1
De impact van Quantitative easing op bancaire
kredietverlening in de V.S.
Abstract
Sinds de financiële crisis hebben meerdere centrale banken het beleid van quantitative easing geïntroduceerd. Bestaande literatuur heeft voornamelijk onderzoek gedaan naar de impact van quantitative easing op de midden- en langetermijnrenten. Onderzoek naar de effecten van quantitative easing door de zogeheten ‘bank lending channel’ is schaars. In deze paper wordt de impact van quantitative easing op bancaire kredietverlening in de Verenigde Staten onderzocht. Met een panel dataset van individuele banken in de Verenigde Staten, is het effect van liquiditeit op kredietverlening onderzocht. Volgens de resultaten heeft liquiditeit een klein, positief en statistisch significant effect op de groei van bancaire kredietverlening.
Naam: Vincent Bervoets, 10561951 Scriptiebegeleider: Pim Kastelein Universiteit van Amsterdam BSc in Economie & Bedrijfskunde Datum: 31-01-2017
2
Verklaring eigen werk
Hierbij verklaar ik, Vincent Bervoets, dat ik deze scriptie zelf geschreven
heb en dat ik de volledige verantwoordelijkheid op me neem voor de
inhoud ervan.
Ik bevestig dat de tekst en het werk dat in deze scriptie gepresenteerd
wordt origineel is en dat ik geen gebruik heb gemaakt van andere bronnen
dan die welke in de tekst en in de referenties worden genoemd.
De Faculteit Economie en Bedrijfskunde is alleen verantwoordelijk voor de
begeleiding tot het inleveren van de scriptie, niet voor de inhoud
3
Inhoudsopgave
1. Introductie ... 4
2. Literatuur ... 5
2.1 Transmissiekanalen van quantitative easing ... 5
2.1.1 Signalling channel ... 6
2.1.2 Portfolio (re)balance channel ... 6
2.1.3 Bank lending channel... 7
2.2 Literatuur review ... 8
3. Onderzoeksmethode ... 10
3.1 Dataset & dataconstructie... 10
3.2 Econometrisch model ... 11
4. Resultaten... 13
4.1 Resultaten Basis model ... 13
4.2 Robuustheid controles ... 16
5. Conclusie ... 18
6. Bibliografie ... 20
4
1. Introductie
Het hoogtepunt van de financiële crisis werd bereikt na de val van ‘The Leman Brothers’ in het najaar van 2008. Wereldwijd werden financiële markten geconfronteerd met
liquiditeitsproblemen. Het faillissement van de Leman Brothers leidde tevens tot grote onzekerheid op de financiële markten. Banken durfden elkaar geen geld meer te lenen wat problematisch was voor de liquiditeiten in de financiële sector. Om de geaggregeerde vraag te stimuleren, om prijsstabiliteit te garanderen hebben centrale banken hun beleidsrente verlaagd tot een historisch laag niveau. the Federal Reserve(Fed) heeft de Federal Funds Rate’ in de periode van januari 2008 tot en met januari 2009 verlaagd van ongeveer 4.00% naar 0.15%. Conventioneel monetair beleid bleek echter ineffectief om de economie te stimuleren. Dit leidde tot de introductie van onconventionele monetaire beleidsmaatregelen. In navolging van the Bank of Japan, heeft ook de Fed op 25
november 2008 aangekondigd om onconventionele monetaire beleidsmaatregelen te implementeren.
Onconventioneel monetair beleid is onder andere het beleid waarbij centrale banken hun balansen exorbitant vergroten, door middel van het opkopen van middel- en langetermijneffecten. Dit monetair beleid bekend onder de term ‘quantitative easing’, heeft als doel om de geaggregeerde vraag te stimuleren en de financiële markten te stabiliseren door middel van liquiditeiten.
Verschillende studies hebben onderzoek gedaan naar het effect van quantitative easing op de middel- en langetermijnrenten van hoofdzakelijk staatsobligaties. Gagnon et al. (2010) heeft aangetoond dat het opkoopprogramma van de Fed in de periode van December 2008 tot en met Maart 2010, heeft geleid tot een reductie in de langetermijnrenten van verschillende soorten effecten. In een soortgelijk onderzoek van Joyce et al. (2011) heeft het QE-beleid van de BoE geleid tot een reductie van de langetermijnrente met ongeveer 40 basis punten.
Daarnaast heeft monetair beleid mogelijk een effect door de traditionele bank lending channel. Mishkin (1996) beschrijft dit transmissiekanaal, waarbij een monetaire expansie leidt tot een toename van de reserves van banken. Hierdoor hebben banken meer liquiditeit beschikbaar voor het verschaffen van nieuwe kredieten. Indien banken hierdoor meer kredieten verschaffen resulteert dit in een toename van investeringen en consumptie.
Studies met betrekking tot het effect van quantitative easing op de bancaire sector zijn schaars. Bowman, Cai, Davies en Kamin (2015) hebben het effect van quantitative easing op de groei van leningen in Japan onderzocht. Daarbij hebben zij het effect van liquiditeit op de groei van bancaire kredietverlening onderzocht. Joyce en Spaltro (2014) en Butt et al. (2015) hebben het effect van quantitative easing op bancaire kredietverlening in het Verenigd Koninkrijk onderzocht. In
5 tegenstelling tot Bowman et al. (2015) hebben zij het effect van deposito’s op de groei van leningen onderzocht. Waarschijnlijk omdat de niet-bancaire sector (verzekeringsmaatschappijen en pensioen fondsen) in het Verenigd Koninkrijk ongeveer 30% van de staatsobligaties in bezit hadden (Joyce et al. 2012). Tot nu toe hebben ‘de vier grote’ centrale banken het beleid van quantitative easing geïmplementeerd. Echter, de manier waarop quantitative easing is geïmplementeerd verschilt van elkaar. Het is daarom belangrijk dat monetair beleid van elke centrale bank afzonderlijk wordt beoordeeld en geanalyseerd. Deze paper probeert dat gat te vervullen.
In deze paper wordt onderzoek gedaan naar de impact van quantitative easing op the bank lending channel in de Verenigde Staten. Het opkoopprogramma waarbij effecten van banken wordt opgekocht, resulteert in een toename van liquiditeiten bij banken. Daarom wordt in deze paper net als in Bowman et al. (2015) het effect van liquiditeit op de groei in leningen onderzocht. De
onderzoeksvraag van deze paper luidt: Heeft quantitative easing impact op bancaire kredietverleningen in de Verenigde Staten?
