UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2008 – 2009
Effectisering en het risicoprofiel van banken
Masterproef voorgedragen tot het bekomen van de graad van Master in de Toegepaste Economische Wetenschappen: Handelsingenieur Michaël De Coninck onder leiding van Prof. Dr. R. Vander Vennet
UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2008 – 2009
Effectisering en het risicoprofiel van banken
Masterproef voorgedragen tot het bekomen van de graad van Master in de Toegepaste Economische Wetenschappen: Handelsingenieur Michaël De Coninck onder leiding van Prof. Dr. R. Vander Vennet
Toelating tot bruikleen PERMISSION
Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding.
Michaël De Coninck
Woord vooraf Het schrijven van een masterproef vergt veel inzet. Niet alleen van de persoon die hem schrijft, maar ook van de personen in zijn, al dan niet directe, omgeving. Daarom zou ik hierbij een aantal mensen willen bedanken die hebben bijgedragen tot wat het werk nu is. Eerst en vooral wil ik mijn promotor bedanken. Hij bood mij de mogelijkheid aan om deze interessante materie uit te pluizen. Het was een welgekomen afwisseling op de vaardigheden en inzichten die men in de richting handelsingenieur aanleert. Dit bracht de nodige uitdagingen met zich mee. Tevens wil ik hem bedanken voor zijn tijd en inspanning die hij geleverd heeft. Dit in de vorm van het beantwoorden van vragen, het aanbrengen van correcties en nieuwe visies. In dit licht wil ik ook dhr. Glenn Schepens bedanken voor zijn tijd en inzet. Deze was steeds bereid om in een korte tijdspanne voor mij klaar te staan. Hiernaast wil ik mijn familie bedanken voor de nodige steun bij het vervolledigen van de masterproef. Ook werd het ten zeerste geapprecieerd dat zij dit werk nalazen om het aantal fouten tot een minimum te reduceren. Ten slotte wil ik Tom bedanken voor zijn input en uitleg. Deze werd ten stelligste gewaardeerd. Michaël De Coninck, student 2de master handelsingenieur: marketing engineering 2008 – 2009
I
Inhoudsopgave Woord vooraf..........................................................................................................I Lijst van gebruikte afkortingen.................................................................................V Inleiding................................................................................................................1 Methodologie.........................................................................................................2 Effectisering...........................................................................................................3 Effectisering – globaal overzicht...............................................................................5 Amerika............................................................................................................5 Europa..............................................................................................................5 Azië..................................................................................................................6 Midden-Oosten...................................................................................................6 Opstellen van een transactie....................................................................................8 Special Purpose Vehicles......................................................................................8 Credit enhancement......................................................................................10 Tranching.........................................................................................................10 Over-collateralization....................................................................................12 Excess Spread..............................................................................................12 Kredietbeoordelingbureau's................................................................................13 Mark-to-market boekhouden..............................................................................15 Voordelen............................................................................................................17 Perspectief originator........................................................................................17 Perspectief investeerders...................................................................................18 Nadelen...............................................................................................................19 Perspectief Originator........................................................................................19 Perspectief investeerder....................................................................................19 Risico's................................................................................................................21 Inleiding risico's................................................................................................21 Kredietrisico.....................................................................................................21 Liquiditeitsrisico................................................................................................22 Renterisico.......................................................................................................24 Marktrisico.......................................................................................................25 Operationeel risico............................................................................................26 Reputatie risico.................................................................................................26 Risico van vervroegde terugbetaling....................................................................27 Tegenpartijrisico...............................................................................................27
II
Warehousing risico............................................................................................28 Risicomanagement............................................................................................29 Toezicht en regulatie.........................................................................................31 Asymmetrische informatie.....................................................................................33 Outro..................................................................................................................34 Inleiding rendement..............................................................................................36 Rendement..........................................................................................................36 Algemene factoren die het rendement bepalen.........................................................37 Macro-economische factoren:.............................................................................38 Bedrijfsspecifieke factoren.................................................................................39 Overzicht evenementen.........................................................................................40 Behavioral Finance................................................................................................42 Outro rendement..................................................................................................43 Inleiding onderzoek..............................................................................................44 Doelstelling van het onderzoek...............................................................................44 Populatie en steekproef.........................................................................................45 Specifieke onderzoeksvragen of -hypothesen...........................................................46 Gegevensverzameling...........................................................................................47 Vooronderzoek.....................................................................................................47 Gegevens........................................................................................................47 Het berekenen van indicatoren...............................................................................48 Het gemiddelde, de standaardafwijking en de variantie.........................................48 Sharpe ratio.....................................................................................................48 Informatie ratio................................................................................................48 Resultaten indicatoren.......................................................................................49 Het CAPM model...................................................................................................54 Resultaten CAPM model.....................................................................................54 Het FHS model.....................................................................................................57 Resultaten FHS model.......................................................................................62 Voorstellen voor verder onderzoek..........................................................................64 Algemene conclusie..............................................................................................65 Referenties..........................................................................................................VII
III
Lijst van tabellen Tabel 1: Evolutie in verscheidene domeinen van ABS..................................................5 Tabel 2: gemiddelde rendabiliteit van het eigen vermogen (datastream)......................29 Tabel 3: gemiddelde rendabiliteit van het eigen vermogen (bankscope).......................30 Tabel 4: gemiddelde financiële hefboom..................................................................30 Tabel 5: gemiddelde rendabiliteit van de activa.........................................................30 Tabel 6: steekproef...............................................................................................46 Tabel 7: gemiddelde/standaardafwijking/variantie/Sharpe ratio..................................49 Tabel 8: de informatie ratio en tracking error...........................................................52 Tabel 9: uitkomst CAPM model voor het jaar 2006....................................................55 Tabel 10: uitkomst van het FHS model: kwartaal 1, groep “effectiseren”......................62
Lijst van figuren Tekening 1: Grafische weergave tranching...............................................................11 Tekening 2: Evolutie rendabiliteit banken EU............................................................44 Tekening 3: evolutie rendement over kwartaal 1, jaar 2006 voor de groep “effectiseren” ..........................................................................................................................58 Tekening 4: autocorrelatie functie op het rendement.................................................59 Tekening 5: autocorrelatie functie op de absolute waarde van het rendement...............60 Tekening 6: gefilterde storingstermen en conditionele standaardafwijking....................61 Tekening 7: Value-at-Risk op 90% over de periode 2006 – kwartaal twee 2009............63
IV
Lijst van gebruikte afkortingen ABS = Asset-Backed Security AIG = American International Group BIS = Bank for International Settlements CAPM = Capital Asset Pricing Model CDO = Collateralized Debt Obligation CDS = Credit Default Swap CRA = Credit Rating Agency ECB = European Central Bank EGARCH = Exponential Generalized Autoregressive Conditional Heteroscedasticity EV = Eigen Vermogenstranche EU = Europese Unie FHS = Filtered Historical Simulation GARCH = Generalized Autoregressive Conditional Heteroscedasticity HBOS = Halifax Bank of Scotland HSBC = Hongkong and Shangai Banking Corporation IASB = International Accounting Standards Board IFRS = International Finacial Reporting Standards IMF = International Monetary Fund OECD = Organisation for Economic Co-operation and Development SPV = Special Purpose Vehicle TSB = Trustee Savings Bank VaR = Value-at-Risk
V
Inleiding De huidige crisis heeft waardevolle nieuwe inzichten met zich meegebracht. Het financieel landschap is, deels door effectisering en een grotere globale context, doorheen de tijd compleet veranderd. In dit werk wordt nagegaan wat het effect is van securitisering op het risicoprofiel van banken. Dit wordt gemeten door de volatiliteit in de aandeelrendementen. Om hiervoor een verklaring te vinden wordt het werk in drie delen opgedeeld. In een eerste stuk wordt het begrip securitisatie uitgelegd. Een globaal overzicht, de werking, de kenmerken en de bijhorende risico's worden in détail besproken. Dit zou de lezer in staat moet stellen om de crisis en de beweegredenen van de banken om in dit instrument te investeren te begrijpen. In het tweede onderdeel wordt nader ingegaan op het concept rendement. De elementen in effectisering die het rendement beïnvloeden en de algemene factoren worden geschetst. De achterliggende geschiedenis van de periode die gebruikt wordt in het onderzoek wordt gedetailleerd besproken. In een laatste deel wordt door middel van een filtered historical simulation model nagegaan wat het verschil is in risicoprofiel tussen banken die effectiseren en banken die dit nagelaten hebben. Daarnaast worden er ook tal van indicatoren berekend die een betere zienswijze moeten verschaffen. De uitkomst die bekomen wordt, is dat banken die niet effectiseren beter of gelijkwaardig scoren over de gehele lijn. Doorheen de gehele beschouwde periode van het begin 2006 t.e.m. het tweede kwartaal 2009 zijn deze banken stabieler in hun werking en resultaten. Het einde van het tweede kwartaal kan als een keerpunt beschouwd worden. De effectiserende banken presteerden in dit kwartaal beter dan de andere groep. Dit wordt verklaard door de vele afschrijvingen van minderwaardige producten. Hierdoor is de effectiserende groep relatief gezonder geworden. De crisis is in twee fasen verlopen: een effectiseringscrisis in de zomer van 2007 en een vertrouwenscrisis in het najaar van 2008. Bij de eerste uitbraak van de crisis kon men vaststellen dat de niet securitiserende groep veel minder beweeglijk op de nieuwe beschikbare informatie reageerde. In deze groep werd de crisis geleidelijk aan opgebouwd. Toch kenden zij in het vierde kwartaal 2008 een enorme daling. Bij de effectiserende groep gebeurde dit een kwartaal eerder. Dit wijst op een vertrouwensbreuk in de markt. Het herstel is voor beide groepen snel gegaan, maar de volatiliteit is nog steeds niet verdwenen. Wat de toekomst brengt, is bijgevolg onduidelijk.
1
Methodologie Het onderzoek in deze studie tracht een antwoord te vinden op bepaalde vragen omtrent securitisering. Hiervoor werden de nodige gegevens uit de database datastream gehaald. Deze werden onderworpen aan transformaties en berekeningen in het programma matlab. Vervolgens werd statistische analyse toegepast in SPSS. Daarnaast werd een filtered historical simulation model opgesteld. Dit is gebaseerd op het werk van Barone-Adesi et al. (1998). De resultaten zijn niet sluitend, maar geven toch een sterke indicatie en inzicht in het verloop van de gevaren doorheen de crisis. De conclusies liggen in lijn met een eerder werk geschreven door Krahnen en Hänsel (2007). De externe validiteit kan betwist worden, daar meerdere variabelen de uitkomst kunnen beïnvloeden. Voor meer informatie wordt er doorverwezen naar het derde deel van deze masterproef.
2
Effectisering Effectiseren is een (her-)financieringstechniek die vanuit de Verenigde Staten naar Europa overgewaaid is. Het is een vorm van financiële innovatie waardoor risico kan overgedragen worden naar andere partijen. In deze techniek worden activa, zoals leningen, samengebracht en gebundeld om als onderpand te dienen voor een nieuw uit te geven effect. Dit wordt gefinancierd door de onderliggende kasstromen van de activa. Deze vernieuwing heeft een nieuw model met zich meegebracht, genaamd originate-anddistribute. Waar banken vroeger leningen structureerden en de bijbehorende risico's op hun balans hielden, i.e. originate-and-hold, is dit vandaag de dag niet meer noodzakelijk. Door de techniek van effectisering toe te passen, kunnen illiquide leningen liquide gemaakt worden. Deze worden verpakt en zo verkocht dat ze een variëteit aan risicoprofielen aanspreken. Dit model kan wel andere risico's inhouden. Zo wordt de kans op inverse selectie groter. De originerende bank draagt immers niet meer de gevaren van een lening. Supervisie en regulatie moeten voorkomen dat er structurele problemen ontstaan. Banken kunnen zowel aan de basis van de securitisatietransactie staan als investeren in effectiseringoperaties. Verscheidene redenen sporen banken aan om te securitiseren. Hier wordt later in dit document op ingegaan. Men kan het onder meer gebruiken om posities van de banken te hedgen. Effectisering komt in veel vormen voor. Een hoofdonderscheid wordt gemaakt tussen synthetische- en cashflow effectiseringstrancties. Het grote verschil tussen de twee is dat bij de eerste geen kasstromen te pas komen. Bij de laatste is dit wel het geval. Deze zal gebruikt worden voor het bekomen van liquiditeiten. Met de eerste vorm kan men eigen vermogen vrij maken en risico's transfereren (Janssens, 2003). Effectisering werd in het leven geroepen om een efficiënte secundaire markt te creëren. In het begin voornamelijk een alternatieve markt voor hypotheken. Later werd dit uitgebreid naar allerhande activa. Door het gebruik van effectisering overkwamen banken geografische beperkingen die van kracht waren in de Amerikaanse markt (KBC, 2000). Een goede ondersteuning van de overheid en de talrijke voordelen verbonden aan het instrument, zorgden voor een grote groei. In Europa stond men oorspronkelijk wat conservatiever tegenover de techniek. Na het wegwerken van allerlei problemen, nam ook hier effectisering een snelle vlucht. De vraag naar dit instrument was heel hoog. Totdat een aantal gebeurtenissen voor een ommekeer zorgden. Geleidelijk aan stelden de marktpartijen zich meer vragen bij dit product en de economie in het algemeen. Het gevolg was een zeer ernstige marktverstoring. Dit zowel in de financiële markten en met
3
vertraging in de reële markten. De toekomst van effectisering is onduidelijk. De kredietcrisis heeft participanten gewezen op de gevaren die bij effectiseren aanwezig kunnen zijn. Er heerst onzekerheid over de mogelijke grootte van de verliezen die bij bepaalde producten, gecreëerd door effectisering, kunnen ontstaan. Hierdoor staat zeker een conservatievere periode van kredietverlening voor de deur. Een huidige trend is het terugnemen van de activiteiten buiten balans, op de eigen balans. Sommige producten blijven, ondanks de crisis, stand houden. Dit is het geval voor de effectisering van kredietkaarten. Er is mede een toevlucht naar kwaliteitsactiva die weinig risico inhouden (OECD, 2008). Minder kredieten zullen verleend worden. Na deze rustigere episode zal de techniek van securitisatie weer een versnelling kennen. De belangrijkste reden hiervoor is de winstgevendheid van het instrument. De partijen betrokken bij het effectiseringsproces zullen leren uit hun fouten. Bovendien zullen zij op een beter referentiekader kunnen rekenen voor het inschatten van het benodigd kapitaal voor de risico's. De supervisie en regulatie op het bankwezen zal versterkt worden. Hierbij kan men de kritische vraag stellen of dit een goede maatregel is? De meer stringente regulatie ten gevolge van de Basel-II regelen, heeft de banken er toe aangezet hun toevlucht te zoeken in securitisatie. Structuren die niet op de balans van de bank hoeven te staan. Hierdoor proberend de rigide normen te ontsnappen. De larosière (2009) schrijft dat deze regels nog niet in werking waren getreden. Een verhoogde transparantie lijkt aangewezen als oplossing. Dit zou het probleem van asymmetrische informatie beperken, waardoor men het vertrouwen in de economie kan opdrijven en bevestigen. In het volgende stuk nemen we een kijk hoe verspreid de techniek van effectiseren is over de hele wereld.
4
Effectisering – globaal overzicht Amerika In dit land is effectisering, in zijn huidige vorm, ontstaan. Onder impuls van twee overheidsagentschappen Freddie Mac en Fannie Mae zijn in de late jaren 1970 de eerste effectiseringstransacties ontstaan. Heden te dage zijn deze twee agentschappen nog steeds actief. Securitisatie doorstond recessietijden, zoals deze na 11 september, 2001 gemakkelijk (Kothari, 2006). Het startschot van de huidige vertrouwenscrisis vond hier plaats. Dit deels teweeg gebracht door een veranderd klimaat van werkloosheid, huizenprijzen en renteniveaus (Mayers, Pence & Sherlund, 2008). Andere factoren die deze crisis mogelijk maakten, worden later in dit document aangehaald. De effecten ervan zijn wereldwijd verspreid. Voor de crisis werd tot 70% van de leningen geëffectiseerd. Vandaag de dag is er een scherpe terugval in de vraag en aanbod van effecten. De niveau's die men momenteel waarneemt zijn minimumbedragen. Dit wordt weergegeven in onderstaande tabel: ABS Sectoren in de V.S. Jaarlijkse uitgiften in miljarden dollar 2005 2006 2007 2008 Vermogen woning 461 484 223 4 Kredietkaart 67 68 95 57 251 138 86 3 Hypotheekleningen Auto 85 81 74 36 63 67 61 28 Studentleningen Andere 245 417 362 36 Totaal 1172 1253 902 163 Bron : Securities Industry and Financial Markets Association / Securitization 2009
Tabel 1: Evolutie in verscheidene domeinen van ABS
Europa Effectisering in Europa is een vrij nieuw fenomeen. Vanaf de jaren 2000 heeft deze vorm van (her)-financiering evenwel een hoge vlucht genomen. Dit is volgens Altunbas, gambacorta etc., 2007, te danken aan 3 factoren. Een was de verhoogde vraag door investeerders. Twee, de financiële en technologische innovatie in schuldinstrumenten. Ten laatste was er de introductie van de euro. Dit laatste elimineerde het wisselkoersrisico dat bestond tussen verschillende landen.
5
De Europese gestructureerde markt blijft ondanks deze opgang veel kleiner dan die van Amerika. Europese banken zijn kwetsbaar door de vele investeringen in Amerikaanse producten. Volgens de ECB (2008) hebben de Europese banken relatief (t.o.v. hun Amerikaanse tegenhangers) veel geïnvesteerd in de complexe CDO structuren. Deze werden stevig geherwaardeerd doorheen de crisis.
Azië In Azië is er weinig vraag naar effectisering. Sommige banken zoals de Chinese en Koreaanse grootbanken, hebben wel participaties genomen. Maar deze zijn kleinschalig te noemen. Het grote deel van geëffectiseerde leningen is in handen van buitenlandse filialen in deze landen. Nochtans werd na de Aziatische financiële crisis van 1997/1998 in effectisering een belangrijk instrument gezien voor herstel. Weinig landen hebben hier gebruik van gemaakt. Enkel Zuid-Korea heeft het instrument ten volle benut voor het herstel, maar heeft daarna weer zijn effectiseringacties afgebouwd (Lejot, Arner en Schou-Zibell, 2008).
Midden-Oosten De markt in het Midden-Oosten voor geëffectiseerde producten is gering te noemen. Hiervoor geeft Jobst, 2007 een aantal redenen. De Islamitische wetgeving beperkt de mogelijkheid voor banken om effectiseringoperaties op te stellen. De Shariah bant speculatie en intresten. Bovendien bepaalt deze wetgeving dat inkomsten moeten gewonnen worden uit een ondernemende activiteit. Lokale investeerders zijn niet gebrand om in deze techniek te investeren. Verder zijn de kapitaalmarkten in deze landen weinig efficiënt en transparant. In de toekomst wordt verwacht in deze markten weinig groei op te merken.
Uit dit kort overzicht kan men afleiden dat de effectiseringstechniek wereldwijd niet in dezelfde mate wordt toegepast. De crisis heeft wel de globale verwevenheid van het financiële systeem gedemonstreerd. Als reactie op de instorting van de markten hebben de autoriteiten van verschillende centrale banken en landen acties ondernomen. Hieronder vallen het verschaffen van liquiditeit aan de markt en banken in nood, het nemen van participaties in financiële instituten en het niet langer dulden van bepaalde zaken. Bij dit laatste kunnen we het verbod op blancoverkopen (= shortselling) van financiële aandelen vernoemen. Het doel was in eerste instantie het afremmen van de effecten van de neerwaartse correctie. Een tweede stap was een gezamenlijke 6
samenwerking om de gevolgen een halt toe te roepen en het hoofd te bieden aan de situatie. Effectisering heeft zwakheden in een bloeiende economie blootgesteld. Uiteindelijk zou dit leiden tot een ernstige vertrouwensbreuk tussen verschillende partijen in de markt. Om tot een verklaring te komen, wordt er eerst ingegaan op hoe een effectiseringsoperatie tot stand komt.
7
Opstellen van een transactie De bank bepaalt in een eerste stap welke activa in aanmerking komen voor de effectisering. Hierbij worden criteria opgelegd en houdt men het doel van de securitisatie voor ogen. Met behulp van effectisering eigen vermogen vrij maken, vergt een andere aanpak dan financiering van liquiditeiten bekomen (Janssens, 2003). De activa worden onderworpen aan bepaalde vereisten. De kasstromen moeten in enige mate voorspelbaar zijn, geen van de activa mag te dominant zijn, moeten homogeen zijn, etc. Men stelt deze condities om problemen in het verdere verloop van de transactie te vermijden. In het Engels wordt het verzamelen van de activa poolen genoemd. Een goede pooling is een belangrijke troef in het effectiseringsproces. Pooling is ontstaan wegens de imperfecties van de markten, i.e. asymmetrische informatie, transactiekosten, etc. Indien het succesvol gebeurt, minimaliseert het de kans op een invers selectieprobleem (Gorton & Souleles, 2005). Met behulp van andere instrumenten, zullen vervolgens de effecten van diversificatie maximaal benut kunnen worden. De volgende stap is het overbrengen van de activa naar een SPV. Dit wordt gedaan door de uitgevende bank of anders genaamd de cedent. De Engelse benaming hiervoor is originator. Een arranger is ook bevoegd dit te doen. Op het begrip SPV wordt nader ingegaan wegens de prominente rol die het gespeeld heeft in de veelbewogen periode 2007 - 2009.
Special Purpose Vehicles Een Special Purpose Vehicle wordt opgesteld om een specifieke taak te verrichten. Het mag zich alleen maar op deze taak toeleggen, waarvoor het opgericht is. Het is een aparte entiteit die geen werknemers, noch een fysische locatie heeft. Deze structuur laat toe de investeerders te beschermen indien de originator of arranger bankroet gaat. Indien deze failliet gaat, kunnen zij geen beslag leggen op de activa van de SPV. Het is een essentieel component in het overdragen van krediet risico (Ashcraft & Schuermann, 2008). Dit wordt bereikt door een 'true sale'. De overgedragen activa mogen niet meer met de originator in verband gebracht worden. Deze eigenschap is uitermate belangrijk voor het fenomeen van effectisering. Het betekent de geboorte van een hele rits aan voordelen die effectisering zo interessant maken voor investeerders. Deze bescherming is wederzijds. Indien het SPV bankroet, kunnen de investeerders geen aanspraak maken op de activa van de uitgevende bank. Hier zijn de bankgaranties niet bij gerekend.
