De impact van de stresstest 2014 op de beurskoers van banken
1. De impact van de stresstest
2014 op de beurskoers van
banken
Academiejaar 2014-2015
Promotor: Dr. Tom Franck
Masterproef aangeboden tot
het behalen van de graad
Petra Roks
FACULTEIT ECONOMIE EN BEDRIJFSWETENSCHAPPEN
R0452565
MASTER IN DE HANDELSWETENSCHAPPEN
3. 2
Abstract
In dit onderzoek wordt nagegaan of de stresstest uitgevoerd in 2014 als waardevol wordt
beschouwd door investeerders. Na de financiële crisis van 2008 is er steeds meer nood
aan transparante financiële instellingen waarvan het risico kan ingeschat worden.
Stresstesten gaan na of banken kunnen overleven in een ongunstige macro-economische
situatie. Aan de hand van een event study wordt onderzocht of (i) de aankondiging van de
test, (ii) de bekendmaking van de methodologie en (iii) de publicatie van de resultaten een
reactie teweeg brengen op de aandelenrendementen van banken. Daarnaast wordt er
nagegaan of er verschillen zijn tussen banken die falen of slagen en meer of minder
risicovol zijn. Uit het onderzoek blijkt dat de aankondiging van de oefening, de
bekendmaking van de methodologie en de publicatie van de resultaten elk voor een reactie
op de beurskoers zorgen. De hypothese dat stresstesten waardevol zijn, wordt dus
bevestigd. Daarnaast worden bij de publicatie van de resultaten negatieve reacties
gemeten voor banken die falen voor de test en blijkt de impact groter voor banken met
meer risico.
Dankwoord
Deze masterproef vormt het sluitstuk van mijn opleiding Master in de
Handelswetenschappen aan de KU Leuven. Voor de realisatie van deze masterproef wens
ik mijn promotor, Dr. Tom Franck, te bedanken voor de ondersteuning tijdens de uitwerking
van het onderwerp.
4. 3
1 Inleiding
De centrale onderzoeksvraag in deze masterproef is of de stresstesten als waardevol
worden beschouwd door investeerders door na te gaan of (i) de aankondiging van de
oefening, (ii) de openbaarmaking van de methodologie en (iii) de publicatie van de
resultaten een significante impact hadden op de beurskoers van banken.
Zowel in de Verenigde Staten als in Europa zijn er reeds verschillende stresstesten
doorheen de jaren verwezenlijkt. In 2009 werd het Supervisory Capital Assesment Program
(SCAP) uitgevoerd in de Verenigde Staten. Vervolgens werden in 2010 en 2011 de eerste
stresstesten in Europa uitgewerkt. In 2013 kondigde de EBA een nieuwe ronde van
stresstesten aan, deze resultaten werden vrijgegeven op 26 oktober 2014 (EBA, 2014c).
Uit eerdere onderzoeken blijkt geen consensus. Enerzijds werd geen impact gevonden
voor de stresstest 2010 (Cardinali & Nordmarkt, 2011). Anderzijds werd wel een impact
gevonden voor de SCAP en de Europese stresstest 2011, wat een indicatie kan zijn dat
deze oefeningen als geloofwaardiger kunnen beschouwd worden (Stiroh, 2009; Peristiani
et al., 2010; Petrella & Resti, 2013). Cardinali en Nordmarkt (2011) onderzochten de reactie
op de openbaarmaking van de methodologie tijdens de stresstest van 2011. Zij meten een
significante reactie op de beurskoers naar aanleiding van dit evenement.
Naast de algemene onderzoeksvraag of stresstesten waardevol zijn voor investeerders,
onderzoeken we of er een verschil is in marktreactie voor banken die slagen en falen voor
de stresstest. Alves et al. (2014) concluderen dat banken die duidelijk slagen voor de
stresstesten van 2010 en 2011 een hoger cumulatief abnormaal rendement (CAR) hebben
dan andere financiële instellingen. Vervolgens wordt er ook rekening gehouden met het
risico van banken. De resultaten van de stresstest 2010 en 2011 hadden namelijk een
sterkere impact op de koers van banken met een hoger risico (Alves et al., 2014). Ten
slotte worden twee controlevariabelen opgenomen: GIPSI1 en grootte. Het onderscheid
tussen GIPSI en non-GIPSI wordt gemaakt om in te schatten of zuidelijk gelegen landen
meer transparant zijn ten opzichte van landen in het noorden van Europa (Cardinali &
Nordmarkt, 2011).
Deze paper levert een belangrijke bijdrage aan de bestaande literatuur, omdat het
noodzakelijk is om in te schatten of de uitgevoerde stresstesten als nuttig worden
beschouwd en eventueel herhaald moeten worden in de toekomst. Ook is er na de
bankencrisis van 2008 meer nood aan transparante financiële instellingen waarvoor het
risico duidelijk ingeschat kan worden. Voorlopig blijft empirisch onderzoek voor de
stresstest 2014 uit.
1
De term GIPSI verwijst naar de landen Griekenland, Italië, Portugal, Spanje en Ierland (Cardinali
& Nordmarkt, 2011).
5. 4
Het onderzoek wordt uitgevoerd aan de hand van een event study waarbij de CAR’s van
de dagelijkse total return indices (TRI) rond de verschillende event data2 worden gemeten.
De CAR’s worden gemeten over verschillende periodes, meerbepaald één, vijf, tien en
veertien dagen voor en na de gebeurtenis. In de eerste plaats wordt de significantie van
deze CAR’s gemeten en wordt er een onderscheid gemaakt tussen deelname, resultaat
(slagen of falen) en GIPSI. Vervolgens wordt er cross-sectionele regressie uitgevoerd om
na te gaan welke variabelen de abnormale rendementen beïnvloeden. De variabelen voor
de cross-sectionele regressie omvatten wederom deelname, resultaat en GIPSI en worden
uitgebreid met het risico en de grootte van de bank en de mate waarin een bank de markt
volgt.
De resultaten tonen aan dat alle events zorgen voor een significante rendementswijziging.
De markt geeft dus een signaal dat de stresstesten als waardevol beschouwd worden. De
uiteindelijke publicatie van de resultaten vormt het sluitstuk van de stresstest 2014 en
wordt, in tegenstelling tot event 1 en 2, wel beïnvloed door de variabelen resultaat en risico.
Banken die falen voor de test ondervinden een daling in rendement ten gevolge van de
stresstest, daarnaast scoren banken met een groter risico negatief.
Het verdere verloop van de paper is als volgt: ten eerste wordt er een overzicht gegeven
van de bestaande literatuur rond het domein. Uit de bestaande literatuur volgen de
hypothesen die gebruikt worden voor het onderzoek. Vervolgens wordt, voor personen die
niet bekend zijn met het begrip stresstesten, een bondige uitleg gegeven. Ten vierde wordt
de gebruikte data voorgesteld en de toegepaste methodologie weergegeven. In deel 5
worden de resultaten uiteengezet, hierbij worden zowel de univariate als de multivariate
testen besproken. Dit wordt herhaald voor elk event. Ten slotte komen de belangrijkste
conclusies in deel 6 aan bod.
2
De aankondiging van de oefening (event 1) vond plaats op 23 oktober 2013, de bekendmaking
van de methodologie (event 2) gebeurde op 29 april 2014 en op 26 oktober 2014 werden de
effectieve resultaten gepubliceerd (event 3).
6. 5
2 Literatuurstudie en hypothesen
Deze literatuurstudie bestaat in eerste instantie uit een overzicht van de bestaande
literatuur en de hypothesen die daaruit volgen. Hierbij ligt de focus op bestaande studies
rond de impact van stresstesten op de beurskoers van banken, het verschil tussen banken
die al dan niet slagen en mogelijke afwijkingen tussen banken met meer of minder risico.
Daarnaast worden de opgenomen controlevariabelen kort voorgesteld. Ten tweede volgt
een beschrijvend deel waarin een chronologisch overzicht wordt gegeven van de reeds
uitgevoerde stresstesten in de Verenigde Staten en Europa, de inhoud van de stresstesten
en de impact ervan op macro-economisch niveau. Hierbij wordt een sterke nadruk gelegd
op de stresstest uitgevoerd in 2014.
2.1 Overzicht literatuurstudie en hypothesen
In de literatuurstudie komen verschillende aspecten aan bod. Het eerste deel behandelt de
relatie tussen stresstesten en beurskoersen van banken. Vervolgens wordt ingegaan op
deelaspecten van de relatie tussen de stresstest en de impact op de beurskoers, zoals het
verschil tussen banken die wel en niet slagen voor de stresstest en de impact van het risico
van de deelnemende banken.
In het verleden zijn er verschillende studies gewijd aan de invloed van specifieke
beslissingen van monetaire beleidsmakers op de beurskoers van banken. Stresstesten zijn
een voorbeeld van deze specifieke beslissingen. In een kwalitatief onderzoek van Stiroh
(2009) wordt de impact van de SCAP op de beurskoers van de deelnemende financiële
instellingen geanalyseerd. De tien banken die niet slaagden voor de stresstest, reageerden
met acties om het kapitaal te verhogen. Dit heeft geleid tot een toename van meer dan 77
miljard dollar in Tier 1 Common Equity. Stiroh (2009) besluit dat de resultaten van de
stresstest als waardevol beschouwd kunnen worden, aangezien de deelnemende banken
reageren met een verhoging van het kapitaal. Een studie van Peristiani et al. (2010) meet
eveneens de impact van de SCAP, maar in tegenstelling tot Stiroh (2009) wordt er een
kwantitatieve studie uitgevoerd. De bevindingen zijn in lijn met de conclusie van Stiroh
(2009), namelijk dat stresstesten waardevolle informatie leveren. Blundell-Wignall en
Slovik (2010) voeren onderzoek naar de uitkomst van de Europese stresstest van 2010,
met een sterke focus op overheidsschuld. De resultaten tonen aan dat banken zeer robuust
zijn en zelfs een significante negatieve macro-economische schok kunnen doorstaan. Maar
de resultaten van de stresstest geven geen aanleiding tot een herstel van de markt in 2011.
De aandelenmarkten presteren slecht, de risicopremie voor obligaties is hoog en banken
zijn weinig bereid om leningen toe te staan. Volgens Blundell-Wignall en Slovik (2010) is
dit verschil te wijten aan het feit dat de stresstest geen haircuts 3 voorziet voor
overheidsschuld opgenomen in de handelsportefeuille van een bank. Er zijn daarentegen
wel haircuts voorzien voor overheidsschuld in de beleggingsportefeuille.
3
Een haircut is een percentage dat wordt afgetrokken van de nominale waarde van een activa dat
gebruikt wordt als onderpand. De grootte van het percentage is afhankelijk van het risico (ICMA,
2014).
7. 6
De resultaten tonen aan dat in 2010 83% van de overheidsschuld werd opgenomen in de
beleggingsportefeuille. Dit verklaart dus het grote verschil tussen de resultaten van de
stresstest en de economische situatie. In tegenstelling tot de meting van de impact van de
SCAP, blijkt uit de resultaten van de marktreactie op de Europese stresstest van 2010 dat
de resultaten van deze stresstest niet waardevol zijn voor investeerders. De bekendmaking
van de methodologie van de stresstest 2011 zorgt wel voor een reactie op de beurskoers
(Cardinali & Nordmarkt, 2011). Petrella en Resti (2013) onderzoeken of de Europese
stresstest van 2011 een impact heeft op de beurskoers van banken. Er worden zowel
significante reacties gemeten tijdens de dagen voor de bekendmaking van de resultaten,
als op de dag van de bekendmaking zelf. Dit betekent dat de resultaten een waardevolle
bijdrage leveren voor investeerders. Toch wordt de stresstest van 2011 beschouwd als
ondoeltreffend omdat deze er niet in geslaagd is om de neerwaartse trend in de beurskoers
van banken om te keren (Jenkins, 2011).
