UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2011 – 2012
Rendement/Risicoprofiel van bankverzekeraars
Masterproef voorgedragen tot het bekomen van de graad van Master of Science in de Toegepaste Economische Wetenschappen: Handelsingenieur
Stef Dauwe onder leiding van Prof. Rudi Vander Vennet
UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2011 – 2012
Rendement/Risicoprofiel van bankverzekeraars
Masterproef voorgedragen tot het bekomen van de graad van Master of Science in de Toegepaste Economische Wetenschappen: Handelsingenieur
Stef Dauwe onder leiding van Prof. Rudi Vander Vennet
PERMISSION Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding.
Stef Dauwe
I
Woord Vooraf Ik zou via deze weg graag mijn promotor Prof. Dr. Rudi Vander Vennet bedanken voor het aanreiken van het onderwerp van mijn masterproef. Ik wil ook Valerie De Bruyckere bedanken voor de begeleiding en hulp bij het uitvoeren van mijn onderzoek. Verder wil ik mijn ouders en zus bedanken voor de steun tijdens het schrijven van dit werkstuk. Ik wil ook mijn studiegenoten en mijn vriendin Ankatrijn bedanken voor de hulp en tips toen er zich problemen voordeden.
II
Inhoudstafel PERMISSION ............................................................................................................................................. I Woord Vooraf .......................................................................................................................................... II Inhoudstafel ........................................................................................................................................... III Lijst met afkortingen ............................................................................................................................... V Lijst met tabellen .................................................................................................................................... VI Lijst met figuren..................................................................................................................................... VII 1. Introductie ........................................................................................................................................... 1 2. Literatuurstudie ................................................................................................................................... 2 2.1 Wat is bankverzekeren? ................................................................................................................ 2 2.2 Bankverzekeringsmodellen .......................................................................................................... 3 2.3 Deregularisering ............................................................................................................................ 5 2.4 Moderne Portfoliotheorie ............................................................................................................. 5 2.5 Graad van Diversificatie................................................................................................................. 9 2.6 Volatiliteit van het Inkomen ........................................................................................................ 10 2.7 Grootte van de Financiële Instelling............................................................................................ 11 2.8 Diversification Discount............................................................................................................... 12 2.9 Systematische crisis ..................................................................................................................... 13 2.10 Decompositie van het risico ...................................................................................................... 15 3. Hypothesen ....................................................................................................................................... 17 4. Data ................................................................................................................................................... 19 4.1 Return On Equity ......................................................................................................................... 20 4.2 Kapitaalratio ................................................................................................................................ 20 4.3 Grootte van de financiële instelling ............................................................................................ 21 5. Onderzoek ......................................................................................................................................... 22 5.1 Risico............................................................................................................................................ 22 5.2 Rendement .................................................................................................................................. 26 5.3 Regressies Risico .......................................................................................................................... 27 5.3.1 Controlevariabelen en dummies voor bank en verzekeraar ................................................ 28 5.3.2 Verschil effect van controlevariabelen op de drie types financiële instellingen ................. 28 5.3.3 Effect van de crisis op het risico ........................................................................................... 29 5.3.4 Verschil in effect op de crisis tussen de verschillende types financiële instellingen ........... 29 5.3 Beperkingen................................................................................................................................. 30 III
5.3.1 Homoscedasticiteit ............................................................................................................... 30 5.3.2 Autocorrelatie ...................................................................................................................... 31 5.3.3 Normaal verdeelde storingstermen ..................................................................................... 31 5.3.4 Multicollineariteit ................................................................................................................. 31 6. Resultaten.......................................................................................................................................... 32 6.1 Risico............................................................................................................................................ 32 6.1.1 Onsystematisch Risico .......................................................................................................... 32 6.1.2 Idiosyncratisch Risico............................................................................................................ 37 6.1.3 Totaal Risico.......................................................................................................................... 41 6.1.4 Besluit Risico ......................................................................................................................... 44 6.2 Rendement .................................................................................................................................. 46 6.3 Risicoregressies ........................................................................................................................... 49 6.3.1 Systematisch Risico............................................................................................................... 49 6.3.2 Idiosyncratisch Risico............................................................................................................ 51 6.3.3 Totaal Risico.......................................................................................................................... 52 7. Conclusie ........................................................................................................................................... 53 8. Literatuurlijst .................................................................................................................................... VIII 9. Bijlage ................................................................................................................................................. XI
IV
Lijst met afkortingen BHC CAPM CEA OLS ROA ROE
Bank Holding Company Capital Asset Pricing Model Comité Européen des Assurances Ordinary Least Squares Return On Assets Return On Equity
V
Lijst met tabellen Tabel 1 – Voordelen van de verschillende bankverzekeringsmodellen ................................................... 5 Tabel 2 – Effecten van diversificatie op risico en rendement .................................................................. 8 Tabel 3 – Sample van de financiële instellingen .................................................................................... 19 Tabel 4 – Statistische testen bèta’s voor de periode 2004-2011 ........................................................... 34 Tabel 5 – Gemiddelde bèta’s ................................................................................................................. 35 Tabel 6 – Statistische testen bèta’s voor de deelperioden .................................................................... 36 Tabel 7 – Statistische testen bèta’s voor crisiseffect ............................................................................. 37 Tabel 8 – Statistische testen idiosyncratisch risico periode 2004-2011 ................................................ 38 Tabel 9 – De gemiddelde idiosyncratische risico’s voor de deelperioden.............................................. 39 Tabel 10 – Statistische testen idiosyncratisch risico voor de deelperioden ........................................... 39 Tabel 11 – Statistische testen idiosyncratisch risico voor de crisisperiode ............................................ 40 Tabel 12 – Statistische testen voor de periode 2004-2011.................................................................... 42 Tabel 13 – Gemiddelde waarden totaal risico ....................................................................................... 42 Tabel 14 – Statistische testen totaal risico voor de deelperioden ......................................................... 43 Tabel 15 – Statistische testen totaal risico voor de crisisperiode .......................................................... 43 Tabel 16 – Statistische testen rendement voor periode 2004-2011 ...................................................... 47 Tabel 17 – Gemiddelde rendementen ................................................................................................... 47 Tabel 18 – Statistische testen rendement voor de deelperioden .......................................................... 48 Tabel 19 – Statistische testen rendement voor crisisperiode ................................................................ 48 Tabel 20 – Regressieresultaten controlevariabelen ( Systematisch risico) ............................................ 50 Tabel 21 – Regressieresultaten controlevariabelen (Idiosyncratisch risico) .......................................... 51 Tabel 22 – Regressieresultaten controlevariabelen (Totaal risico) ....................................................... 52 Tabel 23 – Bèta’s bankverzekeraars ....................................................................................................... XI Tabel 24 – Bèta’s banken ....................................................................................................................... XI Tabel 25 – Bèta’s verzekeraars .............................................................................................................. XII Tabel 26 – Test voor normale verdeling van bèta’s voor periode 2004-2011 ....................................... XII Tabel 27 – Test voor normale verdeling van bèta’s voor deelperioden................................................. XII Tabel 28 – Idiosyncratisch risico bankverzekeraars ............................................................................. XIII Tabel 29 – Idiosyncratisch risico banken .............................................................................................. XIII Tabel 30 – Idiosyncratisch risico verzekeraars ..................................................................................... XIV Tabel 31 – Test voor de normale verdeling van idiosyncratisch risico voor periode 2004-2011 .......... XIV Tabel 32 – Test voor de normale verdeling van idiosyncratisch risico voor deelperioden ................... XIV Tabel 33 – Totaal risico bankverzekeraars ............................................................................................ XV Tabel 34 – Totaal risico banken ............................................................................................................. XV Tabel 35 – Totaal risico verzekeraars ................................................................................................... XVI Tabel 36 – Test voor de normale verdeling van totaal risico voor de periode 2004-2011 ................... XVI Tabel 37 – Test voor de normale verdeling van het totaal risico voor de deelperioden ...................... XVI Tabel 38 – Rendementen bankverzekeraars ....................................................................................... XVII Tabel 39 – Rendementen banken ........................................................................................................ XVII Tabel 40 – Rendementen verzekeraars .............................................................................................. XVIII Tabel 41 – Test voor de normale verdeling van rendementen voor periode 2004-2011................... XVIII Tabel 42 – Test voor de normale verdeling van rendementen voor deelperioden ............................. XVIII VI
Lijst met figuren Figuur 1 – Evolutie van de controlevariabelen ...................................................................................... 20 Figuur 2 – Evolutie van de bèta’s........................................................................................................... 32 Figuur 3 – Standaardafwijkingen van de bèta’s .................................................................................... 34 Figuur 4 – Evolutie van het idiosyncratisch risico .................................................................................. 37 Figuur 5 – Evolutie totaal risico ............................................................................................................. 41 Figuur 6 – Evolutie van het rendement ................................................................................................. 46 Figuur 7 – Eviews output regressie controlevariabelen 1 ..................................................................... XIX Figuur 8 – Eviews output regressie controlevariabelen 2 ...................................................................... XX Figuur 9 – Eviews output regressie controlevariabelen 3 ..................................................................... XXI Figuur 10 – Eviews output regressie controlevariabelen 4.................................................................. XXII
VII
1. Introductie Jarenlang werd de combinatie van bankieren en verzekeren gezien als het schoolvoorbeeld van een financieel conglomeraat. Door de financiële crisis die de afgelopen jaren Europa en andere delen van de wereld teistert, wordt dit model ernstig in twijfel getrokken. Eind 2009 besliste ING, één van de voorbeelden onder de bankverzekeraars, om de bank- en verzekeringsactiviteiten te splitsen. Verzekeraars en banken hebben verschillende balansstructuren en stellen zich beiden bloot aan verscheidene risico’s. Banken en verzekeraars zijn ook financiële instellingen met verschillende risicoprofielen en kapitaalnoden. De voorbije jaren hebben rampen voor veel problemen gezorgd in de verzekeringssector. Indien deze trend zich doorzet kan het fenomeen bankverzekeren de banksector serieuze schade toebrengen. Ook weerklinkt vanuit de maatschappij steeds meer de roep naar transparantie, betrouwbaarheid en eenvoud. Is de maatschappelijke scepsis terecht of wordt er vanuit de media en overheden een publieke overreactie gecreëerd? In deze masterproef zal het risico- en rendementsprofiel van bankverzekeraars vergeleken worden met dat van banken en verzekeraars. Er wordt ook onderzocht of het risico- en rendementsprofiel wijzigt in tijden van crisis.
Het onderzoek wordt gevoerd met behulp van een beperkte sample financiële instellingen. Zowel het totaal, systematische en idiosyncratische risico wordt onderzocht met behulp van het Capital Asset Pricing Model. De geschatte risicomaatstaven en het rendement worden met behulp van statistische testen vergeleken tussen de verschillende types financiële instellingen en voor verschillende tijdsperioden. Tot slot wordt getest wat het effect van enkele controlevariabelen is op het risico en rendement.
Deze masterproef is als volgt opgedeeld. In sectie 2 wordt de bestaande literatuur besproken. Vervolgens worden er in deel 3 enkele hypothesen vooropgesteld. In sectie 4 wordt de gebruikte data kort besproken. Het onderzoek wordt uitvoerig besproken in deel 5. De resultaten van het onderzoek worden beschreven in deel 6. De besluiten die we uit de resultaten van dit onderzoek kunnen trekken worden in sectie 7 geschreven.
1
2. Literatuurstudie De uitbreiding van de activiteiten van banken met verzekeringsactiviteiten en andere noninterest activiteiten is een onderwerp dat reeds uitvoerig beschreven en onderzocht werd in verschillende studies. Er is echter geen consensus over het effect van deze diversificatie op de waardering, het risico en het rendement van het gecreëerde financiële conglomeraat. De voorstanders argumenteren dat de stabielere inkomensstroom, productdiversificatie en schaalvoordelen resulteren in een sterkere financiële instelling die beter bestand is tegen economische schokken. Tegenstanders van het model stellen daarentegen dat er geen sprake is van schaalvoordelen omdat de activiteiten te verschillend zijn. Bovendien verhoogt de diversificatie de complexiteit en verlaagt ze de transparantie van de bank. Dit zou zich vooral uiten in een verlaging van de efficiëntie. Er schuilt ook gevaar in het feit dat banken zich in gebieden begeven waar ze geen of weinig ervaring en expertise hebben. Verder is het mogelijk dat er conflicten ontstaan tussen de nieuwe activiteiten en de primaire bankactiviteiten. Hierdoor kan het risico van de bank vergroten en indien de diversificatie op grote schaal wordt doorgevoerd kan het zelfs de veiligheid van het banksysteem in gevaar brengen.
2.1 Wat is bankverzekeren? Bankverzekeren is het distribueren van verzekeringsproducten via het huidige klantenbestand van een bank. Dit is een eenvoudige en bondige definitie die duidelijk het kernopzet van bankverzekeren weergeeft. Bankverzekeren is vooral in de Zuid-Europese landen (Portugal, Frankrijk, Italië en Spanje) en België zeer populair. Het betreft hoofdzakelijk de verkoop van levensverzekeringen via dit kanaal. De Europese (liberale) regelgeving betreffende financiële conglomeraten ligt mede aan de basis van dit succes. De groei van bankverzekeren over de laatste 30 jaar werd gedreven door dalende efficiëntie, veranderende klantenbehoeften en de noodzaak om de stijgende operationele kosten te verminderen. Bankverzekeren is in de literatuur zowel beschreven als het prototype van de moderne financiële instelling als een onsuccesvol model dat twee activiteiten mixt die structureel verschillend zijn. Motieven voor het bankverzekeren zijn reeds uitvoerig beschreven voor zowel banken als verzekeraars.
2
2.2 Bankverzekeringsmodellen De samenwerking tussen banken en verzekeraars is mogelijk onder verscheidene legale structuren die verschillen omwille van strategie en/of eigenaarschap. Distributieovereenkomst, strategische alliantie, joint venture en financiële holding zijn de vier meest gangbare modellen. In de volgende alinea worden de voordelen besproken die van toepassing zijn voor elk van de vier genoemde modellen.
De intense competitie tussen banken leidde de afgelopen jaren tot een sterke daling van de interestmarges van de traditionele bankproducten. Verzekeringsproducten bieden een additionele en stabielere inkomensstroom voor de banken. Bovendien is er voor de banken een daling van afhankelijkheid aan interestinkomsten als grootste bron van inkomen. Ondanks de hoge operationele kosten is er in Europa nog steeds een stijgende trend in het aantal bankkantoren. Er is dus de behoefte om het kantorennetwerk en het personeel doelgerichter en efficiënter aan te wenden. Het verkopen van verzekeringsproducten via het klantenbestand van een bank is een kans om dit te doen. Ook op de steeds veranderende klantenbehoeften kan eenvoudiger ingespeeld worden door het aanbieden van een combinatie van bank- en verzekeringsproducten. Bankverzekeren kan ook dienen als een middel om klantenbehoud te verzekeren en te vergroten. Banken ervaren een stijgende graad van mobiliteit van hun klanten die rekeningen hebben bij verschillende banken. Daarom creëren ze het concept ‘one-stop-shopping’ waarbij er een breed gamma financiële diensten wordt aangeboden om de loyaliteit van hun klanten te verhogen. Voor verzekeraars is bankverzekeren de uitgelezen kans om hun huidig klantenbestand uit te breiden met de klanten van de bank. De verzekeraars verkleinen tevens hun afhankelijkheid ten aanzien van makelaars voor de verkoop van hun producten. Voorts kunnen banken en verzekeraars ook profiteren van het delen van gemeenschappelijke diensten.
Er bestaat geen standaardmodel voor bankverzekeren. De keuze van het model is afhankelijk van de demografie, wetgeving en het economisch klimaat in een bepaald land. In de volgende alinea’s wordt er dieper ingegaan op de verschillen tussen de vier vooropgestelde modellen en hun specifieke voor- en nadelen. Deze opdeling en de voor- en nadelen zijn gebaseerd op Teunissen (2008), Fried (2011) en Legrand (2004).
3
Bij een distributieovereenkomst biedt de bank aan zijn klanten verzekeringsproducten van verschillende verzekeraars aan. Dit model is mogelijk via een relatief snelle implementatie en vereist een beperkte investering voor zowel bank als verzekeraar. De additionele voordelen voor de bank zijn de stijging van de inkomsten en de bank bindt zich niet vast aan één bepaalde verzekeraar zodat ze de beste verzekeringsproducten van de verschillende verzekeraars aan haar klanten kan aanbieden. De nadelen van dit model zijn de toch wel beperkte deling van de klantenbasis en het feit dat de verzekeraar weinig controle heeft over de verkoop van zijn producten.
Bij een strategische alliantie biedt de bank aan haar klanten de producten van één bepaalde verzekeraar aan. De voordelen voor de bank zijn de stijging van de inkomsten en bovendien kan de bank profiteren van de competitie tussen verschillende verzekeraars en de best passende verzekeraar kiezen. De investeringen zijn hier eveneens relatief laag en de productintegratie is groter dan bij een distributieovereenkomst. Mogelijke nadelen zijn administratieproblemen en de noodzaak om te investeren in informatietechnologieën en verkooppersoneel.
Bij een joint venture verkoopt de bank verzekeringsproducten van een bedrijf dat meestal voor 50% in handen is van een verzekeraar en voor de overige 50% in handen van de bank zelf. Er kunnen ook andere verdelingen inzake eigenaarschap zijn. Het additionele voordeel van dit model resulteert uit sterkere toewijding van beide partijen. Banken en verzekeraars kunnen door samenwerking nieuwe financiële producten ontwikkelen om op die manier de klant nog beter te kunnen bedienen. De grootste nadelen van dit model zijn de grotere investeringen en het moeilijk te vinden evenwicht inzake macht en contributies.
Bij een financiële holding is een financieel conglomeraat de eigenaar van zowel de bank als de verzekeraar. Net als bij een joint venture is de ontwikkeling van nieuwe financiële producten en diensten een voordeel. Het grootste voordeel van dit model is dat er eenzelfde bedrijfscultuur heerst waardoor ook operationele voordelen kunnen ontstaan door de volledige integratie van producten en systemen. Bij dit model zijn eveneens grote investeringen vereist. Daarenboven is er een groot risico op merkvervaging.
Onderstaande tabel(1) is een samenvatting van de voordelen van de verschillende bankverzekeringsmodellen. 4
DistributieStrategische Joint Financiële overeenkomst Alliantie Venture Holding Additioneel Inkomen X X X X Benutting Kantorennetwerk X X X X Aanbieden Breder Productgamma X X X X Daling Afhankelijkheid t.o.v. Makelaar X X X X Snelle Implementatie X X Beperkte Investering X X Productintegratie X X Toewijding van Beide Partijen X X Integratie Bedrijfscultuur X Systeemintegratie X Tabel 1 – Voordelen van de verschillende bankverzekeringsmodellen
2.3 Deregularisering Deregularisering ligt mede aan de basis van het fenomeen bankverzekeren.
Wall (1987)
onderzocht de gevolgen van deregularisering in de financiële sector. In zijn studie ging hij na wat de
invloed
was
van
non-bancaire
dochterondernemingen
op
het
risico
van
bankholdingmaatschappijen (BHC’s). Uit de resultaten bleek dat er geen redenen waren om te veronderstellen dat deregularisering het bankrisico doet stijgen. Er was zelfs een kleine indicatie dat het risico zou dalen. Gual (1999) beschreef het deregulariseringsproces in de Europese banksector aan de hand van drie categorieën. De eerste categorie bevat de versoepeling of het schrappen van restricties omtrent interestvoeten, kapitaalcontrole en introductie van nieuwe banken. De implementatie van de eerste en tweede banking directive, het verlagen van de operationele kost in filialen in andere EU lidstaten, heeft grote invloed gehad op de competitie in de banksector. De banking directives hebben ook een grote invloed gehad op de tweede categorie van regularisaties. Deze categorie bevat de uitbreiding van de activiteiten die een bank mag verrichten. Zo mag een bank bijvoorbeeld diversifiëren in verzekeringsproducten. De derde categorie omvat de regelgeving met betrekking tot externe competitiepositie.
