UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2011 – 2012
DE INTEGRATIE VAN AANDELENMARKTEN IN NORMALE TIJDEN EN IN TIJDEN VAN CRISIS
Masterproef voorgedragen tot het bekomen van de graad van Master of Science in de Toegepaste Economische Wetenschappen
Tuija Delbare & Jens Verschaffel onder leiding van Prof. Dr. Michael Frömmel
UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2011 – 2012
DE INTEGRATIE VAN AANDELENMARKTEN IN NORMALE TIJDEN EN IN TIJDEN VAN CRISIS
Masterproef voorgedragen tot het bekomen van de graad van Master of Science in de Toegepaste Economische Wetenschappen
Tuija Delbare & Jens Verschaffel onder leiding van Prof. Dr. Michael Frömmel
PERMISSION
Ondergetekenden verklaren dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding.
Tuija Delbare
Jens Verschaffel
Woord vooraf De masterproef is het sluitstuk van de opleiding Master in de Toegepaste Economische Wetenschappen. Toen we de beslissing namen om onze masterproef uit te voeren binnen de vakgroep Financiële Economie kozen we uitdrukkelijk voor de uitdaging om de integratie van de aandelenmarkten tijdens de actuele Griekse crisis te bestuderen. Dit eindwerk kwam mede tot stand door de steun van onze direct omgeving. Ten eerste willen we graag de Universiteit Gent en in het bijzonder Prof. Dr. Frömmel bedanken voor de mogelijkheden die we kregen om deze masterproef uit te voeren. Een speciale bedanking richten we tot wetenschappelijk onderzoekster Nora Srzentic. Als contactpersoon voor deze masterproef was ze steeds beschikbaar voor advies. Haar feedback was van uitzonderlijke waarde voor de voltooiing van deze masterproef. Verder willen we de personen die deze masterproef kritisch nalazen bedanken. Tenslotte willen we onze ouders, broers, zussen en vrienden bedanken voor de steun in deze intense periode.
I
Inhoudsopgave Abstract …………………..…………………………………………………………………………………………………………. 1 Inleiding ..……………………………………………………………………………………………………………………………. 2 Hoofdstuk 1: Literatuuroverzicht ..………………………………………………………………………………………. 4 1.1. Definitie ..………………………………………………………………………………………………………….. 5 1.2. Vorig onderzoek …..…………………………………………………………………………………………… 7 1.2.1. Transmissiemechanismen …………………………………………………………………… 7 1.2.2. ‘Contagion’ meten ……………………………………………………………………………. 15 Hoofdstuk 2: Onderzoeksvraag …………………………………………………………………………………………. 19 2.1. Griekse crisis …………………………………………………………………………………………………... 20 2.2. Ontwikkelde vs. ontwikkelende landen ……………………………………………….…………. 22 2.3. Onderzoeksbijdrage ……………………………………………………………………………………….. 25 Hoofdstuk 3: Data …………………………………………………………………………………………………………….. 26 3.1. Steekproef ………………………………………………………………………………………………………. 27 3.2. Identificatie van de crisis ………………………………………………………………………………… 27 3.3. Datacollectie …………………………………………………………………………………………………… 29 Hoofdstuk 4: Methodologie ………………………………………………………………………………………………. 32 4.1. FR model ………………………………………………………………………………………………………… 34 4.2. CPS model ………………………………………………………………………………………………………. 37 Hoofdstuk 5: Resultaten ……………………………………………………………………………………………………. 40 5.1. Descriptieve analyse ……………………………………………………………………………………….. 41 5.2. Onaangepaste correlatiecoëfficiënten ……………………………………………………………. 46 5.3. Aangepaste correlatiecoëfficiënten ………………………………………………………………… 53 Hoofdstuk 6: Robutsness checks ……………………………………………………………………………………….. 59 6.1. Aanpassing van de datasetspecificaties ………………………………………………………….. 60 6.2. Alternatieve methodologie …………………………………………………………………………….. 68 Algemeen besluit ………………………………………………………………………………………………………………. 71
II
Gebruikte afkortingen IMF
Internationaal Monetair Fonds
BBP
Bruto Binnenlands Product
ARCH
AutoRegressive Conditional Heteroskedasticity
GARCH
Generalized AutoRegressive Conditional Heteroskedasticity
ERM
Exchange Rate Mechanism
DCC GARCH
Dynamic Correlation Correlation GARCH
PIIGS
Portugal, Ierland, Italië, Griekenland, Spanje
EU
Europese Unie
S&P
Standard & Poor’s
MSCI
Morgan Stanley Capital International
FR model
Forbes & Rigobon (2002) model
CPS model
Corsetti, Pericoli & Sbracia (2005) model
DCC
Determinant of the Change in Covariance
III
Lijst van figuren Figuur 1.
Overzicht classificaties van transmissiemechanismen ……………………………… 8 - 9
Figuur 2.
Griekse prijsindex vanaf 2005 ……………………………………………………………………. 29
Lijst van tabellen Tabel 1.
Classificatie van de Europese landen ………………………………………………………….. 23
Tabel 2.
Landen opgenomen in finale steekproef met bijhorende indexen ……………… 31
Tabel 3.
Descriptieve statistieken voor de ontwikkelde landen ……………………………….. 44
Tabel 4.
Descriptieve statistieken voor de ontwikkelende landen ……………………………. 45
Tabel 5.
Correlatiecoëfficiënten voor de ontwikkelde landen ………………………………….. 47
Tabel 6.
Correlatiecoëfficiënten voor de ontwikkelende landen ……………………………… 47
Tabel 7.
Vergelijking van de onaangepaste correlatiecoëfficiënten tussen FR model en CPS model ……………………………………………………………………………………………… 48
Tabel 8.
Vergelijking van de correlatiecoëfficiënten tussen ontwikkelde en ontwikkelende landen ……………………………………………………………………………….. 49
Tabel 9.
Vergelijking tussen de gemiddelde onaangepaste correlatiecoëfficiënten in de stabiele en de crisisperiode ……………………………………………………………..… 50
Tabel 10.
Vergelijking van de gemiddelde verschillen tussen de onaangepaste correlatiecoëfficiënten in de ontwikkelde en ontwikkelende landen …………. 50
Tabel 11.
Vergelijking van de onaangepaste correlatiecoëfficiënten per ontwikkeld land ……………………………………………………………………………………………………………. 51
Tabel 12.
Vergelijking van de onaangepaste correlatiecoëfficiënten per ontwikkelend land ……………………………………………………………………………………………………………. 52 IV
Tabel 13.
Resultaten van het FR model en het CPS model voor de ontwikkelende landen ………………………………………………………………………………………………………… 57
Tabel 14.
Resultaten van het FR model en het CPS model voor de ontwikkelende landen ………………………………………………………………………………………………………… 58
Tabel 15.
Samenvatting robustness tests ………………………………..……………………….… 61 – 62
Tabel 16.
Resultaten test ‘omitted variables’ …………………………………………………………….. 66
Tabel 17.
Resultaten van het alternatieve FR model …………………………..……………………… 70
V
Abstract Deze paper gaat na of er sprake is van ‘contagion’ tijdens de Griekse crisis die ontstond in 2009. Tijdens deze crisis dreigt niet alleen de besmetting van de individuele Europese landen, maar ook het gevaar voor de gehele eurozone blijkt reëel. Twee klassieke methodes binnen het correlatieonderzoek worden toegepast. In een steekproef van ontwikkelde en ontwikkelende Europese landen wordt geen bewijs gevonden voor ‘contagion’. Er wordt zelfs eerder bewijs gevonden van een verlies aan ‘interdependence’. Bovendien is de reactie van de ontwikkelde en ontwikkelende Europese landen niet significant verschillend. Tijdens deze Griekse crisis zullen de correlatiestructuren eerder dalen en blijven de voordelen verbonden aan internationale diversificatie dus behouden. Kernwoorden: Internationale aandelenmarkten, marktintegratie, contagion, Griekse crisis, correlatieonderzoek, ontwikkelde en ontwikkelende landen
1
Inleiding Deze masterproef behandelt ‘contagion’. De term ‘contagion’ is een metafoor waarbij men de vergelijking maakt met het overdragen van een besmettelijke ziekte. Een financiële crisis in een aandelenmarkt kan zich verspreiden naar andere markten zoals een verkoudheid zich kan verspreiden van persoon tot persoon. Op die manier kan een lokale crisis een dominoeffect veroorzaken waardoor ook andere landen in de problemen kunnen komen. ‘Contagion’ is al uitgebreid behandeld in de literatuur, maar het blijft zeer actueel. In de huidige Europese crisis is het bijna dagelijks een item tijdens nieuwsuitzendingen. Deze crisis werd vooraf gegaan door de ‘subprime crisis’ en vond haar oorsprong in Griekenland, maar al snel dreigde de besmetting van andere Europese landen. Ondertussen werden reeds twee steunpakketten toegekend die de besmetting van de overige eurolanden moeten voorkomen. Dit onderzoek draagt bij tot de literatuur op verschillende vlakken. Ten eerste passen we in tegenstelling tot andere auteurs, twee klassieke methodes toe om op die manier een genuanceerder beeld te schetsen van de realiteit. Ten tweede passen we deze klassieke methodologieën toe op de actuele Griekse crisis. Tijdens de huidige crisis dreigt niet alleen de besmetting van de individuele landen, maar ook het gevaar voor het gehele eurosysteem blijkt reëel. Ten derde kan ‘contagion’ de voordelen verbonden aan internationale diversificatie beperken. Deze voordelen zijn sterk afhankelijk van de correlatiestructuur tussen de verschillende landen. Wanneer deze correlaties stijgen tijdens de crisisperiode, worden de diversificatievoordelen teniet gedaan. Daarenboven is het testen voor ‘contagion’ relevant omdat het belangrijke gevolgen heeft voor onder meer het monetair beleid, risicobeheer en ‘asset pricing’ (Billio & Pelizzon, 2003). In dit onderzoek gaan we aan de hand van twee methodes na of er sprake is van ‘contagion’ tijdens de Griekse crisis. Hierbij maken we een expliciet onderscheid tussen ontwikkelde en ontwikkelende landen binnen Europa. De twee toegepaste methodes tonen aan dat er geen sprake is van ‘contagion’ tussen Griekenland en de Europese aandelenmarkten gedurende de Griekse crisis. De voordelen van internationale diversificatie blijven dus behouden. De correlatie met de Griekse aandelenmarkt is voor vele landen zelfs gedaald tijdens de crisis.
2
Dit zorgt voor een nog gunstiger diversificatievoordeel. Er is echter geen significant verschil tussen ontwikkelde en ontwikkelden landen voor de gevonden resultaten. In wat volgt zullen we nagaan of er sprake is van ‘contagion’ tijdens de Griekse crisis van 2009. In hoofdstuk 1 zullen we naast een formele definitie van ‘contagion’ ook een uitgebreid overzicht van de relevante literatuur geven. In hoofdstuk 2 gaan we dieper in op de onderzoeksvraag en de bijdrage van deze studie. Hoofdstuk 3 definieert de crisisperiode en geeft een overzicht van de data die worden gebruikt in het empirisch onderzoek. In hoofdstuk 4 bespreken we de wetenschappelijke methode die we in deze masterproef zullen toepassen. De resultaten van dit empirisch onderzoek worden weergegeven in hoofdstuk 5. Tenslotte wordt de robuustheid van deze resultaten getest in hoofdstuk 6.
3
Hoofdstuk 1 Literatuuroverzicht
4
1.1. Definitie ‘Contagion’ is een verschijnsel dat reeds lang uitvoerig onderzocht werd. Vaak aangehaalde voorbeelden zijn het Mexicaanse ‘Tequila effect’ in 1994, de ‘Asian flu’ in 1997, de ‘Russian cold’ in 1998, de ‘Brazilian fever’ in 1999, de ‘Dot-com bubble’ in 2000 en de ‘subprime crisis’ in 2007. De meest recente Europese staatsschuldencrisis waarbij het onheil in Griekenland zich dreigt te verspreiden naar andere Europese landen zoals Ierland, Portugal, Spanje en Italië, maken het onderwerp weer brandend actueel. Ook verder gelegen landen, zoals bijvoorbeeld de Verenigde Staten, zijn er niet immuun voor. De term ‘contagion’ wordt informeel gedefinieerd als een metafoor waarbij men de vergelijking maakt met het overdragen van een besmettelijke ziekte. Een financiële crisis in een welbepaalde economie kan zich verspreiden naar andere financiële markten zoals een verkoudheid zich kan verspreiden van persoon tot persoon. Op die manier kan een lokale crisis een regionaal, en in sommige gevallen zelfs globaal, probleem worden. Ondanks de vele onderzoeken naar ‘contagion’ bestaat er geen eenduidige formele definitie. In de literatuur wordt ‘contagion’ op veel verschillende manieren gedefinieerd. De manier waarop ‘contagion’ wordt gedefinieerd is van belang aangezien het de metingen, en dus de resultaten, beïnvloedt. De Wereldbank onderscheidt drie definities (World Bank, 2011a). Ten eerste is er de brede definitie. Hierbij wordt het algemene proces van de transmissie van schokken tussen twee landen als ‘contagion’ beschouwd. Volgens deze definitie kan ‘contagion’ zowel tijdens stabiele als tijdens crisisperiodes plaatsvinden, en wordt het zowel met negatieve schokken als met positieve ‘spillover effects’ geassocieerd. In tegenstelling tot de andere definities worden macro-economische fundamenten hier wel als een transmissiemechanisme van ‘contagion’ gezien. Ten tweede is er de enge definitie. ‘Contagion’ heeft zoals in de brede definitie te maken met de verspreiding van schokken tussen twee landen. Doch hier is er enkel sprake van ‘contagion’ wanneer deze transmissie groter is dan wat verwacht werd op basis van de onderliggende fundamenten, rekening houdend met gemeenschappelijke schokken. Tenslotte is er de zeer enge definitie, waarbij ‘contagion’ gedefinieerd wordt als de
5
verandering in de transmissiemechanismen die plaatsvindt tijdens de periode van onrust. Deze definitie van ‘contagion’ benadrukt dat hoge ‘co-movements’ tussen markten, die zowel voorkomen in tijden van onrust als in normale tijden, niet duiden op ‘contagion’. In deze paper passen we de zeer enge definitie toe, zoals vaak gebruikt in de literatuur. Het merendeel van de auteurs verwijst naar de definitie zoals gedefinieerd door Forbes & Rigobon (2002), die op hun beurt de zeer enge definitie van de Wereldbank toepassen. Volgens de auteurs is ‘contagion’: “a significant increase in cross-market linkages after a shock to one country (or group of countries)” (p.2223). Om verwarring te vermijden met andere definities, gebruiken ze de term ‘shift-contagion’. Hier gebruiken we de term ‘contagion’ in de betekenis van ‘shift-contagion’. ‘Contagion’ heeft dus te maken met de verspreiding van schokken tussen twee landen. Wanneer deze verspreiding groter is dan verwacht, is er sprake van ‘contagion’. In tijden van crisis worden besmette landen dus méér afhankelijk van het crisisland. In het andere geval, spreekt men van ‘interdependence’. ‘Interdependence’ impliceert dat twee landen niet méér afhankelijk worden in tijden van crisis. Deze definitie heeft volgens de auteurs twee praktische voordelen. Enerzijds wordt op deze manier intuïtief duidelijk hoe ‘contagion’ kan gemeten worden, namelijk door de relatie, en dus de correlatie, tussen twee markten in normale tijden en tijden van crisis te berekenen en met elkaar te vergelijken om te bepalen of het verschil significant is. Anderzijds wordt op deze manier vermeden dat de verschillende transmissiemechanismen geïdentificeerd moeten
worden.
De methode
maakt
namelijk enkel
een
onderscheid tussen
‘interdependence’ en ‘contagion’. Bij ‘interdependence’ blijven de transmissiemechanismen hetzelfde in de verschillende periodes, terwijl bij ‘contagion’ de transmissiemechanismen verschillend zijn gedurende de crisisperiode. In de literatuur worden er verschillende kanalen gedefinieerd waarlangs ‘contagion’ wordt verspreid. Er bestaat echter geen eensgezindheid over deze verschillende transmissiemechanismen. Door de resultaten niet afhankelijk te maken van welke ‘contagion channels’ er worden gehanteerd, wordt het probleem op deze manier vermeden. De definitie heeft ook twee theoretische voordelen. Het testen van ‘contagion’ zoals gedefinieerd in Forbes & Rigobon (2001) is een duidelijke test van de effectiviteit van 6
internationale diversificatie. Een afgezwakte definitie van ‘contagion’ zou dit niet kunnen aanpakken. Bovendien kan ‘contagion’ een interventie van een internationale instelling, zoals het Internationaal Monetair Fonds (IMF), rechtvaardigen. Een land dat weinig handelsbetrekkingen heeft met het land dat zich in een crisis bevindt en andere economische fundamenten heeft, zou toch besmet kunnen worden. Dit duidt op ‘contagion’, zoals in deze paper gedefinieerd werd. Een korte termijn lening van het IMF zou in dit geval een crisis kunnen beperken. Indien men echter een andere definitie van ‘contagion’ gebruikt is een interventie mogelijk suboptimaal. Een land dat veel handelsbetrekkingen heeft met het land in crisis en/of met dezelfde fundamenten zou, ondanks een lening of ‘bailout’ van het IMF, vroeg of laat toch besmet geraken. Hier zou een interventie enkel een uitstel van executie betekenen, wat dus suboptimaal is.
1.2. Vorig onderzoek Onderzoek rond ‘contagion’ is veelzijdig, maar kan volgens Sojli (2007) vaak teruggebracht worden tot twee onderzoeksstromen. Een bepaald deel van de literatuur focust op de verschillende kanalen waarlangs de verschillende schokken worden verspreid, terwijl een ander deel zich concentreert op het testen of er al dan niet sprake is van ‘contagion’.
1.2.1.
Transmissiemechanismen
In de literatuur bestaan er allerhande classificaties van de transmissiemechanismen van crisissen (Karolyi, 2003; Moser, 2003). In het algemeen worden de transmissiemechanismen in een aantal categorieën onderverdeeld. Hier geven we een chronologisch overzicht. Figuur 1 bevat een overzichtelijke samenvatting. Calvo & Reinhart (1996) maken een onderscheid tussen transmissiemechanismen die leiden tot ‘fundamentals-based contagion’, vergelijkbaar met onze definitie van ‘interdependence’, en transmissiemechanismen die leiden tot ‘true contagion’. Het eerste wordt veroorzaakt door handelsbetrekkingen en financiële banden terwijl het tweede vaak wordt geassocieerd met kuddegedrag.
7
Calvo & Reinhart (1996)
Interdependence
Contagion
Fundamentals-based contagion
True contagion
Handelsbetrekkingen
Financiele betrekkingen
Kuddegedrag
Masson (1999)
Interdependence
Contagion
Monsoonal effects
Globale schokken
Spillovers
Gemeenschappelijke economische fundamenten
Handelsbetrekkingen
True contagion
Financiële betrekkingen
Gedrag van marktparticipanten
Kaminsky & Reinhart (2000)
Interdependence
Contagion
Fundamentals based contagion
True contagion
Handelsbetrekkingen
Direct handelsbetrekkingen
Indirecte handelsbetrekkingen
Financiële betrekkingen
Gemeenschappelijke schuldeiser
Kuddegedrag
Liquiditeitsproblemen
8
Forbes & Rigobon (2001)
Handelsbetrekkingen Coördinatie van het beleid
Interdependence
Contagion
Noncrisis contingent theories
Crisis contingent theories
Globale schokken Herwaardering van landen
Multiple equilibria
Liquiditeitsproblemen
Politieke economie
Claessens & Forbes (2004)
Interdependence
Contagion
Liquiditeitsproblemen Risicoaversie
Investor's reassessment Marktcoördinatieproblemen Informatieasymmetrie
Bowman, Chan & Comer, (2010)
Interdependence
Contagion
Handelsbetrekkingen Globale schokken Gemeenschappelijke Institutionele economische kenmerken fundamenten
Figuur 1. Overzicht classificaties van transmissiemechanismen. In deze figuur vindt u een chronologisch overzicht van de verschillende classificaties van transmissiemechanismen.