8
Een Special Purpose Vehicle financiert de overgekochte activa, door de uitgave van effecten. De waarde van de schuldvorderingen die in het SPV gebracht worden, moet hoger zijn dan de prijs die de SPV daarvoor betaalt. Ook moet de waarde meer zijn dan het bedrag van de uitgegeven effecten (KBC, 2000). Dit wordt bereikt door de techniek van 'credit enhancing'. Indien dit niet het geval is, spreekt men van pass-through effecten. In bovenstaande situatie van pay-through. Dit doet de SPV evenwel niet zelf. Deze heeft de bevoegdheid niet om dit te doen. De functie wordt uitgevoerd door de cedent. Voor het uitvoeren van deze taak krijgt de bank dan een vergoeding. De bank van de originator of arranger verschaft meestal back-up kredietlijnen aan de SPV's. Dit zijn bankgaranties, die op elk moment kunnen aangesproken worden. Indien de SPV een financieringsprobleem kent, zal deze de extra kredietlijnen opnemen. Dit om een vlotte betaling aan de investeerders te garanderen. Borio (2008) ziet dit als één van de redenen waarom de financiële instellingen zo getroffen zijn in de kredietcrisis (infra reputatierisico). Het aandeel dat banken werkelijk in de rommelkredieten geïnvesteerd had, was relatief klein. Een tweede element dat aan de oorsprong van de crisis stond was dat SPV's gekenmerkt waren door een hoog hefboomeffect en dat ze uitbundig aan maturiteitsmanagement deden. De plichten waren significant korter dan de tegenoverstaande activa (Turner, 2009). De hefboom kon oplopen tot een factor vijftig. Informatie zou verschaft moeten worden over de leverage die aanwezig is in deze structuren. SPV's dragen bij tot ondoorzichtigheid van effectiseringoperaties. Ze blijven verborgen aan het oog van wakende regulatie instanties (Eichengreen, 2008). Een voorgestelde wijziging door Turner en de Larosière is deze structuren aan regulatie te onderwerpen. Hiervoor moeten de instanties de benodigde autoriteit en middelen krijgen, zodat zij dit optimaal kunnen doen.
Men controleert of alle activa aan de vooropgestelde restricties voldoen. Een hiervan is het voldoen aan de underwriting standaarden. Het proces waar de klant beoordeeld wordt op zijn geschiktheid voor een bepaald product. Underwriting betekent extra inkomsten voor de bank. Deze zijn niet het gevolg van intresten uit operaties. Wat interessant is, want het maakt de financiële instelling minder gevoelig aan renteveranderingen. Het staat aan de bron van de subprime mortgage crisis in de zomer van 2007. Oorspronkelijk verloren leningen, die niet de overeengekomen underwriting standaarden nakwamen, de toegang tot de secundaire markt. Dit is in onbruik geraakt doorheen de tijd (OECD, 2008). De extra inkomsten en de arbitrage mogelijkheden maakten deze 9
techniek interessant voor banken. De standaarden verslechterden echter ziende ogen. Leningen werden toegekend aan personen met een dubieus kredietverleden, en weinig informatie over de mogelijke terugbetaling werd gevraagd. Mayer et al. vermeldt zelf dat er leningen toegekend werden aan personen, die in gebreke bleven bij hun eerste betaling. De enige rem op de verzwakking van deze standaarden was de beoordeling van de ratingagentschappen in een later stage. Nadat de activa doorverkocht zijn, structureert men de transactie. Dit wordt gedaan met behulp van credit enhancement. Credit enhancement is een essentieel gegeven voor effectisering. Het verhoogt de kredietwaardigheid van de transactie. Hier wordt de waarde voor de verscheidene partijen, die betrokken zijn in het proces, gecreëerd. Daarom dat verschillende groepen bij deze ontwikkeling betrokken worden. Deze zijn investeerders, juristen, kredietbeoordelingbureaus, etc.
Credit enhancement Credit enhancement komt in verscheidene vormen voor: Intern: •
overcollaterization / excess spread (=overmaatse marge)
•
Tranching / subordinatie van de risico's
Extern: •
Garanties ondersteund door een kredietbrief of een surety bond.
•
…
Het zijn zekerheden die aan investeerders geboden worden. SPV's kunnen slechts een klein bedrag aan schulden dragen (Gorton & Souleles, 2005). Om het vertrouwen van beleggers te winnen, worden er mechanismen in het leven geroepen, om de kosten van risico's zo laag mogelijk te houden. Er wordt ingegaan op twee van de mogelijkheden van credit enhancement.
Tranching De kasstromen van de activa in de pool worden bij deze techniek in verschillende secties onderverdeeld. Deze schijven worden bepaald door de ratingbureaus. Elke note kent haar eigen risico's. Door dit verschijnsel kan de originator / arranger met de effectisering, banken met verscheidene risicoprofielen aanspreken. Het is een uniek fenomeen eigen aan het poolen van activa. Hierdoor ontstaat er een kansverdeling van kredietrisico's.
10
Grootste voordeel is dat men extreme verliezen kan minimaliseren (Fabozzi & Kothari, 2007).Dankzij het bestaan van correlatie tussen de verschillende kasstromen heeft deze techniek zijn kracht te danken.
Senior (AAA) Pool van activa
Mezzanine Junior
1
2
EV
Tekening 1: Grafische weergave tranching 1 = risico daalt 2 = belegger wordt meer geraffineerd
Eigen vermogenstranche: Deze laag wordt gekenmerkt door een hoge graad van potentieel in gebreke blijven. Omdat ze zo risicovol is, wordt ze meestal opgenomen door de originator / arranger zelf. Indien ze default, zal ze door het eigen vermogen opgenomen worden. Junior tranche De junior schijf wordt vaak bij privé-investeerders geplaatst. Die worden getypeerd door een hoge mate van expertise. Het risico van deze laag blijft hoog, maar is lager dan bij de eigen vermogenstranche. Er wordt in deze laag geïnvesteerd om een portefeuille met een mooi risico-rendement profiel te verkrijgen (BIS, 2008). Mezzanine schijf: BIS (2008) vermeldt dat een groot deel van de beleggers verzekeringsbedrijven en asset managers zijn. Deze notes kennen een grote globale verspreiding. Bij het uitbreken van de crisis, werd de impact door een velerlei van investeerders gedragen. Senior tranche: Het overgrote deel van de effecten behoort echter tot de seniorklasse. De kans op gebreke blijven, is laag. Ratingagentschappen delen vaak de hoogste ratings aan deze klasse uit (AAA). Ze worden opgekocht door een select aantal banken. Deze doen dit om gemakkelijk een aantrekkelijke portefeuille te verkrijgen. De invloed van de neerwaartse correctie, was significant te noemen (BIS, 2008). Verliezen worden eerst door de onderste laag opgenomen, i.e. de eigen vermogenstranche. Indien dit niet volstaat, worden ze vervolgens opgenomen door de 11
bovenliggende lagen. De senior schijf wordt dus slechts aangetast als de onderliggende lagen; de mezzanine-, junior- en eigen vermogenstranche; onvoldoende de verliezen kunnen absorberen. Tranching is een onmiskenbare eigenschap van effectisering en gestructureerde producten. Beleggers kunnen kiezen uit meerdere interessante risicorendement profielen. Bovendien kunnen ze de kosten van allerlei risico's verminderen. Bijvoorbeeld het risico op extreem in gebreke blijven, bankroet, wordt geminimaliseerd (Fabozzi & Kothari, 2007).
Over-collateralization Een alternatief of aanvulling voor tranching is overpanding. De uitgegeven effecten hebben een lagere waarde dan de nominale waarde van de onderliggende activa. Dit om een eerste verlies op te vangen. Overpanding speelt een belangrijke rol bij het verkrijgen van ratings. Het biedt een bescherming aan de senior tranches van de effecten. Een voorbeeld in de praktijk is de eigen vermogenstranche van de Amerikaanse subprime leningen die typisch door deze methode werd gecreëerd (Ashcraft & Schuermann, 2008). Indien de activa onvoldoende blijken te zijn om de verliezen op te vangen, kan de bank beslissen om extra activa toe te voegen aan de pool (Janssens, 2003).
Excess Spread Een andere vorm van interne credit enhancement is de excess spread. In het Basel II document wordt excess spread gedefinieerd als het verschil tussen de inkomsten en uitgaven van de SPV. Een positieve afwijking moet een eerste buffer vormen tegen verliezen. Deze verliezen zijn te wijten aan het in gebreke blijven van betalingen of rentewijzigingen. Het wordt vaak gebruikt ter aanvulling van de twee andere vormen van credit enhancement bij de senior schijven (Kiff & Mills, 2007). Het omgekeerde scenario waarin de deviatie gunstiger evolueert kan zich tevens voordoen. Bij het gebruik van excess spread zijn er arbitrage mogelijkheden. Op het einde van de transactie wordt het deel dat overblijft, aangewend als reserve voor een volgende transactie. Andere opties houden in dat het als extra winst beschouwd wordt voor de originator, etc. De excess spread kan als hulpmiddel gebruikt worden om de transactie te evalueren over het levenspad (Gorton & Souleles, 2005).
Na de transactie gestructureerd is, worden aan de verschillende tranches ratings uitgedeeld. Dit wordt gedaan door ratingagentschappen. Deze instituten hebben een
12
onmiskenbaar belangrijke rol gespeeld in deze crisis. Het is daarom dat hierop nu nader ingegaan wordt.
Kredietbeoordelingbureau's Kredietinformatiebureaus spelen een belangrijke rol bij het schatten van kredietrisico's. Door middel van een intern proces geven de ratingbureaus een indicatie van de kredietwaardigheid van schuldinstrumenten. Deze ratings worden niet gekenmerkt door geografische factoren, i.e. land en industrie, noch door het type van instrument. Dit betekent dat men ratings onderling kan vergelijken. Effecten uit Zimbabwe met de best mogelijke rating zijn dus even betrouwbaar als staatsobligaties uit Amerika met dezelfde waardering. Toch wordt dit door sommige auteurs in twijfel getrokken. Bijvoorbeeld: Gibson (2007) schrijft dat de ratingagentschappen zelf impliciet aangeven dat er verschillen zijn ondanks dezelfde ratings. Ook Borio (2008) geeft aan dat ratings misleidend kunnen zijn omdat deze slechts de verwachte verliezen weergeven. Ze houden bijvoorbeeld geen rekening met onverwachte verliezen. Dit fenomeen is belangrijk omdat investeerders grote waarde hechten aan ratings om kredietrisico te bepalen. Evenwel zullen zij naar andere factoren kijken. Aan de effecten van effectiseringstransacties werden vaak de hoogst mogelijke rating gekoppeld. Bovendien gebeurde dit veel vaker bij gestructureerde producten dan andere instrumenten (Coval, Jurek & Stafford 2008). Dit is te wijten aan de twee grote voordelen van effectisering, de SPV's en credit enhancement. De SPV's zullen de risico's van bankroet minimaliseren. Terwijl credit enhancement er zal voor zorgen dat de onderliggende notes, i.e. junior en mezzanine, de senior notes zullen ondersteunen (Fabozzi & Kothari, 2007). Een derde factor die de uitstekende ratings van deze producten kan verklaren, is de lage verwachte 'in gebreke blijve' graad (= default). Deze graad werd vertekend door de korte geschiedenis van de instrumenten en de uitzonderlijke periode in de recessie van 2001 in de VS. Ondanks de crisis was de default graad in de huizenmarkt laag, en indien het voorkwam werd in vele gevallen het verlies beperkt door de stijgende huizenprijzen (Calomiris 2008). Gedurende de gehele looptijd worden de schuldinstrumenten gescreend en worden de ratings ervan indien nodig aangepast. Dit gebeurt bij zogenaamde triggers of drempelwaarden. Worden deze overschreden dan betekent dit een verslechtering van de kwaliteit van een lening (Janssens 2003). Een verandering in de rating zal door de techniek van mark-to-market (supra mark-to-market) onmiddellijk tot uiting komen in de balans van de bank. Bij een verslechtering zullen de banken de verliezen afschrijven. Dit is o.a. gebeurd bij KBC en andere Belgische banken op hun CDO portefeuille. In de zomer van 2007 vond een massale herwaardering van instrumenten plaats. Producten waarvan 13
de pool uit subprime leningen van de Amerikaanse huizenmarkt bestonden, werden negatief bijgesteld. Deze actie bracht volgens de ECB (2008) twijfel over de waarderingsmethoden en kwaliteit van de onderliggende activa met zich mee. Een rol die CRA's uitoefenen is deze van het oplossen van asymmetrische informatie. Dit komt voor in bijna elke stap van de effectiseringstransactie. Door de complexiteit van sommige effectiseringsoperaties, voornamelijk CDO's, kan er modelrisico ontstaan. Ratingbureau's proberen dit probleem op te lossen. Deze zullen immers de complexiteit inschatten. Evenwel kan er een neveneffect ontstaan, dat de ratings niet goed worden begrepen (Gibson, 2007). De modellen steunen op assumpties. Een van deze assumpties was dat de huizenprijzen zouden stijgen. Een daling werd niet in beschouwing genomen. Dit is fout gebleken. Doordat kredietinformatiebureau's door de arranger of originator betaald worden en niet door de investeerders, kan er een potentieel belangenverschil ontstaan. Des te meer indien men weet dat ratings een groot deel van de inkomsten voor de agentschappen betekenen. Een logische oplossing die voorgesteld wordt, is dat de investeerder de agentschap betaalt. In navolging van de financiële crisis heeft de ECB nieuwe maatregelen aangekondigd om de regels inzake kredietbeoordelingbureau's strikter te maken. Dit is nodig om een optimale werking van deze instellingen te verzekeren. Indien er een vertrouwensbreuk is tussen de investeerders en de ratingagentschappen kunnen er verschillende negatieve effecten ontstaan. Zo kan het marktvertrouwen worden geschaad. Deze kan op zijn beurt het financiële systeem aantasten. De ratingbureau's zelf hebben voorgesteld om meer transparantie te bieden. Een tweede stap die ze voorstellen is het aanscherpen van hun modellen. Dit aanpassen van de ratings aan deze nieuwe modellen kan soms onaangename gevolgen voor banken met zich meebrengen. Zo zag KBC, praktisch de gehele waarde van zijn CDO portefeuille gereduceerd worden naar rommelkredieten. Hierbij kan men vragen stellen. Des te meer omdat een deel van de CDO portefeuille door andere agentschappen nog steeds hoger gewaardeerd wordt. Volgens Turner (2009) moeten er duidelijk gemaakt worden dat de ratings slechts een beeld geven van het kredietrisico. Andere risico's worden niet beschouwd bij het toekennen van een rating. Nadat de ratings verworven zijn, worden de juridische en de boekhoudkundige aspecten van de transactie in orde gebracht. Het juridische deel hangt nauw samen met de standaardisatie van een transactie. Op de juridische kant wordt verder in dit werk niet ingegaan. De boekhoudkundige aspecten daarentegen wel. Deze hebben bijgedragen tot 14
een waarderingsprobleem van de instrumenten. Een overwaardering voor de crisis, een onderwaardering tijdens de crisis. Het probleem met de boekhoudkundige technieken is duidelijk geworden in de laatste helft van 2008.
Mark-to-market boekhouden Mark-to-market boekhouden is een onderdeel van de IFRS boekhoudregels. Bij deze techniek gaat men de activa waarderen aan de hand van de prijzen die op de markt gelden. De schommelingen hierin, o.m. door veranderende kredietkwaliteit, komen door deze techniek direct tot uiting op de balans. Deze techniek wordt toegepast onder de assumptie dat marktprijzen steeds de juiste waarde weergeven van de onderliggende activa. Het hangt dus nauw samen met marktefficiëntie (Paul De Grauwe, 2008). Een conditie voor marktefficiëntie is marktliquiditeit. Het effect indien dit ontbreekt heeft men kunnen waarnemen in het vierde kwartaal van 2008. De liquiditeit in heel wat segmenten was opgedroogd. Dit had een verregaand effect op de beurzen. Marktefficiëntie is geen garantie voor marktrationaliteit (Turner, 2009). In markten kunnen psychologische effecten optreden. Dit gebeurt zowel in stieren- als berenmarkten. Stijgende markten kunnen overdreven risico nemen met zich meebrengen. Terwijl dalende markten een aanzienlijke vlucht naar risico vrije instrumenten kunnen kennen. Beide vormen kan men observeren in de periode tussen 2006 – 2009. In beide scenario's neemt het instinct van de belegger het over van de rede. Mark-to-market boekhouden kan zelfversterkend werken. Landau (2009) argumenteert dat het gehele banksysteem in gevaar kan komen door deze techniek. Via tussenstappen kan de reële waarde van de onderliggende activa worden aangetast. In goede tijden zullen de activa van de banken meer waard zijn dan in werkelijkheid. Hierdoor kunnen banken meer risico's nemen, die ze in werkelijkheid niet aankunnen. In stijgende markten is dit geen probleem. De zelfvervullende wens zal uitkomen. Het gevaar ligt hem in de marktbeweging die kan omkeren. Dit is mogelijk door externe factoren. De banken zullen de verliezen direct moeten opnemen in de boeken. Mark-to-market boekhouden kan voor een deel de ondergang van Lehman Brothers verklaren. Er is heel wat kritiek gekomen op deze manier van boekhouden. Het zou niet de juiste waarde weergeven in bepaalde perioden. Het IMF merkt op dat banken reserves zouden kunnen aanleggen om de prijzen, die in moeilijke tijden met een sneltreinvaart neerwaarts worden gecorrigeerd, op te vangen.
15
Een laatste onderdeel is het verkopen en de prijszetting van de effecten. Door de credit enhancement die toegepast is, kunnen deze tegen een hogere prijs verkocht worden. Bovendien verloopt de marketing vlotter. In de meeste gevallen wordt hiervoor een netwerk opgericht. Indien een deel van de effecten niet geplaatst kan worden, neemt de bank deze zelf op de balans (Janssens, 2003). Dit komt vergezeld met het warehousing risico (infra warehousing risico). Met deze stap is de effectisering afgerond. Dit betekent niet dat de originator geen plichten en rechten meer heeft. Zo staan deze in voor de verdere rapportering, verzamelen ze de inkomsten en houden ze de kwaliteit van de activa in het oog, etc. Voor het beheer en administratie krijgt de bank een vergoeding.
In het verloop van het effectiseringsproces kunnen, zoals aangestipt, heel wat zaken misgaan. Een overgrote meerderheid van banken verkoos echter om hun tijd te investeren in deze producten. Wat waren de motieven om dit te doen? In het volgende stuk leest men meer over de voor- en nadelen verbonden met securitisatie. Dit bekeken uit het standpunt van de investeerder en de originator.
16
Voordelen Perspectief originator Het grootste voordeel van een effectiseringstransactie is het overdragen van risico's naar partijen die bereidwillig zijn om dit risico te dragen. In theorie is het mogelijk het gehele kredietrisico door te geven. Vaak wordt dit niet gedaan. Een lager risico uit zich in een hoger rendement voor aandeelhouders. Effectiseringtransacties zorgen er voor dat banken gemakkelijker krediet gaan verlenen. Men hoeft de leningen niet op de balans te houden. Dankzij het mechanisme van een illiquide lening liquide te maken, zijn banken meer bereid leningen te aanvaarden. Bijkomend nadeel is dat dit de kans op inverse selectie versterkt. Effectisering is een kostenbesparend instrument voor banken. Financiële instellingen zijn wettelijk verplicht een buffer kapitaal ter beschikking te houden. Dit in overeenstemming met de richtlijnen van Basel II. Het doel van deze regels is mogelijke verliezen op te vangen. Bij een kapitaalgebrek zijn er voor een traditionele bank twee mogelijkheden. De eerste is het kapitaal van de bank verhogen, wat een dure zaak is. De tweede optie is het aantal verstrekte leningen verminderen. Wat een impact heeft op de winst die een financiële instelling kan maken. Banken zouden tot zestig procent meer kapitaal nodig hebben om extra leningen aan te gaan (Goderis, Marsh, Castello & Wagner, 2007). Dit is een dure aangelegenheid om te realiseren. Door securitisatie kan men tegen een lage kost extra leningen aantrekken. Een tweede voordeel is dat eigen vermogen vrij gemaakt wordt, dat kan aangewend worden voor andere doeleinden. Effectiseringstransacties kunnen de inkomsten van een bank verhogen. In tijden waar het betalen van fees belangrijker wordt voor banken, kan securitisatie een uitweg bieden. Een bank wordt hier door minder afhankelijk van intrest inkomsten. Voor het aanbieden van hun expertise kunnen banken gemakkelijk een originate-and-distribute model opstellen. Hierdoor bieden ze toegevoegde waarde voor verscheidene partijen in het proces. Dankzij effectiseren kunnen de transactiekosten worden geminimaliseerd. Er kunnen schaaleconomieën gecreëerd worden (Lejot, Arner & Schou-Zibell, 2008). Banken kunnen hun financieringsmogelijkheden diversifiëren. Naast het aanspreken van de beurzen, het uitgeven van obligaties, kunnen banken nu effectiseren (Fabozzi & Kothari, 2007). 17
Banken die de mogelijkheid hebben tot securitiseren, zijn minder vatbaar voor monetaire beslissingen van de centrale bank. Deze banken creëren namelijk hun eigen interne markten (Loutskina, 2008). Door effectiseren kan men bepaalde instrumenten waarderen, die vroeger moeilijk of niet te waarderen waren (Lejot, Arner & Schou-Zibell, 2008). Banken zijn een kernelement in het oplossen van duration mismatches tussen activa en passiva. Effectisering kan hiervoor als een effectieve oplossing worden gebruikt. Het biedt de mogelijkheid van het omzetten van lange termijn activa in cash. Dit kan gebruikt worden voor het opvangen van schokken in korte termijn passiva (Wilson, 2006).
Perspectief investeerders Dankzij het investeren in een effectiseringsportefeuille kan een bank een gediversifieerd portfolio tegen relatief lage kosten verwerven. Banken hebben een geografische beperktheid in verband met leningen. Hierdoor kunnen ze geen portfolio aanhouden die optimaal gevarieerd is (Goderis, Marsh, Castello, Wagner, 2007). De structurering van een effectiseringsoperatie laat dit wel toe. Securitisatie biedt aan banken een uitstekende kans om concentratierisico te reduceren. Securitisatie-deals kunnen perfect naar de behoeften, qua risico-rendementverhouding, van de investeerder worden gemaakt. Dankzij de credit enhancement van een effectiseringsoperatie kunnen er verschillende risicoprofielen worden aangesproken. In normale situaties zijn effecten minder onderhevig aan het downgraderisico. Het risico dat ratings neerwaarts bijgesteld worden. In het verleden werd vaak de hoogste rating toegekend aan de effecten. Dit maakte het interessant om in deze producten te beleggen.
18
Nadelen Perspectief Originator Effectiseringtransacties kunnen heel ingewikkelde vormen aannemen. De structuren zijn soms weinig transparant waardoor het gevaar ontstaat dat men niet weet wie de uiteindelijke risico's en verliezen draagt (Banque de France, 2007). De instrumenten zijn over de jaren heen, complexer en complexer geworden. Denk aan CDO's, activa die meerdere malen worden geëffectiseerd, die heel ingewikkeld zijn. De waarde van de effectisering hangt af van de kwaliteit van de onderliggende activa. Indien de waarde daalt, zal dit een gevolg hebben voor het uitgegeven effect. Ratingbureaus plakken een kredietrisico op de tegenpartij van de activa. Hierdoor krijgt de investeerder een idee van de waarde. Underwriting van de originator speelt een belangrijke rol in het proces van effectisering. Er bestaan incentives om dit te verwaarlozen. In de Amerikaanse huizenmarkt, werden er leningen toegekend aan ontleners met een slecht kredietverleden. Het gevolg is alom bekend. Effectisering is een jonge techniek. Dit houdt in dat men niet weet hoe deze instrumenten op bepaalde situaties reageren. Tot voor kort werd securitisatie als één van de veiligste middelen aanzien. Deze visie is na de zomer van 2007, het officiële startschot van de crisis, bijgesteld. De meeste van de risico's geassocieerd met effectisering, werden geherwaardeerd. In inefficiënt werkende markten kunnen banken verplicht worden, ondanks dat ze dit niet contractueel verplicht zijn, bepaalde acties te ondernemen. Men kan hierbij denken aan het verschaffen van kredietlijnen (infra reputatierisico).
