Vliv vybraných faktorů na zadluženost domácností ČR

MENDELOVA UNIVERZITA V BRNĚ PROVOZNĚ EKONOMICKÁ FAKULTA

Vliv vybraných faktorů na zadluženost domácností ČR Bakalářská práce

Vedoucí práce:

Autor práce:

doc. RNDr. Jitka Poměnková, Ph.D.

Jana Králová

Brno 2011

PODĚKOVÁNÍ

Touto cestou bych ráda poděkovala doc. RNDr. Jitce Poměnkové, Ph.D. za cenné rady, připomínky a poskytnuté materiály, které mi pomohly při zpracování bakalářské práce.

PROHLÁŠENÍ

Prohlašuji, ţe jsem tuto bakalářskou práci na téma VLIV VYBRANÝCH FAKTORŮ NA ZADLUŢENOST DOMÁCNOTÍ ČR vypracovala samostatně pod vedením doc. RNDr. Jitky Poměnkové, Ph.D. a za pomocí zdrojů, které uvádím v seznamu literatury.

V Brně dne 20. května 2011

_______________________

ABSTRAKT

KRÁLOVÁ, J, Vliv vybraných faktorů na zadluženost domácností ČR. Bakalářská práce. Brno, 2011.

Bakalářská práce se zabývá identifikací vztahu mezi vybranými faktory a vývojem rostoucího objemu hypotečních úvěrů, na jehoţ základě bude posouzen vliv na zadluţenost domácností v České republice. V teoretické části práce jsou popsány základní pojmy jako zadluţenost domácností, hypoteční úvěry, platební neschopnost, dále jsou zjištěny legislativní podmínky pro poskytování hypotečních úvěrů. Druhá část bakalářské práce je zaměřena na empirickou analýzu, pomocí níţ budou z navrţené skupiny faktorů identifikovány významné faktory, které ovlivňují objem hypotečních úvěrů a dále budou potvrzeny či vyvráceny hypotézy o nezávislosti hypotečních úvěrů na vybraných faktorech a o silnější závislosti na mzdě a úrokové sazbě neţ na ostatních faktorech.

KLÍČOVÁ SLOVA:

zadluţenost domácností, hypoteční úvěr, mzda, úroková sazba, korelační analýza, regresní analýza

ABSTRACT KRÁLOVÁ, J, Influence of selected factors on household debt in Czech Republic. Bachelor thesis. Brno, 2011. This thesis deals with the identification of the relationship between selected factors and the development of the growing volume of mortgage loans, on the basis of which will be the assessed the influence of household debt in the Czech Republic. The theoretical part describes the basic terms of household debt, mortgages loans and insolvency. Next, there are established legislative conditions for providing of mortgage loans. The second part of this thesis is focused on empirical analysis, whereby will be, from proposed groups of factors, identified important factors, that affect the volume of mortgage loans and then will be confirmed or disproved the hypothesis of independence of mortgage loans on selected factors and about stronger dependence on wages and rates, than on other factors. KEY WORDS: household debt, mortgage, wage, interest rate, correlation analysis, regression analysis

Obsah: 1

ÚVOD A CÍL PRÁCE....................................................................................................................... 8 1.1 1.2

2

ÚVOD ........................................................................................................................................... 8 CÍL PRÁCE .................................................................................................................................... 9

LITERÁRNÍ REŠERŠE ................................................................................................................. 10 2.1 ZADLUŢENOST DOMÁCNOSTÍ ..................................................................................................... 11 2.1.1 Úvěry na bydlení ................................................................................................................... 12 2.1.2 Čerpání úvěrů ....................................................................................................................... 14 2.1.3 Zadluženost zahraničních domácností .................................................................................. 14 2.2 PLATEBNÍ NESCHOPNOST A JEJÍ ŘEŠENÍ ...................................................................................... 15 2.2.1 Pojištění proti riziku ............................................................................................................. 16 2.2.2 Insolvence ............................................................................................................................. 16 2.2.3 Exekuce ................................................................................................................................. 18 2.2.4 Rozvoj finanční gramotnosti ................................................................................................. 18 2.3 CHARAKTERISTIKA HYPOTEČNÍCH ÚVĚRŮ ................................................................................. 19 2.3.1 Hypoteční banka ................................................................................................................... 20 2.3.2 Financování hypotečních úvěrů ............................................................................................ 20 2.3.3 Legislativní úprava ............................................................................................................... 21 2.3.4 Cena nemovitosti ................................................................................................................... 21 2.3.5 Průběh hypotečního úvěrového obchodu .............................................................................. 22 2.3.6 Náležitosti úvěrové smlouvy .................................................................................................. 23 2.3.7 Hypoteční trh ........................................................................................................................ 23 2.4 HYPOTEČNÍ KRIZE ...................................................................................................................... 24

3

METODIKA .................................................................................................................................... 25 3.1 EMPIRICKÁ ANALÝZA ................................................................................................................ 25 3.1.1 Přepočet dat .......................................................................................................................... 26 3.1.2 Korelační analýza ................................................................................................................. 26 3.1.3 Regresní analýzy ................................................................................................................... 27 3.1.4 Předpoklady klasického lineárního modelu .......................................................................... 28 3.1.5 Kvalita regresní funkce ......................................................................................................... 29 3.1.6 Testování hypotéz .................................................................................................................. 30

4

PRAKTICKÁ ČÁST ....................................................................................................................... 34 4.1 IDENTIFIKACE VÝZNAMNÝCH FAKTORŮ ..................................................................................... 35 4.2 KORELAČNÍ ANALÝZA ............................................................................................................... 40 4.2.1 Posouzení závislosti hypotečních úvěrů na celkové zadluženosti domácností ...................... 40 4.2.2 Zpoždění vybraných faktorů .................................................................................................. 42 4.3 REGRESNÍ ANALÝZA .................................................................................................................. 44 4.3.1 Odhad modelu ....................................................................................................................... 44 4.3.2 Odhad upraveného modelu ................................................................................................... 45 4.3.3 Parciální korelační koeficienty ............................................................................................. 46 4.3.4 Upravený model se zpožděnou proměnou ............................................................................. 47

5

DISKUSE ......................................................................................................................................... 49

6

ZÁVĚR ............................................................................................................................................. 51

ZDROJE ................................................................................................................................................... 53 LITERATURA........................................................................................................................................... 53 INTERNETOVÉ ZDROJE ............................................................................................................................ 54 7

SEZNAM TABULEK, OBRÁZKŮ A GRAFŮ ............................................................................ 58

8

SEZNAM PŘÍLOH ......................................................................................................................... 59

PŘÍLOHY ................................................................................................................................................. 60

1 Úvod a cíl práce 1.1 Úvod Zadluţenost domácností je jedním z nejvíce diskutovaných témat posledních let. Můţeme o ní slyšet v médiích, můţeme si o ní přečíst v tisku. Jak uvádí různé analýzy a studie, největší podíl na zadluţenosti domácností mají úvěry na bydlení. Tato investice je finančně velmi náročná. Většina lidí si půjčí peníze a zadluţí se tak na několik let, většinou nejsou připraveni na situaci, kdy by nebyli schopni splácet. Nejčastěji se v tomto případě setkáváme s hypotékami na bydlení. Touha po vlastním bydlení a jednoduchost získat úvěr je v tu chvíli přednější neţ moţnost dostat se do problému s platební neschopností. Díky jednoduchosti získání úvěru vypukla velmi diskutovaná hypoteční krize. Hypotéky se sjednávali dokonce bez osobních dokladů a bez udávání výše příjmů. Tato krize nejdříve vypukla v USA, později se dostala i do Evropy. V České republice se prokázala zvýšenou nezaměstnaností. Lidé, kteří přišli o práci, se mohli dostat do potíţí se splácením úvěrů. Se zadluţeností domácností souvisí další aktuální téma a to „Osobní bankrot“ neboli insolvence domácností. Lidé si myslí, ţe své finance mají pod kontrolou, vůbec si nepřipouští, ţe ztratí zaměstnání, budou dlouhodobě nemocní atd. Tyto situace jsou však velmi časté a ovlivňují schopnost dostát svým závazkům. Lidé se tak mohou dostat do problému, o kterých při uzavírání smlouvy ani nepřemýšleli. V dřívějších dobách si lidé nepůjčovali peníze, spíše měli sklon k úsporám. Jak můţeme v posledních letech slyšet v médiích, lidé změnili pohled na zadluţenost. Téměř kaţdý touţí po svém vlastním bydlení a málokdo v dnešní době po ukončení studia má našetřené finance na koupi domu nebo bytu. Tyto půjčky jsou tedy dlouholetou záleţitostí, jelikoţ se jedná o větší finanční částky. Tato změna pohledu na zadluţenost byla způsobena změnou přístupnosti peněz. V dřívějších dobách nebylo tolik institucí, které by půjčili peníze, navíc se poskytovatelé velmi zajímali o klienta, zkoumali jeho schopnost splácet. Dneska je tomu jinak, půjčku dostane téměř kaţdý ţadatel. Pokud jsou hypoteční úvěry přístupné téměř všem, bude zajímavé zjistit, co nejvíce ovlivňuje jejich čerpání.

8

1.2 Cíl práce Hlavním cílem bakalářské práce je prostřednictvím identifikace vztahu mezi vybranými faktory a vývojem rostoucího objemu hypotečních úvěrů posoudit vliv na zadluţenost domácností v České republice v letech 2002–2010. Prvním dílčím cílem je na základě studia odborné literatury a odborných vědeckých článků navrhnout v souladu s ekonomickou teorií skupinu ovlivňujících faktorů a následně z této skupiny faktorů identifikovat pomocí empirické analýzy významné faktory, které ovlivňují čerpání hypotečních úvěrů. Druhým dílčím cílem je posouzení vzájemné závislosti hypotečních úvěrů a jednotlivých vybraných faktorů pomocí korelační analýzy včetně korelace pro zpoţděné proměnné. Třetím dílčím cílem je identifikace statisticky významných faktorů. Nejprve formulovat vícerozměrný regresní model zahrnující skupinu ovlivňujících faktorů dle výsledků prvního dílčího cíle, které budou do modelu zapojeny v řádech zpoţdění dle výsledků druhého dílčího cíle. Následně navrţený vícerozměrný regresní model testovat na statistickou významnost (test významnosti parametrů, test významnosti modelu jako celku) pomocí které budou z navrţené skupiny faktorů identifikovány významné faktory. V teoretické části bude popsán vývoj zadluţenosti, role domácností, legislativní úprava hypotečních úvěrů a řešení problému s platební neschopností.

9

2 Literární rešerše Tématem zadluţenosti domácností se zabývají různé studie, analýzy a články. Mnoho informací je moţné zjistit z České národní banky (ČNB) a Českého statistického úřadu (ČSÚ). Co se týče zahraničí, informace je moţné získat například z Národní banky Slovenska (NBS). O hypotečních úvěrech se můţeme dočíst v literatuře vztahující se k bankovnictví nebo například z webových stránek Hypoindex.cz. Konkrétně zde můţeme zmínit například studii Dupské – Úspory a zadluţenost: ocitly se české domácnosti v dluhové pasti? V této studii se dovíme o situaci v České republice, faktorech, které mají vliv na zadluţenost a na úspory obyvatel např. faktor HDP, změna pohledu na čerpání úvěrů a exekucí. Dalším autorem zabývajícím se tímto tématem byl například Syrový, který napsal knihu Financování vlastního bydlení. V knize se dočteme o problémech, které si člověk nepřipouští při čerpání úvěrů a jejich řešení. Jak autor uvádí, faktor nezaměstnanost je jedním z častých problémů při čerpání úvěrů. Další, kdo se zabývá zadluţeností, je například jiţ zmiňovaná ČNB. Ve své zprávě s názvem Finanční stabilita zjistíme informace o faktoru mzdy ale i o finanční krizi, o které mimo jiné píše velice zajímavě i Kohout ve své knize Finance po krizi: důsledky hospodářské recese a co bude dál. Odbornou literaturou, která se vztahuje k ekonometrické analýze, se zabývají autoři jako je například Cipra, Hindls, Anděl, Hušek, ze zahraničních autorů jsou to například Studenmund, Hill, Griffiths a Judge.