9
Masson (1999) maakt een onderscheid tussen drie kanalen die ervoor zorgen dat een crisis van één land naar andere landen verspreidt, namelijk: ‘monsoonal effects’, ‘spillovers’ en ‘true contagion’. ‘Monsoonal effects’ wordt ‘contagion by common causes’ genoemd. Hier wordt een crisis verspreid omdat de getroffen landen gelijkaardige economische fundamenten hebben of getroffen worden door een gemeenschappelijke externe schok. ‘Spillover effects’ ontstaan wanneer een land handelsbetrekkingen en financiële banden heeft met het besmette land. Deze eerste twee kanalen resulteren in ‘interdependence’ en zijn dus niet oorzaken van ‘contagion’ zoals we in deze paper hebben gedefinieerd. Het derde transmissiemechanisme is ‘true contagion’ en is de oorzaak van ‘contagion’ zoals in deze paper gedefinieerd werd. Hier wordt een crisis in één land verspreid naar andere landen omwille van oorzaken die niet kunnen verklaard worden door voorgaande fundamenten. Dit wordt vaak geassocieerd met het gedrag van marktparticipanten. Kaminksy & Reinhart (2000) vervolledigen het werk van Calvo & Reinhart (1996) door ‘fundamentals-based
contagion’
te
verdelen
in
twee
financiële
kanalen:
een
gemeenschappelijke schuldeiser en liquiditeitsproblemen, en twee handelskanalen: directe handelsbetrekkingen en competitie in een gemeenschappelijke derde markt. Een gemeenschappelijke schuldeiser kan ervoor zorgen dat een crisis in één land verspreid wordt naar andere landen. Indien de schuldeiser geconfronteerd wordt met problemen in één markt, zoals bijvoorbeeld leningen die niet terugbetaald worden, gaat de schuldeiser het algemeen risico van zijn activa proberen verlagen en zich terugtrekken uit risicovolle projecten uit andere landen. Hetzelfde principe geldt voor investeerders die diversifiëren in verschillende markten. Ze kunnen te maken krijgen met liquiditeitsproblemen indien er een onverwachtse crisis uitbreekt in een bepaalde markt. Als gevolg van deze liquiditeitsproblemen zullen ze hun activa, zowel hun activa in het land van crisis als in andere landen, verkopen om geld te ontvangen en op die manier hun liquiditeitspositie te verbeteren. Naast de twee financiële kanalen bestaat er nog een direct handelskanaal en een indirect handelskanaal waarlangs crisissen zich verspreiden. Indien een land veel directe handelsbetrekkingen heeft met een land in crisis is er een grote kans dat dit land ook besmet wordt ten gevolge van een daling in export naar dit land of een devaluatie van de munt. 10
Deze effecten kunnen ook onrechtstreeks andere landen besmetten indien de landen veel handel voeren in een gemeenschappelijke derde markt. Forbes & Rigobon (2001) maken een gelijkaardig onderscheid maar noemen de twee categorieën ‘crisis contingent theories’ en ‘noncrisis contingent theories’, vergelijkbaar met onze definitie van ‘contagion’ en ‘interdependence’. ‘Crisis contingent theories’ kunnen worden onderverdeeld in drie transmissiemechanismen, namelijk: ‘multiple equilibria’, endogene liquiditeit en politieke economie. Bij ‘multiple equilibria’ wordt er van een goed naar een slecht evenwicht verschoven door een verandering in de verwachtingen van beleggers. Een schok in één land wordt dus overgedragen naar andere landen door een wijziging van de verwachtingen van beleggers en niet door een écht onderliggend verband. Endogene liquiditeit ontstaat ten gevolge van liquiditeitsproblemen die beleggers ervaren door een crisis in één land. Dit kan de beleggers dwingen om hun portefeuille te herschikken en activa uit niet-crisis landen te verkopen. Het model van politieke ‘contagion’ veronderstelt dat presidenten van centrale banken onder druk staan om de vaste wisselkoersen aan te houden.1 Als één land beslist om naar een zwevende wisselkoers over te gaan is de kans groter dat meerdere landen naar een zwevende wisselkoers overschakelen. Dit omdat lidmaatschap in een vaste wisselkoers ‘club’ minder belangrijk is als er minder leden de vaste wisselkoers aanhouden. Op die manier kan een valutacrisis zich verspreiden. ‘Comovements’ die niet verklaard kunnen worden door voorgaande drie kanalen vallen onder het label ‘non crisis contingent theories’. ‘Non crisis contingent theories’ kunnen worden onderverdeeld in vier transmissiemechanismen namelijk: handelsbetrekkingen, coördinatie van het beleid, landherwaardering en globale schokken. Een crisis in één land heeft een directe impact op de export van het land. Bijgevolg kunnen landen die nauwe handelsbetrekkingen hebben met het crisisland op die manier ook snel in gevaar komen. Een tweede transmissiemechanisme is de coördinatie van het beleid. Dit ontstaat doordat de maatregelen genomen door één land ten gevolge van een economische schok, andere 1
Vaste wisselkoersen bevorderen de politieke integratie. Zo willen bijvoorbeeld veel landen deel uitmaken van de Europese Unie.
11
landen kunnen dwingen om gelijkaardige maatregelen te nemen. Een derde transmissiemechanisme is de herwaardering van landen. Hierbij kunnen beleggers de lessen die ze geleerd hebben na een schok in één land toepassen op andere landen met dezelfde fundamenten of politiek. Tenslotte zijn er de globale schokken. Deze kunnen tegelijkertijd meerdere economieën beïnvloeden. Claessens & Forbes (2004) vatten vorige onderzoeken samen en maken een overzicht van de transmissiemechanismen die leiden tot ‘contagion’. Volgens hen is ‘contagion’ een gevolg van het gedrag van marktparticipanten. Ze onderscheiden vijf theorieën, namelijk: liquiditeitsproblemen, risicoaversie, informatieasymmetrie, marktcoördinatieproblemen en ‘investor’s reassessment’. Liquiditeitsproblemen door onverwachte verliezen in één land, kunnen beleggers ertoe aanzetten om activa uit hun portefeuille in andere markten te verkopen. Dit kan ervoor zorgen dat de prijzen van financiële instrumenten buiten het crisisgebied dalen en op die manier kan de crisis zich verspreiden. Een tweede transmissiemechanisme is gebaseerd op stimulansproblemen of toename van de risicoaversie. Om bepaalde proporties van aandelen van een land of een bepaalde risicograad te behouden, zullen beleggers hun activa verkopen in andere markten. De derde theorie is gebaseerd op informatieasymmetrie. Bij gebrek aan betere informatie geloven sommige beleggers dat andere landen gelijkaardige problemen te wachten staat als het crisisland. Ze zullen daarom activa van deze landen beginnen verkopen. Dit effect wordt versterkt door kuddegedrag. Sommige niet-geïnformeerde beleggers zullen het makkelijker vinden om anderen te volgen dan zelf informatie te verzamelen. Een vierde groep focust op marktcoördinatieproblemen. Dit hangt nauw samen met ‘multiple equilibria’. Zo kunnen beleggers abrupt hun verwachtingen aanpassen en zich terugtrekken uit een land. De laatste theorie is gebaseerd op het plots veranderen van de regels van internationale financieringen, wat leidt dat een herbeoordeling van de beleggers. Indien internationale instituties zoals het IMF geld lenen aan een land in crisis, kunnen beleggers activa van andere landen verkopen omdat ze bang zijn dat deze landen geen leningen zullen krijgen ten gevolge van onvoldoende fondsen van het IMF. 12
Volgens Claessens & Forbes (2004) kunnen de vijf theorieën een gevolg zijn van zowel rationeel gedrag als irrationeel gedrag. Niet alle auteurs zijn het hier echter mee eens. Karolyi (2003) refereert naar ‘contagion’ als ‘irrational contagion’ omdat het veroorzaakt zou worden door het irrationeel gedrag van marktparticipanten. In deze vijf theorieën wordt ‘contagion’ veroorzaakt door de verwachtingen en het gedrag van marktparticipanten en dus niet door een specifiek evenement. Voorbeelden hiervan zijn de crisis in Brazilië van 2001 en de Mexicaanse crisis van 1994. De onrust op de financiële markten in Brazilië ontstond volgens Miller, Thampanishvong & Zhang (2003) door paniek in de financiële markten, terwijl volgens Sachs, Tornell & Velasco (1996) de crisis in Mexico werd veroorzaakt door een ‘self-fulfilling speculative attack’. Kortom, beide crisissen werden niet gedreven door een verandering in de fundamenten van een land. Bowman, Chan & Comer, (2010) vatten net zoals Claessens en Forbes (2004) de vorige onderzoeken samen maar ze maken een overzicht van de transmissiemechanismen die leiden tot ‘interdependence’. Ze onderscheiden vier transmissiemechanismen van ‘interdependence’, namelijk: economische fundamenten van een land, handelsbetrekkingen met het crisisland, wereldwijde marktbewegingen en institutionele kenmerken van de aandelenmarkt van het land. Ten eerste zijn landen met zwakkere economische fundamenten meer vatbaar voor crisissen. Ten tweede zijn rendementen op aandelenmarkten sterk gerelateerd aan de handelsbetrekkingen tussen landen. Landen waarbij een groot deel van het bruto binnenlands product (BBP) toe te schrijven is aan export met het land in crisis, hebben een grotere kans om besmet te worden. Ten derde kan een globale schok crisissen in verschillende landen veroorzaken. Hierbij dient opgemerkt te worden
dat sommige landen sterker reageren op
wereldwijde
marktbewegingen dan andere. Als laatste hebben landen met dezelfde institutionele kenmerken van aandelenmarkten dan het land in crisis een grotere kans om besmet te raken. Samenvattend kunnen we stellen dat er een veelheid aan classificaties bestaan, afhankelijk van de gebruikte definitie van ‘contagion’, waarbij de ene al wat gedetailleerder is dan de andere. De meeste auteurs maken echter een onderscheid tussen transmissiemechanismen die leiden tot ‘interdependence’ en transmissiemechanismen die leiden tot ‘contagion’. 13
Hierbij wordt de eerste groep voornamelijk veroorzaakt door ‘fundamental causes’, zoals een gemeenschappelijke schok, handelsbetrekkingen en bepaalde financiële banden. De tweede groep wordt vaak geassocieerd met het gedrag van marktparticipanten.2 Naast het extensief onderzoek naar de verschillende transmissiemechanismen focust een bepaald
deel
van
de
literatuur
ook
op
het
bepalen
van
de
belangrijkste
transmissiemechanismen. Het belang verschilt naargelang de onderzochte crisis. Volgens Eichengreen, Rose & Wyplosz (1996) en Glick & Rose (1999) worden landen met nauwe handelsbetrekkingen sneller besmet dan landen die dezelfde macro-economische fundamenten delen. Kaminksy & Reinhart (2000) maken een ordinale rankschikking van vier transmissiemechanismen op basis van hun verklaringskracht tijdens de Mexicaanse crisis van 1994 en de Thaise crisis van 1997. Ze vinden echter dat een gemeenschappelijke schuldeiser het belangrijkste transmissiemechanisme is, gevolgd door liquiditeitskanalen, directe handelsbetrekkingen en als laatste competitie in een gemeenschappelijke derde markt. Van Rijckeghem & Weder (2001) vinden net zoals Kaminksy & Reinhart (2000) dat een gemeenschappelijke schuldeiser het belangrijkste transmissiemechanisme is tijdens de Mexicaanse, Russische en Thaise crisis. Verder vinden Hernández & Valdés (2001) dat handelsbetrekkingen en ‘neighborhood effects’ tijdens de Thaise en Braziliaanse crisis de meest relevante transmissiemechanismen zijn, terwijl ‘financial competition’ het enige relevante kanaal is tijdens de Russische crisis. Net zoals Hernández & Valdés (2001) vinden De Gregorio & Valdés (2001) dat ‘neighborhood effects’ het meest relevante transmissiemechanisme is in de schuldencrisis van 1982, de Mexicaanse crisis en de Aziatische crisis. Handelsbetrekkingen en macro-economische factoren hebben een minder groot belang. In het algemeen wordt er in de eerste papers vooral gefocust op handelsbetrekkingen tussen landen. Dit omdat handel in goederen en diensten een langere geschiedenis heeft dan handel in financiële activa. Meer recente papers vinden echter dat financiële banden, en meer bepaald bankleningen en portefeuille-investeringen, belangrijkere transmissie-
2
Er is een bepaalde overlap tussen theorieën gebaseerd op fundamenten en theorieën gebaseerd op het gedrag van marktparticipanten. Zo classificeren sommige auteurs liquiditeitsproblemen (i.e. het aanpassen van een portfolio ten gevolge van liquiditeitsproblemen) als een oorzaak van ‘contagion’, terwijl andere auteurs echter van mening zijn dat het een oorzaak is van ‘interdependence’.
14
mechanismen zijn. Ondanks het uitgebreide onderzoek naar de internationale overdracht van crisissen, is er weinig empirische consensus over het belang van de verschillende kanalen waarlangs de crisis wordt verspreid. Dit komt voornamelijk omdat de meeste handels- en financiële banden tussen landen sterk gecorreleerd zijn en het individueel effect ervan moeilijk te onderscheiden is (Forbes, 2004). Het gebrek aan consensus over de transmissiemechanismen wordt goed samengevat door de Wereldbank (World Bank, 2011b): ”Some claim that contagion is explained by real links, while others provide a financial explanation. At the same time, other studies argue that herding behavior is the key element to understand the recent contagious episodes. Although one can show that these factors are present in the cross-country transmission of crises, an even more difficult problem is to determine the relative importance of each component.”
1.2.2.
‘Contagion’ meten
Er bestaan veel verschillende methodologieën om de overdracht van crisissen na te gaan. Forbes & Rigobon (2002) onderscheiden vier algemene categorieën. ARCH en GARCH modellen, probit modellen, testen voor wijziging in de co-integratie vector tussen markten, en testen voor wijzigingen in correlatiecoëfficiënten. Enkel de laatste methode test expliciet voor ‘contagion’ zoals gedefinieerd in deze paper. Bovendien kan ‘contagion’ gemeten worden op basis van het rendement op aandelenmarkten, rentevoeten, wisselkoersen of een lineaire combinatie ervan (Rigobon, 2002). Een eerste vaak gebruikte methode om de transmissie van schokken te meten zijn ARCH en GARCH modellen. Bij deze benadering wordt er nagegaan of de volatiliteit van activaprijzen overgedragen wordt tussen landen. Hamao, Masulis & Ng (1990) maken gebruik van een ARCH model in de crisis van 1987 en vinden een significante overdracht van prijsvolatiliteit tussen Japan, het Verenigd Koninkrijk en de Verenigde Staten. Engle, Ito & Lin (1990) onderzoeken volatiliteit overdracht in wisselkoersen in Londen, Tokyo en New York van 1985 tot 1986 en vinden bewijs voor overdracht van volatiliteit. Edwards (1998) gebruikt een GARCH model om na te gaan of er transmissie is van volatiliteit tussen Mexico, Argentinië en Chili tijdens de Mexicaanse crisis. Hij vindt dat er volatiliteit overgedragen wordt tussen Mexico en Argentinië, maar niet tussen Mexico en Chili. Alper & Yilmaz (2004) vinden duidelijk bewijs van overdracht van volatiliteit in de Istanbul Stock Exchange tijdens de 15
Aziatische crisis. Tai (2007) onderzoekt het effect tijdens de Aziatische crisis voor zes ontwikkelende Aziatische landen en vindt bewijzen van transmissie van volatiliteit. Een tweede manier om de transmissie van schokken te meten is het onderzoeken van conditionele correlaties of ‘probabilities’. Dit wordt meestal gedaan aan de hand van probit modellen. Dit model test echter niet voor ‘contagion’ zoals gedefinieerd in deze paper. In dit model is er sprake van ‘contagion’ als de kans op een crisis in een bepaald land hoger is wanneer er een crisis is in één of meerdere andere landen. Eichengreen et al. (1996) gebruiken een probit model en onderzoeken of er sprake is van ‘contagion’ van 1959 tot 1993 voor 20 industriële landen. De auteurs focussen vooral op valutacrisissen en vinden bewijs voor ‘contagion’. De Gregorio & Valdés (2001) gebruiken dezelfde methode en vinden dat de Mexicaanse crisis ‘contagion effects’ vertoonde. Bovendien vertonen zowel de schuldencrisis van 1982 als de Aziatische crisis evenveel effecten van ‘contagion’. Van Rijckeghem & Weder (2001) onderzoeken 118 landen gedurende de Mexicaanse, Aziatische en Russische crisis en vinden bewijzen van besmetting. De probit modellen worden ook vaak gebruikt om het belangrijkste transmissiemechanisme na te gaan (zie bijvoorbeeld Kaminsky & Reinhart, 1998; Glick & Rose, 1999; Van Rijckeghem & Weder, 2001) . Een derde methode om ‘contagion’ te meten is gebaseerd op co-integratie vectoren. Variabelen die gecoïntegreerd zijn bewegen samen doorheen de tijd. Ze volgen hetzelfde pad. Co-integratie wordt vaak geassocieerd met een lang termijn evenwicht (Kasa, 1992). Zo gaan aandelenmarkten op lange termijn naar eenzelfde punt evolueren, maar er kunnen echter afwijkingen zijn op korte termijn. Sterk geïntegreerde financiële markten dragen bij tot het verspreiden van financiële crisissen. Zoals Forbes & Rigobon (2002) echter vermelden zijn co-integratie methodes minder nuttig als testen voor ‘contagion’ aangezien ze vooral naar het lange termijn kijken en dus soms veranderingen in verbanden tussen markten op korte termijn niet kunnen waarnemen. Bij een co-integratie analyse wordt bovendien nagegaan of er een gemeenschappelijke factor het pad van international aandelenmarkten beïnvloedt of dat iedere aandelenmarkt enkel gedreven wordt door eigen fundamenten (Lee & Jeon, 1992). Sterk gecoïntegreerde markten worden sterk gedreven door een gemeenschappelijke factor. Moon (2001) vergelijkt de banden tussen Aziatische landen na de Aziatische crisis met de banden tussen Europese landen na de ERM (Exchange Rate Mechanism) crisis. In het geval van Azië vindt hij een toename van de integratie na de crisis, 16
in het geval van Europa vindt hij een toename van de integratie tijdens de crisis. Bovendien blijkt dat de integratie van de Aziatische markten met de Verenigde Staten aanzienlijk verhoogt na de Aziatische crisis. De relatie van de Europese landen met de Verenigde Staten blijft beperkt na de ERM crisis. Testen gebaseerd op wijzigingen in correlatiecoëfficiënten zijn het vaakst gebruikt. Deze testen meten de correlatie van rendementen (of interesten, wisselkoersen, enzovoort.) tussen twee markten gedurende een stabiele periode en een periode van crisis. Indien deze correlaties significant zijn gestegen in de crisisperiode is er sprake van ‘contagion’. In een van de eerste papers die ‘contagion’ test aan de hand van een correlatieonderzoek, namelijk deze van King & Wadhwani (1990), wordt de correlatie tussen de Verenigde Staten, het Verenigd Koninkrijk en Japan onderzocht gedurende de crisis in 1987. De auteurs vinden dat er sprake was van ‘contagion’ tussen de verschillende markten. Lee & Kim (1994) onderzoeken 12 markten voor en na de crisis in 1987 en vinden bewijzen van ‘contagion’. Voornamelijk de correlatie met ontwikkelende markten was significant gestegen. Calvo & Reinhart
(1996)
vinden
bewijs
dat
de
correlaties
tussen
de
aandelen-
en
obligatierendementen van verschillende Latijns-Amerikaanse landen steeg na de Mexicaanse crisis van 1994. Frankel & Schmukler (1998) tonen aan dat de correlaties tussen Mexico, bepaalde Aziatische landen en Latijns-Amerikaanse landen hoger waren na de Mexicaanse crisis. Baig & Goldfajn (1999) testen voor ‘contagion’ tijdens de Aziatische crisis voor zowel aandelenindexen, valutaprijzen als obligaties. Ze vinden meer bewijs van ‘contagion’ bij obligaties dan voor aandelen. Bordo & Murshid (1999) onderzoeken de correlaties tussen lange termijn obligatieprijzen over 120 jaar (van 1880 tot 2000) en vinden bewijs van hogere correlaties tijdens periodes van crisis. Vooral landen die in stabiele periodes weinig gecorreleerd zijn tonen aanzienlijk hogere correlaties tijdens tijden van crisis. Baig & Goldfajn (2000) onderzochten of er sprake was van ‘contagion’ gedurende de Russische crisis. Ze vinden dat er inderdaad sprake was van ‘contagion’ tussen Rusland en Brazilië. Gelos & Sahay (2001) onderzoeken Europese ontwikkelende landen tijdens de Tsjechische, de Aziatische en de Russische crisis. Er was sprake van ‘contagion’ gedurende de Tsjechische crisis, alhoewel de resultaten sterker waren gedurende de Aziatische crisis. De meest uitgesproken resultaten waren gedurende de Russische crisis. Forbes & Rigobon (2002) gebruiken een aangepaste correlatiecoëfficiënt en vinden nauwelijks bewijzen van 17
‘contagion’ gedurende de crisis van 1987, de Mexicaanse crisis en de Aziatische crisis voor een steekproef bestaande uit 28 landen. Rond dezelfde periode introduceert Engle (2002) het DCC GARCH model. Het GARCH model wordt gebruikt om de volatiliteit continu aan te passen, wat ervoor zorgt dat de correlatiecoëfficiënten niet vertekend zijn door verschillen in variantie tussen beide periodes. Corsetti, Pericoli & Sbracia (2005) passen de correlatiecoëfficiënt van Forbes & Rigobon (2002) nog verder aan. De auteurs gebruiken data uit tien ontwikkelende landen en de G7 landen en vinden bewijs voor ‘contagion’ voor vijf landen gedurende de crisis van 1987. Collins & Biepke (2003) passen beide methodologieën toe op acht Afrikaanse aandelenmarkten tijdens de Aziatische crisis en vinden geen bewijzen van ‘contagion’, behalve voor Egypte en Zuid-Afrika.3 Serwa & Bohl (2005) maken ook gebruik van beide methodologieën. Ze onderzoeken ‘contagion’ in Europese aandelenmarkten gedurende zeven financiële schokken tussen 1997 en 2002, waarbij ze een onderscheid maken tussen West-Europa en Centraal Oost-Europa. Ze vinden een bescheiden bewijs van ‘contagion’, maar vinden geen verschil in de mate van ‘contagion’ tussen de West-Europa en Centraal Oost-Europa. Lee, Wu & Wang (2007) gebruiken de aangepaste correlatiecoëfficiënt om na te gaan of er sprake was van ‘contagion’ tussen aandelenmarkten en valutamarkten na de tsunami van 2004 in Zuid-Oost-Azië. Uit een steekproef van 26 landen vinden ze geen ‘contagion’ tussen de internationale aandelenmarkten, maar er is wel sprake van ‘contagion’ tussen een aantal valutamarkten. Cho & Parhizgari (2008) passen de DCC GARCH methode toe op acht Aziatische landen tijdens de Aziatische crisis en vinden bewijs voor ‘contagion’. Kamel, Naoufel & Salem (2010) passen het DCC GARCH model toe op de ‘subprime crisis’ en vinden bewijzen van ‘contagion’ tussen de Verenigde Staten en vier ontwikkelde landen en tussen de Verenigde Staten en de meerderheid van de 10 ontwikkelende landen. Syllignakis & Kouretas (2011) gebruiken een DCC GARCH model om ‘contagion’ tussen zeven ontwikkelende landen van 1997 tot 2009 na te gaan. Lee (2012) onderzoekt ‘contagion’ gedurende de ‘subprime crisis’ van 2007 in 20 landen en vindt dat sommige aandelenmarkten wel kenmerken van ‘contagion’ vertoonden.