Het hoofddoel van dit onderzoek is om na te gaan of de publicatie van de resultaten van
de stresstest 2014 een significante invloed heeft op de beurskoers van banken. Hieruit kan
men afleiden of de stresstest waardevol is en of de geloofwaardigheid ervan verbeterd is
t.o.v. voorgaande stresstesten. De EBA heeft namelijk geprobeerd om kritieken uit het
verleden uit te wissen door te kiezen voor een andere aanpak voor de stresstest 2014. Zo
wordt er o.a. gewerkt met een Asset Quality Review (AQR), wat ervoor zorgt dat banken
vergelijkbaar worden over nationale grenzen heen, daarnaast kiest men voor een strenger
stress-scenario.
Uit bovenstaande studies blijkt dat de resultaten van eerder onderzoek niet consistent zijn
i.v.m. de informatieve waarde van een stresstest. Zowel Stiroh (2009) als Peristiani et al.
(2010) meten significante invloeden van de SCAP op de beurskoers. In tegenstelling tot
Stiroh (2009) en Peristiani et al. (2010) beargumenteren Cardinali en Nordmark (2011) dat
het vrijgeven van de resultaten van de Europese stresstest in 2010 geen marktreactie
uitlokt. De resultaten van Petrella en Resti (2013) tonen aan dat de publicatie van de
resultaten van de Europese stresstest 2011 wel een significante invloed heeft op de
beurskoers. Uitgaand van voorgaand onderzoek kan volgende hypothese worden
opgebouwd:
H1: De publicatie van de resultaten van de stresstest 2014 heeft een positieve
invloed op de beurskoers.
Naast de studie naar de impact van de publicatie van de resultaten, zijn er twee andere
tijdstippen die mogelijkerwijs ook een beursreactie uitlokken, namelijk (i) de aankondiging
van de test en (ii) de gehanteerde methodologie. Zoals eerder aangehaald heeft de EBA
geprobeerd om de geloofwaardigheid van de stresstest te verbeteren door te kiezen voor
een andere methodologie. Om na te gaan of deze strategie een positieve bijdrage heeft
geleverd, is het interessant om na te gaan of er een positieve rendementswijziging
plaatsvindt wanneer de methodologie wordt bekendgemaakt. Dit fenomeen werd reeds
onderzocht voor de stresstest 2011 door Cardinali en Nordmarkt (2011). Uit de resultaten
blijkt dat de bekendmaking van de methodologie van de stresstest een reactie uitlokt. Rond
de impact van de aankondiging van de oefening blijft empirisch bewijs uit. Om met meer
zekerheid uitspraak te doen over de waarde die investeerders aan de stresstest hechten,
wordt het onderzoek dus uitgebreid naar drie tijdstippen. Dit leidt tot de toevoeging van de
volgende hypothesen:
8. 7
H2: De aankondiging van de stresstest 2014 heeft een positieve invloed op de
beurskoers.
H3: De bekendmaking van de methodologie van de stresstest 2014 heeft een
positieve invloed op de beurskoers.
Verschillende onderzoeken uit het verleden analyseren de reactie van de aandelenmarkt
op nieuwe informatie. De efficiënte markthypothese van Fama (1965) wordt in het domein
van behavioral finance vaak als onjuist beschouwd, omdat aandelenmarkten over- of
onderreageren op nieuws. Maar Fama (1998) weerlegt deze kritiek: uit zijn onderzoek blijkt
dat over- en onderreactie even vaak voorkomen en dus wel passen binnen de efficiënte
markthypothese. Veronesi (1999) toont aan dat de economische conjunctuur een
belangrijke rol speelt in hoe informatie wordt opgevangen door de markt. Doordat
investeerders zich willen indekken tegen onzekerheid, reageren ze sterker op slecht
nieuws in een hoogconjunctuur dan op goed nieuws in een laagconjunctuur. Maar niet
enkel de conjunctuur heeft een invloed op hoe nieuws wordt ontvangen, ook het verschil
tussen goed en slechts nieuws heeft een impact op de beurskoers. Leippold et al. (2008)
tonen aan dat aandelenprijzen sterker reageren op negatieve dan op positieve informatie.
Deze stelling wordt bevestigd door een onderzoek van Suleman (2012). Goed nieuws heeft
een positieve impact op de beurskoers en zorgt voor een daling van de volatiliteit, het
omgekeerde geldt voor slecht nieuws, maar slecht nieuws heeft dubbel zo veel effect op
de volatiliteit dan goed nieuws. Wanneer deze veronderstelling wordt toegepast op het
effect van de stresstest, blijkt dat de aandelen van banken die duidelijk slagen voor de
stresstest van 2010 en 2011 hogere CAR hebben dan andere financiële instellingen (Alves
et al., 2014). Bovenstaand onderzoek leidt tot de volgende hypothese:
H4: De invloed van de stresstest 2014 op de beurskoers is negatief voor banken die
falen voor de stresstest.
Naast het verschil tussen banken die falen en slagen voor de stresstest, is er ook bewijs
dat het risico van banken een rol speelt. Alves et al. (2014) concluderen dat de resultaten
van de stresstest van 2010 en 2011 een sterkere impact hebben op de beurskoers van
financiële instellingen met een hoger kredietrisico. Verder zijn er weinig empirische
bewijzen voor een relatie tussen stresstesten en het risico van banken. Een mogelijk
verband kan zijn dat de impact op de beurskoers groter is voor banken met meer risico,
omdat het voor risicovolle banken belangrijker is om in te schatten of ze kunnen overleven
in een ongunstige macro-economische situatie dan voor banken met minder risico. In dit
onderzoek wordt als maatstaf voor risico gebruik gemaakt van zowel het totale risico als
het kredietrisico van een bank. Stiroh (2006) toont aan dat de meest relevante maatstaf
voor het meten van totaal risico, de volatiliteit van de beurskoers is. Om de volatiliteit te
meten, gebruikt Stiroh (2006) de standaarddeviatie van de wekelijkse
aandelenrendementen. Brewer en Koppenhaver (1992), Anderson en Fraser (2000) en
Gonzàlez (2005) gebruiken tevens de standaarddeviatie, berekend op basis van de
dagelijkse aandelenrendementen, om het totale risico te meten. Het kredietrisico is het
risico dat een debiteur zijn schulden niet volledig terugbetaalt (Sun & Chang, 2011).
Aangezien een bank zeer veel leningen uitgeeft, is het kredietrisico van groot belang. In de
literatuur worden er verschillende maatstaven voor kredietrisico gehanteerd. In dit
onderzoek wordt het kredietrisico berekend als de verhouding tussen de reserves
aangehouden voor verliezen op leningen en het totaal van de leningen. Volgens de
bovenstaande veronderstellingen kan hypothese 5 worden opgesteld:
9. 8
H5: De impact van de stresstest 2014 op de beurskoers is groter voor banken met
een groter risico.
Naast bovenstaande hypothesen worden er nog enkele controlevariabelen opgenomen.
Een eerste controlevariabele komt tot stand op basis van bevindingen voor de Europese
stresstest 2010 van Cardinali en Nordmarkt (2011). Zij splitsen de geteste banken op in
GIPSI en non-GIPSI. De term GIPSI verwijst naar de landen Griekenland, Italië, Portugal,
Spanje en Ierland. Deze term is een verwijzing naar het feit dat deze landen de
bankencrisis van 2008 slechter hebben doorstaan dan landen in het noorden van Europa.
De opsplitsing maakt het mogelijk om na te gaan of banken uit het zuiden van Europa meer
transparant zijn dan de noordelijke tegenhangers, omdat deze banken meer informatie
hebben moeten vrijgeven door de problemen binnen de banken. Cardinali en Nordmarkt
(2011) vinden geen significante verschillen tussen de aandelenrendementen van GIPSI en
non-GIPSI. Naast bovenvermeld onderzoek is er weinig empirisch bewijs rond het verschil
tussen GIPSI en non-GIPSI. Om uitsluitsel te geven over dit domein, wordt deze variabele
dus opgenomen als controlevariabele. Ten tweede wordt ook de grootte van banken
toegevoegd als controlevariabele. Dit wordt gemeten aan de hand van de
marktkapitalisatie.
2.2 Begrip stresstesten
Sinds 1990 worden stresstesten bij banken gebruikt om het risico van individuele financiële
instellingen in te schatten. Daarnaast maakt het deel uit van de tweede pijler van het Bazel
II akkoord4. Naast deze stresstesten op microprudentieel niveau, spelen stresstesten ook
een belangrijke macroprudentiële rol. Stresstesten meten namelijk de blootstelling aan
exceptionele, maar mogelijke stress-scenario’s van een groep financiële instellingen. Het
verschil met stresstesten op individueel niveau is dat macro-stresstesten helpen bij het
inschatten van het risico van een volledig financieel systeem (Sorge & Virolainen, 2006).
Van februari tot en met mei 2009 werd een stresstest uitgevoerd voor de negentien grootste
banken in de Verenigde Staten. Deze stresstest wordt de Supervisory Capital Assesment
Program (SCAP) genoemd. Het doel van de SCAP is om in te schatten of de kapitaalbuffer
van de deelnemende banken hoog genoeg is om in een onzekere economische omgeving
te overleven. Daarnaast wordt onderzocht of de banken voldoende reserves aanhouden
om mogelijke verliezen te compenseren, dit zonder het aantal leningen te verminderen. De
SCAP is een toekomstgerichte test om verliezen, omzet en reserves in te schatten voor
twee toekomstige jaren. De inschatting gebeurt voor twee economische scenario’s: een
benchmark waarbij de werkelijke toekomstige economische situatie wordt vastgesteld en
een ongunstige economische situatie. Wanneer verwacht wordt dat een buffer van een
bank niet hoog genoeg is om te overleven in het ongunstig scenario, zal deze bank haar
kapitaal moeten verhogen (Board of Governors of Federal Reserve System, 2009a).
4
De tweede pijler van het Bazel II akkoord heeft als doelstelling dat banken en
beleggingsondernemingen voldoende vermogen aanhouden voor mogelijke risico’s. Het bestaat
uit een proces waarmee banken zelf hun kapitaaltoereikendheid beoordelen (De Nederlandsche
Bank, 2007).
10. 9
De resultaten van de SCAP tonen dat tien van de negentien banken niet over voldoende
kapitaal beschikken. Het kapitaaltekort wordt geschat op 75 miljard dollar. Deze banken
worden verplicht om extra kapitaal te verwerven (Board of Governors of the Federal
Reserve System, 2009b).