Perspectief investeerder Effectisering kan een vals gevoel van veiligheid met zich meebrengen. De investeerder mag zich niet te veel laten leiden door de kredietwaardering. Indien de investeerder het nalaat zelf een intern onderzoek naar de risico's uit te voeren, kan hij opgezadeld worden met minderwaardige producten. Dit is duidelijk naar voorgekomen in de recente financiële crisis. Heel wat banken hadden geïnvesteerd in rommelkredieten. Dit was onder meer het geval voor KBC. Het intern onderzoek is immers duur t.o.v. de baten die er men uit kan halen. De zwakke transparantie is een tweede belemmerende factor. Ingewikkelde structuren, zoals CDO's, zijn moeilijk te beoordelen 19
De liquiditeit van deze instrumenten kan beperkt zijn. De gestructureerde producten worden vaak op maat gemaakt van de investerende instelling. Indien deze zijn producten wil doorverkopen, moeten ze profielen zoeken die in zekere mate overeenkomen met deze van de verkopende bank. Hierdoor worden er impliciete restricties aan de handel verbonden (Clerc, 2008). Een tweede factor die een beperking aan de liquiditeit oplegt, is het verkopen in onrustige markten. De prijs die de verkopende partij voor ogen houdt, zal niet betaald worden. Dit is niet alleen een eigenschap van effectisering. Andere instrumenten kennen dit ook. Effecten worden wel als risicovoller beschouwd dan obligaties. Met het gevolg dat in woelige markten de vlucht uit deze instrumenten groter zijn. De verkoopsprijs zal hierdoor een grotere daling kennen. Dit maakt de waardering van deze instrumenten, in markten met een liquiditeitsgebrek, een uitdaging. Een verklaring hiervoor is de leeftijd van securitisatie. Banken hebben geen beschikking tot een lange historische databank om deze instrumenten te beoordelen in tijden van onrust. Hoewel effectisering bewogen tijden overleefd heeft, waren zware schokken tot nu toe uitgebleven. Het gevolg was dan dat banken voor onverwachte scenario's kwamen te staan. Banken hebben minder nood aan liquiditeiten. In tegenstelling tot vroeger hebben banken de mogelijkheid om hun leningen te verhandelen. Hierdoor is er minder ruimte voor de monetaire overheid om de acties van banken te sturen (Loutskina, 2006).
20
Risico's Inleiding risico's Door risico's wordt er een onzekerheid geïntroduceerd met betrekking tot het verkrijgen van rendement uit operaties. Activa die een gegarandeerde opbrengst verzekeren kennen geen risico. Andere activa waar de opbrengst een zekere volatiliteit kent zijn risicovol. De meeste investeerders zullen voor deze onzekerheid een extra vergoeding vragen. Zulke investeerders noemt men risico-avers. In dit stuk gaan we dieper in op de risico's die kunnen optreden bij effectisering. Deze zijn verschillend van de risico's in traditionele scenario's. Zo werd het kredietrisico door de investeerders scherp geherwaardeerd in de nazomer van 2007 en 2008. De klassieke instrumenten om risico's te schatten, mogen niet zonder aanpassing overgenomen worden. De gebeurtenissen van 2007 – 2009 hebben aangetoond dat dit in de meeste gevallen toch gedaan is. Financiële instellingen zullen hier conclusies uit trekken en hun technieken bijschaven. Meer regulatie en supervisie zal in het leven geroepen worden door verscheidene instanties. Intensievere informatie over de belangrijkste risico's zal moeten worden meegedeeld (Turner, 2009).
Kredietrisico Het belangrijkste risico dat banken in acht nemen bij het opstellen van een effectiseringstransactie is het kredietrisico. Kredietrisico is het risico dat een tegenpartij de verplichtingen die het contractueel is nagegaan, niet meer kan nakomen. Banken kunnen, in theorie, door middel van krediet afgeleiden het gehele kredietrisico doorschuiven naar andere partijen. In praktijk gebeurt dit niet vaak omdat de meeste uitgevende banken de eigen vermogenstranche op hun balans houden. Hiermee vangen ze een eerste verlies zelf op. Door de mogelijkheid, van het overbrengen van kredietrisico, kan het risico ontstaan dat banken minder belang hechten aan het kredietrisico van tegenpartijen. Vroeger was dit onmogelijk, banken moesten de bijbehorende risico's verplicht op hun balans nemen. Er was een duidelijke incentive om slechte kredietnemers te weren. Banken schatten het kredietrisico in door behulp van verschillende instrumenten. De populairste voor de schatting is de VaR techniek. Oftewel Value at Risk. Door middel van statistische berekeningen schatten de banken de kans op een mogelijke default van een tegenpartij in. Hiervoor leggen ze dan een minimumkapitaal, conform Basel II richtlijnen, 21
aan. Dit minimumkapitaal moet in de toekomst sterk verhoogd worden volgens economen. Op de VaR berekeningen bij effectisering wordt veel kritiek gegeven. Effectisering is een relatief recente techniek. Hierdoor zijn er weinig historische gegevens voorhanden. De beschouwde termijnen, waar men de kans op berekent, zijn kort. Een neveneffect is dat dit, ongewild, een zelfversterkende werking met zich meebrengt (Turner, 2009). Het kan misleidend zijn voor het voorspellen van situaties. Meer zelfs, het kan een zelfvervullende wens met zich meebrengen. Deze instrumenten hebben bijgedragen aan het onderschatten van de risico's bij effectisering. Er wordt gepleit voor een betere integratie van macro-economische- en systemische factoren in de VaR technieken. Een goede indicator voor het kredietrisico van instellingen zijn de credit (default) spreads. Als de instellingen hun nagekomen verplichtingen niet meer kunnen vervullen, komt dit tot uiting in deze spreidingen. In de periode na augustus 2007 zijn deze eens zo rustige graadmeters beginnen stijgen. Bij de extreme vertrouwensbreuk op 15 september 2008, het faillissement van Lehman Brothers, en de periode hierna scheerde dezen ongekende hoogten. Bij onder meer de Belgische bank Fortis was dit het geval. De ECB (2007) merkt hierbij op dat deze spreads niet steeds veranderen door een wijziging in het kredietrisico van een partij. Deze lopen uiteen door het feit dat de markt aan volatiliteit onderhevig is. Een tweede opmerking is dat de spreidingen niet onfeilbaar zijn. Pas na het crashen van de cash bond prijzen stegen de CDS spreads. Deze waren gecrasht door het faillissement van Lehman Brothers (Singh & Spackman, 2009). Om het kredietrisico bij effectisering te verminderen, zijn een aantal maatregelen voorgesteld. Zo zouden banken een reserve moeten aanleggen voor mindere tijden. Autoriteiten zouden meer bevoegdheid en informatie moeten krijgen. Dit om systemische elementen te neutraliseren in geval van nood. Een maximum hefboom zou worden opgelegd aan banken. Het effect van kredietrisico komt tot uiting in het rendement. Evenwel moet men een onderscheid maken tussen de periode voor en tijdens de crisis. De prijs voor kredietrisico werd stevig geherwaardeerd tijdens de crisis.
Liquiditeitsrisico Liquiditeitsrisico houdt in dat banken hun huidige verplichtingen tegenover partijen niet kunnen naleven. De bank blijft evenwel solvabel. In het geval van effectisering betekent dit het afbetalen van de interest en hoofdsom aan de investeerders. Het begrip liquiditeit komt in verschillende vormen voor: centrale bank liquiditeit, marktliquiditeit en
22
financieringsliquiditeit (Nikolaou, 2009). Dit risico is eigen aan effectisering. In normaal werkende markten zal men de onderliggende activa kunnen verkopen. Verschillende instanties gebruiken modellen, genaamd stress tests, om de impact van een liquiditeitsgebrek op de goede werking van ondernemingen na te gaan. Bij deze toetsing wordt uit gegaan van een normaalverdeling. Of dit een goed uitgangspunt is, kan een punt van discussie zijn. Er is geen vaststaand theoretisch bewijs dat dit zo is. De staarten van deze testen kunnen dikker uitvallen en belangrijker zijn dan voorspeld (Kothari & Fabozzi, 2007). Dit geldt eveneens voor VaR testen. Significante gebeurtenissen, zoals een ernstige neerwaartse correctie, kunnen onderschat worden. Een tweede beperking is de beperktheid van de omvang. Niet alle scenario's worden getest, of het gebeurt in onvoldoende mate. Een voorbeeld is het effect bijkomende liquiditeit aan het SPV te verschaffen, op het moment dat de bank zelf met een liquiditeitsgebrek kampt (Kroszner, 2008). Een factor die het bemoeilijkt, is de beperkte geschiedenis van de effectiseringstechniek. Banken werken vandaag de dag meer en meer in een globale context. Dit introduceert nieuwe risico's, genaamd systemische risico's. De veronderstelling dat individuele banken te miniem zijn om met hun acties het marktevenwicht te verstoren, kan naar de prullenbak verwezen worden (Turner, 2009). Het faillissement van Lehman Brothers bracht een grote schok met zich mee. Men moet, in de toekomst, systemische effecten in de stresstesten integreren. In deze crisis heeft men meerdere malen gesproken over instituties die te groot zijn om te laten falen. De verzekeraar AIG is hier een voorbeeld van. De verwevenheid van het financiële systeem brengt een gevreesd contagion effect met zich mee. Wegens asymmetrische informatie kunnen onregelmatigheden in liquiditeit negatieve gevolgen hebben voor het financiële systeem in zijn geheel. Banken die in een onrustige markt gedwongen worden om hun activa van hand te doen, zullen dit niet tegen een vooraf geanticipeerde prijs kunnen doen. Hierdoor zullen ze meer activa moeten verkopen. Het aanbod stijgt. Om de vraag in overeenstemming te brengen met het nieuw aanbod, zal de prijs dalen. Hierdoor kunnen banken in een negatieve spiraal terecht komen (Bervas, 2006). In de zomer van 2007 zorgden een aantal factoren voor een liquiditeitsgebrek in de werking van de SPV's. Om dit tekort op te vangen, bevoorraadden deze zich initieel op de korte termijn via de commercial paper markt. Toen deze markt het naliet om de vehikels van de nodige liquiditeit te voorzien, richtten de banken zich tot de interbankenmarkt. Uiteindelijk zou deze financieringsbron ook opdrogen. Banken die voorheen geen problemen hadden, waren nu opeens de dupe van nijpende financieringsmogelijkheden.
23
Samen met de hoge hefboom van sommige SPV's en banken zorgde dit voor een explosieve mix. Een goede indicator voor het besmettingseffect is de interbankrente. Banken zullen deze markt aanspreken om zich te financieren. Dit doen ze na andere opties eerst aangesproken te hebben. De interbankrente is een goede indicator voor marktefficiëntie. In het laatste kwartaal van 2008 bereikte deze graadmeter ongekende hoogten. De gebeurtenissen in deze tijdsperiode zorgden voor een heel negatief sentiment op de markten. Een ongekende vertrouwensbreuk tot gevolg, gaf aanleiding tot het bijhouden van alle mogelijke liquiditeiten. Geldstromen tussen banken onderling vielen bijna compleet stil. De centrale bank, als lender of last resort, moest deze markt weer op gang brengen. Dit deed ze door aanzienlijke liquiditeitsinjecties in het systeem te pompen. Proberend met deze actie het vertrouwen tussen de partijen te herstellen. Deze handeling is niet zonder risico's vermeldt Nikolaou (2009). Centrale banken mogen geen liquiditeit aan insolvabele banken verlenen. Anders creëert men een extra risico waar banken zouden kunnen gokken met het geld van de centrale bank. Dit verhoogt het systemisch risico. Het liquiditeitsrisico bij effectisering was een ondergewaardeerd risico. De wijzigingen die door gezaghebbende instanties voorgesteld worden, zijn velerlei van aard. Zo moet de regulatie en supervisie van liquiditeit even belangrijk worden als kapitaalregulatie. Er moet intensere en betere supervisie zijn op individuele banken over hun liquiditeitspositie. De stresstesten moet men herbekijken, en men moet nieuwe factoren erin verwerken (Turner, 2009). Buffers moeten aangelegd worden in goede tijden. Deze kunnen dan gebruikt worden in slechte tijden. Het IMF stipt aan dat banken een reserve van extreem liquide activa kunnen aanhouden. Deze zouden dan liquide blijven in illiquide markten.
Renterisico Een kerntaak van banken is het afstemmen van activa en passiva op elkaar. Dit vraagt het nodige beheer van banken. Zeker voor langdurige leningen. Het is één van de grootste voordelen voor de reële economie. Een groot deel van onze welvaart zou niet mogelijk zijn zonder maturiteit transformaties die banken uitvoeren. Bij effectisering komt deze stap voor in het Special Purpose Vehikel. Deze moet immers zijn activa financieren door het uitgeven van effecten. De effecten brengen een bepaalde intrest op. Dit moet op bepaalde tijdstippen afbetaald worden door de kasstromen van de activa. De SPV moet dus de benodigde middelen voor deze gebeurtenissen tijdig 24
verzamelen. Stel dat de onderliggende activa hypotheken zijn. De klanten kunnen in gebreke blijven, kunnen hun leningen herfinancieren, etc. Dit laatste is interessant wanneer er een lage rentevoet is. Banken moet deze schommelingen in inkomsten kunnen opvangen. Een verkeerde afstemming wordt een 'mismatch' genoemd. Een bank probeert deze situatie zo veel mogelijk te vermijden. Het kapitaal van een bank moet immers aangewend worden om het verschil op te vangen. In extreme gevallen zorgt dit ervoor dat de instelling in gebreke blijft. Bij tijdelijke verkeerde combinaties zal men korte termijn middelen zoeken om het te verhelpen. Dit was het geval voor verscheidene SPV's in deze crisis. Korte termijn activa, zoals commercial paper, werden gezocht om lange termijn schulden te financieren. Toen deze markten het weigerde, moesten ze zich richtten tot andere middelen. Een voorbeeld hiervan is Northern Rock in het Verenigd Koninkrijk.
Marktrisico De verliezen die kunnen ontstaan door fluctuaties in marktprijzen. De effecten die uitgegeven worden door de SPV zijn onderhevig aan dit risico. Dit risico wordt vaak aan het systematisch risico gelijkgesteld. Krahnen en Hänsel (2007) bewijzen in hun werk dat banken die CDO's uitgeven, een hogere β hebben. Ze tonen daarenboven aan dat de bèta, van banken met een hoge hefboom en lage winst, meer stijgen. De meeste banken die effectiseren hebben een hogere hefboom, maar ook een hoge winst. Investeerders kunnen veranderingen opmerken in hun onderliggende portefeuille bij wisselende omstandigheden in de markten. Dit is belangrijk bij het traden van de effecten. VaR's (Value-at-Risk) worden meestal toegepast om het risico in te schatten. Een aantal parameters moeten opgegeven worden. Interne modellen raden aan om een vergelijking te maken van VaR schattingen met reële winsten/verliezen die ondervonden zijn door een bank, samen met analyses van de belangrijkste uitzonderlijke waarnemingen, i.e. outliers, in vorige testen. Dit risico kan belangrijk zijn wanneer banken in tijden van onrust op de kapitaalmarkten vers kapitaal moeten ophalen. De Britse HSBC heeft dit succesvol kunnen volbrengen. Andere banken hebben dit via privé-investeerders of via de overheid gedaan (Dexia).
25
Operationeel risico Een risico dat geïntroduceerd werd in Basel II. Het wordt gedefinieerd als het risico op een verlies dat voortkomt uit de ontoereikendheid of falen van interne processen, mensen of systemen. Het kan voortkomen uit externe gebeurtenissen (ECB Monthly Bulletin 2005). Onder deze noemer kunnen bijvoorbeeld zowel interne als externe fraude worden vermeld. Managers van de hefboomfondsen bij Bear Stearns werden beticht te handelen met voorkennis. Dit risico wordt gezien als één van de belangrijke innovaties in de eerste peiler waarop Basel II steunt. Deze pilaar bepaalt het minimum kapitaal waaraan een bank moet voldoen. Dit om het verlies, die uit krediet en het operationele risico (en in mindere mate marktrisico) kunnen ontstaan, op te vangen. Bij effectisering wordt, net zoals bij een traditionele lening, het risico op in gebreke blijven, bepaald door gesofisticeerde modellen. Verder gebeuren er stresstests om de liquiditeitsbehoeften te testen. Ook bij de investeerder in effectisering kunnen er modellen gebruikt worden. Bijvoorbeeld om een ideale portefeuille aan te houden. Een goed werkend IT systeem is hierbij onontbeerlijk (Janssens, 2003). Het verkeerd inschatten van deze risico's kan zware gevolgen met zich meebrengen. Men moet dus steeds de kans inschatten indien deze processen zouden falen. Om de gevaren te minimaliseren, worden er verhoogde rapportering standaarden en controlemiddelen voorgesteld (Tempkin & Gutierrez, 2005).
Reputatie risico Vertrouwen is, zoals meerdere keren in dit document aangestipt, heel belangrijk voor banken. Dit om gemakkelijk en goedkoop financiering te verwerven. Men bekomt dit door een reputatie uit te bouwen. Door bepaalde acties te ondernemen, geeft men teken dat men betrouwbaar is. Dit kan het aanleggen van een buffer zijn die groter is dan noodzakelijk. Denk hierbij aan Tier 1 kapitaal die meer dan 8% bedraagt. Maar mede het vermijden van bepaalde risico's kan een positief signaal zenden. Bij effectisering is dit het risico dat een uitgevende bank de kwaliteit van haar activa meerdere malen (bewust) overschat. Tevens indien ze het nalaat voldoende de activa op te volgen. Banken verschaften aan de Special Purpose Vehikels, in de meeste gevallen door hun zelf opgesteld, back-up kredietlijnen. Door de opdroging van liquiditeit in secundaire markten, werden ze gedwongen deze te verzorgen. Mede indien ze niet contractueel
26
verplicht waren, waren ze soms genoodzaakt dit te doen. Dit omwille van reputatie redenen (de Larosière, 2009). In het meest vergaande scenario kan een zodanig reputatieverlies leiden tot een bankrun. Een voorbeeld hiervan is de bankrun op het Britse Northern Rock. Ernaast kan het publiekelijk ongenoegen over bepaalde zaken reputatieverlies betekenen. De uitgekeerde bonussen bij AIG worden hierbij vermeld. Een ander voorbeeld is de schadevergoeding van Credit Suisse. Deze Zwitserse bank zal gedupeerde klanten compenseren voor bepaalde beleggingen. Hierdoor kunnen andere banken moreel verplicht worden dit te doen.
Risico van vervroegde terugbetaling Een van de voorwaarden voor pooling is dat de kasstromen van de activa in enige mate regelmatig en voorspelbaar zijn. Een factor die het voorspellen bemoeilijkt, is het risico op vervroegde terugbetaling. Vaak wordt dit risico in verband gebracht met hypothecaire leningen, autoleningen en bepaalde leasingen. Het is een heel moeilijk te kwantificeren risico. In deze situatie verkrijgt men (een deel van) de hoofdsom vroeger dan gepland. Dit heeft tot gevolg dat er verlies van rendement voor de investeerder kan ontstaan. Wanneer de rente laag is, zullen personen met een hypotheek hun lening willen herfinancieren. Ze lenen tegen een lagere rentevoet en betalen hun hypothecaire lening af. Voor de investeerder is dit een potentieel winstverlies, ze moeten herbeleggen wanneer de voorwaarden slechter zijn (KBC, 2003). Het risico van vervroegde afbetaling is één van de redenen voor het falen van de subprime markt in Amerika. Het renteklimaat was gunstig waardoor veel ontleners hun leningen financierden. Er kan ter bescherming van de investeerder een speciale klasse worden gecreëerd die tegen dit risico beschermd.
Tegenpartijrisico Het risico van de tegenpartij koppelt men vaak aan de Credit Default Swap, afgekort CDS. Dit is een populair afgeleid instrument. Het is een contract met twee partijen: de protectieverstrekker en de protectienemer. Bij het optreden van bepaalde (krediet)gebeurtenissen, waaronder in gebreke blijven en een verandering in de kredietrating, neemt de protectieverstrekker het risico op zich. Dit gebeurt in ruil voor een vergoeding van de protectienemer genaamd de spread. Dit is nuttig omdat men zich kan indekken tegen kredietrisico. Hierbij kan het gevaar ontstaan dat de tegenpartij niet 27
uitvoert wat afgesproken is in de overeenkomst. Dit noemt men het tegenpartijrisico. De Engelse benaming is counterparty risk. Het begrip is niet exclusief verbonden aan de credit default swaps. Zo kan het evenzeer in verband gebracht worden met credit enhancement (Kothari, 2006). De twee partijen moeten zich niet in hetzelfde geografisch gebied bevinden. Dit is duidelijk naar voren gekomen bij de redding van verzekeraar AIG. Toen deze de bestemming van de gekregen hulp moest openbaar maken, werd duidelijk dat veel Europese banken hier baat bij hadden. Het reglementair kader voor financiële instituten kan verschillen. In een markt waar het vertrouwen in de tegenpartij daalt, kan dit een extra factor van wantrouwen zijn. Een voorbeeld van een markt waar het counterparty risico merkbaar was, is de repo markt. In deze markt vinden terugkoopovereenkomsten plaats. Liquiditeiten worden voor een beperkte periode gewisseld tegen onderpand. Hiervoor krijgt men een vergoeding (Ewerhart & Tapking, 2008). De kwaliteit van het onderliggend actief speelt een belangrijke rol. Door asymmetrische informatie verdween het vertrouwen in de kwaliteit van de onderliggende activa van de transacties. Het gevolg was dat deze markt bijna geheel verdween. Dit veroorzaakte storingen in de goede werking van banken die deze markt als financieringsbron gebruikte. Een bekend voorbeeld hiervan is Bear Stearns (Calomiris, 2009). Het biedt een verklaring voor de plotse vlucht naar liquide instrumenten. Om tegenpartijrisico tegen te gaan, stellen meerdere partijen voor om een centraal vereffeningstelsel in het leven te roepen. Hier komen dan alle transacties samen. De transparantie van de transacties verhogen, is een ideaal instrument om het counterparty risico te verminderen. De informatie die beschikbaar was over sommige structuren, kan als minimaal aanzien worden.
Warehousing risico Banken die onvoldoende investeerders vinden, zullen tussentijds de effecten zelf in de boeken nemen (Janssens, 2003). Warehousing kan ook in een andere vorm voorkomen, waar de bank de activa zelf op balansen houdt tot de pool groot genoeg is. Er kan hier een waarderingsprobleem ontstaan waarbij de bank de waarde van de effecten overschat. Ze kunnen blootgesteld worden aan de risico's van de onderliggende activa. Hoe langer banken deze effecten op hun balans houden, des te kwetsbaarder ze worden voor dit risico. Om een verlies tegen te gaan, gebruiken banken hedging technieken. Hierdoor proberen ze zich tegen de risico's, o.m. liquiditeitsrisico, in te dekken. Dit is een 28
dure en moeilijke zaak. Er moet activa gevonden worden dat tegengesteld evolueert aan de activa op de balans. (Gordon & D'Silva, 2008). Lange tijd was het warehouse risico, door de hoge vraag naar deze instrumenten, minimaal. Daarom dat banken weinig aandacht aan dit risico besteedden. Door de mindere kooplust vóór en tijdens de crisis won dit risico flink aan belang. Samen met de hoge hefboom van banken kon dit voor een explosieve mix zorgen. Het warehousing risico is één van de redenen voor de ondergang van de bank Nothern Rock.