3
Collins & Biepke (2003) baseren zich op een working paper van Corsetti, Pericoli & Sbracia die gepubliceerd werd in 2002. De laatste versie verscheen in 2005 in Journal of International Money and Finance.
18
Hoofdstuk 2 Onderzoeksvraag
19
De term ‘contagion’ wordt meermaals in het nieuws gebruikt in verband met de Griekse crisis. Zo waarschuwde een raadslid van de Europese Centrale Bank, Axel Weber, voor de ernstige ‘contagion effects’ van de Griekse crisis.4 We geven hier slechts één voorbeeld, maar bijna dagelijks wordt de term ‘contagion’ in de mond genomen tijdens nieuwsuitzendingen als het over de Griekse crisis gaat. In deze paper gaan we dan ook na of er weldegelijk sprake is van ‘contagion’ tijdens de Griekse crisis. Is de daling in de aandelenkoersen van andere Europese landen zoals Spanje en Portugal een gevolg van de normale handelsbetrekkingen en gelijkaardige economische fundamenten met Griekenland, of is er echt sprake van besmetting? Hierbij maken we een onderscheid tussen ontwikkelde en ontwikkelende landen. Het resultaat van dit onderzoek kan belangrijke inzichten aanreiken met betrekking tot internationale diversificatie van een aandelenportefeuille. De bijdrage van deze studie tot de bestaande literatuur wordt in het derde onderdeel toegelicht.
2.1. Griekse crisis Europa wordt op dit moment zwaar geteisterd door een crisis. De Europese staatsschuldencrisis vond zijn oorsprong in Griekenland. In dit deel proberen we een korte samenvatting te geven van de gebeurtenissen tijdens de Griekse crisis. De oorsprong van de problemen in Griekenland ligt in de jarenlange buitensporige uitgaven, goedkope leningen en onsuccesvolle financiële hervormingen.5 De kredietcrisis van 2008 zorgde ervoor dat de overheidsschulden en financiële situatie van de Europese overheden aanzienlijk verslechterde. De belastingopbrengsten daalden door de recessie terwijl de overheidsuitgaven stegen ten gevolge van stijgende werkloosheidsuitkeringen en kosten van de reddingsoperaties van banken. De nieuwe Griekse regering, onder leiding van Papandreou, maakte bovendien in oktober 2009 bekend dat de begrotingscijfers die de vorige regering had gepubliceerd onjuist zijn en dat het land met een veel groter begrotingstekort en een hogere staatsschuld kampt. Het werkelijke begrotingstekort zou 12,7% bedragen, in plaats van de gerapporteerde 3,7%. Deze zwakke financiële positie 4
Bron: http://www.bloomberg.com/news/2010-05-05/weber-sees-threat-of-grave-contagion-from-greece-torest-of-euro-region.html 5 Bron: http://www.europa-nu.nl/id/viccj7o2p7ug/begrotingstekort_en_staatsschuld
20
leidde tot een ‘debt trap’. De Griekse overheid werd verplicht een hogere rente te betalen op haar schulden en de koersen van staatsleningen daalden. Ratingbureaus verlaagden drastisch de kredietwaardigheid van Griekenland. Dit leidde tot een vertrouwenscrisis op de financiële markten. De vertrouwenscrisis schaadde het algemene vertrouwen in de euro en de vrees voor een domino-effect ontstond. Men vreesde dat de crisis zich zou verspreiden naar andere zwakke economieën met een hoge staatsschuld, zoals de overige PIIGS landen: Portugal, Italië, Ierland en Spanje. Bovendien hadden veel belangrijke Europese banken geïnvesteerd in de Griekse economie.6, 7 De Griekse regering zag zich, onder druk van de Europese Unie, genoodzaakt om extreme bezuinigingsmaatregelen uit te voeren, met als doel het begrotingstekort van bijna 13% van het BBP in 2009 terug te dringen tot 3% in 2012. Het gevaar op besmetting van andere EU-lidstaten dwong de Europese Unie dan ook om over te gaan tot actie om het domino-effect tegen te gaan. Tegen april 2010 was het vertrouwen van de financiële markten in Griekenland zo fors gedaald dat het land zelfs geen lening meer kon aangaan om hun begrotingstekort en staatsschuld te financieren. In mei 2010 beslisten de EU-lidstaten samen met het IMF om een reddingspakket samen te stellen, met als doel de stabiliteit in de eurozone te herstellen. Het pakket van 110 miljard euro aan noodleningen moest ervoor zorgen dat de overige eurolanden gespaard bleven van de Griekse besmetting. Toch bleek dit steunpakket niet voldoende. Een extra pakket leningen ter waarde van 130 miljard euro was nodig om de besmetting van andere eurolanden te voorkomen. In maart 2012 werd hierover een akkoord bereikt. Vandaag werkt de Griekse regering hard om aan de voorwaarden van het tweede steunprogramma te voldoen en de nodige besparingen door te kunnen voeren. Toch sluit de nieuwe premier Papademos een nieuw steunpakket niet uit. 8 Bovendien werd de kredietwaardigheid van Griekenland op 28 februari 2012 verder verlaagd door ratingbureau Standard & Poor’s. Dit bewijst dat de Griekse crisis op het moment van schrijven (maart 2012) nog niet verleden tijd is.9
6
Bron: http://news.bbc.co.uk/2/hi/business/8508136.stm Bron: http://www.guardian.co.uk/news/datablog/2011/jun/17/greece-debt-crisis-bank-exposed 8 Bron: http://www.tijd.be/nieuws/geld_beleggen_markten/Schuldencrisis_terug_van_nooit_weggeweest. 9180796- 3452.art?highlight=griekenland 9 Bron: http://www.bbc.co.uk/news/business-17187068 7
21
2.2. Ontwikkelde vs. ontwikkelende landen In deze paper onderzoeken we welke Europese landen door de Griekse crisis besmet zijn. We onderscheiden twee categorieën, namelijk ‘advanced economies’ of ontwikkelde landen en ‘emerging and developing economies’ of ontwikkelende landen. We hanteren de definitie van het IMF, zoals gepubliceerd in haar World Economic Outlook (WEO) van oktober 2009 (IMF, 2009), het moment dat de Griekse crisis uitbrak. Dit onderzoek verschijnt twee maal per jaar, en bevat de analyse van de IMF economen over de wereldwijde economische ontwikkelingen op korte – en middellange termijn. Deze landenclassificatie is niet gebaseerd op strikte criteria en er bestaan aldus geen formele definities. Het enige doel van deze classificatie is de wereld in twee groepen te verdelen. De lijst bevat 33 ontwikkelde en 149 ontwikkelende landen. Tabel 1 geeft de classificatie van de Europese landen weer. Dit onderscheid is belangrijk aangezien de effectiviteit van diversificatie kan verschillen naargelang het land als ontwikkeld of ontwikkelend wordt geclassificeerd. Volgens de literatuur heeft internationale diversificatie potentiële voordelen als de rendementen van investeringen in verschillende nationale aandelenmarkten niet perfect gecorreleerd zijn (Markowitz, 1952). Diversificatie is afhankelijk van de correlaties tussen aandelen . Dit is één van de redenen waarom talrijke studies focussen op de correlatiestructuur tussen verschillende landen en ‘contagion’. Grubel (1968) heeft als eerste gevonden dat de correlaties tussen internationale aandelenmarkten in het algemeen relatief laag zijn, wat dus positief is voor de internationale diversificatie van beleggingsportefeuilles. De correlaties zijn zo laag omdat de economische systemen van diverse landen verschillend zijn. Er zijn namelijk verschillen in taxatie, industriële groei, politieke stabiliteit, monetair beleid, enzovoort. (Sharma, 2011). De eerste studies focussen vooral op correlaties tussen ontwikkelde landen. Meer recente literatuur, zoals Sinquefield (1996), vinden echter dat de diversificatievoordelen tussen ontwikkelde landen relatief beperkt zijn. De focus van onderzoeken verschuift dan ook naar ontwikkelende landen.
22
Ontwikkelde economieën België Nederland Cyprus Noorwegen Denemarken Oostenrijk Duitsland Portugal Finland Slovenië Frankrijk Slowaakse Republiek Griekenland Spanje Ierland Tsjechische Republiek IJsland Verenigd Koninkrijk Italië Zweden Luxemburg Zwitserland Malta 23
Ontwikkelende economieën Albanië Litouwen Armenië Macedonië Azerbeidzjan Moldavië Bosnië & Herzegovina Montenegro Bulgarije Oekraïne Estland Polen Georgië Roemenië Hongarije Rusland Kazachstan Servië Kroatië Turkije Letland Wit-Rusland 22
Tabel 1. Classificatie van de Europese landen. Deze tabel geeft de landenclassificatie van de Europese landen weer volgens het IMF. Landen worden geclassificeerd als ontwikkeld of ontwikkelend. Hier passen we de indeling toe zoals gepubliceerd in haar WEO van oktober 2009 (IMF, 2009).
De toegenomen globalisatie en de liberalisatie van de kapitaalmarkten zorgt er voor dat de ontwikkelende landen meer en meer deel uitmaken van de globale markt. Dit maakt het mogelijk voor investeerders om toe te treden tot deze aandelenmarkten. Een toegenomen integratie van de ontwikkelende landen in het globaal financieel systeem zorgt er dus voor dat investeerders de mogelijkheid krijgen om aandelen aan te houden in verschillende soorten landen. Bovendien vertonen ontwikkelende landen in het algemeen lagere correlaties met ontwikkelde landen dan ontwikkelde landen onderling (Chen, Firth & Meng Rui, 2002; Bekaert & Harvey, 1997). Dit heeft als implicatie dat beleggingsportefeuilles met zowel aandelen uit ontwikkelde als uit ontwikkelende landen zorgen voor een groter diversificatievoordeel (Levy & Sarnat, 1970; Errunza, 1977). Er zijn echter twee redenen waarom de diversificatievoordelen beperkt blijven. Ten eerste vinden de meeste empirische studies dat de correlaties van zowel ontwikkelde als ontwikkelende landen significant stijgen tijdens de voorbije crisissen. Dit tast de effectiviteit van internationale diversificatie aan, vooral op korte termijn tijdens financiële crisissen. Zo vindt Roll (1988) bijvoorbeeld dat de correlaties tussen markten zijn gestegen tijdens de crisis van oktober 1987. Ook You & Daigler (2010) zijn niet overtuigd van de voordelen van 23
international diversificatie. Solnik (1974) en Odier & Solnik (1993) vinden echter dat, zelfs al stijgen de correlaties in tijden van crisis, diversificatie nog steeds voordelig is. Een tweede probleem is het feit dat meerdere onderzoeken bewijs leveren dat de correlatie tussen aandelenmarkten niet alleen stijgt in tijden van crisis maar ook stijgt doorheen de tijd. Longin & Solnik (1995) onderzoeken de correlaties tussen zeven grote landen van 1960 tot 1990 en vinden dat de correlatie tussen de markten significant zijn gestegen over de periode van 30 jaar. Solnik, Boucrelle & Le Fur (1996) vinden dat de correlatie tussen de Verenigde Staten en andere landen licht gestegen is over de laatste 37 jaar, maar er werd geen trend waargenomen over het laatste decennium. Bekaert, Hodrick & Zhang (2009) vinden dat de correlaties tussen Europese aandelenmarkten significant gestegen zijn tussen 1980 en 2003. De correlaties tussen andere aandelenmarkten vertonen echter geen significante stijging. In een meer recentere studie vinden Aslandis, Osborn & Sensier (2010) dat de correlatie tussen het Verenigd Koninkrijk en de Verenigde Staten van januari 1990 tot juni 2006 significant gestegen is. Een mogelijke verklaring voor dit fenomeen is de toegenomen integratie tussen financiële
markten
als
gevolg
van
de
globalisatie
van
markten,
evolutie
in
communicatietechnologie, wereldwijde investeringen, toegenomen handel, enzovoort. Er bestaat weinig twijfel dat internationale diversificatie in normale tijden voordelig is. De meningen over het belang van internationale diversificatie in tijden van crisis zijn echter verdeeld. De recente Griekse crisis biedt een opportuniteit om de relaties tussen de Europese aandelenmarkten, de reactie van verschillende landen op de crisis en de effectiviteit van internationale diversificatie gedurende de crisis te onderzoeken.
24
2.3. Onderzoeksbijdrage We proberen in deze paper de bestaande literatuur op verschillende vlakken uit te breiden. We zullen in deze paper twee klassieke methodes toepassen op de meest recente crisis, namelijk de Griekse crisis. Deze crisis is in de literatuur volgens ons nog niet besproken in het licht van ‘contagion’. Bovendien zorgt het toepassen van meerdere methodes ervoor dat de resultaten niet afhankelijk zijn van de aangewende methode, wat een meer genuanceerd beeld van de situatie geeft. De Griekse crisis is daarenboven uitermate interessant omdat naast de dreiging van ‘contagion’ van individuele landen, ook het gevaar voor de gehele Europese muntunie reëel is. Verschillende beleidsmensen wijzen op het gevaar van ‘contagion’ tijdens de Griekse crisis. Bovendien werden de steunpakketten voor Griekenland vooral ontwikkeld met het oog op het beperken van de ‘contagion effects’ van de Griekse crisis. Doordat onze steekproef uit een groot aantal Europese landen bestaat, kunnen we het gevaar voor de individuele landen en de Europese muntunie beter inschatten. Een derde toevoeging aan de literatuur ligt in de vergelijking tussen ontwikkelde en ontwikkelende landen. Zoals reeds besproken proberen risicoaverse beleggers het risico van een aandelenportefeuille te minimaliseren. Dit kan door zowel in ontwikkelde landen als in ontwikkelende
landen
te
beleggen
om
zo
optimaal
te
genieten
van
de
diversificatievoordelen. ‘Contagion’ heeft echter een negatieve invloed op deze diversificatievoordelen. Internationale diversificatie is enkel effectief wanneer de verschillende landen in de aandelenportefeuille relatief laag gecorreleerd zijn. Wanneer deze correlaties stijgen na een negatieve schok, worden de voordelen van internationale diversificatie ondermijnd. Het is duidelijk dat Europa geen homogeen gebied vormt. Het onderzoeken van de correlatiestructuur van zowel ontwikkelde als ontwikkelende Europese aandelenmarkten tijdens de meest recente Europese schuldencrisis kan meer inzicht brengen in welke landen beleggers zouden kunnen toevoegen aan hun aandelenportefeuille om optimaal te genieten van de voordelen van internationale diversificatie. Bovendien is onderzoek naar diversificatiemogelijkheden in Europa volgens Niemczak (2010) tot op heden relatief beperkt.
25
Hoofdstuk 3 Data
26
In dit hoofdstuk bespreken we de landen die opgenomen worden in onze steekproef. Vervolgens bespreken we de stabiele - en de crisisperiode die verbonden zijn aan de Griekse crisis. Deze tijdsintervallen zijn cruciaal in onze analyse. Vandaar dat we deze fundamentele veronderstellingen zullen nagaan in hoofdstuk 6.
3.1. Steekproef Zoals eerder vermeld, onderzoeken we in welke mate Europese ontwikkelde landen meer of minder getroffen worden door ‘contagion’ dan ontwikkelende landen tijdens de Griekse crisis. In dit geval maken we gebruik van de classificatie zoals gedefinieerd door het IMF in haar World Economic Outlook (WEO) van oktober 2009 (IMF, 2009). We gebruiken dus de classificatie die gold wanneer de Griekse crisis ontstond. Deze onderverdeling verdeelt de wereld in twee grote groepen, namelijk ‘advanced economies’ en ‘emerging and developing economies’. Landen die geen lid zijn van het IMF worden niet opgenomen.10 Ook landen waarvoor niet genoeg gegevens beschikbaar zijn worden weggelaten.11 Uiteindelijk leidt dit tot een lijst van 33 ontwikkelde landen en 149 ontwikkelende landen. Toegepast op Europa, worden 23 landen als ontwikkeld en 22 landen als ontwikkelend beschouwd. Een overzicht van de Europese landen vind je in Tabel 1.
3.2. Identificatie van de crisis De identificatie van de stabiele periode en de crisisperiode zijn cruciaal (Billio & Pelizzon, 2003). Aangezien de Griekse crisis werd voorafgegaan door de ‘subprime crisis’, die later overging tot een globale crisis, beschouwen we de periode voor de ‘subprime crisis’ als stabiele periode. Lee (2012) beschouwt de periode van 23 juli 2006 tot 22 juli 2007 als stabiele periode. Horta, Mendes & Vieira (2010) nemen daarentegen de periode 1 januari 2005 tot 1 augustus 2007. In deze paper kiezen we voor dezelfde stabiele periode als Horta et al. (2010) zodat, zoals later zal blijken, de lengte van de stabiele periode vergelijkbaar wordt met de lengte van de crisisperiode.
10
Cuba en Democratische Volksrepubliek Korea. San Marino (‘advanced economies’) en Aruba, Kosovo, Marshall Eilanden, de Federale Staten van Micronesia, Palau, en Somalië (‘emerging economies’). 11
27
De Europese staatsschuldencrisis vond zijn oorsprong in Griekenland. Een meer gedetailleerde bespreking van de Griekse crisis vindt u in hoofdstuk 2. De crisis ontstond wanneer de nieuwe Griekse regering in oktober 2009 bekend maakte dat de cijfers die de vorige regering had gepubliceerd onjuist zijn en dat het land met een veel groter begrotingstekort en een hogere staatsschuld kampt. Dit leidde tot een vertrouwenscrisis op de markt. Ratingbureaus verlaagden de kredietwaardigheid van Griekenland en dit zorgde ervoor dat de Griekse overheid te maken kreeg met een plotse stijging van de rente op hun reeds enorme staatsschuld. De bal ging aan het rollen. Daar de meeste media vaag zijn met betrekking tot de exacte start van de crisis, is het moeilijk om een specifieke datum vast te kleven op het begin van de crisisperiode. Hier gaan we dus anders te werk, naar analogie met Serwa & Bohl (2005). We definiëren de startdatum als de dag waarop de Griekse index, namelijk de Athex20, zijn lokaal maximum bereikte. Via Figuur 2 kunnen we afleiden dat de crisisperiode start op 14 oktober 2009. Deze startdatum komt bovendien overeen met de benaderende datums die we vonden in krantenarchieven. Ondanks de kleine heropleving begin 2012, lijkt de crisis nog steeds niet voorbij. Na de twee steunpakketten verleend aan Griekenland, is de Griekse toekomst nog steeds niet verzekerd. Volgens de huidige Griekse premier Papademos is de kans dat Griekenland een derde steunpakket zal nodig hebben reëel. Het einde blijkt dus nog niet helemaal in zicht. Daarom veronderstellen we in dit onderzoek dat de crisisperiode loopt tot 31 maart 2012, het moment waarop we deze masterproef schrijven. In hoofdstuk 6 worden deze periodes aangepast om de robuustheid van de resultaten na te gaan. De crisisperiode wordt aangepast om te controleren of de resultaten al dan niet beïnvloed worden door de gekozen intervallen.