In 2010 werd de eerste Europese stresstest uitgevoerd door de Committee of European
Banking Supervisors (CEBS) in samenwerking met de Europese Centrale Bank (ECB). De
CEBS (2010a) formuleert de doelstelling van de stresstest als volgt: “Provide policy
information for assessing the resilience of the EU banking system to possible adverse
economic developments and to assess the ability of banks in the exercise to absorb
possible shocks on credit and market risks, including sovereign risks”. De test wordt
uitgevoerd bij 91 Europese banken. Zoals bij de SCAP worden bij deze stresstest twee
scenario’s in acht genomen: een benchmark en een ongunstig scenario. De resultaten
tonen dat zeven Europese banken beschikken over een Tier 1 kapitaalratio die lager is dan
6% in de ongunstige situatie, rekening houdend met de schuldencrisis5. Deze banken staan
in nauw contact met nationale autoriteiten om de resultaten te bespreken en het
kapitaalratio te doen stijgen (CEBS, 2010b).
In 2011 werd de European Banking Authority (EBA) opgericht. Deze organisatie neemt alle
taken over van het CEBS en staat dus ook in voor de stabiliteit van het Europese financiële
systeem. Om dit te garanderen, kondigt de EBA nieuwe stresstesten aan. Gelijkaardig aan
de testen van 2010 wil men inzicht krijgen in de gevoeligheid van banken aan een
exceptionele, maar mogelijke economische situatie. De publicatie van de resultaten moet
zorgen voor meer transparantie in de bankensector (EBA, 2011a). De test bestaat, zoals
bij de SCAP, uit een benchmark scenario en een ongunstig scenario. Er wordt nagegaan
in welke mate de Core Tier 1 kapitaalratio (CT1R) afwijkt van de benchmark. Het
noodzakelijk minimum wordt hierbij gezet op 5% 6 (EBA 2011c). De stresstest wordt
uitgevoerd bij 90 banken van 2010 tot en met 2012. Bij de start van de test hebben de
banken een sterke kapitaalpositie, de gemiddelde CT1R bedraagt 8,9%. Dit hoge cijfer is
mede te danken aan de overheidssteun aan vele banken eind 2010. Wanneer enkel de
resultaten van 2010 in beschouwing worden genomen, voldoen 20 banken niet aan de 5%
CT1R. Maar in de eerste vier maanden van 2011 mogen banken hun kapitaalpositie
verbeteren. Dit leidt tot een eindresultaat waarbij acht banken een CT1R hebben van
minder dan 5%. Zestien banken hebben een CT1R tussen de 5 en 6%. De banken die niet
geslaagd zijn voor de stresstest moeten, in samenwerking met nationale overheden,
binnen drie maanden een plan voorleggen op de CT1R te versterken. Negen maanden na
de indiening van het plan, moet deze geïmplementeerd worden (EBA, 2011d).
5
De banken die niet slagen voor de stresstest zijn Hypo Real Estate (Duitsland), ATE Bank
(Griekenland) en 5 Spaanse banken: Diada, Espiga, Banca Civica, Unnim en CajaSur (CEBS,
2010c).
6
Dit is lager dan de 7 % Core Tier 1 kapitaalratio die geldt volgens het Bazel III akkoord. De EBA
heeft ervoor gekozen om de Bazel III richtlijnen nog niet te volgen, aangezien deze pas van kracht
zijn in 2013.
11. 10
De meest recente stresstest van de EBA is de EU-wide stresstest van 2014. De doelstelling
van deze stresstest is gelijk aan deze van 2010 en 2011, namelijk het inschatten van de
weerstand van een bank in een ongunstige macro-economische omgeving (EBA, 2014a).
De stresstest wordt uitgevoerd bij 123 Europese banken in 22 landen. De banken worden
getest op een set van risico’s: kredietrisico, marktrisico, landenrisico, securitisatie en de
financieringskost. De aanpak van de stresstest 2014 verschilt van deze van voorgaande
stresstesten. Zo toonde de stresstest 2010 aan dat de twee grootste banken van Ierland
gezond waren, terwijl het volledige Ierse bankensysteem enkele maanden later
ineenstortte. Daarnaast bleek uit de stresstest 2011 dat Dexia behoorde tot de twaalf meest
veilige banken, terwijl snel erna deze bank overheidssteun nodig had om te kunnen
overleven. Om deze kritieken te vermijden bij de stresstest 2014, kiest de EBA voor een
andere aanpak. Ten eerste vormt de Asset Quality Review (AQR) het startpunt voor de
stresstest 2014 (P.W., 2014). In de AQR wordt er dieper ingegaan op bepaalde portfolio’s,
bestaande uit: leningen voor commercieel vastgoed, kredietverlening aan KMO’s en grote
ondernemingen en hypotheken. Daarnaast verplaatst de EBA een uitstaande vordering
naar dubieuze debiteuren wanneer de vordering gedurende 90 dagen uitstaat, zelfs
wanneer de bank deze nog niet heeft erkend als dubieus (Finansinspektionen, 2014). De
AQR maakt banken over nationale grenzen heen vergelijkbaar en draagt dus bij aan de
geloofwaardigheid en onafhankelijkheid van het onderzoek (ECB, 2014). Ten tweede kiest
de EBA ervoor om zowel de beleggingsportefeuille7 als de handelsportefeuille8 in acht te
nemen (EBA, 2014a). Een derde methode om de stresstest te verbeteren, is het strenger
maken van het benchmarkscenario en het ongunstige scenario (P.W., 2014). Het minimum
Common Equity Tier 1 kapitaalratio (CET1) voor het benchmarkscenario bedraagt 8%,
voor het ongunstige scenario is dit 5,5% (EBA, 2014a). Het startpunt voor de interpretatie
van de resultaten is een gewogen gemiddeld CET1 van 11,5%. In het ongunstig scenario
daalt het gewogen gemiddelde CET1 tot 11,1% eind 2013 en tot 8,5% eind 2016. Zestien
banken hebben een CET1 van minder dan 8% in het benchmarkscenario. 24 van de
deelnemende banken (waaronder de zestien uit het benchmark scenario) slagen niet voor
de stresstest. Het kapitaaltekort bereikt een totaal van 24,2 miljard euro. Daarnaast is er
een tekort van 37 miljard euro, afkomstig uit Asset Quality Review (AQR). Een significante
proportie (8,7 miljard euro van de 24,2 miljard euro) van de kapitaaltekorten in het
ongunstig scenario is te wijten aan Griekse banken. Deze Griekse banken hebben een
herstructureringsplan dat is goedgekeurd door de Europese Commissie. Het plan wordt
opgenomen in de stresstest, waardoor er uiteindelijk slechts een tekort van 20 miljoen euro
is bij de Griekse banken (EBA, 2014c). Twaalf banken hebben volgens de EBA reeds
maatregelen genomen om het kapitaaltekort te beperken en slagen dus indirect wel voor
de test (Constâncio & Nouy, 2014).
7
De beleggingsportefeuille bevat alle activa die niet opgenomen zijn in de handelsportefeuille.
Activa die opgenomen zijn in de beleggingsportefeuille zijn gewaardeerd aan boekwaarde.
Wanneer de marktwaarde van een activa de boekwaarde overschrijdt, wordt deze vaak verplaatst
van de handelsportefeuille naar de beleggingsportefeuille (Blundel-Wignall & Slovik, 2010).
8
De handelsportefeuille bestaat uit de financiële activa die gewaardeerd zijn aan marktwaarde
(Blundel-Wignall & Slovik, 2010).
12. 11
3 Onderzoek
In deze sectie wordt omschreven welke beschikbare data en methodologie het meest
optimaal zijn om onderstaande hypothesen te testen.
H1: De publicatie van de resultaten van de stresstest 2014 heeft een positieve invloed op
de beurskoers.
H2: De aankondiging van de stresstest 2014 heeft een positieve invloed op de beurskoers.
H3: De bekendmaking van de methodologie van de stresstest 2014 heeft een positieve
invloed op de beurskoers.
H4: Het effect van de stresstest op de beurskoers is negatief voor banken die falen voor
de stresstest.
H5: De impact van de stresstest op de beurskoers is groter voor banken met een groter
risico.
3.1 Data
Om de onderzoeksvragen te beantwoorden, vertrekken we van de lijst met Europese
banken die hebben deelgenomen aan de stresstest 2014. Om een event study uit te
voeren, kan er enkel gewerkt worden met beursgenoteerde ondernemingen. Dit resulteert
in een steekproef van 53, 54 en 55 banken voor respectievelijk event 1, 2 en 39. Naast de
beursgenoteerde banken die hebben deelgenomen, worden alle banken uit landen die
hebben deelgenomen aan de stresstest, maar zelf hebben niet geparticipeerd toegevoegd
als controlevariabelen. Dit leidt tot een totale steekproef van 168, 170 en 172 banken.
Om de impact van de stresstest op de beurskoers te meten, zal gebruik gemaakt worden
van de dagelijkse aandelenrendementen. Maandelijkse rendementen zijn niet aan te
raden, aangezien veel informatie over de reactie op een event hierbij verloren gaat. Brown
en Warner (1985) deden reeds onderzoek naar of dagelijkse returns gebruikt kunnen
worden en of bepaalde karakteristieken van dagelijkse rendementen de methodologie van
een event study beïnvloeden. Bij het gebruik van dagelijkse returns doen zich enkele
problemen voor. Ten eerste wijkt dagelijkse data meer af van de normaalverdeling dan wat
het geval is bij maandelijkse gegevens. Ten tweede is het mogelijk dat er een vertekening
ontstaat wanneer er sprake is van niet-simultane verhandeling van effecten, op dagelijkse
basis kan deze bias groter zijn.
9
De event study wordt uitgevoerd op drie verschillende tijdstippen: de aankondiging van de
oefening op 23 oktober 2013, de bekendmaking van de methodologie op 29 april 2014 en de
publicatie van de resultaten op 26 oktober 2014. Deze drie tijdstippen worden in voorgenoemde
volgorde als event 1, event 2 en event 3 gekwalificeerd.
13. 12
Ten derde kan er ook een vertekening van de variantie zijn, aangezien de
aandelenrendementen stijgen tijdens de dagen rond het event. Na het onderzoeken van
deze mogelijke problemen, beargumenteren Brown en Warner (1985) dat de
karakteristieken van dagelijkse aandelenreturns weinig moeilijkheden met zich mee
brengen wanneer er gebruik gemaakt wordt van event studies. In dit onderzoek maken we
dus gebruik van dagelijkse aandelenrendementen. De dagelijkse rendementen vertalen
zich in Total Return Indices (TRI). Er wordt gekozen voor TRI in plaats van beurskoersen
omdat deze reeds rekening houden met uitkering van dividenden. Deze TRI zijn ter
beschikking gesteld via Datastream.
Voor hypothese 4 wordt nagegaan of het effect negatief is voor banken die falen voor de
stresstest. Bijlage 1 geeft een overzicht van banken die niet slagen voor de stresstest, deze
banken hebben een CET1 in het ongunstig scenario van gelijk aan of minder dan 5,5%.
Uiteindelijk slaagden 24 banken niet voor de stresstest. Twaalf banken hebben volgens de
EBA reeds maatregelen getroffen om het kapitaaltekort te beperken en slagen dus indirect
wel voor de test. Toch zullen alle 24 gefaalde banken worden opgenomen in de dataset,
aangezien de informatie die op 26 oktober 2014 werd vrijgegeven het falen van 24 banken
bevat. Uiteindelijk leidt dit in de steekproef tot veertien banken die niet slagen voor de
stresstest, de overige tien banken zijn niet-beursgenoteerde ondernemingen en vallen dus
buiten het onderzoeksdomein.
