UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2008 – 2009
Het gebruik van de jaarrekening van lokale overheden in de financiële sector
Masterproef voorgedragen tot het bekomen van de graad van Master in de Toegepaste Economische Wetenschappen Dennis Meersschaut Jens Van Steelandt onder leiding van Prof. Johan Christiaens 1
2
UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2008 – 2009
Het gebruik van de jaarrekening van lokale overheden in de financiële sector
Masterproef voorgedragen tot het bekomen van de graad van Master in de Toegepaste Economische Wetenschappen Dennis Meersschaut Jens Van Steelandt onder leiding van Prof. Johan Christiaens 3
PERMISSION
Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding.
Dennis Meersschaut
Jens Van Steelandt
4
Woord vooraf
Deze masterproef is een werk geweest van lange adem. Gedurende deze opdracht hebben we veel gewonnen aan zelfstandigheid en doorzettingsvermogen. Ondanks de moeilijke momenten hebben we toch doorgebeten en dit heeft uiteindelijk zijn vruchten afgeworpen. Nu zijn we in de eindfase van onze studieloopbaan beland en kijken we reikhalzend uit naar wat de toekomst voor ons brengt. Hopelijk zal dit een mooie verderzetting zijn van onze boeiende studies. Tot slot willen we een dankwoord richten aan alle personen zonder wie deze masterproef nooit tot stand had kunnen komen. Vooreerst de vele financiële beheerders die zo vriendelijk waren ons bij te staan met advies en data. Ook zijn wij zeer dankbaar voor de vele raadgevingen van Elke Demeulenaere.
Finaal willen we ook onze promotor professor
Christiaens bedanken die ons de kans heeft gegeven om dit onderwerp te onderzoeken.
Gent, mei 2009
Dennis Meersschaut Jens Van Steelandt
I
Inhoudsopgave Gebruikte afkortingen ........................................................................................................... IV Lijst van de tabellen en figuren .............................................................................................. V I. Inleiding .............................................................................................................................. 1 II. Achtergrond ....................................................................................................................... 3 A. Schuldfinanciering van gemeenten ................................................................................ 3 B. Procedure ...................................................................................................................... 4 C. Bepaling van de rentevoet ............................................................................................. 5 III. Literatuurstudie................................................................................................................. 8 A. Intrede New Public Management ................................................................................... 8 B. Bank Lending Behaviour.............................................................................................. 10 B1. Ratings................................................................................................................... 10 B2. Kredietanalyse m.b.v. financiële data ..................................................................... 12 B3. Andere factoren die de kredietanalyse beïnvloeden ............................................... 16 IV. Ontwikkeling onderzoeksvraag....................................................................................... 20 V. Empirisch onderzoek....................................................................................................... 21 A. Variabelen ................................................................................................................... 21 A.1 Afhankelijke variabele ............................................................................................ 21 A.2 Controlevariabelen ................................................................................................. 21 A.3 Overzicht variabelen .............................................................................................. 28 B. Methodologie ............................................................................................................... 29 B1. Sample................................................................................................................... 29 B2. Data-verzameling ................................................................................................... 29 B3. Data-analyse .......................................................................................................... 31 C. Resultaten en interpretatie .......................................................................................... 32 C1. Beschrijvende Statistiek ......................................................................................... 32 C2. Regressieanalyse .................................................................................................. 36 II
D. Beperkingen ................................................................................................................ 49 VI. Algemene conclusie ....................................................................................................... 50 VII. Bibliografie ..................................................................................................................... VI VIII. Bijlagen ............................................................................................................................ i A.
Standaardmail ........................................................................................................... i
B.
Lijst 75 gemeenten .................................................................................................. iii
C. SPSS Output van aanvankelijk model ........................................................................... iv C1. Test m.b.t. voorwaarden .......................................................................................... iv C2. Output Regressie .................................................................................................... vii C3. Correlatietabel .......................................................................................................... x D.
SPSS Output van getransformeerd model ............................................................... xi
D1. Tests m.b.t. voorwaarden......................................................................................... xi D2. Correlatietabel ....................................................................................................... xiv E.
Voorbeeld scoretoekenning bij gunning .................................................................. xv
F.
T-test OBV ............................................................................................................. xvi
III
Gebruikte afkortingen 3E‟s: economy, efficiency, effectiveness BP: basispunten CFVV: cashflow gedeeld door vreemd vermogen EAD: Exposure At Default Euribor: European interbank offered rate FFS: fiscale opbrengsten gedeeld door som van fiscale opbrengsten en subsidies IKA: Investeringsintercommunale voor de gemeenten van de Kempen en het Antwerpse IPSAS: International Public Sector Accounting Standards IRS: Interest Rate Swap KB: Koninklijk Besluit LGD: Loss Given Default LiqA: liquiditeiten gedeeld door activa NBKA: nettobedrijfskapitaal gedeeld door activa NGB: Nieuwe Gemeenteboekhouding NPM: New Public Management OBV: Objectief Belastingsvermogen PD: Probability of Default RWA: Risk Weighted Assets UVCW: Union des Villes et Communes de Wallonie VVA: vreemd vermogen gedeeld door activa VVSG: Vereniging van Vlaamse Steden en Gemeenten
IV
Lijst van de tabellen en figuren Lijst van tabellen
Tabel 1: Overzicht Ratio‟s……………………………………………………….......................... 13 Tabel 2: Voorbeeld gunningscriteria…………………………………….……………………...... 26 Tabel 3: Overzicht variabelen en verwachte tekens……………………….…………………… 28 Beschrijvende statistieken…………………………………………………….…………………… 32 Frequentietabel jaar2006………………………………………………………………………….. 33 Frequentietabel herhalingsopdrachten…………………………………………........................ 33 Frequentietabel aantal inschrijvers…………………………………………….…………………. 34 Frequentietabel banken……………………………………………………………………………. 34 Frequentietabel gewicht van rente bij gunningscriteria………………………………………… 35 Correlatietabel banken en gewichtrente…………………………………………………………. 38 Independent samples T-test: populatie en Dexia……………………………………………….. 39 Regressieanalyse getransformeerde model…………………………………………………….. 41 Regressieanalyse finale model……………………………………………………………………. 43
Lijst van figuren
Figuur 1: Verdeling uitgavenposten van Vlaamse gemeenten in 2005…………………………3
V
I. Inleiding
Om grote investeringen te financieren moeten de 308 Vlaamse gemeenten vaak een beroep doen op bancaire leningen. In de jaren negentig verloor Dexia (het toenmalige Gemeentekrediet) haar monopolie met betrekking tot het financieren van gemeenten, waardoor andere banken nu ook de kans kregen in te schrijven op financieringsopdrachten van de lokale overheden. Daarnaast voerden de Vlaamse gemeenten in 1995 een nieuwe gemeenteboekhouding (NGB) in, die erin bestond dat de traditionele begrotingsboekhouding uitgebreid werd met een vermogensboekhouding. Deze werkwijze maakt de financiële status van een gemeente transparanter naar de buitenwereld toe. Door bijvoorbeeld een blik te werpen op de waarde van de vaste activa, de verhouding tussen korte termijn en lange termijn schulden te evalueren en financiële ratio's te berekenen, kan een financiële instelling inschatten hoe het op het monetaire vlak met een gemeente gesteld is. Rekening houdend met de strenge Basel II normen hebben banken er daarenboven alle belang bij de kredietwaardigheid van gemeenten na te gaan. We maken de assumptie dat banken aan gemeenten ratings toekennen, die het risico op niet- of laattijdige betaling reflecteren. Een hogere rating wijst aldus op een financieel gezondere gemeente. Aangezien deze ratings (i) berekend worden aan de hand van financiële ratio‟s die men via de jaarrekening kan opstellen en (ii) leiden tot een hogere of lagere marge op toegekende leningen, gaat deze studie na in welke mate de gemeentelijke boekhoudkundige gegevens een invloed hebben op de interestpercentages van de gemeenteleningen afgesloten in de jaren 2006 en 2007. Er werd gecontroleerd voor een aantal factoren die de marge potentieel beïnvloeden, zoals de populatie van de gemeente, haar fiscale vermogen en de gewenste dienstverlening.
De analyse geeft geen eenduidige indicatie dat banken de financiële gezondheid van gemeenten bij het bepalen van marges in acht nemen. Zo zouden gemeenten lagere marges bekomen bij een hogere dekkingsgraad van het vreemd vermogen door de cashflow, indien de financiële onafhankelijkheid van subsidies groter is en als de schuldgraad positief evolueert ten opzichte van vorige jaren. Daartegenover staan enkele ratio's die significant zijn, maar niet overeenkomen met de verwachte tekens vanuit de literatuur m.b.t. defaultpredictie. We kunnen een voorzichtige conclusie stellen dat banken wel degelijk aandacht hebben voor de financiële gezondheid van gemeenten, met diens verstande dat het voor een kredietanalist moeilijk in te schatten is wat goede of slechte cijfers zijn. In tegenstelling tot de privésector kan men immers niet terugvallen op sectorgegevens of algemene vuistregels. Het is aldus mogelijk dat de verschillen in het ingeschatte kredietrisico 1
tussen de gemeenten in vele gevallen niet groot genoeg zijn om een duidelijke impact op de marge te hebben. De jaarrekeningen van gemeenten zullen aldus een goede informatiebron zijn voor banken, maar spelen geen cruciale rol in de kredietbeoordeling of margebepaling.
In hoofdstuk II wordt toegelicht in welke mate gemeenten beroep doen op bancaire leningen en welke procedure daarbij gevolgd wordt. De voorgaande studies die van belang zijn voor deze paper worden besproken in deel III. In hoofdstuk IV staat de onderzoeksvraag en de toegevoegde waarde van dit onderzoek centraal. Hoofdstuk V geeft toelichting bij de keuze van de variabelen, de wijze waarop de gegevens verzameld werden, de resultaten van het empirisch onderzoek en ten slotte de beperkingen van deze studie. De algemene conclusie komt aan bod in deel VI, waarna afgesloten wordt met een potentiële invalshoek voor een verdere studie.
2
II. Achtergrond A. Schuldfinanciering van gemeenten De Vlaamse gemeenten staan in voor het verstrekken van diensten aan hun burgers. Om deze uitgaven mogelijk te maken zal een gemeente in de eerste plaats terugvallen op geïnde belastingen. Deze bestaan enerzijds uit de aanvullende belastingen (de aanvullende personenbelasting en de opcentiemen op de onroerende voorheffing) die initieel door de Vlaamse of federale overheid geheven werden en anderzijds uit de belastingen die gemeenten zelf heffen. Terwijl de belastingen ongeveer 47% van de totale ontvangsten van de Vlaamse gemeenten in 2007 bedroegen1, namen fondsen (gemeentefonds, stedenfonds) 23% van de binnenkomende geldstromen voor hun rekening.
Voor de financiering van de zogenaamde buitengewone diensten (meestal investeringen) moeten Vlaamse gemeenten echter vaak beroep doen op bancaire leningen, aangezien de belastingsinkomsten en fondsen ontoereikend blijken te zijn. In 2007 bestonden de ontvangsten voor 5% uit de verkregen leningen. Het belang van bancaire leningen wordt nogmaals geïllustreerd in figuur 1¹. Hieruit blijkt dat de jaarlijkse aflossingen en betaalde interestlasten 14% van de jaarlijkse gemeentelijke uitgaven omvatten2.
1
Agentschap voor Binnenlands Bestuur, 2007, jaarbeeld 2007 gemeenten. URL:
2
Ook mogelijke debetrenten op financiële rekeningen, nalatigheidintresten en de bijdrage in het exploitatieverlies van openbare ondernemingen zoals gemeentebedrijven maken deel uit van deze 14%
3
B. Procedure3 Leningen worden goedgekeurd door de gemeenteraad in functie van de financiering van welbepaalde buitengewone uitgaven in het volgende dienstjaar. In overeenstemming met de wet van 24 december 1993 (en latere wijzigingen) worden overheidsopdrachten toegekend aan de inschrijver die de officiële selectieprocedure doorlopen heeft en daarenboven een betere score behaalde dan diens concurrenten. In de context van bancaire leningen zal de gemeente in kwestie na goedkeuring door de gemeenteraad een bestek opmaken dat als basis dient voor de offertes van de banken. De overgrote meerderheid van de gemeenten maakt hierbij gebruik van een typebestek dat is opgesteld door de Vlaamse Vereniging van Steden en Gemeenten (VVSG)4. Een gemeente heeft in principe de optie om af te wijken van dit typebestek, maar zal dit in de praktijk zelden doen aangezien dit document tot stand gekomen is in overleg met de vier grootbanken (Dexia, Fortis, ING en KBC) en dus banktechnisch correct is. Gemeenten die toch veranderingen willen aanbrengen aan de financiële elementen van het bestek lopen het risico dat banken hun pakket leningen niet kunnen of willen aanvaarden aan de vooropgestelde voorwaarden. In wat volgt worden de voor deze studie belangrijkste aspecten van dit typebestek besproken.
Het voorwerp van de opdracht bestaat uit een pakket leningen. Deze afzonderlijke leningen worden in de praktijk vaak gegroepeerd in percelen. Alle leningen waarvan de looptijd en de frequentie van renteherzieningen identiek zijn, behoren tot eenzelfde perceel. Het gemeentebestuur kiest er best voor het aantal percelen beperkt te houden, zodat het ontleende bedrag per perceel voldoende omvangrijk wordt. Wanneer een gemeente de looptijd van een perceel bepaalt moet men rekening houden met de afschrijving van de te financieren activa. Het is immers niet toegelaten te lenen voor een langere periode dan de afschrijvingsduur van de onderliggende activa. De financieel beheerder van een gemeente zal daarenboven letten op de structuur van de schuldportefeuille. Zo is het aangeraden om een goede mix te hebben tussen leningen met en zonder herzieningsmogelijkheid (cf. infra) en de herzieningsdata zo weinig mogelijk te laten samenvallen om zo het risico op een algemene verhoging van de financieringskosten enigszins te beperken. Bij de gunningswijze van een pakket leningen heeft de gemeente de keuze tussen een openbare aanbesteding en een algemene offertevraag. Bij een openbare besteding wordt de opdracht gegund aan de inschrijver die de laagste prijs (totale rentevoet) kan bieden. Een 3
Deels op basis van interview: Bart Foubert, Financieel Beheerder Sint-Niklaas, 18 februari 2009 Vereniging van Vlaamse gemeenten en steden, 2005, typebestek. URL:
4
4
gemeente die kiest voor een algemene offertevraag zal daarentegen gebruik maken van zogenaamde gunningscriteria. Naast de prijs zullen de inschrijvende banken beoordeeld worden op kwalitatieve factoren, wat in concreto neerkomt op de extra dienstverlening die de bank kan bieden (cf. infra). Het VVSG-typebestek houdt echter alleen rekening met de eerste optie, omdat de werkgroep geen kwalitatieve criteria vond die een bank op een voldoende objectieve wijze kunnen beoordelen. Eens de gemeenteraad het bestek goedgekeurd heeft, zal deze via het “Bulletin der Aanbestedingen” openbaar gemaakt worden met vermelding van de uiterste inschrijvingsdatum. Banken moeten vervolgens hun offertes in definitief gesloten enveloppen opsturen naar de financieel beheerder die deze enveloppen pas zal openen op een welbepaalde datum. Terwijl banken verplicht zijn voor elk perceel in te schrijven, heeft het gemeentebestuur het recht sommige percelen niet toe te wijzen of de percelen aan verschillende inschrijvers te gunnen.
Naast
de
standaard
gunningsprocedure
maken
gemeenten
dikwijls
gebruik
van
herhalingsopdrachten zoals voorzien in de wet van 24 december 1993 betreffende de overheidsopdrachten. Een herhalingsopdracht verschaft een gemeente de mogelijkheid een nieuwe financieringsopdracht te gunnen aan dezelfde bank die binnen de periode van drie vorige dienstjaren een oorspronkelijke opdracht gegund werd. Een herhalingsopdracht wordt aldus toegewezen na een onderhandelingsprocedure tussen de financieel beheerder en de bank. Deze werkwijze geeft een gemeentebestuur de mogelijkheid om zonder tijdsverlies en via een soepele procedure projecten te financieren die voordien niet in de begroting (en dus ook niet in de oorspronkelijke gunning) ingecalculeerd waren. Toch wordt het gebruik van herhalingsopdrachten beter zoveel mogelijk getemperd om de concurrentie tussen banken zo vaak mogelijk uit te spelen5.
C. Bepaling van de rentevoet Voor de bepaling van de rentevoet van de lening werkt men met een actuarieel gewogen gemiddelde rentevoet6. De reden hiervoor is dat de meeste marktintrestvoeten die op de financiële markten gehanteerd worden voornamelijk voor bullet-leningen gelden. Bulletleningen zijn leningen waarbij de ontlener geen tussentijdse kapitaalsaflossingen uitvoert, maar alles op het einde van de looptijd terugbetaalt (uitgezonderd de tussentijdse interestbetalingen). De leningen van gemeenten kennen echter wel tussentijdse aflossingen. De implicatie voor de bank is dat bijvoorbeeld voor een lening op drie jaar de bank voor een 5 6
omzendbrief BA 99/03 van 23 maart 1999 VVSG, “Toelichting bij het bestek 2005”
5
deel slechts een jaar financiering moet zoeken, een volgende deel twee jaar en het laatste deel drie jaar moet financieren. De financiering die de bank zal aantrekken voor deze kredieten zal verschillen qua duurtijd en interestkost. Deze interestkosten vormen de basis van de interesten die de bank zelf aan een cliënt aanrekent. Toegepast op het voorbeeld zullen de interestkosten een gewogen gemiddelde vormen van de interesten van de drie deelkredieten. Dit gewogen gemiddelde zal tevens rekening houden met de ongelijke bedragen van de aflossingen en met de tijdswaarde van het geld (verdisconteren met de marktinterestvoet) . Aldus zal men de actuarieel gewogen gemiddelde rentevoet bepalen die ervoor zorgt dat de som van de toekomstige binnenkomende kasstromen (aflossingen en interest) precies gelijk is aan het oorspronkelijke ontleende kapitaal. Leningen met een langere
looptijd
dan
vijf
jaar
werken
vaak
met
een
of
meer
tussentijdse
rentevoetherzieningen. De actuarieel gewogen gemiddelde rentevoet van de eerste periode wordt dan berekend alsof de lening na die eerste periode helemaal zal worden afgelost. Op de dag van de rentevoetherziening volgt dan een tweede berekening.
