultaten te bekomen. Aan de hand van deze simulatie-analyses vinden Boyd en Graham (1988), Boyd et al. (1993), Genetay en Molyneux (1998) en Estrella (2001) dat de falingskans na de fusie tussen een bank en verzekeringsmaatschappij lager is. Saunders en Walter (1994) vinden dat de volatiliteit van het aandeelrendement gereduceerd wordt. Fields et al. (2007b) slagen erin om een grote steekproef van fusies tussen bank- en verzekeringsmaatschappijen samen te stellen en kunnen zo de veranderingen in het risicoprofiel onderzoeken op basis van echte data. Ze berekenen voor en na de overname de standaard afwijking van het aandeelrendement, bèta-waarde en de falingskans. De veranderingen in deze risicomaatstaven blijken echter niet significant. Deze studie concludeert dat het risicoprofiel van de overnemer geen veranderingen ondergaat als gevolg van de fusie. Zoals eerder vermeld, moeten reacties van de aandeelmarkt met enige voorzichtigheid benaderd worden. Staikouras en Nurullah (2008) bestuderen daarom de financiële gegevens van bestaande bankverzekeraars om de wenselijkheid van het model te evalueren. De uitgifte van levensverzekeringen en verzekeringsmakelaars blijken afzonderlijk winstgevender te zijn dan bankactiviteiten. Ze zijn echter ook risicovoller, gemeten als de volatiliteit van het rendement en de falingskans. Op basis van de correlatie blijken zowel de uitgifte van levensverzekeringen
en
niet-levensverzekeringen
als
makelaardij
interessante
diversificatiestrategieën te zijn voor banken. Uit de resultaten van de gefuseerde bankverzekeraars blijkt dat de combinatie tussen banken en verzekeringsmakelaars de meest geschikte is. Het rendement neemt significant toe, terwijl de wijziging van het risico insignificant blijft. Diversificatie van banken in de levensverzekerings- of algemene verzekeringssector
18
verhoogt het risico, terwijl enkel een combinatie met levensverzekeringen een hoger rendement oplevert. Slechts een beperkt aantal studies hebben de implicaties nagegaan voor het risico van een bankverzekeringsfusie. Er wordt verwacht dat door het combineren van bank- en verzekeringsactiviteiten het risico verlaagt door diversificatievoordelen. Desalniettemin blijkt uit empirisch onderzoek dit niet het geval te zijn. In het beste geval is de wijziging van het risico niet significant. Een aantal oudere studies vinden wel dat het falingsrisico gereduceerd wordt.
19
3 Onderzoeksmethodologie
3.1
Inleiding
Het doel van deze studie is na te gaan of het bankverzekeringsmodel diversificatievoordelen biedt.
Dit
wordt
gedaan
in
3
stappen.
Ten
eerste
wordt
er
nagegaan
of
het
bankverzekeringsmodel risicovoller is dan bank- of verzekeringsactiviteiten afzonderlijk. Ten tweede wordt geëvalueerd hoe economische schokken het risicoprofiel van deze verschillende types van financiële instellingen beïnvloeden. Als laatste wordt er onderzocht of een eventueel verschil in risico te wijten is aan het bankverzekeringsmodel zelf of aan andere, bedrijfsspecifieke factoren. Ondanks de vele voordelen die het combineren van bank- en verzekeringsactiviteiten kan bieden, bleek uit voorgaande literatuur dat deze strategie over het algemeen geen gunstig effect heeft op de waardering en het risico van de onderneming. Ook de Europese Commissie oordeelde dat een aantal Europese bankverzekeraars te veel risico inhouden en een bedreiging vormen voor het financiële systeem. Bijgevolg verplichtte ze een aantal financiële instellingen hun verzekeringsactiviteiten van de hand te doen. Nochtans is het aantal studies omtrent het risicoprofiel van bankverzekeraars eerder beperkt. Daarenboven zijn de beschikbare studies voornamelijk gericht op de Verenigde Staten, terwijl Europa eigenlijk geschikter is voor het bestuderen van bankverzekeringen. In Europa is het model namelijk al langer wettelijk toegelaten en wijder verspreid. Bovendien zijn de Amerikaanse studies omwille van te kleine steekproeven verplicht het risicoprofiel aan de hand van gesimuleerde fusies tussen banken en verzekeringsmaatschappijen te onderzoeken.
3.2
Het Capital Asset Pricing Model
De manier waarop het risicoprofiel wordt geëvalueerd gebeurde reeds op verschillende manieren. Boyd et al. (1993) gebruiken als risicomaatstaf het faillissementsrisico. Fields et al. (2007b) berekenen de verandering in de standaard afwijking van het aandeelrendement, de bèta-waarde en falingskans voor en na een bankverzekeraarsfusie. Chen et al. (2008) meten het risico aan de hand van de verandering in het totaal risico en het systematische risico ten aanzien van een marktindex als gevolg van een bankverzekeraarsfusie. Ik heb ervoor gekozen om het risico te analyseren door gebruik te maken van het Capital Asset Pricing Model. Dit Capital Asset Pricing Model werd, naar mijn weten, nooit eerder toegepast om het risicoprofiel van bankverzekeraars te vergelijken met dat van banken of verzekeraars. Schepens en Vander Vennet (2009) gebruikten het wel eerder om de impact van het business model van banken op het risico te evalueren.
20
Het Capital Asset Pricing Model laat toe om het totale risico te ontleden in het systematisch of marktrisico en het idiosyncratisch of bedrijfsspecifieke risico. Bovendien maakt het gebruik van beurskoersen, die alle beschikbare informatie over de toekomstverwachtingen van investeerders zouden moeten bevatten. Voor
drie
types
van
verzekeringsmaatschappijen)
financiële wordt
het
instellingen totale
risico
(bankverzekeraars, ontleed
in
zijn
banken
en
samenstellende
componenten. Op deze manier kan er nagegaan worden of de keuze van het business model een invloed heeft op het risicoprofiel van de onderneming. Er wordt gebruikt gemaakt van het theoretische model beschreven door Schepens en Vander Vennet (2009). Dit is een uitgebreide vorm van het Capital Asset Pricing Model. Het incorporeert een lange termijn interestpercentage als bijkomende verklarende variabele. Het interestpercentage verklaart bij financiële instellingen mede het rendement van de aandeelkoersen. Dit Capital Asset Pricing model ziet eruit als volgt : 𝐸 𝑟𝑖 − 𝑟𝑓 = 𝛽 𝑀 𝐸 𝑟𝑚 − 𝑟𝑓 + 𝛾𝑖 𝐼 (1) 𝑖 Met ri = het rendement van aandeel i rm = het rendement van de marktportfolio rf = het risicovrije rendement I = de lange termijn interestvoet βM i = de bèta-coëfficiënt of het systematisch risico van een aandeel i ten aanzien van de marktportfolio Een schatting voor de β-waarde wordt bekomen door het uitvoeren van de volgende tijdreeks regressie : 𝑟𝑖𝑡 − 𝑟𝑓𝑡 = 𝛼𝑖 + 𝛽𝑖𝐼 𝑟𝐼𝑡 − 𝑟𝑓𝑡 + 𝛾𝑖 𝐼𝑡 + 𝜀𝑖𝑡 (2) Met rit = het rendement van een aandeel i op tijdstip t rIt = het rendement van een brede Europese aandelenindex op tijdstip t rft = het rendement van de Euribor op 3 maanden op tijdstip t It = het interestpercentage van de Duitse overheidsobligatie op 10 jaar op tijdstip t βIi = de bèta-coëfficiënt of het systematisch risico van een aandeel i ten aanzien van een brede Europese aandelenindex εit = de bedrijfsspecifieke schokcomponent
21
De drie risicocomponenten die bestudeerd worden zijn de totale volatiliteit, het systematische risico en het idiosyncratische risico. De totale volatiliteit wordt gemeten als de standaard afwijking op jaarbasis van de dagelijkse excess returns. De systematische risicofactor is de markt-bèta uit het CAPM. De idiosyncratische risicocomponent wordt gemeten als de standaard afwijking op jaarbasis van de storingstermen uit het CAPM . Het dagelijkse rendement van de aandelen van de geselecteerde financiële instellingen in de steekproef wordt verzameld voor de periode van 1 januari 2000 tot 31 december 2010. De vooropgestelde vergelijking (2) wordt dan voor alle items in de drie steekproeven (zie 4. Dataset) in Eviews geschat met de kleinste kwadraten-methode. Vervolgens wordt het gemiddelde berekend van de risicocomponenten voor de banken, de verzekeraars en de bankverzekeraars en onderzocht of de verschillen statistisch significant zijn.
3.3
Verschillende tijdsperiodes
In het tweede deel van deze studie wordt onderzocht of het risicoprofiel van de financiële instellingen varieert doorheen periodes met een verschillende conjunctuur. Hierbij wordt nagegaan of economische schokken een impact hebben op de systematische en idiosyncratische risicocomponenten. Vervolgens wordt gekeken of de risicocomponenten van banken, verzekeringsmaatschappijen en bankverzekeraars op een verschillende manier beïnvloed worden door economische tegenspoed. De steekproefperiode wordt hiervoor opgedeeld in 3 deelperiodes; januari 2000 tot februari 2003, maart 2003 tot februari 2007 en maart 2007 tot december 2010. Deze afbakening is gedeeltelijk gebaseerd op Scheppens en Vander Vennet (2009). De eerste periode van januari 2000 tot februari 2003 was een woelige periode en werd getekend door een afname in het consumenten- en producentenvertrouwen. De economie vertraagde, er deden zich een aantal specifieke schokken voor, zoals 11 september 2001 en het uitbreken van verschillende boekhoudschandalen, en de aandeelkoersen ontwikkelden zich in dalende lijn. Maart 2003 tot februari 2007 was een stabiele periode, de economie groeide en aandeelkoersen zaten in de lift. Maart 2007 wordt beschouwt als het begin van de financiële crisis, wanneer de problemen bij de Amerikaanse investment bank Bear Stearns tot uiting kwamen. De vergelijking (2) wordt geschat voor elk van de drie deelperiodes, waarna het gemiddelde van de risicocomponenten voor elke deelperiode voor de banken, verzekeraars en bankverzekeraars
wordt
berekend.
Op
deze
manier
kunnen
we
evalueren
of
de
risicocomponenten variëren voor banken, verzekeraars en bankverzekeraars doorheen de tijd.