10

2.1 Zadluženost domácností Zadluţování je trendem většiny domácností nejen v České republice. Pro Českou republiku kaţdý rok sestavuje ČNB (2009e) přehled, který obsahuje agregaci zůstatků úvěrů poskytnutých domácnostem v národní měně a ve všech ostatních měnách dle Opatření ČNB č. 2/2009 Věst., ze dne 30. listopadu 2009. Tabulka 1: Přehled o zadlužení domácností rezidentů v České republice Období

Celkovázadluženost

Na bydlení

31.1.2010

1109034,3

692597,8

31.1.2009

1038445,4

623754,8

31.1.2008

884119

522651,1

31.1.2007

663069,8

380388,7

31.1.2006

527695,5

287555,3

Zdroj: Vlastní práce na základě údajů z ČNB (2009d) 1200000 1000000 800000 600000 400000 200000 0 Celková zadluženost Na bydlení

Graf 1: Zadluženost domácností (v mil. Kč) Zdroj: Vlastní práce na základě údajů z ČNB (2009d)

V letech 2000–2009 se zadluţenost domácností zvýšila podle ČSÚ (2011b) osmkrát. I přes tento velký růst je relativní zadluţenost českých domácností ve srovnání s ostatními zeměmi EU o polovinu niţší. Relativní zadluţenost znamená poměr půjček a příjmů domácností. Objem hypotečních úvěrů v roce 2009 je přibliţně stejně velký jako objem termínovaných vkladů u bank. Zadluţování domácností v posledních letech je velmi rychlé, ve srovnání s rokem 2000 kdy zadluţenost byla cca 39,7 mld., v roce 2010 je to uţ 110 mld. Tato rychlost zadluţování domácností se sníţila aţ ve čtvrtém čtvrtletí 2008 a to díky začínající krizi v ekonomice.

11

Podle ČSÚ (2008) „Pohled na zadluženost se mění, česká populace byla až do poloviny 90. let velmi konzervativní a měla sklon k úsporám.“ Nabízí se tady otázka, z jakého důvodu se domácnosti tak rapidně zadluţují? Důvody jsou na straně příjemců peněz i na straně poskytovatelů peněz. Podle ČSÚ (2011b) začali růst spotřební výdaje, na které si domácnosti půjčují. Dalším důvodem je růst ţivotního standardu a růst mezd. Spousta domácností si myslí, ţe s rostoucí mzdou je moţné splácet hypoteční úvěry při zachování si stávající ţivotní úrovně. Největší boom nastal v roce 2007, kdy nákup předmětů dlouhodobé spotřeby činil meziročně 22 %. Růst zadluţenosti byl a je ovlivněn i dalšími faktory a to například snadnou dostupností peněz, nízkými úrokovými sazbami a vysokou konkurencí na trhu s hypotečními úvěry. 2.1.1 Úvěry na bydlení Podle ČSÚ (2011a) „Pořízení vlastního bytu je investice, která mnohonásobně převyšuje roční příjem většiny obyvatel i průměrnou výši jejich úspor. Nicméně investiční poptávka v uplynulých letech rychle rostla.“ Největší podíl na zadluţování domácností měli úvěry na bydlení, které jsou poskytovány buď jako hypoteční úvěry nebo překlenovací či řádné úvěry ze stavebního spoření. Podle ČNB (2005) poměr objemu obou typů úvěrů činí v současnosti asi 2:1 ve prospěch hypotečních úvěrů. Nepatrnou část (asi 5%) tvoří i spotřebitelské úvěry na nemovitosti a půjčky od nebankovních institucí. Úvěry na bytové účely patří k nejvíce rostoucím poloţkám bilance českého bankovního sektoru. Tyto úvěry poskytují banky, které jsou úzce zaměřené na tento typ produktu i banky, které tvoří jen malou část z celkové bilance. Banky, které jsou zaměřené na poskytování hypotečních úvěrů, kryjí především emisí hypotečních zástavních listů.

12

Podíl úvěrů na bydlení na úvěrech obyvatelstvu celkem

90% Podíl hypotečních úvěrů na úvěrech na bydlení

80% 70% 60% 50% 40%

31.1.2009

31.1.2008

31.1.2007

31.1.2006

31.1.2005

31.1.2004

31.1.2003

31.1.2002

31.1.2001

31.1.2000

30%

Graf 2:Podíl úvěrů na bydlení na celkových úvěrech obyvatelstvu a podíl hypotečních úvěrů na úvěrech na bydlení (v %) Zdroj: ČSÚ (2011b)

Z grafu č. 2 je patrné, ţe hypoteční úvěry na bydlení kaţdoročně rostou. Skok v roce 2009 neznamená velký nárůst čerpání hypotečních úvěrů, ale metodickou změnu, kdy mezi hypoteční úvěry zařadili i část překlenovacích úvěrů ze stavebního spoření. To jednorázově zvýšilo podíl hypotečních úvěrů na bydlení. Podle studie Dupské (2008) je patrné ţe na zadluţenost má vliv poskytování úvěrů na bydlení od roku 2003. Meziroční tempo růstu bylo největší u hypotečních úvěrů na bydlení, v roce 2007 však došlo ke zdraţení hypoték a zvýšilo se meziroční tempo růstu u překlenovacích úvěrů za stavebního spoření. Jednalo se o reakci na úrokové sazby. I kdyţ hypoteční úvěry ztratily tempo růstu, vedlo se jim. Nabízeli klientům konkurence lepší podmínky. Díky tomu lidé refinancovali hypoteční úvěry. Lidé uzavírali smlouvy o hypotečních úvěrech, i kdyţ ceny bytů rostly a ekonomická odůvodněnost tohoto chování nebyla opodstatněná. Touha po vlastním bydlení byla hlavním motivem a hnala ceny bytů a domů stále nahoru.

13

2.1.2 Čerpání úvěrů Podle členky bankovní rady a vrchní ředitelky České národní banky Evy Zamrazilové tvoří jiţ zmiňované úvěry na bydlení největší část zadluţenosti domácností. A z těchto úvěrů na bydlení jsou to pak hlavně hypoteční úvěry na bydlení. Aktuálně je jejich objem téměř 700 miliard korun. Problémem se stává platební neschopnost, která byla ke konci roku 2009 u hypotečních úvěrů asi 2,5 %. Jedná se o úvěry, které jsou zajištěny zástavním právem k nemovitosti. U nás podobné problémy jako v USA, kdy hypoteční úvěry ohrozili celý finanční systém, zatím nehrozí. Dluţníci ohroţují pouze stabilitu svých domácností (Vortelová, 2010). Při čerpání úvěrů by se lidé měli zajímat o řadu věcí, jako je například doba splatnosti. Podle Syrového (2005) záleţí na vůli klienta, jakou dobu si zvolí, jelikoţ není dána pevně. Většinou se nabízí doba 5–30 let. Kratší doba by neměla smysl kvůli vysokým měsíčním splátkám, delší doba také ne, jelikoţ by úvěr byl splácen ještě v důchodovém věku. Banka si většinou klade podmínku, aby byl úvěr splacen v produktivním věku klienta. Další věc, o kterou se klient zajímá, je úroková sazba, která závisí na několika faktorech, důleţitá je fixace úrokové sazby. Pokud je fixace kratší, úroková sazba bude niţší. Pokud se bojíme, ţe úroková sazba půjde nahoru a chceme mít větší jistotu, zvolíme si delší dobu fixace, ale v tomto případě úroková sazba bude vyšší. Pro jakou sazbu se rozhodneme, je na nás, buď preferujeme větší jistotu, kdy si připlatíme anebo podstoupíme větší riziko. Nejčastěji je úroková sazba fixována na 5 let, po uplynutí této doby klient můţe splatit úvěr nebo se určí jiná sazba. Dalším důleţitým faktorem je splátka úvěru, která v sobě zahrnuje právě i zmiňovaný úrok. Většinou s klesající výší úvěru klesá i výše splátky úroků a zároveň roste výše splátky jistiny. Celková splátka se nemění. 2.1.3 Zadluženost zahraničních domácností Co se zadluţenosti v zahraničí týče, v této bakalářské práci bych zmínila Slovensko, jelikoţ jsme byli od 28. října 1918 do 31. prosince 1992 Československou republikou. Podle národní banky Slovenska, dále jen NBS (2008), zadluţenost vykazuje dlouhodobý rostoucí trend, přesto se zadluţenost Slovenských domácností pohybuje na nízké úrovni.

14

V září a říjnu 2010 proběhl výzkum o financích a spotřebě domácností. Tento výzkum provedla NBS (2010b). Cílem bylo získat údaje o současné finanční situaci slovenských rodin. Slovenské domácnosti mají dostatečné příjmy v poměru se svými závazky. Schopnost dostát svým závazkům není ohroţena. To se však můţe změnit, pokud banky začnou poskytovat úvěry i rizikovějším skupinám obyvatelstva. Ze studie je jasné, ţe mzdy, nezaměstnanost, inflace a HDP mají vliv na finanční situaci rodin. Hlavně v době krize je třeba se finanční situací zabývat, jelikoţ mzdy se sníţili a nezaměstnanost v posledních letech naopak vzrostla. Stejně jako v České Republice mají největší část na zadluţenosti domácností slovenských domácností podle NBS (2010a) úvěry na bydlení, které tvoří 67 %, dále spotřebitelské úvěry, které dosahuji 20 % a 13 % ostatní. Na celkových úvěrech na bydlení se nejvíce podílí hypoteční úvěry. Trendem jsou hypoteční úvěry s krátkodobou fixací úrokové sazby, protoţe v poslední době je trend klesající úrokové sazby. Úroková sazba ovlivňuje jejich rozhodování. Nejvíce se slovenské domácnosti zadluţují u finančních institucí, dosahují 84 %. Faktory, které ovlivňují finanční situaci slovenských domácností, ovlivňují i finanční situaci českých domácností. Zdrojem údajů o zadluţenosti je zjišťování o příjmech a ţivotních podmínkách domácností (EU SILC). Tyto údaje jsou aktualizované jednou za rok ve všech zemích a to stejnou metodikou, proto je moţné mezinárodní srovnání. Kaţdoroční financování projektu ze strany EU je zajištěno formou grantových dohod, které byly uzavřeny s národními statistickými úřady. V ČR se můţeme dočíst o finanční stabilitě na stránkách ČNB (2010a).

2.2 Platební neschopnost a její řešení S růstem zadluţenosti domácností souvisí i růst problémů s platební neschopností. Strach ze splácení úvěrů přemohla touha po lepší ţivotní úrovni a po lepším bydlení. Platební neschopnost můţe být způsobena například ztrátou zaměstnání, rozvodem nebo i dlouhodobou nemocí. Zatím se lidé nemusejí bát, jelikoţ úspory domácností stále převyšují objem dluhů. Jan Fischer z ČSÚ (2008) uvedl: „ Celkové půjčky domácností tvoří takřka dvě třetiny objemu úspor u bank.“ Řadu českých domácností by ale potíţe se splácením úvěrů a půjček mohli potkat, pokud bude růst úroková sazba nebo se zpomalí

15

růst mezd. Vztah mezi dluţníky a věřiteli upravuje zákon č. 182/2006 Sb., o úpadku a způsobech jeho řešení (dále jen insolvenční zákon) který nabyl účinnosti v roce 2008. 2.2.1 Pojištění proti riziku Jak jiţ bylo zmíněno, hypoteční úvěr je dlouhodobý závazek a nikdo netuší, co se stane. Podle Syrového (2005) stát poskytuje svým občanům určité sociální jistoty v případě, ţe přijdou o příjem, ale v případě splácení úvěru jsou tyto dávky nedostatečné. Výše podpory mnohdy nestačí na pokrytí splátky, natoţ aby zůstaly peníze na ţivobytí. Moţností, jak se dostat do potíţí se splácením je celá řada. Ztráta zaměstnání, která je obvykle nepojistitelná je velmi častým problémem při neschopnosti splácet. Pro tento případ je potřeba mít určitou finanční rezervu, většinou se doporučuje ponechat částku ve výši alespoň 3 měsíčních příjmů. Někomu můţe přijít nelogické si půjčovat peníze a přitom mít rezervu, většinou lidé pouţijí všechny svoje naspořené peníze a půjčí si zbytek. Pak ale nastává situace, kdy nejsme schopni v případě ztráty zaměstnání dostát svým závazkům. Bezpečnější je tedy nepouţít všechny své peníze a půjčit si raději více. Dalším problémem bývá úmrtí nebo invalidita ţivitele. Tento problém, který nelze pokrýt rezervou, je třeba zajistit pojištěním. Doporučuje se volit pojistnou částku minimálně ve výši úvěru. Velmi častým problémem je dlouhodobá nemoc. V tomto případě můţeme pouţít jak vlastní zdroje, tak i pojištění. Důleţité u pojištění je, jak dlouhou karenční dobu si nastavíme. Po tuto dobu pojišťovna nevyplácí ţádné dávky. Platí čím delší tato doba je, tím je pojištění levnější. Doporučuje se volit karenční doba co nejdelší a to 1 měsíc, protoţe na tento měsíc si necháme rezervu měsíčního příjmu. Je moţné nepojišťovat dlouhodobou nemoc, ale pak je potřeba mít rezervu větší. Doba dlouhodobé nemoci je maximálně 1 rok, na který musíme mít rezervu, potom uţ nastupuje invalidní důchod. 2.2.2 Insolvence Předmětem insolvenčního zákona je řešení úpadku, ale i řešení hrozícího úpadku dluţníka soudním řízením tak, aby došlo k uspořádání majetkových vztahů. O úpadku můţeme hovořit, pokud dluţní má více věřitelů, peněţité závazky po dobu delší 30 dnů po

