WPŁYW UWARUNKOWAŃ POLITYCZNYCH NA EFEKTYWNOŚĆ EUROPEJSKICH BANKÓW

Transkrypt

1 Patrycja Chodnicka* a, Małgorzata Olszak* b, Katarzyna Niewińska* c *Wydział Zarządzania, Uniwersytet Warszawski a:pchodnicka@wz.uw.edu.pl; b:molszak@wz.uw.edu.pl; c:kniewinska@wz.uw.edu.pl WPŁYW UWARUNKOWAŃ POLITYCZNYCH NA EFEKTYWNOŚĆ EUROPEJSKICH BANKÓW Streszczenie W badaniu podjęto się określenia determinant efektywności europejskich sektorów bankowych 19 krajów europejskich. Uwzględniono wpływ zarówno zmiennych specyficznych dla sektorów bankowych, jak i zmiennych makroekonomicznych. Zbadano także wpływ czynników politycznych na charakter związku (tj. jego kierunek, siłę i istotność statystyczną) między poszczególnymi miarami efektywności oraz ich determinantami specyficznymi dla sektora bankowego i determinantami makroekonomicznymi. Zastosowanie metody GMM Arellano i Bonda na danych z okresu pozwoliło na uzyskanie wyników prowadzących do następujących wniosków. Po pierwsze, spośród miar ryzyka, ryzyko płynności jest istotną statystycznie determinantą prawie wszystkich miar efektywności. Po drugie, wśród istotnych statystycznie determinant specyficznych dla sektora bankowego na uwagę zasługuje ujemny wpływ skali działalności banków na prawie wszystkie miary efektywności. Wpływ ten jest zróżnicowany w poszczególnych próbkach krajów. Po trzecie, spośród zmiennych makroekonomicznych, jedynie realne tempo wzrostu PKB wywiera istotny statystycznie wpływ na prawie wszystkie analizowane próby dla zmiennych zależnych mierzących rentowność tj., NON/TA, PBTTA i kosztochłonność, tj. NP/TA. Słowa kluczowe: efektywność sektora bankowego, ryzyko, działalność kredytowa, cykl koniunkturalny. JEL: C23; G21; G34 Abstract The study was undertaken to identify the determinants of the efficiency of European banking sectors in 19 European countries. It takes into account the impact of both specific variables of the banking sector and macroeconomic variables. The study examines the impact of political factors on the nature of the relationship (i.e. the direction, strength and statistical significance) between different measures of efficiency and their determinants specific to the banking sector and macroeconomic determinants. Applying the methods: GMM Arellano and Bond on data from the period of allowed to obtain results leading to the following conclusions. First, among the measures of risks, liquidity risk is statistically significant determinant of almost all performance measures. Second, among the statistically significant determinants specific to the banking sector it is worth noting the negative impact of the scale of banks in almost all measures of effectiveness. This influence is varied in each sample countries. Thirdly, among macroeconomic variables, only the real growth rate of GDP has a statistically significant impact on almost all of the analyzed samples to measure the profitability of the dependent variables i.e. NON/TA, PBTTA and cost effectiveness i.e. NP/TA. Keywords: efficiency of the banking sector, risk, credit activity of a bank, economic cycle 1. Wstęp Celem badania jest określenie determinant efektywności europejskich sektorów bankowych 19 krajów europejskich. W badaniu uwzględniony zostanie wpływ zarówno zmiennych specyficznych dla sektorów bankowych (tj. ryzyko wypłacalności, ryzyko płynności, ryzyko kredytowe, skala aktywności kredytowej, koszty pozyskania źródeł finansowania oraz skala działalności) oraz zmienne makroekonomiczne (inflacja, realne tempo wzrostu PKB, stopy procentowe, zarówno rynku pieniężnego, jak i stopy długoterminowe). Podstawową wadą wcześniejszych badań w zakresie uwzględnienia wpływu uwarunkowań makroekonomicznych jest zastosowanie w nich bardzo krótkiego horyzontu czasowego. W celu określenia wpływu cyklu koniunkturalnego na rentowność banków stosowne wydaje się uwzględnienie w badaniu co najmniej 10 letniego okresu (por. np. Albertazzi i Gambacorta, 2009). Poniższe badanie zostało zaprojektowane tak aby tę lukę wypełnić. Zastosowane zostaną roczne zagregowane dane sprawozdawcze 19 europejskich sektorów bankowych udostępniane przez OECD. Analizą zostanie objęty okres Uwzględniono również wpływ czynników politycznych na charakter związku (tj. jego kierunek, siłę i istotność statystyczną) między poszczególnymi miarami efektywności oraz ich determinantami specyficznymi dla sektora bankowego i determinantami makroekonomicznymi. Ze względu na specyfikę danych zastosowanych do badania, wykorzystana w nim zostanie technika estymacji opracowana przez Arellano i Bonda (1991), dla modeli dynamicznych z opóźnioną zmienną zależną. Zastosowanie tej techniki estymacji do budowy modeli ekonometrycznych pozwoliło na uzyskanie wyników prowadzących do następujących wniosków. Po pierwsze, spośród miar ryzyka, ryzyko płynności jest istotną statystycznie determinantą 1

2 prawie wszystkich miar efektywności. Po drugie, wśród istotnych statystycznie determinant specyficznych dla sektora bankowego na uwagę zasługuje ujemny wpływ skali działalności banków na prawie wszystkie miary efektywności. Wpływ ten jest zróżnicowany w poszczególnych próbkach krajów. Po trzecie, spośród zmiennych makroekonomicznych, jedynie realne tempo wzrostu PKB wywiera istotny statystycznie wpływ na prawie wszystkie analizowane próby dla zmiennych zależnych mierzących rentowność tj., NON/TA, PBTTA i kosztochłonność, tj. NP/TA. Artykuł składa się z 6 części, z których 2 stanowi przegląd literatury z zakresu determinant efektywności banków wraz ze wskazaniem luk w dotychczasowym dorobku. W części tej z analizy wyprowadzono pytania badawcze oraz hipotezy. W części 3 przedstawiona została charakterystyka czynników, które mogą wpływać na efektywność banków. Część 4 opisuje dane wraz ze wskazaniem ich źródeł oraz prezentuje metody badawcze wykorzystane w badaniu. Kolejna część prezentuje uzyskane wyniki analizy i ich interpretację w świetle przyjętych założeń. W ostatniej części zawarte są główne wnioski płynące z analizy. 