Voor dit onderzoek wordt een paneldata regressie geschat op basis van jaarlijkse data van 172 banken in de Verenigde Staten in de periode van 2000 tot en met 2015. Op basis van een OLS-regressie wordt het effect van liquiditeit op de groei van leningen geschat. Daarbij wordt gebruik gemaakt van verschillende controlevariabelen zoals: Bank grootte – gemeten door totale activa –, equity ratio, bad loan ratio en de groei van deposito’s en leningen. De dataset is gehaald uit de database van BankScope.
Deze paper is verder als volgt gestructureerd: In hoofdstuk 2 wordt de literatuur met betrekking tot quantitative easing en het mogelijke effect van the bank lending channel besproken. Vervolgens wordt in hoofdstuk 3 de dataconstructie en het econometrisch model uiteengezet met bijbehorende methodiek. In hoofdstuk 4 worden de empirische resultaten besproken, gevolgd door bijbehorende robuustheid controles. Tot slot wordt in hoofdstuk 5 een conclusie gegeven om een antwoord te geven op de hoofdvraag.
2. Literatuur
2.1 Transmissiekanalen van quantitative easing
Quantitative easing kan door verscheidende monetaire transmissiekanalen invloed hebben op de economie. In dit hoofdstuk worden twee kanalen beschreven waardoor
6 (re)portfolio rebalance channel. Daarnaast wordt the bank lending channel beschreven waardoor quantitative easing kan opereren. In deze paper staat the bank lending channel centraal.
2.1.1 Signalling channel
Aankondigingen van de centrale bank met betrekking tot quantitative easing kunnen toekomstige rentevoeten/activaprijzen beïnvloeden door de signalling channel. Over het algemeen geeft een aankondiging van een centrale bank met betrekking tot quantitative easing een signaal naar markt participanten, over de opvattingen van de centrale bank omtrent de huidige dan wel toekomstige economische situatie. Door de aankondiging van een opkoopprogramma van een centrale bank kunnen markt participanten hun verwachtingen aanpassen over de toekomstige beleidsrente. Door een aankondiging met betrekking tot quantitative easing, kunnen investeerders denken dat de centrale bank voor een langere periode de beleidsrente rond de nul grens probeert te houden. Volgens de signalling channel zullen aankondigingen met betrekking tot quantitative easing het verwachtings component van langetermijnrentes verlagen. Hoewel het beleid van QE een onbekend terrein was voor zowel investeerders als centrale banken, zou de aankondiging van een onconventionele beleidsmaatregel een belangrijk signaal afgeven (Bauer en Rudebusch, 2014).
Volgens Eggertsson en Woodford (2003) zijn open markt operaties, zoals quantitative easing ineffectief. In plaats daarvan beargumenteren zij dat het beleid van een centrale bank gebaseerd dient te zijn om beleidstoezeggingen te communiceren. Quantitative easing is daarom enkel effectief indien het een signaal geeft met betrekking tot toekomstig monetair beleid.
2.1.2 Portfolio (re)balance channel
Het effect van quantitative easing op langetermijnrenten wordt over het algemeen verklaard op basis the portfolio balance channel. Langetermijn rentevoeten kunnen worden opgedeeld in twee componenten namelijk de verwachting van de gemiddelde toekomstige risicovrije
kortetermijnrenten en de risicopremie (Gagnon et al. 2011). Het eerste deel is het rendement dat investeerders kunnen halen door te investeren in een risicovrije korte termijn investeringen. De risicopremie is het deel dat investeerders vragen voor het extra risico wat zij hebben met betrekking tot een langere looptijd van een effect. Quantitative easing kan op beide componenten een impact hebben. Volgens Gagnon et al. (2011) is het opkoopprogramma van langetermijneffecten echter niet bedoeld als signaal om de verwachting van de toekomstige kortetermijnrenten te beïnvloeden.
7 Het mechanisme van the portfolio balance channel is gebaseerd op het feit dat activa
imperfecte substituten zijn. Onder meer Tobin (1969) heeft aangetoond dat als activa imperfecte substituten zijn, het opkopen van een specifiek effect invloed heeft op de desbetreffende rente van het effect. Wanneer investeerder hun staatsobligaties of andere lange termijn activa verkopen aan de centrale bank, verkopen zij een lange termijn activa uit hun portfolio in ruil voor bankdeposito’s (korte termijn activa). Wellicht is dit geen probleem voor sommige investeerders, maar voor financiële instellingen, zoals verzekeringsmaatschappijen en pensioen fondsen is het wel belangrijk, omdat hun portfolio wellicht niet meer in balans is. Aangezien zij hun lange termijn schulden willen matchen met lange termijn activa, gebruiken zij de verkregen liquide middelen om andere lange termijn activa te kopen. Hierdoor zullen de prijzen van deze lange termijn activa, zoals obligaties of zelfs aandelen ook stijgen (Joyce et al. 2012).
2.1.3 Bank lending channel
Volgens Mishkin (1996) veronderstelt dit transmissiekanaal dat banken een fundamentele rol
vervullen binnen de economie. Banken zorgen als intermediairs ervoor dat asymmetrische informatie wordt beperkt in de kredietmarkt. Zoals eerder aangegeven heeft quantitative easing mogelijk effect door the bank lending channel, en is wellicht effectief in het stimuleren van de economie.
Door het opkoopprogramma van de centrale banken stijgen de reserves (liquiditeiten) van banken. Banken verkrijgen daarnaast ook nieuwe deposito’s, wanneer staatsobligaties van niet-bancaire instellingen (zoals pensioen fondsen en verzekeringsmaatschappijen) worden opgekocht. De liquide middelen kunnen banken stimuleren om nieuwe leningen uit te geven. Een toename van leningen aan bedrijven en huishoudens resulteert in een stijging van consumptie en investeringen (Bendford et al., 2009). Verscheidene onderzoeken hebben onderzoek gedaan naar het effect van monetair beleid door het zogeheten ‘bank lending channel’. Volgens Kishan en Opiela (2000) zijn grote gekapitaliseerde banken minder gevoelig voor monetaire interventies met betrekking tot het verschaffen van nieuwe leningen. Evangelos et al. (2016) hebben onderzoek gedaan naar de impact van monetair beleid op the bank lending channel voor en na de financiële crisis van zowel
conventioneel als onconventioneel beleid. Zij hebben enkel bewijs gevonden dat conventioneel monetair beleid effectief was in de periode voor de financiële crisis, maar niet in de periode na de crisis. Bovendien hebben ze geconcludeerd dat quantitative easing in de periode na de crisis succesvol is geweest in het stimuleren van de bancaire kredietverlening.