16

lhůtě splatnosti a není schopen je splatit, nachází se v platební neschopnosti, coţ znamená, ţe zastavil podstatnou část plateb svých peněţitých závazků nebo neplní po dobu delší 3 měsíce po lhůtě splatnosti nebo není moţné uspokojit pohledávky vůči dluţníkovi výkonem rozhodnutí nebo exekucí nebo nesplnil povinnost předloţit seznam majetku, závazků či zaměstnanců, kterou mu uloţil insolvenční soud. Nemusíme být nutně v úpadku, stačí tušit, ţe se do něj dostanete a můţeme pak mluvit o hrozícím úpadku. Podle Janků (2010) je ze zákona moţné řešit úpadek následujícími způsoby: 1. Konkurz – jedná se o likvidační způsob řešení úpadku, protoţe je zpeněţen celý majetek dluţníka. Zjištěné pohledávky věřitelů jsou poměrně uspokojeny z výnosu z prodaného majetku insolvenčním správcem. Je to nejjednodušší způsob řešení úpadku. Ostatní neuspokojené pohledávky však nezanikají. 2. Reorganizace – je to nový způsob řešení konkurzu, které můţeme definovat jako postupné uspokojování pohledávek při zachování provozu. Je pouţíváno zejména podnikateli, samotné domácnosti reorganizace nevyuţijí. 3. Oddluţení – můţeme jej provést 2 způsoby a to zpeněţením majetku insolvenčním správcem a uspokojení nejméně 30% pohledávek věřitelů nebo po dobu 5 let splácení nejméně 30% pohledávek věřitelům. Oddluţení neboli osobní bankrot se podle časopisu Ekonom (2010) dotýká osob, jejichţ příjmy nejsou schopny krýt výdaje. Oddluţení je doporučováno těm, kteří jsou schopni jednorázově nebo ve splátkách po dobu nejdéle 5 let uhradit alespoň 30% pohledávek, je to tzv. „druhá šance“. Pokud věřitelé souhlasí, můţe dluţník uhradit i méně. Tato moţnost je pouze pro nepodnikatele a tudíţ se nevztahuje ani na dřívější dluhy z podnikání. Oddluţení je moţné pouze pro nezajištěné závazky, tudíţ zajištěné hypotéky sem nespadají.

17

Graf 3: Oddlužení fyzických osob Zdroj: ČNB (2010a)

2.2.3 Exekuce V případě ţe nesplňujete podmínky úpadku, nemůţete vyuţít ţádné z těchto moţností, protoţe se nemůţete řídit insolvenčním zákonem. V tomto případě je nevyhnutelná exekuce. Exekutor zabavuje a prodává veškerý majetek a z jeho výdělku jsou uspokojeni věřitelé. Exekuce se řídí občanským soudním řádem. Podle časopisu Ekonom (2010) je nejprve na návrh věřitele postoupena pohledávka soudu. Věřitel nemusí spěchat, má na podání návrhu k soudu 3 roky a mezi tím mu naskakují zákonné úroky či smluvní úroky z prodlení popřípadě i další sankce. Navíc nás nemusí nijak upozorňovat na případný nedoplatek. Soud vydá platební rozkaz, který je doručen na adresu trvalého bydliště, poté následuje 15 dní, během kterých je moţnost podat odpor, kterým soud zruší platební rozkaz a nařídí řádné soudní jednání. Pokud odpor podán není, rozkaz nabude právní moci a exekutor uţ má právo na váš majetek. V tomto případě můţete podat opět do 15 dnů odvolání, to však nemá na vliv zabavení popřípadě uhrazení pohledávky ţádný vliv. 2.2.4 Rozvoj finanční gramotnosti ČNB je uţ několik let odpovědná za dohled nad celým finančním trhem a od roku 2008 je pověřena péčí o ochranu spotřebitele na finančním trhu. Podle ČNB (2011c) je nedostatečné povědomí klientů o výhodách a rizicích různých sluţeb a produktů finančních institucí přesto ţe lidé s těmito finančními sluţbami jsou v kontaktu kaţdý den, proto se ČNB rozhodla nabídnout učebnici „Finanční a ekonomická gramotnost“. Je to manuál

18

pro učitele, který má být vyuţit ve výuce. Tato učebnice má slouţit pro mladé budoucí klienty finančních institucí, aby věděli o nástrahách finančních trhů, na jakém principu fungují finanční produkty a sluţby. Pracovní list „Neutrácíme doma více, neţ vyděláváme“ – viz příloha č. 1.

2.3 Charakteristika hypotečních úvěrů Hypoteční úvěry jsou jedny z nejstarších úvěrů. Podle Syrového (2005) nebyly úvěry na počátku své existence příliš známé a moc se nepouţívaly, navíc měli vysoké úrokové sazby a byly pro spoustu lidí nedostupné. Dnes je situace opačná, úrokové sazby jsou niţší a úvěry tím i přístupnější. I kdyţ existují specializované banky, většina univerzálních bank taky nabízí tento typ úvěrů. Podle Šenkýřové (2010) je výhodou specializovaných bank nabízení kvalitnějších sluţeb, dosahování úspor nákladů, které plynou ze specializace na úzký sortiment, další výhodou je, ţe specializované banky mohou mít jednodušší organizaci a řízení. Specializace má však i své nevýhody, například niţší konkurenceschopnost, vyšší riziko úpadku. Podle Dvořáka (2005) mohou hypoteční úvěry poskytovat všechny banky na základě udělené licence. Úvěr je jednou ze základních bankovních činností a k jeho poskytnutí není potřeba ţádné zvláštní povolení, dokonce tuto činnost mohou poskytovat i nebankovní instituce. Speciální licence je pak třeba pro emisi hypotečních zástavních listů. Tyto listy mohou emitovat jen některé banky, jelikoţ je tak zajištěna vysoká bezpečnost, díky které se zvyšuje zájem investorů. Hypoteční úvěr je v zemích s trţní ekonomikou nejběţnějším úvěrem na získání bytu nebo domu. Podle Kašparovské (2010) má hypoteční úvěr ve světě velké vyuţití. Jedná se o úvěr, který neslouţí pouze ke koupi, ale i výstavbě, modernizaci, opravě, vestavbě, dostavbě atd. Můţeme jej rozlišit podle vyuţití na účelový úvěr na investice pouze do nemovitostí nebo na neúčelový, který je moţné vyuţít na ostatní účely. Do roku 2004 byla zrušena podmínka, která říkala, ţe úvěr musí být pouţit na investice do bydlení, teď je pouze podmínkou, ţe hypoteční úvěr je zajištěn zástavním právem k nemovitosti, tzv. hypotékou. Tento pojem má v praxi mnoho významů. Nejčastěji je vyuţíván jako způsob zajištění hypotečního úvěru zástavou nemovitosti. V případě ţe dluţník nedostojí svým závazkům, věřitel bude uspokojen prodejem nemovitosti. Dále se vyuţívá tento pojem jako označení hypoteční úvěrové pohledávky banky. Třetím významem je pořadí vkladu zástavního práva, který je spíše historický. Hypotéka je vázána na konkrétní

19

úvěrovou smlouvu, musí být určen druh závazku, výše závazku a v čí prospěch bude. Obdobným způsobem zajištění je hypotekární (pozemkový) dluh, zástavní právo je zaneseno pouze na nemovitost, druh závazku, výše závazku a v čí prospěch bude, se eviduje aţ při vzniku úvěrové pohledávky zajišťované předmětnou nemovitostí. Tato forma zajištění se v ČR nepouţívá. 2.3.1 Hypoteční banka Hypoteční banky se podle Šenkýřové (2010) orientují jak na poskytování hypotečních úvěrů, tak i na emisi vlastních hypotečních zástavních listů. Nutnou speciální licenci mohou získat speciální i univerzální banky. V ČR jde většinou o univerzální banky, které nabízí i jiné sluţby. V ČR poskytuje hypoteční úvěr několik bank a několik dceřiných společností, patří sem například Česká spořitelna, ČSOB, UniCredit Bank, Raiffeisenbank, GE Money Bank. 2.3.2 Financování hypotečních úvěrů Financování hypotečních úvěrů můţeme podle Kašparovské (2010) rozdělit na dva systémy financování. První systém je financování emisemi HZL,který je zákonně upraven zákonem č. 190/2004 Sb., o dluhopisech a který definuje hypoteční zástavní listy. Podle tohoto zákona, je dluhopis zastupitelný cenný papír, se kterým jsou spojena práva a povinnosti. Podle Dvořáka (2005) jsou hypoteční zástavní listy zvláštním druhem dluhopisů. Mohou je emitovat pouze banky se speciální licencí. Zdroje, které jsou získány jejich emisí, mohou být pouţity pouze k refinancování hypotečních úvěrů, coţ znamená, ţe hypoteční zástavní listy musejí být plně kryty pohledávkami z hypotečních úvěrů nebo částí těchto pohledávek. Označení hypoteční zástavní list musí být součástí názvu dluhopisu. Druhý způsob financování je pomocí ostatních bankovních zdrojů, kde k poskytnutí hypotečních úvěrů stačí pouze licence od ČNB a výše hypotečního úvěru nemá souvislost se zástavní hodnotou nemovitosti. Obecně by výše hypotečních úvěrů neměla překročit hodnotu zastavených nemovitostí. Způsob krytí hypotečních zástavních listů je rozdělen na dva systémy: pohledávkový a zástavní. V ČR se pouţívá při financování hypotečních úvěrů emisemi HZL model pohledávkový, kdy emise HZL jsou vázány na objem pohledávek z hypotečních úvěrů. To znamená, ţe objem vydaných hypotečních zástavních listů včetně úroků nesmí být

20

větší neţ objem hypotečních úvěrových pohledávek a výše těchto pohledávek nesmí překročit 70 % ceny zastavených nemovitostí. Tento model vyuţívá i tzv. náhradní krytí, coţ znamená, ţe z výdělku prodeje hypotečních zástavních listů lze financovat například i vklady u ČNB nebo cenné papíry emitované ČNB. 2.3.3 Legislativní úprava Hypoteční úvěrování se řídí, jak uţ bylo zmíněno v předchozí kapitole zákonem č. 190/2004 Sb., o dluhopisech. Podle §28 tohoto zákona „Hypoteční úvěr je úvěr, jehož splácení včetně příslušenství je zajištěno zástavním právem k nemovitosti, i rozestavěné. Úvěr se považuje za hypoteční úvěr dnem vzniku právních účinků zástavního práva.“, nemovitost se musí nacházet v ČR, na území členského státu EU nebo jiného státu, který tvoří Evropský hospodářský prostor. Obecná smlouva o úvěru se řídí obchodním zákoníkem podle §497 aţ §507 tohoto zákona. Dále se řídí občanským zákoníkem podle §657 tohoto zákona. Zákon č. 586/1992 Sb., o daních z příjmů umoţnil fyzickým osobám odečíst ze základu daně z příjmů částku zaplacenou na úrocích z hypotečního úvěru na financování bytových potřeb. Podle Kašparovké (2010) si mohou odečíst částku do 300 000 Kč ročně. Tento odečet si můţe uplatnit pouze osoba, která je zároveň účastníkem smlouvy. Pokud je osob více, rozdělí si odečet rovným dílem nebo provede odečet pouze jeden z nich. Hypoteční úvěr můţeme tedy vyuţít k jakémukoliv účelu, případně jako neúčelový. Zástavní nemovitost můţe být existující nemovitost i rozestavěná nemovitost, tyto dva pojmy jsou vymezeny v občanském zákoníku v § 119. Zástavní právo k nemovitosti je k zajištění pohledávky, která umoţní věřiteli uspokojení pohledávky zpeněţením zástavní věci, kdyţ dluh nebude včas splněn. 2.3.4 Cena nemovitosti V letech 2005 aţ 2008 ceny nemovitosti v ČR rostly ve všech segmentech, od roku 2009 dochází k jejich poklesu. Došlo také ke změnám ve struktuře cenového růstu mezi regiony. Zatímco v období rychlého růstu cen bytů rostly v regionech rychleji neţ v Praze, v současnosti je tomu naopak (ČNB, 2010a).

21

Hypoteční úvěr lze získat i na rozestavěnou nemovitost. Podle Radové (2005) cena rozestavěné nemovitosti plus cena všech postupně čerpaných částí musí dát dohromady konečnou cenu nemovitosti za předpokladu, ţe vţdy bude limit 70 % ceny zastavované nemovitosti. Lze zapsat následovně: ,

kde

je minimálně potřebná výchozí cena zastavované rozestavěné nemovitosti, jsou jednotlivé dílčí části poskytovaného úvěru, P je celková konečná cena nemovitosti.

