UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2008 – 2009
Determinanten van de kapitaalstructuur van financiële instellingen
Masterproef voorgedragen tot het bekomen van de graad van Master in de Toegepaste Economische Wetenschappen
Riet De Plus Neal Geryl onder leiding van Prof. Olivier De Jonghe
UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2008 – 2009
Determinanten van de kapitaalstructuur van financiële instellingen
Masterproef voorgedragen tot het bekomen van de graad van Master in de Toegepaste Economische Wetenschappen
Riet De Plus Neal Geryl onder leiding van Prof. Olivier De Jonghe
PERMISSION Ondergetekenden verklaren dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding.
Riet De Plus
Neal Geryl
II
Woord vooraf
Deze masterproef is het resultaat van een intense periode waarin we konden rekenen op elkaar. Maar zonder de steun die we rechtstreeks en onrechtstreeks van buitenaf kregen zou het een heel stuk moeizamer gegaan zijn. Daarom willen we enkele mensen bedanken. Eerst en vooral onze promotor Olivier De Jonghe. Ondanks de vaak fysieke afwezigheid was hij altijd bereid om ons via de elektronische weg antwoorden te geven op de vragen die zich stelden. Bedankt om ons een boeiend onderwerp aan te bieden waarin wij ons gedurende een jaar konden verdiepen. Ook willen we onze ouders bedanken die ons de nodige steun gaven wanneer we die nodig hadden en voor de vele nalezingen in de laatste weken. Tevens een bedankje voor Monique Caignau om haar taaladvies. Als laatste de bibliotheek en het personeel om ons tijdens de vele uren die we daar doorgebracht hebben antwoorden te bieden op onze vragen.
III
Inhoudsopgave
Gebruikte afkortingen ........................................................................................................ Lijst met tabellen ............................................................................................................... Lijst met figuren ................................................................................................................. Bijlagen .............................................................................................................................
V VI VI VII
Inleiding ........................................................................................................................... 1 I. Literatuurstudie .............................................................................................................. 3 Inleiding ............................................................................................................................. 1. Wat maakt banken speciaal? ........................................................................................ 2. Kapitaalstructuurtheorieën ............................................................................................ 2.1. Trade-Off Theorie................................................................................................. 2.2. Pecking Order Theorie ......................................................................................... 3. Empirisch onderzoek..................................................................................................... 3.1. Niet-financiële instellingen ................................................................................... 3.2. Financiële instellingen .......................................................................................... 3.3. Determinanten...................................................................................................... 3.3.1. Micro-economische determinanten ............................................................ 3.3.2. Macro-economische determinanten ........................................................... 4. Besluit .......................................................................................................................... 5. Overzicht determinanten ..............................................................................................
3 3 7 7 9 10 10 12 13 14 16 17 17
II. Empirisch onderzoek ..................................................................................................... 19 Inleiding ............................................................................................................................ 1. Data .............................................................................................................................. 2. Variabelen en hypothesen ............................................................................................ 2.1. Afhankelijke variabele .......................................................................................... 2.2. Onafhankelijke variabelen ................................................................................... 3. Methodologie en resultaten .......................................................................................... 3.1. Beschrijvende statistieken.................................................................................... 3.2. Correlaties ............................................................................................................ 3.3. Econometrische analyse ...................................................................................... 3.3.1. Basisregressie: micro-economische variabelen ......................................... 3.3.2. Doelkapitaalstructuur ................................................................................ 3.4. Robuustheidtesten ............................................................................................... 4. Besluit ..........................................................................................................................
19 20 22 22 22 26 26 28 31 31 36 38 40
Algemene conclusie ...................................................................................................... 42 Bibliografie ........................................................................................................................ VIII Bijlagen ............................................................................................................................. XII
IV
Gebruikte afkortingen
BBP
Bruto Binnenlands Product
BIS
Bank for International Settlements
BW
Boekwaarde
CBFA
Commissie voor het Bank-, Financie-, en Assurantiewezen
CEPS
Centre for European Policy Studies
CEBS
Comité van Europese banktoezichthouders
CPI
Consumentenprijsindex
CRD
Capital Requirements Directive
EU-15
België, Denemarken, Duitsland, Finland, Frankrijk, Griekenland, Ierland, Italië, Luxemburg, Nederland, Portugal, Spanje, Verenigd Koninkrijk, Zweden en Zwitserland
EV
Eigen vermogen
FSAP
Financial Services Action Plan
G&H
Gropp en Heider (2008)
G7
Group of 7: Verenigd Koninkrijk, Frankrijk, Duitsland, Italië, Japan, Verenigde Staten en Canada. Vanaf 1998 werd dit de G8 samen met Rusland.
HICP
Harmonised Index of ConsumerPrices
Log
logaritme
MTB
market-to-book
MW
Marktwaarde
POT
Pecking Order Theorie
R&D
Research & Development
ROA
Return on assets, rentabiliteit van het totaalvermogen
SIC
Standard Industrial Classification
SVA
Snelheid van aanpassing
TOT
Trade-Off Theorie
V
Lijst met tabellen
Tabel 1
Determinanten, definities en invloed op de schuldgraad, zoals blijkt uit de literatuur............................................................................................. 18
Tabel 2
Steekproef: aantal banken per land, aantal commerciële banken, aantal financiële holdings ............................................................................ 21
Tabel 3a
Afhankelijke variabele + ratio ...................................................................... 25
Tabel 3b
Onafhankelijke variabelen, definities en invloed op de schuldgraad : hypothesen .................................................................................................. 25
Tabel 4
Resultaten basisregressie ........................................................................... 32
Tabel 5
Vergelijking resultaten basisregressie met Gropp en Heider (2008) en met Frank en Goyal (2009).......................................................................... 34
Tabel 6
Resultaten uit eigen onderzoek .................................................................. 41
Lijst met figuren
Figuur 1
Evolutie van de schuldgraad 1997 – 2007 .................................................. 30
VI
Bijlagen
Bijlage II – 3.1.
Beschrijvende statistieken ................................................................................ XIII
Bijlage II – 3.2.
Correlaties ........................................................................................................ XIV
Bijlage II – 3.3.1.1 Basisregressie (1a): determinanten van BOEKSCHULDGRAAD .................... XV Bijlage II – 3.3.1.2 Basisregressie (1b): determinanten van MARKTSCHULDGRAAD.................. XVI Bijlage II – 3.3.2.1 Regressie (2a): doelkapitaalstructuur en SVA - methode 1 BOEKSCHULDGRAAD .................................................................................... XVII Bijlage II – 3.3.2.2 Regressie (2b): doelkapitaalstructuur en SVA - methode 1 MARKTSCHULDGRAAD.................................................................................. XVIII Bijlage II – 3.3.2.3 Regressie (3a): doelkapitaalstructuur en SVA - methode 2 BOEKSCHULDGRAAD .................................................................................... XIX Bijlage II – 3.3.2.4 Regressie (3b): doelkapitaalstructuur en SVA - methode 2 MARKTSCHULDGRAAD.................................................................................. XX Bijlage II – 3.4.1
Regressie (4a): toevoegen van macro-economische variabele inflatie aan de determinanten van BOEKSCHULDGRAAD ......................................... XXI
Bijlage II – 3.4.2
Regressie (4b): toevoegen van macro-economische variabele inflatie aan de determinanten van MARKTSCHULDGRAAD....................................... XXII
Bijlage II – 3.4.3
Regressie (5a): toevoegen van macro-economische variabele BBP aan de determinanten van BOEKSCHULDGRAAD ......................................... XXIII
Bijlage II – 3.4.4
Regressie (5b): toevoegen van macro-economische variabele BBP aan de determinanten van MARKTSCHULDGRAAD....................................... XXIV
Bijlage II – 3.4.5
Jaarlijks gemiddeld inflatiecijfer: jaarlijkse verandering in de geharmoniseerde consumentenprijsindex (HICP) van de EU-15, Cyprus en Malta (1997 – 2007) ........................................................................ XXV
Bijlage II – 3.4.6
Groei BBP: jaarlijkse procentuele verandering van het reëel BBP van de EU-15, Cyprus en Malta (1997-2007) ................................................... XXVI
VII
Inleiding
De determinanten van de kapitaalstructuur zijn een veelbesproken onderwerp in de wetenschappelijke literatuur. Nochtans zijn het vooral niet-financiële instellingen die hierbij onderzocht worden. De factoren die verondersteld worden de schuldgraad van ondernemingen te beïnvloeden, alsook de bekomen resultaten, zijn vrijwel consistent doorheen het grootste deel van de literatuur. De studies die hier volgens ons de grootste bijdrage leveren zijn van Frank en Goyal (2009) en Lemmon et al. (2005). Opmerkelijk is dat financiële instellingen veelal uitgesloten worden van onderzoek over de kapitaalstructuur. Dit komt omdat banken verschillen van andere ondernemingen in het feit dat ze vooreerst een zeer hoge schuldgraad aanhouden en bovendien onderworpen zijn aan bepaalde vormen van regulering. Toch zijn er ook een aantal studies waarin banken1 het te onderzoeken onderwerp vormen. Gropp en Heider (2008) levert voor ons de grootste bijdrage en vormt daarom de basis van ons onderzoek. Deze auteurs bestuderen Amerikaanse en Europese banken. Er zijn weinig of geen artikels waarin enkel Europese banken het onderzoeksobject zijn. Deze masterproef speelt in op die leemte uit de literatuur. Het onderzoeksopzet van deze masterproef, met als titel “De determinanten van de kapitaalstructuur van financiële instellingen”, is tweeledig. Enerzijds bestuderen we de determinanten
van
de
kapitaalstructuur
voor
een
steekproef
van
224
Europese
beursgenoteerde financiële instellingen van 1997 tot 2007. Op die manier trachten we ook de grote verschillen aan te halen tussen banken en niet-banken. Het grote aandeel van studies over de kapitaalstructuur van niet-banken zorgt voor een verzameling van standaardvariabelen die de schuldgraad bepalen van deze ondernemingen. We kunnen deze verzameling gebruiken om ook de schuldgraad van banken te onderzoeken en zo de literatuur uit te breiden. We vergelijken onze resultaten met twee artikels die de kapitaalstructuur bestuderen van nietfinanciële instellingen, namelijk Lemmon et al. (2005) en Frank en Goyal (2009) én met de basispaper over banken van Gropp en Heider (2008)2. We testen de robuustheid van onze resultaten door een paar macro-economische variabelen toe te voegen aan de regressie. Anderzijds onderzoeken we ook of financiële instellingen een doelschuldgraad voor ogen
1
In deze masterproef gebruiken we het woord ‘banken’ om het geheel van commerciële banken en financiële holdings aan te duiden. Deze vormen het onderwerp van ons onderzoek. 2 Aangezien we nog vaak Gropp en Heider (2008) zullen vermelden in deze masterproef, verwijzen we in wat volgt naar dit artikel met ‘G&H’. 1
hebben en hoe snel zij naar deze specifieke schuldgraad zullen evolueren. Daartoe stellen wij een partieel aanpassingsmodel op waarmee we het bestaan van doelschuldgraad trachten te bewijzen en ook de snelheid van aanpassing kunnen kwantificeren. Hiervoor baseren wij ons voornamelijk op Lemmon et al. (2005). De structuur ziet er als volgt uit. De masterproef wordt opgesplitst in twee luiken: de literatuurstudie enerzijds en het empirisch onderzoek anderzijds. In sectie 1 van de literatuurstudie wordt verduidelijkt waarom banken speciaal zijn. Aan welke vereisten moeten ze voldoen? Waarin onderscheiden ze zich van niet-banken? We belichten hierbij ook bondig hun rol in de huidige financiële crisis. De theorieën die verklaren waarom de schuldgraad van ondernemingen beïnvloed wordt door bepaalde determinanten, worden uiteengezet in sectie 2. Sectie 3 omschrijft de empirische bijdrage die elk van de doorgenomen wetenschappelijke artikels levert. We maken hierbij een onderscheid tussen studies over niet-banken en studies over banken. Verder wordt een overzicht gegeven van de determinanten die onderzocht werden doorheen de literatuur en tenslotte volgt een besluit. Het tweede luik, het eigen onderzoek, deelt zich in als volgt: eerst bespreken we de dataverzameling, waarna de variabelen en hypothesen voorgesteld
worden.
In
de
daaropvolgende
sectie
komt
de
gehanteerde
onderzoeksmethodologie aan bod, waarbij we ook de resultaten van ons onderzoek tonen en interpreteren, zowel via univaritate analyse als multivariate analyse. Dit gebeurt aan de hand van bijhorende figuur en tabellen. We testen daarna de robuustheid van onze resultaten op het bestaan van landspecifieke determinanten. Tenslotte volgt een besluit. Na het uiteenzetten van deze twee luiken trekken we een algemene conclusie van de masterproef in zijn geheel.
2
I. Literatuurstudie
Inleiding Wat begon met de paper van Modigliani & Miller (1958), werd gaandeweg een overvloed aan dit soort van wetenschappelijke artikels. Sinds deze auteurs hun baanbrekend werk schreven, zijn er talrijke studies verschenen waarin men de kapitaalstructuur onderzoekt. Toch zijn het vooral niet-financiële instellingen die aan dit onderzoek blootgesteld worden. Zelden of nooit leggen onderzoekers zich toe op banken. Banken zijn ‘speciaal’, ze worden gebonden door regulering en zijn verplicht een zeker minimumkapitaal aan te houden. Dat banken heel vaak veel meer dan dit minimum aan kapitaal bezitten, komt in het eerste deel van deze masterproef nog aan bod. We beginnen dit hoofdstuk dus met een korte verduidelijking van waarin banken nu precies verschillen van niet-banken. Er zijn daarnaast een aantal niet-eenduidige maar belangrijke theorieën die de kapitaalstructuur van ondernemingen trachten te verklaren. Nadat we van elk van deze theorieën de kernidee gegeven hebben, volgt een verslag van de empirische bijdrage die de relevante papers leveren. Om dit hoofdstuk af te sluiten, geven we een overzicht van de determinanten uit de studie van G&H en hun invloed op de schuldgraad van banken. We vermelden ook andere artikels die dezelfde determinanten onderzoeken.
1. Wat maakt banken speciaal? In de huidige context is het voor velen verrassend te horen dat banken aan een hele reeks vereisten moeten voldoen. En toch zijn er tal van toezichtorganen die ervoor moeten zorgen dat het risico dat banken lopen tijdens hun dagelijkse activiteiten beperkt wordt. Naast de lokale toezichtorganen bestaan er in Europa ook overkoepelende instanties. Deze hebben door de invoering van een eenheidsmunt en de harmonisering van de financiële markten een steeds belangrijkere rol gekregen. De toezichthouders uit de verschillende landen hebben een zekere vrijheid over hoe ze de richtlijnen opnemen in hun wetgeving. In België controleert het CBFA of banken wel aan de opgelegde kapitaalvereisten voldoen. Hieronder schetsen wij aan welke reguleringen banken onderworpen zijn. Het spreekt voor zich dat deze reguleringen de banken beïnvloeden in hun dagelijkse werking. In het kader van ons onderzoek is het belangrijk te weten wat de impact is van deze reguleringen op de kapitaalstructuur. Daarom leggen we de nadruk op kapitaalregulering. 3
De verschillende richtlijnen zijn in eerste instantie ontwikkeld opdat banken aan een aantal doelstellingen zouden voldoen. Het beschermen van de klantendeposito’s is daar ongetwijfeld de belangrijkste van. Daarnaast wordt er aandacht besteed aan risicobeperking in het onderlinge handelen tussen banken en het vermijden van criminele operaties. Ook het bewaren van het bankgeheim is een prioriteit voor de banken en hun toezichtorganen. Als laatste objectief beogen de instanties een optimalisatie van de kredietallocatie. Opdat banken over de hele wereld aan deze doelstellingen zouden voldoen, werd midden jaren ’70 de Bazel Commissie voor het internationaal toezicht op financiële instellingen opgericht. Deze heeft als doel diverse standaarden en solvabiliteitsrichtlijnen uit te schrijven zodat de verschillende landen naar elkaar zouden kunnen toegroeien wat betreft de organisatie van de financiële markt binnen hun land. Om de supervisie over de landen heen te vereenvoudigen werd in 1988 dan ook het ‘Bazel Kapitaalakkoord’ geïntroduceerd. Dit akkoord wordt momenteel gevolgd door meer dan 100 landen wereldwijd. Oorspronkelijk werden door de centrale banken en andere regulerende instanties twee maatstaven gebruikt om de kapitaalgeschiktheid te meten. Enerzijds is er de vreemd vermogen-eigen vermogen ratio die de verhouding van deposito’s op eigen vermogen meet. De tweede maatstaf die werd gebruikt is de risicokapitaal-activa ratio. Deze werd in 1988 ook geïmplementeerd in het ‘Bazel Kapitaalakkoord’, maar wordt daar de Cooke ratio3 genoemd. Het minimum voor deze solvabiliteitsratio bedraagt volgens het Bazel I akkoord 8%. De solvabiliteitsratio, ook wel de BIS-ratio genoemd, bestaat uit twee hoofdbestanddelen: Tier 1-kapitaal en Tier 2-kapitaal4. Door de wijzigende omstandigheden op de markt en nieuwe evoluties was er nood aan een opvolger van het eerste Bazelakkoord. Eind jaren ’90 zag het ‘Financial Services Action Plan’ het levenslicht. Dit plan vormt de basis voor alle reguleringen die we de dag van vandaag kennen op Europees vlak. Het belangrijkste onderdeel van het FSAP is de Capital Requirements Directive (CRD). Deze had als voornaamste doel een opvolger voor Bazel I te implementeren. Met als basis het ‘Capital Adequacy Framework’ dat in 1999 werd ingevoerd, werd Bazel II ontwikkeld. Deze opvolger van het eerste Bazelakkoord heeft als grootste doel incentives te creëren voor banken om innovaties in risicomanagement te implementeren en zo de stabiliteit van het financiële systeem te verhogen. Dit objectief dient te worden bereikt dankzij de drie pijlers waarrond het Bazel II akkoord is opgebouwd: minimale kapitaalvereisten,
3
Genoemd naar Peter Cooke, de eerste voorzitter van het Bazelcomité Tier 1-kapitaal moet minstens 4% zijn van de risicogewogen activa. Het totale kapitaal (Tier 1+Tier 2) moet minstens 8% van de risicogewogen activa bedragen. Tier 1-kapitaal wordt ook het kernkapitaal van een bank genoemd. Het bestaat uit gestort kapitaal, overgedragen winsten en open reserves. Tier 2kapitaal is het aanvullend kapitaal en is o.a. samengesteld uit hybride elementen zoals stille reserves, herwaardering van gebouwen en terreinen en achtergestelde leningen.