Om de impact van quantitative easing op the bank lending channel te onderzoeken, is het belangrijk om de omvang en structuur van de financiële markten te bestuderen. Daarbij is het
8 verschil tussen de Eurozone en de Verenigde Staten duidelijk zichtbaar. Bankleningen in de Eurozone en in de Verenigde Staten zijn respectievelijk 142% en 56% van het totale BBP (Mishkin et al., 2013). Het financiële systeem in Europa is meer bankgeoriënteerd en daarom vooral gebaseerd op
bankfinanciering in vergelijking met de Verenigde Staten. De externe financiering van grote bedrijven in de Verenigde Staten is daarentegen meer marktgeoriënteerd, waarbij grote bedrijven zich vooral financieren met obligaties, aandelen of private equity. Indien banken in de Eurozone in
liquiditeitsproblemen verkeren, zoals in de afgelopen financiële crisis is het voor bedrijven in de Eurozone moeilijker om te lenen. Hierdoor duurde het economisch herstel in de Eurozone langer dan in de Verenigde Staten (Bijlsma, Veldhuizen & Vogt, 2015). Daarnaast hebben Bijlsma en Zwart (2013) de financiële markten in Europa, de Verenigde Staten en Japan geanalyseerd. Daarbij is de traditionele rol van banken in Europa en Japan groter dan in de Verenigde Staten. Zij hebben bovendien geconcludeerd dat de wereldwijde financiële markten in ontwikkelde landen aan het veranderen zijn richting een marktgeoriënteerd systeem. Om het effect van quantitative easing op the bank lending channel te onderzoeken is het de vraag in hoeverre de financiële markt bank- dan wel marktgeoriënteerd is en hoe groot de rol van banken daarin is.
Daarentegen zijn er verschillende onderzoekers sceptisch over de effectiviteit van the bank lending channel. Volgens Miles (2012) is dit transmissiekanaal mogelijk minder effectief. Als een centrale bank staatsobligaties koopt van de niet-bancaire sector leidt dat tot een toename in bank deposito’s. Het effect kan zwak zijn wanneer dit korte termijn deposito’s zijn. Banken kunnen de toename van liquiditeiten (bank reserves en bank deposito’s) namelijk aanhouden als extra reserves bij de centrale bank. Banken willen zich mogelijk verzekeren tegen eventuele geldopnames van korte termijn deposito’s. In dat geval wordt het geld niet of nauwelijks in de reële economie geïnjecteerd.
2.2 Literatuur review
Bestaande literatuur met betrekking tot quantitative easing is aanzienlijk. Zoals eerder aangegeven is voornamelijk onderzoek gedaan naar de impact van quantitative easing op verschillende financiële producten, en met name op (staats)obligaties met langere looptijden. Daarentegen is weinig specifiek onderzoek gedaan naar de impact van quantitative easing op de kredietverlening en daarmee het effect op de reële economie. In dit hoofdstuk worden onderzoeken besproken die de impact van quantitative easing op de groei van bancaire kredietverlening hebben onderzocht.
Bowman, Cai, Davies en Kamin (2015) hebben onderzoek gedaan naar het effect van quantitative easing op de groei van bancaire kredietverlening in Japan. Zij hebben met gebruik van
9 een paneldata regressie de groei van bancaire kredietverlening verklaard met de liquiditeitspositie van banken. Zij hebben een robuust, positief en statistisch significant effect gevonden van liquiditeit op de groei van bancaire kredietverlening. Dit suggereert dat het beleid van quantitative easing geïmplementeerd door de Bank of Japan effectief is geweest in het beïnvloeden van kredietverlening door banken. Daarnaast hebben ze bewijs gevonden voor het feit dat relatief zwakke banken meer profiteren van quantitative easing in vergelijking met sterkere banken.
Joyce en Spaltro (2014) hebben de impact van quantitative easing op the bank lending channel in het Verenigd Koninkrijk onderzocht. Op basis van een nieuwe panel dataset van banken uit het Verenigd Koninkrijk, hebben zij het effect van deposito’s op de groei van bancaire
kredietverlening onderzocht. Daarbij hebben zij een klein, positief en statistisch significant effect gevonden dat quantitatitve easing heeft geleid tot een stimulans van de bancaire kredietverlening. Daarbij hebben ze tevens bewijs gevonden dat kleinere banken heviger reageren op een
veranderingen in de deposito’s in vergelijking met grotere banken. Bovendien is de impact van quantitative easing op sterk gekapitaliseerde banken minder groot.
Butt et al. (2015) hebben tevens onderzoek gedaan naar het effect van quantitative easing op de groei van bancaire kredietverlening in het Verenigd Koninkrijk. In vergelijking met Bowman et al. (2015) en Joyce en Spaltro (2014) hebben Butt et al. (2015) een andere methode gebruikt om het effect op bancaire kredietverlening te onderzoeken, namelijk met de instrumentele variabelen schatter (IV). Zij onderzoeken in hun paper of de OFC deposits een effect hebben op de groei van leningen, met als instrument de Asset purchases facility gilt sales. Hierbij maken ze in plaats van de totale deposito’s, gebruik gemaakt van deposito’s verkregen vanuit het niet-bancaire systeem (OFC deposits). Het instrument in het model is exogeen, aangezien de verkoop van effecten door niet-banken aan de centrale bank geen effect heeft op de beslissing van een bank om leningen te
verstrekken. Zij hebben in hun onderzoek geen statistisch significant bewijs gevonden voor het effect van quantitative easing op de groei van leningen in het Verenigd Koninkrijk.
Bovenstaande onderzoeken hebben door middel van verschillende methodes het effect van quantitative easing op the bank lending channel onderzocht. Daarnaast zijn de conclusies van bovengenoemde papers niet eenduidig. De methodiek in deze paper is gebaseerd op het onderzoek van Bowman et al. (2015), en wordt in het volgende hoofdstuk nader toegelicht.
10
3. Onderzoeksmethode
3.1 Dataset & dataconstructie
De dataset bestaat uit jaarlijkse data van economische en financiële variabelen van 281 banken uit de Verenigde Staten en de Eurozone, en betreft de tijdsduur van december 2000 tot en met december 2015. Van de 281 banken zijn 172 banken uit Amerika en 109 uit diverse landen binnen de Eurozone (zie tabel 1). De banken van zowel de Verenigde Staten als de Eurozone zijn respectievelijk de top 172 en 109 grootste banken van het desbetreffende continent, gemeten door totale activa. De dataset met economische en financiële variabelen zijn gehaald uit de database van BankScope.
