DE TOEKOMST VAN RETAIL BANKING IN EUROPA

UNIVERSITEIT GENT

FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2011 – 2012

DE TOEKOMST VAN RETAIL BANKING IN EUROPA

Masterproef voorgedragen tot het bekomen van de graad van Master in de Toegepaste Economische Wetenschappen: Handelsingenieur

Pieter-Jan Thijs onder leiding van Prof. dr. Rudi Vander Vennet

I

II

UNIVERSITEIT GENT

FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2011 – 2012

DE TOEKOMST VAN RETAIL BANKING IN EUROPA

Masterproef voorgedragen tot het bekomen van de graad van Master in de Toegepaste Economische Wetenschappen: Handelsingenieur

Pieter-Jan Thijs onder leiding van Prof. dr. Rudi Vander Vennet

III

PERMISSION Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding.

Pieter-Jan Thijs

IV

Woord vooraf Deze masterproef zou nooit tot stand gekomen zijn zonder de ondersteuning en begrip van een aantal specifieke personen. Eerst en vooral wil ik dan ook mijn promotor, Prof. dr. Rudi Vander Vennet, bedanken voor het aanreiken van dit zeer actuele en boeiende onderwerp. Zijn opbouwende kritiek en sturende opmerkingen dragen zeker bij tot dit mooie eindresultaat. Bovendien vormden zijn lessen betreffende het vak ‘Economics of Banking’ een aanwakkering van mijn belangstelling voor de bankenwereld en de huidige financiële ontwikkelingen. Verder gaat mijn dank ook uit naar doctorandus Valerie De Bruyckere voor haar hulp bij de statistische onderbouw van deze studie. Bovendien was zij altijd beschikbaar voor een opbouwend gesprek. Vervolgens wil ik ook mijn vriendengroep, die zich doorheen de jaren van economische studies gevormd heeft, bedanken voor hun momenten van afleiding, medeleven en humor. Zij maakten deze opdracht zeker dragelijker. Tenslotte wil ik ook mijn vriendin en mijn ouders bedanken. Zij hebben mij steeds bijgestaan in de moeilijkste momenten doorheen mijn gehele studieperiode. Bovendien wil ik mijn ouders ook bedanken voor de kansen, de stimulansen en de aanmoedigingen die ik krijg en die mij het doorzettingsvermogen geven om mijn grenzen telkens te verleggen.

V

Inhoudsopgave 1.

Inleiding .................................................................................................................................... 1

2.

Literatuur studie: Retail banking .............................................................................................. 3 2.1.

Algemeen .......................................................................................................................... 3

2.2.

Definitie retailbankieren ................................................................................................... 3

2.3.

Retail activiteiten .............................................................................................................. 8

2.3.1.

Producten .................................................................................................................. 8

2.3.2.

Leveringskanalen ..................................................................................................... 10

2.4.

Nieuwe tendensen in retailbankieren ............................................................................ 11

2.4.1.

Algemeen................................................................................................................. 11

2.4.2.

Crisis......................................................................................................................... 13

2.5.

Competitie in retail banking ............................................................................................ 17

2.5.1. 2.6.

Activa ....................................................................................................................... 19

2.6.2.

Passiva ..................................................................................................................... 21

2.6.3.

Inkomsten ................................................................................................................ 22

Relatiegericht bankieren ................................................................................................. 24

Data ......................................................................................................................................... 26 3.1.

4.

Competitief voordeel retail businessmodel .................................................................... 19

2.6.1.

2.7. 3.

Gebreken in de huidige competitievorm ................................................................ 18

Event window.................................................................................................................. 27

Onderzoeksopstelling ............................................................................................................. 28 4.1.

Retail determinanten en afbakening .............................................................................. 28

4.2.

Return en risicomaatstaven ............................................................................................ 30

4.3.

Capital Asset Pricing Model ............................................................................................ 32

4.4.

Portfoliosamenstelling .................................................................................................... 34

4.5.

Significantie ..................................................................................................................... 35 VI

4.6.

Panelregressie ................................................................................................................. 36

4.6.1. 5.

Gefixeerde en random effecten in de panelregressie............................................. 38

Resultaten ............................................................................................................................... 39 5.1.

Data analyse .................................................................................................................... 39

5.2.

Analyse retail bepaling .................................................................................................... 41

5.2.1.

Ratio’s ...................................................................................................................... 42

5.2.2.

Vergelijking trend .................................................................................................... 43

5.3.

Risicoanalyse ................................................................................................................... 46

5.3.1.

Capital Asset Pricing Model ..................................................................................... 46

5.3.2.

Portfolioanalyse....................................................................................................... 46

5.4.

Significant verschil tussen businessmodellen ................................................................. 49

5.4.1.

Jaarlijkse evaluatie................................................................................................... 49

5.4.2.

Totale en periodieke evaluatie ................................................................................ 50

5.5.

Panelregressie ................................................................................................................. 56

5.5.1.

Inleiding ................................................................................................................... 57

5.5.2.

Totale periode ......................................................................................................... 58

5.5.3.

Deelperiodes............................................................................................................ 62

6.

Conclusies ............................................................................................................................... 64

7.

Literatuurlijst .......................................................................................................................... 68

VII

Lijst van gebruikte afkortingen BHC

Bank Holding Company

CAPM

Capital Asset Pricing Model

CEPS

Centre for European Policy Studies

CUSTONTF

Customer deposits on Total Funding

(E)GLS

(Estimated) Generalized Least Squares

EBC

European Banking Centre

EBF

European Banking Federation

ECB

European Central Bank

EFMA

European Financial Marketing Association

EURIBOR

Euro Interbank Offered Rate

EWI

Equally Weighted Index

FHLMC

Federal Home Loan Mortgage Corporation

ICB

Independant Commission on Banking

IICONTI

Interest Income on Total Income

KMO

Kleine of middelgrote onderneming

LOANSTA

Loans on Total Assets

OLS

Ordinary Least Squares

PLS

Panel Least Squares

RAR

Risk Adjusted Return

ROA

Return On Assets

ROE

Return On Equity

RWA

Risk Weighted Assets

SEPA

Single Euro Payments Area

SIFI

Systemically Important Financial Institution

SPA

Single Payment Area

TBTF

Too Big To Fail

VIII

Lijst van tabellen Tabel 1 Overlapping van de retail afbakening door de retail ratio’s.............................................. 43 Tabel 2 Correlatiewaarden tussen de drie ratio’s voor 2004-2009 ............................................... 45 Tabel 3 Correlatiewaarden tussen de drie ratio’s voor deelperiodes 2004-2006 en 2007-2009 .. 46 Tabel 4 Risicocomponenten van het retail- en non-retail businessmodel voor 2004-2009 .......... 50 Tabel 5 Wald-test waarden voor significantie in het systematische risico 2004-2009.................. 51 Tabel 6 Brown-Forsythe waarden voor significantie in het totaal en idiosyncratisch risico 20042009 ................................................................................................................................................ 52 Tabel 7 Risicocomponenten voor de portfolioanalyse van de deelperiodes ................................. 54 Tabel 8 Wald-test waarden voor de portfolioanalyse van de deelperiodes .................................. 55 Tabel 9 Brown-Forsythe waarden voor de portfolioanalyse van de deelperiodes ........................ 56 Tabel 10 Hausman Test ter controle voor random crosssectie effecten ....................................... 57 Tabel 11 Panel Least Squares resultaten voor risico en performance parameters voor 2004-2009 ........................................................................................................................................................ 60 Tabel 12 Panel Least Squares resultaten voor risico en performance parameters voor 2004-2006 ........................................................................................................................................................ 60 Tabel 13 Panel Least Squares resultaten voor risico en performance parameters voor 2007-2009 ........................................................................................................................................................ 61

IX

Lijst van afbeeldingen Figuur 1 Gemiddelde aandelenprijs van de totale sample 2004-2012 .......................................... 40 Figuur 2 Gemiddelde cumulatieve return van de totale sample 2004-2012 ................................. 41 Figuur 3 Jaarlijkse grenswaarden aan de hand van 75 % kwartiel voor elke ratio 2004-2009 ...... 44 Figuur 4 Jaarlijkse gemiddelde waarden voor elke ratio 2004-2009 ............................................. 44 Figuur 5 Jaarlijks systematisch risico van de portfolio’s bepaald met de depositoratio ............... 48 Figuur 6 Jaarlijks systematisch risico van de portfolio’s bepaald met de interestratio ................. 48 Figuur 7 Jaarlijks systematisch risico van de portfolio’s bepaald met de leningratio .................... 48 Figuur 8 Histogram, frequentieweergave van het aantal banken en de hoeveelheid klantendeposito’s zij aanhouden ................................................................................................... 63 Figuur 9 Probabiliteit weergave van de kans dat een bank een bepaalde hoeveelheid klantendeposito's aanhoudt........................................................................................................... 63

X

1. Inleiding Het belang van retail banking herleeft in de schaduw van het huidige financiële tumult. Vooral in tijden van financiële onstabiliteit waar andere bronnen van inkomsten voor de banken eerder variabel blijken, dragen retail betalingsdiensten bij tot een regelmatige en betrouwbare vorm van opbrengsten.

In dit perspectief kan de voorbije en huidige crisis banken aanzetten tot het herbekijken van hun businessmodellen en marktstrategie. Zo zou, zoals de huidige tendens ook aangeeft, een heroriëntatie op een meer klantgerichte structuur, zowel innovatieve en efficiënte pan-Europese betalingsdiensten als het, meer dan voorheen, aanbeiden van zichtrekeningen en leningen aan particulieren en KMO’s, een logische stap zijn voor de meeste grootbanken.

Bovendien zorgt de huidige interventie van zowel regulatieve instanties als de overheden dat banken in een zekere mate aangezet worden tot het uitbreiden van hun retail activiteiten.

Deze studie zal nagaan welke evolutie de banken in Europa, pre- en intercrisis, doormaken en welke invloed deze heeft op het risico- en performanceprofiel van de retail marktspelers en de onderliggende activiteiten van retailbankieren. Verder zullen de mogelijke toekomstige trajecten van retailbankieren nader bekeken worden en getoetst worden aan de huidige situatie.

Een belangrijk element in het belang van retailbankieren komt voort uit het relationele karakter van de retail activiteiten. Juist door de meer persoonlijke relatie met hun klanten kunnen retail banken gezien worden als een strategisch middelpunt tot het herwinnen van vertrouwen in de bankindustrie in zijn geheel.

De studie is verder als volgt opgebouwd. Hoofdstuk 2.

zal trachten duidelijkheid te scheppen

omtrent de retail definiëring van banken. Het geeft een overzicht van de bestaande literatuur en verzameld de meest relevante definiëringen van het retail begrip in de bankenwereld. Bovendien worden ook de activiteiten eigen aan het retailbankieren uiteengezet. Naast een kort overzicht van de nieuwe tendensen, biedt deze studie ook een beknopt competitieoverzicht van de retail bankenmarkt. Tenslotte wordt in hoofdstuk 2 ook uitgebreid ingegaan op de competitieve 1

voordelen van het retail businessmodel. Het relatiegericht bankieren vormt hier een aanvullende afsluiter. Hoofdstuk 3.

geeft verder een verduidelijking van de gebruikte data en besproken

tijdszone in het verdere onderzoek. Hoofdstuk 4.

bestaat uit een overzichtelijk en onderbouwd

overzicht van de gebruikte methodes, theorieën en testen die het verdere onderzoek vormgeven. In hoofdstuk 5.

worden de resultaten van de verschillende deelonderzoeken gerapporteerd en

worden de nodige referenties naar de bestaande literatuur gegeven. Tenslotte, wordt in hoofdstuk 6. de algemene conclusies, beperkingen en toekomstgerichte bevindingen uiteengezet.

2

2. Literatuurstudie: Retail banking 2.1.

Algemeen

Voor de jaren ‘90 konden banken relatief eenvoudig ingedeeld worden aan de hand van een specifiek businessmodel. Door de in de laatste jaren doorgedreven deregulatie, globalisatie, sterke innovatieve en technologische vooruitgang zijn veel banken sterk gegroeid en zich gaan toeleggen op meerdere activiteiten en businessstrategieën. Zo kunnen veel huidige banken beschouwd worden als grotere financiële instituten met een focus op meerdere bedrijfsactiviteiten en dit georiënteerd in verschillende businessmodellen. In dit geval spreekt men dan ook van ‘Band Holding Companies’ (BHC). Deze bankholdings kunnen globaal vergeleken worden met de Universele bank. De Universele Bank is actief in zowat alle domeinen van het bankgebeuren. Zowel het uitvoeren van een aantal financiële diensten waaronder depositoaanname en kredietleningen, het verhandelen van financiële instrumenten en buitenlandse deviezen of valuta (en hun afgeleiden), het uitgeven van nieuwe schuld- en vermogensuitgave, makelaarsopdrachten, investeringsmanagement en verzekeringen behoren tot de activiteiten.

Toch kan er nog steeds een onderscheid gemaakt worden aan de hand van een bankspecifiek businessmodel, zij het niet altijd meer absoluut maar op een schaal van oriëntatie. Zo kan men banken onderverdelen in drie grote peilers qua bankstrategie. Er wordt een onderscheid gemaakt tussen ‘retail banken’, ‘investment banken’ en ‘wholesale banken’ (Ayadi, Arbak and Pieter De Groen 2011).

Het model waar deze studie zich zal op focussen is retail banking. Aangezien er in de literatuur geen uniforme definitie voor retailbankieren aanwezig is, zal deze studie een overzicht geven van de aanwezige mogelijke vormgeving uit verschillende bronnen. Hieruit zal vervolgens een eigen afbakening van het begrip ‘Retail Banking’ kunnen afgeleid worden.

2.2.

Definitie retailbankieren

In eerste instantie karakteriseert de retail bankoriëntatie zich door een groot aantal klanten, accounts en transacties, een grote variëteit aan producten en diensten. Bovendien is retail banking

3

in een hoge mate afhankelijk van specifieke technologie en een hoge samenwerkingsgraad tussen de banken onderling, de retailers, de bedrijven en de klanten. (Croxford H. 2005).

Een retailbank richt zich bovendien op het aanbieden van producten aan het algemene publiek. In de afbakening van het retailbegrip worden retail activiteiten gedefinieerd als het aanbieden van financiële diensten niet enkel aan individuen maar ook aan Kleine en Middelgrote Ondernemingen (KMO’s) (Keith 2007).

Bovendien worden retail banken aangeduid met het begrip ‘High Street Banks’ wat duidt op de fysieke aanwezigheid van de bank in het straatbeeld. Het gebruik van filialen als transactiekanaal van diensten naar de klant is een typerend kenmerk van een op retail georiënteerde bank. Desalniettemin heeft de opkomst van zowel telefoon- als internetbankieren er voor gezorgd dat dit kenmerk niet meer sluitend is voor de definiëring van een retail bank. Banken met de standaard filiaalstructuur kunnen hun activiteiten en diensten stimuleren door het aanbieden van deze mobiele vorm van dienstverlening. De ontwikkeling van ‘Virtuele banken’ of banken volledig georiënteerd op internetbankieren creëert de mogelijkheid om de kosten aansluitend bij het uitbaten van filialen sterk te reduceren. Enkele voorbeelden hier van zijn onder andere het elimineren van “bricks and mortar” kosten, het sterk verminderen van personeelskosten en de kostreductie door het outsourcen van kernactiviteiten zoals databasebeheer en telefooncentrales. (Keith 2007)

De auteurs van het boek ‘The art of better retail banking: Supportable Predictions on the Future’ definiëren retail banking in de eerste plaats aan de hand van het groot aantal klanten, rekeningen, transacties en de variëteit in het aantal producten en diensten. Zij halen ook het belang van de technologie aan en de afhankelijkheid van deze technologie voor de uitvoering van financiële diensten (Hugh, Frank and Alex 2005). Deze definitie sluit zeer sterk aan bij de uiteenzetting van retail banking door K. Pond.

In de paper naar aanleiding van de ‘Banking Frontiers International Conference on Retail Banking Directions: Opportunities & Challenges’ haalt de auteur een meer gestructureerde omvatting van het begrip retail banking aan. Deze vorm van bankieren typeert zich, volgens de auteur, aan de hand van een specifieke balansstructuur. Retail activiteit kan gerelateerd worden aan de verhandeling van zowel activa als passiva door ‘commerciële’ banken aan individuen. Zoals eerder 4

aangehaald bestaat de activazijde van de retail bank uit leningen (persoons-, auto-, en opleidingslening), waaronder ook hypotheken, terwijl lopende of zichtrekeningen en vaste of spaarrekeningen de passivazijde typeren. Deze individuele retail producten zullen later aan een meer gedetailleerde bespreking onderworpen worden. Verder zijn de specifieke diensten eigen aan retailbankieren onder andere het aanbieden van kredietkaarten en depositomogelijkheden. (Gopinath 2005)

Adrian definieert retailbankieren dan weer als volgt: ‘Retail banking focust op het voorzien van transacties en spaarmogelijkheden en kredietverlening naar kleine klanten, zowel particulier als kleine ondernemingen. Overal in Europa, en wereldwijd, wordt retail banking vooral gestuurd aan de hand van het uitbaten en operationeel maken van filialen’ (Adrian 1987). Bovendien wijst Adrian op het de specifieke dienstverlening eigen aan retail banking. Diensten kunnen in het algemeen niet opgeslagen of getransporteerd (of geëxporteerd) worden, maar moeten in dit perspectief plaatsvinden aan de hand van persoonlijk contact met de klant. Deze opmerking duidt op een nieuwe afbakening in retail banking : het onderscheid tussen relatiegericht en transactiegericht bankieren en de huidige tendens om beide strekkingen naast elkaar te implementeren. Op het transactiedomein typeert retail banking zich door een groot volume aan relatief kleine waardetransacties.

Meer algemeen kan men stellen dat retail banken gebaseerd zijn op een eerder eenvoudig en beperkt model. Zoals eerder vermeld leunt retailgericht bankieren dicht aan bij de basisactiviteiten van een bank of het traditionele bankmodel. De algemene ‘standaard bank’, als zij al bestaat, werkt volgens het principe van vraag en aanbod op de geldmarkt. Wanneer bepaalde individuen of ondernemingen een tekort hebben aan financiering hebben sommige een overschot aan middelen. In dit perspectief spreekt men overwegend over een tekort aan lange termijn middelen en overheerst op korte termijn eerder een overschot aan financiële middelen. In deze interactie komt de bank tussen als bemiddelaar en creëert een spreiding in de interestvoet. Dit betekent in het perspectief van de klant een verschil tussen de interest ontvangend op deposito’s en de interest betalend op leningen. Hieruit kan de bank, naast allerhande dienstverlening, inkomsten generen.

Eigen aan de retail activiteit is, zoals eerder werd vermeld, de samenloop van relationele en transactionele oriëntaties van de aangeboden diensten. Zo zal bij het toekennen van een lening aan een individuele klant of aan KMO’s de bank zich overwegend focussen op de meestal langdurige 5

relatie met deze klant. In dit geval spreekt men van ‘credit rationing’ of het rationeel aftoetsen van de kredietwaardigheid van de klant om kredietrisico’s te balanceren door middel van het aanbieden van een kleinere lening in plaats van het aanpassen van de interestvoet op de lening (Saunders and Cornett 2008).

Het Treasury Committee van het Britse Lagerhuis definieert in hun rapport over de retailmarkt in Groot-Brittannië aan de hand van driedelige opdeling in diensten. In de eerste plaats onderscheiden zij de kernbankdiensten. De diensten omvatten de traditionele producten gekoppeld aan banken. Alle vormen van personen- en businessspaarrekeningen, overschrijvingen en spaarproducten worden tot deze categorie gerekend. Een tweede vorm van diensten wordt gevormd door de secundaire bankdiensten. Volgens het Treasury Committee kunnen hieronder alle leningen geplaatst worden, waaronder ook het gebruik van kredietkaarten en de uitgifte van hypotheekleningen. Als laatste onderdeel van deze Britse afbakening van retail activiteiten wordt van het begrip periferische of randbankdiensten aangehaald. Hierin vindt men onder andere de verzekeringen, het pensioensparen en andere rand retail activiteiten in terug (House of Commons Treasury Commitee 2011).

De moeilijkheid bij het definiëren van ‘Retail banking’ vormt zich reeds in de rapportering door banken. Het gebrek aan een consistente definitie die duidelijk onderscheid maakt tussen de andere activiteiten van een financiële instelling werd reeds aangehaald door Hirtle en Stiroh (2007). Algemeen kan retailbankieren volgens bovenvernoemde auteurs gezien worden als de activiteiten gericht op deposito’s, leningen en andere financiële diensten met particulieren en KMO’s. Anderen, echter, incorporeren ook de nationale kredietkaart- en/of hypotheekoperaties. Deze manier van definiëren vormt moeilijkheden om de mate van retailbankieren bij een bank holding organisatie te bepalen.

In retail banking worden de activa dus gedomineerd door leningen naar individuen en KMO’s. Deze leningen bestaan vooral uit hypotheekleningen, persoonsleningen, kleine ondernemingsleningen, autolening, kredietkaart korte termijn lening etc. De passiva daarentegen worden overwegend gevormd door de deposito- of kredietopname.

In dit perspectief levert het bovenvernoemde onderzoek van Hirtle en Stiroh (2007) een noodzakelijke en toepasbare definiëring van een aantal maatstaven voor het bepalen van de 6

retailgerichtheid van een bank. ‘Retail deposit share’, ‘Retail loan share’ en ‘Branches per Euro assets’ vormen de maatstaven om vervolgens een onderscheid te maken tussen retail en niet-retail banken. Deze drie ratio’s bevatten de drie complementaire hoofdaspecten van retail banking op vlak van activa, passiva en de leveringskanalen.

Naast bovenvernoemde standaarden kan er geopteerd worden voor de lening/activa ratio (loansto-assets ratio) of de totale mate van uitstaande leningen als een percentage van de totale activa. In wezen betekent deze ratio bij een hoge waarde dat de bank een hoge mate van kredietverlening heeft en een lage liquiditeit. Logischerwijs kan dan ook de deposito’s/activa ratio gebruikt worden als een parameter voor de mate van retail activiteit van een bank (Clark et al 2007).

In het onderzoek dat deze studie uitvoerde werd geopteerd voor de eigen definiëring van retail banking aan de hand van een drietal ratio’s.

Zowel de actiefzijde, passiefzijde als de

inkomstenstroom wordt in kaart gebracht met behulp van respectievelijk de Total Loans/Total Assets, Total Customer Deposits/Total Funding en Interest Income/Total Income. Voor een uitgebreidere bespreking wordt verwezen naar het bijhorende hoofdstuk in het onderzoek.

Concluderend wordt er gebruikgemaakt van het goed samenvattend overzicht van de concrete samenstellingen van retail banken in het rapport van Shyamala Gopinath (Gopinath 2005). Samen met alle bovenvermelde definities en haar afbakening kan gesteld worden dat retail banking kan gezien worden als een vorm van commercieel bankieren steunend op drie belangrijke karakteristieken:  Het aanbieden van meerdere producten (deposito’s, kredietkaarten,…)  gedistribueerd via meerdere kanalen (call centres, filialen, internet, mobiele telefonie en bankautomaten)  aan meerdere klantengroepen (zowel de particuliere klanten als KMO’s).

7

2.3.

Retail activiteiten

Het volgende onderdeel van deze studie is gebaseerd op de bovenstaande karakteristieken. Zo zal er eerst dieper ingegaan worden op de voor retail specifieke producten. Verder worden ook de verschillende kanalen van de ‘multi channel’ structuur van retail banken verder uitgediept. Er wordt bovendien rekening gehouden met nieuwe tendensen op de retailmarkt en hoe de onderliggende activiteiten naar de toekomst toe zullen evolueren.

2.3.1.