De marktinterestvoet waarvan de bank uitgaat bij het verdisconteren van de toekomstige kasstromen is de IRS ask zero-coupon rentevoeten7. Bij een gegeven lening en bij gegeven marktrentevoeten op lange en korte termijn moet de actuarieel gewogen gemiddelde rentevoet i bij elke bank in principe identiek zijn. Het voorgaande kan op volgende manier in formulevorm uitgedrukt worden:
𝑛
𝐾=
𝐶𝐹𝑡 × 𝑑𝑓𝑡 𝑡=1
waarbij:
K = Het initieel ontleende kapitaal of, bij herziening van de rente, het schuldsaldo op dat ogenblik.
Cft = de cashflows (kasstromen) van de betrokken periode t, berekend tegen de rentevoet i, waarbij voor t < n: Cft= terugbetaald kapitaal + intrest, op ogenblik t voor t = n: CFt = terugbetaald kapitaal + intrest + schuldsaldo, op ogenblik t
7
IRS staat voor “Interest Rate Swap” terwijl ” zero-coupon” duidt op een situatie waarbij geen tussentijdse interestbetalingen uitgevoerd worden.
6
dft = actualisatie (-of disconto) factor voor de betrokken periode t gebaseerd op de rentetarieven IRS ask zero-coupon (van de overeenstemmende periode)
i = rentevoet die de twee leden van bovenstaande vergelijking gelijkstelt
Zoals eerder opgemerkt, zal de rentevoet i bij eenzelfde lening bij elke bank even groot zijn. Bovenop die rentevoet i komt dan een extra marge (uitgedrukt in basispunten) die de banken vrij mogen bepalen. Deze marge zal in deze studie de afhankelijk variabele vormen aangezien de grootte ervan beïnvloed wordt door de financiële toestand van de gemeente, van
de
onderlinge
concurrentie
tussen
banken
en
de
inschatting
van
de
renteontwikkelingen8. De marge blijft gedurende de hele duurtijd van de lening dezelfde.
8
VVSG, “Toelichting bij het bestek 2005”
7
III. Literatuurstudie
In dit onderdeel worden de belangrijkste thema‟s van deze studie benaderd vanuit de wetenschappelijke literatuur. Eerst worden het ontstaan en enkele basisconcepten van het “New Public Management” (NPM)
besproken aangezien de
hervorming van de
gemeenteboekhouding hier een rechtstreeks gevolg van is. Vervolgens wordt de werkwijze van banken besproken, met een focus op de ratings en de daarbijhorende kredietanalyse.
A. Intrede New Public Management In de jaren 90 zijn er vanuit de Vlaamse overheid enkele ingrijpende veranderingen doorgevoerd met betrekking tot lokale overheden. Het KB van 2 augustus 1990 met betrekking tot de gemeentelijke comptabiliteit verplichtte gemeenten er immers toe om vanaf 1 januari 1995 een algemene boekhouding te gaan voeren9 . Wat in de context van deze studie hierbij van belang is, is dat de gebruikelijke cameralistische boekhouding die ieder jaar de kasontvangsten en uitgaven bijhoudt en waaruit op het einde van het jaar een begrotingstekort of overschot volgt, sterk uitgebreid werd. De financiële toestand van een gemeente werd vanaf toen jaarlijks uitgedrukt in een balans en resultatenrekening en met mogelijkheid tot analytische kostencalculaties.
Deze hervorming, Nieuwe Gemeenteboekhouding (NGB) genaamd, viel samen met een wereldwijde trend naar professionalisering van de overheden in de jaren 80. Alle stappen die ondernomen werden om de managementtechnieken uit de privésector over te brengen naar overheden werden kort daarna samengebracht onder de noemer “New Public Management”. Aangezien NPM geen theoretisch concept is dat van nul opgebouwd werd, bestaat het vooral uit samenraapsels van ideeën, die echter vaak dezelfde doelen vooropstellen (Hood, 1991). Een eerste innovatie is de zogenaamde “devolution”, wat wil zeggen dat de centrale overheden hun verantwoordelijkheden decentraliseren. Op deze manier krijgen de managers van de kleinere entiteiten meer individuele macht, meer vrijheid om de beslissingen te nemen die zijzelf optimaal vinden en dit zonder constant overleg met hogere organen. In 9
Agentschap van Binnenlands Bestuur, 1990, KB van 2 augustus 1990. URL: http://www.binnenland.vlaanderen.be/regelgeving/wetgeving/ARGC/pdf/argc.pdf
8
samenhang met deze vrijheid komt dan een expliciete verwoording van de doelstellingen en hoe het behalen van deze doelen kan gemeten worden. Dit laatste overlapt met de focus van NPM op outputcontrole; de resultaten zijn veel belangrijker dan de procedures die gevolgd werden. Deze eerste 4 kernconcepten van NPM vinden hun oorsprong in het begrip "accountability" (Hood, 1995). Dit houdt in dat overheden het aan de burgers verplicht zijn rekenschap af te leggen over de middelen die besteed werden en welke resultaten met deze middelen bereikt werden. Om verantwoordelijk gesteld te kunnen worden voor de resultaten moet men evenwel de bevoegdheden hebben om veranderingen aan te brengen en zijn nauwkeurige prestatie-indicatoren gewenst. Een vermogensboekhouding is aldus de beste manier om de financiële prestaties van overheden te monitoren. De cameralistische boekhouding is immers op vele vlakken ontoereikend als beoordelingsinstrument (Osborne & Gaebler, 1992). Zo zou een gemeente een op het eerste zicht gezonde verhouding van ontvangsten en uitgaven kunnen hebben, maar wel gebukt gaan onder enorme schulden die pas binnen enkele jaren moeten betaald worden. Deze toekomstige problemen zouden echter nooit blijken uit een analyse van de begroting. Osborne en Gaebler (1992) typeren de traditionele overheidsboekhouding dan ook als zijnde “futureblind”.
Net zoals men wou betrachten vanuit het oogpunt van NPM, maakt de NGB de financiële status van een gemeente transparanter naar de buitenwereld toe. De balans geeft op de actiefzijde een overzicht van het patrimonium, alsook de vorderingen van de gemeente. Anderzijds geeft de passiefzijde informatie over de manier waarop de gemeente haar activa financiert en welke de verhouding is tussen schulden en eigen vermogen. Dit laat toe de consequenties van de beslissingen van het gemeentebestuur op lange termijn in te schatten en nog belangrijker in de context van deze studie: wordt de financiële leefbaarheid van de gemeente gehandhaafd? Om prestaties van een gemeente nog meer in detail te beschouwen kan een ander concept uit NPM toegepast worden, namelijk de drie E's (Midwinter, 1994). Elke "E" stelt een andere vraag die cruciaal is om de performantie van een bestuur te beoordelen. Effectiviteit gaat na of de beleidsvoerders de initieel vooropgesteld doelstellingen bereikt hebben. Zelfs al is men daarin geslaagd, dan zou men eveneens efficiënt moeten zijn, wat erop neerkomt dat men de geleverde output met zo weinig mogelijke input bereikt10. Economy (zuinigheid) is dan eerder gericht op het zuiver monetaire aspect: heeft het bestuur deze input aan zo laag
10
Soms wordt het onderscheid gemaakt tussen technische efficiëntie -de verhouding input/output- en allocatieve efficiëntie, namelijk de snelheid waarmee overheden inspelen op de noden van burgers.
9
mogelijke kosten aangeschaft? In tegenstelling tot de eerste twee E's, zegt zuinigheid niets op zichzelf (Boyne, 2002). Hoge of lage uitgaven zeggen weinig over de geleverde diensten aan de burgers.
Sinds het Gemeentedecreet van 15 juni 2005 (art. 265) worden gemeenten aan een externe audit onderworpen11. Alhoewel de controle zich voornamelijk toespitst op de vraag of de boekhouding en de jaarrekening een waar en getrouw beeld geven, kunnen gemeenten ook op de naleving van de drie E's onderzocht worden.
B. Bank Lending Behaviour In dit deel wordt besproken hoe banken te werk gaan bij het verstrekken van leningen aan klanten. De literatuur die hierna wordt aangehaald situeert zich voornamelijk in de privésector. Studies die relaties tussen banken en lokale overheden onderzoeken zijn immers schaars en behandelen bovendien eerder de obligatiemarkten. Aangezien onder het NPM de grens tussen de publieke en de privésector vervaagt (Hood, 1995) kunnen deze studies toch relevante aspecten belichten.
B1. Ratings Het belang van ratings is sterk toegenomen sinds de introductie van de Basel Akkoorden. De Basel I en Basel II Richtlijnen werden ontworpen door het Baselse Comité van Bankentoezichthouders (Balin, 2008). Dit comité heeft tot doel banken te superviseren en de banktransacties te reguleren. Basel II is een verfijning van de verouderde Basel I richtlijnen en is ingedeeld in 3 pijlers, met name “vereist minimumkapitaal”, “toezicht” en “marktwerking” 12. Aangezien enkel deze eerste pijler een rechtstreekse link heeft met de kredietbeoordeling van klanten wordt alleen dit aspect van Basel II besproken. Volgens de richtlijnen van Basel II moeten banken een rating toekennen aan hun kredieten. Het toekennen van ratings kan gezien worden als een screening die tot doel heeft de informatie-assymetrieën tussen de kapitaalverstrekker en de ontvanger zoveel mogelijk te beperken. Ratings reflecteren aldus het ingeschatte kredietrisico van de klant en worden in tegenstelling tot de externe ratings in de kapitaalmarkten (Moody‟s, Standards & Poor‟s) niet openbaar gemaakt (Treacy & Carey, 2000). Er zijn 3 componenten van kredietrisico: 11
Agentschap Binnenlands Bestuur, 2005, Gemeentedecreet van 15 juni 2005 (art. 265). URL: 12 Basel II trad op 1 januari 2007 in werking
10
Probability of default (PD), oftewel de kans dat een debiteur gedurende het komende jaar zijn verplichtingen niet nakomt
Loss given default (LGD), wat het verlies is gegeven dat de debiteur betalingsmoeilijkheden heeft
Exposure at default (EAD), dat gelijk is aan het uitstaand bedrag op het moment van staking van betaling
De “advanced internal ratings based approach” bestaat erin dat de PD, LGD en EAD intern door de kredietinstelling zelf berekend worden, wat heden ten dage door Dexia wordt toegepast13. Deze drie componenten bepalen voor een groot deel de Risk Weighted Asset (RWA). Leningen met een zeer laag risico worden gewogen aan 0%, terwijl leningen waarbij de kans op verliezen zeer groot is een 100% weging met zich meekrijgen. Afhankelijk van de ratings die gegeven wordt zijn er tussencategorieën van 20%, 50%, etc. Vervolgens worden alle RWA‟s samengeteld en minimum 8% van deze waarde zal in kapitaal moeten aangehouden worden.
Met betrekking tot de link tussen de ratings en de interestkost is aangetoond dat banken een hogere rente aanrekenen aan ondernemingen met een slechtere rating (Machauer & Weber, 1998, Elsas & Khranen, 1998, English & Nelson, 1998). Deze onderzoekers hebben ratings toegekend aan ondernemingen naargelang het defaultrisico. Er wordt een significant verband gevonden tussen de rating en de hoogte van de interest die deze bedrijven moesten betalen. Dit wijst erop dat banken wellicht rekening houden met de financiële gezondheid van de ondernemingen en dat ze zich dus beschermen tegen het risico door een hogere rente te vragen aan ondernemingen die een slechtere rating hebben. Ook de niet-prijs elementen van leningen zullen een invloed ondervinden van de toegekende ratings. In normale omstandigheden zullen banken na een evaluatie van de ontlener een aantal mogelijke leningen aanbieden, elk met verschillende kenmerken. Dit betekent dat de kenmerken van de leningen zullen verschillen naarmate het risicovol karakter van deze specifieke lening. Zo zal een minder kredietwaardig bedrijf met strengere voorwaarden geconfronteerd worden, namelijk kleinere bedragen en kortere duurtijden. Winstgevende bedrijven zullen daarentegen veel meer vrijheid krijgen om de kenmerken zelf te bepalen (Strahan, 1999). Deze werkwijze biedt banken de kans om het risico bij voorbaat zoveel mogelijk in te perken. Zoals gezien bij de bespreking van de procedure verloopt de gunning 13
Leon, Lieve, “Financiering in de publieke sector”, presentatie 7 mei 2008, studiedag UGent
11
in gemeentecontext evenwel in tegengestelde zin; het gemeentebestuur bepaalt zélf de kenmerken van het leningenpakket, waardoor de marge de enige manier is voor banken om het inherent kredietrisico in te calculeren. Betreffende de vraag of banken al dan niet een ratingsysteem gebruiken kan verwezen worden naar English & Nelson (1998). Uit dit onderzoek bleek dat 85 procent van de respondenten (Amerikaanse banken) een intern ratingsysteem hanteerde. Het waren vooral de kleinere banken die geen intern ratingsysteem gebruikten. Hier moet wel gezegd worden dat de meeste banken een eigen rating systeem hebben en dat er geen globaal systeem is dat door alle banken wordt gehanteerd (Treacy & Carey, 2000). In het volgende deel ligt de focus op de wijze waarop het defaultrisico –de eerste component van kredietrisico – bepaald wordt.
B2. Kredietanalyse m.b.v. financiële data De kredietanalisten van een bank zullen trachten in te schatten hoe veilig het is te lenen aan die bepaalde onderneming of in dit geval, gemeente. Hierbij zal gebruik gemaakt worden van de financiële gegevens van de klant, met name de jaarrekening. Aangezien geen van de banken enige inzage bieden in de wijze waarop een rating wordt toegekend, worden in deze sectie een aantal financiële ratio‟s geselecteerd. Hierbij wordt gesteund op de alomtegenwoordige literatuur (Altman, 1968, Beaver, 1966, Casey & Bartzcak, 1985, Ohlsen, 1980, Platt & Platt, 1990) die verschillende mogelijkheden aanreikt om de kans op default in te schatten (oftewel defaultpredictie). Aangezien deze literatuur alleen op private bedrijven gericht is, kunnen
volledige modellen zoals de Z-score van Altman niet overgenomen
worden. In eerste plaats zijn sommige van deze ratio's in gemeentecontext niet toepasbaar, zoals Altman's “markwaarde kapitaal / totaal vreemd vermogen “. Andere ratio's zoals “winst voor interest en belastingen / totaal activa” zijn dan weer weinig relevant aangezien het objectief van gemeenten niet het maximaliseren van de winst is, maar wel het maximaliseren van de dienstverlening. Meer bepaald zullen we in deze studie alle ratio‟s m.b.t. de rendabiliteit of toegevoegde waarde als irrelevant beschouwen.
Tabel 1 geeft een overzicht van de door ons geselecteerde financiële ratio's die in vorige studies geacht werden op doeltreffende wijze te kunnen discrimineren tussen bedrijven die later in staking van betaling overgaan en deze waarbij dit niet gebeurt. Welke ratio hierbij de beste resultaten zal opleveren kan niet ex ante voorspeld worden aangezien elke 12
voorgaande studie gewoonlijk een andere ratio als de beste indicator voor toekomstige problemen naar voor schuift (Altman, 2000)
Tabel 1: Overzicht Ratio’s
Bronnen
Liquiditeit
Vlottende activa / Vreemd Vermogen Korte Termijn
Ohlsen (1980)
Vlottende activa / Totaal Activa
Casey & Bartczak (1985)
Netto Bedrijfskapitaal / Totaal Activa
Altman (1968), Ohlsen (1980)
Vreemd Vermogen / Totaal Activa
Ohlsen (1980)
Vreemd vermogen Korte Termijn / Vreemd Vermogen
Platt & Platt (1990)
Liquide Middelen / VVKT
Platt & Platt (1990)
Liquide Middelen / Totaal Activa
Casey & Bartczak (1985)
Cashflow / Totaal Activa
Casey & Bartzcak (1985)
Cashflow / Vreemd Vermogen
Beaver (1968)
Financiële Leverage
Kaspositie
Cashflow
Om de potentiële multicollineariteit al bij voorbaat zoveel mogelijk uit te sluiten, zal per categorie één ratio getest worden in de uiteindelijke regressievergelijking. Vervolgens worden deze keuzes verantwoord en verder verklaard.
1. Nettobedrijfskapitaal / Totale Activa (NBKA) In de studie van Altman (1968) kwam “nettobedrijfskapitaal / totale activa” naar voor als meest waardevolle liquiditeitsratio, met als onderliggende reden dat de problemen van een bedrijf gereflecteerd worden door afnemende vlottende activa ten opzichte van de totale activa. Deze ratio houdt dus zowel rekening met de liquiditeit als met de omvang van de onderneming. Zowel de current als quick ratio waren in deze studie minder significant. Nettobedrijfskapitaal wordt berekend als “vlottende activa – schulden op korte termijn”. Gebaseerd op de balansen van alle Vlaamse gemeenten in het jaar 2006, bestaan de 13
vlottende activa vooral uit “te ontvangen subsidies, giften en legaten”, “geldbeleggingen” en “liquide middelen” voor respectievelijk 21, 46 en 19 procent. De schulden op korte termijn zijn grotendeels financiële schulden (54 procent) en handelsschulden (21 procent). Om financieel gezond te zijn, moet het NBK van een gemeente positief zijn omdat dan niet alleen de vaste activa, maar ook de vlottende activa met permanent vermogen gefinancierd worden. Indien het NBK (en dus ook de ratio NBK/A) negatief zou blijken, toont dit aan dat een deel van de vaste activa gefinancierd wordt met schulden op korte termijn. Dit is suboptimaal aangezien vaste activa maar op langere termijn positieve cashflows opleveren terwijl de eerste schuldaflossingen al nabij zijn. Als besluit kan gesteld worden dat hoe hoger deze ratio is, hoe beter de gemeente ervoor staat.
2. Vreemd vermogen / Totale Activa (VVA) Deze ratio geeft een indicatie van de financiële autonomie van een gemeente. Algemeen wordt aangenomen dat deze ratio best zo laag mogelijk is in een gemeentelijke context. Deze ratio maakte deel uit van een model, geconstrueerd door Ohlsen (1980), dat voor 96% van de geselecteerde bedrijven correct kon voorspellen welke later failliet zouden gaan. De schuldgraad behaalde hierin de beste t-statistiek.