2.4 Moderne Portfoliotheorie De moderne portfoliotheorie stelt voorop dat diversificatie leidt tot een daling van het totaal risico op voorwaarde dat de niet-bank activiteiten niet gecorreleerd zijn met bankieren. Een 5
financieel conglomeraat kan beschouwd worden als een portfolio met verschillende activa. De correlatie tussen rendementen van de activa is van groot belang voor het bepalen van de variantie van de portfolio en daaruit volgend ook het risico. Nieuwe activiteiten zouden het risico van de bank moeten doen dalen indien de rendementen van de nieuwe activiteiten niet gecorreleerd zijn met de bankactiviteiten. Lage correlaties tussen activiteiten zijn interessant voor het verbeteren van de risico-rendementspositie. Er moet wel opgemerkt worden dat er door de implementatie van heterogene activiteiten moeilijk een hoog level van efficiëntie kan bereikt worden. Bankiers en verzekeraars oefenen verschillende activiteiten uit. Zo voeren de verzekeraars een beperkte waaier van activiteiten uit ten opzichte van bankiers. De belangrijkste taak van verzekeraars is het bundelen en transformeren van risico’s. Bij banken is deze rol minder sterk gedefinieerd. De klassieke taak van de bank bestaat uit het verzamelen van deposito’s en het uitgeven van leningen. In realiteit vervult een bank veel meer dienstverlenende functies.
De studie van Templeton en Severiens (1992) gaat de juistheid van de moderne portfolio theorie na aan de hand van marktdata en verschillende risicomaatstaven. Deze studie voert geen onderzoek naar het effect van de verschillende types van niet-bancaire diversificatie op het risicoprofiel van een bank. De resultaten van de studie bevestigen de voorspellingen van de portfoliotheorie. De portfoliotheorie stelt dat de uitbreiding van de activiteiten het risico van de bank doet dalen. Er moet wel opgemerkt worden dat, indien de nieuwe activiteiten veel risicovoller zijn dan de huidige bankactiviteiten, dit het risico op bankfalen kan vergroten. Anderen gingen expliciet op zoek naar de invloed van het uitvoeren van niet-bank activiteiten door zuivere retailbanken op het risicoprofiel van deze banken.
Boyd, Graham en Hewitt (1992) onderzochten in hun studie dit effect van niet-bankactiviteiten op het Bank Holding Company (BHC) risico. De resultaten van dit onderzoek werden bekomen door de simulatie van fusies tussen BHC’s en niet-bancaire financiële instellingen. De berekende risicomaatstaven voor de hypothetische, gefuseerde banken werden vergeleken met het risicoprofiel van de niet-gefuseerde BHC’s. Deze paper doet onderzoek naar de invloed van het uitoefenen van zowel effecten- en vastgoedactiviteiten als verzekeringsactiviteiten op het risicoprofiel van een bank. Indien de doelstelling het minimaliseren van de kans op faillissement is, dan volgt uit de resultaten dat enkel diversificatie in verzekeringsactiviteiten zou mogen worden toegestaan. Bovendien is het risico groter voor fusies met een groot aandeel niet6
bankactiviteiten. Dit onderzoek steunt het bankverzekeringsmodel. Indien het werkelijk het geval is dat de diversificatie het risico doet dalen dan is dit voor de maatschappij een belangrijk gegeven gezien de voorbije bankencrisis.
Het onderzoek van Brewer (1989) ondersteunt eveneens de stelling dat diversificatie in nietbankactiviteiten het bedrijfsrisico doet dalen. Voor het onderzoek maakte Brewer gebruik van marktdata uit de periode 1978-1986. Ook Lepetit et al. (2008) voerden een gelijkaardige studie uit.
De relatie tussen risico en productdiversificatie werd bestudeerd voor de Europese
bankindustrie in de periode 1996-2002. In tegenstelling tot de twee bovenstaande studies toonde zij aan dat banken die zich bezighouden met niet-interestactiviteiten zich blootstellen aan een hoger risico dan banken die zich hoofdzakelijk beperken tot het uitgeven van leningen.
Stiroh en Rumble (2006) onderzochten eveneens de toenemende belangstelling van banken voor het uitvoeren van activiteiten die premies, trading inkomsten en andere non-interestinkomsten genereren. Stiroh en Rumble gingen na of deze extra inkomsten de prestaties van Amerikaanse BHC’s verbeteren in de periode 1997-2002. Hun onderzoeksresultaten bevestigen dat diversificatievoordelen van een financieel conglomeraat volledig teniet gedaan worden door de blootstelling aan de non-interestactiviteiten. Deze zijn volgens het onderzoek volatiel en bovendien niet winstgevender dan de interestactiviteiten van een bank. Er bestaat een negatief verband tussen non-interestinkomen en risk-adjusted winst. Stiroh en Rumble menen ook dat het gevaarlijk is dat financiële conglomeraten hun inkomen trachten te diversifiëren door zoveel mogelijk producten te verkopen aan dezelfde klanten. Ze zeggen dat op deze manier verschillende financiële segmenten blootgesteld worden aan dezelfde schokken. Het gevolg is een stijgende correlatie tussen verschillende inkomensstromen. Hierdoor worden de mogelijke diversificatievoordelen teniet gedaan. Deze resultaten worden dan weer tegengesproken door onderzoeksresultaten van Chang en Elyasiani (2008). Hun resultaten ondersteunen de diversificatie in verzekeringsactiviteiten door financiële conglomeraten. Door gebruik te maken van accounting data over de periode 2003-2005 kwamen zij tot de conclusie dat de uitbreiding van de bankactiviteiten met non-interestactiviteiten resulteert in een verbetering van de Risk Adjusted Returns.
Berger, Hasan en Zhou (2010) onderzochten het effect van focussen ten opzichte van diversificatie op de performantie van banken door gebruik te maken van data van Chinese 7
banken tijdens de periode 1996-2006. Ze vonden dat diversificatie verbonden is met een daling van de winst en stijging van de kosten. Estrella (2000) onderzocht eveneens de winsten die banken kunnen maken door de diversificatie in niet-bankactiviteiten. Hij maakte eerst gebruik van de option pricing theorie om dit te meten. Hieruit besloot hij dat banken vooral voordelen kunnen halen uit de diversificatie in verzekeringsactiviteiten. Voor het vinden van een verklaring maakte hij gebruik van de arbitrage pricing theorie. Hij stelt dat er een overlapping is tussen de basisfactoren van banken en verzekeringsmaatschappijen. Er zijn echter wel mogelijkheden om te diversifiëren doordat de verzekeringsactiviteiten op zich ook sterk gediversifieerd zijn. Daar bovenop stelt hij dat het belangrijk is dat de activiteiten niet te heterogeen zijn. Indien dit wel het geval is, is het moeilijk om een grote efficiëntie te bereiken. Allen en Jagtiani (2000) creëerden
synthetische
ondernemingen
om
de
impact
van
de
diversificatie
in
verzekeringsactiviteiten op het risicoprofiel van een bank te onderzoeken. Zij concludeerden dat het algemeen risico van het financieel conglomeraat lager is door diversificatie en dat het risico ongewijzigd blijft. Fields, Fraser en Kolari (2007) deden onderzoek naar de fusies van Amerikaanse en niet-Amerikaanse banken tot bankverzekeraars tussen 1997 en 2002. Zij kwamen tot de conclusie dat de aandeelhouders van de biedende bedrijven positieve rendementen behalen zonder significante risicoverschuivingen. Zij evalueren bankverzekeren als een financieel model dat een belangrijke rol kan spelen in de evolutie van het Amerikaans financieel systeem.
Een samenvatting van het effect van diversificatie op het risico en rendement van de ondernemingen wordt weergegeven in onderstaande tabel(2). Risico Rendement Rendement/Risico Templeton en Severiens (1992) Dalend Boyd, Graham en Hewitt (1992) Dalend Brewer (1989) Dalend Lepetit, Nys, Rous en Tarazi (2008) Stijgend Stiroh en Rumble (2005) Stijgend Dalend Chang en Elyasiani (2008) Stijgend Berger, Hasan en Zhou (2010) Dalend Estrella (2000) Stijgend Allen en Jagtiani (2000) Dalend Fields, Fraser en Kolari (2007) Stijgend Stijgend Tabel 2 – Effecten van diversificatie op risico en rendement
8
2.5 Graad van Diversificatie
Los van het effect (positief of negatief) van diversificatie op het risicoprofiel van de bank is er ook de vraag of er een optimale graad van diversificatie bestaat. Zo is het mogelijk dat bepaalde banken bovenop hun normale activiteiten enkel levensverzekeringen aanbieden omdat dit nauw aansluit bij de klassieke bankproducten. Andere financiële instellingen beschouwen zichzelf dan weer als financiële supermarkten en bieden aan hun klanten een brede waaier van zowel verzekeringsproducten als andere fee inkomensproducten aan.
Lubatkin en Chatterjee (1994) onderzochten het effect van corporate diversificatie op systematisch en onsystematisch risico. Zij vonden dat de relatie tussen diversificatie en de volatiliteit van aandeelrendementen niet lineair maar U-vormig is. Het gevolg is dat er een optimaal level van diversificatie bestaat. Ondernemingen kunnen hun risico minimaliseren door te diversifiëren in gelijkaardige maar niet in identieke of totaal verschillende activiteiten. Lubatkin en Chatterjee beschreven dit als volgt: “an important way for a firm to minimize risk is to diversify in such a manner that all of its eggs are in similar baskets-not in the same baskets or in different baskets”. De vraag die we ons hierbij kunnen stellen is of het aanbieden van verzekeringsproducten dan wel gelijkaardig, identiek of totaal verschillend is dan de normale bankactiviteiten. Lubatkin en Chatterjee gaan bovendien in tegen de moderne portfoliotheorie, die hierboven besproken is. Zij zeggen dat het systematisch risico weldegelijk een diversifieerbare component heeft. Door op een gematigde manier te diversifiëren kunnen er synergieën bereikt worden die een bank beschermen tegen macro-economische onzekerheden. Palich, Cardinal en Miller (1999) vonden gelijkaardige resultaten. Ook zij stellen dat een gematigd level van diversificatie in gerelateerde activiteiten optimaal is. Nurullah en Staikouras (2008) onderzochten de effecten op het gebied van risico en rendement als het gevolg van het diversifiëren van banken in verzekeringsproducten. De empirische resultaten tonen aan dat de diversificatie in verzekeringsactiviteiten het bankrisico doet stijgen. Wel moet vermeld worden dat de diversificatie in levensverzekeringsactiviteiten een positief effect heeft op het rendement in tegenstelling tot de niet-levensverzekeringsactiviteiten. DeYoung en Rice (2003) merkten op dat meer dan 40% van het operationeel inkomen van Amerikaanse commerciële banken afkomstig is van non-interestinkomen. Hun resultaten waren bovendien pessimistisch over de diversificatie van banken in non-interestinkomen. Ze stellen dat een stijging van het aandeel aan
9
dit inkomen gepaard gaat met een zwakkere risico-rendement trade-off. Ze wijzen op het feit dat het genereren van interestinkomen de kernactiviteit van banken moet blijven.
Omwille van datarestricties zal de invloed van de graad van diversificatie op het risicoprofiel van de bank in deze paper niet verder onderzocht worden.
2.6 Volatiliteit van het Inkomen Er is ook een discussie gaande omtrent de volatiliteit van interest en non-interestinkomen. Traditioneel wordt fee inkomen gezien als een zeer stabiele vorm van inkomen. Deze veronderstelling ontstond wel in de tijd dat fee inkomen slechts een klein aandeel had in de inkomensstroom van banken. De vraag die kan gesteld worden is of dit nog steeds het geval is, nu deze inkomensvorm veel aan belang gewonnen heeft. De oorzaak van dit fenomeen is de dalende winstgevendheid van de traditionele bankactiviteiten (leningen en deposito’s). Hierdoor zijn banken zich meer en meer gaan focussen op niet-traditionele activiteiten om hun positie als financieel intermediair te behouden. De combinatie van bank- en verzekeringsactiviteiten zou moeten leiden tot een stabielere inkomensstroom indien de activiteiten niet perfect gecorreleerd zijn. Stiroh en Rumble (2006) wezen al op het feit dat non-interest activiteiten veel volatieler zijn. Ook volgens Smith, Staikouras en Wood (2002) is non-interestinkomen veel volatieler dan interestinkomen. Ze vonden ook een negatieve correlatie tussen interest en noninterest inkomen in verschillende landen. Ze besluiten dat door de toename van de noninterestactiviteiten het operationeel, strategisch en reputatierisico is gestegen. De toegenomen complexiteit noodzaakt de toezichtsorganen tot een betere monitoring van de verschillende risico’s.
Laderman (1999) onderzocht de invloed van het uitbreiden van de bankactiviteiten met nietbankactiviteiten. Laderman wil twee zaken onderzoeken. Eerst en vooral wil ze het potentieel van diversificatievoordelen testen indien banken hun non-interest activiteiten verder uitbreiden. Ze doet dit door het effect op de variantie van Return On Assets (ROA) na te gaan. Daarenboven wil ze ook de kans op faillissement onderzoeken. De variantie van ROA volstaat niet als maatstaf omdat de daling in variabiliteit gepaard kan gaan met een daling van het verwacht rendement. Haar onderzoeksresultaten maakten duidelijk dat diversificatie in levensverzekeringsactiviteiten
10
de standaardafwijking van ROA sterk doet dalen. Ze kwam tevens tot de conclusie dat de uitbreiding met verzekeringsactiviteiten de kans op faillissement doet dalen.
2.7 Grootte van de Financiële Instelling Een ander vraagstuk gaat omtrent het effect van de grootte van de bank op het risico en rendement. De zogenaamde financial supermarkets bieden niet alleen een zeer ruim productassortiment aan maar hebben daaruit volgend zeer hoge balanstotalen. De vraag die we ons hier kunnen stellen is of het effect bij deze financiële instellingen te wijten is aan de diversificatie of aan de grootte van de bank. Bovendien moeten deze banken rekening houden met het zogenaamde too-big-to-fail risico.
Er werd reeds onderzoek verricht bij grote en kleine financiële instellingen naar zowel de graad van diversificatie als de mate waarin dit resulteert in voordelen voor de bank. Demsetz en Strahan (1997) tonen aan dat grote BHC’s beter gediversifieerd zijn dan kleine BHC’s. Deze betere diversificatie vertaalt zich echter niet in een daling van het risico. Het risicodalend vermogen van diversificatie wordt teniet gedaan door lagere kapitaalratio’s en grotere leningportfolio’s. Ze besluiten dat door diversificatie BHC’s risicovollere leningen kunnen uitgeven en gebruik kunnen maken van een hogere leverage. Hun resultaten wijzen dus op een link tussen de grootte van de bank en de mate van diversificatie van een bank. De relatie tussen het logaritme van de activa en de R² van de gebruikte modellen is immers positief en significant voor de periode 1980-1993. Bovendien vinden ze dat een stijging van de activa van een bank met 10% gepaard gaat met een daling van het specifieke bedrijfsrisico met 2 tot 2,6%. Ze benadrukken ook dat de positieve relatie tussen grootte en de mate van diversificatie niet het gevolg is van een negatief verband tussen grootte en aandelenrendement. Mercieca, Schaeck en Wolfe (2007) onderzochten de trend van het aanbieden van non-interestactiviteiten op de prestaties van kleine Europese kredietinstellingen. Voor deze studie analyseerden zij 755 kleine banken tijdens de periode 1997-2003 en vonden geen directe diversificatievoordelen. Bovendien kwamen ze tot het besluit dat er een inverse relatie bestaat tussen non-interestinkomen en bankresultaten. Bovendien vinden ze dat grootte positief gerelateerd is met winstgevendheid. Ze concluderen dat kleine banken hun performance kunnen verbeteren door hun ressources uit te breiden binnen de bestaande activiteiten waar ze reeds over een competitief voordeel beschikken. Op deze manier wordt het belang van specialisatie benadrukt voor kleine financiële 11
instellingen. Cavallo en Rossi (2001) tonen daarentegen weer aan dat er schaalvoordelen bestaan voor alle types en groottes van banken. Overnames moeten zodanig georiënteerd zijn dat ze de productieschaal vergroten voor kleine banken en dat ze het aantal producttypes vergroten voor grote banken. Amel et al. (2003) stellen dat de fusies en overnames door banken en verzekeringsmaatschappijen slechts voor een klein gedeelte voordelig zijn voor de financiële instellingen. Deze voordelen houden in dat de financiële instellingen in beperkte mate kunnen genieten van schaalvoordelen. Ze besluiten echter dat fusies en overnames niet resulteren in een reductie van de kosten. Altunbas, Molyneux en Thornton (1997) onderzochten of megafusies tussen banken leiden tot een daling van de kosten. Ze vonden geen steun voor deze stelling en besluiten dat dit soort fusies eerder zal leiden tot een stijging van de kosten. McAllister en McManus (1992) schrijven dat resultaten die aantonen dat het vergroten van de schaal enkel positieve rendementen oplevert voor kleine banken, vertekend zijn. Zij stellen dat, indien dit het geval is, er een econometrische fout gemaakt is in het onderzoek. Uit hun eigen onderzoek besluiten ze dat het uitbreiden van de schaal tot een balanstotaal van 500 miljoen dollar stijgende
rendementen oplevert. Indien de totale activa van de bank dit cijfer
overschrijden levert dit geen stijgende maar wel constante rendementen op.
2.8 Diversification Discount
Een andere term waar dikwijls naar verwezen wordt indien men het heeft over diversificatie is ‘diversification discount’. Dit houdt in dat de marktwaardering van een financieel conglomeraat lager is dan de som van de waarderingen van de verschillende entiteiten. De creatie van waarde door diversificatie kan afkomstig zijn van twee verschillende bronnen. De eerste bron is de economies of scope die een bank kan bereiken. Banken bouwen met hun klanten een duurzame lange termijnrelatie uit. Hierdoor verzamelen ze door de jaren heen veel en belangrijke informatie over deze klanten. Die informatie is niet alleen belangrijk voor de huidige activiteiten van een bank, maar biedt de bank de opportuniteit om de informatie te gebruiken voor andere activiteiten. Het verkopen van levensverzekeringen aan de bestaande klantenbasis is een mooi voorbeeld van hoe de verzamelde informatie alternatief kan worden aangewend. De tweede bron heeft te maken met de situatie in de financiële sector.
Deze sector heeft grote
veranderingen meegemaakt door de technologische vooruitgang en deregularisering. Elsas, Hackethal en Holzhäuser (2010) gebruikten paneldata van negen landen over de periode 19962008 om na te gaan of inkomstendiversificatie de bankwaarde beïnvloedt. In tegenstelling tot 12
andere studies concluderen ze dat diversificatie een positieve invloed heeft op de bankwinsten en in die hoedanigheid ook op de marktwaarde. Ze stellen bovendien dat de economies of scope in de bankindustrie sterker zijn dan in andere industrieën. Laevan en Levine (2005) stellen daarentegen dat de economies of scope ,die ontstaan door het uitvoeren van verschillende activiteiten, niet opwegen tegen de agency problemen die voortvloeien uit de werking van een financieel conglomeraat. Ze voeren hun onderzoek door na te gaan of de Tobin’s Q van een financieel conglomeraat groter of kleiner is dan de Q indien het financieel conglomeraat opgesplitst wordt in een portfolio van banken die allen gespecialiseerd zijn in één bepaalde activiteit van het conglomeraat. Het besluit van hun onderzoek is dat er geen sprake is van een diversificatie premium maar wel van een diversificatie discount bij financiële conglomeraten. Van Lelyveld en Knot (2009) onderzochten hetzelfde fenomeen door gebruik te maken van data bij bankverzekeraars. Zij vonden geen diversificatie discount maar wel een hoge graad van variabiliteit in de waarderingen. Whited (2001) ging in zijn studie op zoek naar de oorzaak van de diversificatie discount bij conglomeraten. Hij onderzocht met behulp van Tobin’s Q of de inefficiënte toewijzing van investeringskapitaal aan de oorzaak zou liggen. Zijn resultaten bevestigden deze stelling echter niet. Graham, Lemmon en Wolf (2002) onderzochten eveneens of de diversificatie van de activiteiten van een organisatie leidt tot vernietiging van waarde. Zij besluiten dat, indien de waarde van het samengestelde conglomeraat daalt, dit niet te wijten is aan diversificatie. Dit zou het gevolg zijn van overnames van bedrijven of activiteiten die reeds daalden in waarde.