22
3.4
Bèta-regressie
Een laatste onderdeel van deze studie onderzoekt of een risicoverschil tussen bankverzekeraars en banken of verzekeraars wel veroorzaakt wordt door de keuze voor bankverzekeringen. Er wordt daarom gecontroleerd of het risicoverschil voor bankverzekeraars blijft bestaan indien rekening gehouden wordt met een aantal bedrijfsspecifieke variabelen. Met deze bijkomende test wordt getracht voorgaande analyses te versterken. Het systematisch risico wordt geregresseerd op een dummyvariabele en een aantal bedrijfsspecifieke controlevariabelen. 𝛽𝑖 = 𝑏𝑜 + 𝑏1 𝐷𝑖 + 𝑏2 ln 𝑇𝐴𝑖 + 𝑏3 𝑅𝑂𝐴𝑖 + 𝜀𝑖 (3) 𝛽𝑖 = 𝑏0 + 𝑏1 𝐷𝑖 + 𝑏2 ln 𝑇𝐴𝑖 + 𝑏3 𝑅𝑂𝐸𝑖 + 𝜀𝑖 (4) Met βi = de bèta-coëfficiënt of het systematisch risico van een financiële instelling i Di = een dummy-variabele die waarde één aanneemt voor bankverzekeraars en waarde nul voor banken of verzekeraars ln TAi = de natuurlijke logaritme van de totale activa van een financiële instelling i ROAi = de return on assets van een financiële instelling i ROEi = de return on equity van een financiële instelling i εi = de bedrijfsspecifieke schokcomponent Met behulp van de dummyvariabele die de bankverzekeraars weergeeft wordt nagegaan of het bankverzekeringsmodel wel degelijk het systematisch risico determineert, controlerend voor de bedrijfsspecifieke variabelen. De bèta-coëfficiënten werden verkregen door het schatten van het CAPM (zie vergelijking (2)) voor de bankverzekeraars, banken en verzekeraars voor de tijdsperiode van 1 januari 2000 tot 31 december 2010. De totale activa en de return on assets of de return on equity worden gebruikt als bedrijfsspecifieke controlevariabelen2 en geven de gemiddelde waarde weer voor de periode van 2000 tot 2010. Door het incorporeren van de totale activa in vergelijkingen (3) en (4) kan er gecontroleerd worden voor de grootte van de onderneming. Aangezien sommige bankverzekeraars het resultaat zijn van fusies, kan het zijn dat het effect op het systematische risico gedreven worden door het verschil in grootte. Schmid en Walter (2009) observeren namelijk dat de totale activa van gediversifieerde financiële instellingen groter zijn dan van gespecialiseerde financiële 2
Omwille van datarestricties door het gebruik van Worldscope kunnen enkel de totale activa, de return on assets en de return on equity gebruikt worden als controlevariabelen. Met Bankscope hadden ook andere bedrijfsspecifieke variabelen geïncorporeerd kunnen worden (zoals equity-to-assets, book leverage, cost-to-income), maar deze database beschikt niet over gegevens van verzekeringsmaatschappijen.
23
instellingen. Stever (2007) toont aan dat het systematisch risico van grote banken twee tot vijf keer groter is dan dat van kleine banken. Aangezien kleine banken minder diversificatieopportuniteiten hebben, trachten ze hun hogere idiosyncratische risico te compenseren door enkel leningen toe te staan met een laag kredietrisico. Ook Stiroh (2006) vindt dat de grootte van de onderneming een positieve invloed heeft op het systematisch risico. Hij argumenteert dat kleine banken meer beïnvloed worden door plaatselijke economische omstandigheden dan door brede marktkrachten. Daarnaast wordt de return on assets of de return on equity toegevoegd als controlevariabele. Beide variabelen zijn maatstaven voor de winstgevendheid van de onderneming en kunnen dus niet samen geïncorporeerd worden door een te hoge onderlinge correlatie. Het is mogelijk dat het risicoverschil van bankverzekeraars gepaard gaat met een verschil in winstgevendheid van de onderneming. Schmid en Walter (2009) stellen vast dat gediversifieerde financiële instellingen een lagere return on assets bezitten dan gespecialiseerde financiële instellingen. Door het toevoegen van deze variabelen wordt onderzocht of een verschil in systematisch risico van bankverzekeraars blijft stand houden indien gecontroleerd wordt voor de winstgevendheid van de financiële instelling.
24
4 Dataset
Om het risicoprofiel van bankverzekeraars te kunnen evalueren, onderzoeken we ook financiële instellingen die enkel actief zijn in het bankwezen of in de verzekeringssector. Er worden
dus
gegevens
van
drie
groepen
verzameld;
banken,
verzekeraars
en
bankverzekeraars. De sample is beperkt tot Europese instellingen aangezien het samensmelten van bank- en verzekeringsactiviteiten voornamelijk een Europees fenomeen is. Om de steekproef samen te stellen, baseer ik mij op Van Lelyveld en Knot (2009). Voor hun onderzoek maken ze een selectie van de grootste, beursgenoteerde bankverzekeraars, banken en verzekeraars in Europa. Ze identificeren 29 bankverzekeraars op basis van een lijst die jaarlijks gecompileerd wordt door de Europe Commissie3. Daarnaast selecteren ze de 45 grootste beursgenoteerde banken (gebaseerd op balansgegevens van 2005) en de 45 grootste beursgenoteerde verzekeraars (gebaseerd op bruto uitgeschreven verzekeringspremies van 2005). Balansgegevens worden verzameld op basis van Bankscope en ISIS databases. De aandeelkoersen van de financiële instellingen uit de steekproef worden bekomen met DataStream voor de periode van 1 januari 2000 tot 31 december 2010. Als gevolg van de recente bankencrisis in 2007-2009 werden een aantal bedrijven uit de steekproef overgenomen of gingen failliet. In dit geval worden de aandeelkoersen verzameld tot op het moment van de overname of faillissement. Voor Kölnische Rückversicherungs Gesellschaft AG en Munich Re Group werd er geen data gevonden en deze verzekeraars zijn bijgevolg dus weggelaten uit de steekproef. In bijlage 1 bevindt zich een gedetailleerde weergave van de items in de steekproef en de periode waarvoor de aandeelkoersen beschikbaar zijn voor elk item. De jaarlijkse waarden van de totale activa, de return on assets en de return on equity worden bekomen via Worldscope van 2000 tot 2010. Voor een aantal financiële instellingen zijn deze gegevens echter niet beschikbaar. Dit is het geval voor Converium Holding, Gerling Beteiligung en Bank of Cyprus. Bijgevolg worden deze financiële instellingen voor het uitvoeren van de bèta-regressie uit de steekproef gelaten.
3
“EU Mixed technical group on supervision of financial conglomerates” 13 juli 2006
25
5 Resultaten
In het eerste deel van deze studie wordt het Capital Asset Pricing Model gebruikt voor het schatten van de markt-bèta en de bedrijfsspecifieke schokterm van alle banken, verzekeraars en bankverzekeraars in de steekproef. Voor alle financiële instellingen worden de 3 risicocomponenten bepaald; het systematische risico, het idiosyncratisch risico en de totale volatiliteit. Per type van financiële instelling wordt dan het gemiddelde berekend van deze risicocomponenten. Deze gemiddelden worden vergeleken tussen de types van financiële instellingen en tussen de verschillende tijdsperiodes. Een overzicht van de risicofactoren is terug te vinden in bijlage 2 en een overzicht van alle testwaarden en de significantie ervan is terug te vinden in bijlage 3. In het tweede deel van deze studie worden de eerder bekomen bèta-waarden van de financiële instellingen geregresseerd op een dummy variabele die weergeeft of het een bankverzekeraar is of niet en een aantal bedrijfsspecifieke variabelen; met name de totale activa, return on assets en return on equity. Op deze manier wordt gecontroleerd voor de grootte en de winstgevendheid van de financiële instelling.
5.1
Risicofactoren voor de volledige steekproefperiode
Tabel 1 geeft het gemiddelde weer van de risicocomponenten voor de banken, de verzekeraars en de bankverzekeraars voor de volledige steekproefperiode van 1 januari 2000 tot 31 december 2010. Tabel 1 : Risicofactoren voor de verschillende types van financiële instellingen in de volledige steekproefperiode (1/1/2000 - 31/12/2010)
Systematisch risico
Idiosyncratisch risico
Totale volatiliteit
Bankverzekeraars
0,9954
0,3424
0,4122
Banken
0,6703
0,3553
0,3905
Verzekeraars
0,5683
0,3508
0,3804
Het systematisch risico is een stuk hoger voor de bankverzekeraars in vergelijking met zowel de banken als de verzekeraars. Het idiosyncratisch risico daarentegen is voor de drie groepen min of meer gelijk. De totale volatiliteit is het grootst voor de bankverzekeraars, gevolgd door de banken en de verzekeraars. Met behulp van statistische testen wordt nagegaan of deze gemiddelde waarden ook significant verschillen. Er wordt eerst een Kolmogorov-Smirnov test uitgevoerd om de normale
26
verdeling te testen van de risicocomponenten (zie tabel 2), wat noodzakelijk is voor het gebruik van parametrische testen. Enkel de systematische risicofactoren zijn normaal verdeeld en voor deze kan bijgevolg een Independent Samples T-test gebruikt worden. Hieruit blijkt dat het systematische risico van bankverzekeraars significant groter is dan dat van de banken én de verzekeraars. De hypothese dat het systematisch risico gelijk is tussen banken en verzekeraars kan niet verworpen worden. De idiosyncratische risicofactoren en de totale volatiliteit (zie tabel 2) zijn niet normaal verdeeld en hiervoor is bijgevolg een niet-parametrische test nodig. Met behulp van een MannWhitney U test wordt de significantie onderzocht van het verschil in gemiddelden tussen de categorieën van financiële instellingen. Hieruit blijkt dat de idiosyncratische risicocomponent en de totale volatiliteit niet significant verschillen tussen de groepen van financiële instellingen. Deze resultaten bevestigen de verwachtingen dat bankverzekeraars het meest risicovol zijn omdat hun systematisch risico hoger is. Het rendement van bankverzekeraars is met andere woorden gevoeliger voor schokken in de markt. Dit is in overeenkomst met voorgaande literatuur. Stiroh (2006) stelt vast dat het aandeel van niet-interest inkomsten een positieve invloed had op de bèta-waarde. Ook Baele et al. (2007) observeren dat de meest gediversifieerde banken een hoger systematisch risico bezitten. Allen en Jagtani (2000) daarentegen vinden dat de proportie van verzekeringsactiviteiten geen invloed heeft op het markt-risico, maar maken wel gebruik van gegevens op basis van gesimuleerde bankverzekeringsfusies. Daarnaast geven de resultaten van deze studie aan dat het bankverzekeringsmodel geen invloed heeft op het idiosyncratisch en totale risico. Deze bevinding is in tegenstelling tot Baele et al. (2007) die een negatieve relatie vinden tussen het bedrijfsspecifieke risico en de mate van diversificatie. Allen en Jagtani (2000) stelen een reductie vast bij bankverzekeraars in het totale risico. Maar zowel Baele et al. (2007) als Stiroh (2006) observeren dat wanneer de nadruk op niet-interestinkomsten te groot worden, het idiosyncratisch risico opnieuw toeneemt. Aangezien bij bankverzekeringen de focus op beide activiteiten ligt, kan dit verklaren waarom het idiosyncratisch risico niet gereduceerd wordt door de diversificatie. Tabel 2 : Testwaarden van de Kolmogorov-Smirnov Test voor de risicofactoren in de volledige periode
