Vliv úrokové sazby na objem poskytnutých hypotečních úvěrů

Mendelova univerzita v Brně Provozně ekonomická fakulta

Vliv úrokové sazby na objem poskytnutých hypotečních úvěrů Bakalářská práce

Vedoucí práce:

Autor práce:

Ing. Luboš Střelec Ph.D.

Andrea Korbičková

Brno 2014

Poděkování Děkuji mému vedoucímu bakalářské práce Ing. Luboši Střelcovi, Ph.D. za odborné vedení, cenné rady a připomínky, které mi při průběhu tvorby bakalářské práce poskytoval.

Čestné prohlášení Prohlašuji, že jsem práci: Vliv úrokové sazby na objem poskytnutých hypotečních úvěrů vypracovala samostatně a veškeré použité prameny a informace uvádím v seznamu použité literatury. Souhlasím, aby moje práce byla zveřejněna v souladu s § 47b zákona č. 111/1998 Sb., o vysokých školách ve znění pozdějších předpisů, a v souladu s platnou Směrnicí o zveřejňování vysokoškolských závěrečných prací. Jsem si vědoma, že se na moji práci vztahuje zákon č. 121/2000 Sb., autorský zákon, a že Mendelova univerzita v Brně má právo na uzavření licenční smlouvy a užití této práce jako školního díla podle § 60 odst. 1 autorského zákona. Dále se zavazuji, že před sepsáním licenční smlouvy o využití díla jinou osobou (subjektem) si vyžádám písemné stanovisko univerzity, že předmětná licenční smlouva není v rozporu s oprávněnými zájmy univerzity, a zavazuji se uhradit případný příspěvek na úhradu nákladů spojených se vznikem díla, a to až do jejich skutečné výše. V Brně dne 19. května 2014

_______________________________

Abstract Korbičková A. The effect of interest rates on the volume of mortgage loans. Bachelor thesis. Brno: Mendel University in Brno, 2014. This thesis deals with the influence of interest rates on the volume of new mortgage loans in the Czech Republic. Regression and correlation analysis was used to determine the measure of dependence. For comparative purposes, the regression analysis was performed on the data of the Slovak Republic. In the second part of the thesis the series of newly granted time mortgage loans were examined, both in the Czech Republic and the Slovak Republic. For both states a prediction of the volume of new mortgage loans for the next eight quarters will be created. The result of this work compared the development of the mortgage market in the Czech and Slovak Republic. Keywords Mortgage loan, interest rate, time series, regression analysis, correlogram, dependence.

Abstrakt Korbičková A. Vliv úrokové sazby na objem poskytnutých hypotečních úvěrů. Bakalářská práce. Brno: Mendelova univerzita v Brně, 2014. Tato bakalářská práce se zabývá vlivem úrokové sazby na objem nově poskytnutých hypotečních úvěrů v České republice. Pro zjištění rozsahu závislosti byla využita regresní a korelační analýza a za účelem srovnání byla regresní analýza provedena také na datech Slovenské republiky. Analýzou časových řad byl zkoumán vývoj objemu nově poskytnutých hypotečních úvěrů, a to jak v ČR, tak na Slovensku. Pro oba tyto státy byl predikován vývoj objemu nově poskytnutých hypotečních úvěrů a vývoj úrokové míry na následujících osm čtvrtletí. Výsledkem práce je srovnání vývoje trhu hypotečních úvěrů v České republice a na Slovensku. Klíčová slova Hypoteční úvěr, úroková sazba, časová řada, regresní analýza, korelogram, závislost.

Obsah

5

Obsah 1

2

Úvod a cíl práce

11

1.1

Úvod....................................................................................................................................... 11

1.2

Cíl práce................................................................................................................................ 12

Literární přehled

13

2.1

Vývoj hypotečního trhu v ČR ....................................................................................... 13

2.2

Druhy hypotečních úvěrů ............................................................................................. 14

2.2.1

Účelová hypotéka ................................................................................................... 14

2.2.2

Neúčelová hypotéka .............................................................................................. 15

2.3

Financování hypotečních úvěrů ................................................................................. 15

2.4

Splácení hypotečního úvěru ......................................................................................... 16

2.4.1

Anuitní splácení ...................................................................................................... 16

2.4.2

Degresivní splácení................................................................................................ 16

2.4.3

Progresivní splácení .............................................................................................. 16

2.5

Poskytovatelé hypotečních úvěrů .............................................................................. 16

2.6

Průběh obchodu hypotečního úvěrování ................................................................ 18

2.7

Čerpání úvěru .................................................................................................................... 18

2.8

Bonita klienta ..................................................................................................................... 18

2.9

Zajištění hypotečního úvěru ........................................................................................ 19

2.10 Úroková sazba ................................................................................................................... 19 3

4

Materiál a metodika

21

3.1

Materiál ................................................................................................................................ 21

3.2

Metodika .............................................................................................................................. 21

Výsledky 4.1

24

Jednoduchá regresní analýza ....................................................................................... 24

4.1.1

Specifikace modelu ................................................................................................ 24

4.1.2

Kvantifikace modelu ............................................................................................. 26

4.1.3

Verifikace modelu .................................................................................................. 27

Obsah

6

4.1.3.1 Ekonomická verifikace ......................................................................................... 27 4.1.3.2 Statistická verifikace ............................................................................................. 28 4.1.3.3 Ekonometrická verifikace ................................................................................... 28 4.1.4

Zahrnutí zpožděné proměnné ........................................................................... 31

4.1.5

Porovnání se Slovenskem ................................................................................... 34

4.2

Časové řady......................................................................................................................... 37

4.2.1

Vývoj časové řady objemu nově poskytnutých HÚ v ČR ......................... 37

4.2.1.1 Predikce pro vývoj objemu nově poskytnutých HÚ.................................. 42 4.2.2

Vývoj časové řady objemu nově poskytnutých HÚ v SR ......................... 43

4.2.2.1 Predikce pro vývoj objemu nově poskytnutých HÚ.................................. 47 4.2.3

Předpovědi pro vývoj úrokové míry v ČR a na Slovensku ..................... 48

5

Diskuze a závěr

52

6

Literatura

55

6.1

Bibliografické zdroje ....................................................................................................... 55

6.2

Internetové zdroje ........................................................................................................... 55

A

Kompletní důležitá data

58

B

Výstupy časových řad úrokové sazby

61

Seznam obrázků

7

Seznam obrázků Obr. 1

Časové řady sledovaných veličin (objem HÚ a úrok)

24

Obr. 2

Bodový diagram (úrok x objem HÚ) v původních jednotkách

25

Obr. 3 Graf závislosti objemu HÚ na úrokové sazbě s inverzní funkční formou

26

Obr. 4

Korelogram reziduí

30

Obr. 5

Normalita reziduí

31

Obr. 6

Vzájemný korelogram

32

Obr. 7 OLS odhady pro časovou řadu objemu HÚ se zahrnutím zpožděné proměnné

32

Obr. 8

Korelogram reziduí pro model se zpožděnou proměnnou

34

Obr. 9


35

Obr. 10

Graf lineární závislosti objemu HÚ na úroku

36

Obr. 11

Úrokové sazby v období 2008-2011 v Evropské měnové unii

37

Obr. 12

Graf časové řady objemu HÚ v ČR

38

Obr. 13

Chowův F-test pro zlom

39

Obr. 14 Graf skutečných a vyrovnaných hodnot objemu HÚ s proměnnou zlom a zlomxtime

40

Obr. 15

Korelogram reziduí modelu časové řady objemu HÚ

42

Obr. 16

Předpověď vývoje objemu nově poskytnutých HÚ v ČR

43

Obr. 17

Graf časové řady objemu HÚ na Slovensku

44

Obr. 18

Chowův F-test pro zlom na Slovensku

45

Obr. 19 Graf vyrovnaných a skutečných hodnot objemu HÚ s proměnnou zlom a zlomxtime v SR

45

Seznam obrázků

8

Obr. 20

Korelogram pro časovou řadu objemu HÚ na Slovensku

47

Obr. 21

Předpověď vývoje objemu HÚ na Slovensku

48

Obr. 22

Korelogram reziduí modelu časové řady úrokové sazby ČR

62

Obr. 23

Korelogram reziduí modelu časové řady úrokové sazby SR

63

Seznam tabulek

9

Seznam tabulek Tab. 1

Porovnání zvolených funkčních forem

25

Tab. 2

Hodnoty regresních koeficientů

27

Tab. 3

Testy reziduí pro ověření předpokladů modelu pro ČR

29

Tab. 4

Testy reziduí pro ověření předpokladů modelu se zpožděním

33

Tab. 5

Porovnání modelů bez proměnné zlomxtime a s proměnnou

39

Tab. 6


40

Tab. 7 Testy reziduí pro ověření předpokladů bílého šumu časové řady objemu HÚ

41

Tab. 8

Předpovědi vývoje objemu HÚ v ČR

43

Tab. 9

Hodnoty regresních koeficientů na Slovensku

46

Tab. 10 Testy reziduí pro ověření předpokladů bílého šumu časové řady objemu HÚ v SR

47

Tab. 11

Predikce pro vývoj objemu nově poskytnutých HÚ v SR

48

Tab. 12

Predikce vývoje úrokové sazby v ČR

49

Tab. 13

Predikce vývoje úrokové sazby v SR

49

Tab. 14 Predikce vývoje objemu HÚ za využití predikované hodnoty úrokové míry v ČR

50

Tab. 15 Predikce vývoje objemu HÚ za využití predikované úrokové míry v SR

51

Tab. 16

Kompletní data pro ČR

58

Tab. 17

Kompletní data pro SR

59

Tab. 18

Hodnoty regresních koeficientů modelu úrokové míry v ČR

61

Tab. 19 Testy reziduí pro ověření předpokladů bílého šumu časové řady úrokové míry SR

61

Seznam tabulek

Tab. 20

10

Hodnoty regresních koeficientů modelu úrokové míry v SR

62

Tab. 21 Testy reziduí pro ověření předpokladů bílého šumu časové řady úrokové míry SR

62

Úvod a cíl práce

11

1 Úvod a cíl práce 1.1

Úvod

Bydlení je jedna z nejzákladnějších potřeb člověka, bez které si nejde představit spokojený život. Lidé si mohou vybrat z mnoha možností jak a kde bydlet. K dispozici jsou jim byty, domy, pečovatelské domy, domy pro seniory aj., které mohou mít jak v nájmu, tak v osobním vlastnictví. Někteří lidé si chtějí dokonce postavit domy podle svých představ. V takovém případě je nutné zakoupit navíc parcelu, na které daný dům chtějí postavit, a tím se zvednou náklady na danou nemovitost. Jelikož se sektor stavebnictví už několik let potýká s krizí, nabídka bydlení je v současné době poměrně široká. Přesto, že se předpokládalo, že touto dobou už bude sektor stavebnictví z nejhoršího venku, krize stále přetrvává. Podle poslední předpovědi odborníků by se měla krize ve stavebnictví začít ztrácet až v roce 2015. Krize vychází zejména z nejasné prognózy české ekonomiky a nepřidalo tomu ani oslabení české koruny způsobené zásahem rady České národní banky, která se rozhodla držet kurz koruny kolem 27 Kč za euro.1 Důležitým faktorem pro výběr potenciálního bydlení je kapitál, který je potřeba na danou výstavbu či koupi mít. Pokud lidé nemají žádný kapitál, za který by si mohli nemovitost koupit, často volí pronájem dané nemovitosti. Je tu ale také varianta krytí nemovitosti hypotečním úvěrem. Takový úvěr poskytují hypoteční a komerční banky. V dnešní době banky neposkytují hypotéky pouze na krytí nemovitostí, přesto je to nejčastější způsob. I když je hypoteční úvěr lákavý, je potřeba zvážit, do jaké míry jsou žadatelé solventní. Tato otázka je primární i pro banku, která hypoteční úvěr poskytuje. Je jasné, že jde o jakýsi předpoklad, protože nikdy banka nemůže na 100 % vědět, že po následujících 10 let bude žadatel vydělávat stejně či více než v daný okamžik, a dluh tak bez problému splatí. To je také jeden z důvodů, proč jsou hypoteční úvěry zajištěny zástavním právem. Banka požaduje po žadateli o hypoteční úvěr ručení nemovitostí pro případ, že by nebyl v budoucnu schopen splácet. Zároveň poskytuje hypoteční úvěr do určité procentní výše hodnoty dané zástavní nemovitosti, což je pro mnoho lidí překážka, protože stejně musejí mít pro koupi nemovitosti část kapitálu svého. S tímto problémem se potýkají zejména mladí lidé, kteří po osamostatnění nemají většinou žádný svůj kapitál. Navíc banky mladým lidem zpravidla poskytují hypotéku s vyšší úrokovou sazbou z důvodu velkého rizika nesolventnosti. Není tedy předem jisté, že každý žadatel má na hypoteční úvěr nárok. Jde ale o jednu z možností, jak bydlení či jiné potřeby financovat. Přesto je ale po hypotečních úvěrech čím dál větší poptávka. Jak uvádí Urbánková (2002), hypotéka je tou nejlepší možností, jak pořídit nemovitost v relativně krátké době. HRUŠOVÁ, Monika. Stavebnictví se letos z krize nedostane. Lepší bude až rok 2015. In: Hypoindex.cz [online]. 2.1.2014 [cit. 2014-03-01]. Dostupné z: http://www.hypoindex.cz/stavebnictvi-seletos-z-krize-nedostane-lepsi-bude-az-rok-2015/? 1

Úvod a cíl práce

1.2

12

Cíl práce

Hlavním cílem této práce je ověřit a kvantifikovat předpoklad vlivu úrokové sazby na objem poskytnutých hypotečních úvěrů v ČR a následné porovnání se Slovenskem. Dílčím cílem je zhodnocení vývoje objemu hypotečních úvěrů v ČR, jež bude porovnáno s vývojem objemu nově poskytnutých hypotečních úvěrů na Slovensku. Dalším dílčím cílem je předpověď vývoje objemu nově poskytnutých HÚ a vývoje úrokové míry pro Českou a Slovenskou republiku na následujících osm čtvrtletí. Jak žadatelům, tak samotným poskytovatelům by měla tato práce pomoci porovnat, jaký trh hypotečních úvěrů je pro ně výhodnější.