2.9 Systemische crisis
Door de bankencrisis laaide de discussie omtrent banken en financiële conglomeraten hard op. Er werd vooral gewezen op het gebrek aan transparantie van de financiële conglomeraten. Ook waren er veel kritische uitlatingen over het toezicht op de banken. Voorstanders van het financieel conglomeraat stellen dat het risico van de instelling daalt door het aanbieden van een breed productgamma en dat deze banken beter beschermd zijn tegen een faillissement tijdens de crisis. Wagner (2010) zegt dat er een hoge kost verbonden is aan de diversificatie binnen de financiële instellingen. Hij schrijft dat alle financiële instellingen zeer gelijkaardig worden en dat daardoor de kans op een systemische crisis stijgt. Bij zijn onderzoek bij zeer grote Amerikaanse banken stelde hij vast dat de correlatie van de aandelenprijzen in de periode tussen 1995 en
13
2005 gestegen is van 28% naar 54%. Hij waarschuwt dat verdere diversificatie van de financiële instellingen welvaartdaling tot gevolg kan hebben.
De Nicolo en Kwast (2001) gaan in hun paper op zoek naar het antwoord op de vraag of de creatie van grote, complexe financiële instellingen leidt tot een stijging van het systematisch risico in het financieel systeem. Zij berekenen de correlaties tussen de aandeelrendementen van verschillende financiële instellingen. Deze worden gebruikt als maatstaf voor de onderlinge afhankelijkheid tussen de banken. De onderlinge afhankelijkheid is op zijn beurt een indicator voor het systematisch risicopotentieel. Zij maken voor hun onderzoek gebruik van een sample van grote en complexe Amerikaanse banken uit de periode 1988-1999. Zij vinden dat er een positieve trend bestaat tussen de correlaties van de aandeelrendementen. Deze resultaten sluiten aan bij het vermoeden dat het systematische risicopotentieel in de financiële sector is gestegen. De Nicolo et al. (2004) gebruikten voor hun onderzoek een sample van de 500 grootste financiële instellingen ter wereld. Zij kwamen tot de conclusie dat het risiconiveau van grote financiële conglomeraten in 1995 niet verschillend is van dat van kleine financiële conglomeraten. Dezelfde conclusie kan getrokken worden indien het risico vergeleken wordt tussen grote financiële conglomeraten en gespecialiseerde financiële instellingen. De resultaten van het jaar 2000 leveren andere waarden op. Het risiconiveau van de grote financiële conglomeraten is in 2000 hoger dan dat van de kleine financiële conglomeraten en de gespecialiseerde financiële instellingen. Ze besluiten hun onderzoek door te concluderen dat conglomeratie niet noodzakelijk resulteert in een veiliger banksysteem. Elyasiani, Mansur en Pagano (2007) vinden dat er een onderlinge afhankelijkheid bestaat tussen de verschillende types financiële instellingen. Bovendien zou deze relatie afhankelijk zijn van de grootte van de financiële instelling. Zo stellen grote financiële instituties zich bloot aan grotere volatiliteit spillovers dan de kleine financiële instellingen. De kleinere financiële instellingen hebben op hun beurt een sterkere rendementslink. Voor hun onderzoek baseren ze zich op data van Amerikaanse financiële instellingen voor de periode 1991-2001.
Bühler en Prokopczuk (2007) onderzochten het verschil in systematisch risico tussen de banksector en andere sectoren in de economie in Duitsland en de Verenigde Staten. Zij vinden dat in 7 van de 8 gevallen het systematisch risico in de banksector significant hoger is dan het systematisch risico in de andere sectoren.
14
Het Comité Européen des Assurances stelt dat de verbondenheid tussen banken groter is dan tussen verzekeraars. Zij stellen ook dat het systematisch risico bij de verzekeraars lager is dan bij de banken. Bij banken zou de connectiviteit groter zijn dan bij verzekeraars omdat banken meer in relatie staan tot elkaar door onder andere de funding in de interbankenmarkt en de vele handelsactiviteiten en transacties tussen de instituties. Slijkerman, Schoenmaker en de Vries (2011) spreken dit tegen door hun onderzoek naar de onderlinge systematische afhankelijkheid tussen en binnen de verzekerings- en banksector. Hun resultaten duiden erop dat verzekeraars blootgesteld zijn aan een grotere onderlinge afhankelijkheid in vergelijking met banken. De gemiddelde kans dat twee financiële instellingen failliet gaan, gegeven dat er één financiële instelling failliet gaat, is bij de verzekeraars 11,7% en bij de banken 10,3%. De onderlinge afhankelijkheid tussen de twee sectoren is lager dan binnen de sectoren. Hier is dit percentage 7,4 %. Ze stellen dan ook dat het motief voor het opsplitsen van bank- en verzekeringsactiviteiten niet een stijging van het risico mag zijn. De Jonghe (2007) besluit dat non-interestactiviteiten de marktgevoeligheid doet stijgen in drukke tijden op de financiële markten. Dit is in tegenstelling tot kleine en goed gekapitaliseerde banken die beter bestand zijn tegen economische schokken.
2.10 Decompositie van het risico Het totaal risico van een financiële instelling kan opgedeeld worden in het systematische en idiosyncratische risico. Het systematische risico is de mate waarin de financiële instelling het risico van de totale markt ondervindt. Dit risico kan niet gereduceerd worden door diversificatie. Vooral investeerders en regulatoren zijn geïnteresseerd in de blootstelling aan het systematisch risico. Het idiosyncratisch risico is het bedrijfsspecifieke risico en dit risico kan wel gereduceerd worden door diversificatie. Managers, klanten en andere stakeholders zijn geïnteresseerd in het bankspecifieke risico. Baele, De Jonghe en Vander Vennet (2007) zeggen dat de inkomensdiversificatie door banken het systematisch risico doet stijgen. Ze vinden bovendien dat grote en sterk gediversifieerde banken blootgesteld zijn aan een hoger systematisch risico. Ze vinden dat het effect van de grootte en diversificatie van deze banken op het idiosyncratisch risico niet-lineair en negatief is. Casu et al. (2011) onderzochten het effect van ventures tussen banken en verzekeraars op het risicoprofiel. Ze menen dat bankverzekeren geen significante invloed heeft op het idiosyncratische en totaal risico van de biedende financiële instellingen. Ze zeggen wel dat door bankverzekeren het systematisch risico stijgt. Ze concluderen ook dat 15
banken blootgesteld zijn aan een hoger idiosyncratisch risico dan aan systematisch risico. Bij de verzekeraars is deze blootstelling aan risico relatief gelijk. Casu et al. (2011) zeggen ook dat de stijging van het systematisch risico niet te wijten is aan de diversificatie. De risicostijging is te wijten aan de grootte van de financiële instelling.
16
3. Hypothesen De literatuurstudie geeft geen eenduidig antwoord op de vraag of diversificatie in noninterestactiviteiten zoals bij bankverzekeren het risico van de bank doet stijgen of dalen. Templeton en Severiens (1992), Boyd, Graham en Hewitt (1992) en Brewer (1989) argumenteren dat bankverzekeren het totaal risico doet dalen. Recentere studies van Lepetit et al. (2008) en Stiroh en Rumble (2005) stellen dat er een positief verband is tussen diversificatie en het totaal risico. Er wordt dan ook verondersteld dat deze studie in lijn ligt met de recentere studies en dat het totaal risico van bankverzekeraars groter is dan van banken en verzekeraars.
Uit bovenstaande literatuurstudie komt sterk tot uiting dat diversificatie in non-interestinkomen een positief effect heeft op het systematisch risico. De Nicolo en Kwast (2001), Baele, De Jonghe en Vander Vennet (2007), Casu et al. (2011) en Wagner (2010) ondersteunen deze stelling. De verwachtingen zijn dan ook dat het systematisch risico van bankverzekeraars groter is dan van banken en verzekeraars.
Het onderzoek naar het effect van diversificatie op het idiosyncratisch risico is niet zo uitgebreid. Het idiosyncratisch risico is immers diversifieerbaar en dus van minder groot belang voor investeerders. Baele, De Jonghe en Vander Vennet (2007) zeggen dat het verband tussen diversificatie en idiosyncratisch risico negatief is. Casu et al. (2011) stellen dat het idiosyncratisch risico bij banken relatief groter is dan het systematisch risico. Bij verzekeraars zou deze verhouding gelijk zijn. Het effect van inkomensdiversificatie op het rendement van financiële instellingen werd reeds door verschillende auteurs onderzocht. Chang en Elyasiani (2008), Estrella (2000) en Fields, Fraser en Kolari (2007) vinden evidentie dat inkomensdiversificatie het rendement van de financiële instellingen doet stijgen. Berger, Hasan en Zhou (2010) vinden dan weer dat inkomensdiversificatie het rendement van het financiële conglomeraat doen dalen. Omdat de eerder geformuleerde hypothese stelt dat het risico van de bankverzekaar groter is, veronderstellen we hier dat gezien de risico/rendement trade-off het rendement van de bankverzekeraar groter zal zijn dan van de banken en verzekeraars.
Dat financiële instellingen zich anders gaan gedragen in tijden van crisis is ondertussen geen geheim meer. Wat misschien wel nog geheim is, is het antwoord op de vraag of de verschillende 17
types financiële instellingen zich verschillend gedragen tijdens een crisisperiode. Wagner (2010), De Nicolo en Kwast (2001), De Nicolo et al. (2004) en De Jonghe (2007) vinden evidentie dat financiële conglomeraten gevoeliger zijn aan de markt dan niet gediversifieerde financiële instellingen. Slijkerman, Schoenmaker en de Vries (2011) vinden in hun onderzoek andere resultaten. Uit de literatuurstudie en andere berichtgevingen wordt er toch vermoed dat het risico van bankverzekeraars groter is dan van banken en verzekeraars tijdens de crisis.
Casu et al. (2011) stellen dat de diversificatie in non-interest activiteiten niet de oorzaak is van de stijging in het systematisch risico, maar de grootte van de financiële aan de basis ligt van dit fenomeen. In deel 2.6 van de literatuurstudie werd de invloed van de grootte van financiële instellingen op risico en kosten reeds uitvoerig besproken. Op basis van de literatuur wordt er verondersteld dat het verband tussen grootte van de financiële instelling en het systematisch risico positief is. Over het effect van de grootte op de andere het idiosyncratische en totaal risico wordt er geen hypothese vooropgesteld.
De relatie tussen het aanhouden van kapitaal en het risico van de bank zou negatief moeten zijn. Regulatoren en overheden verplichten banken immers door onder andere de Basel-akkoorden om een minimum aan kapitaal aan te houden om op die manier het risico op faillissement te verkleinen.
Volgens de klassieke risico-rendement trade-off zou het behalen van een hoge ROE gepaard gaan met een hoger risico.
18
4. Data Voor het onderzoek werd er een unieke lijst samengesteld van 52 financiële instellingen waaronder 17 Europese banken, 16 Europese verzekeraars en 19 Europese bankverzekeraars. De dagelijkse aandelenprijzen van de banken, verzekeraars en bankverzekeraars voor de periode 2004-2011 zijn afkomstig van Datastream. De verzamelde balansgegevens voor de drie types van financiële instellingen voor de periode 2004-2010 zijn afkomstig van Worldscope. Tabel(3) hieronder bevat de financiële instellingen die gebruikt zijn voor het uitvoeren van het onderzoek.
Banken NORDEA BANK BANQUE CANTON.DE GENEVE 3 ALLIED IRISH BANKS 4 COMMERZBANK 5 DEUTSCHE BANK 6 BANCA POPOLARE DI MILANO 7 BANCO POPULAR ESPANOL 8 BANKINTER 'R' 9 NATIXIS 10 SWEDBANK 'A' 1 2
11 BANK POLSKA KASA OPIEKI 12 OTP BANK 13 JYSKE BANK 14 BANCO BPI 15 BANCA PPO.EMILIA ROMAGNA 16 SIAULIU BANKAS 17 ERSTE GROUP BANK
1 2
Bankverzekeraars BANCA CARIGE MEDIOLANUM
1 2
3 4 5 6
ALM BRAND DANSKE BANK BBV.ARGENTARIA DNB
3 4 5 6
Verzekeraars AXA VIENNA INSURANCE GROUP AMLIN AEGON BALOISE-HOLDING AG AVIVA
7 8 9 10
BANCO SANTANDER STOREBRAND CREDIT AGRICOLE LLOYDS BANKING GROUP 11 OLD MUTUAL 12 SVENSKA HANDBKN.'A'
7 8 9 10
HELVETIA HOLDING N SWISS LIFE HOLDING BEAZLEY HANNOVER RUCK.
13 KBC GROUP 14 BANK OF IRELAND 15 TKI.GARANTI BKSI.
11 MILANO ASSICURAZIONI 12 CATTOLICA ASSICURAZIONI 13 TOPDANMARK 14 MAPFRE 15 CNP ASSURANCES
16 17 18 19
ING GROEP ALPHA BANK BANK OF CYPRUS ALLIANZ
16 EULER HERMES
Tabel 3 – Sample van de financiële instellingen
In de volgende alinea’s worden de controlevariabelen kort besproken. Doordat deze voor de drie types financiële instellingen beschikbaar moeten zijn, is de set controlevariabelen beperkt tot drie maatstaven (Return On Equity, kapitaalratio en grootte).Data voor de verzekeraars was enkel beschikbaar op Worldscope. Omdat Worldscope minder uitgebreid is dan Bankscope is de
19
set controlevariabelen zo beperkt. De evolutie van de drie controlevariabelen worden weergegeven in figuur(1).
Figuur 1 – Evolutie van de controlevariabelen
4.1 Return On Equity De gemiddelde Return on Equity van de sample ‘banken’ schommelt voor de periode 2004-2007 tussen de 15% en 17%. Voor diezelfde periode fluctueert ROE voor de verzekeraars tussen de 15% en 20%. De bankverzekeraars behalen voor deze periode systematisch de hoogste ROE met een piek in 2007 van meer dan 21%. Na deze periode dalen de rendementen van de financiële instellingen significant ten gevolge van de crisis. Terwijl in 2008 de ROE’s van de verschillende soorten financiële instellingen nog dicht bij elkaar lagen, worden de verschillen in 2009 en zeker in 2010 zeer duidelijk. De verzekeraars halen in 2010 een rendement van bijna 10%. De bankverzekeraars presteren iets minder sterk maar behalen toch nog een rendement van bijna 7%. De banken kregen duidelijk de zwaarste klappen en beëindigen 2010 met een negatieve ROE.
4.2 Kapitaalratio De kapitaalratio werd berekend met behulp van de informatie beschikbaar op Worldscope. Deze werd bepaald door de rubriek kapitaal te delen door de rubriek totale activa. Voor zowel de banken, de verzekeraars als de bankverzekeraars verloopt deze ratio vrij constant. Bij de banken fluctueert de ratio rond 22%, bij de verzekeraars rond 16% en bij de bankverzekeraars rond 19% voor de periode 2004-2010. Hieruit blijkt dus dat bankverzekeraars sterker gekapitaliseerd zijn dan banken en verzekeraars.
20
4.3 Grootte van de financiële instelling Opvallend is dat de drie types financiële instellingen over de periode 2004-2010 alle drie systematisch zijn toegenomen in grootte. Dit is waarschijnlijk het gevolg van het grote aantal overnames en fusies in de sector. Voor de volledige sample van de banken bedragen de gemiddelde totale activa voor de periode 2004-211 ongeveer 190 miljard euro. Voor de verzekeraars is dit gemiddeld 120 miljard euro en voor de bankverzekeraars 680 miljard euro.
21
5. Onderzoek 5.1 Risico Met behulp van het Capital Asset Pricing Model wordt het systematisch en idiosyncratisch risico van de aandelen van de verschillende financiële instellingen gemeten. Het model is ontworpen door William Sharpe (1964) en John Lintner (1965). Het werd uitvoerig beschreven door Fama en French (2004). Het CAPM is een evenwichtstheorie die de wisselwerking tussen risico en verwacht rendement kwantificeert door gebruik te maken van één risicofactor, namelijk het rendement van de markt. De kapitaalkost van een aandeel is een lineaire combinatie van de nominale risicovrije rente en een bedrijfsspecifieke risicopremie:
∗
(1)
waarbij E[Ri] het verwacht rendement is van aandeel i, E[Rm] het verwacht rendement is van de marktportfolio en Rf is het nominaal rendement van de risicovrije activa. Het verschil tussen het verwacht rendement van de markt en de risicovrije rente is de risicopremie van de kapitaalmarkt. βim meet de covariantie van het rendement van een bankaandeel en het rendement van de markt, geschaald door de variantie van het marktrendement. Het is een maatstaf voor de gevoeligheid van het rendement van een aandeel ten opzichte van het marktrisico. Bij definitie heeft de totale aandelenmarkt een bèta gelijk aan één. Een aandeel met een bèta kleiner dan één is minder variabel dan de markt, terwijl een aandeel met een bèta groter dan één volatieler is dan de markt. Een grotere covariantie vertaalt zich in meer risico en vereist een hogere riskpremie, terwijl een kleinere covariantie een kleinere premie vereist. Vergelijking (1) wordt geschat door gebruik te maken van de kleinste kwadraten methode voor elke aandeel. De regressie wordt uitgevoerd voor elke financiële instelling in de sample voor elk jaar tussen 2004 en 2011.
∗
(2)
waarbij Rit het wekelijkse rendement is van aandeel i op tijdstip t. Rmt is het wekelijkse marktrendement op tijdstip t. Voor de Europese marktindex wordt gebruik gemaakt van de Europe-DS Market. Rft is het wekelijks risicovrij rendement op tijdstip t. De driemaandelijkse 22
Euribor wordt gebruikt als risicovrije interest. εit is de storingsterm van aandeel i op tijdstip t. Het wekelijks aandeelrendement, marktrendement en risicovrij rendement worden berekend met behulp van volgende formules: !
ln
!,
#$
% &' ln % &'
ln
( (,
) *+ ) *+ ,
#$
#$
Uit de resultaten van bovenstaande regressie (2) kan het idiosyncratisch risico eenvoudig bepaald worden door de volatiliteit te meten van de storingstermen van de regressie. Als maatstaf voor het berekenen van het idiosyncratisch risico wordt er gebruik gemaakt van de standaardafwijking van de storingstermen. , +!- .
' !./ ! .+
0
Het onsystematisch risico kan geëlimineerd worden door diversificatie. Omdat de storingsterm en de factor niet gecorreleerd zijn kan het totaal risico als volgt worden weergegeven:
Totaal risico = systematisch risico + onsystematisch risico 01
1
∗ 01
0
²
Een andere manier om het totaal risico van een financiële instelling te meten is door de volatiliteit van de aandeelrendementen te onderzoeken. Hierbij wordt de standaardafwijking van de aandeelrendementen gebruikt als maatstaf. 3+'
! .+
0
Na het berekenen van de drie risicomaatstaven (systematisch, idiosyncratisch en totaal) zal er met behulp van statistische testen worden gecontroleerd of de risicowaarden statistisch 23
significant verschillen voor de drie types financiële instellingen (bankverzekeraars, banken en verzekeraars). Er zal ook nagegaan worden of de risicowaarden binnen een financiële instelling verschillen voor en tijdens de crisis. De periode 2004-2006 wordt aangeduid als de periode voor de crisis. De periode 2007-2009 wordt aangeduid als de crisisperiode. Een derde groep bevat de gegevens voor de periode 2010-2011. Deze groep waarden zal omwille van statistische restricties enkel gebruikt worden voor het testen van de verschillen tussen de drie types financiële instellingen. De statistische testen worden uitgevoerd in SPSS 20.
Eerst zal worden getest of er significante verschillen heersen tussen de gemiddelde risicowaarden van de drie types financiële instellingen over de volledige periode 2004-2011. Er zal voor de drie types worden gecontroleerd of de risicowaarden over de periode 2004-2011 normaal verdeeld zijn met behulp van de One-Sample Kolmogorov-Smirnov Test. De Kolmogorov-Smirnov Test heeft volgende hypothesen: 45 ∶ 7 ' !'8 4$ ∶ 7 ' !'8
9 9
+ :
;
' + :
;
Indien de groepen normaal verdeeld zijn kan er met behulp van parametrische testen worden getest of de risicowaarden verschillen. Als de nulhypothese van de normale verdeling verworpen wordt, zullen er niet-parametrische testen gebruikt worden. Indien beide testgroepen normaal verdeeld zijn, zal de T-test bepalen of de gemiddelde waarden van de testgroepen statistisch verschillend zijn. Er wordt eerst met behulp van de Levene’s Test voor gelijke varianties gecontroleerd of de varianties ten opzichte van de gemiddelde waarden van de testgroepen statistisch verschillend zijn. Dit heeft invloed op het aantal vrijheidsgraden voor het uitvoeren van de T-test. Dit zijn de hypothesen van de T-test: 45 ∶ 7 < : 4$ ∶ 7 < :
! .+8 ! .+8
9 9
<
&
; !./
Indien één of beide testgroepen niet normaal verdeeld zijn wordt er een niet-parametrische test gebruikt om te bepalen of de waarden van de testgroepen significant verschillend zijn. Hiervoor wordt gebruik gemaakt van de Independent-Samples Mann-Whitney U Test. Volgende hypothesen gelden:
24
45 ∶ 7 ! .+8 4$ ∶ 7 ! .+8
9 9
<
&
; !./
Vervolgens worden de risicowaarden ingedeeld in drie tijdsperioden (2004-2006,2007-2009 en 2010-2011) voor elke financiële instelling. Met behulp van de Kolmorov Smirnov Test zal er opnieuw worden nagegaan of de testgroepen normaal verdeeld zijn.