Systematisch risico
Idiosyncratisch risico
Totale volatiliteit
Bankverzekeraars
0,172
0,170**
0,174**
Banken
0,118
0,250***
0,238***
Verzekeraars
0,085
0,398***
0,383***
***, ** betekenen statistische significantie respectievelijk op het 1% en 5% niveau.
27
5.2
Risicofactoren voor de deelperiodes
De beschouwde steekproefperiode wordt vervolgens onderverdeeld in drie deelperiodes om na te gaan of de risicocomponenten variëren doorheen de tijd voor de drie groepen van financiële instellingen. Op deze manier kan er onderzocht worden in welke mate crisisperiodes de risicocomponenten beïnvloeden. Er wordt opnieuw gebruik gemaakt van een Kolmogorov-Smirnov Test om de normale verdeling van de risicocomponenten in de deelperiodes te verifiëren (zie tabel 3). Ook in de deelperiodes is enkel het systematisch risico normaal verdeeld en kan een Paired Samples Ttest gebruikt worden. Voor het idiosyncratisch risico en totale volatiliteit is er opnieuw een nietparametrische test nodig. Om het verschil in gemiddelden van een bepaalde groep doorheen de tijd te testen, wordt een Wilcoxon rangtest4 gebruikt. Tabel 3 : Testwaarden van de Kolomogorov-Smirnov Test voor de risicofactoren in de deelperiodes
Systematisch risico
Idiosyncratisch risico
Totale volatiliteit
BV
B
V
BV
B
V
BV
B
V
1/1/2000 - 28/2/2003
0,12
0,12
0,15
0,14
0,30
0,39***
0,21***
0,09
0,31***
3/3/2003 - 28/2/2007
0,09
0,10
0,14
0,13
0,25***
0,26***
0,09
0,34***
0,23***
1/3/2007 - 31/12/2010
0,15
0,11
0,14
0,20***
0,43***
0,31
0,16
0,18***
0,19***
***, ** betekenen statistische significantie respectievelijk op het 1% en 5% niveau.
5.2.1
Bankverzekeraars
De onderstaande tabel 4 geeft de risicocomponenten weer van de bankverzekeraars in de drie deelperiodes. Tabel 4 : Risicofactoren van bankverzekeraars in de deelperiodes
Systematisch risico
Idiosyncratisch risico
Totale volatiliteit
1/1/2000 - 28/2/2003
0,9124
0,3389
0,3941
3/3/2003 - 28/2/2007
0,7924
0,2054
0,2321
1/3/2007 - 31/12/2010
1,0556
0,4220
0,5344
Het systematisch en het idiosyncratisch risico zijn statistisch significant hoger tijdens de crisisperiodes; januari 2000 tot eind februari 2003 en van maart 2007 tot eind december 2010. Het verschil in risico tussen de crisisperiodes is daarentegen niet significant. De gemiddelde waarden van de totale volatiliteit
verschillen significant tussen alle periodes.
Alle
4
De risicocomponenten op verschillende tijdstippen zijn gepaarde variabelen en er moet bijgevolg een Wilcoxon rangtest gebruikt worden om de significantie van de verschillen na te gaan. Voor Mann-Whitney U test moeten de variabelen ongepaard zijn.
28
risicocomponenten blijken te stijgen tijdens een crisisperiode. In de laatste financiële crisis was de totale volatiliteit van de bankverzekeraars het hoogst. 5.2.2
Banken
Ook bij de banken (tabel 5) zijn de risicocomponenten hoger in tijden van crisis. Tijdens de voorbije financiële crisis waren alle risicofactoren groter dan in beide andere periodes. Op het verschil in het systematisch risico tussen de eerste en tweede periode na, zijn de verschillen tussen de gemiddelden overheen de periodes ook statistisch significant. Er kan geconcludeerd worden dat ook banken een verhoogd risicoprofiel waarnemen in tijden van crisis, met de voorbije financiële crisis als uitschieter. Tabel 5 : Risicofactoren van banken in de deelperiodes
Systematisch risico
Idiosyncratisch risico
Totale volatiliteit
1/1/2000 - 28/2/2003
0,4993
0,3021
0,3255
3/3/2003 - 28/2/2007
0,5475
0,2517
0,2658
1/3/2007 - 31/12/2010
0,7546
0,4251
0,4865
5.2.3
Verzekeraars
Tabel 6 geeft een overzicht van de risicocomponenten van de verzekeringsmaatschappijen in de verschillende tijdsperiodes. Voor de verzekeraars is enkel het verschil van de stabiele periode met de crisisperiodes voor het idiosyncratisch risico en totale volatiliteit significant. Moeilijke economische tijden verhogen het bedrijfsspecifieke en totale risico dus, maar de laatste financiële crisis was niet uitzonderlijk. Het systematische risico stijgt overheen de tijd, maar de verschillen blijken niet significant te zijn. Tabel 6 : Risicofactoren van verzekeraars in de deelperiodes
Systematisch risico
Idiosyncratisch risico
Totale volatiliteit
1/1/2000 - 28/2/2003
0,5131
0,3935
0,4177
3/3/2003 - 28/2/2007
0,5578
0,2559
0,2696
1/3/2007 - 31/12/2010
0,5879
0,3093
0,3609
De risicofactoren van zowel de bankverzekeraars, als de banken en de verzekeraars nemen toe als gevolg van een crisis. Dit is volgens de verwachtingen aangezien het risicoprofiel van financiële instellingen gerelateerd is aan de economische omstandigheden waarin ze opereren (Vander Vennet, De Jonghe en Baele, 2004; Kaminsky en Reinhart, 1999).
29
5.2.4
Risicofactoren in de deelperiodes
We hebben reeds onderzocht of de risicocomponenten tussen de types van financiële instellingen verschillen tijdens de volledige steekproefperiode. De vraag is of dit ook het geval is tijdens de deelperiodes. Het is vooral interessant om te bekijken of tijdens een crisisperiode de bankverzekeraars nog steeds het hoogste risicoprofiel bezitten. Tabel 7 geeft een samenvatting van de risicofactoren tijdens de verschillende deelperiodes van de banken (B), de verzekeraars (V) en de bankverzekeraars (BV). Het is duidelijk dat het systematisch risico van de bankverzekeraars in elke periode hoger is dan die van de banken en de verzekeraars. De economische situatie blijkt geen invloed te hebben op deze rangorde. Dit verschil is daarenboven in elke periode ook statistisch significant. Het idiosyncratisch risico verschilt enkel significant in de eerste periode tussen bankverzekeraars en banken en in de tweede periode tussen bankverzekeraars en verzekeraars. Het totale risico tenslotte verschilt enkel significant in de eerste periode tussen bankverzekeraars en banken en in de derde periode tussen bankverzekeraars en verzekeraars. Tabel 7 : Overzicht van de risicofactoren tijdens de verschillende deelperiodes voor alle types van financiële instellingen
Systematisch risico
Idiosyncratisch risico
BV
B
V
BV
B
V
BV
B
V
1/1/2000 - 28/2/2003
0,91
0,50
0,51
0,34
0,30
0,39
0,39
0,32
0,42
3/3/2003 - 28/2/2007
0,79
0,55
0,56
0,21
0,25
0,26
0,23
0,27
0,27
1/3/2007 - 31/12/2010
1,06
0,75
0,59
0,42
0,43
0,31
0,53
0,49
0,36
5.2.5
Totale volatiliteit
Risicofactoren in de crisisperiodes
We stelden vast dat in crisisperiodes de risicofactoren toenemen bij alle beschouwde types van financiële instellingen. Het is ook belangrijk te testen of deze risicocomponenten bij bankverzekeraars in dezelfde mate toenemen als bij banken of verzekeraars. Tabel 8 geeft de resultaten weer van de statistische testen die nagaan of de risicocomponenten van bankverzekeraars in de zelfde mate toenemen als van banken of verzekeraars als gevolg van een crisisperiode. Hieruit kan afgeleid worden dat de risicofactoren van bankverzekeraars meer toenemen dan die van banken en verzekeraars als gevolg van de eerste crisisperiode van 1/1/2000 tot 28/2/2003. Dit is voor de financiële crisisperiode van 1/3/2007 tot 31/12/2010 ook het geval wanneer er vergeleken wordt met de verzekeraars, maar niet met de banken. Ook Vander Vennet et al. (2004) vonden dat de financiële conglomeraten harder getroffen zijn qua risicoprofiel dan de traditionele banken tijdens de crisisperiode vanaf 2000. 30
Tabel 8 : Testwaarden om het verschil na te gaan tussen bankverzekeraars en banken of verzekeraars in de verandering van de risicofactoren als gevolg van de crisisperiodes 1/1/2000 - 28/2/2003 en 1/3/2007 31/12/2010
Systematisch risico
Idiosyncratisch risico
Totale volatiliteit
1/1/2000 - 28/2/2003
-2,727***
-3,455***
-3,816***
1/3/2007 - 31/12/2010
0,724
-0,693
-1,548
1/1/2000 - 28/2/2003
-3,285***
-1,107
-2,201**
1/3/2007 - 31/12/2010
3,276***
-3,363***
-4,388***
bankverzekeraar-bank
bankverzekeraar-verzekeraar
***, ** betekenen statistische significantie respectievelijk op het 1% en 5% niveau. Om de significatie te testen van het verschil in verandering in het systematisch risico tussen bankverzekeraars en banken of verzekeraars wordt gebruik gemaakt van een Independent Samples T-test. Om de significatie te testen van het verschil in verandering in het idiosyncratisch en totale risico tussen bankverzekeraars en banken of verzekeraars wordt gebruik gemaakt van een Mann-Whitney U Test.
Samenvattend kan geconcludeerd worden dat het model van bankverzekeringen een hoger systematisch risico inhoudt dan het afzonderlijk uitoefenen van de activiteiten. Het idiosyncratisch en het totale risico zijn voor alle groepen min of meer gelijk. Crisisperiodes zorgen over het algemeen voor een verhoging van alle risicocomponenten. Maar het bankverzekeringsmodel blijft, ook in moeilijke economische tijden, het meest risicovol. Bovendien worden er aanwijzingen gevonden dat de risicofactoren van bankverzekeraars meer toenemen tijdens crisisperiodes.