3. Liquide Middelen / Totale Activa (LiqA) Deze ratio meet in hoeverre de activa van een gemeente uit liquide middelen bestaan. Hoe hoger deze ratio, hoe makkelijker een gemeente op zeer korte termijn aan diens betalingsverplichtingen kan voldoen aangezien alle andere actief posten pas na een bepaalde tijd in geldmiddelen kunnen omgezet worden.
4. Cashflow / Vreemd Vermogen (CFVV) Beaver (1968) besloot dat uit een groep van 30 financiële ratio‟s, de “cashflow / vreemd vermogen” ratio veruit de beste predictor was. Hij ging per ratio na wat het optimale cut-off punt was om ex ante een groot aantal bedrijven te classificeren tussen falingsgevaar en geen falingsgevaar. Op basis hiervan controleerde hij ex post wat het foutenpercentage van deze indeling was. De CF/VV ratio leverde de beste resultaten op met een foutenpercentage van slechts 13%. De hiervoor vermelde VV/A ratio kwam hierbij als derde beste predictor 14
naar voor. De cashflow wordt ruwweg berekend door de boekhoudkundige nettowinst met de afschrijvingen te vermeerderen. Deze ratio gaat na in hoeverre een gemeente met de cashflow van een bepaald jaar de totale schulden kan afbetalen. Hoe hoger deze ratio is, hoe beter een gemeente ervoor staat.
5. Fiscale opbrengsten / (Fiscale opbrengsten + Subsidies) (FFS) Naast de financiële ratio's die courant voorkomen in studies waarin getracht wordt een falingspredictiemodel op te stellen, introduceren we in deze studie eveneens een nieuwe ratio die eerder gericht is op lokale fiscaliteit. Ondanks het feit dat het aandeel van de lokale fiscaliteit in de totale belastingen laag is in België, vormen de lokale belastingen toch een belangrijke inkomstenbron voor Vlaamse gemeenten14. Naarmate een gemeente een groter gedeelte van haar inkomsten uit geïnde belastingen haalt en dus minder afhankelijk is van subsidies vanwege hogere overheden, wordt
zij
door
een bank misschien als
kredietwaardiger aanzien. Indien een fiscaal onafhankelijke gemeente in de nabije toekomst betalingsproblemen verwacht, kan deze altijd bijkomende belastingen heffen. Een gemeente die vaak op subsidies steunt, is voor een bank bijgevolg minder interessant omdat de binnenkomende geldstromen meestal onregelmatig zijn en met een hogere onzekerheid gepaard gaan. Om de fiscale onafhankelijkheid weer te geven in een betekenisvol cijfer opteren we ervoor om een ratio te construeren met in de teller de opbrengstenpost “Opbrengsten van de fiscaliteit” en in de noemer de som van laatstgenoemde opbrengst met “Bijdragen in weddelasten en verkregen werkingssubsidies”. Hoe hoger deze ratio is, hoe onafhankelijker een gemeente is van subsidies en dergelijke.
6. Evolutie van NBKA, VVA en CFVV Hoewel bovenstaande ratio's in een bedrijfscontext hun voorspellende kracht in verscheidene studies bewezen hebben, blijft de interpretatie van ratio's in de context van lokale overheden minder duidelijk (Groves et al., 1981). In tegenstelling tot de private sector kunnen banken bijvoorbeeld geen sectorgegevens raadplegen (via de Balanscentrale van de Nationale Bank) om zinvolle vergelijkingen te maken. Een algemeen gemiddelde maken van alle Vlaamse gemeenten is hiervoor geen valabele oplossing, aangezien elke gemeente uniek is qua grootte, populatie, belastingsinkomsten, etc. Daarenboven is er geen algemene 14
Jan Leroy, Stafmedewerker Gemeente- en OCMW-Financiën bij de Vereniging van Vlaamse Steden en Gemeenten (VVSG) in ING Institutioneel
15
consensus over wat de karakteristieken van een 'gezonde' gemeente zouden moeten zijn (Trussel, 2002). Met andere woorden, algemene vuistregels met betrekking tot bijvoorbeeld de schuldgraad (VV/A) of dekking van het vreemd vermogen door de cashflow (CF/VV) zijn niet voorhanden. Deze zaken bemoeilijken een correcte evaluatie van de boekhoudkundige gegevens.
De enige vergelijkingsbasis die banken hebben zijn evenwel de ratio's van de vorige jaren. Analoog aan de studie van McGurr & DeVaney (1998) worden drie evolutievariabelen ingevoerd die het verschil berekenen tussen de waarden van een ratio ten tijde van de jaren 2006 en 2003. Dit onderzoek beperkt zich tot de drie krachtigste ratio's (op basis van de eerder vermelde studies), namelijk NKBA, CFVV en ten slotte VVA. Een positieve waarde van bijvoorbeeld de variabele “Evolutie NKBA” betekent dan dat de financiële positie van een gemeente erop vooruit gegaan is. Een kredietanalist zou dit gegeven kunnen beschouwen als een teken van goed financieel beleid, met een lager risico en dus een lagere marge tot gevolg.
B3. Andere factoren die de kredietanalyse beïnvloeden B3.1 Kwaliteit management Zoals eerder gezegd zijn er vele modellen in omloop die de kredietwaardigheid van bedrijven onderzoeken aan de hand van financiële gegevens, zoals Altman‟s Zeta Risk Model. Echter, deze modellen tonen ook enkele ernstige gebreken zoals het gebrek aan een theorie die verklaart waarom net deze ratio's toekomstige betalingsproblemen kunnen voorspellen (Basel Committee on Banking Supervision, 2000, pg 107-110). Bovendien dateren de gebruikte financiële gegevens uit het verleden, waardoor het maar de vraag is of deze wel valide zijn om de toekomst te voorspellen. Om de probabiliteit van een toekomstige default beter in te schatten wordt er, consistent met de aanbevelingen van Basel II, meer en meer gebruik gemaakt van kwalitatieve gegevens. Deze niet-financiële analyse focust vooral op de kwaliteit van het management en de positie in de markt. Zowel Grunert, Norden & Weber (2005), Hesselmann (1995) als Blochwitz & Eigermann (2000) gebruikten kwalitatieve factoren om Duitse bedrijven te beoordelen en deze vervolgens in te delen in "defaulting" en "non-defaulting companies". Deze studies wezen uit dat deze kwalitatieve factoren het percentage van correct geclassificeerde bedrijven significant verhoogt.
16
B3.2 Relationship Lending Het effect van het zogenaamde “relationship lending” op de interestvoet is het onderwerp geweest van vele studies, doch met verschillende resultaten. Veelal wordt aangenomen dat bedrijven die de meeste van hun schulden aangaan bij eenzelfde bank lagere interestvoeten bekomen omdat de verminderde informatieasymmetrie doorgerekend wordt naar de klant (Blackwell & Winters, 1997, Boot & Thakor, 1994, Berger & Udell, 1995). Andere auteurs argumenteren dat de toegenomen kennis van de bank de leningbegunstigde als het ware vastzet in de relatie, waardoor de aangeboden marges stijgen naarmate de duurtijd van de relatie
langer
wordt
(Greenbaum,
Kanatas,
Venezia,
1989;
Sharpe,
1990).
Kredietverstrekkers zullen onder deze theorie meer inside-informatie verkrijgen van een onderneming ten opzichte van concurrerende banken. Dit informationeel voordeel zorgt ervoor dat de onderneming in kwestie veel moeilijker haar goede performantie duidelijk kan maken aan andere banken. Hierdoor zouden de concurrenten telkens hogere interesten vragen dan de bank waarmee de onderneming al een langdurige relatie heeft. Deze laatste kan dan de gevraagde interesten verhogen en toch nog telkens het beste voorstel voorleggen vergeleken met de andere banken. Petersen & Rajan (1994) en Harhoff & Körting (1998) vinden dan weer geen significante link tussen beide variabelen. Gerelateerd met deze bankrelaties is de vraag of de gemeente al dan niet een bankrekening heeft bij de bank die de opdracht toegewezen krijgt. Zoals Nakamura (2002) aangeeft zullen banken in dit geval continu informatie hebben over de in- en uitkomende kasstromen, waardoor ze beter kunnen inschatten welke de financiële toestand is van de gemeente. Aangezien het wegwerken van de informatieasymmetrie dan minder tijd en geld kost, zou dit in theorie kunnen gereflecteerd worden in een lagere marge.
B3.3 Kwaliteit boekhouding Ook de kwaliteit van de boekhouding van gemeenten kan een rol spelen in de kredietbeoordeling. In het jaar 1999 bijvoorbeeld haalden vele gemeenten immers vrij lage scores op het vlak van volledigheid van de boekhouding (Christiaens & Van Petegem, 2007). In deze studie, die gebruik maakt van een “compliance index” toegepast op verschillende elementen van de balans en resultatenrekening, halen de 63 geteste gemeenten een gemiddelde score van 67,4 op 100. Uit dezelfde studie bleek dat deze score niet verbeterd was ten opzichte van 1995 en 1997, maar dat de scores van de gemeenten eerder convergeerden naar een gemiddelde waarde.
17
Toch is het mogelijk dat sindsdien de kwaliteit van de boekhouding van sommige gemeenten verbeterd is ten opzichte van andere lokale overheden. Zo zouden gemeenten kunnen anticiperen op een mogelijke afschaffing van de begroting en op de invoer van internationale frameworks
zoals
IPSAS
15
.
Het
Gemeentedecreet
beoogt
immers
dat
de
gemeenteboekhouding in de toekomst steeds meer gelijkenissen met de nieuwe OCMW boekhouding zal vertonen (waardoor het belang van de jaarrekening nog meer zal toenemen)16. Voorgaande studies (Sengupta, 1998, Yu, 2005) wijzen uit dat bedrijven met hogere “disclosure” kwaliteit leningen aan betere voorwaarden bekomen17. Zo linkt Sengupta (1998) de kwaliteitsratings die bedrijven krijgen van financiële analisten met betrekking tot hun jaarrekeningen en jaarverslagen aan de interestkost van aangegane schulden. De significant negatieve relatie tussen beide variabelen duidt aan dat - in de perceptie van kredietverstrekkers - een hogere disclosuregraad het defaultrisico verlaagt. Als de kwaliteit van de boekhouding over een aantal jaar consistent hoog blijft, zal immers de probabiliteit dalen dat deze bedrijven slechte cijfers of marktontwikkelingen zullen proberen te verbergen. Francis
et
al.
(2005)
verwijst
naar
deze
factor
als
het
informatierisico
dat
kredietverstrekkers in acht nemen. Informatierisico wordt gedefinieerd als de kans dat de bedrijfsspecifieke informatie die relevant zijn voor de beslissing van de investeerder van lage kwaliteit is. Anticiperen kredietverstrekkers op dit risico, dan zal dit leiden tot een hogere marge. De factor “kwaliteit van de boekhouding” kan echter niet betrokken worden in deze studie. De enige studie die compliance scores toekende aan Vlaamse gemeenten maakte gebruik van de jaarrekeningen van 1999. (Christiaens & Van Petegem, 2007). Deze scores zijn dan ook niet meer representatief voor de huidige situatie.
B3.4 Concurrentiegedrag Naast de kenmerken van de gemeenten zou ook het concurrentiegedrag tussen de banken een bepalende rol kunnen spelen bij het toekennen van marges (De Graeve, De Jonghe & Vander Vennet, 2006; Berger, 1995). Deze studies hebben immers aangetoond dat de macht van een bepaalde speler in de markt invloed kan hebben op de interest. Een bank met
15
International Public Sector Accounting Standards De OCMW boekhouding maakt enkel gebruik van een algemene en een analytische boekhouding 17 Disclosure kwaliteit wordt bepaald door de helderheid en volledigheid van de jaarrekening. Ook de bereidwilligheid van het topmanagement om bepaalde cijfers te duiden speelt een rol. 16
18
meer macht dan zijn concurrenten, gemeten door het marktaandeel, zou de rentetarieven minder competitief kunnen stellen voor bepaalde producten.
B3.5 Bankkarakteristieken De banken zelf hebben ook karakteristieken die een invloed hebben op het bepalen van de interestkost. Zo onderzochten Coleman, Esho en Sharpe (2002) welke de invloed kan zijn van de onderhandelingsmacht van de bank tegenover de ondernemingen. De proxy die men gebruikt heeft voor de deze macht te meten is de ratio van de bankgrootte op de grootte van de onderneming. Bij het linken van beiden via een regressievergelijking bleek dat bij een grotere onderhandelingsmacht ook een hogere marge gepaard ging. Dit zou er dus op kunnen wijzen dat wanneer de bank meer macht heeft tegenover de onderneming dat men deze dan ook omzet in een hogere rente.
19
IV. Ontwikkeling onderzoeksvraag
Zoals eerder gezegd, gaan gemeenten al decennialang bancaire leningen aan terwijl kredietanalisten voor het bepalen van de interestvoeten zich slechts konden baseren op de in- en uitgaande kasstromen, de financiering die een gemeente potentieel uit extra belastingen kan halen, een algemene reputatie die een gemeente heeft inzake afbetalingen en nog andere, minder voor de hand liggende factoren. Nu is het een interessant gegeven om na te gaan of banken, die sinds een aantal jaren de mogelijkheid hebben gemeenten financieel volledig door te lichten, hier dan ook rekening mee zullen houden.
Gezien de implicaties van Basel II, zouden banken na een grondige analyse van de jaarrekening van een gemeente een beeld krijgen van haar financiële gezondheid. Aangezien meer kredietwaardige gemeenten een lager kredietrisico met zich meedragen zouden inschrijvende banken deze gemeenten lagere marges kunnen aanbieden. Een lager kredietrisico zorgt er immers voor dat het door de bank minimum aan te houden kapitaal lager is dan voor andere (minder kredietwaardige) gemeenten. De kosten die de bank daardoor uitspaart zouden kunnen doorgerekend worden aan de gemeente in kwestie.
De toegevoegde waarde van deze studie bestaat erin dat dit het eerste onderzoek is dat (ten tijde van de invoer van Basel II) een link tracht te leggen tussen de kost van schuldfinanciering van gemeenten en hun financiële gezondheid. Een tweede belangrijk gegeven is dat indien uit de resultaten zou blijken dat gemeenten beloond worden voor een doordacht financieel beleid door middel van lagere marges, dit een rechtstreeks bewijs zou zijn dat NPM ook financieel opzicht een toegevoegde waarde biedt aan gemeenten.
20
V. Empirisch onderzoek
A. Variabelen A.1 Afhankelijke variabele De totale rentevoet r die de gemeente moet betalen op haar leningen bestaat uit de actuarieel gewogen gemiddelde rentevoet i en de marge. Aangezien de rentevoet i voor iedere bank identiek is (cf. supra) zal dit onderzoek zich toespitsen op de aangeboden marge. Er wordt aangenomen dat deze marge afhankelijk is van de kenmerken van de lening, de eigenschappen van het bestuur en de inschatting van de renteontwikkelingen18. Er moet opgemerkt worden dat sommige gemeenten ook een interestmarge betalen op de Euribor 3M, meer bepaald gedurende de opnameperiode 19 . Indien tussentijdse facturen moeten betaald worden kan de gemeente ervoor opteren vroegtijdig gedeelten van de lening op te nemen. Na een jaar wordt de som van alle opgenomen gelden genomen en vervolgens geconsolideerd tot een volwaardige langetermijnlening. Tot dit moment geldt een interestmarge bovenop de Euribor 3M; na consolidatie wordt overgeschakeld naar de IRS ASK Duration. Het VVSG typebestek houdt echter geen rekening met opnameperiodes en raadt dit zelfs af20. Daarom zal deze studie verder geen rekening houden met dit aspect van gemeentefinanciering.
A.2 Controlevariabelen Naast de gegevens die de bank uit de jaarrekening van de gemeente kan halen kunnen ook andere factoren de marge beïnvloeden. Vooreerst zijn er de kenmerken van de lening, namelijk duurtijd, bedrag en herzieningstermijn. 1. Duurtijd
Hoe langer de duurtijd van de lening bedraagt, hoe langer de financiële instelling voor deze kredieten financiering moet zoeken. Gedurende deze periode zal dit kapitaal niet beschikbaar zijn voor de bank en kan men dus ook geen leningen verstrekken aan andere 18
Toelichting bij het VVSG bestek versie 2005 Euro Interbank Offered Rate, dit is het tarief waartegen Europese banken bij elkaar leningen aangaan. Per looptijd geldt een ander tarief, waarbij 3M staat voor een lening op 3 maanden. 20 Een opnameperiode leidt immers tot hogere marges aangezien de bank dan niet zeker weet hoeveel opgenomen zal worden. Deze onzekerheid wordt verrekend in de aangeboden marge. 19
21
entiteiten. Ook zal het risico dat de gemeente met liquiditeitsproblemen te kampen krijgt gedurende de looptijd van de lening toenemen naarmate deze langer wordt.
Rekening
houdend met de trade-off theorie, verwachten we dan ook dat leningen met een langere looptijd tot hogere marges zullen leiden als compensatie voor het toegenomen risico (English & Nelson, 1998, Degryse & Van Cayseele, 2000, Gottesman & Roberts, 2002). Uit andere studies blijkt dat een korte duurtijd kan samengaan met een hoge interestkost bij een zeer hoog kredietrisico (Dennis, Nandy & Sharpe, 2000; Strahan, 1999). 2. Bedrag
De invloed van deze variabele kan op twee manieren geïnterpreteerd worden. Zo kan de bank de marge verhogen naarmate het uitgeleende kapitaal stijgt omdat men dan aan een hoger risico blootgesteld wordt. Anderzijds zou de bank de marge kunnen verlagen omdat ze door het grote bedrag meer interest ontvangt, waardoor ze zelfs voor een lagere marge meer winst maakt dan voor een kleiner bedrag met een hoge marge. Algemeen wordt aangenomen dat bedrag en interestvoet een negatief verband hebben omdat hogere bedragen leiden tot lagere transactiekosten (English & Nelson, 1998, Strahan, 1999).