Hypothese 5 vereist een berekening van het risico van banken. Er wordt zowel gebruik
gemaakt van het totaal risico als het kredietrisico. Het totaal risico zal gemeten worden aan
de hand van de standaarddeviaties van de dagelijkse aandelenrendementen. Deze kunnen
dus berekend worden op basis van de TRI uit Datastream. Het kredietrisico wordt berekend
door de voorzieningen voor verlies op leningen te delen door het totaal aan leningen. Het
kredietrisico is enkel beschikbaar voor de banken die hebben deelgenomen aan de
stresstest. Deze variabele wordt dus voornamelijk gebruikt ter controle van de resultaten
op basis van het totaal risico.
De controlevariabelen bestaan ten eerste uit alle beursgenoteerde banken uit landen die
hebben deelgenomen aan de stresstest, maar zelf niet hebben deelgenomen. Deze
informatie is ter beschikking gesteld via Datastream. Ten tweede is een lijst van banken uit
GIPSI en non-GIPSI landen noodzakelijk. De lijst voor deelgenomen banken uit GIPSI is
te vinden in bijlage 2. Ook in de lijst van niet-deelgenomen banken uit landen die wel
hebben deelgenomen, wordt er een opsplitsing gemaakt tussen GIPSI en non-GIPSI. Ten
slotte wordt ook de grootte van banken toegevoegd als controlevariabele. Dit wordt
gemeten aan de hand van de marktkapitalisatie, dit stelt de totale waarde van de uitstaande
aandelen voor.
14. 13
3.2 Methodologie
Dit onderzoek maakt gebruik van dagelijkse aandelenreturns om de prijsimpact van een
bepaald event in te schatten, hierbij wordt dus gebruik gemaakt van een event study. Een
event study wordt als volgt omschreven: “een event study is een statistische methode om
de rendementswijziging ten gevolge van een gebeurtenis te bepalen en te testen of dat
gemiddeld effect ook significant verschillend is van nul” (De Prijcker, 2014). De impact van
een bepaald event wordt ingeschat aan de hand van het beursrendement, in dit geval TRI,
van een onderneming. Hierbij is het de bedoeling om het event zo veel mogelijk te isoleren,
zodat andere factoren die mogelijk een impact hebben op de koers worden uitgesloten (De
Prijcker, 2014).
Om een event study correct uit te voeren, moet er een event time worden vastgesteld. Dit
is de periode die wordt bestudeerd om het event te kwantificeren. Het event zelf vindt plaats
op de dag van de aankondiging. In dit onderzoek zijn er drie tijdstippen van belang. Op 23
oktober 2013 kondigt de ECB aan dat er een nieuwe reeks stresstesten zal volgen. De
methodologie voor de stresstest 2014 wordt bekendgemaakt op 29 april 2014. De
publicatie van de resultaten van de Europese stresstest 2014 volgt op 26 oktober 2014.
Mogelijkerwijs kan informatie over de gebeurtenis reeds uitgelekt of geanticipeerd zijn,
daarnaast kan het langer duren voordat de informatie volledig wordt weerspiegeld in het
aandeel. Om rekening te houden met deze zaken, wordt geopteerd voor een event window.
Onderstaande figuur toont de voorstelling van de gebruikte event time (De Prijcker, 2014).
Figuur 1 Event time
Estimation
window Clean period Event window
Post-event
window
T0 T1 T2 0 T3 T4
Bron: gebaseerd op De Prijcker (2014)
Het estimation window bestaat uit de periode voor het event. Hierbij wordt gemeten wat de
beweging van de koers is in normale omstandigheden (zonder het event). Deze periode is
steeds langer dan het event window zelf. In dit geval wordt voor elk event geopteerd voor
een estimation window van 250 dagen om de invloed van overlappingen tussen
verschillende events uit te sluiten. Het event window van event 2 bevindt zich namelijk in
het estimation window van event 1, hetzelfde probleem doet zich voor bij event 2 en event
3. Het is tevens van belang om enige tijd te voorzien tussen het estimation window en
event window, dit wordt de clean period genoemd. De doelstelling van de clean period is
om de invloed van geruchten uit te sluiten, hiervoor wordt een periode van 31 dagen
voorzien (De Prijcker, 2014).
250 dagen 31 dagen 3, 11, 21, 29
dagen
15. 14
Om het normale rendement Rit in het estimation window te berekenen, wordt het
marktmodel gebruikt. Het model wordt geschat volgens onderstaande formule, hierbij
maken we een inschatting van het rendement van een aandeel ten opzichte van het
marktrendement (De Prijcker, 2014).
R̂it = αi + βiRmt + εit
Waarbij R̂it het normale rendement voor aandeel i op tijdstip t voorstelt, αi het intercept dat
het gemiddelde rendement voorstelt van aandeel i op tijdstip t, βi is het risico van aandeel
i ten opzichte van de markt. Rmt stelt het marktrendement op dag t voor en εit
vertegenwoordigt de storingsterm.
Het marktrendement Rmt moet worden ingeschat aan de hand van een marktindex (De
Prijcker, 2014). In lijn met onderzoek van Petrella en Resti (2013), kiezen we zowel voor
landspecifieke marktindices als voor een Europese marktindex (Euronext). De
landspecifieke marktindices worden gebruikt aangezien een hoge abnormale return
waarschijnlijk ontstaat door een nationale schok. De landspecifieke indices zijn te vinden
in Bijlage 3 en zijn gebaseerd op het onderzoek van Petrella en Resti (2013).
In efficiënte markten reageren investeerders onmiddellijk bij een aankondiging, maar dit is
in de praktijk niet altijd het geval en wordt er bijgevolg bij event studies gewerkt met een
event window. Er moet een trade-off gemaakt worden tussen een kort en een lang event
window. Een te lang window zorgt er mogelijk voor dat nieuwe of irrelevante
informatiereacties worden gemeten. Maar het belang van geruchten rond de stresstest
mag niet genegeerd worden, waardoor we met een voldoende lang event window moeten
werken. Voor elk van de drie tijdstippen wordt gewerkt met meerdere event windows, zodat
kan worden nagegaan of de resultaten robuust zijn ondanks de duur van het window. De
publicatie van de resultaten op 26 oktober 2014 veroorzaakte de meeste geruchten, er
wordt bijgevolg voor dit event gekozen voor een langer event window. Het post-event
window wordt gebruikt om overreactie of LT effecten in te schatten (De Prijcker, 2014),
maar is in dit geval minder van belang. Onderstaande tabel geeft de gehanteerde event
time schematisch weer.
Tabel 1 Schematische weergave event time
Event Datum
Estimation
window
Clean
period
Event window
Aankondiging
oefening
23/10/’13 250 31 CAR[-1,+1] CAR[-5,+5] CAR[-10,+10]
Bekendmaking
methodologie
29/04/’14 250 31 CAR[-1,+1] CAR[-5,+5] CAR[-10,+10]
Publicatie
resultaten
26/10/’14 250 31 CAR[-1,+1] CAR[-5,+5] CAR[-14,+14]
16. 15
Tijdens de periode van het event window wordt de totale return van het aandeel berekend,
deze bestaat uit de som van het rendement die de onderneming zou gehad hebben indien
er geen event was (normal return) en de return die behaald wordt door het event (abnormal
return). Aangezien we enkel geïnteresseerd zijn in de abnormale return (AR) die het event
met zich meebrengt, wordt deze optelsom herleid tot onderstaande formule, waarbij voor
de berekening van de AR de verwachte normale return R̂it wordt afgetrokken van de
werkelijk gerealiseerde return Rit (De Prijcker, 2014).
ARit = Rit − R̂it
Uiteindelijk worden alle abnormale returns in de gemeten periode opgeteld, zo bekomen
we het cumulatieve abnormale rendement (CAR). Hierbij is t1 het begintijdstip van het event
window en t2 het eindtijdstip (De Prijcker, 2014).
CARi = ARit1
+ ⋯ + ARit2
= ∑ ARit
t2
t=t1
Om ten slotte het gemiddelde van de steekproef te berekenen wordt het CAR gedeeld door
aantal banken in de steekproef en bekomen we het gemiddelde cumulatieve abnormale
rendement (CAAR) (De Prijcker, 2014).
CAAR =
∑ CARi
n
1
n
De CAAR vormt de reactie van de markt op de drie tijdstippen inzake de stresstest 2014,
CAAR wordt dus beschouwd als de afhankelijke variabele (De Prijcker, 2014). Nadat de
CAAR’s berekend zijn, worden deze gecontroleerd op hun significantie, dit gebeurt aan de
hand van een t-test.
t =
CAAR
σCAAR
∗ √N
Nadat de CAAR’s zijn berekend en de significantie ervan getest is, wordt er overgegaan
op univariate testen. Om deze univariate testen correct uit te voeren, moet er eerst
gecontroleerd worden op extreme observaties, zowel voor de CAAR’s als voor de
onafhankelijke variabelen. Deze kunnen namelijk de beschrijvende statistieken
beïnvloeden. Extreme observaties of outliers worden opgespoord aan de hand van
histogrammen. Uit de histogrammen blijkt dat er outliers aanwezig zijn. De impact ervan
kan worden uitgeschakeld door de observaties te winsorizen. Bij deze techniek worden
observaties die kleiner zijn dan het 1e percentiel en groter zijn dan het 99e percentiel
gelijkgesteld aan de respectievelijke waarde van het 1e en 99e percentiel. Hierdoor worden
de extreme observaties niet verwijderd, maar aangepast zodat ze minder extreem zijn.
Nadat alle CAAR’s voor de drie events gewinsorized zijn, wordt het logaritme van de
onafhankelijke variabele grootte genomen.
17. 16
Na de correctie op extreme observaties kan de univariate analyse uitgevoerd worden. Deze
analyse beschrijft alle variabele afzonderlijk, hierbij wordt gekeken naar waarden zoals
gemiddelde, mediaan, minimum, maximum, enz. Daarnaast wordt nagegaan of er een
significant verschil is tussen de gemiddelden van verschillende subgroepen (deelname,
GIPSI, resultaat), dit geeft een eerste indicatie over de invloed van de onafhankelijke
variabele op de afhankelijke variabele (CAAR).
De multivariate testen zouden in lijn moeten zijn met de bevindingen van de univariate
analyse. Voor de drie events worden verschillende regressiemodellen opgesteld. De
afhankelijke variabelen voor event 1 en 2 zijn CAAR[-1,1], CAAR[-5,5] en CAAR[-10,10].
Voor event 3 wordt CAAR[-10,10] vervangen door CAAR[-14,14], zo wordt er meer
rekening gehouden met de impact van geruchten. De onafhankelijke variabelen worden
weergegeven in Tabel 2. De cross-sectionele regressie wordt uitgevoerd voor drie events,
zowel op basis van landspecifieke indices als op basis van Euronext. De regressie baseert
zich op onderstaand model.
CAAR-t, t = β0 + β1 Stdev + β2 Beta + β3 Deelname + β4 Resultaat + β5 Totaal risico +
β6 Kredietrisico + β7 GIPSI + β8 LnGrootte
Tabel 2 Onafhankelijke variabelen
Variabele Omschrijving
Deelname (dummy) Alle Europese banken uit landen die hebben
deelgenomen aan de stresstest worden opgenomen in
de dataset. Er wordt er een onderscheid gemaakt
tussen banken die al dan niet hebben deelgenomen
(0 = niet deelgenomen, 1 = deelgenomen)
Resultaat (dummy) Volgens hypothese 2 wordt nagegaan of het effect
negatief is bij banken die falen voor de stresstest. Het
resultaat is een dummy-variabele die wordt opgesplitst
in geslaagd (0) en gefaald (1).