2. Analiza literatury i hipotezy badawcze Problematyka czynników kształtujących rentowność banków jest bardzo intensywnie dyskutowana w literaturze przedmiotu od wielu lat (por. Short, 1979; Bourke, 1989; Molyneux i Thornton, 1992). We współczesnych empirycznych studiach tego problemu znajdują się zarówno analizy poszukujące czynników różnicujących rentowność w wymiarze międzynarodowym, jak i w pojedynczych krajach. Badania Molyneux i Thornton (1992), Demirguc-Kunt i Huizinga (1999), Abreu i Mendes-a (2002), Staikouras i Wood-a (2004), Goddard-a i in. (2004), Micco i in. (2007), Pasiouras i Kosmidou (2007), Albertazzi i Gambacorta (2009), Pasiouras i in. (2009), Lozano-Vivas i Pasiouras (2010), Goddard i in. (2011), Mirzaei i in. (2013) dotyczą zróżnicowania efektywności w skali międzynarodowej. Natomiast analizy krajów pojedynczych znaleźć można m.in. u Athanasoglou i in. (2009) oraz Dietrich i Wanzenried (2011). Zauważyć należy, że wyniki wymienionych badań są zróżnicowane i nie zawsze porównywalne, co nie powinno zaskakiwać, biorąc pod uwagę odmienność zastosowanych danych zarówno w ujęciu czasowym i przestrzennym. Jednakże możliwe jest wyodrębnienie wspólnych cech powyższych badań w obrębie sposobu doboru zmiennych zależnych i objaśniających. Rentowność bądź też zyskowność banków jest zazwyczaj mierzona przy użyciu wskaźnika ROA i ROE. Wśród miar rentowności stosowane bywają również: wskaźnik marży odsetkowej (por. np. Micco i in., 2007; Albertazzi i Gambacorta, 2009; Dietrich i Wanzenried, 2011), wskaźnik zyskowności działalności pozaodsetkowej (por. Albertazzi i Gambacorta, 2009), wskaźnik rentowności brutto (por. Albertazzi i Gambacorta, 2009). W zależności od przedmiotu badania wyodrębnia się dwie grupy determinant, tj. wewnętrzne specyficzne dla banków, oraz zewnętrzne wynikające z uwarunkowań makroekonomicznych, struktury rynku i czynników regulacyjnych, politycznych i stopnia rozwoju systemu finansowego. W badaniach tych do determinant specyficznych dla banków zalicza się ponoszone przez nie ryzyko, efektywność operacyjną i skalę działalności (w celu szczegółowego opisu tych determinant por. Dietrich i Wanzenried, 2011). Ryzyko zazwyczaj analizowane jest w trzech jego wymiarach, tj. ryzyka wypłacalności, ryzyka płynności i ryzyka kredytowego. Wśród charakterystyk efektywności operacyjnej znajdują się m.in. kosztochłonność działalności bankowej, przychodowość działalności kredytowej czy też obciążenie kosztami pozyskania finansowania zewnętrznego. Wśród zewnętrznych determinant efektywności znajdują się m.in. uwarunkowania makroekonomiczne. Za główne zmienne uznawane są tutaj realne tempo wzrostu PKB, stopa inflacji, opodatkowanie czy też stopy procentowe. Literatura zajmująca się badaniem rentowności europejskich banków w ostatnich latach pogłębia się (Molyneux i Thornton, 1992; Staikouras i Wood, 2003; Pasiouras i Kosmidou, 2007). Molyneux i Thornton (1992) zbadali determinanty efektywności banków działających w 18 krajach europejskich w okresie Staikouras i Wood (2003) objęli analizą banki z 13 krajów UE działające w latach Natomiast Pasiouras i Kosmidou (2007) zajęli się określeniem determinant efektywności banków na przykładzie 15 krajów UE w latach Podstawową wadą powyższych badań w zakresie uwzględnienia wpływu uwarunkowań makroekonomicznych jest zastosowanie w nich bardzo krótkiego horyzontu czasowego. Bowiem w celu określenia wpływu cyklu koniunkturalnego na rentowność banków stosowne wydaje się uwzględnienie w badaniu co najmniej 10 letniego okresu. Poniższe badanie zostało zaprojektowane tak aby tę lukę wypełnić. Zastosowane zostaną roczne zagregowane dane sprawozdawcze 19 europejskich sektorów bankowych udostępniane przez OECD. Analizą zostanie objęty okres Ważną zaletą zaprojektowanego badania jest uwzględnienie w nim wpływu czynników politycznych na charakter związku (tj. jego kierunek, siłę i istotność statystyczną) między poszczególnymi miarami efektywności oraz ich determinantami specyficznymi dla sektora bankowego i determinantami makroekonomicznymi. 3. Zmienne zastosowane w badaniu 3.1. Czynniki określające zyskowność banków 2

3 W rozdziale zostały scharakteryzowane zmienne objaśniające, których zwykło używać się do analizy wydajności sektora bankowego, tj. wyniku z tytułu odsetek (NII/TA), wyniku pozaodsetkowego (NON/TA), wskaźnika kosztów operacyjnych (OC/TA), rezerw na ryzyko kredytowe (NP/TA) oraz zysku przed opodatkowaniem (PBTTA). Relacja wyniku odsetkowego wypracowanego w danym roku do przeciętnych aktywów jest miarą zyskowności w obszarze działalności tradycyjnie bankowej. Zauważyć należy, że zachodzące w okresie poprzedzającym wybuch kryzysu finansowego procesy deregulacji i liberalizacji usług finansowych, w tym usług bankowych, doprowadziły do spadku znaczenia dochodów odsetkowych (czy też marż odsetkowych banków), na rzecz dochodów prowizyjnych i opłat (por. m.in. w przypadku polskiego sektora bankowego, Górski, 2009:198). Praktycznym następstwem tego zjawiska może być spadek wpływu czynników determinujących poziom marży odsetkowej, tj. np. długoterminowych stóp procentowych. Czynnikami wpływającymi na te mierniki są specyficzne zmienne dla danego sektora bankowego i kraju zmienne makroekonomiczne Specyficzne cechy sektora bankowego jako determinanty efektywności Do zmiennych specyficznych, które zostały uznane za ważne ekonomicznie czynniki efektywności zaliczone zostały ryzyko wypłacalności, ryzyko płynności, ryzyko kredytowe, kosztochłonność, udział dochodów odsetkowych, koszty pozyskania źródeł finansowania oraz skala