5.3 5.3.1
Robustness checks van het CAPM Interestfactor
Net zoals bij Schepens en (2009) werd een lange termijn interestvoet toegevoegd aan het standaard Capital Asset Pricing Model. Het implementeren van deze factor in het enkelvoudige CAPM controleert voor het risico afkomstig van veranderingen in de lange termijn interestvoet. Flannery en James (1984) toonden reeds aan dat bankaandelen beïnvloed worden door interestschokken, als gevolg van het verschil in looptijd tussen hun activa en passiva. Schuermann en Stiroh (2006) stelden daarentegen vast dat het incorporeren van interestfactoren in het CAPM weinig verklarende kracht toevoegt. Banken, en vooral de grotere, gaan zich indekken tegen dit interestrisico met behulp van afgeleide instrumenten. Ook bij het schatten van het uitgebreide CAPM voor de bankverzekeraars, verzekeraars en banken blijkt dat de lange termijn interestfactor praktisch nooit significant is. Daarom worden de
31
regressies opnieuw uitgevoerd voor de volledige steekproefperiode, maar deze keer zonder de interestvoet toe te voegen aan het CAPM. Tabel 9 geeft de risicocomponenten weer voor de bankverzekeraars, de banken en de verzekeraars indien gebruik gemaakt wordt van het standaard CAPM. Als we deze vergelijken met tabel 1, kunnen er nauwelijks verschillen geobserveerd worden. Het toevoegen of weglaten van de lange termijn interestvoet heeft dus geen invloed op de resultaten. Tabel 9 : Risicofactoren in het geval van CAPM zonder interestfactor voor de verschillende types van financiële instellingen in de volledige steekproefperiode (1/1/2000 - 31/12/2010)
Systematisch risico
Idiosyncratisch risico
Totale volatiliteit
Bankverzekeraars
0,9948
0,3424
0,4122
Banken
0,6702
0,3554
0,3905
Verzekeraars
0,5684
0,3508
0,3804
5.3.2
Constante
Om regressievergelijking (2) te schatten wordt een constante 𝛼𝑖 toegevoegd aan het uitgebreide CAPM. Volgens de CAPM-theorie moet deze constante in principe gelijk zijn aan nul. Zo niet, betekent dit dat er nog een andere bron van risicovergoeding bestaat bovenop de excess return. In de voorgaande analyses wordt de regressie toch met toevoeging van een constante geschat, omdat dit toelaat dat die extra vergoeding niet noodzakelijk gelijk is aan nul. Bovendien wordt met de kleinste kwadraten-methode een lineaire vergelijking met constante geschat. Bij een schatting zonder constante is de som van de storingstermen niet noodzakelijk gelijk aan nul en is R2 mogelijk negatief. Bij het uitvoeren van de regressies (met constante) blijkt echter dat deze constante zo goed als nooit significant is. De schattingen worden toch nog eens herhaald zonder toevoeging van de constante voor de volledige steekproefperiode. Op deze manier kunnen we evalueren of het toevoegen van een constante de voorbije analyses niet verstoord heeft. Tabel 10 geeft de risicocomponenten weer indien de regressies van het CAPM uitgevoerd zijn zonder constante term. De verschillen met tabel 1 zijn opnieuw miniem. Zoals verwacht heeft de keuze om deze constante te incorporeren nauwelijks invloed op de resultaten.
32
Tabel 10 : Risicofactoren in het geval van CAPM zonder constante term voor de verschillende types van financiële instellingen in de volledige steekproefperiode (1/1/2000 - 31/12/2010)
Systematisch risico
Idiosyncratisch risico
Totale volatiliteit
Bankverzekeraars
0,9947
0,3424
0,4122
Banken
0,6701
0,3554
0,3905
Verzekeraars
0,5684
0,3508
0,3804
5.3.3
Tijdsperiode financiële crisis
In de voorgaande analyses werd ervan uitgegaan dat de laatste crisisperiode begint in maart 2007 en eindigt in december 2010. Er kan echter geargumenteerd worden dat dit een te lange tijdsperiode overspant. Het ergste van de bankencrisis was immers eind 2009 al bezworen. Aangezien een té lange crisisperiode de resultaten kan verstoren, worden de schattingen van het CAPM herhaald voor een kortere derde tijdsperiode voor de drie groepen van financiële instellingen. Tabel 11 geeft de resultaten weer indien de laatste periode eindigt op 31 december 2009. In vergelijking met de risicocomponenten voor de periode van 1/3/2007 tot 31/12/2010 (zie tabel 5) zijn de waarden steeds hoger. Over het algemeen zijn deze verschillen ook significant. Hieruit kan besloten worden dat het dieptepunt van de financiële crisis eind 2010 al voorbij was en eind 2009 beter als einde van de laatste crisisperiode was gekozen. Tabel 11 : Risicofactoren voor de verschillende types van financiële instellingen in de verkorte crisisperiode (1/3/2007 - 31/12/2009)
Systematisch risico
Idiosyncratisch risico
Totale volatiliteit
Bankverzekeraars
1,0827
0,4585
0,5794
Banken
0,7601
0,4520
0,5156
Verzekeraars
0,6083
0,3315
0,3873
5.4 5.4.1
Bèta-regressie Inleiding
Voorgaande analyses tonen aan dat bankverzekeraars een hoger systematisch risico bezitten dan banken en verzekeringsmaatschappijen. Het is alleen de vraag of dit verhoogd systematisch
risico
veroorzaakt
wordt
door
het
combineren
van
bank-
en
verzekeringsactiviteiten zelf. Het is mogelijk dat andere factoren eigen aan bankverzekeringen het risico doen toenemen.
33
Afbeelding 2 geeft de gemiddelde waarde weer van de totale activa voor de drie categorieën van financiële instellingen in de steekproef. Hieruit blijkt heel duidelijk dat bankverzekeraars de grootste ondernemingen zijn. Het is dus noodzakelijk te onderzoeken of het systematische risico niet bepaald wordt door de omvang van de onderneming. 800 700 600 500 400 300 200 100 0 Bankverzekeraars
Banken
Verzekeraars
Afbeelding 2 : Gemiddelde waarde van de totale activa (in miljoen €) voor de verschillende types van financiële instellingen
Een andere mogelijkheid is dat bankverzekeraars zich bezighouden met risicovollere activiteiten, maar in ruil ook een hoger rendement ontvangen. Met andere woorden, het hogere systematische risico van bankverzekeraars kan mogelijks ook verklaard worden door een hogere winstgevendheid, gemeten aan de hand van de return on equity (ROE) en de return on assets (ROA). Afbeelding 3 en 4 geven respectievelijk de gemiddelde waarden weer van de ROE en de ROA voor de verschillende types van financiële instellingen. De bankverzekeraars in de steekproef blijken een hogere ROE te hebben dan de banken en de verzekeraars. Daarentegen hebben de bankverzekeraars de laagste return on assets. Dit komt overeen met de resultaten van Schmid en Walter (2009). Zij stellen vast dat gediversifieerde financiële instellingen een lagere return on assets hebben dan gespecialiseerde ondernemingen.
34
14 12 10 8 6 4 2 0 Bankverzekeraars
Banken
Verzekeraars
Afbeelding 3 : Gemiddelde waarde van de ROE voor de verschillende types van financiële instellingen
1,45 1,4 1,35 1,3 1,25 1,2 1,15 Bankverzekeraars
Banken
Verzekeraars
Afbeelding 4 : Gemiddelde waarde van de ROA voor de verschillende types van financiële instellingen
5.4.2
Regressieanalyse
Er moet dus nagegaan worden of het eerder bekomen resultaat van bankverzekeraars die een hoger systematisch risico bezitten, blijft bestaan indien gecontroleerd wordt voor de grootte en de winstgevendheid van de onderneming. Hiervoor wordt het systematisch risico van de financiële instellingen geregresseerd op een dummyvariabele, die de bankverzekeraars onderscheidt van de banken en de verzekeraars in de steekproef, de totale activa en de return on assets of de return on equity. De bekomen bèta-waarden uit het CAPM worden gebruikt voor het schatten van deze regressievergelijkingen (zie vergelijking (3) en (4)) met de kleinste kwadraten-methode in Eviews (voor de Eviews output zie bijlage 4). Tabel 12 geeft de resultaten weer van de bèta-regressies voor beide vergelijkingen. De significantie van de coëfficiënten wordt getest met een T-test. Er kan afgeleid worden dat voor beide vergelijkingen de dummy-variabele significant is op het 5% significantieniveau. De keuze voor ROA of ROE heeft niet zoveel invloed, aangezien de schattingen van de coëfficiënten dicht 35
bij elkaar liggen. Indien gebruik gemaakt wordt van ROA als maatstaf voor de winstgevendheid, is de coëfficiënt van de dummy-variabele 0,1571. Indien gekozen wordt voor de ROE dan is de coëfficiënt van de dummy-variabele 0,1529. Dit betekent dat als de financiële instelling kiest voor het bankverzekeringsmodel ceteris paribus, het systematisch risico gemiddeld gezien stijgt met 0,15. Van de bedrijfsspecifieke controlevariabelen blijkt enkele de totale activa het systematische risico significant te verhogen. Tabel 12 : Schattingen voor regressievergelijking (3) en (4)
Bèta-regressie
𝛽𝑖 = 𝑏𝑜 + 𝑏1 𝐷𝑖 + 𝑏2 ln 𝑇𝐴𝑖 + 𝑏3 𝑅𝑂𝐴𝑖 + 𝜀𝑖 (3) 𝛽𝑖 = 𝑏0 + 𝑏1 𝐷𝑖 + 𝑏2 ln 𝑇𝐴𝑖 + 𝑏3 𝑅𝑂𝐸𝑖 + 𝜀𝑖 (4)
Variabele
vergelijking (3)
vergelijking (4)
Constante
-1,1680*** (0,3485)
-1,2206*** (0,3258)
ln(TA)
0,1036*** (0,0192)
0,1054*** (0,0185)
Dummy
0,1571** (0,0768)
0,1529** (0,0767)
ROA
-0,0085 (0,0223)
ROE
0,0008 (0,0036)
Standaardafwijkingen worden weergegeven tussen haakjes. ***, ** betekenen statistische significantie respectievelijk op het 1% en 5% niveau.