4
4
vernieuwde werkwijze van intern en extern toezicht en marktdiscipline door banken meer transparant te laten optreden. De eerste pijler is, in tegenstelling tot in Bazel I, niet beperkt tot het kredietrisico, maar dekt ook het operationele risico en het marktrisico.5 Het is van belang te vermelden dat het toezicht noch de regelgeving voldoende bleken om een crisis te vermijden. Het minimum aan kapitaal dat banken verplicht worden aan te houden om zich in te dekken tegen allerlei risico’s, volstond niet. Hoewel banken voldoen aan de kapitaalvereisten, toont de economische crisis dat die eisen niet streng genoeg zijn. Volgens Karel Lannoo, CEO van CEPS, is dit de schuld van de nationale toezichthouders, die het opnemen voor hun land en een oogje dichtknijpen voor de praktijken van ‘hun’ banken. Er zou dus een Europese toezichthouder moeten komen, die op een onpartijdige manier controleert of de regels toegepast worden zoals het hoort. Lannoo is niet de enige voorstander van een Europees systeem. In het rapport dat voormalig IMF-topman Jacques de Larosière6 en zijn team eind februari 2009 voorstelden, pleiten ze voor een Europees toezichtorgaan en een Europese Raad voor Systemische Risico’s als aanvulling op het nationaal toezicht. Deze Europese autoriteit tikt nationale toezichthouders op de vingers als zij de Bazel II regels niet nauwkeurig genoeg toepassen. Een apart Europees toezicht leek volgens de adviescommissie onder leiding van de Larosière nog niet haalbaar. Om het vertrouwen in de financiële wereld wat op te krikken, worden zogenaamde ‘stresstests’ uitgevoerd die tonen met hoeveel kapitaal de buffer moet worden aangesterkt om onvoorziene scenario’s te overleven. De resultaten van de stresstest van de 19 grootste Amerikaanse banken werden op 7 mei 2009 bekendgemaakt. De toezichthouders schatten de eventuele verliezen voor twee scenario’s, zelfs wanneer de economie het nog veel slechter doet dan verwacht, de middelen om die verliezen op te vangen en daaruit ook de kapitaalbuffer die nodig is voor de banken. Het rapport besluit dat tien van deze 19 banken hun kapitaal en reserves moeten verhogen om een eventueel zwaardere crisis te kunnen doorstaan. In sommige van deze gevallen bleek niet alleen de hoeveelheid kapitaal ontoereikend, maar moest er ook aan de samenstelling van het kapitaal gewerkt worden. In totaal is er een extra buffer nodig van 75 miljard dollar om de Amerikaanse financiële markt te behoeden voor een eventueel ongunstige toekomst. Het is vanzelfsprekend dat de kapitaalstructuur van banken door deze extra buffer nog meer zullen afwijken van die van niet-banken. De Europese banken, zoals die in onze steekproef, zijn nog niet aan dergelijke ‘stresstests’ onderworpen, hoewel de CEBS en het comité voor bankentoezicht van de Europese Centrale Bank een plan opstellen
5 6
Bron: K. Matthews, J. Thompson, The Economics of Banking, 2005, John Wiley & Sons, pp.161-181 Jacques de Larosière was directeur van het Internationaal Monetair Fonds (IMF) van 1978 tot 1987 5
om ook de Europese banken dergelijke tests te laten uitvoeren. Het laatste is hierover duidelijk nog niet gezegd. Ook al moeten de maatregelen veel strenger, toch hebben ze een belangrijke impact op hoe banken functioneren. Vooral de kapitaal- en reservevereisten oefenen invloed uit, en meer bepaald op de kapitaalstructuur van banken. Volgens Brewer, Kaufman en Wall (2008) zijn de determinanten van de kapitaalstructuur van financiële instellingen gelijk aan die van nietfinanciële instellingen in combinatie met de impact die de regulerende instanties hebben. Maar banken hebben in tegenstelling tot andere ondernemingen een veel hogere schuldgraad. Frank en Goyal (2005) vinden bijvoorbeeld een gemiddelde boek- en marktschuldgraad van 24% en 23%, terwijl wij gemiddelden vinden van 91,2% en 87,4% (infra, p. 27). Naast deze hoge schuldgraad die banken hebben, zijn er de kapitaalvereisten die ervoor moeten zorgen dat banken ook kapitaal aanhouden. Uit onderzoek is desalniettemin gebleken dat banken deze kapitaalvereisten in grote mate respecteren en vaak zelfs meer kapitaal aanhouden dan vereist. Zo blijkt ook uit onze dataset. Wij vinden dat gemiddeld genomen banken een kapitaalratio aanhouden van 11,5% en 15,9%, gemeten als boekwaarde en marktwaarde. Deze percentages liggen ruim boven de vereisten van 8%. We kunnen dus stellen dat banken een kapitaalbuffer aanhouden. Maar waarom houden banken nu precies een buffer aan? Banken houden over het algemeen een kapitaalbuffer aan om onverwachte kosten tegemoet te komen. Berger, De Young, Flannery en Oztekin (2008) spreken van zogenaamde ‘capital cushions’ of kapitaalkussens. De auteurs geven drie situaties waarvan een hogere kapitaalratio het gevolg is. Zo kan een hogere kapitaalratio het rechtstreeks effect zijn van een winstbehoud-politiek waarmee banken zich willen wapenen voor toekomstige behoeften wanneer ze extra kapitaal zouden nodig hebben. Een tweede reden die in Berger et al. (2008) aan bod komt, is dat banken hun extra kapitaal beschouwen als economisch kapitaal. Banken zullen hun kapitaalratio specifiek kiezen in functie van het risico dat ze lopen tijdens hun dagelijkse activiteiten en in functie van de voordelen die ze krijgen wanneer hun aanzien op de kredietmarkten toeneemt. Als laatste oorzaak voor deze ‘capital cushions’ worden eventuele overnameplannen
gegeven.
Banken
die
plannen
hebben
om
te
reageren
op
investeringsopportuniteiten houden op voorhand al extra kapitaal aan om zo snel mogelijk te kunnen inspelen op deze opportuniteiten. Vooral de tweede reden, economisch kapitaal, is van belang voor banken en verklaart dus het best waarom banken meer kapitaal aanhouden dan vereist. In een minder recente studie, bestuderen Berger, Herring en Szego (1995) de vormen
6
van regulering die nodig zijn voor banken. De auteurs beweren dat banken twee motieven hebben om meer kapitaal aan te houden: enerzijds voor onverwachte opportuniteiten, anderzijds om zich te wapenen tegen onverwachte verliezen. Er zijn dus ook een aantal bedrijfsspecifieke determinanten die een belangrijk effect hebben op de kapitaalstructuur van financiële instellingen. Ook op macro-economisch niveau zijn er factoren die bepalend zijn voor de kapitaalstructuur, zoals het Bruto Binnenlands Product, de interestvoet, etc. Theoretisch wordt dit verklaard door een aantal theorieën, waarvan we er twee toelichten.
2. Kapitaalstructuurtheorieën Een overzicht wordt gegeven van een paar toonaangevende en vaak geciteerde theorieën uit de wetenschappelijke literatuur. Uiteraard is het onmogelijk om alle bestaande theorieën aan te halen, dit zou ons te ver leiden. Degene die wel aan bod komen, omdat ze als belangrijk worden beschouwd, zijn de Trade-Off Theorie en de Pecking Order Theorie. De kapitaalstructuurtheorieën zijn niet-eenduidige theorieën. Elk geven ze een andere verklaring voor de keuze van de schuldgraad van ondernemingen. Het is dus onbegonnen werk die divergente verklaringen in één theorie te gieten. 2.1. Trade-Off Theorie De Trade-Off Theorie, waarnaar we vanaf nu verwijzen met ‘TOT’, beweert dat er voor ondernemingen een trade-off, een afweging is van de kosten en de voordelen van financieren met vreemd vermogen enerzijds en met eigen vermogen anderzijds. Financieren met vreemd vermogen heeft belastingsvoordelen, maar ook kosten, namelijk de kosten die gepaard gaan met financiële moeilijkheden, onder te verdelen in faillissements- en niet-faillissementskosten. Door deze
afweging komen ondernemingen
tot een
optimale
schuldgraad
of een
doelschuldgraad. De TOT is lange tijd de dominante theorie geweest in boeken over bedrijfsfinanciering. Volgens Frank en Goyal (2007) is dat recent veranderd. Er zijn volgens hen 3 redenen waarom de bijdrage van deze theorie tegenwoordig in vraag wordt gesteld. Ten eerste zouden ondernemingen een veel hogere schuldgraad moeten aanhouden dan ze in werkelijkheid hebben. Dit komt doordat de belastingsvoordelen aanzienlijk lijken en de kosten miniem. Vervolgens kunnen de beperkte belastingsvoordelen de theorie niet volledig empirisch verklaren. Dit maakt de TOT weinig interessant. Als laatste veronderstelt de TOT dat
7
winstgevende ondernemingen meer vreemd vermogen zouden moeten aanhouden aangezien ze meer winst maken. Heel wat studies tonen het tegenovergestelde aan en trekken deze veronderstelling en dus de bijdrage van de TOT in twijfel. De TOT leidt tot een optimale kapitaalstructuur. Het empirisch gevolg hiervan is dat ondernemingen een doelschuldgraad voor ogen hebben en op schokken in de schuldgraad reageren door deze doelstelling aan te passen (Myers, 1984). Dit fenomeen vormt dan ook het grote verschil tussen de TOT en de Pecking Order Theorie, afgekort POT, die we hierna bespreken. Elsas en Florysiak (2008) tonen aan dat ondernemingen inderdaad evolueren richting een zekere doelschuldgraad en bevestigen dus de TOT. Toch stellen ze dat er waarschijnlijk nog vele andere onbekende determinanten zijn die de keuze van de schuldgraad beïnvloeden. Er is dus nog ruimte voor toekomstig onderzoek omtrent de theorie en haar veronderstellingen. Flannery en Rangan (2004) combineren de POT, TOT en bijkomende theorieën in hun studie. Ze trachten aan te tonen dat er naast de POT nog een andere theorie bestaat die de kapitaalstructuur beïnvloedt, namelijk de aanpassing naar de doelkapitaalstructuur of dus de TOT. Als rechtstreeks empirisch gevolg van de TOT is dus de term doelschuldgraad ontstaan. Door het afwegen van kosten en baten van een bepaalde schuldgraad, wordt een doelschuldgraad vooropgesteld die als optimaal wordt beschouwd. In tegenstelling tot de TOT zegt de POT dat de schuldgraad geen grote impact heeft op de bedrijfswaarde en dus passen ondernemingen de doelkapitaalstructuur niet aan aan veranderingen in de schuldgraad. De TOT veronderstelt dat er een verband is tussen schuldgraad
en
ondernemingswaarde
en
daarom
reageren
ondernemingen
wel
op
veranderingen in het niveau van de schuldgraad. De snelheid waarmee ze aanpassingen doen, hangt voornamelijk af van de aanpassingskosten. In de veronderstelling dat er geen dergelijke kosten zijn, stelt de TOT dat bedrijven nooit van hun optimale schuldgraad mogen afwijken. In het andere, extreme geval waar de aanpassingskosten oneindig zijn, zijn er volgens de TOT geen aanpassingen naar een doelschuldgraad. Flannery en Rangan (2004) vinden dat nietfinanciële instellingen inderdaad evolueren naar een doelschuldgraad en in tegenstelling tot andere studies concluderen zij dat ondernemingen relatief snel evolueren naar hun doelschuldgraad. De gemiddelde snelheid waarmee ondernemingen hun schuldgraad aanpassen, bedraagt meer dan 30%.
8
Oztekin (2008) onderzoekt de doelschuldgraad van ondernemingen uit 37 verschillende landen over een tijdsperiode van 15 jaar. Zijn onderzoek bevestigt het bestaan van doelschuldgraad, maar vindt zeer uiteenlopende resultaten voor wat de snelheid van aanpassing betreft. Als voornaamste reden geeft de auteur aan dat het de landspecifieke factoren zoals politieke en economische instituties en belastingswetgevingen zijn die de SVA bepalen. Ook Lemmon et al. (2005) besluiten dat de kapitaalstructuur van ondernemingen bepaald wordt door factoren die stabiel blijven gedurende een lange periode.
2.2. Pecking Order Theorie Hoewel ze niet de pioniers waren om deze theorie te introduceren, wordt De Pecking Order Theorie of pikordetheorie, waarnaar we vanaf nu verwijzen met ‘POT’, vooral geassocieerd met Myers en Majluf (1984) en Myers (1984). Ze is later uitvoerig besproken in de wetenschappelijke literatuur. Deze toonaangevende theorie zegt dat er een soort van voorkeurshiërarchie van financieringsmiddelen bestaat. Ondernemingen zullen eerst hun overgedragen winsten gebruiken om hun investeringen te financieren. Pas als de interne middelen ontoereikend zijn, zullen ze externe financiering aanspreken. Ondernemingen zullen dan eerder schuldfinanciering aangaan dan financiering met eigen vermogen. Als een onderneming een zeer hoge schuldgraad heeft, dan betekent dit dat interne financiering in het verleden onvoldoende was om de investeringen te dekken. Er is hier geen sprake van een optimale schuldgraad of doelkapitaalstructuur. Ondernemingen gaan hun schuldgraad niet aanpassen volgens schokken, maar volgen de ‘pecking order’ om hun kapitaalstructuur te bepalen. Myers en Majluf (1984) verklaarden dit fenomeen als volgt: zij zeggen dat externe investeerders over minder informatie beschikken dan de onderneming zelf. Externe financiers zouden zo de waarde van de investeringsprojecten kunnen onderschatten en ondernemingen zullen daarom hun projecten liever intern financieren. Daarenboven is het probleem van asymmetrische informatie beperkter bij schuldfinanciering en verkiezen ondernemingen dus dat laatste boven uitgifte van nieuwe aandelen. Dit wordt adverse selectie genoemd. Sommige studies sluiten zich aan bij de idee van Myers en Majluf (1984) dat ondernemingen hun schuldgraad bepalen volgens de POT. Andere auteurs zijn dan weer van mening dat de POT de kapitaalstructuur van ondernemingen niet volledig kan verklaren. Voor velen is het dan de dominante TOT die op een correcte manier aantoont hoe ondernemingen
9
hun kapitaalstructuur bepalen. Fama en French (2002) stellen dat de TOT faalt in het verklaren van het verband tussen de schuldgraad en winstgevendheid. De TOT veronderstelt immers dat meer winstgevende ondernemingen een hogere schuldgraad hebben. Daartegenover staat dat ook de POT niet geheel feilloos is en bovendien in contrast staat met de TOT voor wat de doelkapitaalstructuur betreft. Volgens deze auteurs hebben beide theorieën hun voor- en nadelen. Empirisch verklaart de POT dus het best de relatie tussen de schuldgraad en de winstgevendheid van ondernemingen. Onder andere de resultaten uit de studies van Titman en Wessels (1988) en meer recent van De Jong, Kabir en Nguyen (2008), González en González (2008) en G&H tonen aan dat winstgevendheid negatief gerelateerd is ten opzichte van de schuldgraad. Hoe winstgevender ondernemingen zijn, hoe lager hun schuldgraad is en dus hoe meer ze die overgedragen winsten gaan gebruiken om hun investeringen te financieren. Dit is consistent met de POT. Welch (2007) bekritiseert een aantal aspecten die veel voorkomen in empirisch onderzoek naar de kapitaalstructuur. Hij maakt hierbij een belangrijke opmerking. Wat de oorzaken betreft van kapitaalstructuur heeft voorgaande literatuur veelal vastgesteld dat de TOT en de POT tegengestelden zijn. Maar eigenlijk zijn ze slechts verschillende implicaties van hetzelfde theoretisch model. Zoals Welch (2007) het stelt, lijkt de POT te ontspruiten uit de TOT. Het lijkt met andere woorden alsof de TOT de basistheorie is waarvan de POT een afgeleide is. Naast deze twee veelbesproken opvattingen bestaan er nog andere theorieën die trachten te verklaren hoe ondernemingen hun kapitaalstructuur bepalen. Zo zijn er de agency theorie, de market timing theorie, etc. Over welke van deze theorieën de kapitaalstructuur van ondernemingen het best verklaart, zal nog lange tijd onenigheid bestaan. Dit blijkt ook uit de soms tegenstrijdige resultaten van onderzoek uit de literatuur.
3. Empirisch onderzoek 3.1. Niet-financiële instellingen Oorspronkelijk werden banken genegeerd bij het onderzoek naar de kapitaalstructuur van ondernemingen. Daarom is het belangrijk te overlopen wat er onderzocht werd voor nietfinanciële instellingen. Over het algemeen worden dezelfde determinanten onderzocht als in de literatuur waarin banken de steekproef vormen.