28
Prijsindex Griekenland 3000
FTSE / ATHEX 20
2500
2000 1500
Crisis periode Stabiele periode
1000 500 0 2005 2006 20071/01/08 2008 20091/01/10 2011 2010 1/01/05 1/01/06 1/01/07 1/01/09 1/01/11 1/01/12
Figuur 2. Griekse prijsindex vanaf 2005. Deze grafiek toont de Griekse index (in euro), namelijk de FTSE/ATHEX 20, voor de periode van 1 januari 2005 tot en met 31 maart 2012. Deze gegevens werden opgevraagd via Thomson Reuters Datastream.
3.3. Datacollectie Via de financiële statistische database Thomson Reuters Datastream bekomen we de prijsindexen van de verschillende landen die opgenomen zijn in onze steekproef voor de periode van 1 januari 2005 tot 31 maart 2012. We werken met lokale prijsindexen in lokale munt, omdat de beschikbaarheid voor de volledige onderzochte periode groter is. Alhoewel de resultaten niet beïnvloed zullen worden door de gebruikte munteenheid (Forbes & Rigobon, 2002), i.e. lokale munt of euro, wordt op deze manier ook het effect van de wisselmarkt uitgesloten (Sojli, 2007). Als gemeenschappelijke factor gebruiken we de S&P Euro index.12 Deze omvat de gehele Europese regio. In hoofdstuk 6 zullen we zowel de index (lokale index vs. MSCI index), de munteenheid (lokale munt vs. euro) als de gemeenschappelijke factor (S&P Euro, S&P Europe 350 en MSCI World) aanpassen.
12
Bron: http://www.standardandpoors.com/indices/main/en/eu
29
De prijsindexen voor de ontwikkelde landen zijn quasi allemaal beschikbaar voor de volledige periode. Er zijn echter twee uitzonderingen. Het is onmogelijk om de prijsindex van Noorwegen op te vragen, en de historiek van de Sloveense prijsindex reikt slechts tot 31 maart 2006. Beide landen behoren derhalve niet tot onze finale steekproef. De database bevat meer ontbrekende waarden voor de ontwikkelende landen. Voor de landen Albanië, Armenië, Azerbeidzjan, Bosnië & Herzegovina, Georgië, Moldavië, Servië en Wit-Rusland zijn er geen enkele gegevens beschikbaar. Verder is het onmogelijk de prijsindexen van Letland, Litouwen, Macedonië en Polen op te vragen. Tenslotte zijn er voor Kazachstan niet genoeg gegevens beschikbaar over de volledige periode om enige zinvolle conclusie te kunnen formuleren. Voor de overige negen landen zijn alle gegevens beschikbaar voor de volledige periode. Tabel 2 geeft de uiteindelijke steekproef en de gebruikte prijsindexen weer. Vooraleer we de rendementen berekenen, controleren we voor de verschillende openingsuren van de nationale beurzen en hun nationale feestdagen. Naar analogie met Forbes & Rigobon (2002) berekenen we aldus het ‘2-day rolling average’ van de dagelijkse prijsindex. Hierbij wordt elke observatie getransformeerd volgens de formule: .
(1)
Vervolgens berekenen we het logaritmische rendement via de formule: (
)
(
) .
(2)
30
Ontwikkelde economieën België BEL 20 Cyprus CYPRUS GENERAL Denemarken OMXC 20 Duitsland DAX 30 Finland OMXH Frankrijk CAC 40 Griekenland ATHEX 20 Ierland ISEQ IJsland OMX ICELAND ALL SHARE Italië FTSE MIB Luxemburg LUXEMBURG SE GENERAL Malta MATLA SE MSE Nederland AEX Oostenrijk ATX Portugal PSI-20 Slowaakse Republiek SAX 16 Spanje IBEX 35 Tsjechische Republiek PRAGUE SE PX Verenigd Koninkrijk FTSE 100 Zweden OMXS 30 Zwitserland SWISS MARKET 21
Ontwikkelende economieën Bulgarije BULGARIA SE SOFIX Estland OMXT Hongarije BUX Kroatië CROBEX Montenegro NEX 20 Oekraïne UKRAINE PFTS Roemenië ROMANIA BET Rusland RUSSIA RTS INDEX Turkije ISTANBUL SE NATIONAL 100
9
Tabel 2. Landen opgenomen in finale steekproef met bijhorende indexen. Deze tabel bevat de landen die uiteindelijk in onze steekproef werden opgenomen met hun bijhorende prijsindex. De prijsindexen hebben we verzameld via Thomson Reuters Datastream.
31
Hoofdstuk 4 Methodologie
32
Er bestaan verschillende methodologieën om de transmissie van negatieve schokken na te gaan. Forbes & Rigobon (2002) onderscheiden vier algemene categorieën. ARCH en GARCH modellen, testen voor wijziging in de co-integratie vector tussen markten, probit modellen, en testen voor wijzigingen in correlatiecoëfficiënten. Bovendien kan ‘contagion’ gemeten worden op het rendement van aandelenmarkten, rentevoeten, wisselkoersen of een lineaire combinatie ervan (Rigobon, 2002). In dit onderzoek beperken we ons tot het meten van ‘contagion’ tussen verschillende aandelenmarkten. Verder ligt onze focus op correlatieonderzoek aangezien deze methodologie intuïtief zeer duidelijk is en het vaakst wordt gebruikt. Hierbij worden de correlaties van aandelenrendementen tussen twee markten tijdens normale tijden en tijden van crisis met elkaar vergeleken. Significant stijgende correlatiecoëfficiënten duiden op versterkte banden tussen deze aandelenmarkten in tijden van crisis en bewijzen dus ‘contagion’. Niet significant gestegen, of niet gestegen, correlatiecoëfficiënten wijzen op ‘interdependence’ (Forbes & Rigobon, 2002). ‘Contagion’ wordt in deze context dus gelinkt aan een excessieve toename van de correlaties tussen twee landen. Ook binnen dit correlatieonderzoek bestaan er talrijke methoden. In het algemeen zijn er zes beperkingen aan deze methodologie. We maken een onderscheid tussen verschillende modellen naargelang het aantal problemen dat ze oplossen (Rigobon, 2002). Drie ervan zijn niet op te lossen, namelijk nonlineariteit, niet-normale verdeling en seriële correlatie. De drie andere beperkingen, namelijk heteroscedasticiteit, endogeniteit en weggelaten variabelen, kunnen echter wel vermeden worden, maar tot op heden kan geen enkel model ze tegelijkertijd corrigeren. De eerste onderzoeken houden geen rekening met de correcties, wat ertoe leidt dat in het merendeel van de empirische studies bewijs voor ‘contagion’ wordt gevonden (zie bijvoorbeeld King & Wadhwani, 1990 en Lee & Kim, 1994). Meer recente onderzoeken stellen modellen voor die één of meerdere beperkingen proberen op te lossen. Doordat er zoveel verschillende manieren bestaan om te testen voor ‘contagion’ is er niet één correcte methode, maar hebben de verschillende methodes elk hun voor- en nadelen. Bijgevolg is het moeilijk om conclusies te veralgemenen. Vaak levert het toepassen van verschillende methoden een ietwat tegenstrijdig resultaat op (zie bijvoorbeeld Serwa & Bohl, 33
2005). Veelal worden er in de literatuur verschillende methodologieën toegepast om een genuanceerder beeld van de realiteit te schetsen. Vandaar dat we in deze paper focussen op de twee meest gebruikte methodes binnen het correlatieonderzoek, namelijk de Forbes & Rigobon (2002) methode (voortaan FR model) en de Corsetti et al. (2005) methode (voortaan CPS model).
4.1. FR model Zoals onder andere Forbes & Rigobon (2002) bewijzen, zijn correlaties tussen verschillende markten hoger in tijden van crisis, i.e. een periode van hoge volatiliteit, zelfs wanneer het onderliggende
verband
tussen
de
landen
stabiel
is
gebleven.
Deze
normale
correlatiecoëfficiënten zijn dus afhankelijk van de volatiliteit van de aandelenrendementen in de crisismarkt en worden derhalve ‘conditional correlation coefficients’ genoemd. Forbes & Rigobon (2002) gebruiken een correctiefactor in de formule voor de berekening van de correlatiecoëfficiënt en vinden nauwelijks bewijs van ‘contagion’, eerder ‘interdependence’. Zij zijn niet de enigen die een oplossing hebben gevonden voor heteroscedasticiteit (zie bijvoorbeeld Ronn, 1998; Boyer, Gibson & Loretan, 1999 en Loretan & English, 2000). Het FR model is gebaseerd op volgende relatie tussen aandelenrendementen in twee verschillende landen: , waarbij:
:
rendement op aandelen in land x ,
:
rendement op aandelen in land y (crisisland) ,
:
constante ,
(3)
coëfficiënt , :
error term .
34
Het model is gebaseerd op volgende assumpties: ( ) ( (
, )
(4) ,
)
(5) .
(6)
Men veronderstelt de afwezigheid van weggelaten variabelen (4) en endogeniteit (6). Met andere woorden, er zijn geen exogene globale schokken die het niet-crisis land treffen en er is geen feedback van markt x naar de crisismarkt y. De correlaties worden als volgt berekend: .
(7)
De correlaties gebaseerd op deze formule zullen echter stijgen als de volatiliteit in het crisisland stijgt, zelfs al is het onderliggende verband tussen beide landen niet veranderd. 13 Forbes & Rigobon (2002) stellen daarom een aanpassing van de correlatiecoëfficiënt voor, zodat de ‘unconditional correlation coefficient’ kan berekend worden. Deze aangepaste correlatiecoëfficiënt wordt dus niet beïnvloed door de heteroscedasticiteit die zich voordoet ten gevolge van de hogere volatiliteit van aandelenrendementen in tijden van crisis. De crisisperiode wordt in deze formule aangeduid met een ‘C’. De formule is als volgt: √
waarbij:
(
(
)
(
)
)
.
,
(8) (9)
Vooraleer we kunnen overgaan tot het testen van hypotheses moet de Fisher z transformatie toegepast worden (Dungey & Zhumabekova, 2001). De Fisher z transformatie zet de correlatiecoëfficiënten om in bij benadering normaal verdeelde variabelen. Deze normalisering is cruciaal omdat dagelijkse aandelenrendementen niet normaal verdeeld zijn. Bijgevolg zouden we hierop geen standaard testen kunnen toepassen, aangezien deze een normale verdeling veronderstellen. Deze transformatie wordt zowel op de aangepaste 13
Voor een volledige theoretisch bespreking van deze vertekening verwijzen we naar de originele paper van Forbes & Rigobon (2002).
35
crisiscorrelatie als op de niet-aangepaste correlatiecoëfficiënt tijdens de stabiele periode toegepast. De stabiele periode wordt in deze formule aangeduid met een ‘S’. De transformatie verloopt via de formules: (
),
(10)
(
),
(11)
(
).
(12)
Eens de transformatie toegepast, kunnen we overgaan tot het formuleren van de hypotheses. De hypotheses luiden als volgt: , .
(13)
Met andere woorden, als de aangepaste correlatiecoëfficiënt in de crisisperiode significant (
) groter is dan de correlatiecoëfficiënt in de stabiele periode (
), dan is er sprake van
‘contagion’ en is de stijging in de correlatiecoëfficiënt niet enkel te wijten aan de hogere volatiliteit van de aandelenrendementen in tijden van crisis. Merk op dat we bij het testen van de hypothesen lichtjes anders tewerk gaan dan Forbes & Rigobon (2002). De auteurs vergelijken de aangepaste correlatiecoëfficiënt in tijden van crisis met de correlatiecoëfficiënt voor de volledige periode. Doordat deze periode naast de stabiele ook de crisisperiode bevat, zorgt dit ervoor dat de correlatiecoëfficiënten groter zijn in de volledige periode in vergelijking met de coëfficiënten in de stabiele periode. Dit is niet correct en zal de resultaten vertekenen in het nadeel van ‘contagion’. Daarom vergelijken we zoals Olimov (2004), Serwa & Bohl (2005) en Sojli (2007) de correlatiecoëfficiënt in de stabiele periode met de aangepaste correlatiecoëfficiënt in de crisisperiode. De teststatistiek kan volgens volgende formule berekend worden:
√
.
(14)
36
Hierbij stellen nC en nS het aantal dagen tijdens de crisisperiode, respectievelijk de stabiele periode voor. Aangezien we tweezijdig testen bedragen de kritische waarden op het 5% significantieniveau -1,96 en +1,96. Een teststatistiek die kleiner is dan de negatieve kritische waarde wijst op een verlies aan ‘interdependence’, terwijl een teststatistiek groter dan de positieve kritische waarde wijst op ‘contagion’. Wanneer de teststatistiek zich tussen de positieve en negatieve kritische waarde bevindt, is er sprake van ‘interdependence’.
4.2. CPS model Corsetti et al. (2005) stellen een algemener model voor dan Forbes & Rigobon (2002). Dit model is gebaseerd op het model van Forbes & Rigobon (2002), maar corrigeert zowel voor heteroscedasticiteit als voor het endogeniteit probleem. Het model bouwt op volgend standaard factor model: , , waarbij:
,
(15)
rendement op aandelen in respectievelijk land x en land y (y: crisisland) ,
,
:
constanten ,
,
:
landspecifieke factorladingen ,
:
gemeenschappelijke factor ,
,
:
idiosyncratische landspecifieke factoren .
Het model is gebaseerd op volgende assumpties: (
)
( | ) ( (
(
)
(
)
) (
)
(
) (
),
(
(16)
),
(17)
( ),
(18)
)
.
(19)
37
Gebaseerd op voorgaand model (15) en assumpties (16) t.e.m. (19), kunnen de correlatiecoëfficiënten tussen de rendementen van twee landen (
en
) in respectievelijk
normale tijden en tijden van crisis geschreven worden als : (
) (
[
(
⁄
) (
)
]
) (
[
Wanneer parameters
en
(
[
(
⁄
)
]
(
)
(
[
⁄
) )
(20)
.
(21)
]
⁄
) (
,
)
]
stabiel zijn over de periodes, komt een gestegen correlatie
tijdens een crisis overeen met een relatieve stijging van de variantie van de gemeenschappelijke factor ( ) ten opzichte van de variantie van de idiosyncratische factor ( ). Echter, de stijging in de correlatie tijdens een crisis kan ook te wijten zijn aan een stijging in de grootte van de factorladingen (
en
). Zoals eerder gedefinieerd, stemt
‘interdependence’ overeen met een verandering van de correlatie, in lijn met (15) en (16) t.e.m. (19) bij stabiele parameters
en
. ‘Contagion’ vindt plaats wanneer de stijging in
de correlatie tijdens een crisis groter is dan wat verwacht werd op basis van (15) en (16) t.e.m. (19), dus wanneer de gestegen correlatie groter is dan wat kan verklaard worden door het gedrag van de gemeenschappelijke factor
en de landspecifieke componenten ( ,
).
De correlatiecoëfficiënt onder de nulhypothese van ‘interdependence’ wordt dus gedefinieerd als: ⁄
[(
)
] (
waarbij:
( (
)
)
(
)
( (
)
,
) (
)
) [(
)
](
,
(22)
)
(23)
.
(24)
38
Nadat we de correlatiecoëfficiënten hebben berekend en vooraleer we deze zullen vergelijken met elkaar met de geschikte statistische toets, passen we de Fisher z transformatie toe (Dungey & Zhumabekova, 2001). De transformatie werd reeds op p. 35 toegelicht, en leidt tot: (
),
(25)
(
),
(26)
(
).
(27)
Vooraleer we de hypothesen formuleren, is het belangrijk om de onderliggende redenering te verduidelijken. Wanneer met
en
niet wijzigen tijdens de crisis, dan stemt
en is er sprake van ‘interdependence’. Er is sprake van ‘contagion’ wanneer de
factorladingen stijgen, en dus wanneer correlatiecoëfficiënt ( (
overeen
groter is dan
. De theoretische
), wordt dus vergeleken met de werkelijke correlatiecoëfficiënt
) gedurende de crisis. Indien de werkelijke kleiner of gelijk is aan de theoretische, is er
sprake van ‘interdependence’. Indien de werkelijke groter is dan de theoretische, is er sprake van ‘contagion’. De hypothesen kunnen aldus geformuleerd worden als: , .
(28)
De teststatistiek kan volgens volgende formule berekend worden:
√
.
(29)
Met nC en nS het aantal dagen tijdens de crisisperiode, respectievelijk de stabiele periode. Aangezien we tweezijdig testen bedragen de kritische waarden op het 5% significantieniveau -1,96 en +1,96. Een teststatistiek die kleiner is dan de negatieve kritische waarde wijst op een verlies aan ‘interdependence’, terwijl een teststatistiek groter dan de positieve kritische waarde wijst op ‘contagion’. Wanneer de teststatistiek zich tussen de positieve en negatieve kritische waarde bevindt, is er sprake van ‘interdependence’. 39
Hoofdstuk 5 Resultaten
40
In dit hoofdstuk bespreken we de resultaten van het empirisch onderzoek. Dit onderdeel is gebaseerd op de methodologieën van Forbes & Rigobon (2002) en Corsetti et al. (2005) uit hoofdstuk 4 en op de data zoals uiteengezet in hoofdstuk 3. De rendementen worden beschreven in het eerste onderdeel. In het tweede en derde onderdeel worden de correlatiecoëfficiënten tussen de rendementen besproken. Het basisscenario vertrekt van de prijsindex in lokale munteenheid. De ‘return’ wordt berekend volgens formules (1) en (2). Ten eerste zullen we, rekening houdend met de verschillende openingsuren van de nationale beurzen en hun feestdagen, de ‘2-day rolling average’ prijsindex berekenen. Vervolgens berekenen we op basis van deze aangepaste prijsindex het logaritmische rendement. Als ‘common factor’ in het CPS model gebruiken we de S&P Euro index. De stabiele periode loopt van 1 januari 2005 tot 1 augustus 2007. Als crisisperiode beschouwen we de periode vanaf 14 oktober 2009 tot het moment waarop we dit onderzoek uitvoeren, namelijk 31 maart 2012. De correlatiecoëfficiënten in de stabiele en de crisisperiode worden berekend volgens formules (7), (20) en (21). De aangepaste correlatiecoëfficiënten vinden we via de formules (8) en (22). Deze correlaties worden getransformeerd via de Fisher z transformatie.
5.1. Descriptieve analyse Tabel 3 en 4 bevatten de descriptieve statistieken voor de ‘2-day rolling average returns’. We maken een onderscheid tussen ontwikkelde en ontwikkelende landen in de stabiele periode en
in
de
crisisperiode.