13

2 Literární přehled 2.1

Vývoj hypotečního trhu v ČR

Roku 1865 byla založena první hypoteční banka na českém území – Hypoteční banka Království českého. Jednalo se o banku se zemským ručením. V roce 1890 vznikla Zemská banka Království českého, která se věnovala zejména poskytování komunálních, železničních a melioračních úvěrů. (Hyblerová, 2010) Nejdříve zemské hypoteční banky financovaly hypoteční úvěry pouze emisí hypotečních zástavních listů vydávaných na doručitele, kde byl půlroční interval výplaty úroků. Co se týkalo jistiny, ta byla většinou splatná při vylosování. Např. jak uvádí Hyblerová (2010): „Hypoteční banka Království českého losovala hypoteční zástavní listy půlročně a její smlouvy určovaly, do jaké doby musí být hypoteční zástavní list nejpozději splacen, sice do 38 let nebo 42,5 roku podle úrokové sazby.“ Tímto si zemské banky zajišťovaly stabilní výši dlouhodobého kapitálu a mohly tak uzavírat smlouvy jako nevypověditelné na úvěr, který měl po celou dobu trvání fixní úrokovou sazbu. Za nějakou dobu mohly být úvěry bankám spláceny hypotečními zástavními listy, dokonce i nevylosovanými. (Hyblerová, 2010) V době okupace Československa v roce 1939 byl vývoj hypotečních úvěrů přerušen. K obnově hypotečního úvěrování došlo až v roce 1990 zákonem č. 530/1990 Sb., o dluhopisech. (Kašparovská, 2010) Zákon č. 530/1990 Sb., § 14, odst. 3 uvádí, že: „hypotéční zástavní listy jsou dluhopisy, součástí jejichž názvu je označení hypotéční zástavní list a jejichž jmenovitá hodnota, jakož i hodnota poměrného výnosu, je plně kryta pohledávkami z hypotéčních úvěrů (dále jen "řádné krytí"), popřípadě též náhradním způsobem podle tohoto zákona (dále jen "náhradní krytí").“2 V roce 1995 byla vydána novela zákona č. 84/1995 Sb. Tento zákon nahradil princip krytí hypotečních zástavních listů zástavním právem k nemovitostem principem krytí hypotečních zástavních listů pohledávkami z hypotečních úvěrů. Tento princip klade důraz na schopnost dlužníka splácet úvěr. Změnil také definici hypotečního úvěru jako účelového úvěru. Byla zvýšena maximální výše zástavního práva z 60 % na 70 % ceny zastavených nemovitostí. Tato novela také změnila odpovědnost udělování licencí pro vydávání zástavních hypotečních listů z Ministerstva financí na Českou národní banku. (Hyblerová, 2010) Návrat hypotečního bankovnictví ale nebyl v 90. letech 20. stol. nikterak úspěšný. Hypoteční úvěry byly poskytovány velmi zřídka. K velkému obratu došlo v ČR zejména až ve 21. stol, kdy se díky poklesu úrokových sazeb hypotečních úvěrů zvýšila poptávka po těchto úvěrech. Banky tak reagovaly na pokles repo sazby vyhlášené Českou národní bankou, a také na konkurenci, která především v roce 2000 na trhu hypotečních úvěrů byla. Dalším důvodem vedoucím k vyšší poptávce byla změna v zákoně o daních z příjmů, kde od roku 1998 zákon umožňoval si Česká republika. ÚPLNÉ ZNĚNÍ ZÁKONA č. 530/1990 Sb., o dluhopisech. In: http://i.iinfo.cz/ursatt/P_530-90-105031151881597.HTM. 1990. 2


14

od základu daně odečíst část úroků zaplacených z hypotečního úvěru. A to až do výše 300 000 Kč za rok. Odpočet může uplatnit pouze osoba, která je účastníkem smlouvy. Pokud je účastníků více, uplatnit odpočet může pouze jedna osoba nebo všechny rovným dílem. (Hyblerová, 2010) V roce 2004 byl vytvořen nový zákon č. 190/2004 Sb., o dluhopisech, o kterém hovoří Syrový a kol. (2005): „Podle právní úpravy platné od roku 2004 se hypotečním úvěrem rozumí úvěr, jehož splácení je zajištěno zástavním právem k této, i rozestavěné, nebo i jiné nemovitosti na území ČR nebo členských států Evropské unie nebo jiných států tvořících Evropský hospodářský prostor.“ Podle zákona č. 84/1995 Sb., § 14 se poskytovaly hypoteční úvěry pouze jako účelové. Tedy na pořízení nemovitosti. Konkrétně na výstavbu nové nemovitosti, koupi existující nemovitosti, rekonstrukci existující nemovitosti, vypořádání vlastnických a dědických podílů3 a ke splácení dříve poskytnutých úvěrů na nemovitost. V zákoně č. 190/2004, § 28, odst. 3 je dáno, že hypoteční úvěr už nemusí být jen účelový, ale vždy musí být zajištěn zástavním právem k nemovitosti, i rozestavěné. (převzato z Kašparovské, 2010) Nově se tak na našem trhu objevuje tzv. „americká hypotéka“, která se využívá zejména ve financování bytových potřeb. Takovým příkladem je koupě družstevního bytu, kde se nejedná přímo o investici do nemovitosti, ale jde o koupi členského podílu družstva. (Hyblerová, 2010) Podle Hyblerové (2010) byla naposledy změněna definice hypotečního úvěru v roce 2008 takto: „Hypoteční úvěr je úvěr, jehož splacení včetně příslušenství je zajištěno zástavním právem k nemovitosti, i rozestavěné, když pohledávka z úvěru nepřevyšuje dvojnásobek zástavní hodnoty zastavené nemovitosti.“

2.2 2.2.1

Druhy hypotečních úvěrů Účelová hypotéka

Jedná se o hypotéku, která je použita striktně pro účely uvedené ve smlouvě. Většinou se jedná o hypotéku, která je ujednána za účelem investice do nemovitosti. Může jít o nákup nemovitosti nebo stavebního pozemku, stavbu nemovitosti, rekonstrukci či o refinancování dřívější investice do nemovitosti. Často je také využívána k vypořádání dědictví či společného jmění manželů. Hypotéka slouží i ke koupi členského podílu ve družstvu - koupě družstevního bytu. Jako objekt hypotečního úvěru v tomto případě může být stavební pozemek, nemovitost k bydlení nebo k rekreaci, byt, provozní dům, nemovité příslušenství náležící k nemovitostem a podnikatelské subjekty. Klienti musí bance doložit, co za poskytnuté peníze koupili. Aby došlo k poskytnutí hypotečního úvěru, musí být uzavřená písemná smlouva mezi bankou a klientem. Jako jistina slouží bance zástavní právo Jedná se o podíly, kde výplatou těchto podílů prostřednictvím hypotečního úvěru lze získat vlastnické právo k nemovitosti. 3


15

k nemovitosti (nemovitostí může být i víc jak jedna). Hypotéka může být poskytována do výše 100 % zástavní hodnoty nemovitosti, je ale doporučováno poskytovat hypoteční úvěr do 70% výše zástavní hodnoty nemovitosti, aby daná banka nepodstupovala příliš velké riziko. Banky také často požadují zřízení pojištění dané nemovitosti. Doba splácení účelové hypotéky je od 5 do 40 let, přičemž závisí na rozložení splátek a jejich výši. 2.2.2

Neúčelová hypotéka

Neúčelový hypoteční úvěr, nazývaný také jako americká hypotéka, klienta nijak neomezuje ve využití získaných finančních prostředků. Klient tedy nemusí dokládat, za co dané finanční prostředky vynaložil. Může si tak kromě nemovitostí pořídit i movité věci jako např. automobil, cestu do zahraničí, studium na vysoké škole atd. Výhodou neúčelové hypotéky je zejména delší doba splatnosti úvěru, která zajišťuje menší zatíženost klienta při měsíčních splátkách. Tento druh hypotečního úvěru je také zastaven prostřednictvím nemovitosti. Je zde ale vyšší úroková sazba cca o 2 p. b. V tomto případě banky většinou poskytují hypoteční úvěr ve výši kolem 60 % hodnoty zastavené nemovitosti.

2.3

Financování hypotečních úvěrů

Banky mají k dispozici hned několik způsobů, jak mohou financovat hypoteční úvěry. Jeden ze způsobů je financování hypotečních úvěrů prostřednictvím emisí hypotečních zástavních listů (HZL). Jako další způsob financování mohou banky využít ostatní bankovní zdroje, jako jsou dlouhodobá primární depozita nebo půjčky od jiných bank. Pokud financuje banka hypoteční úvěry prostřednictvím ostatních bankovních zdrojů, stačí jim licence k bankovnímu podnikání od ČNB. Zákon č. 190/2004 Sb., o dluhopisech říká: „Hypoteční zástavní listy jsou dluhopisy, jakož i obdobné cenné papíry představující právo na splacení dlužné částky vydávané podle práva cizího státu, jejichž jmenovitá hodnota a poměrný výnos (dále jen „závazky z hypotečních zástavních listů“) jsou plně kryty pohledávkami z hypotečních úvěrů nebo částí těchto pohledávek (řádné krytí) a popřípadě též náhradním způsobem podle tohoto zákona (náhradní krytí). Součástí názvu tohoto cenného papíru je označení hypoteční zástavní list. Jiné cenné papíry nesmí toto označení obsahovat.“4 Pro tento druh dluhopisů musí banka vlastnit licenci, aby mohla emitovat hypoteční zástavní listy. Licenci uděluje organizacím Česká národní banka.

Česká republika. Zákon č. 190/2004 Sb. o dluhopisech: neoficiální znění ke dni 20. listopadu 2012. In: http://www.cnb.cz/cs/legislativa/leg_kapitalovy_trh/zakony/download/Zakon_190_2004.pdf. 2004. 4


16

V případě, kdy je hypoteční úvěr financován emisí hypotečních zástavních listů, nesmí výše hypotečního úvěru překročit 70 % ceny zastavené nemovitosi. (Kašparovská, 2010)

2.4

Splácení hypotečního úvěru

Jak uvádí server Měšec.cz, maximální doba splatnosti hypotéky závisí na konkrétní bance, a to až do 40 let. Většina bank však poskytuje hypotéku splatnou maximálně do 30 let. 5 Samozřejmě platí, čím delší doba splatnosti úvěru, tím nižší jsou měsíční splátky. Důležitý je také věk klienta, u kterého musí platit, že bude mít hypotéku splacenou do 70 let věku. Lze zaplatit i mimořádnou splátku, za to si ale banky účtují poplatky. Bez poplatků to lze pouze v době, kdy končí fixace úrokové sazby. Klienti mají na výběr ze třech druhů splácení hypotečního úvěru, a to anuitní, degresivní a progresivní splácení. 2.4.1

Anuitní splácení

Jedná se o nejčastější typ splácení, kdy klient každý měsíc splácí bance stejnou výši po celou dobu trvání úvěru. Ve splátkách jsou zahrnuty jak úroky, tak jistina. Tyto splátky se nemění, pokud ovšem nedojde ke změně výši úrokové sazby, změně splatnosti úvěru nebo provedení mimořádné splátky. 2.4.2

Degresivní splácení

Klient má na začátku splácení vyšší měsíční splátky, které se mu postupem času snižují. Tento druh splácení má výhodu v tom, že na začátku je splacena velká část jistiny, a tím klient zaplatí méně v absolutních částkách na úrocích. Degresivní splácení úvěru využívají lidé, kteří mají v dané době jisté zaměstnaní či podnikají, ale dlouhodobé vyhlídky z hlediska příjmů tak jisté nejsou. 2.4.3

Progresivní splácení

Měsíční splátky jsou na začátku splácení nižší a postupně se zvyšují. Předpokladem pro tento typ splácení je mladý člověk, který očekává, že bude růst jeho kariérní růst a bude tak mít v budoucnu více finančních prostředků na splácení úvěru. Zdá se, že v tomto případě zaplatíme více, ale hraje zde velkou roli inflace. Proto ve výsledku zaplatíme víc nominálně, reálně to ale o moc víc být nemusí.