Deze regressieanalyse versterkt de eerder bekomen resultaten. Zelfs indien gecontroleerd wordt voor de grootte en de winstgevendheid van de onderneming, verhoogt het bankverzekeringsmodel het systematisch risico van de onderneming. 5.4.3
Testen van veronderstellingen kleinste kwadraten-methode
Het schatten van de parameters van regressievergelijkingen (3) en (4) wordt uitgevoerd aan de hand van de kleinste kwadraten-methode of OLS. Dit model is gebaseerd op een aantal vereenvoudigende veronderstellingen. Er moet bijgevolg nagegaan worden of aan deze veronderstellingen voldaan is. Indien dit niet het geval is zijn de geschatte parameters of de significantietesten niet betrouwbaar. 5.4.3.1 Homoscedasticiteit Een eerste assumptie van de kleinste kwadraten-methode is homoscedasticiteit of een constante variantie van de storingstermen. Als heteroscedasticiteit optreedt zijn de schattingen van de parameters van het model nog altijd correct, maar de teststatistieken om na te gaan of de parameters significant zijn, kloppen niet langer. Dit kan aanleiding geven tot zeer misleidende besluiten. Aangezien er gebruik gemaakt wordt van cross-sectionele gegevens, kan heteroscedasticiteit vermoed worden.
36
Heteroscedasticiteit kan grafisch getest worden door het kwadraat van de geschatte storingstermen te plotten ten opzichte van de geschatte bèta-waarden. Afbeelding 5 en 6 geven
resid^2
een licht kwadratisch patroon weer tussen de variabelen, wat heteroscedasticiteit suggereert. 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,0 0,0
0,5
1,0
1,5
Geschatte bèta
resid^2
Afbeelding 5 : Grafische test heteroscedasticiteit voor vergelijking (3)
1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,0 0,0
0,5
1,0
1,5
geschatte bèta
Afbeelding 6 : Grafische test heteroscedasticiteit voor vergelijking (4)
Een formele methode voor het testen van homoscedasticiteit is de White’s General Heteroscedasticity Test. Deze test wordt uitgevoerd via Eviews en de output is terug te vinden in bijlage 5. Onder de nulhypothese van homoscedasticiteit is de teststatistiek χ2-verdeeld met 3 vrijheidsgraden. De kritieke waarde voor een χ2-verdeling met 3 vrijheidsgraden is op het 5% significantieniveau 7,8147 en op het 1% significantieniveau 11,345. Uit tabel 13 kan afgeleid worden dat de nulhypothese voor beide vergelijkingen niet verworpen kan worden en er dus geen heteroscedasticiteit in de storingstermen zit.
37
Tabel 13 : Testwaarden van de White's General Heteroscedasticity Test
Regressievergelijking 𝛽𝑖 = 𝑏𝑜 + 𝑏1 𝐷𝑖 + 𝑏2 ln 𝑇𝐴𝑖 + 𝑏3 𝑅𝑂𝐴𝑖 + 𝜀𝑖 (3) 𝛽𝑖 = 𝑏0 + 𝑏1 𝐷𝑖 + 𝑏2 ln 𝑇𝐴𝑖 + 𝑏3 𝑅𝑂𝐸𝑖 + 𝜀𝑖 (4)
teststatistiek 6,9254 7,8036
***, ** betekenen statistische significantie respectievelijk op het 1% en 5% niveau.
5.4.3.2 Autocorrelatie Een tweede veronderstelling van de kleinste kwadraten-methode is dat de storingstermen onderling niet gecorreleerd zijn. Indien de storingstermen wel gecorreleerd zijn, spreekt men van autocorrelatie en zijn de significantietesten voor de geschatte paramaters opnieuw niet betrouwbaar. Aangezien er gebruik gemaakt wordt van cross-sectionele gegevens is autocorrelatie echter weinig waarschijnlijk. Een formele test om de autocorrelatie na te gaan is de Durbin-Watson d Test. Tabel 14 geeft de teststatistieken weer van deze test voor beide regressievergelijkingen. Voor een steekproef met 111 observaties en 3 verklarende variabelen zijn de kritieke waarden dL= 1,693 en dU = 1,774 op het 5% significantieniveau en dL= 1,584 en dU = 1,665 op het 1% significantieniveau. Durbin-Watson d statistieken liggen in de zone tussen dU en 4-dU. De nulhypothese van geen autocorrelatie kan met andere woorden dus niet verworpen worden. Tabel 14 : Testwaarden van de Durbin-Watson d Test
Regressievergelijking 𝛽𝑖 = 𝑏𝑜 + 𝑏1 𝐷𝑖 + 𝑏2 ln 𝑇𝐴𝑖 + 𝑏3 𝑅𝑂𝐴𝑖 + 𝜀𝑖 (3) 𝛽𝑖 = 𝑏0 + 𝑏1 𝐷𝑖 + 𝑏2 ln 𝑇𝐴𝑖 + 𝑏3 𝑅𝑂𝐸𝑖 + 𝜀𝑖 (4)
teststatistiek 1,9932 2,0157
***, ** betekenen statistische significantie respectievelijk op het 1% en 5% niveau.
5.4.3.3 Normale verdeling van de storingstermen Een derde veronderstelling van de kleinste kwadratenmethode is de normale verdeling van de storingstermen. Zijn de storingstermen niet normaal verdeeld, dan zijn ook de regressiecoëfficiënten niet normaal verdeeld en kan er geen T-test gebruikt worden om de significantie van de coëfficiënten te testen. Formeel kan de normale verdeling getest worden met de Jarque-Bera test. Onder de nulhypothese van normale verdeling is de teststatistiek χ2-verdeeld met 2 vrijheidsgraden. Tabel 15 geeft de teststatistieken weer voor beide regressievergelijkingen. De kritieke waarde is 5,9914 op het 5% significantieniveau en 9,2103 op het 1% significantieniveau. Hieruit kan afgeleid worden dat voor beide regressievergelijkingen de storingstermen normaal verdeeld zijn.
38
Tabel 15 : Testwaarden voor de Jarque-Bera Test
Regressievergelijking 𝛽𝑖 = 𝑏𝑜 + 𝑏1 𝐷𝑖 + 𝑏2 ln 𝑇𝐴𝑖 + 𝑏3 𝑅𝑂𝐴𝑖 + 𝜀𝑖 (3) 𝛽𝑖 = 𝑏0 + 𝑏1 𝐷𝑖 + 𝑏2 ln 𝑇𝐴𝑖 + 𝑏3 𝑅𝑂𝐸𝑖 + 𝜀𝑖 (4)
teststatistiek 2,1576*** 2,2207***
***, ** betekenen statistische significantie respectievelijk op het 1% en 5% niveau.
5.4.3.4 Multicollineariteit De afwezigheid van multicollineariteit is de laatste voorwaarde van de kleinste kwadratenmethode die gecontroleerd wordt. Multicollineariteit betekent dat de verklarende variabelen in bepaalde mate onderling gecorreleerd zijn. Als gevolg van multicollineariteit hebben de geschatte parameters een te grote variantie en zijn bijgevolg de T-testen, om de significantie na te gaan, niet betrouwbaar. Multicollineariteit is een probleem van de steekproef. Opsporing betekent dus niet het testen voor multicollineariteit, maar wel het meten van de graad van multicollineariteit in een specifieke steekproef aan de hand van een aantal vuistregels. Een eerste manier om multicollineariteit op te sporen is het berekenen van de onderlinge correlaties van de verklarende variabelen. Tabel 16 geeft deze onderlinge correlaties weer. Hieruit kan afgeleid worden dat de totale activa en de dummy-variabele en de ROA en de ROE toch
enigszins
gecorreleerd
zijn.
Hoge
onderlinge
correlaties
suggereren
alleen
multicollineariteit, maar geven geen sluitend bewijs. Bij meer dan 2 verklarende variabelen is dit bovendien niet zo‟n goede leidraad, aangezien de correlaties ook laag kunnen zijn bij een zekere collineariteit. Tabel 16 : Paarsgewijze correlaties tussen de verklarende variabelen
ln(TA)
Dummy
ROA
ROE
ln(TA)
1
0,4757
-0,2687
0,0921
Dummy
0,4757
1
-0,0473
0,1121
ROA
-0,2687
-0,0473
1
0,3538
ROE
0,0921
0,1121
0,3538
1
Het uitvoeren van aanvullende regressies is daarom een andere methode voor het opsporen van multicollineariteit. Hiervoor wordt elke verklarende variabele geregresseerd op de overige verklarende variabele en is de teststatistiek5 onder de nulhypothese van geen multicollineariteit F1,109-verdeeld. De bijhorende kritieke waarden F1, 109 is 3,92 op het 5% significantieniveau en
5
𝐹𝑖 =
𝑅𝑖2 /(𝑘−2)
1−𝑅𝑖2 / (𝑛−𝑘+1)
~ 𝐹𝑘−2,
𝑛−𝑘+1
met k = het aantal verklarende variabelen en n = het aantal
observaties
39
6,85 op 1% significantieniveau. Tabel 17 en 18 geven de testwaarden weer voor de aanvullende regressies van respectievelijk vergelijking (3) en (4). Hieruit kan besloten worden dat enkel voor ROE de nulhypothese niet verworpen kan worden. De andere verklarende variabelen blijken wel onderling collineair te zijn. 2
Tabel 17 : R en F-waarde van de aanvullende regressies voor vergelijking (3)
verklarende variabele
R
2
F-waarde
ln(TA)
0,2871
43,8872***
dummy
0,2333
33,1703***
ROA
0,0806
9,5500***
***, ** betekenen statistische significantie respectievelijk op het 1% en 5% niveau. 2
Tabel 18 : R en F-waarde van de aanvullende regressies voor vergelijking (4)
verklarende variabele
R
2
F-waarde
ln(TA)
0,2279
32,1643***
dummy
0,2310
32,7462***
ROE
0,0145
1,6042
***, ** betekenen statistische significantie respectievelijk op het 1% en 5% niveau.
De beschouwde verklarende variabelen blijken dus in zekere mate collineair met elkaar. Maar dit is niet noodzakelijk problematisch. De Klein‟s vuistregel stelt dat de aanwezige multicollineariteit enkel problematisch is indien de R2 van de aanvullende regressies de algemene R2 overtreft. Aangezien de R2 voor vergelijking (3) 0,3663 is en voor vergelijking (4) 0,3658, kan besloten worden dat de multicollineariteit niet problematisch is en dus niet gecorrigeerd moet worden. Een andere vuistregels voor het opsporen van multicollineariteit is de Variance Inflation Factor6. Indien deze factor tien overschrijdt, wordt multicollineariteit als problematisch beschouwd. Dit is voor geen enkele variabele het geval. Dus ook op basis van deze regel blijkt de multicollineariteit niet ernstig. Er kan geconcludeerd worden dat aan alle voorwaarden van de kleinste kwadraten-methode voldaan is. Het is dus mogelijk om zich te baseren op de geschatte parameters en de significantietesten voor regressievergelijkingen (3) en (4).