Totaal risico Om na te gaan of het effect groter of kleiner is bij banken
met meer of minder risico, wordt het totale risico
opgenomen als onafhankelijke variabele. Het risico zal
gemeten worden aan de hand van de
standaarddeviaties van de dagelijkse
aandelenrendement (TRI).
Kredietrisico Ter controle van de variabele totaal risico wordt het
kredietrisico opgenomen, berekend door de
voorzieningen voor verlies op leningen te delen door het
totaal aan leningen.
GIPSI (dummy) De term GIPSI verwijst naar de landen Griekenland,
Italië, Portugal, Spanje en Ierland. (Cardinali &
Nordmarkt, 2011). Voor dit onderzoek wordt er een
dummy-variabele toegevoegd die het onderscheid
maakt tussen NON-GIPSI (0) en GIPSI (1).
LnGrootte De grootte van de bank wordt gemeten aan de hand van
de waarde van het totaal aantal uitstaande aandelen
(marktkapitalisatie). Om de gegevens te kunnen
vergelijken wordt het logaritme genomen van deze
variabele.
18. 17
4 Resultaten
In voorgaande stappen werden de verschillende CAAR’s berekend voor de drie events. Bij
de berekening van het normaal rendement werd Euronext gebruikt als primaire marktindex,
daarnaast werd er steeds een robustness check uitgevoerd aan de hand van
landspecifieke indices10. Een tweede belangrijke robustness check wordt uitgevoerd door
gebruik te maken van twee steekproeven. Ten eerste wordt er steeds gewerkt met een
steekproef die enkel de banken bevat die hebben deelgenomen aan het event. Ten tweede
worden alle banken uit landen die hebben deelgenomen in de steekproef opgenomen.
Deze tweede steekproef zal duidelijk maken wat de reactie is van de gehele sector.
In eerste instantie worden de beschrijvende statistieken van de CAAR’s met verschillende
event windows weergegeven. Daarnaast wordt er gekeken naar verschillen in CAAR’s
wanneer er een opdeling wordt gemaakt in deelname, resultaat en GIPSI. De multivariate
analyse is steeds gebaseerd op het event window CAR[-5,5] en op de marktindex
Euronext, de lineaire regressie vormt het sluitstuk van de resultaten. Deze stappen worden
voor elk event herhaald.
4.1 Event 1
Event 1 vindt plaats op 23 oktober 2013 wanneer bekend wordt gemaakt dat de stresstest
zal uitgevoerd worden. Eerst wordt gekeken naar de CAAR’s van het volledige event, deze
worden steeds grafisch voorgesteld. Figuur 2 geeft het verloop weer voor het window
[-5,5]. Binnen dit window zijn enkel de banken opgenomen die hebben deelgenomen aan
de stresstest. Figuur 3 toont hetzelfde als Figuur 2, maar in de steekproef zijn alle banken
opgenomen.
10
Dit onderzoek focust zich voornamelijk op grote banken, deze banken worden het best
weerspiegeld door Euronext die voornamelijk grote ondernemingen bevat. De landspecifieke
marktindices kunnen de nauwkeurigheid van het onderzoek verbeteren, maar worden eerder als
robustness check gebruikt, aangezien landgrenzen vaak worden overschreden. Daarnaast
bevatten deze indices te veel kleine ondernemingen. De resultaten zullen dus in eerste instantie
gericht zijn op de uitkomsten op basis van Euronext, maar de uitkomst op basis van
landspecifieke indices wordt steeds kort vermeld.
19. 18
Figuur 2 CAR[-5,5] event 1 deelgenomen banken
Figuur 2 toont dat er een positieve reactie wordt gemeten over het hele event window.
Meteen na het event is er een positieve reactie ten gevolge van de bekendmaking van de
oefening. Daarna neemt deze reactie licht af, waarna deze op t+5 zich terug bevindt op het
niveau van t-5.
Figuur 3 CAR[-5,5] event 1 alle banken
Op Figuur 3 is duidelijk te zien dat de gehele sector een gelijkaardige reactie geeft.
Event 1 vormt dan ook een positief signaal voor de hele bankenindustrie in Europa. Er is
een klein verschil in volatiliteit en de totale rendementen blijven op een lager niveau.
0,000
0,020
0,040
0,060
0,080
0,100
t-5 t-4 t-3 t-2 t-1 t0 t+1 t+2 t+3 t+4 t+5
CAR[-5,5] Event 1
Euronext
Steekproef N = 53
0,000
0,010
0,020
0,030
0,040
0,050
t-5 t-4 t-3 t-2 t-1 t0 t+1 t+2 t+3 t+4 t+5
CAR[-5,5] Event 1
Euronext
Steekproef N = 168
20. 19
Onderstaande tabel geeft een overzicht van de beschrijvende statistieken en significanties
voor de verschillende event windows op basis van twee verschillende steekproeven11. In
dit onderzoek wordt gewerkt met 3 significantieniveau’s: 10% (*), 5% (**) en 1% (***).
Tabel 3 Overzicht CAAR’s event 1
Window N Min Max Med Stdev. Gem T-test
CAR[-1,1] 53 -0,073 0,054 0,001 0,033 -0,008 -1,503
CAR[-5,5] 53 -0,102 0,118 0,024 0,055 0,014 3,117***
CAR[-10,10] 53 -0,141 0,252 0,068 0,091 0,072 17,656***
CAR[-1,1] 168 -0,228 0,065 0,003 0,024 -0,001 -0,409
CAR[-5,5] 168 -0,104 0,143 0,014 0,041 0,012 7,882***
CAR[-10,10] 168 -0,141 0,319 0,032 0,075 0,046 30,442***
Tabel 3 toont dat er een significant positief effect is voor CAR [-5,5] en CAR[-10,10]. Op
basis hiervan kan geconcludeerd worden dat er wel degelijk een reactie is op de
bekendmaking van de oefening, maar dat het langer duurt vooraleer deze informatie in het
aandeel vervat zit, aangezien er geen significant effect wordt gemeten bij CAR[-1,1]. Deze
houding wordt niet ontkracht door de gehele sector, aangezien er ook een positief
significante impact wordt gemeten voor CAR[-5,5] en CAR[-10,10] bij alle banken uit de
deelgenomen landen. Event 1 zorgt dus mogelijk ook voor een positief signaal in de gehele
sector. Toch mogen we deze uitspraak niet volledig als waar aannemen, aangezien er
meestal meer significantie wordt gemeten wanneer een steekproef wordt uitgebreid. Het
onderzoek op basis van de landspecifieke marktindices bevestigt de significante reactie
van zowel de deelgenomen banken als de gehele sector voor CAR[-10,10], hierbij duurt
het dus nog langer voordat de informatie vervat zit in het aandeel.
Tabel 4, 5 en 6 tonen de beschrijvende statistieken en significanties wanneer er een
opdeling wordt gemaakt volgens deelname, resultaat en GIPSI.
Tabel 4 Overzicht CAAR’s deelname event 1
Window N Niet deelname Deelname F-stat
CAR[-1,1] 168 0,003 -0,009 9,306***
CAR[-5,5] 168 0,012 0,014 0,131
CAR[-10,10] 168 0,033 0,073 11,029***
Tabel 5 Overzicht CAAR’s resultaat event 1
Window N Geslaagd Gefaald F-stat
CAR[-1,1] 168 0,001 -0,025 16,241***
CAR[-5,5] 168 0,015 -0,013 6,307***
CAR[-10,10] 168 0,047 0,034 0,395
11
N = 53 bevat alle beursgenoteerde banken die hebben deelgenomen aan de stresstest. N = 168
bestaat uit alle beursgenoteerde banken uit landen die hebben deelgenomen aan de oefening.
Dit aantal varieert licht voor de drie events door het ontbreken van data op bepaalde tijdstippen.
21. 20
Tabel 6 Overzicht CAAR’s GIPSI event 1
Window N Non-GIPSI GIPSI F-stat
CAR[-1,1] 168 0,005 -0,023 47,593***
CAR[-5,5] 168 0,016 -0,002 6,027**
CAR[-10,10] 168 0,040 0,066 3,349*
Uit Tabel 4 blijkt dat er een statistisch significant verschil is wat betreft deelname voor
CAR[-1,1] en CAR [-10,10]. De gemiddelden tonen dat de markt sterker reageert wanneer
een bank deelneemt aan de stresstest. In tegenstelling tot de algemene CAAR’s wordt hier
een negatieve reactie gemeten bij de deelgenomen banken voor het kleinste event window,
maar wanneer het event window uitgebreid wordt, verandert deze reactie in positieve zin.
De eerste dag na het event reageert de markt dus negatief, maar wanneer er meerdere
dagen verstrijken, blijkt het event toch een positieve impact te hebben.
De beschrijvende statistieken in Tabel 5 tonen dat de parameter resultaat een significante
impact heeft, behalve voor het langstdurende event window. Hierbij valt duidelijk op dat er
voor de geslaagde banken een positieve reactie wordt gemeten, terwijl de gefaalde banken
juist een daling in rendement ondervinden ten gevolge van de bekendmaking van de
oefening. Hier spelen dus voorspellende factoren een rol, aangezien de resultaten van de
stresstest nog niet bekend zijn bij event 1.
Naast deelname en resultaat blijkt ook het land waarin een bank gevestigd is een
significante rol te spelen. Voor CAR[-1,1] en CAR[-5,5] wordt er zelfs een negatieve reactie
gemeten wanneer de banken actief zijn in Griekenland, Italië, Portugal, Spanje of Ierland.
De markt verwacht dus al een negatief resultaat voor de banken uit GIPSI-landen die
deelnemen aan de stresstest.
In het volgende gedeelte wordt de multivariate analyse voorgesteld. Hierbij wordt
onderzocht welke variabelen de marktreactie kunnen verklaren en in welke richting de
afhankelijke variabele wordt beïnvloed. De tabellen die worden weergegeven zijn steeds
gebaseerd op het event window CAR[-5,5] en zijn tot stand gekomen op basis van
gegevens die Euronext als marktindex gebruiken. Het gehanteerde model werd reeds
gespecifieerd in sectie 4.3 en wordt hier wederom weergegeven.
CAAR-5,5 = β0 + β1 Stdev + β2 Beta + β3 Deelname + β4 Resultaat + β5 Totaal risico + β6
Kredietrisico + β7 GIPSI + β8 LnGrootte
Tabel 7 Regressiemodel event 1 afhankelijke variabele = CAAR[-5,5]
Parameter Beta T-stat Sig. Model
(Constante) 0,006 0,805 0,422 F-stat 2,272
Stdev 0,388 1,136 0,258 Sig. 0,031
Beta -0,013 -0,853 0,395 R² 0,090
Deelname 0,012 0,968 0,335 Adjusted R² 0,051
Resultaat -0,028 -1,391 0,166
Totaal risico -0,187 -1,190 0,236 VIF < 10 Ja
GIPSI -0,017 -1,193 0,235
LnGrootte 0,002 1,383 0,169
22. 21
Uit Tabel 7 blijkt dat geen enkele parameter een significante invloed uitoefent op de
afhankelijke variabele CAAR[-5,5]. We mogen dus geen enkele betacoëfficiënt
interpreteren.