We
bespreken
achtereenvolgens
het
gemiddelde,
de
standaardafwijking, de scheefheid (‘skewness’) en de kurtosis. Ten eerste bespreken we het gemiddelde rendement. De aandelenrendementen gedragen zich zoals verwacht, i.e. hogere gemiddelde rendementen in de stabiele periode in vergelijking met de crisisperiode. Zowel bij de ontwikkelde als bij de ontwikkelende landen is het totale gemiddelde rendement in de stabiele groter dan in de crisisperiode, namelijk 0,081% > -0,040% voor de ontwikkelde landen en 0,172% > -0,012% voor de ontwikkelende landen. Verder is het duidelijk dat de gemiddelde rendementen op aandelen uit ontwikkelende landen hoger liggen dan de gemiddelde rendementen op aandelen uit ontwikkelde landen,
41
namelijk 0,172% > 0,081% in de stabiele periode en -0,012% > -0,040% in de crisisperiode. Dit kan eenvoudig verklaard worden door het feit dat de aandelen uit ontwikkelende landen gemiddeld minder stabiel zijn door een lagere liquiditeit. Aan deze aandelen is dus een hoger risico is verbonden. Deze vaststelling is dus in overeenstemming met de conventionele wijsheid dat een hoger risico gepaard gaat met een hoger rendement. De volatiliteit van de aandelenmarkten wordt gemeten aan de hand van de standaarddeviatie. De standaardafwijking is een maatstaf voor het risico verbonden aan aandelen. Overeenkomstig met voorgaande bemerking dat aan aandelen uit ontwikkelende landen een hoger risico verbonden is, is het duidelijk dat de standaardafwijking gemiddeld groter is bij ontwikkelende landen in vergelijking met ontwikkelde landen in de stabiele periode, namelijk 1,024% > 0,675%. Dit is echter niet zo tijdens de crisisperiode, namelijk 1,032% < 1,090%. Wetende dat vooral ontwikkelde landen zoals Griekenland, Ierland, Portugal en Spanje getroffen worden door de Europese staatsschulden crisis, is het mogelijk dat een hogere gemiddelde standaarddeviatie voor aandelenrendementen in ontwikkelende landen gecompenseerd wordt door het feit dat de crisis harder toeslaat in de ontwikkelde landen. Verder is zoals verwacht de volatiliteit in tijden van crisis groter dan gedurende de stabiele periode, namelijk 1,090% > 0,675% voor ontwikkelde landen en 1,032% > 1,024% voor ontwikkelende landen. Het verschil is echter minder opvallend voor de ontwikkelende landen, wat er opnieuw op zou kunnen wijzen dat de ontwikkelde Europese landen gemiddeld gezien harder getroffen worden door de huidige crisis. In alle gevallen zijn de scheefheid en kurtosis verschillend van nul, wat wijst op een nietnormale verdeling.14 Dit is overeenkomstig met de opmerking die we reeds formuleerden bij de bespreking van de Fisher z transformatie (cfr. supra, p. 35). Dagelijkse aandelenrendementen worden immers gekenmerkt door hun niet-normale verdeling. Een negatieve scheefheid wijst erop dat het merendeel van de rendementen zich rechts van het gemiddelde bevinden. Een negatieve waarde voor scheefheid correspondeert dus met een links scheve verdeling, aangezien de linker staart van de waarschijnlijkheidsverdeling 14
Er wordt hier telkens gebruik gemaakt van de ‘excess’ kurtosis. Dit is een correctie van de kurtosis waarbij de standaard normale verdeling een kurtosis van 0 heeft.
42
langer is dan de rechter staart. Dezelfde redenering gaat op voor een positieve scheefheid, maar dan in de omgekeerd zin. In dit geval is de scheefheid gemiddeld negatief, wat dus een links scheve verdeling impliceert. Dit wil zeggen dat er weinig lage rendementen voorkomen, maar dat deze lage rendementen wel extremer zijn. Langs de andere kant doen er zich meer hoge rendementen voor, maar deze zijn gematigder, en dus minder extreem. Beleggers op de Europese aandelenmarkten hebben dus gemiddeld vaker een positief, maar wel beperkter rendement. Langs de andere kant hebben ze minder frequent een verlies te incasseren, maar dit verlies is wel extremer. Met andere woorden, beleggers op Europese beurzen hebben gemiddeld genomen te maken met ‘frequent small gains’ en ‘few extreme losses’. Tenslotte bespreken we de kurtosis, een maat voor de vlakheid of de relatieve piekvorm van een verdeling. De meeste kurtosis-waarden liggen tussen 1 en 5, wat wijst op een verdeling met een relatief hoge piek. Er zijn echter twee uitzonderingen. Zo is de kurtosis-waarde voor Luxemburg in de stabiele periode gelijk aan 128, een extreem hoge waarde. Dit wijst op een verdeling met een zeer sterke piek. Het houdt in dat een groot deel van de variantie veroorzaakt wordt door zeldzame extreme waarden. Ook is de waarde voor de Slowaakse Republiek in de crisisperiode aan de hoge kant, namelijk 18.
43
Gemiddelde Stabiel Crisis België 0,058% -0,015% Cyprus 0,239% -0,326% Denemarken 0,081% 0,043% Duitsland 0,084% 0,028% Finland 0,087% -0,010% Frankrijk 0,059% -0,018% Griekenland 0,076% -0,259% Ierland 0,045% -0,004% IJsland 0,134% 0,047% Italië 0,038% -0,064% Luxemburg 0,119% -0,031% Malta 0,070% -0,012% Nederland 0,062% 0,001% Oostenrijk 0,095% -0,035% Portugal 0,084% -0,072% Slowaakse Republiek 0,037% -0,058% Spanje 0,071% -0,060% Tsjechische Republiek 0,080% -0,030% Verenigd Koninkrijk 0,040% 0,016% Zweden 0,075% 0,025% Zwitserland 0,064% -0,004% 21 0,081% -0,040%
Std. Afwijking Stabiel Crisis 0,534% 0,972% 1,102% 2,299% 0,624% 0,883% 0,627% 1,069% 0,676% 1,062% 0,574% 1,123% 0,777% 1,936% 0,645% 1,032% 0,733% 0,608% 0,511% 1,277% 1,119% 1,233% 0,738% 0,520% 0,546% 0,946% 0,784% 1,208% 0,423% 1,003% 0,708% 0,897% 0,554% 1,250% 0,821% 0,955% 0,485% 0,836% 0,688% 1,002% 0,509% 0,782% 0,675% 1,090%
Minimum Maximum Stabiel Crisis Stabiel Crisis -2,430% -3,386% 1,614% 3,962% -6,374% -8,429% 4,086% 8,720% -2,564% -3,503% 1,789% 2,898% -2,320% -4,394% 2,228% 4,015% -2,633% -4,147% 2,268% 3,934% -2,193% -4,346% 1,969% 4,139% -3,238% -6,425% 2,960% 7,516% -2,836% -3,893% 2,520% 3,715% -3,358% -2,680% 3,050% 2,647% -2,413% -5,425% 1,373% 4,969% -16,595% -4,155% 15,583% 3,667% -3,794% -2,613% 4,024% 2,751% -2,094% -3,419% 1,902% 3,211% -3,596% -4,727% 2,523% 4,063% -1,511% -4,341% 2,173% 3,863% -2,799% -7,851% 3,231% 2,837% -2,098% -4,167% 2,201% 5,289% -3,558% -4,412% 4,574% 3,904% -2,091% -3,123% 1,794% 3,394% -3,179% -4,425% 2,590% 3,673% -2,419% -3,633% 1,610% 4,584% -16,595% -8,429% 15,583% 8,720%
Scheefheid Stabiel Crisis -0,702 -0,233 -0,217 0,039 -0,865 -0,371 -0,480 -0,415 -0,549 -0,365 -0,524 -0,239 -0,396 0,162 -0,876 -0,432 -0,641 -0,020 -0,703 -0,261 -0,864 -0,199 0,004 0,816 -0,416 -0,288 -0,833 -0,555 -0,086 -0,313 0,331 -2,877 -0,551 0,013 -0,562 -0,755 -0,643 -0,308 -0,807 -0,492 -0,600 -0,171 -0,523 -0,346
Kurtosis Stabiel Crisis 2,064 1,780 3,435 1,277 1,674 1,660 1,425 2,266 1,723 1,559 1,289 1,474 1,248 0,855 3,345 1,318 2,733 1,761 1,446 1,625 128,615 0,509 5,573 6,698 1,378 1,085 2,371 1,618 2,712 1,995 3,762 18,472 1,565 1,836 4,271 3,055 1,999 1,805 2,887 2,194 2,136 4,032 8,460 2,804
Tabel 3. Descriptieve statistieken voor de ontwikkelde landen. In deze tabel vindt u de beschrijvende statistieken voor de ontwikkelde landen. Er wordt een onderscheid gemaakt tussen de stabiele en de crisisperiode. De statistieken worden zowel voor de individuele landen als voor de totale set van ontwikkelde landen weergegeven.
44
Bulgarije Estland Hongarije Kroatië Montenegro Oekraïne Roemenië Rusland Turkije 9
Gemiddelde Stabiel Crisis 0,136% -0,068% 0,113% 0,054% 0,101% -0,016% 0,173% -0,033% 0,410% -0,089% 0,213% -0,032% 0,119% 0,030% 0,174% 0,021% 0,108% 0,031% 0,172% -0,012%
Std. Afwijking Stabiel Crisis 0,754% 0,691% 0,676% 1,035% 1,036% 1,168% 0,707% 0,653% 1,347% 0,775% 1,116% 1,426% 1,204% 1,077% 1,172% 1,369% 1,200% 1,091% 1,024% 1,032%
Minimum Stabiel Crisis -3,063% -3,110% -4,373% -4,771% -4,271% -4,729% -2,782% -3,064% -4,134% -3,627% -6,808% -8,295% -6,985% -6,379% -6,033% -7,229% -4,241% -6,286% -6,985% -8,295%
Maximum Stabiel Crisis 4,320% 3,276% 3,704% 5,321% 3,299% 3,965% 4,572% 4,365% 7,225% 3,684% 4,056% 8,301% 4,722% 6,153% 4,433% 5,083% 3,365% 3,752% 7,225% 8,301%
Scheefheid Stabiel Crisis 0,606 -0,024 -0,508 0,152 -0,297 -0,372 0,460 0,633 0,816 0,153 -0,347 -0,862 -0,328 -0,718 -0,818 -0,758 -0,562 -0,670 -0,109 -0,274
Kurtosis Stabiel Crisis 4,370 3,017 9,042 4,472 1,136 1,412 3,541 6,713 2,704 4,483 4,274 6,941 4,395 6,566 3,110 2,760 1,013 2,455 3,732 4,313
Tabel 4. Descriptieve statistieken voor de ontwikkelende landen. In deze tabel vindt u de beschrijvende statistieken voor de ontwikkelende landen. Er wordt een onderscheid gemaakt tussen de stabiele en de crisisperiode. De statistieken worden zowel voor de individuele landen als voor de totale set van ontwikkelende landen weergegeven.
45
Na eerst de aandelenrendementen besproken te hebben, worden nu de correlaties tussen deze rendementen geanalyseerd. In wat volgt bespreken we eerst de onaangepaste correlatiecoëfficiënten tussen Griekenland en de verschillende landen opgenomen in onze steekproef in de stabiele periode (
) en de crisisperiode (
). In het tweede deel van dit
hoofdstuk bespreken we de resultaten van het FR model en het CPS model en houden we dus
rekening
met
de
aangepaste
correlatiecoëfficiënten
en
.
De
correlatiecoëfficiënten zoals hiervoor besproken worden weergegeven in Tabel 5 voor de ontwikkelde landen en Tabel 6 voor de ontwikkelende landen.
5.2. Onaangepaste correlatiecoëfficiënten Een eerste vaststelling is dat de onaangepaste correlatiecoëfficiënten tussen Griekenland en de verschillende landen in de stabiele periode en de crisisperiode niet helemaal overeenkomen wanneer beide methodologieën, i.e. FR model en CPS model, met elkaar worden vergeleken. Tabel 7 maakt de vergelijking tussen de correlatiecoëfficiënten volgens het FR model en het CPS model. De gemiddelde correlatiecoëfficiënt in de stabiele periode is 0,39 volgens het FR model, terwijl dezelfde gemiddelde correlatiecoëfficiënt volgens het CPS model 0,32 bedraagt. Ook de correlatiecoëfficiënten in de crisisperiode verschillen afhankelijk van welke methode toepast wordt. Via het FR model wordt een gemiddelde correlatiecoëfficiënt van 0,42 gevonden, terwijl via het CPS model 0,35 gevonden wordt. Zowel voor de stabiele periode als voor de crisisperiode is de correlatie volgens het FR model gemiddeld hoger dan de correlatie volgens het CPS model. Aangezien deze verschillen niet significant zijn op het 5% significantieniveau, beschouwen we dit niet als bedreigend voor de betrouwbaarheid van de resultaten van dit onderzoek. Bovendien zijn we niet de enigen die deze vaststelling maken. Ook andere auteurs zoals bijvoorbeeld Collins & Biepke (2003) vinden een verschil tussen de correlatiecoëfficiënten in beide methodes. Desalniettemin wordt in de verificatie van de robuustheid van de resultaten rekening gehouden met dit verschijnsel omdat deze verschillen wel significant zijn op het 10% significantieniveau.
46
FR model België 0,60 *** Cyprus 0,50 *** Denemarken 0,48 *** Duitsland 0,54 *** Finland 0,52 *** Frankrijk 0,57 *** Ierland 0,55 *** IJsland 0,16 *** Italië 0,57 *** Luxemburg 0,15 *** Malta -0,01 Nederland 0,57 *** Oostenrijk 0,62 *** Portugal 0,40 *** Slowaakse Republiek 0,07 Spanje 0,56 *** Tsjechische Republiek 0,54 *** Verenigd Koninkrijk 0,57 *** Zweden 0,55 *** Zwitserland 0,59 ***
0,54 *** 1,18 * 0,45 *** 0,46 *** 0,48 *** 0,53 *** 0,47 *** 0,13 *** 0,53 *** 0,40 *** -0,06 0,51 *** 0,55 *** 0,58 *** 0,04 0,57 *** 0,53 *** 0,45 *** 0,45 *** 0,44 ***
CPS model 0,23 *** 0,56 *** 0,19 *** 0,19 *** 0,20 *** 0,22 *** 0,19 *** 0,05 0,22 *** 0,16 *** -0,03 0,21 *** 0,23 *** 0,25 *** 0,02 0,24 *** 0,22 *** 0,19 *** 0,18 *** 0,18 ***
0,57 *** 0,17 *** 0,35 *** 0,61 *** 0,48 *** 0,66 *** 0,41 *** 0,07 0,58 *** 0,24 *** 0,00 0,60 *** 0,43 *** 0,38 *** 0,02 0,54 *** 0,31 *** 0,53 *** 0,48 *** 0,47 ***
0,52 *** 0,26 *** 0,42 *** 0,53 *** 0,49 *** 0,54 *** 0,46 *** 0,11 ** 0,52 *** 0,33 *** 0,01 0,52 *** 0,47 *** 0,44 *** 0,04 0,51 *** 0,39 *** 0,51 *** 0,49 *** 0,49 ***
0,52 *** 0,27 *** 0,43 *** 0,53 *** 0,49 *** 0,54 *** 0,46 *** 0,12 ** 0,52 *** 0,34 *** 0,01 0,53 *** 0,47 *** 0,45 *** 0,04 0,51 *** 0,40 *** 0,51 *** 0,49 *** 0,49 ***
Tabel 5. Correlatiecoëfficiënten voor de ontwikkelde landen. In deze tabel vindt u de correlatiecoëfficiënten voor de ontwikkelde landen. Deze werden berekend volgens formules (7), (8), (20), (21) en (22) en vervolgens getransformeerd via de Fisher z transformatie. * duidt op significant van nul verschillende correlatiecoëfficiënten op het 10% significantieniveau, ** op 5% significantieniveau, en *** op 1% significantieniveau.
FR model Bulgarije Estland Hongarije Kroatië Montenegro Oekraïne Roemenië Rusland Turkije
0,10 ** 0,24 *** 0,42 *** 0,12 ** -0,06 0,18 *** 0,19 *** 0,48 *** 0,54 ***
0,14 *** 0,22 *** 0,42 *** 0,31 *** 0,07 0,25 *** 0,45 *** 0,46 *** 0,40 ***
CPS model 0,05 0,09 ** 0,17 *** 0,12 ** 0,03 0,10 ** 0,18 *** 0,19 *** 0,16 ***
0,05 0,16 *** 0,26 *** 0,12 ** 0,00 0,16 *** 0,15 *** 0,28 *** 0,23 ***
0,08 ** 0,24 *** 0,35 *** 0,19 *** 0,00 0,24 *** 0,23 *** 0,37 *** 0,32 ***
0,09 ** 0,25 *** 0,36 *** 0,20 *** 0,00 0,25 *** 0,24 *** 0,38 *** 0,33 ***
Tabel 6. Correlatiecoëfficiënten voor de ontwikkelende landen. In deze tabel vindt u de correlatiecoëfficiënten voor de ontwikkelende landen. Deze werden berekend volgens formules (7), (8), (20), (21) en (22) en vervolgens getransformeerd via de Fisher z transformatie. * duidt op significant van nul verschillende correlatiecoëfficiënten op het 10% significantieniveau, ** op 5% significantieniveau, en *** op 1% significantieniveau.
47
FR model 0,39 0,41
CPS model 0,32 0,35
Teststatistiek 1,78 1,65
Tabel 7. Vergelijking van de onaangepaste correlatiecoëfficiënten tussen FR model en CPS model. In deze tabel vindt u de gemiddelde correlatiecoëfficiënten in de stabiele en de crisisperiode volgens het FR model en het CPS model. De teststatistiek is aangepast aan de Fisher z transformatie. De kritische waarden voor een tweezijdige test op het 5%, resp. 10% significantieniveau zijn -1,96 en +1,96, resp. -1,64 en +1,64.
Vervolgens onderzoeken we in Tabel 8 het verschil in correlatiecoëfficiënten tussen ontwikkelde en ontwikkelende markten. Volgens het FR model is de correlatiecoëfficiënt in de stabiele periode gemiddeld 0,46 voor de ontwikkelde landen en 0,25 voor de ontwikkelende landen. In de crisisperiode bedragen de correlaties 0,46 voor ontwikkelde landen en 0,30 voor de ontwikkelende landen. In beide gevallen is de correlatiecoëfficiënt significant hoger bij de ontwikkelde landen in vergelijking met de ontwikkelende landen. Ook via het CPS model verkrijgt men dezelfde resultaten. In de stabiele periode is de correlatiecoëfficiënt voor de ontwikkelde landen hoger dan deze voor de ontwikkelende landen, namelijk 0,40 en 0,16. Tijdens de crisisperiode bedraagt de correlatie 0,40 voor ontwikkelde landen en 0,22 voor ontwikkelende landen. Zowel via het FR model als via het CPS model zijn de correlatiecoëfficiënten dus significant (5% significantieniveau) hoger bij ontwikkelde landen in vergelijking met ontwikkelende landen, en dit zowel tijdens de stabiele periode als tijdens de crisisperiode. De verklaring hiervoor is intuïtief duidelijk. Ontwikkelende landen worden gekenmerkt door o.a. een hogere gemiddelde ‘return’, een hogere volatiliteit en een lage correlatie met ontwikkelde landen (Bekaert & Harvey, 1997). De twee eerste kenmerken werden reeds eerder bevestigd (cfr. supra, p.42). Het derde kenmerk wordt bij deze ook bevestigd. In dit onderzoek worden de correlaties tussen de verschillende landen en een ontwikkeld land, namelijk Griekenland, berekend. De vaststelling dat de correlatiecoëfficiënten tussen Griekenland en andere ontwikkelde landen hoger liggen dan tussen Griekenland en ontwikkelende landen is dus in overeenstemming met de verwachtingen. Het feit dat deze drie kenmerken van ontwikkelende landen worden bevestigd in dit onderzoek, bevordert de betrouwbaarheid van dit onderzoek.
48
FR model CPS model
Ontwikkelde landen 0,4561 0,4619 0,3959 0,4017
Ontwikkelende landen 0,2453 0,3008 0,1569 0,2250
Teststatistiek 5,45 4,08 6,18 4,47
Tabel 8. Vergelijking van de correlatiecoëfficiënten tussen ontwikkelde en ontwikkelende landen. In deze tabel vindt u de gemiddelde correlatiecoëfficiënten in de stabiele en crisisperiode. Er wordt een vergelijking gemaakt tussen de ontwikkelde en de ontwikkelende landen. De teststatistiek is aangepast aan de Fisher z transformatie. De kritische waarde bij een rechtseenzijdige test op het 5% significantieniveau is +1,64.