2.5

Poskytovatelé hypotečních úvěrů

Hypotéku mohou v České republice poskytovat univerzální banky, specializované hypoteční banky, spořitelní banky a úvěrová a bytová družstva. ROZKOŠNÝ, Petr. Na jak dlouho můžete získat hypotéku?. In: Měšec.cz [online]. 1. 7. 2013 [cit. 2014-03-01]. Dostupné z: http://www.mesec.cz/clanky/na-jak-dlouho-muzete-ziskat-hypoteku/ 5


17

Univerzální banky se nezabývají pouze poskytováním hypotečních úvěrů, ale poskytují veškeré bankovní služby a produkty. Hypoteční úvěry tvoří pouze určitý podíl na portfoliu jejich aktiv. Zdroje k financování hypotečních úvěrů banky získávají prostřednictvím půjček od jiných bank, vkladů jejich klientů nebo vydáním hypotečních zástavních listů (HZL). V případě specializované hypoteční banky jde o peněžní instituci, která se zabývá pouze poskytováním hypotečních úvěrů. Tyto banky musejí mít licenci od České národní banky (ČNB) na vydávání hypotečních zástavních listů, jelikož právě jimi získávají prostředky na poskytování hypotečních úvěrů. Tento druh bank je většinou o mnoho méně rozsáhlý oproti univerzálním bankám. Další poskytovatelé hypotečních úvěrů jsou spořitelní banky. Poskytují především hypoteční úvěry na bydlení pro menší klienty. Zdrojem finančních prostředků jsou v tomto případě vklady od klientů. Poslední skupinou jsou úvěrová a bytová družstva. Úvěry poskytují svým členům, za účelem investice do nemovitosti nebo potřeb pro bydlení. Jako zdroj finančních prostředků pro financování hypotečních úvěrů jsou využívány vklady členů a bankovní úvěry. (Kašparovská, 2010) Podle serveru Hypoteční kalkulačka6 máme v ČR 19 bank, které poskytují hypoteční úvěr, těmi jsou:  Komerční banka  Hypoteční banka  Česká spořitelna  UniCredit Bank  mBank  Equa bank  ČSOB  GE Money Bank  Raiffeisenbank  LBBW Bank  Oberbank AG  Sberbank  Wüstenrot hypoteční banka  Stavební spořitelna ČS  Českomoravská stavební spořitelna  Modrá pyramida stavební spořitelna  Raiffeisenbank stavební spořitelna  Wüstenrot stavební spořitelna  Akcenta

Hypoteční banky. In: Hypoteční kalkulačka [online]. [cit. 2014-03-01]. Dostupné z: http://www.hypotecnikalkulacka.cz/banky-poskytujici-hypoteky-a-uvery/?p=2 6


2.6

18

Průběh obchodu hypotečního úvěrování

Při poskytování hypotečního úvěru se musí dodržovat určitý postup, který je složen ze tří fází, a to z fáze přípravné, fáze schvalovací a fáze realizační. V přípravné fázi klient žádá o hypoteční úvěr. Také je zde ověřována bonita daného klienta a ocenění zastavené nemovitosti, kterou klient ručí. Další krokem je fáze schvalovací, kdy se zpracovává návrh úvěrové smlouvy. Ten se pak projedná a schválí. Fáze je ukončena podepsáním úvěrové a zástavní smlouvy účastníky obchodu. Jako poslední je fáze realizační, ve které klient čerpá úvěrové prostředky a následně úvěr splácí. Také je kontrolováno dodržování smluvních podmínek. Zakončení úvěrového obchodu proběhne výmazem zástavního práva k dané nemovitosti v katastru nemovitostí. (Kašparovská, 2010)

2.7

Čerpání úvěru

Jakmile je rozhodnuto o vkladu zástavního práva k nemovitosti katastrálním úřadem, složí banka stanovenou částku na bankovní účet. Klient tak může dané finanční prostředky začít čerpat. Existují dva způsoby, jak lze úvěr čerpat, a to jednorázově a v částkách. Způsob, kterým klient bude čerpat daný úvěr, musí být stanoven v úvěrové smlouvě. Především je určen typem úvěrované investice. Jednorázové čerpání úvěru se používá, když klient chce koupit nemovitost, zařízení atd. Čerpání úvěru v částkách je v předem stanovených termínech. Může být ale také čerpán v plovoucích termínech. Např. po předložení faktur klientem. (Kašparovská, 2010)

2.8

Bonita klienta

Bonita, jinak řečeno schopnost splácení hypotečního úvěru, je jedna z nejdůležitějších kritérií banky, které musí u každého klienta posuzovat. Klient žádající o hypoteční úvěr musí prokázat dostatečnou výši čistých příjmů. Ty musejí pokrýt nejen pravidelné měsíční výdaje, ale také musí vystačit na měsíční splátku a ještě musí zbýt rezerva. Výše měsíčních výdajů je stanovována podle životního minima. Rezervu si banka určuje buď jako část životního minima, nebo jako procento z měsíční splátky. Pokud má klient příjmy ze závislé činnosti, musí bance doložit potvrzení o příjmech za posledních 6 měsíců až 2 roky (rozhoduje si sama banka). Jestliže klient podniká, musí doložit daňové přiznání zpravidla za poslední dvě zdaňovací období. Má-li klient jiné zdroje, musí doložit doklady, z kterých jsou tyto finanční prostředky zřejmé. (Syrový a kol., 2005)


2.9

19

Zajištění hypotečního úvěru

Jak už bylo uvedeno výše, hypoteční úvěr je specifický tím, že musí být na rozdíl od spotřebitelských úvěrů zajištěn zastavením nemovitosti, i rozestavěné. Právě díky zástavnímu právu mají hypoteční úvěry o několik procent nižší úrokovou sazbu než spotřebitelské, jelikož mají banky větší jistotu, že klient dostojí svým závazkům. (Syrový a kol., 2005) Aby mohla být nemovitost zajištěna zástavním právem, musí být zapsaná v katastru nemovitostí. Také musí být pojištěna minimálně do výše úvěru, přičemž pojistné plnění musí být vinkulováno ve prospěch banky. (Syrový a kol., 2005) Pokud jsou všechny náležitosti splněny, je vložen vklad zástavního práva do listu vlastnictví v katastru nemovitostí. Tento návrh podává jak vlastník nemovitosti, tak také zástavní věřitel (banka). Poté katastrální úřad rozhodne ve správním řízení o daném vkladu. Vklad zástavního práva nabude platnosti až tehdy, co je rozhodnuto v jeho prospěch. Odhadní cena zastavené nemovitosti by měla být vyšší než výše úvěru. Dříve bylo zákonem o dluhopisech dané, že výše úvěru nemůže přesáhnout 70 % odhadní ceny zastavené nemovitosti. V dnešní době už žádná hranice není, přesto je bankám doporučováno tuto hranici dodržovat. Můžeme však narazit i na úvěr ve výši 100 % odhadní ceny zastavené nemovitosti. (Syrový a kol., 2005) Odhadní cenu nemovitosti si nejčastěji určují samy banky, které mají své odhadce. Pokud banky nemají vlastního odhadce, vybírají si buď vlastního poradce, nebo výběr poradce mohou nechat na klientovi. V druhém případě je odhad kontrolován bankou. (Syrový a kol., 2005) Při zajištění hypotečního úvěru bankou je také důležité, aby na danou nemovitost nebylo uvaleno žádné jiné zástavní právo. Problémem mohou být i věcná břemena váznoucí na danou nemovitost. (Syrový a kol., 2005)

2.10 Úroková sazba Úroková sazba určuje, jakou cenu klient za poskytnutí hypotečního úvěru bance zaplatí, a to v podobě úroků. Tyto sazby jsou rozděleny na fixní, které se po celou dobu nemění, a variabilní, jenž se mění v závislosti úrokových sazeb na finančním trhu. Banky si výši úrokové sazby určují samy, stejně jako dobu, po které bude úroková sazba fixována. Nejčastější doba fixace je 5 let, bývá však i kratší (např. na 1 rok) nebo delší (např. na 30let). Doba fixace určuje, jak dlouho bude úroková sazba neměnná. Po uplynutí této doby banka určí novou úrokovou sazbu dle aktuální situace na trhu. Změnou úrokové sazby se změní i výše měsíčních splátek. Hranici výše úrokové sazby si určují samy banky, zejména podle situace na finančním trhu. Také ale záleží na jednotlivých obchodních strategiích bank. Konkrétní výše úrokových sazeb závisí dle Syrového, a kol. (2005) na:  době splatnosti úvěru – čím delší doba splatnosti, tím vyšší úroková míra;  délce fixace úrokové sazby – pokud se nepředpokládá pokles úrokových sazeb v budoucnosti, platí, že s délkou fixace roste i úroková sazba;


20

 hodnotě zastavené nemovitosti k výši úvěru – banka oceňuje úvěr vyšší úrokovou mírou, pokud je poskytnut vyšší úvěr k hodnotě zastavené nemovitosti, nejčastěji u úvěrů nad 70 % odhadní ceny nemovitosti;  bonitě žadatelů – levnější úvěr je poskytnut klientovi, který dosahuje vyšších čistých příjmů v porovnání k výdajům potřebným na obživu a předpokládané výši úrokové měsíční splátky a  počtu zavázaných osob – více zavázaných osob vzbuzuje v bance větší důvěru, a tím je i nižší úroková sazba.


21

3 Materiál a metodika 3.1

Materiál

V teoretické části práce byla využita odborná literatura, která se zaměřuje na trh s hypotečními úvěry (HÚ). Byly vybrány jednotlivé kapitoly, které by měly hypoteční úvěry přiblížit, a byla z nich zpracována rešerše. K tomu bylo využito i internetových zdrojů se stejnou tématikou. Ve výsledcích práce budou zpracována data z webových stránek Ministerstva pro místní rozvoj ČR, která se týkají objemu nově poskytnutých hypotečních úvěrů. U objemu bude zkoumána závislost na úrokové míře, přičemž pro získání časové řady úrokové míry bude využita veřejná databáze ARAD, která je součástí informačního servisu České národní banky (ČNB). Pro porovnání se Slovenskou republikou budou data objemu nově poskytnutých hypotečních úvěrů vzata z internetových stránek Národné banky Slovenska (NBS). Z NBS budou získány také data vývoje úrokové míry. Jelikož se jedná o státy s různou měnou, objemy budou v obou případech převedeny na eura. K tomu budou využity kurzy, které na svých stránkách poskytuje ČNB a NBS.

3.2

Metodika

První částí výsledků práce bude regresní analýza, která bude zkoumat závislost objemu nově poskytnutých hypotečních úvěru (zkráceně objem HÚ) v České republice na úrokovou míru. Pro regresní analýzu bude využito čtvrtletních dat počínaje prvním čtvrtletím roku 2004 po čtvrté čtvrtletí roku 2013. Bude tedy využito 40 pozorování. Na úplném začátku v rámci specifikace modelu budou stanoveny vysvětlované (závislé) a vysvětlující (nezávislé) proměnné. Poté bude porovnáno více funkčních forem, ze kterých bude zvolena ta nejvhodnější. Nakonec bude pro každou proměnnou zvoleno znaménko podle očekávání. Dalším krokem bude kvantifikace modelu, ke které bude využito OLS metody neboli metody nejmenších čtverců (MNČ). „Metoda nejmenší čtverců je nejčastěji využívanou metodou k odhadování koeficientů lineárního regresního modelu.“ (Adamec a kol., 2013). Nakonec bude model verifikován, a to z ekonomického, statistického a ekonometrického hlediska viz Hušek (2007). V ekonomické části bude ověřeno, jestli bylo očekávání znamének regresních koeficientů správné. Také bude zhodnocena vhodnost modelu. Ze statistického hlediska budou provedeny jednostranné a oboustranné t-testy a F-test, které určí, zda jednotlivé parametry či model jako celek jsou statisticky významné, blíže viz např. Budíková a kol. (2010). Poslední ověřované hledisko modelu bude ekonometrické. Za využití metod testování statistických hypotéz se bude ověřovat splnění předpokladů, které lze dle Adamce a kol. (2013) uvést v sedmi bodech:


22

1.

Regresní model je lineární v parametrech, je správně specifikován a má aditivně připojen chybový člen.

2. 3.

Chybový člen má nulovou střední hodnotu. Všechny vysvětlující proměnné jsou nekorelované s chybovým členem.

4.

Pozorování chybového členu jsou nekorelována se sebou samými, tj. NENÍ sériová korelace.

5. 6.

Chybový člen má konstantní varianci, tj. NENÍ heteroskedasticita. Žádná vysvětlující proměnná není perfektní lineární kombinací jiné vysvětlující proměnné nebo proměnných, tj. NENÍ perfektní multikolinearita.

7.

Chybový člen má normální rozdělení.

Na základě těchto sedmi předpokladů bude ověřeno, zda jsou odhady regresních koeficientů Best Linear Unbiased Estimator (BLUE) nebo dokonce Best Unbiased Estimator (BUE). Pokud dojde k porušení sedmého předpokladu, odhady nebudou BUE a model nebude mít klasický normální chybový člen. Dojde-li však k minimálně jednomu porušení už u prvních šesti předpokladů, odhady regresních koeficientů nebudou ani BLUE. To pak znamená ztrátu výhodných vlastností, jako jsou nestrannost, maximální vydatnost, konzistentnost a normální rozdělení a o chybovém členu nemůže být řečeno, že je klasickým chybovým členem. Stejný model bude zkoumán i na základě Slovenských dat, pro které bude využito pouze 39 pozorování z důvodu existence dat až od druhého čtvrtletí roku 2004. Průběh zkoumání modelu bude stejný jak u dat ČR. V druhé části výsledků práce bude analyzován vývoj objemu nově poskytnutých hypotečních úvěrů z hlediska času. K proměnné objemu HÚ bude přidána trendová proměnná pro zachycení trendové složky. V případě, že dojde v průběhu dat k výrazné změně v úrovni, bude do modelu přidána dummy proměnná, která pomůže křivce se s tímto zlomem vyrovnat. V případě, že bude detekován zlom, bude zahrnuta i další proměnná, která zahrne změnu nejen v úrovni, ale také v trendu. Pro tento model bude opět využita metoda nejmenších čtverců. Bude provedena specifikace, kvantifikace a verifikace modelu. Průběh bude stejný jako u první části výsledků práce. Pouze u verifikace bude využito rozdílných testů, jelikož v případě časových řad je testován normální bílý šum náhodně složky. Jak uvádí Hindls a kol. (2007), pro bílý šum náhodné složky musí být splněny 3 předpoklady: 1. Nulová střední hodnoty – lze testovat t-testem o střední hodnotě. 2.

Homoskedasticita náhodných poruch – konstantní rozptyl náhodné složky, využití Whiteova testu, případně pro podmíněnou heteroskedasticitu ARCH testu.

3.

Autoregrese náhodných poruch – žádný výskyt sériové korelace, využití Ljungova-Boxova testu (LB test) a Durbinova-Watsonova testu (DW test).


23

Pokud dojde ke splnění těchto tří předpokladů, může být konstatováno, že náhodná složka tvoří bílý šum. Splňuje-li náhodná složka navíc předpoklad normálního rozdělení, tvoří náhodná složka normální bílý šum. Pro porovnání bude stejný postup aplikován i na slovenská data, kde bude také testována náhodná složka. Nakonec bude posuzováno, jestli i tato složka tvoří bílý šum, či nikoli. Pro každý stát bude predikován vývoj objemu nově poskytnutých hypotečních úvěrů na následující dva roky, tedy na dalších osm čtvrtletí. Do modelu časové řady vývoje objemu HÚ bude přidáno osm nových pozorování, na základě čeho bude tento model pomocí OLS metody odhadován. Pro odhadnutý model pak bude vytvořena analýza předpovědi vývoje objemu nově poskytnutých HÚ. Predikce budou stejným způsobem vytvořeny i pro vývoj úrokové míry. Hodnoty predikcí vývoje úrokové míry pak budou využity pro dosazení do odhadovaných modelů vytvořených v rámci regresní analýzy. Tímto bude znovu predikován vývoj objemu HÚ, který bude porovnán s výsledky predikce vývoje objemu nově poskytnutých HÚ vytvořených v rámci časové řady. Celá kapitola výsledky bude vytvořena s využitím programu Gretl a Microsoft Excel.