3. Herzieningstermijn
Bij een rentevoetherziening zal de bank na een aantal jaar opnieuw de actuarieel gewogen gemiddelde rentevoet bepalen door rekening te houden met de huidige marktinterestvoet. Het is de gemeente die in eerste instantie bepaalt welke herzieningstermijnen zij wil toepassen op de leningen. De keuze tussen al dan niet herzieningen toestaan komt vooral voort uit de interestverwachtingen van het gemeentebestuur. Als de financieel beheerder verwacht dat de interesten in de toekomst zullen zakken, zal de gemeente aldus een pakket leningen aanbieden met jaarlijkse of driejaarlijkse rentevoetherzieningen. Hierbij loopt men evenwel het risico dat door een (onverwachte) rentestijging de financiële kosten substantieel zullen stijgen. Wanneer de gemeente stijgende of constante interestvoeten verwacht zal men daarentegen voor een vaste rentevoet kiezen of een vijf- of tien-jaarlijkse herziening prefereren. Als de interestvoet toch zou dalen, zal de gemeente er niet van kunnen profiteren. Aangezien de bank een groter risico loopt bij meer frequente herzieningen, verwachten we een hogere marge naarmate de herzieningstermijn in jaren kleiner wordt.
22
De drie voorgaande controlevariabelen zijn direct gelinkt aan de lening zelf. In wat volgt worden enkele algemene factoren besproken die ook een impact kunnen hebben op de aangeboden marge. 4. Objectief belastingsvermogen
Het objectief belastingsvermogen (OBV) is een indicator van het fiscale (on)vermogen van een gemeente21. Het fiscale vermogen peilt in welke mate een gemeente via de fiscaliteit extra middelen kan verwerven en staat dus los van de aanslagvoeten en de effectieve belastingdruk.
De
twee
primaire
gemeentebelastingen,
de
aanvullende
belasting
op
de
personenbelastingen en de opcentiemen op de onroerende voorheffing, zullen gebruikt worden om het fiscale vermogen te bepalen. De opbrengst van 1% aanvullende belasting op de personenbelasting per inwoner en de opbrengst van 100 opcentiemen op de onroerende voorheffing per inwoner worden berekend voor alle Vlaamse gemeenten. Aangezien deze cijfers op zich weinigzeggend zijn, worden de maximale waarden van beide opbrengsten bepaald en gelijkgesteld aan 100. Per gemeente wordt vervolgens de relatieve opbrengst ten opzichte van deze maximale waarden berekend. Ten slotte wordt het gemiddelde berekend van beide relatieve opbrengsten om de OBV van de gemeente te bekomen. Alle gegevens om deze berekening te voltooien zijn online beschikbaar op de site van het Agentschap Binnenlands Bestuur, vandaar de veronderstelling dat banken met deze variabele rekening zullen houden22.
Met enkel de waarden van de aanslagvoeten kan een bank weinig opschieten. De mogelijkheid bestaat immers dat een gemeente heel hoge aanslagvoeten heeft maar een gering fiscale vermogen omdat de inwoners weinig inkomsten (belastingen) genereren. Als een bank een offerte opmaakt voor een gemeente waarvan het fiscale vermogen vrij groot is, weten ze dat deze gemeente vrij makkelijk extra middelen kan genereren, indien er betalingsmoeilijkheden opduiken in de toekomst. Dit leidt op zijn beurt tot een lager defaultrisico en dus een lagere marge.
21
Begrip alsook wijze van berekening: Agentschap Binnenlands Bestuur, De Gemeentefinanciën 2002. URL: 22 Agentschap Binnelands Bestuur, 2007, Jaarbeeld 2007 Financiën. URL:
23
5. Bank
Nadat de financieel beheerder van de gemeente een analyse gemaakt heeft van de offertes, zal de uiteindelijke opdracht gegund worden aan de bank die de beste voorwaarden heeft aangeboden. Door variabelen aan te maken die aanduiden aan welke bank de opdracht gegund werd, kan gecontroleerd worden of de marge beïnvloed wordt door de individuele politiek van de banken. 6. Populatie gemeente
Naar aanleiding van Basel II moeten banken bij het toekennen van ratings naast de financiële gegevens ook rekening houden met de niet-financiële gegevens zoals de kwaliteit van het management. Als de kredietbeoordelaar vindt dat de beleidsvoerders van een gemeente goede keuzes maken en hun budget uitstekend beheren, dan zal deze gemeente als minder risicovol aanzien worden, met een betere rating tot gevolg. Aangezien deze zogenaamde soft factor echter moeilijk op een objectieve manier kan gemeten worden, opteren we ervoor de gemeentepopulatie als proxy te gebruiken, analoog aan Simonsen, Robbins, Helgerson (2001). In deze studie, waarin de obligaties uitgegeven door Amerikaanse municipalities centraal staan, wordt de populatie gelinkt aan de gemiddelde rentevoet op de uitgegeven obligaties23. De populatie is hierbij een proxy voor de interne management capaciteit van een gemeente wat onder andere de kwaliteit van budgettering en de performantie-indicatoren inhoudt. De conclusie is dat kleinere lokale overheden duidelijk in het nadeel zijn op de obligatie markt. Dit nadeel vertaalt zich in een hogere kost voor het lenen van geld voor overheden die het hen juist het minst kunnen permitteren.
7. Aantal inschrijvers bij aanvang van de lening
Wanneer een gemeente een algemene offertevraag of een openbare aanbesteding bekend maakt, kunnen banken vrij inschrijven op deze offerte. Een studie van Bland (1985) gaat na in welke mate het aantal inschrijvers de interestvoet van de obligatie beïnvloedt. Hij concludeert dat in vergelijking met de meest gegadigde obligaties (meer dan zeven inschrijvers) de interestvoet van de minst aantrekkelijke obligaties gemiddeld 41 basispunten hoger zijn. In de Vlaamse context zal het maximum aantal inschrijvers echter beperkt zijn tot de vier grootbanken, wat de waarschijnlijkheid van significante resultaten enigszins beperkt.
23
Municipalities vertonen vele gelijkenissen met gemeenten
24
We maken de assumptie dat een gemeente een hogere marge zal betalen naarmate het aantal inschrijvende banken lager is. 8. Gunning bij wijze van herhalingsopdracht
Zoals eerder gezien bij de bespreking van de procedure hebben gemeenten de mogelijkheid om nieuwe leningen te bekomen door rechtstreeks te onderhandelen met de bank aan wie een vorig pakket leningen werd toegewezen. Aangezien alle kenmerken van deze leningen alsook de marge opnieuw variabel zijn, kan de vraag gesteld worden wat het effect van een onderhandelingsprocedure is op de marge. Hierbij kan opnieuw verwezen worden naar studies die zich toespitsen op de obligaties van municipalities. Uit de paper van Simonson et al. (2001) kan het besluit getrokken worden dat het gebruik maken van offertes in gesloten enveloppen bijna altijd het best voor de municipalities uitdraait 24. In vergelijking met een gewone onderhandeling met één enkele bank zal in dit geval de interest gemiddeld 16 basispunten hoger liggen. Het onderzoek verricht door Bland in 1985 weerlegt deze bevindingen echter gedeeltelijk. Volgens hem hebben vorige studies geen rekening gehouden met de factor "ervaring van de onderhandelaar". Uit zijn onderzoek blijkt dat een werknemer van de gemeente die al vier à vijf keer over een obligatie onderhandeld heeft zodanig veel expertise heeft opgebouwd dat hij/zij een interestvoet kan bekomen die bijna niet verschilt van een obligatie waarvoor vele offertes gemaakt werden. 9. Gewicht van rente bij gunningscriteria
Als een gemeente opteert voor een openbare aanbesteding zal de financieel beheerder slechts oog hebben voor de aangeboden marges. De inschrijver die de laagste marge aanbiedt zal vanzelfsprekend de opdracht toegewezen krijgen. Kiest de gemeente voor een algemene
offertevraag,
dan
heeft
het
gemeentebestuur
de
vrijheid
om
enkele
gunningscriteria te definiëren. In de praktijk bestaan twee dimensies: de prijs en de financiële dienstverlening. Beide criteria worden verder opgesplitst in deelcriteria waaraan gewichten toegekend worden naarmate het belang ervan voor de gemeente (zie tabel 2). Kleinere gemeenten zullen bijvoorbeeld meer belang hechten aan de financiële dienstverlening. De studie van Lehan (1991) toont aan dat kleinere municipalitiesminder personeelsleden hebben die ook minder kennis hebben inzake technisch financiële gegevens dan de grotere municipalities. Daarnaast is er in kleine “rural local governments” vaak personeel dat niet 24
Hierbij bieden banken zonder rechtstreeks contact met de municipalities een interesttarief aan. De bank die het beste tarief aanbiedt zal de voorkeur genieten van de municipality.
25
fulltime bezig is met financiën, maar daarnaast ook nog andere taken heeft, terwijl dit personeel wel gezien wordt als deel van de financiële dienst (Sokolow & Honadle, 1984). Een dergelijke gemeente zou kunnen opteren voor een 75/25 verdeling bij de gunningscriteria. Zij zal dan bewust kiezen voor een potentieel hogere marge omdat ze zonder de extra dienstverlening verplicht is bijkomend gekwalificeerd personeel en/of gespecialiseerde software (die meestal niet gericht is op de noden van een openbare dienst) aan te schaffen, wat veel duurder is25. In deze studie wordt de assumptie gemaakt dat hoe lager het gewicht dat aan prijs toegekend wordt, hoe hoger de marge zal worden ter compensatie van de extra dienstverlening.
10. Jaar van gunning
De steekproefpopulatie van deze studie zijn leningen uit de jaren 2006 en 2007. Om te controleren voor eventuele verschillen tussen beide jaren werd een dummy variabele aangemaakt.
Tabel 2 - Gunningscriteria A. Prijs De aangeboden marge t.a.v. de opgegeven referentievoet: A1. Tijdens de opnameperiode
10
A2. Na omzetting van de lening
60
A3. Reserveringscommissie
5
Andere modaliteiten met een invloed op de financieringskost A4. Flexibiliteit op vlak van kredietmodaliteiten en mogelijkheid om op
9
marktopportuniteiten in te spelen A5. Actief schuldbeheer
6
B. Financiële en informatorische bijstand B1. Financiële bijstand
6
B2. Informatorische bijstand
4
Totaal
25
100
Bron: Financieel beheerder van Herenthout
26
11. IRS ASK bij gunning lening
Bij de berekening van actuarieel gewogen gemiddelde rentevoet i zullen banken de IRS Ask rentevoet
gebruiken
als
marktrentevoet.
Met
deze
marktrentevoet
worden
de
binnenkomende cashflows (aflossingen + betaalde interest) vervolgens verdisconteerd om de huidige waarde van de lening te berekenen. Ter indicatie zullen banken bij de opmaak van de offertes de IRS rentevoet (12 uur fixing) die tien bankwerkdagen voor de uiterste indiendatum van de offertes geldig was aanwenden. De rentevoet r (i + marge) die op deze manier ontstaat wijkt echter af van de werkelijke interestlast die de gemeente zal moeten betalen op dit leningenpakket. Dit heeft te maken met het feit dat de IRS rentevoet die men zal gebruiken bij de berekening van de rentevoet i SPOT vastgelegd wordt, d.i. twee bankwerkdagen voor het opnemen van de lening. Wetende dat de periode tussen de eigenlijke gunningsbeslissing en de opname van (delen van) de lening vaak meerdere maanden bedraagt kan de uiteindelijke i aldus sterk verschillen van de i die bij de offerte berekend werd. De gewogen gemiddelde rentevoet i die ervoor zorgt dat het totale ontleende kapitaal en de huidige contante waarde van de lening (verdisconteerd aan de IRS rentevoet) zal aldus stijgen als de IRS stijgt en omgekeerd. Als de inschrijvende bank een hoge IRS rentevoet vaststelt bij de opmaak van de offerte en/of de komende maanden stijgende IRS rentevoeten verwacht, kan men verwachten dat de bank zal beslissen de aangeboden marge te verlagen om zo de stijging van totale interestvoet r af te zwakken.
De nulhypothese wordt dan: hoe hoger de IRS Ask rentevoet bij het afsluiten van de eerste lening, hoe lager de marge. In tegenstelling tot voorgaande hypothese, heeft de stand van de Libor geen significante coëfficiënt ten opzichte van de All-in-Spread volgens de studie van Dennis et al. (2000).
27
A.3 Overzicht variabelen In Tabel 3 wordt een overzicht gegeven van de eerder besproken controlevariabelen en de financiële ratio‟s die op basis van de literatuurstudie gekozen werden. Daarnaast worden de tekens van coëfficiënten die we verwachten op basis van voorgaande studies weergegeven.
Tabel 3: Overzicht variabelen en verwachte tekens Afhankelijke variabele: Marge Financiële Ratio’s
Controlevariabelen Duurtijd lening
+
Nettobedrijfskapitaal / Activa
-
Bedrag lening
+
Vreemd vermogen / Activa
+
Herzieningstermijn lening
-
Liquide Middelen / Activa
-
Objectief belastingsvermogen
-
Cashflow / Vreemd Vermogen
-
Populatie
-
Onafhankelijkheid van subsidies -
Aantal Inschrijvers
-
Evolutie NBKA
-
Bank (KBC, Dexia, Fortis, ING) (3 dummies) +/- Evolutie CFVV
-
Gewicht van rente bij gunningscriteria
-
Jaar van gunning
+/-
Stand van IRS rentevoet bij gunning
-
Evolutie VVA
+
28
B. Methodologie B1. Sample In deze studie werd ervoor geopteerd om de bancaire leningen van de 308 Vlaamse gemeenten te analyseren. Aangezien de Waalse gemeenten verenigd zijn in het UVCW (Union des Villes et Communes de Wallonie) en dus niet werken met het VVSG-typebestek zouden er potentieel verschillen kunnen opduiken in de wijze van gunnen en bijgevolg de margebepaling. Om een mogelijke verstoring van de resultaten te vermijden werden Waalse gemeenten aldus geweerd uit de onderzochte populatie. De bancaire leningen waren allen tussen 01/01/2006 en 31/12/2007 afgesloten. Het is immers belangrijk om te weten te komen of Basel II en de nieuwe gemeenteboekhouding werkelijk invloed hebben gehad enkele jaren na hun ontstaan. Om deze reden zijn zo recent mogelijke data wenselijk. Leningen van 2008 zijn daarentegen geen optie aangezien de gemeentelijke jaarrekeningen van 2007 op het moment van dit onderzoek nog niet beschikbaar waren. Rekening houdend met een vermoedelijk lage responsgraad werd er afgezien van een steekproeftrekking uit de 308 gemeenten. Doordat alle Vlaamse gemeenten gecontacteerd werden, kon de analyse uitgevoerd worden op een voldoende grote database. Een nadeel van deze werkwijze is de potentiële niet-representativiteit van de steekproefpopulatie ten opzichte van de gehele populatie (cf. V.D Beperkingen).
B2. Data-verzameling De leninggegevens van de Vlaamse gemeenten werden verkregen via een e-mailbevraging van de financieel beheerders. De contactgegevens staan verzameld op de website van de Vlaamse Lokale Ontvangers26. Volgende gegevens werden opgevraagd27:
26 27
jaar van gunning
datum van afsluiten lening
bedrag van de lening
herzieningstermijn
herhalingsopdracht ja/nee
aantal inschrijvers
aan welke bank de opdracht toegewezen werd
URL: Een voorbeeld van de verzonden e-mails kan in de bijlage gevonden worden (Bijlage A)
29
interestmarge op de IRS uitgedrukt in basispunten
de verdeling tussen de gunningscriteria “prijs” en “dienstverlening”
Drie weken na de eerste bevraging werd een herinneringsmail gestuurd naar alle resterende gemeenten. Van de 308 Vlaamse gemeenten die gecontacteerd werden hebben 183 gereageerd, wat neerkomt op een responsgraad van net geen 60%. Van deze 183 bleken 108 gemeenten geen bancaire leningen afgesloten te hebben gedurende de dienstjaren 2006 en 2007, hetzij door voldoende interne financiering, hetzij door het gebruik van alternatieve financieringsvormen zoals thesauriebewijzen (cf. infra). Uiteindelijk hebben 75 gemeenten bruikbare data opgeleverd (cf. Bijlage B). Door gebruik te maken van een Excel document als standaardantwoordformulier, werden de gegevens correct ingevuld door de meerderheid van de gemeenten. De meest voorkomende ontbrekende waarde was de aangeboden marge, aangezien in deze gevallen enkel de volledige rentevoet gegeven was. Deze gemeenten werden nadien gecontacteerd ter vervollediging van de data.
De jaarrekeningen van de gemeenten werden verkregen met behulp van het Agentschap Binnenlands Bestuur. De ratio's werden berekend uit de gegevens van de jaarrekeningen van de jaren 2003 tot 2006, afhankelijk van het jaar van de gunning. In de veronderstelling dat banken de meest recente jaarrekening van de gemeente zullen onderzoeken, zal de kredietanalist aldus de jaarrekening van het jaar n-1 onderzoeken als de gunning in het jaar n plaatsvindt. Het objectief belastingsvermogen werd verkregen op basis van gegevens van 2007, waarin de opbrengsten van 1 opcentiem aanvullende personenbelasting en van 100 opcentiem aanvullende onroerende voorheffing vermeld staan28. De verdere berekeningen werden zelf gemaakt. In deze studie wordt er vanuit gegaan dat banken, als hun verwachtingen in verband met de IRS rentevoet een rol spelen bij het bepalen van de marge, rekening houden met de toekomstige stand van de IRS en niet met de stand op het moment van de opmaak van de offerte. Aangezien gemeenten de aangegane leningen nooit in een keer opnemen, maar in schijven, werd de dag van de eerste opname van de lening genomen als referentiedag. Met andere woorden, als de gemeente pas drie maanden na de gunning een eerste keer gelden opneemt, dan wordt de rentevoet van die dag beschouwd als proxy voor de verwachtingen
28
Agentschap Binnenlands Bestuur, 2007, Jaarbeeld 2007. URL:
30
van de bank bij de opmaak van de offerte (met het risico dat de bank aanvankelijk een andere inschatting gemaakt heeft). Voor het duiden van de bank waarbij de lening wordt aangegaan wordt er gebruik gemaakt van dummyvariabelen. Deze werkwijze is analoog aan het onderzoek van Bharat et al. (2006). Aangezien er vier grootbanken betrokken zijn in deze analyse, worden drie dummyvariabelen aangemaakt (nl. KBC, ING en Fortis). Dexia zal hierbij als referentiecategorie fungeren. De bank die de opdracht toegewezen werd krijgt vervolgens een 1 waarde. De andere banken krijgen voor diezelfde lening een 0-waarde. In deze paper wordt ook een onderscheid gemaakt tussen leningen die voortgekomen zijn uit herhalingsopdrachten en leningen die aangegaan zijn bij wijze van gunningprocedure. Dit onderscheid wordt verwerkt in de variabele Inschrijvers. Deze duidt aan hoeveel banken er hebben ingeschreven voor een bepaalde opdracht. Wanneer er gebruik wordt gemaakt van een herhalingsopdracht zal deze lening dan een 1-waarde meekrijgen, wat er op wijst dat de gemeente slechts met één bank heeft onderhandeld. Aangezien gemeenten er soms voor opteren geen rentevoetherzieningen te voorzien, zou deze variabele bij de data-input in dit geval een blanco waarde krijgen, wat de analyse bemoeilijkt. Daarom wordt de duurtijd van de lening ingevuld als herzieningstermijn indien geen herziening gepland is. De waarde nul geven is geen optie omdat het dan zou lijken alsof de rentevoet volledig variabel is.