Tenslotte worden de onaangepaste correlatiecoëfficiënten in beide periodes geanalyseerd. Zowel via het FR model als via het CPS model stijgen de onaangepaste correlatiecoëfficiënten gemiddeld genomen in de crisisperiode bij ontwikkelde landen (Tabel 9). Via het FR model kan een stijging van 0,0058 waargenomen worden, terwijl via het CPS model een stijging van 0,0057 gevonden wordt. Bij de ontwikkelende landen wordt hetzelfde fenomeen aangetroffen. Via het FR model, respectievelijk CPS model, is er een stijging van 0,0556, respectievelijk 0,0680. Deze stijgingen zijn echter niet significant op 5% significantieniveau. De stijging van de correlatiecoëfficiënt in de crisisperiode is significant groter voor de ontwikkelende landen in vergelijking met de ontwikkelde landen, en dit zowel via het FR model als via het CPS model (Tabel 10). Gemiddeld genomen stijgen de correlatiecoëfficiënten dus in de crisisperiode en is deze stijging significant groter bij de ontwikkelende landen in vergelijking met de ontwikkelde landen. In Tabel 11 en 12 wordt de vergelijking gemaakt tussen de correlatiecoëfficiënten in de stabiele en crisisperiode voor elk individueel land. We merken een significante stijging in correlaties in zes van de 29 gevallen volgens het FR model. In het CPS model vinden we geen significante stijgingen. Verder vinden we drie gevallen met significante daling volgens het FR model en één geval volgens het CPS model. Echter, deze tests houden geen rekening met de aangepaste correlatiecoëfficiënten en zeggen bijgevolg weinig over de aanwezigheid van ‘contagion’, ‘interdependence’ of een verlies aan ‘interdependence’. We kunnen hier wel reeds de opmerking die we eerder aanhaalden bevestigen (cfr. supra, p.33). Het toepassen van verschillende methodologieën levert vaak niet-gelijklopende conclusies op. Het is daarom belangrijk om de resultaten van meerdere methodologieën met elkaar te vergelijken om op die manier een extra nuancering aan de resultaten toe te voegen. 49
FR model Ontwikkelde landen Ontwikkelende landen
0,4561 0,2453
0,4619 0,3008
0,0058 0,0556
CPS model Teststatistiek 0,10 1,00
0,3959 0,1569
0,4017 0,2250
0,0057 0,0680
Teststatistiek 0,10 1,23
Tabel 9. Vergelijking tussen de gemiddelde onaangepaste correlatiecoëfficiënten in de stabiele en de crisisperiode. In deze tabel worden de gemiddelde onaangepaste correlatiecoëfficiënten in de stabiele en crisisperiode met elkaar vergeleken voor zowel het FR model als het CPS model. De teststatistiek is aangepast aan de Fisher z transformatie. Er wordt getest op het 5% significantieniveau. De kritische waarde voor een rechtseenzijdige test is +1,64.
FR model CPS model
-
Ontwikkelde landen 0,0058 0,0057
Ontwikkelende landen 0,0556 0,0680
Teststatistiek -1,80 -2,26
Tabel 10. Vergelijking van de gemiddelde verschillen tussen de onaangepaste correlatiecoëfficiënten in de ontwikkelde en ontwikkelende landen. In deze tabel vindt u de gemiddelde verschillen tussen de onaangepaste correlatiecoëfficiënten voor zowel het FR model als het CPS model. De verschillen worden vergeleken tussen de ontwikkelde landen en de ontwikkelende landen. De teststatistiek is aangepast aan de Fisher z transformatie. Er wordt getest op het 5% significantieniveau. De kritische waarden bij een tweezijdige test zijn -1,96 en +1,96.
50
België Cyprus Denemarken Duitsland Finland Frankrijk Ierland IJsland Italië Luxemburg Malta Nederland Oostenrijk Portugal Slowaakse Republiek Spanje Tsjechische Republiek Verenigd Koninkrijk Zweden Zwitserland
0,60 0,50 0,48 0,54 0,52 0,57 0,55 0,16 0,57 0,15 -0,01 0,57 0,62 0,40 0,07 0,56 0,54 0,57 0,55 0,59
FR model Teststatistiek Contagion? 0,54 -1,00 I 1,18 12,22 C 0,45 -0,52 I 0,46 -1,36 I 0,48 -0,83 I 0,53 -0,82 I 0,47 -1,48 I 0,13 -0,46 I 0,53 -0,68 I 0,40 4,55 C -0,06 -1,04 I 0,51 -1,12 I 0,55 -1,37 I 0,58 3,34 C 0,04 -0,52 I 0,57 0,34 I 0,53 -0,27 I 0,45 -2,20 L 0,45 -1,84 I 0,44 -2,84 L
0,57 0,17 0,35 0,61 0,48 0,66 0,41 0,07 0,58 0,24 0,00 0,60 0,43 0,38 0,02 0,54 0,31 0,53 0,48 0,47
CPS model Teststatistiek Contagion? 0,52 -0,96 I 0,26 1,53 I 0,42 1,27 I 0,53 -1,46 I 0,49 0,18 I 0,54 -2,24 L 0,46 0,83 I 0,11 0,75 I 0,52 -1,07 I 0,33 1,66 I 0,01 0,04 I 0,52 -1,28 I 0,47 0,61 I 0,44 1,05 I 0,04 0,28 I 0,51 -0,56 I 0,39 1,52 I 0,51 -0,42 I 0,49 0,10 I 0,49 0,22 I
Tabel 11. Vergelijking van de onaangepaste correlatiecoëfficiënten per ontwikkeld land. In deze tabel wordt de vergelijking gemaakt tussen de onaangepaste correlatiecoëfficiënten in de stabiele en crisisperiode per ontwikkeld land. De teststatistiek is aangepast aan de Fisher z transformatie. Er wordt getest op het 5% significantieniveau. Een teststatistiek kleiner dan -1,96 duidt op een verlies aan ‘interdependence’ (L), een teststatistiek groter dan +1,96 duidt op ‘contagion’ (C), en tenslotte wijst een teststatistiek tussen -1,96 en +1,96 op ‘interdependence’ (I).
51
Bulgarije Estland Hongarije Kroatië Montenegro Oekraïne Roemenië Rusland Turkije
0,10 0,24 0,42 0,12 -0,06 0,18 0,19 0,48 0,54
FR model Teststatistiek Contagion? 0,14 0,69 I 0,22 -0,29 I 0,42 0,01 I 0,31 3,34 C 0,07 2,38 C 0,25 1,32 I 0,45 4,57 C 0,46 -0,38 I 0,40 -2,61 L
0,05 0,16 0,26 0,12 0,00 0,16 0,15 0,28 0,23
CPS model Teststatistiek Contagion? 0,08 0,58 I 0,24 1,45 I 0,35 1,65 I 0,19 1,24 I 0,00 0,00 I 0,24 1,45 I 0,23 1,43 I 0,37 1,60 I 0,32 1,66 I
Tabel 12. Vergelijking van de onaangepaste correlatiecoëfficiënten per ontwikkelend land. In deze tabel wordt de vergelijking gemaakt tussen de onaangepaste correlatiecoëfficiënten in de stabiele en crisisperiode per ontwikkelend land. De teststatistiek is aangepast aan de Fisher z transformatie. Er wordt getest op het 5% significantieniveau. Een teststatistiek kleiner dan -1,96 duidt op een verlies aan ‘interdependence’ (L), een teststatistiek groter dan +1,96 duidt op ‘contagion’ (C), en tenslotte wijst een teststatistiek tussen -1,96 en +1,96 op ‘interdependence’ (I).
52
5.3. Aangepaste correlatiecoëfficiënten In voorgaande conclusies werd er geen rekening gehouden met de correctiefactoren zoals voorgesteld door Forbes & Rigobon (2002) en Corsetti et al. (2005). Vanaf nu worden deze correctiefactoren wel in acht genomen. In wat volgt zullen we dan ook de resultaten van de basisanalyse bespreken en trachten we een antwoord te formuleren op de onderzoeksvraag of er tijdens de Griekse crisis sprake is van ‘contagion’ en of er een verschil tussen ontwikkelde en ontwikkelende landen waar te nemen is. De resultaten worden weergegeven in Tabel 13 en 14. Het FR model vergelijkt de correlatiecoëfficiënt in de stabiele periode ( aangepaste correlatiecoëfficiënt in de crisisperiode (
) met de
). Bij de ontwikkelde landen wordt
een stijging gevonden voor twee gevallen, namelijk bij Cyprus en Luxemburg. Deze stijging is niet significant en wijst dus niet op ‘contagion’ maar op ‘interdependence’. Bij de overige landen wordt een negatief verschil tussen de aangepaste correlatiecoëfficiënt in de crisisperiode en de onaangepaste correlatiecoëfficiënt in de stabiele periode waargenomen. In drie landen, namelijk IJsland, Malta en de Slowaakse Republiek, is dit verschil niet significant en wordt dus opnieuw bewijs gevonden voor ‘interdependence’. In de overige vijftien landen is het negatieve verschil tussen de correlatiecoëfficiënten echter wel significant en wordt aldus een verlies aan ‘interdependence’ waargenomen. Het CPS model vergelijkt de correlatiecoëfficiënt in de crisisperiode (
) met de verwachte
theoretische correlatiecoëfficiënt onder de nulhypothese van ‘interdependence’ (
). Bij
het toepassen van deze methode is er voor alle landen sprake van een negatief verschil in de correlatiecoëfficiënten. Toch is volgens het CPS model geen enkel negatief verschil significant en wordt er dus met andere woorden geen bewijs gevonden voor een verlies aan ‘interdependence’. Ook bij de ontwikkelende landen worden ongeveer dezelfde conclusies bekomen. Volgens het FR model is er in twee gevallen, namelijk Kroatië en Montenegro, sprake van een positief verschil
tussen
de
aangepaste
correlatiecoëfficiënt
in
de
crisisperiode
en
de
correlatiecoëfficiënt in de stabiele periode. Deze verschillen zijn opnieuw niet significant. In alle andere gevallen worden negatieve verschillen gevonden. Voor de landen Bulgarije, 53
Oekraïne en Roemenië is dit verschil niet significant. In totaal is er dus voor vijf ontwikkelende landen sprake van ‘interdependence’. In de overige vier landen, namelijk Estland, Hongarije, Rusland en Turkije, is het negatieve verschil tussen de aangepaste correlatiecoëfficiënt in de crisisperiode en de correlatiecoëfficiënt in de stabiele periode wel significant en vinden we derhalve bewijs voor een verlies aan ‘interdependence’. Via het CPS model vinden we in alle gevallen negatieve verschillen tussen de werkelijke correlatie in de crisisperiode en de theoretische maatstaf voor ‘interdependence’, maar opnieuw is het verschil miniem. Geen enkel verschil is significant en dus vinden we in alle landen bewijs voor ‘interdependence’. Drie belangrijke vaststellingen kunnen gemaakt worden aan de hand van deze resultaten. Ten eerste kunnen we concluderen dat er tijdens de Griekse crisis geen sprake was van ‘contagion’. In de steekproef bestaande uit 29 landen vinden we geen enkel geval van ‘contagion’. Volgens het CPS model is er enkel sprake van ‘interdependence’, terwijl er zich volgens het FR model zelfs in het merendeel van de gevallen een verlies aan ‘interdependence’ voordoet. Volgens Corsetti et al. (2005) zouden we in het CPS model meer gevallen van ‘contagion’ moeten vinden in vergelijking met het FR model. Zij concludeerden dat de resultaten van het FR model vertekend zijn in het voordeel van ‘interdependence’ en dat de conclusie van Forbes & Rigobon (2002), namelijk ‘no contagion, only interdependence’, niet klopt. Zo onderzoeken zowel Forbes & Rigobon (2002) als Corsetti et al. (2005) de ‘contagion’ effecten van de crisis op de Hongkongse aandelenmarkt in oktober 1997. Forbes & Rigobon (2002) vinden slechts één geval van ‘contagion’, terwijl Corsetti et al. (2005) vijf gevallen vinden. Aangezien we voor beide modellen echter geen ‘contagion’ vinden is deze bemerking hier niet echt van toepassing. De meeste onderzoeken in de literatuur vinden wel een aantal landen die ‘contagion’ vertonen, maar meestal zijn het aantal geconstateerde gevallen relatief zeldzaam in vergelijking met het aantal gevallen van ‘interdependence’, zeker in Europa. Zo onderzochten Serwa & Bohl (2005) de correlaties tussen Europese aandelenmarkten tijdens zeven financiële crisissen en vinden bijna geen bewijs voor ‘contagion’. Gelos & Sahay (2001) vinden evenzeer een beperkt bewijs van ‘contagion’ tussen aandelenmarkten voor Oost-Europese landen tijdens drie crisissen. Het grote aantal landen in onze steekproef waar de euro als munteenheid wordt gebruikt, kan
54
een verklaring bieden voor de afwezigheid van ‘contagion’. 15 De reddingsplannen van Griekenland werden immers ontworpen door het IMF en de overige eurolanden. Een van de primaire doelstellingen was dan ook de besmetting van de andere eurolanden te vermijden. We moeten er wel op wijzen dat we in dit onderzoek niet rechtstreeks de effectiviteit van de steunpakketten nagaan. Concluderen dat de afwezigheid van ‘contagion’ in deze steekproef enkel te wijten is aan de reddingsboeien die Griekenland toegeworpen kreeg van het IMF en de overige eurolanden is dan ook niet wetenschappelijk correct. Wel kunnen we hier stellen dat het een mogelijke verklaring biedt voor de afwezigheid van ‘contagion’ in dit onderzoek. Een tweede vaststelling is het grote aantal gevallen waar men een verlies aan ‘interdependence’ vindt volgens het FR model. Er is bij de ontwikkelde landen in 75% van de gevallen een verlies aan ‘interdependence’ waar te nemen, terwijl in de overige 25% ‘interdependence’ wordt vastgesteld. In het geval van de ontwikkelende landen is deze verhouding eerder in het voordeel van ‘interdependence’. Er is namelijk slechts in ongeveer 45% van de gevallen sprake van een verlies aan ‘interdependence’. In die overige 55% wordt bewijs gevonden voor ‘interdependence’. Corsetti et al. (2005) geven een mogelijke verklaring voor een verlies aan ‘interdependence’. Zo is het mogelijk dat het crisisland sterk onderworpen is aan landspecifieke schokken en de samenhang met andere landen dus verminderd. Ondanks het onverwacht groot aantal landen met een verlies aan ‘interdependence’ zijn de resultaten niet volledig onlogisch. Dit is namelijk niet het enige onderzoek dat een groot aantal gevallen van een verlies aan ‘interdepedence’ vindt (zie o.a. Olimov, 2004, Serwa & Bohl, 2005 en Corsetti, Pericoli & Sbracia, 2011). Correlaties stijgen tijdens vele crisissen, maar er zijn echter ook waar de correlaties dalen. Bovendien zou volgens Billio & Pelizzon (2003) het FR model meer gevallen van verlies aan ‘interdependence’ moeten vinden dan het CPS model, wat hier duidelijk het geval is. Zoals reeds uit hoofdstuk 4 blijkt en zoals Billio & Pelizzon (2003) verklaren, schetst het CPS model een meer waarheidsgetrouw beeld van de realiteit. In onze steekproef van Europese landen vinden we geen enkel geval van ‘contagion’. Wel vinden we een groot aantal gevallen van een verlies aan ‘interdependence’ volgens het FR model. Deze laatste vaststelling moeten
15
In onze steekproef zijn 29 Europese landen en Griekenland opgenomen. 17 landen gebruiken de euro. Deze landen zijn: België, Cyprus, Duitsland, Estland, Finland, Frankrijk, Griekenland, Ierland, Italië, Luxemburg, Malta, Montenegro, Nederland, Oostenrijk, Portugal, Slowaakse Republiek en Spanje.
55
we dus enigszins nuanceren aangezien het CPS model geen enkel geval van verlies aan ‘interdependence’ vindt. Ten derde is er geen groot verschil in resultaten waar te nemen voor ontwikkelde landen en ontwikkelende landen. Zoals hierboven vermeld vertoont geen enkel land ‘contagion’. Er zijn wel meer ontwikkelde landen die een verlies aan ‘interdependence’ vertonen dan ontwikkelende landen. Ook dit resultaat is niet geheel onverwacht. Serwa & Bohl (2005) maken ook gebruik van beide methodologieën en onderzoeken ‘contagion’ in Europese aandelenmarkten gedurende zeven financiële schokken tussen 1997 en 2002. Hierbij maken ze een onderscheid tussen West-Europa - grotendeels ontwikkelde landen - en Centraal Oost-Europa - grotendeels ontwikkelende landen. Ze vinden een bescheiden bewijs van ‘contagion’, maar vinden geen verschil in de mate van ‘contagion’ tussen West-Europa en Centraal Oost-Europa.
56
België Cyprus Denemarken Duitsland Finland Frankrijk Ierland IJsland Italië Luxemburg Malta Nederland Oostenrijk Portugal Slowaakse Republiek Spanje Tsjechische Republiek Verenigd Koninkrijk Zweden Zwitserland
0,60 0,50 0,48 0,54 0,52 0,57 0,55 0,16 0,57 0,15 -0,01 0,57 0,62 0,40 0,07 0,56 0,54 0,57 0,55 0,59
0,54 1,18 0,45 0,46 0,48 0,53 0,47 0,13 0,53 0,40 -0,06 0,51 0,55 0,58 0,04 0,57 0,53 0,45 0,45 0,44
FR model Teststatistiek Contagion? 0,23 -6,74 L 0,56 1,06 I 0,19 -5,34 L 0,19 -6,29 L 0,20 -5,89 L 0,22 -6,36 L 0,19 -6,46 L 0,05 -1,87 I 0,22 -6,30 L 0,16 0,28 I -0,03 -0,34 I 0,21 -6,52 L 0,23 -7,12 L 0,25 -2,77 L 0,02 -0,99 I 0,24 -5,68 L 0,22 -5,84 L 0,19 -6,99 L 0,18 -6,59 L 0,18 -7,49 L
0,57 0,17 0,35 0,61 0,48 0,66 0,41 0,07 0,58 0,24 0,00 0,60 0,43 0,38 0,02 0,54 0,31 0,53 0,48 0,47
0,52 0,26 0,42 0,53 0,49 0,54 0,46 0,11 0,52 0,33 0,01 0,52 0,47 0,44 0,04 0,51 0,39 0,51 0,49 0,49
CPS model Teststatistiek Contagion? 0,52 -0,04 I 0,27 -0,19 I 0,43 -0,15 I 0,53 -0,03 I 0,49 -0,09 I 0,54 -0,01 I 0,46 -0,12 I 0,12 -0,10 I 0,52 -0,04 I 0,34 -0,19 I 0,01 -0,01 I 0,53 -0,03 I 0,47 -0,11 I 0,45 -0,14 I 0,04 -0,04 I 0,51 -0,06 I 0,40 -0,17 I 0,51 -0,06 I 0,49 -0,08 I 0,49 -0,09 I
Tabel 13. Resultaten van het FR model en het CPS model voor de ontwikkelde landen. Deze tabel geeft de correlatiecoëfficiënten voor de ontwikkelde landen weer. De correlatiecoëfficiënten uit het FR model worden berekend via formules (7) en (8) en worden getransformeerd volgens formules (10), (11) en (12). De correlatiecoëfficiënten uit het CPS model worden berekend via formules (20), (21) en (22) en worden getransformeerd volgens formules (25), (26) en (27). De teststatistieken wordt berekend volgens formules (14) en (29). Er wordt getest op het 5% significantieniveau. Een teststatistiek kleiner dan -1,96 duidt op een verlies aan ‘interdependence’ (L), een teststatistiek groter dan +1,96 duidt op ‘contagion’ (C), en tenslotte wijst een teststatistiek tussen -1,96 en +1,96 op ‘interdependence’ (I).
57
Bulgarije Estland Hongarije Kroatië Montenegro Oekraïne Roemenië Rusland Turkije
0,10 0,24 0,42 0,12 -0,06 0,18 0,19 0,48 0,54
0,14 0,22 0,42 0,31 0,07 0,25 0,45 0,46 0,40
FR model Teststatistiek Contagion? 0,05 -0,78 I 0,09 -2,71 L 0,17 -4,43 L 0,12 0,07 I 0,03 1,66 I 0,10 -1,40 I 0,18 -0,17 I 0,19 -5,24 L 0,16 -6,87 L
0,05 0,16 0,26 0,12 0,00 0,16 0,15 0,28 0,23
0,08 0,24 0,35 0,19 0,00 0,24 0,23 0,37 0,32
CPS model Teststatistiek Contagion? 0,09 -0,08 I 0,25 -0,18 I 0,36 -0,19 I 0,20 -0,16 I 0,00 0,00 I 0,25 -0,18 I 0,24 -0,18 I 0,38 -0,18 I 0,33 -0,19 I
Tabel 14. Resultaten van het FR model en het CPS model voor de ontwikkelende landen. Deze tabel geeft de correlatiecoëfficiënten voor de ontwikkelende landen weer. De correlatiecoëfficiënten uit het FR model worden berekend via formules (7) en (8) en worden getransformeerd volgens formules (10), (11) en (12). De correlatiecoëfficiënten uit het CPS model worden berekend via formules (20), (21) en (22) en worden getransformeerd volgens formules (25), (26) en (27). De teststatistieken wordt berekend volgens formules (14) en (29). Er wordt getest op het 5% significantieniveau. Een teststatistiek kleiner dan -1,96 duidt op een verlies aan ‘interdependence’ (L), een teststatistiek groter dan +1,96 duidt op ‘contagion’ (C), en tenslotte wijst een teststatistiek tussen -1,96 en +1,96 op ‘interdependence’ (I).