działalności. Ryzyko wypłacalności zostanie zmierzone przy zastosowaniu wskaźnika kapitałowego wyrażającego relację kapitałów własnych sektora bankowego do sumy bilansowej (CAP). Najogólniej rzecz ujmując, wyższe wskaźniki kapitałowe banków świadczą o większym ich bezpieczeństwie z uwagi na łatwość pokrywania strat na działalności bankowej przy użyciu kapitałów. Stąd też kierując się takim założeniem, można przyjąć, że wraz ze wzrostem tego wskaźnika rośnie efektywność banków oraz maleje kosztochłonność mierzona rezerwami na ryzyko kredytowe i relacją wskaźnika C/I (ang. cost to income). Z drugiej jednak strony, zgodnie z powszechnie akceptowaną w finansach hipotezą, wyższemu ryzyku towarzyszyć powinna wyższa stopa zwrotu. W takim ujęciu zależność między miarami efektywności i ryzykiem wypłacalności może być ujemna. Ryzyko płynności przybliżone zostanie przy użyciu luki finansowania będącej ilorazem różnicy kredytów i depozytów do kredytów (LIQGAP). Ujemne wartości tego wskaźnika świadczą o niskim ryzyku płynności, a dodatnie o wysokim ryzyku płynności. Płynność może być istotną miarą efektywności ze względu na możliwość zaniechania przez banki działalności z powodu nieoczekiwanego wycofania z banku środków przez deponentów (tzw. ryzyko run-u). Współcześnie przypadki upadłości banków w następstwie run-ów są rzadkie, ponieważ depozyty banków są zabezpieczone przez systemy gwarantowania depozytów. Zauważyć należy natomiast, że nie są pożądane wysokie wartości ujemne wskaźnika LIQGAP. Świadczą one o tym, że bank nie inwestuje powierzonych mu środków w sposób efektywny. Również wysokie wartości dodatnie wskaźnika nie są bezpieczne, ponieważ sugerują wysoką ekspozycję na ryzyko płynności. Wydaje się, że odpowiednie wartości tego wskaźnika powinny być umiarkowanie dodatnie lub ujemne, ponieważ banki są wówczas słabo podatne na ryzyko płynności. Należy więc oczekiwać, że zależność między wskaźnikami efektywności i tą miarą będzie dodatnia. Możliwe jest również, że zależność ta będzie ujemna, jeżeli banki znaczną część swojej aktywności kredytowej ulokują w klientów o niskiej wiarygodności kredytowej. Ryzyko kredytowe zmierzone zostanie z wykorzystaniem najczęściej stosowanej w takim celu miary jaką jest iloraz rezerw netto na ryzyko kredytowe (tj. odpisów aktualizujących netto w świetle MSSF) do poziomu kredytów netto występujących w bilansie sektora bankowego (LLP/Loans). Z badań (zarówno teoretycznych, jak i empirycznych, por. np. Athanasoglou i in., 2008 oraz Dietrich i Wanzenried, 2011) wynika, że wyższemu ryzyku kredytowemu oszacowanemu z zastosowaniem tej miary towarzyszy zazwyczaj niższy poziom rentowności, mierzonej z zastosowaniem wskaźnika ROA i ROE. Z tego względu oczekiwać należy, że zależność między uwzględnionymi w badaniu miarami efektywności i wskaźnikiem LLP/Loans będzie ujemna w odniesieniu do miar efektywności (tj. NII/TA, NON/TA, PBT/TA). Natomiast nie jest oczywiste, jaki będzie kierunek wpływu tej zmiennej na OC/TA. Skala działalności kredytowej, wyrażona jako udział kredytów w sumie bilansowej (LOANS/TA). Wyższy udział kredytów w sumie bilansowej może być źródłem wyższych przychodów odsetkowych, ale i pozaodsetkowych (tj. z prowizji i opłat), stąd też można oczekiwać dodatniej zależności między tą zmienną a NII/TA, NON/TA oraz PBT/TA. W przypadku OC/TA kierunek tego związku może być dodatni lub ujemny, ponieważ teoretycznie ze wzrostem aktywności kredytowej mogą maleć jednostkowe koszty związane z udzielaniem kredytów, ale też koszty te mogą wzrastać. Wzmożona aktywność kredytowa współwystępuje ze wzrostem kosztów wynagrodzeń wynikających ze wzrostów zatrudnienia. Koszt pozyskania źródeł finansowania, wyrażony jako poziom kosztów odsetkowych w relacji do depozytów (FUNCOST), jest uzależniony od wielu czynników, w tym m.in. zewnętrznego ratingu banku, konkurencyjności sektora bankowego, rynkowych stóp procentowych i składu źródeł finansowania. Wyższa kosztochłonność powinna współwystępować z niższą efektywnością i odwrotnie. Skala działalności zazwyczaj określana jest przy zastosowaniu wysokości zlogarytmowanej wartości aktywów banków (por. Dietrich i Wanzenried, 2011 oraz Mirzaei i in., 2013). Ogólnie rzecz ujmując, większe banki powinny cechować się wyższą efektywnością, ze względu na możliwość wykorzystania ekonomii skali. Jednakże zbyt duże podmioty mogą równie dobrze być mniej efektywne, ze względu na rosnące koszty administracyjne. W przypadku 3

4 naszego badania trudno jest jednoznacznie określić wpływ tej zmiennej na efektywność, co ma związek z wykorzystaniem zagregowanych danych Czynniki makroekonomiczne Oprócz zmiennych charakteryzujących poszczególne sektory bankowe analizie zostaną poddane również zmienne makroekonomiczne, które mogą mieć wpływ na rentowność banku. Podjęty wcześniej przegląd literatury sugeruje, że najważniejszymi czynnikami wpływającymi na zmienną objaśnianą są: realny wzrost PKB, poziom inflacji, stopy procentowe rynku pieniężnego i kapitałowego. Cykl koniunkturalny jest stałym elementem funkcjonowania gospodarek światowych. Dodatkowo, cechą cykli koniunkturalnych jest ich różnorodność dla gospodarek, zarówno w perspektywie czasowej, jak również pomiędzy nimi. Regularność cykli zależy od różnic w gospodarkach narodowych (ich struktury, wielkości i liczby czynników międzynarodowych). Cykl koniunkturalny bezpośrednio wpływa na popyt na kredyt bankowy ze strony przedsiębiorstw i gospodarstw domowych, to z kolei przekłada się na wielkość generowanych odsetek kredytowych i wyniki brutto banku. W okresie dobrej koniunktury wynik ten powinien wzrastać, natomiast w czasie dekoniunktury mniejsze zainteresowanie finansowaniem obcym przez podmioty komercyjne powinno obniżać wyniki banków. Dodatkowo w okresie kryzysu wzrasta również ryzyko niewypłacalności