4.2 Event 2
Op 29 april 2014 wordt de methodologie van de stresstest 2014 bekendgemaakt, dit wordt
gekwalificeerd als event 2. Figuur 4 en 5 tonen grafisch aan hoe de markt reageert op
event 2 gedurende vijf dagen voor en na het event. Het verschil tussen beide figuren is de
gehanteerde steekproef.
Figuur 4 CAR[-5,5] event 2 deelgenomen banken
In lijn met event 1 is de reactie voor event 2 over de hele lijn positief. Een dag voor het
event is er een zeer sterke stijging in rendement waar te nemen, dit wijst mogelijk op het
belang van geruchten rond het event. Op t0 daalt het rendement licht, nadien wordt er
minder volatiliteit waargenomen dan voor het plaatsvinden van het evenement.
Figuur 5 CAR[-5,5] event 2 alle banken
0,000
0,010
0,020
0,030
0,040
t-5 t-4 t-3 t-2 t-1 t0 t+1 t+2 t+3 t+4 t+5
CAR[-5,5] Event 2
Euronext
Steekproef N = 54
0,000
0,005
0,010
0,015
0,020
0,025
t-5 t-4 t-3 t-2 t-1 t0 t+1 t+2 t+3 t+4 t+5
CAR[-5,5] Event 2
Euronext
Steekproef N = 170
23. 22
Op Figuur 5 is duidelijk te zien dat de gehele sector de reactie op het event volgt, maar de
pieken en dalen zijn minder steil. De markt wordt dus in zekere mate beïnvloed door
event 2.
Tabel 8 geeft een overzicht van de beschrijvende statistieken en de bijhorende
significanties.
Tabel 8 Overzicht CAAR's event 2
Window N Min Max Med Stdev. Gem T-test
CAR[-1,1] 54 -0,035 0,081 0,010 0,028 0,012 3,909***
CAR[-5,5] 54 -0,113 0,107 0,000 0,052 -0,002 -0,721
CAR[-10,10] 54 -0,175 0,135 0,005 0,073 0,003 0,790
CAR[-1,1] 170 -0,036 0,081 0,004 0,018 0,007 5,571***
CAR[-5,5] 170 -0,113 0,134 0,010 0,038 0,008 7,613***
CAR[-10,10] 170 -0,179 0,159 0,022 0,055 0,018 14,915***
Tabel 8 toont dat de bekendmaking van de methodologie enkel een significante positieve
impact uitoefent op het rendement van de deelnemende banken de eerste dag rond het
event. De opzet van de EBA om de stresstest geloofwaardiger te maken door een andere
methodologie dan voorheen te hanteren, kent dus slechts een beperkt succes. Wanneer
alle banken in beschouwing worden genomen, meten we wel een positief significant effect
binnen elk event window. Dit is dus eerder toe te schrijven aan de uitbreiding van de
steekproef dan aan het event zelf. De robustness check aan de hand van de landspecifieke
indices bevestigt de significantie voor de steekproef N = 54, maar meet een tegengestelde
richting. Daarnaast geeft de markt in mindere mate een signaal ten gevolge van het event.
Onderstaande tabellen tonen de resultaten voor de opdeling in respectievelijk deelname,
resultaat en GIPSI.
Tabel 9 Overzicht CAAR’s deelname event 2
Window N Niet deelname Deelname F-stat
CAR[-1,1] 170 0,004 0,012 6,603***
CAR[-5,5] 170 0,013 -0,001 4,994**
CAR[-10,10] 170 0,025 0,003 6,179***
Tabel 10 Overzicht CAAR’s resultaat event 2
Window N Geslaagd Gefaald F-stat
CAR[-1,1] 170 0,007 0,001 1,206
CAR[-5,5] 170 0,011 -0,024 11,267***
CAR[-10,10] 170 0,026 -0,071 50,992***
Tabel 11 Overzicht CAAR’s GIPSI event 2
Window N Non-GIPSI GIPSI F-stat
CAR[-1,1] 170 0,006 0,009 0,650
CAR[-5,5] 170 0,013 -0,008 9,085***
CAR[-10,10] 170 0,029 -0,015 19,936***
24. 23
De significantie van de F-statistieken in Tabel 9 laten zien dat deelname binnen elk event
window een significante invloed uitoefent. Belangrijk om op te merken is het verschil in de
grootte van het gemiddelde, niet-deelname brengt namelijk een grotere
rendementswijziging met zich mee dan deelname voor de windows CAR[-5,5] en
CAR[-10,10]. Zoals gesteld in hypothese 4 heeft de variabele resultaat een significante
invloed. Hier geldt dus ook weer een voorspellend effect aangezien de resultaten nog niet
bekend zijn tijdens event 2. Uiteindelijk speelt de geografische ligging van de bank ook een
rol in de twee langste event windows, bovendien is de impact negatief voor een bank
afkomstig uit de GIPSI-landen.
Na de univariate analyse wordt overgegaan op een multivariate analyse. Deze analyse
gebeurt op dezelfde wijze als bij event 1. De resultaten hiervan worden weergegeven in
Tabel 12.
Tabel 12 Regressiemodel event 2 afhankelijke variabele = CAAR[-5,5]
Parameter Beta T-stat Sig. Model
(Constante) 2,303 2706,627 0,000 F-stat 4,067
Stdev -0,008 -0,152 0,879 Sig. 0,000
Beta 0,000 0,0253 0,980 R² 0,149
Deelname 0,000 -0,488 0,626 Adjusted R² 0,113
Resultaat -0,003 -1,427 0,156
Totaal risico 0,048 1,522 0,130 VIF < 10 Ja
GIPSI -0,002 -1,929 0,055**
LnGrootte 0,000 0,056 0,956
Bij de univariate analyse werd er reeds aan een significant verschil gemeten voor de
parameter GIPSI. Deze significante impact wordt nu bevestigd door de lineaire regressie.
De marktreactie voor banken afkomstig uit GIPSI-landen ligt 0,2% lager.
4.3 Event 3
De uiteindelijke publicatie van de resultaten vindt plaats op 26 oktober 2014 en wordt in dit
onderzoek event 3 genoemd. Allereerst tonen onderstaande figuren de reacties van zowel
de deelgenomen banken als van alle banken voor het event window CAR[-5,5].
25. 24
Figuur 6 CAR[-5,5] event 3 deelgenomen banken
Figuur 6 laat zien dat alle CAAR’s voor event 3 negatief zijn. Juist voor het plaatsvinden
van het event stijgt het rendement, maar nadien verloopt dit weer in dalende lijn.
Figuur 7 CAR[-5,5] event 3 alle banken
Figuur 7 volgt duidelijk het verloop van Figuur 6 en blijft ook steeds negatief. Ook hier geldt
dus een bevestiging van de algehele sector op de reactie van het event. Wel bevat deze
figuur minder volatiliteit.
Tabel 13 geeft een overzicht van de univariate analyse voor de CAAR’s.
Tabel 13 Overzicht CAAR's event 3
Window N Min Max Med Stdev. Gem T-test
CAR[-1,1] 55 -0,120 0,078 0,005 0,037 0,006 0,989
CAR[-5,5] 55 -0,348 0,193 0,065 0,099 0,043 9,004***
CAR[-14,14] 55 -0,468 0,089 -0,085 0,139 -0,095 -19,863***
CAR[-1,1] 171 -0,120 0,105 0,002 0,026 0,002 1,166
CAR[-5,5] 171 -0,348 0,193 0,016 0,065 0,024 13,965***
CAR[-14,14] 171 -0,468 0,182 0,007 0,107 -0,029 -16,412***
-0,080
-0,060
-0,040
-0,020
0,000
t-5 t-4 t-3 t-2 t-1 t0 t+1 t+2 t+3 t+4 t+5
CAR[-5,5] Event 3
Euronext
Steekproef N = 55
-0,040
-0,030
-0,020
-0,010
0,000
0,010
t-5 t-4 t-3 t-2 t-1 t0 t+1 t+2 t+3 t+4 t+5
CAR[-5,5] Event 3
Euronext
Steekproef N = 171
26. 25
Zoals eerder aangehaald, wordt hier gewerkt met CAR[-14,14]. Het event window wordt
verlengd om meer rekening te houden met geruchten over het event. De meting die
gebaseerd is op één dag rond het event zorgt in beide steekproeven niet voor een
significante reactie. Wel is er een significante impact op de beurskoers bij CAR[-5,5] en
CAR[-14,14], voor zowel de steekproef bestaande uit 55 banken als voor de steekproef
van 171 banken. Een belangrijk verschil tussen de twee significante event windows is het
teken van het gemiddelde. Vijf dagen voor en na het event is de impact positief, maar
naarmate er meer tijd verstrijkt, verandert dit in een negatieve impact. Naarmate het event
window wordt uitgebreid, is er dus mogelijk meer informatie ter beschikking, waardoor de
reactie van de investeerders in negatieve zin verandert. De testen aan de hand van
marktspecifieke indices tonen dezelfde significanties, maar het teken is steeds
tegenovergesteld.
In lijn met event 1 en 2 wordt voor event 3 wederom een univariate analyse uitgevoerd
waarbij een opsplitsing wordt gemaakt in deelname, resultaat en GIPSI.
Tabel 14 Overzicht CAAR’s deelname event 3
Window N Niet deelname Deelname F-stat
CAR[-1,1] 171 0,001 0,006 1,701
CAR[-5,5] 171 0,018 0,038 3,642*
CAR[-14,14] 171 0,002 -0,092 34,893***
Tabel 15 Overzicht CAAR’s resultaat event 3
Window N Geslaagd Gefaald F-stat
CAR[-1,1] 171 0,004 -0,012 4,805**
CAR[-5,5] 171 0,030 -0,036 14,242***
CAR[-14,14] 171 -0,011 -0,236 84,571***
Tabel 16 Overzicht CAAR’s GIPSI event 3
Window N Non-GIPSI GIPSI F-stat
CAR[-1,1] 171 0,004 -0,004 2,880*
CAR[-5,5] 171 0,026 0,020 0,279
CAR[-14,14] 171 0,002 -0,131 65,813***
In tegenstelling tot event 1 en 2 toont Tabel 14 dat het verschil in deelname en
niet-deelname een minder belangrijke rol speelt wanneer de resultaten van de stresstest
2014 bekendgemaakt worden. Enkel wanneer het event window wordt uitgebreid naar
veertien dagen wordt er significantie gemeten op het niveau van 1%. Een tweede grote
tegenstelling is dat deelname hier een negatieve reactie uitlokt. Wanneer de markt dus
inzicht krijgt in de effectieve resultaten, verandert de houding in negatieve zin. De metingen
van de parameters resultaat en GIPSI blijken gelijkaardig aan deze van event 1 en 2, er is
meestal een signficante meting die negatief blijkt te zijn voor de gefaalde banken en voor
banken uit GIPSI landen.
27. 26
Om uitsluitsel te krijgen over de bevindingen in de univariate analyse, wordt er een lineaire
regressie uitgevoerd. De resultaten zijn terug te vinden in Tabel 17.