2.3.5 Průběh hypotečního úvěrového obchodu Podle Kašparovské (2010) obsahují úvěrové postupy 3 základní fáze: 1. Fáze přípravná zahrnuje: a. ţádost o poskytnutí hypotečního úvěru ze strany klienta, b. prověření úvěruschopnosti ţadatele a účelu hypotečního úvěru, - zjištění disponibilního příjmu klienta, - prověření vlastnických práv k zastavené věci, - ocenění zastavené nemovitosti, - ověření účelu hypotečního úvěru. 2. Fáze schvalovací zahrnuje: a. zpracování návrhu smlouvy, b. projednání a schválení návrhu smlouvy, c. podepsání smlouvy oběma stranami. 3. Fáze realizační: a. klient čerpá poskytnuté finanční prostředky, b. splácí, c. dodrţuje smluvní podmínky,

22

d. po splacení úvěru dojde k výmazu zástavního práva k nemovitosti v katastru nemovitostí. 2.3.6 Náležitosti úvěrové smlouvy Podle Dvořáka (2001) obsahuje smlouva o úvěru obvykle tyto základní náleţitosti. -

Určení smluvních stran – banka jako věřitel, klient banky jako příjemce úvěru neboli dluţník.

-

Výše úvěru a měna – v určené měně je úvěr splatný včetně úroků.

-

Lhůta – v této době můţe dluţník úvěr čerpat.

-

Účel úvěru – pouze u účelových úvěrů, pokud pouţije na jinou věc, banka má právo odstoupit od smlouvy.

-

Doba splatnosti a způsob splácení – stanovuje, jakým způsobem bude úvěr splácen a jakým způsobem budou placeny úroky. Pokud není uvedena doba splatnosti, ze zákona je to 1 měsíc od poţádání o vrácení.

-

Výše a způsob stanovení úrokové sazby – určuje kdy a v jaké výši bude dluţník platit úroky.

-

Zajištění úvěru – určuje moţnosti, jak bance můţe uhradit svoji pohledávku v případě nesplacení úvěru.

2.3.7 Hypoteční trh Podle ČNB (2005) je hypoteční trh nejrychleji rostoucí úvěrový trh v bankovním sektoru ČR, největší podíl mají domovní hypotéky. Prakticky se připisuje vznik hypotečního trhu roku 1996, kdy byly banky velmi opatrné a hypoteční úvěry byly přístupné pouze malé části klientů, kteří měli vysoké příjmy. Z toho lze odvodit, ţe poptávka po úvěrech rostla se zvyšováním se příjmů. Drobní klienti nebyly do této doby v centru pozornosti, zahraniční vlastníci se však rozhodli zaměřit se i na tento segment a od té doby jsou hypoteční úvěry jednou ze základních sluţeb a domácnosti je vyuţívají jako zdroj bytových potřeb.

23

2.4 Hypoteční krize Podle Kohouta (2009) hypoteční krize začala v letech 2001–2003 kdy se americký Federální rezervní systém (dále jen Fed) snaţil zabránit hospodářské recesi pomocí extrémně nízké úrokové sazbě. To se jim podařilo, z problémů jim pomohl stavební boom, který byl způsobený neobvykle levnými a dostupnými hypotékami, které dostali i lidé s nestabilními příjmy. Mezi takovými klienty byli i imigranti a to dokonce nelegální. Hypotéky se nabízeli mnohdy na první pohled výhodné, ze začátku měli velmi nízké sazby, které se však později zvyšovali. Na takové typy hypoték většinou „naletěli“ nevzdělaní lidé. Některé hypoteční firmy šly tak daleko, ţe půjčovaly bez dokládání příjmů. V březnu 2007 trhy i úřady o hrozící hypoteční krizi uţ věděly, ale několik měsíců se nedělo nic, hospodářský růst pokračoval, nezaměstnanost byla na nízké úrovni. Kohout (2009) se zmiňuje „Za všechno může sekuritizace“. Znamená to, ţe několik hypoték bylo dáno dohromady, tvořili úvěrové portfolio, které kryje cenné papíry (dluhové obligace se zástavou). Tyto cenné papíry emitují velké banky z Wall Street. Investují do nich např. banky a penzijní fondy celého světa. Tyto „balíčky hypoték“ se stali prodejné na veřejných trzích, kde by samostatné hypotéky prodejné nebyli. Banky mohli poskytovat stále rizikovější hypotéky. Mělo to fungovat tak, ţe riziko mělo být rozdělené po celé zeměkouli a následky neměly být váţné. Z této teorie fungovala jen část, riziko se sice rozdělilo do celého světa, ale jeho velikost zůstala pořád stejně velká, nerozptýlila se, jak předpokládali. Koncem července 2007 vypukl strach z hypoteční krize, nikdo nevěděl, kde všude rizikové hypotéky mohou být a neví se to ani do dnes. Rok 2007 skončil a lidé si pořádně neuvědomovali, co se děje. Prognóza na rok 2008 předpokládala recesi v USA 40 % – 60 %. Evropa byla ve stejné fázi hospodářského cyklu jak USA a navíc jsou jejich ekonomiky velmi propojeny.

24

3 Metodika V teoretické části je vyuţita metoda deskripce pro základní pojmy, jako jsou hypoteční úvěry, zadluţenost domácností a legislativní úprava. V praktické části je vyuţito empirické analýzy, která zahrnuje klasickou korelační analýzu, vícerozměrnou regresní analýzu a identifikuje významné proměnné. V rámci této analýzy budou otestovány hypotézy: H1: Vývoj hypotečních úvěrů domácností je nezávislý na vybraných faktorech. H2: Vývoj hypotečních úvěrů je více závislý na mzdě a úrokové sazbě neţ na ostatních vybraných faktorech. Hypotézy budou potvrzeny nebo vyvráceny na základě výsledků empirické analýzy.

3.1 Empirická analýza Empirická analýza je podle Huška (2007) ověřování a testování ekonomických i jiných společenských jevů. Pro ekonomii je zřejmé, ţe nelze získat potřebná data pomocí kontrolovaného experimentu, coţ znamená, ţe by byl experiment prováděn ve zcela izolovaném prostředí od vnějších vlivů. Ekonomická data jsou tedy výsledkem působení celé řady měnících se faktorů. Přestoţe nemůţeme experiment izolovat, je zde výhoda v tom, ţe lze pouţít informace z ekonomické teorie. Podle Hindlse (2007) je regresní a korelační analýza matematický popis systematických okolností, které provázejí statistické závislosti. Snaţíme se najít matematickou funkci, která co nejlépe vyjadřuje charakter závislosti a co nejvěrněji zobrazuje průběh změn závislé proměnné. Tato funkce se nazývá regresní funkce. Podle Cipry (2008) existuje několik termínu pro pojem vysvětlovaná proměnná a vysvětlující proměnná. Vysvětlovaná proměnná bývá označována také jako závisle proměnná, regresand nebo efekt. Vysvětlující proměnná bývá označována jako nezávisle proměnná, regresor nebo příčina.

25

3.1.1 Přepočet dat Očištění o inflaci: -

Inflace (I) – bazické indexy: míra inflace vyjádřená přírůstkem indexu spotřebitelských cen k základnímu období (rok 2005=100), zdroj ČSÚ (2011c).

Přepočet na indexy a % meziroční změny:

3.1.2 Korelační analýza Podle Hindlse (2007) korelační analýza klade důraz na posouzení kvality regresní funkce a zjištění intenzity (síly, těsnosti) vzájemného vztahu mezi proměnnými. Jsou-li proměnné lineárně nezávislé, korelační koeficient je nulový, v případě ţe se jedná o přímou lineární závislost, pak se korelační koeficient rovná jedné, v případě nepřímé funkční lineární závislosti se korelační koeficient rovná minus jedné. Korelační koeficient můţeme zapsat podle Cipry (2006) takto:

kde

je kovariance proměnných x a y, jsou variance proměnných x a y.

Pro posouzení oboustranné závislosti bude pro kaţdou proměnnou vypočten výběrový korelační koeficient

. Tento koeficient nám ukazuje těsnost lineární závislosti pro-

měnných

a . Výběrový korelační koeficient můţeme zapsat takto:

kde

je kovariance proměnných x a y.

26

Párový korelační koeficient je v případě více proměnných. Tento koeficient se vypočítá stejně jako korelační koeficient. Párové koeficienty korelace zapisujeme do korelační matice. 3.1.3 Regresní analýzy Regresní analýza je podle Cipry (2008) nejdůleţitějším ekonometrickým nástrojem. Pouţívá se pro kvantitativní popis vztahu mezi ekonomickými a finančními veličinami, které jsou označovány jako proměnné. Je to označení statistických metod, podle kterých vysvětlujeme změnu hodnot jedné proměnné změnami hodnot jiných proměnných a má silnější závěry neţ korelační analýza. Podle Huška (2007) je vícerozměrná regresní analýza nástroj, který nám umoţní kvantifikovat neznámé parametry v případě, ţe statistická data nemůţeme získat na základě experimentu bez vlivu vnějších faktorů. Cílem regresní analýzy je podle Hindlse (2007) se co nejvíce přiblíţit empirickou (vypočítanou) regresní funkcí k hypotetické regresní funkci. Na základě regresní funkce pak při zvolených hodnotách nezávisle proměnných můţeme odhadovat průměrné hodnoty závislé proměnné. Vysvětlovaná proměnná se většinou značí

a vysvětlující pro-

měnná Podle Cipry (2008) můţeme vztah mezi závislou proměnnou nými

a nezávislými proměn-

formálně zapsat takto: ,

kde

t = 1, …, n, je hodnota vysvětlované proměnné

pozorované v čase t,

jsou hodnoty vysvětlujících proměnných pozorované v čase t, jsou neznámé parametry modelu, je reziduální sloţka modelu. K odhadu regresního modelu

a parametrů

, můţeme pouţít různé přístupy, nejčas-

těji se pouţívá metoda nejmenších čtverců (Ordinary Least Squares) dále jen OLS. OLS hledá odhady parametrů

tak, ţe minimalizuje součet čtverců. Pokud model lineární

27

regrese odhadneme, musíme zjistit, zda je opravdu kompatibilní s pouţitými daty. To lze provést pomocí statistických testů nebo pomocí koeficientu determinace. 3.1.4 Předpoklady klasického lineárního modelu Gauss-Markovův teorém říká, ţe pokud jsou splněny klasické předpoklady I aţ VI, pak OLS odhad parametru odhady parametru

má minimální rozptyl mezi všemi lineárními nevychýlenými

, pro j = 0, 1, 2, …, k. V případě ţe zapojíme všechny předpokla-

dy, pak OLS odhad parametru je nejlepší (maximálně vydatný) nevychýlený odhad parametrů ze všech moţných odhadů. I.

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

II.

Chybový člen má nulovou střední hodnotu.

III.

Všechny vysvětlující proměnné jsou nekorelované s chybovým členem.

IV.

Pozorování chybového členu jsou nekorelována se sebou samými = NE sériová korelace.

V. VI.

Chybový člen má konstantní varianci = NE heteroskedasticita. Ţádná vysvětlující proměnná není perfektní lineární kombinací jiné vysvětlující proměnné = NE perfektní multikolinearita.

VII.

Chybový člen je normálně rozdělen

Při splnění všech předpokladů je OLS odhad parametrů povaţován za nejlepší. OLS odhady parametrů mají následující vlastnosti: jsou nestranné, maximálně vydatné, konzistentní a normálně rozdělené (Studendmund, 2005).

28

3.1.5 Kvalita regresní funkce Posuzovaný vztah je tím silnější a regresní funkce tím lepší, čím více jsou empirické hodnoty vysvětlované proměnné soustředěné kolem odhadnuté regresní funkce. Jako první jednoduchý nástroj můţeme pouţít reziduální součet čtverců (RSS). Představuje nevysvětlenou část celkové variability. Čím je jeho nezáporná hodnota menší, tím by měl být přijatelnější model.

Dalším nástrojem je úplný součet čtverců (TSS). Charakterizuje celkovou variabilitu vysvětlované y.

Třetím nástrojem je vysvětlený součet čtverců (ESS). Charakterizuje část celkové variability vysvětlenou regresním modelem.

Dále platí TSS = ESS + RSS. Rozdíl mezi odhadnutou hodnotou závislé proměnné

a skutečnou hodnotou závislé

proměnné

.

je definován jako reziduum, které se značí ,

kde

t = 1, …, n.

Pokud máme vypočtené tyto hodnoty, můţeme vypočítat index determinace. Pomocí indexu determinace R2 zjišťujeme kvalitu modelu.

29

V praxi se někdy pro zjištění kvality modelu pouţívá korigovaný index determinace.

p je počet parametrů modelu,

kde

n je rozsah souboru. Nejčastěji se pouţívá odmocnina indexu determinace, která se nazývá index korelace. Index korelace měří míru závislosti.