Výsledky

24

4 Výsledky Část výsledky je rozdělena na dvě kapitoly, z čehož v první kapitole bude analyzována závislost objemu nově poskytnutých hypotečních úvěrů na úrokové míře za využití regresní analýzy. Samotný vývoj hypotečních úvěrů v čase bude analyzován v druhé části za využití analýzy časových řad. Stejný výzkum bude aplikován i na vývoj objemu nově poskytovaných hypotečních úvěrů na Slovensku, který bude nakonec využitím predikcí porovnán s vývojem v ČR.

4.1

Jednoduchá regresní analýza

Za využití regresní analýzy bude zjišťována velikost závislosti objemu nově poskytnutých hypotečních úvěrů (objem HÚ) na úrokovou míru (úrok) mezi lety 2004 až 2013. Údaje jsou brány čtvrtletně. V následujícím grafu jsou časové řady obou proměnných, kde objem HÚ je v mil. Kč a úrok v %:

Obr. 1


Z Obr. 1 lze vidět, že nepřímá závislost těchto proměnných byla zejména mezi lety 2004-2005, 2009-2011 a 2013-2014. Naproti tomu v letech 2006-2008 nebyla závislost téměř žádná. V následujících podkapitolách budou data specifikovány, kvantifikovány a verifikovány, aby bylo odhaleno, jak velká je celková závislost mezi těmito proměnnými a zda je model správný. 4.1.1

Specifikace modelu

Nejdříve musí být určené proměnné modelu, které budou později zkoumány. Sledovaný model bude obsahovat jednu závislou proměnnou a jednu nezávislou, protože jsou sledovány pouze dvě veličiny, a to objemy HÚ a úroková míra. Jelikož nás zajímá závislost objemu nově poskytnutých hypotečních úvěrů na úrokové míře,

Výsledky

25

za závislou (vysvětlovanou) proměnnou Y bude zvolen objem nově poskytnutých HÚ a za vysvětlující (nezávislou) proměnnou X bude považována úroková míra.

Obr. 2

Bodový diagram (úrok x objem HÚ) v původních jednotkách

Z Obr. 2 je viditelná určitá negativní závislost, avšak velmi slabá. Znamená to, že čím bude vyšší úroková míra, tím nižší bude objem nově poskytnutých hypotečních úvěrů. Avšak zde je také nutné zmínit, že úroková míra není jediný faktor, který na objem hypotečních úvěrů působí. Dalšími faktory mohou být např. poplatky spojené s poskytnutím HÚ, aktuální situace na trhu, ceny nemovitostí a další. Pro model musí být zvolena správná funkční forma, která nejlépe popíše daný model. Pro porovnání využijeme lineární a inverzní funkční formu. Tab. 1

Porovnání zvolených funkčních forem

Funkční forma

R2

AIC

BIC

HQC

Lineární Inverzní

0,026 867,229 870,607 868,450 0,055 866,026 869,404 867,247

Pro výběr funkční formy bude využita Tab. 1, která obsahuje korigovaný (adjustovaný) koeficient determinace a informační kritéria, jako je Akaikovo informační kritérium (AIC), Schwarzovo (Bayesovské) informační kritérium (BIC) a Hannanovo-Quinnovo informační kritérium (HQC). Zatímco adjustovaný koeficient determinace by měl mít hodnotu co nejvyšší, informační kritéria by měla být co nejnižší. Proto bude zvolena inverzní funkční forma, u níž mají všechna informační kritéria nejnižší hodnotu a zároveň adjustovaný koeficient determinace je hodnotově vyšší než u lineární funkční formy. Data tak budou proložena trendovou hyperbolou.

Výsledky

26

Jelikož se koeficienty determinace a informační kritéria obou funkčních forem nijak výrazně neliší, mohla by být použita i lineární funkční forma. Matematický zápis inverzní funkční formy je následující: Yt   0  1

1  t . Xt

(1)

Právě závislost objemu HÚ na úrokové míře, která je nepřímo úměrná, vystihuje zvolená inverzní funkce. Hyperbola tak bude mít klesající tendenci a regresní koeficient 1 bude mít kladné znaménko, jelikož se jedná o reciproční vztah. Regresní koeficient 0 bude taktéž kladný, protože se neočekává, že by při velkém růstu úrokové míry došlo k zápornému objemu poskytovaných hypotečních úvěrů. Regresní koeficienty jsou tedy specifikovány jako 0 ≥ 0 a 1 > 0. 4.1.2

Kvantifikace modelu

Metoda nejmenších čtverců kvantifikuje model, pro který byla zvolena inverzní funkční forma. Odhady regresních koeficientů jsou:

Yˆt  15369,4  77315,7 X t1 .

Obr. 3

(2)

Graf závislosti objemu HÚ na úrokové sazbě s inverzní funkční formou

Na Obr. 3 je vidět, že inverzní funkce je klesající, což potvrzuje očekávání závislosti objemu poskytnutých HÚ na úrokovou míru nepřímo úměrně. Hyperbola však klesá jen pozvolna, může být tedy řečeno, že objem hypotečních úvěrů nezávisí pouze na úrokové míře, jak by se mohlo zdát. Na objemy mohou působit také potřeby občanů ČR si v dané době vypůjčit, ceny nemovitostí nebo i poplatky spojení s vyřízením HÚ, jak již bylo uvedeno výše. V případě podnikatelských subjektů může být

Výsledky

27

rozhodující kromě úrokové míry i postavení v konkurenčním prostředí. Pokud bude mít firma dobré postavení na trhu a bude mít velké obraty, tak se bude chtít rozvíjet a investovat stále do nových technologií. Tím pádem bude mít i větší zájem o hypoteční úvěr pro krytí svých investic. Velký vliv může mít na všechny subjekty i zpožděná reakce objemu nově poskytnutých hypotečních úvěrů na změnu úrokové míry v důsledku administrativních záležitostí spojených s vyřízením hypotečního úvěr. Proto bude později odhadnut i model se zpožděním, aby mohlo být ověřeno, zda zpožděná reakce objemu nově poskytnutých HÚ opravdu způsobuje tak malou závislost objemu HÚ na úrokové míře v modelu původním. Nejdříve však bude verifikován model bez zpoždění. V následující tabulce jsou uvedeny směrodatné chyby regresních koeficientů, jejich t-statistiky a p-hodnoty pro inverzní funkční formu. Tab. 2


Koeficient

0 1

Odhad 15369,4

Směr. chyba 9993,3

t-statistika 1,538

p-hodnota 0,1323

77315,7

42740,1

1,809

0,0784

Uvedené p-hodnoty v Tab. 2 jsou pro oboustranný t-test. 4.1.3

Verifikace modelu

Model je verifikován ze tří hledisek, a to z ekonomického, statistického a ekonometrického. 4.1.3.1

Ekonomická verifikace

Z ekonomického hlediska je model správně specifikován, protože se prokázala klesající tendence hyperboly. Ta ověřila, že se v modelu vyskytuje nepřímá závislost objemu poskytnutých hypotečních úvěrů na úrokové míře, avšak závislost není nijak markantní, což ukazuje pouze mírná klesající tendence hyperboly. Statistická významnost jednotlivých regresních koeficientů byla ověřena jednostranným t-testem. Pro regresní koeficient 0 nebyla prokázána alternativní hypotéza 0 > 0 na hladině 5 %. Kritická hodnota pro jednostranný t-test 1,68595 je totiž větší jak t-statistika (viz Tab. 2). Nebyl tedy prokázán předpoklad 0 > 0. Proto lze tvrdit, že regresní koeficient 0 je statisticky nevýznamný a je tedy považován za nulový. Naproti tomu u regresního koeficientu 1 alternativní hypotéza 1 > 0 prokázána byla, jelikož kritická hodnota 1,68595 je menší jako t-statistika z Tab. 2. Znamená to, že čím více se bude zvyšovat úroková míra, tím více se bude objem nově poskytnutých HÚ blížit k hodnotě 15 369, 4 mil. Kč, jak to ukazuje rovnice odhadnutých koeficientů. Tím, že je parametr 0 statisticky nevýznamný, potenciálně se může hodnota objemu HÚ blížit až k nule. U odhadu regresního koeficien-

Výsledky

28

tu 1 bylo jednostranným t-testem ověřeno, že odhad regresního koeficientu je kladné číslo, tedy 77 315,7. 4.1.3.2

Statistická verifikace

Koeficient determinace modelu je 0,0793, což znamená, že tento odhadnutý model vysvětluje pouze 7,93 % proměnlivosti objemu nově poskytnutých hypotečních úvěrů na úrokové míře. Jelikož hodnota není nijak vysoká, je tedy potvrzena myšlenka z kapitoly 4.1.2, že na objemy působí i jiné faktory než jen úroková míra. Konkrétně úroková míra ovlivňuje objemy poskytnutých HÚ, ale ne nijak závratně. Model tak není moc kvalitní. Jeho kvalita by se mohla zvýšit přidáním další proměnné, která objem poskytnutých HÚ také ovlivňuje. Nebo také zohledněním zpoždění, kdy lze předpokládat, že objem nově poskytnutých hypotečních úvěrů reaguje zpožděně na úrokovou míru. Významnost modelu je ověřena pomocí F-testu, přičemž p-hodnota je 0,0784. Lze tedy tvrdit, že na 5% hladině významnosti není nulová hypotéza o nevýznamnosti modelu zamítnuta, jelikož p-hodnota je větší než hladina významnosti. Tento model je tedy na hladině významnosti 5 % statisticky nevýznamný. Dále je statistická významnost ověřena pro každý regresní koeficient zvlášť pomocí oboustranného t-testu. V tomto případě u regresního koeficientu 0 je phodnota 0,1323, a proto na hladině významnosti 5 % se nulová hypotéza o statistické neprůkaznosti nezamítá. Pro regresní koeficient 1 je p-hodnota 0,0784, tudíž se i nulová hypotéza pro tento regresní koeficient nezamítá, a regresní koeficient 1 je tedy také statisticky neprůkazný. Zde je vidět rozdíl oproti jednostrannému ttestu, kdy nám vyšel regresní koeficient 1 kladný a tedy statisticky významný. Přesto, že statistická verifikace ukázala, že tento model není ideální, Tab. 1 ukazuje, že inverzní funkční forma modelu je nejlepší ze všech zkoumaných variant. 4.1.3.3

Ekonometrická verifikace

Model musí být verifikován i z ekonometrického hlediska, kde budou využity testy k tomu, aby byly ověřeny všechny předpoklady modelu. Testována bude správná specifikace modelu, správná funkční forma a ověřovány předpoklady klasického lineárního modelu, tj. testována sériová korelace chybového členu, heteroskedasticita chybového členu a normální rozdělení chybového členu (viz Tab. 3).

Výsledky Tab. 3

29 Testy reziduí pro ověření předpokladů modelu pro ČR

Test

Testovací statistika

p-hodnota

RESET test

1,51589

0,23300

LM test (mocniny)

3,10697

0,07796

LM test (logaritmy)

3,10144

0,07822

Ljungův-Boxův test

37,52880

<0,0001

Durbinův-Watsonův test

0,85333

<0,0001

Whiteův test

4,82116

0,08976

Breusch-Paganův test

4,47567

0,03438

Shapiro-Wilkův test Chí-kvadrát

0,94753 7,47300

0,06239 0,02384

Pomocí RESET testu bude ověřena správná specifikace modelu. V Tab. 3 je vidět, že p-hodnota u tohoto testu je 0,233, což znamená, že nulová hypotéza o správné specifikaci modelu se na 5% hladině významnosti nezamítá. Model je tedy správně specifikován. Stejně tak LM test testuje správnou specifikaci modelu a v obou případech, jak pro mocniny, tak pro logaritmy nulová hypotéza nebude zamítnuta. Tím i LM test potvrzuje správnou specifikaci modelu. Protože jsou zkoumány časové řady, jako další bude pomocí Ljungova-Boxova (LB) testu a DurbinovaWatsonova (DW) testu ověřována sériová korelace, nazývána také jako autokorelace. U obou testů je p-hodnota téměř nulová, tedy menší než 5% hladina významnosti a nulovou hypotézu, která říká, že chybový člen není autokorelován, zamítáme. Chybový člen pro tento model obsahuje sériovou korelaci. Může to být způsobeno čtvrtletními časovými řadami, kde je výskyt autokorelace vyšší. Potvrzuje to také Obr. 4, z kterého je patrné, že hodnoty některých autokorelačních koeficientů jsou statisticky významné. To dokazují červené sloupce, které znázorňují jejich hodnoty, jež některé jsou větší než kritická hodnota zachycená modrými hranicemi.