B3. Data-analyse De verzamelde data werd geanalyseerd met het statistisch programma SPSS. Om de invloed van de financiële gegevens op de marge na te gaan werd een regressievergelijking geconstrueerd met marge als afhankelijke variabele. De controlevariabelen en de financiële ratio‟s vormen de verklarende (onafhankelijke) variabelen.
Bij de controle van de basisvoorwaarden om een betekenisvolle regressievergelijking uit te voeren, bleken er problemen te zijn met betrekking tot de normaliteit van de marges en multicollineariteit (C.2.1. Aanvankelijk model). Na de transformatie van enkele variabelen (C.2.2 Getransformeerd model) werden de noodzakelijke voorwaarden wel vervuld. In het finale model (C.2.3) werden enkel de meest verklarende variabelen behouden.
31
C. Resultaten en interpretatie C1. Beschrijvende Statistiek Onderstaande tabel geeft een overzicht van een aantal basisgegevens van de gebruikte variabelen op basis van 209 ingevoerde leningen.
Beschrijvende statistiek N
Minimum
Maximum
Mean
Std. Deviation
Marge
209
1,00
21,00
6,2286
3,50284
Duurtijd
209
3
30
14,22
6,511
Herziening
209
,25
30,00
8,1328
6,14626
Bedrag
209
10 800
OBV
209
30,00
84,00
46,8086
11,45189
Populatie
209
6210
234132
25744,42
35688,832
Inschrijvers
209
1
4
2,58
1,273
GewichtRente
209
75
100
92,36
8,148
IRS
209
2,99
5,14
4,2160
,43446
NBKA
209
-,0077
,2125
,101211
,0529013
VVA
209
,1119
,4527
,300915
,0803896
LiqA
209
-,0157
,1213
,037241
,0321423
CFVV
209
-,1119
,7041
,243171
,1392062
FFS
209
,3133
,7895
,626481
,0951297
EvolutieNBK
209
-,0947
,1008
,014030
,0457307
EvolutieVVA
209
-,1140
,0338
-,034552
,0346492
EvolutieCFVV
209
-,2522
1,6953
,103002
,1653378
Valid N (listwise)
209
11 333 333 1 669 840,04
2 107 321,936
32
Binnen de steekproefpopulatie is er een evenwichtige verdeling tussen leningen van 2006 en 2007 (107 en 102), zodat de resultaten niet verstoord worden door eventuele verschillen in beide jaren. Jaar2006 Cumulative Frequency Valid
Percent
Valid Percent
Percent
lening afgesloten in 2007
102
48,8
48,8
48,8
lening afgesloten in 2006
107
51,2
51,2
100,0
Total
209
100,0
100,0
Van de 209 gegunde percelen kwamen er 33% tot stand bij wijze van een herhalingsopdracht. Ondanks het feit dat deze werkwijze de concurrentie niet laat spelen, bleken het gemak en de snelheid waarmee een dergelijke procedure kan opgestart worden een voldoende stimulans voor vele gemeenten.
Herhalingsopdrachten Cumulative Frequency Valid
Percent
Valid Percent
Percent
,00
140
67,0
67,0
67,0
1,00
69
33,0
33,0
100,0
Total
209
100,0
100,0
De overgrote meerderheid van de gemeenten hadden drie of vier inschrijvers op hun financieringsopdracht 29 . Gemeenten die maar een of twee offertes ontvingen, zijn vrij uitzonderlijk, waaruit kan besloten worden dat deze variabele weinig effect zal hebben op de aangeboden marges aangezien de vier grootbanken in normale omstandigheden altijd een offerte zullen indienen. Leningen aan lokale overheden zijn immers veel minder risicovol dan deze aan bedrijven. Gemeenten kunnen niet failliet gaan en hebben altijd de mogelijkheid meer middelen te verwerven via de fiscaliteit. Daarnaast bieden deze leningen aan banken een hoger rendement aangezien het aan te houden kapitaal voor leningen aan overheden lager is dan voor leningen aan de privésector.
29
Deze frequenties komen tot stand zonder rekening te houden met de herhalingsopdrachten. In de verdere regressieanalyse worden de herhalingsopdrachten bij de variabele "Inschrijvers" gevoegd om multicollineariteit te vermijden. De percentages na toevoeging van de herhalingsopdrachten zijn: 1: 34% 2: 8,6% 3: 23% 4: 34,4%
33
. Aantal Inschrijvers Cumulative Frequency Valid
Percent
Valid Percent
Percent
1
2
1,4
1,4
1,4
2
18
12,9
12,9
14,3
3
48
34,3
34,3
48,6
4
72
51,4
51,4
100,0
140
100,0
100,0
Total
De dummyvariabelen met betrekking tot de banken wezen uit dat Dexia 117 leningen toegewezen kreeg, wat neerkomt op 56% van de steekproefpopulatie. ING en Fortis waren in respectievelijk
22% en 17,2% van de gevallen de kapitaalverstrekker. KBC had het
kleinste marktaandeel met 4,8%. Hieruit blijkt dat ondanks het vroegere monopolie van Dexia (Gemeentekrediet) en de daaruit volgende superieure knowhow in gemeentecontext, de andere banken steeds meer op de voorgrond treden. Anderzijds blijft Dexia wel overtuigend leider in de markt van overheidsleningen.
Banken Cumulative Frequency Valid
Percent
Valid Percent
Percent
KBC
10
4,8
4,8
4,8
Fortis
36
17,2
17,2
22,0
ING
46
22,0
22,0
44,0
Dexia
117
56,0
56,0
100,0
Total
209
100,0
100,0
34
Van de 209 percelen die gegund werden, werd 46% toegewezen op basis van een openbare aanbesteding. Dit betekent dat gemeenten ofwel geen nood hadden aan de extra dienstverlening, ofwel van mening waren dat dienstverlening op geen voldoende objectieve manier kan gemeten worden. De gemeenten die toch belang wensten te hechten aan de factor dienstverlening pasten meestal de 90/10 verdeling toe (25,4%), terwijl één tiende van de gemeenten nog verder ging en een 75/25 verdeling gebruikte.
Gewicht van rente bij gunningscriteria Cumulative Frequency Valid
Percent
Valid Percent
Percent
75
21
10,0
10,0
10,0
80
4
1,9
1,9
12,0
85
9
4,3
4,3
16,3
87
3
1,4
1,4
17,7
88
24
11,5
11,5
29,2
90
53
25,4
25,4
54,5
100
95
45,5
45,5
100,0
Total
209
100,0
100,0
35
C2. Regressieanalyse C2.1 Aanvankelijk Model In dit eerste model wordt gewerkt met alle variabelen zoals deze in voorgaande delen besproken werden. Onderstaande vergelijking geeft nogmaals een overzicht. 𝑀𝑎𝑟𝑔𝑒 = 𝛽1 𝐷𝑢𝑢𝑟𝑡𝑖𝑗𝑑 + 𝛽2 𝐻𝑒𝑟𝑧𝑖𝑒𝑛𝑖𝑛𝑔 + 𝛽3 𝐵𝑒𝑑𝑟𝑎𝑔 + 𝛽4 𝑂𝐵𝑉 + 𝛽5 𝑃𝑜𝑝𝑢𝑙𝑎𝑡𝑖𝑒 + 𝛽6 𝐴𝑎𝑛𝑡𝑎𝑙𝐼𝑛𝑠𝑐𝑟𝑖𝑗𝑣𝑒𝑟𝑠 + 𝛽7 𝐹𝑜𝑟𝑡𝑖𝑠 + 𝛽8 𝐾𝐵𝐶 + 𝛽9 𝐼𝑁𝐺 + 𝛽10 𝐺𝑒𝑤𝑖𝑐𝑡𝑅𝑒𝑛𝑡𝑒 + 𝛽11 𝐽𝑎𝑎𝑟2006 + 𝛽12 𝐼𝑅𝑆 + 𝛽13 𝑁𝐵𝐾𝐴 + 𝛽14 𝑉𝑉𝐴 + 𝛽15 𝐿𝑖𝑞𝐴 + 𝛽16 𝐶𝐹𝑉𝑉 + 𝛽17 𝐹𝐹𝑆 + 𝛽18 𝐸𝑣𝑜𝑙𝑢𝑡𝑖𝑒𝑁𝐵𝐾𝐴 + 𝛽19 𝐸𝑣𝑜𝑙𝑢𝑡𝑖𝑒𝑉𝑉𝐴 + 𝛽20 𝐸𝑣𝑜𝑙𝑢𝑡𝑖𝑒𝐶𝐹𝑉𝑉 In de bijlage kunnen de resultaten die in SPSS bekomen werden teruggevonden worden (cf Bijlage C). De residuen die voortkomen uit de regressie blijken niet normaal verdeeld te zijn volgens de Kolmogorov-Smirnov test. De scatterplot van de residuen versus de onafhankelijke variabelen vertoont geen specifiek diamant- of driehoekpatroon. Hieruit kan besloten worden dat de regressie geen blijk geeft van heteroscedasticiteit. De condition index van model 1 geeft een waarde van 75, terwijl model 2 een waarde van 110 vertoont30. Dit wijst op mogelijke problemen met multicollineariteit. Verschillende variabelen hebben een VIF-waarde die boven de kritische grens van 2 ligt (cf. Bijlage C2). Bij het meten van de onderlinge correlaties (cf. Bijlage C3)
blijken er problemen te zijn tussen de variabelen
jaar2006 en IRS, Populatie en FFS en ten slotte VVA met CFVV. Deze variabelen hebben een significante Pearson correlatie van minstens 0.500. Om deze problemen te verhelpen zullen enkele transformaties uitgevoerd worden om ervoor te zorgen dat de regressievergelijking normaal verdeeld is en de multicollineariteit zoveel mogelijk in te perken.
1. Marge Log10Marge De voorgaande regressievergelijking had een positieve kurtosis en skewness waarde, wat wijst op een betekenisvolle gepiektheid en asymmetrie. Om dit probleem op te lossen zal in het verdere onderzoek gebruik gemaakt worden van log10(marge); deze transformatie maakt het kurtosis en skewness probleem ongedaan (Hair et al., 2006). In de bijlage C1 staan de verschillen voor en na deze transformatie afgebeeld.
30
Model 1: alle controlevariabelen Model 2: alle controlevariabelen + onafhankelijke variabelen
36
2. Jaar2006 wordt verwijderd uit analyse Deze variabele correleert zeer sterk met IRS. Aangezien jaar2006 minder verklarende kracht heeft en niet meer getransformeerd kan worden (het is immers een dummy-variabele) wordt deze variabele geschrapt uit de analyse. Deze ingreep zorgt ervoor dat er in Model1 geen variabelen zijn met een VIF-waarde hoger als twee. De condition index van Model 2 daalt naar 94.
3. VVA in klassen opdelen Om de correlatie tussen VVA en CFVV weg te werken, wordt de variabele VVA omgevormd tot een dummyvariabele waarbij het gemiddelde als cut-off point fungeert. De waarde “1” wijst dan een bovengemiddelde schuldgraad aan. Hierdoor daalt de correlatie tussen beiden tot onder de 0.50 en daalt de condition index naar 89.5. De VIF-waarde van VVA zakt onder de kritische grens van twee.
4. Populatie wordt omgevormd naar bevolkingsdichtheid 5. FFS wordt gekwadrateerd Aangezien de correlatie tussen populatie en de variabele "onafhankelijkheid van subsidies" problematisch is, wordt populatie omgevormd naar bevolkingsdichtheid (populatie/km²). Bovendien wordt FFS gekwadrateerd (Hair et al. 2006). Na deze transformaties hebben bevolkingsdichtheid en FFS² respectievelijk een VIF van 1,3 en 1,5. De condition index zakt verder naar 85.
6. Gewicht van rente bij gunningscriteria Deze variabele correleert met enkele andere ratio‟s (voornamelijk met de bankvariabelen) waardoor multicollineariteit ontstaat. Ter controle testen we de correlatie tussen GewichtRente en de verschillende bankvariabelen. Hierbij zien we dat de variabele GewichtRente correleert met elke bankvariabele maar het sterkst met Dexia. Dit zou er kunnen op wijzen dat gemeenten die een lening aangegaan hebben bij Dexia vaker een hogere wens naar dienstverlening hebben. Om de assumptie te testen dat vooral kleinere gemeenten meer dienstverlening wensen (en dus vaker bij Dexia
37
terechtkomen) wordt een Independent Samples T-Test uitgevoerd met als afhankelijk variabele de populatie en als verklarende variabele de dummy Dexia. Uit de T-Test blijkt dat de populatie van gemeenten die bij Dexia een lening aangaan significant verschillen van de andere gemeenten, met respectievelijke gemiddelden van 18762,89 en 34623,10 inwoners. Wat de consequenties van deze bevindingen zijn op de marge worden hierna besproken. De variabele GewichtRente wordt verwijderd uit de analyse aangezien de verklarende waarde ervan grotendeels geïncorporeerd is in de bankdummies. Door deze verwijdering daalt de condition index naar 55. Correlatietabel banken en gewichtrente Dexia Dexia
Pearson Correlation
Fortis 1
Sig. (2-tailed) Fortis
Pearson Correlation Sig. (2-tailed)
KBC
Pearson Correlation Sig. (2-tailed)
ING
Pearson Correlation Sig. (2-tailed)
GewichtRente
Pearson Correlation Sig. (2-tailed)
-,514
**
KBC
-,514
**
1
-,102
-,102
,000
,141
**
,000 -,455
**
,000
**
,000
**
-,599
-,253
,000
,000 -,253
ING
-,242
**
**
,000 ,290
**
1
-,119
,156
,086
,024
,086
,000
,000
-,455
,000
,000 **
**
,000
-,119
,290
-,599
,141
**
-,242
GewichtRente
,156
*
,024
1
,201
*
**
,004 ,201
**
1
,004
**. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed).
38
Group Statistics Dexia Populatie
N
Mean
JA
Std. Deviation
Std. Error Mean
117
18762,89
15244,174
1409,324
92
34623,10
49726,308
5184,326
NEE
Independent Samples Test Levene's Test for Equality of Variances
t-test for Equality of Means 95% Confidence Interval
Sig. 2tail F Populatie Equal var.
Sig.
15,506
T
df
ed
Mean
Std. Error
Difference Difference
of the Difference Lower
Upper
,000 -3,262
207 ,001 -15860,209
4861,586 -25444,780 -6275,638
-2,952
104,499 ,004 -15860,209
5372,470 -26513,420 -5206,998
assumed Equal var. not assumed
7. IRS wordt omgezet naar een ordinale variabele Om de laatste problemen met de condition index weg te werken wordt IRS opgedeeld in vier categorieën, waarbij “1” staat voor de laagste IRS waarden en “4” voor de hoogste. Elke klasse telt evenveel leningen. Deze ingreep heeft als gevolg dat de condition index daalt naar 28 en zich dus onder de kritische grens van 30 bevindt. Desalniettemin blijft de VIFwaarde van CF/VV met 2,4 veel te hoog, wat aanleiding geeft tot een laatste transformatie. 8. CF/VV VV/CF Een standaardtransformatie die vaak toegepast wordt is de inverse van de oorspronkelijke variabele (Hair et al. 2006). Door deze laatste aanpassing worden alle VIF-waarden alsook de condition index acceptabel.
39
C2.2 Getransformeerd model Na de voorgaande wijzigingen wordt Model 2 bekomen31. 𝐿𝑜𝑔10𝑀𝑎𝑟𝑔𝑒 = 𝛽1 𝐷𝑢𝑢𝑟𝑡𝑖𝑗𝑑 + 𝛽2 𝐻𝑒𝑟𝑧𝑖𝑒𝑛𝑖𝑛𝑔 + 𝛽3 𝐵𝑒𝑑𝑟𝑎𝑔 + 𝛽4 𝑂𝐵𝑉 + 𝛽5 𝐵𝑒𝑣𝑜𝑙𝑘𝑖𝑛𝑔𝑠𝑑𝑖𝑐𝑡𝑒𝑖𝑑 + 𝛽6 𝐴𝑎𝑛𝑡𝑎𝑙𝐼𝑛𝑠𝑐𝑟𝑖𝑗𝑣𝑒𝑟𝑠 + 𝛽7 𝐹𝑜𝑟𝑡𝑖𝑠 + 𝛽8 𝐾𝐵𝐶 + 𝛽9 𝐼𝑁𝐺 + 𝛽10 𝐼𝑅𝑆 + 𝛽11 𝑁𝐵𝐾𝐴 + 𝛽12 𝑉𝑉𝐴 + 𝛽13 𝐿𝑖𝑞𝐴 + 𝛽14 𝑉𝑉𝐶𝐹 + 𝛽15 𝐹𝐹𝑆² + 𝛽16 𝐸𝑣𝑜𝑙𝑢𝑡𝑖𝑒𝑁𝐵𝐾𝐴 + 𝛽17 𝐸𝑣𝑜𝑙𝑢𝑡𝑖𝑒𝑉𝑉𝐴 + 𝛽18 𝐸𝑣𝑜𝑙𝑢𝑡𝑖𝑒𝐶𝐹𝑉𝑉
De residuen van het model zijn normaal verdeeld en de scatterplot vertoont geen bepaald patroon dat zou kunnen wijzen op heteroscedasticiteit (cf. Bijlage D1). Zoals blijkt uit de correlatietabel zijn de sterkste correlaties door de voorgaande transformaties grotendeels weggewerkt. Er zijn immers geen combinaties van variabelen meer met een Pearson correlatie hoger dan 0.500 (cf. Bijlage D2). Hieruit volgt dat drie beginvoorwaarden (normaliteit, homoscedasticiteit en geen multicollineariteit) om aan regressieanalyse te doen vervuld zijn.