Producten

De belangrijkste ‘producten’ van retail banken kunnen onderverdeeld worden in een drietal categorieën: bankrekeningen, transacties en diensten. De activiteit bankrekeningen kan vervolgens nog onderverdeeld worden in onder andere het uitgeven van lopende rekeningen, spaarrekeningen en leningen. In het hierop volgende onderdeel zullen deze drie kernactiviteiten en afgeleiden kort worden toegelicht om een duidelijker beeld te scheppen van de implicaties voor het retail businessmodel. 2.3.1.1.

Bankrekeningen

A. Lopende rekening De lopende of zichtrekening kan gezien worden als de belangrijkste centrale as in de werking van een retail bank. Zowel bij de relatieaanvang als gedurende de hele relatieduur met de klant vormt deze rekening een vaste en essentiële waarde voor de bank. De lopende rekening wordt overwegend aangewend voor het gebruik van onder andere de dagdagelijkse transacties van de retail klanten van de bank. Alhoewel de opbrengsten gegenereerd door deze rekening eerder beperkt zijn, mede door de beperkte geldhoeveelheid aanwezig in zowel de rekening zelf als de onderlinge transacties, bepaalt de lopende rekening wel in hoge mate de trouw van een klant aan een specifieke bank (Croxford H. 2005). B. Spaarrekeningen Het belang van spaarrekeningen verschilt in Europa van land tot land. Toch heeft deze rekening algemeen sterk aan belang gewonnen. Dit in zekere mate door de mogelijkheid om ook voor deze rekeningen gebruik te maken van debietkaarten, het uitvoeren van kasverrichtingen en het aankopen via financiële transacties. Ook bankautomaten worden meer en meer toegankelijk voor kredietkaarten verbonden met een spaarrekening. Deze mogelijkheden zorgen voor een vervaging

8

tussen zowel spaar- als zicht/transactierekeningen. Alhoewel zij momenteel nog een grote kost inhouden voor de klant, zouden deze rekeningen de toekomstige transactieaccount kunnen worden die de voorkeur van de gemiddelde klant geniet (Hasan, Schmiedel and Song 2009). C. Leningen Leningen kunnen gezien worden als de hoofdbron van inkomsten voor een retail bank. In principe kan er een onderscheid gemaakt worden tussen ‘secured’ en ‘unsecured’ leningen. Het onderscheid tussen deze twee vormen van leningen vormt zich door de aan- of afwezigheid van een onderpand. In het geval van een ‘beveiligde’ lening spreekt men onder andere van een voertuiglening en de meest voor de handliggende hypotheeklening. Het onderpand zal dan in geval van gebreke van de klant, zijnde het niet in staat zijn tot terugbetaling van de gekregen kredieten, verkocht worden en de opbrengsten zullen gebruikt worden voor het invullen van de nog openstaande terugbetalingen (Croxford H. 2005). 2.3.1.2.

Betalingstransacties

Retail bankbetalingen bevatten onder ander het gebruik van kredietkaarten en debietkaarten, betalingen via internet en transacties via internet. Betalingen kunnen gezien worden als één van de meest prominente activiteiten van een bank, aan de hand van betalingen wordt er voor gezorgd dat geld circuleert en rendeert. Betalingsverkeer gebeurt momenteel volledig gedigitaliseerd en vormt een grote kost en operationele uitdaging voor elke bank. Betalingsdiensten vormen een belangrijk deel van de bankindustrie in zijn geheel en bepalen een groot deel van de operationele inkomsten en kosten. (Hasan, Schmiedel and Song 2009) 2.3.1.3.

Diensten

Diensten die de retail bank aanbiedt aan zijn cliënteel vormen een bron van inkomsten aan de hand van dienstvergoedingen en commissielonen. Deze diensten bestaan bovendien uit het informeren van de klant over de spaar- en beleggingsmogelijkheden die de bank aanbiedt. In bepaalde mate kan de bank ook instaan voor belastingsadvies aan individuen of kleine ondernemers. Aangezien ‘fee and commission’ inkomsten overwegend gevormd worden door de verhandeling van financiële derivaten, een activiteit eigen aan de investeringsbanken, vormt deze post een minder relevante inkomstenstroom voor retail georiënteerde banken. Retail banken genereren, zoals eerder vermeld, inkomsten uit hun ‘Net Interest Income’, door de traditionele rol als intermediair tussen financieringssurplus en -tekorten. Deze inkomsten kunnen voor regionale banken of retail 9

georiënteerde universele banken de helft van de totale netto-opbrengsten vormen (Koller, Goedhart and Wessels 2010).

2.3.2.

Leveringskanalen

Momenteel kan er gesproken worden van een ‘multi-channel’ integratie in retail banking. Naast de traditionele bankfilialen en loketten hebben retail klanten momenteel de mogelijkheid om ook via internet en mobiele telefonie hun retail activiteiten uit te voeren. In wezen kan er een onderscheid gemaakt worden tussen zes logische vormen van financiële dienstdistributie: via filialen, bankautomaten, digitaal (waaronder internet en mobiele telefonie), en postgericht bankieren. 2.3.2.1.

Filialen

Filialen vormen de eerste en meest gekende vorm van dienstverlening door een retail bank. De dichtheid van het aantal filialen lijkt de laatste tijd sterk te dalen. Bovendien zal deze trend zich waarschijnlijk in de toekomst, op lange termijn, blijven voortzetten. Volgens het rapport en onderzoek van McKinsey&Company en het onderzoekscentrum naar financiële diensten en innovatie in retailbankieren EFMA zal het aantal filialen nog dalen onder het gemiddelde van de EU15. Zo zullen ook de kosten gerelateerd aan de filialen vervallen als gevolg van de herstructureringen en zal het aantal werknemers of voltijdse equivalenten dalen van zes naar vier. Bovendien zullen de bestaande filialen meer klantgeoriënteerd worden en zich meer richten op het aanbieden van een kwaliteitsvolle klantervaring (Trascasa, Vlaar, Madrid, Gallizioli and Yeramian 2011). 2.3.2.2.

Bankautomaten

Bankautomaten zijn de dag van vandaag een gevestigde waarde in het straatbeeld. Al dan niet verbonden aan een filiaal of gepositioneerd op een strategische locatie in drukke winkelstraten of commerciële centra bieden zij de mogelijkheid aan de retail klant om de meeste financiële transacties en handelingen zelfstandig uit te voeren. Door de opkomst van digitale transactie en opvolgingsmogelijkheden lijkt ook dit transactiekanaal, net als het filiaal, in belang af te nemen. Bovendien ondergaat de samenleving een heroriëntatie naar meer elektronische betalingen en wordt de nood naar cash geld steeds minder relevant, wat ervoor zorgt dat de geldopname sterk teruggedrongen wordt. (Croxford H. 2005)

10

2.3.2.3.

Digitaal

Een zeer recente en sterk florerende tak van retail distributie situeert zich in de digitalisering van transacties en rekeningmanagement. De tendens toont dat landen met ontwikkelde economieën zoals België, Frankrijk, Duitsland en de UK een eerste stadium tot implementatie reeds gebeurd is. De echte snelle adapters zijn landen zoals Nederland en de Scandinavische landen. Het al dan niet snel aanpassen aan deze nieuwe innovatieve vormen van retail dienstverlening wordt bepaald door een aantal factoren. De snelheid waarmee nieuwe technologieën worden aangenomen, vooral door de jongere generatie, en de mate waarin de klant beschermd wordt zijn hier zeer essentieel. Momenteel vormt thuisbankieren, internetbankieren of smartphone bankieren nog een kleiner aandeel in de distributie van retail banken, wat echter in de komende jaren nog sterk zal evolueren (Trascasa, Vlaar, Madrid, Gallizioli and Yeramian 2011). 2.3.2.4.

Post bankieren

Als laatste kanaal vormt bankieren via postverrichtingen een minder relevante en bovendien tijdelijke implementatie. Deze vorm van bankieren creëert voor sommige klanten de mogelijkheid om geleidelijk aan de overgang te maken van de traditionele vorm van bankieren naar een meer gedigitaliseerde vorm. Post bankieren is net zoals de ‘call centers‘ een transitiestadium in de aanpassing van bankgedrag in een steeds mobielere samenleving (Croxford H. 2005).

2.4. 2.4.1.

Nieuwe tendensen in retailbankieren Algemeen

Retailbankieren en vooral de distributie van retail diensten onderging de laatste jaren een vlugge en invloedrijke verandering doorheen heel Europa. Het vroegere onderscheid tussen transactiegericht en relatiegericht bankieren lijkt meer en meer tot uiting te komen in de specifieke retail activiteiten. In het consulting rapport van McKinsey in samenwerking met EFMA, geeft men aan dat Europese banken hun klanten steeds meer de keuze aanbieden tussen enerzijds een elektronische en anderzijds een ‘face-to-face’ dienstverlening, of met andere woorden een ‘multi-channel’ distributiesysteem. Hierbij zouden de verkoop en het algemeen advies aan consumenten overwegend plaatsvinden aan de hand van persoonlijk contact met de klant en dus eerder via relatiegericht bankieren. Financiële transacties daarentegen zullen in de toekomst in toenemende

11

mate via elektronische weg gebeuren, wat wijst op transactiegericht bankieren (Trascasa, Vlaar, Madrid, Gallizioli and Yeramian 2011).

De wijziging van focus op relatie- of transactiegericht bankieren zal een impact hebben op onder andere de dichtheid van het filiaalnetwerk van meeste Europese retailbanken, waarbij men een dalende trend zal waarnemen. Bovendien spreekt McKinsey ook van een focus op kleinere en meer klantgerichte filialen, gespecialiseerd in het aanbieden van kwalitatief hoogwaardige diensten. Verder zal ook de onderlinge integratie van de verschillende distributiekanalen van retailbankieren en het sensibiliseren van de consument tot het gebruik van de ‘multi-channel’ omgeving een prominente rol gaan spelen (Trascasa, Vlaar, Madrid, Gallizioli and Yeramian 2011).

Niettegenstaande Europa meer en meer gericht is op een geïntegreerde Europese retailmarkt en dit versterkt wordt aan de hand van een ‘pro-mobiel’ beleid (internet en smartphone banking) zal ‘relationship banking’, gebaseerd op de nabijheid en de kennisrelatie met de klant, een sterk element blijven in de voorziening van financiële diensten. In het verdere hoofdstuk over het competitief voordeel van de retail oriëntatie wordt er uitgebreider ingegaan op het hierbij aansluitend begrip ‘relationship banking’.

Een evenwaardig belangrijk punt op vlak van de retail transacties ligt bij de Europese integratie van het betalingsverkeer. De SEPA of ‘Single European Payments Area’ laat inwoners van de Eurozone toe om betalingen uit te voeren doorheen de hele zone. Hierbij zou één enkele bankaccount volstaan en één singuliere set van betalingsinstrumenten. Het nut van deze ‘Single Payment Area’ (SPA) is het versoepelen van het internationale bancair betalingsverkeer en dit bovendien zo efficiënt en veilig mogelijk (European Central Bank 2010).

Bovendien zouden betalingsdiensten over de grenzen van de Europese Monetaire Unie even eenvoudig en eenzijdig zijn in kost als het binnenlands betalingsverkeer. Deze tendens wordt aangevoerd door de Economische Monetaire Unie en de Europese Centrale Bank. Het invoeren van een Europese standaard op vlak van retail transacties opent de retail markt. De invloed op de bankspecifieke competitie zal hierbij nader moeten onderzocht worden (The Financial Services Subgroup 2005).

12

2.4.2.

Crisis

Voordat deze literatuurstudie dieper ingaat op de risico’s verbonden aan de specifieke retail bankstructuur wordt een overzicht gegeven van de financiële crisis. Deze bespreking richt zich overwegend op de marktimplicaties die invloed uitoefenen op retailbanken en een eventuele heroriëntatie op de basisactiviteiten van bankieren inhouden. 2.4.2.1.

Oorzaken

De systematische onderwaardering van risico door de financiële instellingen kan gezien worden als één van de bepalende determinanten van de bankencrisis. Dit typeerde zich vooral in zeer lage risico spreads met een historisch laag onderscheid tussen risicovolle en risicoloze activa. De banken zochten actief naar meer en grotere opbrengsten. Om dit te bereiken grepen vele Europese banken naar zeer risicovolle activa. Om deze activa te kunnen gebruiken waren veel banken genoodzaakt een zware schuldenratio te creëren. (Goodhart 2008)

De voorbije jaren, in aanloop van de economische en financiële crisis, werden de financiële markten gekenmerkt door deregularisatie en liberalisatie. Deze ontwikkelingen hebben tot gevolg dat de markt van complexe financiële producten exorbitant is toegenomen. Het hoofdoogmerk van de financiële instellingen kwam meer en meer te liggen op het creëren van hogere winsten en significante returns. De strategie toegepast in deze nieuwe financiële markt omgeving wordt gedefinieerd als ‘originate and distribute’ (Goodhart 2008). Meer concreet betekent dit een uitgifte van leningen (‘originate’) die vervolgens gebundeld worden in clusters om de opsplitsing in nieuwe financiële derivaten mogelijk te maken. De nieuw verkregen instrumenten worden doorverkocht (‘distribute’) aan financiële instellingen, verschillend van banken (Goodhart 2008). Dit zorgde voor de creatie van een schaduwmarkt die aan weinig of geen vorm van controle of supervisie onderhevig was. Door steeds meer gebruik te maken van ‘off-balance sheet vehicules’ streefden de banken hogere rendementen na onder de foutieve impressie minder risico te nemen. Concluderend ontstond er een nadrukkelijke toenamen in trading en investement banking.

Globaal nam de rol van de financiële sector, en de banksector specifiek, wereldwijd enorm toe, wat het CEPS rapport definieert als ‘excessive financialisation’. Banken hebben steeds een fundamentele rol gespeeld in de economische stabiliteit of destabiliteit. Zij kunnen zowel gezien worden als ‘shock absorbers’ of ‘shock originators’, waarbij deze laatste zich nu duidelijk 13

manifesteerde (Ayadi, Arbak and Pieter De Groen 2011). De retail oriëntatie van banken kan mogelijkheden bieden om de rol van ‘shock absorber’ weer in praktijk te brengen. Het nut van retailbanken als systematische risico absorber wordt verder uitgelegd in het hoofdstuk over het specifieke risicoprofiel eigen aan de retail bank.

Doorheen deze transformatie in de bankenmarkt veranderde ook de aard van het risico dat banken normaliter liepen. De trend van ‘securitarisation’ en andere afgeleide kredietinstrumenten doelde in de eerste plaats op het verplaatsen van het kredietrisico naar de actuele drager. Later echter, transformeerde het kredietrisico in liquiditeitsrisico, vervolgens in financieringsrisico en uiteindelijk in een solvabiliteitsrisico. In dit perspectief komt de rol van retailbankieren opnieuw meer tot uiting. Het bovenvermelde ‘originate and distribute’ model drijft steeds verder weg van het originele en traditionele ‘originate and hold’ model. Dit model duidt op de oorspronkelijke rol van bankieren, waarbij banken krediet verlenen en het risico intern in de onderneming houden (Ayadi, Arbak and Pieter De Groen 2011).

Hierbij kan verwezen worden naar de definitie van ‘traditioneel bankieren’ vermeld in de studie door Llewellyn. De traditionele rol van bankieren situeert zich in het voordeel dat banken halen uit informatie-

en

risicoanalyse

en

observatie.

Het

stelt

hen

in

staat

asymmetrische

informatieproblemen te weerleggen en zo zowel ‘adverse selection’ als ‘moral hazard’ te temperen. In het huidige bankmodel zijn banken niet meer noodzakelijk aanwezig in het gehele intermediaire bankproces (Llewellyn 1999).

Het rapport van het CEPS (Centre for European Policy Studies) geeft een duidelijk overzicht van de implicaties van een specifiek bedrijfsmodel bij Europese banken. Zij onderscheiden de drie meest prominente

bedrijfsmodellen

en

maken

dus

een

onderscheid

tussen

retail

banken,

investeringsbanken en wholesale banken. Meer concreet definiëren de onderzoekers retail als het bedrijfsmodel waarbij de bank de focus legt op klantendeposito’s als de primaire bron van financiering en het uitgeven van klantenleningen als de hoofdzakelijke vorm van dienstverlening. In wezen leunt het retail-bedrijfsmodel nog het meest aan bij het traditionele bankmodel. Investeringsbanken richten zich overwegend op ‘trading’ en de dienstverlening voortkomend uit het samenstellen en verhandelen van derivate financiële instrumenten. Als laatste onderscheidt men het wholesale businessmodel waarbij deze instituties worden bedoeld die zich focussen op de

14

wholesale markt en interbankenmarkt, hoofdzakelijk op de binnenlandse markt. (Ayadi, Arbak and Pieter De Groen 2011)

De banken die als businessmodel de retail focus aangenomen hadden reeds voor de aanvang van de crisis in 2007-2008, en in dit perspectief dichter bij de traditionele vorm van bankieren aanleunen, hebben in mindere mate blootstelling ondervonden. Deze banken presteren overwegend beter dan de gelijkaardige banken die één van de andere bovenvermelde businessmodellen toepassen. Retail banken blijken bovendien minder nood te hebben aan herfinanciering door de binnenlandse overheid. Bovendien blijken retail banken ook gedurende de crisis in te staan voor een blijvende ondersteuning van de economie en dit door een ononderbroken voortzetting van kredietverlening naar de consument. (Ayadi, Arbak and Pieter De Groen 2011) Deze bevindingen zullen verder in deze studie verklaard worden aan de hand van de specifieke structuur van een retail bank. 2.4.2.2.

Too-big-to-fail

Door de toenemende integratie in de bankenmarkt in zijn geheel worden de banken steeds groter. Bovendien stijgt de complexiteit van zowel hun financiële als organisatorische structuur. Een gevolg hiervan is dat grote banken in een zekere mate zo belangrijk worden dat hun falen ervoor zou zorgen dat de gehele industrie of de binnenlandse economie er hinder van ondervindt . Deze banken kunnen dan ook gezien worden als ‘too-big-to-fail’. Om deze desastreuze schok te voorkomen zijn overheden genoodzaakt om bij te springen en de falende financiële instellingen of banken te voorzien van financiering, noodkrediet en in zekere mate ‘bailouts’. Niettegenstaande deze banken een zekere ‘moral hazard’ problematiek veroorzaken en hierdoor gepercipieerd minder risico zouden inhouden, zal dit enkel leiden tot een lagere mate van idiosyncratisch of bedrijfspecifiek risico. Zo wordt algemeen verondersteld dat grotere banken een hogere marktbèta hebben. Met bèta doelt men op de mate dat de aandeelreturns van de bank bepaald worden door variantie in de markt als geheel of in het systematische risico. (Vander Vennet and Schepens 2009) 2.4.2.3.

Regulatieve oplossingen

De impact van de crisis op het retail gebeuren in de bankenwereld kan niet losgekoppeld worden van de boven verklaarde ‘too-big-to-fail’ problematiek. Naar aanleiding van de financiële crisis in 2007 kwamen een aantal structurele, onderliggende tekortkomingen van de wereldwijde banksystemen aan de oppervlakte. Zoals het rapport van het ‘Treasury Committee’ op aanvraag van 15

het Lagerhuis in Groot-Brittannië aangeeft, konden Europese overheden het falen van systematisch belangrijke financiële instellingen (SIFI) niet toelaten. Een rechtstreeks gevolg hiervan waren de talrijke subsidies en bail outs (House of Commons Treasury Commitee 2011).

Hoe groter de bank, hoe groter het risico dat bij falen het gehele nationale banksysteem hinder ondervindt. Dankzij hun belang voor de binnenlandse economie hebben omvangrijke banken een grotere kans op back-up door de overheid. Deze zekerheid creëert in bepaalde mate een ‘moral hazard’ probleem (moreel risico) of stimulans voor grootbanken om in groter risico te handelen. De expliciete steun van de overheid geeft aan de grootbanken een financieringsvoordeel en dit creëert op zijn beurt een competitief voordeel op de financiële markt. Bovendien is het niet onwaarschijnlijk dat grootbanken er sterke politieke banden op nahouden en hierdoor invloed kunnen uitoefenen op het beleid en de regulering van de overheid, waar men in dit geval spreekt van ‘regulatory capture’ (Anginer, Demirgüç-Kunt and Zhu 2012).

In het finaal rapport van de ‘Independent Commission on Banking’ toegepast op de Britse financiële markt, ook wel het Vickers rapport genoemd, worden twee structurele maatregelen aangehaald om het probleem van een moreel risico en de hierbij aansluitende ‘too-big-to-fail’ problematiek op te vangen en hierbij ook de retail zijde van de bank te beschermen. De eerste optie houdt het afsplitsen in van de depositobank van de rest van de bank, wat een moeilijkere continuïteit van het banksysteem zou betekenen. De tweede optie betreft het plaatsen van een ‘Retail Ring-fence’ rond deze depositoactiviteiten. Het plaatsen van deze bescherming zou de continuïteit van universeel bankieren, zoals door veel Europese banken wordt toegepast, garanderen. Bovendien zorgt de ringfence voor een systeem dat beter bestand is tegen o.a. mogelijke financiële schokken en vermindert het de kans op overheidsgaranties (Independent Commission on Banking 2011).

De ring-fence sluit dus niet uit dat zowel wholesale als retail banken zich blijven toeleggen op de activiteiten van beide businessmodellen. Met andere woorden betekent dit een continuïteit maar limitering op de bestaande universele banken. De beperkingregels focussen zich overwegend op de transfer van kapitaal en liquiditeitsoverschotten tussen beide vormen van bankieren. Zo mag de retail activiteit wel positief beïnvloed worden door andere non-retail bankactiviteiten. Meer bepaald betekent dit, wanneer noodzakelijk, het overstromen van zowel kapitaalbuffers als liquiditeitsoverschotten van de wholesale en investeringscomponent naar de retail component van de bank. De andere stroomrichting, wanneer wholesale en investeringsactiviteiten problemen 16

ondervinden, wordt hier streng verworpen. Dit zou er bovendien voor zorgen dat de banken onderhevig aan een goede en positief gecorreleerde afbakening tussen retail en andere bankactiviteiten in tijden van financiële moeilijkheden de continuïteit van het retailbankieren kunnen garanderen (Independent Commission on Banking 2011) (Saunders and Walter 2011).

Deze vorm van potentiële regulatie kan vergeleken worden met de implementaties in de Verenigde Staten. Aan de hand van de ‘Volcker Rule’ wordt ook hier een oplossing voor het probleem van systematisch belangrijke financiële instellingen (SIFI) gezocht. Deze regel weerhoudt banken van het uitvoeren van bepaalde types van investeringsgericht bankieren, wanneer de depositoactiviteit behouden blijft. Concreet komt dit neer op een beperking voor depositobanken tot het uitvoeren van wholesale en investeringsfuncties (Jay and Julian 2011).

De ‘Volcker Rule’ is een onderdeel van de ‘Dodd-Frank Reform and Consumer Protection Act’. Naast de bovenvermelde beperking legt deze nieuwe wetgeving een verbod op het uitvoeren van ‘proprietary trading’. Met ‘proprietary trading’ wordt het traden of verhandelen van financiële instrumenten en afgeleiden bedoeld met als doel het creëren van eigen winsten en niet op commissie of in het belang van de klant. Ook het principieel investeren in hedge funds en fondsen voor privaat kapitaal. Deze activiteiten worden niet meer toegelaten boven de cumulatieve totaalgrens van 3 % van het kernkapitaal van de bank (Saunders and Walter 2011).

2.5.

Competitie in retail banking

Competitie op zich steunt niet enkel op het creëren van een goed functionerende markt waar bestaande spelers onderling concurreren maar ook op de invloed van nieuwe marktspelers. Een gezonde vorm van competitie zou de huidige marktspelers moeten aanzetten tot het aanbieden van meer en beter uitgewerkte of goedkopere producten en diensten. Door de specifieke natuur van bankieren ligt de nadruk van competitie anders. Retail banken bieden producten aan die lopen over langere termijn en bovendien vaak maar eenmalig worden aangekocht. Bovendien houden veel producten een complexiteit in die zich vaak buiten de kennis van de aankoper bevindt. In dit geval spreekt men van asymmetrische informatie tussen aan- en verkoper (House of Commons Treasury Commitee 2011).