3.1.6 Testování hypotéz Podle Cipry (2008) teoretický rámec statistických testů vypadá tak, ţe v něm figurují dvě hypotézy. Nulová hypotéza H0: toto tvrzení bude testováno. Alternativní hypotéza H1: obsahuje zbývající tvrzení zájmu. V této bakalářské práci jsou zvolené hypotézy následující: -

H0: Vývoj hypotečních úvěrů domácností je nezávislý na vybraných faktorech.

-

H1: Vývoj hypotečních úvěrů je více závislý na mzdě a úrokové sazbě neţ na ostatních faktorech.

Postup testování hypotéz je podle Studenmunda (2005) následující. 1. Stanovení nulové hypotézy: Většinou se jedná o formulaci oblasti hodnot regresních parametrů (koeficientů), které očekáváme, ţe nastanou. 2. Stanovení alternativní hypotézy: Uţívá se k formulaci oblasti hodnot regresních parametrů (koeficientů), u kterých očekáváme, ţe nastanou, jestliţe neplatí nulová hypotéza. 3. Výpočet testového kritéria: Z datového souboru vypočítáme hodnotu testového kritéria (testové statistiky) jako je např. F-statistika, t-statistika. 4. Volba hladiny významnosti: Hladina významnosti měří pravděpodobnost (riziko) nesprávného zamítnutí pravdivé nulové hypotézy. Tuto pravděpodobnost

30

můţeme předem zvolit – většinou se hladina významnosti volí na hodnotách: α = 0,01; 0,05; 0,10. 5. Nalezení kritického oboru: a. Pro jednostranný test děluje rozloţení odhadu předpokladu, ţe

, kritická hodnota roz-

, oproti

(centrované kolem nulové střední hodnoty za

je pravdivá) na oblast „přijetí“ a oblast zamítnutí.

b. Pro oboustranný test

, kritická hodnota roz-

, oproti

děluje rozloţení odhadu na oblast „přijetí“ a oblast zamítnutí. 6. Vyhodnocení testu: Většinou buď nulovou hypotézu zamítáme (tj. přijímáme hypotézu alternativní) nebo nezamítáme. Při rozhodování o zamítnutí či nezamítnutí nulové hypotézy se řídíme vztahem nulové hypotézy ke kritickým (tabelovaným)hodnotám, tzv. kvantilům, daného typu rozdělení pravděpodobnosti. t- test: test významnosti regresních parametrů Při testování významnosti regresních parametrů

formulujeme podle Cip-

ry (2008) následující hypotézy: nezamítáme, nezamítáme.

Testová statistika má tvar

kde

je odhad parametrů, je odhad standartní odchylky, je diagonální prvek matice

,

p je počet parametrů, n je rozsah souboru.

31

F-test: test průkaznosti regresního modelu Posouzení celkové vhodnosti regresní funkce lze testovat pomocí F-testu, kdy musíme zvolit následující hypotézy:

H1: Alespoň jeden regresní parametr

není roven nule,

Pro tabelovanou hodnotu platí Testová statistika má následující tvar:

kde n je rozsah souboru a p je počet parametrů regresního modelu včetně absolutního členu, RSS je reziduální součet čtverců, ESS je regresní součet čtverců. (Hill, Griffiths, Judge; 2001) Test hypotéz o nezávislosti Pro testování nezávislosti formulujeme podle Anděla (1976) následující hypotézy: nezamítáme nezamítáme

Testová statistika má tvar:

kde

je rozsah souboru.

Test sériové korelace (autokorelace) Pro zjištění autokorelovanosti reziduí 1. řádu je moţné pouţít podle Cipry (2008) statistický Durbinův-Watsonův test dále jen DW test. Obvykle se vyuţívá jako neformální nástroj indikující moţnost existence autokorelace. Tento test má tvar:

kde

jsou OLS rezidua.

32

Většinou se hodnoty DW testu pohybují v rozmezí hodnoty 0 aţ 4. Hodnoty blíţící se k nule jsou pozitivně autokorelované, nejčastěji se pouţívá podle Studenmunda (2005) zjednodušené pravidlo hranice 1,5 nebo následující: d  0  pozitivní extrémní sériová korelace,

=

d  2  ţádná sériová korelace d  4  negativní extrémní sériová korelace,

=−

33

4 Praktická část V praktické části je vyuţito empirické analýzy. Nejprve budou identifikovány významné faktory ovlivňující čerpání hypotečních úvěrů, dále za pomoci klasické korelační analýzy bude posouzena oboustranná závislost těchto proměnných – pro kaţdou proměnnou bude vypočten výběrový korelační koeficient

. Pomocí vícerozměrné re-

gresní analýzy bude posouzena jednostranná závislost hypotečních úvěrů a jednotlivých vybraných faktorů. Na základě výsledků těchto analýz budou vyvráceny nebo potvrzeny zvolené hypotézy a bude odhadnut výsledný model. Pro zpracování empirické analýzy jsou data získána z Českého statistického úřadu (dále jen ČSÚ), České národní banky (dále jen ČNB), Ministerstva pro místní rozvoj (dále jen MMR) a Eurostatu. Jedná se o čtvrtletní data časové řady za období 2002–2010. Celkový počet dat vyuţitý pro tuto práci je 35. Navrţené faktory jsou: -

Hypotečních úvěry na bydlení (HU) – objem hypotečních úvěrů na bytové nemovitosti se státní podporou i bez státní podpory, zdroj ČNB (2009a).

-

Nezaměstnanost (N) – vyjádřená jako míra nezaměstnanosti, zdroj ČSÚ (2011d).

-

Mzda (M) – průměrná měsíční nominální mzda v přepočtu na fyzické osoby, zdroj ČNB (2009b).

-

HDP (HDP) – data jsou ve stálých cenách, pouţita je výdajová metoda, zdroj ČNB (2009c).

-

Úroková sazba (IR) – úrokové sazby hypotečních úvěrů, zdroj MMR (2009).

-

Inflační očekávání (PO), zdroj Eurostat (2011).

V tomto případě HU představuje závislou proměnou a N, M, HDP, IR a PO nezávislé proměnné. Jelikoţ jsou některé hodnoty vyjádřeny v nominálních hodnotách, budou očištěny o inflaci. Očištěná data budou dále podle Samuelsona (1995) přepočtena na indexy a meziroční procentní změny, díky kterým získáme relativní srovnání, a které budou dále zpracovány pomocí programů Statgraphics a Excel.

34

4.1 Identifikace významných faktorů Zvolené faktory jsou vybrány podle ekonomické teorie a studií, které jsou uvedeny v literární rešerši. Nejsou to všechny faktory, poptávku po úvěrech ovlivňují i jiné faktory, ty ale nejsou dostupné – například placená data za reklamu, nebo data pro analýzu neexistují. Mzda V roce 2000 byla podle ČSÚ (2011b) průměrná nominální mzda zaměstnanců 15187 Kč, nejčetnější skupina kterou tvořilo 33% zaměstnanců, pobírala mzdu mezi 10 – 14 tis. Kč a 63,7 % zaměstnanců mělo niţší mzdu neţ průměrnou mzdu. V roce 2008 došlo k výraznému posunu průměrné mzdy, která byla 26349 Kč. Nejčetnější skupina, kterou tvořilo 32 % zaměstnanců, pobírala mzdu mezi 17 – 23 tis. Kč a 65,2 % zaměstnanců mělo niţší mzdu neţ průměrnou mzdu. Podle studie ČNB (2010a) je nejvyšší objem poskytnutých úvěrů u vysoko-příjmových domácností. Mzda by podle této studie měla mít vliv na zadluţenost domácností i na čerpání úvěrů. Mzda jako faktor, který ovlivňuje čerpání úvěrů je důleţitým faktorem i podle národní banky Slovenska. 10 9 8

četnost v %

7

2000

2008

6 5 4 3 2 1

50

48

46

44

42

40

38

36

34

32

30

28

26

24

22

20

18

16

14

12

10

8

6

4

0

nominální mzda v tis. korunách

Graf 4: Četnost mezd zaměstnanců (rozdělení v letech 2000 a 2008) Zdroj: ČSÚ (2011b)

Nezaměstnanost Podle Hypoindexu.cz (2010a) bude určovat směr vývoje hypotečního trhu nezaměstnanost. Počet lidí bez práce v roce 2009 vzrostl. Rostoucí nezaměstnanost znamená menší ochotu lidí zadluţovat se. Poptávka po úvěrech v roce 2009 tedy poklesla. Riziko pla-

35

tební neschopnosti vedlo banky ke zvýšení úrokových sazeb. Nezaměstnanost se však velmi liší podle okresů. Například největší nezaměstnanost bývá v okrese Most, naopak nejniţší bývá v okolí hlavního města. Data týkající se nezaměstnanosti jsou získávána kontinuálně v náhodně vybraném vzorku domácností a zaměřují se na zjišťování ekonomického postavení obyvatelstva na území celé republiky a odpovídá úplně definicím Mezinárodní organizace práce. V rámci šetření jsou zkoumány osoby, které bydlí v soukromých domácnostech. Ukazatel nezaměstnanosti je odhadem získaných z výběrového šetření pracovních sil. Za nezaměstnané se povaţují osoby patnáctileté a straší bydlící na sledovaném území, a které splnili 3 podmínky. Tyto podmínky jsou, ţe nebyli zaměstnaní, byli připraveni k nástupu do práce (okamţitě nebo nejpozději do 14 dnů), v průběhu posledních 4 týdnů hledali aktivně práci. Mezi nezaměstnané řadíme i ty, kteří si uţ nehledají práci, protoţe ji nenašli, ale jsou schopni do 24 dnů nastoupit. Podle Dornbusche (1994) Gallupův ústav pro výzkum veřejného mínění zjišťuje, co lidé povaţují za nejzávaţnější celospolečenský problém současnosti. Mohou to být drogy, zločinnost, jaderné války atd. Podle výsledků je zřejmé, ţe pokud je inflace nebo nezaměstnanost

vysoká,

jsou

povaţovány

za

hlavní

národní

problém.

Inflaci

a nezaměstnanosti by se mělo zabraňovat, většinou je vţdy problém alespoň jedna z nich, jelikoţ jsou ve vzájemném substitučním vztahu. Míra nezaměstnanosti v určitém okamţiku v sobě zahrnuje vţdy velké odchylky mezi jednotlivými skupinami, které jsou členěné podle pohlaví a podle věku. Celková míra nezaměstnanosti je váţeným průměrem měr nezaměstnanosti skupin a můţeme jej zapsat takto:

kde

je podíl skupiny na celkové pracovní síle.

Úroková sazba Podle Hypoindexu.cz (2009a) měla úroková sazba největší vliv na čerpání hypotečních úvěrů v roce 2006. Vývoj úrokových sazeb je ovlivňován několika faktory, které jsou jen těţce předvídatelné.

36

ČNB ovlivňuje výši úrokových sazeb hypoték. Mezi faktory, které ovlivňují úrokovou sazbu, patří např. cena peněz, která je povaţována za nejdůleţitější. ČNB v rámci své měnové politiky operacemi na volném trhu usměrňuje vývoj úrokových sazeb v ekonomice. Velkou roli zde hraje tzv. dvoutýdenní repo sazba, za kterou centrální banka půjčuje peníze komerčním bankám. Od nastavení těchto sazeb se odvíjí sazby úroků mezi bankami navzájem a dále působením nabídky a poptávky vzniká cena peněz na mezibankovním trhu. Cena peněz není však jediným faktorem, který ovlivňuje výši úrokových sazeb. Dalším faktorem je bankovní marţe, která se skládá ze zpracovatelské marţe (náklady na provize zprostředkovatelů, výplaty, atd.), rizikové marţe (náklady na zabezpečení banky proti nesplacení úvěru) a obchodní marţe (zisk). Výši těchto marţí si banky stanovují samy. Cenu těchto marţí zjistíme rozdílem mezi celkovou úrokovou sazbou hypoték a cenou peněz. Jak uvádí Polouček (2006), úroková sazba výrazně ovlivňuje sektor domácností.