Na het verwijderen van de waarden die meer dan twee standaardafwijkingen verschillen van de regressiecurve, wordt de verdere analyse uitgevoerd op 200 leningen. Uit onderstaande tabellen blijkt dat dit regressiemodel zinvol is aangezien de p-waarde kleiner is dan 0.05. Het eerste model verklaart 52,4 % van de variatie van log10marge. De lichte stijging van de adjusted R² zou erop kunnen wijzen dat financiële gegevens een invloed hebben op de marge.
Om tot het finale model te komen zullen de minst waardevolle variabelen verwijderd worden. Als kritische waarde stellen we een significantie van boven de 0.40 voorop. Volgens deze werkwijze zullen de variabelen Herziening, Duurtijd, Inschrijvers en EvolutieNBKA geweerd worden uit de verdere analyse.
Het is opmerkelijk dat twee kenmerken van de leningen helemaal niet significant zijn. Een reden zou kunnen zijn dat gemeenten dikwijls bij een bestek het pakket leningen opdelen in drie percelen (cf. procedure). Banken hebben de mogelijkheid om per perceel een verschillende marge aan te bieden. Echter, uit de data blijkt dat banken dezelfde marge aanrekenen op alle percelen. Op deze manier verandert de marge niet bij een wijziging van de duurtijd of herziening binnen een gunning en dus ook niet binnen de volledige database.
31
Met IRS in vier klassen en VVA als dummy
40
Een volgende implicatie van deze resultaten is dat het aantal inschrijvers geen invloed heeft op de aangeboden marge. Het is niet geheel verwonderlijk dat deze variabele niet significant is aangezien 57 procent van de leningen drie of vier inschrijvers hadden. Anderzijds is er blijkbaar geen onderscheid tussen de marges van herhalingsopdrachten en leningen die bij wijze van een gunningsprocedure zijn aangegaan32. Een mogelijke verklaring hiervoor is dat financieel beheerders, analoog aan de studie van Bland (1985), zodanig veel ervaring hebben opgebouwd dat ze zelfs op basis van een onderhandeling marges kunnen bekomen die niet significant verschillen van deze die na een gunningsprocedure aangeboden werden.
De evolutie van de financiële ratio NBKA heeft geen impact op de marge, ook al zou een verbetering van deze ratio erop wijzen dat een gemeente financieel gezonder wordt. a
Model Summary
Change Statistics
Model R
R
Adjusted R
Std. Error of the
R Square
Square
Square
Estimate
Change
1
,724
,524
,499
,15590
,524
2
,773
,597
,557
,14653
,073
F
Sig. F
Change df1 df2
Change
20,923 10 190 4,136
,000
8 182
,000
a. Dependent Variable: Log10Marge
a
ANOVA Model 1
2
Sum of Squares
df
Mean Square
Regression
5,085
10
,509
Residual
4,618
190
,024
Total
9,703
200
Regression
5,796
18
,322
Residual
3,907
182
,021
Total
9,703
200
F
Sig.
20,923
,000
a
14,997
,000
b
a. Dependent Variable: Log10Marge
32
Bij een herhalingsopdracht wordt immers de waarde “1” gegeven aan de variabele “inschrijvers”. Cf. Methodologie
41
Unstandardized Coefficients Standardized Coefficients Model
B
Std. Error
Beta
Collinearity Statistics t
Sig.
Tolerance
VIF
1 (Constant)
,707
,061
Duurtijd
,002
,002
,045
,730 ,466
,648
1,542
-,002
,002
-,047
-,826 ,410
,765
1,307
-4,186E-9
,000
-,040
-,683 ,495
,746
1,341
,001
,010
,008
,133 ,894
,768
1,301
Fortis
-,224
,031
-,386 -7,269 ,000
,889
1,125
KBC
-,330
,055
-,326 -5,957 ,000
,835
1,198
ING
-,298
,032
-,551 -9,233 ,000
,702
1,424
OBV
,003
,001
,150 2,764 ,006
,848
1,180
Bevolkingsdichtheid
,000
,000
-,234 -4,189 ,000
,801
1,248
IRS
,038
,010
,194 3,706 ,000
,912
1,096
2 (Constant)
,733
,071
10,276 ,000
Duurtijd
,002
,002
,051
,826 ,410
,591
1,691
-,001
,002
-,029
-,487 ,627
,641
1,561
-5,919E-9
,000
-,056
-,990 ,324
,691
1,448
,002
,010
,010
,183 ,855
,698
1,433
Fortis
-,229
,030
-,395 -7,714 ,000
,843
1,186
KBC
-,396
,058
-,392 -6,873 ,000
,681
1,469
ING
-,313
,032
-,579 -9,640 ,000
,613
1,632
OBV
,003
,001
,177 2,868 ,005
,583
1,715
Bevolkingsdichtheid
,000
,000
-,227 -4,200 ,000
,760
1,316
IRS
,040
,010
,203 3,991 ,000
,851
1,175
NBKA
,335
,229
,080 1,464 ,145
,738
1,356
LiqA
,928
,380
,137 2,443 ,016
,706
1,417
-,217
,263
-,827 ,409
,741
1,349
,121
,073
,092 1,666 ,097
,719
1,391
VVA
-,043
,026
-,096 -1,616 ,108
,621
1,609
EvolutieVVA
1,034
,343
,162 3,014 ,003
,768
1,302
FFS²
-,261
,109
-,133 -2,389 ,018
,710
1,408
VVCF
,006
,002
,167 3,015 ,003
,720
1,390
Herziening Bedrag Inschrijvers
Herziening Bedrag Inschrijvers
EvolutieNBK EvolutieCFVV
11,605 ,000
-,045
a. Dependent Variable: Log10Marge
42
C2.3 Finale Model Na
de
verwijdering
van
de
vier
minst
verklarende
variabelen
wordt
volgende
regressievergelijking bekomen:
𝐿𝑜𝑔10𝑀𝑎𝑟𝑔𝑒 = 𝛽1 𝐵𝑒𝑑𝑟𝑎𝑔 + 𝛽2 𝑂𝐵𝑉 + 𝛽3 𝐵𝑒𝑣𝑜𝑙𝑘𝑖𝑛𝑔𝑠𝑑𝑖𝑐𝑡𝑒𝑖𝑑 + 𝛽4 𝐹𝑜𝑟𝑡𝑖𝑠 + 𝛽5 𝐾𝐵𝐶 + 𝛽6 𝐼𝑁𝐺 + 𝛽7 𝐼𝑅𝑆 + 𝛽8 𝑁𝐵𝐾𝐴 + 𝛽9 𝑉𝑉𝐴 + 𝛽10 𝐿𝑖𝑞𝐴 + 𝛽11 𝑉𝑉𝐶𝐹 + 𝛽12 𝐹𝐹𝑆² + 𝛽13 𝐸𝑣𝑜𝑙𝑢𝑡𝑖𝑒𝑉𝑉𝐴 + 𝛽14 𝐸𝑣𝑜𝑙𝑢𝑡𝑖𝑒𝐶𝐹𝑉𝑉
Model Summary
Model
R
1 2
R Square
Adjusted R
Std. Error of the
Square
Estimate
,722
a
,522
,505
,15504
,771
b
,594
,564
,14547
a. Predictors: (Constant), ING, Bedrag, IRS, KBC, OBV, Fortis, Bevolkingsdichtheid b. Predictors: (Constant), ING, Bedrag, IRS, KBC, OBV, Fortis, Bevolkingsdichtheid, VVCF, EvolutieCFVV, LiqA, NBKA, EvolutieVVA, FFS², VVA
c
ANOVA Model 1
2
Sum of Squares
df
Mean Square
Regression
5,064
7
,723
Residual
4,640
193
,024
Total
9,703
200
Regression
5,767
14
,412
Residual
3,936
186
,021
Total
9,703
200
F
Sig.
30,092
,000
a
19,469
,000
b
a. Predictors: (Constant), ING, Bedrag, IRS, KBC, OBV, Fortis, Bevolkingsdichtheid b. Predictors: (Constant), ING, Bedrag, IRS, KBC, OBV, Fortis, Bevolkingsdichtheid, VVCF, EvolutieCFVV, LiqA, NBKA, EvolutieVVA, FFS², VVA c. Dependent Variable: Log10Marge
43
Coefficients
a
Unstandardized Coefficients Standardized Coefficients Model 1 (Constant)
B
Std. Error
Beta
Collinearity Statistics t
Sig.
Tolerance
VIF
,725
,052
-2,619E-9
,000
-,025
-,487 ,627
,958
1,044
OBV
,003
,001
,145
2,697 ,008
,861
1,161
Bevolkingsdichtheid
,000
,000
-,237 -4,305 ,000
,819
1,220
IRS
,037
,010
3,741 ,000
,979
1,021
Fortis
-,225
,030
-,389 -7,498 ,000
,921
1,086
KBC
-,327
,053
-,323 -6,192 ,000
,910
1,100
ING
-,296
,029
-,547 -10,160 ,000
,853
1,172
,752
,063
11,857 ,000
-3,101E-9
,000
-,029
-,603 ,547
,921
1,085
OBV
,003
,001
,184
3,134 ,002
,630
1,588
Bevolkingsdichtheid
,000
,000
-,236 -4,498 ,000
,790
1,266
IRS
,040
,010
4,085 ,000
,909
1,100
Fortis
-,226
,029
-,390 -7,926 ,000
,901
1,110
KBC
-,395
,055
-,391 -7,189 ,000
,736
1,358
ING
-,309
,030
-,572 -10,455 ,000
,728
1,373
NBKA
,289
,215
,069
1,343 ,181
,824
1,214
LiqA
,921
,365
,136
2,525 ,012
,755
1,325
1,073
,337
,168
3,181 ,002
,783
1,278
,131
,070
,100
1,876 ,062
,770
1,298
VVA
-,043
,026
-,096 -1,624 ,106
,624
1,603
FFS²
-,265
,107
-,135 -2,478 ,014
,730
1,369
VVCF
,006
,002
,788
1,268
Bedrag
2 (Constant) Bedrag
EvolutieVVA EvolutieCFVV
13,969 ,000
,188
,200
,157
2,976 ,003
a. Dependent Variable: Log10Marge
44
Aangezien de p-waarde lager is dan 0.05 is dit een zinvol model. Zoals verwacht heeft de verwijdering van vier variabelen de efficiëntie van dit finale model verhoogd, wat blijkt uit de gestegen Adjusted R² ten opzichte van het getransformeerde model. Na toevoeging van de financiële ratio‟s stijgt de Adjusted R², wat erop wijst dat deze variabelen extra verklaringskracht bieden. Model 2 verklaart 59,4% van de variatie in de afhankelijke variabele. Binnen dit model zijn er twee variabelen die helemaal geen verklaringskracht hebben, namelijk het bedrag van de lening en de ratio NBKA. Zoals eerder aangehaald is het gebruikelijk dat ieder perceel net dezelfde marge krijgt. Zo zal een gemeente een even grote marge moeten betalen op lening van vijf jaar (waarvan het gemiddeld bedrag 442 947 euro is) als op een lening van twintig jaar (gemiddeld bedrag is 2 784 816). Een hypothese die hierbij kan onderzocht worden is dat banken enkel kijken naar het totaalbedrag van de financieringsopdracht en op basis daarvan de marge zetten. Dit werd ook getest, maar het totaalbedrag bleek niet significant te zijn.
De bankvariabelen zijn alle drie significant (p < 0.01). Uit de negatieve coëfficiënten kan opgemaakt worden dat zowel KBC, ING als Fortis lagere marges aanbieden dan de referentiebank, namelijk Dexia. De Dexia-leningen die in de dataset opgenomen zijn hadden een gemiddelde marge van 7,63 terwijl Fortis, KBC en ING marges aanboden van respectievelijk 4,49, 3,17 en 3,86 basispunten. Zoals eerder aangestipt zullen kleine gemeenten veelal bij Dexia leningen aangaan omdat zij door haar jarenlange monopolie enkele diensten kan aanbieden die specifiek aan gemeenten aangepast zijn. Zo biedt Dexia gratis boekhoudkundige ondersteuning aan, alsook financieel advies dat uitgebreider is dan deze van de andere banken. Ten slotte is de software van Dexia met betrekking tot het schuldbeheer volledig geïntegreerd in het informaticasysteem van het gemeentebestuur. Grote gemeenten hebben minder nood aan deze extra dienstverlening aangezien hun eigen financiële dienst capabel genoeg is om diverse activiteiten zelf uit te voeren. Zij zullen vandaar eerder bij ING, KBC of Fortis uitkomen. Nu rest de vraag of de hogere marges die gemeenten moeten betalen als ze leningen aangaan bij Dexia werkelijk allemaal voortspruiten uit de extra diensten die Dexia aanbiedt. Zo is het mogelijk dat Dexia, wetende dat een bepaalde gemeente deze extra diensten als zeer waardevol beschouwt, bewust een hogere marge zet. Het prijsverschil met de andere banken zal dan via het gewicht dat het onderdeel “dienstverlening” krijgt bij de gunningscriteria ongedaan gemaakt worden33. In dit geval zal de uitgebreide kennis van Dexia (voortkomend uit haar vroegere monopolie) ervoor 33
Een reëel voorbeeld van deze situatie kan in de bijlage gevonden worden (cf. Bijlage E)
45
zorgen dat zij de grootste macht heeft op de markt van schuldfinanciering van lokale overheden. Dit overwicht zou zich aldus kunnen uiten in het aanbieden van minder competitieve marges (De Graeve et al., 2006; Berger, 1995). De bevolkingsdichtheid is eveneens significant (p<0.01) en heeft een negatieve coëfficiënt. Voortbouwend op de ondersteunende literatuur (Simonsen et al. 2001), zou dit kunnen aantonen dat grotere gemeenten een betere interne management capaciteit hebben, wat door banken als positief aanzien wordt. Doch enige kanttekening: Zoals eerder aangetoond zullen gemeenten met een hogere bevolkingsdichtheid minder belang hechten aan dienstverlening, wat indirect resulteert in een lagere marge. Een derde mogelijke verklaring situeert zich in de eerder aangehaalde onderhandelingsmacht van banken. Grote gemeenten gaan vaker leningen aan en zullen ook meer lenen (correlatie tussen bedrag en populatie: 0.488). Aangezien leningen aan lokale overheden vanuit het standpunt van banken veilig zijn en een hoog rendement opleveren (cf. beschrijvende statistiek) is het belangrijk om deze financieringsopdrachten binnen te halen, en zeker deze van grote gemeenten. Vandaar dat banken ervoor zouden kunnen opteren om meer prijsconcurrentie te voeren wanneer ze offertes opmaken voor grote gemeenten. Uiteindelijk kan moeilijk achterhaald worden welke van deze drie factoren een doorslaggevende rol speelt bij de margebepaling. Het objectief belastingvermogen heeft een positieve coëfficiënt, wat betekent dat gemeenten met een hogere financiële draagkracht, hogere marges moeten betalen op leningen. Dit resultaat is enigszins opmerkelijk aangezien dat vanuit de filosofie van ratings, een hogere OBV zou leiden tot lager kredietrisico en dus een lagere marge. Een daaropvolgende independent samples T-test tussen OBV en log10marge wijst uit dat er geen significant verband is tussen beide variabelen 34 . Het resultaat van de regressieanalyse is wellicht vertekend door de lichte correlaties met verscheidene variabelen. De stand van IRS Ask is significant met een positieve coëfficiënt. Dit resultaat kan niet op intuïtieve manier verklaard worden. Een mogelijkheid is dat bij de data-input de referentiedag waarop we ons baseren om de IRS Ask te bekomen niet altijd overeenstemt met de verwachtingen van de IRS Ask vanwege de banken. De coëfficiënten van de ratio's hebben tekens die deels stroken met deze uit de literatuur m.b.t. defaultpredictie. Zo zouden gemeenten volgens de regressieanalyse een hogere marge betalen indien de dekkingsgraad van het vreemd vermogen door de cashflow lager is (p < 0.01). Daarnaast zou een hogere graad van financiële onafhankelijkheid tot een lagere 34
OBV werd hiertoe ingedeeld in 2 klassen, met het gemiddelde als cut-off point (cf. Bijlage F)
46
interestkost leiden (p < 0.01). Kredietanalisten zouden volgens dit resultaat prefereren dat gemeenten zo weinig mogelijk afhankelijk zijn van subsidies, aangezien zowel de bedragen als de timing ervan hoogst onzeker zijn. Gemeenten waarvan de schuldgraad is verbeterd over de jaren heen zouden een lagere marge worden aangeboden (p < 0.01).
Daartegenover staan de financiële ratio's die op basis van de studies m.b.t. defaultpredictie een omgekeerd teken opleveren. Zo zou een hogere schuldgraad op het tijdstip van gunning leiden tot lagere marges (p-waarde: 0.106). Hoewel het effect van relationship lending in deze studie niet expliciet gemeten wordt, zou deze bevinding een aanwijzing kunnen zijn dat gemeenten die sterkere banden hebben met banken hiervan profiteren. Deze sterkere banden uiten zich in een hogere afhankelijkheid van bancaire schulden en een hogere frequentie van contacten met dezelfde bank 35 . Sommige gemeenten kunnen immers, ondanks de gunningsprocedures, toch een jarenlange relatie opbouwen met dezelfde bank36. Analoog aan Blackwell & Winters (1997), Boot & Thakor (1994) en Berger & Udell (1995) zou de verminderde informatieasymmetrie kunnen doorgerekend worden aan de klanten, met een lagere marge tot gevolg.