De variabelen die uit BankScope zijn gehaald hebben betrekking tot de balans en de financiële gezondheid van banken en worden hieronder kort toegelicht. Gross loans zijn de netto leningen plus de reserves voor slechte leningen. Deze variabele wordt gebruikt om de afhankelijke variabele te berekenen. De liquiditeitsratio is een ratio van liquide activa beschikbaar voor leningen en deposito’s. De liquiditeitsratio is de verklarende variabele van het model (1). De totale activa van een bank geeft een indicatie van hoe groot een bank is. De totale activa hierin wordt gedefinieerd als de totale activa waaraan niet wordt verdiend. De totale activa is als controlevariabele in het model (1) opgenomen. Total equity wordt gemeten door de waarde van de aandelen en verschillende herwaarderingsreserves. Total equity wordt gebruikt voor de berekening van equity ratio en is toegevoegd als controlevariabele. De bad loan ratio zijn reserves voor mogelijke verliezen als
percentage van de totale leningen. Deze ratio is gebruikt als controlevariabele. Een soortgelijke ratio is de impaired loan ratio. Deze ratio wordt gemeten door een bedrag voor mogelijke verliezen als percentage van de totale leningen en wordt in hoofdstuk 4.2 als controlevariabele toegevoegd. De totale consumenten deposito’s zijn de korte, lange en spaar deposito’s van een bank. De totale consumenten deposito’s worden gehanteerd voor de berekening van de controlevariabele: groei van totale deposito’s.
Voordat de dataset gebruikt kan worden is de data gefilterd. In de ruwe data van Amerika zijn verscheidene banken dubbel of driedubbel vertegenwoordigd. Het is belangrijk dat de dataset consistent wordt gefilterd, zodat er geen willekeur ontstaat. Banken die frequent in de dataset stonden waarvan de data exact of nagenoeg gelijk waren, daarvan zijn de banken waarvan minder data beschikbaar was verwijderd uit de dataset. Indien de data tussen dezelfde banken relatief verschillend waren, zijn de kleinste banken – gemeten door totale activa – verwijderd uit de dataset. Dezelfde methode is ook gebruikt voor de data filtering van de Eurozone.
11
3.2 Econometrisch model
Voor de basis regressie van de Verenigde Staten is gebruik gemaakt van de panel dataset van 172 banken over de tijdsduur van 2000-2015. Om het effect van quantitative easing op the bank lending channel te onderzoeken, wordt in het econometrisch model het effect van liquiditeit op de groei van leningen onderzocht. Liquiditeit wordt gemeten op basis van de liquiditeitsratio. Dit is een ratio van liquide middelen beschikbaar voor deposito’s en leningen. Het econometrisch model in deze paper is gebaseerd op het model van Bowman, Cai, Davies en Kamin (2015), maar verschilt in de volgende aspecten. Ten eerste wordt enkel de eerste lag van de verklarende variabelen en groei in deposito’s gebruikt, omdat meerdere lags ten koste gaat van het aantal observaties en verwacht weinig effect te hebben. Bovendien zijn een aantal variabelen anders gedefinieerd (zie beschrijving hieronder). De basis regressie (1) is als volgt:
∆𝐿𝑜𝑎𝑛𝑖,𝑡 = 𝛼𝑖+ 𝛽1𝐿𝑅𝑖,𝑡−1 + 𝛽2𝑇𝐴𝑖,𝑡−1+ 𝛽3𝐸𝑅𝑖,𝑡−1+ 𝛽4𝐵𝐿𝑅𝑖,𝑡−1+ 𝛽5 ∆𝐷𝑒𝑝𝑖,𝑡−1 𝛽6 ∆𝐿𝑜𝑎𝑛𝑖,𝑡−1+
Ʃ 𝑛=0 16 𝛾𝑛𝐷𝑛+ 𝜀𝑖,𝑡 (1)
∆𝐿𝑜𝑎𝑛𝑖,𝑡 is de natuurlijke logaritme van de groei in leningen van bank i op tijdstip t. 𝐿𝑅𝑖,𝑡−1 is de
liquiditeitsratio van bank i op tijdstip t-1. Daarnaast zijn er enkele bank karakteristieken en financiële variabelen aan het model toegevoegd, om te controleren voor een effect op leningen. In
bovenstaand model wordt de grootte van de bank gemeten door de natuurlijke logaritme van de totale activa 𝑇𝐴𝑖,𝑡−1 van bank i op tijdstip t-1. De verandering in leningen is afhankelijk van de
grootte van de bank. Kashyap en Stein (2000), Joyce en Spaltro (2014) hebben bewijs gevonden dat een toename in liquiditeiten op basis van monetair beleid merkbaarder zijn voor relatief kleinere banken. De grootte van de bank gemeten door totale activa zal daarom een negatief effect hebben op de verandering van leningen. Daarnaast wordt equity ratio (𝐸𝑅𝑖,𝑡−1) van bank i op tijdstip t-1
meegenomen in het model, berekend als een ratio van de totale equity over de totale activa. Kleine banken met relatief weinig kapitaal worden het sterkst beïnvloed door monetaire
beleidsmaatregelen, zoals quantitative easing (Kishan and Opiela, 2000). De equity ratio verwacht tevens een negatief effect te hebben op de expansie van leningen. Bad loan ratio (𝐵𝐿𝑅𝑖,𝑡−1) is een
indicator van leningen die oninbaar zijn geworden, en is berekend op basis van een ratio van ingecalculeerde verliezen ten opzichte van de totale leningen van bank i op tijdstip t-1. Hoe hoger
12 deze ratio is, des te slechter de kwaliteit van een bank zijn activa. Het effect op de groei van leningen zal daarom een negatief effect hebben. ∆𝐷𝑒𝑝𝑖,𝑡−1 𝑒𝑛 ∆𝐿𝑜𝑎𝑛𝑖,𝑡−1 zijn de natuurlijke logaritmen van
de verandering in de deposito’s en leningen van bank i op tijdstip t-1. Deposito’s in dit model zijn de totale consumenten deposito’s. Een toename van de deposito’s zorgt voor een stijging van bank reserves. Een toename van bank reserves leidt tot een toename van het aanbod van leningen (Apergisa, Millerb en Alevizopoulouc, 2012). Er wordt dus een positief effect verwacht van de groei in deposito’s op de afhankelijke variabele. De verandering in leningen van vandaag is afhankelijk van de verandering in leningen van gisteren. Daarom is de lag van de afhankelijke variabele
meegenomen in het model (1). Er wordt een positief effect verwacht van de lag afhankelijke
variabele op de afhankelijke variabele. Ʃ 𝑛=0 16 𝛾𝑛𝐷𝑛 zijn de jaardummies van 2000 tot en met 2015 die
aan het model zijn toegevoegd. N=0 is de jaardummy van 2000, n=1 is de jaardummy van 2001 enzovoort. De jaardummies zijn enkel toegevoegd om te controleren voor factoren die in een specifiek jaar van invloed kunnen zijn op de groei van bancaire kredietverleningen.