Tabel 17 Regressiemodel event 3 afhankelijke variabele = CAAR[-5,5]
Parameter Beta T-stat Sig. Model
(Constante) 0,014 0,948 0,345 F-stat 7,805
Stdev -1,512 -2,470 0,015** Sig. 0,000
Beta 0,078 4,419 0,000*** R² 0,251
Deelname 0,018 1,576 0,116 Adjusted R² 0,219
Resultaat -0,077 -1,886 0,061*
Totaal risico 0,549 1,698 0,091* VIF < 10 Ja
GIPSI -0,019 -1,419 0,158
LnGrootte -0,003 -1,163 0,247
Tabel 17 laat zien dat de standaarddeviatie een negatieve, significante impact heeft. Beta
is positief significant. Concreet wil dit zeggen dat hoe meer de bank de markt volgt, hoe
groter de rendementswijziging. In tegenstelling tot event 1 en 2 meet men wel een
significante impact van resultaat en totaal risico wanneer de resultaten van de stresstest
2014 worden gepubliceerd. De reactie op een bank die faalt voor de stresstest ligt 7,7%
lager dan voor een bank die slaagt voor de test. Daarnaast speelt ook het totaal risico van
banken een rol, meerbepaald is de reactie 5,49% groter bij financiële instellingen met een
hoger totaal risico. Om zeker te zijn van deze uitspraak wordt er een robustness check
uitgevoerd aan de hand van het kredietrisico. Belangrijk hierbij op te merken is dat enkel
het kredietrisico voor de deelgenomen banken voor handen is. Ook hieruit blijkt dat
kredietrisico een significante invloed uitoefent op de afhankelijke variabele.
28. 27
5 Conclusie
In deze masterproef werd onderzocht of de stresstest 2014 een impact heeft op de
beurskoers van banken. De gehanteerde methodologie is een event study voor drie
gebeurtenissen die te maken hebben met de stresstest. Meerbepaald zijn deze events (i)
de aankondiging van de oefening (event 1), (ii) de bekendmaking van de methodologie
(event 2) en (iii) de publicatie van de resultaten (event 3). Daarnaast werd getest of het
resultaat, namelijk het al dan niet slagen voor de stresstest en het risico van de bank een
invloed heeft op de reactie van investeerders. Dit heeft geleid tot vijf hypothesen.
Daarnaast werd ter controle nagegaan of de grootte, de geografische ligging en het al dan
niet deelnemen aan de stresstest een invloed uitoefenen.
De aankondiging van de oefening (event 1) lokt wel degelijk een positieve marktreactie uit
voor de deelnemende banken, maar het duurt tot vijf dagen na het evenement voordat de
markt reageert. Wanneer ter controle een steekproef genomen wordt die alle
beursgenoteerde banken uit landen die hebben deelgenomen bevat, wordt er ook een
significante reactie gemeten. We kunnen hieruit concluderen dat het event een positief
signaal vormt voor de gehele bankensector. De univariate analyse leert ons dat er een
significant verschil is tussen banken die wel of niet deelnemen, die al dan niet slagen voor
de test en tussen banken uit GIPSI en non-GIPSI landen. Maar deze bevindingen worden
niet bevestigd door de multivariate analyse.
Onderzoekers Cardinali en Nordmarkt (2011) maten geen significante impact voor de
stresstest 2010, maar de bekendmaking van de methodologie voor de stresstest 2011
zorgde wel voor een reactie op de beurskoers. Deze stelling wordt in zekere mate
bevestigd in dit onderzoek, er wordt namelijk bij de deelnemende banken een positieve
reactie ten gevolge van de gebeurtenis gemeten één dag voor en na het event. Voor de
hele sector duurt het langer voordat er een significante rendementswijziging plaatsvindt
rendementswijziging, namelijk tot tien dagen voor en na het event. De strategie van de
EBA om een verschillende methodologie te hanteren dan voorheen om zo de
geloofwaardigheid van de stresstest te verhogen, kent dus slechts een beperkt succes.
Ook voor event 2 geldt dat de univariate analyse aantoont dat er een significant verschil is
wat betreft deelname, resultaat en GIPSI. De multivariate analyse daarentegen bevestigt
enkel dat banken afkomstig uit GIPSI landen een negatieve rendementswijziging
ondervinden, terwijl financiële instellingen uit non-GIPSI landen juist een positieve invloed
op het rendement kennen.
De publicatie van de resultaten (event 3) vormt het sluitstuk van de stresstest 2014 en kan
gezien worden als de meest belangrijke gebeurtenis. Ook voor dit event is de reactie van
de markt ten gevolge van de publicatie significant. Een belangrijke opmerking hierbij is dat
de reactie op vijf dagen voor en na het event positief is, terwijl deze negatief is wanneer er
wordt gekeken naar veertien dagen voor en na de gebeurtenis. Wanneer de hele
bankensector in beschouwing wordt genomen, wordt er een positieve significante impact
gemeten op vijf en veertien dagen. Dit wil dus zeggen dat de stresstest een positief signaal
vormt voor de hele sector. In tegenstelling tot event 1 en 2 geldt voor event 3 wel een
bevestiging van de univariate analyse door het multivariate statistieken. De univariate
analyse toont aan dat deelname een significante impact heeft, maar er is geen duidelijkheid
wat betreft de richting.
29. 28
Banken die falen voor de stresstest lokken een negatieve reactie uit. Daarnaast is de
impact groter voor banken met een groter totaal risico en kredietrisico. Deze resultaten
worden bevestigd in de multivariate analyse.
Over het algemeen kan men concluderen dat alle evenementen een positieve reactie
uitlokken, deze reactie wordt grotendeels bevestigd door de gehele bankensector.
Bijgevolg worden dus de eerste drie hypothesen bevestigd. Er wordt enkel een negatieve
reactie ten gevolge van het falen voor de test en een groter risico gemeten wanneer de
resultaten worden gepubliceerd, hypothese 4 en 5 worden dus enkel bevestigd door de
metingen bij event 3.
De resultaten van dit onderzoek vormen een belangrijke bijdrage aan de bestaande
literatuur, aangezien empirisch onderzoek rond de stresstest 2014 voorlopig uitblijft.
Daarnaast tonen de resultaten dat de markt de stresstest als waardevol beschouwd en het
dus helpt bij het inschatten van hoe een bank kan overleven in een ongunstige
macro-economische omgeving, wat steeds belangrijker is geworden na de financiële crisis
van 2008. Een beperking van het onderzoek is dat een event study enkel kan uitgevoerd
worden voor beursgenoteerde banken, de bijdrage van niet-beursgenoteerde banken
ontbreekt dus, het kan dus interessant zijn om in de toekomst een kwalitatief onderzoek uit
te voeren waarbij er meer in dialoog wordt getreden met de banken en investeerders zelf.
30. 29
7 Bibliografie
Alves, C., Mendes, V. & da Silva P.P. 2014. Do Stress Tests Matter? A Study on the Impact
of the Disclosure of Stress Test Results on European Financial Stocks and CDS
Markets. Conference: Portuguese Finance Network.
Anderson, R. C. & Fraser, D. R. 2000. Corporate control, bank risk taking, and the health
of the banking industry. Journal of Banking & Finance, 24(8): 1383-1398.
Black. J. 2014. ECB Fails 25 Banks as Italy Fares Worst in Stress Test. Bloomberg.
Blundell-Wignall, A. 2010. The EU Stress Test and Sovereign Debt Exposures: Paris:
OECD Publishing.
Board of Governors of the Federal Reserve System 2009a. The supervisory capital
assessment program: design and implementation.
http://www.federalreserve.gov/bankinforeg/bcreg20090424a1.pdf. Geraadpleegd
op 11 november 2014.
Board of Governors of the Federal Reserve System 2009b. The supervisory capital
assessment program: overview of results.
http://www.federalreserve.gov/bankinforeg/bcreg20090507a1.pdf. Geraadpleegd
op 11 november 2014.
Brewer III, E. & Koppenhaver, G. D. 1992. The impact of standby letters of credit on bank
risk: A note. Journal of Banking & Finance, 16(6): 1037-1046.
Brown, S. J., & Warner, J. B. 1985. Using daily stock returns: The case of event
studies. Journal of Financial Economics, 14(1): 3-31.
Cardinali, A. & Nordmark, J. 2011. How informative are bank stress tests? Bank
Opacity in the European Union. Lund University, Lund, Sweden.
Committee of European Banking Supervisors, 2010a. Aggregate outcome of the 2010
EU wide stress test exercise coordinated by CEBS in cooperation with the
ESB.
https://www.eba.europa.eu/documents/10180/15938/Summaryreport.pdf/95030af
2-7b52-4530-afe1-f067a895d163. Geraadpleegd op 11 november 2014.
Committee of European Banking Supervisors 2010b. CEBS’s press release on the
results of the 2010 EU-wide stress testing exercise.
https://www.eba.europa.eu/documents/10180/15938/Summaryreport.pdf/95030af
2-7b52-4530-afe1-f067a895d163. Geraadpleegd op 11 november 2014.
Committee of European Banking Supervisors 2010c. Summary of the 91 bank-by-bank
results, by country.
https://www.eba.europa.eu/documents/10180/15938/Listofbanksv2.pdf/af7d6849-
5882-4f83-82e7-b4ff9a63a112. Geraadpleegd op 11 november 2014.
31. 30
Constâncio V. & Nouy D. 2014. SSM press conference (video).
http://www.youtube.com/watch?v=RKl9r7tbdug#t=1128. Geraadpeegd op 12
november 2014.
Corgnet, B., Kujal, P., & Porter, D. 2013. Reaction to public information in markets: How
much does ambiguity matter? Economic Journal, 123(569): 699-737.
De Prijcker, S. 2014. Onderzoeksmethodologie Financieel Management. Collegedictaten.
De Nederlandsche Bank 2007. Bazel II: supervisory review.
http://www.toezicht.dnb.nl/2/50-202248.jsp#. Geraadpleegd op 11 november
2014.
European Banking Authority 2011a. The European Banking Authority up and running
and preparing new EU-wide stress test.
http://www.eba.europa.eu/-/the-european-banking-authority-up-and-running-and-
preparing-new-eu-wide-stress-test. Geraadpleegd op 12 november 2014.
European Banking Authority 2011b. The EBA publishes details of its stress test
scenarios and methodology.
http://www.eba.europa.eu/-/the-eba-publishes-details-of-its-stress-test-scenarios-
and-methodology. Geraadpleegd op 12 november 2014.
European Banking Authority 2011c. The EBA announces the benchmark to be used in
the 2011 EU-wide stress test.
http://www.eba.europa.eu/-/the-eba-announces-the-benchmark-to-be-used-in-
the-2011-eu-wide-stress-test. Geraadpleegd op 12 november 2014.
European Banking Authority 2011d. European Banking Authority 2011 EU-wide stress
test aggregate repport.
http://www.eba.europa.eu/documents/10180/15935/EBA_ST_2011_Summary_R
eport_v6.pdf/54a9ec8e-3a44-449f-9a5f-e820cc2c2f0a. Geraadpleegd op 12
november 2014.
European Banking Authority 2014a. EBA announces key features of the 2014 EU-wide
stress test.
http://www.eba.europa.eu/-/eba-announces-key-features-of-the-2014-eu-wide-
stress-test. Geraadpleegd op 12 november 2014
European Banking Authority 2014b. EBA publishes common methodology and
scenario for 2014 EU-banks stress test.
http://www.eba.europa.eu/-/eba-publishes-common-methodology-and-scenario-
for-2014-eu-banks-stress-test. Geraadpleegd op 12 november 2014.