10
Met als basis Modigliani en Miller (1958) onderzoeken Ferri en Jones (1979) wat de relatie is tussen de financiële structuur en de variabelen industrie, grootte, volatiliteit van inkomen en operationele schuldgraad. Als voornaamste resultaten vinden zij dat de grootte van een bedrijf positief gerelateerd is met de schuldgraad, het bedrijfsrisico is dan weer negatief gerelateerd ten opzichte van het schuldpercentage. Titman en Wessels (1988) breiden voorgaande literatuur uit op drie manieren. Vooreerst onderzoeken de auteurs een groter aantal determinanten van de kapitaalstructuur. Ten tweede worden de drie soorten vreemd vermogen, namelijk korte termijn, lange termijn en converteerbare schuld, afzonderlijk geanalyseerd, in de plaats van totale schuld als afhankelijke variabele te nemen. Ten derde passen ze een nieuwe techniek toe die de meetproblemen uit voorgaande literatuur probeert te erkennen en op te lossen. De door hen onderzochte determinanten zijn: activastructuur, niet-schuldgerelateerde belastingschild, groei, uniciteit, industrieclassificatie, grootte, volatiliteit van het resultaat en winstgevendheid, waarbij voor elke variabele meerdere ratio’s gebruikt worden. Tot Rajan en Zingales (1995) werd het empirisch onderzoek naar de determinanten van de kapitaalstructuur vooral beperkt tot bedrijven binnen de Verenigde Staten. In ‘What do we know about capital structure? Some evidence from international data.’ gebruiken Rajan en Zingales de Amerikaanse resultaten om een onderzoek te voeren naar wat er nu bepalend is voor de kapitaalstructuur in de G7-landen. De auteurs concluderen dat de mate, alsook de determinanten van de schuldgraad van ondernemingen in de verschillende landen gelijk zijn, maar in mindere mate gelden voor het Verenigd Koninkrijk en Duitsland. Tussen de landen onderling
zijn
er
wel
grote
institutionele
verschillen
zoals
de
belastingwet,
de
faillissementswetgeving en de ontwikkeling van de obligatiemarkt. Daarop inspelend hebben De Jong, Kabir en Nguyen (2008) onderzocht wat de rol is van enerzijds bedrijfsspecifieke of microeconomische variabelen en anderzijds landspecifieke of macro-economische factoren in de schuldgraadkeuze van ondernemingen. Net zoals Rajan en Zingales (1995) besluiten ze dat hoewel de bedrijfsspecifieke determinanten zeer bepalend zijn, ook de landsspecifieke determinanten, zoals de groei van het BBP, een heel grote rol spelen in het bepalen van de kapitaalstructuur van bedrijven. Een recent wetenschappelijk artikel dat een grote bijdrage levert aan de bestaande literatuur is het artikel over beslissingen van ondernemingen i.v.m. de kapitaalstructuur van Frank en Goyal (2003, 2007, 2009). In de meest recente versie van dit artikel gaan de auteurs de invloed van potentiële determinanten van de schuldgraad na, op basis van voorgaande studies en dit voor de grootste beursgenoteerde ondernemingen in de Verenigde Staten van 11
1950 tot 2003. De determinanten die volgens deze studie beschouwd worden als meest consistent en belangrijk zijn: gemiddelde industrie-schuldgraad (+), market-to-book ratio (-), aard van de activa (+), winst (-), logaritme van de activa (+) en verwachte inflatie (+). Deze meest betrouwbare factoren worden de kernfactoren genoemd. De resultaten van dit onderzoek zijn grotendeels consistent met de voorspellingen van de TOT. 3.2. Financiële instellingen Het aantal artikels dat de schuldgraad van banken tracht te verklaren, is eerder beperkt. We bespreken hieronder de papers die ons het meest geholpen hebben ons onderwerp te verkennen en af te bakenen. Het zijn vooral recente papers die een bijdrage leveren. We baseren ons onderzoek voornamelijk op de paper van G&H 7. Deze studie onderzoekt de honderd grootste beursgenoteerde commerciële banken en financiële holdings in de VS en de honderd grootste in de landen van de EU-158 voor de periode 1991-2004. G&H onderzoeken in de eerste plaats de standaard cross-sectionele determinanten van ondernemingen en gaan na of deze ook de schuldgraad bepalen van grote publieke banken in de VS en Europa. Ze gebruiken zowel de marktwaarde als de boekwaarde van schuldgraad als afhankelijke variabele. De standaarddeterminanten van schuldgraad die hier gebruikt worden, dus de onafhankelijke variabelen, zijn: grootte(+), winstgevendheid(-), MTB(-), onderpand(+) en dividendpolitiek(-). Als deze determinanten ook gelden voor de schuldgraad van banken, betekent dit dat de schuldgraad niet gedomineerd wordt door kapitaalregulatie. Ten tweede bemerken de auteurs dat de schuldgraad bij banken ook afhangt van ongeobserveerde tijdonafhankelijke, bankspecifieke factoren. De variabele risico wordt toegevoegd aan de regressie om de invloed van de volatiliteit van de activa binnen de onderneming te onderzoeken. De resultaten blijven dezelfde. Een laatste belangrijke toevoeging van G&H is dat het kapitaalniveau van banken veel hoger is dan regulering voorschrijft. Bovendien wordt de invloed
van
de
standaarddeterminanten
zwakker
naarmate
banken
dichter
bij
het
gereglementeerd minimum zitten. Kleff en Weber (2008) sluiten zich hierbij aan. De meeste banken houden inderdaad een buffer aan die hoger is dan het gereglementeerde minimum. Zij noemen deze vaststelling de ‘Kapitaalbuffer-theorie’. De steekproef in deze paper is gelimiteerd, aangezien die bestaat uit Duitse banken, ingedeeld in drie types van banken, namelijk de spaarbanken, de coöperatieve
7
Gropp R. and Heider F. (2008) The Determinants of Capital Structure: Some Evidence from Banks, discussion paper no. 08-015, Centre for European Economic Research, pp. 1- 39 8 De EU-15 zijn: België, Denemarken, Duitsland, Finland, Frankrijk, Griekenland, Ierland, Italië, Luxemburg, Nederland, Portugal, Spanje, Verenigd Koninkrijk, Zweden en Zwitserland. 12
banken en alle andere banken. De auteurs gebruiken twee verschillende manieren om de schuldgraad te meten: eigen vermogen op totale activa en volgestort eigen vermogen op totale activa. Zeven variabelen worden verondersteld een invloed te hebben op de schuldgraad, namelijk verandering in risico, de rentabiliteit van het totaal vermogen (ROA), bankdeposito ratio, voorzieningen, regulerende druk van banken, fusies en totale activa. Een minder recent artikel dat onderzoek doet naar de regulering die nodig is om banken te beschermen, is dat van Berger, Herring en Szegö (1995). Ze bestuderen daarnaast de vormen van regulering waaraan banken onderworpen zijn en wat de optimale vereiste van regulering zou zijn. Banken onderscheiden zich van andere ondernemingen in twee aspecten, die de auteurs formuleren als vraag. Ten eerste, waarom vereist de markt van banken een bepaald minimum van kapitaal? Onder andere fiscale redenen en kosten van financiële moeilijkheden, asymmetrische informatie, transactiekosten en de buffer worden aangehaald als antwoord hierop. De tweede vraag die zich stelt, is waarom banken verplicht worden een zeker minimum aan kapitaal aan te houden door de overheden en controlerende instanties. Er worden twee redenen aangehaald waarom financiële instellingen een buffer aanhouden: enerzijds voor onverwachte opportuniteiten, anderzijds om zich te wapenen tegen onverwachte verliezen. Barber en Lyon (1997) baseren zich op minder recente artikels. Ze stellen dat uit voorgaande literatuur een duidelijke relatie gebleken is tussen de variabelen grootte, book-tomarket en aandelenrendementen voor niet-financiële instellingen. De auteurs willen deze studie doortrekken naar financiële instellingen. Hier wordt dus de robuustheid getest van resultaten van voorgaande literatuur op een hold-out sample van financiële instellingen. Hun conclusie is dat financiële instellingen in grote mate overeenstemmen met niet-financiële instellingen, tenminste wat de invloed van deze drie determinanten op de kapitaalstructuur betreft.
3.3. Determinanten De determinanten of onafhankelijke variabelen die onderzocht worden in de literatuur kunnen van micro-economische aard zijn, dit wil zeggen bedrijfsspecifiek, of van macroeconomische aard waardoor ze niet-bedrijfsspecifiek zijn. Een kort overzicht wordt gegeven van de determinanten die we terugvinden bij G&H en die wij dus ook verder zullen onderzoeken. We vermelden ook andere studies die dezelfde factoren opnemen in hun regressie. Het teken tussen haakjes wijst op een positieve (+) dan wel negatieve (-) invloed van de determinant op de kapitaalstructuur van ondernemingen, zoals blijkt uit de resultaten van G&H. Alle variabelen uit hun onderzoek zijn statistisch significant bevonden. Als afhankelijke variabele wordt de schuldgraad van ondernemingen gebruikt. 13
3.3.1. Micro-economische determinanten Grootte (+) De grootte van de onderneming wordt in vrijwel elk onderzoek gemeten door het natuurlijk logaritme van totale verkopen of van totale activa (De Jong, Kabir en Nguyen, 2008; Titman en Wessels, 1988; Rajan en Zingales, 1995; González en González, 2008; Ferri en Jones, 1979; Kleff en Weber, 2008; Elsas en Florysiak, 2008). G&H nemen de boekwaarde van de totale activa als maat voor de grootte van elke bank. In bijna al deze onderzoeken wordt de grootte van ondernemingen als statistisch significant bevonden en heeft deze variabele een positieve invloed op de schuldgraad. Dit is niet het geval bij Titman en Wessels (1988), waar de coëfficiënt van de determinant grootte negatief blijkt. Winstgevendheid (-) Winstgevendheid is een determinant die nooit over het hoofd wordt gezien als invloedrijke factor van de schuldgraad. De ‘return on assets’ of rentabiliteit van het totaal vermogen is een populaire manier om winstgevendheid te meten. In De Jong, Kabir en Nguyen (2008) wordt winstgevendheid gemeten door de ratio operationeel resultaat op de boekwaarde van totale activa. Titman en Wessels (1988) gebruikten jaren geleden al diezelfde ratio, maar voegden daar nog een ratio aan toe met een andere noemer, namelijk totale verkopen in de plaats van totale activa. Ook Rajan en Zingales (1995) en Kleff en Weber (2008) nemen de return on assets als meetwaarde. In onze basispaper van G&H wordt winstgevendheid gemeten als winst vóór belasting en interest op de boekwaarde van de activa. Uit alle studies die we gelezen hebben, kunnen we dezelfde conclusie trekken: hoe meer winst een onderneming heeft, hoe kleiner de schuldgraad van die onderneming zal zijn. Dit is consistent met de veronderstellingen van de POT. MTB (-) De market-to-book ratio wordt gebruikt om de boekwaarde van de ondernemingen te vergelijken met de huidige marktprijs. Het is de aandelenkoers gedeeld door de boekwaarde per aandeel. Zo kan men nagaan wat de groeimogelijkheden zijn van de onderneming in kwestie. In enkele gevallen wordt de inverse van deze ratio, namelijk de book-to-market ratio gebruikt. In G&H wordt de marktwaarde van de activa gedeeld door de boekwaarde van de activa om de groeimogelijkheden van banken te meten. Dezelfde ratio wordt gebruikt in Rajan en Zingales (1995); Barber en Lyon (1997); De Jong, Kabir en Nguyen (2008); González en González (2008); en in Elsas, en Florysiak (2008). In elk van deze studies heeft de MTB ratio een negatieve invloed op de schuldgraad.
14
Onderpand9 (+) Titman en Wessels (1988) gebruikten al de waarde van onderpand als determinant en ze hadden twee manieren om deze te meten: als eerste de ratio van niet-materiële activa op totale activa en ten tweede de som van de voorraad en bruto machines en installaties op de totale activa. G&H hanteren een engere ratio voor onderpand, namelijk de optelling van totale obligaties, schatkistpapier, andere wissels, obligaties, converteerbare obligaties, cash en interbancaire vorderingen, land en gebouwen en andere materiële activa gedeeld door de boekwaarde van de activa. De resultaten van beide onderzoeken toonden een positieve coëfficiënt voor de variabele onderpand. Dummy dividend (-) De studie van G&H is veruit het enige onderzoek dat de uitbetaling van dividenden als variabele onderzoekt. De dummyvariabele is gelijk aan 1 als de gegeven bank een dividend heeft uitbetaald in een gegeven jaar en gelijk aan 0 als dit niet het geval is. We leiden af uit de resultaten van hun onderzoek dat banken die een dividend uitkeerden in een gegeven jaar een kleinere schuldgraad hadden dan banken die geen dividend uitkeerden in datzelfde jaar. Volatiliteit (-) De volatiliteit toont in feite het risico van bedrijfsvoering van ondernemingen. Het ondernemingsrisico wordt in vele studies gemeten door de standaarddeviatie. Wij gebruiken de definitie van G&H, namelijk de jaarlijkse standaardafwijking van dagelijkse aandelenrendementen vermenigvuldigd met de ratio marktwaarde van eigen vermogen op marktwaarde van de bank. Over het algemeen wordt de standaardafwijking van het operationeel resultaat aangewend om de volatiliteit te meten. We zien dit in artikels van De Jong, Kabir en Nguyen (2008) en Titman en Wessels (1988). Ferri en Jones (1979) hadden maar liefst vier verschillende manieren om het ondernemingsrisico te onderzoeken: de verandering in verkopen, de verandering in de kasstroom, de standaardafwijking van de groei in verkopen en de standaardafwijking van de groei van de kasstroom. Uit elk van deze studies blijkt dat de volatiliteit van de activa een negatieve invloed heeft op de schuldgraad van ondernemingen. Hoe groter het risico waaraan een onderneming is blootgesteld, hoe kleiner het schuldaandeel van deze onderneming.
9
De precieze betekenis van deze variabele (“Collateral” in het Engels) wordt gegeven onder punt 3.2. 15
3.3.2. Macro-economische determinanten Verwachte inflatie (-) Een eerste macro-economische variabele is de verwachte inflatie, een variabele die niet gebruikt wordt door G&H maar die volgens Frank en Goyal (2009) een consistent positieve invloed heeft op de schuldgraad van ondernemingen. De laatstgenoemden definiëren de verwachte inflatie als de verwachte verandering in de consumentenprijsindex. In Elsas en Florysiak (2008) worden de voorspellingen van de ‘Economist Intelligence Unit’ (EIU) voor de consumentenprijsindex genomen om de verwachte stijging in prijzen weer te geven. De resultaten van beide studies tonen aan dat de schuldgraad mee omhoog beweegt wanneer de verwachte inflatie stijgt. Deze impact wordt bovendien significant bevonden. Groei BBP10 (-) G&H voegen ook een aantal macro-economische of landspecifieke variabelen toe aan de regressie. Wij gebruiken enkel de groei van het Bruto Binnenlands Product (BBP) als variabele, wat berekend wordt als de jaarlijkse procentuele verandering van het BBP. We zien dit ook in de studie van De Jong, Kabir en Nguyen (2008), maar daar wordt het gemiddelde genomen van het jaarlijkse groeipercentage van BBP van elk land. In G&H is de coëfficiënt van deze determinant negatief, maar niet statistisch significant. In periodes van economische vooruitgang verwachten G&H dat de schuldgraad lager is. In De Jong, Kabir en Nguyen (2008) daarentegen, tonen de onderzoeksresultaten dat de groei van het BBP een statistisch significante en positieve invloed heeft op de kapitaalstructuur van ondernemingen.
10
BBP is de afkorting van Bruto Binnenlands Product. Het staat voor het totaal aan goederen en diensten dat geproduceerd wordt in een land gedurende één jaar. 16
4. Besluit Banken vormen een speciale groep van ondernemingen. Ze moeten voldoen aan bepaalde kapitaalvereisten en worden daartoe gecontroleerd door bevoegde nationale instanties. In België is het de CBFA die erop toeziet dat de vereisten worden nageleefd. Dit heeft als gevolg dat banken een andere kapitaalstructuur hebben dan niet-banken. In vele gevallen houden financiële instellingen er immers een kapitaalbuffer op na. Daarnaast zijn er een aantal determinanten die de kapitaalstructuur van zowel financiële als niet-financiële ondernemingen beïnvloeden. Twee belangrijke theorieën die dit trachten te verklaren, zijn de Trade-Off Theorie (ondernemingen wegen de kosten en de baten van financiering met eigen vermogen en vreemd vermogen af en evolueren zo naar een doelkapitaalstructuur) en de Pecking Order Theorie (ondernemingen volgen een pikorde of financieringshiërarchie waarbij ze eerst interne middelen zullen gebruiken). De determinanten van de kapitaalstructuur kunnen evenwel verschillen tussen financiële en niet-financiële instellingen. We overliepen daarom de empirische studies uit de doorgenomen literatuur, de determinanten die daarin onderzocht werden en de verkregen resultaten. Om dit eerste deel van de masterproef af te sluiten, gaven we een overzicht van de determinanten uit de studie van de basispaper van G&H en de invloed die deze factoren hebben op de schuldgraad. We vermeldden ook andere artikels die dezelfde determinanten aan onderzoek onderwierpen.
Hieronder
worden
de
meest
voorkomende
determinanten
van
de
kapitaalstructuur uit de literatuur nog eens op een rijtje gezet.
5. Overzicht determinanten Tabel 1 op volgende bladzijde toont de meest onderzochte determinanten, zowel uit de wetenschappelijke literatuur over financiële alsook over niet-financiële instellingen. Er wordt opgesplitst in micro- en macro-economische factoren. De middenkolom geeft weer hoe de determinanten gemeten worden. De derde kolom toont de resultaten van onderzoek en dus de positieve (+) of negatieve (-) invloed die elke determinant heeft op de schuldgraad van ondernemingen. Als er in verschillende studies tegengestelde resultaten werden bekomen, geven wij het resultaat weer dat het meest consistent is doorheen de onderzoeksliteratuur. De determinanten die in de eerste kolom in cursief staan, zijn de factoren uit de studie van G&H. Wij zullen deze ook bestuderen in ons eigen onderzoek. Deze tabel toont met andere woorden de hypothesen die getest zullen worden. We zullen onze resultaten vergelijken met de resultaten uit voorgaande studies.
17
Tabel 1 : Determinanten, definities en invloed op de schuldgraad, zoals blijkt uit de literatuur Invloed op Determinant
Definitie
schuldgraad (literatuur)
Micro-economisch Grootte
Log (activa) of BW activa
+
Winstgevendheid
Netto resultaat vóór belastingen en interest / BW activa
-
Market-to-book
MW activa / BW activa
-
Onderpand
(Totale obligaties + schatkistpapier + andere wissels + obligaties + converteerbare obligaties
+
+ cash en interbancaire vorderingen + land en gebouwen + andere materiële activa) / BW activa Dummy Dividend
= 1 als bank dividend uitkeert in dat jaar
-
= 0 als bank geen dividend uitkeert in dat jaar
Volatiliteit activa
Jaarlijkse standaardafwijking van dagelijkse aandelenrendementen x (MW eigen vermogen / MW bank)
Materialiteit
Vaste activa / totale activa
Belastingen
Gemiddeld belastingspercentage in dat jaar
Uniciteit
Uitgaven R&D / Verkopen
Industrie
Conventionele SIC code van vier cijfers
+ +/-
Macro-economisch Verwachte inflatie
Consumentenprijsindex voorspelling door EIU
+
Groei BBP
Jaarlijkse procentuele verandering van het BBP
-
18
II. Empirisch onderzoek Inleiding Het empirisch onderzoek bestudeert de determinanten van de kapitaalstructuur van 224 financiële instellingen, meer bepaald van 182 commerciële banken en 42 financiële holdings. Deze zijn gevestigd in één van de landen van de EU-15 of in Malta of Cyprus. Bovendien zijn ze of beursgenoteerd (‘listed’) of niet langer beursgenoteerd (‘delisted’) als gevolg van een faillissement, fusie of overname. De periode waarin deze instellingen onderzocht worden, loopt van 1997 tot en met 2007. We hebben te maken met paneldata, gaande over 224 banken en 10 jaar. We verliezen dus één jaar, gezien we met vertraagde variabelen werken. De hoofdvraag die we stellen doorheen dit onderzoek is tweeledig: 1) Welke impact hebben de variabelen op de schuldgraad van financiële instellingen en is deze impact verschillend voor niet-financiële instellingen? 2) Stellen banken al dan niet een doelkapitaalstructuur voorop? Zo ja, hoe snel evolueren ze hiernaar? De determinanten waarvan we de invloed op de kapitaalstructuur van onze steekproef onderzoeken, zijn identiek aan de onafhankelijke variabelen uit de studie van G&H, namelijk grootte, winstgevendheid, de market-to-book ratio, onderpand, dividenduitgifte en de volatiliteit van het actief (infra, tabel 3b, p.25). Net als deze auteurs gebruiken we twee verschillende manieren om de afhankelijke variabele, de schuldgraad, te berekenen: de boekwaarde en de marktwaarde ervan (infra, tabel 3a, p.25). De hypothesen die ons onderzoek voorafgaan, zijn dus de resultaten uit de studie van G&H. Het is dan ook vanzelfsprekend dat we deze studie als benchmark zullen hanteren en onze resultaten zullen vergelijken met de resultaten uit deze basispaper. Daarnaast is het uitermate interessant om onze uitkomsten te vergelijken met die van een studie over niet-financiële instellingen, zoals Lemmon et al. (2005) en Frank en Goyal (2009). De verwachte inflatie en de groei van het BBP zijn twee macro-economische variabelen die we zullen onder de loep nemen bij de robuustheidtesten. De kapitaalregulering waaraan financiële instellingen onderworpen zijn, oefent een belangrijke invloed uit op hun kapitaalstructuur. Banken kunnen een doelschuldgraad vooropstellen waarnaar ze al dan niet evolueren. We onderzoeken of banken wel degelijk een doelschuldgraad voor ogen houden en hoe snel ze reageren op schokken in de schuldgraad. De snelheid waarmee ze de doelschuldgraad aanpassen, wordt de snelheid van aanpassing genoemd (SVA). 19
In dit empirische gedeelte van de masterproef vertellen we eerst en vooral waar en hoe we de data verzameld hebben om de definities van onze determinanten te vormen. Ook de populatie wordt verduidelijkt, waaruit de finale steekproef stapsgewijs ontstaan is. Vervolgens overlopen we de afhankelijke en onafhankelijke variabelen en de hypothesen die voortvloeien uit de doorgenomen literatuur. De methodologie die we volgen om de regressie te schatten, wordt eveneens uit de doeken gedaan. We tonen de beschrijvende statistieken en correlaties van onze variabelen, om dan vervolgens de resultaten van de econometrische analyse voor te stellen. Eindigen doen we met een belangrijke robuustheidtest. De conclusie van het empirisch onderzoek sluit dit tweede luik van de masterproef af.