17

Om competitie effectief te maken, moeten consumenten op de hoogte zijn van de inhoud en betekenis van het product dat zij aanschaffen en een relatief inzicht hebben in de kost ervan. Bovendien is de mogelijkheid tot het wisselen van provider in essentie een noodzakelijke factor tot efficiënte competitie.

2.5.1.

Gebreken in de huidige competitievorm

Juist deze bovenvermelde condities van effectieve competitie zijn momenteel niet vervuld. Het rapport over de concurrentie in de Britse financiële retailmarkt geeft een duidelijk tekort aan, of het ontbreken van, voldoende prijstransparantie en vergelijkbaarheid tussen de verschillende kredietverleners in de retailmarkt (House of Commons Treasury Commitee 2011).

De hoofdkenmerken van een marktefficiënte concurrentie zijn dus tweeledig. In de eerste plaats speelt de mogelijkheid voor klanten tot het eenvoudig veranderen van provider een belangrijke rol. Vooral in de ‘lopende rekeningen’ kan men op dat vlak spreken van een dominantie van een aantal grote marktspelers. Bovendien wijzen studies op het belang van deze segmentdominantie, in die mate dat zicht- en vooral lopende rekeningen kunnen beschouwd worden als ‘gateway’ producten. Dit betekent dat dominantie in dit segment ook implicaties teweegbrengt in andere marktsegmenten van deze sector. Met andere woorden creëert een overheersing van een aantal spelers op dit segment de mogelijkheid voor deze spelers om eveneens meer en eenvoudiger marktaandeel te verwerven in aansluitende marktdelen (House of Commons Treasury Commitee 2011) (Independent Commission on Banking 2011)

Als tweede opmerking kan terug verwezen worden naar de bovenvermelde prijstransparantie en vergelijkbaarheid. Veel klanten zijn zich vaak niet bewust van de kosten verbonden aan de financiële producten die hun bank hen aanbiedt. Bovendien is het zeer moeilijk om tussen verschillende banken onderling een goede vergelijking in aanbod en prijscategorie uit te voeren. De gemiddelde klant is bovendien niet capabel de bijgeleverde informatie door de bank geleverd volledig te vatten. Dit volgt niet enkel uit de moeilijkheid en vaak het juridisch karakter, maar tevens uit de overdadige hoeveelheid van informatie (House of Commons Treasury Commitee 2011).

18

2.6.

Competitief voordeel retail businessmodel

De huidige onstabiele financiële markten, de recessie van de voorbije jaren en de vele oorzaken van de financiële crisis creëerden in de bankenwereld, zowel bij managers, overheden, als toezichthouders het besef dat de huidige businessmodellen niet feilloos zijn. Naargelang de variërende balansstructuur van de verschillende businessmodellen van banken kan er een specifieke impact van de crisis bepaald worden en kunnen risico’s waargenomen worden.

In dit perspectief zal deze studie vooreerst een overzicht geven van de businesseigen risicostructuur van een retail bank. Hierbij wordt aan de hand van de bestaande literatuur een overzicht gegeven van zowel de activa-, passiva- of financieringstructuur als de retaileigen inkomstenstroom. Deze modelspecifieke analyse geeft de mogelijkheid om de transitie die de bankenwereld meemaakt in de schaduw van de huidige financiële crisis beter te begrijpen. Bovendien kan inzicht verkregen worden in het competitieve voordeel dat retailbankieren met zich meebrengt. Er wordt een overzicht gegeven van de positieve impact van de retail strategie op het risicoprofiel van de bank. Hierbij wordt aan de hand van de literatuur aangetoond welke voordelen andere niet-retail georiënteerde banken zouden kunnen creëren door een transitie naar retailbankieren.

2.6.1.

Activa

De mate waarin een bank leningen uitgeeft wordt gebruikt om de activazijde van retail banken aan te duiden. Banken die overwegend actief zijn in het aanbieden van kredieten zijn onderhevig aan cyclische bewegingen in de markt, maar in mindere mate gevoelig aan echte marktschokken, zoals de huidige financiële crisis. Aangezien retail banken zelf instaan voor de controle en kredietwaardigheid van hun klanten bepalen zij mede hoe stabiel hun inkomsten zich zullen manifesteren. Hiermee bedoelt men dat wanneer een grondige en waarheidgetrouwe evaluatie van de klanten uitgevoerd wordt retail banken zich kunnen beroepen op een zeer stabiele vorm van inkomsten (Vander Vennet and Schepens 2009).

Ook op vlak van de activasamenstelling leidt het onderzoek van Baele et al. (2010) echter tot de waarneming dat banken met een hoge mate van ‘consumer loans’ gevoeliger zijn aan algemene marktschokken maar dat hun idiosyncratische risicofactor en de totale volatiliteit lager ligt. Zij maken bovendien een onderscheid in de verschillende leningscategorieën van een bank. Zo wijzen 19

ze ook op het bestaan van landbouwleningen die een significante inperking hebben op zowel het systematische, idiosyncratische als totale risico van de bank.

De retail conclusies gemaakt door Schepens en Vander Vennet (2009) volgen het effect van de leningen vermeld door Baele niet helemaal. Zij halen aan dat banken overwegend actief in de leningsactiviteit inderdaad onderhevig zijn aan businesscycli. Wat de financiële markt schokken echter betreft, zouden deze banken juist minder invloed mogen ondervinden. Schepens en Vander Vennet nuanceren bovendien de invloed van de businesscycli. In hun analyse zouden banken met een stabiele vorm van leningactiviteiten dan wel beperkt onderhevig zijn aan deze cycli, doch zouden deze eveneens een lagere systematische risicofactor hebben dan andere banken.

Ook het onderzoek van de ECB in hun working papers series van november 2011 haalt het risico aan veroorzaakt door een toename in ‘securitisation’ en ‘off-balance sheet’ activiteiten. De auteurs tonen bovendien aan dat banken die zich meer toeleggen op deze vormen van activa veel risicovoller zijn, maar dat een toename van leningsactiviteit een significante reducerende invloed heeft op de kans dat de bank zal falen (Altunbas, Manganelli and Marques-Ibanez 2011).

De aandelenmarkt reageert ook negatief op banken met een bepaalde vorm van bankpassiva op vlak van returnimplicaties. Dit komt onder andere tot uiting in de mate waarin banken meer liquide activa aanhouden. Alhoewel dit in de normale context positief effect zou creëren op de marktreturns, werden deze liquide middelen mogelijks geassocieerd met de ‘mortgage-backed securities’, die juist later voor de non-liquiditeit verantwoordelijk waren op de financiële markten (Ayadi, Arbak and Pieter De Groen 2011).

Verder kan ook gekeken worden naar het verschil in de gerapporteerde ‘risk weighted assets’ bij zowel retail banken als niet-retail banken. Zo volgt uit het rapport van het CEPS (Ayadi, Arbak and Pieter De Groen 2011) dat banken die retailgericht zijn overwegend hoge z-scores en RWA hebben in vergelijking met wholesale en investeringsbanken. De z-score rapporteert de standaardafwijking ten opzichte van de kans dat een bank faalt of zware solvabiliteitsproblemen ondervindt. De hogere mate van RWA voor retail banken kan te wijten zijn aan het gebruik van de eerder vermelde buitenbalans activiteiten van de wholesale en investeringsbanken. Zij slaagden in de aanloop van de crisis in het uitvoeren van ‘regulatory arbitrage’ of het doelbewust activa van de balans weren om kapitaalvereisten te omzeilen. In het verdere verloop van de crisis werd duidelijk dat het risico nog 20

steeds aanwezig blijft in de banken. Dit maakt van de z-score een minder relevante risicoparameter gedurende de crisis (Ayadi, Arbak and Pieter De Groen 2011).

2.6.2.

Passiva

De mate waarin een bank zich toelegt op het gebruik van deposito’s wordt dan weer gebruikt om de financieringsbeslissingen van de bank te meten. Banken die een uitgebreide hoeveelheid aan deposito’s hebben kunnen verondersteld worden stabieler te zijn.

Retail banken die hun

financiering halen uit deposito’s zijn minder risicovol dan banken die betrouwen op geldmarktmiddelen en dus berusten op een diepgaande financiering via de wholesale kapitaalmarkten. (Demirgüç-Kunt and Huizinga 2009).

Bovendien wordt er aangetoond dat traditionele banken, met een hoge mate van interest inkomsten en steunend op een depositofinanciering, duidelijk veiliger zijn. Dit in tegenstelling tot banken die zich richten op een ‘wholesale capital market’ oriëntatie qua financiering en inkomsten genereren uit non-interest activiteiten. Deze conclusies impliceren niet dat universele banken zich volledig moeten ontrekken van de non-deposito of non-interest activiteiten, alhoewel de bewijzen voor diversificatievoordelen bij deze activiteiten eerder beperkt zijn. (Ayadi, Arbak and Pieter De Groen 2011)

De resultaten uit het onderzoek van Schepens en Vander Vennet (2009) duiden op een lagere volatiliteit en de laagste vorm van systematisch risico bij retail banken over de verschillende businesscyclussen heen. Dit wijst op een betere crisisbestandheid van retail banken in vergelijking met investeringbanken. Banken met een solide depositobasis kunnen bovendien gezien worden als minder risicovol aan de hand van een kleinere marktbèta en worden dusdanig als minder risicovol gepercipieerd door de investeerders (Vander Vennet and Schepens 2009).

Verder determineren Beale et al. (2010) de risico’s verbonden aan de specifieke balanssamenstelling van banken. In deze paper wordt aan de hand van zowel de activasamenstelling, de financieringsstructuur als de inkomstenstroom het modelspecifiek risico bepaald. Bovendien maken zij een onderscheid tussen de verschillende soorten deposito’s aanwezig in de financieringsstructuur van een bank. Wat betreft het aandeel van deze deposito’s in handen van retail klanten beperkt deze studie zich tot de ‘interest-bearing core deposits’. De 21

auteurs concluderen, in lijn met het eerder vernoemd onderzoek van Hirtle & Stiroh (2007), dat, alhoewel de retail activiteit kan gezien worden als een relatief stabiel activiteit, zij leidt tot lagere returns. De auteurs halen aan dat aan de hand van de ratio ‘deposits-to-assets’ en CAPM risicobepaling banken met een hoge depositobasis idiosyncratisch risicovoller zijn maar een duidelijk lager systematisch risico inhouden. Deze uiteenzetting volgt de conclusies van Schepens (2009).

Ook Shleifer en Vishny (2010) halen aan dat wanneer banken hun financieringstructuur opbouwen rond retail deposito’s zij veel stabieler zijn in tijden van crisis dan hun tegenhangers gericht op een wholesale financiering. Zij halen ook het belang aan van de mogelijke depositogaranties verleend door de overheid bij een mogelijkheid tot falen van de bank. Naast deze depositogaranties wijzen onder ander Song en Thakor (2007) op hoge voorspelbaarheid van klantenverloop bij depositogerichte banken. Beide impliceren een mindere mate van onzekerheid wat de stabiliteit en het risicoprofiel van een depositobank enkel versterkt.

Bovendien wordt in dit perspectief in de literatuur aangetoond dat de aandelenmarkt de banken beloont die zich toeleggen op meer depositofinanciering. Dit is in lijn met de negatieve implicaties verbonden aan de wholesale financieringsmarkt en de onzekerheden die dit met zich meebracht voor de onderliggende banken. (Ayadi, Arbak and Pieter De Groen 2011). Op het moment dat de financiële markten uitdroogden en wholesale financieringsbronnen niet langer beschikbaar of onbetaalbaar waren, werden banken die zich financierden aan de hand van deposito’s hoger gewaardeerd door de markt. (Demirgüç-Kunt and Huizinga 2009)

Concluderend kan hier gesteld worden dat banken die zich beroepen op een meer ‘wholesale’ wijze van financiering als risicovoller gezien worden dan banken met een retail focus.

2.6.3.

Inkomsten

Wat betreft de inkomstenstroom eigen aan de retail activiteit kan verwezen worden naar de mate van interestinkomen ten opzichte van het totale inkomen van de bank. Eerder werd het belang van de interest marge voor retail banken reeds vermeld. Door de toegenomen deregulatie gedurende de laatste jaren zijn grootbanken niet langer onderhevig aan strenge beperkingen op het uitvoeren van retail activiteit, naast hun andere non-interest genererende activiteiten. Uit vroegere studies

22

o.a. van Stiroh (Stiroh 2007) kan afgeleid worden dat deze non-interest activiteiten risicovoller zijn in tegenstelling tot de interest genererende activiteiten.

In het onderzoek van het ‘European Bank Center’ (EBC) gaan de auteurs dieper in op de financieringsstructuur gekoppeld aan een specifiek bank businessmodel. Hier wordt geconcludeerd dat bij een lage mate van non-interest inkomsten in combinatie met een lage mate van nondeposito financiering er diversificatievoordelen kunnen plaatsvinden wanneer beide toenemen in belang. Niettegenstaande deze toename hogere returns impliceert, gaat dit gepaard met een significante stijging in het risico.

Ook De Jonghe (2010) haalt aan dat de transitie van banken naar meer niet-traditionele activiteiten verantwoordelijk is voor een toename in de bèta’s. Deze niet-traditionele activiteiten liggen in dermate verder weg van het retail businessmodel en duiden op een afname van de stabiliteit van de bank. Interestinkomen kan, naast de andere vormen van inkomsten gegenereerd door een bank, gezien worden als minder risicovol en komt juist voort uit de implementatie van zowel depositofinanciering als leningverstrekking.

In tijden voorafgaand aan vroegere crisissen kon er een excessieve toename van de leningsactiviteit waargenomen worden (Reinhart and Rogoff 2008). In de periode voorafgaand aan deze financiële crisis kan men spreken van een toename in de diversificatie van de inkomstenstromen. In de eerste plaats situeerde deze zich in een toename van de niet interestgenererende activiteiten, overwegend in trading en investeringsdomeinen. Eenvoudig gezien zou deze diversificatie van inkomsten moeten bijdragen tot grotere mate van stabiliteit voor de onderliggende bank. Toch wordt non-interestinkomen gezien als een veel meer volatiele activiteit, vooral in periodes van financiële onzekerheid. Zo kunnen in periodes van financiële onzekerheid en stijgend systematisch risico deze diversificatievoordelen niet langer standhouden (Altunbas, Manganelli and MarquesIbanez 2011).

23

2.7.

Relatiegericht bankieren

Voor de verduidelijking van het begrip ‘relationship banking’ kan verwezen worden naar het verrichte werk van o.a. Arnoud W.A. Boot (Boot 2000) en Berger (Berger 1999). In het algemeen kan relatiegericht bankieren gebaseerd worden op twee hoofdelementen. Eerst en vooral (1) engageren relatiegerichte banken zich tot meerdere interacties met de respectievelijke kredietnemers en (2) gebeurt dit aan de hand van meerdere producten over de relatie heen. Bovendien investeren de banken in het verkrijgen van vaak kostelijke, private informatie die ook vertrouwelijk blijft. (Memmel 2007)

Voorgaande studies onderzochten overwegend het effect van relatiegericht bankieren of leningverstrekking op de resultaten en het risicoprofiel van de onderneming en in mindere mate de, vermeende, positieve implicaties voor de banken. Bovendien situeert deze studie zich in een opmerkelijke marktsituatie waar liquiditeitsproblemen zowel bij banken als bedrijven waarneembaar zijn. De literatuur toont in dit opzicht reeds de impact aan van relatiegericht bankieren tijdens een financiële crisis op de resultaten van KMO’s in de Republiek Korea (Ferri, Kang and Kim 2001). Het onderzoek van Ivashina en Scharfstein geeft interessante inzichten weer omtrent de liquiditeitspositie van banken in tijden van crisis (Ivashina and Scharfstein 2010). Hun studie toont aan dat banken die een betere toegang hebben tot depositofinanciering in mindere mate hun kredietverlening beperken gedurende de crisis en dus minder afhankelijk zijn van KT schuldfinanciering.

De huidige studies richten zich overwegend op ‘relationship lending’, wat voortkomt bij een hechte band tussen een onderneming en een financiële institutie (Petersen and Rajan 1995) en bovendien meer duidt op de onderliggende activiteit van de retail relatie dan op de algemene allesomvattende relatie met de consument. Deze vernauwing is hoofdzakelijk het gevolg van een tekort aan betrouwbare data en het vaak subjectieve en arbitraire karakter van de bepaling en afbakening van de relatie.

Het nut van relatiegericht bankieren en het competitief voordeel in tijden van zware concurrentie werd reeds uitvoerig aangehaald in de literatuur. Agarwal et al. onderzoeken empirisch de mogelijke voordelen van relatiegericht bankieren in de context van bankkredietverlening aan de hand van kredietkaarten. Zij kunnen onder ander aantonen dat een goede relatie met de 24

consument aanleiding geeft tot een lagere graad van klantenverloop en er bovendien minder kans is op het falen van de terugbetaling van de kredietverlening. Verder leidt een focus op relatiegericht bankieren volgens de onderzoekers tot een grotere graad van gebruik van aangeboden diensten. (Agarwal, Chomsisengphet, Liu and Souleles 2010) De informatie die kan vergaard worden doorheen de relatie tussen de bank en de klant leidt, zoals aangetoond wordt, tot een betere voorspelling van de toekomstige noden en behoeften van de klant. Dit zorgt dat de bank op zijn beurt betere controle en opvolgingsmogelijkheden kan uitwerken. Ook W.A. Boot toont de waardetoevoegende rol van relatiegericht bankieren aan, maar wijst op het belang van de mogelijke invloed van differentiatie in de financiële markt op het nut van relatiegericht bankieren (Boot 2000). Bovendien wordt het tekort aan empirische studies die zich richten op de eigenlijke ‘bronnen’ van waardecreatie door relatiegericht bankieren aangehaald. Vroegere studies richtten zich overwegend op het aantonen van de relatie op zich en de impact voor grote bedrijven, sluitend op vlak van de totale ondernemingswaarde.

In dit perspectief duidt zich het belang van zowel retail als relatiegericht bankieren en rijst al dan niet de vraag of in het post-crisis tijdperk er een competitief voordeel zal blijven bestaan. Bovendien dient dieper ingegaan op de invloed van de massale bail outs, subsidies en garanties door de nationale overheden en of deze de competitie in de retailmarkt al dan niet op de helling plaatsen.

Het verdere empirische onderzoek zal dieper ingaan op de voordelen eigen aan de retailgerichte bank. Bovendien wordt nagegaan wat de implicaties zijn, zowel in aanloop van als gedurende de crisis, voor retail en non-retailbanken als gevolg van hun businessstrategie.

25

3. Data Voor de samenstelling van de datasample maakt deze studie gebruik van de Bankscope Database ontwikkeld door Bureau van Dijk. Hierbij wordt een groep van 140 Europese banken gevormd uit 16 verschillende landen en dit over een periode van 2004 tot en met 2009. Bovendien werd bij de samenstelling van deze sample specifiek gezocht naar banken die in zekere mate retail activiteiten onderhouden. Aangezien deze studie zich beperkt tot de implicaties voor de Europese retail bankenmarkt, en dan ook in dit opzicht de invloed op de resultaten van de banken door de keuze van een specifiek retailgericht beleid, werd de relatie tot de consument in mindere mate in aanschouwing genomen. Door deze keuze richt dit onderzoek zich voornamelijk op de invloed van de reeds doorlopen en huidige crisis op het specifieke businessmodel van de Europese banken. Verder wordt van deze banken specifieke jaarrekeningvariabelen verzameld die essentieel zijn voor het berekenen van de nodige ratio’s. Deze ratio’s creëren een afbakening van de mate van retail van de verschillende banken in de sample. De verzamelde groep banken wordt op meerdere manieren opgedeeld in subsamples. Een eerste opdeling gebeurt aan de hand van specifieke periodes. De subsample 2004-2006 duidt op de periode vóór de financiële crisis terwijl de subsample 2007-2009 de periode gedurende de crisis probeert te vatten. Jaarlijks wordt bovendien aan de hand van de verder vermelde ratio’s telkens specifiek voor elke ratio een onderverdeling gemaakt voor de meest en minst retailgerichte banken.

Verder werd aan de hand van de Thomson Reuters Datastream database de dagelijkse returns van deze 140 banken verzameld over de betreffende periode. Hierbij wordt er gebruikgemaakt van de aandeelprijzen inclusief de uitgegeven dividenden en bovendien rekeninghoudend met de stock splits. Deze specifieke inclusie van dividenden geeft een realistischere weergave van de exacte marktwaarde van de onderneming in vergelijking met een

waardering waar de normale

aandeelprijs centraal zou staan.

Na eliminatie van banken met essentiële ontbrekende gegevens wordt de datasample gereduceerd tot 118 banken.

26

3.1.

Event window

Om een vergelijkende studie uit te voeren van het effect van de mate van retail oriëntatie is een goed tijdskader noodzakelijk. Om verder de evolutie doorheen de vastgoed- en bankencrisis en de mate waarin deze transitie invloed heeft op de prestaties en risicoprofiel van de banken dient een duidelijke tijdsafbakening vooropgesteld. Volgens ‘The Financial Crisis: A Timeline of Events & Policy Actions’ gepubliceerd door de Federal Reserve Bank van St.Louis kan de aanvang van de crisis gesitueerd worden in februari 2007. De eerste signalen van problematiek op de financiële markten werden uitgezonden door Freddie Mac, de Federal Home Loan Mortgage Corporation (FHLMC). Deze organisatie wijzigde meer bepaald zijn portfolio met o.a. de stopzetting van het aankopen van risicovolle (subprime) hypotheken. Met de problematiek van de Amerikaanse investment bank Bear Stearns, in maart 2007, werd de crisis ook merkbaar doorheen de totale bankenmarkt en in de financiële resultaten. Concreet kan het jaar 2007 dan ook gezien worden als het beginjaar van deze crisisperiode.

Samengevat zal dit onderzoek een vergelijkende studie inhouden over de periode vóór de vastgoed/bankencrisis in vergelijking met de periode gedurende de crisis. Zoals eerder vermeld zal meer specifiek de periode 2004-2007 vergeleken worden met de periode 2007-2009.

27

4. Onderzoeksopstelling 4.1.

Retail determinanten en afbakening

Aan de hand van de definiëring van het begrip retail in de literatuurstudie voorafgaand aan dit onderzoek, kan afgeleid worden welke determinanten een duidelijke en essentiële afbakening van de mate van retail van elke bank kunnen bepalen. Zoals reeds eerder werd aangehaald, bestaat er geen algemene duidelijke definiëring van het begrip retail en kan er ook zelden of niet sprake zijn van een louter retailgerichte bank. In deze mate situeert elke bank zich op een spectrum van zeer retailgericht, doch niet louter, tot amper retail georiënteerd. Hirtle en Stiroh (2007) vormen hierbij baanbrekend werk en maken gebruik van een drietal ratio’s. Hun maatstaven voor retail intensiteit bestaan uit de ‘retail loan share’, ‘retail deposit share’ en ‘branches on total assets’. Hierbij omvatten zij de drie pilaren van retailbankieren: kredietverlening, depositocreatie en filiaal of distributiepenetratie. Dit is min of meer in lijn met het onderzoek van Schepens en Vander Vennet (2009). Deze auteurs maken gebruik van de ratio’s ‘loans-to-assets’ en ‘deposits-to-assets’, maar gaan niet dieper in op de distributie van retail banking. Deze keuze van retail afbakening volgt het onderzoek van Clark et al. (2007).