Výsledky

Obr. 4

30

Korelogram reziduí

Whiteův test a Breusch-Paganův test ověřuje, jestli je u modelu konstantní rozptyl chybového členu, tedy homoskedasticita. V tomto případě se však testy rozchází. Whiteův test má p-hodnotu větší jak hladina významnosti 5 %, a proto lze říci, že nulová hypotéza o homoskedasticitě chybového členu se nezamítá. Ovšem u Breuschova-Paganova testu vyšla p-hodnota méně než 5% hladina významnosti a tudíž je nulová hypotéza zamítnuta. U Whiteova testu, kde nulová hypotéza nebyla zamítnuta, to ale nemusí nutně znamenat, že model konstantní rozptyl má. Pouze není vyloučeno, že by chybový člen nemohl mít konstantní rozptyl. Tím, že BreuchPaganův test homoskedasticitu zamítnul, ukázalo se, že předpoklad o konstantním rozptylu byl porušen. Heteroskedasticita by se v tomto případě dala odstranit změnou funkční formy z inverzní na lineární či využití logaritmů a přechod např. na logaritmicko-lineární funkční formu. Pak by mohl model mít konstantní rozptyl a nemusela by zde být existence heteroskedasticity. Test Chí-kvadrát neboli test dobré shody testuje normalitu rozdělení chybového členu. V tomto případě má hodnotu 0,02384, a proto je nulová hypotéza o normálním rozdělení chybového členu zamítnuta na 5% hladině významnosti. Tím je snížena i vypovídací schopnost F-testu a t-testů. Porušení normality můžeme vidět i na následujícím obrázku:

Výsledky

Obr. 5

31

Normalita reziduí

Multikolinearita u tohoto modelu zkoumána být nemusí, jelikož se jedná o model pouze s jedinou vysvětlující proměnnou. Díky testování bylo u modelu zjištěno porušení hned několik předpokladů. I přes to, že RESET testem a LM testem bylo potvrzeno, že inverzní funkční forma je správná, Breuschův-Paganův test při testování homoskedasticity ukázal, že existuje ještě lepší funkční forma pro tento model, a to lineární, kde dojede ke splnění předpokladu homoskedasticity (ověřeno Whiteovým a Breusch-Paganovým testem). Dalším předpokladem, který byl porušen, byl výskyt sériové korelace. Z důvodu, že byly porušeny dva klasické předpoklady regresního modelu, a to IV. (autokorelace) a V. (heteroskedasticita), odhady parametrů nejsou BLUE a nemají tak vlastnosti, jako je nestrannost, konzistentnost a maximální vydatnost. Chybový člen tohoto modelu tak nemůže být z důvodu porušení předpokladů nazýván klasickým chybovým členem. Nesplnění VII. předpokladu pak odhadům regresních koeficientů bere i vlastnost normálního rozdělení. Na závěr může být uvedeno nejen to, že se nejedná o BUE odhady, kterým brání porušení předpokladu normality chybového členu, ale odhady nejsou ani BLUE kvůli výskytu sériové korelace chybového členu a výskytu heteroskedasticity. 4.1.4

Zahrnutí zpožděné proměnné

Jak ukázala verifikace předchozího modelu, inverzní funkční forma nebyla ideální. Proto cílem bude nalézt model, který bude závislost objemu nově poskytnutých hypotečních úvěrů na úrokové míře vysvětlovat lépe. Jedním z důvodů nízké závislosti mezi proměnnými, jak už bylo řečeno, mohla být nutnost administrativy, která souvisí s vyřízením a schválením hypotečního úvěru. Často administrativa zabere dlouhou dobu, která způsobuje zpožděnou reakci objemu HÚ na úrokovou míru.

Výsledky

32

Zpožděná reakce objemu nově poskytnutých HÚ je patrná i ze vzájemného korelogramu, který je následující:

Obr. 6

Vzájemný korelogram

V následujícím modelu bude tedy analyzován model, ve kterém bude zahrnuta zpožděná reakce objemu HÚ, a proto bude za zpožděnou proměnnou zvolena proměnná úrok. To by mělo modelu zajistit větší vypovídací hodnotu. Pro model bude použita lineární funkční forma. Následující OLS odhady byly sestaveny s využitím programu Gretl:

Obr. 7

OLS odhady pro časovou řadu objemu HÚ se zahrnutím zpožděné proměnné

Zlepšení oproti předcházejícímu modelu je markantní. Koeficient determinace vysvětluje 53,75 % proměnlivosti objemu HÚ na úroku, což je o téměř 46 p. b. více než v předchozím modelu. Využitím F-testu je potvrzena statistická průkaznost

Výsledky

33

modelu. Dále pak t-testy ověřili statistickou průkaznost všech regresních koeficientů. Při testování statistických hypotéz bylo dosáhnuto těchto výsledků: Tab. 4

Testy reziduí pro ověření předpokladů modelu se zpožděním

Test RESET test LM test (mocniny) LM test (logaritmy) Ljungův-Boxův test Durbinův-Watsonův test Whiteův test Breusch-Paganův test Chí-kvadrát

Testovací statistika 0,0040 1,7980 1,6607 4,6842 1,4556 18,1056 5,5085 2,1040

p-hodnota 0,9960 0,7729 0,7978 0,3210 0,0238 0,2020 0,2390 0,3493

Z testování lze usoudit, že model je správně specifikován. Navíc se nevyskytuje heteroskedasticita a chybový člen má normální rozdělení na rozdíl od modelu s inverzní funkční formou bez uvažovaného zpoždění objemu HÚ. Přesto, že byla potvrzena alternativní hypotéza o výskytu autokorelace na hladině významnosti 5 % v případě DW testu, hodnota DW statistiky je v oblasti, kde se nedá přesně rozhodnout, zda se autokorelace vyskytuje, či nikoli. Proto bylo využito korelogramu reziduí (viz Obr. 8), z kterého vyplývá, že autokorelace se v modelu nevyskytuje. To je potvrzeno i LB testem 4. řádu.

Výsledky

Obr. 8

34

Korelogram reziduí pro model se zpožděnou proměnnou

Tím došlo ke splnění všech předpokladů, z čehož vyplývá, že model má klasický normální chybový člen a odhady parametrů jsou BUE. Zároveň se potvrdilo, že objem nově poskytnutých hypotečních úvěrů na úrokovou míru opravdu reaguje opožděně až o čtyři čtvrtletí. Důvodem mohly být jak již uvažované často dlouho trvající administrativní záležitosti, tak zpožděná reakce žadatelů na úrokovou míru. 4.1.5

Porovnání se Slovenskem

Pro porovnání závislosti objemu nově poskytnutých hypotečních úvěrů na úrokové míře v ČR bude využito stejných dat i na Slovensku. Stejně jako data pro ČR, budou i slovenská data analyzována za využití regresní úlohy. Jediným rozdílem bude sledované období, kde je v případě Slovenska využito pouze 39 pozorování z důvodů dostupných dat. Sledované období tak začíná až druhým kvartálem roku 2004 a trvá do 4. čtvrtletí roku 2013. Časové řady sledovaných veličin jsou zachyceny na následujícím grafu:

Výsledky

Obr. 9

35


Podle Obr. 9 je možno usuzovat, že nepřímá závislost objemu nově poskytnutých HÚ na úrokové míře je zde znatelná zejména na začátku sledovaného období, tedy v roce 2004, a také od druhé poloviny roku 2006 do konce roku 2009. Právě na konci roku 2008 je v grafu viditelný prudký pokles objemu HÚ. S největší pravděpodobností se jedná o reakci na finanční krizi, která se v té době na trhu začala objevovat. Od té doby je vidět na slovenském trhu hypoték mírná sezónnost objemu nově poskytnutých hypotečních úvěrů s malým vlivem úrokové míry. Zároveň celkově objemy nově poskytnutých HÚ výrazně poklesly oproti předešlému období a na této úrovni se více méně držely po dobu zbylých čtyř let. I v případě Slovenska bude zvolena za nezávislou proměnnou úroková míra a za závislou proměnnou objem nově poskytnutých hypotečních úvěrů. Pro tento model bude zvolena lineární funkce, a proto bude očekávaný tvar rovnice následující: Yt   0  1 X t   t .

(3)

Předpokládá se, že regresní koeficienty budou 0 ≥ 0 a 1 < 0, jelikož se očekává nepřímá závislost objemu nově poskytnutých hypotečních úvěrů na úrokové sazbě. Data jsou opět analyzována pomocí MNČ, pomocí které byl získán následující graf:

Výsledky

Obr. 10

36

Graf lineární závislosti objemu HÚ na úroku

Jak je vidět, závislost u tohoto modelu nesplňuje předešlá očekávání. Předpokládala se nepřímá závislost, avšak z rostoucí křivky na Obr. 10 je znatelné, že závislost je přímá (i když statisticky neprůkazná - viz níže t-test parametru 1). Tedy čím je vyšší úroková míra, tím vyšší je i objem nově poskytnutých hypoték. Odhady pro regresní koeficienty jsou pro tento model následující:

Yˆt  51579,5  14237,2 X t .

(4)

I podle odhadů regresních koeficientů lze tvrdit, že se jedná o přímou závislost, jelikož hodnota regresního koeficientu 1 je 14237,2, tedy hodnota větší jak 0. V tomto případě to znamená, že pokud se úroková míra změní o 1 p. b., objem HÚ se zvýší o 14237,2 tis. EUR. Když bude úroková míra rovna nule, objem nově poskytnutých HÚ bude minimálně 51579,5 tis. EUR, čemuž nasvědčuje regresní koeficient 0. Odhadnutý model vysvětluje pouze 3,92 %, proměnlivosti objemu nově poskytnutých HÚ na úrokové míře. Proto lze usuzovat, že na objem nově poskytnutých hypotečních úvěrů působí především jiné vlivy, jako např. míra nezaměstnanosti, výše poplatků za vyřízení HÚ, ceny nemovitostí atd. Také průkaznost lineárního modelu byla pomocí F-testu a dílčích t-testů vyvrácena, jelikož ve všech případech nebyla zamítnuta na hladině významnosti 5 % nulová hypotéza o neprůkaznosti modelu i jednotlivých parametrů. Zdá se, že na Slovensku nemá úroková míra na objem nově poskytnutých hypotečních úvěrů vliv, jelikož se tento vliv neprokázal. Z důvodu neprůkaznosti modelu nebude tento model dále verifikován. V porovnání s Českou republikou je viditelný rozdíl na trhu s hypotečními úvěry. Zatímco v ČR se potvrdila nepřímá zpožděná závislost objemu nově poskytnutých hypotečních úvěrů na úrokové míře, na slovenském trhu hypotečních úvěrů působí především jiné vlivy (viz výše). Příčinou by mohla být i neustálá vysoká úroková míra na slovenském trhu hypotečních úvěrů a nedostatečný vlastní kapi-

Výsledky

37

tál žadatelů na pořízení nemovitosti. Tím jsou žadatelé nuceni faktor úrokové míry při volbě hypotéky ignorovat. Co se týče vysoké úrokové míry na Slovensku, Magazín ako investovať dokonce ukazuje, že v období 2008-2011 dosahuje na Slovensku úroková míra na bydlení nejvyšších hodnot z celé Evropské měnové unie. Tento poznatek je doprovázen grafem na Obr. 11. Zároveň ale tvrdí, že vysoká úroková sazba nemusí nutně značit stát se špatnou ekonomikou.7 Podle TREND.SK je příčinnou vysoké úrokové sazby na Slovensku menší a rizikovější trh a velké náklady na refinancování. Zároveň banky mohou poskytovat hypotéky za vyšší úrokovou sazbu, protože Slováci nemají jinou možnost, kde si o úvěr na bydlení zažádat.8

Obr. 11

Úrokové sazby v období 2008-2011 v Evropské měnové unii

Zdroj: MAGAZIN AKO INVESTOVAŤ (2012)

4.2 4.2.1

Časové řady Vývoj časové řady objemu nově poskytnutých HÚ v ČR

V této kapitole bude objem nově poskytnutých hypotečních úvěrů v České republice analyzován v závislosti na čase. I zde bude zkoumána časová řada od prvního čtvrtletí 2004 do posledního čtvrtletí roku 2013. Pro časové řady však využijeme

GLASA, Filip. Úroky hypoték na Slovensku a v Eurozóne. In: MAGAZÍN AKO INVESTOVAŤ: Investovanie, financie, sporenie [online]. 10.2.2012 [cit. 2014-05-10]. Dostupné z: http://akoinvestovat.sk/index.php/uroky-hypotek-eurozona-vs-slovensko 8 KLÁSEKOVÁ, Martina a Jana VAVŘINKOVÁ. Prečo má Slovensko drahé hypotéky. In: TREND.SK [online]. 21.10.2009 [cit. 2014-05-10]. Dostupné z: http://financie.etrend.sk/osobnefinancie/preco-mame-najdrahsie-hypoteky-v-europe.html 7

Výsledky

38

objemy v tisících EUR, aby to bylo lépe porovnatelné s časovou řadou objemu HÚ na Slovensku. V modelování časové řady objemu HÚ bude nezávislou proměnnou time (čas) a závislou proměnnou objem nově poskytnutých HÚ. Vývoj objemu HÚ v tis. EUR v čase je takový:

Obr. 12

Graf časové řady objemu HÚ v ČR

Z Obr. 12 je patrné, že žádná sezónnost na trhu hypotečních úvěrů se nevyskytuje. Časová řada objemu nově poskytnutých hypotečních úvěrů spíše kopíruje finanční situaci na trhu ČR. Tento fakt je nejvíce viditelný zejména na počátku roku 2009, kdy došlo k největšímu poklesu objemu HÚ. Příčinnou, která propad vyvolala, byla finanční krize, se kterou se český trh potýkal. V současné době trh hypotečních úvěrů roste, což může být důsledkem situace na trhu stavebnictví. V tomto sektoru krize stále přetrvává a způsobuje tak nízké ceny nemovitostí, čímž vyvolává vyšší poptávku po hypotečních úvěrech sloužících ke krytí těchto nemovitostí. Podle odhadů odborníků by v sektoru stavebnictví mělo dojít k vzestupu až v roce 2015.9 Nejprve je potřeba zjistit, kdy došlo k velkému zlomu ve výstupu modelu vývoje objemu HÚ. V tomto případě jde o prudký pokles kolem roku 2009. Ke zjištění, ve kterém čtvrtletí roku 2009 nastává tento prudký pokles na trhu hypotečních úvěrů, použijeme Quandtův test (QLR), který testuje strukturální zlom časové řady. Jelikož p-hodnota QLR testu se blíží k nule, nulová hypotéza o žádném strukturálním zlomu je na hladině 5 % zamítnuta. Testem bylo tedy zjištěno, že velký zlom nastává v prvním čtvrtletí roku 2009. Zlom je patrný i z následujícího grafu, kde je uvedena F-statistika Chowova testu pro různé období zlomu (QLR statistika je pak maximální dosažená hodnota F-statistiky):

HRUŠOVÁ, Monika. Stavebnictví se letos z krize nedostane. Lepší bude až rok 2015. In: Hypoindex.cz [online]. 2.1.2014 [cit. 2014-03-01]. Dostupné z: http://www.hypoindex.cz/stavebnictvi-seletos-z-krize-nedostane-lepsi-bude-az-rok-2015/? 9

Výsledky

Obr. 13

39

Chowův F-test pro zlom

Bude tedy definována nová proměnná, pro kterou do posledního čtvrtletí roku 2008 budou hodnoty 0 a od prvního čtvrtletí roku 2009 budou hodnoty samé 1. Tím by mělo dojít k zahrnutí zlomu do trendové křivky a model proložený touto křivkou bude mít tak větší vypovídací hodnotu. Pro ještě kvalitnější model může být vytvořena další nová proměnná zlomxtime, která bude vytvořena součinem proměnné zlomu a proměnné času. Tato proměnná zahrne jak změnu v úrovni, tak změnu v trendu a měla by zajistit ještě větší vypovídací hodnotu modelu, což potvrzuje následující tabulka: Tab. 5

Porovnání modelů bez proměnné zlomxtime a s proměnnou

Funkční forma Bez proměnné zlomxtime S proměnnou zlomxtime

R2

AIC

BIC

HQC

0,7033 1116,2310 1121,2970 1118,0620 0,7348 1112,6540 1119,4090 1115,0960

Graf vyrovnaných hodnot proložený lineární křivkou s přidanou proměnnou zlom a proměnnou zlomxtime bude vypadat takto:

Výsledky

Obr. 14

40

Graf skutečných a vyrovnaných hodnot objemu HÚ s proměnnou zlom a zlomxtime

Protože pro tento model byla zvolena lineární funkční forma, obecně bude rovnice ve tvaru: Yt   0  1time   2 zlomt   3 zlomxtimet   t .