Na het testen van de normale verdeling worden de risicowaarden vergeleken tussen de verschillende types financiële instellingen. De vergelijking gebeurt voor de drie tijdsperiodes (2004-2006,2007-2009 en 2010-2011). Indien beide testgroepen normaal verdeeld zijn zal de Ttest opnieuw bepalen of de gemiddelde waarden van de testgroepen statistisch verschillend zijn. De hypothesen van de T-test voor het vergelijken van de kleinere tijdsperiode zijn dezelfde als voor de vergelijking van de gemiddelde risicowaarden voor de hele periode.
Indien één of beide testgroepen niet normaal verdeeld zijn wordt de Mann-Whitney U Test gebruikt om te bepalen of de waarden van de testgroepen significant verschillend zijn. De hypothesen zijn eveneens dezelfde als de hypothesen die hierboven vermeld zijn.
In de volgende fase wordt er onderzocht of de risicowaarden binnen het type financiële instelling verschillend zijn voor en tijdens de crisis. Zoals reeds vermeld wordt de periode 20042006 aangeduid als de periode voor de crisis en de periode 2007-2009 als de crisisperiode. Omdat de waarden binnen eenzelfde financiële instelling vergeleken worden, zijn deze waarden gepaard. Er zal dan ook gebruik gemaakt worden van gepaarde testen in dit deel van het onderzoek. Ook hier wordt er een onderverdeling gemaakt tussen de parametrische en nietparametrische testen.
Indien de testgroepen normaal verdeeld zijn wordt de gepaarde T-test gebruikt om na te gaan of het risico tijdens de crisis significant verschillend is van het risico voor de crisis. Volgende hypothesen worden gedefinieerd: 45 4$
7 < :
7 < :
! .+8 ! .+8
9 9
<
&
; !./
25
Indien één of beide testgroepen niet normaal verdeel zijn wordt de niet-parametrische variant toegepast om te controleren of de waarden voor beide perioden gelijk zijn. De Related-Sample Wilcoxon Signed Rank Test wordt gebruikt om te testen of het verschil van de medianen gelijk is aan 0. Er gelden volgende hypotheses: 45 ∶ 7 : 4$ ∶ 7 :
; ;
! .+8
9
! .+8
9
<
&
; !./
5.2 Rendement Voor het vergelijken van de rendementen van de drie types financiële instellingen wordt voor elke bank het jaarlijks gemiddeld rendement berekend voor de periode 2004-2010 met behulp van volgende formule: ∑
>$→@1
52
Waarbij Rit het wekelijks aandeelrendement is, berekend via deze formule:
ln
! !,
#$
De bovenstaande beschreven methode voor het controleren op significante verschillen in risico tussen de verschillende types financiële instellingen zal ook toegepast worden om te testen of de rendementen van de verschillende types significant verschillen. De rendementen zijn ook opgedeeld in testgroepen volgens de drie perioden (2004-2006, 2007-2009, 2010-2011) en volgens type financiële instelling (bankverzekeraars, banken en verzekeraars). Zoals beschreven in deel 5.1 zal er eerst worden getest of de testgroepen normaal verdeeld zijn met behulp van de Kolmogorv-Smirnov Test. Op basis van de resultaten van deze test zal bepaald worden of de volgende testen parametrisch of niet-parametrisch zijn. Omdat de methodiek die in dit deel van het onderzoek zal worden toegepast dezelfde is als in deel 5.1 zal de beschrijving in de volgende alinea’s zich beperken tot de formulering van de hypothesen voor de rendementen. 26
Bij de eerste testen worden de gemiddelde rendementen vergeleken tussen de drie types financiële instellingen. Indien beide testgroepen normaal verdeeld zijn, zijn de hypothesen van de T-test de volgende:
45 ∶ 7 < :
4$ ∶ 7 < :
:
'
'
9
:
9
<
&
; !./
Indien beide testgroepen niet normaal verdeeld zijn, zijn de hypothesen van de Mann-Whitney U Test:
45 ∶ 7 ! .+8
9
4$ ∶ 7 ! .+8
9
<
&
; !./
De volgende test controleert of de gemiddelde rendementen binnen het type financiële instelling verschillend zijn voor en tijdens de crisis. Indien beide testgroepen normaal verdeeld zijn, zijn de hypothesen van de gepaarde T-test: 45 ∶ 7 < :
! .+8
4$ ∶ 7 < :
9
! .+8
9
<
&
; !./
Indien beide testgroepen niet normaal verdeeld zijn, wordt de Related-Sample Wilcoxon Signed Rank Test gebruikt. De hypothesen zijn: 45 ∶ 7 : 4$ ∶ 7 :
;
;
: :
'!8
'!8
9 9
<
&
; !./
5.3 Regressies Risico Na het verkrijgen van de risicomaatstaven voor elke bank worden deze geregresseerd op enkele controlevariabelen. De regressies zullen worden uitgevoerd in Eviews 7. De variabelen moeten relevant en verkrijgbaar zijn voor zowel banken, verzekeraars als bankverzekeraars. In de volgende regressies wordt met behulp van pooled data nagegaan wat het effect is van het rendement, het aanhouden van kapitaal en de grootte van de financiële instelling op het risico van de drie verschillende types financiële instellingen. De schattingen worden uitgevoerd door 27
middel van de kleinste kwadraten methode. Als maatstaf voor het rendement, het aanhouden van kapitaal en de grootte van de financiële instelling wordt er gebruik gemaakt van balansdata die verkregen werden via Worldscope. Voor het rendement werd Return On Equity (ROE) gekozen als maatstaf. Deze ratio is letterlijk beschikbaar op Worldscope. Voor het aanhouden van kapitaal wordt er een kapitaalratio (CAP) berekend als maatstaf:
C D
E 3+'
' .' ;
waarbij de data voor kapitaal en totale activa beschikbaar zijn op Worldscope. De parameter voor de grootte van de financiële instelling (SIZE) wordt berekend via de volgende formule: F,G
ln 3+'
.' ;
5.3.1 Controlevariabelen en dummies voor bank en verzekeraar
Met behulp van deze regressie gaan we na wat het effect is van de controlevariabelen op het systematisch, idiosyncratisch en totaal risico van de financiële instellingen voor de periode 20042010. Er wordt ook getest of de martktbèta’s, het idiosyncratisch risico en totaal risico voor banken en verzekeraars significant verschillen van deze van bankverzekeraars voor de periode 2004-2010. Hiervoor wordt er een dummy gecreëerd voor de banken (DummyB) en de verzekeraars (DummyV). In het vervolg van dit deel staat Xij voor de parameter X van financiële instelling i in jaar j. Volgende drie regressies worden geschat: *5
H
,7,I H 3+'
*5
! .+ H
*$ ∗ I *$ ∗ I *5
*1 ∗ C D H
H H
*$ ∗ I
*1 ∗ C D H H
*J ∗ F,G *J ∗ F,G
*1 ∗ C D H
*K ∗ 7)::-L
H H
*J ∗ F,G
*K ∗ 7)::-L H
*@ ∗ 7)::-M *@ ∗ 7)::-M
*K ∗ 7)::-L
*@ ∗ 7)::-M
5.3.2 Verschil effect van controlevariabelen op de drie types financiële instellingen
In dit deel van het onderzoek wordt er getest of het rendement, het aanhouden van kapitaal en de grootte van de financiële instelling een verschillend effect hebben op het systematisch, idiosyncratisch en totaal risico. Hiervoor worden er interacties toegevoegd aan bovenstaande regressies: 28
*5
H
*$ ∗ I
*1 ∗ C D H
H
∗ 7)::-L
*J ∗ F,G
C D H ∗ 7)::-L
C D H ∗ 7)::-M ,7,I H
*5
*$ ∗ I
∗ 7)::-L
! .+ H
*5 I
*$ ∗ I H
H
F,G
H
H
*@ ∗ 7)::-M
∗ 7)::-L
I
H
I
H
∗ 7)::-M
∗ 7)::-M
*J ∗ F,G F,G
*K ∗ 7)::-L
H
F,G
H
∗ 7)::-L
*@ ∗ 7)::-M I
H
I
H
∗ 7)::-M
∗ 7)::-M
*1 ∗ C D H
∗ 7)::-L
∗ 7)::-M
H
C D H ∗ 7)::-L
C D H ∗ 7)::-M 3+'
F,G
*1 ∗ C D H
H
*K ∗ 7)::-L
H
*J ∗ F,G
C D H ∗ 7)::-L
C D H ∗ 7)::-M
F,G
H
H
F,G
*K ∗ 7)::-L H
∗ 7)::-L
*@ ∗ 7)::-M I
H
∗ 7)::-M
5.3.3 Effect van de crisis op het risico
Financiële instellingen gedragen zich anders in tijden van crisis. In dit deel wordt er onderzocht of het systematisch, idiosyncratisch en totaal risico verschilt in crisisjaren ten opzichte van normale jaren. Er wordt dus een dummy gecreëerd voor de crisisjaren (DummyCrisis). Er wordt geopteerd om de jaren 2007, 2008 en 2009 te definiëren als crisisjaren. Volgende vergelijkingen worden geschat:
H
*5
*$ ∗ I
*1 ∗ C D H
H
*J ∗ F,G
*K ∗ 7)::-L
H
*@ ∗ 7)::-M
*N
∗ 7)::-C ! ! ,7,I H
*5
*$ ∗ I
H
*1 ∗ C D H
*J ∗ F,G
H
*K ∗ 7)::-L
*@ ∗ 7)::-M
*N
∗ 7)::-C ! ! 3+'
! .+ H
*5
*$ ∗ I
H
*1 ∗ C D H
*J ∗ F,G
H
*K ∗ 7)::-L
*@ ∗ 7)::-M
*N ∗ 7)::-C ! !
5.3.4 Verschil in effect op de crisis tussen de verschillende types financiële instellingen
Het laatste deel onderzoekt of de invloed van de crisis op het risico van de drie types financiële instellingen verschillend is voor de drie types financiële instellingen. Bovenstaande regressie wordt aangevuld met interacties tussen de verschillende dummies:
29
H
*5
*$ ∗ I
*1 ∗ C D H
H
∗ 7)::-C ! !
*J ∗ F,G
*K ∗ 7)::-L
*@ ∗ 7)::-M
*O ∗ 7)::-L ∗ 7)::-C ! !
*P ∗ 7)::-M
H
*N
∗ 7)::-C ! ! ,7,I H
*5
*$ ∗ I
H
*1 ∗ C D H
∗ 7)::-C ! !
*J ∗ F,G
H
*K ∗ 7)::-L
*O ∗ 7)::-L ∗ 7)::-C ! !
*@ ∗ 7)::-M
*N
*P ∗ 7)::-M
∗ 7)::-C ! ! 3+'
! .+ H
*5
*$ ∗ I
H
*1 ∗ C D H
*N ∗ 7)::-C ! !
*J ∗ F,G
H
*K ∗ 7)::-L
*O ∗ 7)::-L ∗ 7)::-C ! !
*@ ∗ 7)::-M
*P ∗ 7)::-M
∗ 7)::-C ! !
5.4 Beperkingen De parameters in de opgestelde regressievergelijkingen werden geschat met behulp van de kleinste kwadratenmethode, ook gekend onder het Engelse acroniem OLS of Ordinary Least Squares. Indien men deze methode wenst te gebruiken, dient voldaan te zijn aan enkele veronderstellingen. In het vervolg van dit werk zullen deze voorwaarden besproken worden alsook de testen die ter controle van de Gauss-Markov veronderstellingen dienen uitgevoerd te worden. Indien uit deze testen blijkt dat niet aan de veronderstellingen voldaan is, dan kunnen de geschatte parameters en de bijhorende significantietesten mogelijk onbetrouwbaar zijn. In deze masterproef wordt er verondersteld dat er voldaan is aan de Gauss-Markov veronderstellingen. Indien dit niet het geval zou zijn, zijn de geschatte parameters en significantietesten mogelijk onbetrouwbaar en is er een beperking van het onderzoek.
5.4.1 Homoscedasticiteit
De homoscedasticiteitsassumptie gaat uit van een constante variantie van de storingstermen. Indien de storingstermen hier niet aan voldoen, blijven de schattingen onvertekend en consistent. Echter, de variantie kan foutief geschat worden waardoor de T-testen verkeerdelijk kunnen geïnterpreteerd worden. Dit resulteert mogelijk in een onjuiste besluittrekking wat betreft significantie. Formeel kan dit getest worden door de White’s General Heteroscedasticity Test uit te voeren in Eviews. Minder formeel is het uitzetten van het kwadraat van de
30
storingstermen tegenover de geschatte bèta’s, maar dit kan toch een indicatie geven van heteroscedasticiteit.
5.4.2 Autocorrelatie
Indien zich autocorrelatie voordoet zijn de storingstermen onderling gecorreleerd. Voor de kleinste kwadraten methode mag dit niet het geval zijn. Dit wil zeggen dat er geen systematisch patroon mag zijn in de storingstermen. Kendal en Buckland (1971) definiëren dit fenomeen als volgt: “correlation between members of series of observations ordered in time [as in time series data] or space [as in cross-sectional data]”. De test die kan worden uitgevoerd om dit te testen is de Durbin-Watson d Test.
5.4.3 Normaal verdeelde storingstermen
De storingstermen dienen een normale verdeling te hebben. Indien dit niet het geval is, zijn ook de coëfficiënten niet normaal verdeeld en kan de T-test niet uitgevoerd worden. Om de normale verdeling van de storingstermen te verifiëren, kan de Jarque-Bera test uitgevoerd worden met de normale verdeling onder de nulhypothese.
5.4.4 Multicollineariteit
Multicollineariteit treedt op wanneer de verklarende variabelen onderling gecorreleerd zijn. De veronderstelling zegt dat er geen perfecte multicollineariteit mag zijn. Het is dus de bedoeling dat de graad van multicollineariteit binnen de steekproef gemeten wordt. Hiervoor kan men de correlaties tussen de verklarende variabelen onderling berekenen. Daarnaast kan ook de variance inflation factor (VIF) berekend worden. Als zou blijken dat deze factor hoger is dan 10, dan kan de overeenkomstige graad van multicollineariteit een probleem vormen voor de betrouwbaarheid van de testen.
31
6. Resultaten In de tabellen zal met behulp van asterisken het significantieniveau van de resultaten aangeduid worden. Hierbij hoort volgende legende: *** = 1% significantieniveau ** = 5% significantieniveau * = 10% significantieniveau
6.1 Risico 6.1.1 Onsystematisch Risico
De marktbèta’s werden verkregen door het schatten van het CAPM. De bèta’s van de banken, verzekeraars en bankverzekeraars zullen aantonen in welke mate deze financiële instellingen het risico van de markt ondervinden. Dit risico kan niet gereduceerd worden door diversificatie en wordt daarom systematisch risico genoemd. De mate waarin de onderneming zich bloot stelt aan het systematisch risico wordt uitgedrukt met de bètacoëfficiënt. Bèta is een meting van de volatiliteit van een onderneming in relatie tot een perfect gediversifieerde markt. De statistische formule is de covariantie tussen de rendementen van het aandeel en de markt, gedeeld door de standaarddeviatie van het rendement van de markt. De geschatte bèta’s voor de periode 20042011 bevinden zich in tabellen 23, 24 en 25 in de bijlage.
Figuur 2 – Evolutie van de bèta’s
32
Voor de banken, bankverzekeraars en verzekeraars zijn de geschatte bèta’s significant verschillend van 0 in respectievelijk 90, 95 en 90 percent van de gevallen op 5% significantieniveau. De evolutie van de gemiddelde bèta’s voor de drie types financiële instellingen over de periode 2004-2011 worden weergegeven in de bovenstaande grafiek, figuur(2).
In de periode 2004-2007 zijn de gemiddelde bèta’s van de banken steeds lager dan de gemiddelde bèta’s van de verzekeraars en bankverzekeraars. Voor deze periode variëren ze van 0,6 in 2004-2005 tot circa 1 in 2006-2007. Dit wil zeggen dat in de jaren 2006 en 2007 de banken het risico van de markt bijna perfect volgden. De evolutie van de bèta’s van de verzekeraars en bankverzekeraars verloopt vrijwel gelijk voor de periode 2004-2007. De waarden fluctueren tussen 0,8 en 1,2. Vanaf het jaar 2008 is er een duidelijk patroon zichtbaar in de evoluties van de gemiddelde bèta’s. Vanaf dit moment liggen de bèta’s van de banken systematisch hoger dan de bèta’s van de verzekeraars en zijn de bèta’s van de bankverzekeraars systematisch groter dan de bèta’s van de banken. De drie types financiële instellingen bereiken in 2009 hun hoogste waarde voor de gemiddelde bèta. Deze bevindingen suggereren dat de financiële instellingen zich blootstelden in 2009 aan het grootste systematisch risico over de geteste periode. Deze resultaten zijn geen verrassing gezien de problematiek van de banken in de voorbije financiële, economische crisis. Het is wel opvallend dat de piek bij de bankverzekeraars in 2009 veel hoger is dan bij de banken en de verzekeraars. De bankverzekeraars behalen in 2009 een gemiddelde bèta van meer dan 2,1. Dit wil zeggen dat de bankverzekeraars meer dan dubbel zo hard reageren op schokken dan de markt. De banken en de verzekeraars behalen in 2009 ook een piekwaarde voor de gemiddelde bèta van respectievelijk bijna 1,8 en 1,6. In 2010 dalen de waarden voor de gemiddelde bèta’s sterk maar blijft het verschil in waarde tussen de drie financiële instellingen ongeveer even groot. In 2011 groeien de bèta’s weer naar elkaar toe. Er moet wel opgemerkt worden dat de bèta’s een hoger niveau hebben dan voor de crisis. Deze resultaten geven dus evidentie dat financiële conglomeraten, in dit geval bankverzekeraars, zich in tijden van crisis blootstellen aan een groter systematisch risico dan andere types van financiële instellingen. Het is ook opvallend dat de gemiddelde bèta van de banken voor de volledige testperiode 2004-2011 kleiner is dan de gemiddelde bèta van de bankverzekeraars. Deze resultaten worden in mindere mate bevestigd indien er gekeken wordt naar de standaardafwijking van de bèta’s. De standaardafwijking van de bèta’s is een maatstaf voor de volatiliteit. De evolutie van de volatiliteit van de bèta’s wordt weergegeven in onderstaande 33
grafiek, figuur(3). Dezelfde piek is waarneembaar in 2009. De afscheiding tussen banken en bankverzekeraars is echter minder groot.
Figuur 3 – Standaardafwijkingen van de bèta’s
Statistische Testen
In dit deel wordt nagegaan of de hierboven beschreven verschillen tussen de drie types financiële instellingen statistisch significant verschillend zijn. De resultaten van de KolmogorovSmirnov Test bevinden zich in tabel 26 in de bijlage. Hieruit volgt dat enkel de testgroep van de bankverzekeraars niet normaal verdeeld is. De gemiddelde bèta’s voor de volledige periode bedragen voor de bankverzekeraars, banken en verzekeraars respectievelijk 1,31 ; 1,11 en 1,14. Eerst zal er gekeken worden naar de verschillen tussen de drie types financiële instellingen over de volledige testperiode (2004-2011). De resultaten van deze test bevinden zich in onderstaande tabel(4).
T-Test Testgroep 1 Testgroep 2 Bèta T1 Bèta T2 Vrijheidsgraden t-statistiek p-waarde B 2004-2011 V 2004-2011 1,1131 1,1439 251,345 -0,396 0,693 Mann-Whitney U Testgroep 1 Testgroep 2 Bèta T1 Bèta T2 p-waarde BV 2004-2011 B 2004-2011 1,3163 1,1131 0,012** BV 2004-2011 V 2004-2011 1,3163 1,1439 0,045** Tabel 4 – Statistische testen bèta’s voor de periode 2004-2011
34
De gemiddelde bèta’s over de periode 2004-2011 zijn niet significant verschillend tussen banken en verzekeraars. Het verschil tussen bankverzekeraars en banken en tussen bankverzekeraars en verzekeraars is wel significant op een 5% significantieniveau. De gemiddelde bèta van de bankverzekeraars is voor de volledige periode significant groter dan de gemiddelde bèta van de banken en de verzekeraars.