1. Data Bijna al onze gegevens om de determinanten en hun ratio’s te berekenen, komen uit de Bankscope database van Bureau van Dijk. Een aantal zaken waren niet of moeilijk terug te vinden in Bankscope, zoals de marktkapitalisatie en de rendementsindex. Deze hadden we nodig om enerzijds de marktwaarde van eigen vermogen te berekenen en anderzijds de volatiliteit te bekomen. Deze extra data hebben we kunnen verzamelen via de gegevensbank van Datastream. Op basis van deze gegevens berekenden we de definities eigenhandig. Om de macro-economische variabelen op te nemen in ons onderzoek, was internet onze voornaamste bron. De groeipercentages van het Bruto Binnenlands Product per land en per jaar hebben wij gevonden op de website van Eurostat11. Ook de cijfers van de geharmoniseerde consumentenprijsindex per land en per jaar verzamelden we via Eurostat. We maakten dus enkel gebruik van secundaire gegevens. De populatie bestaat uit financiële instellingen. Wij namen als steekproef daaruit commerciële banken12 en financiële holdings13. Deze zijn ofwel beursgenoteerd ofwel niet langer beursgenoteerd door bijvoorbeeld een faillissement, fusie of overname. Onze steekproef bestond oorspronkelijk uit 261 financiële instellingen uit 17 Europese landen, de EU-15 plus Cyprus en Malta. Daarvan hebben wij 37 banken uit onze steekproef verwijderd wegens een gebrek aan gegevens. Er bleven 224 commerciële banken en financiële holdings uit 17 verschillende landen over als onze finale steekproef. We onderzoeken de kapitaalstructuur van deze banken tijdens de periode 1997-2007, en aangezien we vertraagde variabelen gebruiken, komt dit neer op een periode van tien jaar. 11
Website Eurostat:
Commerciële banken zijn wat mensen in de omgangstaal ‘banken’ noemen. ‘Commerciële’ toont het onderscheid met investeringsbanken. 13 Financiële holding = een financiële instelling waarbij tenminste één van de dochterondernemingen eveneens een financiële instelling is. 12
20
De samenstelling van de steekproef wordt weergegeven in tabel 2. De eerste kolom geeft het land weer in alfabetische volgorde. In de tweede kolom zien we het totale aantal banken per land en de twee laatste kolommen tonen hoe deze som verdeeld wordt over het aantal commerciële banken enerzijds en het aantal financiële holdings anderzijds. Ter illustratie: het aantal banken uit onze steekproef gevestigd in Groot-Brittannië is 19, waarvan 6 commerciële banken en 13 financiële holdings.
Tabel 2: Steekproef: aantal banken per land, aantal commerciële banken, aantal financiële holdings
Land
Aantal banken
Aantal commerciële banken
Aantal financiële holdings
België
3
0
3
Cyprus
3
3
0
Denemarken
44
43
1
Duitsland
28
24
4
Finland
4
3
1
Frankrijk
20
17
3
Griekenland
12
11
1
Groot-Brittannië
19
6
13
Ierland
5
5
0
Italië
37
34
3
Luxemburg
3
1
2
Malta
4
4
0
Nederland
7
3
4
Oostenrijk
5
4
1
Portugal
8
5
3
Spanje
17
17
0
Zweden
5
2
3
TOTAAL
224
182
42
21
2. Variabelen en hypothesen Tabel 3a (infra, p.25) geeft een overzicht van de afhankelijke variabele en hoe deze gemeten wordt. De onafhankelijke variabelen, alsook de manier waarop we ze definiëren en de verwachte invloed op de schuldgraad van banken, worden weergegeven in tabel 3b (infra, p.25). We testen niet enkel micro-economische variabelen (grootte, winst, MTB, onderpand, dividend en volatiliteit), maar ook een paar macro-economische variabelen, met name de verwachte inflatie en de groei van het BBP. Het toevoegen van deze twee variabelen vormt een eerste robuustheidtest. We overlopen hieronder elk van de variabelen. De invloed die de determinanten verwacht worden uit te oefenen op de schuldgraad van onze steekproef weerspiegelt de resultaten van G&H en komt overeen met de dominante invloed zoals wij die besluiten uit de literatuur. We beschouwen deze resultaten dus als de hypothesen die de basis vormen van ons onderzoek.
2.1. Afhankelijke variabele Schuldgraad De afhankelijke variabele in ons onderzoek is de schuldgraad. We onderscheiden twee manieren om deze variabele te berekenen, namelijk als boekwaarde en als marktwaarde. Voor de eerste manier trekken we de ratio boekwaarde eigen vermogen op boekwaarde van het actief af van 1. Om de marktwaarde van de schuldgraad te bekomen, wordt 1 verminderd met de ratio marktwaarde eigen vermogen op marktwaarde van de bank. 2.2. Onafhankelijke variabelen Grootte (+) De grootte van elke bank wordt berekend door het logaritme14 van het totaal der activa te nemen. Verwacht wordt dat grote banken, dit zijn banken met een groot aantal te financieren middelen, een hogere schuldgraad zullen aanhouden. Zowel de POT als de TOT voorspellen een positieve relatie. Winstgevendheid (-) De winstgevendheid van een onderneming wordt bepaald door het netto resultaat vóór belastingen en interest te delen door de totale activa. Onze hypothese hierbij is, de POT volgend, dat banken met een hogere winstgevendheid die winsten zullen gebruiken om hun
14
We nemen het logaritme omdat grootte een niet-lineaire variabele is en dit een betere voorstelling geeft. 22
investeringen te financieren en dus in mindere mate schuldfinanciering zullen aanspreken. Bijgevolg
zullen
zij
een
lagere
schuldgraad
aanhouden.
De
TOT
beweert
het
tegenovergestelde: ondernemingen met meer winsten zijn voorspoediger en kunnen dus gemakkelijker schulden aangaan, leidend tot een hogere schuldgraad. Market-to-book (-) De market-to-book ratio wordt gebruikt om de groeimogelijkheden van de onderneming weer te geven. Daartoe wordt de marktwaarde van het totaal der activa gedeeld door de boekwaarde van het totaal der activa. Wanneer je een market-to-book ratio hebt van twee wil dit zeggen dat investeerders bereid zijn tweemaal de boekwaarde van de activa te betalen van deze ondernemingen. We veronderstellen dat banken met grote groeimogelijkheden een kleinere schuldgraad zullen hebben. Gezien ze deze groeiopportuniteiten niet in het gedrang willen brengen, wensen ze minder risico te nemen door minder aan schuldfinanciering te doen. Deze veronderstelling is ook consistent met de POT en de TOT. Onderpand (+) Onderpand is de Nederlandse vertaling van het Engelse woord ‘collateral’. Het is in feite een garantie voor degene die een lening uitgeeft en dus van belang voor banken. Zo is de kredietgever gewaarborgd tegen eventuele wanbetaling. Wanneer degene die leent niet meer kan overgaan tot betaling van de verplichte sommen, wordt het onderpand eigendom van de kredietgever. De onderpandratio is de verhouding van het aantal activa dat kan gebruikt worden als onderpand op de totale boekwaarde van de activa. Wij hanteren de volgende definitie: de som van totale obligaties, schatkistpapier, andere wissels, obligaties, converteerbare obligaties, cash en interbancaire vorderingen, land en gebouwen en andere materiële activa gedeeld door de boekwaarde van de totale activa. Hoe meer onderpand een bank heeft, hoe kleiner de kans dat de bank in financiële moeilijkheden zal geraken, wat op zijn beurt de faillissementskosten drukt. Het aandeel aan schulden van de bank in kwestie zal dan hoger zijn. Dummy dividend (-) Om te onderzoeken welke banken dividenden uitkeren in een bepaald jaar, wordt een dummyvariabele gebruikt. Die dummy is gelijk aan 1 als de bank een dividend uitkeerde in dat jaar en gelijk aan 0 als dat niet het geval is. We verwachten dat een bank die dividenden uitkeert in een bepaald jaar, hogere winsten heeft dan andere banken en dus een lagere schuldgraad zal hebben in dat jaar. We volgen hier de logica van de POT.
23
Volatiliteit (-) De volatiliteit van de activa of het risico dat de individuele bank draagt, wordt gemeten door de jaarlijkse standaardafwijking van de dagelijkse aandelenrendementen te vermenigvuldigen met de verhouding tussen de marktwaarde van eigen vermogen en de marktwaarde van de bank in kwestie. De veronderstelling hier is dat een bank die een groter risico draagt minder schulden zal aangaan. Dit is logisch aangezien schulden een bijkomend solvabiliteitsrisico inhouden. Volatiele activa verhogen de kans op een faillissement en dus ook de kost van financiering met vreemd vermogen. Verwachte inflatie (+) De eerste landspecifieke variabele is de inflatie die verwacht wordt voor het komende jaar. De cijfers van de verwachte inflatie komen uit de online database van Eurostat en maken in feite deel uit van de geharmoniseerde consumentenprijsindex (HICP) van de EU-landen. Verwacht wordt dat een grotere stijging van de consumentenprijzen een grotere schuldgraad van financiële instellingen met zich meebrengt. Tijdens periodes met een hoge inflatie, is de kost van vreemd vermogen laag. Dit maakt schuldfinanciering aantrekkelijker, wat dan ook zal leiden tot een hogere schuldgraad. Groei BBP (-) De groei van het Bruto Binnenlands Product is de tweede macro-economische variabele van ons onderzoek en is een maat voor de groei in economische welvaart van een land. De jaarlijkse procentuele verandering van het BBP geldt als maat voor deze variabele. Als een land een grote groei kent van het BBP, zal een individuele bank in dat land minder schulden aangaan. Met andere woorden, in perioden van economische bloei zouden we een daling moeten zien in het gebruik van vreemd vermogen, terwijl tijdens recessies het omgekeerde merkbaar zou moeten zijn. Dit zou de Pecking Order Theorie bevestigen.
24
Tabel 3a: Afhankelijke variabele + ratio
Afhankelijke variabele
Ratio
Boekwaarde schuldgraad
1 – (BW EV / BW activa)
Marktwaarde schuldgraad
1 – (MW EV / MW bank)
Tabel 3b : Onafhankelijke variabelen, definities en invloed op de schuldgraad: hypothesen
Definitiea
Determinant
Hypothesen
Micro-economisch Grootte (GROOTTE) Winstgevendheid (WINST)
Log (activa)
+
Netto resultaat vóór belastingen en interest / activa
-
MW activa / BW activa
-
(Totale obligaties + schatkistpapier + andere wissels + obligaties + converteerbare obligaties
+
Market-to-book (MTB)
Onderpand (ONDERPAND)
+ cash en interbancaire vorderingen + land en gebouwen + andere materiële activa) / BW activa
Dummy Dividend
= 1 als bank dividend uitkeert in dat jaar
(DIVIDEND)
= 0 als bank geen dividend uitkeert in dat jaar
Volatiliteit activa
Jaarlijkse standaardafwijking van dagelijkse aandelenrendementen x (MW eigen vermogen / MW bank)
(VOLATILITEIT)
-
-
Macro-economisch Verwachte inflatie (INFLATIE)
Consumentenprijsindex voorspelling door Eurostat
+
Jaarlijkse procentuele verandering van het BBP
-
Groei BBP (BBP)
a
Voor de meeste van onze definities volgen we G&H. 25
3. Methodologie en resultaten Voor de analyse van onze data maken we gebruik van Eviews, een econometrisch programmapakket. We bestuderen paneldata en hebben dus te maken met een crosssectionele analyse over 224 verschillende banken en een tijdsreeksanalyse over een periode van 10 jaar. Het schatten van de coëfficiënten gebeurt op basis van de kleinste kwadratenmethode of ‘Ordinary Least Squares’ (OLS). Eerst geven we een overzicht van de beschrijvende statistieken en de correlaties tussen de verschillende variabelen. Vervolgens analyseren we de resultaten van de basisregressie die deel uitmaakt van het econometrische onderzoek. We vergelijken telkens onze uitkomsten met de resultaten van G&H en met Lemmon et al. (2005)15 of Frank en Goyal (2009)16 om de eventuele verschillen tussen banken en niet-banken te schetsen. Als uitbreiding op de basisvergelijking controleren we of banken al dan niet een doelschuldgraad volgen en hoe snel banken zullen reageren op schokken in hun schuldgraad. Om af te sluiten testen we de robuustheid van de resultaten door de macroeconomische variabelen verwachte inflatie en BBP toe te voegen aan de regressievergelijking. Al onze resultaten zijn weergegeven in tabellen die terug te vinden zijn in de bijlagen. 3.1. Beschrijvende statistieken Bijlage II-3.1. toont de beschrijvende statistieken betreffende de variabelen van ons onderzoek. Het gemiddelde, de mediaan, maximum en minimum, de standaardafwijking, scheefheid, kurtosis, de Jarque-Bera toets en bijhorende p-waarde, alsook het aantal observaties worden weergegeven per variabele. De manier waarop deze variabelen berekend worden, is terug te vinden in tabellen 3a en 3b (supra, p.25). We vergelijken deze waarden met de beschrijvende statistieken uit het onderzoek van G&H17. Bovendien is het interessant om te kijken naar de verschillen tussen banken en niet-banken, daarom maken we ook een vergelijking met de resultaten van Lemmon et al. (2005)18. Wanneer we alle variabelen in rekening nemen, hebben we een totaal van 1770 bank-jaar observaties. Dit is te wijten aan het feit dat sommige banken pas later dan 1997 zijn opgericht of voor 2007 hun activiteiten staakten, waardoor er gegevens ontbreken. De waarden van de afhankelijke variabelen, boekschuldgraad en marktschuldgraad, komen in grote mate met elkaar overeen, al is de gemiddelde boekwaarde van de schuldgraad groter dan voor de
15
Lemmon et al. (2005) bestuderen niet-financiële instellingen in de periode 1965-2003. We vergelijken onze beschrijvende statistieken met die van dit artikel. 16 Frank en Goyal (2009) bestuderen beursgenoteerde niet-financiële instellingen uit de VS in de periode 1950-2003. We vergelijken onze geschatte coëfficiënten met die van dit artikel. 17 Zie tabel 6 in G&H 18 Zie tabel 1 in Lemmon et al. (2005) 26
marktwaarde. De mediaan ligt dichtbij het gemiddelde, waardoor de standaardafwijking beperkt is. Beide variabelen hebben een grotere en zwaardere staart aan de linkerkant en zijn dus linksscheef. De kurtosis of platheid is iets groter bij de boekschuldgraad dan bij de marktschuldgraad, dit wil zeggen dat er voor de boekwaarde grotere pieken zijn in de gegevens dan voor de marktwaarde. De lagere kurtosis voor de marktschuldgraad wijst op een plattere dataset. Wanneer we vergelijken met de studie van G&H, zien we dat zowel de mediaan boekwaarde (93% t.o.v. 92,7%) alsook de mediaan marktwaarde (89,4% t.o.v. 88,8%) van de schuldgraad in grote mate overeenstemmen. De gemiddelde boek- en marktschuldgraad bij niet-banken daarentegen bedraagt respectievelijk 27% en 28% (Lemmon et al., 2005). Banken houden dus wel degelijk een veel hogere schuldgraad aan. De Jarque-Bera toets is een normaliteittest. Deze toont ons aan de hand van de scheefheid en de kurtosis of de variabelen normaal verdeeld zijn. De bijhorende p-waarden voor de afhankelijke variabele zijn 0,000, dus we verwerpen de nulhypothese op het 5% significantieniveau en besluiten dat de variabele niet normaal verdeeld is, zowel voor de boekwaarde als voor de marktwaarde. De waarde van de standaardafwijking van de variabele grootte doet ons opmerken dat de banken in onze steekproef erg van elkaar verschillen. Aangezien we niet enkel de honderd grootste banken genomen hebben als steekproef, zoals G&H dat deden, hebben we zowel grote als kleine banken in onze dataset. Voor de grootste bank in onze steekproef is het logaritme van de totale activa gelijk aan 6,4. Dit komt overeen met een totaal aan activa van 2 587 miljard euro. Het logaritme van het totaal der activa van de kleinste bank is 1,2, wat overeenkomt met 16,8 miljoen euro. De kleinste bank bij G&H had een totaal aan activa van 288 miljoen dollar en is dus bijna 14 keer groter dan onze kleinste bank. De gemiddelde bank uit ons onderzoek heeft een activatotaal van 6 miljard euro. De grootte van een niet-bank bedraagt gemiddeld 27 miljard euro, wat 4,5 keer groter is dan de grootte van de gemiddelde bank. De gemiddelde bank in onze steekproef heeft een winstgevendheid van ongeveer 4% van het totaal der activa. Dat is 1% minder dan de gemiddelde bank onderzocht door G&H en dan de gemiddelde niet-bank onderzocht door Lemmon et al. (2005). Dit is opnieuw te wijten aan de keuze van de steekproef. We besluiten dat banken over het algemeen een lage rentabiliteit hebben. De gemiddelde market-to-book ratio ligt dicht bij de waarde 1, wat ook bij G&H het geval is. Voor niet-banken ligt deze waarde iets hoger, namelijk 1,59. De waarde van onderpand van de gemiddelde bank in ons onderzoek is 21% en dat is lager dan bij de
27
resultaten van G&H, waar onderpand een gemiddelde waarde heeft van 27%. In Lemmon et al. (2005) wordt deze variabele niet onderzocht. Bijna 64% van de banken in onze steekproef keert dividenden uit, waar dit bij G&H maar liefst 94% is. Dit is waarschijnlijk opnieuw te wijten aan de keuze van de steekproef. We vermoeden dat grote banken vaker dividenden uitkeren. Een gemiddelde van 39% van de niet-banken geeft dividenden uit. De volatiliteit van de activa bedraagt 3,5%, wat gelijkaardig is aan de 3,6% bij G&H. Voor niet-banken is de volatiliteit met 10% driemaal zo groot. De activa van de banken in onze steekproef zijn dus weinig risicovol. We vermoeden dat dit komt door de regulering die van toepassing is op financiële instellingen om het risico te beperken. Ook voor de onafhankelijke variabelen tonen we de Jarque-Bera toets voor normaliteit. De p-waarden van 0,000 wijzen op het niet normaal verdeeld zijn van alle variabelen. We kunnen concluderen dat onze beschrijvende statistieken grotendeels overeenstemmen met de statistieken gepresenteerd door G&H. Hoewel hun steekproef van honderd grootste beursgenoteerde banken van de VS en van de EU-15 verschilt van de steekproef die wij onderzoeken, leidt dit niet tot tegenstellingen in de liggings- noch spreidingsmaten. Het grote verschil tussen banken en niet-banken is vooral wat betreft de schuldgraad groot. Banken doen veel meer beroep op schuldfinanciering, wat leidt tot een groter schuldenpakket in hun kapitaalstructuur. Een tweede verschil is dat de activa van banken drie keer minder volatiel zijn dan voor niet-banken. De kapitaalregulering die ervoor zorgt dat het risico van bedrijfsvoering beperkt wordt, speelt hier zonder twijfel een rol. De gemiddelde niet-financiële instelling is kleiner, loopt een groter risico en keert minder dividenden uit. Figuur 1 (infra, p.29) toont de evolutie van de schuldgraad voor de periode 1997-2007.