In deze zin wordt bij de datasample van 118 banken geopteerd voor het berekenen van een drietal ratio’s om de intensiteit van de retail activiteiten te bepalen. Deze drie ratio’s liggen grotendeels in lijn met de bovenvernoemde onderzoeken en houden elk rekening met een bepalende factor van de retail focus van de banken. Zowel de actiefzijde, passiefzijde als de inkomstenstroom wordt in kaart gebracht met behulp van respectievelijk de ‘Total Loans on Total Assets’, ‘Total Customer Deposits on Total Funding’ en ‘Interest Income on Total Income’. Op de laatste belangrijke factor van retail activiteit, namelijk het distributiekanaal of het aantal filialen van de betreffende banken kan niet dieper ingegaan worden. Deze gegevens zijn niet beschikbaar in de bovenvernoemde database. Niettegenstaande vormen de bovenvermelde ratio’s een voldoende sluitende afbakening voor de retail intensiteit van de banken rekeninghoudend met de intentie van deze studie.

De eerste ratio geeft de mate aan van de totale kredietverlening die de bank uitgeeft aan particulieren op de totale activa van de bank. Hierbij duidt een toenemende ratio op meer retail activiteit, aangezien de totale hoeveelheid klantgerichte kredietverlening relatief toeneemt ten opzichte van de totale activa van de bank. De tweede ratio waarvoor in deze studie geopteerd is, 28

vormt het belang van de klantdeposito’s ten opzichte van de totale financiering van de bank. Ook hier duidt een toenemende ratio op een toenemende mate van retailgerichtheid van de bank. De laatst vernoemde ratio geeft aan in welke mate de bank inkomsten genereert uit interest genererende activiteiten. Zoals eerder vermeld, haalt een retail georiënteerde bank een groot deel van zijn inkomsten uit activiteiten waarbij de interestspreiding centraal staat. Dit duidt op een belangrijke inbreng in de jaarrekening op vlak van ‘Interest Income’. Hoe hoger het interestinkomen (voortkomend uit de marge tussen kredietverlening en deposito interesten) ten opzichte van het totale inkomen van de bank, hoe intensiever de bank zich focust op retail.

Vervolgens wordt per ratio en voor elk jaar bepaald welke banken de hoogste en laagste waarden bekomen en dus verder kunnen gespecificeerd worden als retail- of niet-retailgerichte bank. Hierbij wordt de sample van 118 banken opgedeeld in kwartielen waarbij de 25% hoogst scorende banken worden gezien als het meest retailgericht en de 25% laagst scorende banken overeenkomen met de minst retail gefocuste banken, of met andere woorden respectievelijk het vierde en eerste kwartiel. De randwaarde van het vierde kwartiel is de getalswaarde die de hoogste 25% van de ratiowaarden onderscheidt van de lagere waarden of meer concreet het 75ste percentiel. De randwaarde van het eerste kwartiel is vervolgens de getalswaarde die de laagste 25% van de ratiowaarden onderscheidt van de hogere waarden en dus het 25ste percentiel.

Door deze onderverdeling in kwartielen toe te passen voor elk van de drie ratio’s kan gekeken worden welke banken elk jaar tot de retail groep behoren (wat overeenkomt met de hoogste mate van retail). Deze jaarlijkse subsamples worden later gebruikt voor een specifieke risicobepaling, zowel per bank als per jaar. Deze worden eveneens gebruikt in een evenwaardige portfolio per jaar per ratio en per retail oriëntatie.

Hierbij kan bovendien de transitie van de verschillende banken onderling doorheen de tijdsperiodes waargenomen worden en een eventuele herfocus op retailgerichte activiteiten gesitueerd worden. Bovendien wordt nagegaan of een hogere mate van retail focus van de bank ook daadwerkelijk leidt tot een stabilisatie in de returns en/of een tempering op het risicoprofiel van de onderliggende banken.

29

4.2.

Return en risicomaatstaven

Om een duidelijke returnweergave van de onderliggende banken te verkrijgen werd in de eerste plaats geopteerd voor ‘equity data’. Als eerste return indicator zal men in deze studie gebruikgemaakt van de loutere ‘equity returns’ inclusief de dividenden en met correctie voor mogelijke ‘stock splits’. Bij een stock split wordt de huidige hoeveelheid aandelen opgesplitst in meerdere waardoor het aantal aandelen met een bepaalde factor stijgt en de waarde van deze aandelen met eenzelfde factor daalt. De gewone aandelenkoers geeft een eerste waardemeter over de tijd heen. Zoals eerder vermeld, vormt de dividend geïncorporeerde dagelijkse return een relatief goede weergave van de marktwaarde van de onderneming.

Vooreerst wordt voor alle banken de aandeelprijzen uitgezet over de tijd om de impact van de crisis duidelijk te maken. Voor de berekening van de returns van de banken in de sample werd geopteerd om gebruik te maken van een wekelijkse bepaling. Aangezien de sample bestaat uit dagelijkse aandeelprijzen worden de aandeelprijzen van vrijdag naar vrijdag aan de hand van de hierop volgende opstelling herleid tot de wekelijkse return. Onderstaande formule geeft de berekening van de wekelijkse returns weer, waarbij Pit en Pit-1 ingevuld worden met respectievelijk de dag aandeelprijzen van twee opeenvolgende vrijdagen.

Waarbij:

= return van bank i op tijdstip s. = aandeelprijs van bank i op tijdstip s. = aandeelprijs van bank i op tijdstip s-1.

Vervolgens worden deze 52 wekelijkse returns gesommeerd tot een jaarlijkse returnweergave van de specifieke bank. Aangezien de bepaling van de invloed van de transitie en de mate van retailbankieren op de resultaten van de banken zal in de eerste plaats zal gebeuren aan de hand van de ‘equity market data’ veronderstelt dit onderzoek dat de retail activiteiten van een bank gepaard gaan met een mindere mate van risico dan andere bankactiviteiten. Niettegenstaande deze stelling plausibel kan zijn, dient echter vermeld dat bij hogere mate van risico er een vorm van premium toegekend wordt op de returns. Dit maakt dat return en risk onlosmakelijk verbonden zijn en ook in deze hoedanigheid dienen getest te worden. In deze mate moet, net zoals het onderzoek van Hirtle 30

en Stiroh stelt, rekening gehouden worden met zowel een risico als return parameter om een relatieve performance maatstaf over de businessmodellen heen te bekomen (Hirtle and Stiroh 2007).

Daarvoor wordt naast de jaarlijks returns als sommatie van de wekelijks returns ook de variantie over de wekelijkse returns bepaald. Deze variantie kan gezien worden als een risicoparameter voor de bank in dat specifiek jaar. Beide performance maatstaven worden vervolgens als ratio ten opzichte van elkaar gedefinieerd. Hierbij worden de jaarlijkse returns gedeeld door de jaarlijkse standaarddeviatie

om een ‘Risk adjusted return of RAR’ te verkrijgen. Deze voor risico

gecorrigeerde prestatieparameter wordt in de literatuur ook gedefinieerd als de ‘Sharpe ratio’. Deze ratio is voor het eerst ingevoerd door W.F. Sharpe en vormt een waarderingsinstrument gebruikt bij investeringsportfolio’s. Onderstaande formules geven meer duidelijkheid over de bovenstaande beschrijving. Hierbij duidt de s op de wekelijkse observaties en S op het aantal weken in het boekjaar van bank i.

Net zoals bij het onderzoek van Hirtle en Stiroh (2007) kan men zich afvragen of er al dan niet rekening moet gehouden worden met een onderverdeling van ‘totaal risico’, zijnde de bovenvermelde variantie in de returns, in een systematische risicofactor en een idiosyncratische of bedrijfsspecifieke risicofactor. Het belang van keuze in specifiek risico-onderverdeling hangt in zeker mate samen met de doelstellingen van de onderzoeker en zijn objectiefgerichte interpretatie van de resultaten. Zo testten bepaalde auteurs het specifieke effect van de ‘grootte’ van de onderneming en de hiermee gepaarde mogelijke diversificatievoordelen aan de hand van deze risico-opdeling. Demsetz en Strahan (1997) duiden in hun studie aan de hand van de portfoliotheorie op het feit dat de diversificatie bij Bank Holding Companies voor een daling in het bedrijfsspecifiek risico zorgt maar geen invloed uitoefent op het systematisch risico. Idiosyncratisch risico vormt in de paper van deze auteurs dus een gepaste maatstaf. Wanneer het risicoprofiel 31

bekeken wordt uit het standpunt van een investeerder lijkt het systematisch risico belangrijker aangezien het idiosyncratisch risico kan geëlimineerd worden door diversificatie in het oog van de portfoliotheorie. Regulatieve instanties en overheden zullen dan weer een grotere baat hebben bij een totale risicoanalyse (Hirtle and Stiroh 2007).

In dit onderzoek werd niet gekozen voor een bankspecifieke analyse op vlak van risico. Voor elke bank, aangeduid als retail of niet-retail, werd een systematische risicofactor berekend aan de hand van het verder vernoemde ‘Capit Asset Pricing Model’ (CAPM). Voor de latere portfolioanalyse van samples, waarbij een onderscheid werd gemaakt tussen retail- en niet-retail georiënteerde banken, wordt voor een beter inzicht te krijgen in de businessmodel specifieke risicobepaling wel een onderscheid gemaakt tussen totaal, systematisch en idiosyncratisch risico. Voor de verder bespreking van het gebruik van het CAPM wordt verwezen naar de volgende paragraaf.

4.3.

Capital Asset Pricing Model

Voor de bepaling van het marktgerelateerde risico en de mogelijke onderverdeling in systematisch en idiosyncratisch risico werd geopteerd voor het ‘Capital Asset Pricing Model’. Voor het uitgevoerde onderzoek werd een onderscheid gemaakt in twee soorten samples en risicobepaling. In beide gevallen werd het CAPM toegepast op verschillende wijze en met variërende intenties. Deze zullen na een korte uiteenzetting over de keuze en vormgeving van het CAPM verduidelijkt worden.

Het meest conventionele model in risico- en returnanalyse kan gezien worden als het simpelste factormodel. CAPM is een ‘one-factor’ model ontworpen door Sharpe (1964) en Lintner (Lintner 1965) waarvoor de eerstgenoemde, samen met andere auteurs, in 1990 de Nobelprijs in de economie ontving. Het model vormt een singuliere regressie van de marktreturns ten opzichte van de bedrijfsreturn. Hiermee wordt de mate bepaald waarin de returns van een specifieke onderneming aan de hand van de marktreturns kunnen verklaard worden. Het CAPM kan als volgt weergegeven worden:

32

Waarbij

de verwachte return is van bank i voor tijdstip t. Risicoloze interestvoet wordt

weergegeven door de factor

. Voor deze risicoloze interest die relevant is voor alle leden van de

Eurozone wordt in deze studie verder gebruikgemaakt van de interbancaire Euribor rate met een maturiteit of duurtijd van 3 maanden. De bèta of rico van de singuliere factor van het model, hier aangeduid als

, geeft het systematisch risico van een specifieke bank i weer voor tijdstip (jaar) t.

De marktreturns worden aangeduid als

en zullen in het verdere onderzoek ingevuld worden

aan de hand van de Thomson Reuters Datastream marktindex voor de Europese Unie bestaande uit ongeveer 1950 aandelen met als basisdatum Januari 1973. Bovendien kan de bovenstaande vergelijking hervormt worden tot een meer eenvoudig implementeerbare versie:

Waarbij

staat voor de excesreturns van de specifieke bank en vervolgens

de exces marktreturn weergeeft. Bovendien werd aan bovenstaande vergelijking een constante term

toegevoegd. Volgens de theorie van het CAPM zou deze factor niet significant verschillend

van nul mogen zijn. Wanneer dit wel het geval is, is er naast de exces marktreturn nog een andere verklarende factor voor de variantie in de returns van de onderliggende bank. In functie van het gebruik van de kleinste kwadraten methode of the ‘(Ordinary) Least Squares method’ werd deze constante echter toegevoegd. Deze methode voert een lineaire regressie uit waar een constante noodzakelijk is. Het weglaten van deze constante kan er mogelijks voor zorgen dat de som van de storingstermen verschillend van nul zal zijn en zou de R² statistiek mogelijks negatief wordt.

Het CAPM model kan volgens vele auteurs nog uitgebreid worden met additionele factoren. Zo incorporeren Demsetz en Strahan (1997) en ook Stiroh (2006) een aantal bijkomende interestvoeten in de vergelijking. Meest bekend in de literatuur die dieper ingaat op de extensies van het CAPM is onder andere het model van Fama en French (Fama and French 1993; Fama and French 1996). Recenter creëerde Stiroh ook een allesomvattend model of het ‘Nine-Factor’ model (Stiroh and Schuermann 2006) dat negen additionele factoren eerder vermeld in de literatuur incorporeert in de CAPM-vergelijking. Voor het verdere onderzoek in deze paper zijn deze additionele verklarende factoren echter niet significant genoeg in vergelijking met het relatief belang van de marktfactor. Er wordt dan ook verder geopteerd voor het simpele maar efficiënte ‘single-factor’ CAPM. 33

Dit CAPM zal in eerste instantie jaarlijks toegepast worden op de banken die, voor elke ratio individueel, behoren tot de groep met zowel de hoogste als de laagste mate van retail intensiteit. In een enkelvoudige regressie van de exces marktreturns op de excesreturns van elke individuele bank, behorend tot deze samples, kunnen de bèta’s afgeleid worden. Het uitzetten van deze bètawaarden over de tijd zal een eerste indicatie geven voor de risicovariatie gedurende de verschillende tijdsperiodes en een onderscheid weergeven in systematische risicoprofilering tussen de verschillende businessmodellen. Bovendien zullen de tendensen, aangegeven door de verschillende ratio’s, inzichten verlenen over zowel de activa- , financieringsstructuur als de retailgebonden inkomstenstroom gedurende en in aanloop van de financiële crisis.

4.4.

Portfoliosamenstelling

Verder zullen, naast de bovenvermelde bankindividuele regressies, portfolio’s samengesteld worden van de banken per jaar, per businessmodel en per ratio. De banken werden per ratio en per jaar onderverdeeld in retail of niet-retail georiënteerd. Deze subsamples van telkens een kleine dertig banken worden gebruikt voor het creëren van een portfolio-index. Hierdoor wordt voor elke ratio gedurende de periode 2004-2009 voor elke jaar een portfolio opgesteld, dit zowel voor retail als non-retail. Hierdoor wordt een totaal van 36 portfolio’s bekomen.

Voor de indexering of portfolio samenstelling van de aandeelprijzen van de onderliggende banken werd geopteerd voor de ‘Equally weighted Index’. Deze gebalanceerde manier van indexering geeft aan elk aandeel een gelijk gewicht in de portfolio. Zowel prijs- of kapitalisatiegebalanceerde portfolio’s zijn in zekere mate beïnvloedbaar voor bepaalde schokken in de aandelenmarkt. Aangezien het onderzoek zich juist richt op een periode van financieel tumult zorgt een ‘Equally weighted Index’ voor een gelijke interpretatie van zowel het retail als non-retail businessmodel. Deze index geeft bovendien aandelen met de grootste percentuele wijziging de grootste invloed. Voor de berekeningen en de toepassing van een ‘Equally weighted Index’ methode kunnen twee mogelijkheden overwogen worden: ‘Geometric’ of ‘Arithmetic Average’ (Spyros, Dimitrios and Nikolaos 2010). Bij het geometrisch gemiddelde staat de

vierkantswortel van de

vermenigvuldiging van alle opeenvolgende aandeelprijzen centraal, waarbij

het aantal banken in

de sample voorstelt. Bij het rekenkundig gemiddelde staat de gemiddelde som van de opeenvolgende aandeelprijzen centraal. De eerste methode zou de algemene marktperformance onderschatten. Bovendien haalt Spyros et al. (2010) aan dat beide methodes bepaalde bias

34

veroorzaken in de resultaten. Niettegenstaande tonen zij aan dat voor korte investeringsperiodes de rekenkundige methode kan gebruikt worden.

Voor de berekening van de verder 36 portfolio’s of indexen werd dus gebruikgemaakt van onderstaande formule of het ‘Arithmetic average’:

Vervolgens worden van de bekomen portfolio’s opnieuw aan de hand van de bovenvermelde risico en return maatstaven de nodige parameters verkregen. Op vlak van rendement komt dit neer op zowel de jaarlijks gesommeerde wekelijkse logaritmische returns als de RAR. Op vlak van risico wordt de variantie van deze returns geobserveerd. Bovendien wordt het CAPM toegepast op elke portfolio individueel. Zo wordt er een jaarlijkse bètacoëfficiënt bekomen voor zowel de retail als de non-retail banken en dit voor elke ratio. Verder wordt dit systematisch risico aangevuld met een verdere risico-opdeling. Aan de hand van de storingstermen uit het CAPM wordt het idiosyncratisch of modelspecifiek risico berekend. Deze return en risicomaatstaven kunnen vervolgens uitgezet worden over de tijd wat een verduidelijking biedt voor het onderscheid tussen zowel de verschillende ratio’s als businessmodellen over de samplejaren heen.

4.5.

Significantie

Om vervolgens de bèta’s tussen de verschillende businessmodellen te kunnen vergelijken zal geopteerd worden voor een Wald-test. Deze test wordt gebruikt om de significantie van bepaalde verklarende variabelen in een statistisch model te controleren. Normaliter wordt deze test gehanteerd om na te gaan of de coëfficiënten gelijk zijn aan nul. In dit onderzoek echter wordt elke bètawaarde van het ene (retail) businessmodel vergeleken met de overeenkomstige bèta in het ander (non-retail) businessmodel voor hetzelfde jaar en dezelfde ratio.

Bij het zoeken naar een significant verschil in de idiosyncratische risicocomponent en de totale volatiliteit wordt gebruikgemaakt van een gelijkheidstest tussen centrumwaarden. Hierbij worden voor het totale risico de twee vergeleken returnsamples onderling getest op gelijkheid en de twee reeksen storingstermen voor het idiosyncratische risico. In eerste instantie zou kunnen geopteerd 35

worden voor de Levene’s test voor gelijkheid in variantie. Aangezien voor de berekening van zowel het totale als het idiosyncratische risico gebruikgemaakt wordt van de standaardafwijking lijkt deze test gepast. De Levene’s test gebruikt echter de gemiddelde waarden voor het vergelijken van de varianties. Hierbij wordt een normaalverdeling van de onderliggende waarden verondersteld. In dit perspectief moet dus eerst de normaliteit van gebruikte reeksen getest worden. Hiervoor kan de Lilliefors test worden gehanteerd.

4.6.

Panelregressie

Het finale empirisch onderzoek bestaat uit een regressie van zowel de individuele risicofactoren als de returnmaatstaven op de retail intensiteit ratio’s en een aantal controlevariabelen. In deze opstelling volgt dit onderzoek min of meer de voorgaande proefneming van Hirtle en Stiroh (2007). Deze auteurs richten zich echter op een aantal verschillende returnmaatstaven die ofwel op de marktwaarde ofwel op de boekwaarde georiënteerd zijn. In het onderstaande onderzoek werd echter eerder geopteerd voor een diepgaand risico en performance afweging.

Statistisch gezien heeft het gebruik van een panelregressie een aantal voordelen ten opzichte van een loutere cross sectie of een tijdsreeks. Enkele relevante voorbeelden worden inde literatuur aangehaald, waarbij specifiek verwezen kan worden naar het onderzoek van Baltagi (2005). Door het onderzoeken van herhaalde cross secties van data over de tijd kan een beter inzicht verkregen worden in de dynamische structuur van veranderingen in een marktgebeuren.

Aan de hand van een panelregressie wordt nagegaan of er cross-sectionele verschillen zijn in de retail intensiteit en welke invloed zij hebben op de return en risico van de onderliggende banken. Zo worden voor elke bank per jaar zowel de drie ratiowaarden als de specifieke return en risicoparameters bepaald en in een panelregressie geanalyseerd. Het doel van deze opstelling is het nagaan van de mogelijk geassocieerde meerwaarde in returns gekoppeld aan de stabielere activiteiten van retailbankieren. Bovendien wordt ook nagegaan of de focus, of retail oriëntatie, ook daadwerkelijk zorgt voor een daling in het algemeen risico van de bank. Deze regressie kan verder zowel uitgevoerd worden voor de sample van alle 118 banken in zijn geheel als in een aantal subsamples. Een onderverdeling in de pre- en postcrisis periode, namelijk 2004-2007 en 2007-2009, kan zo duidelijkheid scheppen omtrent de wijzigingen in zowel rendement- als risicoprofiel van de verschillende businessmodellen naar aanleiding van de financiële crisis. 36

Concreet, kan de panel regressievergelijking, in navolging van Hirtle en Stiroh (2007), als volgt weergegeven worden:

Hierbij vormt de

- waarde één van de rendement of risicoparameters: de bankspecifieke CAPM-

bèta, de variantie van de wekelijkse returns, de jaarlijkse returns en de RAR. Wat betreft de eerste factor van de regressie gaat deze studie uit van

. Deze factor vormt

afzonderlijk elke ratio voor de retail afbakening of een som van alle ratio’s. Ten slotte staat de factor

voor de som van alle opgenomen controlevariabelen. Om een

aantal institutiespecifieke factoren te controleren die invloed kunnen uitoefenen op de performance van de banken werd een beperkt aantal controlevariabelen opgenomen. Onder andere ter controle van de grootte van de onderneming wordt het logaritme van de totale activa of ‘log(TA)’ opgenomen. Zo wordt verondersteld dat banken die een grotere post totale activa noteren in wezen beter in staat zouden moeten zijn om hun risico te diversifiëren. Niettegenstaande kan de huidige crisis die zich juist vooral manifesteerde in grootbanken hier een averechtse relatie aanwijzen. Grootbanken richtten zich in aanleiding van de financiële crisis immers meer op de kapitaalmarken die als risicovoller kunnen beschouwd worden. Bovendien wordt ook geopteerd voor het opnemen van het kwadraat van eerstgenoemde controlevariabele: ‘log²(TA)’. Deze controlevariabele zal een extra controle uitvoeren voor eventuele niet-lineaire effecten van de grootte van de onderliggende bank op zijn performance of risicoprofiel. Als laatste wordt het risico en rendement van onderliggende banken ook getoetst aan de kapitaalstructuur van elke specifieke bank. Hiervoor werd gebruikgemaakt van de ‘Total Capital Ratio’ verkregen uit de Bankscope Database. Hierbij wordt het totale kapitaal van de onderliggende bank bekeken ten opzichte van ‘Risk-weighted Assets’ van dezelfde bank. Deze ‘risico-gewogen’ activa zijn de activa die de bank zelf en aan de hand van een regulatieve risicoschaal definieert. Er wordt dan ook verondersteld dat banken met een hoge kapitaalratio beter bestand zullen zijn tegen eventuele marktschokken en dus, door hun stabielere kapitaalbasis, minder risicovol zullen zijn.

37

4.6.1.

Gefixeerde en random effecten in de panelregressie

Eerst en vooral dient opgemerkt dat de gebruikte sample gezien kan worden als een ongebalanceerde sample. Dit komt voort uit het feit dat niet alle gegevens voor alle banken beschikbaar zijn. Hierdoor heeft niet elke cross sectie evenveel waarden voor elke tijdsperiode. Niettegenstaande de verder gebruikte theorieën gebaseerd zijn op het gebruik van een gebalanceerde sample wordt deze nuancering ingevuld door gebruik te maken van het Eviews 7 softwarepakket. Dit programma houdt rekening met het gebruik van ongebalanceerde samples bij het uitvoeren van een panelregressie.