Voor het vervolg van dit deel wordt de data opgesplitst in verschillende perioden. Een samenvattende tabel van de gemiddelde bèta’s van de drie types financiële instellingen over verschillende periodes wordt hieronder weergegeven in tabel(5).
Bankverzekeraars
Banken
Verzekeraars
Periode 2004-2006
0,9814
0,7800
1,0119
Periode 2007-2009
1,5317
1,0591
1,1474
Periode 2010-2011
1,4956
1,3238
1,1479
Tabel 5 – Gemiddelde bèta’s
Om te het controleren of deze testgroepen normaal verdeeld zijn werd de Kolmogorov-Smirnov Test uitgevoerd. In de bijlage bevindt zich tabel 27 met de bekomen p-waarden. Hieruit blijkt dat enkel de testgroep van de bankverzekeraars voor de periode 2007-2009 niet normaal verdeeld is. Daaruitvolgend zullen voor de testen met deze testgroep niet-parametrische toetsen gebruikt worden. De resultaten van de parametrische en niet-parametrische testen voor het onderzoeken van het verschil in systematisch risico tussen de drie types financiële instellingen bevinden zich in de tabel(6) op de volgende bladzijde.
35
T-test Testgroep 1
Testgroep 2
Bèta T1 Bèta T2 Vrijheidsgraden t-statistiek p-waarde
BV 2004-2006
B 2004-2006
0,9814
0,7800
91,55
2,002
0,048**
BV 2004-2006
V 2004-2006
0,9814
1,0119
103
-0,311
0,756
B 2004-2006
V2004-2006
0,7800
1,0119
97
-1,991
0.049**
B 2007-2009
V 2007-2009
1,0591
1,1474
82.32
-1,108
0,271
BV 2010-2011
B 2010-2011
1,4956
1,3238
70
1,294
0,200
BV 2010-2011
V 2010-2011
1,4956
1,1479
68
2,975
0,004***
B 2010-2011
V 2010-2011
1,3238
1,1479
64
1,353
0,181
Testgroep 1
Testgroep 2
Bèta T1 Bèta T2
p-waarde
BV 2007-2009
B2007-2009
1,5317
1,0591
0,001***
BV 2007-2009
V 2007-2009
1,5317
1,1474
0,010***
Mann-Whitney U
Tabel 6 – Statistische testen bèta’s voor de deelperioden
Voor de periode 2004-2006 is de gemiddelde bèta van de bankverzekeraars en verzekeraars groter dan de gemiddelde bèta van de banken op een 5% significantieniveau. De bèta’s van de bankverzekeraars en verzekeraars verschilt niet significant voor de periode voor de crisis. Voor de crisisperiode, 2007-2009, verschillen deze resultaten grondig. De bankverzekeraars hebben over deze periode een gemiddelde bèta die significant groter is dan zowel de banken als de verzekeraars op een 1% significantieniveau. In de periode 2010-2011 worden er andere resultaten verkregen ten opzichte van de periode voor de crisis. Nu is de gemiddelde bèta van de verzekeraars significant lager dan bij de banken en bankverzekeraars. De bèta’s van de banken en bankverzekeraars verschillen niet significant voor deze periode.
In de volgende alinea’s wordt er nagegaan of het systematisch risico binnen een type financiële instelling significant verschillend is voor en tijdens de crisis. Hiervoor worden de gemiddelde bèta’s voor de perioden 2004-2006 en 2007-2009 met elkaar vergeleken. De resultaten van de parametrische en niet-parametrische testen voor het onderzoeken van het verschil in systematisch risico tussen de twee perioden voor de drie types financiële instellingen bevinden zich in onderstaande tabel(7).
36
Gepaarde T-test Testgroep 1
Testgroep 2
Bèta T1 Bèta T2 Vrijheidsgraden t-statistiek p-waarde
B 2004-2006
B 2007-2009
0,7800
1,0591
50
-5,440
0,000***
V 2004-2006
V 2007-2009
1,0119
1,1474
47
-2,581
0,013**
Testgroep 1
Testgroep 2
Bèta T1 Bèta T2
p-waarde
BV 2004-2006
BV 2007-2009
0,9814
0,000***
Gepaarde Wilcoxon
1,5317
Tabel 7 – Statistische testen bèta’s voor crisiseffect
Uit bovenstaande tabel is duidelijk af te leiden dat de gemiddelde bèta’s voor de crisis significant lager zijn dan de gemiddelde bèta’s tijdens de crisis en dit voor de drie types financiële instellingen. Voor de banken en bankverzekeraars is dit verschil significant op 1% significantieniveau. Voor de verzekeraars op een 5% significantieniveau.
6.1.2 Idiosyncratisch Risico In tegenstelling tot het systematisch risico of marktrisico houdt het onsystematisch risico geen rekening met de bewegingen van de markt. Het onsystematisch risico, ook bedrijfsspecifiek of idiosyncratisch risico genoemd, is een maatstaf voor het risico voor één specifieke onderneming. Dit risico wordt statistisch bepaald door het berekenen van de standaardafwijking van de storingstermen die verkregen zijn bij het schatten van de marktbèta’s via het CAPM. De standaardafwijking van de storingstermen voor de periode 2004-2011 bevinden zich in tabellen 28, 29 en 30 in de bijlage. Het totaal risico van een financiële instelling is een optelling van het systematisch en onsystematisch risico.
Figuur 4 – Evolutie van het idiosyncratisch risico
37
Men kan zich de vraag stellen of de evolutie van het idiosyncratisch risico hetzelfde is als dat van het systematisch risico. Indien dit het geval is, wordt het risicoverschil tussen de drie soorten financiële instellingen alleen maar groter. Er moet wel vermeld worden dat het onsystematisch risico in tegenstelling tot het systematisch risico diversifieerbaar is. De evolutie van het onsystematisch risico wordt weergegeven in bovenstaande grafiek. In de periode 2004-2007 fluctueert de gemiddelde standaardafwijking van de storingstermen van de drie types financiële instellingen tussen 0,02 en 0,03. Vanaf het jaar 2008 tekent er zich echter weer een duidelijk verschil af. De grafieklijn van het idiosyncratisch risico van de verzekeraars ligt voor de periode 2008-2011 duidelijk onder de lijnen van de banken en bankverzekeraars. De grafieken van de banken en bankverzekeraars verschillen duidelijk minder sterk dan bij het systematisch risico. Toch is het opvallend dat het idiosyncratisch risico meer dan verdubbeld is in de jaren 2008 en 2009 en dat de piekwaarden worden bereikt door de bankverzekeraars in deze jaren. De economische crisis heeft dus ook een sterke invloed op het idiosyncratisch risico van financiële instellingen.
Statistische Testen
In dit deel wordt er getest of het idiosyncratisch risico statistisch significant verschillend is tussen de verschillende types financiële instellingen en in tijden van crisis. Eerst wordt er getest of het idiosyncratisch risico van bankverzekeraars, banken en verzekeraars significant verschilt over de volledige testperiode 2004-2011. De resultaten van de Kolmogorov-Smirnov Test voor deze periode bevinden zich in tabel 31 in de bijlage. De waarden van het idiosyncratisch risico zijn voor de drie types financiële instellingen niet normaal verdeeld over de volledige periode. Er zal dus gebruik gemaakt worden van niet-parametrische testen. De gemiddelde waarde voor het idiosyncratisch risico bedraagt voor deze periode voor de bankverzekeraars, banken en verzekeraars respectievelijk 0,0408; 0,0399 en 0,0337. De resultaten voor het testen van het verschil in gemiddeld idiosyncratisch risico over de volledige periode bevinden zich in onderstaande tabel(8).
Mann-Whitney U Testgroep 1 Testgroep 2 Idio T1 BV 2004-2011 B 2004-2011 0,0408 BV 2004-2011 V 2004-2011 0,0408 B 2004-2011 V 2004-2011 0,0399
Idio T2 p-waarde 0,0399 0,971 0,0337 0,134 0,0337 0,082*
Tabel 8 – Statistische testen idiosyncratisch risico periode 2004-2011
38
Het gemiddeld idiosyncratisch risico is enkel significant verschillend op een 10% significantieniveau tussen banken en verzekeraars over de volledige periode. Het idiosyncratisch risico bij de banken is significant hoger dan bij de verzekeraars. Hieronder bevindt zich de samenvattende tabel(9) met het idiosyncratisch risico voor de verschillende perioden.
Periode 2004-2006 Periode 2007-2009 Periode 2010-2011
Bankverzekeraars 0,0242 0,0535 0,0466
Banken 0,0241 0,0517 0,0458
Verzekeraars 0,0246 0,0443 0,0314
Tabel 9 – De gemiddelde idiosyncratische risico’s voor de deelperioden
Om te het controleren of deze testgroepen normaal verdeeld zijn, wordt er eveneens de Kolmogorov-Smirnov Test uitgevoerd. In de bijlage bevindt zich tabel 32 met de bekomen pwaarden. Hieruit blijkt dat de testgroepen van de bankverzekeraars voor de periode 2004-2006, de verzekeraars voor de periode 2004-2006 en de verzekeraars voor de periode 2010-2011 niet normaal verdeeld zijn. Voor deze testgroepen zullen niet-parametrische toetsen gebruikt worden. De resultaten van de parametrische en niet-parametrische testen voor het onderzoeken van het verschil in idiosyncratisch risico tussen de drie types financiële instellingen bevinden zich in onderstaande tabel(10).
T-Test Testgroep 1 BV 2007-2009 BV 2007-2009 B 2007-2009 Mann-Whitney U Testgroep 1 BV 2004-2006 BV 2004-2006 B 2004-2006 BV 2010-2011 BV 2010-2011 B 2010-2011
Testgroep 2 B 2007-2009 V 2007-2009 V 2007-2009
Idio T1 0,0535 0,0535 0,0517
Idio T2 Vrijheidsgraden t-statistiek p-waarde 0,0517 106 0,311 0,756 0,0443 88,479 1,819 0,072* 0,0443 97 1,547 0,125
Testgroep 2 B 2004-2006 V 2004-2006 V 2004-2006 B 2010-2011 V 2010-2011 V 2010-2011
Idio T1 0,0242 0,0242 0,0241 0,0466 0,0466 0,0458
Idio T2 0,0241 0,0246 0,0246 0,0458 0,0314 0,0314
p-waarde 0,924 0,563 0,703 0,693 0,000*** 0,000***
Tabel 10 – Statistische testen idiosyncratisch risico voor de deelperioden
Voor de periode 2004-2006 is het idiosyncratisch risico voor de drie types financiële instellingen niet significant verschillend. De waarden voor het idiosyncratisch risico bedragen dan ook voor alle drie de types iets meer dan 0,024. Voor de crisisperiode is het verschil tussen het idiosyncratisch risico 39
van de bankverzekeraars en verzekeraars significant verschillend op een 10% significantieniveau. Voor de periode 2010-2011 is het idiosyncratisch risico van de verzekeraars niet enkel significant verschillend ten opzichte van de bankverzekeraars, maar ook van de banken. Deze verschillen zijn significant op een 1% significantieniveau.
In de volgende alinea’s wordt er nagegaan of het idiosyncratisch risico binnen de drie types financiële instellingen significant verschillend zijn voor en tijdens de crisis. Hiervoor worden het gemiddeld idiosyncratisch risico voor de perioden 2004-2006 en 2007-2009 met elkaar vergeleken. De resultaten van de parametrische en niet-parametrische testen voor het onderzoeken van het verschil in idiosyncratisch risico tussen de twee perioden voor de drie types financiële instellingen bevinden zich in onderstaande tabel(11).
Gepaarde T-test Testgroep 1 Testgroep 2 B 2004-2006 B 2007-2009 Gepaarde Wilcoxon Testgroep 1 Testgroep 2 BV 2004-2006 BV 2007-2009 V 2004-2006 V 2007-2009
Idio T1 Idio T2 Vrijheidsgraden t-statistiek p-waarde 0,0241 0,0517 50 -7,047 0,000*** Idio T1 Idio T2 0,0242 0,0535 0,0246 0,0443
p-waarde 0,000*** 0,000***
Tabel 11 – Statistische testen idiosyncratisch risico voor de crisisperiode
De resultaten van dit deel van het onderzoek zijn zeer duidelijk. Voor de drie types financiële instellingen is het idiosyncratisch risico tijdens de crisisperiode significant groter op een 1% significantieniveau dan in de periode voor de crisis. De waarde voor het idiosyncratisch risico verdubbelt bijna voor de verzekeraars en neemt met een factor groter dan twee toe voor de banken en bankverzekeraars.
40
6.1.3 Totaal Risico
Figuur 5 – Evolutie totaal risico
Het totaal risico van een financiële instelling wordt onderzocht door de volatiliteit van de aandeelrendementen te onderzoeken. Hierbij wordt de standaardafwijking van de aandeelrendementen gebruikt als maatstaf. De gemiddelde standaardafwijkingen voor de aandeelrendementen van de drie types financiële instellingen voor de periode 2004-2011 worden weergegeven in tabellen 33, 34 en 35 in de bijlage. De evolutie voor deze maatstaf van totaal risico wordt weergegeven in bovenstaande grafiek, figuur(5). Voor de periode 2004-2007 liggen de standaardafwijkingen van de verschillende types financiële instellingen dicht bij elkaar. Ze schommelen tussen 0 en 0,002. Net als bij de evolutie van het systematisch en idiosyncratisch risico is er een duidelijk keerpunt in 2008. De standaardafwijking van de rendementen voor de verzekeraars in 2008 is bijna vijf maal zo groot dan in 2007. Bij de banken bedraagt deze factor bijna 6 en bij de bankverzekeraars is deze factor groter dan 7. Terwijl de standaardafwijking voor de verzekeraars in 2009 op hetzelfde niveau blijft als in 2008, bereiken de banken en bankverzekeraars in 2009 een piekwaarde van respectievelijk 0,010 en 0,013. Dat brengt met zich mee dat vanaf 2008 het totaal risico van de bankverzekeraars steeds groter is dan het risico van de andere twee financiële instellingen. Het totaal risico van de bankverzekeraars is in 2009 zelfs dubbel zo groot dan dat van de verzekeraars en 20% hoger dan dat van de banken.
41
Statistische Testen
Op dezelfde wijze als bij het systematisch en idiosyncratisch risico wordt er in dit deel onderzocht of het totaal risico statistisch significant verschillend is tussen de verschillende types financiële instellingen. Er wordt tevens getest of het totaal risico verschillend is in tijden van crisis. Eerst wordt er getest of het totaal risico van bankverzekeraars, banken en verzekeraars significant verschilt over de volledige testperiode 2004-2011. De resultaten van de KolmogorovSmirnov Test voor deze periode bevinden zich in tabel 36 in de bijlage. De waarden van het totaal risico zijn voor de drie types financiële instellingen niet normaal verdeeld over de volledige periode. Er zal dus net zoals bij het idiosyncratisch risico gebruik gemaakt worden van niet-parametrische testen. De gemiddelde waarde voor het totaal risico bedraagt voor deze periode voor de bankverzekeraars, banken en verzekeraars respectievelijk 0,0559; 0,0515 en 0,0460. De resultaten van het testen van het verschil in het gemiddelde totaal risico over de volledige periode bevinden zich in onderstaande tabel(12).
Mann-Whitney U Testgroep 1 Testgroep 2 Totaal T1 BV 2004-2011 B 2004-2011 0,0559 BV 2004-2011 V 2004-2011 0,0559 B 2004-2011 V 2004-2011 0,0515
Totaal T2 0,0515 0,0460 0,0460
p-waarde 0,332 0,148 0,550
Tabel 12 – Statistische testen voor de periode 2004-2011
In tegenstelling tot het systematisch en idiosyncratisch risico levert deze test voor het totaal risico geen significante verschillen op voor de volledige periode. Misschien zijn er wel significante verschillen voor de deelperioden. Hieronder bevindt zich een samenvattende tabel(13) van het gemiddelde totaal risico voor de verschillende perioden.
Periode 2004-2006 Periode 2007-2009 Periode 2010-2011
Bankverzekeraars 0,0288 0,0769 0,0651
Banken 0,0276 0,0698 0,0598
Verzekeraars 0,0289 0,0628 0,0462
Tabel 13 – Gemiddelde waarden totaal risico
De resultaten van de Kolmogorov-Smirnov Test bevinden zich in tabel 37 in de bijlage. Uit deze resultaten blijkt dat alle testgroepen normaal verdeeld zijn. Voor het vervolg van het onderzoek 42
van het totaal risico kunnen dus parametrische toetsen gebruikt worden. De resultaten van de parametrische testen voor het onderzoeken van het verschil in totaal risico tussen de drie types financiële instellingen bevinden zich in onderstaande tabel(14).
T-Test Testgroep 1 BV 2004-2006 BV 2004-2006 B 2004-2006 BV 2007-2009 BV 2007-2009 B 2007-2009 BV 2010-2011 BV 2010-2011 B 2010-2011
Testgroep 2 Totaal T1 Totaal T2 Vrijheidsgraden t-statistiek p-waarde B 2004-2006 0,0288 0,0276 106 0,623 0,534 V 2004-2006 0,0288 0,0289 103 -0,073 0,942 V 2004-2006 0,0276 0,0289 90,532 -0,761 0,444 B 2007-2009 0,0769 0,0698 106 0,843 0,401 V 2007-2009 0,0769 0,0628 93,817 1,934 0,056* V 2007-2009 0,0698 0,0628 97 1,005 0,317 B 2010-2011 0,0651 0,0598 70 0,816 0,417 V 2010-2011 0,0651 0,0462 68 3,632 0,001*** V 2010-2011 0,0598 0,0462 64 2,196 0,032**
Tabel 14 – Statistische testen totaal risico voor de deelperioden
Voor de periode 2004-2006 is het totaal risico voor de drie types financiële instellingen niet significant verschillend. De waarden voor het totaal risico bedragen dan ook voor alle drie de types iets meer dan 0,0275. Voor de crisisperiode is het verschil tussen het totaal risico van de bankverzekeraars en verzekeraars significant verschillend op een 10% significantieniveau. Voor de periode 2010-2011 is het totaal risico van de verzekeraars significant verschillend ten opzichte van de bankverzekeraars, maar ook van de banken. Deze verschillen zijn respectievelijk significant op een 1% en 5% significantieniveau.
In dit deel van het onderzoek wordt er nagegaan of het totaal risico binnen de drie types financiële instelling significant verschillend is voor en tijdens de crisis. Hiervoor wordt het gemiddeld totaal risico voor de perioden 2004-2006 en 2007-2009 met elkaar vergeleken. De resultaten van de parametrische testen voor het onderzoeken van het verschil in totaal risico tussen de twee perioden voor de drie types financiële instellingen bevinden zich in onderstaande tabel(15).
Gepaarde T-test Testgroep 1 Testgroep 2 Totaal T1 Totaal T2 Vrijheidsgraden t-statistiek p-waarde BV 2004-2006 BV 2007-2009 0,0288 0,0769 56 -7,706 0,000*** B 2004-2006 B 2007-2009 0,0276 0,0698 50 -7,767 0,000*** V 2004-2006 V 2007-2009 0,0289 0,0628 47 -7,986 0,000*** Tabel 15 – Statistische testen totaal risico voor de crisisperiode
43
De resultaten van dit deel zijn zeer vergelijkbaar met de resultaten van het idiosyncratisch onderzoek. Voor de drie types financiële instellingen is het totaal risico tijdens de crisisperiode significant groter op een 1% significantieniveau dan in de periode voor de crisis. De waarde van het totaal risico neemt met een factor groter dan 2,1 toe voor de verzekeraars, met een factor groter dan 2,5 voor de banken en met een factor 2,7 voor de bankverzekeraars.