Het basis model (1) is geschat op basis van de OLS-methode met fixed effects. Door middel van fixed effects wordt er gecontroleerd voor individuele ontwikkelen binnen een bank die van invloed kunnen zijn op de afhankelijke en onafhankelijke variabelen.
Echter is er mogelijk sprake van het endogeniteitsprobleem in het model (1). Volgens Bowman, Cai, Davies en Kamin (2015) is er mogelijk sprake van het endogeniteitsprobleem, aangezien banken meer lenen, indien zij vooraf over relatief meer liquiditeit beschikken. Hierdoor hebben zij lag variabelen gebruikt, om het probleem te verkleinen. In bovenstaand model (1) is daarom tevens gebruik gemaakt van lag variabelen van één jaar. Echter zal dit het probleem niet geheel oplossen. Daarnaast is er nog sprake van het endogeniteitsprobleem, omdat de lag van de afhankelijke variabele (∆𝐿𝑜𝑎𝑛𝑖,𝑡−1) als variabele in het model is opgenomen. Hierdoor zijn de
assumpties van een OLS-schatter niet meer valide, waardoor de resultaten niet correct zijn. Om te corrigeren voor het endogeniteitsprobleem hebben Bowman, Cai, Davies en Kamin (2015) het basis model geschat op basis van een GMM, gebaseerd op de methode van Arrellano and Bover (1995) en Blundell en Bond (1998).
In deze paper wordt het basis model (1) ook geschat op basis van de Arrellano-Bond methode, om te controleren voor het endogeniteitsprobleem. Bij de Arrellano-Bond methode worden instrumenten toegevoegd om het endogeniteitsprobleem te verhelpen. De Arrellano-Bond schatter is correct indien de instrumenten daadwerkelijk valide zijn. De instrumenten zijn valide indien de instrumenten exogeen zijn, dus niet gecorreleerd met de storingsterm, en voldoende gecorreleerd zijn met de regressors van het model. Door te testen op autocorrelatie kan worden bepaald of de instrumenten valide zijn. De resultaten van de test op autocorrelatie staan
13 autocorrelatie, aangezien deze gelijk is aan de eerste orde autocorrelatie (Arrellano en Bond, 1991). Op basis van de resultaten in figuur 1 is er onvoldoende statistisch bewijs om de nulhypothese te verwerpen. Hieruit kan geconcludeerd worden dat de instrumenten valide zijn, waardoor het probleem van endogeniteit is verholpen. De Arrellano-bond methode is daarom een zuivere schatter.
4. Resultaten
4.1 Resultaten Basis model
De resultaten die zijn gevonden met de OLS-regressie staan gerapporteerd in tabel 1. Volgens de resultaten heeft liquiditeit een positief en significant effect op de groei van bancaire
kredietverlening. De lag coëfficiënt van de liquiditeitsratio is 0,28. Een stijging van 1 procentpunt van de lag liquiditeitsratio leidt tot een toename van 0,28 procentpunten in de groei van leningen per jaar (ceteris paribus). Dit resultaat is consistent met het bewijs dat is gevonden in het onderzoek van Bowman, Cai, Davies en Kamin (2015). Zij hebben significant bewijs gevonden dat in Japan een stijging van 1 procentpunt van de liquiditeitsratio leidt tot een jaarlijkse stijging van 0,22 procentpunten in de groei van leningen. Ter verduidelijking de gemiddelde liquiditeitsratio van banken uit de dataset is gestegen van 15,48 procent in 2008 naar 22,23 procent in 2015. De stijging van 6,75 procentpunten in de gemiddelde liquiditeitsratio in de periode van 2008-2015, resulteert in een toename van 1,89 procentpunt in de groei van bancaire kredietverlening per jaar in de Verenigde Staten. De omvang van het effect is daarentegen niet echt noemenswaardig, maar de afwezigheid van een dusdanig beleid, zoals quantitative easing zou de economie in de Verenigde Staten waarschijnlijk hebben verslechterd.
De resultaten van de controlevariabelen zijn uiteenlopend. Het effect van bank grootte – gemeten door totale activa – is wat vooraf werd verwacht . Het effect van monetaire maatregelen, zoals quantitative easing heeft minder invloed op relatief grotere banken (Kashyap en Stein, 2000). Het effect van deze variabelen is namelijk negatief, en tevens statistisch significant met een 1 procent significantie niveau. Een stijging van 1 procentpunt van de totale activa resulteert tot een daling van 0,11 procentpunten in de groei van leningen (ceterus paribus).
Voor de controlevariabele equity ratio is geen significant effect gevonden op de groei van leningen. De negatieve coëfficiënt van -0,36 suggereert dat een stijging van 1 procentpunt in de
14 equity ratio resulteert in een daling van 0,36 procentpunten in de groei van bancaire kredietverlening (ceteris paribus). Het effect van de equity ratio is wat vooraf werd verwacht. Echter, is er geen significant effect gevonden.
Voor de variabele bad loan ratio – indicator voor slecht presterende leningen – is een positief en statistisch significant effect gevonden. Een stijging van 1 procentpunt in de bad loan ratio
resulteert in een stijging van 2,24 procentpunten in de groei van leningen (ceteris paribus). Het positieve resultaat is niet wat vooraf werd verwacht op basis van economische intuïtie. In het onderzoek van Bowman, Cai, Davies en Kamin (2015) heeft de bad loan ratio een negatief en tevens significant effect op de groei van leningen. Een mogelijke verklaring van het positieve effect heeft wellicht te maken met de berekening van de bad loan ratio. In hoofdstuk 3.2 is aangegeven dat de bad loan ratio is berekend op basis van ingecalculeerde verliezen ten opzichte van de totale leningen. De ingecalculeerde verliezen worden echter aangehouden als reserves van mogelijke verliezen op uitstaande leningen. Indien de reserves voor mogelijke verliezen stijgen, betekent dit echter nog niet dat slecht presterende leningen daadwerkelijk toenemen. Het feit dat verliezen worden
aangehouden als reserves heeft daarom wellicht een positief effect op de groei van leningen. Banken hoeven namelijk niet te korten op leningen, aangezien voor eventuele verliezen al reserves apart zijn gehouden. Indien de bad loan ratio wordt berekend op basis van mogelijke verliezen op leningen, maar deze verliezen niet worden aangehouden als reserves heeft dit wellicht een ander effect (zie robuustheid controles).
