Συλλογές
Τίτλος What are the key determinants of non performing loans?
Δημιουργός Σωτηρίου, Δήμητρα
Συντελεστής Athens University of Economics and Business, Department of Accounting and Finance
Τύπος Text
Φυσική περιγραφή 62p.
Γλώσσα en
Περίληψη In times of financial crisis NPL is the main banking preoccupation. According to (Anastasiou et al., 2016) bank insolvency has been a significant problem in many countries around the globe. One of the main reasons for insolvent banks is the asset quality deterioration especially after the start of the economic crisis of 2007. Euro-area non-performing loans, i.e., loans past due > 90 days (NPLs), exceeded 12% in 2015 and put increasing pressure on banks’ balance sheets preventing them from pursuing their intermediation role and creating further growth (Anastasiou et al., 2016). In the present thesis author will attempt to mention all possible NPL determinants and will focus on advanced economies (the Euro area, USA and Japan)trying through an econometric model with panel data to estimate the impact of the most important NPL macroeconomic and geographical determinants on the NPL ratio. Our sample includes the following countries: Austria (2000-2014), Belgium (2000-2014), Denmark (2000-2014), Finland (2000-2012), France (2000-2014), Germany (2000-2014), Greece (2000-2014), Ireland (2000-2014), Italy (2000-2014), Japan (2000-2014), Netherlands (2000-2014), Norway (2000-2014), Portugal (2000-2014), Spain (2000-2014), Sweden (2000-2014), UK (2000-2014) and US (2000-2014).Thus, the total sample size is 253. To this end Eviews software package will be used.The capital structure is as follows. In capital 1 is the introduction. In chapter 2 the most important NPL determinant factors are explained and they are classified as macroeconomic, microeconomic, geographical and other determinant factors. In chapter 3 the research hypothesis is formulated. In chapter 4 the econometric model is defined, data are selected and estimation of the model is made. Besides, various tests for the robustness of the model are made regarding unit roots, normality, heteroskedasticity, correlation, multicollinearity and reset.Finally, in chapter 5 conclusions are derived. After that, there are the references and the appendix.In this thesis it is pointed out that, using Eviews software and applying the method: Panel EGLS (Cross-section SUR), the per head GDP at constant prices does not have any impact on non-performing loans. Economic growth at constant prices has a negative impact on non-performing loans. Gross fixed capital formation % GDP has a negative impact on non-performing loans. Unemployment has a positive impact on non-performing loans. Government consumption % GDP has a negative impact on non-performing loans. Inflation has a negative impact on non-performing loans. South EU has a positive impact on non-performing loans. Besides, according to the results of our econometric model the following the following issues must be taken care of by the policy makers:At first: economic growth must be fostered, second: consumption must be fostered, third: banks should help companies to adopt high technology, fourth: taxation must be lower, fifth: efficient spending on infrastructure is needed, sixth: international standards of auditing must be adopted, seventh: uncertainty must be reduced, eighth: ageing problem must be solved and ninth: trade liberalization is required. My contribution is that I introduced a panel data regression model in order to examine the NPL determinant factors from the macroeconomic and geographical point of view. However, it is also suggested that apart the macro economic and geographical factors, many micro economic factors also play a role in the NPL determination. It must be noted that a comprehensive understanding of the NPL issue requires the examination of many factors of macroeconomic, microeconomic and geographical nature.