6.1.4 Besluit Risico
Uit bovenstaande analyse blijkt duidelijk dat het risicoprofiel van een financieel conglomeraat, ontstaan door de diversificatie van een bank in verzekeringsactiviteiten, niet beter is dan dat van de afzonderlijke entiteiten, de bank en verzekeraar. Integendeel. De testresultaten voor de volledige periode 2004-2011 wijzen al op het feit dat het systematisch risico van bankverzekeraars significant groter is dan dat van banken en verzekeraars. De gemiddelde bèta van de bankverzekeraars over de volledige testperiode bedraagt 1,31. Dit wil zeggen dat bankverzekeraars gemiddeld 30% sterker reageren op economische schokken dan de markt. Deze resultaten liggen in lijn met de onderzoeksresultaten van De Nicolo en Kwast (2001), Baele, De Jonghe en Vander Vennet (2007), Casu et al. (2011) en Wagner (2010). Zij stelden ook dat bankverzekeraars zich blootstellen aan een groter systematisch risico dan banken en verzekeraars. Indien er gekeken wordt naar de verschillende deelperioden wordt het ook duidelijk in welke economische situatie dit verschil het grootst wordt. In de periode 2004-2006 zijn de gemiddelde bèta’s van bankverzekeraars en verzekeraars niet significant verschillend, maar zijn de bèta’s van de banken wel significant kleiner. Maar tijdens de crisisjaren 2007-2009 verandert de situatie grondig ten opzichte van de periode 2004-2006. In deze periode stijgt de gemiddelde marktbèta van de bankverzekeraars met meer dan 50% ten opzichte van de periode 2004-2006 tot gemiddeld 1,53. Bankverzekeraars reageren dus gemiddeld de helft sterker dan de markt op economische schokken. Hoewel de gemiddelde bèta van de banken ook fors gestegen is ten opzichte van de periode 2004-2006, is het gemiddeld systematisch risico van de bankverzekeraars in de crisisperiode significant hoger dan bij de banken en verzekeraars. Er moet wel opgemerkt worden dat het systematisch risico binnen de drie types financiële instellingen significant is gestegen tijdens de crisisperiode in vergelijking met de periode 20042006. Voor de verzekeraars is dit echter in tegenstelling tot de bankverzekeraars en banken niet significant op een 1% significantieniveau. De gemiddelde bèta’s van de banken stijgen nog sterk in 2010-2011 ten opzichte van de crisisperiode. In deze periode is het gemiddeld systematisch 44
risico van de banken niet significant kleiner dan van de bankverzekeraars. De bankverzekeraars hebben nog steeds een gemiddelde bèta van 1,50. Dit is nog steeds significant hoger dan de gemiddelde bèta van de verzekeraars. Wat betreft het systematisch risico kunnen we dus besluiten dat tijdens een periode van economische crisis de bankverzekeraars zich blootstellen aan een veel groter risico dan de banken en verzekeraars. Het systematisch risico van de banken is door de tijd heen wel zeer sterk gestegen. Het systematisch risico van de verzekeraars is veel constanter dan dat van bankverzekeraars en banken.
Het onderzoek naar verschillen in het idiosyncratisch risico levert andere resultaten op. Volgens Baele, De Jonghe en Vander Vennet (2007) is het verband tussen diversificatie en idiosyncratisch risico negatief. Voor de volledige periode is de waarneming dat verzekeraars een significant lager idiosyncratisch risico hebben dan banken het enige significante resultaat. Dit leunt dus niet aan bij de resultaten van Baele, De Jonghe en Vander Vennet (2007). Indien er gekeken wordt naar het verschil in idiosyncratisch risico tussen de verschillende types financiële instellingen in de deelperiodes zijn er geen significante verschillen voor de periode voor de crisis. Tijdens de crisis is het gemiddeld idiosyncratisch risico van de bankverzekeraars significant groter dan bij de verzekeraars en in de periode 2010-2011 is het idiosyncratisch risico van zowel de bankverzekeraars als de banken significant groter dan bij de verzekeraars. Uit deze resultaten blijkt dus niet dat de diversificatie van banken in non-interest activiteiten het idiosyncratisch risico doet dalen. Het gemiddeld idiosyncratisch risico van banken en bankverzekeraars is immers in geen enkele periode significant verschillend. Het is wel zo dat het idiosyncratisch risico van de verzekeraars kleiner is dat dat van bankverzekeraars. Tijdens de crisis stijgt het idiosyncratisch risico voor alle types financiële instellingen.
De resultaten van het totaal risico zijn gelijkaardig aan de resultaten van het idiosyncratisch risico. Over de volledige periode zijn er geen significante risicoverschillen waarneembaar tussen de drie types financiële instellingen. Templeton en Severiens (1992), Boyd, Graham en Hewitt (1992) en Brewer (1989) argumenteren dat bankverzekeren het totaal risico doet dalen. De studies van Lepetit et al. (2008) en Stiroh en Rumble (2005) stellen dat er een positief verband is tussen diversificatie en het totaal risico. Voor de volledige periode is er geen evidentie dat bankverzekeren het risico doet dalen, dan wel doet stijgen. Dit geldt ook voor de perioden 20042006 en 2007-2009. In de periode 2007-2009 is het gemiddelde totaal risico van de banken wel significant hoger dan het gemiddelde totaal risico van de verzekeraars. In de periode 2010-2011 45
is het totaal risico van de bankverzekeraars echter ook significant hoger dan dat van de verzekeraars. Bovendien behalen de bankverzekeraars met een waarde van 0,0651 het hoogste gemiddelde totaal risico. Tijdens de crisisjaren stijgt het totaal risico significant voor de bankverzekeraars, banken en verzekeraars.
6.2 Rendement In dit deel wordt het rendement van de financiële instellingen onder de loep genomen. De rendementen van de drie types financiële instellingen bevinden zich in tabellen 38,39 en 40 in de bijlage. De evolutie van het rendement van de drie types financiële instellingen wordt weergegeven in onderstaande grafiek, figuur(6).
Figuur 6 – Evolutie van het rendement
Voor de drie types financiële instellingen schommelt het rendement in de periode 2004-2006 rond 0,40%. Vanaf het jaar 2007 neemt de volatiliteit toe. De drie types financiële instellingen behalen dan een negatief rendement tussen de 0 en -0,50%. De rendementsverliezen zijn veel groter in 2008. Voor de banken en bankverzekeraars bedraagt het rendementsverlies in 2008 meer dan 2%. Voor de verzekeraars is dit verlies slechts de helft dan bij de banken en bankverzekeraars. In 2009 herstellen de financiële instellingen zich, in de jaren 2010-2011 gaan de rendementen weer in het rood. Het is opvallend dat de rendementen van banken en verzekeraars nagenoeg hetzelfde traject volgen.
46
Statistische Testen
In dit deel wordt er gecontroleerd of de significante verschillen tussen bankverzekeraars, banken en verzekeraars enkel aanwezig zijn als er gekeken wordt naar het risico of dat die verschillen ook bestaan tussen de rendementen van de drie types financiële instellingen. Eerst wordt er gecontroleerd of rendementsverschillen bestaan tussen de drie types financiële instellingen voor de volledige periode. Om dit te testen wordt eerst de Kolmogorov-Smirnov Test uitgevoerd voor het testen van de normale verdeling. De resultaten bevinden zich in tabel 41 in de bijlage en tonen aan dat enkel de testwaarden van de verzekeraars normaal verdeeld zijn. De MannWhitney U Test zal dus gebruikt worden om het verschil in gemiddeld rendement tussen de verschillende types financiële instellingen te testen over de volledige periode. De gemiddelde rendementen van de bankverzekeraars, banken en verzekeraars bedragen respectievelijk -0,24%, -0,25% en -0,07%. De resultaten van de test bevinden zich in onderstaande tabel(16).
Mann-Whitney U Testgroep 1 Testgroep 2 Rendement T1 Rendement T2 p-waarde BV 2004-2011 B 2004-2011 -0,238% -0,253% 0,689 BV 2004-2011 V 2004-2011 -0,238% -0,072% 0,900 B 2004-2011 V 2004-2011 -0,253% -0,072% 0,686 Tabel 16 – Statistische testen rendement voor periode 2004-2011
Er zijn geen significante rendementsverschillen over de volledige periode. In het vervolg van dit deel wordt er gecontroleerd of dit ook geldt indien de perioden opgedeeld worden en in tijden van crisis. De gemiddelde rendementen van de drie types financiële instellingen voor de verschillende testperioden worden weergegeven in onderstaande tabel(17).
Periode 2004-2006 Periode 2007-2009 Periode 2010-2011
Bankverzekeraars 0,36% -0,49% -0,77%
Banken 0,41% -0,64% -0,67%
Verzekeraars 0,38% -0,37% -0,30%
Tabel 17 – Gemiddelde rendementen
De resultaten van de Kolmogorov-Smirnov Test bevinden zich in tabel 42 in de bijlage. Uit deze resultaten blijkt dat alle testgroepen normaal verdeeld zijn. Voor het vervolg van het onderzoek van het totaal risico kunnen dus parametrische toetsen gebruikt worden. De resultaten van de
47
parametrische testen voor het onderzoeken van het rendementsverschil tussen de drie types financiële instellingen bevinden zich in onderstaande tabel(18).
T-Test Testgroep 1 BV 2004-2006 BV 2004-2006 B 2004-2006 BV 2007-2009 BV 2007-2009 B 2007-2009 BV 2010-2011 BV 2010-2011 B 2010-2011
Testgroep 2 Rend T1 Rend T2 Vrijheidsgraden t-statistiek p-waarde B 2004-2006 0,0036 0,0041 106 -0,776 0,439 V 2004-2006 0,0036 0,0038 85,509 -0,222 0,825 V 2004-2006 0,0041 0,0038 91,432 0,425 0,672 B 2007-2009 -0,0049 -0,0064 106 0,546 0,586 V 2007-2009 -0,0049 -0,0037 86,929 -0,530 0,597 V 2007-2009 -0,0064 -0,0037 80,260 -1,228 0,223 B 2010-2011 -0,0077 -0,0067 70 -0,401 0,690 V 2010-2011 -0,0077 -0,0030 58,647 -2,287 0,026** V 2010-2011 -0,0067 -0,0030 56,357 -1,966 0,054*
Tabel 18 – Statistische testen rendement voor de deelperioden
Uit bovenstaande resultaten blijkt dat er zich enkel een significant verschil aftekent tussen bankverzekeraars en verzekeraars en tussen banken en verzekeraars in de periode 2010-2011. De gemiddelde rendementen van de verzekeraars zijn in deze periode significant groter dan de gemiddelde rendementen van de banken en bankverzekeraars.
Vervolgens wordt er nagegaan of het gemiddelde rendement binnen de drie types financiële instellingen significant verschillend zijn voor en tijdens de crisis. De resultaten worden bekomen door de gemiddelde rendementen van de perioden 2004-2006 en 2007-2009 met elkaar te vergelijken. De resultaten van de parametrische testen voor het onderzoeken van het verschil in gemiddeld rendement tussen de twee perioden voor de drie types financiële instellingen bevinden zich in onderstaande tabel(19).
Gepaarde T-test Testgroep 1 Testgroep 2 Rend T1 Rend T2 Vrijheidsgraden t-statistiek p-waarde BV 2004-2006 BV 2007-2009 0,0036 -0,0049 56 4,269 0,000*** B 2004-2006 B 2007-2009 0,0041 -0,0064 50 5,260 0,000*** V 2004-2006 V 2007-2009 0,0038 -0,0037 47 5,513 0,000*** Tabel 19 – Statistische testen rendement voor crisisperiode
De gemiddelde rendementen zijn duidelijk significant verschillend voor en tijdens de crisisperiode. Voor de crisis zijn deze positief en schommelen ze voor de drie types financiële instellingen rond de 0,40%. Tijdens de crisis zijn de gemiddelde rendementen voor alle drie de
48
types negatief. Voor de bankverzekeraars, banken en verzekeraars bedragen de rendementen in de periode 2007-2009 respectievelijk -0,49% ; -0,64% en -0,37%.
Besluit Rendement
Het verschil in gemiddeld rendement is over de volledige periode niet significant verschillend tussen de drie types financiële instellingen. Chang en Elyasiani (2008), Estrella (2000) en Fields, Fraser en Kolari (2007) vinden evidentie dat inkomensdiversificatie het rendement van de financiële instellingen doet stijgen. Berger, Hasan en Zhou (2010) vinden dan weer dat inkomensdiversificatie het rendement van het financiële conglomeraat doet dalen. De algemene resultaten in dit deel ondersteunen dus noch een stijging, noch een daling van het rendement door inkomensdiversificatie. Deze resultaten worden bevestigd in de perioden 2004-2006 en 2007-2009. Echter, in de periode 2010-2011 is het rendement van verzekeraars significant minder laag dan het rendement van de banken en bankverzekeraars. Het rendement is voor de drie types financiële instellingen wel negatief. Tijdens de crisisjaren (2007-2009) is het rendement voor de drie types financiële instellingen significant lager ten opzichte van de periode voor de crisis en bovendien ook negatief.
6.3 Risicoregressies Zoals beschreven in de methodiek wordt het onderzoek uitgevoerd in 4 stappen. In elke stap wordt er een regressie uitgevoerd waarbij er aanvullende of andere parameters worden toegevoegd. De resultaten van de schattingen uit de E-views output van de coëfficiënten en de bijhorende t-statistieken bevinden zich in de tabellen bij de tekst. In de figuren 7, 8, 9 en 10 in de bijlage bevinden zich als voorbeeld de 4 Eviews resultaten voor systematisch risico zoals weergegeven na het uitvoeren van een regressie.
6.3.1 Systematisch Risico
Het systematisch risico van de banken is voor de 4 regressies significant kleiner dan dat van de bankverzekeraars. Voor de verzekeraars levert enkel de tweede regressie significante resultaten op. Uit deze regressie blijkt ook dat het systematisch risico van de verzekeraars kleiner is dan dat van de bankverzekeraars. De resultaten voor het effect van ROE op het systematisch risico zijn 49
consistent en significant over de 4 regressies. Het verband tussen ROE en de marktbèta bij de bankverzekeraars is sterk negatief. Dit wil zeggen dat een stijging van ROE gepaard gaat met een daling van het systematisch risico. Volgens de klassieke risico/rendement trade-off zou het behalen van een hoge ROE gepaard gaan met een hoger risico. Dit is dus duidelijk niet het geval. Het is mogelijk dat de crisisperiode zijn invloed had op deze relatie. Risicovollere banken hebben immers een grotere kans om verliezen te boeken tijdens turbulente periodes. Het is ook opvallend dat dit effect significant minder negatief is voor banken en verzekeraars. We kunnen uit deze coëfficiënten echter niet afleiden of het effect van ROE op het systematisch risico van banken en verzekeraars significant verschillend is van 0 . De invloed van het aanhouden van kapitaal op het systematisch risico is enkel in de tweede regressie significant verschillend van 0. De relatie tussen de kapitaalratio en de marktbèta’s van de bankverzekeraars is hier zoals verwacht negatief. Voor de banken en verzekeraars is deze relatie significant verschillend. De relatie is voor banken en verzekeraars positief, maar uit onderstaande data is niet af te leiden of dit significant verschillend van 0 is. Het verband tussen de grootte van de financiële instelling en het systematisch risico is significant positief en consistent over de 4 regressies. Voor de banken en verzekeraars is dit verband zelfs significant groter dan voor bankverzekeraars. Het is duidelijk dat de crisis een vergrotend effect heeft op het systematisch risico. Onderstaande resultaten in tabel(20) argumenteren echter dat dit effect niet significant verschillend is voor de drie types financiële instellingen.
1a
1b
2a
ROE -1,819 -8,457 -2,920 CAP -0,049 -0,156 -1,521 SIZE 0,154 8,775*** 0,074 DummyB -0,206 -2,858*** -3,312 DummyV 0,118 1,468 -3.453 ROE*DummyB 1,106 CAP*DummyB 2,386 SIZE*DummyB 0,129 ROE*DummyV 1,841 CAP*DummyV 2,779 SIZE*DummyV 0,153 DummyC DummyB*DummyC DummyV*DummyC
2b -7,149*** -3,127*** 2,443** -4,154*** -3,276*** 2,225** 2,982*** 3,312*** 2,872*** 3,397*** 2,851***
3a -1,682 -0,189 0,146 -0,120 0,101
3b -7,950*** -0,610 8,539*** -2,848*** 1,291
4a -1,680 -0,194 0,146 -0,208 0,146
4b -7,924*** -0,626 8,501*** -2,255** 1,479
0,268
4,568***
0,295 0,020 -0,107
3,055*** 0,141 -0,758
Tabel 20 – Regressieresultaten controlevariabelen ( Systematisch risico)
50
6.3.2 Idiosyncratisch Risico
Het idiosyncratisch risico van de banken is voor slechts 1 van 4 regressies significant kleiner dan dat van de bankverzekeraars. Voor de verzekeraars levert de regressie drie significante resultaten op. Hieruit blijkt dat het idiosyncratisch risico van de verzekeraars significant kleiner is dan het idiosyncratisch risico van de bankverzekeraars. De resultaten voor het effect van ROE op het idiosyncratisch risico zijn in dezelfde lijn als de resultaten bij het systematisch risico. Het verband tussen ROE en de het idiosyncratisch risico is bijgevolg bij de bankverzekeraars negatief. Dit wil zeggen dat een stijging van ROE gepaard gaat met een daling van het idiosyncratisch risico. De invloed van het aanhouden van kapitaal op het idiosyncratisch risico is ook enkel in de tweede regressie significant verschillend van 0. De relatie tussen de kapitaalratio en de marktbèta’s van de bankverzekeraars is hier zoals verwacht negatief. Voor de banken en verzekeraars is deze relatie net als bij het systematisch risico significant verschillend. De relatie is voor banken en verzekeraars positief, maar uit onderstaande data is niet af te leiden of dit significant verschillend van 0 is. Voor de bankverzekeraars is het effect van de grootte op het idiosyncratisch risico enkel significant in de tweede regressie. De relatie is negatief. Dit wil zeggen dat een grotere bankverzekeraar het idiosyncratisch risico doet dalen. Voor de banken en verzekeraars is deze relatie significant verschillend en positief, maar daarom niet significant verschillend van 0. Door de crisis stijgt het idiosyncratisch risico van de drie types financiële instellingen significant. Er worden hier echter geen significante verschillen waargenomen tussen de types financiële instellingen.
1a
1b
2a
2b
3a
ROE -0,093 -11,96*** -0,145 -9,802*** -0,083 CAP 0,000 0,023 -0,038 -2,172** -0,010 SIZE 0,001 0,808 -0,002 -2,245** 0,000 DummyB -0,004 -1,59 -0,115 -3,995*** -0,004 DummyV -0,005 -1,73* -0,107 -2,800*** -0,006 ROE*DummyB 0,056 3,093*** CAP*DummyB 0,051 1,776* SIZE*DummyB 0,005 3,453*** ROE*DummyV 0,090 3,880*** CAP*DummyV 0,064 2,159** SIZE*DummyV 0,004 2,130** 0,012 DummyC DummyB*DummyC DummyV*DummyC
3b
4a
4b
-11,97***
-0,083
-11,95***
-0,978
-0,010
-0,999
-0,056
0000
-0,084
-1,613
-0,004
-1,354
-2,443**
-0,005
-1,382
10,17***
0,021
6,516***
0,001
0,198
-0,004
-0,919
Tabel 21 – Regressieresultaten controlevariabelen (Idiosyncratisch risico)
51
6.3.3 Totaal Risico
Het totaal risico van de banken is voor de 4 regressies significant kleiner dan dat van de bankverzekeraars. Voor de verzekeraars levert enkel de tweede regressie significante resultaten op. Uit deze regressie blijkt ook dat het totaal risico van de verzekeraars kleiner is dan dat van de bankverzekeraars. Vermits ROE een negatief effect heeft op zowel het systematisch als het idiosyncratisch risico is hetzelfde effect waarneembaar bij het totaal risico. Ook het verband tussen de kapitaalratio en het totaal risico is enkel significant en negatief voor de bankverzekeraars in de tweede regressie. Voor de banken en verzekeraars geldt hetzelfde als bij het systematisch en idiosyncratisch risico. De grootte van de bankverzekeraar heeft in drie van de 4 regressies een significante invloed op het totaal risico. Voor de banken en verzekeraars is dit effect significant groter. Tijdens de crisis is het totaal risico, zoals verwacht, significant veel groter dan in de andere perioden.