Ten tweede wordt de gebruikte sample van 118 banken over zes jaar tijd gecontroleerd voor zowel ‘Fixed’ als ‘Random’ effecten. Voor het schatten van een panelregressie zijn er in het financiële onderzoek twee klassen van benadering mogelijk: de ‘Fixed Effect Models’ of de ‘Random Effect Models’. Bij een gefixeerd model laat men toe dat de constante in het regressiemodel wijzigt over de cross secties heen maar niet doorheen de tijd. Bovendien worden de schatters van de richtingcoëfficiënten in de lineaire regressie gefixeerd over zowel de cross secties als over de tijd. Het random effect model volgt het gebruik van een verschillende constante voor elke entiteit, maar onvariabel over de tijd. Ook de relatie tussen verklarende en verklaarde variabelen is idem zowel cross-sectioneel als periodiek. Het verschil situeert zich bij random effecten door de veronderstelling dat elke constante term afgeleid is van een algemene constante die gelijk is voor alle entiteiten en periodes. (Baltagi 2005)

Om het gebruik en de keuze voor een gefixeerd of random model te controleren wordt gebruikgemaakt van de Hausman test. Deze test controleert de nulhypothese die veronderstelt dat de coëfficiënten geschat door een random effect model dezelfde zijn als de coëfficiënten geschat door een consistent gefixeerd model. Indien dit het geval is kan er van het random model uitgegaan worden. Wanneer de p-waarde echter significant is op een bepaald significantieniveau kan er niet geopteerd worden voor een random model. Hieruit kan dan besloten worden om al dan niet gebruik te maken van een gefixeerd model.

38

5. Resultaten Het volgende onderzoek geeft in eerste instantie een overzicht van de marktperformance gedurende de beschouwde periode. Vervolgens wordt een analyse van de retail determinanten uitgevoerd en hun onderlinge relatie bondig besproken. Er wordt ook gezocht naar indicaties van een toename in retailbankieren. Het derde deel van het onderzoek houdt een uitgebreide risicoanalyse in van beide businessmodellen aan de hand van de portfoliotheorie en het CAPM. Dit onderzoek focust zich zowel op de totale tijdsperiode als specifieke crisisgerelateerde deelperiodes. In deze uiteenzetting wordt er gezocht naar significante verschillen op vlak van risico tussen retailen niet-retail banken. Het laatste deel van het onderzoek toetst de retail determinanten en enkele doelbewust gekozen controlevariabelen aan een aantal risico- en returnparameters. Hier tracht dit onderzoek de invloed van de crisis en het businessmodel op het risico- en returnprofiel van de banken aan te tonen en te verklaren.

5.1.

Data analyse

Vooraleer de specifieke retail georiënteerde testen besproken worden, wordt een overzicht gegeven van de marktdata. Hierin wordt verder uiteengezet hoe de gebruikte sample evolueert gedurende de recente periode van onstabiele financiële markten.

Wanneer de aandelenprijzen van de initiële sample van 150 Europese banken worden uitgezet over de tijd, kan duidelijk de impact van de crisis waargenomen worden. Om een globaal overzicht te krijgen van de gemiddelde invloed van deze crisis op de banken in het algemeen wordt de gemiddelde aandeelprijs van alle banken uitgezet over een periode van 2004 tot 2012.

De aanvangprijs in 2004 voor deze sample van Europese banken bedraagt gemiddeld € 4277. De sample sluit af met een gemiddelde waarde van € 3113. Vervolgens kan er een duidelijke opwaartse tendens van de marktwaarde van de banken waargenomen worden van 2004 tot en met 2007. Deze tendens duidt op een periode van groei en sterke toename in financiële returns, alhoewel een groot deel van deze toename te wijten was aan risicovolle strategieën, zoals de latere tendens aangaf.

39

Gemiddelde Aandelenprijs 8000 6000 4000 2000 0

Figuur 1 Gemiddelde aandelenprijs van de totale sample 2004-2012

Vanaf 2007, naar aanleiding van de vastgoedcrisis en de hierop volgende financiële crisis, is een sterke daling in de marktwaarde van de banken zichtbaar. Om duidelijkheid te scheppen in deze gemiddelde wijziging in marktprijzen kunnen de gemiddelde periodieke aandeelwaarden vergeleken worden. Ook de standaarddeviatie zal een inzicht geven over de volatiliteit van de aandeelwaarde gedurende een bepaalde deelperiode. Van 2004 tot 2007 bedroeg het gemiddelde van de gemiddelde aandeelprijzen € 5647, voor de periode 2007-2009 bedraagt deze echter maar € 4334. Het grootste verschil is echter vooral merkbaar in de standaarddeviatie bij een vergelijking van beide periodes. Waar in de periode van groei en excessieve toename van de marktwaarde van banken de gemiddelde standaarddeviatie relatief laag is in vergelijking met de gemiddelde aandeelwaarde, namelijk € 866, ligt deze deviatie van de gemiddelde aandeelprijzen met meer dan een factor 2 hoger in tijden van financiële neergang, namelijk € 1845.

Alhoewel het volgende concrete onderzoek niet dieper ingaat op de periode na 2009, lijkt het interessant deze periode op vlak van de marktdata toch kort te analyseren. Vanaf 2009 is er een duidelijke recuperatie van de marktwaarde waar te nemen. Deze periode is echter eerder onstabiel en, ondanks de matige groei tot 2010, ontstaat er een nieuwe daling in de aandelenprijzen vanaf 2011. Deze daling is te verklaren aan de hand van de gevolgen van de bankencrisis waarbij er sprake is van een ‘Sovereign Debt Crisis’ of een staatschuldencrisis. Door de interventies van overheden in de bankproblematiek kwamen een aantal slecht gefinancierde landen in moeilijkheden. Daar banken zich eerder hadden ingedekt met behulp van veronderstelde risicoloze overheidsobligaties ontstond er een terugslageffect. Sinds 2012 is er weer enige verbetering merkbaar. Al blijft de toekomst overwegend onzeker en afhankelijk van de Europese grootmachten en de regulaire instanties.

40

Verder worden de reeds verduidelijkte logaritmische returns uitgezet over de beschouwde periode en dit in cumulatief verband. Opmerkelijk hier is het duidelijk verschil in absolute aandelenprijzen en de relatieve returns.

Gemiddelde Cumulatieve Returns 1.5 1 0.5 0 -0.5 -1 -1.5

Figuur 2 Gemiddelde cumulatieve return van de totale sample 2004-2012

Waar de aandeelprijzen nog sterk stegen tot net voor de crisis, cf. 2007, wordt er reeds een dalende lijn waargenomen in de cumulatieve returns vanaf 2006 oftewel een jaar vóór de crisis. In 2007 worden de returns vervolgens negatief wat wijst op een sterke daling in de marktwaarde van de onderliggende banken. Dit ligt in lijn met de aandelenprijzen.

Ook hier duidt het verdere verloop tot 2012 op dezelfde oorzaken en conclusies als bij de gemiddelde aandelenprijzen. Opmerkelijk is echter de explosieve groei in de cumulatieve returns vanaf 2009. Deze relatief snelle recuperatie van returns wordt echter na 2010 weer te niet gedaan door het bovenvermelde crisisverloop.

5.2.

Analyse retail bepaling

De volgende paragraaf zal een overzicht geven van het relatief belang en relevantie van de gekozen retail determinanten. Hierbij werden de resultaten bekomen voor elke ratio afzonderlijk per bank en per jaar. Vervolgens worden een aantal tendensen aangegeven op vlak van de retail oriëntatie, zowel over de tijd, in aanleiding van de crisis als onderling tussen de ratio’s.

41

5.2.1.

Ratio’s

Zoals eerder vermeld werd per bank en per jaar voor een drietal ratio’s bepaald in welke mate er sprake is van een retail oriëntatie.

5.2.1.1.

Interestinkomen op het totale inkomen

Hier wordt verwacht dat bij een grotere fractie interestinkomen tot het totale inkomen de bank meer zal georiënteerd zijn op retail activiteiten. Toch dient hier opgemerkt dat deze veronderstelling niet sluitend correct is en het interestinkomen van een bank niet enkel, doch in grote mate, bepaald wordt door de inkomsten gegenereerd door retail activiteiten. Ook het toenemend belang van hypothecaire leningen in de leningenportfolio van de bank kan hier invloed uitoefenen. Belangrijk is hier het gebruik van ‘Off balance sheet vehicules’. Hierbij worden de inkomsten voortkomend uit bepaalde activa geïncorporeerd in de totale inkomsten maar dragen zij niet bij tot de activabasis waarvoor de bank kapitaal dient aan te houden. Deze activiteit kan inderdaad een vertekend beeld geven wat betreft het retail determinerend belang van deze ratio.

5.2.1.2.

Leningen op het totaal aantal activa

De tweede ratio richt zich op één van de basisactiviteiten van retail bankieren. Logischerwijs zal bij een toenemend belang van deze ratio verondersteld worden dat ook de retail activiteit toeneemt. Ook hier geldt echter de opmerking betreffende de niet-balans genoteerde activa en het mogelijk vertekenend beeld dat deze activiteit kan veroorzaken op het risico- en performanceprofiel van de bank.

5.2.1.3.

Klantendeposito’s op totale financiering van de bank

De laatste ratio geeft een tweede dominante activiteit van retail banken weer, namelijk deposito opname. Ook hier ligt de invloed voor de hand: een toename in de retail activiteiten leidt tot een toename in de ratio. Depositofinanciering is in wezen een stabiele vorm van financiering en in zekere mate zijn buffers verplicht.

42

5.2.2.

Vergelijking trend

Louter op vlak van de bekomen ratio’s in de afbakening van de mate van retailgerichtheid van de banken in de sample, kan er besloten worden dat er weinig of geen overlapping is tussen de bekomen ratio’s en de retail definiëring. Hierbij dient opgemerkt dat de waarde van de drie ratio’s individueel verschillende banken aanduiden als het meest retail georiënteerd. Bijvoorbeeld in het jaar 2004 is er slechts één bank dat bij alle drie de ratio’s behoort tot het hoogste kwartiel van meest retailgerichtheid. Wanneer de veronderstelling wordt gemaakt dat twee van de drie ratio’s moeten aangeven dat de bank de retail businessstrategie volgt, zijn er in dit jaar 11 banken die aan twee van de drie ratio’s voldoen, losstaand van welke ratio’s exact. Hierbij dient dus de nuancering gemaakt dat niet elke ratio een determinerende rol speelt op zich. Onderstaande tabel geeft een overzicht van de overlapping van de ratio’s hun hoogste kwartiel. Hierbij geeft de eerste rij aan hoeveel banken door alle drie de ratio’s als retail gedefinieerd worden. De tweede rij geeft verder aan wanneer twee van de drie ratio’s een retail oriëntatie waarnemen, onafhankelijk van welke twee ratio’s.

Tabel 1 Overlapping van de retail afbakening door de retail ratio’s

2004 2005 2006 2007 2008 2009 3/3

1

2/3 11

1

11

1

15

2

22

4

35

2

20

Eviews parameter voorwaarden dummy_loansonta = 1 and dummy_iiconti=1 and dummy_custontf=1 (dummy_loansonta = 1 and dummy_iiconti=1 ) or (dummy_custontf=1 and dummy_loansonta = 1) or (dummy_iiconti=1 and dummy_custontf=1)

Hierdoor lijkt het zinvol de ratio’s en hun trend over de onderzochte periode nader te analyseren. Daar het onderscheid tussen retail en non-retail bepaald werd aan de hand van het derde kwartiel kunnen deze grenswaarden grafisch voorgesteld worden van 2004 tot 2009. Dit wordt vervolgens uitgevoerd voor elke ratio.

43

Figuur 3 Jaarlijkse grenswaarden aan de hand van 75 % kwartiel voor elke ratio 2004-2009

Op Figuur 3 is een opmerkelijke trend waarneembaar in de grenswaarde voor de interestinkomen ratio. Deze piekt duidelijk in 2008 waarna een dalende trend ingezet wordt. De depositoratio daarentegen vertoont enkel een dalende lijn terwijl de leningratio eerder stabiel blijft, doch licht stijgt. Hierbij kan onder andere geconcludeerd worden dat zeker in aanloop van de crisis de fractie interestinkomen zeer sterk toeneemt. Waarop de vraag dient gesteld te worden of deze parameter wel kan beschouwd worden als een retail determinant. Zo tonen onderzoekers onder ander aan dat de fractie interestinkomen ten opzichte van het totale inkomen voor wholesale en investeringsbanken deze van retail banken overschrijdt vanaf 2007 (Ayadi, Arbak and Pieter De Groen 2011).

Figuur 4 Jaarlijkse gemiddelde waarden voor elke ratio 2004-2009

Dezelfde conclusie volgt wanneer de gemiddelde ratio’s bekeken worden. Voor de klantendeposito’s als een deel van de totale financiering van de bank kan een daling naar aanleiding van de crisis opgemerkt worden. Deze trend keert vervolgens om vanaf 2008. Dit kan gezien

44

worden als een indicator voor de heroriëntering op retailbankieren. Opvallend volgt de leningratio en zeer sterk gedempte maar gelijkaardige trend als de interestratio. Hiervoor kan weer verwezen worden naar het belang van de onderliggende activa.

Daar uit deze analyse kan besloten worden dat de relaties tussen de parameters onderling niet is zoals verwacht werd, kan er ter controle een correlatiediagram opgesteld worden voor alle ratio’s en alle banken over alle jaren heen. Tabel 2 geeft dan ook deze correlatiewaarden weer. Net zoals uit de tendensen in bovenstaande grafieken kan inderdaad verrassend besloten worden dat in de gebruikte sample over de periode 2004-2009 de interestinkomen ratio en de leningratio in zekere mate positief gecorreleerd zijn. Dit terwijl de interestinkomen ratio en de depositoratio in een gelijkaardige mate negatief gecorreleerd zijn. Bovendien zijn de leningratio en de depositoratio in een zeer minieme mate negatief gecorreleerd.

Tabel 2 Correlatiewaarden tussen de drie ratio’s voor 2004-2009 2004-2009

Deposito’s

Interestinkomen

Leningen

Deposito’s Interestinkomen Leningen

1.000000 -0.253268 -0.021734

1.000000 0.267498

1.000000

Om meer duidelijkheid te scheppen over de invloed van de crisis op de mogelijk vertekende correlatie wordt het correlatiediagram opgesplitst in de periode 2004-2006 en 2007-2009. Onderstaande Tabel 3 geeft duidelijk weer dat in de aanloop van de crisis de bovenvermelde relaties overwegen. In tijden van crisis en eventuele herfocus op retail bankieren kan een licht positieve relatie tussen de lening- en depositoratio waargenomen worden. Bovendien is de correlatiecoëfficiënt tussen interestinkomen- en leningratio slechts de helft in vergelijking met de periode voor de crisistijd, dit terwijl de correlatiecoëfficiënt tussen interestinkomen en deposito’s nagenoeg constant blijft. De depositoratio is dus een duidelijke determinant van retail bankieren, terwijl dit voor de fractie interestinkomen en leningen niet sluitend het geval is doorheen de periodes van crisis.

45

Tabel 3 Correlatiewaarden tussen de drie ratio’s voor deelperiodes 2004-2006 en 2007-2009

5.3. 5.3.1.

2004 - 2006

Deposito’s

Interestinkomen

Leningen

Deposito’s Interestinkomen Leningen

1.000000 -0.272731 -0.044765

1.000000 0.353328

1.000000

2007 - 2009

Deposito’s

Interestinkomen

Leningen

Deposito’s Interestinkomen Leningen

1.000000 -0.207743 0.010934

1.000000 0.180582

1.000000

Risicoanalyse Capital Asset Pricing Model

Initieel wordt voor elke bank aan de hand van het ‘Capital Asset Pricing Model’ de returns over de hele periode geregresseerd ten opzichte van de marktreturn. Dit gebeurde voor de onderverdeling in jaar en/of retail subsamples en wordt uitgevoerd ter controle. De systematische risicocomponent van de banken of bèta werd uitgezet en is bijgevoegd in bijlage 1. . Dit geeft niet enkel een overzicht van alle banken maar laat tevens zien dat gemiddeld de systematische risicocomponent naar één nadert. Deze controle werd uitgevoerd als gevolg van de initieel relatief lage individuele bèta’s bekomen voor de banken van de portfolio’s. Aangezien over de banken en tijd heen de bèta’s de 1-waarde benaderen, dient hiervoor geen verder onderzoek uitgevoerd te worden.

5.3.2.

Portfolioanalyse

In dit deel van het onderzoek zal verder dieper ingegaan worden op het verschil in risico in aanloop van en tijdens de financiële crisis. Aan de hand van de 36 gecreëerde portfolio’s waarvan de helft retail, de helft non retail en telkens twaalf portfolio’s per ratio kunnen regressies uitgevoerd worden. Elke portfolio bestaat uit een jaarlijkse onderverdeling van banken die door één van de ratio’s als retail of non retail gedefinieerd worden. De returns van elke portfolio worden geïndexeerd tot een enkele wekelijkse returnweergave aan de hand van de ‘equaly weighted index’ (EWI) methode. Door gebruik te maken van het singuliere factor CAPM wordt vervolgens voor elk jaar de wekelijkse excessieve bankreturns geregresseerd ten opzichte van de excessieve wekelijkse marktreturn.

46

De bèta van het CAPM geeft een systematische risicofactor weer. Bovendien wordt aan de hand van de standaardafwijking van de geïndexeerde portfolioreturns de totale volatiliteit of het totale risico bepaald. Ook de idiosyncratische component wordt bepaald door de standaardafwijking te nemen van de storingstermen van elke individuele CAPM regressie.

In bijlage 4.

wordt een overzicht gegeven van alle risicofactoren voor alle 36 portfolio’s. De

tabellen geven hier respectievelijk de risicocomponenten aan de hand van het CAPM weer voor de klantendeposito ratio, de interestinkomen ratio en de leningratio. Bovendien wordt ook telkens voor elke CAPM regressie de significantiewaarde van de t-statistiek gegeven. Deze statistiekwaarde geeft weer of de verkregen bètawaarde als significant verschillend van nul kan beschouwd worden. Wanneer de t-statistiek een waarde hoger dan twee aanneemt wordt de bètawaarde aanvaard. Dit is dankzij het gebruik van de portfoliotheorie en het indexeren van de returns van telkens plusminus dertig banken voor alle portfolio’s het geval. Door de grote concentratie van gegevens verweven in deze portfolio’s stijgt de kans dat de verkregen bètawaarden significant zijn. Enkel voor de systematische risicofactor van de retail interestinkomen ratio ligt de t-statistiek licht onder de grenswaarde, namelijk 1,8721. Daar zij toch de tweewaarde nadert kan deze bèta eveneens, al da niet genuanceerd, als significant verschillend van nul beschouwd worden.

In de eerste plaatst is er voor alle bèta’s, voor elke ratio, een opwaartse trend zichtbaar doorheen de tijd. Figuur 5 tot en met Figuur 7 geeft hier telkens voor respectievelijk de klantendeposito ratio, de interest ratio en de leningratio de verkregen jaarlijkse portfoliobèta’s weer per businessmodel. Zo kan niet enkel het onderscheid gemaakt worden tussen de verschillende jaren maar ook tussen retail en non retail georiënteerde banken.

Voor de klantendeposito ratio is er een opmerkelijke wijziging naar aanleiding van de crisis merkbaar. Alhoewel zowel retail als non retail banken onderhevig zijn aan een toenemende mate van systematisch risico gedurende de financiële crisis, overstijgen de waarden van de niet retail georiënteerde banken deze van de retail banken. Vóór en in aanloop van de crisis liggen beide curven min of meer in dezelfde lijn, toch houden de retail banken hier een licht hogere tendens aan.

47

0.7 0.6 0.5 non-retail

0.4

retail

0.3 0.2 2004

2005

2006

2007

2008

2009

Klantendeposito's op totale financiering Figuur 5 Jaarlijks systematisch risico van de portfolio’s bepaald met de depositoratio

0.8 0.7 0.6 0.5

non-retail

0.4

retail

0.3 0.2 2004

2005

2006

2007

2008

2009

Interestinkomen op het totale inkomen Figuur 6 Jaarlijks systematisch risico van de portfolio’s bepaald met de interestratio

0.9 0.8 0.7 0.6 0.5 0.4

non-retail

0.3

retail

0.2 0.1 0 2004

2005

2006

2007

2008

2009

Leningen op totale activa Figuur 7 Jaarlijks systematisch risico van de portfolio’s bepaald met leningratio

48

Wat betreft de curven van de interestfractie ten opzichte van het totale inkomen van de onderzochte banken lijken beide business modellen een gelijkaardig verloop aan te houden. Niettegenstaande vertonen de retail banken een sterkere stijging na de crisis wat betreft het systematisch risico. Deze ratio spreekt dus niet in het voordeel van de retail strategie.

Tenslotte wijst de grafiek betreffende de bèta’s van de banken, gedefinieerd aan de hand van de leningen ten opzichte van de totale activa, op een duidelijk verschil in risicoprofiel tussen beide business modellen. De curven volgen een gelijkaardig traject, mist een lichte uitschieter in 2005 voor de retail banken. Bovendien wordt in de crisis, vanaf 2007, het verschil in systematisch risicoprofiel meer uitgesproken.

5.4. 5.4.1.

Significant verschil tussen businessmodellen Jaarlijkse evaluatie

Om de significantie van de verschillen in retail en non retail aan te duiden zal, zoals eerder vermeld, gebruikgemaakt worden van de Wald-test. Hierbij wordt een coëfficiëntdiagnosticerende test uitgevoerd op de bèta’s als coëfficiënt van de CAPM regressies. De restricties opgelegd op de bèta’s bestaan uit de veronderstelde gelijkheid in waarde voor elke jaarlijkse systematische risicoparameter tussen retail en non retail. In eerste instantie werd deze Wald-test uitgevoerd voor elk jaar individueel. Voor de resultaten van de testen met bijhorende statistieken en p-waarden kan verwezen worden naar bijlage 3. . Deze tabel geeft zowel de t-statistiekwaarde , Chi-kwadraat waarde en de statistiekwaarde van de F verdeling weer. Aan de hand van de ‘probability’ of significantieniveau kan de nulhypothese van gelijkheid in coëfficiënten al dan niet verworpen worden. Bij de depositoratio kan een significant verschil waargenomen worden in 2006 op het 5% significantieniveau, terwijl voor de andere jaren de Wald-test geen uitsluitsel biedt. Voor de interestratio is er nergens sprake van een significant verschil op een individuele jaarbasis. Dit betekent niet dat er over de periodes heen geen significant verschil in risico tussen de retail en nonretail georiënteerde banken kan zijn. Meer data zal logischerwijs leiden tot een duidelijker en eventueel meer significant resultaat. Voor de leningratio tenslotte zijn, zoals de grafiekweergave al duidelijk maakte, alle bèta’s significant verschillend tussen beide businessstrategieën per jaar. Het verschil in leningoriëntatie bij banken kan dus niet enkel doorheen de crisis maar ook in aanloop van deze crisis gezien worden als een risicostabiliserende factor. 49

5.4.2.

Totale en periodieke evaluatie

Aangezien de individuele jaarlijkse vergelijkingen geen zekerheid kunnen bieden over het al dan niet minder risicovol zijn van de retail activiteiten, werd in het verder verloop van deze studie geopteerd voor een samentrekken van jaarlijkse data. Zoals eerder werd besproken bij de grafische weergave van de portfoliobèta’s kan voor een aantal deelperiodes in de totale sample vergeleken worden of er een significant verschil is in risicoprofiel tussen de verschillende bankoriëntaties. Bovendien werd bij het afbakenen van de periodes rekening gehouden met de visuele weergave van het systematisch risico van de onderliggende banken. Alhoewel de crisisperiode voorheen gedefinieerd werd als de periode vanaf 2007, kan op de grafische weergave waargenomen worden dat het effect van de crisis zich pas manifesteert in 2008. Om de vergelijking te vervolledigen wordt voor alle deelperiodes gezocht naar significante verschillen in het risicoprofiel, doch worden enkel de meest relevante resultaten gerapporteerd. Als startonderzoek zal de totale periode, 2004 tot en met 2009, nader bekeken worden.

5.4.2.1.