De twee resterende ratio's die significant zijn (p< 0.10), namelijk LiqA en EvolutieCFVV hebben beide een teken waar niet echt een regelrechte verklaring voor kan gevonden worden. Een gemeente zou namelijk een hogere marge worden aangerekend als ze meer liquiditeiten heeft en wanneer de dekkingsgraad door de cashflow is toegenomen over de jaren heen. NBKA is dan weer niet significant. In tegenstelling tot de studies van Altman (1968) en Ohlsen (1980) waar deze ratio een grote predictieve kracht had, zouden banken weinig of geen rekening houden met deze liquiditeitsindicator. Het geheel van de resultaten in acht genomen, zijn er enerzijds drie financiële ratio‟s die intuïtief het verwachte teken opleveren. Anderzijds zijn er aanwijzingen dat gemeenten die in objectief opzicht financieel gezonder zijn toch een hogere marge worden aangeboden. Uit deze resultaten kan aldus moeilijk een besluit getrokken worden over het belang van financiële ratio‟s bij de kredietbeoordeling van gemeenten en daaruitvolgend het gebruik van de jaarrekeningen. Een hypothese zou kunnen zijn dat banken meer waarde hechten aan bepaalde ratio‟s zoals bijvoorbeeld de evolutie van het vreemd vermogen en de 35
Uit de jaarrekeningen van 2007 blijkt dat het vreemd vermogen voor 86% uit bancaire schulden bestaan, vandaar de veronderstelling dat hogere VV ook leidt tot meer bancaire schulden 36 Met als meest voor de hand liggende voorbeeld de kleinere gemeenten die telkens bij Dexia lenen ten gevolge van het uitgebreide dienstverleningpakket. Ook herhalingsopdrachten kunnen ervoor zorgen dat relaties worden opgebouwd.
47
dekkingsgraad van het vreemd vermogen door cashflow. Daarentegen is het mogelijk dat banken minder belang hechten aan andere ratio‟s, waaronder de liquiditeiten van gemeenten. Het is niet geheel onwaarschijnlijk dat de ratio‟s van de gemeenten op een zodanige manier verschillen zodat het lijkt dat deze een (onverklaarbare) invloed hebben op de marge. Terwijl de coëfficiënt van de schuldgraad verklaard zou kunnen worden aan de hand van relationship lending, zouden de andere twee kunnen voortkomen uit het specifiek karakter van de dataset. Deze laatste redenering grenst echter aan het speculatieve en vandaar dat er geen definitieve conclusies getrokken kunnen worden.
48
D. Beperkingen
Er zijn verschillende elementen die de validiteit van de resultaten van deze studie kunnen verstoren, te beginnen met de selectiefout. Dit onderzoek werd uitgevoerd op basis van 209 leningen van 75 gemeenten van de jaren 2006 en 2007. De kenmerken van de gemeenten die deel uitmaakten van de regressieanalyse kunnen op zodanige wijze afwijken van de kenmerken van de gehele populatie (alle 308 Vlaamse gemeenten) zodat de werkelijkheid een verschillend beeld zou kunnen geven. Een tweede mogelijke beperking is het feit dat er geen specifieke info gegeven werd vanuit de banken. Deze informatie had potentieel andere factoren aan het licht kunnen brengen die door kredietanalisten als belangrijk aanzien worden. Een voorbeeld van dit laatste is de algemene reputatie van een gemeente inzake kredietaflossingen. Zoals eerder aangehaald bij de literatuurstudie is er geen mogelijkheid om de kwaliteit van de boekhouding van de gemeenten in de analyse te betrekken. Zo zou kunnen onderzocht worden of gemeenten wiens boekhouding onvolledig is als meer risicovol aanzien worden, met een hogere marge tot gevolg. Aangezien deze factor niet betrokken werd bij de analyse, vormt dit een derde gebrek. Een laatste beperking is dat er geen rekening gehouden werd met eventueel langdurige relaties tussen gemeentebesturen en een bepaalde bank. Ondanks het feit dat gemeenten verplicht zijn de opdracht te gunnen aan de bank die de beste score behaalt op de gunningscriteria, zullen gemeenten toch vaak bij dezelfde bank belanden bij opeenvolgende gunningen (cf. C2.3 bespreking bankvariabelen). Hoewel de meningen over de impact van deze factor op de interestkost nog sterk uiteenlopen (cf. hoofdstuk III onderdeel B3.2) zou de toevoeging van een variabele die deze relatie nauwkeurig meet, een ander licht kunnen werpen op de onderzoeksvraag.
49
VI. Algemene conclusie Deze studie had als onderzoeksdomein de schuldfinanciering van Vlaamse gemeenten. Hierbij werd getracht aan te tonen dat banken de gemeenten aan een financiële analyse onderwerpen met behulp van de jaarrekeningen. Rekening houdend met de invoer van de vermogensboekhouding bij gemeenten, waren we in staat financiële ratio‟s te berekenen die in theorie een beeld zouden moeten geven van de kredietwaardigheid van lokale overheden. Deze ratio‟s werden via een regressieanalyse gelinkt aan de marges die banken aanboden bij het verstrekken van een lening.
Het onderzoek geeft geen eenduidig antwoord op de gestelde onderzoeksvraag. Enerzijds is er een vermoeden dat banken wel degelijk rekening houden met de financiële gezondheid van gemeenten bij het bepalen van de marge. Er zijn immers drie ratio‟s die een significante (en met het verwachte teken) invloed hebben op de marge (nl. de evolutie van de schuldgraad, de dekkingsgraad van het vreemd vermogen door de cashflow en de onafhankelijkheidsgraad van subsidies). Anderzijds blijken gemeenten lagere marges te betalen indien ze een hogere schuldgraad hebben, ze minder liquiditeiten hebben en wanneer de dekkingsgraad van het vreemd vermogen door cashflow negatief evolueert. We kunnen een voorzichtige conclusie stellen dat banken wel degelijk aandacht hebben voor de financiële gezondheid van gemeenten, met diens verstande dat het voor een kredietanalist moeilijk in te schatten is wat goede of slechte cijfers zijn. Hierdoor zou het kunnen zijn dat de verschillen in het ingeschatte kredietrisico tussen de gemeenten in vele gevallen niet groot genoeg zijn om een duidelijk impact op de marge te hebben. Daarenboven moet er rekening gehouden worden met het feit dat gemeenten niet failliet kunnen verklaard worden en dat ze ten alle tijden extra middelen kunnen verwerven uit de fiscaliteit. Dit laatste zou er kunnen toe leiden dat ondanks een mindere financiële performantie van een gemeente, banken hoe dan ook offertes indienen voor een financieringsopdracht. Als besluit kan gesteld worden dat de jaarrekeningen van gemeenten een goede informatiebron zijn voor banken, maar dat ze waarschijnlijk
geen
cruciale
rol
spelen
in
de
voorgaande
kredietbeoordeling
of
margebepaling.
Aansluitend op bovenstaande beschouwingen, wijzen de resultaten erop dat de marges voor een groot deel bepaald worden door de grootte van een lokale overheid. Gemeenten met een klein inwonersaantal en een bijgevolg minder uitgebreide financiële dienst zullen een hogere vraag hebben naar extra dienstverlening vanuit de banken. Uit de analyse blijkt dat 50
deze dienstverlening leidt tot significant hogere marges. Kleinere gemeenten zullen bijgevolg hogere financieringskosten moeten dragen.
Deze conclusies zijn wellicht niet veralgemeenbaar voor het geheel van de Vlaamse gemeenten. Ondanks het feit dat bijna een vierde van de voltallige steekproefpopulatie onderzocht werd, kunnen banken ervoor opteren de financiële gezondheid van sommige gemeenten sterker op te volgen dan anderen afhankelijk van de reputatie die een gemeente heeft inzake aflossingen. De factor reputatie is evenwel een variabele die niet op nauwkeurige wijze kan gemeten worden.
Ten slotte kan er nog opgemerkt worden dat Vlaamse gemeenten meer en meer een beroep doen
op
alternatieve
financieringsvormen,
zoals
het
zelfstandig
uitgeven
van
thesauriebewijzen (Bijvoorbeeld Aalst) of een samenwerking met andere gemeenten via financieringsintercommunales
37
. Een voorbeeld van deze laatste situatie is IKA
(=investeringsintercommunale voor de gemeenten van de Kempen en het Antwerpse). Wetende dat kleine en middelgrote gemeenten niet beschikken over de schaalgrootte om alternatieve financieringtechnieken aan te wenden, bundelt IKA hun financieringsbehoeften en geeft voor hun rekening thesauriebewijzen uit. Die uitgiften worden vervolgens op de markten beheerd door een financiële instelling. Uitgiften worden geplaatst tegen een variabele rentevoet (Euribor 3M of 6M) en een additionele marge. De volatiliteit van de rentevoet wordt daarbovenop tegengegaan door het gebruik van collars en IRS Swaps.
Sinds eind 2008 bieden banken ten gevolge van de financiële crisis geen marges meer aan die lager zijn dan 80 basispunten. Daarom zou het interessant kunnen zijn een vergelijkende studie te maken tussen bancaire leningen en deze alternatieve financieringswijzen. Op deze manier kan er nagegaan wat de voor- en nadelen zijn van elke optie en belangrijker, welke financieringsvorm het minst zwaar op het budget weegt.
37
Trends, 2009, Gemeenten mijden bankschulden (05/03/2009). URL:
51
VII. Bibliografie Altman, E.I., 1968. Financial ratios, discriminant analysis and the prediction of corporate bankruptcy, Journal of Finance 23, pg. 589-609
Altman, E.I., 2000. Predicting financial distress of companies: revisiting the Z-score and Zeta Models, Working paper, Stern school of business, New York University.
Balin, J. B., 2008. Basel I, Basel II, and Emerging Markets: A Nontechnical Analysis
Basel Committee on Banking Supervision, 2000, Credit ratings and complementary sources of credit quality information. Working Paper No. 3.
Beaver, W.H., 1966. Financial Ratios as Predictors of Failure, Journal of Accounting Research 4, pg. 71-111
Berger, A.N., 1995. The profit-structure relationship in banking: Tests of market-power and efficient-structure hypotheses, Journal of Money, Credit and Banking 27, pg. 404-431.
Berger, A., Udell, G., 1995. Relationship lending and lines of credit in small firm finance, Journal of business 68, pg. 351-381.
Bharath, S. T., S. Dahiya, A. Saunders, and A. Srinivasan, 2006. Lending relationships and loan contract terms: Does size matter?. Working Paper.
Blackwell, D.W., Winters, D.B., 1997. Banking relationships and the effect of monitoring in loan pricing, Journal of Financial Research 20, pg. 275-289
Bland, R.L., 1985. The interest cost savings from experience in the municipal bond market. Public Administration Review, pg. 233-235
Blochwitz, S., Eigermann, J., 2000. Unternehmensbeurteilung durch Diskriminanzanalyse mit qualitative Merkmalen. Zeitschrift für betriebswirtschaftliche Forschung 52, pg. 58-73.
VI
Boot, A., Thakor, A.V., 1994. Moral hazard and secured lending in an infinitely repeated credit market game, International Economic Review. 35, pg. 899-920.
Boyne, G.A., 2002. Concept and Indicators of Local Authority Performance: An Evaluation of the Statutory Frameworks in England and Wales. Public Money & Management. April-June 2002, pg. 17-24
Casey, C., Bartczak, N., 1985. Using Operating Cash Flow Data to Predict Financial Distress: Some Extensions, Journal of accounting research, pg. 384-401
Christiaens, J., Van Peteghem, V., 2007, Governmental Accounting Reform: Evolution of the implementation in Flemish Municipalities, Financial accountability & management 23, pg. 375-399
Coleman, A.D.F., N. Esho, and I.D. Sharpe, 2003. Do bank characteristics influence loan contract terms? Australian Prudential Regulation Authority Working Paper.
De Graeve, F., De Jonghe, O. and Vander Vennet, R., 2007. Competition, transmission and bank pricing policies: Evidence from Belgian loan and deposit markets, Journal of Banking and Finance 31, pg. 259-278.
Degryse, H., Van Cayseele, P., 2000. Relationship lending within a bank-based system: evidence from European small business data, Journal of Finance Intermediation 9, pg. 90109.
Dennis, S., Nandy, D., Sharpe, I.G., 2000. The Determinants of contract terms in bank revolving credit agreements, Journal of Financial and Quantitative Analysis 35, pg. 87-110.
Elsas, R., Krahnen, J.P., 1998. Is Relationship Lending special? Evidence from Credit-file Data in Germany, Journal of Banking and Finance 22, pg. 1283-1316.
English, W.B., Nelson, W.R., 1999. Bank risk rating of business loans. Proceedings of the 35th Annual Conference on Bank Structure and Competition, May.
Francis, J., LaFond, R., Olsson, P., & Schipper, K. 2005. The market pricing of accruals quality, Journal of Accounting and Economics 39, pg. 295-327. VII
Gottesman, A. A., Roberts, G. S., 2002. Maturity and Corporate Loan Pricing, Working paper, Pace University and York University.
Greenbaum, S., Kanatas, G., Venezia, I., 1989. Equilibrium loan pricing under the bank– client relationship, Journal of Banking and Finance 13, pg. 221-235.
Groves, S.M., Godsey, W.M., Shulman, M.A., 1981. Financial Indicators for Local Government, Public budgeting & finance, pg. 9-21.
Grunert, J., Norden, L., Weber, M., 2005, The role of non-financial factors in internal credit ratings. Journal of banking and Finance 29, pg. 509-531.
Hair, J., Black, W., Babin, B., Anderson, R., Tatham, R., 2006. Multivariate Data Analysis: Sixth Edition. Harhoff, D., and T. Korting, 1998. Lending relationships in Germany – empirical evidence from survey data, Journal of Banking and Finance 22, pg. 1317-1353.
Hesselmann, S., 1995. Insolvenzprognose mit Hilfe qualitativer Faktoren. Aachen.
Hood, C., 1991. A public management for all seasons?. Public Administration 75, pg. 531551. Hood, C., 1995. The “New Public Management” in the 1980s: Variations on a Theme, Accounting, Organizations and Society, Vol. 20, No 2/3, pg. 93-109. Hubbard, G., K. Kuttner and D. Palia, 2002. Are there „Bank Effects‟ in Borrowers‟ Costs of Funds? Evidence from a Matched Sample of Borrowers and Banks. Journal of Business 74, pg. 559-581.
Lehan, Edward A., 1991. Organization of the Finance Function. Local Government Finance: Concepts and Practices edited by John E. Peterson and Dennis R. Strachota 29-43. Chicago: Government finance officers association.
Leroy, J., 2007. Wordt de lokale fiscaliteit bedreigd?, ING Institutioneel.
VIII
Machauer, A., Weber, M., 1998. Bank behavior based on internal credit ratings of borrowers. Journal of Banking and Finance 22, pg. 1355-1383.
McGurr, P.T. and DeVaney, S.A., 1998. A retail failure prediction model. International Review of Retail, Distribution and Consumer Research, 8: pg. 259-276.
Midwinter, A., 1994. Developing performance indicators for local government: The Scottish experience. Public Money & Management, 14, 2, pg. 37-43.
Nakamura, L.I., Mester, L.J., Renault, M., 2002. Checking Accounts and Bank Monitoring. Working Paper. The Wharton Financial Institutions Center.
Ohlson, J.A., 1980. Financial Ratios and the Probabilistic Prediction of Bankruptcy. Journal of Accounting Research 18, pg. 109-131.
Osborne, D., Gaebler, T., 1993. Reinventing Government. Harmondsworth.
Platt, H.D., Platt, M.B., 1990. Development of a class of stable predictive variables: the case of bankruptcy prediction. Journal of business, finance and accounting 17, pg. 31-51.
Sengupta, P., 1998. Corporate disclosure quality and the cost of debt. Accounting Review, 73, pg. 459–474.
Sharpe, S.,1990. Asymmetric information, bank lending and implicit contracts: A stylized model of customer relationships, Journal of Finance 45, pg. 1069-1087.
Simonsen, W., Robbins, M., Helgerson, L., 2001. The influence of jurisdiction size and sale type on municipal bond interest rates. Public administration review, pg. 709-717.
Sokolow, Alvin D., and Beth Walter Honadle, 1984. How Rural Govemments Budget: The Altematives to Executive Preparation. Public Administration Review 44: pg. 373-83.
Strahan, Philip, 1999. Borrower risk and the price and nonprice terms of bank loans. Working paper, Banking studies function, Federal Reserve Bank of New York.
IX
Treacy, W.F., Carey, M., 2000. Credit risk rating systems at large US banks. Journal of Banking and Finance 24, pg. 167-201.
Trussel, J.M., 2002. Revisiting the prediction of financial vulnerability. Nonprofit Management & Leadership 13, pg. 17-32.
VVSG, 2005. Toelichting bij het bestek versie 2005.
Yu, F., 2005. Accounting transparency and the term structure of credit spreads, Journal of Financial Economics 75, pg. 53-84.