(5)

Jelikož zlom značí pokles, ke kterému dojde v prvním čtvrtletí roku 2009, bude se očekávat záporná hodnota tohoto regresního koeficientu. To stejné bude platit i v případě proměnné zlomxtime, protože přímka je ve druhé části plošší. Lze tedy očekávat, že odhady regresních koeficientů budou 0 > 0, 1 > 0, 2 < 0 a 3 < 0. Z hlediska kvantifikace modelu bylo dosaženo těchto odhadů regresních koeficientů:

Yˆt  306879  87354,8time  717024 zlomt  32224,7 zlomxtimet .

(6)

Podle této rovnice je jasné, že předpoklady odhadu regresních koeficientů byly splněny. Regresní odhady parametrů 0 a 1 jsou opravdu větší jak 0 a odhady 2 a 3 jsou menší jak 0. Pro ověření bude ještě každý regresní koeficient ověřen jednostranným ttestem. Budeme vycházet z t-statistik uvedených v následující tabulce: Tab. 6


Koeficient

0 1 2 3

Odhad 306879,00 87354,80 -717024,00 -32224,70

Směr. chyba 117617,00 9818,45 326676,00 13885,40

t-statistika 2,6090 8,8970 -2,1950 -2,3210

p-hodnota 0,0131 <0,0001 0,0347 0,0261

Výsledky

41

V Tab. 6 se jedná o p-hodnotu pro oboustranný t-test. Nulové hypotézy jednotlivých regresních koeficientů jsou 0 ≤ 0, 1 ≤ 0, 2 ≥ 0 a 3 ≥ 0, zatímco kritické hodnoty jsou t0,95(36) = 1,6883 a t0,05(36) = -1,6883. Pro regresní koeficient 0 byla alternativní hypotéza 0 > 0 na hladině významnosti 5 % prokázána. Je tedy jasné, že pokud všechny nezávislé proměnné budou nabývat hodnoty 0, objem nově poskytnutých hypotečních úvěrů bude minimálně 306 879 tis. EUR. U regresního koeficientu 1 jednostranný t-test prokázal také alternativní hypotézu 1 > 0. Ke stejnému výsledku bylo dosáhnuto za pomocí ttestů i v případě regresních koeficientů 2 a 3, kdy byly potvrzeny také alternativní hypotézy hovořící o zápornosti parametrů 2 a 3, čímž jsou oba koeficienty menší jak nula. Lze tedy říci, že očekávání, jakých hodnot budou nabývat regresní koeficienty, bylo správné. Hodnota koeficientu determinace je pro tento model 0,7552. Tím model vysvětluje 75,52 % proměnlivosti objemu nově poskytnutých hypotečních úvěrů na nezávislé proměnné time a dvou dummy proměnných, kterými jsou zlom a součin zlomu a času, tj. zlomxtime. Jelikož koeficient determinace zkoumaného modelu nabývá poměrně dost vysoké hodnoty, znamená to, že model má velkou vypovídací hodnotu a přidání dvou dummy proměnných modelu prospělo k vyrovnání časové řady objemu nově poskytnutých HÚ. Dále je ověřena významnost modelu prostřednictvím F-testu a významnost jednotlivých parametrů prostřednictvím oboustranného t-testu. F-test ukázal, že model je na 5% hladině významnosti statisticky průkazný, jelikož byla potvrzena alternativní hypotéza. P-hodnota je totiž téměř nulová. I v případě oboustranného t-testu byla nulová hypotéza o neprůkaznosti koeficientu na hladině významnosti 5 % zamítnuta, a to u všech regresních koeficientů. Každý regresní koeficient má totiž p-hodnotu menší jak 0,05. Je tak potvrzena statistická významnost celého modelu i všech jednotlivých parametrů. Z hlediska ekonometrického bude ověřována odhadnutá reziduální (náhodná) složka. Konkrétně bude zkoumáno, jestli má tato složka vlastnosti bílého šumu. Všechny vypočtené hodnoty testů pro ověření předpokladů bílého šumu jsou v následující tabulce: Tab. 7

Testy reziduí pro ověření předpokladů bílého šumu časové řady objemu HÚ

Test Ljungův-Boxův test Durbinův-Watsonův test Whiteův test ARCH test Chí-kvadrát

Testovací statistika 10,7066 2,6083 10,5244 2,9616 2,6210

p-hodnota 0,0301 0,9322 0,0617 0,5643 0,2697

Náhodná složka musí mít nulovou střední hodnotu, což v tomto případě není zkoumáno, jelikož se jedná o model odhadovaný OLS metodou, a v takovém přípa-

Výsledky

42

dě je v 99 % střední hodnota nulová. Sériová korelace byla DurbinovýmWatsonovým testem vyvrácena, jelikož nulová hypotéza o žádném výskytu sériové korelace nebyla na hladině významnosti 5 % zamítnuta. Ovšem Ljungův-Boxův 4. řádu tuto skutečnost vyvrátil. Nulová hypotéza byla na hladině významnosti 5 % zamítnuta, a tím je jasné, že sériová korelace se v modelu vykytuje. Sériová korelace je ověřena korelogramem reziduí, který je pro daný model následující:

Obr. 15

Korelogram reziduí modelu časové řady objemu HÚ

Graf korelogramu reziduí (viz Obr. 15) ukazuje na sériovou korelaci v prvním řádu, kde je to ale přesně na hraně. Výrazně přesahuje kritickou hodnotu v řádu pátém, což ale není odůvodnitelné, že pouze tady je kritická o tolik překročena. Hraniční výskyt sériové korelace chybového členu tak nebude řešen, pouze je vhodné v této souvislosti upozornit na vyšší standardní chyby koeficientů, které by mohly způsobit statistickou neprůkaznost těchto koeficientů. Konstantní rozptyl byl testován Whiteova testem, který ukázal, že rozptyl je konstantní, protože nulová hypotéza byla potvrzena na 5% hladině významnosti. Byla prokázána také podmíněná homoskedasticita využitím ARCH testu. Vzhledem k těmto výsledkům, lze říci, že náhodná složka splňuje nutné předpoklady a představuje tak bílý šum. Navíc test dobré shody ukázal, že náhodná složka má normální rozdělení. Tudíž lze říci, že se zde vyskytuje normální bílý šum. 4.2.1.1

Predikce pro vývoj objemu nově poskytnutých HÚ

Vývoj objemu nově poskytnutých hypotečních úvěrů bude predikováno na osm následujících čtvrtletí, tedy dva roky. Předpověď bude od prvního čtvrtletí roku 2014 do posledního čtvrtletí 2015. Při analýze předpovědi bylo dosáhnuto těchto výsledků:

Výsledky Tab. 8

43 Předpovědi vývoje objemu HÚ v ČR

Období 2014

2015

I II III IV I II III IV

Objemy HÚ v tis. EUR 1850188,561 1905318,644 1960448,727 2015578,810 2070708,893 2125838,976 2180969,059 2236099,142

Z predikce vývoje objemu nově poskytnutých hypotečních úvěrů lze vyvodit, že se očekává neustálý růst objemu. Rostoucí předpokládaný objemu HÚ lze jasně vidět i na následujícím grafu:

Obr. 16

Předpověď vývoje objemu nově poskytnutých HÚ v ČR

4.2.2

Vývoj časové řady objemu nově poskytnutých HÚ v SR

Pro Slovenskou republiku bude také zkoumán vývoj objemu nově poskytnutých hypotečních úvěrů v čase, aby byl následně porovnán s vývojem objemu HÚ v ČR. Z důvodu dostupnosti dat bude opět využito o jedno pozorování méně než v případě ČR a časová řada tak bude začínat až druhým čtvrtletím roku 2004. Končit bude stejně jako u ČR, tedy posledním čtvrtletím 2013. Využitá data jsou také v tisících EUR. Na následujícím grafu je zachycena časová řada vývoje objemu nově poskytnutých hypotečních úvěrů na Slovensku:

Výsledky

Obr. 17

44

Graf časové řady objemu HÚ na Slovensku

Z grafu je jasně vidět, že od začátku časové řady zhruba do roku 2008 má objem nově poskytnutých hypotečních úvěrů rostoucí tendenci. Poté však následuje výrazný pokles, který je možno spojovat stejně jako v případě ČR s finanční krizí, která se v té době na trhu začínala projevovat. Další velkou příčinnou mohla být i obava z nadcházející změny slovenské koruny na euro, ke které došlo v lednu 2009. Od roku 2009 je objem nově poskytnutých HÚ spíše stagnující, kde se nejdříve projevuje roční sezónnost a od roku 2012 spíše půlroční sezónnost. S využitím QLR testu byla nulová hypotéza o žádném strukturálním zlomu na 5% hladině významnosti zamítnuta. Zároveň bylo zjištěno, že ke zlomu dochází ve čtvrtém čtvrtletí roku 2008. To lze vidět i na tomto grafu, který zachycuje Fstatistiku Chowova testu pro různé období zlomu (QLR statistika je pak maximální dosažená hodnota F-statistiky):

Výsledky

Obr. 18

45

Chowův F-test pro zlom na Slovensku

Opět bude deklarována nová dummy proměnná zlom, u které budou hodnoty do 3. čtvrtletí roku 2008 nula a u všech ostatních budou hodnoty jedna. Tím bude zajištěno vyrovnání zlomu trendovou křivkou. Pro zahrnutí změny jak v úrovni, tak v trendu bude přidána ještě další nová proměnná zlomxtime jako tomu bylo v případě vývoje objemu HÚ v ČR. Tato proměnná je opět součinem proměnné času a zlomu. Graf po přidání obou proměnných bude vypadat takto:

Obr. 19

Graf vyrovnaných a skutečných hodnot objemu HÚ s proměnnou zlom a zlomxtime v SR

Očekávaná rovnice pro lineární model s dvěma proměnnými je následující: Yt   0  1time   2 zlomt   3 zlomxtimet   t .

Přičemž se očekává, že odhady parametrů budou 0 > 0, 1 > 0, 2 < 0 a 3 < 0.

(7)

Výsledky

46

Lineární model byl kvantifikován, kde bylo dosaženo těchto výsledků:

Yˆt  53934  11744,8time  51928,9 zlomt  12029,1zlomxtimet .

(8)

Z této rovnice vyplývá, že očekávané předpoklady odhadu byly správné ve všech případech až na 2, kde se očekávala záporná hodnota odhadu, ale výsledky značí hodnotu kladnou. Budou tedy všechny odhadnuté parametry testovány jednostranným t-testem. Tab. 9

Hodnoty regresních koeficientů na Slovensku

Koeficient

0 1 2 3

Odhad Směr. chyba 53934,00 15323,50 11744,80 1415,65 51928,90 36627,00 -12029,10 1806,94

t-statistika 3,520 8,296 1,418 -6,657

p-hodnota 0,0012 0,0001 0,1651 0,0001

P-hodnoty uvedené v tabulce jsou pro oboustranný t-test. V tomto případě však bude výhodnější využít jednostranný t-test, pro něhož jsou kritické hodnoty následující t0,95 (35) = 1,68957 a t0,05 (35) = -1,68957, přičemž nulové hypotézy jsou pro jednotlivé parametry 0 ≤ 0, 1 ≤ 0, 2 ≤ 0 a 3 ≥ 0. Jednostranný t-test zamítl nulové hypotézy všech parametrů až na parametr 2. Potvrdilo se tak, že pro parametry platí 0 > 0, 1 > 0 a 3 < 0. Naproti tomu u parametru 2 nebyla nulová hypotéza zamítnuta, a tím lze říci, že tento parametr je statisticky nevýznamný, což neodporuje stanoveným předpokladům. Koeficient determinace je 0,7665 a model tedy vysvětlil 76,65 % proměnlivosti objemu nově poskytnutých hypotečních úvěrů na čase. Model tak má poměrně velkou vypovídací hodnotu. Co se týče významnosti modelu, otestováním pomocí F-testu bylo prokázáno, že model je statisticky významný. Jelikož p-hodnota je blízká nule, nulová hypotéza o nevýznamnosti modelu byla na hladině významnosti 5 % zamítnuta. I oboustranným t-testem bylo potvrzeno, že každý regresní koeficient je statisticky významný (viz Tab. 9), až na koeficient 2, což potvrzují i výsledky získané pomocí jednostranného t-testu. Výsledky testů pro ověření předpokladů náhodné složky představující bílý šum jsou v následující tabulce:

Výsledky Tab. 10

47 Testy reziduí pro ověření předpokladů bílého šumu časové řady objemu HÚ v SR



p-hodnota 0,7810 0,2446 0,0012 0,0582 0,1135

Z Tab. 10 vyplývá, že autokorelace náhodné složky se zde nevyskytuje, jelikož pomocí DW testu a LB testu 4. řádu není zamítnuta nulová hypotéza o žádném výskytu sériové korelace na 5% hladině významnosti. Podle korelogramu (viz Obr. 20) se sice autokorelace v modelu vyskytuje (viz pátý řád přesahující kritickou hodnotu), avšak není to stejně jak u ČR odůvodnitelné, proč by jen tady došlo k porušení.