3.2. Correlaties Bijlage II-3.2. beschrijft de correlatie tussen onze basisvariabelen en de statistische significantie van deze correlaties. Het is duidelijk dat de twee manieren waarop we de schuldgraad meten sterk positief gecorreleerd zijn met elkaar. Dit is vanzelfsprekend omdat ze in se hetzelfde meten, vanuit een ander standpunt. De variabele dividend is enkel significant gecorreleerd met onderpand. Onderpand is dan weer significant gecorreleerd met alle variabelen behalve boekschuldgraad en volatiliteit. Alle andere variabelen zijn significant gecorreleerd op minstens het 5% significantieniveau. We
28
kunnen verder uit deze tabel besluiten dat hoe groter de bank is, hoe groter de schuldgraad die ze zal aanhouden, maar des te lager haar winstgevendheid zal zijn. Wanneer de banken meer winst maken, daalt dus hun schuldgraad. Dit ondersteunt de POT die zegt dat banken eerst hun winsten zullen aanspreken om investeringen te financieren. Als banken een hoge onderpandratio hebben, betekent dit dat ze meer schulden zullen aanhouden dan banken met minder onderpand. Volatiliteit heeft op de schuldgraad een negatieve invloed, maar is positief gecorreleerd met de winstgevendheid van de bank en de market-to-book ratio. Al deze correlaties zijn conform aan onze hypothesen uit tabel 3b (supra, p.25). We onderzoeken dit verder door middel van regressie-analyse.
29
Figuur 1: Evolutie van de schuldgraad 1997-2007
Deze grafiek stelt, voor alle ondernemingen samen, de gemiddelde boekwaarde en marktwaarde van de schuldgraad voor over de jaren heen. Deze twee waarden evolueren gedurende deze 11 jaar gelijkaardig, al kent de marktwaarde van de schuldgraad grotere schommelingen. Dit is vooral te wijten aan de speculaties op de aandelenmarkten die een grote impact hebben op de aandelenkoersen, die op hun beurt de marktwaarde van de schuldgraad beïnvloeden. Opmerkelijk is dat de schuldgraden van de financiële instellingen in grote mate het algemeen economisch klimaat volgen. Zo waren de jaren vóór 2001 economisch zeer voorspoedig, wat resulteerde in lagere schuldgraden. Vanaf 2001 begonnen de schulden zich opnieuw op te stapelen om vanaf midden 2003 weer te dalen. De economische crisis zorgde vanaf 2007 opnieuw voor een stijgende schuldgraad. Dit bevestigt onze stelling dat op de kapitaalstructuur macro-economische invloeden, zoals het BBP, inwerken. Daarom breiden we ons empirisch onderzoek ook uit met enkele macro-economische variabelen.
30
3.3. Econometrische analyse In de basisregressie schatten we de coëfficiënten van de micro-economische variabelen. Daarna hervormen we die regressievergelijking door te veronderstellen dat banken een doelkapitaalstructuur hebben. De intentie is om te bestuderen of er wel degelijk een doelschuldgraad bestaat en hoe snel banken reageren op een veranderende schuldgraad.
3.3.1. Basisregressie : micro-economische variabelen Onze regressievergelijking19 voor de kapitaalstructuur is de volgende: SCHULDGRAAD = ! + "1GROOTTEi,t-1 + "2WINSTi,t-1 + "3MTBi,t-1 + "4ONDERPANDi,t-1 + "5DIVIDENDi,t + "6VOLATILITEITi,t-1 + ct + cc + #it waarbij:
(1)
i = 1,…, 224 banken t = 1,…, 11 jaar
De afhankelijke variabele is de schuldgraad die we op twee verschillende manieren meten, namelijk als boekwaarde en als marktwaarde. De verklarende variabelen zijn de grootte, winstgevendheid, de market-to-book ratio, onderpand, een dummy voor dividenduitgifte en volatiliteit van de activa. Al deze onafhankelijke variabelen, behalve dividend, zijn vertraagd met één jaar. Zie tabellen 3a en 3b (supra, p.25) voor de definities van de variabelen. De regressie bevat ook tijdsonafhankelijke effecten (ct) en cross-sectie onafhankelijke effecten (cc) om rekening te houden met de niet-geobserveerde heterogeniteit. !it is de storingsterm. Voor
de
econometrische
analyse
maken
we
telkens
gebruik
van
de
kleinste
kwadratenmethode om de coëfficiënten te schatten. We werken aan de hand van paneldata. Deze gegevens beslaan 224 banken en de periode 1997-2007, maar gezien we met vertraagde variabelen werken, komt dit neer op een periode van 10 jaar. Tabel 4 op de volgende pagina en Bijlagen II-3.3.1.1 en II-3.3.1.2 tonen de regressieresultaten van basisvergelijking (1).
19
We controleerden op voorwaarden zoals normaliteit, heteroscedasticiteit en autocorrelatie om te bepalen of dit regressiemodel geschikt is. 31
Tabel 4: Resultaten basisregressie Deze tabel toont de resultaten van onze basisregressie. De tweede kolom toont de invloed van de determinanten op de boekschuldgraad, de derde kolom toont hetzelfde voor de marktschuldgraad. *,**,*** duiden op significantie van de coëfficiënten respectievelijk op het 10%, 5% en 1% significantieniveau. Afhankelijke variabele Onafhankelijke variabele Grootte Winst MTB Onderpand Dividend Volatiliteit Constante Aantal observaties Aangepaste R!
Boekschuldgraad 0,011*** 0,031 0,096*** -0,003 0,003** -0,311*** 0,779*** 1770 0,91
Marktschuldgraad 0,003 -0,061 -0,403*** -0,001 0,005** -0,681*** 1,305*** 1770 0,84
We bespreken eerst de resultaten van de regressie waarbij de responsvariabele de BOEKWAARDE van de schuldgraad is. Deze regressie omvat 1770 observaties. Zoals we kunnen opvatten uit de tabel in bijlage II-3.3.1.1, zijn de coëfficiënten van de variabelen grootte, market-to-book en volatiliteit statistisch significant op het 1% significantieniveau. Het teken van MTB is zeer verrassend positief, wat wil zeggen dat volgens onze resultaten banken met een hogere market-to-book ratio, of grotere groeimogelijkheden, meer schulden zullen aanhouden in hun kapitaalstructuur. De coëfficiënt van de dummyvariabele dividend is positief en significant op het 5% significantieniveau. Ook dit is tegengesteld aan onze hypothese, maar niet onverklaarbaar. Wanneer een bank dividenden kan uitgeven, gaat het in de meeste gevallen goed met die bank. Wanneer het goed gaat, kan die bank het zich al beter veroorloven om schulden aan te gaan. De F-statistiek met een p-waarde van 0.000 toont dat dit regressiemodel statistisch significant is. De resultaten van de regressievergelijking met de MARKTWAARDE van de schuldgraad als responsvariabele tonen een aantal verschillen met de resultaten voor de boekwaarde. Grote banken hebben niet langer een significant hogere schuldgraad. De coëfficiënten van de marketto-book ratio en volatiliteit zijn negatief en statistisch significant, hetgeen consistent is met onze verwachtingen. De waarden van deze twee coëfficiënten zijn veel groter en dus sterker voor de marktschuldgraad dan voor de boekschuldgraad. MTB en volatiliteit zijn beide onderhevig aan
32
schommelingen op de beursmarkten, waardoor dit verschil ons niet onlogisch lijkt. Een hogere volatiliteit van de activa zorgt voor een groter risico om failliet te gaan, waardoor de kost van schuldfinanciering stijgt. Dit is consistent met onze hypothese dat volatiliteit een negatieve invloed heeft op de schuldgraad. Verder is de dummyvariabele dividend opnieuw positief significant op het 5% significantieniveau. De F-statistiek heeft ook hier een p-waarde van 0.000 en dit maakt het model statistisch significant. De determinatiecoëfficiënt R2 duidt aan in hoeverre de variabelen de totale variantie van de regressievergelijking verklaren. R2 wordt groter naarmate er meer variabelen in de vergelijking worden opgenomen. Maar een teveel aan variabelen kan slecht zijn voor het model. Wanneer de vergelijking veel variabelen bevat, is het met andere woorden beter om te oordelen aan de hand van de aangepaste R2, die modellen met teveel variabelen afstraft. De R2 zal dus altijd groter of gelijk zijn aan de aangepaste R2. Bij het model waarbij de boekschuldgraad de afhankelijke variabele is, is de aangepaste R2 91% en voor het model die de marktschuldgraad verklaart, is dit 84%. Het tweede model is dus meer geschikt voor de variabelen dan het eerste, maar voor beide modellen ‘fitten’ de variabelen zeer goed. Onze resultaten enkel beoordelen op basis van hun statistische significantie is echter niet afdoend. Ook de economische significantie is een belangrijke indicator van het belang van de determinanten. Daarvoor controleren we welke impact een wijziging met één standaardafwijking van de onafhankelijke variabelen op de afhankelijke variabele heeft. Na het berekenen van deze waarden kunnen we vaststellen dat MTB, voor marktschuldgraad, niet enkel statistisch, maar ook economisch zeer significant is. Deze variabele is volgens ons onderzoek de meest bepalende factor van de kapitaalstructuur. Zo zal een stijging van 1 standaardafwijking in MTB de marktschuldgraad gemiddeld met 2,7% doen dalen. Ook de volatiliteit van de activa is economisch significant wat betekent dat ook deze variabele van groot belang is. Opvallend is dat we voor de variabele grootte geen statistisch significante waarde vinden voor de boekschuldgraad, maar wel een economische significantie. Bij de marktschuldgraad heeft grootte zowel statistisch als een economisch significant effect. Hoe groot een bank is, is dus wel degelijk van belang voor de schuldgraad van deze bank .
33
Tabel 5: Vergelijking resultaten basisregressie met Gropp en Heider (2008) en met Frank en Goyal (2009) We vergelijken de resultaten van onze regressievergelijking (1) met de resultaten uit de studies over financiële instellingen (Gropp en Heider, 2008) en over niet-financiële instellingen (Frank en Goyal, 2009). *,**,*** duiden op significantie van de coëfficiënten respectievelijk op het 10%, 5% en 1% significantieniveau.
Luik A Afhankelijke variabele Boekschuldgraad Grootte Winst MTB Onderpand Dividend Volatiliteit Constante Aantal observaties R!
0,011*** 0,031 0,096*** -0,003 0,003** -0,311*** 0,779*** 1770 0,91 (aangepaste)
Gropp en Heider (2008) Tabel 6, kolom 2
Frank en Goyal (2009) Tabel 5, kolom 9, luik B Tabel 6, kolom 1 & 4
0,006*** -0,192*** -0,020 0,032*** -0,009*** -0,013*** 0,799***
0,010*** -0,250*** 0,002*** / -0,077*** -0,034*** /
2415 0,48
183 962 0,19 (aangepaste)
Gropp en Heider (2008) Tabel 6, kolom 2
Frank en Goyal (2009) Tabel 5, kolom 9, luik A Tabel 6, kolom 1 & 4
0,005*** -0,262*** -0,472*** 0,020** -0,019*** -0,024*** 1,195***
0,023*** -0,114*** -0,023*** / -0,102*** -0,047*** /
2415 0,78
180 552 0,27 (aangepaste)
Luik B Afhankelijke variabele Marktschuldgraad Grootte Winst MTB Onderpand Dividend Volatiliteit Constante Aantal observaties R!
0,003 -0,061 -0,403*** -0,001 0,005** -0,681*** 1,305*** 1770 0,84 (aangepaste)
34
Wanneer we de uitkomsten van dit eerste deel van ons onderzoek vergelijken met de resultaten van de studies van G&H en Frank en Goyal (2009), vinden we overeenkomsten maar ook een aantal opmerkelijke verschillen (supra, tabel 5, p.34). Eerst komt opnieuw de regressie met BOEKSCHULDGRAAD als afhankelijke variabele aan bod. De coëfficiënten van de variabelen grootte, MTB en volatiliteit zijn statistisch significant op het 1% significantieniveau. Grote banken, banken met meer groeimogelijkheden en banken waarvan de activa minder volatiel zijn, hebben één ding gemeen: ze houden er een hogere schuldgraad op na. Dat banken met een grotere market-to-book ratio een hogere schuldgraad hebben, is verrassend in vergelijking met G&H, aangezien zij het omgekeerde teken voor de -weliswaar niet significantecoëfficiënt vaststellen. Voor niet-banken is die coëfficiënt dan weer positief. Hoewel de coëfficiënt van dummy dividend zeer gering is, is ook deze significant, weliswaar op het 5% significantieniveau. Opmerkelijk is dat het teken van de coëfficiënt van dividend positief is, terwijl uit de literatuur een negatief teken blijkt. Volatiele activa hebben een negatieve invloed op de schuldgraad, zowel van banken als van niet-banken. Voor onze steekproef is deze coëfficiënt wel veel sterker en dus belangrijker. Daarom is regulering van groot belang om het risico voor banken te beperken. Op de MARKTSCHULDGRAAD hebben de coëfficiënten van MTB en volatiliteit een significante invloed op het 1% significantieniveau. De tekens van deze coëfficiënten zijn dezelfde als bij G&H en bij Frank en Goyal (2009). We merken hier duidelijk dat de coëfficiënt van market-to-book veel groter is voor banken. Ook is voor onze steekproef opnieuw de coëfficiënt van volatiliteit veel sterker dan bij G&H en Frank en Goyal (2009). De coëfficiënt van dummy dividend is opnieuw statistisch significant op het 5% significantieniveau en het teken ervan is tegengesteld aan het teken bij G&H. Winstgevendheid blijkt in geen van de gevallen significant, wat de Pecking Order Theorie tegenspreekt. Dat de determinatiecoëfficiënt R! voor ons model steeds hoger ligt dan bij G&H en Frank en Goyal (2009), is goed nieuws. Dat betekent dat voor onze steekproef een hoger percentage van de variantie van de schuldgraad verklaard wordt door onze variabelen. De verschillen tussen banken en niet-banken uiten zich niet zozeer in de tekens van de coëfficiënten, maar wel in de grootte, de belangrijkheid van de coëfficiënten. Voor de drie sterk verschillende steekproeven is het opvallend dat de resultaten niet verder uit elkaar liggen. Onze steekproef bestaat uit banken waarvan degene met het minst aantal activa 14 keer kleiner is dan bij G&H. We kunnen ook besluiten dat de Amerikaanse banken niet zozeer verschillen van de Europese. Maar nog het meest verrassend is het feit dat de invloed van de determinanten op
35
de schuldgraad van niet-financiële instellingen (Frank en Goyal, 2009) niet drastisch verschilt van de invloed op banken. Net als G&H kunnen we hieruit dus besluiten dat kapitaalregulering een minder bepalende invloed heeft op de kapitaalstructuur van financiële instellingen dan algemeen wordt aangenomen.
3.3.2. Doelkapitaalstructuur Zoals in onze literatuurstudie reeds besproken, is de term doelschuldgraad ontstaan uit de Trade-Off Theorie (supra, p.13-14). Aan de hand van deze theorie kan namelijk aangetoond worden dat ondernemingen evolueren richting een zekere schuldgraad. Om te kunnen vaststellen dat banken wel degelijk een doelschuldgraad voor ogen hebben, moet de snelheid van aanpassing (SVA) in een partieel aanpassingsmodel onderzocht worden. We bestuderen dan ook hoe snel de financiële instellingen uit onze steekproef zullen reageren op schokken in hun schuldgraad20. Omdat de traditionele manieren waarop doelschuldgraad in de literatuur wordt onderzocht ons te ver zouden leiden, gebruiken we twee vereenvoudigde partiële aanpassingsmodellen om het bestaan van doelschuldgraad te onderzoeken. Ons eerste model ziet er als volgt uit: ! SCHULDGRAADit = "0 + # ( µ*it - SCHULDGRAADit-1) + $it waarbij:
(2)
! SCHULDGRAADit = Schuldgraadi,t – Schuldgraadi,t-1 = verschil in schuldgraad per bank van jaar tot jaar µ*it = Doelschuldgraad = Schuldgraadi,t – Resid met Resid = Residuwaarden voor regressie (1) #21 = SVA = snelheid van aanpassing
Deze vergelijking testen we zowel voor marktschuldgraad als voor boekschuldgraad. Beide modellen hebben een p-waarde van 0,000 en zijn dus significant. Wanneer de coëfficiënt van de doelschuldgraad variabele significant is, bewijst dit het bestaan van partiële aanpassing en doelschuldgraad.