Στην περίοδο της οικονομικής κρίσης τα μη εξυπηρετούμενα δάνεια (NPL) είναι το βασικό πρόβλημα των τραπεζών. Σύμφωνα με (Anastasiou et al., 2016) η έλλειψη της ρευστότατος στις τράπεζες είναι σοβαρό πρόβλημα σε πολλές χώρες του κόσμου. Ένας από τους σοβαρότερους λόγους για αυτό είναι η ποιοτική χειροτέρευση του ενεργητικού των τραπεζών και ειδικά μετά από την κρίση του 2007. Στην ΕΕ τα μη εξυπηρετούμενα δάνεια (μη πληρωμένα δάνεια για περισσότερες από 90 ημέρες) υπερβαίνουν το 12% (2015) με συνέπεια να πιέζονται οι ισολογισμοί των τραπεζών έτσι ώστε οι τράπεζες να εμποδίζονται εκ των πραγμάτων να ασκήσουν τον διαμεσολαβητικό τους ρόλο και να βοηθήσουν την επίτευξη της οικονομικής ανάπτυξης (Anastasiou etal., 2016). Στην παρούσα εργασία ο συγγραφέας θα προσπαθήσει να αναφέρει όλους τους πιθανούς παράγοντες που δημιουργούν τα μη εξυπηρετούμενα δάνεια και θα επικεντρωθεί στια ανεπτυγμένες οικονομίες (ΕΕ, ΗΠΑ και Ιαπωνία) και θα προσπαθήσει με την βοήθεια ενός οικονομομετρικού υποδείγματος (μοντέλου) με paneldata να εκτιμήσει ποσοτικά την επίδραση των πιο σημαντικών μακροοικονομικών και γεωγραφικών παραγόντων πάνω στο ποσοστό των μη εξυπηρετούμενων δανείων. Το εξεταζόμενο δείγμα περιέχει τις ακόλουθες χώρες: Αυστρία (2000-2014), Βέλγιο (2000-2014), Δανία (2000-2014), Φιλανδία (2000-2012), Γαλλία (2000-2014), Γερμανία (2000-2014), Ελλάδα (2000-2014), Ιρλανδία(2000-2014), Ιταλία (2000-2014), Ιαπωνία (2000-2014), Ολλανδία (2000-2014), Νορβηγία (2000-2014), Πορτογαλία (2000-2014), Ισπανία (2000-2014), Σουηδία (2000-2014), Βρετανία (2000-2014) και ΗΠΑ (2000-2014).Έτσι το δείγμα έχει μέγεθος 253. Για την επίλυση του μοντέλου χρησιμοποιήθηκε το πακέτο λογισμικού Eviews. Η διάρθρωση των κεφαλαίων έχει ως έξης: Εισαγωγή στο κεφάλαιο 1. Στο κεφάλαιο 2 αναλύονται οι πιο σημαντικοί παράγοντες δημιουργίας μη εξυπηρετούμενων δανείων και χωρίζονται σε τέσσερις κατηγορίες: μακροοικονομικοί, μικροοικονομικοί, γεωγραφικοί και άλλοι παράγοντες. Κατόπιν στο κεφάλαιο 3 θα οριστεί η ερευνητική υπόθεση. Ύστερα, στο κεφάλαιο 4 θα οριστεί το οικονομομετρικό υπόδειγμα (μοντέλο), θα οριστούν τα στατιστικά δεδομένα και οι πηγές τους, και θα γίνει η εκτίμηση του μοντέλου. Επιπλέον θα γίνουν και οι έλεγχοι για την απόδειξη της εγκυρότητας του μοντέλου (έλεγχος για μοναδιαία ρίζα, έλεγχος για κανονικότητα, έλεγχος για ετεροσκεδαστικότητα, έλεγχος για συσχέτιση, έλεγχος για πολυσυγγραμικότητα και έλεγχος για εξειδίκευση). Τέλος στο κεφάλαιο 5 θα αναλυθούν τα συμπεράσματα. Ακολουθούν οι αναφορές και το παράρτημα. Σε αυτή την εργασία αποδείχτηκε, με την χρήση του λογισμικού Eviews software και χρησιμοποιώντας την μέθοδο εκτίμησης Panel EGLS (Cross-section SUR), ότι το κατά κεφαλήν ΑΕΠ σε σταθερές τιμές δεν επιδρά στα μη εξυπηρετούμενα δάνεια. Η οικονομική ανάπτυξη σε σταθερές τιμές επιδρά αρνητικά στα μη εξυπηρετούμενα δάνεια. Οι ακαθάριστες επενδύσεις παγίου κεφαλαίου % ΑΕΠ επιδρούν αρνητικά στα μη εξυπηρετούμενα δάνεια. Η ανεργία επιδρά θετικά στα μη εξυπηρετούμενα δάνεια. Η κυβερνητική κατανάλωση % ΑΕΠ επιδρά αρνητικά στα μη εξυπηρετούμενα δάνεια. Ο πληθωρισμός επιδρά αρνητικά στα μη εξυπηρετούμενα δάνεια. Η νότια ΕΕ επιδρά θετικά στα μη εξυπηρετούμενα δάνεια. Εκτός από τα πιο πάνω, με βάση το χρησιμοποιημένο μοντέλο προκύπτει ότι οι ασκούντες την οικονομική πολιτική θα πρέπει να φροντίσουν για τα ακόλουθα θέματα: η οικονομική ανάπτυξη πρέπει να προωθηθεί, επίσης η κατανάλωση πρέπει να τονωθεί, οι τράπεζες θα πρέπει να βοηθήσουν τις επιχειρήσεις για να υιοθετήσουν στην παραγωγική τους διαδικασία την υψηλή τεχνολογία, να μειωθεί η φορολογία, να γίνει ορθολογική και αποτελεσματική δαπάνη για έργα υποδομής, να υιοθετηθεί το διεθνές σύστημα λογιστικού ελέγχου, να μειωθεί η αβεβαιότητα, να λυθεί το πρόβλημα της πληθυσμιακής γήρανσης και τέλος να γίνει η απελευθέρωση του εμπορίου. Η συνεισφορά μου είναι ότι χρησιμοποίησα πολλαπλή παλινδρόμηση με paneldata για να εξετάσω τους παράγοντες που δημιουργούν τα μη εξυπηρετούμενα δάνεια από την μακροοικονομική και γεωγραφική άποψη. Παρόλα αυτά, εκτός από τους πιο πάνω παράγοντες υπάρχουν και οι μικροοικονομικοί παράγοντες οι οποίοι διαδραματίζουν επίσης ένα ρόλο στη δημιουργία των μη εξυπηρετούμενων δανείων. Θα πρέπει να τονιστεί ότι μια συνολική κατανόηση του προβλήματος των μη εξυπηρετούμενων δανείων απαιτεί την εξέταση όλων των παραγόντων (μακροοικονομικής, μικροοικονομικής, γεωγραφικής και λοιπής φύσεως).
Λέξη κλειδί Οικονομομετρικό υπόδειγμα με paneldata
NPLs
Consumption
Economic growth
Banking
Economic crisis
Unemployment
Technology
Entrepreneurship
Taxation
Ageing
Econometric model with panel data
Μη Εξυπηρετούμενα Δάνεια
Κατανάλωση
Οικονομική ανάπτυξη
Οικονομική κρίση
Τράπεζες
Ανεργία
Τεχνολογία
Επιχειρηματικότητα
Φορολογία
Πληθυσμιακή γήρανση
Ημερομηνία 31-07-2017
Άδεια χρήσης https://creativecommons.org/licenses/by/4.0/