Obr. 20

Korelogram pro časovou řadu objemu HÚ na Slovensku

ARCH test nulovou hypotézu o podmíněném konstantním rozptylu na stejné hladině významnosti nezamítl, čímž je potvrzena podmíněná homoskedasticita náhodné složky. Naproti tomu Whiteova testem byla prokázána heteroskedasticita náhodné složky. Proto lze tvrdit, že náhodná složka nesplňující nutné předpoklady nepředstavuje bílý šum. 4.2.2.1

Predikce pro vývoj objemu nově poskytnutých HÚ

V případě Slovenské republiky budou taktéž vytvořeny předpovědi na 2 roky dopředu. Proto bude také přidáno osm nových pozorování, jelikož se jedná o data čtvrtletní. Výsledné předpovědi jsou v následující tabulce:

Výsledky Tab. 11

48 Predikce pro vývoj objemu nově poskytnutých HÚ v SR

Období 2014

2015



Oproti České republice je z Tab. 11 patrné, že na Slovensku bude docházet po dobu následujících dvou let k poklesu objemu nově poskytnutých hypotečních úvěrů. Tento předpoklad je důsledkem toho, že od konce roku 2008 dochází na Slovensku víceméně k neustálému poklesu objemu nově poskytnutých hypotečních úvěrů. Aby došlo k růstu objemu HÚ, musela by se razantně změnit situace na slovenském trhu hypotečních úvěrů nebo by muselo dojít k zásahům vlády Slovenska, např. snížením daní z nemovitostí. Předpovědi jsou pro lepší představu graficky znázorněny i na tomto obrázku:

Obr. 21

Předpověď vývoje objemu HÚ na Slovensku

4.2.3

Předpovědi pro vývoj úrokové míry v ČR a na Slovensku

Stejně jako u vývoje objemu nově poskytnutých hypotečních úvěrů bude predikován vývoj pro úrokovou míru, a to jak v ČR, tak na Slovensku. V případě vývojů úrokových sazeb bude postupováno obdobně jako u vývojů objemů HÚ, a proto

Výsledky

49

výstupy jednotlivých modelů budou uvedeny v příloze. Zde budou uvedeny pouze samotné predikce vývoje úrokové sazby. Jelikož jsou OLS odhady modelu časové řady úrokové míry v ČR zatíženy autokorelací prvního řádu, mohou být predikce mírně zkresleny. Nicméně v této práci jde spíše o směr vývoje úrokové míry než o přesnou predikci samotného vývoje, a ten zachycen bude. Podle tohoto modelu je v České republice očekávaný vývoj úrokové míry na následujících osm čtvrtletí takový: Tab. 12

Predikce vývoje úrokové sazby v ČR

Období I II III IV I II III IV

2014

2015

Úrok. míra v % 2,77 2,63 2,49 2,35 2,21 2,08 1,94 1,80

Z Tab. 12 vyplývá, že úroková míra bude s největší pravděpodobností v České republice po následujících osm čtvrtletí klesat a dostane se za celé zkoumané období na své minimum. Na Slovensku předpověď ukázala také klesající trend. Predikce úrokové míry na Slovensku jsou v následující tabulce: Tab. 13

Predikce vývoje úrokové sazby v SR

Období 2014

2015


Úrok. míra v % 4,19 4,12 4,05 3,98 3,91 3,84 3,77 3,70

Těchto predikcí bude využito k dosazení do rovnice modelu odhadu regresních koeficientů. Bude tak zjištěna predikce vývoje objemu nově poskytnutých hypotečních úvěrů, čímž bude ověřena již zjištěná predikce na základě časové řady vývoje objemu nově poskytnutých hypotečních úvěrů.

Výsledky

50

Pro Českou republiku bude vývoj objemu nově poskytnutých hypotečních úvěrů predikován na základě dosazení predikované hodnoty úrokové míry do modelu odhadu regresních koeficientů, v níž se počítá se zpožděnou proměnnou o čtyři čtvrtletí, tj. proměnné urokt-1, urokt-2, urokt-3 a urokt-4. Rovnice má tvar:

Yˆt  75094,1  18500,7urokt 1  33929,3urokt 2  34096,6urokt 3  27045,9urokt 4 .(9) Pro porovnatelnost s predikcí vývoje objemu HÚ zjištěné z časové řady bude muset být predikce přepočtena z milionů na tisícikoruny a zároveň na měnu v eurech, pro niž bude použit devizový kurz ze dne 9. 5. 2013. Hodnota v tento den byla podle ČNB 27,39 Kč za euro. Dosazením hodnot a přepočítáním bylo dosaženo těchto predikovaných hodnot vývoje objemu nově poskytnutých hypotečních úvěrů: Tab. 14

Predikce vývoje objemu HÚ za využití predikované hodnoty úrokové míry v ČR

Období 2014

2015



Tab. 14 potvrzuje rostoucí trend predikce vývoje objemu HÚ, který byl zjištěn už v predikci vývoje objemu nově poskytnutých HÚ s využitím časové řady vývoje objemu HÚ (viz Tab. 8). Avšak oproti predikci v Tab. 8 jsou predikované hodnoty vývoje objemu HÚ v Tab. 14 o desetitisíce eur vyšší. Je to způsobeno tím, že hodnoty v Tab. 14 nejsou zcela objektivní z důvodu predikce na základě využití predikovaných hodnot úrokové míry, jejíž OLS odhady jsou zatíženy autokorelací prvního řádu. Hodnoty objemu nově poskytovaných hypotečních úvěrů predikované na základě využití časové řady vývoje objemu HÚ jsou tak pravděpodobně přesnější. U Slovenska bude dosazována předpokládaná hodnota úrokové míry do této rovnice:

Yˆt  51579,5  14237,2 X t .

(10)

Predikce vývoje objemu nově poskytnutých hypotečních úvěrů za využití predikovaných hodnot úrokové míry jsou následující:

Výsledky Tab. 15

51 Predikce vývoje objemu HÚ za využití predikované úrokové míry v SR

Období 2014

2015



V porovnání s predikcí získané z časové řady vývoje objemu HÚ (viz Tab. 11) lze potvrdit očekávaný klesající trend vývoje objemu HÚ. Co se týče hodnot predikcí získané s využitím predikované hodnoty úrokové sazby, i zde jsou vyšší než hodnoty předpokládaného vývoje objemu HÚ zjišťovaného z časové řady vývoje objemu HÚ. Tento rozdíl by mohl být způsoben zahrnutím rostoucí predikované hodnoty úrokové míry do predikce vývoje objemu nově poskytnutých HÚ v Tab. 15. Avšak tím, že závislost objemu HÚ na úrokové míře nebyla na Slovensku prokázána, je nutné tyto odhady brát jen jako orientační. Za přesnější predikované hodnoty vývoje objemu nově poskytnutých HÚ lze tedy považovat ty, jež byly vytvořeny na základě časové řady objemu HÚ.

Diskuze a závěr

52

5 Diskuze a závěr V této práci zabývající se problematikou hypotečních úvěrů byly využity statistické a ekonometrické metody za účelem ověření a kvantifikování předpokladu závislosti objemů hypotečních úvěrů na úrokové sazbě a následné porovnání se Slovenskou republikou. Dílčím cílem bylo zhodnocení vývojů objemu hypotečních úvěrů České republiky a Slovenska, vytvoření predikcí vývojů objemu nově poskytnutých HÚ a vývojů úrokové sazby pro následující dva roky. Úvodní část práce je zaměřena na přiblížení problematiky hypotečních úvěrů, kde je popisován nejen vývoj HÚ v České republice, ale i dělení hypotečních úvěrů, jejich financování, čerpání a splácení. Není opomenut ani způsob zajištění hypotečních úvěrů a bonita klienta. V práci je také vysvětlena úroková míra jakožto cena hypotečního úvěru. V kapitole výsledky jsou zkoumány objemy nově poskytnutých hypotečních úvěrů právě z hlediska kvantifikace dat, která byla brána čtvrtletně za období 2004 až 2013. V první části výsledků práce věnované závislosti objemu nově poskytnutých hypotečních úvěrů na úrokové míře bylo regresní analýzou zkoumáno, jak velká je tato závislost. Pro analýzu byla využita OLS metoda, díky níž byla zjištěna velmi malá závislost objemu nově poskytnutých hypotečních úvěrů na úrokové sazbě, přičemž modelem bylo vysvětleno pouze 7,93 % vlivu úrokové míry ovlivňující objem HÚ. Bylo tedy uvažováno o zpožděné reakci objemu nově poskytnutých HÚ na změnu úrokové míry, k čemuž bylo využito vzájemného korelogramu. Tím byla myšlenka zpožděné reakce potvrzena a bylo zjištěno, že zpožděná reakce trvá až čtyři čtvrtletí, tedy celý jeden rok. Proto byl vytvořen nový model, kde se uvažovalo zpoždění vývoje objemu nově poskytnutých hypotečních úvěrů na úrokové sazbě až o čtyři čtvrtletí. Po otestování metodou nejmenších čtverců byla potvrzena myšlenka zpoždění a proměnlivost objemu nově poskytnutých hypotečních úvěrů na úrokové míře se zvýšila na 53,75 %, což je rozdíl o téměř 46 p. b. než v případě bez zpoždění. Otestováním tohoto modelu bylo zjištěno, že má model BUE odhady a tedy normální klasický chybový člen. Z provedené regresní analýzy vyplývá, že objemy nově poskytnutých HÚ v ČR opravdu reagují opožděně na úrokovou míru, což může být způsobeno nejen dlouhým vyřizováním administrativních záležitostí související s pořízením hypotečního úvěru, ale také pomalou přizpůsobivostí nebo informovaností žadatelů. Pro porovnání závislosti objemu nově poskytnutých hypotečních úvěrů na úrokové míře bylo využito slovenských dat. Výsledek analýzy dat byl poněkud překvapující. Bylo totiž zjištěno, že úroková míra nemá na Slovensku významný vliv na objem nově poskytnutých HÚ. Dalo by se to vysvětlit vysokou úrovní úrokové míry a nedostatečným kapitálem žadatelů. Tím dochází k ignoraci výši úrokové míry. Také je patrné, že na objem nově poskytnutých hypotečních úvěrů působí jiné vlivy, jako např. výše poplatků za vyřízení HÚ, výše hodnoty zástavní ceny nemovitosti, trh s nemovitostmi atd. Ke stejnému výsledku se dopracovala Kováčová (2013) ve své práci. Při porovnání trhu hypotečních úvěrů v ČR a na Slovensku také zjistila, že závislost objemu nově poskytnutých hypotečních úvěrů na úrokové

Diskuze a závěr

53

sazbě funguje pouze v České republice. Zároveň uvádí, že trh hypotečních úvěrů dosahuje v ČR mnohem větších rozměrů a zdejší úroková míra hypotečních úvěrů se nachází pod úrovní úrokové sazby na Slovensku. V druhé části výsledků práce je analyzována časová řada vývoje objemu nově poskytnutých hypotečních úvěrů. Do modelu byla přidána trendová proměnná a další dvě proměnné za účelem modelování strukturálního zlomu. Po proložení dat trendovou přímkou byl analyzován model opět metodou nejmenších čtverců, čímž došlo k ověření normálního bílého šumu představující náhodnou složku modelu. Z modelu je patrné, že trend vývoje objemu nově poskytnutých hypotečních úvěrů v ČR je rostoucí, avšak v prvním čtvrtletí roku 2009 dochází k prudkému poklesu. Ten je způsobený zejména finanční krizí, s kterou se v té době trh České republiky potýkal. V současné době objem nově poskytnutých hypotečních úvěrů roste, což je mimo jiné důsledkem krize v sektoru stavebnictví, kde je nabídka nemovitostí v současné době příliš vysoká. Tento jev potvrzuje Langerová (2012) ve své práci, která tvrdí, že poptávku po úvěrech na bydlení ovlivňuje také poptávka po nemovitostech na trhu, která je dána především situací na trhu stavebnictví. Pro nadcházející dva roky, tedy osm čtvrtletí, byl predikován vývoj objemu nově poskytnutých hypotečních úvěrů, který předpokládá nárůst objemů za dva roky o 518 566 tis. EUR. Vývoj objemu nově poskytnutých hypotečních úvěrů z hlediska časových řad byl pro porovnání analyzován i na Slovensku, kde do poloviny roku 2008 objem HÚ rostl. V polovině tohoto roku však došlo ke zlomu, a objemy HÚ výrazně poklesly. Příčinnou tohoto poklesu může být stejně jako v ČR finanční krize, která se i na tomto trhu pomalu začínala projevovat. Velký vliv na objem nově poskytnutých hypotečních úvěrů mohla mít i obava z nadcházející změny slovenské koruny na euro. I v analýze časové řady Slovenska byla do modelu přidána trendová proměnná a dvě proměnné za účelem modelování rovněž strukturálního zlomu. OLS metoda prokázala, že náhodná složka modelu vývoje objemu nově poskytnutých hypotečních úvěrů nepředstavuje bílý šum, jelikož byla Whiteova testem prokázána slabá heteroskedasticita náhodné složky, která výrazně neovlivnila výsledky. Predikováním daného modelu bylo zjištěno, že v následujících osmi čtvrtletích bude docházet k poklesu vývoje objemu nově poskytnutých hypotečních úvěrů. Objem nově poskytnutých hypotečních úvěrů by měl podle očekávání klesnout o 12 819 tis. EUR. Aby došlo k růstu objemu HÚ, musela by se buď změnit situace na slovenském trhu, nebo zasáhnout slovenská vláda. Velkou roli by mohlo hrát i zvýhodnění ze strany bank poskytované potenciálním žadatelům, snížení úrovně úrokové míry samotnými bankami, či zlevnění nemovitostí na území Slovenska. Predikován byl také vývoj úrokové míry jak v ČR, tak na Slovensku. Na základě těchto predikcí bylo zjištěno, že v obou těchto zemích bude úroková míra po následujících osm čtvrtletí klesat. S využitím predikcí vývoje úrokové míry v jednotlivých státech byl predikován vývoj objemu nově poskytnutých hypotečních úvěrů. Díky tomu byly potvrzeny predikce vývoje objemu HÚ vytvořených na základě časové řady vývoje objemu nově poskytnutých HÚ, kde byl predikován