Graf 5: vývoj úrokových sazeb Zdroj:Hypoindex.cz (2009a)

HDP Podle Hypoindexu.cz (2009b) je z dlouhodobého hlediska patrné, ţe trend vývoje poskytnutých hypoték kopíruje růstový či klesající trend HDP. HDP je jedním z nejdůleţitějších výkonových ukazatelů hospodářství, rostoucí HDP (neuvaţujeme rostoucí HDP na úkor zadluţování státu) nám představuje větší výkonnost národního

37

hospodářství, coţ znamená i růst příjmů obyvatelstva a růst ţivotní úrovně. S tím také souvisí poptávka po novém nebo lepším bydlení a také zadluţenosti. V případě ţe se ekonomika propadá, má to za následek sníţení zájmu o hypotéky a vyšší opatrnost banky při poskytování. Pokud by tedy česká ekonomika začala růst, můţeme čekat oţivení zájmu o hypoteční úvěry. Hrubý domácí produkt je ukazatel národního účetnictví. Podle Dornbusche (1994) je to hodnota veškerých finálních statků a sluţeb, které jsou vyprodukované uvnitř země během jednoho období. Čtvrtletní odhady HDP se sestavují podle ČNB (2010b) dvěma metodami a to spotřební metodou a výrobní metodou. Spotřební metodou se přepočítávají skupiny výdajů na HDP a to konečná spotřeba domácností, vláda, hrubá tvorba kapitálu, a netto vývoz zboţí a sluţeb. Konečná spotřeba domácností obsahuje hodnotu výrobků a sluţeb, které vyuţívají domácnosti, aby uspokojily své potřeby. Konečná spotřeba vlád a soukromých nevýdělečných institucí představuje hodnotu netrţních výrobků a sluţeb, které vyuţívají domácnosti, aby uspokojily své potřeby. Hrubá tvorba fixního kapitálu obsahující hodnotu pořízeného majetku hmotného i nehmotného, převzatého nebo vyrobeného anebo koupeného atd. Výrobní metodou se odhad HDP získává

pomocí

úhrnu

přidané

hodnoty

vytvořené

v jednotlivých

sektorech

a v jednotlivých odvětvích.

Graf 6: Vývoj HDP a hypoték Zdroj: Hypoindex.cz (2009b)

38

Inflační očekávání Vývoje inflace je podle Hypoindexu.cz (2011) jedním z nejdůleţitějších indikátorů ekonomiky. Při podpisu úvěrové smlouvy si nikdy nemůţeme být úplně jistí, ţe budeme mít vţdy dostatek finančních prostředků na splácení. V případě ţe předpokládáme růst inflace, předpokládáme, ţe se nám náklady na ţivobytí zvýší a na splácení nám nezbude tolik finančních prostředků, kolik by nám zbylo dnes. ČNB (2011b) zahájila pravidelné měření inflačních očekávání jiţ v květnu 1999. Rozhodování o politických opatřeních centrální banky je zaloţeno na analýze současného a predikci budoucího vývoje ekonomiky a ovlivňujících faktorů. Prognózy jsou důleţité a ovlivňují měnovou politiku. Na vývoj ekonomiky působí několik faktorů, jako jsou úrokové sazby, měnový kurz, atd., jsou to indikátory finančního trhu. Reagují na změnu podmínek na trhu, které jsou způsobené např. zveřejněním makroekonomických dat, exogenními šoky a politickou situací. Jejich okamţitá reakce na zveřejněné události činí úrokové sazby nebo měnový kurz vhodnými ukazateli změn v očekávání finančního trhu. Cílem šetření je získat názor analytiků a srovnat jej s prognózou ČNB. Analytici vyplňují pravidelně formulář. Inflační očekávání v březnu 2011 vzrostla. V březnu roku 2012 a 2014 by se nárůst indexu spotřebitelských cen měl pohybovat okolo 2.5 %. HDP by mělo růst pomaleji. Nominální mzdy by měly růst pomaleji, neţ se očekávalo v únoru. (ČNB, 2011a). Ostatní faktory Dalším faktorem, který ve velké míře ovlivňuje objem hypotečních úvěrů, je reklama. Bohuţel, tyto data nejsou pro veřejnost dostupná, proto v této bakalářské práci nejsou součástí empirické analýzy. Zprostředkovatelé vidí potencionální klienty nejen v lidech, kteří úvěr nemají, ale také u těch, kteří ho mají a končí jim fixace úrokové sazby. Podle Hypoindexu.cz (2010b) tito klienti navíc znamenají rozšíření portfolia aktiv o bezpečnější obchody, neţ jaké představují nové hypoteční úvěry, protoţe tito klienti uţ jsou prověření a hodnota úvěru ve srovnání s hodnotou nemovitosti bývá niţší. V roce 2010 končí fixace 50 tisíc hypoték. Polouček (2006) ve své knize uvádí, ţe podle studie společnosti OMD Czech utratily české banky za první tři čtvrtletí roku 2005 částku 1.3 mld. CZK za reklamu. Výdaje tedy za celý rok převýší částku 1.65 mld. CZK,

39

která byla utracena za reklamu v roce 2004. V utracené částce za reklamu vede GE Money Bank potom Česká spořitelna a na třetím místě je to Komerční banka. Konkrétně za reklamu na hypotéky v roce 2005 bylo utraceno 15 % z této částky.

4.2 Korelační analýza Korelační analýza slouţí k posouzení vzájemné závislosti hypotečních úvěrů a jednotlivých vybraných faktorů N, M, HDP, IR a PO. Zvolená hypotéza o nezávislosti faktorů, bude potvrzena nebo vyvrácena. 4.2.1 Posouzení závislosti hypotečních úvěrů na celkové zadluženosti domácností Největší součástí celkové zadluţenosti domácností jsou úvěry na bydlení. Tento fakt je zřejmý např. ze studie Dupské (2008) ale i pomocí korelační analýzy, která byla provedena na základě dat z ČNB (2009d). Byla ověřována vzájemná závislost mezi celkovou zadluţeností (ZD) a faktory, kterými jsou celková zadluţenost domácností na spotřebu (S), celková zadluţenost domácností na bydlení (B) a ostatní (O). Tabulka 2: Korelační analýza: celková zadluženost

ZD

r p-hodnota pořadí

S (n=60) 0,933 0,0000 3.

B (n=60) 0,9965 0,0000 1.

O (n=60) 0,9895 0,0000 2.

Zdroj: Vlastní práce Pozn. r = korelační koeficient

Jak je vidět v tabulce č. 2 – celková zadluţenost domácností nejvíce koreluje s celkovou zadluţeností domácností na bydlení. Dále byla provedena korelační analýza mezi faktory celková zadluţenost domácností na bydlení (B) a faktory, které jsou hypoteční úvěry na bytové nemovitosti (HU), standardní úvěry ze stavebního spoření (SS), překlenovací úvěry ze stavebního spoření (PS), spotřebitelské úvěry na nemovitosti (SU). Tyto data byla získána z ČNB (2009a).

40

Tabulka 3: Korelační analýza: zadluženost domácností na bydlení

B

HU(n=108)

SS (n=108)

PS (n=108)

SU (n=108)

r

0,9916

0,9576

0,7323

0,8813

p-hodnota

0,0000

0,0000

0,0000

0,0000

2.

4.

3.

pořadí

1.

Zdroj: Vlastní práce Pozn. r = korelační koeficient

Jak je vidět z tabulky č. 3 – celková zadluţenost domácností nejvíce koreluje s hypotečními úvěry na bytové nemovitosti. Vzhledem k tomuto faktu bude s těmito úvěry nadále prováděna empirická analýza a faktory, které mají vliv na čerpání hypotečních úvěrů, budou mít vliv i na celkovou zadluţenost. Očekávaný vztah hypotečních úvěrů a vybraných faktorů je na základě ekonomické teorie u faktorů M a HDP kladný, záporný vztah předpokládáme u faktorů N, PO a IR. Tabulka 4: Korelační analýza – nulové zpoždění

HU

r p-hodnota

N (n=31) – 0,0104 0,9559

IR (n=28) – 0,0982 0,6191

M (n=31) 0,5672 0,0009

HDP (n=31) 0,3646 0,0438

PO (n=31) – 0,3208 0,0785

Zdroj: Vlastní práce Pozn. r = korelační koeficient

Tabulka č. 4 udává hodnoty korelačních koeficientů mezi hypotečními úvěry a vybranými faktory. Z těchto výsledků vidíme schodu očekávaných znamének s výslednými znaménky korelačních koeficientů Při vyhodnocení výsledku vidíme, ţe kritická hodnota 5% rizika byla překročena pro korelaci mezi hypotečními úvěry a nezaměstnaností jelikoţ p-hodnota vyšla 0,9559 ≥ neţ zvolené riziko α = 0,05 a hypotečními úvěry a úrokovou sazbou, jelikoţ p-hodnota vyšla 0,9559 ≥ neţ zvolené riziko α = 0,05. Při vyhodnocení výsledku vidíme, ţe kritická hodnota 5% rizika byla také překročena pro korelaci mezi hypotečními úvěry a inflačním očekáváním, jelikoţ p-hodnota vyšla 0,0785 ≥ neţ zvolené riziko α = 0,05. V případě ţe by zvolené riziko bylo 10%, pak by kritická hodnota překročena nebyla.

41

4.2.2 Zpoždění vybraných faktorů Protoţe vliv faktorů na čerpání hypotečních úvěrů nemusí být vţdy okamţitý, ale můţe se objevit se zpoţděním, bude v dalším kroku zkoumáno, jaký můţe mít vliv zpoţdění resp. očekávání na výsledky vzájemné závislosti. Faktory, které se nám jeví statisticky nevýznamné, mohou mít vliv na čerpání hypotečních úvěrů s určitým časovým zpoţděním. Tabulka 5: Korelační analýza – zpoždění a očekávání HU t t−1 t−2 t−3 t−4 t−5 t+1 t+2 t+3 t+4 t+5

N r p r p r p r p r p r p r p r p r p r p r p

IR

M

HDP

PO

−0,0104 0,9559

−0,0982 0,6191

0,5672 0,0009

0,3646 0,0438

−0,3208 0,0785

−0,2059 0,275

−0,027 0,8938

0,4665 0,0094

0,407 0,256

−0,4208 0,0206

−0,3949 0,034

−0,0035 0,9866

0,3164 0,0945

0,5371 0,0027

−0,3463 0,0657

−0,4655 0,0125

−0,0981 0,641

0,2386 0,2215

0,6309 0,0003

−0,1484 0,4511

−0,4159 0,0309

−0,3609 0,0832

0,2784 0,1597

0,5692 0,0019

0,0102 0,9597

−0,205 0,3151

−0,6094 0,002

0,1805 0,3776

0,5336 0,005

0,0579 0,7786

0,0108 0,9549

−0,2241 0,2612

0,5998 0,0005

0,4214 0,0204

−0,2279 0,2258

−0,1339 0,4886

−0,3639 0,0676

0,6636 0,0001

0,5579 0,0017

−0,1496 0,4385

−0,4615 0,0134

−0,5169 0,0082

0,4804 0,0097

0,7148 0

−0,2352 0,2284

−0,6773 0,0001

−0,6307 0,0029

0,2831 0,1524

0,6961 0,0001

−0,2038 0,3079

−0,731 0

−0,6923 0,0003

0,1918 0,3478

0,5037 0,0087

−0,1386 0,4996

Zdroj: Vlastní práce pozn.: r = korelační koeficient; p = p-hodnota; t – n = zpoždění; t + n = očekávání

42

Korelační analýza byla provedena pro kaţdou proměnou se zpoţděními 5 období vzad a 5 období vpřed. Provedené korelační analýzy v tabulce č. 5 ukazují, ţe mzda HDP a inflační očekávání se nám faktory jeví významnější bez zpoţdění, naopak u nezaměstnanosti a u úrokové sazby se nám faktory jeví významnější se zpoţděními. Pokud lidé předpokládají, ţe úroková sazba poroste, nebudou si brát hypoteční úvěr a naopak, to stejné je u nezaměstnanosti. Nezaměstnanost můţe být předpokládaná o něco dříve, neţ skutečně nastane. Lidé, kteří přijdou o práci, mají výpovědní lhůtu ze zákona dva měsíce, vědí tedy, ţe budou nezaměstnaní. Pokud je předpoklad, ţe přijdou o zaměstnání, hypoteční úvěr si pravděpodobně brát nebudou. Mohou také měnit zaměstnání a vědí, ţe plat se jim zvýší. Rozhodují se v tomto případě také podle budoucí mzdy. Korelační koeficienty se zpoţděními u mzdy, HDP a inflačních očekávání nebyly o moc silněji závislé neţ při nulovém zpoţdění, proto zde necháme nulové zpoţdění. Naopak

Korelační koeficient

u nezaměstnanosti a u úrokové sazby budeme uvaţovat vliv očekávání – třetího řádu. 0,1 0 -0,1 -0,2 -0,3 -0,4 -0,5 -0,6 -0,7 -0,8 t t-1 t-2 t-3 t-4 t-5 t+1 t+2 t+3 t+4 t+5

Korelační koeficient

řád zpoždění

Graf 7: Korelační koeficient mezi úvěry a zpožděnou nezaměstnaností Zdroj: Vlastní práce

43

Korelační koeficient

0 -0,1 -0,2 -0,3 -0,4 -0,5 -0,6 -0,7 -0,8 t t-1 t-2 t-3 t-4 t-5 t+1 t+2 t+3 t+4 t+5

Korelační koeficient

řád zpoždění

Graf 8: Korelační koeficient mezi úvěry a zpožděnou úrokovou sazbou Zdroj: Vlastní práce