1a
1b
2a
2b
3a
ROE -0,1313 -12,0*** -0,216 -10,4*** -0,115 CAP 0,0030 0,19 -0,060 -2,42** -0,014 SIZE 0,0029 3,26*** 0,001 -0,32 0,002 DummyB -0,0082 -2,25** -0,144 -3,57*** -0,008 DummyV -0,0036 -0,87 -0,129 -2,41** -0,006 ROE*DummyB 0,103 4,10 CAP*DummyB 0,086 2,12** SIZE*DummyB 0,006 2,78*** ROE*DummyV 0,116 3,57*** CAP*DummyV 0,102 2,47** SIZE*DummyV 0.003 1,78* 0,032 DummyC DummyB*DummyC DummyV*DummyC
3b
4a
4b
-12,4*** -1,00 2,69*** -2,44** -1,62
-0.1148 -0.0138 0.0020 -0.0071 -0.0028
-12,40*** -1,02 2,66*** -1,77* -0,64
12,4***
0.0341 -0.0009 -0.0065
8,11*** -0,14 -1,06
Tabel 22 – Regressieresultaten controlevariabelen (Totaal risico)
52
7. Conclusie In bovenstaand onderzoek werd op zoek gegaan naar het risico- en rendementsprofiel van bankverzekeraars. Het verschil met het risico- en rendementsprofiel van banken en verzekeraars werd eveneens onderzocht. Daartoe werd een unieke sample opgesteld van in totaal 52 financiële instellingen. Deze sample bevat zowel banken, verzekeraars als bankverzekeraars. Systematisch, idiosyncratisch en totaal risico zijn de drie gehanteerde risicomaatstaven. Met behulp van het Capital Asset Pricing Model werd het systematisch en idiosyncratisch risico bepaald. De maatstaf voor het rendement is het gemiddeld wekelijks rendement. In het eerste deel van het onderzoek werd de evolutie van deze maatstaven over de tijd bestudeerd aan de hand van grafieken. Voor de drie risicomaatstaven was er vanaf het jaar 2007 een duidelijk patroon zichtbaar. De verzekeraars hebben het laagste risiconiveau. Het risiconiveau van de banken ligt iets hoger en dat van de bankverzekeraars overstijgt beiden. Voor de rendementen was duidelijk zichtbaar dat het rendement van verzekeraars minder sterk fluctueert dan dat van banken en bankverzekeraars. De afscheiding tussen banken en bankverzekeraars is minder zichtbaar. Voor het verkrijgen van statistisch significante resultaten werden statistische testen uitgevoerd in SPSS. Daardoor konden verschillen tussen de drie types financiële instellingen en tussen verschillende tijdsperiodes worden waargenomen. De testresultaten voor de volledige periode 2004-2011 wijzen er op dat het systematisch risico van bankverzekeraars significant groter is dan dat van banken en verzekeraars. Deze resultaten zijn volgens de verwachtingen en liggen in lijn met de onderzoeksresultaten van De Nicolo en Kwast (2001), Baele, De Jonghe en Vander Vennet (2007), Casu et al. (2011) en Wagner (2010). Zij stelden ook dat bankverzekeraars blootgesteld zijn aan een groter systematisch risico dan banken en verzekeraars. Het onderzoek naar verschillen in het idiosyncratisch risico levert niet de verwachte resultaten op. Baele, De Jonghe en Vander Vennet (2007) stellen dat het verband tussen diversificatie en idiosyncratisch risico negatief is. Voor de volledige periode is het verschil tussen verzekeraars en banken het enige significant resultaat. Dit strookt dus niet met de resultaten van Baele, De Jonghe en Vander Vennet (2007). Bij de resultaten van het totaal risico zijn er voor de volledige periode geen significante risicoverschillen waarneembaar tussen de drie types financiële instellingen. Templeton en Severiens (1992), Boyd, Graham en Hewitt (1992) en Brewer (1989) argumenteren dat bankverzekeren het totaal risico doet dalen. De studies van Lepetit et al. (2008) en Stiroh en Rumble (2005) stellen dat er een positief verband is tussen diversificatie en het totaal risico. Voor de volledige periode is er in dit onderzoek geen evidentie dat bankverzekeren het risico 53
doet dalen, dan wel doet stijgen. Vervolgens werd er onderzocht of het risico tussen de drie types financiële instellingen verschilt voor bepaalde deelperiodes. De impact van de crisis werd ook binnen de types financiële instellingen onderzocht. De onderzochte deelperiodes zijn 20042006, 2007-2009 en 2010-2011 waarbij de periode 2007-2009 gedefinieerd werd als de crisisperiode. Het systematisch risico binnen de drie types financiële instellingen is significant gestegen tijdens de crisisperiode in vergelijking met de periode 2004-2006. Na het analyseren van de verschillen tussen de types financiële instellingen wordt er besloten dat bankverzekeraars tijdens een periode van economische crisis blootgesteld zijn aan een veel groter risico dan banken en verzekeraars. Na het analyseren van de verschillen in idiosyncratisch risico voor de deelperioden blijkt niet dat de diversificatie van banken in non-interestactiviteiten het idiosyncratisch risico doet dalen. Het gemiddeld idiosyncratisch risico van banken en bankverzekeraars is immers in geen enkele periode significant verschillend. Het is bovendien zo dat het idiosyncratisch risico van de verzekeraars kleiner is dan dat van bankverzekeraars tijdens de crisisperiode en de periode erna. De resultaten van het totaal risico lagen in lijn met de resultaten van het systematisch en vooral het idiosyncratisch risico. Het verschil in gemiddeld rendement is over de volledige periode niet significant verschillend tussen de drie types financiële instellingen. Chang en Elyasiani (2008), Estrella (2000) en Fields, Fraser en Kolari (2007) vinden evidentie voor het feit dat inkomensdiversificatie het rendement van de financiële instellingen
doet
stijgen.
Berger,
Hasan
en
Zhou
(2010)
vinden
dan
weer
dat
inkomensdiversificatie het rendement van het financiële conglomeraat doet dalen. De algemene resultaten in dit deel ondersteunen dus noch een stijging, noch een daling van het rendement door inkomensdiversificatie. Deze resultaten worden bevestigd in de perioden 2004-2006 en 2007-2009. Echter, in de periode 2010-2011 is het rendement van verzekeraars significant hoger dan het rendement van de banken en bankverzekeraars. Het is dus opmerkelijk dat verzekeraars zowel het laagste risiconiveau als het hoogste rendement behalen. Een belangrijk aandachtspunt is dat het risicoprofiel van bankverzekeraars risicovoller is tijdens de crisis. Dit verschil in risico is duidelijk zichtbaar wanneer vergeleken wordt met verzekeraars. In mindere mate is dit ook het geval in vergelijking met banken. Deze bevindingen sluiten aan bij Wagner (2010), De Nicolo en Kwast (2001), De Nicolo et al. (2004) en De Jonghe (2007). Zij vonden reeds evidentie voor de additionele kwetsbaarheid van financiële conglomeraten voor schommelingen in de markt in vergelijking met niet gediversifieerde financiële instellingen. Slijkerman, Schoenmaker en de Vries (2011) vonden in hun onderzoek tegengestelde resultaten. De regressies van de risicomaatstaven en het rendement op enkele controlevariabelen leveren gedeeltelijk 54
verrassende resultaten op. Zo is de relatie tussen het risico en ROE negatief. Het effect van het aanhouden van kapitaal blijkt niet erg significant. Een duidelijke verband bestaat er wel tussen de grootte van de financiële instellingen en het risico. Deze relatie is significant positief. Casu et al. (2011) stellen dat de diversificatie in non-interestactiviteiten niet de oorzaak is van de stijging in het systematisch risico, maar de grootte van de financiële instelling aan de basis ligt van dit fenomeen. Op basis van de literatuur werd verondersteld dat het verband tussen grootte van de financiële instelling en het systematisch risico positief is. De resultaten van het uitgevoerd onderzoek ondersteunen deze stelling. Het onderzoek bevestigt in zekere mate dat het een juiste beslissing is om bank- en verzekeringsactiviteiten van bankverzekeraars te splitsen. Het voorbeeld van ING werd gegeven in de inleiding van dit werk. Vooral tijdens de crisisperiode is het systematisch risico van bankverzekeraars significant hoger dan het systematisch risico van banken en verzekeraars. De beperkingen van dit onderzoek zijn de beperkte sample en de veronderstelling dat voldaan is aan de Gauss-Markov veronderstellingen voor het uitvoeren van de regressies. Dit kan mogelijk minder betrouwbare resultaten opleveren. Voor verder onderzoek is het zeker interessant om een gelijkaardig onderzoek uit te voeren met een meer uitgebreide sample. Het kan eveneens waardevolle resultaten opleveren indien parameters toegevoegd worden die de invloed van de graad van diversificatie nagaan.
55
8. Literatuurlijst Allen, L., & Jagtiani, J. (2000). The Risk Effects of Combining Banking,Securities, and Insurance Activities. Journal of Economics and Business 2000, 52:485–497. Altunbas, Y., Molyneux, P., & Thornton, J. (1997). Big-Bank Mergers in Europe: An Analysis of the Cost Implication. Economica, New Series, 64, 317-329. Amel, D., Barnes, C., Panetta, F., & Salleo, C. (2003). Consolidation and efficiency in the financial sector:A review of the international evidence. Research Paper Series, 7. Baele, L., De Jonghe, O., & Vander Vennet, R. (2007). Does the stock market value bank diversification? Journal of Banking & Finance, 31(7), 1999-2023. doi: 10.1016/j.jbankfin.2006.08.003 Berger, A., Hasan, I., & Zhou, M. (2010). The effects of focus versus diversification on bank performance: Evindence from chinese banks. Bank of England, Bank of Finland, BOFIT Discussion Papers. Boot, A. (2003). Restructuring in the Banking Industry with Implications for Europe. University of Amsterdam and CEPR. Boyd, J., Graham, S., & Hewitt, S. (1992). Bank holding company mergers with nonbank financial firms:Effects on the risk of failure. Journal of Banking and Finance, 17, 43-63. Brewer, E. (1989). Relationship Between Bank Holding Company Risk and Nonbank Activity. Journal of Economics an Business, 337-353. Bühler, W., & Prokopczuk, M. (2007). Systemic Risk: Is the banking sector special? Casu, B., Dontis-Charitos, P., Staikouras, S., & Williams, J. (2011). How do acquirers fare in bankinsurance takeovers? A risk decomposition approach. Cavallo, L., & Rossi, S. (2001). Scale and scope economies in the European banking systems. Journal of Multinational Financial Management, 11, 515-531. Chang, M.-S., & Elyasiani, E. (2008). Product Diversification and Performance in the Financial Industry:FHCs’ Expansion into Insurance Activities. De Nicolo, G., Bartholomew, P., Zaman, J., & Zephirin, M. (2004). Bank Consolidation, Internationalization, and Conglomeration: Trends and Implications for Financial Risk. Financial Markets, Institutions & Instruments, 13, 173-217. De Nicolo, G., & Kwast, M. (2001). Systemic Risk and Financial Consolidation: Are They Related? Demsetz, R., & Strahan, P. (1997). Diversification, S ize and Risk at Bank Holding Companies. Journal of Money, Credit and Banking, 29, 300-313. DeYoung, R., & Rice, T. (2003). Noninterest Income and Financial Performance at U.S. Commercial Banks. Federal Reserve Bank of Chicago.
VIII
Elsas, R., Hackethal, A., & Holzhäuser, M. (2010). The anatomy of bank diversification. Journal of Banking & Finance, 34(6), 1274-1287. doi: 10.1016/j.jbankfin.2009.11.024 Elyasiani, E., Mansur, I., & Pagano, M. S. (2007). Convergence and risk-return linkages across financial service firms. Journal of Banking & Finance, 31(4), 1167-1190. doi: 10.1016/j.jbankfin.2006.10.006 Estrella, A. (2000). Mixing and Matching: Prospective Financial Sector Mergers and Market Valuation. Federal Reserve Bank of New York. Fama, E., & French, K. (2004). The Capital Asset Pricing Model: Theory and Evidence. Journal of Ecnomic perspectives, 18, 25-46. Fields, P., Fraser, D., & Kolari, J. (2007). Is bancassurance a viable model for financial firms? The Journal of Risk and Insurance, 74, 777-794. Fried, D. (2011). Bancassurance in HSBC. Insurance and Finance, 8. Graham, J., Lemmon, M., & Wolf, J. (2002). Does Corporate Diversification Destroy Value? The Journal of Finance, 57, 695-720. Jonghe, O. D. (2007). The impact of revenue diversity on banking system stability. Kendall, M.G., & Buckland, W.R. (1971). A Dictionary of Statistical Terms, Hafner Publishing Company, New York, p. 8 Laderman, E. (1999). The potential diversification and failure reduction benefits of bank expansion into nonbanking activities. Federal Reserve Bank of San Francisco. Laeven, L., & Levine, R. (2005). Is There a Diversification Discount in Financial Conglomerates? Legrand, C. (2004). New Trends in World Bancassurance. Milliman. Lepetit, L., Nys, E., Rous, P., & Tarazi, A. (2008). Bank income structure and risk: An empirical analysis of European banks. Journal of Banking & Finance, 32(8), 1452-1467. doi: 10.1016/j.jbankfin.2007.12.002 Lintner, J. (1965). The valuation of risk assets and the selection of risky investements in stock portfolios and capital budgets. The Review of Economics and Statistics, 47, 13-37. Lubatkin, M., & Chatterjee, S. (1994). Extending Modern Portfolio Theory into the Domain of Corporate Diversification: Does It Apply? The Academy of Management Journal, 37, 109-136. McAllister, P., & McManus, D. (1992). Resolving the scale efficiency puzzle in banking. Journal of Banking and Finance, 17, 389-405. Mercieca, S., Schaeck, K., & Wolfe, S. (2007). Small European banks: Benefits from diversification? Journal of Banking & Finance, 31(7), 1975-1998. doi: 10.1016/j.jbankfin.2007.01.004 Nurullah, M., & Staikouras, S. (2008). The Separation of Banking from Insurance:Evidence from Europe. Multinational Finance Journal, 12, 157-184.
IX
Palich, L., Cardinal, L., & Miller, C. (1999). Curvilinearity in the diversifcation-performance linkage: An examination of over three decades of research. Strategic Management Journal, 21, 155-174. Sharpe, W. (1964). Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk. The Journal of Finance, 19, 425-442. Slijkerman, J. F., Schoenmaker, D., & de Vries, C. (2011). Systemic risk & diversification across European banks and insurers. Smith, R., Staikouras, C., & Wood, G. (2002). Non-interest income and total income stability. Bank of England. Stiroh, K. J., & Rumble, A. (2006). The dark side of diversification: The case of US financial holding companies. Journal of Banking & Finance, 30(8), 2131-2161. doi: 10.1016/j.jbankfin.2005.04.030 Templeton, W., & Severiens, J. (1992). The Effect of Nonbank Diversification on Bank Holding Company Risk. Quarterly Journal of Business and Economics, 3-17. Teunissen, M. (2008). Bancassurance: Tapping into the Banking Strength*. The Geneva Papers on Risk and Insurance Issues and Practice, 33(3), 408-417. doi: 10.1057/gpp.2008.22 van Lelyveld, I., & Knot, K. (2009). Do financial conglomerates create or destroy value? Evidence for the EU. Journal of Banking & Finance, 33(12), 2312-2321. doi: 10.1016/j.jbankfin.2009.06.007 Wagner, W. (2010). Diversification at financial institutions and systemic crises. Journal of Financial Intermediation, 19(3), 373-386. doi: 10.1016/j.jfi.2009.07.002 Whited, T. (2001). Is It Inefficient Investment That Causes the Diversification Discount? The Journal of Finance, 56, 1667-1691.