Risicomanagement Banken zijn steeds op zoek naar verscheidene zaken. Zo jagen zij de meest ideale kapitaalstructuur, waar de kosten minimaal zijn, na. Pluizen ze mogelijkheden om hun winst te laten stijgen uit. En trachten goedkope financieringsmiddelen te vinden. Effectisering biedt in dit opzicht unieke kansen. Een van de mogelijkheden is activa van de balans halen en hierdoor de kosten van eigen vermogen verminderen. Een andere is de optie tot arbitrage bij deze instrumenten, o.m. CDO's. De opties zijn legio. Dit gebeurt niet zonder enig risico. Banken proberen deze gevaren naar behoren in te schatten en leggen hiervoor buffers aan. Het risicomanagement van banken is onderhevig geweest aan kritiek. Deze afdeling zou op bepaalde punten niet naar behoren hebben gewerkt. De risico's bij effectisering zijn ondermaats beoordeeld. De systemische gevolgen nauwelijks geëvalueerd. Er wordt hiervoor een aantal redenen gegeven: te veel vertrouwen in modellen, schaars aanbod van risico managers met ervaring, risico's beoordelen wordt als een kost gezien, etc. (Asset Securitization Report, 2006). Gaandeweg werden er door banken meer risico's genomen. Nu stelt men zich hierbij de vraag, was dit bewust of niet? Het antwoord is niet zo eenvoudig. Banken worden door hun aandeelhouders aangespoord om een hoog rendement te halen. Securitisatie is een instrument die wordt verondersteld dit te beïnvloeden. Zo is het gemiddelde ROE van de banken die effectiseren in mijn steekproef over de periode 2004 – 2008 13,15%. Banken die niet securitiseren kunnen de volgende cijfers voorleggen 15,04%. Een zicht op de tabel, hieronder geplaatst, biedt meer uitleg: GEMIDDELDE Geen effectisering (9) Effectisering (45)
2004 15,53 13,05
2005 13,63 13,96
2006 13,14 15,05
2007 17,14 16,38
Tabel 2: gemiddelde rendabiliteit van het eigen vermogen (datastream)
29
2008 15,76 7,3
Een independent-Sample T Test werd uitgevoerd en de conclusie was dat niet mocht aangenomen worden dat deze gemiddelden significant verschilden van elkaar. Zeker voor het jaar 2008 kan dit raar lijken, maar de standaardafwijking in de groep van effectisering is groot (= 63,7). Deze cijfers spreken tegen wat algemeen aangenomen wordt. Daarom werd de test opnieuw gedaan, deze keer met cijfers van bankscope (en niet datastream). De beschouwde periode is korter en bevat minder banken in beide groepen, doch dezelfde conclusie wordt getrokken. GEMIDDELDE Geen effectisering (5) Effectisering (41)
2004 13,5 12,04
2005 12,87 14,5
2006 16,9 16,42
2007 17,03 15,5
Tabel 3: gemiddelde rendabiliteit van het eigen vermogen (bankscope) Een mogelijke uitleg voor deze resultaten is dat Europese banken in securitisatie een middel zagen om hun risico's te verlagen. Niet zozeer om hun winsten te verhogen.
De winsten van financiële instellingen zijn onderhevig aan schommelingen. Een goede indicator hiervoor is de financiële hefboom. Deze wordt gedefinieerd door het totale activa te delen door het eigen vermogen. Wat men hierdoor bekomt is een graadmeter voor het multiplicator effect. In tabel 3 kan men terugvinden dat banken die effectiseren wel degelijk een hogere multiplicator hebben. Dit wijst op het feit dat banken die securitiseren meer volatiliteit kennen in hun winsten. De standaardafwijking en variantie geven aan dat er grote verscheidenheid in de groep van effectisering te vinden is. Dit is te wijten aan het feit dat niet alle ondernemingen in dezelfde mate hebben gesecuritiseerd. De t-test verzorgt de informatie dat in het jaar 2008 geen verschil is in het gemiddelde tussen de beide groepen. Dit resultaat kan te wijten zijn aan de aanzienlijke afwijkingen in de categorie van effectisering. Sommige banken in deze groep hebben in grote mate aan deleveraging, i.e. het omlaag brengen van de schuldpositie, gedaan. Dit kan een mogelijke verklaring zijn voor dit resultaat. GEMIDDELDE Geen effectisering (9) Effectisering (45)
2004 14,14 21,27
2005 14,43 22,17
2006 14,95 22,23
2007 14,1 23,35
2008 15,48 28,64
Tabel 4: gemiddelde financiële hefboom
Een derde zaak dat werd onderzocht is de rendabiliteit van de activa. Kortweg ook ROA genoemd. Deze indicator legt het verband tussen de activa van een onderneming en zijn winsten. In onderstaande tabel kan men vaststellen dat deze over de jaren heen
30
gestegen is voor beide groepen en in 2008 een scherpe daling kent. De testen wijzen uit dat men mag aannemen dat er geen verschillen zijn tussen de beide groepen. GEMIDDELDE Geen effectisering (7) Effectisering (39 – 43)
2004
2005 1,43 1,02
2006 1,59 1,31
2007 2,05 1,52
2008 1,93 1,68
1,23 1,22
Tabel 5: gemiddelde rendabiliteit van de activa Deze resultaten liggen in dezelfde lijn van de bevindingen voor de ROE. Het geloof dat effectisering een heel veilig instrument was er. Dit werd bevestigd door bepaalde instanties en de hoge vraag. Interne alarmsignalen die dit weerlegden, werden in de wind geslagen. Securitisatie biedt gelegenheden om risico naar andere partijen over te brengen. Door asymmetrische informatie (zie infra asymmetrische informatie) kan hier misbruik van gemaakt worden. De producten die moesten beoordeeld worden, waren in sommige gevallen heel complex. De voorbeelden van CDO's en Credit Default Swaps kunnen hier aangehaald worden. Ze bieden evenwel een heel mooie opportuniteit om het risicoprofiel van de bank te verlagen. Door de vele voordelen die effectisering biedt (zie supra voordelen), waren veel banken geneigd om in de producten te investeren. Voor de één betekende het extra inkomsten, voor de andere mooie beleggingsinstrumenten. Hierdoor kende de markt van effectisering een hoge vlucht. Deze groei werd in stand gehouden doordat de onderliggende assumpties ingevuld werden. Dit kwam evenwel abrupt tot een eind toen partijen zich vragen gingen stellen bij het effectiseringsproces. De kost van de risico's werd bijgesteld en een omgekeerd proces werd ingezet.
Toezicht en regulatie Een tweede punt van kritiek is toezicht en regulatie. De gevolgen op vlak van regulatie die zich kunnen aandienen, zijn bij de risico's aangestipt. Dit door de verwatering van zelfdiscipline bij de financiële instituten doorheen de tijd. De mogelijke omvang van de crisis was vooraf moeilijk na te gaan. Het vinden van zogenaamde zeepbellen en het voorspellen van het uiteenspatten ervan, is heel moeilijk. Zeker voor de bewuste periodes. Te weinig transparantie en te weinig middelen maakten het werk van de autoriteiten moeilijk. De systemische effecten van het financiële systeem werden onderschat. De overheden hielden de situatie van dichtbij in het oog, maar reageerden te laat. Soms werden korte termijnacties genomen, onder druk van de nationale overheden, die lange termijnkosten met zich meebrachten (Demirgüç-Kunt & Servén, 2009). 31
De Larosière (2009) stelt voor om stilaan naar een Europees supervisieorgaan te evolueren. Hiervoor moeten speciale instituten worden opgericht. Nationale instanties kunnen hulpmiddelen zijn voor dit project in een Europees kader. Volgens Turner (2009) moet er toezicht komen op de liquiditeitspositie van de banken. Daarenboven stelt hij voor om de kredietrating agentschappen aan toezicht te onderwerpen, en het strikter maken van het toezicht op grote en grensoverschrijdende financiële instellingen. Regulatie en supervisie moeten toelaten het risicoprofiel adequaat te kunnen schatten. Het mag niet verhinderen dat er risico's mogen genomen worden. De markt moet de risico's inschatten en naar behoren prijzen (Demirgüç-Kunt & Servén, 2009). Hiervoor moet men oppassen. Namelijk geen maatregelen nemen, om te nemen. Het beste scenario zou zijn dat verschillende partijen samenkomen en een consensus bereiken. Denk hierbij aan een combinatie van een aantal grote banken, de (Europese) centrale bank en de Europese commissie. Men zou dan een evenwichtige mix van theorie en praktijk moeten bekomen, in samenspraak met de belangen van de burger in de unie.
32
Asymmetrische informatie Asymmetrische informatie is het onevenwicht in informatie die de partijen van een transactie hebben. Banken zijn traditioneel instituten die dit probleem verminderen. Wanneer ze hun taak naar behoren vervullen, zijn ze een belangrijke schakel tussen ontleners en spaarders. Onevenwichtige informatie is een belangrijk kenmerk dat in elke stap van het effectiseringsproces opduikt. Het zoveel mogelijk reduceren van dit probleem heeft positieve effecten voor de economie. Asymmetrische informatie is één van de onderliggende redenen, indien niet dé reden, van de huidige crisis. Voordat effectisering ingeburgerd was, droegen de banken, die leningen toekenden, alle bijbehorende risico's. Zoals eerder vermeld had dit het effect dat met grote zorg leningen werden verstrekt. Met de komst van effectisering en het bijbehorende originate-anddistribute model werd dit doorheen de tijd minder belangrijk (Lejot et al, 2008). Het meest gegeven voorbeeld hierbij is de verslechterde underwritingstandaarden in de Amerikaanse huizenmarkt. Hierdoor kwamen er minder kwaliteitsvolle activa in de pool van activa terecht. Het achterlopen van de vraag op het aanbod was mede een factor waardoor de kwaliteit van het underwritingproces achteruit liep (Gordon & D'Silva, 2008). Banken kunnen de incentive hebben om hun beste leningen op de balans te houden, en hun slechte te effectiseren. Investeerders kunnen de kwaliteit van de onderliggende activa moeilijk waarderen. Dit door asymmetrische informatie. De ratingagentschappen moeten dit probleem voor hen (gedeeltelijk) oplossen. De CRA's zullen een sleutelrol spelen in het voorkomen van soortgelijke crisissen in de toekomst. Hun rol is in dit werk reeds kritisch bekeken. Er is nood aan deze instellingen, maar een aantal zaken zullen veranderen. Investeerders zullen in de toekomst de agentschappen betalen zodat er geen belangenvermenging kan ontstaan. Een moreel besef verhinderde het in het verleden. Een tweede factor is de ondoorzichtigheid van bepaalde constructies. Dit is zeker het geval bij het zogenaamd hersecuritiseren. De activa worden dan meerdere malen geëffectiseerd voor een, in theorie, kleiner risico. De CDO's zijn hiervan een voorbeeld. In de praktijk is gebleken dat deze juist meer risicovol zijn. Deze instrumenten zijn bijgevolg door de crisis het hardst getroffen. Men kon waarnemen dat banken van deze producten af wouden. Te weinig informatie was beschikbaar om eventueel toekomstige verliezen op deze instrumenten in te schatten. Om die reden vond een toevlucht plaats naar de meest veilige activa. SPV's dragen tevens bij tot de zwakke transparantie. De informatie over deze structuren was in sommige gevallen verwaarloosbaar te noemen. De senior tranches zijn meer
33
onderhevig aan asymmetrische informatie dan de junior schijven. Asymmetrische informatie heeft een grote rol gespeeld in de omvang van de crisis. Het liquiditeitsgebrek in een aantal banken besmette het gehele banksysteem. De geldmarkt tussen banken droogde volledig op. De financiële instituten hielden hun kas vast uit vrees verliezen te lijden. Dit was te wijten aan een gebrek aan informatie en transparantie. De vertrouwensbreuk zorgde ervoor dat de markt niet efficiënt werkte. Wat het probleem van asymmetrische informatie des te duidelijker maakte. Asymmetrische informatie bracht een extra zorg voor beleidsmakers mee. Deze hadden garanties verzekerd en injecteerden liquiditeiten in banken. Hierbij moesten ze opletten dit niet te geven aan insolvabele banken. Het risico zou ontstaan dat banken zouden gokken met het gekregen geld (Nikolaou, 2009). Aan de andere kant moest men de reactietijd minimaliseren. Men vermoedt dat Northern Rock van deze hulp misbruik gemaakt heeft. De oplossing voor het probleem van asymmetrische informatie is de transparantie van de gehele operatie doorheen de levensduur verhogen. De larosière (2009) raadt aan instituten in het leven te roepen, op Europees niveau, om toezicht te houden. Dit om mogelijke problemen, die in en tussen de banken kunnen ontstaan, in de toekomst te vermijden. Duidelijk is dat de kwaliteit van de supervisie moet stijgen. Bovendien moet de regulatie opgedreven worden om alle partijen van zoveel mogelijk informatie te voorzien.
Outro Uit bovenstaand deel kan men afleiden dat de huidige crisis ontstaan is door een combinatie van factoren. Ik wil hierbij het woord combinatie benadrukken. De elementen die deze moeilijke periode veroorzaakt hebben, worden niet allemaal gekenmerkt door dezelfde intensiteit. Maar het samenspel ervan heeft wel het unieke karakter van de crisis beïnvloedt. De onderliggende reden van deze problemen is asymmetrische informatie. Indien men dit tot een minimum kan reduceren, zal het vertrouwen in de economie herstellen. Het oplossen en effectief aanpakken van de crisis is en zal in de toekomst het onderwerp blijven van vele papers. De perceptie van effectisering op het risicoprofiel van banken is grondig veranderd doorheen de tijd. Waar men vroeger het verdelen van risico over meerdere partijen aanmoedigde, vindt nu het omgekeerde proces plaats. Hieruit mag men niet concluderen dat effectisering onveiliger is geworden. Door het herbekijken van de risico's verbonden met securitisering, zijn bepaalde risico's grondig geherwaardeerd. Dit komt door het 34
ontbreken van een precedent. De crisis heeft waardevolle, maar duur betaalde informatie met zich meegebracht over het instrument. De taak is nu om deze ten volle te benutten in de toekomstige evolutie van effectisering. In essentie blijft securitisering een handig middel, dat veel voordelen kan bieden. Om deze reden mag men banken niet veroordelen dat ze in het product hebben geïnvesteerd. Niet elke bank heeft dit in dezelfde mate gedaan, waardoor sommige financiële instellingen nog steeds vruchten plukken van deze investering. Het risicoprofiel van banken wordt beïnvloedt door de hoeveelheid aan investeringen in effectisering. Men kan de schuld van de crisis niet alleen bij securitisering leggen. Effectisering heeft meer fundamentele problemen blootgelegd in de huidige economie. Meer bepaald het nieuwe financiële landschap en hoe men adequaat moet reageren op snel veranderende situaties in een globale context. Men moet securitisering in dat opzicht dan ook zien als de lont die in het kruit is gestoken.
35
Inleiding rendement In dit deel wordt het begrip rendement gedefinieerd. Dit is belangrijk om ten volle de inhoud van het onderzoek en de denkwijze van de beleggers te begrijpen. Verder worden de factoren bepaald die de opbrengsten van de banken beïnvloeden. Zowel algemeen als specifiek in verband met securitisatie. Daaropvolgend wordt een korte historiek van de periode 2006 – 2009 neergeschreven. Dit stelt ons in staat bepaalde fenomenen in het onderzoek te verklaren. Als laatste wordt het begrip behavioral finance toegelicht. In een eerste kijk biedt deze theorie goede verklaringen voor enkele van de gebeurtenissen.
Rendement Het rendement kan voorgesteld worden door volgende formule:
r t=
p tdividend− p t-1 p t-1
Waarbij 1 en
p t staat voor de prijs van een aandeel op tijdstip t.
p t-1 de prijs op tijdstip t-
r t het rendement op tijdstip t.
De prijs van een aandeel kan voorgesteld worden door onderstaande formule:
Prijs aandeel=
toekomstig dividend vereist rendement
Deze formule bestaat uit twee elementen. Een daarvan is het toekomstig dividend. Dit wordt uitgegeven door een onderneming indien er (over)winst gemaakt wordt. In slechte tijden wordt er normaal geen dividend uitgekeerd. Instellingen kunnen dit toch doen, indien zij van mening zijn dat de verliessituatie uitzonderlijk en van tijdelijke aard is. Hierdoor een vertrouwen proberen te creëren of herstellen met de aandeelhouders. Deze betaling gebeurt uit de aangelegde reserves in vorige jaren. Om dividenden uit te keren, beschikt de onderneming best over een goede liquiditeitspositie. De solvabiliteit is mede belangrijk. Effectisering beïnvloedt deze twee elementen op een positieve manier. Een hoger gerealiseerd rendement betekent een lager risico (en vice versa) in de eerste formule. In de optimale situatie wil de belegger voor een gegeven risico de hoogst mogelijk opbrengst krijgen. Indien de investeerder een hoger risico draagt, wil hij daarvoor vergoed worden door een hoger rendement. De noemer in de tweede formule stijgt en de prijs (bij een gelijkblijvend dividend) daalt.
36
Securitisatie beïnvloedt het rendement van een bank op verscheidene manieren. Men kan de impact van het gebruik van het instrument merken op de kosten, de omzet en de perceptie van de risico's van de bank. In de eerste categorie: de kosten, vindt men onder meer een daling van de transactiekosten en schaalvoordelen terug (Lejot, Arner & SchouZibell, 2008). Financieringsmogelijkheden kunnen d.m.v. securitisatie aan een lagere kost plaatsvinden. De kost wordt verhoogd in tijden van moeilijkheden door de nodige afschrijvingen. Dit wordt veroorzaakt door de boekhoudregels. Het verschaffen van krediet- en liquiditeitslijnen kan in deze periode kostenverhogend werken. Een ander element is de activaprijzen die aan fluctuatie onderhevig zijn. Dit kan zowel positief als negatief zijn. De tweede categorie is de omzet van de bank. Met minder kapitaal kunnen er meer leningen verstrekt worden. Dit beïnvloedt de omzet van de onderneming. Financiële instellingen kunnen uit effectisering niet-interest inkomsten halen. Dit is positief, maar kan de bank aan meer volatiliteit onderwerpen. Het risicoprofiel wordt hierdoor verhoogd. De financiële hefboom bepaalt in welke mate een onderneming winst kan maken. Securitisatie verhoogt deze hefboom waardoor het mogelijk is meer winst te realiseren. De laatste categorie is de risico's van de bank. Deze zijn in een vorig deel van deze masterproef uitbundig aan bod gekomen. Oorspronkelijk werden de gevaren laag ingeschat. Doorheen de periode van 2006 – 2009 vond een toename van de risico's plaats. De diversificatie die effectisering biedt, is een positief element en verlaagt het risico. Het effect van effectisering op het rendement is niet gemakkelijk te achterhalen. Men mag daarom verwachten dat het risicoprofiel een dynamisch zaak is. Het hangt onder meer af van de informatie waar de beleggers op een bepaald tijdstip over beschikken. De prijzen van aandelen worden verondersteld alle kennis, op het moment beschikbaar, te bevatten. Indien nieuwe gegevens bekend worden, zal dit de marktprijzen beïnvloeden. Daarom wordt verwacht dat in het komend onderzoek het risicoprofiel van banken doorheen de tijd zal evolueren.
Algemene factoren die het rendement bepalen De factoren die het rendement bepalen, zijn velerlei van aard. In essentie zijn het alle elementen die ofwel het (toekomstig) risico ofwel de (toekomstige) winst beïnvloeden van de onderneming. Hoewel dit werk geen volledige opsomming van alle mogelijke factoren beoogt, worden er toch een aantal elementen opgenoemd die een belangrijke rol spelen bij de koersvorming. Hierbij wordt een onderscheid gemaakt tussen de macro-
37
economische factoren en de bedrijfsspecifieke factoren. De eerste groep beïnvloedt het rendement van een bank op een onrechtstreekse manier.
Macro-economische factoren: Een eerste die vermeld wordt is het beursklimaat. Dit weerspiegelt het vertrouwen of wantrouwen dat op de beurs heerst. Dit wordt gecreëerd door een reeks van positieve of negatieve sessies. Significant nieuws dat door (sector)genoten en/of instanties in de wereld wordt gestuurd. Hierbij moet gedacht worden aan bijvoorbeeld de crisismaatregelen, onder meer het Amerikaanse TARP plan, genomen door de overheden van landen en of centrale banken. Deze acties kunnen gecoördineerd zijn over de hele wereld. Dit om de effectiviteit ervan te goede te laten komen. Een volgende categorie is de hele rits aan indicatoren die ons iets meer vertellen over hoe het met de economie gesteld is. In deze categorie kan men onder meer het werkloosheidscijfer (= banenrapport) klasseren. Daarnaast de vraag naar grondstoffen, het consumentenvertrouwen, het ondernemersvertrouwen, de huizenverkopen en – prijzen, etc. Deze graadmeters geven aan hoe de economische activiteit evolueert in een land of economische zone. Analisten maken prognoses van deze evenementen. De werkelijke cijfers worden met de verwachte cijfers vergeleken, wat voor schommelingen kan zorgen. Een andere belangrijke factor is de rentebeslissing van de centrale banken. Beduidend omdat het de investeringsbeslissing van bedrijven op middellange termijn bepaalt. Banken zullen dan in de toekomst meer of minder kredieten moeten verstrekken of kunnen een hogere of lagere marge halen uit het renteverschil. Daarnaast beslist de centrale bank nog over de voorwaarden waaronder een bank in nood zich bij hun kan aanwenden. Nauw aansluitend kan hierbij een andere factor genoemd worden, namelijk de interbankrente. Deze beïnvloedt niet het rendement rechtstreeks, maar een verhoging kan problemen in de financiële wereld blootleggen. Niet alleen is in deze crisis gebleken dat dit element een belangrijke indicator is gebleken voor het vertrouwen tussen banken onderling. Daarnaast kan een plotselinge verhoging ervan solvabele banken ernstig in de problemen brengen. De efficiënte werking van de activiteiten kan in gevaar komen. In een extreem geval moeten banken zich wenden tot de overheid. Een laatste factor die het rendement op een macro-economisch niveau bepaalt, is het resultatenseizoen. Indien beleggers onzeker zijn, kan dat het sentiment op de beurs beïnvloeden. Aandelen kunnen lager gestuurd worden, in afwachting van de resultaten. Deze effecten zijn tijdelijk, doch niet onbelangrijk op dagbasis. Door de globale
38
verwevenheid van het financiële systeem worden macro-economische factoren steeds belangrijker. Het marktrisico en de pro-cyclische elementen stijgen.