przedsiębiorstw, co przekłada się na wysokość tworzonych rezerw kapitałowych przez banki. Te dodatkowe koszty powinny powodować uszczuplenie wyników bankowych. Otoczenie makroekonomiczne wpływa zatem dwoma kanałami na wyniki banków pierwszy to kanał kredytowy, drugi to kanał kosztowy wynikający z jakości kredytów bankowych. Do podobnych wniosków doszli również Albertazzi i Gambacorta (2009) wynik odsetkowych i brutto banków wydaje się podlegać wpływom cykli koniunkturalnych w istotny sposób. Kolejnymi czynnikami makroekonomicznymi, mającymi wpływ na poziom realizowanych wyników przez system bankowy powinny być stopy procentowe rynku pieniężnego i kapitałowego, w tym inflacji. Środowisko niskiej inflacji i stóp procentowych w gospodarce prowadzi do większej konkurencji między bankami. To może obniżać możliwości uzyskania odpowiedniej ceny w działalności kredytowej i depozytowej banków. Następstwem tego wydaje się być większa presja na wysokość generowanej marży i negatywny wpływ na zyskowność banków. Z drugiej strony, wysokie stopy procentowe mogą spowodować trudności spłaty zadłużenia wśród kredytobiorców, co w konsekwencji prowadzi do wzrostu liczby i wartości kredytów nieregularnych. Wśród badań, które wskazują na istotną relację między stopami procentowymi i efektywnością banków można wymienić m.in. Claeys i Vander Vennet (2008), Demirguç-Kunt i Huizinga (1999), García-Herrero (2009), Staikouras i Wood (2003). Badania te jednak podkreślają trudność w określeniu kierunku oczekiwanych wpływów inflacji i stóp procentowych na efektywność systemu bankowego. 4. Charakterystyka danych, metoda badawcza i technika estymacji Podstawowym źródłem danych wykorzystanych do badania były dane dostępne w bazie OECD dla lat W związku z tym, że w badaniu istotne jest określenie wpływu uwarunkowań makroekonomicznych na zyskowność, ważne było, aby dostępne dane obejmowały minimum 10 letni okres obserwacji. W związku z tym do badania przeznaczone zostały dane dla lat Zmienne specyficzne dla sektora bankowego to dane pochodzące z bilansu oraz rachunku zysków i strat dla sektora bankowego w poszczególnych 19 krajach europejskich. Z bazy danych Międzynarodowego Funduszu Walutowego pochodzą zmienne makroekonomiczne, czyli realna stopa wzrostu produktu krajowego brutto i stopa inflacji. Informacje o krótkoterminowej i długoterminowej stopie procentowej dla poszczególnych krajów zostały zaadoptowane z bazy Thomson Reuters. Badanie przeprowadzono w czterech próbach badawczych, odpowiednio dla wszystkich krajów europejskich, krajów Unii Europejskiej, strefy EURO oraz Europy Środkowo Wschodniej (CEE). Podział krajów został przedstawiony w poniższej tabeli. Tabela 1. Grupowanie krajów przyjęte na potrzeby badania. Kraj Cała próba UE EURO CEE Austria X X X Belgia X X X Czechy X X X Dania X X Estonia X X X X Finlandia X X X Francja X X X Niemcy X X X X Irlandia X X X Włochy X X X Luksemburg X X X 4

5 Holandia X X X Norwegia X Polska X X X Słowacja X X X X Słowenia X X X X Hiszpania X X X Szwecja X X Szwajcaria X Źródło: opracowanie własne. Ze względu na obecność danych czasowo przestrzennych wykorzystano metody estymacji dynamicznych modeli panelowych. Pierwszym z nich jest jednostopniowy estymator Arellano i Bonda (1991) ze zmienna zależną na dwóch opóźnieniach. Pierwszy z modeli badający wpływ zmiennych specyficznych dla sektora bankowego przyjmuje następującą postać: [1] gdzie: oznacza badaną zmienną zależną znormalizowaną wartością aktywów dotyczącą efektywności europejskiego sektora bankowego, tj. określa dochody odsetkowe netto; to dochody pozaodsetkowe; koszty operacyjne; to odpisy z tytułu utraty wartości; oznacza zysk przed opodatkowaniem. oznacza wektor zmiennych niezależnych specyficznych dla sektora bankowego, tj. : [ ], gdzie: oznacza zlogarytmowaną wartość aktywów sektora bankowego; określa lukę płynności; to wartość kredytów znormalizowana łącznymi aktywami sektora bankowego; to współczynnik wypłacalności dla sektora bankowego (iloraz kapitałów własnych do łącznych aktywów sektora bankowego); to wartość wyniku odsetkowego dzielona przez wartość depozytów; określa wartość rezerw kredytowych netto do kredytów udzielonych przez sektor bankowy. wektor zmiennych niezależnych określający warunki makroekonomiczne sektora bankowego w poszczególnych krajach, gdzie: oznacza stopę inflacji; to realna stopa wzrostu produktu krajowego brutto, to krótkoterminowa stopa procentowa, to długoterminowa stopa procentowa. to wektor zmiennych czasowych; to efekt grupowy; to składnik losowy. Jakość modelu zaproponowanego przez Arellano i Bonda (1991) zależy od istotności instrumentów w nim zastosowanych. Do analizy poprawności modelu stosuje się test Sargana badający obecność heteroskedastyczności składnika losowego. Hipoteza zerowa mówi iż, wykorzystane instrumenty są właściwe w sensie ich nieskorelowania ze składnikami losowymi modelu pierwszych różnic. W przypadku odrzucenia hipotezy zerowej stosowano model z korektą heteroskedastyczności. Drugim testem jest test autokorelacji Arellano Bonda. Występowanie autokorelacji pierwszego rzędu w modelu pierwszych różnic jest zjawiskiem spodziewanym, ze względu na niezależność składnika losowego. Występowanie autokorelacji rzędu wyższego niż 1 oznaczałoby, że instrumenty użyte podczas estymacji GMM nie są właściwe. Weryfikowana jest hipoteza zerowa o niewystępowaniu autokorelacji drugiego rzędu w modelu. Berger i in. (2000) wskazuje, że zyski banków mają tendencję do utrzymywania się w czasie (ang. persistence), co odzwierciedla zakłócenia w konkurencyjności rynku, nieprzejrzystość informacyjną i wrażliwość na lokalne oraz makroekonomiczne zaburzenia w funkcjonowaniu banków (por. Goddard i in., 2011). W badaniu zatem zastosowano 2 opóźnienia zmiennych zależnych. Parametry strukturalne przy opóźnionych zmiennych zależnych odnoszą się do tempa powrotu do równowagi i świadczą o utrzymywaniu się zysków w czasie. Zyski te w końcu powracają do stanu równowagi. Wartość tych parametrów bliska zeru oznacza konkurencyjny sektor bankowy. Natomiast w przypadku wartości bliskich liczbie 1 sektor bankowy jest słabo konkurencyjny (por. Athanasoglou i in. 2008: 132; Dietrich i Wanzenried, 2011: 318). 