4.3 Regresní analýza Analýza vzájemné závislosti bude dále doplněna o zkoumání směru závislosti, tedy regresní analýzu. S její pomocí vyhodnotíme, které proměnné a v jaké vzájemné interakci mohou být významnými faktory, na kterých závisí čerpání hypotečních úvěrů. Při této analýze budeme vycházet ze zjednodušeného obecného modelu, který zahrnuje všechny identifikované proměnné. Následně budou vyloučeny proměnné, na kterých nezávisí čerpání hypotečních úvěrů, popřípadě budou pouţity proměnné se zpoţděním nebo s očekáváním.

kde t = 1, …, n. 4.3.1 Odhad modelu V tomto základním modelu č. 1 nebudou pouţita zpoţdění. Model č. 1:

n=28

F = 103,87, p-hodnota = 0,0000

R2adj = 0,9502

DW = 1,4143

44

Z výsledků odhadu základního modelu č. 1 vyplývá, ţe HDP a inflační očekávání jsou na hladině významnosti α = 5 % statisticky nevýznamné, jelikoţ jejich p-hodnota je větší neţ zvolené riziko. Model jako celek je podle F-testu statisticky významný, p-hodnota = 0,0000. Podle Durbin-Watsonova testu mohou být rezidua modelu pozitivně korelované. Vypovídací schopnost modelu lze označit za dobrou (R2adj = 0,95). V modelu nesouhlasí odhadnuté znaménka u nezaměstnanosti a HDP. I podle Dupské (2008) korelace mezi růstem ekonomiky a růstem celkové zadluţenosti nejsou podstatně závislé. Lze se tedy domnívat, ţe uvedené proměnné jsou v modelu nadbytečné, a proto je v dalším kroku vyloučíme. Budeme-li uvaţovat zpoţdění faktorů dle výsledků korelační analýzy, odhad modelu č.2 bude následující: Model č.2:

n=25

F = 47,21, p-hodnota = 0,0000

R2adj = 0,9063

DW = 0,7543

I přes zapojení vlivu zpoţdění do modelu č. 2 není výsledný odhad nejvhodnější. Podle t-testu se jeví na 5% hladině významnosti statisticky nevýznamné kromě úrokové sazby všechny faktory. Přesto ţe se model podle F-testu jeví jako celek statisticky významný. Rezidua vykazují významnou autokorelaci a vypovídací schopnost modelu se nám sníţila. 4.3.2 Odhad upraveného modelu Po odstranění faktorů, které se jevily jako nevýznamné, jsme dospěli k následujícímu modelu. Model č. 3:

n=28

F = 156,51 p-hodnota = 0,0000

R2adj = 0,9204 DW = 1,116

45

Ve výše uvedeném modelu č. 3 jsou všechny proměnné statisticky významné, jelikoţ p-hodnota je menší neţ stanovené riziko 5 %. Model jako celek je opět statisticky významný. Autokorelace v tomto modelu podle Durbin-Watsonova testu se nejeví zcela nevýznamnou, můţe být způsobena tím, ţe model neobsahuje faktory, které také ovlivňují čerpání hypotečních úvěrů. Tímto faktorem můţe být například reklama, která v modelu není zahrnuta, jelikoţ data, které se týkají reklamy, nejsou volně přístupné a většinou jsou zpoplatněné. Pokud však porovnáme vypovídací schopnost ( modelu č. 1 a výsledného modelu č. 3

)

vidíme, ţe hodnota spolehlivosti se

zásadně neliší. Tudíţ vyloučené proměnné – z důvodu jiného neţ očekávaného znaménka – při současném nastoupení vlivu ostatních proměnných nemají zásadní vliv na závislou proměnnou. 4.3.3 Parciální korelační koeficienty Podle upraveného regresního modelu jsou významnými faktory mzda a úroková sazba. Pomocí parciálního korelačního koeficientu je moţné potvrdit, který z těchto dvou faktorů je významnější. Posuzované proměnné jsou očištěné od vlivu ostatních proměnných. Tabulka 6: Parciální korelace

HU

r p-hodnota

Korelační koeficienty IR (n=28) M (n=28) – 0,0982 0,4104 0,6191 0,0300

Parciální korelační koeficienty IR (n=28) M (n=28) – 0,1306 0,4180 0,5162 0,0301

Zdroj: Vlastní práce pozn. r = hodnota korelace

Porovnáme-li vypočtené hodnoty korelačních koeficientů v tabulce č. 6, je vidět ţe větší vliv má mzda. Porovnáme-li hodnoty parciálních korelačních koeficientů, potvrdí se výsledek, ţe hypoteční úvěry jsou více závislé na mzdě neţ na úrokové sazbě. Jelikoţ čerpání hypotečních úvěrů nejvíce ovlivňují mzdy, budeme se zabývat i moţností, ţe se lidé nerozhodují pouze podle toho, jak velkou mzdu mají aktuálně, ale jakou mzdu očekávají v budoucnu.

46

4.3.4 Upravený model se zpožděnou proměnou Mzda ovlivňuje čerpání hypotečních úvěrů více neţ úroková sazba. Lidé se mohou rozhodovat podle aktuální mzdy, ale i podle toho, jak předpokládají, ţe se jejich mzda bude vyvíjet do budoucna.

Korelační koeficient

0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 t t-1 t-2 t-3 t-4 t-5 t+1 t+2 t+3 t+4 t+5

Korelační koeficient

řád zpoždění

Graf 9: Korelační koeficient mezi úvěry a zpožděnou mzdou Zdroj: Vlastní práce

Pro tento odhad modelu č. 4 pouţijeme faktor mzdy s očekávání – dvě období. Tyto období jsou zvolené pomocí korelačních koeficientů viz. tabulka č. 5. Model č. 4:

n=26

F = 152,21 p-hodnota = 0,0000

R2adj = 0,9439 DW = 1,1954

Všechny proměnné v modelu č. 4 jsou statisticky významné (p-hodnota je menší neţ stanovené riziko 5 %), model se jeví jako celek také významný. Hodnota DW testu sériové korelace sice naznačuje autokorelovanost reziduí, v porovnání s modelem č. 3 se hodnota mírně zlepšila. Tato autokorelovanost reziduí můţe být způsobena tím, ţe model neobsahuje faktory, které také ovlivňují čerpání hypotečních úvěrů. Tímto faktorem můţe být jiţ zmiňovaná reklama. Vypovídací schopnost modelu je dobrá, ve srovnání s modelem č. 3 se hodnota spolehlivosti se zlepšila.

47

Jako další moţností je, ţe se lidé orientují s kratším časovým výhledem do budoucna. Model č.5:

n=27

F = 169,69 p-hodnota = 0,0000

R2adj = 0,9261 DW = 1,266

Tento odhad modelu č. 5 se jeví jako statisticky významný. Všechny proměnné v modelu se jeví také jako statisticky významné, jelikoţ p-hodnota je niţší neţ stanovené riziko 5 %. Hodnota DW testu sériové korelace se nám opět zlepšila. Vypovídací schopnost modelu je stále velmi dobrá. Za výsledný, nejlépe popisující model můţeme povaţovat model č. 4 . Tento model má dobrou vypovídací schopnost. Na základě výsledků modelu lze konstatovat, ţe lidé se mohou rozhodovat aktuálně i s výhledem do budoucnosti. V modelu se nám potvrdil podle našich odhadů negativní vliv úrokové sazby a pozitivní vliv mzdy. Všechny proměnné v modelu jsou statisticky významné, model jako celek se jeví také významný. Hodnota DW testu sériové korelace se nám zlepšila, přesto se nejeví zcela nevýznamnou. Můţe být způsobena tím, ţe model neobsahuje faktory, které také ovlivňují čerpání hypotečních úvěrů. Tímto faktorem můţe být například jiţ zmiňovaná reklama. Z tohoto důvodu lze autokorelaci povaţovat za tzv. nečistou a proto se jejím odstraněním nebudeme zabývat.

48

5 Diskuse Předkládaná bakalářská práce se zabývala posouzením vlivu vybraných faktorů na zadluţenost domácností v České republice v letech 2002–2010. Pomocí empirické analýzy jsme dospěli k několika výsledkům. Pomocí korelační analýzy jsme dospěli k výsledku, ţe na celkové zadluţenosti domácností se nejvíce podílí celková zadluţenost domácností na bydlení a na celkové zadluţenosti domácností na bydlení se nejvíce podílí hypoteční úvěry na bytové nemovitosti. Dále jsme zkoumali vzájemný vztah hypotečních úvěrů a jednotlivých vybraných faktorů, které byli navrţeny podle ekonomické teorie a uvedených studií. Kritická hodnota 5 % byla překročena pro korelaci mezi hypotečními úvěry a nezaměstnaností, dále také mezi hypotečními úvěry a úrokovou sazbou. Tato hodnota byla překročena i pro korelaci mezi hypotečními úvěry a inflačním očekáváním, v případě ţe by zvolené riziko bylo 10%, pak by kritická hodnota překročena nebyla viz. tabulka 4. Statisticky nevýznamné faktory se při zapojení zpoţdění jevily jako významné viz. tabulka 5, ale do celkového modelu se přesto nehodily. Výsledek regresní analýzy ukázal dva významné faktory, které ovlivňují čerpání hypotečních úvěrů a to mzda a úroková sazba. Přesto ţe korelační analýza úrokovou sazbu označila jako nevýznamný faktor, právě v kombinaci s faktorem mzdy se jeví jako významná a ovlivňující čerpání hypotečních úvěrů. Jak uvedl Polouček (2006), úroková sazba ovlivňuje sektor domácností. Mzda jako faktor ovlivňující čerpání hypotečních úvěrů je důleţitým faktorem podle studie ČNB (2010a) dokonce ji jako důleţitý faktor označuje zahraniční studie NBS (2010b). Faktor HDP jsme vyloučili, i podle studie Dupské (2008) korelace mezi růstem ekonomiky a růstem celkové zadluţenosti nejsou podstatně závislé. Stejně tak byly vyloučeny i faktory nezaměstnanost a inflační očekávání. Díky parciálním korelacím bylo potvrzeno, ţe čerpání hypotečních úvěrů je více závislé na mzdě, neţ na úrokové sazbě. V modelu č. 4 byl zachován faktor mzdy aktuální a přidán faktor mzdy s očekáváním – 2 období. Dalším upraveným modelem byl model č. 5 se zpoţděnou proměnnou mzda o jedno období. Z těchto dvou modelů byl vybrán

49

jako výsledný model č. 4 s aktuální mzdou i s očekávanou mzdou o dvě období. Lze tak usuzovat, ţe se lidé rozhodují podle aktuální mzdy, ale dívají se i do budoucna. Pokud někdo dostal výpověď a není si jistý, jakou pracovní pozici získá, popřípadě zda ji vůbec získá, zadluţovat se nebude, protoţe si není jistý, zda by byl schopen dostát svých závazků. Na druhou stranu člověk, který očekává například povýšení, popřípadě změnu pracovní pozice a s ní i zvýšení platu, se rozhoduje podle mzdy, kterou má nyní, ale i podle očekávané budoucí mzdy. Takový člověk nebude mít strach z problémů s platební neschopností. Z výsledků empirické analýzy je jasné, ţe existuje závislost mezi čerpáním hypotečních úvěrů na bytové nemovitosti, mzdou a úrokovou sazbou. Jelikoţ jsou hypoteční úvěry největší částí zadluţenosti domácností na bydlení a zadluţenost domácností na bydlení je největší částí celkové zadluţenosti domácností, faktory které ovlivňují čerpání hypotečních úvěrů, ovlivňují také celkovou zadluţenost domácností. Jednoduše řečeno, v letech 2002–2010 se domácnosti zadluţovali nejvíce z důvodu pořizování vlastního bydlení. Poptávka po úvěrech závisí na výši aktuální mzdy, mzdy budoucí a úrokové sazby.