Dit
geldt
voor
onze
regressie
zowel
voor
marktschuldgraad
en
boekschuldgraad en bevestigt dus de veronderstelling van de Trade-Off Theorie. De waarden die de coëfficiënt # aanneemt, zijn weliswaar minder goed te vergelijken met die die we terugvinden
20 21
in
andere
literatuur
door
de
sterke
vereenvoudiging
van
het
partieel
We baseren ons voornamelijk op Lemmon et al. (2005) # wordt in de regressieoutput in bijlage voorgesteld als c(2) 36
aanpassingsmodel en de schattingsfouten die we meenemen uit regressie (1). Zo vinden wij een
SVA
van
60,88%
en
56,19%
voor
respectievelijk
MARKTSCHULDGRAAD
en
BOEKSCHULDGRAAD. Deze waarden liggen beduidend hoger dan de waarden die in voorgaande literatuur werden bekomen. Elsas en Florysiak (2008) vergelijken recente literatuur en stellen vast dat de resultaten uit de bestaande literatuur sterk verschillend zijn van elkaar. Zo vinden de auteurs dat de verschillende onderzoeken een gemiddelde SVA vaststellen die tussen de 10% en 50% ligt. Onze resultaten overschrijden duidelijk deze waarden. Maar aangezien de bestaande literatuur zich vooral focust op Amerikaanse en niet-financiële ondernemingen bestaat ook de mogelijkheid dat de hogere SVA die wij vinden typerend is voor Europese banken. Zo schrijft Oztekin (2008) dat de SVA vooral beïnvloed wordt door de economische en politieke instituties, het ondernemingsbestuur, de belastingsystemen en de structuur van krediet- en obligatiemarkten in een land. Daarom is het interessant ons eerste model te herwerken naar een tweede model en de resultaten tegenover elkaar te zetten. Ons tweede model is het volgende: SCHULDGRAADit = !0 + (" # Xit-1 + $i + vt) + (1– ") SCHULDGRAADit-1 + %it waarbij:
(3)
(" # Xit-1 + $i + vt ) = regressie (1)
Deze regressie is dus eigenlijk niets anders dan regressie (1) waarbij de variabele SCHULDGRAADi,t-1 is toegevoegd. De tekens van de verschillende coëfficiënten uit regressie (1) blijven gelijk, enkel de grootte ervan verschilt. Dit model is tevens significant, zoals blijkt uit de p-waarde van 0,000. Dit schattingsmodel is iets efficiënter dan ons eerste model dat de doelschuldgraad onderzoekt, omdat de schattingsfouten uit regressie (1) hier geen rol meer spelen. Dit is ook te zien aan de resultaten die, vooral voor marktschuldgraad, meer in de lijn liggen
van
voorgaande
MARKTSCHULDGRAAD
literatuur. als
Zo
bedraagt
responsvariabele
de
38,8%
SVA en
voor
de
54,5%
regressie voor
die
met met
BOEKSCHULDGRAAD als responsvariabele. Oztekin (2008), die de SVA over verschillende landen heen vergelijkt, verkrijgt bijvoorbeeld voor ondernemingen uit het Verenigd Koninkrijk een SVA van de marktschuldgraad die 37,9% bedraagt. De snelheid van aanpassing van 38,8% die wij bekomen voor marktschuldgraad valt ook binnen het bereik van Elsas en Florysiak (2008). Flannery en Rangan (2004) besluiten uit hun onderzoek dat de gemiddelde SVA meer dan 30% bedraagt, hoewel hun dataset geen financiële instellingen bevat. Aangezien wij vooral vergelijken met studies die ofwel niet-Europese landen ofwel nietfinanciële instellingen als steekproef nemen, vermoeden wij dat het logisch is dat onze resultaten voor de SVA enigszins afwijken van de reeds bestaande literatuur. 37
3.4. Robuustheidtesten In dit onderdeel testen we hoe robuust de resultaten zijn wanneer we enkele macroeconomische variabelen toevoegen. De verwachte inflatie en de groei van het BBP zijn de variabelen die worden toegevoegd aan de basisvergelijking. De stijging van de eerste variabele zou tot een stijging van de schuldgraad moeten leiden, voor de tweede wordt een negatieve invloed op de schuldgraad verwacht. We geven hier niet opnieuw beschrijvende statistieken, omdat het slechts de bedoeling is de robuustheid te testen van de uitkomsten van de eerste regressie. We voegen eerst de variabele INFLATIE toe aan de oorspronkelijke regressievergelijking (1). De uitgebreide regressievergelijking ziet er als volgt uit: SCHULDGRAAD = ! + "1GROOTTEi,t-1 + "2WINSTi,t-1 + "3MTBi,t-1 + "4ONDERPANDi,t-1 + "5DIVIDENDi,t + "6VOLATILITEITi,t-1 + "7INFLATIEi,t-1 + ct + cc + #it
(4)
Deze vergelijking testen we op dezelfde manier zoals we vergelijking (1) hebben getest. Wanneer als responsvariabele de BOEKWAARDE van de schuldgraad wordt genomen, bekomen wij voor de variabele inflatie geen significant resultaat. Het toevoegen van deze extra variabele heeft geen invloed op de tekens en de waarde die de coëfficiënten in regressie (1) aannemen. Als we de MARKTWAARDE van de schuldgraad als responsvariabele selecteren, liggen de resultaten enigszins anders. In deze regressie verkrijgen we voor inflatie een significant resultaat op het 10% significantieniveau. Zo kunnen we concluderen dat de inflatie in een land een, weliswaar beperkte, positieve invloed heeft op de schuldgraad van de bank gevestigd in dat land. Ook verandert de waarde van de coëfficiënt van de variabele onderpand van licht positief naar licht negatief. Dit resultaat is weliswaar niet significant. Wanneer we ook het Bruto Binnenlands Product aan vergelijking (2) toevoegen, komen we tot onderstaande regressievergelijking: SCHULDGRAAD = ! + "1GROOTTEi,t-1 + "2WINSTi,t-1 + "3MTBi,t-1 + "4ONDERPANDi,t-1 + "5DIVIDENDi,t + "6VOLATILITEITi,t-1 + "7INFLATIEi,t-1 + "8BBPi,t-1 + ct + cc + #it
(5)
Opnieuw bekijken we eerst de regressievergelijking met de BOEKWAARDE als afhankelijke variabele. Hier vinden we geen significant resultaat. De coëfficiënten en de significantie van de oorspronkelijke variabelen blijven wel onveranderd na de inbreng van de variabelen inflatie en
38
BBP. Net als in (2) verkrijgen we opnieuw een significant resultaat wanneer we de boekwaarde vervangen door de MARKTWAARDE van de schuldgraad. De coëfficiënt van inflatie is nu niet meer significant. Voor de variabele BBP is het resultaat wel significant en dit op het 1% significantieniveau. Zoals verwacht bekomen we een negatief teken voor de coëfficiënt van de variabele BBP. Hoe hoger het Bruto Binnenlands Product in een land, hoe lager de schuldgraad zal zijn van de banken zetelend in dat land. Zowel model (4) als model (5) veranderen niets aan de determinatiecoëfficiënten en F-statistieken bekomen in regressievergelijking (1). Net als voor onze basisregressie kijken we hier opnieuw of de resultaten ook economisch significant zijn. Net als voor de statistische waarden, is de economische significantie van BBP op de marktschuldgraad het grootst. Een stijging van één standaardafwijking van BBP zal de marktschuldgraad gemiddeld met bijna 1 procent doen dalen. Ook de impact van inflatie op de marktschuldgraad kunnen we economisch significant noemen. Dit betekent dat zowel inflatie als BBP belangrijke landspecifieke determinanten zijn van de kapitaalstructuur van financiële instellingen.
39
4. Besluit We verzamelden gegevens over 224 financiële instellingen uit de EU-15 en onderzochten hun kapitaalstructuur. We bestudeerden meer specifiek welke elementen de kapitaalstructuur van deze banken nu precies determineren. In het bepalen van de determinanten, baseerden we ons voornamelijk op G&H die reeds een gelijkaardig onderzoek voerden voor de 100 grootste banken uit de EU-15 en de 100 grootste banken uit de VS van 1991 tot 2004. Dat banken een andere kapitaalstructuur hebben dan niet-banken werd meteen duidelijk in onze beschrijvende statistieken. Zo lagen onze waarden voor de boekschuldgraad en marktschuldgraad veel hoger dan voor de dataset van niet-financiële instellingen van Lemmon et al. (2005). We concluderen dat banken een veel hogere schuldgraad aanhouden dan ‘gewone’ ondernemingen. Aan de hand van een aantal schattingen in Eviews stelden we vast welke factoren deze hogere schuldgraad determineren. Zowel voor de boekschuldgraad als de marktschuldgraad zijn MTB en volatiliteit sterk bepalend. Bij marktschuldgraad komen de tekens van deze variabelen overeen met die verkregen voor de banken bij G&H en met die voor niet-banken, hoewel de coëfficiënten uit onze resultaten zwaarder doorwegen. Voor de boekwaarde van de schuldgraad is de coëfficiënt van MTB positief, hetgeen onze hypothese tegenspreekt, maar overeenkomt met wat Frank en Goyal (2009) vinden voor niet-financiële instellingen. Daarnaast zullen grote ondernemingen meer schulden aangaan om investeringen te financieren. Dit resultaat is significant voor de boekschuldgraad van ons onderzoek, maar niet voor de marktwaarde ervan. Banken die meer dividenden uitkeren in een bepaald jaar, hebben ook een groter aandeel aan schulden in dat jaar. Dit is niet alleen tegengesteld aan onze hypothese, maar ook aan het resultaat voor niet-banken. We breidden de basisregressie uit door te onderzoeken of financiële instellingen een doelkapitaalstructuur vooropstellen. We trachtten het bestaan hiervan te bewijzen op twee manieren en beide wezen aan dat banken inderdaad een doelkapitaalstructuur bepalen. De vraag die zich onvermijdelijk stelt, is: hoe snel reageren banken op een variërende schuldgraad? De snelheid van aanpassing die wij vonden voor de banken in onze dataset lag evenwel hoger dan in andere literatuur. Dit is in hoofdzaak te wijten aan de vereenvoudigde testen die we gebruikten, maar kan ook verklaard worden door onze steekproef van Europese banken die niet eerder onderzocht werd. We kunnen wel akkoord gaan met Elsas en Florysiak (2008) die een snelheid van aanpassing vaststelden tussen 10% en 50%. Om de robuustheid te testen van onze resultaten voegden we twee macro-economische variabelen toe aan de basisregressie. We besloten dat wanneer de inflatie in een bepaald land 40
stijgt, de financiële instellingen in dat land hun marktschuldgraad zullen zien stijgen. Ook de groei van het BBP is een significante variabele. Wanneer de economie van een land rooskleuriger is, houden de banken in dit land een lagere marktschuldgraad aan. Dit bevestigt figuur 1 (supra, p.29) en onze veronderstelling dat het land waarin de bank zich vestigt een grote invloed kan hebben op haar kapitaalstructuur. Onze regressieresultaten voor de micro- en macro-economische determinanten worden hieronder samengevat in tabel 6.
Tabel 6: Resultaten uit eigen onderzoek Deze samenvattende tabel toont de resultaten van ons onderzoek. Zowel de invloed, positief (+) of negatief (-), op de boekschuldgraad als op de marktschuldgraad van banken wordt weergegeven. Ook de statistische significantie van de resultaten wordt getoond, waarbij *, **, *** wijst op significantie op respectievelijk het 10%, het 5% en het 1% niveau.
Determinant
Invloed op BOEKSCHULDGRAAD
Significantie
Invloed Op MARKTSCHULDGRAAD
Significantie
Micro-economisch Nee
Market-to-book
+ + +
Nee
Ja***
+ -
Onderpand
-
Nee
-
Nee
Dummy Dividend
+
Ja**
+
Ja**
Volatiliteit activa
-
Ja***
-
Ja***
Verwachte inflatie
-
Nee
+
Ja*
Groei BBP
-
Nee
-
Ja***
Grootte Winstgevendheid
Ja***
Nee Ja***
Macro-economisch
41
Algemene conclusie
Er is waarschijnlijk nog nooit zoveel geschreven over de financiële sector als in de periode waarin we onze masterproef hebben gemaakt. Dit leverde ons extra stof tot nadenken die we integreerden in de literatuurstudie, maar aangezien het nooit de bedoeling was de crisis centraal te stellen in onze masterproef beperkten we ons tot deze bijdrage. Wat wel de kern uitmaakt, zijn de determinanten die de kapitaalstructuur bepalen van banken. We onderzochten hoe een aantal determinanten de schuldgraad beïnvloeden van Europese banken, waar het in voorgaande studies vooral Noord-Amerikaanse niet-banken waren die de steekproef vormden. Dit laat ons toe overeenkomsten en verschillen te ontdekken tussen continenten enerzijds en tussen de financiële en niet-financiële sector anderzijds, althans wat de kapitaalstructuur betreft. Aangezien het vooral de kapitaalstructuur van niet-financiële instellingen is die onderzocht wordt in de bestaande literatuur, is het van belang eerst de grote verschillen aan te halen tussen banken en niet-banken. Wat maakt banken speciaal? Het grote onderscheid tussen banken en andere ondernemingen is het feit dat de eerste moeten voldoen aan een aantal criteria, opgelegd door regulerende instanties. Zo zijn er minimum kapitaalvereisten, die banken verplicht zijn te volgen om zich te behoeden voor een risicovolle toekomst. Wanneer de economie er slecht voor staat en er onverwachte verliezen dreigen, moet dit minimum aan kapitaal dienen als buffer om die eventuele verliezen op te vangen. Maar laat dat nu net het probleem zijn waarmee banken te kampen hebben tijdens de huidige economische malaise. De buffer is ontoereikend gebleken, vele banken raakten in ernstige moeilijkheden door het gebrek aan risicobeperkende middelen. Geen wonder dus dat de economische wereld vandaag pleit voor strengere normen, nieuwe kapitaalvereisten en een overkoepelende toezichthouder die de nationale instanties in de gaten houdt en hen berispt als ze hun werk niet goed doen. Er worden tevens zogenaamde ‘stresstests’ voorgesteld, die banken onder de loep nemen en vanuit diverse scenario’s en schattingen van eventuele verliezen een kapitaalbuffer voorstellen. Die buffer moet dan als vangnet dienen voor de banken die in moeilijkheden verzeild raken. Naast de kapitaalvereisten, wordt aan banken opgelegd zeer transparant te werken en ook strikt te voldoen aan regels betreffende het externe en interne toezicht. Al deze maatregelen zorgen er tevens voor dat banken een andere kapitaalstructuur aanhouden. Naast het hoger aandeel aan kapitaal, hebben banken een veel hogere schuldgraad dan niet-banken. Er zijn een aantal determinanten die een belangrijke invloed uitoefenen op de schuldgraad. In deze masterproef
42
kwamen twee veelbesproken theorieën aan bod die trachten te verklaren hoe bepaalde factoren inspelen op de schuldgraad van ondernemingen: de Trade-Off Theorie en de Pecking Order Theorie. Volgens de Trade-off Theorie (Myers, 1984) maken ondernemingen een afweging tussen de voor- en nadelen van financiering met eigen vermogen en financiering met vreemd vermogen. Zo komen ze tot een optimale kapitaalstructuur, die ook een doelkapitaalstructuur genoemd wordt en waarnaar ondernemingen zullen evolueren. De Pecking Order Theorie beweert dan weer dat er een voorkeurshiërarchie van financieringsvormen bestaat en dat ondernemingen eerst hun interne middelen aanspreken en pas daarna externe financiering gebruiken. Uit het overzicht van de empirische onderzoeken uit de bestaande literatuur blijkt dat veelal dezelfde determinanten gebruikt worden om de schuldgraad te verklaren. De studie die voor ons de grootste bijdrage levert en die wij als basispaper beschouwen is die van Gropp en Heider (2008), waarin de determinanten grootte, winstgevendheid, market-to-book, onderpand, dividend en volatiliteit geanalyseerd worden. Dit zijn ook de determinanten die wij in ons eigen onderzoek bestuderen. Onze steekproef bestaat net als bij G&H uit commerciële banken en financiële holdings en aangezien er in het verleden weinig onderzoek werd gedaan naar alleen Europese banken, vormen deze het onderwerp van onze studie. De vraag die zich meteen stelde, was: op welke manier beïnvloeden de determinanten de schuldgraad van Europese banken en waarin verschilt dit met niet-banken? Uit ons onderzoek blijkt dat vooral de grootte, market-to-book, dividenduitgifte en volatiliteit van de activa factoren zijn die de schuldgraad van banken bepalen. Grote banken hebben een hogere boekschuldgraad dan kleine banken. Banken die meer groeimogelijkheden hebben zullen meer boekschulden hebben, maar minder marktschulden. Als banken dividenden uitkeren, zullen ze een hogere schuldgraad hebben en een hogere volatiliteit van de activa zorgt voor een lager aandeel aan schulden in de kapitaalstructuur van banken. Deze resultaten komen grotendeels overeen met de uitkomsten van G&H, dus ook met onze hypothesen, en met die van Frank en Goyal (2009) voor niet-banken. Dit betekent dat banken minder onderhevig zijn aan de regulerende maatregelen dan algemeen wordt aangenomen. Bij elk van deze laatstgenoemde studies is dividend een variabele met een negatieve -dus tegengesteldeinvloed op de schuldgraad. De market-to-book ratio en de volatiliteit van de activa blijken in ons eigen onderzoek wel belangrijkere factoren. Daarnaast testten wij de robuustheid van onze eerste
resultaten
door
de
macro-economische
variabelen
inflatie
en
BBP
aan
de
basisvariabelen toe te voegen. Beide determinanten zijn vooral van belang voor de marktschuldgraad. Een hogere verwachte inflatie zorgt voor een grotere schuldgraad van banken, terwijl een hoger Bruto Binnenlands Product het omgekeerde effect teweegbrengt.
43
Een tweede belangrijke vraag die wij ons stelden, was: bepalen banken een doelkapitaalstructuur, zoals de Trade-Off Theorie veronderstelt, en zo ja, hoe snel evolueren banken naar die doelkapitaalstructuur? Daartoe gebruiken we twee vereenvoudigde modellen. Beide modellen bewezen dat financiële instellingen inderdaad een doelschuldgraad voor ogen houden. De snelheid waarmee zij daarnaar evolueren, werd door ons minder accuraat gemeten, maar we kunnen akkoord gaan met Flannery en Rangan (2004) die besloten dat de SVA meer dan 30% bedraagt. Onze bevindingen hierbij bevestigen de Trade-Off Theorie. Aangezien de financiële sector tegenwoordig sterk onder druk staat, verwachten we dat dit een impact zal hebben op onze steekproef. Zo zullen er ongetwijfeld banken verdwijnen, fuseren of overgenomen worden door andere banken. We denken hierbij aan Fortis, die nu grotendeels in handen is van het Franse BNP Paribas. Ook zal de kapitaalstructuur van de verschillende andere financiële instellingen wijzigen. Striktere kapitaalverplichtingen zullen worden opgelegd om een soortgelijke crisis in de toekomst te vermijden of tenminste op te vangen. Zelf hebben we bij gebrek aan gegevens voor 2008 de invloed van de huidige economische crisis niet kunnen bestuderen. Het zou dan ook interessant en relevant zijn voor toekomstig onderzoek om de data van 2008 en 2009 te incorporeren en vast te stellen hoe de banken uit onze steekproef verder evolueren.
44
Bibliografie
Barber B.M. en Lyon J.D. (1997) Firm Size, Book-to-Market Ratio, and Security Returns: a holdout sample of financial firms, The Journal of Finance, Vol. 52, 2, pp. 875-883 Berger A.N., De Young R., Flannery M.J., Lee D. en Oztekin O. (2008) How do large banking organizations
manage
their
capital
ratios?,
Working
paper,
SSRN:
Berger A.N., Herring R.J. and Szegö G.P. (1995) The role of capital in financial institutions, Journal of Banking and Finance, Vol. 19, pp. 393-430 Berger A.N. en di Patti E.B. (2006) Capital structure and firm performance: A new approach to testing agency theory and an application to the banking industry, Journal of Banking and Finance, Vol. 30, pp. 1065-1102 Board of Governors of the Federal Reserve System (2009), "The supervisory Capital Assessment
Program:
Overview
of
Results”
(7
mei
2009),
Brewer E., Kaufman G.G. en Wall L.D. (2008) Bank capital ratios across countries, why do they vary?, Paolo Baffi Centre on Central Banking and Financial Regulation, Research paper series no. 2008-28, pp. 1-43 De Europese plannen van Jacques de Larosière, De Tijd, jg. 42, nr. 10437, 2 april 2009, p.2 De Jong A., Kabir R. en Nguyen T.T. (2008) Capital structure around the World: The roles of firm- and country-specific determinants, Journal of Banking and Finance, Vol. 32, pp. 19541969 De Jong A. en Van Dijk R. (1999) Determinants of Leverage and Agency Problems, Working paper, SSRN: De Pelsmacker P. en Van Kenhove P. (2e uitgave 1996) Marktonderzoek: methoden en toepassingen, Garant, 737 p. De vijf conclusies voor de Belgische banken, De Tijd, jg. 42, nr. 10447, 16 april 2009, p.3 Diamond D.W. en Rajan R.G. (2000) A Theory of Bank Capital, The Journal of Finance, Vol. 55, 6, pp. 2431-2465 VIII
Elsas, R. en David Florysiak (2008) Empirical Capital Structure Research: New Ideas, Recent Evidence, and Methodological Issues, unpublished manuscript Er zijn in Europa nooit normen vastgelegd voor Europees toezicht, De Tijd, jg. 42, nr. 10420, 24 februari 2009, p.7 Europese ambitie moet gelijk zijn aan economisch gewicht, De Tijd, jg. 42, nr. 10437, 2 april 2009, p.2 Fama E.F. en French K.R. (2002) Testing Trade-Off and Pecking Order Predictions About Dividends and Debt, The Review of Financial Studies, Vol. 15, pp. 1-33 Ferri M.G. en Jones W.H. (1979) Determinants of Financial Structure: a New Methodological Approach, The Journal of Finance, Vol. 3, pp. 631-644 Flannery M. en Rangan K. (2004) Partial adjustment toward target capital structures, Journal of Financial Economics, Vol. 79, pp. 469–506 Frank M.Z. en Goyal V.K. (2003) Capital structure decisions, Working paper, SSRN: Frank M.Z. en Goyal V.K. (2007) Capital Structure Decisions: which factors are reliably important? Working paper, SSRN: Frank M.Z. en Goyal V.K. (2009) Capital Structure Decisions: which factors are reliably important?, Financial Management, Vol. 38,1, pp. 1-37 Frank M.Z. en Goyal V.K. (2007) Trade-Off and Pecking Order Theories of Debt, Working paper, SSRN: Gale D. en Özgür O. (2005) Are bank capital ratios too high or too low? Incomplete markets and optimal capital structure, Journal of the European Economic Association, Vol. 3(2-3), pp. 690-700 González V.M. en González F. (2008) Influence of bank concentration and institutions on capital structure: New international evidence, Journal of Corporate Finance, Vol. 14, pp. 363-375 Gropp R. en Heider F. (2008) The Determinants of Capital Structure: Some Evidence from Banks, Centre for European Economic Research, Vol. 8, 15, pp. 1-39 Inderst R. en Mueller H.M. (2008) Bank capital structure and credit decisions, Journal of Financial Intermediation, Vol. 17, pp. 295-314
IX
Kleff V. en Weber M. (2008) How do banks determine capital? Evidence from Germany, German Economic Review, Vol. 9(3), pp. 354-372 Lemmon, M. L., M. R. Roberts, en J. F. Zender (2008) Back to the Beginning: Persistence and the Cross-Section of Corporate Capital Structure, Journal of Finance, Vol. 63, pp. 15751608 Marsh P. (1982) The choice between equity and debt: an empirical study, The Journal of Finance, Vol. 1, pp. 121-144 Matthews K. en Thompson J. (2005) The Economics of Banking, John Wiley & Sons, Inc., New York, pp.161-181 Myers S.C. (1984) The Capital Structure Puzzle, The Journal of Finance, Vol. 39, 3, pp. 575592 Myers S.C. en Majluf N.S. (1984) Corporate financing and investment decisions when firms have information that investors do not have, Journal of Financial Economics, Vol.13, pp.187-221 Ongeziene test voor kapitaalbehoeften, De Tijd, jg. 42, nr. 10462, 8 mei 2009, p.4 Ooghe H., Deloof M. en Manigart S. (2e druk 2003) Handboek Bedrijfsfinanciering: theorie en praktijk, Intersentia, 588 p. Rajan R.G. en Zingales L. (1995) What do we know about capital structure? Some evidence from international data, The Journal of Finance, Vol. 50, 3, pp. 1421-1460 Statistical Office of the European Communities (Eurostat), laatste update 5-05-2009, Real GDP growth rate Statistical Office of the European Communities (Eurostat), laatste update 16-03-2009, HICP - all items - annual average inflation rate - Annual average rate of change in Harmonized Indices of Consumer Prices Strebulaev I.A. (2007) Do tests of capital structure theory mean what they say?, The Journal of Finance, Vol. 62, 4, pp. 1747-1787
X
Titman S. en Wessels R. (1988) The Determinants of Capital Structure Choice, The Journal of Finance, Vol. 43, 1, pp. 1-19 Verschueren
I.