6
2
VIF = 1/(1-R )
40
6 Conclusie
Levert het model van bankverzekeringen diversificatievoordelen op? Deze discussie werd recent opnieuw prangend actueel en vormt de hoofdonderzoeksvraag van deze studie. Bankverzekeraars, zoals ING, Dexia, Fortis, Lloyds, Irish Life & Permanent, kwamen in grote problemen gedurende de financiële crisis van 2007. Verschillende bankverzekeraars moesten gered
worden
met
staatssteun
en
de
Europese
Commissie
oordeelde
dat
verzekeringsactiviteiten in ruil afgesplitst moesten worden wegens te risicovol. Het bankverzekeringsmodel is nochtans heel populair in Europa. Het voornaamste argument voor het combineren van bank- en verzekeringsactiviteiten is diversificatie van het risico. Chen et al. (2008) toonden aan dat een reductie van het risico het succes van bankverzekeringen mee bepaald heeft. Een aantal zaken hebben een impact op het risico. Ten eerste reduceert het combineren van niet-gecorreleerde activiteiten het idiosyncratisch risico. Ten tweede zouden de fee-inkomsten van verzekeringsactiviteiten stabieler zijn en minder afhankelijk van de algemene economie. Ten derde resulteert het toevoegen van verzekeringsactiviteiten bij banken in een evenwichtigere balansstructuur op basis van de tijdsperiode. In de literatuur werden deze voordelen vooral beschreven, maar er is weinig empirisch onderzoek verricht specifiek gericht op bankverzekeringen. Om deze leemte op te vullen vergelijkt deze studie het risicoprofiel van bankverzekeraars met financiële instellingen die zich louter focussen op bank- of verzekeringsactiviteiten, gedurende de periode 2000-2010 aan de hand van het Capital Asset Pricing Model. Dit model laat toe om het totale risico te ontleden in enerzijds het systematisch risico, verbonden met brede markt schokken en anderzijds het bedrijfsspecifieke risico, verbonden met operationele kenmerken. Er werd gebruik gemaakt van een steekproef van Europese bankverzekeraars, banken en verzekeraars, aangezien de deregulatie in Europa functionele diversificatie al langer mogelijk maakte dan in de rest van de wereld. Er werd vastgesteld dat bankverzekeraars een hogere markt-bèta hebben en dus een hoger systematisch risico waarnemen. Dit is in lijn met de bestaande literatuur. Ook Baele et al. (2007), Stever (2007) en Stiroh (2006) observeerden dat de meest gediversifieerde banken een hoger systematisch risico bezitten. Een grotere diversificatie zou er namelijk voor kunnen zorgen dat bankverzekeraars sterker blootgesteld worden aan veranderingen in het klimaat op de markten. Het idiosyncratisch en totale risico bleken niet te verschillen tussen de bankverzekeraars en de banken of verzekeraars . Dit is in tegenstelling tot Baele et al. (2007) die wel een reductie in
41
het bedrijfsspecifieke risico vaststellen bij gediversifieerde financiële instellingen en Allen en Jagtani (2000) in het totale risico bij bankverzekeraars. Maar zowel Baele et al. (2007) als Stiroh (2006) vinden dat de relatie tussen diversificatie en het idiosyncratisch risico niet-lineair is. Dit betekent dat wanneer te veel nadruk gelegd wordt op niet-traditionele bankactiviteiten, het idiosyncratisch risico opnieuw toeneemt. Op deze manier komen de resultaten wel overeen met wat Baele et al. (2007) vinden. De vaststelling dat het idiosyncratisch risico niet lager is voor bankverzekeraars was niet volgens de verwachtingen. De standaard portfolio theorie voorspelt immers dat de gecombineerde cashflows van niet perfect gecorreleerde inkomstenbronnen stabieler zijn dan de samenstellende delen en aangezien de correlatie van bank- en verzekeringsactiviteiten laag is (Staikouras en Nurullah, 2008; Allen en Jagtani, 2000; Litan, 1987) zou bankverzekeringen mathematisch gezien minder risicovol moeten zijn. Dit is echter in tegenstelling tot de bevindingen van deze studie. De verklaring hiervoor moet waarschijnlijk gezocht worden in de operationele samensmelting van bank- en verzekeringsactiviteiten. Het is niet ondenkbaar dat door beide activiteiten in één organisatie te bundelen ze meer gecorreleerd worden. Stiroh (2004) toonde reeds aan dat de correlatie van niet-interestinkomsten met interestinkomsten stijgt naarmate dat men intensiever gaat focussen op deze nieuwe inkomstbronnen, waardoor het diversificatiepotentieel juist afneemt. Cross-selling strategieën worden aangewezen als mogelijke verklaring. Cross-selling kan er namelijk voor zorgen dat de verschillende segmenten worden blootgesteld aan dezelfde schokken, wat de correlatie verhoogt. Kwast en Passmore (1997) gaven aan dat de diversificatievoordelen ook bereikt kunnen worden doordat banken een aandeel houden in een verzekeringsmaatschappij of een verzekeringsbeleggingsfonds en niet zelf de verzekeringsproducten aanbieden. In de toekomst zou verder kunnen onderzocht worden of het louter aanhouden van een aandeel in de verzekeringssector, wél de gewenste diversificatievoordelen oplevert voor banken. Een volgende vaststelling van deze studie is dat het risicoprofiel van de financiële instellingen verschilt tussen crisisperiodes en niet-crisisperiodes. Zowel het systematische als het idiosyncratisch risico stegen substantieel in de beschouwde crisisperiodes bij de bankverzekeraars, banken en verzekeraars. Dit is volgens de verwachtingen aangezien het bankrisico sterk gerelateerd is met de economische situatie (Vander Vennet et al., 2004; Kaminsky en Reinhart, 1999) De laatste financiële crisis verhoogde enkel bij de banken de risicofactoren sterker dan in de crisisperiode van 2000 tot begin 2003. Dit is conform met de resultaten van Schepens en Vander Vennet (2009). Maar ongeacht de conjunctuur zijn de bankverzekeraars blootgesteld aan het hoogste systematische risico. Bovendien stegen de risicofactoren van bankverzekeraars tijdens de crisisperiodes van 2000 tot begin 2003 sterker
42
dan van banken en verzekeraars. Tijdens de voorbije financiële crisis van 2007 nam het risicoprofiel van de bankverzekeraars enkel meer toe dan van de verzekeraars. Ook Vander Vennet et al. (2004) kwamen tot de vaststelling dat de meest gediversifieerde banken harder getroffen werden tijdens de crisis van 2000. Het aantal beschouwde crisisperiodes is echter te beperkt om veralgemenende conclusies te nemen over de toename van het risicoprofiel van bankverzekeraars tijdens crisisperiodes. Voorgaande resultaten tonen aan dat bankverzekeraars het hoogst systematisch risico waarnemen, maar bevestigen nog niet dat deze risicoverhoging effectief veroorzaakt wordt door het combineren van bank- en verzekeringsactiviteiten. Daarom werd het systematische risico van de financiële instellingen gecontroleerd voor aan aantal bedrijfsspecifieke variabelen. Aangezien aanwijzingen gevonden werden dat de totale activa en return on assets van de bankverzekeraars in de beschouwde steekproef groter zijn dan van de banken en verzekeraars, werd onderzocht of het effect van het bankverzekeringsmodel op het systematisch risico blijft bestaan indien rekening gehouden wordt met de omvang en de winstgevendheid van de onderneming. Er werd vastgesteld dat, ondanks deze controle, het bankverzekeringsmodel het systematisch risico significant beïnvloedt. Deze bevinding versterkt de eerdere resultaten. Er moet wel vermeld worden dat deze studie geconfronteerd werd met een aantal beperkingen. Een eerste beperking betreft de datarestricties. Enerzijds zijn er maar 27 bankverzekeraars opgenomen in de steekproef, wat waarschijnlijk te gelimiteerd is. Daarnaast wordt het systematisch risico slechts gecontroleerd voor de totale activa en de return on assets of return on equity, aangezien via Worldscope slechts voor deze variabelen gegevens beschikbaar zijn. Een tweede beperking betreft de tijdsperiode waarover bèta-waarden berekend worden. Bartholdy en Peare (2005) adviseren om de bèta de berekenen over een periode van 5 jaar om de beste schattingen te bekomen van het CAPM. In deze studie werden de bèta-waarden echter geschat voor een periode van ongeveer 3 jaar om een onderscheid in periodes met een verschillende conjunctuur te kunnen maken. De bevindingen van deze studie hebben belangrijke implicaties voor overheden en bankmanagers. Vanuit het standpunt van overheden is het hoger systematisch risico van bankverzekeraars verontrustend. In een financiële sector met hoog systematisch risico zijn de ondernemingen sterker met elkaar verweven en wordt de kans op een ineenstorting van het hele systeem reëler. Deze situatie kan best vermeden worden door het zorgvuldig te controleren van bankverzekeraars. Vanuit het standpunt van bankmanagers is het belangrijk om vast te stellen dat diversificatie van het risico geen goede motivering is voor het bankverzekeringsmodel. Maar het combineren van bank- en verzekeringsactiviteiten geeft ook aanleiding tot andere voordelen, zoals de realisatie van synergiën en cross-selling
43
opportuniteiten. Deze voordelen moeten dus voldoende groot zijn om de toegenomen blootstelling aan het systematisch risico te compenseren.
44
7 Literatuurlijst
Allen, L. en Jagtiani, J., 2000. “The risk effects of combining banking, securities, and insurance activities.” Journal of Economics and Business, 52, 485-497. Baele, L., De Jonghe, O. en Vander Vennet, R., 2007. “Does the Stock Market Value Bank Diversification?” Journal of Banking and Finance, 31, 1999-2023. Bartholdy, J. en Peare, P., 2005. “Estimation of expected return: CAPM vs. Fama and French.” International Review of Financial Analysis, 14, 407-427. Berger, P.G. en Ofek, E., 1995. “Diversification‟s effect on firm value.” Journal of Financial Economics, 37, 39-65. Berger, A.N., 2003. “The efficiency effects of a single market for financial services in Europe.” European Journal of Operational Research, 150, 466-481. Boyd, J. en Graham, 1988. “The probability and risk effects of allowing bank holding companies to merge with other financial firms: a simulation study.” Federal Reserve Bank of Minneapolis Quarterly Review, 12, 3-20. Boyd, J., Graham, S. en Hewitt, R.S., 1993. “Bank holding company mergers with non-bank financial firms: effects on the risk of failure.” Journal of Banking and Finance, 17, 43-63. Brewer, E. en Jagtani, J., 2007. “How much would banks be willing to pay to become “toobig-to-fail” and to capture other benefits?” Research Working Paper, Federal Reserve Bank of Kansas City, RWP 07-05. Campa, J. en Kedia, S., 2002. “Explaining the diversification discount.” Journal of Finance, 57, 1731- 1762. Carow, K.A., 2001a. “Citicorps-Travelers Group merger: challenging barriers between banking and insurance.” Journal of Banking and Finance, 25, 1553-1571. Carow, K.A., 2001b. “The wealth effects of allowing bank entry into the insurance industry.” Journal of Risk and Insurance, 68, 129-150. Carow, K.A. en Heron, R.A., 2002. “Capital market reactions to the passage of the Financial Services Modernization Act of 1999.” Quarterly Review of Economics and Finance, 42, 465-485. Chen, Z., Li, D., Liao, L., Moshirian, F. en Szablocs, C., 2009. “Expansion and consolidation of bancassurance in the 21st century.” Journal of International Financial Markets, Institutions & Money, 19, 633-644.