European Banking Authority 2014c. Results of 2014 EU-wide stress test.
http://www.eba.europa.eu/documents/10180/669262/2014+EU-wide+ST-
aggregate+results.pdf. Geraadpleegd op 12 november 2014.
European Banking Authority 2014d. 2014 EU-wide stress test results: banks individual
results. https://www.eba.europa.eu/risk-analysis-and-data/eu-wide-stress-
testing/2014/results. Geraadpleegd op 12 december 2014.
32. 31
Europese Centrale Bank 2014. Grondige beoordeling door de ECB toont aan dat
banken verdere actie moeten ondernemen.
https://www.ecb.europa.eu/press/pr/date/2014/html/pr141026.nl.html
Geraadpleegd op 18 mei 2015.
Fama, E. F. 1965. Random Walks in Stock Market Prices. Financial Analysts Journal,
21(5): 55-59.
Fama, E. F. 1998. Market efficiency, long- term returns, and behavioral finance. Journal of
financial economics, 49(3): 283-306.
Finansinspektionen. 2014. EBA’s stress test and Asset Quality Review.
Finansinspektionen.
http://www.fi.se/upload/90_English/20_Publications/20_Miscellanous/2014/Eng_
%20PMAQRstresstestsNY.pdf
Geraadpleegd op 18 mei 2015.
González, F., 2005. Bank regulation and risk-taking incentives: an international comparison
of bank risk. Journal of Banking and Finance, 29: 1153–1184.
International Capital Market Association 2014. What is a haircut?
http://www.icmagroup.org/Regulatory-Policy-and-Market-Practice/short-term-
markets/Repo-Markets/frequently-asked-questions-on-repo/21-what-is-a-haircut/.
Geraadpleegd op 10 november 2014.
Jenkins, P. 2011. Quality of stress test disclosures a mixed bag. Financial Times Europe,
juli 2011.
Lacoviello, M., & Minetti, R. 2008. The credit channel of monetary policy: Evidence from
the housing market. J. Macroecon., 30(1): 69-96.
Leippold, M., Trojani, F., & Vanini, P. 2008. Learning and Asset Prices under Ambiguous
Information.The Review of Financial Studies, 21(6): 2565-2597.
Morgan, D. P., Peristiani, S., & Savino, V. 2014. The Information Value of the Stress
Test. Journal of Money, Credit and Banking, 46(7): 1479-1500.
Petrella, G., & Resti, A. 2013. Supervisors as information producers: Do stress tests reduce
bank opaqueness? Journal of Banking and Finance, 37(12): 5406-5420.
P.W. 2014. European stress tests: let’s try again. The Economist. April 2014.
Sorge, M., & Virolainen, K. 2006. A comparative analysis of macro stress- testing
methodologies with application to Finland.(Report). Journal of Financial
Stability, 2(2): 113.
Stiroh, K. 2006. New Evidence on the Determinants of Bank Risk. Journal of Financial
Services Research, 30(3): 237-263.
Stiroh, K. 2009. Macroprudential supervision of financial institutions: lessons from the
SCAP, Vol. 409: Federal Reserve Bank of New York.
33. 32
Suleman, M. T. 2012a. Stock market reaction to good and bad political
news.(Report). Asian Journal of Finance & Accounting, 4(1): 299.
Sun, L. & Chang, T.-P. 2011. A comprehensive analysis of the effects of risk measures on
bank efficiency: Evidence from emerging Asian countries. Journal of Banking &
Finance, 35(7): 1727-1735.
Sydow, M. 2006. What drives EU banks’ stock returns? Bank-level evidence using the
dynamic dividend-discount model, Vol. 0677: European Central Bank.
Veronesi, P. 1999. Stock market overreaction to bad news in good times: A rational
expectations equilibrium model. Rev. Financ. Stud., 12(5): 975-1007.
34. B.1
Bijlage 1
Tabel B.1: gefaalde banken stresstest 2014
Land Bank CET1
Cyprus Co‐operative Central Bank Ltd -8,0%
Griekenland Eurobank Ergasias, S.A. -6,4%
Italië Banca Carige S.P.A. ‐ Cassa di Risparmio di Genova e Imperia -2,4%
Cyprus Hellenic Bank Public Company Ltd -0,5%
Griekenland National Bank of Greece, S.A. -0,4%
Italië Banca Monte dei Paschi di Siena S.p.A. -0,1%
Ierland Permanent tsb plc 1,0%
Cyprus CY Bank of Cyprus Public Company Ltd 1,5%
Oostenrijk Österreichische Volksbanken 2,1%
Italië Veneto Banca S.C.P.A. 2,7%
Duitsland Münchener Hypothekenbank eG 2,9%
Portugal Banco Comercial Português, S.A. 3,0%
Italië Banca Popolare di Vicenza ‐ Società Cooperativa per Azioni 3,2%
België AXA Bank Europe S.A. 3,4%
Itailë Credito Emiliano S.p.A. 3,5%
Italië Banca Popolare Di Milano ‐ Società Cooperativa A Responsabilità Limitata 4,0%
Italië Banca Popolare di Sondrio, Società Cooperativa per Azioni 4,2%
Griekenland Piraeus Bank, S.A. 4,4%
Slovenië Nova Kreditna Banka Maribor d.d. 4,4%
Italië Banco Popolare ‐ Società Cooperativa 4,7%
België Dexia NV* 5,0%
Slovenië Nova Ljubljanska banka d. d. 5,0%
Italië Banca Popolare Dell'Emilia Romagna ‐ Società Cooperativa 5,2%
Frankrijk C.R.H. ‐ Caisse de Refinancement de l’Habitat 5,5%
Bron: eigen verwerking gebaseerd op Black (2014).
35. B.2
Bijlage 2
Tabel B.2: banken GIPSI stresstest 2014
Land Bank
Griekenland GR Alpha Bank, S.A.
Eurobank Ergasias, S.A.
National Bank of Greece, S.A.
Piraeus Bank, S.A.
Italië Banca Carige S.P.A. ‐ Cassa di Risparmio di Genova e Imperia
Banca Monte dei Paschi di Siena S.p.A.
Banca Piccolo Credito Valtellinese, Società Cooperativa
Banca Popolare Dell'Emilia Romagna ‐ Società Cooperativa
Banca Popolare Di Milano ‐ Società Cooperativa A Responsabilità Limitata
Banca Popolare di Sondrio, Società Cooperativa per Azioni
Banca Popolare di Vicenza ‐ Società Cooperativa per Azioni
Banco Popolare ‐ Società Cooperativa
Credito Emiliano S.p.A.
Iccrea Holding S.p.A
Intesa Sanpaolo S.p.A.
Mediobanca ‐ Banca di Credito Finanziario S.p.A.
UniCredit S.p.A.
Unione Di Banche Italiane Società Cooperativa Per Azioni
Veneto Banca S.C.P.A.
Portugal Banco BPI, S.A.
Banco Comercial Português, S.A.
Caixa Geral de Depósitos, S.A.
Spanje Banco Bilbao Vizcaya Argentaria, S.A.
Banco de Sabadell, S.A.
Banco Financiero y de Ahorros, S.A.
Banco Mare Nostrum, S.A.
Banco Popular Español, S.A.
Banco Santander, S.A.
Bankinter, S.A.
Caja de Ahorros y M.P. de Zaragoza, Aragón y Rioja
Caja de Ahorros y Pensiones de Barcelona
Cajas Rurales Unidas, Sociedad Cooperativa de Crédito
Catalunya Banc, S.A.
Kutxabank, S.A.
Liberbank, S.A.
MPCA Ronda, Cádiz, Almería, Málaga, Antequera y Jaén
NCG Banco, S.A.
Ierland Allied Irish Banks plc
Permanent tsb plc
The Governor and Company of the Bank of Ireland
Bron: eigen verwerking gebaseerd op European Banking Authority (2014d).
36. B.3
Bijlage 3
Tabel B.3: landspecificieke marktindices
Land Marktindex
België BEL 20
Cyprus Cyprus General
Denemarken OMXC 20
Duitsland DAX 30
Finland OMX Helsinki
Frankrijk SBF 120
Griekenland Athex Composite
Hongarije Budapest BUX
Ierland Ireland SE ISEQ
Italië FTSE Italia All Share
Letland OMX Riga
Luxemburg Luxembourg Stock Exchange
Malta Malta SE MSE
Nederland AEX
Noorwegen OSLO EXCHANGE
Oostenrijk ATX
Polen Warsaw General Index 20
Portugal Portugal PSI 20
Slovenië Slovenian Blue-Chip SBITOP Index
Spanje IBEX 35
VK FTSE All Share
Zweden OMX General
Bron: eigen verwerking gebaseerd op Petrella en Resti (2013).
37. PERSARTIKEL
Persartikel
KU Leuven Campus Antwerpen Korte Nieuwstraat 33, 2000 Antwerpen
+32 201 18 40 feb.antwerpen@kuleuven.be www.kuleuven.be
PERSBERICHT
19/05/2015 – voor onmiddelijke vrijgave
Stresstest 2014 waardevol voor beleggers
Sinds 2010 vormen stresstesten een belangrijke tool in Europa om in te schatten of een
bank kan overleven in een ongunstige economische situatie. Na de financiële crisis van
2008 is het steeds belangrijker geworden om het risico van een bank in te schatten en om
de transparantie ervan te vergroten. In een studie aan de KU Leuven werd nagegaan of de
stresstest die uitgevoerd werd in 2014 naar waarde wordt geschat door investeerders en
of het dus nuttig is om deze in de toekomst te herhalen.
Marktreactie
Onderzoek heeft aangetoond dat het beursrendement van de deelgenomen banken
positief beïnvloed wordt door de aankondiging van de stresstest, de bekendmaking van de
methodologie en de publicatie van de resultaten door de Europese Centrale Bank.
Meerbepaald zorgt de vrijgave van de resultaten voor een gemiddelde rendementswijziging
van 4,3 procent vijf dagen rond de aankondiging. Er dient hierbij te worden opgemerkt dat
de wijziging van 4,3 procent niet de werkelijke koerswijziging is, maar wel de wijziging die
volledig toe te schrijven is aan de publicatie van de resultaten van de deelgenomen banken.
Niet enkel de deelgenomen banken ervaren een rendementswijziging, maar ook voor
banken uit landen die hebben deelgenomen, maar zelf niet hebben geparticipeerd, wordt
er een positieve verandering van het rendement waargenomen. De stresstest vormt dus
ook een positief signaal voor de gehele bankensector in Europa.
Gefaalde banken
De eerste resultaten van de stresstest toonden aan dat 24 banken niet slaagden voor de
test, waaronder AXA en Dexia in België. De banken die niet geslaagd zijn voor de test
worden door de beleggers afgestraft op de beurs, zij ondervinden namelijk gemiddeld een
negatieve rendementswijziging.
Risicovolle banken
Banken met een groter risico zullen met meer waarschijnlijkheid niet kunnen overleven in
een ongunstige economische situatie. Wanneer de resultaten vrijgegeven worden, is de
reactie van beleggers op risicovolle banken dan ook 5,49 procent groter dan voor banken
met minder risico.
EINDE PERSBERICHT / ___________________________________________________
Contactgegevens: Petra Roks
+32 494 26 93 48 petraroks@hotmail.com