5. Analiza wyników badania W tabeli 2 zawarto wyniki badania wpływu zmiennych specyficznych i zmiennych makroekonomicznych na poszczególne miary efektywności (tj. NII/TA; NON/TA; OC/TA; NP./TA i PBTTA) sektorów bankowych 19 krajów europejskich. W przypadku każdej z tych miar efektywności w kolumnie 1 zaprezentowane są wyniki dla pełnej próby krajów. W kolumnach od 2 do 4 zawarte są wyniki badania z uwzględnieniem uwarunkowań politycznych, tj. przynależności poszczególnych krajów do Unii Europejskiej (kolumna 2, UE), strefy EURO (kolumna 3, EURO) i krajów Europy Centralnej i Wschodniej (kolumna 4, CEE). Ze względu na niewielką liczbę krajów, które były 5

6 uwzględnione w próbce CEE, w dalszej części skoncentrujemy się na analizie wyników dla pełnej próby, oraz dla próbek UE i EURO. Dwa pierwsze wiersze w każdym z modeli pokazują zależność między miarami efektywności i ich wartościami opóźnionymi odpowiednio o 1 (depvar(-1)) i 2 okresy (depvar(-2)). Uzyskane wyniki w przypadku większości modeli wskazują na istotny statystycznie wpływ zmiennych opóźnionych o jeden okres na wartości zmiennych zależnych. Wartości są dość odległe od 0, co sugerować może, że efektywność europejskich sektorów bankowych cechuje się tendencją do utrzymywania się w czasie (ang. persistence). Ze względu na niezbyt niskie wartości tego parametru, przyjąć można, że sektory te są słabo konkurencyjne (por. Dietrich i Wanzenried, 2011; Goddard i in. (2011)). Wskaźnik kapitałowy (CAP), który został przyjęty w opracowaniu jako miara ryzyka wypłacalności, wpływa istotnie statystycznie jedynie na wysokość znormalizowanego zysku brutto (PBTTA). Zależność między tymi zmiennymi jest dodatnia i wynosi około 0.12 w pełnej populacji krajów, w UE i strefie EURO, co oznacza, że wzrost wskaźnika kapitałowego (a więc spadek ryzyka wypłacalności) o 1% powoduje wzrost dochodów odsetkowych netto o ok. 0.12% (i vice versa). Zauważyć należy, że banki o wyższych wskaźnikach CAP korzystają z pewnych przywilejów, które pozwalają im wypracowywać wyższe zyski brutto niezależnie od uwarunkowań zewnętrznych. Po pierwsze, ze względu na niższe ryzyko wypłacalności, cieszą się one wyższą wiarygodnością kredytową i w efekcie mogą płacić niższą ceną za pozyskane depozyty i inne środki stanowiące źródło finansowania aktywności kredytowej. Dodatkowo, banki takie zazwyczaj nie mają potrzeby pozyskiwania zewnętrznego finansowania, co znów przekłada się na ich wyższą zyskowność w omawianym obszarze. Luka finansowania jest istotną statystycznie determinantą efektywności pozaodsetkowej (NON/TA), efektywności operacyjnej (OC/TA), rezerw na ryzyko kredytowe (NP/TA) oraz zysku brutto (PBTTA). Luka finansowania, jako nadwyżka kredytów ponad depozyty podzielona przez poziom udzielonych kredytów ma charakter procykliczny zazwyczaj bowiem rośnie (i nawet przyjmuje wartości dodatnie) podczas dobrych uwarunkowań w sferze realnej gospodarki oraz w okresie boom-ów na rynkach kredytowych oraz maleje podczas pogarszających się uwarunkowań makroekonomicznych. Zauważyć należy, że w okresie boom-ów na rynkach finansowych, w tym na rynku kredytowym, maleją spready (m.in. kredytowe), ale ze względu na rosnącą konkurencję między bankami o nowych kredytobiorców i deponentów, rosną pozaodsetkowe dochody banków (prowizje i opłaty). Stąd też nie powinien zaskakiwać dodatni kierunek wpływu ryzyka płynności na NON/TA oraz PBTTA. Ten dodatni wpływ jest silniejszy w UE w przypadku NON/TA oraz w EURO w odniesieniu do zmiennej PBTTA. Natomiast ujemny istotny statystycznie wpływ luki finansowania na OC/TA wskazuje, że rosnącemu poziomowi ryzyka płynności towarzyszy spadek kosztów operacyjnych. Taki charakter związku wynika stąd, że przy rosnącej nadwyżce kredytów (wyrażającej również wzrost skali aktywności kredytowej) ponad depozyty mamy do czynienia z malejącymi jednostkowymi kosztami operacyjnymi (tj. m.in. kosztami wynagrodzeń). Wzrost ryzyka kredytowego mierzonego wskaźnikiem LLP/LOANS powoduje wzrost dochodów odsetkowych europejskich banków w próbce UE i EURO, na co wskazuje istotny statystycznie dodatni parametr strukturalny stojący przy LLP/LOANS (por. model 2 i 3 w tabeli 2). Wynik ten wydaje się nieco zaskakujący biorąc pod uwagę fakt, że wskaźnik NON/TA rośnie wtedy, gdy kredytobiorcy zalegają ze spłatą długów i w efekcie banki są zobligowane do zmniejszenia wartości portfela kredytowego o kwotę odpowiadającą kwocie kredytów, które mogą być uznane za niespłacalne. Wtedy oczekiwać można też spadku dochodów odsetkowych. Z drugiej jednak strony, wiadomo, że dochody odsetkowe maleją podczas ożywienia (ze względu na rosnącą presję konkurencyjną między bankami) i rosną podczas recesji. Rośnie oprocentowanie kredytów z dwóch względów. Po pierwsze, banki postrzegają ryzyko kredytowe jako wyższe, wobec czego zaostrzają kryteria udostępniania środków potencjalnym kredytobiorcom i podnoszą oprocentowanie kredytów. Po drugie, banki centralne dokonują podwyżek stóp procentowych, co skłania do podwyższania oprocentowania zarówno kredytów, jak i depozytów. Ujemna i istotna statystycznie zależność między OC/TA i LLP/TA jest silniejsza w populacji krajów EURO i słabsza w próbce UE. Ryzyko kredytowe wpływa negatywnie na zyskowność brutto (PBTTA), na co wskazuje ujemny i istotny statystycznie parametr strukturalny przy zmiennej LLP/TA. Ten ujemny związek między omawianymi zmiennymi jest najsilniejszy w krajach strefy EURO (współczynnik regresji wynosi -0.47, przy wartości dla całej próby i w próbce UE). 6