45
Chen, Z., Li, D., Liao, L., Moshirian, F. en Tan, J., 2008. “Does bancassurance add value to banks? – Evidence from mergers and acquisitions between European banks and insurance companies.” Cummins, J.D., Grace, M.F. en Phillips, R.D., 1999. “Regulatory solvency prediction in property-liability insurance: risk-based capital, audit, ratios, and cash flow simulation.” Journal of Risk and Insurance, 66 (3), 417-58. Cummins, J.D. en Weiss, M., 2004. “Consolidation in the European insurance industry: do mergers and acquisitions create value for shareholders?” Brookings-Wharton Papers on Financial Services, 217-258. Cybo-Ottone, A. en Murgia, M., 2000. “Mergers and shareholder wealth in European banking.” Journal of Banking and Finance, 24, 831-859. DeLong, G., L., 2001. “Stockholder gains from focusing versus diversifying bank mergers.” Journal of Financial Economics, 59, 221-252. Demsetz, R.S. en Strahan, P.E., 1997. “Diversification, size and risk at bank holding companies.” Journal of Money, Credit and Banking, 29, 300-313. DeYoung, R. en Roland, P.K., 2001. “Product mix and earnings volatility at commercial banks: evidence from a degree of total leverage model.” Journal of Financial Intermediation, 10, 54-84. Estrella, A., 2001. “Mixing and matching: prospective financial sector mergers and market valuation.” Journal of Banking and Finance, 25, 2367-2392. Fields, L.P., Fraser, D.R. en Kolari, J.W., 2007a. “Bidder returns in bancassurance mergers : is there evidence of synergy?” Journal of Banking and Finance, 31, 3646-3662. Fields, L.P., Fraser, D.R. en Kolari, J.W., 2007b. “Is bancassurance a viable model for financial firms?” Journal of Risk & Insurance, 74, 777-794. Flannery, M.J. en James, C.M., 1984. “The effect of interest-rate changes on the common stock returns of financial institutions.” Journal of Finance, 16, 435-445. Genetay, N. en Molyneux, P., 1998. “Bancassurance.” Macmillan Press Ltd, London. Graham, J., Lemmon, M. en Wolf, J., 2002. “Does corporate diversification destroy value?” Journal of Finance 57, 695–720. Jensen, M.C. en Meckling, W. H., 1976. “Theory of the firm: managerial behavior, agency costs, and capital structure.” Journal of Financial Economics, 3, 305-360.
46
Kaminsky, G.L. en Reinhart, C.M., 1999. “The twin crises: the causes of banking and balance-of-payments problems.” American Economic Review, 89 (3), 473-500. Kwast, M.L. en Passmore, S.W., 1998. “The subsidy provided by the Federal Safety Net: theory, measurement, and containment.” Proceedings of a Conference on Bank Structure and Competition, Federal Reserve Bank of Chicago, 381-401. Laeven, L. en Levine, R., 2007. “Is there a diversification discount in financial conglomerates?” Journal of Financial Economics, 85, 331-367. Lang L.H.P., en Stulz, R.M., 1994. “Tobin‟s Q, corporate diversification, and firm performance.” Journal of Political Economy, 1248-1280. Litan, R.E., 1987. “What should bank do?” The Brookings Institution, USA Maksimovic, V., Phillips, G., 2002. “Do conglomerate firms allocate resources inefficiently across industries? Theory and evidence.” Journal of Finance 57, 721-767. Schepens, G. en Vander Vennet, R., 2009. “Bank risks during the crisis.” Schmid, M.M. en Walter, I, 2009. “Do financial conglomerates create or destroy economic value?” Journal of Financial Intermediation, 18, 193-217. Schuermann, T. en Stiroh, K.J., 2006. “Visible and hidden risk factors for banks.” Working Paper, Federal Reserve Bank of New York. Servaes, H., (1996). “The value of diversification during the conglomerate merger wave.” Journal of Finance, 55, 1201-1255. Staikouras, S.K., 2006. “Business opportunities and market realities in financial conglomerates.” Geneva Papers on Risk and Insurance, 31, 124-149. Staikouras, S.K. en Nurullah, M., 2008. “The separation of banking from insurance: evidence from Europe.” Multinational Finance Journal, 12, 157-185. Saunders, A. en Walter, I., 1994. “Universal banking in the United State: What could we gain? What could we lose?” Oxford University Press. Stever, R., 2007. “Bank size, credit and the sources of bank market risk.”, BIS Working Paper, No. 238. Stein, J.C., 1997. “Internal capital markets and the competition for corporate resources.” Journal of Finance, 52, 111. Stiroh, K.J., 2004. “Diversification in banking: Is noninterest income the answer?” Journal of Money, Credit & Banking, 36, 853-882.
47
Stiroh, K.J., 2006. “A portfolio view of banking with interest and noninterest activities.” Journal of Money, Credit and Banking, 38, 1351-1361. Stiroh, K.J en Rumble, A., 2006. “The dark side of diversification: The case of U.S. financial holding companies.” Journal of Banking and Finance, 30, 2131-2161. Swiss Re, 2002. “Bancassurance developments in Asia-shifting into a higher gear.” Sigma Research Article, 7. Vander Vennet, R., 2002. “Cost and profit efficiency of financial conglomerates and universal banks in Europe.” Journal of Money, Credit and Banking, 34, 254-282. Vander Vennet, R., De Jonghe, O. en Baele, L., 2004. „Bank risks and the business cycle.” Working Paper Series of Ghent University, 2004/264. Van Lelyveld, I. en Knot, K., 2009. “Do financial conglomerates create or destroy value? Evidence for the EU.” Journal of Banking and Finance, 33, 2312-2321. Villalonga, B., 2004a. “Diversification discount or premium? New evidence from the business information tracking series.” Journal of Finance, 59, 479-506.
48
Bijlagen 1. Dataset 1.1 Bankverzekeraars Land
Naam
BE
Fortis
CH
Credit Suisse Group
DE
DE
Allianz Aktiengesellschaft AMB Generali Holding AG
DE
Wüstenrot & Württembergische
DK
Alm. Brand A/S
DK
Danske Bank A/S
DK
Sampo Plc
ES
ES
FR
Banco Bilbao Vizcaya Argentaria SA Banco Santander Central Hispano – Group Crédit Agricole – Crédit Agricole Group
GB
Lloyds TSB Group Plc
GB
Old Mutual Plc
GB
HBOS Plc
IE
Irish Life & Permanent Plc
IT
Banca Carige SpA
IT
Banca Intesa SpA
IT
Periode
data vanaf 13/12/2001
Gruppo Monte dei Paschi di Siena
IT
Mediolanum
IT
San Paolo – IMI
NL
ING Groep NV
NL
SNS Reaal Groep NV
NO
DnB Nor ASA
data tot 1/1/2007
data vanaf 18/5/2006
Bijlage 1.1
NO SE SE SE
Storebrand Group – Storebrand ASA Nordea Bank AB Skandinaviska Enskilda Banken AB Svenska Handelsbanken
Bijlage 1.2
1.2 Banken Land
Naam
Periode
AT
Bank Austria Creditanstalt AG
data van 9/7/2003 tot 21/5/2008
AT
Oesterreichische Volksbanken AG
AT CH CY DE
Raiffeisen International Bank – Holding AG
data vanaf 25/4/2005
Banque Cantonale Vaudoise Bank of Cyprus Group – Bank of Cyprus Public Company Limited Aareal Bank AG
data vanaf 14/06/2002
Berlin Hyp – Berlin – DE
Hannoverschen Hypothekenbank AG
DE
Commerzbank AG
DE
Deutsche Bank AG
DE
Deutsche Hypothekenbank (Actien-Gezellschaft)
data tot 24/12/2008
DE
Deutsche Postbank AG
DE
Eurohypo AG
data van 16/06/2005 tot 26/11/2010
DE
Hypo Real Estate Holding AG
data van 3/10/2003 tot 14/10/2009
DE
IKB Deutsche Industriebank AG
DE
ES
LBB Holding AG – Landesbank Berlin Holding AG Banco Espanol de Crédito SA, BANESTO
ES
Banco Popular Espanol SA
ES
Bankinter SA
FI
OKO Pankki Oyj – OKO Bank plc
FR
Natexis Banques Populaires
GB
Alliance & Leicester Plc
data vanaf 28/9/2007
GB
Bradford & Bingley Plc
data vanaf 1/12/2000
GB
Nothern Rock Plc
GR
Alpha Bank AE
GR
EFG Eurobank Ergasias SA
GR
Piraeus Bank SA
Bijlage 1.3
IE
Allied Irish Banks Plc
IE
Anglo Irish Bank Corporation Plc
IE
Depfa Bank Plc
data tot 3/10/2007
IS
Kaupthing Bank hf
data vanaf 9/04/2001
IT
IT
IT
IT IT IT
Banca CR Firenze SpA – Cassa di Risparmio di Firenze SpA Banca Lombarda e Piemontese SpA Banca Nazionale del Lavoro SpA – BNL
Banca Popolare di Milano SCaRL Banca Popolare Italiana – Banca Popolare di Lodi
IT
Capitalia SpA
IT
Credito Emiliano SpA
data tot 2/7/2007
data tot 1/10/2007
IFI – Instituto Finanziaro Industriale SpA
NL
ABN Amro Holding NV
PT
Banco BPI SA
SE
data tot 26/7/2006
Romagna
Banca Popolare di Verona e Noara
PT
data tot 2/4/2007
Banca Popolare dell‟Emilia
IT
IT
data van 14/07/2000 tot 15/4/2008
data tot 25/4/2008