Diskuze a závěr

54

rostoucí trend vývoje objemu HÚ v případě ČR a klesající trend v případě Slovenska. Z analýzy dat je patrné, že Češi jsou ovlivnitelní úrokovou mírou mnohem více než obyvatelé Slovenska. Tohoto faktu mohou využívat právě manažeři bank na trhu hypotečních úvěrů v ČR při svých strategiích, kde budou brát úrokovou míru jako nástroj k ovlivnění potenciálních žadatelů. Větší ovlivnitelnost úrokovou mírou v ČR je způsobena zejména tím, že hypoteční úvěry jsou celkově v ČR daleko výhodnější než na Slovensku. Ke stejnému výsledku došla také Langerová (2012), která navíc tento výsledek podpořila porovnáním stejného produktu mHypotéka u stejné banky mBank působící na obou trzích. Samotná poptávka po hypotečních úvěrech je v České republice také daleko větší než na Slovensku, což dokazuje víceméně stále rostoucí linie objemu nově poskytnutých hypotečních úvěrů. Příčinnou může být kromě nižší úrovně úrokové míry také větší touha Čechů po svém vlastním bydlení nebo větší sklon k zadlužování oproti Slovákům. Pro samotné žadatele je výhodnější z hlediska úrokové míry výběr hypotečního úvěru u bank v České republice, jelikož je zde od roku 2004 úroková míra výrazně nižší než na Slovensku, vyjma období finanční krize v roce 2009.

Literatura

55

6 Literatura 6.1

Bibliografické zdroje

ADAMEC, VÁCLAV A LUBOŠ STŘELEC. Ekonometrie I: cvičebnice. Vyd. 1. Brno: Mendelova univerzita v Brně, 2013, 138 s. ISBN 978-80-7375-706-9. BUDÍKOVÁ, MARIE, MARIA KRÁLOVÁ A BOHUMIL MAROŠ. Průvodce základními statistickými metodami. 1. vyd. Praha: Grada, 2010, 272 s. ISBN 978-80-247-3243-5. HINDLS, RICHARD. Statistika pro ekonomy. 8. vyd. Praha: Professional Publishing, 2007, 415 s. ISBN 978-80-86946-43-6. HUŠEK, ROMAN. Ekonometrická analýza. Vyd. 1. Praha: Oeconomica, 2007, 367 s. ISBN 978-80-245-1300-3. HYBLEROVÁ, ŠÁRKA. Zdroje financování bytové výstavby v České republice se zaměřením na hypoteční úvěr. Vyd. 1. V Liberci: TU, 2010, 118 s. ISBN 978-80-7372673-7. KAŠPAROVSKÁ, VLASTA. Banky a komerční obchody. Vyd. 1. Kravaře: Marreal servis, 2010, 172 s. ISBN 978-80-254-6779-4. KOVÁČOVÁ, NATÁLIA. Analýza hypotekárnych úverov na Slovensku. Praha, 2013. Dostupné z: http://www.vse.cz/vskp/37764_analyza_hypotekarnych_u verov_na_slovensku. Bakalářská práce. Vysoká škola ekonomická v Praze, Fakulta financí a účetnictví, Bankovnictví a pojišťovnictví, Finance. Vedoucí práce doc. RNDr. Jarmila Radová, Ph.D. LANGEROVÁ, MARKÉTA. Identifikace faktorů ovlivňujících objem nově poskytnutých úvěrů na bydlení v ČR. Brno, 2012. Bakalářská práce. Mendelova univerzita v Brně, Provozně ekonomická fakulta. Vedoucí práce Ing. Luboš Střelec, Ph.D. SYROVÝ, PETR A MARTIN NOVOTNÝ. Osobní a rodinné finance. 2. aktualiz. vyd. Praha: Grada, 2005, 176 s. ISBN 80-247-1098-6. URBÁNKOVÁ, LUCIE. Hypotéky a stavební spoření. Praha: Dashöfer Holding & Verlag Dashöfer, c2002, 24 s. ISBN 80-86229-57-2.

6.2

Internetové zdroje

ČESKÁ NÁRODNÍ BANKA. ARAD: Systém časových řad [online]. 2003-2009 [cit. 2014-04-29]. Dostupné z: http://www.cnb.cz/docs/ARADY/HTML/index.htm ČESKÁ NÁRODNÍ BANKA. Kurzy devizového trhu [online]. 2003-2014 [cit. 201405-09]. Dostupné z: http://www.cnb.cz/cs/financni_trhy/devizovy_trh/kurzy_devizoveho_trhu/d enni_kurz.jsp Česká republika. ÚPLNÉ ZNĚNÍ ZÁKONA č. 530/1990 Sb., o dluhopisech. In: http://i.iinfo.cz/urs-att/P_530-90-105031151881597.HTM. 1990.

Literatura

56

Česká republika. Zákon č. 190/2004 Sb. o dluhopisech: neoficiální znění ke dni 20. listopadu 2012. In: http://www.cnb.cz/cs/legislativa/leg_kapitalovy_trh/zakony/download/Zak on_190_2004.pdf. 2004. Hypoindex.cz [online]. 2008-2014 [cit. 2014-05-09]. Dostupné z: http://www.hypoindex.cz/ Hypoteční kalkulačka [online]. 2014 [cit. 2014-05-09]. Dostupné z: http://www.hypotecnikalkulacka.cz/ MAGAZÍN AKO INVESTOVAŤ: Investovanie, financie, sporenie [online]. [cit. 201405-10]. Dostupné z: http://ako-investovat.sk/index.php Měšec.cz [online]. 1998-2014 [cit. 2014-05-09]. Dostupné z: http://www.mesec.cz/ MINISTERSTVO PRO MÍSTNÍ ROZVOJ ČR [online]. [cit. 2014-05-09]. Dostupné z: http://mmr.cz/cs/Uvodni-strana NÁRODNÁ BANKA SLOVENSKA. Archív kurzových lístkov NBS [online]. 1993-2008 [cit. 2014-04-29]. Dostupné z: http://www.nbs.sk/sk/statistickeudaje/kurzovy-listok/kurzovy-listok NÁRODNÁ BANKA SLOVENSKA. Informácie o hypotekárnom bankovníctve a úveroch na bývanie [online]. 2004-2014 [cit. 2014-04-29]. Dostupné z: http://www.nbs.sk/sk/dohlad-nad-financnym-trhom/analyzy-spravy-apublikacie-v-oblasti-financneho-trhu/informacie-o-hypotekarnombankovnictve-a-uveroch-na-byvanie NÁRODNÁ BANKA SLOVENSKA. Úvery [online]. 1998-2014 [cit. 2014-04-29]. Dostupné z: http://www.nbs.sk/sk/statisticke-udaje/menova-a-bankovastatistika/statisticke-udaje-penaznych-financnych-institucii/uvery TREND.SK [online]. 2009 [cit. 2014-05-10]. Dostupné z: http://www.etrend.sk/

Přílohy

57

Přílohy


58

A Kompletní důležitá data V následující tabulce jsou všechna důležitá data, která byla využita v této práci, tzn. data objemů nově poskytnutých hypotečních úvěrů a data úrokových sazeb v České a Slovenské republice. Tab. 16

Kompletní data pro ČR

Období 31. 3. 2004 30. 6. 2004 30. 9. 2004 31. 12. 2004 31. 3. 2005 30. 6. 2005 30. 9. 2005 31. 12. 2005 31. 3. 2006 30. 6. 2006 30. 9. 2006 31. 12. 2006 31. 3. 2007 30. 6. 2007 30. 9. 2007 31. 12. 2007 31. 3. 2008 30. 6. 2008 30. 9. 2008 31. 12. 2008 31. 3. 2009 30. 6. 2009 30. 9. 2009 31. 12. 2009

Objem HÚ v mil. Kč 13556,951 20967,920 17867,616 15733,518 16828,314 23171,579 25866,689 32453,817 26019,188 35307,751 31083,292 48249,549 35041,478 59601,333 48996,801 40413,337 29760,683 58977,434 47591,114 48656,121 22457,243 24995,595 21187,450 21109,507

Objem HÚ v Úrok. sazba tis. EUR v% 412881,102 4,90 660198,992 4,71 564359,318 5,09 516445,692 4,84 561974,086 4,34 771614,352 3,94 875353,266 3,84 1118904,223 4,12 909920,895 4,31 1239085,840 4,14 1097186,445 4,33 1754848,118 4,48 1251481,357 4,37 2075616,681 4,54 1774924,869 5,09 1518156,912 5,30 1174686,521 5,52 2468191,421 5,54 1929499,858 5,74 1806762,755 5,69 820206,099 5,68 965453,650 5,71 841941,188 5,71 797638,655 5,66


59

31. 3. 2010 30. 6. 2010 30. 9. 2010 31. 12. 2010 31. 3. 2011 30. 6. 2011 30. 9. 2011 31. 12. 2011 31. 3. 2012 30. 6. 2012 30. 9. 2012 31. 12. 2012 31. 3. 2013 30. 6. 2013 30. 9. 2013 31. 12. 2013

Tab. 17

18819,847 25758,826 22922,302 28360,523 26852,027 40442,235 33029,300 43873,913 28480,439 34768,763 32162,753 47068,369 34391,002 50123,646 44956,262 47103,345

739628,493 1002483,985 931422,267 1131704,828 1094214,629 1661213,185 1334247,627 1700539,264 1151655,439 1356035,998 1293494,993 1872250,159 1336351,350 1931547,052 1746891,859 1717533,090

Kompletní data pro SR

Období 30. 6. 2004 30. 9. 2004 31. 12. 2004 31. 3. 2005 30. 6. 2005 30. 9. 2005 31. 12. 2005 31. 3. 2006 30. 6. 2006 30. 9. 2006 31. 12. 2006 31. 3. 2007 30. 6. 2007 30. 9. 2007 31. 12. 2007

Objem HÚ v tis. EUR 59128,671 108835,078 122973,030 84942,383 141978,843 116915,637 125151,523 124454,010 152299,766 147083,926 134153,858 140076,515 213202,612 223959,487 261551,195

Úrok. sazba v% 7,42 7,66 6,78 5,96 5,07 4,82 4,92 4,92 5,39 6,17 6,46 6,30 5,79 5,78 5,73

5,40 5,01 4,65 4,40 4,32 4,23 4,04 3,72 3,75 3,71 3,59 3,28 3,28 3,06 3,10 3,15


60

31. 3. 2008 30. 6. 2008 30. 9. 2008 31. 12. 2008 31. 3. 2009 30. 6. 2009 30. 9. 2009 31. 12. 2009 31. 3. 2010 30. 6. 2010 30. 9. 2010 31. 12. 2010 31. 3. 2011 30. 6. 2011 30. 9. 2011 31. 12. 2011 31. 3. 2012 30. 6. 2012 30. 9. 2012 31. 12. 2012 31. 3. 2013 30. 6. 2013 30. 9. 2013 31. 12. 2013

284029,641 340917,774 197524,604 104357,001 73716,750 112498,000 102073,000 92804,000 72124,000 142666,000 114193,000 84668,000 69051,000 150918,000 105621,000 87856,000 77823,000 98083,000 82133,000 98640,000 82246,000 105859,000 87363,000 105322,000

5,76 5,85 6,16 6,35 5,89 5,54 5,69 5,27 5,33 5,22 5,18 4,95 4,93 4,99 5,22 5,10 5,28 5,06 4,69 4,44 4,42 4,08 3,78 3,63

Výstupy modelů časových řad úrokové sazby

61

B Výstupy modelů časových řad úrokové sazby Zde jsou OLS odhady jednotlivých modelů časových řad úrokové sazby společně s testy reziduí pro ověření předpokladů bílého šumu, a to jak v ČR, tak na Slovensku. Tab. 18

Hodnoty regresních koeficientů modelu úrokové míry v ČR

Koeficient

0 1 2 3

Tab. 19

Odhad 4,46 0,01 3,98 -0,15

Směr. chyba 0,18 0,02 0,35 0,02

t-statistika 24,480 0,365 11,320 -6,769

p-hodnota 0,0000 0,7173 0,0000 0,0000

Testy reziduí pro ověření předpokladů bílého šumu časové řady úrokové míry SR



P-hodnota 0,0033 0,0000 0,0506 0,0004 0,7830


62

Obr. 22

Korelogram reziduí modelu časové řady úrokové sazby ČR

Tab. 20

Hodnoty regresních koeficientů modelu úrokové míry v SR

Koeficient Odhad 7,97 0 -0,45 1 -0,99 2 0,38 3

Tab. 21

Směr. chyba 0,29 0,06 0,35 0,06

t-statistika 27,360 -7,817 -2,842 6,550

p-hodnota <0,0001 0,0001 <0,0074 <0,0001

Testy reziduí pro ověření předpokladů bílého šumu časové řady úrokové míry SR



p-hodnota 0,2560 0,0014 0,1862 0,4736 0,4374


Obr. 23

Korelogram reziduí modelu časové řady úrokové sazby SR

63

Vliv úrokové sazby na objem poskytnutých hypotečních úvěrů

Recommend Documents