7 Zmienne specyficzne dla sektora bankowego Test Zmienne makro Zmienne specyficzne dla sektora bankowego Tabela 2. Wyniki analizy regresji panelowej. Zmienna zależna NII/TA NON/TA OC/TA Zmienne objaśniające Pełna próba UE EURO CEE Pełna próba UE EURO CEE Pełna próba UE EURO CEE depvar(-1) 0, * 0, * 0, * 0, * 0, * 0, * -0, , ** 0, , , * 0, * depvar(-2) -0, * -0, * -0, *** -0, , * 0, * -0, , , * -0, * 0, , CAP 0, , , , , , , , , , , , LIQGAP 0, , , , , * 0, ** 0, *** 0, * -0, * -0, * -0, , * LLP/LOANS 0, , *** 0, *** -0, ** -0, , , , * -0, ** -0, *** -0, * -1, * Loans/TA 0, , , *** -0, , * -0, * -0, *** -0, * -0, , , , * FUNCOST 0, , , , , ** -0, ** -0, ** 0, *** -0, *** -0, ** -0, * 0, *** SIZE -0, * -0, * -0, * -0, ** -0, ** -0, ** -0, ** 0, , * -0, * -0, ** 0, INFLATION 0, ** 0, ** 0, * 0, , , , , , , , , GDPG -0, , , , , * 0, * 0, * -0, *** -0, , , , ** MMIR 0, , , , , * 0, * 0, , , * 0, * 0, , LTIR -0, , , x -0, , , x 0, , , ** x MA1 0,002 0,0044 0, ,1028 0,1122 0,0714 0,0001 0,1541 0,2037 0,0254 0,0002 MA2 0,1543 0,3456 0,6648 0,834 0,7066 0,6762 0,3627 0,8295 0,1589 0,4628 0,2857 0,6923 test Sargana vce(robust) vce(robust) vce(robust) 0,3648 vce(robust) vce(robust) vce(robust) 0,2867 vce(robust) vce(robust) vce(robust) 0,2855 l. obserwacji liczba krajów *, ** i *** oznacza poziom istotności odpowiednio 1%, 5%, 10%. Depvar(-1) i depvar(-2) odnoszą się odpowiednio do opóźnień na pierwszych oraz drugich poziomach zmiennej zależnej. Model zbudowany przy wykorzystaniu estymatora GMM Arellano i Bonda (1991) dla danych panelowych ze zmienną opóźnioną. Symbol "x" oznacza, że w badaniu została pominięta długoterminowa stopa procentowa z powodu braku wymaganej liczby obserwacji. Zmienna zależna NP/TA PBTTA Zmienne objaśniające Pełna próba UE EURO CEE Pełna próba UE EURO CEE depvar(-1), **, ** * , , * -0, *** 0, depvar(-2) -, , * , , ** 0, * 0, * CAP -, , , * 0, * 0, * -0, *** LIQGAP, ***, * 0, * 0, * 0, ** -0, LLP/LOANS -0, * -0, * -0, * -0, * Loans/TA, , ** , * -0, * -0, , FUNCOST, , , , *** -0, , SIZE, , ** , * -0, * -0, * -0, *** Zmienne makroekonomicze Testy Rozmiar próby INFLATION -, , * ** 0, , , , *** GDPG, * -, * * * 0, * 0, * 0, * 0, ** MMIR, , * ** ** 0, , , , ** LTIR, ***, *** ** x -0, , , x MA1 0,1746 0,2327 0,0000 0,0050 0,028 0,0504 0,0247 0,0099 MA2 0,3323 0,6633 0,5366 0,1366 0,4635 0,2656 0,3875 0,4139 Test Sargana vce(robust) vce(robust) 0,0577 0,4851 vce(robust) vce(robust) vce(robust) 0,276 liczba obserwacji liczba krajów *, ** i *** oznacza poziom istotności odpowiednio 1%, 5%, 10%. Depvar(-1) i depvar(-2) odnoszą się odpowiednio do opóźnień na pierwszych oraz drugich poziomach zmiennej zależnej. Model zbudowany przy wykorzystaniu estymatora GMM Arellano i Bonda (1991) dla danych panelowych ze zmienną opóźnioną. Symbol "x" oznacza, że w badaniu została pominięta długoterminowa stopa procentowa z powodu braku wymaganej liczby obserwacji. Źródło: opracowanie własne. 7

8 Zależność między skalą aktywności kredytowej, mierzoną udziałem kredytów w sumie bilansowej (LOANS/TA) i dochodami odsetkowymi jest dodatnia i istotna statystycznie jedynie w próbce krajów EURO (por model 3). Generalnie z badania wynika, że przy wzroście udziału kredytów w sumie bilansowej o 1% występuje wzrost dochodów odsetkowych o 0.008%. Istotny statystycznie wpływ wskaźnika Loans/TA, lecz ujemny, został zidentyfikowany w analizowanej próbce w odniesieniu do efektywności pozaodsetkowej banków (NON/TA) oraz rentowności brutto (PBTTA). Wpływ ten na NON/TA jest najsłabszy w próbce krajów UE ( wobec w pełnej próbce i - 0,0267 w próbce EURO). Natomiast w przypadku PBTTA, widoczny jest silniejszy ujemny wpływ zmiennej Loans/TA w sektorach bankowych strefy UE. Ujemna zależność między aktywnością kredytową i omawianymi miarami efektywności wskazywać może na malejące znaczenie aktywności kredytowej w kształtowaniu efektywności banków. Wpływ kosztów pozyskania źródeł finansowania (FUNCOST) na dochody odsetkowe europejskich banków jest dodatni, ale nieistotny statystycznie. Natomiast w przypadku pozostałych miar efektywności wpływ ten jest ujemny i w większości przypadków istotny statystycznie (jedynie w przypadku zmiennej NP/TA nie zidentyfikowano istotnej statystycznie zależności). Oznacza on, że rosnącym kosztom pozyskania źródeł finansowania towarzyszy spadek rentowności działalności pozaodsetkowej oraz rentowności brutto, ale także spadek wskaźnika kosztów operacyjnych. Najmocniej zmienna ta wpływa na NON/TA w krajach UE (zależność wobec w pełnej próbie i w próbce EURO) oraz na PBTTA również w krajach UE. Wpływ wielkości sektora bankowego (SIZE) jest istotną statystycznie determinantą dochodów odsetkowych netto, dochodów pozaodsetkowych, kosztów operacyjnych i rentowności brutto. Parametr strukturalny przy SIZE jest ujemny, co oznacza, że przeciętnie większemu sektorowi bankowemu towarzyszą niższe miary rentowności (NII/TA, NON/TA i PBTTA) oraz niższa kosztochłonność operacji (OC/TA). Uzyskany przez nas wynik jest zbliżony do tego, który otrzymali Pasiouras i Kosmidou (2007) w odniesieniu do indywidualnych banków działających w 15 krajach UE. Taki wynik świadczyć może o tym, że większe sektory bankowe w Europie ze względu na szersze spektrum możliwości dywersyfikacji swoich inwestycji, mogą obniżyć dochody odsetkowe. Najsilniejszy jest wpływ tej zmiennej na rentowność brutto w UE oraz na kosztochłonność operacji w pełnej próbie krajów. Spośród zmiennych makroekonomicznych, jedynie realne tempo wzrostu PKB wywiera istotny statystycznie wpływ na prawie wszystkie analizowane próby dla zmiennych zależnych mierzących rentowność tj., NON/TA, PBTTA i kosztochłonność, tj. NP/TA. Realne tempo wzrostu PKB wpływa ujemnie i najsilniej na NP/TA w krajach UE, ale nie EURO gdzie wpływ ten jest ujemny, ale słabszy ( wobec w próbce UE). Inflacja jest istotną statystycznie determinantą dochodowości odsetkowej (NII/TA). Przy czym jej dodatni wpływ jest najsilniejszy w próbce krajów strefy EURO. Stopa procentowa rynku pieniężnego wpływa istotnie statystycznie i dodatnio na OC/TA i NP/TA dla przebadanej całej próby oraz krajów UE. W pozostałych podgrupach wpływ ten nie jest istotny statystycznie. W przypadku zmiennej stopy procentowej długoterminowej występuje dodatnia i istotna zależność tylko dla podgrupy krajów strefy EURO w odniesieniu do miary OC/TA i dodatnia zależność w odniesieniu do NP/TA we wszystkich podgrupach krajów (za wyjątkiem CEE). 