X
9. Bijlage Bijlage 1.1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
2004 0.39 1.33 0.49 0.00 1.05 0.77 0.94 0.99 0.53 1.15 1.11 0.63 1.08 0.80 0.01 1.71 0.85 -0.28 2.08
2005 0.23 1.22 0.67 0.77 1.14 0.80 0.99 1.16 1.40 0.99 0.91 1.00 1.10 1.02 1.23 1.25 1.07 0.17 1.09
2006 0.75 1.32 1.19 0.70 1.15 1.01 1.14 1.31 1.39 0.81 1.81 1.20 1.26 0.63 1.68 1.21 0.89 1.36 1.28
2007 0.61 1.00 1.18 0.83 0.99 0.64 0.74 1.29 1.19 1.03 1.59 0.75 1.19 1.39 1.70 1.18 0.87 1.39 1.06
2008 1.07 0.65 0.99 1.52 1.29 1.69 1.44 1.50 1.24 1.66 1.37 0.87 2.22 2.04 1.23 1.80 0.78 0.73 1.48
2009 0.78 1.40 1.03 1.98 1.94 2.07 1.67 1.58 2.02 3.49 2.32 1.53 4.52 5.04 1.18 3.63 2.00 1.37 1.57
2010 1.13 1.28 0.59 1.49 1.89 1.27 1.77 1.69 1.91 1.67 1.24 0.96 1.80 2.76 1.34 2.20 1.33 1.32 1.08
2011 0.70 1.49 0.73 0.87 1.54 1.28 1.29 2.34 2.13 2.08 1.23 0.97 2.31 1.79 0.60 2.27 1.12 1.57 1.82
2009 1.71 0.23 4.72 2.68 2.08 1.51 1.82 0.73 2.40 2.53 1.04 1.79 1.54 1.17 1.25 0.59 2.46
2010 1.00 0.19 2.90 0.99 1.32 1.56 1.66 1.38 1.84 1.14 0.76 1.63 1.09 0.97 1.45 0.22 1.66
2011 1.40 0.30 2.84 1.89 1.96 1.23 1.16 1.26 1.60 1.61 1.03 1.74 1.09 0.94 0.87 0.64 1.68
Tabel 23 – Bèta’s bankverzekeraars
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
2004 0.47 0.13 0.80 1.62 1.76 0.69 0.62 1.10 0.38 0.73 1.12 0.71 -0.19 0.81 0.11 -0.25 1.26
2005 1.22 0.00 0.83 1.54 1.40 0.89 0.73 0.60 0.67 1.03 0.43 1.13 -0.05 -0.05 0.23 -0.83 0.45
2006 1.24 0.03 0.97 1.53 1.37 0.74 0.98 1.14 1.15 1.07 1.82 2.07 1.06 0.38 0.63 0.34 1.15
2007 0.83 0.35 1.56 1.40 1.21 1.01 0.74 1.09 1.47 1.28 1.20 1.30 0.66 0.59 0.77 0.13 1.20
2008 1.00 0.34 2.06 1.51 1.91 1.24 1.13 0.88 1.12 1.39 0.76 1.75 0.84 0.67 0.52 0.49 1.94
Tabel 24 – Bèta’s banken
XI
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
2004 1.94 -0.12 0.74 2.47 1.70 1.98 -0.13 1.76 -0.03 0.85 0.58 0.49 -0.46 1.29 1.16 0.57
2005 1.42 1.39 1.01 1.36 1.05 0.80 1.19 0.94 0.02 0.86 0.84 0.66 0.93 1.13 0.46 0.71
2006 1.66 1.18 1.62 1.30 1.15 0.90 1.12 1.56 0.84 1.23 0.88 0.91 1.21 0.91 1.31 1.25
2007 1.63 0.91 1.06 1.24 1.25 1.32 1.32 1.08 1.13 1.38 1.44 0.78 1.04 0.83 1.40 0.91
2008 1.45 1.26 0.58 1.87 0.86 1.49 1.48 1.27 0.74 0.82 0.99 1.00 0.93 1.01 0.63 0.98
2009 2.48 1.37 0.40 3.21 1.48 3.16 1.45 1.57 0.44 1.06 1.80 1.52 0.73 1.60 1.25 1.53
2010 1.87 1.09 0.42 1.40 0.94 1.36 0.96 1.11 0.42 0.99 1.11 0.96 0.52 1.25 1.04 0.80
2011 2.10 1.44 0.74 2.09 1.06 1.65 1.43 1.63 0.88 1.18 1.55 0.73 0.47 1.08 1.35 1.13
Tabel 25 – Bèta’s verzekeraars
Bijlage 1.2 Kolmogorov Smirnov p-waarde
Bankverzekeraars 0,008
Banken 0,509
Verzekeraars 0,431
Tabel 26 – Test voor normale verdeling van bèta’s voor periode 2004-2011
Kolmogorov-Smirnov Periode 2004-2006 Periode 2007-2009 Periode 2010-2011
Bankverzekeraars 0,396 0,026 0,709
Banken 0,980 0,463 0,876
Verzekeraars 0,593 0,190 0,852
Tabel 27 – Test voor normale verdeling van bèta’s voor deelperioden
XII
Bijlage 2.1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
2004 0.016 0.021 0.029 0.017 0.016 0.024 0.018 0.027 0.024 0.020 0.021 0.016 0.021 0.020 0.067 0.021 0.038 0.027 0.024
2005 0.014 0.021 0.024 0.014 0.013 0.020 0.014 0.040 0.022 0.018 0.025 0.021 0.020 0.019 0.047 0.018 0.033 0.039 0.021
2006 0.024 0.025 0.030 0.020 0.017 0.021 0.014 0.029 0.022 0.021 0.027 0.024 0.022 0.020 0.053 0.018 0.031 0.035 0.017
2007 0.029 0.025 0.024 0.020 0.019 0.023 0.019 0.033 0.024 0.020 0.023 0.020 0.021 0.035 0.042 0.018 0.030 0.034 0.023
2008 0.045 0.046 0.076 0.053 0.034 0.039 0.039 0.098 0.073 0.075 0.067 0.041 0.056 0.135 0.071 0.085 0.067 0.078 0.056
2009 0.046 0.045 0.069 0.061 0.036 0.076 0.039 0.081 0.057 0.145 0.051 0.049 0.117 0.183 0.047 0.069 0.064 0.063 0.037
2010 0.032 0.029 0.069 0.037 0.040 0.028 0.043 0.039 0.041 0.037 0.028 0.018 0.041 0.122 0.042 0.032 0.065 0.047 0.019
2011 0.053 0.040 0.055 0.048 0.044 0.028 0.039 0.033 0.059 0.051 0.025 0.024 0.073 0.090 0.045 0.034 0.106 0.087 0.030
2010 0.025 0.013 0.142 0.038 0.030 0.038 0.045 0.043 0.041 0.036 0.025 0.046 0.040 0.028 0.034 0.025 0.036
2011 0.027 0.017 0.125 0.051 0.040 0.095 0.044 0.054 0.048 0.029 0.028 0.047 0.044 0.065 0.069 0.033 0.056
Tabel 28 – Idiosyncratisch risico bankverzekeraars
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
2004 0.019 0.015 0.020 0.023 0.023 0.026 0.013 0.018 0.024 0.016 0.029 0.037 0.022 0.021 0.010 0.044 0.027
2005 0.019 0.010 0.019 0.026 0.019 0.024 0.014 0.022 0.015 0.019 0.039 0.042 0.019 0.017 0.018 0.043 0.033
2006 0.019 0.018 0.024 0.028 0.015 0.031 0.014 0.023 0.038 0.023 0.039 0.039 0.023 0.027 0.020 0.039 0.025
2007 0.018 0.016 0.030 0.031 0.021 0.030 0.024 0.048 0.043 0.034 0.032 0.032 0.020 0.028 0.025 0.034 0.031
2008 0.046 0.022 0.100 0.064 0.056 0.062 0.054 0.057 0.074 0.064 0.057 0.059 0.052 0.066 0.040 0.044 0.064
2009 0.052 0.026 0.179 0.101 0.071 0.044 0.044 0.037 0.100 0.080 0.059 0.062 0.060 0.032 0.050 0.079 0.079
Tabel 29 – Idiosyncratisch risico banken
XIII
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
2004 0.018 0.040 0.032 0.054 0.018 0.024 0.021 0.024 0.020 0.020 0.027 0.018 0.020 0.017 0.025 0.020
2005 0.018 0.042 0.034 0.066 0.018 0.020 0.023 0.025 0.023 0.022 0.026 0.016 0.018 0.019 0.022 0.019
2006 0.022 0.021 0.027 0.021 0.024 0.019 0.026 0.021 0.025 0.019 0.022 0.028 0.030 0.021 0.021 0.025
2007 0.021 0.025 0.034 0.019 0.020 0.027 0.030 0.018 0.049 0.024 0.026 0.027 0.028 0.028 0.023 0.026
2008 0.050 0.062 0.040 0.094 0.057 0.075 0.052 0.071 0.056 0.060 0.035 0.034 0.040 0.046 0.047 0.052
2009 0.054 0.054 0.032 0.066 0.037 0.082 0.055 0.056 0.043 0.055 0.058 0.050 0.042 0.038 0.040 0.070
2010 0.032 0.031 0.022 0.028 0.023 0.025 0.025 0.030 0.022 0.022 0.043 0.023 0.020 0.031 0.031 0.039
2011 0.041 0.026 0.036 0.029 0.021 0.026 0.020 0.030 0.029 0.026 0.115 0.035 0.025 0.032 0.035 0.035
Tabel 30 – Idiosyncratisch risico verzekeraars
Bijlage 2.2 Kolmogorov Smirnov p-waarde
Bankverzekeraars 0,002
Banken 0,005
Verzekeraars 0,001
Tabel 31 – Test voor de normale verdeling van idiosyncratisch risico voor periode 2004-2011
Kolmogorov-Smirnov Periode 2004-2006 Periode 2007-2009 Periode 2010-2011
Bankverzekeraars 0,007 0,188 0,130
Banken 0,214 0,341 0,051
Verzekeraars 0,008 0,880 0,016
Tabel 32 – Test voor de normale verdeling van idiosyncratisch risico voor deelperioden
XIV
Bijlage 3.1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
2004 0.017 0.027 0.030 0.017 0.021 0.026 0.021 0.029 0.026 0.025 0.026 0.018 0.025 0.023 0.067 0.030 0.039 0.036 0.036
2005 0.014 0.026 0.026 0.017 0.019 0.023 0.018 0.042 0.028 0.022 0.027 0.024 0.024 0.023 0.050 0.024 0.035 0.030 0.025
2006 0.027 0.033 0.036 0.023 0.026 0.027 0.024 0.036 0.032 0.025 0.040 0.031 0.030 0.022 0.060 0.027 0.034 0.044 0.027
2007 0.032 0.032 0.034 0.026 0.027 0.026 0.024 0.042 0.033 0.028 0.039 0.025 0.032 0.045 0.054 0.030 0.034 0.033 0.031
2008 0.070 0.056 0.091 0.092 0.073 0.093 0.082 0.124 0.095 0.112 0.096 0.060 0.124 0.169 0.094 0.124 0.078 0.089 0.093
2009 0.053 0.065 0.077 0.090 0.074 0.102 0.068 0.096 0.088 0.186 0.092 0.071 0.191 0.248 0.061 0.139 0.092 0.083 0.064
2010 0.043 0.043 0.070 0.053 0.062 0.043 0.062 0.058 0.063 0.056 0.042 0.030 0.061 0.141 0.054 0.064 0.073 0.074 0.033
2011 0.057 0.060 0.060 0.054 0.064 0.048 0.055 0.078 0.087 0.081 0.045 0.038 0.101 0.105 0.049 0.076 0.111 0.115 0.063
2009 0.077 0.027 0.238 0.135 0.099 0.067 0.075 0.044 0.128 0.116 0.069 0.086 0.079 0.051 0.065 0.081 0.114
2010 0.035 0.014 0.160 0.045 0.045 0.055 0.061 0.055 0.062 0.047 0.032 0.062 0.049 0.037 0.050 0.026 0.055
2011 0.050 0.019 0.152 0.076 0.071 0.102 0.056 0.066 0.068 0.057 0.042 0.071 0.055 0.071 0.074 0.039 0.075
Tabel 33 – Totaal risico bankverzekeraars
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
2004 0.020 0.015 0.023 0.031 0.033 0.027 0.015 0.023 0.025 0.018 0.033 0.037 0.022 0.023 0.010 0.044 0.032
2005 0.024 0.010 0.021 0.032 0.025 0.026 0.016 0.023 0.017 0.023 0.040 0.044 0.019 0.017 0.018 0.041 0.034
2006 0.028 0.018 0.029 0.038 0.027 0.033 0.021 0.030 0.042 0.029 0.050 0.052 0.029 0.028 0.023 0.039 0.032
2007 0.025 0.017 0.043 0.042 0.032 0.036 0.028 0.053 0.052 0.042 0.040 0.041 0.024 0.031 0.029 0.035 0.039
2008 0.068 0.028 0.143 0.099 0.111 0.088 0.078 0.072 0.093 0.094 0.068 0.106 0.067 0.074 0.047 0.050 0.116
Tabel 34 – Totaal risico banken
XV
Tabel 35 – Totaal risico verzekeraars
Bijlage 3.2 Kolmogorov Smirnov p-waarde
Bankverzekeraars 0,003
Banken 0,012
Verzekeraars 0,002
Tabel 36 – Test voor de normale verdeling van totaal risico voor de periode 2004-2011
Kolmogorov-Smirnov Periode 2004-2006 Periode 2007-2009 Periode 2010-2011
Bankverzekeraars 0,083 0,103 0,087
Banken 0,882 0,521 0,120
Verzekeraars 0,709 0,407 0,280
Tabel 37 – Test voor de normale verdeling van het totaal risico voor de deelperioden
XVI
Bijlage 4.1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
2004 0.05% -0.38% 0.83% 0.31% 0.29% 0.52% -0.10% 0.55% 0.28% 0.07% 0.67% 0.29% 0.78% 0.20% 0.76% 0.32% 0.42% 0.50% -0.08%
2005 0.20% 0.13% 0.47% 0.53% 0.27% 0.35% 0.38% -0.02% 0.34% 0.05% 0.41% 0.24% 0.63% 0.15% 1.35% 0.52% 0.27% 0.65% 0.52%
2006 0.45% 0.19% 0.78% 0.23% 0.36% 0.39% 0.45% 0.58% 0.34% 0.29% 0.10% 0.09% 0.31% 0.52% -0.10% 0.25% 0.49% 1.00% 0.36%
2007 -0.07% -0.23% -0.65% -0.45% -0.17% -0.13% 0.08% -0.32% -0.60% -0.36% -0.03% -0.01% 0.05% -1.04% 1.60% -0.44% 0.15% 0.26% -0.09%
2008 -1.30% -1.17% -2.81% -2.63% -1.30% -2.32% -1.40% -2.57% -1.91% -2.60% -2.38% -1.00% -2.92% -4.68% -1.73% -2.55% -2.78% -2.95% -1.34%
2009 0.17% 0.70% 0.60% 1.60% 0.81% 1.91% 1.07% 1.81% 0.82% -0.43% 1.48% 0.99% 0.69% 0.84% 1.65% 0.44% 0.82% 0.71% 0.31%
2010 -0.30% -0.66% -1.64% 0.35% -0.93% 0.45% -0.69% 0.23% -0.47% 0.54% 0.24% 0.06% -0.34% -1.64% 0.45% 0.09% -1.47% -1.54% 0.02%
2011 -0.12% -0.06% -1.08% -1.15% -0.18% -0.65% -0.52% -0.66% -1.51% -1.80% 0.18% -0.34% -1.86% -2.92% -0.55% -0.53% -3.76% -3.94% -0.38%
2008 -1.35% -0.57% -4.31% -2.80% -2.49% -1.63% -1.36% -1.42% -3.82% -2.83% -1.28% -2.21% -2.37% -2.37% -1.13% -2.53% -2.34%
2009 0.97% 0.03% -0.66% -0.16% 1.27% 0.32% -0.23% 0.39% 1.93% 1.19% 0.52% 1.16% 0.98% 0.56% 0.20% 0.33% 1.14%
2010 -0.04% -0.13% -2.67% -0.11% -0.30% -1.16% -0.54% -1.00% 0.07% 0.62% 0.24% -0.09% 0.44% -0.76% -0.17% 0.11% 0.56%
2011 -0.64% -0.20% -2.85% -2.39% -0.58% -1.99% -0.15% 0.26% -1.16% -0.12% -0.48% -0.88% -1.20% -1.88% -1.04% -0.70% -1.89%
Tabel 38 – Rendementen bankverzekeraars
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
2004 0.37% 0.12% 0.31% -0.12% -0.07% 0.42% -0.01% 0.26% 0.21% 0.25% 0.38% 1.37% 0.45% 0.00% 0.13% 1.29% 0.84%
2005 0.36% -0.01% 0.27% 1.01% 0.40% 0.63% 0.07% 0.30% 0.60% 0.47% 0.41% 0.39% 0.74% 0.46% 0.35% 1.13% 0.30%
2006 0.41% 0.39% 0.36% 0.12% 0.35% 0.62% 0.49% 0.40% 0.74% 0.21% 0.45% 0.38% 0.44% 0.76% 0.48% -0.10% 0.38%
2007 -0.04% 0.23% -0.78% -0.25% -0.33% -0.74% -0.39% 0.02% -1.02% -0.67% -0.08% -0.07% -0.08% -0.27% -0.37% -0.33% -0.43%
Tabel 39 – Rendementen banken
XVII
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
2004 -0.02% 1.03% 0.13% -0.28% -0.05% 0.45% -0.28% -0.39% -0.14% 0.16% 0.57% 0.08% 0.53% -0.16% 0.29% 0.57%
2005 0.74% 1.34% 1.16% 0.56% 0.69% 0.18% 0.91% 0.70% 0.13% 0.03% 0.59% 0.44% 0.42% 0.44% 0.41% 0.74%
2006 0.20% 0.07% 0.46% 0.03% 0.83% 0.24% 0.65% 0.45% 0.68% 0.25% 0.07% 0.01% 0.97% 0.33% 0.40% 0.64%
2007 -0.31% -0.02% -0.34% -0.41% -0.25% -0.47% -0.06% -0.18% 0.25% -0.28% -0.36% -0.58% -0.55% -0.33% 0.01% -0.64%
2008 -1.24% -1.70% 0.28% -1.96% -0.82% -1.21% -1.18% -2.61% -0.54% -0.69% -1.79% -0.73% -0.18% -0.49% -1.17% -1.68%
2009 0.22% 0.79% -0.03% -0.05% 0.23% 0.04% 0.64% 1.21% -0.51% 0.62% -0.27% -0.07% -0.02% 0.37% 0.58% 0.72%
2010 -0.57% 0.12% 0.23% -0.01% 0.08% -0.05% 0.19% 0.07% 0.25% 0.35% -1.08% -0.45% 0.07% -0.68% -0.46% 0.57%
2011 -0.44% -0.49% -0.54% -0.78% -0.69% -0.54% -0.41% -0.82% 0.27% -0.11% -2.35% -0.56% 0.35% 0.30% -0.69% -0.88%
Tabel 40 – Rendementen verzekeraars
Bijlage 4.2 Kolmogorov Smirnov p-waarde
Bankverzekeraars 0,000
Banken 0,001
Verzekeraars 0,197
Tabel 41 – Test voor de normale verdeling van rendementen voor periode 2004-2011
Kolmogorov-Smirnov Periode 2004-2006 Periode 2007-2009 Periode 2010-2011
Bankverzekeraars 0,763 0,334 0,150
Banken 0,063 0,351 0,546
Verzekeraars 0,991 0,495 0,803
Tabel 42 – Test voor de normale verdeling van rendementen voor deelperioden
XVIII
Bijlage 5.1
Dependent Variable: BETAS Method: Panel Least Squares Sample: 2004 2010 Periods included: 7 Cross-sections included: 52 Total panel (balanced) observations: 364 BETAS=C(1)+C(2)*ROE+C(3)*CAP+C(4)*SIZE+C(5)*DUMMYB+C(6) *DUMMYV
C(1) C(2) C(3) C(4) C(5) C(6)
Coefficient Std. Error
t-Statistic
Prob.
-1.4248 -1.8193 -0.0494 0.1537 -0.2058 0.1178
-3.8841 -8.4565 -0.1560 8.7746 -2.8581 1.4680
0.0001 0.0000 0.8761 0.0000 0.0045 0.1430
R-squared 0.321469 Adjusted R-squared 0.311992 S.E. of regression 0.560179 Sum squared resid 112.3406 Log likelihood-302.531 F-statistic 33.92207 Prob(F-statistic) 0
0.3668 0.2151 0.3167 0.0175 0.0720 0.0803
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat
1.170325 0.675352 1.695225 1.759464 1.720757 1.461033
Figuur 7 – Eviews output regressie controlevariabelen 1
XIX
Dependent Variable: BETAS Method: Panel Least Squares Sample: 2004 2010 Periods included: 7 Cross-sections included: 52 Total panel (balanced) observations: 364 BETAS=C(1)+C(2)*ROE+C(3)*CAP+C(4)*SIZE+C(5)*DUMMYB+C(6) *DUMMYV+C(7)*ROE*DUMMYB+C(8)*CAP*DUMMYB+C(9)*SIZE *DUMMYB+C(10)*ROE*DUMMYV+C(11)*CAP*DUMMYV+C(12)*SIZE *DUMMYV CoefficientStd. Error t-Statistic Prob. C(1) C(2) C(3) C(4) C(5) C(6) C(7) C(8) C(9) C(10) C(11) C(12)
0.5508 -2.9195 -1.5210 0.0737 -3.3116 -3.4532 1.1063 2.3858 0.1292 1.8405 2.7785 0.1533
R-squared 0.377918 Adjusted R-squared 0.358478 S.E. of regression 0.540924 Sum squared 102.9947 resid Log likelihood -286.723 F-statistic 19.44014 Prob(F-statistic) 0
0.6097 0.4084 0.4864 0.0302 0.7973 1.0542 0.4972 0.8001 0.0390 0.6408 0.8178 0.0538
0.9033 -7.1490 -3.1270 2.4429 -4.1538 -3.2756 2.2252 2.9819 3.3121 2.8721 3.3973 2.8507
0.3670 0.0000 0.0019 0.0151 0.0000 0.0012 0.0267 0.0031 0.0010 0.0043 0.0008 0.0046
Mean dependent var1.170325 S.D. dependent var 0.675352 Akaike info criterion1.641335 Schwarz criterion 1.769812 Hannan-Quinn criter. 1.692399 Durbin-Watson stat 1.556864
Figuur 8 – Eviews output regressie controlevariabelen 2
XX
Dependent Variable: BETAS Method: Panel Least Squares Sample: 2004 2010 Periods included: 7 Cross-sections included: 52 Total panel (balanced) observations: 364 BETAS=C(1)+C(2)*ROE+C(3)*CAP+C(4)*SIZE+C(5)*DUMMYB+C(6) *DUMMYV+C(7)*DUMMYCRISIS+C(8)*DUMMYB*DUMMYCRISIS+C(9) *DUMMYV*DUMMYCRISIS CoefficientStd. Error t-Statistic Prob. C(1) C(2) C(3) C(4) C(5) C(6) C(7) C(8) C(9)
-1.3921 -1.6802 -0.1944 0.1459 -0.2080 0.1461 0.2950 0.0197 -0.1073
R-squared 0.360527 Adjusted R-squared 0.346117 S.E. of regression 0.54611 Sum squared 105.8739 resid Log likelihood -291.741 F-statistic 25.01812 Prob(F-statistic) 0
0.3594 0.2120 0.3103 0.0172 0.0923 0.0988 0.0966 0.1394 0.1416
-3.8738 -7.9238 -0.6263 8.5009 -2.2546 1.4791 3.0554 0.1413 -0.7578
0.0001 0.0000 0.5315 0.0000 0.0248 0.1400 0.0024 0.8877 0.4491
Mean dependent var1.170325 S.D. dependent var 0.675352 Akaike info criterion1.652423 Schwarz criterion 1.748781 Hannan-Quinn criter. 1.690721 Durbin-Watson stat 1.461387
Figuur 9 – Eviews output regressie controlevariabelen 3
XXI
Dependent Variable: BETAS Method: Panel Least Squares Sample: 2004 2010 Periods included: 7 Cross-sections included: 52 Total panel (balanced) observations: 364 BETAS=C(1)+C(2)*ROE+C(3)*CAP+C(4)*SIZE+C(5)*DUMMYB+C(6) *DUMMYV+C(7)*DUMMYCRISIS+C(8)*DUMMYB*DUMMYCRISIS+C(9) *DUMMYV*DUMMYCRISIS CoefficientStd. Error t-Statistic Prob. C(1) C(2) C(3) C(4) C(5) C(6) C(7) C(8) C(9)
-1.3921 -1.6802 -0.1944 0.1459 -0.2080 0.1461 0.2950 0.0197 -0.1073
R-squared 0.360527 Adjusted R-squared 0.346117 S.E. of regression 0.54611 Sum squared 105.8739 resid Log likelihood -291.741 F-statistic 25.01812 Prob(F-statistic) 0
0.3594 0.2120 0.3103 0.0172 0.0923 0.0988 0.0966 0.1394 0.1416
-3.8738 -7.9238 -0.6263 8.5009 -2.2546 1.4791 3.0554 0.1413 -0.7578
0.0001 0.0000 0.5315 0.0000 0.0248 0.1400 0.0024 0.8877 0.4491
Mean dependent var1.170325 S.D. dependent var 0.675352 Akaike info criterion1.652423 Schwarz criterion 1.748781 Hannan-Quinn criter. 1.690721 Durbin-Watson stat 1.461387
Figuur 10 – Eviews output regressie controlevariabelen 4
XXII