Bedrijfsspecifieke factoren De bedrijfsspecifieke factoren bevatten alle factoren die de liquiditeits-, solvabiliteitspositie en rendabiliteit van de financiële instelling wijzigen. Een klein aanbod van deze elementen zijn waardeverminderingen / afschrijvingen / winstwaarschuwingen / beter dan verwachte resultaten en etc. Een belangrijke graadmeter voor het risico van een financiële instelling zijn de zogenaamde spreads. Dit zijn verschillen in rente tussen verschillende aandelen of obligaties met een gelijke kredietwaardering. Een voorbeeld hiervan is het verschil in rente tussen een schatkistcertificaat van AAA kwaliteit en een bedrijfsobligatie. Spreads komen in meerdere varianten voor en duiden telkens een ander risico aan. Zo is er de kredietspread en de liquiditeitspread van een onderneming. Geruchten over het reilen en zeilen in een onderneming kunnen een belangrijke bron van volatiliteit betekenen op dagbasis. Het herstel naar het oorspronkelijk niveau van de koers voor de geruchten kan soms moeizaam verlopen. Zelfs als deze onmiddellijk ontkracht worden (Carvalho, Klagge & Moench, 2009). In één adem met geruchten kunnen we speculanten vermelden. Zij kunnen de koers grondig ontwrichten. Deze beleggers kunnen door hun acties en vermogen een versterking van een effect, zowel positief als negatief, veroorzaken. De overzichtsorganen hebben reeds acties genomen tegen sommige van deze vormen van koersbeïnvloeding. Dit vindt men onder meer terug in het verbieden van naked short selling. In deze techniek gokken speculanten op een daling van aandeelprijzen. Zij lenen aandelen, verkopen deze om hopend tegen een lagere prijs ze terug aan te kunnen kopen. Het verschil betekent winst voor de speculanten. Over de doeltreffendheid van deze maatregelen kan gediscussieerd worden. Tijdens recessies worden de underwriting standaarden (on)bewust aangescherpt. Dit heeft meerdere consequenties voor de bank. Eerst komen er minder ontleners in aanmerking voor een krediet. Dit heeft een drukkend effect op de winst. Daarentegen is de kans op mogelijke verliezen kleiner. Het is onduidelijk wat voor gevolg dit heeft op het rendement. De mate waarin een financiële instelling afhankelijk is van verschillende markten om zich te financieren is cruciaal wanneer deze markten opdrogen. Banken die moeilijkheden ondervinden om de nodige liquiditeiten te bekomen, ondanks dat ze solvabel zijn, zullen lager gewaardeerd worden. Perioden waarin de liquiditeitsbehoefte groter is, zijn riskanter voor banken. Dit is bijvoorbeeld het geval in de zomer. 39
Overzicht evenementen Wereldwijd werd een sterke groei opgemeten in de periode 2004 tot en met 2006. Dit na een vertraging van de economie, veroorzaakt door de aanslagen op Amerikaanse bodem in 2001. De onzekerheid die deze gebeurtenissen met zich meebracht, verdween snel. De financiële sector presteerde sterk. Een factor die hierbij een rol kan gespeeld hebben, is effectisering. De operationele resultaten verbeterden telkens weer. Het klimaat voor verdere bloei was gunstig. Een zorgeloze periode diende zich aan. Ondanks de hoge stabiele groei, werden de meeste landen niet geplaagd door hoge inflatie. In 2006 dienden de eerste tekenen zich aan waar partijen zich vragen konden bij stellen. De Amerikaanse huizenmarkt begon tekenen van instabiliteit te vertonen. Meer en meer inferieure ontleners bleven in gebreke bij het betalen. Voordien werden deze verliezen opgevangen door de stijgende waarde van de activa. De prijzen remden echter af omwille van terugvallende verkopen. In maart 2007 werd Wall Street wakker geschud door de vrees voor een mogelijk faillissement van New Century Financial Corporation. Dit was één van de belangrijkste kredietgevers in de subprime markt. Op 2 april 2007 werd deze vrees waarheid. Ondanks dit nieuws bleven de beurzen ongekende toppen scheren. In de zomer van 2007 begonnen de problemen echt. Een economische terugval in Amerika, te wijten aan de subprime crisis, werd voorspeld. Dit werd niet door alle partijen als problematisch beschouwd. De tekortkomingen in de subprime markt bleven stijgen. De lagere notes van de effecten werden gebruikt ter bescherming tegen verliezen. De meest risicovolle activa uit deze markt werden reeds in het begin van dit jaar niet meer opgekocht door Freddie Mac. Op 1 juni 2007 werd de rating van een groot aantal gestructureerde producten neerwaarts bijgesteld. Deze hadden als onderliggende pool minderwaardige leningen uit de Amerikaanse huizenmarkt. Over een periode van een aantal maanden werden vele producten, verbonden aan deze markt, gecorrigeerd. De omvang van het probleem werd duidelijker naarmate bekend werd dat er wereldwijd in deze producten was geïnvesteerd. Hiermee werd een grondige herziening van de risico's bij effectisering en de economie in het algemeen ingezet. Een aantal schokken volgden elkaar op. Allereerst kwamen sommige hefboomfondsen in moeilijkheden. Het meest gegeven voorbeeld zijn deze van Bear Stearns. Het echte keerpunt kwam er op 9 augustus 2007 wanneer de interbankrente de hoogte in schoot. Liquiditeiten bekomen, werd een uitdaging. De autoriteiten pompten significante bedragen in de markt om erger te voorkomen. De situatie van enkele banken werd problematisch. Dit was onder meer het geval voor de Britse bank Northern Rock en 40
het Duitse Sachsen Landebank. Door het toepassen van de mark-to-market techniek werden de verliezen direct in de boeken opgenomen. De SPV's kwamen in de problemen en cedenten moesten de beloofde back-up kredietlijnen verschaffen. De liquiditeit in en tussen banken vloeide weg. Het vertrouwen was gebroken. Dit baarde de autoriteiten zorgen. Zij grepen in en hielden van dichtbij toezicht. Banken wereldwijd waarschuwden voor hun blootstelling aan deze subprime leningen. De Amerikaanse bank Bear Stearns kende een groot verlies in het vierde kwartaal. Uiteindelijk werd deze door de zakenbank JP Morgan overgenomen. In de eerste helft van 2008 werd het vooruitzicht voor de reële economie minder rooskleurig. De derde kwartaal resultaten van bedrijven werden verwacht een dip te kennen. Ondertussen stapelden de verliezen bij de banken zich, omwille van de afschrijvingen, op. Beurzen zetten de neerwaartse trend verder bij het verwerken van dit slechte nieuws. Een tweede fase van de crisis werd ingegaan in de zomer van 2008. De verliezen bleven oplopen en dit in meerdere landen. De Amerikaanse beurswaakhond SEC verbood het shortsellen op de effecten van Freddie Mac en Fannie Mae. Hierdoor wouden de autoriteiten een eind maken aan de speculatie op deze instituten. Deze twee werden steeds meer afhankelijk van staatssteun. Op september 7 plaatste de Federal Housing Finance Agency ze onder de vleugels van de overheid. Wanneer Lehman Brothers een aanvraag indiende voor bescherming tegen zijn schuldeisers, stond de financiële wereld in rep en roer. Deze actie werd gezien als het begin van een extreme vertrouwensbreuk. Effecten werden massaal gedumpt. De speculatie op sommige aandelen hielp niet mee. De interbankmarkten kwamen compleet vast te zitten. Centrale banken pompten massale bedragen in het systeem om een verdere afbraak te voorkomen. De Amerikaanse overheid redde de verzekeraar AIG. De onderneming was te groot geworden om te laten falen. Banken zoals Bank of America namen hun sectorgenoten over. Dit fenomeen bleef niet beperkt tot Amerika. Zo had een samensmelting van het Britse HBOS en zijn rivaal Lloyds TSB plaats. In Europa werden nationaliseringen van banken doorgevoerd. Als voorbeeld hierbij kan men het Nederlandse deel van Fortis en de Ijslandse bank Glitnir geven. Gecoördineerde acties van centrale banken, garanties van overheden, etc. moesten de gemoederen bedaren. Banken bleven, ondanks de genomen maatregelen, het moeilijk hebben waarbij sommige failliet gingen. De reële economie was ondertussen grondig besmet. Een wereldwijde groeivertraging liet zich optekenen. Bedrijven raakten moeilijker aan kredieten en de kleinere ondernemingen ondervonden betalingsmoeilijkheden. Een reddingsplan werd door de Amerikaanse overheid opgesteld.
41
Het eerste kwartaal van 2009 ging in dezelfde richting verder. Winstwaarschuwingen werden de wereld ingestuurd. De economie geraakte verder in het slop. Het kapitaal van de meeste banken werd aangesterkt. De overheid bleef participaties nemen in de banken. De Amerikaanse overheid stelde zijn nieuw plan, om toxische producten over te kopen, voor. Wereldwijd bereikten de aandelen, hier en daar een uitzondering gelaten, in maart 2009 hun bodem. Hierna begonnen de meeste aan een rally. Gestuwd door hoopgevende berichten en het negeren van negatief nieuws klommen de beurzen uit hun dal. In een korte periode bereikten veel aandelen hun koersen van het begin van het jaar. De ECB greep naar onconventionele maatregelen om de economie te stimuleren. Ze hielden daarbij in gedachten dat financiering in Europa voornamelijk via banken gebeurt. De Belgische bank KBC moest voor de derde keer bij de Belgische overheid aankloppen. Dit om garanties te vragen voor haar verslechterde positie in haar CDO portefeuille. Verschillende instanties, o.m. het IMF, worden positiever over de economische toestand waar de meeste landen zich in bevinden. De vrije val remt af. De IASB wijzigt de rapporteringregels voor bepaalde producten zodat financiële instellingen geen verliezen, wegens een veranderde marktwaarde, moeten boeken. Hiermee probeerde ze de procyclische factor in het systeem tegen te gaan.
Behavioral Finance De situatie hierboven beschreven, bezit een aantal kenmerken die voorkomen in behavioral finance. Deze theorie gaat uit van het standpunt dat de markten in wezen irrationeel zijn. Dit staat tegenover het uitgangspunt van de efficiënte marktenhypothese. Bij behavioral finance gebruikt men de psychologie om tot mogelijke verklaringen van fenomenen te komen. Aan de wieg van deze uitspraken staan Kahneman en Tversky. Zij stelden in experimenten vast dat het gewicht dat werd gegeven aan recente observaties te groot was in vergelijking met oudere waarnemingen. Dat betekent wanneer de winsten in de recente geschiedenis van het bedrijf hoog zijn, de verwachtingen voor de toekomst te hoog zullen zijn. Een tweede element, dat hiermee samenhangt, is conservatisme. De belegger heeft initieel een inertie om te reageren op veranderende macro-factoren en nieuws. Dit effect kon me waarnemen bij het faillissement van New Century Financial Corporation. Eens men inziet dat de huidige trend omkeert, volgt een overreactie op elke nieuwe informatie. Dit brengt volatiliteit met zich mee. De belegger neemt daarbij soms irrationele beslissingen, die stroken met de rationele persoonlijkheid beschreven in de moderne financiële theorie. Ook dit element vindt men terug in de hierboven beschreven
42
tijdslijn. Hoewel behavioral finance sommige marktimperfecties kan verklaren, is deze theorie niet perfect. Bijgevolg mag men de efficiënte marktenhypothese niet zomaar verwerpen. Acties die op het eerste zicht irrationeel beschouwd worden, kunnen toch rationeel zijn indien men met het doel en de beleggingstermijn van de investeerder rekening houdt. Behavioral finance kan het best gezien worden als een aanvulling op de moderne finance theorie. Als assumptie voor het onderzoek wordt aangenomen dat markten efficiënt werken.
Outro rendement Het nieuws waarmee de belegger, in de loop van de financiële crisis, werd geconfronteerd was talrijk en pessimistisch. Het contrast met de vorige cyclus kon niet groter zijn. Hierdoor ontstond de reflex om de verliezen te beperken. Wat er gebeurde was dat zowel banken als investeerders uiterst conservatief in hun gedrag werden. Een toevlucht naar veiligere oorden zoals staatsbonnen, schatkistcertificaten of andere bewezen producten vond plaats. Banken schreven hun producten massaal af, waardoor de verliezen zich ophoopten en zich opnieuw een zelfversterkend effect in gang stak. Beleggers reageerden gevoeliger op elk nieuwtje en staken meer tijd in het monitoren van de bedrijven. Dit bracht een nieuw keerpunt met zich mee. Men merkt het vaker, bijvoorbeeld na de recessie van 2001, dat banken en beleggers vruchten plukken van meer voorzichtigheid. Hoewel risico's nemen nodig zijn om te groeien, kan het ook verkeerd uitdraaien wanneer het sentiment op de beurzen omdraait. Dit heeft natuurlijk, en is zeker nu gebleken, een behoorlijke impact op de rendementen. Deze rendementen zullen in de toekomst terug naar normale niveaus evolueren. De snelheid waarmee dit zal gebeuren, is moeilijk te bepalen. Het lerend vermogen van de participanten in de crisis: toezichthouders, overheid, beleggers en financiële instituten is groter geworden, door hun ervaring. In de toekomst moet men leren uit de fouten die nu gemaakt zijn. Het begin van het herstel is waarschijnlijk begonnen, maar men mag niet te vroeg victorie kraaien. Oplettendheid is nog steeds geboden om niet te hervallen in slechte, oude gewoontes.
43
Inleiding onderzoek In dit deel worden de elementen van de twee vorige delen met elkaar gecombineerd. Er wordt getracht om antwoorden te vinden op de onderzoeksvragen, die later worden geïntroduceerd. Daarnaast worden de knelpunten en de veelbetekenende gebeurtenissen geïdentificeerd. Ten slotte worden suggesties voorgesteld voor verder onderzoek.
Doelstelling van het onderzoek In dit onderzoek wordt nagegaan wat de invloed van effectisering is op het risicoprofiel van banken. Om dit aan te tonen, wordt gebruik gemaakt van de tijdslijn 2006 t.e.m. de eerste helft van 2009. De verwachting is dat dit een cyclus van over- en onderwaardering van risico's en rendement met zich zal meebrengen. Onderstaande grafiek geeft een aanwijzing in de richting van deze presumptie:
Totaal rendement banken EU [periode 2006 tweede kwartaal 2009]
30/06/09
30/03/09
30/12/08
30/09/08
30/06/08
30/03/08
30/12/07
30/09/07
30/06/07
30/03/07
30/12/06
30/09/06
30/06/06
30/03/06
30/12/05
8000 7000 6000 5000 4000 3000 2000 1000 0
Rendement Tekening 2: Evolutie rendabiliteit banken EU De gebeurtenissen in deze periode zijn talrijk. Daarom worden, om de effecten beter waar te nemen, de jaren opgesplitst in 4 kwartalen. In totaal worden 14 tijdvakken bekeken. De banken worden in twee groepen opgesplitst: banken die securitiseren/niet effectiseren. Hoewel dit onderscheid heel rudimentair lijkt, is het belangrijk om ze zo, in een eerste stap, te scheiden. Dit stelt ons in staat een algemeen beeld te verkrijgen van de cluster banken die effectiseren. Op korte termijn wordt verondersteld dat beleggers 44
weinig differentie maken in deze categorie. Bijgevolg dat de resultaten verworven uit bovenstaande verdeling representatief zijn. Op langere termijn zullen investeerders wel de verschillen in het gedrag van ondernemingen uitspitten. In verder onderzoek kan dan in de familie van securitiseren een onderscheid gemaakt worden, in de mate waarin ze effectiseren. Daarnaast kan ook een verschil gemaakt worden tussen investeerder en originator. Voorspeld wordt dat banken die securitiseren beter in het jaar 2006 en 2007 zullen scoren qua rendement en risico. Na een herevaluatie van de risico's, best op te merken in het derde en vierde kwartaal van 2008, werden zij door de beleggers als risicovoller beschouwd. Het is interessant om na te gaan in hoeverre deze veronderstelling tot uiting komt in de aandelenrendementen. In het werk van Hänsel en Krahnen (2007) werd bewezen dat effectisering een hoger gepercipieerd risico met zich meebracht. Dit weerspiegelt zich o.a. in een hogere beta/marktrisico van de bank. In tegenstelling tot hun paper wordt in dit onderzoek niet enkel van investeringen / opstellen (in/van) CDO's uitgegaan. Alle mogelijke gestructureerde producten kunnen voor komen. Dit kan mogelijk tot andere resultaten leiden. Men vermoedt het omgekeerde scenario bij de andere groep banken. Deze zouden als relatief veiliger moeten aanzien worden na de revaluatie. De opmerking wordt gemaakt dat dit effect niet zo uitgesproken zal zijn. Een aantal redenen worden ter verklaring gegeven. Een, de liquiditeitsschokken, die kenmerkend waren in het derde kwartaal van het jaar 2007/2008 en het vierde kwartaal van 2008, troffen alle banken. Twee, het vooruitzicht op een groeivertraging in de reële economie. Minder bedrijven werden verwacht te investeren. Het gevolg was een negatieve impact op de winst van de banken. Drie, deze crisis werd algemeen aanzien als een vertrouwenscrisis. Investeerders geloofden dat er fundamentele gebreken waren in de economie. Om verliezen te beperken, werden aandelen van de hand gedaan, die misschien beter in de portefeuille hadden gebleven. In het voordeel van deze tweede groep spelen zaken zoals dat ze niet geconfronteerd werden, of in mindere mate, met afschrijvingen op hun portefeuille. Deze groep moest geen activa op de balansen terugnemen.
Populatie en steekproef De populatie is een lijst van de 90 grootste banken in Europa. Via de jaarverslagen van deze banken werd nagegaan of deze effectiseerden. In het document werd een speurtocht naar de woorden effectisering, CDO, ABS, etc. ingezet. Als deze ontbraken, werd er gezocht in het onderdeel risico's of er voorzieningen aangelegd waren. Indien beide van deze criteria negatief waren, werd het jaarverslag nogmaals grondig bestudeerd. Pas hierna werden de banken, die aan de eisen voldeden, finaal in de groep
45
“niet effectiseren” opgenomen. De overige financiële instellingen in de andere categorie. Banken waarbij de gegevens onduidelijk waren of ontbraken, werden geweerd. Na deze onderverdeling resteerden nog maar negen banken in de groep die niet securitiseerden. Om deze reden werd in de steekproef deze negen banken zeker opgenomen. In de andere categorie was de mogelijke keuze groter. Willekeurig werden tien banken uit deze cluster genomen. De finale keuze vindt men weer in onderstaande tabel: Groep NIET effectiseren Van Lanschot NV Svenska Handelsbanken Sparekassen Faaborg A/S Ringkjoebing Landbobank Nordfyns Bank Bank of Attica SA-Attica Bank SA Bank of Aland Plc-Alandsbanken Abp Noerresundby Bank A/S Nordea Bank AB (publ)
Groep effectiseren KBC Group-KBC Groep NV/ KBC Groupe SA BNP Paribas Banco Santander SA Deutsche Bank AG Bankinter SA Dexia Spar Nord Bank UniCredit SpA Alpha Bank AE Banco BPI SA
Tabel 6: steekproef
Specifieke onderzoeksvragen of -hypothesen De eerste specifieke onderzoeksvraag die we stellen is: Hebben banken, die effectisering toepassen, een meer risicovol risicoprofiel dan banken die nalaten in deze producten te investeren? Indien er zich geen verrassingen voordoen zal op deze vraag bevestigend beantwoord worden. Een mogelijke manier om deze hypothese te onderzoeken, is gebruik te maken van het GARCH model. Dit is de afkorting voor generalized autoregressive conditional heteroscedasticity. Hierbij wordt de assumptie gemaakt dat de kans op een grote schok, na een vorige grote schok aanzienlijk is. Eveneens houdt het rekening met leptokurtosis. De situatie waarin extreme gebeurtenissen, i.e. de staarten van een verdeling, vaker kunnen voorkomen dan men acht. Het GARCH model kent zijn beperkingen. Er wordt geprefereerd dit model te laten vallen ten gunste van de variant EGARCH. In deze afkorting staat de E voor exponential. Het model is een asymmetrisch model dat voorgesteld werd door Nelson in 1990. Er wordt geopteerd voor dit model, omdat deze in staat is de hefboom in aandelenrendementen waar te nemen. Er wordt vermoed dat door de vele desastreuze gebeurtenissen in de verscheidene periodes volatiliteitsclustering opgespoord kan worden. Hoewel EGARCH een heel degelijk model is, zijn er toch nadelen aan verbonden. Zo werkt het model niet optimaal in volatiele situaties. Het probleem 46
hiervan wordt beperkt door het nemen van enkele maatregelen. De belangrijkste hiervan is het gebruik van kwartalen. Waardoor men mag aannemen dat het model betrouwbare resultaten zal genereren. Het EGARCH model laat toe om de risico's, die verondersteld worden in tijd te evolueren, te analyseren. Om deze reden wordt een tweede onderzoeksvraag gesteld: Is de perceptie van de risico's doorheen de crisis veranderd? Nogmaals indien onze verwachtingen kloppen zal op deze vraag een positief antwoord gegeven worden. Deze vraag wordt analoog met de eerste beantwoord.
Gegevensverzameling De benodigde data wordt verkregen door gebruik te maken van de databank datastream. Het model wordt geprogrammeerd in de programmeertaal matlab. Sommige van de statistische testen worden uitgevoerd in het programma SPSS. De reden is dat matlab, af en toe, veronderstellingen maakt die niet correct zijn voor de kleine steekproef. Een voorbeeld is de assumptie dat de varianties gelijk zijn in de ttest2. De eerste stap die wordt ondernomen, is het berekenen van enkele indicatoren. Deze zijn: het gemiddelde, de standaardafwijking en de variantie in het kwartaal, maar ook de Sharpe ratio, informatie ratio en het capital asset pricing model. Deze kunnen een duiding geven in welke richting het onderzoek zal evolueren. Dit vormt een eerste kleine gedeelte. Een tweede, belangrijker gedeelte, is het opstellen van het EGARCH model. De werkwijze en parameters worden in een later stuk in détail uitgelegd. Mede de veronderstellingen die gemaakt worden. De modellen laten toe om zoveel banken als gewenst toe te voegen.
Vooronderzoek Gegevens De data waarmee gewerkt wordt in dit vooronderzoek zijn de dagelijkse observaties van de totale herbeleggingsindex van de banken in de steekproef. Evenwel wordt een transformatie op deze serie toegepast:
X t −1=
X t − X t −1 ⋅ Observaties in het jaar X t−1
Alternatief mag worden gehanteerd:
47
X t −1=log
Xt ⋅ Observaties in het jaar X t−1
Xt is de return op dag t. De variabele "Observaties in het jaar" is het aantal dagen waarvan men data heeft in het jaar X. Door de vermenigvuldiging met deze factor bekomt men een getal met meer zinnigheid voor vergelijkingen en testen, dan de dagelijkse returns. In de statistische testen wordt gewerkt met een 5% significantieniveau of een 95% betrouwbaarheidsinterval.
Het berekenen van indicatoren De matlab code kan men vinden in de bijlage 1 en bijlage 2.
Het gemiddelde, de standaardafwijking en de variantie Allereerst wordt het gemiddelde berekend op het rendement van het kwartaal. Dit stelt de verwachte waarde voor van het kwartaal. De standaardafwijking is een (statische) maatstaf voor de spreiding rond het gemiddelde. De variantie is dit ook. Dit betekent dat deze twee parameters kunnen gebruikt worden als eenvoudige graadmeters voor risico. Hoe hoger deze zijn, hoe volatieler het rendement van de bedrijven.
Sharpe ratio De Sharpe ratio is een aanwijzer voor het rendement van een investering/activa met correctie voor het genomen risico. Het wordt door de volgende formule gedefinieerd:
S=
E [ R−R f ]
Waarbij R staat voor het rendement. Rf de rendabiliteit van een risicovrije belegging. Om dit te benaderen wordt in dit onderzoek de return index van een Amerikaanse t-bill met duurtijd 3 maand genomen. De σ is de standaardafwijking van het rendement op de investering/activa. Beleggers opteren voor een zo een hoog mogelijke Sharpe ratio.