6. Wnioski Celem badania było określenie determinant efektywności europejskich sektorów bankowych 19 krajów europejskich. W badaniu uwzględniono wpływ zarówno zmiennych specyficznych dla sektorów bankowych (tj. ryzyko wypłacalności, ryzyko płynności, ryzyko kredytowe, skala aktywności kredytowej, koszty pozyskania źródeł finansowania oraz skala działalności) oraz zmienne makroekonomiczne (inflacja, realne tempo wzrostu PKB, stopy procentowe, zarówno rynku pieniężnego, jak i stopy długoterminowe). Przeprowadzone badania skłania do następujących spostrzeżeń. Ryzyko wypłacalności wpływa istotnie statystycznie, i dodatnio, jedynie na wysokość znormalizowanego zysku brutto (PBTTA). Zależność ta nie różni się istotnie w poszczególnych próbkach krajów, tj. w pełnej próbie, UE i strefie EURO. Ryzyko płynności jest istotną statystycznie determinantą efektywności pozaodsetkowej (NON/TA), efektywności operacyjnej (OC/TA), rezerw na ryzyko kredytowe (NP/TA) oraz zysku brutto (PBTTA). Ten dodatni wpływ jest silniejszy w UE w przypadku NON/TA oraz w EURO w odniesieniu do zmiennej PBTTA. Natomiast ujemny istotny statystycznie wpływ luki finansowania na OC/TA wskazuje, że rosnącemu poziomowi ryzyka płynności towarzyszy spadek kosztów operacyjnych. Wzrost ryzyka kredytowego mierzonego wskaźnikiem LLP/LOANS powoduje wzrost dochodów odsetkowych europejskich banków w próbce UE i EURO, na co wskazuje istotny statystycznie dodatni parametr strukturalny stojący przy LLP/LOANS. Ujemna i istotna statystycznie zależność między OC/TA i LLP/TA jest silniejsza w populacji krajów EURO i słabsza w próbce UE. Ryzyko kredytowe wpływa negatywnie na zyskowność brutto (PBTTA), na co wskazuje ujemny i istotny statystycznie parametr strukturalny przy zmiennej LLP/TA. Ten ujemny związek między omawianymi zmiennymi jest najsilniejszy w krajach strefy EURO. Zależność między skalą aktywności kredytowej, mierzoną udziałem kredytów w sumie bilansowej (LOANS/TA) i dochodami odsetkowymi jest dodatnia i istotna statystycznie jedynie w próbce krajów EURO. Natomiast w przypadku PBTTA, widoczny jest silniejszy ujemny wpływ zmiennej Loans/TA w sektorach bankowych strefy UE. Ujemna 8

9 zależność między aktywnością kredytową i omawianymi miarami efektywności wskazywać może na malejące znaczenie aktywności kredytowej w kształtowaniu efektywności banków. Rosnącym kosztom pozyskania źródeł finansowania (FUNCOST) towarzyszy spadek rentowności działalności pozaodsetkowej oraz rentowności brutto, ale także spadek wskaźnika kosztów operacyjnych. Najmocniej zmienna ta wpływa na NON/TA w krajach UE oraz na PBTTA w również w krajach UE. Spośród zmiennych makroekonomicznych, jedynie realne tempo wzrostu PKB wywiera istotny statystycznie wpływ na prawie wszystkie analizowane próby dla zmiennych zależnych mierzących rentowność tj., NON/TA, PBTTA i kosztochłonność, tj. NP/TA. Realne tempo wzrostu PKB wpływa ujemnie i najsilniej na NP/TA w krajach UE, ale nie EURO gdzie wpływ ten jest ujemny, ale słabszy. Literatura Abreu, M., Mendes, V., Commercial Bank Interest Margins and Profitability: Evidence from E.U. Countries, Working Paper Series, Porto, Albertazzi, U., Gambacorta, L., Bank profitability and the business cycle, Journal of Financial Stability, No. 5 (2009), s Arellano, M., S., R., Bond, Some Tests of Specification for Panel Data: Monte Carlo Evidence and an Application to Employment Equations, Review of Economic Studies, Vol. 58, No. 2., April, Athanasoglou, P., P., Brissimis, S., N., Delis, M., D., Bank-specific, industry-specific and macroeconomic determinants of bank profitability, Journal of International Financial Markets, Institutions & Money, No. 18 (2008), s Barth, J., R., Lin, Ch., Ma, Y., Seade, J., Song, F., M., Do bank regulation, supervision and monitoring enhance or impede bank efficiency?, Journal of Banking & Finance, No. 37, 2013, s Barth, J., R., Caprio, G., Jr., Levine, R., Rethinking Bank Regulation. Till Angels Govern, New York: Cambridge University Press, Barth, J., R., Caprio, G., Jr., Levine, R., Bank Regulation and Supervision in 189 Countries from 1999 to 2011, 3.pdf Beck, T., Demirgüç-Kunt, B., Levine, R., Financial Institutions and Markets across Countries and over Time. Data and Analysis, Policy Research Working Paper, No. 4943, World Bank, Beck, T., Levine, R., Industry growth and capital allocation: does having a market- or bank-based system matter?, Journal of Financial Economics, No. 64, 2002, s Berger, A., N., D., B., Humphrey, Efficiency of Financial Institutions: International Survey and Directions for Future Research, Federal Reserve System, Board Of Governors, Finance And Economics Discussion Series, No.11, Berger, A., N., L., J., Mester, Inside the Black Box: What Explains differences in the Efficiencies of Financial institutions?, Journal of Banking and Finance, Vol. 21, No.7, 1997, s Berger, A., The profit structure relationship in banking: tests of market-power and efficient-structure hypotheses, Journal of Banking