Voor de lag van de groei in deposito’s is geen bewijs gevonden voor een significant effect op de afhankelijke variabele. Het effect van de groei in deposito’s is daarnaast negatief, en in
tegenspraak met wat vooraf werd verwacht. Een stijging van 1 procentpunt in de toename van deposito’s resulteert in een daling van 0,03 procentpunten in de groei van bancaire kredietverlening. Een mogelijke verklaring voor het negatieve effect is dat de verkregen reserves door middel van een toename in deposito’s enkel worden aangehouden als reserves in tijden van onzekerheid.
De lag van de afhankelijke variabele als controlevariabele heeft een positief en significant effect op de afhankelijke variabele. Een stijging van 1 procentpunt in de groei van leningen op tijdstip t-1 resulteert in een toename van 0,11 procentpunten in de groei van leningen op tijdstip t.
Bowman, Cai, Davies en Kamin (2015) schatten de basis regressie met de GMM methode van Arrellano and Bover (1995) en Blundell en Bond (1998), om te corrigeren voor het
endogeniteitsprobeem van het basis model. Aangezien er in het basis model (1) in dit onderzoek ook sprake is van het endoginiteitsprobeem is het basis model geschat op basis van de GMM methode. De resultaten van deze methode staan gepresenteerd in tabel 3. De resultaten op basis van de GMM-methode hebben allemaal een statistisch significant effect op de afhankelijke variabele. Daarnaast
15 zijn de effecten van tabel 3 allemaal groter in vergelijking met de resultaten in tabel 2. Enkel de variabele equity ratio heeft een positief effect in vergelijking met het negatieve effect van de OLS-regressie. Dus als er een mogelijke bias zou zijn in het basismodel, dan zorgt de bias voor een negatief effect op de resultaten. De resultaten gevonden in tabel 3 bevestigen daarom het positieve en significant effect van de lag liquiditeitsratio op de groei van bancaire kredietverlening. Voor de rest van deze paper wordt daarom gebruik gemaakt van een OLS-regressie (Bowman, Cai, Davies en Kamin, 2015).
Tabel 2 basis model OLS-regressie
Variabelen Coëfficiënten LR (t-1) 0,28*** 0,0005 TA (t-1) -0,11*** 0,0167 ER (t-1) -0,36 0,0026 BLR (t-1) 2,24*** 0,0083 Δdep (t-1) -0,03 0,0357 Δloan (t-1) 0,11*** 0,0389 Constant 1,7*** 0,2703
*,**,*** staat voor significant met respectievelijk 10, 5 en 1 procent
Tabel 3 Basis model GMM methode
Variabelen Coëfficiënten
LR (t-1) 0,39*** 0,0008 TA (t-1) -0,14***
16 ER (t-1) 2,07*** 0,0041 BLR (t-1) 11,76*** 0,0125 Δdep (t-1) -0,28*** 0,0405 Δloan (t-1) 0,24*** 0,0446
*,**,*** staat voor significant met respectievelijk 10, 5 en 1 procent
4.2 Robuustheid controles
In deze sectie worden variabele vervangen en interactievariabelen toegevoegd om de robuustheid van het basis model te onderzoeken.
Zoals eerder aangegeven in hoofdstuk 4.1 is het effect van de bad loan ratio op de groei van bancaire kredietverlening positief, omdat de berekening van deze ratio is gebaseerd op reserves die worden aangehouden voor mogelijke verliezen op uitstaande leningen. Om een andere definitie van slechte leningen te onderzoeken is de bad loan ratio in het basis model vervangen door de impaired loan ratio. Deze ratio is tevens een indicator voor slecht presterende leningen, en is berekend op basis van leningen die twijfelachtig zijn met betrekking tot het terugbetalen van een lening gedeeld door de totale leningen. Het verschil daarentegen met de bad loan ratio is dat de mogelijke verliezen niet als reserves worden aangehouden. De resultaten van de regressie met impaired loan ratio als controlevariabele staan gerapporteerd in tabel 3. De impaired loan ratio is statistisch significant en heeft een verwacht effect. In dit geval zijn slechte leningen – berekend op basis van impaired loans – negatief gecorreleerd met de groei van bancaire kredietverlening, aangezien er geen reserves worden aangehouden voor mogelijke verliezen. Banken zullen door een toename van slechte leningen de groei van leningen inkrimpen. Een toename van 1 procentpunt in slechte leningen resulteert in dit geval tot een daling van 1,57 procentpunten in de verandering van leningen (cetrus paribus). Hoewel het effect van de lag liquiditeitsratio op de groei van leningen in dit geval iets kleiner is, is het effect wederom statistisch significant. De resultaten van de controlevariabele zijn ook nagenoeg hetzelfde, met uitzondering van de equity ratio. Het effect van equity ratio is daarentegen positief gecorreleerd met de groei van leningen in vergelijking met de resultaten uit tabel 2. Het is dus van belang hoe de indicator van slechte leningen is gedefinieerd. Echter de substitutie van de bad loan ratio door de impaired loan ratio is dus geen verbetering evenzeer een
17 verslechtering van het econometrisch model (1). Alleen de economische interpretatie verschilt , aangezien de verschillende definities dan wel berekeningen een ander effect hebben.
De dataset betreft de tijdspanne van 2000 tot en met 2015. Op 28 november 2008 heeft de Fed aangekondigd om quantitative easing te implementeren. Het daadwerkelijk opkopen van effecten is begonnen in maart 2009, en is na enkele rondes beëindigd op 29 oktober 2014. Om de effectiviteit van the bank lending channel te onderzoeken in de periode van quantitative easing is een tijdsdimensie toegevoegd in de vorm van een interactievariabele. De dummy variabele NonQE is vermenigvuldigd met de lag liquiditeitsratio, om het verschil in effect te onderzoeken toen
quantitative easing werd uitgevoerd en wanneer quantitative easing niet werd uitgevoerd. Het opkoopprogramma van de Fed is voor het eerst uitgevoerd in 2009. De dummy variabele met waarde 1 (QE*LA (t-1)) betreft de periode vanaf 2010 tot en met 2015, waarin quantitative easing werd uitgevoerd en 0 (NonQE*LA (t-1)) anders. De resultaten die zijn gevonden met betrekking tot de tijdsdimensie staan in tabel 5. Voor beide periodes is een positief en significant effect gevonden van de lag liquiditeitsratio op de expansie van bancaire kredietverlening. De coëfficiënten van QE*LA en NonQE*LA zijn respectievelijk 0,24 en 0,29 wat impliceert dat een stijging van 1 procentpunt in de lag liquiditeitsratio resulteert in een stijging van respectievelijk 0,24 en 0,29 procentpunten in de groei van leningen. Deze resultaten zijn vergelijkbaar met de resultaten gevonden in het basis model (tabel 2). Hoewel voor beide periodes een significant effect is gevonden, versterken deze resultaten echter niet het effect van quantitative easing op the bank lending channel.