(2002)
Een
empirisch
onderzoek
naar
de
determinanten
van
de
kapitaalstructuur. Een proeve van toepassing voor België, Vrije Universiteit Brussel, 261 p. Welch I. (2007) Common Flaws in Empirical Capital Structure Research, AFA 2008 New Orleans Meetings Paper, unpublished manuscript
XI
Bijlagen
Bijlage II – 3.1.
Beschrijvende statistieken ................................................................................ XIII
Bijlage II – 3.2.
Correlaties ........................................................................................................ XIV
Bijlage II – 3.3.1.1 Basisregressie (1a): determinanten van BOEKSCHULDGRAAD .................... XV Bijlage II – 3.3.1.2 Basisregressie (1b): determinanten van MARKTSCHULDGRAAD.................. XVI Bijlage II – 3.3.2.1 Regressie (2a): doelkapitaalstructuur en SVA - methode 1 BOEKSCHULDGRAAD .................................................................................... XVII Bijlage II – 3.3.2.2 Regressie (2b): doelkapitaalstructuur en SVA - methode 1 MARKTSCHULDGRAAD.................................................................................. XVIII Bijlage II – 3.3.2.3 Regressie (3a): doelkapitaalstructuur en SVA - methode 2 BOEKSCHULDGRAAD .................................................................................... XIX Bijlage II – 3.3.2.4 Regressie (3b): doelkapitaalstructuur en SVA - methode 2 MARKTSCHULDGRAAD.................................................................................. XX Bijlage II – 3.4.1
Regressie (4a): toevoegen van macro-economische variabele inflatie aan de determinanten van BOEKSCHULDGRAAD ......................................... XXI
Bijlage II – 3.4.2
Regressie (4b): toevoegen van macro-economische variabele inflatie aan de determinanten van MARKTSCHULDGRAAD....................................... XXII
Bijlage II – 3.4.3
Regressie (5a): toevoegen van macro-economische variabele BBP aan de determinanten van BOEKSCHULDGRAAD ......................................... XXIII
Bijlage II – 3.4.4
Regressie (5b): toevoegen van macro-economische variabele BBP aan de determinanten van MARKTSCHULDGRAAD....................................... XXIV
Bijlage II – 3.4.5
Jaarlijks gemiddeld inflatiecijfer: jaarlijkse verandering in de geharmoniseerde consumentenprijsindex (HICP) van de EU-15, Cyprus en Malta (1997 – 2007) ........................................................................ XXV
Bijlage II – 3.4.6
Groei BBP: jaarlijkse procentuele verandering van het reëel BBP van de EU-15, Cyprus en Malta (1997-2007) ................................................... XXVI
Bijlagen
XII
Bijlage II – 3.1.: Beschrijvende statistieken
De steekproef bestaat uit 1770 bank-jaar observaties uit de landen van de EU-15. De paneldata lopen over een cross-sectie van 224 banken en over een periode van 10 jaar (1997-2007). In tabel 3a en 3b (supra, p.25) worden de variabelen, alsook hun definities weergegeven.
BOEK MARKT GROOTTE SCHULDGRAAD SCHULDGRAAD
WINST
MTB
ONDERPAND
DIVIDEND
VOLATILITEIT
Gemiddelde
0.911596
0.873508
3.778092
0.040362
1.044134
0.210291
0.636158
0.034598
Mediaan
0.929521
0.893972
3.729917
0.038583
1.030522
0.194778
1.000000
0.024553
Maximum
1.018577
0.999257
6.412746
0.075164
1.150046
0.521282
1.000000
0.097162
Minimum
0.793522
0.701374
1.225309
0.003083
0.950510
0.001098
0.000000
0.000146
Stdafwijking
0.050581
0.080417
1.178482
0.015495
0.058600
0.126583
0.481240
0.028268
Scheefheid
-0.953765
-0.902901
0.110946
0.372149
0.521511
0.684604
-0.566024
1.137475
Kurtosis
2.964788
2.911277
2.071655
3.287268
2.254043
3.052752
1.320383
3.134436
Jarque-Bera
268.4435
241.0735
67.19070
46.94208
121.2706
138.4664
302.5701
383.0183
P-waarde
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
1770
1770
1770
1770
1770
1770
1770
1770
Observaties
# #
Bijlagen
!"""#
Bijlage II – 3.2.: Correlaties De steekproef bestaat uit 1770 bank-jaar observaties uit de landen van de EU-15. De paneldata lopen over een cross-sectie van 224 banken en over een periode van 10 jaar (1997-2007). In tabel 3a en 3b (supra, p.25) worden de variabelen, alsook hun definities weergegeven. De schuingedrukte cijfers duiden de p-waarden van de correlaties aan.
Correlatie P-waarde
BOEKMARKTGROOTTE SCHULDGRAAD SCHULDGRAAD
WINST
MTB
ONDERPAND DIVIDEND
BOEKSCHULDGRAAD
1.000000 -----
MARKTSCHULDGRAAD
0.742473 0.0000
1.000000 -----
GROOTTE
0.694840 0.0000
0.461674 0.0000
1.000000 -----
WINST
-0.227382 0.0000
-0.304003 0.0000
-0.127804 0.0000
1.000000 -----
MTB
-0.283221 0.0000
-0.810359 0.0000
-0.072239 0.0024
0.268731 0.0000
1.000000 -----
ONDERPAND
0.030691 0.1968
0.072850 0.0022
0.136347 0.0000
-0.074884 0.0016
-0.077802 0.0011
1.000000 -----
DIVIDEND
-0.030829 0.1948
-0.036741 0.1223
-0.019223 0.4190
0.039700 0.0950
0.023959 0.3137
0.078768 0.0009
1.000000 -----
VOLATILITEIT
-0.561788 0.0000
-0.863442 0.0000
-0.291901 0.0000
0.314242 0.0000
0.772567 0.0000
-0.028173 0.2361
0.002399 0.9197
Bijlagen
VOLATILITEIT
1.000000 -----
!"#$
(!"#$%&'())(*(+,+,-,-(.(!%/"/0'&0'//"'(1-%2.(3'4'05"6%64'6(7%6( ( (!89:;<=>?@ABCC@ ( ( !"#" $ %&'"( $ %))*% $ +" $ ,"-.(%&%"* $ /&* $ ,"0,"--1" $ 2345 $ !" $ -%""67,)"8 $ '"-%&&% $ .1% $ 399: $ '&*6;<&&,$ )'-",/&%1"-$.1%$+"$(&*+"*$/&*$+"$=>;3?5$!"$7&*"(+&%&$()7"*$)/",$""*$@,)--;-"@%1"$/&*$AAB$ '&*6"*$"*$)/",$""*$7",1)+"$/&*$3:$<&&,$23CC9;A::945$D*$%&'"($E&$"*$E'$2-.7,&F$75A?4$G),+"*$+"$ /&,1&'"("*F$&(-))6$H.*$+"81*1%1"-$G"",0"0"/"*5$
!89:;<=>?@ABCC@(D(<1-2(E(<1F2GAB88HH91I-2(E(<1+2GJ)K;H1-2(E( <1L2GMH!1I-2(E(<1N2G8K@9BOCK@1I-2(E(<1P2G@)Q)@9K@(E( <1R2GQ8?CH)?)H9)H1I-2 K&,1&'"("
L)M881@1M*%
N%+58).%"*
L234 L2A4 L2E4 L2B4 L2?4 L2P4 L294
:599CB?? :5:3:CQ: :5:E:QBE :5:CP:BC ;:5::AQBE :5::A?C? ;:5E3:Q3C
:5:3P?Q? :5::A39A :5:EQ:?Q :5:3P?A: :5::?CEP :5::33QA :5:EB9?A
%;-%&%1-%1"6$ O;G&&,+" BP5CCPCE ?5:??93B :5Q3:B:C ?5Q3ECQA ;:5B9QQ?3 A53CP:AB ;Q5CBEQC9
:5:::: :5:::: :5B39Q :5:::: :5PEA3 :5:AQE :5::::
=88"@%-$N7"@181@&%1)* L,)--;-"@%1)*$81R"+$2+.SST$/&,1&'("-4 UA W&*0"7&-%"$UA N5=5$)8$,"0,"--1)* N.S$-X.&,"+$,"-1+ Y)0$(16"(1H))+ \;-%&%1-%1"6 O;G&&,+"$2\;-%&%1-%1"64
:5CAPA:A :5C3EC9P :5:3B??Q :5AQB::3 B?3E5EP9 9?59??AA :5::::::
$$$$V"&*$+"7"*+"*%$/&, $$$$N5!5$+"7"*+"*%$/&, $$$$W6&16"$1*8)$@,1%",1)* $$$$N@HG&,#$@,1%",1)* $$$$Z&**&*;[.1**$@,1%",5 $$$$!.,'1*;]&%-)*$-%&%
:5C3A?QQ :5:BCPEP ;?5BQCC3A ;B59A?CQA ;?5A:?C:9 35A3B9?E
I,)*J$).%7.%$=/1"G-
I1<(&0"*
^K
(!"#$%&'())*+,+,-,.(/(!%0"01'&1'00"'(2-34/(5'6'17"8%86'8(9%8( ( (:;<=>?@ABCDE<;;D ( ( !"#" $ %&'"( $ %))*% $ +" $ ,"-(%&%"* $ .&* $ ,"/,"001" $ 2345 $ !" $ 0%""67,)"8 $ '"0%&&% $ -1% $ 399: $ '&*6;<&&,$ )'0",.&%1"0$-1%$+"$(&*+"*$.&*$+"$=>;3?5$!"$7&*"(+&%&$()7"*$).",$""*$@,)00;0"@%1"$.&*$AAB$ '&*6"*$"*$).",$""*$7",1)+"$.&*$3:$<&&,$23CC9;A::945$D*$%&'"($E&$"*$E'$20-7,&F$75A?4$G),+"*$+"$ .&,1&'"("*F$&(0))6$H-*$+"81*1%1"0$G"",/"/"."*5$
:;<=>?@ABCDE<;;D(F(@2-4(G(@2.4HE>J2K-4(G(@2+4HL)M?>2-4(G( @2N4H:>!2K-4(G(@2O4HIMDJ)C)>J)>2K-4 K&,1&'"("
L)M881@1M*%
N%+58)-%"*
L234 L2A4 L2E4 L2B4 L2?4 L2Q4 L294
35E:?BC: :5::A9AQ ;:5:Q:Q?A ;:5B:EEQQ ;:5::3:?9 :5::?:9C ;:5QP:QEE
:5:E?99P :5::BQPQ :5:PA::P :5:E?QB: :5:3AP:9 :5::A?BQ :5:9BCQ?
%;0%&%10%1"6 O;G&&,+" EQ5BPPB9 :5?P39E? ;:59EC?P? ;335E39QP ;:5:PA?B: 35CC?AAB ;C5:9CE9Q
:5:::: :5?Q:P :5B?C9 :5:::: :5CEBA :5:BQA :5::::
=88"@%0$N7"@181@&%1)* L,)00;0"@%1)*$81R"+$2+-SST$.&,1&'("04 UA W&*/"7&0%"$UA N5=5$)8$,"/,"001)* N-S$0X-&,"+$,"01+ Y)/$(16"(1H))+ \;0%&%10%1"6 O;G&&,+"2\;0%&%10%1"64
:5PQBE:B :5PB3P?Q :5:E3B3A 35EABA:E EE3?5B3Q EP5?:EE: :5::::::
$$$$V"&*$+"7"*+"*%$.&, $$$$N5!5$+"7"*+"*%$.&, $$$$W6&16"$1*8)$@,1%",1)* $$$$N@HG&,#$@,1%",1)* $$$$Z&**&*;[-1**$@,1%",5 $$$$!-,'1*;]&%0)*$0%&%
:5P9EB?C :5:9PCC3 ;E5C?3CQC ;E53PPPEE ;E5QQPA99 35EP9Q9Q
I,)*J$)-%7-%$=.1"G0
I1<(&/"*
^KD
!"#$%&'())*+,+,-,./(0'&1'22"'(3-%4/(56'$7%8"9%%$291:;9::1('<(=>?(@(A'9B65'(.(@( !CDE=FGHIJK0??J !"#"$%&'"($%))*%$+"$,"-.(%&%"*$/&*$,"0,"--1"$2345
L(!CDE=FGHIJK0??J"9(M(NO(P(Q(3(RS"9(@(!CDE=FGHIJK0??J"[email protected](P(T"9
<&,1&'"("
=)>??1@1>*%
A%+5$?).%"*
=2E4 =234
F5FFF3GH F5MKEJMJ
F5FFFGG3 F5F3LHHI
%B-%&%1-%1"C$ DB:&&,+"$ F5IEJKGL 335LIKJJ
F5LI3M F5FFFF
9??"@%-$A8"@1?1@&%1)* =,)--B-"@%1)*$?1N"+$2+.OOP$/&,1&'("-4 Q3 S&*0"8&-%"$Q3 A595$)?$,"0,"--1)* A.O$-T.&,"+$,"-1+ V)0$(1C"(1U))+ YB-%&%1-%1"C DB:&&,+"$2YB-%&%1-%1"C4
F5LFF3LJ F5GFGLJM F5FEGEEE F53GEEHG LKIL5ELE L5EGKGII F5FFFFFF
$$$$R"&*$+"8"*+"*%$/&, $$$$A5!5$+"8"*+"*%$/&, $$$$SC&1C"$1*?)$@,1%",1)* $$$$A@U:&,#$@,1%",1)* $$$$W&**&*BX.1**$@,1%",5 $$$$!.,'1*BZ&%-)*$-%&%
F5FFFMLL F5FEMIFH BM5IF3FGK BL5HMM3GM BM5L3LGHJ E5JIJGGE
6,)*7$).%8.%$9/1":-
61;(&0"*
[<\\
!"#$%&'())(*(+,+,-,-.(/'&0'11"'(2-34(56'$7%8"9%%$190:;9::0('<(=>?(*(@'9A65'(B(*( C?/DE=FGHIJK/??J !"#"$%&'"($%))*%$+"$,"-.(%&%"*$/&*$,"0,"--1"$2345
L(C?/DE=FGHIJK/??J"9(M(NO(P(Q(2(RS"9(*(C?/DE=FGHIJK/??J"9*B4(P(T"9
<&,1&'"("
=)>??1@1>*%
A%+5$?).%"*
=2E4 =234
BF5FFE3GF F5IFMGLJ
F5FFFGGH F5FKEF3J
%B-%&%1-%1"C DB:&&,+" BE5IJFIKL EK5MJHJJ
F5EFJ3 F5FFFF
9??"@%-$A8"@1?1@&%1)* =,)--B-"@%1)*$?1N"+$2+.OOP$/&,1&'("-4 Q3 S&*0"8&-%"$Q3 A595$)?$,"0,"--1)* A.O$-T.&,"+$,"-1+ V)0$(1C"(1U))+ YB-%&%1-%1"C DB:&&,+"$2YB-%&%1-%1"C4
F53G3E3F F5ELKMIF F5FJFJKI E53KFKJH JJII5LKH 35J3FILF F5FFFFFF
$$$$R"&*$+"8"*+"*%$/&, $$$$A5!5$+"8"*+"*%$/&, $$$$SC&1C"$1*?)$@,1%",1)* $$$$A@U:&,#$@,1%",1)* $$$$W&**&*BX.1**$@,1%",5 $$$$!.,'1*BZ&%-)*$-%&%
BF5FFJ3KL F5FJJFEF BK5F3JGFK BJ53GGIGH BJ5GKIJGJ E5IKKL33
6,)*7$).%8.%$9/1":-
61;(&0"*