and Finance, Vol. 21, No.7, 1995, s Berger, A., Bonime, S., D., Covitz, D., M., Hancock, D., Why are bank profits so persistent? The roles of product market competition, informational opacity, and regional/macroeconomic shocks, Journal of Banking and Finance, No. 24 (7), s Bikker, J., A., H., Hu, Cyclical Patterns in Profits, Provisioning and Lending of Banks, DNB Staff Reports, No. 86, Amsterdam, Borio, C., Furfine, C., Lowe, P., Procyclicality of the financial system and financial stability: issues and policy options, BIS Papers, No 1, Basel: Bank for International Settlements, Bourke, P., Concentration and other determinants of bank profitability in Europe, North America and Australia, Journal of Banking and Finance, No. 13 (1), 1989, s Brissimis, S., N., Delis, M., D., Papanikolaou, N., I., Exploring the nexus between banking sector reform and performance: evidence from newly acceded EU countries, Journal of Banking and Finance, No. 32 (12), 2008, s Chen, X., Banking deregulation and credit risk: Evidence from the EU, Journal of Financial Stability, No. 2, 2007, s Claessens, S., Kose, M., A., Terrones, M., E., The global financial crisis: How similar? How different? How costly? Journal of Asian Economics, No. 21, 2010, s Claeys, S., Vander Vennet, R., Determinants of bank interest margins in Central and Eastern Europe: A comparison with the West economic systems, 2008, s Demirguc-Kunt, A., Huizinga, H., Financial structure and bank profitability, Policy Research Working Paper Series 2430, The World Bank, Demirgüç-Kunt, A., Detragiache, E., Does deposit insurance increase banking system stability? An empirical investigation, Journal of Monetary Economics, No. 49, 2002, s Demirgüç-Kunt, A., H., Huizinga, Determinants of Commercial Bank Interest Margins and Profitability: Some International Evidence, The World Bank Economic Review, Vol. 13, 1999, s

10 DeYoung, R., T., Rice, Noninterest income and financial performance at US Commercial Banks, Financial Review, Vol. 39, 2004, s Dietrich, A., Wanzenried, G., Determinants of bank profitability before and during the crisis: Evidence from Switzerland, Journal of International Financial Markets, Institutions & Money, No. 21(2011), s Djankov, S., La Porta, R., Lopez-de-Silanes, F., Shleifer, A., The law and economics of self-dealing, Journal of Financial Economics, No 88, 2008, s Fiordelisi, F., Marques-Ibanez, D., Molyneux, P., Efficiency and risk in European banking, Journal of Banking & Finance, No. 35, 2011, s Fonseca, A., R., González, F., Cross-country determinants of bank income smoothing by managing loan-loss provisions, Journal of Banking & Finance, No. 32, 2008, s Foos, D., Norden, L., Weber, M., Loan growth and riskiness of banks, Journal of Banking & Finance, No. 34, 2010, s García-Herrero, A., Gavilá, S., Santabárbara, D., What explains the low profitability of Chinese banks?, Journal of Banking and Finance, No. 33, 2009, s Goddard, J., Molyneux, P., Wilson, J., The profitability of European Banks: a cross-sectional and dynamic panel analysis, Manchester School, No. 72 (3), 2004, s Goddard, J., Liu, H., Molyneux, P., Wilson, J., O., S., The persistence of bank profit, Journal of Banking & Finance, No. 35, 2011, s Golin, J., The Bank Credit Analysis Handbook: A Guide for Analysts, Bankers and Investors, John Wiley & Sons, Asia, Hume, M., Sentence, A., The Global Credit Boom: Challenges for Macroeconomics and Policy, Journal of International Money and Finance, No. 28 (2009), s Jiménez, G., Saurina, J., Credit cycles, credit risk, and prudential regulation, International Journal of Central Banking, No. (2), 2006, s Laeven, L., Majnoni, G., Loan loss provisioning and economic slowdowns: too much, too late?, Journal of Financial Intermediation, No. 12(2003), s Leuz, Ch., Nanda, D., Wysocki, P., Earnings management and investor protection, Journal of Financial Economics, No. 69, 2003, s Lindquist, K-G., Banks buffer capital: how important is risk, Journal of International Money and Finance, No. 23(2004), s Liu, Ch.-Ch., Ryan, G., S., Income Smoothing over the Business Cycle: Changes in Banks Coordinated Management of Provisions for Loan Losses and Loan Charge-Offs from the Pre-1990 bust to the 1990s Boom, The Accounting Review, Vol.81, No. 2, 2006, s Lozano-Vivas, A., Pasiouras, F., The impact of non-traditional activities on the estimation of bank efficiency: international evidence, Journal of Banking & Finance, No. 34, 2010, s Micco, A., Panizza, U., Yanez, M., Bank ownership and performance. Does politics matter?, Journal of Banking and Finance, No. 31 (1), 2007, s Mirzaei, A., Moore, T., Liu, G., Does market structure matter on banks profitability and stability? Emerging vs. advanced economies, Journal of Banking & Finance, No. 37, 2013, s Molyneux, P., Thornton, J., Determinants of European Bank Profitability: A Note, Journal of Banking and Finance, No. 16 (6), 1992, s Pasiouras, F., Kosmidou, K., Factors influencing the profitability of domestic and foreign commercial banks in the European Union, Research in International Business and Finance, No. 21 (2), 2007, s Pasiouras, F., Tanna, S., Zopounidis, C.,The impact of banking regulations on banks cost and profit efficiency: Crosscountry evidence, International Review of Financial Analysis, No. 18, 2009, s Short, B., The relation between commercial bank profit rates and banking concentration in Canada, Western Europe and Japan, Journal of Banking and Finance, Vol. 3 (3), 1979, s Staikouras, C., Wood, G., The determinants of bank profitability in Europe, European Applied Business Research Conference Proceedings, Venice, Zhou, Y., Capital Management and Loan Loss Provisions the new U.S. Evidence Under the Basel Accord, Working Paper, University of Queensland, Australia,