Een tweede interactievariabele is toegevoegd om te onderzoeken of de impact van het opkoopprogramma verschilt per regio waar het geïmplementeerd is. Zoals eerder aangegeven is quantitative easing geïntroduceerd door meerdere centrale banken. Zij hebben het beleid van quantitative easing allemaal op een andere manier geïmplementeerd. Voor toekomstig monetair beleid is het van belang om te begrijpen hoe quantitative easing daadwerkelijk de reële economie beïnvloedt in de verschillende regio’s. Met de interactievariabele wordt het effect van quantitative easing in de Eurozone vergelijken met de Verenigde Staten. De structuur van beide financiële markten is anders georganiseerd, waardoor het effect van quantitative easing wellicht een andere impact zal hebben. De economie in de Eurozone is namelijk meer geschraagd op de bancaire sector in vergelijking met de Verenigde Staten, zoals besproken in hoofdstuk 2.1.3. Voordat het verschil tussen de Eurozone en de Verenigde Staten onderzocht kan worden, zijn de datasets van beide regio’s samengevoegd. Hierdoor bestaat de dataset uit 281 banken, waarvan 172 banken uit de Verenigde Staten en 109 uit verschillende landen binnen de Eurozone (zie figuur 1). De
interactievariabele is de dummy variabele regio vermenigvuldigd met de lag liquiditeitsratio. De dummy met waarde 1(EU*LR (t-1)) betreft de Eurozone en de waarde 0 (US*LR (t-1)) de Verenigde Staten. Verder zijn dezelfde controlevariabelen gebruik als in het basis model. Als de resultaten
18 (tabel 6) worden bestudeerd, is er een duidelijk verschil in effect tussen beide regio’s. Voor de Verenigde Staten is wederom een positief en significant effect van de liquiditeitsratio op de groei van de bancaire kredietverlening, waarbij het effect in de Eurozone tevens positief is maar niet
significant. Een 1 procentpunt stijging van de liquiditeitsratio resulteert voor de Verenigde Staten en de Eurozone respectievelijk in een stijging van 0,21 en 0,06 procentpunten in de toename van het aantal bancaire kredietverleningen (ceteris paribus).
Er zijn mogelijk twee verklaringen voor een significant verschil wat betreft het effect van quantitative easing op the bank lending channel in de Verenigde Staten en de Eurozone. Indien we het monetair beleid van de Fed en de ECB nader bestuderen zijn er een aantal verschillen duidelijk zichtbaar. De ECB heeft quantitative easing echter pas per 9 maart 2015 geïmplementeerd, waarbij de Fed quantitative easing per maart 2009 in uitvoering bracht. Aangezien de dataset beschikt over data tot en met 2015, zijn mogelijke effecten van quantitative easing in de Eurozone nog niet zichtbaar. Daarnaast heeft de ECB In de periode van oktober 2008 en maart 2015 verscheidene niet-traditionele maatregelen in uitvoering gebracht, waarbij een aantal interventies zijn gesteriliseerd. Dit zorgt ervoor dat interventies met betrekking tot het verschaffen van liquiditeiten teniet worden gedaan, door transacties waarbij liquiditeiten uit het financiële systeem worden onttrokken.
Hierdoor zijn uiteindelijk de reserves van de ECB ongewijzigd gebleven (Mishkin, 2013). Dit
suggereert dat het beleid van de ECB in de periode van oktober 2008 tot en met maart 2015 niet was bedoeld om de liquiditeit in de bancaire sector te verhogen, en zodoende is er geen significant effect gevonden van liquiditeit op leningenverschaffing door banken.
5. Conclusie
In deze paper is onderzoek gedaan naar de impact van quantitative easing op the bank lending channel in de Verenigde Staten. In het specifiek is onderzoek gedaan of quantitative easing door middel van liquiditeit heeft geleid tot een toename van bancaire kredietverlening in de Verenigde Staten. Hierbij is gebruik gemaakt van een panel dataset met economische en financiële variabelen van 281 banken over de tijdspanne van 2000 tot en met 2015. Een OLS-regressie met fixed effects is geschat om de impact hiervan te onderzoeken. Door een mogelijk endogeniteitsprobeem van de OLS-regressie, is de basis regressie tevens geschat met de GMM-methode van Arrellano-bond. Daarnaast zijn een aantal controles gedaan om de robuustheid van het basis model (1) te onderzoeken.
Volgens de resultaten van dit onderzoek is een klein, positief en statistisch significant effect gevonden voor de impact van liquiditeit op de groei van bancaire kredietverlening. Een toename van
19 6,75 procentpunten in de gemiddelde liquiditeitsratio in de periode tussen 2008 en 2015, suggereert dat de bancaire kredietverlening per jaar met 1,89 procentpunten is toegenomen. Daarentegen is er geen versterkend bewijs gevonden voor een significant verschillend effect, voor de periode waarin quantitative easing werd uitgevoerd in vergelijking met de afwezigheid van een dergelijk beleid. Door de afwezigheid van een dergelijk beleid, zoals quantitative easing zou de reële economie wellicht verder zijn gekrompen in de periode van de financiële crisis. Dit suggereert dat het QE-beleid van de Federal Reserve effectief is geweest in stimuleren van bancaire kredietverlening.
Daarnaast is het voor toekomstig monetair beleid van belang dat zowel het beleid als de impact van quantitative easing wordt vergeleken onder de verschillende centrale banken. Bowman, Cai, Davies en Kamin (2015) hebben het effect van quantitative easing op de bank lending channel in Japan onderzocht. Zij hebben tevens een klein, positief en statistisch significant effect gevonden van liquiditeit op de groei van leningen. Als robuustheid controle is tevens onderzocht of er een
verschillend effect is tussen de Eurozone en de Verenigde Staten. Voor het effect van quantitative easing op bancaire kredietverlening in de Eurozone is echter geen bewijs gevonden. Dit komt waarschijnlijk omdat de interventies van de ECB in de periode van oktober 2008 en maart 2015 zijn gesteriliseerd.