Informatie ratio Deze ratio wijkt weinig af van de Sharpe ratio. Het weegt de excess return, i.e. de deviatie tussen het rendement van investering A en de referentie-index B, af tegenover een referentie-index. Bij de Sharpe ratio is deze index een risicovrije belegging. Dit in tegenstelling tot de informatie ratio die vaak door een risicovolle investering 48
vertegenwoordigt wordt. Hier wordt gekozen om de referentie-index gelijk te stellen aan het gemiddelde van de rijen in de groep “effectiseren”.
49
Resultaten indicatoren De code laten lopen voor kwartaal 1, jaar 2006, laat de volgende tabel verschijnen:
Gemiddelde 0,05 0,06 0,05 0,04 0,04 0,03 0,03 0,04 0,07 0,04 0,03 0,02 0,03 0,02 0,05 0,09 0,01 0,05 0,11
2006 (kwartaal 1) Standaardafwijk ing Variantie Sharpe ratio 0,29 0,08 0,18 0,17 0,03 0,35 0,26 0,07 0,22 0,42 0,17 0,1 0,18 0,03 0,28 0,2 0,04 0,16 0,3 0,09 0,11 0,44 0,2 0,09 0,43 0,18 0,16 0,19 0,04 0,22 0,16 0,03 0,21 0,14 0,02 0,2 0,22 0,05 0,17 0,15 0,02 0,18 0,22 0,05 0,25 0,26 0,07 0,35 0,22 0,05 0,07 0,27 0,07 0,22 0,55 0,31 0,21
Groep 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1
Tabel 7: gemiddelde/standaardafwijking/variantie/Sharpe ratio De gegevens zijn vanzelfsprekend. De laatste kolom verbindt de informatie aan de 2 groepen van de steekproef. Dit is het onderscheid tussen niet effectiseren (= 0) en securitiseren (= 1). Op deze set van data wordt een independent-Sample T Test uitgevoerd in SPSS. Men bekomt het volgende resultaat: Group Statistics Std. Error GEMIDDELDE
GROEP 0 1
STANDAARDAFWIJKING VARIANTIE SHARPE
50
N 9 10
Mean ,0441 ,0461
Std. Deviation ,01230 ,03110
Mean ,00410 ,00983
0
9
,2983
,10840
,03613
1
10
,2382
,11867
,03753
0
9
,0994
,06753
,02251
1
10
,0694
,08478
,02681
0
9
,1828
,08472
,02824
1
10
,2073
,06870
,02172
Hieruit kan men halen dat het gemiddelde van beide groepen ongeveer gelijk is. De standaardafwijking net wat kleiner is voor de groep die effectiseert. Idem voor de variantie. De Sharpe ratio is een klein beetje groter voor de groep die securitiseert.
51
Independent Samples Test Levene's Test for Equality of Variances
GEMIDDELDE
Equal variances assumed Equal variances
STANDAARDAFWIJKING
not assumed Equal variances assumed Equal variances
VARIANTIE
not assumed Equal variances assumed Equal variances
SHARPE
not assumed Equal variances assumed Equal variances not assumed
t-test for Equality of Means Mean Std. Error
F
Sig.
t
df
Sig. (2-tailed)
Difference
Difference
Lower
Upper
Lower
Upper
Lower
Upper
Lower
4,098
,218
,134
,980
,059
,646
,719
,336
95% Confidence Interval of the Difference Upper
Lower
-,181
17
,858
-,00201
,01110
-,02542
,02140
-,189
11,993
,854
-,00201
,01066
-,02523
,02121
1,147
17
,267
,06004
,05236
-,05043
,17051
1,152
16,993
,265
,06004
,05210
-,04988
,16995
,846
17
,409
,02998
,03544
-,04480
,10476
,856
16,780
,404
,02998
,03501
-,04395
,10391
-,697
17
,495
-,02454
,03522
-,09884
,04977
-,689
15,458
,501
-,02454
,03563
-,10028
,05121
Om deze tabel te interpreteren kijkt men eerst naar de significantie van de Levene's Test, i.e. de groene kader. Indien de waarde hierin groter is dan 0,05; dan wordt de nulhypothese van gelijke varianties aanvaard. Vervolgens bekijkt men het getal in de Sig. (2-tailed) kolom op de rij van de Equal Variances assumed. Omdat deze waarde groter is dan 0,05 wordt H0 op 95% betrouwbaarheidsinterval aangenomen. Er is geen verschil in het gemiddelde van de twee groepen. Men voert dezelfde procedure uit op de andere variabelen standaardafwijking, variantie en Sharpe. Men bekomt dat deze allen vertellen dat de nulhypothese moet aanvaard worden. Er is dus weinig verschil te bemerken in de twee groepen.
Bijlage 1.2
Bovenstaande werkwijze wordt toegepast op de gehele beschouwde periode. De bevindingen worden nu vermeld. Tot en met het jaar 2007 was er geen verschil te bemerken tussen de twee groepen in geen enkele van de indicatoren. Een verandering vond plaats in het eerste kwartaal van 2008. De standaardafwijking en de variantie vertoonden veelbetekenende verschillen. De herziening door de beleggers van hun portfolio bij het ingaan van het nieuwe jaar, kan een uitleg bieden voor deze afwijking. Een optie is dat zij kozen voor een conservatiever risicoprofiel. Dit omdat ze lessen getrokken hadden uit de onrustige periode. De afschrijvingen kunnen ook voor een deel verantwoordelijk zijn. Deze bevindingen waren van korte duur, want dezelfde conclusies kon men niet naar het tweede kwartaal toe doortrekken. Het derde kwartaal vertoont opnieuw de bevindingen van kwartaal één. De koersen van niet effectiserende banken zijn minder beweeglijk. Aanvankelijk reageerden zij dan ook minder snel op de veranderde omstandigheden. In het vierde kwartaal kan men alleen de conclusie van de variantie behouden. In het eerste kwartaal van 2009 zijn nogmaals geen verschillen te bemerken tussen beide groepen. In het tweede kwartaal van datzelfde jaar wordt voor de eerste keer een verschil in het gemiddelde en de Sharpe ratio waargenomen. De gezuiverde balansen van de effectiserende banken kunnen dit ophelderen. Instellingen die aanzienlijke waardeverminderingen geboekt hadden op hun balans en producten in een vorige periode konden voor aangename verrassingen staan. Dit in de vorm van terugnemingen van afschrijvingen of waardevermindering. Het programma om de informatie ratio te berekenen, geeft het volgende weer voor kwartaal 1, 2006: Informatie ratio 0,01 0,04 0,02 -0,02 -0,01 -0,1 -0,05 -0,02 0,04
Tracking error 0,3 0,23 0,29 0,45 0,16 0,18 0,34 0,42 0,43
Tabel 8: de informatie ratio en tracking error De informatie ratio duidt aan hoe goed de financiële instellingen van de groep “niet effectiseren” presteert tegenover het gemiddelde van de groep “securitiseren”. Indien er duidelijke verschillen zijn in de prestatie, dan moet deze waarden verschillen van nul. Om
53
dit te weten te komen, voert men een One-Sample T Test uit in SPSS. Men krijgt het volgende resultaat voor de vier kwartalen in 2006: One-Sample Statistics Std. Error INFO_RAT1 INFO_RAT2
N 9 9
Mean -,0101 -,0246
Std. Deviation ,04577 ,05010
Mean ,01526 ,01670
INFO_RAT3
9
-,0289
,07322
,02441
INFO_RAT4
9
,0198
,07020
,02340
Zoals men opmerkt, liggen de gemiddelden dicht bij nul. One-Sample Test Test Value = 0 Mean t
INFO_RAT1 INFO_RAT2
Lower -,661 -1,471
INFO_RAT3 INFO_RAT4
df
Sig. (2-tailed)
Upper
Lower
Difference
95% Confidence Interval of the Difference
8 8
,527 ,179
Upper -,01008 -,02457
Lower -,0453 -,0631
Upper ,0251 ,0139
-1,183
8
,271
-,02888
-,0852
,0274
,847
8
,421
,01983
-,0341
,0738
Uit deze tabel leidt men af dat de nulhypothese, i.e. de prestaties van de groep “niet effectiseren” en de referentie-index zijn gelijkwaardig, mag aanvaard worden. Gelijke testen voor de volgende jaren brengen aan het licht dat de prestatie van de niet securitiserende banken beter was in het derde kwartaal van 2007 en tweede kwartaal van 2008. Een slechtere prestatie werd opgemeten in het tweede kwartaal van 2009. Een mogelijke uitleg hiervoor kan gemakkelijk gevonden worden. In het derde kwartaal van 2007 werden banken van de groep “effectiseren” geconfronteerd met meerdere problemen. Door de techniek van mark-to-market werden onmiddellijk verliezen gemaakt. Liquiditeitsproblemen wogen ook meer door bij banken die effectiseerden. Financiële instellingen die niet securitiseerden hadden hier minder last van. Het betere resultaat in het tweede kwartaal kan men wijten aan de hoeveelheid afschrijvingen. Instituten uit de “niet effectiseren” categorie waren veel minder genoodzaakt dit te doen. De verklaring voor de mindere prestatie in het tweede kwartaal van 2009 vindt men in het gedrag van de groep “effectiseren”. Deze laatste categorie heeft zijn minder kwaliteitsvolle producten zodanig afgeschreven dat men nu relatief gezien met een gezonde balans verder kan gaan. Hiervan ondervinden zij reeds de baten.
54
Op de tracking error, de standaardafwijking in de rendabiliteit van de groep “niet effectiseren” en de benchmark, wordt niet verder ingegaan.
Het CAPM model De volgende stap die werd gezet, was het berekenen van een CAPM model. In de meeste gevallen wordt deze voorgesteld door de formule:
E [ R A ]=R f A⋅ E [ RM ]− R f E[RA] = staat voor het verwacht rendement van bank A. De RM staat voor het marktrisico. Deze wordt geschat door de totale herbeleggingsindex van de markt. En de β geeft aan of het rendement van bank A beweeglijker is dan deze van de markt. Dit kan een indicator zijn voor het genomen risico door de instelling. Voor de volledigheid en het begrijpen van de parameters die straks geproduceerd worden, worden er aan deze formule nog twee termen toegevoegd.
E [ R A ]= A R f A⋅ E [ R M ]−R f Hierbij staat αA voor het diversifieerbaar risico en σ voor de residuele fout. De parameter die het meeste interessant is voor ons, is de beta. In het eerste model werd deze, samen met de andere parameters, op kwartaalbasis berekend. Aangezien dat de resultaten vertekend werden, door het kleine aantal observaties, werd geopteerd om deze op jaarbasis te berekenen.
Resultaten CAPM model De code (zie bijlage 3) produceert de volgende tabel voor het jaar 2006:
55
2006 α 0 0,01 0,02 0,01 0 -0,01 0,01 -0,02 0,01 1,16E-005 0 -0,01 0 0 0 0,01 0 0,01 0,02
T-statistiek 0,11 1,09 1,47 0,67 0,12 0,79 0,82 1,07 0,31 0 0,42 0,73 0,07 0,43 0,06 0,64 0,24 0,37 1,24
β 0,66 0,3 0,46 0,35 0,88 0,8 0,24 1,16 0,38 0,82 0,85 0,64 0,83 0,74 0,85 0,79 0,72 0,74 0,47
T-statistiek 8,49 5,65 7,48 3,54 15,42 14,12 3,84 11,56 3,59 18,22 17,5 16,91 16,78 20,05 15,57 7,51 15,42 9,77 5,38
σ 0,25 0,17 0,2 0,32 0,19 0,18 0,2 0,33 0,34 0,15 0,16 0,12 0,16 0,12 0,18 0,34 0,15 0,25 0,29
Standaard fout 0,08 0,05 0,06 0,09 0,05 0,05 0,06 0,1 0,1 0,04 0,05 0,04 0,05 0,04 0,05 0,1 0,05 0,07 0,08
GROEP 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1
0,05 significantieniveau
Tabel 9: uitkomst CAPM model voor het jaar 2006 De eerste kolom bevat de waarden van de α van de banken. De T-statistiek in de volgende kolom vertelt of men de nulhypothese mag aanvaarden dat α gelijk aan nul is. Daarvoor moeten deze waarden onder 1,96 liggen. Dit is voor alle getallen zo. De vierde kolom deelt mee of de bekomen waarden voor de beta's te vertrouwen zijn. Ja, de verkregen getallen hebben statistische significantie. Indien dit niet zo is, moeten de rijen uit de steekproef verwijderd worden. De vijfde kolom wordt gekenmerkt door de residuele fout en de zesde kolom geeft de mogelijke standaardfout op deze bekomen getallen weer. De laatste kolom is een simpele aanduiding in welke groep de observaties zich bevinden. 0 staat hier voor de groep “niet effectiseren”. Een independent-Sample T Test werd uitgevoerd op “beta” en “groep”. De resultaten voor het jaar 2006 worden hieronder uitgebeeld. Deze resultaten worden analoog onderzocht als in het vorige gebruik van de t-test. Voor de volledigheid, wordt de denkoefening opnieuw gemaakt:
56
Group Statistics Std. Error BETA_2006
GROEP 0 1
N
Mean ,5795 ,7451
9 10
Std. Deviation ,31490 ,11669
Mean ,10497 ,03690
Het gemiddelde is lager voor de groep die niet effectiseert. Men kan wel opmerken dat er onderling grotere verschillen zijn dan in de tweede groep. Independent Samples Test Levene's Test for Equality of Variances
BETA_2006
Equal variances assumed Equal variances not assumed
t-test for Equality of Means Mean Std. Error
F
Sig.
t
df
Sig. (2-tailed)
Difference
Difference
Lower
Upper
Lower
Upper
Lower
Upper
Lower
11,577
,003
95% Confidence Interval of the Difference Upper
Lower
-1,553
17
,139
-,16559
,10664
-,39059
,05941
-1,488
9,964
,168
-,16559
,11126
-,41362
,08244
Uit Sig. kan men afleiden dat men moet veronderstellen dat de varianties niet aan elkaar gelijk zijn. Men kijk dus naar de tweede rij bij Sig. (2tailed). Deze vertelt dat de nulhypothese, i.e. de bèta's in de twee groepen gelijk zijn aan elkaar, mag aanvaard worden.
Bijlage 1.2
Voor de andere jaren moet men de nulhypothese verwerpen. Dit heeft zijn implicaties op onze inzichten. Waar in 2006 het verschil tussen banken die effectiseerden en diegene die het niet deden, niet zichtbaar was, werd het zichtbaar in de volgende jaren. Het gemiddelde van beide groepen werd groter, maar voor de groep van “niet effectiseren” was de groei veel minder omvangrijk dan voor de andere groep. Dit is een belangrijke conclusie. Het betekent dat effectisering meer gevaren met zich meebracht, maar dat men deze risico's niet kon zien vóór het uitbreken van de crisis.
Het FHS model Een eerste code, die men terugvindt in bijlage 4, genereert twee portfolio's. Groep één bestaat uit alle banken die niet effectiseren. De andere bestaat uit instituten die het wel doen. Idealerwijze wordt er geen gebruik gemaakt van deze werkwijze en worden de financiële instellingen afzonderlijk onderzocht. Hier werd evenwel niet voor geopteerd om de output en duurtijd van het Filtered Historical Simulation algoritme te beperken. Desgelijks, wegens de ruwe verdeling die werd gemaakt tussen twee groepen, namelijk "effectiseren" en "niet effectiseren", heeft men minder baat dit apart te onderzoeken. Het algemeen beeld dat men krijgt na het lopen van de code is meer dan voldoende om stevige conclusies te trekken. Er wordt gestart van de totale return index zoals in het vooronderzoek, doch de transformatie op de observaties is in lichte mate gewijzigd.
X t −1=log
Xt X t−1
Nadat de twee portfolio's gecreëerd zijn, wordt de tweede code doorlopen (zie bijlage 5). Dit is het werkelijke algoritme. De achterliggende theorie hiervoor werd verzorgd door Barone-Adesi (1998). Het doel is, door middel van de techniek van FHS, het risico te bekomen van de twee groepen. Dit gebeurt op basis van de volatiliteit in schokken. Dit in tegenstelling tot de traditionele historische simulaties waar het aan de hand van de rendementen gebeurt. Deze beweeglijkheid van de schokken wordt bekomen door de rendementen te filteren m.b.v. het GARCH model (Andersen, Davis, Kreiß & Mikosh, 2009). In deze studie wordt, zoals eerder vermeld, gebruik gemaakt van het EGARCH model. Een eerste stap in het algoritme is gewichten geven aan de verschillende banken in de portfolio. Hier is gekozen om de banken elk hetzelfde belang mee te geven. Men kan evenwel aanpassingen maken om grotere banken meer gewicht te geven. Zodoende te
58
weerspiegelen dat zij belangrijker en invloedrijker zijn op beleggers dan kleinere banken. Nadat dit gebeurt is, wordt een figuur gemaakt van het rendement over de desbetreffende periode. Onderstaande figuur geeft dit weer voor de groep "effectiseren", kwartaal 1, jaar 2006:
Tekening 3: evolutie rendement over kwartaal 1, jaar 2006 voor de groep “effectiseren” Hier wordt reeds duidelijk dat in de meeste gevallen volatiliteitsclustering merkbaar zal zijn. Unieke situaties komen mede tot uiting in deze grafiek. Zo is in de figuur een duidelijke uitschieter van Banco BPI SA merkbaar. In deze situatie is dat te wijten aan overnamegeruchten van deze instelling. Een optimaal model introduceert dummy variabelen om zulke gebeurtenissen te verzwakken, of uit de observaties te filteren. In dit basismodel wordt dat niet gedaan. Een volgend, belangrijk stadium is het controleren op autocorrelatie in de rendementen. Dit is het fenomeen waar opeenvolgende storingstermen correleren. Indien dit zich voordoet kan men een vertekening van de coëfficiënten krijgen (De Pelsmacker & van Kenhove, 2006). In matlab wordt dit gedaan met de functie autocorr. Dit is een kwalitatieve test die de volgende figuur voor de groep "effectiseren", kwartaal 1, jaar 2006, tevoorschijn laat springen: 59
Tekening 4: autocorrelatie functie op het rendement Men voert deze test ook uit op de absolute waarde van het rendement. Dit doet men door het rendement te kwadrateren en dezelfde functie in matlab aan te roepen. Voor dezelfde groep die we reeds tweemaal gebruikt hebben, geeft dit:
60
Tekening 5: autocorrelatie functie op de absolute waarde van het rendement Indien autocorrelatie aanwezig is in één van deze twee grafieken, moet er een aanpassing gebeuren in het conditioneel gemiddelde van het model. In plaats van een standaard EGARCH model moet de autocorrelatie bestreden worden door een AR(1) transformatie uit te voeren. Men krijgt dan een AR(1)/EGARCH model. Naast een kwalitatieve test op autocorrelatie kan men ook een kwantitatieve test uitvoeren door gebruik te maken van de Ljung-Box-Pierce Q-test. Dit wordt toegepast in de code en indien er autocorrelatie wordt vastgesteld, wordt het model aangepast aan wat hierboven beschreven is. Om te testen op heteroscedaciteit, i.e. de residuen hebben ongelijke varianties, kan men Engle's ARCH test toepassen. Dit is een eigenschap die inherent is aan de meeste tijdseries. Vervolgens wordt het EGARCH(1,1) of het AR(1)/EGARCH(1,1) model opgesteld. Omdat heel vaak een EGARCH(1,1) model voldoende is om de volatiliteiten te verklaren, wordt het gehanteerd in deze studie. Om het beste model te bepalen kan men optioneel het Akaike Informatie Criteria berekenen. Hoe lager deze waarde, hoe beter het model. Het vaststellen van de vorm van het model en de schatting van de parameters daarop, geeft
61
ons meer informatie over de situatie in de desbetreffende periode. In volgende tabel wordt dit voorgesteld voor de tijdsspanne, jaar en groep die reeds meerdere malen als voorbeeld is gebruikt: Parameter C AR(1) K GARCH(1) ARCH(1) Leverage(1) DoF
Waarde 2,16E-003 -0,18 -1,28 0,86 -0,84 -0,43 4,43
Standaardfout 8,96E-004 0,08 0,85 0,09 0,37 0,19 3,52
T-Statistiek 2,41 -2,17 -1,5 9,73 -2,25 -2,23 1,26
De term Leverage(1) vertelt ons wat meer over de mate waarin negatieve schokken de beweeglijkheid meer verhogen dan hun positieve tegenhangers. De sommatie van GARCH(1) en ARCH(1) biedt informatie over de duur van de schokken in het model. Hoe dichter bij de waarde één, hoe langer de schok in het systeem blijft. De trilling blijft in het systeem gevangen, indien deze gelijk aan één is. De T-statistiek deelt mee of de 'Waarden' al dan niet verschillend van nul zijn. Een grafiek van de gefilterde storingstermen en evoluerende conditionele standaardafwijking wordt gemaakt. De figuur die men hieronder vindt, stelt dit tentoon:
Tekening 6: gefilterde storingstermen en conditionele standaardafwijking
62
Vervolgens standaardiseert men de storingstermen die voortgebracht zijn door het EGARCH model. Ten slotte kijkt men na of er autocorrelatie in deze, en de absolute variant, voorkomt. Normalerwijze is dit niet meer het geval.
Een volgend gedeelte van het algoritme is de werkelijke simulatie. Gebruikmakend van willekeurige trekkingen worden er voorspellingen gemaakt over de toekomstige wegen van de rendementen in de portfolio's. Dit gebeurt aan de hand van het EGARCH model, dat in een eerder deel werd gespecificeerd. Het aantal willekeurige trekkingen neemt men best groot genoeg om de precisie in het uiteindelijk resultaat te verhogen (Andersen & al. 2009). In dit model werden er 200 000 iteraties uitgevoerd. Dit zou meer dan genoeg moeten zijn.
Groep effectiseren
De code resulteert in vijf indicatoren: Jaar 2006 Maximaal gesimuleerde verliezen Maximaal gesimuleerde winsten
Kwartaal 1 24,79 18,76
Gesimuleerde 90% VaR Gesimuleerde 95% VaR Gesimuleerde 99% VaR
-0,92 -3,34 -8,24
Tabel 10: uitkomst van het FHS model: kwartaal 1, groep “effectiseren” De VaR geeft aan wat de geschatte verliezen kunnen zijn in een bepaald betrouwbaarheidsinterval. Deze verliezen worden gemeten t.o.v. een marktwaarde. De maximale gesimuleerde verliezen en winsten bieden een inzicht in het simulatieproces. Deze vijf indicatoren gelden op maandelijkse basis in het kwartaal. Dat wil zeggen er is 90% kans dat de verliezen onder 0,92% liggen in maand één, twee of drie van kwartaal één. 99% kans dat de verliezen beneden 8,24% blijven. Er moet met zorg met deze getallen worden omgegaan. Verliezen kunnen veel hoger liggen dan deze waarden laten uitschijnen.