Totale periode

In onderstaande tabel wordt een overzicht gegeven van de risicocomponenten over de hele periode. Hieruit kan opgemerkt worden dat, terwijl de waarden van de bèta’s een duidelijk verschil vertonen tussen het retail en non retail businessmodel, de idiosyncratische en totale risicofactoren eerder min of meer evenwaardig blijken. Toch dient een diepere analyse uitgevoerd te worden. Opmerkelijk is opnieuw de inverse relatie zichtbaar bij de interestratio in vergelijking met zowel de deposito- als leningratio. Waar de laatste twee ratio’s mogelijks wijzen op een grotere mate van systematisch risico bij non-retail banken, geeft de interest ratio eerdere een hogere bèta aan bij de retailbanken.

Tabel 4 Risicocomponenten van het retail- en non-retail businessmodel voor 2004-2009

RETAIL 2004-2009

Bèta

Idiosync

Total

NONRETAIL t-stat

Bèta

Idiosync

Total

t-stat

DEPOSITO'S 0.51301 0.01320 0.02209 23.62994 0.56464 0.01192 0.02285 28.79586 INTEREST

0.58166 0.01445 0.02474 24.46043 0.56401 0.01257 0.02318 27.27776

LENINGEN 0.47751 0.01435 0.02186 20.22318 0.69398 0.01023 0.02605 41.23814

50

A. Systematisch risico Voor het vaststellen van een significant verschil in bètawaarde tussen retail en non-retail, zowel over de hele periode als voor de deelperiodes, wordt gebruikgemaakt van de eerder vernoemde Wald-test. In onderstaande Tabel 5 wordt aangegeven dat zowel de depositoratio als de leningratio een significant verschil aanduidt tussen de retail en non-retail oriëntatie. Voor beide kan de nulhypothese van de Wald-test die veronderstelt dat er gelijkheid is in de regressiecoëfficiënten verworpen worden op het 1% significantieniveau. Wat betreft de interestratio kan er geen significant verschil in systematisch risico over de hele periode gevonden worden tussen retail en non retail banken. De resultaten wijzen op het risicoreducerend effect van zowel een hogere mate aan deposito’s als een hogere mate van kredietverlening. Dit is in lijn met het onderzoek van Baele et al. (Baele, De Bruyckere, De Jonghe and Vander Vennet 2010). De auteurs stellen ook dat het algemene marktrisico daalt met de toename van de fractie deposito’s ten opzichte van de totale activa. Bovendien vinden zij ook significante bewijzen voor een marktrisico reducerend effect bij een toename aan leningen. Deze uiteenzetting volgt min of meer de resultaten van Schepens (2009).

Tabel 5 Wald-test waarden voor significantie in het systematische risico 2004-2009

BETA'S RATIO

2004 - 2009 Wald test

t-stat DEPOSITO'S F-stat χ²-stat INTEREST

LENINGEN

1

Prob.

Waarde

0.0089 2.6328*** 0.0089 6.9316*** 0.0085 6.9316***

t-stat F-stat χ²-stat t-stat F-stat

0.3938 0.3938 0.3932 0.0000 0.0000

-0.8538 0.7291 0.7291 12.8633*** 165.4645***

χ²-stat

0.0000 165.4645***

1

In tabel 5 Wald-test waarden voor significantie in het systematische risico 2004-2009 wijzen de steraanduidingen op het significantieniveau. Zo betekenen *,** en *** respectievelijk statistische significantie op het 10 %, 5% en 1% niveau.

51

B. Idiosyncratische en totaal risico Voor het bepalen van een significant verschil in het totale risico en in de idiosyncratische risicocomponenten van de businessmodellen wordt eerst de normaalverdelingen van respectievelijk de returns en de storingstermen van de CAPM regressie over de hele periode nagegaan. Hiervoor wordt gebruik gemaakt van de Lilliefors test, wat een adaptatie is voor de Kolmogorov-Smirnov test. Beide testen gaan na of de verdeling van de onderliggende reeks waarden overeenkomt met de normale verdeling. Voor alle storingstermen en returns kan de hypothese van een normale verdeling in data verworpen worden. Ook al is de volledige sample niet te klein (n=312>100), toch wordt er niet geopteerd om van een veronderstelde normaliteit uit te gaan. De niet-normaliteit wordt aanvaard aan de hand van de Lilliefors test.

Daar de distributie van de gebruikte data dus niet normaal verdeeld is, kan er niet langer gebruikgemaakt worden van de veronderstelde Levene’s test. Deze test zou door het gebruik van gemiddelde waarden bij een niet normale verdeling aan significantie inboeten. Hierbij wordt er vervolgens geopteerd voor de Brown-Forsythe test. Deze test maakt in plaats van de gemiddelde waarden gebruik van de mediaanwaarden voor het aanduiden van significante verschillen tussen de variantiewaarden van de geteste reeksen. Onderstaande Tabel 6 geeft een overzicht van de totale periode en de significantie van de verschillen tussen retail en non-retail idiosyncratisch en totaal risico. 2

Tabel 6 Brown-Forsythe waarden voor significantie in het totaal en idiosyncratisch risico 2004-2009

2004 - 2009 RATIO Brown-Forsythe DEPOSITO'S INTEREST LENINGEN

Totale Waarde 0.003 1.080 2.309

Prob. 0.960 0.299 0.129

Idiosyncratisch Waarde Prob. 1.590 0.208 5.785** 0.017 11.589*** 0.001

Over de gehele periode gezien zijn er geen significante verschillen in het totale risico. Volgens de Brown-Forsythe test kunnen alle waarden als gelijk beschouwd worden. Wat betreft het idiosyncratische risico zijn er wel significante resultaten. Wanneer tabel met de risicocomponenten opnieuw bekeken wordt kan men stellen dat banken met een hoge mate van interestinkomen een 2

In tabel 6 Brown-Forsythe waarden voor significantie in het totaal en idiosyncratisch risico 2004-2009 wijzen de steraanduidingen op het significantieniveau. Zo betekenen *,** en *** respectievelijk statistische significantie op het 10 %, 5% en 1% niveau.

52

significant hogere mate van idiosyncratisch risico hebben. Aangezien Alyadi et al. (2011) eerder aanhaalden dat de mate van interestinkomen genererende activiteiten sterk toenamen bij zowel wholesale als investeringsbanken, dient hier een periodieke analyse uitgevoerd te worden. Verder is er ook een significant verschil in de idiosyncratische component voor banken met een hogere mate van leningen in de activa mix. Dit is niet overeenkomstig met het onderzoek van Schepens en Vander Vennet (2009) die geen verschil in de idiosyncratische volatiliteit waarnamen wat betreft de leningratio. Een verklaring hiervoor kan gevonden worden in de uitbreiding van de portfolio tijdspanne tot het jaar 2009 in vergelijking met hun onderzoek dat zich beperkt tot 2008. 5.4.2.2.

Deelperiodes

Bovenstaande bètawaarden geven aan dat zowel klantendeposito’s als leningen kunnen gezien worden als risicobeïnvloedend. Zowel de analyse van de totale periode als de jaarlijkse analyse geven weinig inzicht over de grafisch waarneembare verschillen. Zo kan niet uitgemaakt worden of bij de depositoratio dit significant verschil te wijten is aan een minder mate van risico in de nonretail banken vóór 2008 of aan het plotse risicovoordeel bij retail banken tijdens de crisis. Ook bij de interestratio kan niet eenzijdig bepaald worden of er in geen enkele deelperiode een significant verschil aanwezig is. Vooral vanaf 2008 lijkt de retail curve zicht sterk te distantiëren van de nonretail lijn. Voor de leningratio lijkt een significant verschil voor de handliggend. Toch kan een analyse gericht op een onderverdeling vóór en tijdens de crisis meer informatie geven over de invloed van een uitgebreidere leningverstrekking op de risicobestandheid gedurende deze crisis. De jaarlijkse Wald-test resultaten kunnen bovendien eventueel door een gebrek aan data bepaalde significante verschillen over de tijd verwaarlozen. Daarvoor zorgt het samentrekken van deze jaarlijkse data voor meer informatie en mogelijks significante resultaten.

Concluderend kan de opdeling in deelperiodes op twee manieren uitgevoerd worden. Een eerste wijze volgt de crisis afbakening uiteengezet in de literatuurstudie. Hierbij wordt de totale sample opgedeeld in de periodes 2004-2006 en 2007-2009. Beide periodes symboliseren respectievelijk vóór en tijdens de financiële crisis. Een tweede manier komt voort uit de conclusies van de visuele weergave van de bèta’s, zoals hierboven aangehaald werd. In deze grafieken kan men zien dat de interessante effecten tussen het retail en non-retail businessmodel pas in 2008 plaatsvinden.

53

In het verder verloop werd overwogen om enkel de resultaten van de crisisonderverdeling weer te geven. Er zal echter wel dieper ingegaan worden op de conclusies volgend uit de verschillen met de grafische onderverdeling. Voor de resultaten van deze onderverdeling wordt verwezen naar bijlage 0achteraan in deze studie.

Onderstaande Tabel 7 geeft een overzicht van de deelperiodes voor alle drie de ratio’s. Bovendien bevat de tabel alle risicocomponenten van de onderliggende portfolio’s. Tenslotte wordt ook een tstatistiek waarde weergeven om de significantie van de bètawaarden te verklaren. Alle bèta’s zijn, in navolging van de jaarlijkse analyse, dan ook significant verschillend van nul.

Tabel 7 Risicocomponenten voor de portfolioanalyse van de deelperiodes

RETAIL DEPOSITO'S

Bèta

Idiosync

Total

NONRETAIL t-stat

Bèta

Idiosync

Total

t-stat

2004 - 2006 0.45552 0.00747 0.01030 11.78249 0.40523 0.00607 0.00875 12.90417 2007 - 2009 0.51247 0.01694 0.02901 17.25302 0.57552 0.01534 0.03057 21.39006 INTEREST

Bèta

Idiosync

Total

t-stat

Bèta

Idiosync

Total

t-stat

2004 - 2006 0.43006 0.01157 0.01337 7.17848 0.43877 0.00603 0.00911 14.05780 2007 - 2009 0.58805 0.01629 0.03155 20.58310 0.56554 0.01604 0.03054 20.09999 LENINGEN

Bèta

Idiosync

Total

t-stat

Bèta

Idiosync

Total

t-stat

2004 - 2006 0.33816 0.00732 0.00901 8.92630 0.54934 0.00526 0.01004 20.19047 2007 - 2009 0.47866 0.01814 0.02851 15.04314 0.70017 0.01282 0.03463 31.13238

Opnieuw zijn er verschillend in het systematische risico waar te nemen. De totale en idiosyncratische of in dit geval businessspecifieke risico lijkt overwegend overeen te komen tussen beide businessmodellen. Ook voor deze waarden wordt vervolgens getest of er een significant verschil aanwezig is tussen de strategieën gedurende de crisis en er vóór. A. Systematisch risico Ook in de periodieke analyse werpt de Wald-test meer licht op de significante verschillen in de systematische risicofactoren. Opvallend is het feit dat bij de depositoratio de bètawaarden niet significant verschillend zijn vóór 2007, maar dit wel zijn tijdens de crisis. Ook al zijn de waarden in de aanloop van de crisis bijna significant (0,1113) op het 10 % significantieniveau, toch kunnen enkele belangrijke conclusie gevormd worden. Zo wijst deze analyse in de eerste plaats op het belang van deposito’s als financiering ten tijden van crisis. Dit ligt in lijn met het onderzoek van 54

Schepens en Vander Vennet (2009). In tijden van financiële groei en een sterke stijging in de returns van de banken lijkt het aanhouden van deposito’s geen significante invloed te hebben op het systematische risico. In tijden van financiële onregelmatigheden en marktneergang duiden de bètawaarden het belang van deposito’s juist wel aan. Deze bevindingen volgen eveneens het onderzoek van Demirgüç-Kunt et al. (2009). Er is in deze beperkte sample en indexering van banken dan ook sprake van een bèta-afname van ongeveer een 0,5 %. Ter controle kan deze conclusie vergeleken worden met de andere opdeling in subsamples. Hierbij wordt het jaar 2007 opgenomen bij de eerste periodeanalyse en weggelaten bij de tweede periode. Het plots significante verschil in de eerste deelperiode wijst dan ook op reeds aanwezige effect van de crisis. Deze controle versterkt de positieve inpakt van depositofinanciering in crisistijd des te meer. Verder kunnen deze resultaten ook vergeleken worden met het onderzoek van Altunbas (2011). Ook zij halen het risicoreducerend belang van een goedgestructureerde depositofinanciering aan in tijden van crisis. Dit is eveneens in lijn met het onderzoek van Shleifer en Vishny (2010).

Tabel 8 Wald-test waarden voor de portfolioanalyse van de deelperiodes

BETA'S

2004 - 2006

3

2007 - 2009

RATIO

Wald test

Prob.

Waarde

Prob.

Waarde

DEPOSITO'S

t-stat F-stat

0.1113 0.1113

-1.6016 2.5653

0.0204 0.0204

2.3434** 5.4914**

χ²-stat

0.1092

2.5653

0.0191

5.4914**

t-stat F-stat

0.7807 0.7807

0.2788 0.0778

0.4248 0.4248

-0.8003 0.6404

χ²-stat

0.7804

0.0778

0.4236

0.6404

t-stat F-stat

0.0000 0.0000

7.7616*** 60.2425***

0.0000 0.0000

9.8492*** 97.0067***

χ²-stat

0.0000

60.2425***

0.0000

97.0067***

INTEREST

LENINGEN

Voor de interestratio werpen de deelperiodes geen duidelijker inzicht op een al dan niet significant verschil in systematisch risico. De Wald-testwaarden laten het verwerpen van de gelijkheid in bètawaarden nog steeds niet toe. In vorige onderzoeken werd duidelijk aangetoond dat de focus van een bank op non-interest inkomen genererende activiteiten het risico van de bank sterk deed stijgen. Niettegenstaande kan een beperkte of een onbestaande diversificatie van de 3

In Tabel 8 Wald-test waarden voor de portfolioanalyse van de deelperiodes wijzen de steraanduidingen op het significantieniveau. Zo betekenen *,** en *** respectievelijk statistische significantie op het 10 %, 5% en 1% niveau.

55

inkomstenstromen er voor zorgen dat in tijden van onstabiele markten het risico eveneens in stijgende zin kan beïnvloed worden.

Tenslotte voor de leningratio houden de voorgaande conclusies stand en worden de waarden ook in de deelperiodes op het laagste significantieniveau (0,01 %) verworpen. Bovendien lijkt de onderverdeling van de banken aan de hand van de leningratio juist deze banken te selecteren met de laagste bètafactor voor het retail model. Bij het non-retail model duiden de bètawaarden dan weer op het andere uiterste. Dit duidt op het belang van een goede leningactiviteit voor het stabiliseren van de systematische risicocomponent. Zoals Ayadi et al. (2011) aanhalen blijven retail banken zich ook gedurende de crisis in toenemende mate toeleggen op kredietverlening. Banken met een lage leningsactiviteit op de jaarrekeningweergave kunnen bovendien meer gericht zijn op het verhandelen van commerciële en financiële afgeleide producten, wat bijdraagt tot het risico van de bank. Net zoals Schepens (2009) kan geconcludeerd worden dat een hogere mate van de leningratio wijst op een systematisch stabielere bank. B. Idiosyncratisch risico en totaal risico

Tabel 9 Brown-Forsythe waarden voor de portfolioanalyse van de deelperiodes

RATIO Brown-Forsythe DEPOSITO'S INTEREST LENINGEN

2004 - 2006 Totale Idiosyncratisch Waarde Prob. Waarde Prob. 2.7011 0.1013 9.9393*** 0.0018 8.2528*** 0.0043 21.6670*** 0.0000 1.3835 0.2404 9.5079*** 0.0022

4

2007 - 2009 Totale Idiosyncratisch Waarde Prob. Waarde Prob. 0.2104 0.6468 0.4556 0.5002 0.0359 0.8498 0.1194 0.7299 2.0170 0.1565 8.6326*** 0.0035

Bovenstaande tabel geeft een overzicht van de bedrijfspecifieke (of in dit geval strategiespecifieke) en totale risicomaatstaven over de twee deelperiodes. Enkel vóór 2007 kan er een significant verschil in het totale risico voor banken met een grotere fractie interestinkomen waargenomen worden. In de periode van de crisis zelf is er geen verschil in het totale risico tussen de businessmodellen. Wat betreft het idiosyncratische risico is er een duidelijk verschil in de periode vóór de crisis. Dit betekent dat banken met een grotere mate van depositofinanciering, meer interestinkomen en een uitgebreider leningbasis ietwat meer idiosyncratisch risico incorporeren in

4

In Tabel 9 Brown-Forsythe waarden voor de portfolioanalyse van de deelperiodes wijzen de steraanduidingen op het significantieniveau. Zo betekenen *,** en *** respectievelijk statistische significantie op het 10 %, 5% en 1% niveau.

56

de aanloop van de crisis. Tijdens de crisis is dit enkel nog significant voor een toename in leningverstrekking. Dit is in lijn met het onderzoek van Baele et al. (Baele, De Bruyckere, De Jonghe and Vander Vennet 2010). Hierin wordt een verschil in idiosyncratische tijdens crisisperiodes gevonden in het voordeel van banken met een grote mate van klantenleningen.

5.5. 5.5.1.

Panelregressie Inleiding

De panelregressie zal dieper ingaan op het effect van de retail oriëntatie op de return en het risico van de onderliggende banken. In eerste instantie dient de ongebalanceerde panelsample gecontroleerd te worden voor het gebruik van een random of gefixeerd regressiemodel. Hierbij wordt de Hausman test gehanteerd. Vooreerst wordt de panel regressievergelijking uitgevoerd voor het random effect model met een specifieke random effecten specificatie in de entiteiten. Daarbij wordt er gebruikgemaakt van de panel EGLS of (Estimated) General Least Squares. Voor de output van de Hausman test, uitgevoerd voor elke regressie van de retail factoren en opgenomen controle variabelen respectievelijk op de jaarlijkse returns, de jaarlijkse bètawaarden, de jaarlijkse standaardafwijking en de voor risico aangepaste returns of de Sharpe ratio, kan verwezen worden naar de onderstaande tabel. De aanwezigheid van random effecten kan niet verworpen worden. Hieruit volgt dar er voor het gebruik van een gefixeerd model gekozen wordt.

Tabel 10 Hausman Test ter controle voor random crosssectie effecten

Hausman Test Test Cross-section random effects Afhankelijke variabele

χ²-stat

df.

Prob

Jaarlijkese returns Jaarlijkse beta Jaarlijkse standaardafwijking Risk Adjusted Returns

133.874

6 6 6 6

0.000 0.000 0.000 0.000

67.78387

203.233 147.5857

Bovendien wordt er geopteerd voor een gefixeerd model in de tijdsvariabele. Hierbij wordt het onderzoek gevolgd van Hirtle en Stiroh (2007). Het gebruik van een voor de tijd gefixeerde effectenmodel zorgt er voor dat aan de vergelijking in de onderzoeksopstelling een vector van dummyvariabelen wordt toegevoegd voor elk jaar. Deze jaardummy’s controleren voor

57

gelijkaardige factoren tussen de entiteiten. Concreet betekent dit dat er verondersteld wordt dat de gemiddelde afhankelijke variabele over de tijd varieert, maar niet cross-sectioneel. Dit betekent dat externe invloeden op de entiteiten zoals onder andere interestvoeten en macro-economische condities uitgezuiverd worden. Dit geldt ook voor marktimplicaties, mogelijks door de crisis, die elke bank ondervindt. De dummy’s nemen de tijdsvariatie op. Deze adaptaties liggen in dezelfde lijn als het onderzoek van Huizinga et al. (2009).

5.5.2.

Totale periode

In dfd worden de panel regressieoutput weergegeven voor zowel de jaarlijkse return maatstaf, de jaarlijkse bèta van elke bank, de jaarlijkse standaard afwijking en de RAR of Sharpe ratio. De panelregressies werden uitgevoerd aan de hand van een Panel Least Squares. Bovendien werd er rekening gehouden met de mogelijkheid van clusters in de crosssecties. De mogelijkheid dat in de gebruikte sample van banken ‘Bank Holding Companies’ voorkomen, is reëel. In dit perspectief zijn de standaardafwijkingen van de regressiecoëfficiënten gecorrigeerd voor clustereffecten door gebruik te maken van een coëfficiënt covariantiemodel. Het gebruikte model hiervoor is de ‘White cross-section’ methode gericht op een clustering tussen de entiteiten. De coëfficiënt-covariantiematrix gebruikt door het bovenvernoemde model is, zoals de regressie aangeeft, van gereduceerde rang. Dit komt voort uit het feit dat het aantal crosssecties het aantal tijdsperiodes sterk overschrijdt. Alhoewel deze beperking weinig invloed heeft op de bekomen resultaten dienen zij toch met enige nuancering en de nodige voorzichtigheid geïnterpreteerd te worden.

In Tabel 11 geeft het eerste luik de totale panelregressie van de jaarlijkse returns weer. Opmerkelijk is dat over de hele periode de coëfficiënten van de retail parameters negatief zijn. Alhoewel deze negatieve implicaties niet significant zijn, wijzen ze toch op een mogelijke neerwaartse invloed van de retail activiteit op de return. Verder zijn alle controle variabelen significant. De grootte van de onderneming blijkt een positieve impact te hebben op de jaarlijkse return van de banken. Dit sluit aan met algemene perceptie in de literatuur dat grotere banken overwegend meer diversificatie van activiteiten hebben en dus ook groter risico kunnen nemen en de bijhorende returns kunnen opstrijken. Ook het belang van een sterke kapitaalratio kom licht tot uiting in de eerste tabel.

Voor de bèta-analyse zijn een aantal opmerkelijke resultaten aanwezig. Over de hele periode gezien blijkt de mate waarin banken zich toeleggen op klantendeposito’s bij te dragen tot een hogere vorm 58

van systematisch risico. Dit is niet in lijn met de voorgaande veronderstellingen. Niettegenstaande, dient een opsplitsing in deelperiodes meer duidelijkheid te scheppen over een mogelijke wijziging in deze tendens. Ook de waarde van de leningratio is significant. Deze duidt volgens de algemene opvatting wel aan dat een toename in retail oriëntatie leidt tot een afname van het systematische risico. Een stabiele leningratio draagt, zoals eerder werd geconcludeerd, duidelijk bij tot een stabieler risicoprofiel. Dit is in lijn met het onderzoek van Schepens en Vander Vennet (2009). Zoals eerder vermeld, duiden zij op de stabiliteit van de leningsactiviteit. Over de verschillende businesscycli heen kennen banken met een solide leningsactiviteit de laagste vorm van systematisch risico.

Het derde luik van Tabel 11 geeft een alternatieve risicoparameter en duidt op de totale volatiliteit. Er dient hier opgemerkt dat er een duidelijk verschil bestaat tussen de impact van de klantendeposito’s op het systematisch risico en de impact op het totale risico. Mogelijk wordt er bij de bètaregressie een vertekend beeld weergegeven van de impact van deposito’s op de bètawaarden. Opmerkelijk zijn de retail determinanten alle drie significant en opnieuw volgt enkel de leningratio min of meer de verwachtingen.

Ten slotte geeft de RAR-regressie in het volgende luik in Tabel 11 weer dat wanneer de returns aangepast worden voor het bijhorend risico er totaal ander resultaten bekomen worden. Nuancerend op het significantieniveau wijzen alle retail ratio’s op een afromend effect op de returns terwijl de leningactiviteit er wel tot bijdraagt. Dit ligt in lijn met de conclusies van Hirtle en Stiroh (2007). Opmerkelijk is het belang van de grootte van de banken als controlevariabele, alhoewel ze hier niet significant is.