Suggesties voor een vervolgonderzoek zou daarom zijn om het effect van quantitative easing op the bank lending channel in de Eurozone in de toekomst nader te onderzoeken. De ECB heeft het beleid van quantitative easing pas geïntroduceerd per 9 maart 2015, waarbij het beleid tevens nog in uitvoering is. Voordat de effecten in de Eurozone zichtbaar zijn, moet er over een aantal jaren onderzoek hiernaar gedaan worden. De dataset van dit onderzoek bestaat uit 281 banken vanuit de Verenigde Staten en de Eurozone. Om het effect op leningen nauwkeuriger te onderzoeken, moet er onderzoek gedaan worden op basis van ongeveer 500-600 banken. Een laatste suggestie voor vervolg onderzoek is de toevoeging van de variabele tier 1-kapitaal. Sinds de financiële crisis worden banken streng gereguleerd, waarbij banken getest worden op basis van een stresstest. Door middel van deze test wordt beoordeeld of banken over voldoende kapitaalbuffers beschikken in tijde van een
20
6. Bibliografie
Apergis, Miller, & Alevizopoulou. (2012). The Bank Lending Channel and Monetary Policy Rules: Further Extensions. Procedia Economics and Finance, 2, 63-72.
Arellano, M., & Bond, S. (1991). Some Tests of Specification for Panel Data: Monte Carlo Evidence and an Application to Employment Equations. The Review of Economic Studies, 58(2), 277. Arellano, Manuel, & Bover, Olympia. (1995). Another look at the instrumental variable estimation of
error-components models. Journal of Econometrics, 68(1), 29.
Bauer, M. D., Rudebusch, G. D. (2014). The Signaling Channel for Federal Reserve Bond Purchases. International Journal of Central Banking. Vol. 10 No. 3 233-289
Benford, James, Berry, Stuart, Nikolov, Kalin, Young, Chris, & Robson, Mark. (2009). Quantitative easing. (Research and analysis)(Financial report). Bank of England Quarterly Bulletin, 49(2), 90.
Bijlsma, M., van Veldhuizen, S., Vogt, B. (2015). Een wereld zonder banken? CPB Policy Brief.
Bijlsma, M., & Zwart, G. T. (2013). The changing landscape of financial markets in Europe, the United States and Japan. Bruegel Working Paper 2013/02.
Blundell, & Bond. (1998). Initial conditions and moment restrictions in dynamic panel data models. Journal of Econometrics, 87(1), 115-143.
Bowdler, C., & Radia, A. (2012). ‘’Unconventional monetary policy: The assessment.’’ Oxford Review Of Economic Policy, 28(4), 603-621
Bowman, Cai, Davies, & Kamin. (2015). Quantitative easing and bank lending: Evidence from Japan. Journal of International Money and Finance, 57, 15-30.
Butt, N., Churm, R., McMahon, M., Morotz, A., Schanz. (2015). QE and the Bank Lending Channel in the United Kingdom, CAMA Working Paper 38/2015
Eggertsson, Gauti B., & Woodford, Michael. (2003). The zero bound on interest rates and optimal monetary policy. Brookings Papers on Economic Activity, (1), 139.
21 Gagnon, J., Raskin, M., Remache, J. and Sack, B. (2011). ‘’The financial market effects of the Federal
Reserve’s large-scale asset purchases’’, International Journal of Central Banking, vol. 7(10) 2011, pp. 3–43.
Joyce, M., Lasaosa, M., Stevens, I., & M. Tong, (2011). ‘’The financial market impact of quantitative easing in the United Kingdom.’’ International Journal of Central Banking, 7, 113-161 Joyce, M., Miles, D., Scott, A., & D. Vayanos , (2012). ‘’Quantitative easing and unconventional
monetary policy- an introduction. ‘’The economic journal, F271-F288
Joyce, M., Spaltro, M. (2014) Quantitative easing an bank lending: a panel data approach, Bank of England Working Paper No. 504
Kashyap, A., & Stein, J. (2000). What Do a Million Observations on Banks Say About the Transmission of Monetary Policy? American Economic Review, 90(3), 407-428.
Kishan, R., & Opiela, T. (2000). Bank Size, Bank Capital, and the Bank Lending Channel. Journal of Money, Credit and Banking, 32(1), 121-141.
Miles, D. (2012). ‘Asset prices, saving and the wider effects of monetary policy’, Speech at the Pro Manchester Business Conference, March.
http://www.bankofengland.co.uk/archive/Documents/historicpubs/speeches/2012/speech5 49.pdf
Mishkin, F. (1996). The channels of monetary transmission: Lessons for monetary policy (NBER working paper no. W5464). Cambridge, Mass: National bureau of economic research. Mishkin F., K. Matthews and M. Giuliodori (2013). The Economics of Money, Banking, and Financial
Markets (European Edition).
Salachas, Laopodis, & Kouretas. (2016). The bank-lending channel and monetary policy during pre- and post-2007 crisis. Journal of International Financial Markets, Institutions & Money, Journal of International Financial Markets, Institutions & Money.
Tobin, J. (1969). A General Equilibrium Approach To Monetary Theory. Journal of Money, Credit and Banking, 1(1), 15-29
22
Appendix
Tabel 1 Aantal banken per land
Land Nr. Banks Frankrijk 23 Duitsland 19 Italië 18 Spanje 16 Oostenrijk 7 Nederland 6 Griekenland 4 Portugal 4 België 3 Finland 3 Ierland 2 Luxemburg 2 Cyprus 1 Slowakije 1 Totaal 109
23 Tabel 4 Impaired loan ratio in plaats van bad loan ratio
Variabelen Coëfficiënten LR (t-1) 0,16*** 0,0005 TA (t-1) -0,12*** 0,014 ER (t-1) 0,22 0,0021 IMPLR (t-1) -1,57*** 0,0026 Δdep (t-1) -0,04 0,0306 Δloan (t-1) 0,09*** 0,0329 Constant 1,86*** 0,2258
*,**,*** staat voor significant met respectievelijk 10, 5 en 1 procent
Tabel 5 Interactie lag liquiditeitsratio en tijd
Variabelen Coëfficiënten NonQE*LR (t-1) 0,29*** 0,0005 QE*LR (t-1) 0,24*** 0,0007 LR (t-1) - - TA (t-1) -0,11*** 0,0167 ER (t-1) -0,36 0,0026 BLR (t-1) 2,24*** 0,0083 Δdep (t-1) -0,03 0,0358 Δ Loan (t-1) 0,12*** 0,0389 Constant 1,71*** 0,2707
24 Tabel 6 Interactie lag liquiditeit en regio
Variabelen Coëfficiënten US*LR (t-1) 0,21*** 0,0007 EU*LR (t-1) 0,07 0,0008 LR (t-1) - - TA (t-1) -0,08*** 0,0193 ER (t-1) -0,31 0,0034 BLR (t-1) -1,52*** 0,0043 Δdep (t-1) -0,05** 0,0271 Δ Loan (t-1) -0,37*** 0,0220 Constant 1,4*** 0,3219