X
VIII. Bijlagen A. Standaardmail Onderwerp: Onderzoek Universiteit Gent
Geachte Mr/Mevr. (familienaam financieel beheerder),
Ik ben een student van de Universiteit Gent en in functie van het behalen van een master in de Toegepaste Economische Wetenschappen: Accountancy bestudeer ik in mijn eindwerk de schuldfinanciering van Vlaamse gemeenten. Meer bepaald zal ik nagaan of de kredietwaardigheid van gemeenten zoals deze uit de boekhouding blijkt een significante invloed heeft op de interestvoet die banken bepalen wanneer aan gemeenten een langetermijnlening toegekend wordt. In deze context zou u mij kunnen helpen door enkele gegevens van de leningen die in de jaren 2006 en 2007 werden afgesloten ter beschikking te stellen. Om tot nauwkeurige testresultaten te komen zou ik per perceel (groep van leningen met zelfde kenmerken) volgende data kunnen gebruiken: -
Datum van afsluiten lening
-
Duurtijd
-
Herzieningstermijn indien van toepassing
-
Bedrag
-
Herhalingsopdracht ja/nee
-
Hoeveel banken een bod hebben gedaan (indien herhalingsopdracht, hoeveel banken initieel)
-
Bij welke bank de lening uiteindelijk werd afgesloten
-
Interestvoet: Meeste gemeenten sluiten leningen af met een interestvoet r uitgedrukt als i (op basis van IRS) + marge. Graag zou ik per lening weten: IRS + Marge in basispunten
i
En dan nog één zaak die van toepassing is op alle leningen van uw gemeente: bij het kiezen van een geschikte kredietverstrekker maakt een gemeente gebruik van “gunningscriteria” die we ruwweg kunnen indelen in "Rente" en "Financiële Dienstverlening". Welke gewichten geeft uw gemeente ruwweg aan elk van beide aspecten, procentueel uitgedrukt? Indien het gaat om een openbare aanbesteding, dan wordt dit 100% rente. In de bijlage vindt u een standaarddocument dat u kunt gebruiken om de gegevens in te vullen, indien u dit wenst. Als u dit makkelijker vindt, dan mag u zeker ook het proces-verbaal van de beoordeling van de offerte(s) en de bijhorende documenten doorsturen. Ik hoop dat u voldoende tijd kan vrijmaken om aan dit onderzoek mee te werken. Ik voorzie eind maart als uiterste datum voor deze gegevensverzameling. De resultaten van deze studie zullen u in juni toegestuurd worden. Met de meeste hoogachting, Dennis Meersschaut
ii
B. Lijst 75 gemeenten
Aalter, Aarschot, Assenede, Berlare
, Bertem, Beveren, Bilzen, Borgloon, Bornem,
Brasschaat, Brugge, Damme, De Pinte, Deinze, Denderleeuw, Erpe-Mere, Gavere, Gent, Gooik, Grimbergen, Grobbendonk, Ham, Hamme, Harelbeke, Hechtel-Eksel, Herent, Herzele, Heuvelland, Hooglede, Jabbeke, Kapellen, Kluisbergen, Knesselare, KnokkeHeist, Koekelare, Koksijde, Kortemark, Kruibeke, Laarne, Landen, Lichtervelde, Lokeren, Maldegem, Mechelen, Moorslede, Neerpelt, Nijlen, Oud-Turnhout, Oudenburg, Overijse, Putte, Retie, Ronse, Scherpenheuvel-Zichem, Sint-Amands, Sint-Genesius-Rode, SintMartens-Latem, Sint-Pieters-Leeuw, Staden, Steenokkerzeel, Stekene, Ternat, Tervuren, Tremelo, Veurne, Wervik, Wevelgem, Wichelen, Wingene, Zemst, Zonhoven, Zulte, Zwalm, Zwevegem, Zwijndrecht
iii
C. SPSS Output van aanvankelijk model
C1. Test m.b.t. voorwaarden
iv
Tests of Normality a
Kolmogorov-Smirnov Statistic Unstandardized Residual
df
,098
Shapiro-Wilk
Sig. 209
Statistic
,000
df
,901
Sig. 209
,000
a. Lilliefors Significance Correction
Descriptives Statistic Unstandardized Residual Mean
,0000000 ,18937131
95% Confidence Interval for Mean Lower Bound
-,3733332
Upper Bound
,3733332
5% Trimmed Mean
-,2211627
Median
-,1212805
Variance Std. Deviation
7,495 2,73770934
Minimum
-5,02203
Maximum
11,83862
Range
16,86065
Interquartile Range
Std. Error
2,91921
Skewness
1,499
,168
Kurtosis
4,178
,335
v
Normaliteit van residuen bij gebruik Log10Marge als afhankelijke variabele
Tests of Normality a
Kolmogorov-Smirnov
Statistic
Unstandardized Residual
,051
df
Shapiro-Wilk
Sig.
209
,200
Statistic *
,989
df
Sig.
209
,111
a. Lilliefors Significance Correction *. This is a lower bound of the true significance.
vi
C2. Output Regressie
c
Model Summary
Change Statistics
Model 1 2
R
R Square
Adjusted R
Std. Error of the
R Square
Square
Estimate
Change
Sig. F F Change df1 df2
Change
,594
a
,352
,313
2,90389
,352
8,888 12 196
,000
,624
b
,389
,324
2,87965
,037
1,414
,193
8 188
a. Predictors: (Constant), IRS, Populatie, Fortis, Duurtijd, Inschrijvers, OBV, KBC, GewichtRente, Herziening, Bedrag, ING, Jaar2006 b. Predictors: (Constant), IRS, Populatie, Fortis, Duurtijd, Inschrijvers, OBV, KBC, GewichtRente, Herziening, Bedrag, ING, Jaar2006, EvolutieCFVV, EvolutieNBK, EvolutieVVA, NBKA, LiqA, VVA, FFS, CFVV c. Dependent Variable: MARGE
vii
a
ANOVA Model 1
Sum of Squares Regression
2
df
Mean Square
F
899,354
12
74,946
Residual
1652,790
196
8,433
Total
2552,143
208
993,172
20
49,659
Residual
1558,971
188
8,292
Total
2552,143
208
Regression
Sig.
8,888
,000
a
5,988
,000
b
a. Dependent Variable: MARGE
Coefficients
a
Unstandardized Coefficients Stand.Coeff. Model
B
Std. Error
1 (Constant)
7,734
4,424
Duurtijd
,035
,038
-,038
Beta
Collinearity Statistics t
Sig.
Tolerance
VIF
1,748 ,082 ,931 ,353
,666
1,502
,042
-,067 -,906 ,366
,612
1,633
-1,510E-7
,000
-,091 -1,290 ,199
,666
1,501
,021
,019
,068 1,120 ,264
,893
1,119
6,875E-6
,000
,070 1,088 ,278
,798
1,254
,115
,184
,042
,627 ,532
,740
1,351
Fortis
-3,022
,630
-,327 -4,797 ,000
,713
1,402
KBC
-5,316
1,103
-,325 -4,820 ,000
,728
1,374
ING
-4,405
,611
-,522 -7,206 ,000
,629
1,590
-,031
,030
-,072 -1,029 ,305
,668
1,497
Jaar2006
,588
,568
,084 1,036 ,302
,501
1,996
IRS
,337
,695
,042
,445
2,248
2 (Constant)
8,978
5,342
Duurtijd
,019
,039
,472 ,637
,609
1,643
-,005
,045
-,009 -,114 ,909
,531
1,883
-1,101E-7
,000
-,066 -,922 ,357
,630
1,586
,050
,025
,163 2,012 ,046
,495
2,021
8,071E-6
,000
,082 1,022 ,308
,502
1,994
Herziening Bedrag OBV Populatie Inschrijvers
Gewicht_Rente
Herziening Bedrag OBV Populatie
,066
,485 ,628 1,681 ,095
,035
viii
Inschrijvers
,003
,199
Fortis
-3,171
KBC ING
,017 ,987
,619
1,615
,647
-,343 -4,904 ,000
,666
1,502
-6,181
1,163
-,378 -5,314 ,000
,644
1,554
-4,722
,638
-,560 -7,401 ,000
,568
1,761
-,034
,032
-,079 -1,056 ,292
,582
1,719
Jaar2006
,482
,587
,069
,821 ,413
,461
2,167
IRS
,073
,713
,009
,103 ,918
,415
2,409
NBKA
-4,390
4,659
-,066 -,942 ,347
,656
1,523
VV_A
,547
4,139
,013
,132 ,895
,360
2,777
15,733
7,561
,144 2,081 ,039
,675
1,481
1,972
2,671
,078
,738 ,461
,288
3,468
-3,172
3,133
-,086 -1,012 ,313
,449
2,229
2,045
5,282
,387 ,699
,683
1,463
-2,908
6,880
-,029 -,423 ,673
,701
1,426
1,859
1,518
,088 1,225 ,222
,633
1,579
Gewicht_Rente
LiqA CF_VV F_FS Evolutie_NBK EvolutieVVA EvolutieCFVV
,001
,027
a. Dependent Variable: MARGE
ix
C3. Correlatietabel
,094
Populatie
-,045
-,160
Inschrijvers
,023
,041
Fortis KBC ING Gewicht Rente Jaar2006 IRS NBKA VVA LiqA
-,024 -,008
*
-,020
-,070
,004
*
-,150
-,010 ,118
,070 ,303
-,076 -,182 -,166
*
-,062
**
,106 -,156
,069
-,001
-,070
-,150
**
,065
,010
-,057
,031
,225
,186
,186
**
,190
**
-,057 ,031 **
**
1
,165
,165
*
,114 ,123 ,045
,264
,032
-,026
**
-,051 -,162
-,130
,036
-,195
FFS Evolutie NBK Evolutie VVA Evolutie CFVV
,062
,133
-,016
,254
-,192
**
*
**
**
-,187
**
-,030
-,069
-,180
**
,095
,051
,081
-,075 -,195
,251
**
,114 ,159
*
,044
,035
**
*
1 ,159
,040
,280
,190
,009 ,106 -,068 -,204
**
-,075 -,546
**
*
1 ,032 ,198
**
,376
**
,077 -,045 ,016 -,035 -,211
**
,127 ,263
,040
,123
,044
,251
,032
,198
**
1
-,102
-,102
-,119 *
-,011 -,051 -,004 -,066 -,094
,156
,201
,290
,156 ,201
**
** *
**
1
-,032
-,133
*
,135 ,034
-,285
,134 -,289 ,144
,139
**
,020
-,081 ,150
,032
-,255
**
-,080
*
,244
**
*
,149
**
-,114
-,337
**
-,182 ,280
**
-,051
,106
-,068
-,035
-,211
,129
-,134
-,128
*
-,133
-,032
*
-,637
1 -,637
**
-,008 ,087 ,061 -,225
,139
**
,008
**
1 -,127
,135
,150
-,075
,022
,091
,133
-,195
**
,035
-,099
**
,036
-,016
-,192
**
,089
-,066
-,187
**
,135
-,069
-,180
,016
-,004
,062
-,130
-,109
,009 -,051
,081
*
-,156
-,045 -,011
-,062
,106
-,030
-,081
-,134
,007 -,165
1
,077
*
**
-,045
-,242
**
,264
**
-,128
-,137
,033
**
,051
,129
,132 *
,095 ,376
-,119
**
-,242 ,290
1
**
**
-,178
,045
**
**
**
-,066 ,034 -,285
**
-,255
**
-,162 -,204
*
**
,127 -,094 ,134 ,020 -,080
-,195
**
-,075
**
,033
,095
-,013
**
-,178
**
-,045
-,036
-,041
*
,022
,036
*
-,133
,081
-,107
-,131
,066
-,059
-,118
,060
,008
,034
,074
-,049
,061
-,024
-,115
,032
,024
**
,064
-,061
,011
-,382
,263
,132 -,137 ,244
,149
* **
,061
-,225
-,127
-,050
-,032
,117
-,075
,173
*
,136
*
-,075
-,032
*
,173
1 ,136
*
,245
,098 ,287
**
-,258
-,058
**
,442
*
,068
-,026
1
-,033
,033
**
,098
,287
-,258
,022
,035
,089
,135
,095
-,036
,022
-,133
-,131
-,118
,074
-,115
,064
,011
,091
-,099
-,066
-,069
-,013
-,041
,036
,081
,066
,060
-,049
,032
-,061
-,382
**
**
-,058
-,113
-,033
1
**
,033
-,169
**
-,031
,083
-,235 ,442
-,169 *
**
**
-,235
,154
-,024
,068
,245
-,113
,024
,034
,154
*
-,026
,061
-,059
,056
-,337
**
,144
1
-,687
-,107
-,687
**
-,114
-,165
,056
,051 **
,051
-,289
**
**
,117
*
1
,007 *
**
,087
-,050
,254
**
-,546
-,008 1
Evolutie CFVV
,041
Evolutie VVA
*
*
Evolutie NBK
-,160
LiqA
,094
CFVV
**
-,069
**
*
-,109 *
-,026
-,020
,010
**
,035
-,008
1
,225
,010
-,024
,010
-,001
**
,023
,065
,069
,303
-,045
FFS
,007
,070
,007
CFVV
OBV
*
**
,138 *
VVA
,138
NBKA
**
IRS
,449
Jaar2006
Bedrag
Gewicht Rente
1
-,166
ING
**
-,076
KBC
,393
,118
Fortis
Herziening
,449
-,010
Inschrijvers
**
,004
Populatie
,393
OBV
1
Bedrag
Herziening
Duurtijd
Duurtijd
Pearson Correlatietabel (**: p<0.01 en *: p<0.05)
-,031 *
1 -,298
**
,083 -,298
**
**
1
x
D. SPSS Output van getransformeerd model
D1. Tests m.b.t. voorwaarden
Descriptives Statistic Unstandardized Residual
Mean
Std. Error
,0000000 ,01207247
95% Confidence Interval for
Lower
Mean
Bound
-,0238001
Upper
,0238001
Bound 5% Trimmed Mean
-,0021963
Median
-,0093044
Variance
,030
Std. Deviation
,17452972
Minimum
-,47769
Maximum
,55168
Range
1,02937
Interquartile Range
,22211
Skewness
,210
,168
Kurtosis
,924
,335
Tests of Normality a
Kolmogorov-Smirnov Statistic Unstandardized Residual
,045
df
Shapiro-Wilk Sig.
209
,200
Statistic *
,984
df
Sig. 209
,015
a. Lilliefors Significance Correction *. This is a lower bound of the true significance.
xi
xii
xiii
D2. Correlatietabel
,449
*
Inschrijvers Fortis KBC ING
,138
,138
1
FFS² EvolutieNBKA
-0,062 0,054
**
-,156
*
-0,075 -,195
0,045 -0,133
**
1
0,005
,323
0,105
0,005
1
0,045
**
-0,1
0,035
,153
0,114
0,127 -0,094 -,170
*
-0,045
EvolutieVVA
0,022
EvolutieCFVV
0,091 -0,099 -0,066 -0,041
0,089 -0,036
VVA
-0,131 -0,008 -0,105
VVCF
-0,067
,153
*
0,04
-0,026 -0,035 -0,004
-,192
-,159
0,033 -,187
*
**
0,123
-,165
,194
0,135 -0,133 0,134
-0,006 -,259 *
*
1
**
,144
*
,144 ,194
0,081
0,013 -0,031 -,308 -0,004
**
0,068 -0,072
**
0,135
-,170
0,134 -,259
-0,045 -0,036 -0,041 -,165
*
0,022
,144
*
-0,133
0,02 -0,118 -0,107 -0,131
0,079 -0,127 -0,107
0,024 -0,039 -0,103
0,041 -0,045
0,054 -0,019 -0,081
1
*
,173
*
1
,291
**
0,058
0,073
0,041 -0,019 -,187
**
**
,287
**
-0,012
1
0,064 -,258
**
0,047
-,169
-0,118 -0,107
0,066
0,123
0,127
**
,323
0,024
0,079 -0,039 0,054
0,022 -0,133 -0,131 -0,045 -0,081 0,036
0,114 -0,035
*
**
0,02 -0,127 -0,103 -0,107
-0,026 -,180
0,007
-,162
0,135
,280
,245
-,162
*
,291
**
,173
*
0,058 0,073
**
-0,073
-0,02 -0,044
0,005
,183
**
0,128
0,036
VVCF
VVA(dumm y) -,159
*
-,187
*
**
0,013 -0,004
0,081 -0,031
0,068
**
-0,072
0,007 -0,135
0,006
**
-0,02
0,066 -,308
0,092 -,227
-,187
**
0,135 -0,069 -0,073 -0,044
,245
**
0,064 -0,061
,287
**
1 -0,012
0,092 -0,069 -0,061 -0,058 -0,037
-0,135 -,227 0,006
1 ,280
Evolutie CFVV
FFS²
0,105
-0,119
0,012
**
LiqA
**
**
0,032 -0,034
-,180
NBKA
-0,1
**
,144
**
OBV
1 -0,119
*
-0,003
,186
ING
0,04 -0,004 -0,094 -0,006
,198
*
0,119 -0,011 **
KBC
Fortis
Inschrijvers
0,012
-,242
0,094
0,033
-0,003
-0,102
0,007
0,089 -0,066 -0,105
**
**
-0,076 -,182
-0,011 -,192
1 -0,102 -,242
,376
**
,153
-0,034
,198
**
0,035 -0,099 -0,008
**
,153
0,032
,186
**
0,091 -0,131 -0,067
0,119 -,195
,376
-0,008 -0,001 -0,057
,251
-,156
0,022
**
*
0,032
**
0,054 -0,075
,163
**
0,121
0,094 -,182
*
**
0,032
IRS
,251
**
0,031
0,01
*
-0,06
0,007 -0,076 -0,062
**
0,069
,163
-0,07
**
0,01 -0,057
-0,024
-0,06
0,121
0,065 1
Bevolkingsdichtheid -0,087
-0,02 -0,087 *
0,065
0,031
LiqA
0,069 -0,001
0,041
-0,07
NBKA
0,041
0,023
-0,02
OBV
0,023 -0,024 -0,008
Evolutie VVA
1
**
*
Evolutie NBKA
,393
**
IRS
Herziening
**
,449
Bevolkings dichtheid
1
Bedrag
,393
**
Duurtijd
Bedrag
Herziening
Duurtijd
Pearson Correlatietabel (**: p<0.01 en *: p<0.05)
*
-,258
-0,13 -0,066 -0,006 -0,025
-0,058
0,047 -0,037 -,169
*
0,083
1 -,298
0,083 -,298 0,066
**
**
-0,13
**
-0,066
,183
0,128 -0,006 0,066 -0,025 0,053
0,033
**
0,06
1 -,300
0,053 -,300 0,033
**
0,005
**
0,06
1 ,351
**
,351
**
1
xiv
E. Voorbeeld scoretoekenning bij gunning
SAMENVATTENDE TABEL VAN DE SCORES
· tijdens de opnameperiode · na de omzetting in lening · de reserveringscommissie · flexibiliteit en mogelijkheid om op marktopportuniteiten in te spelen · mogelijkheden op het vlak van de kredietmodaliteiten die een invloed kunnen hebben op de financieringskost · actief schuldbeheer · financiële bijstand · informatorische ondersteuning · de te leveren administratieve dienstverlening
TOTAAL
Dexia FORTIS KBC max. 9,5 10 9,75 10 58 60 59,75 60 5 5 5 5 3
2
1
3
2
4
0
4
6 4 3
4 0 1
4 2 1
6 4 3
5
5
5
5
95,5
91 87,5 100
xv
F. T-test OBV
Group Statistics ObvDummy Log10Marge
N
Mean
Std. Deviation
Std. Error Mean
1,00
89
,7146
,21635
,02293
,00
112
,7457
,22333
,02110
Independent Samples Test Levene's Test for Equality of Variances
t-test for Equality of Means 95% Confidence Interval of the
Mean
F Log10Marge Equal
,010
Sig.
t
df
Sig. Differen
Std. Error
(2-t)
Difference
ce
Difference Lower
Upper
,919 -,994
199 ,321 -,03109
,03128
-,09277
,03059
-,998
191,352 ,320 -,03109
,03116
-,09256
,03038
variances assumed Equal variances not assumed
xvi