Wat betreft de panelregressie over de totale periode zijn er een aantal onverwachte resultaten die niet helemaal in lijn liggen met de het risico-onderzoek dat vooraf werd uitgevoerd. In de eerste plaatst wijst de coëfficiënt van de klanten depositoratio op een significante invloed op het systematisch risico. Het bovenstaande onderzoek ontdekte een significant verschil in de bankbèta’s tussen retail en non-retail op basis van de depositoratio in tijden van crisis. Dit verschil lag in het voordeel van de retail banken die duidelijker een lager mate van systematisch risico hebben dan hun non-retail tegenhangers. Een opsplitsing in de deelperiodes dringt zich dan ook voor de panelregressie op.

59

Tabel 11 Panel Least Squares resultaten voor risico en performance parameters voor 2004-2009

Panel Least Squares 2004 -2009 Variabele Constante Deposito's Interest Leningen log(TA) log²(TA) Totale kapitaalratio

Jaarlijkse returns Coëfficiënt St. Error t-Stat -0.587 ***

0.202

-2.910

-0.028

0.060

-0.470

-0.205

0.248

-0.825

0.026

0.136

0.193

0.130

** ** 0.008 *

0.059

2.185

-0.007

0.003

-2.256

0.004

1.780

Jaarlijkse bèta Coëfficiënt St. Error t-Stat -0.276

Jaarlijkse standaard afwijking Coëfficiënt St. Error t-Stat

Risk Adjusted Returns Coëfficiënt St. Error t-Stat

0.270

-1.019

0.044 ***

0.014

3.068

-0.336

7.407

-0.045

0.360 ***

0.108

3.321

0.014 ***

0.004

3.249

-1.134

1.079

-1.051

0.095

0.286

0.331

0.034 ***

0.013

2.636

-7.968 **

3.395

-2.347

0.057

-3.842

-0.008 **

0.003

-2.408

1.341

1.763

0.761

0.063

0.073

0.863

-0.009

0.006

-1.539

1.569

1.085

1.446

0.003

0.005

0.576

0.001

0.000

1.625

-0.081 *

0.045

-1.825

0.003

0.004

0.876

0.000

0.000

0.243

0.042

2.137

-0.219 ***

0.089 **

Tabel 12 Panel Least Squares resultaten voor risico en performance parameters voor 2004-2006

Panel Least Squares 2004 -2006 Variabele Constante Deposito's Interest Leningen log(TA) log²(TA) Totale kapitaalratio

Jaarlijkse returns Coëfficiënt St. Error t-Stat -0.074 0.056

**

0.116 -0.089

***

0.211

-0.348

0.028

1.964

0.146

0.798

0.016

-5.681

0.065

0.052

1.250

-0.003

0.002

-1.611

0.002

-1.687

-0.003

*

Jaarlijkse bèta Coëfficiënt St. Error t-Stat -0.245 *

Jaarlijkse standaard afwijking Coëfficiënt St. Error t-Stat

Risk Adjusted Returns Coëfficiënt St. Error t-Stat

0.125

-1.951

0.013

0.020

0.656

0.340 ***

0.034

10.090

0.009 ***

0.002

-0.458 ***

0.144

-3.176

0.013 ***

0.004

-0.210 ***

0.078

-2.692

-0.006 *

0.003

0.107 **

0.044

2.452

0.001

0.004

0.223

2.865 **

1.375

2.083

0.002

-0.305

0.000

0.000

-0.357

-0.140 **

0.056

-2.479

0.006

2.239

0.000

0.000

0.621

-0.027

0.099

-0.273

-0.001 0.014 **

-4.181

9.871

-0.424

4.653

0.626

0.896

0.699

3.098

-0.430

5.417

-0.079

-1.878

-0.977

1.526

-0.640

60

Tabel 13 Panel Least Squares resultaten voor risico en performance parameters voor 2007-2009

Panel Least Squares 2007 -2009 Variabele Constante Deposito's Interest Leningen log(TA) log²(TA) Totale kapitaalratio

Jaarlijkse returns Coëfficiënt St. Error t-Stat

Jaarlijkse bèta Coëfficiënt St. Error t-Stat

Jaarlijkse standaard afwijking Coëfficiënt St. Error t-Stat

Risk Adjusted Returns Coëfficiënt St. Error t-Stat

-0.798 ***

0.128

-6.248

-0.830 ***

0.245

-3.385

0.040 **

0.015

2.581

5.751

1.514

-0.142

0.093

-1.536

0.422 *

0.215

1.959

0.022 ***

0.007

3.264

-2.888 **

1.404

-2.057

-0.447

0.338

-1.321

0.460

0.353

1.304

0.051 ***

0.016

3.132

-13.148 ***

2.058

-6.390

0.104

0.200

0.519

0.021

-12.250

-0.015 ***

0.004

-4.267

3.070

2.500

1.228

-0.260 ***

8.709

** **

0.070

2.206

0.119

0.084

1.409

-0.010

0.007

-1.595

-0.473

1.037

-0.456

-0.008

0.004

-2.091

0.001

0.006

0.182

0.001

0.000

1.918

0.008

0.039

0.216

0.014

***

0.003

5.234

0.003

0.004

0.710

0.000

0.000

0.530

0.108 ***

0.031

3.460

0.154

Bovenstaande regressies in tabellen (Tabel 11, Tabel 12 en 13) zijn allen uitgevoerd aan de hand van een Panel Least Square regressiemodel en geïmplementeerd aan de hand van het Eviews 7 softwarepakket. Bovendien wordt er bij elke uiteenzetting geopteerd voor een schatting met een correctie voor gefixeerde effecten in de tijd. De jaardummy’s gebruikt voor deze gefixeerde tijdsreeks worden door het programma automatisch geïncorporeerd. Uit eigen overweging werd ook een eenmalige regressie manueel uitgevoerd door het invoeren van zelfgedefinieerde jaardummy’s. De resultaten waren dan ook zeer sterk gelijkaardig, al dan niet gelijk, en worden niet verder gerapporteerd. Zowel de waarden van de dummy’s uit de automatische als de manuele regressie worden niet weergegeven om de overzichtelijkheid te bewaren. Deze jaardummy’s zijn echter wel in elke regressie aanwezig. Bovendien wordt de White Cross Section correctie uitgevoerd om een meer robuuste vorm van de standaardfouten te verkrijgen. Deze standaardfouten in de middelste kolommen weergegeven in elk luik van de bovenstaande tabellen werden gecorrigeerd voor mogelijke clustereffecten over de entiteiten heen en een gevolg van mogelijke BHC’s.

61

5.5.3.

Deelperiodes

Bij een opsplitsing in deelperiodes in bovenstaande tabellen Tabel 11 en Tabel 12 blijkt voor de jaarlijkse returns dat de depositoactiviteit in tijden van groei bijdroeg tot deze groei. In de crisisperiode remt ze de returngroei eerder af, al is de coëfficiënt niet significant. Dit volgt wel de algemene conclusies uit het onderzoek van Hirtle (2007). Ook voor de interest- en leningratio draait de relatie over de twee periodes om. Dit is in lijn met het voorgaande onderzoek waarbij de inverse relatie van de ratio’s over beide tijdszones heen reeds werd aangehaald.

Opmerkelijk voor de returns van de banken is ook het effect van de kapitaalratio. Hier is duidelijk merkbaar dat in tijden van voorspoed het aanhouden van een grotere kapitaalratio een beperkte negatieve maar significante invloed uitoefent op de resultaten van de banken. In tijden van crisis daarentegen wijst deze ratio op het belang van een goede kapitaalbasis voor het aanhouden van stabiele returns. Dit komt overeen met het onderzoek uitgevoerd door het centrum voor European Policy Studies (Ayadi, Arbak and Pieter De Groen 2011).

Ook de grootte van de onderneming blijkt van toenemend belang in tijden van crisis voor de returns, al kan hier een vertekend beeld voorkomen door de samenstelling van de sample. Hierbij aansluitend kan gewezen worden op het empirisch resultaat van Augusto de la Torre (2010). Hier haalt men de voordelen van retail activiteiten bij de ‘Multi-service banks’ aan, aangezien zij het risico beter kunnen managen door middel van diversificatie, beter data en meer gesofisticeerde risk management tool. Dit kan een verklaring vormen voor de positieve invloed van de grootte van de bank.

De resultaten bij de voor risico gecorrigeerde returns wijzen significante deposito- en interestratio op het matig generen van returns bij retailbanken. Het reduceren van risico en eveneens het stabiliseren maar afremmen van de returns kan hieruit besloten worden. Dit ligt volledig in de lijn met het onderzoek van Stiroh (2007).

Wanneer de jaarlijkse bètawaarden worden vergeleken over de twee periodes heen, valt nog steeds de invloed van de deposito’s op het systematisch risico van de banken uitzonderlijk op. Deze coëfficiënt blijft nog steeds significant en gaat in tegen de algemene intuïtie. Om deze ongewone resultaten te kunnen verklaren moeten enkel bijkomende onderzoeken uitgevoerd worden. Een 62

eerste mogelijkheid situeert zich in de significantie. Echter, aangezien de t-statistiek zich tussen het [2;-2]-interval bevindt, wordt toch een zekere significantie aanvaard. De waarde 1,959 leunt echter dicht aan tegen de grenswaarde en een eventuele ‘Border Line’ significantie is mogelijk, maar lijkt in eerste instantie eerder beperkt. Deze mogelijke ‘Border Line’ significantie zou het bekomen resultaat eventueel kunnen afzwakken. Door de onderliggende waarden van de depositoratio grondiger te bekijken kan ook een mogelijke verklaring gevonden worden. De depositoratio werd gevormd als de verhouding van de klantendeposito’s op de totale financiering of ‘funding’ van de bank. Wanneer de spreiding van deze onderliggende klantendeposito’s echter in frequenties uitgezet wordt op een grafische weergave, zoals voorgestelde in onderstaande Figuur 8, kan men zien dat de meeste banken in de portfolio eerder geen of zeer weinig klantendeposito’s aanhouden.

TOTALCUSTOMERDEPOSITS

TOTALCUSTOMERDEPOSITS 600

1.0

500 0.8

Probability

Frequency

400

300

0.6

0.4

200 0.2

100 0.0

0 0

100,000

300,000

500,000

700,000

900,000

Figuur 8 Histogram, frequentieweergave van het aantal banken en de hoeveelheid klantendeposito’s zij aanhouden

0

100,000

300,000

500,000

700,000

900,000

Figuur 9 Probabiliteit weergave van de kans dat een bank een bepaalde hoeveelheid klantendeposito's aanhoudt

Wanneer bovendien deze frequenties waarin banken zich bevinden, betreffende de hoeveelheid aangehouden klantendeposito’s, uitgezet worden in functie van de probabiliteit, kan opgemerkt worden dat de kans dat een bank veel deposito’s aanhoudt inderdaad zeer beperkt is. Dit maakt van deze ratio een minder betrouwbare bron van informatie om de risico-impact te analyseren. Het verklaart in zeker mate de intuïtief vreemde regressiecoëfficiënt.

Wat betreft de leningratio blijven de conclusies overeind. Deze ratio kan in ieder geval gezien worden als een belangrijke en stabiliserende factor voor de banken. Een goede uitbouw van leningkredieten blijkt een reducerende invloed te hebben op de banken hun systematisch risico, zowel in tijden van voorspoed als van crisis.

63

6. Conclusies Wat houdt de toekomst voor retailbanken in Europa in?

Naar aanleiding van de financiële onstabiele markten van de laatste jaren, de liquiditeitscrisis, vastgoedcrisis en de meest recentste overheidsschuldencrisis heeft de financiële markt een zware klap te verduren gekregen. De bankenwereld ontwaakt stilaan uit een businessmodel dat zich baseerde op een systematische onderwaardering van risico en een te excessief najagen van extra returns. Bovendien groeien veel banken uit tot financiële conglomeraten waarvan de invloed op de totale markt niet langer te onderschatten valt.

In dit perspectief komt het belang van de retailgerichte oriëntatie van banken weer sterker naar voor. Het businessmodel dat aan de basis stond van de gehele financiële crisis ligt in groot contrast met de sterke factoren aangehaald bij retailbanken. De focus op wholesale financiering en een vergaand gebruik van financiële afgeleiden voor het creëren van inkomsten werd reeds veelvuldig aangetoond ondoordacht risicovol te zijn. Dit komt onder andere in het onderzoek van Shleifer & Vishny (2010) en Altunbas & Manganelli et al. (2011) duidelijk tot uiting.

Eerder onderzoek gericht op de positieve invloed van de retail oriëntatie op het risicoprofiel van banken toonde aan dat de specifieke structuur van een retailbank op vlak van financiering, activa en inkomstenstromen bepalend is (Vander Vennet and Schepens 2009). Banken die zich richten op de meer traditionele vorm van bankieren kunnen in het algemeen als minder risicovol gezien worden. Dat deze risicobeperkende factor van de retail activiteiten ook leidt tot lagere returns werd dan weer duidelijk aangehaald door Hirtle en Stiroh (2007).

Toch dringt zich nog meer onderzoek op naar de specifieke impact van een de balansstructuur van banken. Deze onwaarschijnlijke tijden van ongekende onstabiele markten vormen de, ietwat ongelukkige, maar ideale basis voor het uitzoeken van zowel retail voordelen als nadelen. Bovendien evolueren de markten continue en kent de retailmarkt ongekende vormen van integratie, innovatie en technologische vooruitgang. In deze omgeving dient steeds verder onderzoek uitgevoerd te worden naar de implicaties voor de bankenwereld in zijn geheel.

64

Bovendien vervagen de grenzen van specifieke businessmodellen meer en meer. In deze context biedt dit onderzoek een goed overzicht van de meest omvattende afbakening en definiëring van het begrip retailbank aanwezig in de literatuur.

De perceptie over de bankenmarkt begint zich steeds meer en meer te polariseren met aan het ene uiterste de traditionele bank, waar de retailbank het dichtst bij aanleunt. Het andere uiterste is de non-traditionele vorm van bankieren met extremen in zowel het investerings- als het wholesale bankendomein. Toch is er nog steeds een grote overgangszone met banken die niet ingedeeld kunnen worden en zich bevinden in een continuüm tussen beide polen. Op dit vlak biedt dit onderzoek een voorzichtige stap in de richting van retail determinanten en kan er gewezen worden op het belang van het definiëren van de reële en significante parameters voor retailbanken. Het werk van Hirtle en Stiroh (2007) zet hier zeker een belangrijke stap.

Wat betreft de bankoriëntatie kan dit onderzoek zeker bewijzen voorleggen dat er sprake is van een toename in de mate van retailbankieren. Zowel deposito’s als vorm van financiering en de stabiele activiteit van algemene en kredietleningen komen in deze studie naar voor als stijgend in belang. Opvallend is ook, in navolging van het onderzoek van Ayadi et al. (2011), het sterk toenemend belang van het interestinkomen voor retail en non-retail banken. De trend van interestinkomen in vergelijking tot het totale inkomen van de onderzochte banken stijgt zeer sterk tot eind 2007 om hierna enorm snel weer te dalen. Wanneer zowel de retail grenswaarde als de gemiddelde waarde vergeleken worden kan besloten worden dat niet enkel retail banken hun fractie interestinkomen sterk lieten toenemen in aanloop van de crisis. Dit maakt het retail determinerend belang van de interestratio minder efficiënt.

Op vlak van risico gaat deze studie dieper in op zowel de systematische, idiosyncratische als totale volatiliteit van de marktperformance van retail en non-retail banken. Over de globale periode van 2004 tot 2009 gezien, wijzen de resultaten op een effectief risicoreducerend effect van depositofinanciering. Dit ligt in lijn met onder andere het onderzoek van Baele et al. (2010). Ook het onderzoek van Schepens en Vander Vennet (2009) komt tot deze vaststelling. Op vlak van idiosyncratisch risico worden er een significant verschil gevonden tussen banken met een uitgebreide mate van leningen ten opzichte van hun totale activa en banken die zich niet, of in minder mate, toeleggen op de leningsactiviteit. Dit is niet volledig in lijn met het onderzoek van bovenvermelde auteurs. 65

De verdere pre- en intercrisis risico-evaluatie in dit onderzoek biedt inzichten over de retail risicocomponenten in periodes van verschillende financiële stabiliteit. In de eerste plaats wordt het belang van een goede depositobasis in tijden van crisis aangetoond. In de periode vóór de financiële crisis dragen deposito’s echter niet bij tot een mindere mate van systematisch bankrisico. Met deze bevindingen volgt dit onderzoek de conclusies gemaakt in het onderzoek van DemirgüçKunt en Huizinga (2009), Altunbas et al. (2011) en Shleifer en Vishny (2010). De analyse van het interestinkomen biedt in mindere mate significante resultaten. Al kan wel aangehaald worden dat banken die zich focussen op een beperkte diversificatie van inkomsten een hoger risico kunnen inhouden. Uiteindelijk wordt het belang van de leningsactiviteit bevestigd in deze periodieke analyse.

Finaal wordt aan de hand van een panelregressie de invloed van de retail oriëntatie bekeken ten opzichte van return en risicoparameters. In dit onderzoek komen de bevindingen van de paper van Hirtle en Stiroh (2007) duidelijk naar voor. Het risicoreducerend effect weegt het meest door voor de toename in de leningsactiviteit van een bank. Wat betreft de depositofinanciering bekomt deze studie eerder vertekende resultaten. Bovendien kan aan de hand van de gebruikte tijdsgefixeerde panelregressie aangetoond worden dat, alhoewel retailbankieren garant staat voor een stabieler risicoprofiel, dit ook gepaard gaat met een significante daling van de bank zijn returns.

Alhoewel deze studie een goed overzicht biedt van de implicaties op het risicoprofiel van een retail bank en de consequenties voor de performance aanhaalt, moeten een aantal beperkingen in rekening genomen worden. In eerste instantie volstaan de gedefinieerde parameters wel om een implicaties van een specifieke balansstructuur voor de bank aan te tonen, toch kan er niet gesproken worden van een goed sluitende afbakening van het begrip retail bank. Op dit vlak zijn er zeker nog mogelijkheden tot verder onderzoek.

Wat betreft de Gauss-Markov voorwaarden van de Ordinary Least Squares schatting, gebruikt in alle regressies, werden gewogen nuanceringen gemaakt. Ook al wordt de logaritmische waarde van bepaalde variabelen gehanteerd en wordt er bovendien gebruikgemaakt van de voor White aangepaste standaardfouten, kan niet uitgesloten worden dat er nog steeds heteroscedasticiteit aanwezig blijft. Deze nuancering vormt echter maar een beperkte invloed op de zuiverheid en consistentie van de verkregen regressiecoëfficiënten. Verder, zeker in de totale panelregressie, 66

wordt door de banken initieel niet in te delen aan de hand van een vooropgesteld businessmodel een groot deel van de endogeniteitsproblematiek voorkomen. Wat betreft de verdere voorwaarden kan men enkel stellen dat de resultaten met de nodige kritische nuance moeten bekeken worden.

Dit onderzoek duidt opnieuw op het nog steeds bestaande risicoprofiel eigen aan een bepaalde bankstrategie. De bevindingen brengen belangrijke inzichten bij en geven zowel bankmanagers, overheden, bankbeleid en regulatieve instanties een bijkomende stimulans voor onderzoek naar een betere opbouw van de huidige bankstructuur.

De verdere toekomstige problematiek die zich hier vormt is tweeërlei. In de eerste plaats stelt zich de vraag of banken die kunnen gezien worden als universele banken (of banken gericht op meerder businessstrategieën en activiteiten) in de toekomst in staat zullen zijn hun risicovolle niet-retail activiteiten te scheiden van de retail zijde. Bovendien blijft ook de interne competitie in de retail bankenmarkt een interessant domein, waar dieper empirisch onderzoek zich opdringt. De aangehaalde regulatieve oplossingen voor beide probleemstellingen, aangeboden door zowel de Britse Independant Commission on Banking en de Europese Basel III normering, lijken wat betreft de retail banken alvast een eerste stap in de goede richting.

67

7. Literatuurlijst Adrian, E. T., 1987. International Retail Banking as a Strategy: An Assessment, Journal of International Business Studies 18, 67-88. Agarwal, S., S. Chomsisengphet, C. Liu, and N. S. Souleles, 2010. Benefits of Relationship Banking Evidence from customer credit markets(Federal Reserve Bank of Chicago, Chicago). Altunbas, Y., S. Manganelli , and D. Marques-Ibanez, 2011. Bank Risk During the Financial Crisis: Do Business Models Matter?, SSRN eLibrary. Anginer, D., A. Demirgüç-Kunt, and M. Zhu, 2012. How Does Bank Competition Affect Systemic Stability?, SSRN eLibrary. Ayadi, R., E. Arbak, and W. Pieter De Groen, 2011. Business Models in European Banking: A Pre-and Post-Crisis Screening, SSRN eLibrary. Baele, L., V. De Bruyckere, O. De Jonghe, and R. Vander Vennet, 2010. Bank business models, managerial discretion and risk efficiency, BIS event paper. Baltagi, B. H., 2005. Econometric Analysis of Panel Data, 3th edition.(John WIley & Sons Ltd, West Sussex, England). Berger, A. N., 1999. The big picture about relationship-based finance, Proceedings, 390-400. Boot, A., 2000. Relationship Banking: What Do We Know?, Journal of Financial Intermediation 9, 725. Clark, T., A. A. Dick, B. Hirtle, K. J. Stiroh, and R. Williams, 2007. The Role of Retail Banking in the U.S. Banking Industry: Risk, Return, and Industry Structure, Economic Policy Review, Vol. 13, No. 3, December 2007. Croxford H., A. F., Jablonowksi A., 2005. The Art of Better Retail Banking: Supportable Predictions on the Future(John Wiley & Sons Ltd, West Sussex). De Jonghe, O., 2010. Back to the basics in banking? A micro-analysis of banking system stability, Journal of Financial Intermediation 19, 387-417. de la Torre, A., M. S. Martínez Pería, and S. L. Schmukler, 2010. Bank involvement with SMEs: Beyond relationship lending, Journal of Banking & Finance 34, 2280-2293. Demirgüç-Kunt, A., and H. Huizinga, 2009. Bank Activity and Funding Strategies: The Impact on Risk and Return, SSRN eLibrary. Demsetz, R. S., and P. E. Strahan, 1997. Diversification, Size, and Risk at Bank Holding Companies, Journal of Money, Credit and Banking 29, 300-313.

68

European Central Bank, 2010. Payment System: Payments, Securities and Derivates, and the role of the Eurosystem, http://www.ecb.europa.eu. Fama, E. F., and K. R. French, 1993. Common risk factors in the returns on stocks and bonds, Journal of Financial Economics 33, 3-56. Fama, E. F., and K. R. French, 1996. Multifactor Explanations of Asset Pricing Anomalies, The Journal of Finance 51, 55-84. Ferri, G., T. S. Kang, and I.-J. Kim, 2001. The Value of Relationship Banking during Financial Crises: Evidence from the Republic of Korea, SSRN eLibrary. Goodhart, C. A. E., 2008. The background to the 2007 financial crisis, International Economics and Economic Policy 4, 331-346. Gopinath, S., 2005. Retail Banking - Opportunities and Challenges(Mumbai). Hasan, I., H. Schmiedel, and L. Song, 2009. Return to Retail Banking and Payments, SSRN eLibrary. Hirtle, B., and K. Stiroh, 2007. The return to retail and the performance of US banks, Journal of Banking & Finance 31, 1101-1133. House of Commons Treasury Commitee, U., 2011. Competition and choice in retail banking Volume I. Hugh, C., A. Frank, and J. Alex, 2005. The art of better retail banking: Supportable Predictions on the Future of Retail Banking(John Wiley & Sons Ltd, Chichester, West Sussex PO19 8SQ, England). Independent Commission on Banking, 2011. Final Report: Recommendations. Ivashina, V., and D. Scharfstein, 2010. Bank lending during the financial crisis of 2008, Journal of Financial Economics 97, 319-338. Jay, S., and T. S. C. Julian, 2011. Making Banks Safer: Can Volcker and Vickers Do It?(International Monetary Fund). Keith, P., 2007. Retail Banking( Global Professional Publishing Limited - The European Innovation Centre, London). Koller, T., M. Goedhart, and D. Wessels, 2010. Valuation: Measuring and Managing the Value of Companies, 5th edition.(McKinsey & Company Inc. ). Lintner, J., 1965. The Valuation of Risk Assets and the Selection of Risky Investments in Stock Portfolios and Capital Budgets, The Review of Economics and Statistics 47, 13-37. Llewellyn, D., 1999. The New Economics of Banking(SUERF - The European Money and Finance Forum).