[<\\\
(!"#$%&'())(*(+,+,-,+.(/'&0'11"'(2+%(3.(45'$6%7"8%%$1809:8990(';(<=>(?(@'8A54'(-(? ( (( !BCD<EFGHIJ/>>I !"#"$%&'"($%))*%$+"$,"-.(%&%"*$/&*$,"0,"--1"$2345
!BCD<EFGHIJ/>>I(K(E2L3(M(E2-3NJ/BBOOC2?L3(M(E2+3NP)QQI2?L3(M(E2V3NI)=)ICQI(M( E2W3N=BH>O)H)OC)O2?L3(M(E2X3N!BCD<EFGHIJ/>>I2?L3$ <&,1&'"("
=)>??1@1>*%
A%+5$?).%"*
=2E4 =2H4 =234 =2G4 =2L4 =2J4 =2M4 =2I4
F5GHHIGI F5FFGKKL F5F3JM3G F5FLJ3KF BF5FF3MKL F5FFFMJG BF5EELEMG F5GLGKML
F5FHGIIF F5FFEKIF F5F3GHFE F5FELFEF F5FFL33L F5FFEFJM F5F33FIJ F5FHLGEI
%B-%&%1-%1"C DB:&&,+" EJ5KKLGJ H5LHHMKM E5FMGFLM 35MLJILM BF5MEE3KJ F5MEJGFG B35GIEFH3 EM5KFFFG
F5FFFF F5FEEI F5HI3F F5FFFH F5GMMF F5GM3K F5FFFL F5FFFF
9??"@%-$A8"@1?1@&%1)* =,)--B-"@%1)*$?1N"+$2+.OOP$/&,1&'("-4 QH S&*0"8&-%"$QH A595$)?$,"0,"--1)* A.O$-T.&,"+$,"-1+ V)0$(1C"(1U))+ YB-%&%1-%1"C DB:&&,+"$2YB-%&%1-%1"C4
F5KGFGLE F5K3FL3G F5FE3FIH F5HHKEJG GJIE5F3F KG5IHIIK F5FFFFFF
$$$$R"&*$+"8"*+"*%$/&, $$$$A5!5$+"8"*+"*%$/&, $$$$SC&1C"$1*?)$@,1%",1)* $$$$A@U:&,#$@,1%",1)* $$$$W&**&*BX.1**$@,1%",5 $$$$!.,'1*BZ&%-)*$-%&%
F5KEHLII F5FGKJ3J BL5MF3EM3 BG5K3LIEM BL5GEMIKG E5IJK3MF
6,)*7$).%8.%$9/1":-
61;(&0"*
[\[
(!"#$%&'())(*(+,+,-,./(0'&1'22"'(3+4(5/(67'$8%9":%%$2:1;<:;;1('=(>?@(A(B':C76'(-(A ( (( D@0EF>GHIJKL0@@K !"#"$%&'"($%))*%$+"$,"-.(%&%"*$/&*$,"0,"--1"$2345
D@0EF>GHIJKL0@@K(M(G3N5(O(G3-5PL0QQFFR3AN5(O(G3+5PS)T>F3N5(O( G3.5PDF!3AN5(O(G3U5PQTKR0V@TK3AN5(O(G3W5PK)?)KRTK(O( G3X5P?QJ@F)J)FR)F3AN5(O(G3Y5PD@0EF>GHIJKL0@@K3AN5(
<&,1&'"("
=)>??1@1>*%
A%+5$?).%"*
=2E4 =2L4 =234 =2J4 =2K4 =2I4 =2H4 =2G4
F53GFHII BF5FEJJFF BF5EKEGEJ F5FLEFMF E5MG9BFK F5FFLGGG BF5LFH3HG F5IEEIJL
F5FG3JKH F5FFJIIG F5FHGL3M F5FJGIGF F5FELEIL F5FFLJLJ F5FGEEHH F5FKFJEM
%B-%&%1-%1"C DB:&&,+" J5KILJJ3 B35FGJK3G BE5MJF3MJ F5J33LJ3 F5FFEI3E E5EMEKLE BL5KKJIJL EL5E3EFG
F5FFFF F5FFLE F5FKLK F5IIJM F5MMGH F5L33H F5FEFH F5FFFF
9??"@%-$A8"@1?1@&%1)* =,)--B-"@%1)*$?1N"+$2+.OOP$/&,1&'("-4 QL S&*0"8&-%"$QL A595$)?$,"0,"--1)* A.O$-T.&,"+$,"-1+ V)0$(1C"(1U))+ YB-%&%1-%1"C DB:&&,+"$2YB-%&%1-%1"C4
F5GHHHL3 F5GKH3GM F5FLMG3F E5EM3LKJ 33MI5GMK J35EIK3L F5FFFFFF
$$$$R"&*$+"8"*+"*%$/&, $$$$A5!5$+"8"*+"*%$/&, $$$$SC&1C"$1*?)$@,1%",1)* $$$$A@U:&,#$@,1%",1)* $$$$W&**&*BX.1**$@,1%",5 $$$$!.,'1*BZ&%-)*$-%&%
F5GH3JKM F5FHGMME BJ5FKJGEG B35LGGLIF B35HIMGKJ E5KGIGIH
6,)*7$).%8.%$9/1":-
61;(&0"*
[[
!"#$%&'())(*(+,-,./(0'&1'22"'(3-%4/(56'76'&'8(7%8(9%:16;':6869"2:<'(7%1"%='$'( ("8>$%5"'(%%8(?'(?'5'19"8%85'8(7%8((!@ABCDEFGHI0JJH ( ( !"#" $ %&'"( $ %))*% $ +" $ ,"-.(%&%"* $ /&* $ ,"0,"--1" $ 2345 $ !" $ -%""67,)"8 $ '"-%&&% $ .1% $ 9::; $ '&*6<=&&,$ )'-",/&%1"-$.1%$+"$(&*+"*$/&*$+"$>?<9@5$!"$7&*"(+&%&$()7"*$)/",$""*$A,)--<-"A%1"$/&*$BB3$ '&*6"*$"*$)/",$""*$7",1)+"$/&*$9;$=&&,$29CC:
!@ABCDEFGHI0JJH(K(D3.4(L(D3M4NI0@@OOA3;.4(L(D3+4NP)QCO3.4(L( D3-4NRO!3;.4(L(D3S4N@QHA0TJQH3;.4(L(D3U4NH)V)HAQH(L( D3W4NV@GJO)G)OA)O3;.4(LD3X4N)QYGJO)A I&,1&'"("
J)K881A1K*%
L%+58).%"*
J294 J2B4 J2E4 J234 J2@4 J2O4 J2:4 J2N4
;5:N;BEN ;5;9;CN; ;5;E9N33 ;5;C@:;9 <;5;;E;@O ;5;;BO99 <;5E9;;E: <;5;;;B9B
;5;9O:33 ;5;;B9:B ;5;EN9N; ;5;9O@@O ;5;;@C:; ;5;;99NE ;5;E3NE: ;5;;;O99
%<-%&%1-%1"6 M
;5;;;; ;5;;;; ;53;33 ;5;;;; ;5O;NN ;5;B:@ ;5;;;; ;5:BC9
>88"A%-$L7"A181A&%1)* J,)--<-"A%1)*$81P"+$2+.QQR$/&,1&'("-4 SB U&*0"7&-%"$SB L5>5$)8$,"0,"--1)* L.Q$-V.&,"+$,"-1+ W)0$(16"(1H))+ Z<-%&%1-%1"6 M
;5CBOB;C ;5C9EC9C ;5;93@OE ;5BNEC:O 3@9E53E: :@5EOO@B ;5;;;;;;
$$$$T"&*$+"7"*+"*%$/&, $$$$L5!5$+"7"*+"*%$/&, $$$$U6&16"$1*8)$A,1%",1)* $$$$LAHG&,#$A,1%",1)* $$$$X&**&*
;5C9B@NN ;5;3COEO <@53NN:BB <35:B9EO: <@5B;E33E 95B93BB:
\,)*]$).%7.%$>/1"G-
\1=(&0"*
^^D
(!"#$%&'())(*(+,-,./((0'&1'22"'(3-45/ ( ((67'87'&'9(8%9(:%;17<';797:"2;='(8%1"%4'$' ( (( ("9>$%6"'(%%9(?'(?'6'1:"9%96'9(8%9((@A0BCDEFGHIJ0AAI ( ( !"#" $ %&'"( $ %))*% $ +" $ ,"-.(%&%"* $ /&* $ ,"0,"--1" $ 2345 $ !" $ -%""67,)"8 $ '"-%&&% $ .1% $ 9::; $ '&*6<=&&,$ )'-",/&%1"-$.1%$+"$(&*+"*$/&*$+"$>?<9@5$!"$7&*"(+&%&$()7"*$)/",$""*$A,)--<-"A%1"$/&*$BB3$ '&*6"*$"*$)/",$""*$7",1)+"$/&*$9;$=&&,$29CC:
( @A0BCDEFGHIJ0AAI(K(E3L5(M(E3.5NJ0OOCCP3
I&,1&'"("
J)K881A1K*%
L%+58).%"*
J294 J2B4 J2E4 J234 J2@4 J2O4 J2:4 J2N4
95BC:99N ;5;;B:BE <;5;:99B@ <;5ECCOE; ;5;;9B9: ;5;;3C;@ <;5ONC;@@ ;5;;BB@:
;5;EO;N3 ;5;;3ONB ;5;NB9:: ;5;E@ON9 ;5;9BNO: ;5;;B@3O ;5;:@;:B ;5;;9E9:
%<-%&%1-%1"6 M
;5;;;; ;5@O;C ;5ENOC ;5;;;; ;5CB3: ;5;@3B ;5;;;; ;5;NO:
>88"A%-$L7"A181A&%1)* J,)--<-"A%1)*$81P"+$2+.QQR$/&,1&'("-4 SB U&*0"7&-%"$SB L5>5$)8$,"0,"--1)* L.Q$-V.&,"+$,"-1+ W)0$(16"(1H))+ Z<-%&%1-%1"6 M
;5NO3O;; ;5N3B;N3 ;5;E9EC; 95EB9E;: EE9:59BC EN5ECCB; ;5;;;;;;
$$$$T"&*$+"7"*+"*%$/&, $$$$L5!5$+"7"*+"*%$/&, $$$$U6&16"$1*8)$A,1%",1)* $$$$LAHG&,#$A,1%",1)* $$$$X&**&*
;5N:E3@C ;5;:NCC9 <E5C@BNN9 <E59NOEBB <E5OO:C9O 95EC9ON9
\,)*]$).%7.%$>/1"G-
\1=(&0"*
^^DD
!"#$%&'())(*(+,-,+.(/'&0'11"'(23%4.(56'76'&'8(7%8(9%:06;':6869"1:<'(7%0"%='$'( (!!>(%%8(?'(?'5'09"8%85'8(7%8((!@ABCDEFGHI/JJH ( ( !"#" $ %&'"( $ %))*% $ +" $ ,"-.(%&%"* $ /&* $ ,"0,"--1" $ 2345 $ !" $ -%""67,)"8 $ '"-%&&% $ .1% $ 9::; $ '&*6<=&&,$ )'-",/&%1"-$.1%$+"$(&*+"*$/&*$+"$>?<935$!"$7&*"(+&%&$()7"*$)/",$""*$@,)--<-"@%1"$/&*$AAB$ '&*6"*$"*$)/",$""*$7",1)+"$/&*$9;$=&&,$29CC:
!@ABCDEFGHI/JJH(K(D2L4(M(D2N4OI/@@PPA2;L4(M(D2+4OQ)RCP2L4(M( D2-4OSP!2;L4(M(D234O@RHA/>JRH2;L4(M(D2T4OH)U)HARH(M( D2V4OU@GJP)G)PA)P2;L4(MD2W4O)RXGJP)A$I$D2Y4O!!>
J&,1&'"("
K)L881@1L*%
M%+58).%"*
K294 K2A4 K2E4 K2B4 K234 K2P4 K2:4 K2O4 K2C4
;5:OEA3C ;5;9;O;O ;5;AOA3A ;5;CBAPP <;5;;3BEE ;5;;A3B: <;5E;CAEE <;5;;;AP3 <95EP><;3
;5;9PO3; ;5;;A9:O ;5;EO3:E ;5;9PP:: ;5;;P;;B ;5;;99O3 ;5;EBCEA ;5;;;PE; ;5;;;EBO
%<-%&%1-%1"6 N
;5;;;; ;5;;;; ;5BPB; ;5;;;; ;5EP3P ;5;E9O ;5;;;; ;5P:BA ;5CPOO
>88"@%-$M7"@181@&%1)* K,)--<-"@%1)*$81Q"+$2+.RRS$/&,1&'("-4 TA V&*0"7&-%"$TA M5>5$)8$,"0,"--1)* M.R$-W.&,"+$,"-1+ X)0$(16"(1H))+ [<-%&%1-%1"6 N
;5CAPP:9 ;5C9BE9; ;5;9B3E3 ;5A:C39P BB:953A9 :B5C:ABB ;5;;;;;;
$$$$U"&*$+"7"*+"*%$/&, $$$$M5!5$+"7"*+"*%$/&, $$$$V6&16"$1*8)$@,1%",1)* $$$$M@HG&,#$@,1%",1)* $$$$Y&**&*
;5C9A:AC ;5;BCP33 <35BC9E;;
],)*^$).%7.%$>/1"G-
]1=(&0"*
__DDD
(!"#$%&'())(*(+,-,-.((/'&0'11"'(2345.( ( (67'87'&'9(8%9(:%;07<';797:"1;='(8%0"%4'$' ( (( (!!>(%%9(?'(?'6'0:"9%96'9(8%9((@A/BCDEFGHIJ/AAI ( ( !"#" $ %&'"( $ %))*% $ +" $ ,"-.(%&%"* $ /&* $ ,"0,"--1" $ 2345 $ !" $ -%""67,)"8 $ '"-%&&% $ .1% $ 9::; $ '&*6<=&&,$ )'-",/&%1"-$.1%$+"$(&*+"*$/&*$+"$>?<935$!"$7&*"(+&%&$()7"*$)/",$""*$@,)--<-"@%1"$/&*$AAB$ '&*6"*$"*$)/",$""*$7",1)+"$/&*$9;$=&&,$29CC:
@A/BCDEFGHIJ/AAI(K(E2L5(M(E2N5OJ/PPCCQ2ASI2
J&,1&'"("
K)L881@1L*%
M%+58).%"*
K294 K2A4 K2E4 K2B4 K234 K2P4 K2:4 K2O4 K2C4
95AOPCCC ;5;;EOCB <;59B:3A9 <;5E:PA:9 ;5;;AEAB ;5;;BE39 <;5:9AAPC ;5;;;OOB <;5;;BAEC
;5;E3:33 ;5;;BPAE ;5;O9::A ;5;E3EC; ;5;9A:B9 ;5;;A399 ;5;:B9AA ;5;;9EEP ;5;;;:E:
%<-%&%1-%1"6 N
;5;;;; ;5ECCO ;5;:93 ;5;;;; ;5O33E ;5;OEB ;5;;;; ;53;OB ;5;;;;
>88"@%-$M7"@181@&%1)* K,)--<-"@%1)*$81Q"+$2+.RRS$/&,1&'("-4 TA V&*0"7&-%"$TA M5>5$)8$,"0,"--1)* M.R$-W.&,"+$,"-1+ X)0$(16"(1H))+ [<-%&%1-%1"6 N
;5OPO:AA ;5OBPPAO ;5;E;O3; 95AP9;9: EE995BAC EC5E9OOP ;5;;;;;;
$$$$U"&*$+"7"*+"*%$/&, $$$$M5!5$+"7"*+"*%$/&, $$$$V6&16"$1*8)$@,1%",1)* $$$$M@HG&,#$@,1%",1)* $$$$Y&**&*
;5O:B9:B ;5;:O::E <E5COPE39 <E5A9EEP9 <E5PCOOB: 95BAE:AP
],)*^$).%7.%$>/1"G-
]1=(&0"*
__DJ
Bijlage II – 3.4.5: Jaarlijks gemiddeld inflatiecijfer: jaarlijkse verandering in de geharmoniseerde consumentenprijsindex (HICP) van de EU-15, Cyprus en Malta (1997 – 2007) 1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
België
1.5
0.9
1.1
2.7
2.4
1.6
1.5
1.9
2.5
2.3
1.8
Cyprus
3.3
2.3
1.1
4.9
2.0
2.8
4.0
1.9
2.0
2.2
2.2
Denemarken
2.0
1.3
2.1
2.7
2.3
2.4
2.0
0.9
1.7
1.9
1.7
Duitsland
1.5
0.6
0.6
1.4
1.9
1.4
1.0
1.8
1.9
1.8
2.3
Finland
1.2
1.3
1.3
2.9
2.7
2.0
1.3
0.1
0.8
1.3
1.6
Frankrijk
1.3
0.7
0.6
1.8
1.8
1.9
2.2
2.3
1.9
1.9
1.6
Griekenland
5.4
4.5
2.1
2.9
3.7
3.9
3.4
3.0
3.5
3.3
3.0
Groot-Brittannië
1.8
1.6
1.3
0.8
1.2
1.3
1.4
1.3
2.1
2.3
2.3
Ierland
1.3
2.1
2.5
5.3
4.0
4.7
4.0
2.3
2.2
2.7
2.9
Italië
1.9
2.0
1.7
2.6
2.3
2.6
2.8
2.3
2.2
2.2
2.0
Luxemburg
1.4
1.0
1.0
3.8
2.4
2.1
2.5
3.2
3.8
3.0
2.7
Malta
3.9
3.7
2.3
3.0
2.5
2.6
1.9
2.7
2.5
2.6
0.7
Nederland
1.9
1.8
2.0
2.3
5.1
3.9
2.2
1.4
1.5
1.7
1.6
Oostenrijk
1.2
0.8
0.5
2.0
2.3
1.7
1.3
2.0
2.1
1.7
2.2
Portugal
1.9
2.2
2.2
2.8
4.4
3.7
3.3
2.5
2.1
3.0
2.4
Spanje
1.9
1.8
2.2
3.5
2.8
3.6
3.1
3.1
3.4
3.6
2.8
Zweden
1.8
1.0
0.5
1.3
2.7
1.9
2.3
1.0
0.8
1.5
1.7
Bijlagen
XXV!
Bijlage II – 3.4.6: Groei BBP: jaarlijkse procentuele verandering van het reëel BBP van de EU-15, Cyprus en Malta (1997-2007) 1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
België
3.5
1.7
3.4
3.7
0.8
1.5
1.0
3.0
1.8
3.0
2.8
Cyprus
2.3
5.0
4.8
5.0
4.0
2.1
1.9
4.2
3.9
4.1
4.4
Denemarken
3.2
2.2
2.6
3.5
0.7
0.5
0.4
2.3
2.4
3.3
1.6
Duitsland
1.8
2.0
2.0
3.2
1.2
0.0
-0.2
1.2
0.8
3.0
2.5
Finland
6.1
5.2
3.9
5.1
2.7
1.6
1.8
3.7
2.8
4.9
4.2
Frankrijk
2.2
3.5
3.3
3.9
1.8
1.0
1.1
2.5
1.9
2.2
2.2
Griekenland
3.6
3.4
3.4
4.5
4.2
3.4
5.6
4.9
2.9
4.5
4.0
Groot-Brittannië
3.1
3.4
3.5
3.9
2.5
2.1
2.8
2.8
2.1
2.8
3.0
Ierland
11.7
8.5
10.7
9.2
5.8
6.4
4.5
4.7
6.4
5.7
6.0
Italië
1.9
1.4
1.5
3.7
1.8
0.5
-0.0
1.5
0.7
2.0
1.6
Luxemburg
5.9
6.5
8.4
8.4
2.5
4.1
1.5
4.5
5.2
6.4
5.2
Malta
NA
NA
NA
NA
-1.6
2.6
-0.3
1.3
3.7
3.2
3.6
Nederland
4.3
3.9
4.7
3.9
1.9
0.1
0.3
2.2
2.0
3.4
3.5
Oostenrijk
1.8
3.6
3.3
3.7
0.5
1.6
0.8
2.5
2.9
3.4
3.1
Portugal
4.2
4.8
3.8
3.9
2.0
0.8
-0.8
1.5
0.9
1.4
1.9
Spanje
3.9
4.5
4.7
5.0
3.6
2.7
3.1
3.3
3.6
3.9
3.7
Zweden
2.3
3.7
4.6
4.4
1.1
2.4
1.9
4.1
3.3
4.2
2.6
Bijlagen
XXVI!