50

6 Závěr Cílem této bakalářské práce bylo prostřednictvím identifikace vztahu mezi vybranými faktory a vývojem rostoucího objemu hypotečních úvěrů posoudit vliv na zadluţenost domácností v České republice v letech 2002–2010. Zadluţování domácností v České republice v letech 2002–2010 je stále rostoucí. Lidé upřednostňují touhu po vlastním bydlení i například před strachem z platební neschopnosti, která se stává poslední dobou také velmi aktuální. Prvním dílčím cílem bylo na základě studia odborné literatury a odborných vědeckých článků navrhnout v souladu s ekonomickou teorií skupinu ovlivňujících faktorů. Těmito faktory byly mzda, úroková sazba, nezaměstnanost, hrubý domácí produkt a inflační očekávání. Mezi tyto faktory nebyla zařazena například reklama, která má vliv na čerpání hypotečních úvěrů hlavně v posledních letech, neboť tato data nejsou veřejně přístupná a jejich získání by vyţadovalo např. samostatné dotazníkové šetření. Druhým dílčím cílem bylo posouzení vzájemné závislosti hypotečních úvěrů a jednotlivých vybraných faktorů. Data byla upravena o inflaci, přepočtena na indexy a meziroční procentní změny. Korelační analýza prokázala nezávislost faktorů na čerpání hypotečních úvěrů (při stanovení 5% rizika) u nezaměstnanosti, úrokové sazby a inflačního očekávání. Dále bylo zvoleno zpoţdění u těchto faktorů a to konkrétně očekávání o 3 časová období. Inflační očekávání se jevila jako závislá při stanovení 10% rizika, proto u něj zpoţdění zvoleno nebylo. Třetím dílčím cílem byla identifikace statisticky významných faktorů ovlivňujících čerpání hypotečních úvěrů. Nejprve byl formulován vícerozměrný regresní model zahrnující skupinu ovlivňujících faktorů dle výsledků prvního dílčího cíle. Podle tohoto odhadnutého základního modelu č. 1 bylo zjištěno, ţe HDP a inflační očekávání jsou na hladině významnosti α = 5 % statisticky nevýznamné. A dále v tomto modelu nesouhlasí odhadnuté znaménka u nezaměstnanosti a HDP. Proto do vícerozměrného regresního modelu č. 2 byly zahrnuty ovlivňující faktory v řádech zpoţdění dle výsledků druhého dílčího cíle. Tento model se nejevil jako správný, neboť výsledný odhad nebyl nejvhodnější. Statisticky nevýznamnými faktory na 5% hladině významnosti se kromě úrokové

51

sazby jeví všechny faktory. Vícerozměrný regresní model bylo potřeba ještě dále upravit. Po vyloučení proměnných, které se jevily statisticky nevýznamné, jsme dospěli k upravenému modelu č. 3, který se jeví jako statisticky významný a zahrnuje faktor mzdy a úrokové sazby. Z navrţené skupiny faktorů jsme identifikovali jako významné faktory, které ovlivňují čerpání hypotečních úvěrů, mzdy a úrokové sazby. Tímto byla potvrzena i hypotéza, ţe vývoj hypotečních úvěrů je více závislý na mzdě a úrokové sazbě neţ na ostatních vybraných faktorech. Na základě párových korelačních koeficientů jsme dospěli k výsledku, ţe větší závislost na čerpání hypotečních úvěrů mají mzdy neţ úrokové sazby. Model byl tedy dále upraven, v modelu č. 4 byl zachován faktor úrokové sazby, faktor mzdy aktuální a přidán faktor mzdy s očekáváním o 2 období a v modelu č. 5 byl zachován faktor úrokové sazby a přidán faktor mzdy s dopředným zpoţděním o 1 období. Navrţené vícerozměrné regresní modely byly testovány na statistickou významnost (test významnosti parametrů, test významnosti modelu jako celku). Jako výsledný model byl vybrán model č. 4 – zadluţenost domácností je závislá a výši aktuální mzdy, mzdy budoucí a úrokové sazby. Na základě znalosti ovlivňujících faktorů můţeme předpokládat, ţe s rostoucí mzdou a klesající úrokovou sazbou poroste celková zadluţenost domácností. Tyto výsledky mohou být uţitečné pro banky, na základě výsledků je zřejmé, ţe kdyţ banka sníţí úrokové sazby, lidé se zadluţí u ní, získá tak konkurenční výhodu. Je ale důleţité si sníţení úrokových sazeb promyslet, jelikoţ banka přijde o část výdělku a měla by mít propočítané, zda na nízkou úrokovou sazbu naláká tolik klientů, aby se jí to vyplatilo. Tady hraje svoji roli i faktor reklama. Pokud se lidé nedovědí, ţe banka sníţila úrokové sazby, nepůjdou si tam půjčit peníze. Bance tedy rostou náklady na reklamu. Co se týče mzdy, tu banka ovlivnit nemůţe.

52

Zdroje Literatura ANDĚL, J. Statistická analýza časových řad. Praha: SNTL, 1976. 271s. CIPRA, T. Finanční a pojistné vzorce. Praha: Grada Publishing, a.s. 2006. 376 s. ISBN 80-247-1633-X. CIPRA, T. Finanční ekonometrie. Praha: Ekopress,2008. 538 s. ISBN 978-808-6929439. DORNBUSCH, R.; FISCHER, S. Makroekonomie. Praha: SPN a Nadace Economics, 1994. 602 s. ISBN 80-04-25556-6. DUPSKÁ, D. Úspory a zadluženost: ocitly se české domácnosti v dluhové pasti?. Praha: Český statistický úřad, 2008. 28 s. ISBN 978-80-250-1743-2. DVOŘÁK, P. Bankovnictví pro bankéře a klienty. Praha: Linde, 2005. 681 s. ISBN 807201-515-X. DVOŘÁK, P. Komerční bankovnictví pro bankéře a klienty. Praha: Linde, 2001. 471 s. ISBN 80-7201-310-6. HILL, C. R., GRIFFITHS, W. E., JUDGE, G. G., Undergraduate econometrics. New York: John Wiley&Sons, 2001. 402 s. ISBN 0-471-33184-8. HINDLS, R. Statistika pro ekonomy. Praha: Professional Publishing, 2007. 415 s. ISBN 978-808-6946-436. HUŠEK, R. Ekonometrická analýza. Praha: Oeconomica, 2007. 372 s. ISBN 978-80245-1300-3. JANKŮ, M. Základy práva pro posluchače neprávnických fakult. Praha: C.H. Beck, 2010. 497 s. ISBN 978-807-4003-448. KAŠPAROVSKÁ, V. Banky a komerční obchody. Kravaře: MARREAL SERVIS, S.R.O., 2010. 172 s. ISBN 978-80-254-6779-4.

53

KOHOUT, P. Finance po krizi: důsledky hospodářské recese a co bude dál. Praha 7 : GradaPublishing, a.s., 2009. 224 s. ISBN 979-80-247-3199-5. POLOUČEK, S. Bankovnictví. Praha: C. H. Beck, 2006. 716 s. ISBN 80-7179-462-7. RADOVÁ, J. Finanční matematika pro každého. Praha: GRADA Publishing, a.s., 2005. 288s. ISBN 80-247-1230-X. SAMUELSON, P. A.; NORDHAUS, W. D. Ekonomie. Praha: Svoboda, 1995. 1011s. ISBN 80-205-0494-X. STUDENMUND, A. H., Using Econometrics. Pearson Higher Educatio, 2005. 656 s. ISBN 032131649-5. SYROVÝ, P. Financování vlastního bydlení. Praha: Grada Publishing, a.s. 2005. 123 s. ISBN 80-247-1097-8. ŠENKÝŘOVÁ, B. Bankovnictví. Praha: Vysoká škola finanční a správní, o.p.s., 2010. 256s. ISBN 978-80-7408-029-6.

Internetové zdroje ČNB[online]. 2005 [cit. 2011-03-31]. Hypotéky převaţují. Dostupné z WWW:. ČNB [online]. 2009a [cit. 2011-03-31]. ARAD-Systém časových řad: Klientské úvěry podle druhového hlediska. Dostupné z WWW: . ČNB [online]. 2009b [cit. 2011-03-31]. ARAD-Systém časových řad: Průměrná hrubá měsíční mzda. Dostupné z WWW: . ČNB[online]. 2009c [cit. 2011-03-31]. ARAD-Systém časových řad: Výdaje na hrubý domácí produkt. Dostupné z WWW:

54

. ČNB [online]. 2009d [cit. 2011-03-31]. ARAD-Systém časových řad: Celkové zadluţení domácností. Dostupné z WWW: . ČNB[online]. 2009e [cit. 2011-03-31]. Zadluţenost domácností. Dostupné z WWW: . ČNB [online]. 2010a [cit. 2011-03-31]. Finanční stabilita. Dostupné z WWW: . ČNB[online]. 2010b [cit. 2011-04-02]. HDP. Dostupné z WWW: . ČNB[online]. 2011a [cit. 2011-04-02]. Inflační očekávání: inflocek. Dostupné z WWW: . ČNB [online]. 2011b [cit. 2011-04-02]. Inflační očekávání. Dostupné z WWW: < http://www.cnb.cz/cs/financni_trhy/inflacni_ocekavani_ft/>. ČNB[online]. 2011c [cit. 2011-23-03]. Finanční gramotnost. Dostupné z WWW: . ČSÚ[online]. 2008 [cit. 2011-03-31]. Češi se rekordně zadluţují, nejčastěji si půjčují na bydlení. Dostupné z WWW: . ČSÚ [online]. 2011a [cit. 2011-03-31]. Bydlení a jeho specifický trh. Dostupné z WWW: . ČSÚ[online]. 2011b [cit. 2011-03-31]. České domácnosti dluţí bilion. Dostupné z WWW: .

55

ČSÚ[online]. 2011c [cit. 2011-03-31]. Míra inflace. Dostupné z WWW: . ČSÚ[online]. 2011d [cit. 2011-03-31]. Zaměstnanost a nezaměstnanost v ČR. Dostupné z WWW: . Eurostat[online]. 2011 [cit. 2011-03-31]. Database (EUROIND). Dostupné z WWW: . Hypoindex.cz [online]. 2009a [cit. 2011-04-02]. ČNB krátí úrokové sazby, hypotéky však nezlevňují. Proč? Dostupné z WWW: . Hypoindex.cz [online]. 2009b [cit. 2011-04-11].]. Jak spolu souvisí HDP a hypotéky. Dostupné z WWW: . Hypoindex.cz [online]. 2010a [cit. 2011-04-11]. ]. Nezaměstnanost bude i v příštím roce brzdit trh s bydlením. Dostupné z WWW: . Hypoindex.cz[online]. 2010b [cit. 2011-04-11]. V letošním roce skončí fixace 50 000 hypoték. Dostupné z WWW: . Hypoindex.cz [online]. 2011 [cit. 2011-04-11]. Nízká inflace. Dobrá zpráva pro hypotéky. Dostupné z WWW: . Ministerstvo pro místní rozvoj [online]. 2009 [cit. 2011-03-31]. Hypoteční úvěry se státní podporou. Dostupné z WWW:. NBS [online]. 2008 [cit. 2011-03-31]. Menový prehľad. Dostupné z WWW:.

56

NBS [online]. 2010a [cit. 2011-03-31]. Správa o finančnej stabilite. Dostupné z WWW:. NBS [online]. 2010b [cit. 2011-03-31]. Výročná správa. Dostupné z WWW: . Osobní bankrot: Všechno co potřebujeme vědět a dělat, kdyţ upadneme do dluhů. Ekonom: Příloha týdeníku ekonom. 2010, 41, s. 2-12. VORTELOVÁ, Věra. Domácnosti dluţí bilion: Úvěry. Parlamentní listy [online]. 18.3.2010, str. 20, [cit. 2011-03-31]. Dostupný z WWW: . Zákon č. 190/2004 Sb., o dluhopisech[online]. [cit.2011-25-03]. Dostupný z WWW:.

57

7 Seznam tabulek, obrázků a grafů Seznam tabulek Tabulka 1: Přehled o zadluţení domácností rezidentů v České republice .......................................... 11 Tabulka 2: Korelační analýza: celková zadluţenost ........................................................................... 40 Tabulka 3: Korelační analýza: zadluţenost domácností na bydlení ................................................... 41 Tabulka 4: Korelační analýza – nulové zpoţdění ............................................................................... 41 Tabulka 5: Korelační analýza – zpoţdění a očekávání ....................................................................... 42 Tabulka 6: Parciální korelace ............................................................................................................. 46

Seznam grafů Graf 1: Zadluţenost domácností (v mil. Kč) ...................................................................................... 11 Graf 2:Podíl úvěrů na bydlení na celkových úvěrech obyvatelstvu a podíl hypotečních úvěrů na úvěrech na bydlení (v %) .................................................................................................................... 13 Graf 3: Oddluţení fyzických osob ...................................................................................................... 18 Graf 4: Četnost mezd zaměstnanců (rozdělení v letech 2000 a 2008) ................................................ 35 Graf 5: vývoj úrokových sazeb ........................................................................................................... 37 Graf 6: Vývoj HDP a hypoték ............................................................................................................ 38 Graf 7: Korelační koeficient mezi úvěry a zpoţděnou nezaměstnaností ............................................ 43 Graf 8: Korelační koeficient mezi úvěry a zpoţděnou úrokovou sazbou ........................................... 44 Graf 9: Korelační koeficient mezi úvěry a zpoţděnou mzdou ........................................................... 47

58

8 Seznam příloh Příloha 1: Neutrácíme doma více, neţ vyděláváme? .......................................................................... 61

59

Přílohy

60

Příloha 1: Neutrácíme doma více, než vyděláváme?

61

62

63

64

65