69

Memmel, C., C. Schmieder, and I. Stein 2007. Relationship lending - empirical evidence for Germany, Deutsche Bundesbank Discussion Paper 14/07 Series 2. Petersen, M. A., and R. G. Rajan, 1995. The Effect of Credit Market Competition on Lending Relationships, Quarterly Journal of Economics 110, 407-443. Reinhart, C. M., and K. S. Rogoff, 2008. This Time is Different: A Panoramic View of Eight Centuries of Financial Crises, National Bureau of Economic Research Working Paper Series No. 13882. Saunders, A., and M. M. Cornett, 2008. Financial Institutions Management: A Risk Management Approach(McGraw-Hill/Irwin, New York). Saunders, A., and I. Walter, 2011. Financial architecture, systemic risk, and universal banking, Financial Markets and Portfolio Management 26, 39-59. Sharpe, W. F., 1964. Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk, The Journal of Finance 19, 425-442. Shleifer, A., and R. W. Vishny, 2010. Unstable banking, Journal of Financial Economics 97, 306-318. Song, F., and A. V. Thakor, 2007. Relationship Banking, Fragility, and the Asset-Liability Matching Problem, Review of Financial Studies 20, 2129-2177. Spyros, M., V. Dimitrios, and E. Nikolaos, 2010. Arithmetic mean: a bellwether for unbiased forecasting of portfolio performance, Managerial Finance 36, 958-968. Stiroh, K. J., 2007. New Evidence on the Determinants of Bank Risk, Journal of Financial Services Research 30, 237-263. Stiroh, K. J., and T. Schuermann, 2006. Visible and Hidden Risk Factors for Banks, SSRN eLibrary. The Financial Services Subgroup, 2005. Comparative Study of Competition in Retail Banking and Payments System Markets, ECA Working Group. Trascasa, C., R. Vlaar, V. M. S. d. Madrid, S. Gallizioli, and Y. Yeramian, 2011. Face-to-Face: a € 1520bn multichannel opportunity(McKinsey&Company and EFMA). Vander Vennet, R., and G. Schepens, 2009. Bank risks during the crisis(SUERF Colloquium, Utrecht).

70

Bijlagen 1. Dataset & systematisch risico

Banken Finale Sample (118) Aareal Bank AG Aktia Plc Alandsbanken Abp-Bank of Aland Plc Allied Irish Banks plc Alm. Brand A/S Alpha Bank AE Amagerbanken, Aktieselskab Attica Bank SA-Bank of Attica SA Aurskog Sparebank Banca Carige SpA Banca Generali SpA-Generbanca Banca Ifis SpA Banca Monte dei Paschi di Siena SpA-Gruppo Monte dei Paschi di Siena Banca Popolare di Milano SCaRL Banca popolare dell'Etruria e del Lazio Soc. coop. Banca Popolare di Sondrio Societa Cooperativa per Azioni Banca popolare dell'Emilia Romagna Banca Profilo SpA Banco BPI SA Banco Comercial PortuguÛs, SA-Millennium bcp Banco de Sabadell SA Banco de Valencia SA Banco di Sardegna SpA Banco Espanol de Crédito SA, BANESTO Banco Espirito Santo SA Banco Guipuzcoano SA Banco Popular Espanol SA Banco Santander SA BANIF SGPS SA Bank of Ireland Piraeus Bank SA Bankinter SA Banco Bilbao Vizcaya Argentaria SA Bank f³r Tirol und Vorarlberg AG-BTV (3 Banken Gruppe) BKS Bank AG Banco Desio - Banco di Desio e della Brianza SpA BNP Paribas Caja de Ahorros del Mediterraneo CAM Crédit Foncier et Communal d'Alsace et de Lorraine (Banque)-CFCAL Banque Crédit Industriel et Commercial - CIC Comdirect Bank AG Commerzbank AG Caisse Régionale de crédit agricole mutuel Atlantique Vendée-Crédit Agricole Atlantique Vendée Caisse régionale de credit agricole mutuel de la Touraine et du Poitou-Credit Agricole de la Touraine et du Poitou Caisse régionale de crédit agricole mutuel Loire Haute-Loire-Crédit Agricole Loire Haute-Loire Caisse régionale de crédit agricole mutuel de Normandie-Seine Caisse Régionale de Crédit Agricole Mutuel Brie Picardie-Crédit Agricole Brie Picardie Caisse régionale de crédit agricole mutuel de l'Ille-et-Vilaine-Crédit Agricole de l'Ille-et-Vilaine Caisse régionale de crédit agricole mutuel Nord de France-Crédit Agricole Nord de France Caisse régionale de crédit agricole mutuel de Paris et d'Ile-de-France-Crédit Agricole d'Ile-de-France Caisse régionale de Crédit Agricole mutuel du Morbihan-Crédit Agricole du Morbihan Caisse régionale de credit agricole mutuel Sud Rhone -Alpes-Credit Agricole Sud Rhone Alpes Caisse Régionale de Crédit Agricole Mutuel Toulouse 31-Crédit Agricole Mutuel Toulouse 31 CCI Caisse régionale de credit agricole mutuel d'Alpes-Provence-Credit Agricole Alpes Provence Credit Suisse Group AG Credito Emiliano SpA-CREDEM

bèta 1.55 0.72 0.63 1.81 1.07 1.10 0.79 1.16 0.52 0.90 1.04 0.68 1.02 1.25 0.87 0.73 0.92 1.03 0.88 0.94 0.83 0.95 0.78 0.90 0.86 0.51 1.08 1.21 0.92 1.82 1.22 0.95 1.25 0.32 0.37 0.64 1.21 0.65 0.42 0.70 0.89 1.36 0.62 0.55 0.69 0.67 0.80 0.68 0.76 0.64 0.54 0.63 0.49 0.62 1.37 1.08

t-stat 19.50 9.82 10.22 12.02 14.62 11.16 5.43 11.72 13.22 18.40 16.21 16.16 18.65 17.84 17.24 18.22 16.83 16.19 15.28 14.88 18.30 11.67 13.95 22.02 15.59 11.13 21.58 27.75 12.84 12.30 12.89 17.33 28.86 6.98 10.94 13.03 19.28 4.45 8.38 15.50 17.95 17.68 14.10 12.07 14.02 12.53 15.12 14.19 17.32 13.91 9.06 13.57 12.47 13.27 24.56 19.87

I

Caisse Régionale de crédit agricole mutuel Atlantique Vendée-Crédit Agricole Atlantique Vendée Caisse régionale de credit agricole mutuel de la Touraine et du Poitou-Credit Agricole de la Touraine et du Poitou Caisse régionale de crédit agricole mutuel Loire Haute-Loire-Crédit Agricole Loire Haute-Loire Caisse régionale de crédit agricole mutuel de Normandie-Seine Caisse Régionale de Crédit Agricole Mutuel Brie Picardie-Crédit Agricole Brie Picardie Caisse régionale de crédit agricole mutuel de l'Ille-et-Vilaine-Crédit Agricole de l'Ille-et-Vilaine Caisse régionale de crédit agricole mutuel Nord de France-Crédit Agricole Nord de France Caisse régionale de crédit agricole mutuel de Paris et d'Ile-de-France-Crédit Agricole d'Ile-de-France Caisse régionale de Crédit Agricole mutuel du Morbihan-Crédit Agricole du Morbihan Caisse régionale de credit agricole mutuel Sud Rhone -Alpes-Credit Agricole Sud Rhone Alpes Caisse Régionale de Crédit Agricole Mutuel Toulouse 31-Crédit Agricole Mutuel Toulouse 31 CCI Caisse régionale de credit agricole mutuel d'Alpes-Provence-Credit Agricole Alpes Provence Credit Suisse Group AG Credito Emiliano SpA-CREDEM Credito Valtellinese Soc Coop DAB Bank AG Danske Bank A/S Deutsche Bank AG Deutsche Postbank AG Dexia DiBa Bank A/S DnB Nor ASA EFG Eurobank Ergasias SA Eik Banki P/F Emporiki Bank of Greece SA Erste Group Bank AG General Bank of Greece SA Graubuendner Kantonalbank-Banque Cantonale des Grisons HSBC Holdings Plc ING Groep NV Intesa Sanpaolo Jyske Bank A/S (Group) KBC Groep NV/ KBC Groupe SA-KBC Group Landesbank Berlin Holding AG-LBB Holding AG Lloyds Banking Group Plc Marfin Egnatia Bank SA National Bank of Greece SA Natixis Nes Prestegjelds Sparebank Nordea Bank AB (publ) Nordfyns Bank Oberbank AG Oesterreichische Volksbanken AG Pohjola Bank plc-Pohjola Pankki Oyj Proton Bank S.A. Raiffeisen International Bank-Holding AG Raiffeisenlandesbank Ober÷sterreich AG Royal Bank of Scotland Group Plc (The)

0.62 0.55 0.69 0.67 0.80 0.68 0.76 0.64 0.54 0.63 0.49 0.62 1.37 1.08 0.92 0.96 1.24 1.48 0.94 1.26 0.52 1.38 1.17 0.76 0.73 1.54 1.10 0.59 0.98 1.65 1.22 0.99 1.84 0.76 1.47 0.83 1.26 1.32 0.52 1.18 0.51 0.38 0.29 1.06 0.95 1.55 0.36 1.66

14.10 12.07 14.02 12.53 15.12 14.19 17.32 13.91 9.06 13.57 12.47 13.27 24.56 19.87 21.25 16.72 22.71 25.62 14.27 12.65 6.29 24.67 11.20 5.53 9.82 21.82 10.05 12.37 24.50 22.51 22.40 18.27 19.37 12.42 14.90 9.32 14.97 16.95 10.63 26.15 8.29 14.97 6.72 21.20 7.40 19.68 15.15 14.41

II

Oesterreichische Volksbanken AG Pohjola Bank plc-Pohjola Pankki Oyj Proton Bank S.A. Raiffeisen International Bank-Holding AG Raiffeisenlandesbank Ober÷sterreich AG Royal Bank of Scotland Group Plc (The) Sandnes Sparebank Skandinaviska Enskilda Banken AB SNS Reaal NV Société Générale Spar Nord Bank Sparebank 1 Nord-Norge SpareBank 1 SMN Sparebanken More Sparebanken Ost Sparebanken Vest Sparekassen Faaborg A/S Sparekassen Lolland SpareBank1 Buskerud-Vestfold Rygge-Vaaler Sparebank Standard Chartered Plc Svendborg Sparekassen A/S Svenska Handelsbanken Swedbank AB Sydbank A/S T Bank S.A Totens Sparebank TT Hellenic Postbank S.A Unione di Banche Italiane Scpa-UBI Banca UBS AG Van Lanschot NV Vestjysk Bank A/S Volksbank Vorarlberg e.Gen. Wustenrot & Wurttembergische

0.29 1.06 0.95 1.55 0.36 1.66 0.78 1.45 1.41 1.42 0.87 0.92 0.86 0.67 0.68 0.70 0.63 0.61 0.50 0.54 1.34 0.45 1.05 1.37 1.13 1.01 0.58 1.02 0.99 1.26 0.55 0.70 0.36 0.90 Gemiddelde bètawaarde 0.93

6.72 21.20 7.40 19.68 15.15 14.41 11.28 22.02 17.17 20.62 16.50 16.44 16.24 15.67 10.44 14.40 10.16 7.40 10.28 12.32 25.16 8.94 25.30 20.52 21.97 7.36 10.43 8.31 21.35 22.82 13.10 8.21 14.37 16.45

2. Risicocomponenten grafische portfolioanalyse RETAIL DEPOSITO'S

Bèta

NONRETAIL

Idiosync

Total

t-stat

Bèta

Idiosync

Total

t-stat

0.008 0.019

0.011 0.033

15.644 13.661

0.421 0.574

0.007 0.017

0.010 0.035

16.547 17.543

Bèta

Idiosync

Total

t-stat

Bèta

Idiosync

Total

t-stat

2004 - 2007 0.450 2008 - 2009 0.577 LENINGEN Bèta

0.011 0.018 Idiosync

0.014 0.035 Total

10.689 16.954 t-stat

0.444 0.550 Bèta

0.007 0.017 Idiosync

0.011 0.034 Total

16.685 17.110 t-stat

2004 - 2007 0.360 2008 - 2009 0.459

0.008 0.020

0.010 0.031

11.575 12.389

0.561 0.693

0.005 0.014

0.011 0.034

26.283 26.220

2004 - 2007 0.469 2008 - 2009 0.499 INTEREST

III

3. Wald-test jaarlijkse en grafische portfolioanalyse 2004 RATIO DEPOSITO'S

INTEREST

LENINGEN

2005

Wald test

Prob.

Waarde

Prob.

Waarde

t-stat F-stat χ²-stat t-stat F-stat χ²-stat t-stat F-stat χ²-stat

0.3349 0.3349 0.3303 0.1236 0.1236 0.1173 0.0000 0.0000 0.0000

-0.9736 0.9479 0.9479 1.5661 2.4528 2.4528 5.4947 30.1918 30.1918

0.7462 0.7462 0.7449 0.8158 0.8158 0.8149 0.0630 0.0630 0.0573

-0.3254 0.1059 0.1059 0.2341 0.0548 0.0548 1.9013 3.6149 3.6149

2006 Prob.

2007

2008

Waarde

Prob.

Waarde

Prob.

Waarde

Prob.

Waarde

0.0453 -2.0527 0.0453 4.2138 0.0401 4.2138 0.7343 -0.3413 0.7343 0.1165 0.7329 0.1165 0.0000 6.6865 0.0000 44.7089 0.0000 44.7089

0.3290 0.3290 0.3242 0.5740 0.5740 0.5715 0.0000 0.0000 0.0000

-0.9858 0.9718 0.9718 -0.5659 0.3202 0.3202 5.2638 27.7079 27.7079

0.1330 0.1330 0.1267 0.4955 0.4955 0.4923 0.0000 0.0000 0.0000

1.5272 2.3322 2.3322 0.6867 0.4715 0.4715 7.0081 49.1141 49.1141

0.1771 0.1771 0.1710 0.0180 0.0180 0.0144 0.0000 0.0000 0.0000

1.3689 1.8740 1.8740 -2.4472 5.9887 5.9887 7.2390 52.4038 52.4038

BETA'S

2004 - 2007

2008 - 2009

RATIO

Wald test

Prob.

Waarde

Prob.

Waarde

DEPOSITO'S

t-stat F-stat

0.0609 0.0609

-1.8848 3.5526

0.0246 0.0246

2.2807 5.2014

χ²-stat

0.0595

3.5526

0.0226

5.2014

t-stat F-stat χ²-stat t-stat F-stat χ²-stat

0.8212 0.8212 0.8210 0.0000 0.0000 0.0000

-0.2263 0.0512 0.0512 9.4451 89.2092 89.2092

0.3912 0.3912 0.3892 0.0000 0.0000 0.0000

-0.8611 0.7415 0.7415 8.8453 78.2401 78.2401

INTEREST

LENINGEN

2009

IV

4. Risicocomponenten jaarlijkse analyse

RETAIL

NONRETAIL

DEPOSITO'S

Bèta

Idiosync

Total

t-stat

Bèta

Idiosync

Total

t-stat

2004 2005 2006 2007 2008 2009

0.3806 0.4774 0.4374 0.4802 0.4369 0.5313

0.0073 0.0071 0.0071 0.0084 0.0210 0.0164

0.0091 0.0098 0.0105 0.0141 0.0332 0.0261

5.1878 6.6517 7.7526 9.5262 8.6442 8.7667

0.3206 0.4572 0.3691 0.4343 0.5043 0.6035

0.0062 0.0062 0.0042 0.0078 0.0183 0.0143

0.0076 0.0089 0.0078 0.0128 0.0349 0.0271

5.1996 7.3443 11.1057 9.3310 11.4338 11.4422

RETAIL

NONRETAIL

INTEREST

Bèta

Idiosync

Total

t-stat

Bèta

Idiosync

Total

t-stat

2004 2005 2006 2007 2008 2009

0.3261 0.4503 0.4083 0.4669 0.4512 0.7438

0.0174 0.0059 0.0060 0.0081 0.0162 0.0159

0.0180 0.0087 0.0094 0.0137 0.0311 0.0326

1.8721 7.5711 8.5041 9.5452 11.5719 12.6332

0.4181 7.5711 0.3942 0.4376 0.4794 0.6037

0.0059 0.0063 0.0052 0.0086 0.0171 0.0155

0.0083 0.0091 0.0087 0.0135 0.0330 0.0278

7.1210 7.3122 9.5376 8.4326 11.6593 10.5426

RETAIL

NONRETAIL

LENINGEN

Bèta

Idiosync

Total

t-stat

Bèta

Idiosync

Total

t-stat

2004 2005 2006 2007 2008 2009

0.2259 0.4393 0.2771 0.3779 0.3871 0.4715

0.0072 0.0074 0.0053 0.0097 0.0179 0.0193

0.0079 0.0096 0.0072 0.0131 0.0290 0.0264

3.1223 5.9215 6.6141 6.5204 8.9779 6.6129

0.5372 0.5298 0.5341 0.5694 0.6109 0.8135

0.0057 0.0047 0.0048 0.0061 0.0133 0.0128

0.0095 0.0088 0.0107 0.0147 0.0383 0.0336

9.4817 11.1386 13.8939 15.6474 19.1286 17.2177

V

5. Beschrijvende statistiek portfolio’s DEPOSITOS

CNR2004

CR2004

CNR2005

CR2005

CNR2006

CR2006

CNR2007

CR2007

CNR2008

CR2008

CNR2009

CR2009

Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis

0.001180 0.000769 0.032866 -0.021875 0.007644 0.832175 8.273363

0.001392 0.000444 0.025123 -0.020179 0.009089 0.519115 3.428207

-0.000847 0.000567 0.011068 -0.039524 0.008931 -2.294614 9.629386

-0.000617 0.000840 0.019334 -0.038780 0.009806 -1.584932 7.277745

-0.006682 -0.006207 0.013748 -0.032147 0.007784 -0.729994 5.252550

-0.006323 -0.005881 0.023017 -0.035695 0.010530 -0.378478 4.640712

-0.005375 -0.004289 0.027170 -0.046546 0.012835 -0.612180 5.122655

-0.005130 -0.004000 0.029261 -0.049135 0.014086 -0.899499 5.508960

-0.003640 -0.007961 0.079935 -0.107627 0.034852 0.418345 4.418967

-0.002089 -0.008825 0.086089 -0.077263 0.033181 0.792826 3.698790

0.028123 0.027025 0.089788 -0.014669 0.027124 0.382224 2.540881

0.025389 0.021165 0.084102 -0.018774 0.026097 0.310362 2.287559

Jarque-Bera Probability

66.25323 0.000000

2.732779 0.255026

140.8545 0.000000

61.41879 0.000000

15.61202 0.000407

7.073995 0.029101

13.01023 0.001496

20.65109 0.000033

5.879288 0.052885

6.505639 0.038665

1.722872 0.422555

1.934551 0.380117

Sum Sum Sq. Dev.

0.061355 0.002980

0.072403 0.004213

-0.044043 0.004068

-0.032103 0.004904

-0.347447 0.003090

-0.328810 0.005655

-0.279475 0.008402

-0.266738 0.010119

-0.189293 0.061949

-0.108629 0.056149

1.462416 0.037522

1.320247 0.034735

Observations

52

52

52

52

52

52

52

52

52

52

52

52

INTEREST

INR2004

IR2004

INR2005

IR2005

INR2006

IR2006

INR2007

IR2007

INR2008

IR2008

INR2009

IR2009

0.000989 0.001452 0.029926 -0.020383 0.008322 0.737449 5.521704

0.003603 0.002584 0.047704 -0.034377 0.017999 0.178194 3.001080

-0.000506 0.001585 0.012587 -0.036684 0.009106 -2.033587 7.901616

-0.000281 0.001393 0.012423 -0.038245 0.008670 -2.441763 10.79160

-0.005543 -0.005029 0.018933 -0.026766 0.008728 -0.062866 3.780038

-0.006673 -0.006064 0.022467 -0.035676 0.009445 -0.432130 5.598450

-0.006054 -0.004866 0.027115 -0.049770 0.013451 -0.845959 5.558995

-0.004813 -0.003903 0.034535 -0.045184 0.013688 -0.515953 5.583943

0.002653 -0.002292 0.088932 -0.096182 0.032956 0.409472 4.664033

0.000513 -0.003160 0.075835 -0.105034 0.031078 -0.037361 5.188231

0.031655 0.028048 0.089516 -0.015333 0.027790 0.334861 2.175149

0.032060 0.026533 0.103203 -0.020406 0.032588 0.374980 2.372768

Jarque-Bera Probability

18.49101 0.000097

0.275195 0.871449

87.89677 0.000000

183.2087 0.000000

1.352579 0.508500

16.24759 0.000296

20.39058 0.000037

16.77345 0.000228

7.452629 0.024081

10.38686 0.005553

2.445961 0.294352

2.071028 0.355044

Sum Sum Sq. Dev.

0.051406 0.003532

0.187355 0.016522

-0.026300 0.004229

-0.014618 0.003834

-0.288240 0.003885

-0.347004 0.004550

-0.314804 0.009228

-0.250289 0.009555

0.137961 0.055392

0.026659 0.049260

1.646062 0.039387

1.667112 0.054162

Observations

52

52

52

52

52

52

52

52

52

52

52

52

Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis

VI

LENINGEN

LNR2004

LR2004

LNR2005

LR2005

LNR2006

LR2006

LNR2007

LR2007

LNR2008

LR2008

LNR2009

LR2009

0.000876 0.001028 0.031738 -0.020702 0.009466 0.442147 4.271817

0.001617 0.001340 0.029801 -0.029483 0.007899 -0.188287 8.914142

-0.000487 0.000684 0.013177 -0.035940 0.008830 -1.787700 7.929323

-0.000657 0.001257 0.011426 -0.041962 0.009630 -2.345905 9.517302

-0.005751 -0.005205 0.018117 -0.036029 0.010660 -0.531308 3.934233

-0.006914 -0.006812 0.018945 -0.025188 0.007214 0.668965 5.949127

-0.005487 -0.004821 0.025498 -0.047430 0.014718 -0.457806 3.927228

-0.005306 -0.003346 0.030714 -0.046888 0.013129 -0.725909 5.567245

0.000994 -0.002100 0.104222 -0.144025 0.038287 -0.141586 6.735189

0.002044 -0.001973 0.069277 -0.073490 0.028965 0.392142 3.770226

0.032289 0.024198 0.113448 -0.025042 0.033624 0.443056 2.508921

0.031255 0.032394 0.090704 -0.017733 0.026389 0.443432 2.582115

Jarque-Bera Probability

5.198907 0.074314

76.09091 0.000000

80.34369 0.000000

139.7247 0.000000

4.337543 0.114318

22.72272 0.000012

3.679209 0.158880

18.84680 0.000081

30.40228 0.000000

2.618092 0.270078

2.223767 0.328939

2.082506 0.353012

Sum Sum Sq. Dev.

0.045551 0.004569

0.084092 0.003182

-0.025305 0.003977

-0.034140 0.004729

-0.299067 0.005795

-0.359534 0.002654

-0.285306 0.011048

-0.275908 0.008791

0.051664 0.074761

0.106266 0.042788

1.679039 0.057658

1.625276 0.035516

Observations

52

52

52

52

52

52

52

52

52

52

52

52

Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis

VII

VIII