58
Hoofdstuk 6 Robustness checks
59
In dit hoofdstuk zullen we de robuustheid van onze resultaten uit hoofdstuk 5 uitgebreid testen. In het eerste deel worden de oorspronkelijke gegevens aangepast om na te gaan of de resultaten afhankelijk zijn van de specificaties van de gebruikte dataset. Een samenvatting van de resultaten vindt u in Tabel 15. In het tweede deel wordt een alternatieve methodologie toegepast om op die manier een bijkomende nuancering aan de resultaten toe te voegen.
6.1. Aanpassing van de datasetspecificaties Ten eerste worden de prijsindexen opgevraagd in euro in plaats van in de lokale munteenheid. Aangezien de steekproef enkel Europese landen bevat en de meerderheid van deze landen, namelijk 17 van de 30 landen, zich in de eurozone bevinden, veranderen de gegevens voor deze eurolanden niet. Er is echter ook bijna geen verschil te merken voor niet-eurolanden. Enkel in het geval van IJsland en Oekraïne wijzigen de resultaten in het voordeel van een verlies aan ‘interdependence’. De algemene conclusies blijven echter exact hetzelfde. Dit is zoals verwacht aangezien meerdere auteurs zoals o.a. Forbes & Rigobon (2002), Corsetti et al. (2005) en Serwa & Bohl (2005) ook vinden dat de resultaten robuust zijn tegen een aanpassing van de munteenheid. Ten tweede wordt gebruik gemaakt van de MSCI prijsindexen in plaats van de lokale prijsindexen. Ook deze aanpassing heeft geen enkele invloed op de resultaten. Er dient wel opgemerkt te worden dat we voor zeven landen uit onze steekproef niet over de nodige gegevens beschikken, namelijk Cyprus, IJsland, Luxemburg, Malta, Montenegro, Oekraïne en de Slowaakse republiek. Ten derde wordt er gebruik gemaakt van verschillende maatstaven voor de globale factor. De S&P Euro index wordt vervangen door de S&P Europe 350 en de MSCI World Index. Het aanpassen van de globale factor heeft geen invloed op het FR model aangezien voor dit model de globale factor niet wordt gebruikt in de berekeningen. Ook de resultaten van het CPS model worden hier echter niet door beïnvloed. Dat de resultaten robuust zijn voor verschillende globale indexen is in overeenstemming met wat o.a. Serwa & Bohl (2005) in hun onderzoek vinden.
60
Basisscenario
Scenario 1
Scenario 2
Euro
MSCI PI
Land België Cyprus Denemarken Duitsland Finland Frankrijk Ierland IJsland Italië Luxemburg Malta Nederland Oostenrijik Portugal Slowaakse Republiek Spanje Tsjechische Republiek Verenigd Koninkrijk Zweden Zwitserland
FR L I L L L L L I L I I L L L I L L L L L
CPS I I I I I I I I I I I I I I I I I I I I
FR L I L L L L L L L I I L L L I L L L L L
CPS I I I I I I I I I I I I I I I I I I I I
FR L L L L L L L L L L L L L L L
CPS I I I I I I I I I I I I I I I I I I I I
Bulgarije Estland Hongarije Kroatië Montenegro Oekraïne Roemenië Rusland Turkije
I L L I I I I L L
I I I I I I I I I
I L L I I L I L L
I I I I I I I I I
I L L I I L L
I I I I I I I I I
Scenario 3a S&P Europe 350 FR CPS L I I I L I L I L I L I L I I I L I I I I I L I L I L I I I L I L I L I L I L I I L L I I I I L L
I I I I I I I I I
Scenario 3b MSCI World Index FR CPS L I I I L I L I L I L I L I I I L I I I I I L I L I L I I I L I L I L I L I L I I L L I I I I L L
I I I I I I I I I
Scenario 4
Scenario 5
2-Day Return
Dagelijkse PI
FR L I L L L L L L L L I L L L I L L L L L
CPS I I I I I I I I I I I I I I I I I I I I
FR L I L L L L L L L I I L L L I L L L L L
CPS I I I I I I I I I I I I I I I I I I I I
I L L L L L L L L
I I I I I I I I I
I I L I I I I L L
I I I I I I I I I
61
Basisscenario
Scenario 6 Wekelijkse PI
Land België Cyprus Denemarken Duitsland Finland Frankrijk Ierland IJsland Italië Luxemburg Malta Nederland Oostenrijik Portugal Slowaakse Republiek Spanje Tsjechische Republiek Verenigd Koninkrijk Zweden Zwitserland
FR L I L L L L L I L I I L L L I L L L L L
CPS I I I I I I I I I I I I I I I I I I I I
FR L C L L L L L L L I I L L L I L L L L L
CPS I I I I I I I I I I I I I I I I I I I I
Bulgarije Estland Hongarije Kroatië Montenegro Oekraïne Roemenië Rusland Turkije
I L L I I I I L L
I I I I I I I I I
I L L I C I I L L
I I I I I I I I I
Scenario 7 Start crisis: 27 april 2010 FR CPS L I I I L I L I L I L I L I I I L I I I I I L I L I L I I I L I L I L I L I L I I L L I I I I L L
I I I I I I I I I
Scenario 8a Lengte crisis: 2m FR CPS L I I I I I I I I I I I L I I I I I I I I I I I L I I I I I I I I I I I I I L I I I I I I I I I L
I I I I I I I I I
Scenario 8b Lengte crisis: 1j FR CPS L I C I L I L I L I L I L I I I L I I I I I L I L I I I I I L I L I L I L I L I I L L I I I I L L
I I I I I I I I I
Scenario 9 CPS correlaties FR CPS L I I I L I L I L I L I L I I I L I I I I I L I L I L I I I L I L I L I L I L I I I L I I I I L I
I I I I I I I I I
Tabel 15. Samenvatting robustness tests. Deze tabel geeft een overzicht van de algemene resultaten van alle robustness tests zoals hiervoor besproken. De resultaten van de basisanalyse vindt u in de kolom ‘Basisscenario’. De resultaten van de alternatieve scenario’s vindt u in de overige kolommen. Er wordt in grijs aangeduid waar de resultaten van deze alternatieve scenario’s verschillen van de resultaten van het basisscenario.
62
Bij de vierde aanpassing gebruiken we een andere benadering voor het ‘rolling window’. Hierbij wordt eenvoudigweg het rendement berekend op basis van de dagelijkse prijsindex, maar nu over twee dagen in plaats van over één dag. Ook in dit geval zijn de resultaten robuust en wijzigen de algemene conclusies bijna niet. Er worden enkel meer gevallen van verlies van ‘interdependence’ gevonden, voornamelijk bij de ontwikkelende landen. In een vijfde robustness test werken we met gewone dagelijkse rendementen en laten we het ‘rolling window’ vallen. Corsetti et al. (2005) vervangen ook de ‘2-day rolling averages’ door dagelijkse rendementen. Zij vinden een verschil in de resultaten. Er waren namelijk meer gevallen van ‘contagion’ bij dagelijkse rendementen. In het onderzoek van Forbes & Rigobon (2002) heeft deze aanpassing, net zoals in dit onderzoek, echter geen significante invloed op de resultaten. Ten zesde wordt er vertrokken van de wekelijkse prijsindex in plaats van de dagelijkse prijsindex. Door te werken met prijsindexen met een lagere frequentie, corrigeren we opnieuw voor de verschillende openingsuren van de nationale beurzen. Bovendien zorgt deze aanpassing ervoor dat de data een meer normale verdeling zullen aannemen. In Cyprus en Montenegro wordt in dit geval bewijs voor ‘contagion’ gevonden via het FR model. Bij IJsland is er sprake van een verlies aan ‘interdependence’. Deze resultaten zijn niet volledig onlogisch aangezien in het basisscenario Montenegro wel ‘contagion’ vertoont op het 10% significantie niveau, en de correlaties ook stijgen voor Cyprus. Volgens het CPS model wijzigen de resultaten niet. Ten zevende passen we de start van de crisisperiode aan. In de oorspronkelijk test werd de datum van de crisisperiode bepaald aan de hand van de grafiek van de Griekse prijsindex. Hierbij werd het begin van de Griekse crisis bepaald als het lokaal minimum van de prijsindex. Deze datum kwam ongeveer overeen met de bekendmaking van de vervalste cijfers. De crisisperiode wordt nu bepaald aan de hand van een ander belangrijk evenement, namelijk de verlaging van de credit rating van Griekenland naar ‘junk status’. Op 27 april 2010 heeft het ratingbureau Standard & Poor’s de kredietwaardigheid van Griekenland verlaagd naar ‘junk status’. De rating van de lange termijn staatsobligaties werd van een BBB+ rating naar
63
een BB+ rating gereduceerd.16 Hiermee was Griekenland het eerste land in de geschiedenis van de eurozone dat zo’n lage credit rating kreeg.17 Ten gevolge van deze aankondiging zijn de rendementen op veel markten sterk gedaald. Zo daalden de Griekse bankaandelen met 9%.18 Niet enkel de Griekse markten leden onder het nieuws. De Britse FTSE 100 index daalde met 2,6% en er werden ook sterke dalingen in aandelenprijzen waargenomen op de beurzen van o.a. New York, Parijs en Frankfurt.19 De alternatieve crisisperiode start dus op 27 april 2010 en loopt door tot 31 maart 2012. De resultaten volgens het FR model en het CPS model blijven hetzelfde in beide scenario’s. Ten achtste wordt de lengte van de crisisperiode aangepast. Er zijn twee redenen waarom de lengte van deze periode zo belangrijk is in de literatuur. Een eerste theoretische reden is het feit dat de test aan kracht verliest indien de crisisperiode te lang of te kort is. Bij een te lange crisisperiode kunnen er waarnemingen opgenomen worden die beïnvloed worden door andere regimes, en dus niet enkel door de crisis. Een te korte crisisperiode zorgt ervoor dat de test aan kracht verliest (Dungey & Zhumabekova, 2001). De tweede eerder praktische reden is het feit dat meerdere auteurs besluiten dat hun resultaten niet robuust zijn tegen de aanpassing van de lengte van de crisisperiode. Zowel Forbes & Rigobon (2002) als Corsetti et al (2005) vinden dat de resultaten van hun onderzoek robuust zijn tegen veranderingen in de duur van de crisisperiode. Billio & Pelizzon (2003) vinden echter dat zowel het FR model als het CPS model sterk beïnvloed worden door de gekozen periodes. Lee (2012) onderzoekt of er ‘contagion’ is tijdens de ‘subprime crisis’ waarbij hij gebruik maakt van drie crisisperiodes met een verschillende duur, namelijk een lange periode van 6 maand, een middellange periode van 3 maand en een korte periode van 1 maand. Het aantal landen die ‘contagion’ vertonen in de verschillende periodes zijn respectievelijk 6, 9 en 5, wat duidelijk verschillend is. Gelijkaardig aan het onderzoek van Lee (2012) maken we een onderscheid tussen een lange periode, een middellange periode en een korte periode. De lange periode komt overeen met de periode in het basisscenario, namelijk van 14 oktober 2009 tot 31 maart 2012. De middellange periode heeft een duurtijd van één jaar en loopt van 14 oktober 2009 tot 14 juni 2010. De korte periode tenslotte duurt twee maanden, namelijk van 14 16
Bron: http://money.cnn.com/2010/04/27/news/international/Greece_debt_downgraded/index.htm Bron: http://news.bbc.co.uk/2/hi/business/8647441.stm 18 Bron: http://www.reuters.com/article/2010/04/27/us-greece-idUSLDE63P0LU20100427 19 Bron: http://www.guardian.co.uk/business/2010/apr/27/greece-credit-rating-downgraded 17
64
oktober 2009 tot 14 december 2009. Voor het CPS model blijven alle resultaten hetzelfde voor de drie periodes. Er is namelijk in geen enkel land sprake van ‘contagion’. De resultaten in korte en middellange periode verschillen van de resultaten in de lange periode voor het FR model. Tijdens de korte periode zijn er minder gevallen van verlies aan ‘interdependence’. Gedurende de lange periode zijn er 19 landen met verlies aan ‘interdependence’, tijdens de middellange periode zijn dit er 18 en in de korte periode zijn dit er slechts 5. Een mogelijke verklaring hiervoor is dat naarmate de crisis vorderde, Griekenland meer onderworpen werd aan landspecifieke schokken waardoor de samenhang met andere landen sterk verminderde. Cyprus vertoont ‘contagion’ tijdens de middellange periode maar niet tijdens de korte periode en de lange periode. Een mogelijke verklaring hiervoor is dat Cyprus pas na een bepaalde tijd besmet geraakte en daarom geen ‘contagion’ vertoonde tijdens de eerste twee maanden van de crisis. Maatregelen zoals de reddingspakketten van het IMF en de eurolanden, waaronder o.a. Cyprus, om de besmetting tegen te gaan werden slechts ingevoerd vanaf april 2010. Hierdoor wordt er in de lange periode opnieuw geen bewijs voor ‘contagion’ gevonden. Een negende aanpassing heeft te maken met het verschil in de correlatiecoëfficiënten tussen het CPS model en FR model, zoals eerder besproken in hoofdstuk 5 (cfr. supra, p.46). In de bespreking van de onaangepaste correlatiecoëfficiënten stelden we vast dat de correlatiecoëfficiënten niet helemaal overeenkomen tussen het FR model en het CPS model, en dit zowel tijdens de stabiele als de crisisperiode. Deze verschillen zijn niet significant op het 5% significantieniveau, maar wel op het 10% significantieniveau. Om het effect van dit verschil na te gaan, wordt de basisanalyse opnieuw uitgevoerd. We vervangen de aangepaste correlatiecoëfficiënten volgens het FR model door de correlatiecoëfficiënten die werden berekend aan de hand van het CPS model. De resultaten wijzigen nauwelijks wanneer de correlatiecoëfficiënten uit het CPS model worden gebruikt. Het spreekt voor zich dat de resultaten van het CPS model hetzelfde blijven. Tenslotte wordt er getest op de aanwezigheid van weggelaten variabelen (Tabel 16). Zoals eerder besproken in hoofdstuk 4 heeft het onderzoek van correlaties te maken met zes beperkingen. Drie ervan kunnen niet worden opgelost, namelijk nonlineariteit, niet-normale verdeling en seriële correlatie. De drie andere beperkingen, namelijk heteroscedasticiteit, endogeniteit en weggelaten variabelen, kunnen wel opgelost worden, maar tot op heden 65
België Cyprus Denemarken Duitsland Finland Frankrijk Ierland IJsland Italië Luxemburg Malta Nederland Oostenrijk Portugal Slowaakse Republiek Spanje Tsjechische Republiek Verenigd Koninkrijk Zweden Zwitserland
∆ 2,30 3,35 1,00 1,91 1,47 2,83 1,56 -0,31 5,23 0,21 -0,50 2,01 1,37 4,62 0,60 4,09 0,35 1,98 1,12 1,36
0,26 1,34 0,18 0,19 0,20 0,24 0,19 0,01 0,25 0,14 0,00 0,23 0,26 0,30 0,00 0,29 0,25 0,18 0,17 0,17
exp% 11% 40% 18% 10% 14% 9% 12% -5% 5% 65% -1% 11% 19% 7% 0% 7% 70% 9% 16% 12%
Bulgarije Estland Hongarije Kroatië Montenegro Oekraïne Roemenië Rusland Turkije
-0,16 1,34 0,27 -0,15 -0,67 0,63 -0,20 0,36 -0,17
0,02 0,04 0,15 0,08 0,00 0,05 0,17 0,18 0,14
-10% 3% 55% -54% -1% 9% -87% 50% -79%
Tabel 16. Resultaten test ‘omitted variables’. In deze tabel wordt het percentage van de stijging in de variantie van de ‘follower index’ dat verklaard wordt door het FR model weergegeven (exp%).
slaagt geen enkel model erin ze tegelijkertijd te behandelen. Het FR model corrigeert enkel voor heteroscedasticiteit, terwijl het CPS model zowel voor heteroscedasticiteit als voor endogeniteit corrigeert. Het probleem van ‘omitted variables’ wordt dus niet opgelost, terwijl dit de resultaten wel kan vertekenen. Hier gaan we na of er sprake is van weggelaten variabelen in dit onderzoek. Deze eenvoudige test werd voorgesteld door Billio & Pelizzon 66
(2003). De test vergelijkt de toename in de variantie van de ‘follower index’ ( ) met de variantie die verklaard wordt door het FR model (
). Indien de toename in variantie groter
is dan de toename in variantie die verklaard wordt door het FR model (
), dan is de
geobserveerde toename in variantie gedeeltelijk te wijten aan andere oorzaken en is er dus sprake van weggelaten variabelen die de resultaten gedeeltelijk vertekenen. Het toepassen van deze eenvoudige test toont aan dat de variantie in de meeste landen slechts voor een beperkt percentage verklaard wordt door het FR model. Er zijn dus mogelijks weggelaten variabelen in dit onderzoek. In het algemeen zijn de resultaten uit het basisonderzoek robuust voor wijzigingen in de datasetspecificaties. Zoals blijkt uit de meerderheid van de aanpassingen is er geen sprake van ‘contagion’ gedurende de Griekse crisis voor beide toegepaste methodes. De resultaten van het CPS model zijn robuuster dan voor het FR model. Geen enkele aanpassing heeft namelijk een invloed op de CPS resultaten. Er zijn echter twee afwijkingen van het basisscenario voor het FR model die noemenswaardig zijn. Ten eerste kunnen Cyprus en Montenegro als randgevallen beschouwd worden. Beide landen vertonen in sommige scenario’s wel ‘contagion’. Ten tweede zijn er in het scenario met een crisisperiode van twee maanden opvallend meer gevallen van ‘interdependence’ dan in het basisscenario. Dit toont aan dat in het begin van de crisis de Europese landen niet méér afhankelijk werden van Griekenland dan gedurende de stabiele periode en de samenhang tussen Griekeland en de meerderheid van de Europese landen zelf significant verminderde naarmate de crisis vorderde.
67
6.2. Alternatieve methodologie Naast deze aanpassingen maken we gebruik van een alternatieve methode om ‘contagion’ te meten. We doen dit om een extra nuancering aan de resultaten toe te voegen. Dungey, Fry, González-Hermosillo & Martin (2005) stellen een alternatieve formulering van de FR test voor. Hierbij wordt de test uitgevoerd aan de hand van een regressie. Het model is gebaseerd op dezelfde vergelijking als de klassieke FR test, namelijk: ,
(3)
waarbij: :
rendement op aandelen in land x ,
:
rendement op aandelen in land y (crisisland) ,
:
constante , coëfficiënt ,
:
error term .
Dungey et al. (2005) definiëren twee regressievergelijkingen:
met:
(
)
(
)
(
)
(
)
,
:
,
,
(30)
rendement op aandelen in land x, resp. land y, tijdens de stabiele periode,
,
:
rendement op aandelen in land x, resp. land y, tijdens de crisisperiode,
( ), ( ), (
), (
) : standaarddeviatie van de aandelenrendementen van land x, resp. land y, tijdens de stabiele periode, resp. de crisisperiode, 68
,
:
error term van de respectievelijke regressie,
,
:
constante van de respectievelijke regressie,
,
:
coëfficiënt van de respectievelijke regressie .
Aan de hand van een regressie worden de waarden voor
bepaald.
Vervolgens wordt de nulhypothese van ‘interdependence’ getest: .
(31)
Indien de regressieparameters gelijk zijn, en dus niet significant verschillen tussen beide periodes, dan is er geen ‘contagion’. Indien
significant groter is dan
is er sprake van
een ‘structural break’ in de transmissiemechanismen. De teststatistiek kan volgens volgende formule berekend worden:
√
.
(32)
De resultaten van deze alternatieve FR methodologie zijn verschillend van deze uit het klassieke FR model (Tabel 17). Zes landen vertonen ‘contagion’ onder de alternatieve methode, namelijk: Cyprus, Kroatië, Luxemburg, Montenegro, Portugal en Roemenie. In Turkije en Zwitserland doet er zich een verlies aan ‘interdependence’ voor. In alle andere gevallen worden geen significantie verschillen tussen de stabiele en crisisperiode gevonden, wat dus wijst op ‘interdependence’. Een verklaring voor dit groot aantal besmette landen in vergelijking met de uitkomst van het klassieke FR model is het feit dat de test een alternatieve
methode
is
voor
het
oorspronkelijke
FR
model,
waar
men
de
correlatiecoëfficiënten niet corrigeert voor heteroscedasticiteit. In het oorspronkelijk FR model (zie Tabel 11 en 12), zonder aangepaste coëfficiënten, werden dezelfde resultaten verkregen. Het enige verschilpunt is het Verenigd Koninkrijk, waar zich volgens het oorspronkelijke FR model een verlies aan ‘interdependence’ voordoet. In het alternatieve FR model is deze vaststelling slechts significant op het 10% significantieniveau.