Resultaten FHS model De resultaten van dit onderzoek zijn verrassend te noemen. Dit in de zin dat de groep van "niet effectiseren" over de gehele tijdslijn, met hier en daar een uitzondering buiten beschouwing gelaten, als minder risicovol beschouwd wordt dan hun effectiserende tegenhangers. Tekening 7 biedt hiervoor het bewijs. De overige figuren en cijfers kan men terugvinden in de bijlage 6. Het effect van de herwaardering van gevaren, verbonden aan securitisering, vindt men niet terug in de risico's. Dit kan erop wijzen dat 63
het instrument effectisering als minder risicovol werd gepercipieerd door de financiële instellingen, maar dat dit in de realiteit niet zo was. Verder onderzoek moet dit uitwijzen. Men ziet in de grafiek terug dat initieel de groep die niet securitiseerde veel minder bruusk werd afgestraft dan de andere groep in het derde kwartaal van 2007. Hiervoor kunnen meerdere verklaringen worden gegeven. Een: beleggers maken weldegelijk het verschil tussen de verschillende groepen. Twee: de groep "effectiseren" heeft veel meer nood aan liquiditeiten dan niet securitiserende banken. Indien deze markten blokkeren, ondervindt de eerste groep daar meer last van. Dit komt tot uiting in hun rendementen.
VaR 90% 10 5
ja n/ 0 ap 6 r/0 6 ju l/0 6 ok t/0 6 ja n/ 0 ap 7 r/0 7 ju l/0 ok 7 t/0 7 ja n/ 0 ap 8 r/0 8 ju l/0 8 ok t/0 8 ja n/ 0 ap 9 r/0 9
0 -5 -10 -15 -20 -25 -30
datum Groep effectiseren
Groep niet effectiseren
Tekening 7: Value-at-Risk op 90% over de periode 2006 – kwartaal twee 2009 Men kan opmerken dat de crisis zich geleidelijk aan doorzette in de risico's van de groep "niet effectiseren". Bij de securitiserende categorie gebeurde dit veel meer in horten en stoten. Dit is consistent met de bevindingen die in een eerder deel werden gemaakt over de financiële hefboom. De winsten blijken door de techniek van effectiseren gevoeliger te zijn. Eveneens dus de risico's. Een derde zaak die men duidelijk vaststelt, is de opmerkelijke val van de groep "niet effectiseren" in het vierde kwartaal van 2008. Dit wijst erop dat men meer in de richting van een vertrouwenscrisis moet zoeken dan naar een probleem met securitisering. Schokken bleven ook veel langer in het systeem. De redenen hiervoor werden in het deel 'rendement' opgesomd. Hoe scherp deze daling ook was, de heropleving kan men niet 64
minder dan spectaculair noemen. Dit wijst nog meer in de richting van een vertrouwenscrisis. Tevens vond dit in de groep van “effectiseren” plaats, weliswaar met een vertraging. De opwaartse klim is hier nog sterker. Dit valt mogelijk te verklaren door de massale bedragen die werden afgeschreven op slechte instrumenten. Banken zijn dus in een stadium belandt waar ze in een goede uitgangspositie staan om de toekomst tegemoet te gaan. Daarbij moet opgepast worden omdat nog steeds volatiliteit in het systeem aanwezig is. Het vertrouwen is nog niet bij alle marktparticipanten terug. De situatie kan steeds omkeren. De groep “effectiseren” zal hier minder last van ondervinden. Omdat gebleken is doorheen de gehele periode dat deze meer robuust is.
Voorstellen voor verder onderzoek Het model, hierboven beschreven, is voor verbetering vatbaar. Eerst en vooral zou men een beter onderscheid in de groep van effectisering kunnen maken. Nu is dit op een heel ruwe wijze gebeurd. Men kan dummy variabelen toevoegen om evenementen, situaties en effecten beter te bestuderen. Dit kan heel nuttig zijn in de periodes 2007 en 2008. Dummy variabelen kunnen dan voorkomen in de vorm van een hoog verhandeld volume aan aandelen op dagbasis, etc. Een gedetailleerder onderzoek naar de evenementen in het derde en vierde kwartaal van 2008 lijkt aangewezen. Deze periode is heel uniek geweest in zijn soort. Het verlies aan vertrouwen was enorm. Men kan zich afvragen hoe men als beleidsmaker deze situatie het beste aanpakt. De kosten die men maakt bij het reduceren van de schokken zijn gigantisch en de effecten ervan zijn onduidelijk. Wordt de toekomst, bij volgende soortgelijke crisissen, gekenmerkt door machteloosheid? De episodes na het tweede kwartaal zullen boeiende materie worden. Hoe volatiel worden deze periodes? Hoe herstelt het marktvertrouwen en in welke wijze evolueert de reële economie? Een volgend punt dat aantrekkelijk is om te onderzoeken, is uit welke onderdelen het totale risico bestaat. Hierbij nagaan of dit verschilt tussen de twee groepen. Mede moet men nagaan of dit evolueert in de tijd. Er zijn reeds meerdere onderzoeken gebeurd rond de elementen van het totale risico. In het jaar 2006 werd o.a. door Kuritizkes en Schuermann een onderzoek verricht in dit domein. Door Hublé werd in het jaar 2007 een gelijklopend onderzoek uitgevoerd. De resultaten van beide papers kwamen grotendeels overeen. Een extra variabele kan men toevoegen om het liquiditeitsrisico te meten. Voor het bepalen van het kredietrisico kan de credit spread van het financiële instituut gebruikt worden in plaats van de traditionele
65
loan loss provision. Een aanwijzer voor het liquiditeitsrisico kan men zoeken in de interbankenrente. Meer bepaald de euribor als men met Europese banken werkt.
66
Algemene conclusie Dit werk heeft getracht een totaalbeeld te vormen van het instrument effectisering en de bijhorende risico's. Het begrip wordt gedefinieerd als het bundelen van activa om te dienen als onderpand voor nieuwe uit te geven effecten. Dit fenomeen is wereldwijd verspreid, maar wordt niet overal even actief gebruikt. Om het product goed te leren kennen, werd het proces van securitiseren uitgelegd. De daarbij horende problemen, die prominent naar voren gekomen zijn in de huidige crisis, werden aangestipt. Omdat effectisering een rijke aanvulling kan betekenen in het productaanbod en investeringen van banken werden de voor- en nadelen opgesomd. Speciale aandacht werd besteed aan de gevaren van securitisering. Hierbij kan men besluiten dat effectisering, mits verantwoordelijk gebruik, een welgekomen aanvulling kan zijn. De crisis is veroorzaakt door een samenspel van falende mechanismen en problemen in het effectiseringsproces. Hoewel niet alle elementen evenveel hebben bijgedragen tot de huidige situatie, kan men er toch geen factor uithalen die dé oorzaak is. De onderliggende reden is daarentegen wel bekend. Dit is asymmetrische informatie. De kostbare gegevens voortgekomen uit de recessie moeten geïntegreerd worden in de toekomst van het instrument. Een tweede begrip dat omschreven werd, was rendement. Effectisering heeft hierop invloed via drie mechanismen. Securitisatie beïnvloedt de omzet, de kosten en de perceptie over de risico's van financiële instellingen. Daarnaast werd een algemeen overzicht gegeven van factoren die het rendement beïnvloeden. Een volgende stap was een gedetailleerde geschiedenis van de periode 2006 t.e.m. het tweede kwartaal van 2009 neer te schrijven. Hieruit kon worden afgeleid dat beleggers te kampen kregen met een overvloed van slecht nieuws in bepaalde kwartalen. Om verliezen te beperken, werd een conservatief risicoprofiel gevolgd. In de portfolio van deze beleggers kon men producten vinden die zich reeds lange tijd bewezen hadden. Producten ontstaan uit effectisering werden gemeden. Een derde deel van de masterproef omvat het onderzoek. Hierbij werden de twee vorige delen gecombineerd om een antwoord te vinden op twee vragen. Is er een verschil in risicoprofiel tussen banken die effectiseren en banken die niet effectiseren? En hoe is dit risicoprofiel geëvolueerd doorheen de crisis? De 90 grootste banken van Europa werden in twee groepen onderverdeeld. Hiervan werd een steekproef genomen. Om de hypothese te onderzoeken werden meerdere algoritmes opgesteld. Het belangrijkste daarvan is een basis filtered historical simulation model. De resultaten waren onverwacht. Over de gehele beschouwde periode, i.e. begin 2006 t.e.m. het tweede 67
kwartaal van 2009, scoorde de categorie van banken die niet securitiseerden beter of gelijkwaardig qua risico en winstgevendheid. De crisis werd ook veel meer geleidelijk aan opgebouwd in deze groep. Bij het andere stel banken werd de crisis met veel onaangename schokken ervaren. Slechts in het tweede kwartaal van 2009 maakte de groep “effectiseren” een inhaalbeweging. Door de massale afschrijvingen en herwaarderingen gemaakt op hun balansen, staat deze groep er weer gezond voor. Wel mogen er geen al te voorbarige conclusies gemaakt worden. Het herstel is niet minder dan spectaculair te noemen voor beide groepen. De beweeglijkheid in de rendementen kan terugkeren. Het vertrouwen van alle marktpartijen is nog niet geheel terug. Daarom worden de volgende periodes best op de voet gevolgd en met de nodige argwaan bekeken.
68
Referenties Andersen T.G., Davis R.A., Kreiß J-P. & Mikosh Th., 2009, Handbook of Financial Time Series, pg. 1050, Springer, pg. 471 – 473 Arner, Douglas W., Lejot, Paul en Schou-Zibell, Lotte, Securitization in East Asia (januari 2008). Regional Economic Integration Working Paper No. 12 . Beschikbaar op SSRN:
Ashcraft, Adam B. and Schuermann, Til,Understanding the Securitization of Subprime Mortgage Credit (maart 2008). Wharton Financial Institutions Center Working Paper No. 07-43; FRB of New York Staff Report, No. 318. Available at SSRN: Asset Securitization Report, Vol. 6, Nr. 14, april 2006, Sourcemedia, pg. 2 Bervas A., 2006, Market liquidity and its incorporation into risk management, Banque de France, Financial Stability Review, n° 8, pg. 67. Beschikbaar op: Borio, Claudio E. V.,The Financial Turmoil of 2007-?: A Preliminary Assessment and Some Policy Considerations(maart 1, 2008). BIS Working Paper No. 251. Beschikbaar op SSRN: Calomiris, Charles W, The Subprime Turmoil: What’s Old, What’s New, and What’s Next (oktober 2, 2008). Beschikbaar op: Carvalho, Carlos, Klagge, Nicholas and Moench, Emanuel,The Persistent Effects of a False News Shock(mei 18, 2009). Beschikbaar op: Clerc L., 2008, A primer on the subprime crisis (februari 2008), Banque de France Occasional paper No. 4. Beschikbaar op: http://www.banque-france.fr/gb/publications/telechar/debats/primer_subprime_crisis.pdf
VII
Coval, Joshua D., Jurek, Jakub W. and Stafford, Erik,The Economics of Structured Finance(oktober 20, 2008). Harvard Business School Finance Working Paper No. 09-060. Beschikbaar op SSRN: Christopher J. Mayer & Karen M. Pence & Shane M. Sherlund, 2008, The rise in mortgage defaults, Finance and Economics Discussion Series 2008-59, Board of Governors of the Federal Reserve System (U.S.). Beschikbaar op: Credit Risk Transfer: Developments from 2005 to 2007 – consultative document (april 2008), Bank for International Settlements, pg. 8 – 11. Beschikbaar op: De Grauwe P., 2008, Mark to market rules and efficiency of financial markets. Beschikbaar op: de Larosière J., Balcerowicz L, Issing O., Masera R., Mc Carthy C., Nysberg L., Pérez J., Ruding O., The high-level group on financial supervision in the EU (februari 25, 2009), 2009. Demirguc-Kunt, Asli and Serven, Luis,Are all the Sacred Cows Dead? Implications of the Financial Crisis for Macro and Financial Policies(januari 1, 2009). World Bank Policy Research Working Paper Series, Vol. , pp. -, 2009. Beschikbaar op SSRN: De Pelsmacker P., Van Kenhove P., 2006, Marktonderzoek: methoden en toepassingen (tweede editie), 2006, pg. 515, Pearson Education Benelux, pg. 279 – 281 D'Silva A., Brian G., 2008, Hedges in the warehouse: the banks get trimmed, Chicago Fed Letter, Federal Reserve Bank of Chicago, issue Apr.. Beschikbaar op: ECB, 2008, The incentive structure of the 'originate and distribute' model (december 19 2008). Beschikbaar op: VIII
ECB, 2005, The new Basel capital accord: main features and implications, Monthly Bulletin January 2005, pg. 49 -58. Beschikbaar op: Effectisering: zuinig omspringen met kapitaal, Economisch Financiële Berichten, Jaargang 55, nr. 5, 12 mei 2000, pg. 2 Eichengreen Barry, 2008, Ten questions about the sub-prime crisis, Banque de France Financial Stability Review: Special Issue on Liquidity, No. 11. Beschikbaar op: , pg. 21 Ewerhart C., Tapking J., Repo markets, counterparty risk and the 2007/2008 liquidity crisis, Working Paper Series 909, European Central Bank, 2008. Beschikbaar op: Fabozzi, Frank J. en Kothari, Vinod, Securitization: The Tool of Financial Transformation. Yale ICF Working Paper No. 07-07. Beschikbaar op SSRN: Financial Market Highlights – May 2008: The Recent Financial Market Turmoil, Contagion Risks and Policy Responses, Financial Market Trends, ISSN 1955-2864, OECD, 2008, pg. 2 Gambacorta, Leonardo, Altunbas, Yener and Marques-Ibanez, David,Securitisation and the Bank Lending Channel(november 2007). Bank of Italy Temi di Discussione (Working Paper) No. 653; ECB Working Paper No. 838. Beschikbaar op SSRN: Gibson, Michael S.,Credit Derivatives and Risk Management (oktober 1, 2007). FEDS Working Paper No. 2007-47. Beschikbaar op SSRN: Goderis, Benedikt, Marsh, Ian W., Vall Castello, Judit and Wagner, Wolf,Bank Behavior with Access to Credit Risk Transfer Markets (oktober 2006). Cass Business School Research Paper. Beschikbaar op SSRN: IX
Gorton, Gary B.,The Subprime Panic (september 30, 2008). Yale ICF Working Paper No. 08-25. Beschikbaar op SSRN: Gorton, Gary B. and Souleles, Nicholas S.,Special Purpose Vehicles and Securitization(september 2005). FRB Philadelphia Working Paper No. 05-21. Beschikbaar op SSRN: Gutierrez M., Tempkin A., Structured Finance (februari 24, 2005), Standard & Poor's, 2005. Beschikbaar op: Haensel, Dennis and Krahnen, Jan Pieter, Does Credit Securitization Reduce Bank Risk? Evidence from the European CDO Market(januari 29, 2007). Beschikbaar op SSRN: Janssens C., 2003, Techniek van het effectiseren en toepassing op de Belgische markt, reeks: financiële cahiers, Larcier, Jobst, Andreas A.,The Economics of Islamic Finance and Securitization(mei 2007). IMF Working Papers, Vol. , pp. 1-35, 2007. Beschikbaar op SSRN: KBC, 2003, Securitisation: An Introduction (including KBC's Treasury and Capital Markets' track record), januari 2003. Beschikbaar op: Kothari V., 2006, Securitization: The Financial Instrument of the Future, August 2006, pg. 992, Wiley Kroszner S. Randall, Liquidity-risk management in the business of banking: a speech at the Institue of International Bankers Annual Washington Conference, Washington, D.C. (maart 3, 2008), 2008. Beschikbaar op: Landau J-P., 2008, Extreme events in finance: some reflexions (september 3, 2008), pg. 2. Beschikbaar op: http://www.banquefrance.fr/gb/instit/telechar/discours/disc080903.pdf X
Landau J-P., 2009, Procyclicality: what it means and what could be done (mei 4, 2009), pg. 2. Beschikbaar op: Lessons of the Financial Crisis for Future Regulation of Financial Institutions and Markets and for Liquidity Management (februari 4, 2009), International Monetary Fund, 2009. Beschikbaar op: Lord, Turner, The Turner Review: A regulatory response to the global banking crisis (maart 2009). Financial Services Authority paper. Beschikbaar op: Loutskina, Elena, Does Securitization Affect Bank Lending? Evidence from Bank Responses to Funding Shocks (oktober 2005). EFA 2005 Moscow Meetings, Forthcoming. Beschikbaar op SSRN: Nikolaou, Kleopatra,Liquidity (Risk) Concepts: Definitions and Interactions(februari 23, 2009). ECB Working Paper No. 1008. Beschikbaar op SSRN: Paul S. Mills & John Kiff, 2007. Money for Nothing and Checks for Free: Recent Developments in U.S. Subprime Mortgage Markets, IMF Working Papers 07/188, International Monetary Fund. Beschikbaar op: Shane M. Sherlund, 2008, The past, present, and future of subprime mortgages, Finance and Economics Discussion Series 2008-63, Board of Governors of the Federal Reserve System (U.S.). Beschikbaar op Spackman, Carolyne and Singh, Manmohan,The Use (and Abuse) of CDS Spreads during Distress(maart 2009). IMF Working Papers, Vol. , pp. 1-11, 2009. Beschikbaar op SSRN: Wilson, Elliot, and Elizabeth Ryan. 2006, Securitizing China, Asiamoney 16, no. 1: 43-43, Business Source Premier, EBSCOhost (accessed August 10, 2009)
XI
Bijlage 1: Code matlab voor het gemiddelde, de standaardafwijking, variantie en Sharpe ratio for Jaar = 2006 : 2009 for Kwartaal = 1:4 % addpath Gegevens_ris = xlsread(strcat('', ... int2str(Jaar), '_GSV\Kwartaal_', int2str(Kwartaal), '\', ... 'Risicovrij')); switch Jaar case 2008 Observaties_jaar = 262; otherwise Observaties_jaar = 261; end; for t = 2 : length(Gegevens_ris) Gegevens_ris(t-1,1) = (Gegevens_ris(t,1) – Gegevens_ris(t-1,1))/ (Gegevens_ris(t-1,1))... *sqrt(Observaties_jaar); end Gegevens_ris(length(Gegevens_ris), :) = []; clear t; for Groep = 1:2 Pad = strcat('', int2str(Jaar) ... ,'_GSV\Kwartaal_', int2str(Kwartaal), '\'); % groep NIET effectiseren % keuze definiëren % 1 = groep die niet effectiseert % 2 = groep die effectiseert switch Groep
Bijlage 1.1
case 1 Pad2 = strcat(Pad, 'Groep NIET effectiseren\'); Gegevens_groot = xlsread(strcat(Pad2, ... 'Niet_effectiseren')); Overzicht = zeros(size(Gegevens_groot, 2), 5); case 2 Pad2 = strcat(Pad, 'Groep effectiseren\'); Gegevens_groot = xlsread(strcat(Pad2, 'Effectiseren')); Overzicht2 = ones(size(Gegevens_groot, 2), 5); end %% hoofdlus Lus = 1:size(Gegevens_groot, 2); for i = Lus Gegevens = Gegevens_groot(:,i); % procentuele verandering berekenen for j = 2 : length(Gegevens) %(q(j) - q(j-1) /q(j-1))*sqrt(observaties in het jaar) Gegevens(j-1,1) = (Gegevens(j,1) - Gegevens(j-1,1))/ (Gegevens(j-1,1))*sqrt(Observaties_jaar); %Gegevens(j-1,1) = %log(Gegevens(j,1)/Gegevens(j-1))*sqrt(Observaties_jaar) end Gegevens(length(Gegevens), :) = []; %laaste element/rij schrappen %bereken sharpe ratio Risicovrij = mean(Gegevens_ris(:,1)); % nog aan te vullen Sharpe = sharpe(Gegevens(:,1), Risicovrij); switch Groep case 1 Overzicht(i,1) = mean(Gegevens); Overzicht(i,2) = std(Gegevens); Overzicht(i,3) = var(Gegevens); Overzicht(i,4) = Sharpe; case 2 Overzicht2(i,1) = mean(Gegevens); Overzicht2(i,2) = std(Gegevens); Overzicht2(i,3) = var(Gegevens); Overzicht2(i,4) = Sharpe;
Bijlage 1.2
end clearvars -except Gegevens_groot i Lus Pad Pad2 Groep Kwartaal ... Gegevens_ris ... Observaties_jaar Overzicht Overzicht2 Jaar; end %einde lus clearvars -except Groep Kwartaal Gegevens_ris Gegevens_mar ... Observaties_jaar Overzicht Overzicht2 Pad Jaar; end %twee groepen Overzicht3 = [Overzicht;Overzicht2]; cd(Pad); Temp = 'Overzicht3'; save(Temp, 'Overzicht3'); clearvars -except Jaar end %einde kwartaal end clear all