Millennium bcp – Banco Comercial Português SA Swedbank AB
Bijlage 1.4
1.3 Verzekeraars Land AT
Naam
Periode
Wiener Stadtische Allgemeine Versicherung AG
CH
Bâloise-Holding
CH
Converium Holding Limited
CH
Helvetia Patria Holding
CH
Schweizerische National VAG
CH
Swiss Life Holding
CH
Vaudoise Assurances Holding SA
DE
DBV Winterthur Holding AG
data tot 15/04/2009
DE
ERGO Versicherungsgruppe AG
data tot 7/7/2010
DE
Gerling Beteiligung Gmbh
data tot 21/1/2004
DE
DE DE DE
data
van
2/4/2003
tot
24/1/2003
Hannover RückversicherungsAktiengesellschaft Kölnische Rückversicherungs Gesellschaft AG Munich Re Group
Geen data Geen data
Nürnberger BeteiligungsAktiengesellschaft
DK
Codan A/S
DK
Topdanmark A/S
DK
Tryg Vesta A/S
ES
Corporación Mapfre
ES
Grupo Catalana Occidente SA
FR
AGF (Group)
FR
CNP Assurances
FR
Euler Hermes
FR
SCOR SA
GB
Amlin Plc
GB
Aviva Plc
GB
Beazley Group Plc
GB
Brit Insurance Holdings Plc
GB
Chaucer Holdings Plc
data vanaf 13/10/2005
data tot 10/7/2007
data vanaf 26/04/2000
data vanaf 11/11/02
Bijlage 1.5
GB
Henderson Group Plc
GB
Hiscox Plc
GB
Legal & General Group Plc
GB
Resolution Plc
GB GB GR
Royal & Sun Alliance Insurance Group Plc Wellington Underwriting Plc „The Ethniki‟ Hellenic General Ins. Company SA
IT
Alleanza Assicurazioni SpA
IT
Compagnia Assicuratrice Unipol SpA
IT
Fondiaria – SAI SpA
IT
Generali Assicurazioni SpA
IT
Milano Assicurazioni SpA
IT
Premafin Finanziaria SpA
IT
IT
data vanaf 22/12/03
Riunione Adriatica di Sicurta SpA – RAS Società Cattolica di Assicurazione coop. Arl
IT
Toro Assicurazioni SpA
NL
Aegon NV
data tot 17/1/2008 data tot 1/10/2009
data tot 16/10/2006
data vanaf 17/11/2000 data
van
1/6/2005
tot
20/12/2006
Bijlage 1.6
2. Overzicht risicofactoren
systematisch risico
idiosyncratisch risico
totale volatiliteit
bankverzekeraars
banken
verzekeraars
bankverzekeraars
banken
verzekeraars
bankverzekeraars
banken
verzekeraars
1/1/2000 - 31/12/2010
0,9954
0,6703
0,5683
0,3424
0,3553
0,3508
0,4122
0,3905
0,3804
zonder constante
0,9947
0,6701
0,5684
0,3424
0,3554
0,3508
0,4122
0,3905
0,3804
zonder interestvoet
0,9948
0,6702
0,5684
0,3424
0,3554
0,3508
0,4122
0,3905
0,3804
1/1/2000 - 28/2/2003
0,9124
0,4993
0,5131
0,3389
0,3021
0,3935
0,3941
0,3255
0,4177
3/3/2003 - 28/2/2007
0,7924
0,5475
0,5578
0,2054
0,2517
0,2559
0,2321
0,2658
0,2696
1/3/2007 - 31/12/2010
1,0556
0,7546
0,5879
0,4220
0,4251
0,3093
0,5344
0,4865
0,3609
1/3/2007 - 31/12/2009
1,0827
0,7601
0,6083
0,4585
0,4520
0,3315
0,5794
0,5156
0,3873
Bijlage 2.1
3. Overzicht statistische testwaarden Systematisch risico teststatistiek BV1 BV2 BV3 BV4
BV1
BV2
BV3
BV4
BV5
B1
1,393
5,326***
-2,507**
-2,931***
3,785***
2,681**
-1,821
-2,061
-4,413***
-4,625***
B2
B3
B4
B2 B3 B4
V1
V2
V3
V4
4,234***
3,728*** 3,461***
-2,035
2,749*** 3,147***
5,217*** 3,258***
3,961***
3,817***
-2,158**
-2,383**
-1,027
-3,663***
-3,712***
-3,588***
-3,792***
5,114*** 1,334 -0,156 -0,433
-0,783
1,651
B5 V1 V2 V3
V5
5,341***
BV5 B1
B5
1,474 1,609
0,344
0,005
-0,812
-1,766
-1,037
-1,377
-0,203
-0,645
V4
3,077***
V5 BV= Bankverzekeraars, B=Banken, V=Verzekeraars 1=1/1/2000 - 31/12/2010, 2=1/1/2000 - 28/2/2003, 3=3/3/2003 - 28/2/2007, 4=1/3/2007 - 31/12/2010, 5=1/3/2007 - 31/12/2009 ***, ** betekent statistische significantie respectievelijk op het 1% en 5% significantieniveau. Om de gemiddelden te vergelijken tussen de groepen wordt gebruik gemaakt van een Independent Samples T-test en tussen de periodes van een Paired Samples T-test.
Bijlage 3.1
Idiosyncratisch risico teststatistiek BV1 BV2 BV3 BV4
BV1
BV2
BV3
BV4
BV5
B1
-0,444
-4,541***
-2,883***
-3,695***
-0,474
-4,432***
-1,587
-2,299**
-4,457***
-4,457***
B2
B3
B4
B2 B3 B4
V1
V2
V3
V4
-2,263**
-0,054 -0,924
-4,305***
-3,014*** -0,396
-1,647 -0,594
-1,437
-5,123***
-2,838***
-3,296***
-3,238***
-2,358**
-2,568**
-4,528***
-4,721***
-1,928 -0,577 -1,844 -1,785
-3,904***
-1,565
B5 V1 V2 V3
V5
-1,068
BV5 B1
B5
1-,425 -2,284**
-3,648***
-0,433
-1,549
-3,935***
-1,409
-0,530
-2,958***
-3,335***
V4
-4,537***
V5 BV= Bankverzekeraars, B=Banken, V=Verzekeraars 1=1/1/2000 - 31/12/2010, 2=1/1/2000 - 28/2/2003, 3=3/3/2003 - 28/2/2007, 4=1/3/2007 - 31/12/2010, 5=1/3/2007 - 31/12/2009 ***, ** betekent statistische significantie respectievelijk op het 1% en 5% significantieniveau. Om de gemiddelden te vergelijken tussen de groepen wordt gebruik gemaakt van een Independent Samples T-test en tussen de periodes van een Paired Samples T-test.
Bijlage 3.2
Totale risico teststatistiek BV1 BV2 BV3 BV4
BV1
BV2
BV3
BV4
BV5
B1
-0,190
-4,541***
-4,026***
-4,407***
-1,824
-4,432***
-3,162***
-3,594***
-4,457***
-4,457***
B2
B3
B4
B2 B3 B4
V1
V2
V3
V4
-2,933***
-1,393 -0,190
-4,356***
-1,573 -1,659
-3,923*** -1,796
-1,647
-5,240***
-3,635***
-3,949***
-3,112***
-2,903***
-3,126***
-4,890***
-4,987***
-3,790*** -1,053 -1,524 -1,750
-3,886***
-1,769
B5 V1 V2 V3
V5
-3,083***
BV5 B1
B5
-1,481 -2,023**
-3,829***
-1,465
-2,219**
-4,089***
-0,335
-0,419
-3,433***
-3,866***
V4
-4,652***
V5 BV= Bankverzekeraars, B=Banken, V=Verzekeraars 1=1/1/2000 - 31/12/2010, 2=1/1/2000 - 28/2/2003, 3=3/3/2003 - 28/2/2007, 4=1/3/2007 - 31/12/2010, 5=1/3/2007 - 31/12/2009 ***, ** betekent statistische significantie respectievelijk op het 1% en 5% significantieniveau. Om de gemiddelden te vergelijken tussen de groepen wordt gebruik gemaakt van een Independent Samples T-test en tussen de periodes van een Paired Samples T-test.
Bijlage 3.3
4. Bèta-regressie Dependent Variable: BETA Method: Least Squares Date: 05/07/11 Time: 12:31 Sample: 1 111 Included observations: 111 Variable
Coefficient
Std. Error
t-Statistic
Prob.
C LN_TA DUMMY ROA
-1.168011 0.103555 0.157070 -0.008514
0.348494 0.019240 0.076806 0.022276
-3.351593 5.382183 2.045013 -0.382214
0.0011 0.0000 0.0433 0.7031
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.366351 0.348585 0.303995 9.888158 -23.29250 20.62104 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat
0.721229 0.376649 0.491757 0.589397 0.531367 1.993198
Dependent Variable: BETA Method: Least Squares Date: 05/07/11 Time: 12:32 Sample: 1 111 Included observations: 111 Variable
Coefficient
Std. Error
t-Statistic
Prob.
C LN_TA DUMMY ROE
-1.220571 0.105429 0.152921 0.000816
0.325826 0.018496 0.076725 0.003589
-3.746081 5.700039 1.993092 0.227301
0.0003 0.0000 0.0488 0.8206
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.365792 0.348010 0.304129 9.896879 -23.34143 20.57144 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat
0.721229 0.376649 0.492638 0.590279 0.532248 2.015672
Bijlage 4.1
5. Heteroscedasticiteit test Heteroskedasticity Test: White F-statistic Obs*R-squared Scaled explained SS
2.373357 6.925407 6.997588
Prob. F(3,107) Prob. Chi-Square(3) Prob. Chi-Square(3)
0.0743 0.0743 0.0720
Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 05/07/11 Time: 12:31 Sample: 1 111 Included observations: 111 Variable
Coefficient
Std. Error
t-Statistic
Prob.
C LN_TA^2 DUMMY^2 ROA^2
-0.073157 0.000546 -0.070781 0.000307
0.072091 0.000226 0.032860 0.000973
-1.014783 2.419008 -2.153971 0.315721
0.3125 0.0173 0.0335 0.7528
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.062391 0.036103 0.129562 1.796143 71.37363 2.373357 0.074324
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat
0.089083 0.131966 -1.213939 -1.116299 -1.174329 1.553503
Heteroskedasticity Test: White F-statistic Obs*R-squared Scaled explained SS
2.697070 7.803589 8.113777
Prob. F(3,107) Prob. Chi-Square(3) Prob. Chi-Square(3)
0.0495 0.0503 0.0437
Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 05/07/11 Time: 12:33 Sample: 1 111 Included observations: 111 Variable
Coefficient
Std. Error
t-Statistic
Prob.
C LN_TA^2 DUMMY^2 ROE^2
-0.080516 0.000557 -0.073710 3.42E-05
0.070531 0.000225 0.033217 6.41E-05
-1.141576 2.479538 -2.219076 0.533021
0.2562 0.0147 0.0286 0.5951
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.070303 0.044236 0.130989 1.835914 70.15815 2.697070 0.049526
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat
0.089161 0.133986 -1.192039 -1.094398 -1.152429 1.567145
Bijlage 5.1
Bijlage 5.2