69
België Cyprus Denemarken Duitsland Finland Frankrijk Ierland IJsland Italië Luxemburg Malta Nederland Oostenrijk Portugal Slowaakse Republiek Spanje Tsjechische Republiek Verenigd Koninkrijk Zweden Zwitserland
0,537 0,464 0,449 0,493 0,481 0,516 0,502 0,154 0,516 0,148 -0,007 0,518 0,553 0,379 0,072 0,504 0,496 0,517 0,500 0,533
Bulgarije Estland Hongarije Kroatië Montenegro Oekraïne Roemenië Rusland Turkije
0,098 0,236 0,394 0,120 -0,065 0,178 0,191 0,445 0,496
Alternatief FR model Oorspronkelijk FR model Teststatistiek Contagion? Contagion? 0,497 -0,73 I I 0,827 6,57 C C 0,425 -0,42 I I 0,434 -1,07 I I 0,445 -0,65 I I 0,482 -0,62 I I 0,439 -1,15 I I 0,129 -0,45 I I 0,488 -0,51 I I 0,381 4,21 C C -0,065 -1,04 I I 0,472 -0,84 I I 0,498 -0,99 I I 0,525 2,64 C C 0,043 -0,52 I I 0,518 0,25 I I 0,485 -0,20 I I 0,423 -1,71 I L 0,420 -1,45 I I 0,411 -2,20 L L 0,135 0,221 0,395 0,296 0,067 0,248 0,419 0,428 0,379
0,68 -0,27 0,01 3,19 2,38 1,26 4,11 -0,30 -2,10
I I I C C I C I L
I I I C C I C I L
Tabel 17. Resultaten van het alternatieve FR model. In deze tabel vindt u de resultaten van het alternatieve FR model. De coëfficiënten van de regressievergelijkingen in de stabiele en crisisperiode worden vergeleken. Er wordt getest op het 5% significantieniveau. Een teststatistiek kleiner dan -1,96 duidt op een verlies aan ‘interdependence’ (L), een teststatistiek groter dan +1,96 duidt op ‘contagion’ (C), en tenslotte wijst een teststatistiek tussen -1,96 en +1,96 op ‘interdependence’ (I). Naast de resultaten van het alternatieve FR model worden ook de resultaten van het oorspronkelijke FR model (zoals in Tabel 11 en 12) weergegeven.
70
Algemeen besluit Deze masterproef behandelt ‘contagion’. De term ‘contagion’ duidt op het feit dat een financiële crisis in een welbepaalde markt zich naar andere, gezonde financiële markten kan verspreiden. Op die manier kan een lokale crisis een domino-effect veroorzaken waardoor ook andere landen in de problemen kunnen komen. Meer formeel wordt ‘contagion’ in deze paper gedefinieerd als de verandering in de transmissiemechanismen die plaatsvindt tijdens de crisisperiode, of met andere woorden: “a significant increase in cross-market linkages after a shock to one country (or group of countries)” (Forbes & Rigobon, 2002, p.2223). In dit onderzoek gaan we na of er sprake is van ‘contagion’ tijdens de Griekse crisis die startte in 2009. We onderzoeken de ‘contagion effects’ in zowel ontwikkelde als ontwikkelende landen. Deze vergelijking is uitermate interessant aangezien de voordelen van internationale diversificatie sterk worden beperkt wanneer er sprake zou zijn van ‘contagion’. Er bestaan in de literatuur verschillende methodologieën om te testen voor ‘contagion’. In het algemeen kunnen we vier categorieën onderscheiden: ARCH en GARCH modellen, testen voor wijziging in de co-integratie vector tussen markten, probit modellen, en testen voor wijzigingen
in
correlatiecoëfficiënten.
In
dit
onderzoek
wordt
gefocust
op
correlatieonderzoek. De correlaties tussen aandelenrendementen in het crisisland en de overige niet-crisislanden die opgenomen werden in de steekproef, worden berekend. Significant gestegen correlatiecoëfficiënten in de crisisperiode duiden op versterkte banden tussen deze aandelenmarkten in tijden van crisis en bewijzen dus ‘contagion’. Niet significant gestegen, of niet gestegen, correlatiecoëfficiënten wijzen op ‘interdependence’. ‘Contagion’ wordt in deze context dus gelinkt aan een excessieve toename van de correlaties tussen twee landen. Het grote aantal methodologieën in de literatuur impliceert dat de resultaten moeilijk te vergelijken zijn over de verschillende methoden heen. Het is dus belangrijk om verschillende methodologieën toe te passen om een genuanceerder beeld te krijgen op de resultaten. In dit geval passen we twee vaak gebruikte methoden toe, namelijk deze voorgesteld door Forbes & Rigobon (2002) en Corsetti et al. (2005).
71
De resultaten zijn niet volledig zoals verwacht. Ten eerste vertoont geen enkel land ‘contagion’ volgens beide methoden op 5% significantie niveau. Voor geen enkel land zijn de correlaties dus significant gestegen in de crisisperiode. Volgens het FR model vertonen de meeste landen zelfs verlies aan ‘interdependence’. Dit wilt zeggen dat de correlaties significant gedaald zijn gedurende de crisis. Het CPS model vindt echter geen verlies aan ‘interdependence’, enkel ‘interdependence’. De twee steunpakketen verleend aan Griekenland door het IMF en de eurolanden bieden een mogelijke verklaring voor de afwezigheid van ‘contagion’. De gevonden resultaten hebben een invloed op de voordelen van internationale diversificatie. Aangezien de correlaties tussen aandelenmarkten niet gestegen zijn en zelfs in sommige gevallen significant gedaald zijn tijdens de crisis, kunnen beleggers het risico van een aandelenportefeuille verlagen door aandelen uit verschillende landen aan te houden. Bovendien zijn in het algemeen de correlaties tussen ontwikkelde en ontwikkelende landen lager dan tussen ontwikkelde landen onderling. Het is daarom van belang ook aandelen uit ontwikkelende landen op te nemen in een portefeuille om optimaal te diversifiëren. In tijden van crisis, meer bepaald tijdens de onderzochte Griekse crisis, is er geen verschil in reactie waar te nemen tussen ontwikkelde en ontwikkelende landen. De robustness checks bevestigen de oorspronkelijke resultaten. Er zijn echter twee randgevallen, Cyprus en Montenegro. Deze landen vertonen in sommige scenario’s wel ‘contagion’. Zoals ieder wetenschappelijk onderzoek, heeft dit onderzoek een aantal beperkingen. Het toepassen van correlatieonderzoek is niet gespaard gebleven van kritiek. Er zijn in het algemeen zes grote problemen verbonden aan een klassiek correlatieonderzoek. Drie ervan zijn niet op te lossen, namelijk nonlineariteit, niet-normale verdeling en seriële correlatie. De drie andere beperkingen, namelijk heteroscedasticiteit, endogeniteit en weggelaten variabelen, kunnen echter wel vermeden worden, maar tot op heden kan geen enkel model ze tegelijkertijd corrigeren. Zowel het FR model als het CPS model corrigeren voor heteroscedasticiteit.
De
CPS
test
corrigeert
daarenboven
ook
nog
voor
het
endogeniteitsprobleem. Beide testen corrigeren echter niet voor weggelaten variabelen. In de robustness checks werd een test uitgevoerd om te na te gaan of er in dit onderzoek 72
sprake is van weggelaten variabelen. Volgens deze eenvoudige test is er wel degelijk een gevaar voor weggelaten variabelen in de steekproef, wat de resultaten mogelijk kan vertekenen. Naast deze drie algemene problemen zijn er nog andere minder bedreigende problemen. Zo wordt ‘contagion’ gedefinieerd als een significante toename in afhankelijkheid tussen markten terwijl ‘interdependence’ duidt op een continu niveau van afhankelijkheid tussen markten. Volgens Chiang, Jeon & Li (2007) moet er meer nadruk gelegd worden op het dynamische aspect van de correlaties aangezien ‘contagion’ gelinkt wordt met een dynamische toename in correlaties (in tijden van crisis). Deze auteurs zijn van mening dat een DCC GARCH model een gepaster model is. Ondanks de hiervoor besproken nadelen die verbonden zijn aan het klassieke correlatieonderzoek, is deze methode nog steeds de meest toegepaste methode in de literatuur. De laatste jaren werden meer gesofistikeerde modellen ontwikkeld om een oplossing te bieden voor deze problemen. Desalniettemin zijn er ook nadelen verbonden aan deze nieuwe methoden. Hun betrouwbaarheid werd nog niet bevestigd. Samenvattend kunnen we stellen dat er ondanks de vele onderzoeken naar ‘contagion’, nog geen consensus bestaat over de meest geschikte methode. De methodes toegepast in deze paper hebben elk hun beperkingen, daarom dienen de resultaten met een zekere voorzichtigheid te worden geïnterpreteerd. “The results are not conclusive, but suggestive” (Rigobon, 2002, p.321). De wetenschappelijke waarde van deze paper zou verbeterd kunnen worden door gebruik te maken van meer verschillende methodologieën om ‘contagion’ te meten.
73
Bronnenlijst Alper, E., & Yilmaz, K. (2004). Volatility and contagion: Evidence from the Istanbul stock exchange. Economic Systems, 28, 353-367. Aslandis, N., Osborn, D., & Sensier, M. (2010). Co-movements between US and UK stock prices: The role of time-varying conditional correlations. International Journal of Finance and Economics, 15, 366-380. Baig, T., & Goldfajn, I. (1999). Financial markets contagion in the Asian crisis. IMF Staff Papers, 46, 167-195. Baig, T., & Goldfajn, I. (2000). The Russian default and the contagion to Brazil. IMF Working Paper, 16. Bekaert, G., & Harvey, C. (1997). Emerging equity market volatility. Journal of Financial Economics, 43, 29-77. Bekaert, G., Hodrick, R., & Zhang, X. (2009). International stock return comovement. Journal of Finance, 64, 2591-2626. Billio, M., & Pelizzon, L. (2003). Contagion and interdependence in stock markets: Have they been misdiagnosed? Journal of Economics and Business, 55, 405-426. Bordo, M., & Murshid, A. (1999). The international transmission of financial crises before World War II: Was there contagion? Voorbereid voor de ADB/IMF/World Bank conferentie over “International financial contagion” in Washington DC op 3-4 februari 2000. Bowman, R., Chan, F., & Comer, M. (2010). Diversification, rationality and the Asian economic crisis. Pacific-Basin Finance Journal, 18, 1-23. Boyer, B., Gibson, M., & Loretan, M. (1999). Pitfalls in tests for changes in correlations. International Finance Discussion Papers, 597. Calvo, S., & Reinhart, C. (1996). Capital flows to Latin America: Is there evidence of contagion effects? Policy Research Working Paper Series (The World Bank), 1619. VI
Chen, G., Firth, M., & Meng Rui, O. (2002). Stock market linkages: Evidence from Latin America. Journal of Banking and Finance, 26, 1113–1141. Chiang, T., Jeon, B., & Li, H. (2007). Dynamic correlation analysis of financial contagion: Evidence from Asian markets. Journal of International Money and Finance, 26, 12061228. Cho, J.H., & Parhizgari, A.M. (2008). East Asian financial contagion under DCC-GARCH. The International Journal of Banking and Finance, 6, 17-30. Claessens, S., & Forbes, K. (2004). International financial contagion: The theory, evidence and policy implications. Voorbereid voor de RBWC/DNB/WEF conferentie over “The IMF’s role in emerging market economies: Reassessing the adequacy of its resources” in Amsterdam op 18-19 november 2005. Collins, D., & Biepke, N. (2003). Contagion: A fear for African equity markets. Journal of Economics and Business, 55, 285-297. Corsetti, G., Pericoli, M., & Sbracia, M. (2005). 'Some contagion, some interdependence': More pitfalls in tests of financial contagion. Journal of International Money and Finance, 24, 1177-1199. Corsetti, G., Pericoli, M., & Sbracia, M. (2011). Correlation analysis of financial contagion. In R. Kolb (Ed.), Financial contagion: The viral threat to the wealth of nations (11-20). Hoboken, US: John Wiley & Sons, Inc. De Gregorio, J., & Valdés, R. (2001). Crisis transmission: Evidence from the Debt, Tequila, and Asian Flu crises. The World Bank Economic Review, 15, 289-314. Dungey, M., Fry, R., González-Hermosillo, B., & Martin, V. (2005). Empirical modelling of contagion: A review of methodologies. Quantitative Finance, 5, 9-24. Dungey, M., & Zhumabekova, D. (2001). Testing for contagion using correlations: Some words of caution. Pacific Basin Working Paper Series, 9. Edwards, S. (1998). Interest rate volatility, capital controls and contagion. National Bureau of Economic Research Working Paper, 6756. VII
Eichengreen, B., Rose, A., & Wyplosz, C. (1996). Contagious currency crises. National Bureau of Economic Research Working Paper, 5681. Engle, R. (2002). Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroskedasticity models. Journal of Business and Economic Statistics, 20, 339-350. Engle, R., Ito, T., & Lin, W. (1990). Meteor showers or heat waves? Heteroskedastic intradaily volatility in the foreign exchange market. Econometrica, 58, 525-542. Errunza, V. (1977). Gains from portfolio diversification into less developed countries' securities. Journal of International Business Studies, 8, 83–100. Forbes, K. (2004). The Asian flu and Russian virus: The international transmission of crises in firm-level data. Journal of International Economics, 63, 59-92. Forbes, K., & Rigobon, R. (2001). Measuring contagion: Conceptual and empirical issues. In S. Claessens & K. Forbes (Eds.), International financial contagion (43-66). Boston, US: Kluwer Academic Publishers. Forbes, K., & Rigobon, R. (2002). No contagion, only interdependence: Measuring stock market comovements. The Journal of Finance, 57, 2223-2261. Frankel, J., & Schmukler, S. (1998). Crisis, contagion, and country funds: Effects on East Asia and Latin America. In R. Click (Ed.), Managing capital flows and exchange rates: Perspectives from the Pacific Basin (232-266). Cambridge, UK: Cambridge University Press. Gelos, G., & Sahay, R. (2001). Financial market spillovers in transition economies. Economics of Transition, 9, 53-86. Glick, R., & Rose, A. (1999). Why are currency crises regional? Journal of International Money and Finance, 19, 603-617. Grubel, H. (1968). Internationally diversified portfolios. American Economic Review, 58, 1299-1314.
VIII
Hamao, Y., Masulis, R., & Ng, V. (1990). Correlations in price changes and volatility across international stock markets. Review of Financial Studies, 3, 281-307. Hernández, L., & Valdés, R. (2001). What drives contagion: Trade, neighborhood, or financial links? International Review of Financial Analysis, 10, 203-218. Horta, P., Mendes, C., & Vieira, I. (2010). Contagion effects of the subprime crisis in the European NYSE Euronext markets. Portugese Economic Journal, 9, 115-140. International Monetary Fund (2009). World Economic Outlook: October 2009. World Economic and Financial Surveys, Washington. Kamel, N., Naoufel, L., & Salem, B. (2010). A dynamic conditional correlation analysis of financial contagion: The case of the subprime credit crisis. International Journal of Economics and Finance, 2, 85-96. Kaminsky, G., & Reinhart, C. (1998). Financial crisis in Asia and Latin America: Then and now. American Economic Review, 88, 444-448. Kaminsky, G., & Reinhart, C. (2000). On crises, contagion, and confusion. Journal of International Economics, 51, 145-168. Karyoli, A. (2003). Does international financial contagion really exist? International Finance, 6, 179-199. Kasa, K. (1992). Common stochastic trends in international stock markets. Journal of Monetary Economics, 29, 95–124. King, M., & Wadhwani, S. (1990). Transmission of volatility between stock markets. Review of Financial Studies, 3, 5-33. Lee, H. Y. (2012). Contagion in international stock markets during the subprime mortgage crisis. International Journal of Economics and Financial Issues, 2, 44-53. Lee, B. S., & Jeon, B. N. (1992). Common stochastic trends and predictability of international stock prices. Journal of the Japanese and International Economies, 9, 245-277.
IX
Lee, S. B., & Kim, K. J. (1994). Does the October 1987 crash strengthen the co-movements among national stock markets? Review of Financial Economics, 3, 89-102. Lee, H. Y., Wu, H. C., & Wang, Y. J. (2007). Contagion effects in the financial markets after the South-East Asia Tsunami. Research in International Business and Finance, 21, 281296. Levy, H., & Sarnat, M. (1970). International diversification of investment portfolios. American Economic Review, 60, 668-675. Longin, F., & Solnik, B. (1995). Is the correlation in international equity returns constant: 1970–1990? Journal of International Money and Finance, 14, 3–26. Loretan, M., & English, W.B. (2000). Evaluating correlation breakdowns during periods of market volatility. International Finance Discussion Papers, 658. Markowitz, M. (1952). Portfolio selection. The Journal of Finance, 7, 77-91. Masson, P. (1999). Contagion: Monsoonal effects, spillovers, and jumps between multiple equilibria. In P.R. Agénor, M. Miller, D. Vines, & A. Weber (Eds.), The Asian financial crisis: Causes, contagion and consequences (265-280). Cambridge, UK: Cambridge University Press. Miller, M., Thampanishvong, K., & Zhang, L. (2003). Learning to forget? Contagion and political risk in Brazil. CEPR Discussion Papers, 3785. Moon, W. (2001). Currency crisis and stock market integration: A comparison of East Asian and European experiences. Journal of International and Area Studies, 8, 41-56. Moser, T. (2003). What is international financial contagion? International Finance, 6, 157178. Niemczak, K. (2010). Eastern European equity markets and the Subprime crisis: Does emerging Europe still offer diversification benefits? Financial Internet Quarterly, 6, 47-63. Odier, P., & Solnik, B. (1993). Lessons for international asset allocation. Financial Analysts Journal, 49, 63-77. X
Olimov, U. (2004). Was the Russian financial crisis contagious? (Master thesis). University of Tsukuba, Japan. Rigobon, R. (2002). Contagion: How to measure it? In S. Edwards & J.A. Frankel (Eds.), Preventing currency crises in emerging markets (269-334). Chicago, US: The University of Chicago Press. Roll, R. (1988). The international crash of October 1987. Financial Analysts Journal, 44, 1935. Ronn, E. (1998). The impact of large changes in asset prices on intra-market correlations in the stock and bond markets. University of Texas Working paper. Sachs, J., Tornell, A., & Velasco, A. (1996). Financial crisis in emerging markets: The lessons from 1995. Brooking Papers on Economic Activity, 1, 147-215. Serwa, D., & Bohl, M. (2005). Financial contagion vulnerability and resistance: A comparison of European stock markets. Economic Systems, 29, 344-362. Sharma, P. (2011). Asian emerging economies and United States of America: Do they offer a diversification benefit? Australian Journal of Business and Management Research, 1, 85-92. Sinquefield, R. (1996). Where are the gains from international diversification? Financial Analysts Journal, 1, 52. Sojli, E. (2007). Contagion in emerging markets: The Russian crisis. Applied Financial Economics, 17, 197-213. Solnik, B. (1974). Why not diversify internationally rather than domestically? Financial Analysts Journal, 30, 48-54. Solnik, B., Boucrelle, C., & Le Fur, Y. (1996). International market correlation and volatility. Financial Analysts Journal, 52, 17-34. Syllignakis, M., & Kouretas, G. (2011). Dynamic correlation analysis of financial contagion: Evidence from the Central and Eastern European markets. International Review of Economics and Finance, 20, 717-732. XI
Tai, C. S. (2007). Market integration and contagion: Evidence from Asian emerging stock and foreign exchange markets. Emerging Markets Review, 8, 264-283. Van Rijckeghem, C., & Weder, B. (2001). Sources of contagion: Is it finance or trade? Journal of International Economics, 54, 293-308. World Bank. (2011a). Definitions of contagion. URL: < http://www.worldbank.org/ economicpolicy/managing%20volatility/contagion/Definitions_of_Contagion/definiti ons-of-contagion.html >. (15/02/2012). World Bank. (2011b). Contagion. URL: < http://www.worldbank.org/economicpolicy/ managing%20volatility/contagion/index.html >. (14/03/2012). You, L., & Daigler, R. (2010). Is international diversification really beneficial? Journal of Banking and Finance, 31, 163-173.
XII