Bijlage 1.3
Bijlage 2: Code informatie ratio en tracking error for Jaar = 2006 : 2009 for Kwartaal = 1:4 % addpath Pad = strcat('', int2str(Jaar) ... ,'_GSV\Kwartaal_', int2str(Kwartaal), '\'); Pad2 = strcat(Pad, 'Groep NIET effectiseren\'); Gegevens_groot = xlsread(strcat(Pad2, 'Niet_effectiseren')); IRTE = zeros(2, size(Gegevens_groot, 2))'; Pad2 = strcat(Pad, 'Groep effectiseren\'); Gegevens_risicovol = xlsread(strcat(Pad2, 'Effectiseren')); switch Jaar case 2008 Observaties_jaar = 262; otherwise Observaties_jaar = 261; end; for j = 1 : size(Gegevens_risicovol, 2); for t = 2 : length(Gegevens_risicovol(:,j)) Gegevens_risicovol(t-1,j) = (Gegevens_risicovol(t,j) - ... Gegevens_risicovol(t-1,j))/(Gegevens_risicovol(t-1,j))... *sqrt(Observaties_jaar); end end Gegevens_risicovol(length(Gegevens_risicovol), :) = []; clear t j; %transponeren Gegevens_risicovol_mean = Gegevens_risicovol'; %voor snelheidsredenen matrix voorbereiden mean_risicovol = zeros(size(Gegevens_risicovol_mean, 1), 1); %gemiddelde returns van een rij 'niet effectiseren returns' for j = 1 : size(Gegevens_risicovol_mean, 2) Bijlage 2.1
mean_risicovol(j, 1) = mean(Gegevens_risicovol_mean(:, j)); end clear j %% hoofdlus Lus = 1:size(Gegevens_groot, 2); for i = Lus Gegevens = Gegevens_groot(:,i); % procentuele verandering berekenen for j = 2 : length(Gegevens) %(q(j) - q(j-1) /q(j-1))*sqrt(observaties in het jaar) Gegevens(j-1,1) = (Gegevens(j,1) - Gegevens(j-1,1))/ (Gegevens(j-1,1))*sqrt(Observaties_jaar); %Gegevens(j-1,1) = %log(Gegevens(j,1)/Gegevens(j-1))*sqrt(Observaties_jaar) end Gegevens(length(Gegevens), :) = []; %laaste element/rij schrappen %bereken sharpe ratio Benchmark = mean_risicovol; [Inforatio, Trackingerror] = inforatio(Gegevens, Benchmark); IRTE(i, 1) = Inforatio; IRTE(i, 2) = Trackingerror; clearvars -except Gegevens_groot i Lus Pad Pad2 Kwartaal ... Gegevens_risicovol ... Observaties_jaar IRTE mean_risicovol Jaar; end %einde lus cd(Pad); Temp = 'IRTE'; save(Temp, 'IRTE'); clearvars -except Jaar end %einde kwartaal end clear all
Bijlage 2.2
Bijlage 3: Code voor CAPM model for Jaar = 2006 : 2009 % addpath Gegevens_ris = xlsread(strcat('', ... int2str(Jaar), '_C\', ... 'Risicovrij')); Gegevens_mar = xlsread(strcat('', ... int2str(Jaar), '_C\', ... 'Markt')); if Jaar ~= 2009 Observaties_jaar = length(Gegevens_ris)-1; else Observaties_jaar = 261; end for t = 2 : length(Gegevens_ris) Gegevens_ris(t-1,1) = (Gegevens_ris(t,1) – Gegevens_ris(t-1,1))/ ... (Gegevens_ris(t-1,1))... *sqrt(Observaties_jaar); Gegevens_mar(t-1,1) = (Gegevens_mar(t,1) – Gegevens_mar(t-1,1))/ (Gegevens_mar(t-1,1))... *sqrt(Observaties_jaar); end Gegevens_ris(length(Gegevens_ris), :) = []; Gegevens_mar(length(Gegevens_mar), :) = []; clear t; for Groep = 1:2 Pad = strcat('', int2str(Jaar) ... ,'_C\'); % groep NIET effectiseren % keuze definiëren Bijlage 3.1
% 1 = groep die niet effectiseert % 2 = groep die effectiseert switch Groep case 1 Pad2 = strcat(Pad, 'Groep NIET effectiseren\'); Gegevens_groot = xlsread(strcat(Pad2, 'Niet_effectiseren')); Overzicht = zeros(size(Gegevens_groot, 2), 7); case 2 Pad2 = strcat(Pad, 'Groep effectiseren\'); Gegevens_groot = xlsread(strcat(Pad2, 'Effectiseren')); Overzicht2 = ones(size(Gegevens_groot, 2), 7); end %% hoofdlus Lus = 1:size(Gegevens_groot, 2); for i = Lus Gegevens = Gegevens_groot(:,i); % procentuele verandering berekenen for j = 2 : length(Gegevens) %(q(j) - q(j-1) /q(j-1))*sqrt(observaties in het jaar) Gegevens(j-1,1) = (Gegevens(j,1) – Gegevens(j-1,1))/ (Gegevens(j-1,1))*sqrt(Observaties_jaar); %Gegevens(j-1,1) = %log(Gegevens(j,1)/Gegevens(j-1))*sqrt(Observaties_jaar) end Gegevens(length(Gegevens), :) = []; %laaste element/rij schrappen %capm model Testdata = zeros(size(Gegevens, 1), 1); Testdesign = zeros(size(Gegevens, 1), 2); Testdata = Gegevens(:, 1) - Gegevens_ris(:, 1); Testdesign(:, 1) = 1.0; Testdesign(:, 2) = Gegevens_mar(:, 1) - Gegevens_ris(:, 1); %schatten van model
Bijlage 3.2
[Param, Covar] = ecmmvnrmle(Testdata, Testdesign); %schatten van ideale standaard fouten [Stdparam, Stdcovar] = ecmmvnrstd(Testdata, Testdesign, Covar, 'fisher'); Stdparam = ecmmvnrstd(Testdata, Testdesign, Covar, 'hessian'); switch Groep case 1 Overzicht(i,1) = Param(1); Overzicht(i,3) = Param(2); Overzicht(i,5) = sqrt(Covar); Overzicht(i,2) = abs(Param(1)/Stdparam(1)); Overzicht(i,4) = abs(Param(2)/Stdparam(2)); Overzicht(i,6) = sqrt(Stdcovar); case 2 Overzicht2(i,1) = Param(1); Overzicht2(i,3) = Param(2); Overzicht2(i,5) = sqrt(Covar); Overzicht2(i,2) = abs(Param(1)/Stdparam(1)); Overzicht2(i,4) = abs(Param(2)/Stdparam(2)); Overzicht2(i,6) = sqrt(Stdcovar); end clearvars -except Gegevens_groot i Lus Pad Pad2 Groep Kwartaal Gegevens_ris Gegevens_mar ... Observaties_jaar Overzicht Overzicht2 Jaar; end %einde lus 9 keer clearvars -except Groep Kwartaal Gegevens_ris Gegevens_mar Observaties_jaar Overzicht Overzicht2 Pad Jaar; end %twee groepen Overzicht3 = [Overzicht;Overzicht2]; cd(Pad); Temp = 'Overzicht3'; save(Temp, 'Overzicht3'); clearvars -except Jaar; end clear all
Bijlage 3.3
Bijlage 4: Code om portfolio's te maken for Jaar = 2006:2009 switch Jaar case 2009 HKwartaal = [1:2]; otherwise HKwartaal = [1:4]; end; for Kwartaal = HKwartaal %er zijn 4 kwartalen in een jaar for Groep = 1:2 set(gcf, 'Visible', 'off') % geen grafieken tonen %% addpath Pad = strcat('',int2str(Jaar), '\kwartaal_', ... int2str(Kwartaal), '\'); switch Groep case 1 Namen = {' Van Lanschot NV' ' Sparekassen Faaborg' ' Ringkoebing Landobank' ... ' Nordfyns Bank' ' Nordea Bank AB' ... ' Svenska Handelsbanken' ' Noerresundby Bank' ' Bank of Attica SA' ... ' Bank of Aland Plc'}; Namen2 = {'Lanschot' 'SFaaborg' 'Ringkoebing' ... 'Nordfyns_Bank' 'Nordea_Bank_AB' ... 'Svenska_Handelsbanken' 'Noerresundby' 'Attica' ... 'Bank_of_Aland'}; Pad = strcat(Pad, 'Groep NIET effectiseren\'); Gegevens_groot = xlsread(strcat(Pad, 'Kwartaal_',int2str(Kwartaal),'_NE_AC')); case 2 Namen = {' Deutsche Bank AG' ' KBC Groep NV' ' Dexia' ' BNP Paribas' ... ' Banco Santander SA' ' Bankinter SA' ' Spar Nord Bank' ' UniCredit SpA' ... ' Alpha Bank AE' ' Banco BPI SA'}; Pad = strcat(Pad, 'Groep effectiseren\'); Bijlage 4.1
Gegevens_groot = xlsread(strcat(Pad, 'Kwartaal_' ,int2str(Kwartaal),'_E_AC')); end %% hoofdlus Lus = 1:size(Gegevens_groot, 2); for i = Lus Gegevens = Gegevens_groot(:,i); for j = 2 : length(Gegevens) %Gegevens(j-1,1) = (Gegevens(j,1) - Gegevens(j-1,1))/... %(Gegevens(j-1,1))*sqrt(Observaties_jaar); Gegevens(j-1, 1) = log(Gegevens(j, 1)/Gegevens(j-1, 1)); end Gegevens(length(Gegevens), :) = []; %laaste element/rij schrappenµ switch Groep case 1 switch i case 1 Lanschot = Gegevens; case 2 Faaborg =
Gegevens;
case 3 Ringkoebing = Gegevens; case 4 Nordfyns = Gegevens; case 5 Nordea = Gegevens; case 6 Svenska = Gegevens; case 7 Noerresundby = Gegevens; case 8 Attica = Gegevens; case 9 Aland = Gegevens; end case 2 switch i case 1
Bijlage 4.2
Deutsche_Bank = Gegevens; case 2 KBC =
Gegevens;
case 3 Dexia = Gegevens; case 4 BNP = Gegevens; case 5 Santander = Gegevens; case 6 Bankinter = Gegevens; case 7 Spar_Nord = Gegevens; case 8 UniCredit = Gegevens; case 9 Alpha = Gegevens; case 10 BPI = Gegevens; end end end %einde lus switch Groep case 1 NEffectdata = struct('Lanschot', Lanschot, 'Faaborg', Faaborg, ... 'Ringkoebing', Ringkoebing, 'Nordfyns', Nordfyns, ... 'Nordea', Nordea, 'Svenska', Svenska, ... 'Noerresundby', Noerresundby, 'Attica', Attica, 'Aland', Aland ... ); cd(Pad); Temp = 'NEffectdata'; save(Temp, 'NEffectdata'); case 2 Effectdata = struct('Deutsche_Bank', Deutsche_Bank, 'KBC', KBC, ...
Bijlage 4.3
'Dexia', Dexia, 'BNP', BNP, 'Santander', Santander, ... 'Bankinter', Bankinter, 'Spar_Nord', Spar_Nord, 'UniCredit', UniCredit, ... 'Alpha', Alpha, 'BPI', BPI ... ); cd(Pad); Temp = 'Effectdata'; save(Temp, 'Effectdata'); end clearvars -except Groep Kwartaal Observaties_jaar Jaar HKwartaal; end %twee groepen end % kwartaal clearvars -except Jaar; end % Jaar clear all
Bijlage 4.4
Bijlage 5: Code FHS model %% Risico beide portfolios gebruikmakend van bootstrapping en FHS for Jaar = 2006:2009 switch Jaar case 2009 HKwartaal = [1:2]; otherwise HKwartaal = [1:4]; end; for Kwartaal = HKwartaal %er zijn 4 kwartalen in een jaar for Groep = 1:2 Pad = strcat('', int2str(Jaar), '\kwartaal_', ... int2str(Kwartaal), '\'); switch Groep case 1 Banken = {' Van Lanschot NV' ' Sparekassen Faaborg' ' Ringkoebing Landobank' ... ' Nordfyns Bank' ' Nordea Bank AB' ... ' Svenska Handelsbanken' ' Noerresundby Bank' ' Bank of Attica SA' ... ' Bank of Aland Plc'}; Pad = strcat(Pad, 'Groep NIET effectiseren\'); cd(Pad); load NEffectdata; Rendement = [ NEffectdata.Lanschot NEffectdata.Faaborg NEffectdata.Ringkoebing ... NEffectdata.Nordfyns NEffectdata.Nordea ... NEffectdata.Svenska NEffectdata.Noerresundby NEffectdata.Attica ... NEffectdata.Aland ] ; case 2 Banken = {' Deutsche Bank AG' ' KBC Groep NV' ' Dexia' ' BNP Paribas' ... ' Banco Santander SA' ' Bankinter SA' ' Spar Nord Bank' ' UniCredit SpA' ... Bijlage 5.1
' Alpha Bank AE' ' Banco BPI SA'}; Pad = strcat(Pad, 'Groep effectiseren\'); cd(Pad); load Effectdata; Rendement = [ Effectdata.Deutsche_Bank Effectdata.KBC Effectdata.Dexia ... Effectdata.BNP Effectdata.Santander ... Effectdata.Bankinter Effectdata.Spar_Nord Effectdata.UniCredit ... Effectdata.Alpha Effectdata.BPI ] ; end switch Jaar case 2006 switch Kwartaal case 1 Kwartaaltick = [1 24 44 66]; Kwartaallabel = {'januari 2006' 'februari 2006' 'maart 2006' 'april 2006'}; case 2 Kwartaaltick = [1 21 44 66]; Kwartaallabel = {'april 2006' 'mei 2006' 'juni 2006' 'juli 2006'}; case 3 Kwartaaltick = [1 23 46 66]; Kwartaallabel = {'juli 2006' 'augustus 2006' 'september 2006' 'oktober 2006'}; case 4 Kwartaaltick = [1 24 46 66]; Kwartaallabel = {'oktober 2006' 'november 2006' 'december 2006' 'januari 2007'}; end case 2007 switch Kwartaal case 1 Kwartaaltick = [1 21 44 66]; Kwartaallabel = {'januari 2007' 'Bericht Freddie Mac' 'maart 2007' 'april 2007'}; case 2
Bijlage 5.2
Kwartaaltick = [1 22 45 66]; Kwartaallabel = {'New Century Financial Corp' 'mei 2007' 'Downgrading 100 producten' 'juli 2007'}; case 3 Kwartaaltick = [1 8 22 29 55 66]; Kwartaallabel = {'' 'Downgrading 600' 'Bearn Sterns' 'rente' ... 'Northern Rock' 'oktober 2007'}; case 4 Kwartaaltick = [1 24 54 58 66]; Kwartaallabel = {'UBS verliezen' 'november 2007' 'CB' 'Downgr.' 'jan 2007'}; end case 2008 switch Kwartaal case 1 Kwartaaltick = [1 15 35 55 66]; Kwartaallabel = {'2008' 'Beurzen' 'Nortern Rock' 'Bearn Sterns' 'april 2008'}; case 2 Kwartaaltick = [1 22 38 66]; Kwartaallabel = {'april 2008' 'mei 2008' 'UBS' 'juli 2008'}; case 3 Kwartaaltick = [1 24 46 50 55 56 57]; Kwartaallabel = {'juli' ' aug 2008' 'sep 2008' '1' '2' '3' '4' '5' }; case 4 Kwartaaltick = [1 3 9 34 44 66]; Kwartaallabel = {'Dex.' '6' 'RBS' 'CB' 'Recessie' 'Dec 2008' 'Jan 2009' }; end case 2009 switch Kwartaal case 1 Kwartaaltick = [1 23 43 65]; Kwartaallabel = {'januari 2009' 'februari 2009' 'maart 2009'
'april 2009'}; case 2
Bijlage 5.3
Kwartaaltick = [1 22 44 65]; Kwartaallabel = {'april 2009' 'mei 2009' 'juni 2009' 'juli 2009'}; end end set(gcf, 'Visible', 'off') % geen grafieken tonen plot(Rendement); set(gca, 'XTick', Kwartaaltick); % waarden instellen van begin maand set(gca, 'XTickLabel', Kwartaallabel); % bv.: januari, februari, ... xlabel('Gebeurtenissen'); ylabel('Rendement'); switch Groep case 1 Temp_string = ', groep: (NE)'; case 2 Temp_string = ', groep: (E)'; end title(strcat('Rendement over kwartaal_',int2str(Kwartaal),', jaar ', int2str(Jaar), Temp_string)); legend(Banken, 'Location', 'BestOutside'); Temp = strcat(Pad, '\Rendement'); print('-dpng', char(Temp)); %gewichten geven aan portfolio %gelijk in dit voorbeeld nIndices = size(Rendement, 2); Gewichten = repmat(1/nIndices, nIndices, 1); Rendement = Rendement * Gewichten; T = size(Rendement, 1); %autocorrelatie bekijken set(gcf, 'Visible', 'off') % geen grafieken tonen autocorr(Rendement) title('Steekproef ACF van rendement');
Bijlage 5.4
Temp = strcat(Pad, '\Autocorr'); print('-dpng', char(Temp)); set(gcf, 'Visible', 'off') % geen grafieken tonen autocorr(Rendement.^2) title('Steekproef ACF van het Rendement in kwadraat'); Temp = strcat(Pad, '\Autocorr2'); print('-dpng', char(Temp)); [H, PValue, Stat, CriticalValue] = lbqtest(Rendementmean(Rendement), ... [1:20]', 0.05); clearvars PValue Stat CriticalValue; %die zijn niet nodig Model = 0; for k = 1:length(H) if H(k,1) == 1 Model = 1; end end clearvars k; [H, PValue, Stat, CriticalValue] = lbqtest((Rendementmean(Rendement)).^2, ... [1:20]', 0.05); clearvars PValue Stat CriticalValue; %die zijn niet nodig for k = 1:length(H) if H(k,1) == 1 Model = 1; end end clearvars k; switch Model
Bijlage 5.5
case 0 spec = garchset('Distribution' , 'T'
, 'P', 1, 'Q', 1, ...
'VarianceModel', 'EGARCH', 'Display','off'); case 1 spec = garchset('Distribution' , 'T'
, 'P', 1, 'Q', 1,
'R', 1, ... 'VarianceModel', 'EGARCH', 'Display','off'); end [spec, errors, LLF, residuals, sigmas] = garchfit(spec, Rendement); garchdisp(spec, errors)
% Display the estimation results
%AIC = Akaike Informatie Criteria %NumParams = garchcount(spec); %AIC = aicbic(LLF, NumParams); clf; set(gcf, 'Visible', 'off') % geen grafieken tonen subplot(2,1,1) plot(residuals) set(gca, 'XTick', Kwartaaltick); % waarden instellen van begin maand set(gca, 'XTickLabel', Kwartaallabel); % bv.: januari, februari, ... xlabel('Gebeurtenissen') ylabel('Storingstermen') title('gefilterde storingstermen') subplot(2,1,2) plot(sigmas) set(gca, 'XTick', Kwartaaltick); % waarden instellen van begin maand set(gca, 'XTickLabel', Kwartaallabel); % bv.: januari, februari, ... xlabel('Gebeurtenissen') ylabel('Volatiliteit') title('gefilterde conditionele standaardafwijkingen')
Bijlage 5.6
Temp = strcat(Pad, '\Gefilterde elementen'); print('-dpng', char(Temp)); StandardizedResiduals = residuals ./ sigmas; clf; set(gcf, 'Visible', 'off') % geen grafieken tonen autocorr(StandardizedResiduals) title('Steekproef ACF van gestandaardiseerde storingstermen'); Temp = strcat(Pad, '\Residual'); print('-dpng', char(Temp)); set(gcf, 'Visible', 'off') % geen grafieken tonen autocorr(StandardizedResiduals.^2) title('Steekproef ACF van gestandaardiseerde storingstermen in het kwadraat'); Temp = strcat(Pad, '\Residual2'); print('-dpng', char(Temp)); rand('state', 0) NTrials = 200000; Horizon = 22; BootstrappedResiduals = StandardizedResiduals(unidrnd(T, Horizon, NTrials)); PreResidual = residuals(end); PreSigma = sigmas(end); PreReturn = Rendement(end); [ dummy, dummy, PortfolioReturns] = garchsim(spec, Horizon, ... NTrials, BootstrappedResiduals, [], [], PreResidual, ... PreSigma, PreReturn); CumulativeReturns = sum(PortfolioReturns); VaR = 100 * quantile(CumulativeReturns, [0.10 0.05 0.01]'); disp(' ')
Bijlage 5.7
fprintf('Maximum Gesimuleerde Verlies: %8.4f%s\n'
,
-100*min(CumulativeReturns), '%') fprintf('Maximum Gesimuleerde Winst: %8.4f%s\n\n' , 100*max(CumulativeReturns), '%') fprintf('
Gesimuleerde 90%% VaR: %8.4f%s\n'
,
VaR(1), '%')
fprintf('
Gesimuleerde 95%% VaR: %8.4f%s\n'
,
VaR(2), '%')
fprintf('
Gesimuleerde 99%% VaR: %8.4f%s\n\n',
VaR(3), '%')
Overzicht = [ -100*min(CumulativeReturns); 100*max(CumulativeReturns); VaR(1); VaR(2); VaR(3)]; cd(Pad); Temp = 'Overzicht'; save(Temp, 'Overzicht'); clearvars -except Jaar Kwartaal Groep end %twee groepen end % kwartaal clearvars -except Jaar; end % Jaar clear all;
Bijlage 5.8
Groep effectiseren
Jaar 2006 Maximaal gesimuleerde verliezen Maximaal gesimuleerde winsten
Groep effectiseren
Jaar 2007 Maximaal gesimuleerde verliezen Maximaal gesimuleerde winsten
Groep effectiseren
Bijlage 6: Resultaten FHS model
Jaar 2008 Maximaal gesimuleerde verliezen Maximaal gesimuleerde winsten
Gesimuleerde 90% VaR Gesimuleerde 95% VaR Gesimuleerde 99% VaR
Gesimuleerde 90% VaR Gesimuleerde 95% VaR Gesimuleerde 99% VaR
Gesimuleerde 90% VaR Gesimuleerde 95% VaR Gesimuleerde 99% VaR
Groep effectiseren Bijlage 6.1
Kwartaal 1 Kwartaal 2 Kwartaal 3 Kwartaal 4 24,79 69,81 14,01 15,81 18,76 9,75 5,39 12,94 -0,92 -3,34 -8,24
-6,67 -10,54 -20,11
-1,25 -2,04 -3,84
-2,09 -3,36 -5,91
Kwartaal 1 Kwartaal 2 Kwartaal 3 Kwartaal 4 37,6 18,06 107,76 474,11 10,02 12,67 9,08 125,49 -5,86 -8,62 -14,77
-2,46 -3,93 -6,89
-11,82 -16,87 -30,7
-5,96 -9,92 -24,77
Kwartaal 1 Kwartaal 2 Kwartaal 3 Kwartaal 4 58,04 65,61 102,1 114,82 25,55 64,82 19,17 -2,2 -15,55 -20,38 -29,83
Jaar 2009 Maximaal gesimuleerde verliezen Maximaal gesimuleerde winsten Gesimuleerde 90% VaR Gesimuleerde 95% VaR Gesimuleerde 99% VaR
-18,93 -24,7 -35,47
-27,9 -34,96 -50,13
Kwartaal 1 Kwartaal 2 147,88 20,06 49,04 90,04 -20,43 -27,66 -44,39
5,3 2,98 -1,54
-27,49 -31,65 -41,77
Groep niet effectiseren
Jaar 2006 Maximaal gesimuleerde verliezen Maximaal gesimuleerde winsten
Groep niet effectiseren
Jaar 2007 Maximaal gesimuleerde verliezen Maximaal gesimuleerde winsten
Groep niet effectiseren
Jaar 2008 Maximaal gesimuleerde verliezen Maximaal gesimuleerde winsten
Gesimuleerde 90% VaR Gesimuleerde 95% VaR
1,17 0,04
-4,93 -6,95
-2,78 -3,95
-1,62 -3,39
Gesimuleerde 99% VaR
-1,92
-11,62
-6,08
-7,7
Kwartaal 1 Kwartaal 2 Kwartaal 3 Kwartaal 4 17,04 8,72 7,51 17,51 12,87 17,81 13,43 8,56
Gesimuleerde 90% VaR Gesimuleerde 95% VaR Gesimuleerde 99% VaR
Gesimuleerde 90% VaR Gesimuleerde 95% VaR Gesimuleerde 99% VaR
Groep niet effectiseren Bijlage 6.2
Kwartaal 1 Kwartaal 2 Kwartaal 3 Kwartaal 4 6,48 35,67 11,23 31,54 22,49 5,59 14,07 6,44
-1,76 -3,11 -5,84
-1,41 -2,3 -3,9
-1,36 -1,89 -2,93
-4,39 -5,9 -8,94
Kwartaal 1 Kwartaal 2 Kwartaal 3 Kwartaal 4 25,03 32,67 32,72 154,93 13,2 13,33 17,23 30,7 -9,77 -11,78 -15,62
Jaar 2009 Maximaal gesimuleerde verliezen Maximaal gesimuleerde winsten Gesimuleerde 90% VaR Gesimuleerde 95% VaR Gesimuleerde 99% VaR
-9,41 -11,83 -16,4
-12,46 -14,97 -19,67
Kwartaal 1 Kwartaal 2 30,04 14,32 30,3 36,96 -7,09 -9,85 -14,88
-1,58 -3,09 -5,89
-27,38 -33,44 -47,5
VaR 95% 5
ja n/ 06 m ei /0 6 se p/ 06 ja n/ 07 m ei /0 7 se p/ 07 ja n/ 08 m ei /0 8 se p/ 08 ja n/ 09
0 -5
-10 -15
Groep effectiseren
-20
Groep niet effectiseren
-25 -30 -35 -40
VaR 99%
apr/09
jan/09
okt/08
jul/08
apr/08
jan/08
okt/07
jul/07
apr/07
jan/07
okt/06
jul/06
apr/06
-10
jan/06
0
-20 -30 -40 -50 -60
Bijlage 6.3
Groep effectiseren Groep niet effectiseren
