De impact van de stresstest 2014 op de beurskoers van banken

Academiejaar 2014-2015

Promotor: Dr. Tom Franck

Masterproef aangeboden tot het behalen van de graad

Petra Roks

FACULTEIT ECONOMIE EN BEDRIJFSWETENSCHAPPEN

R0452565

MASTER IN DE HANDELSWETENSCHAPPEN

1

Inhoud

Abstract .............................................................................................................................. 2

1 Inleiding ................................................................................................................... 3

2 Literatuurstudie en hypothesen ............................................................................ 5

2.1 Overzicht literatuurstudie en hypothesen ....................................................... 5

2.2 Begrip stresstesten ......................................................................................... 8

3 Onderzoek ............................................................................................................. 11

3.1 Data .............................................................................................................. 11

3.2 Methodologie ................................................................................................ 13

4 Resultaten .............................................................................................................. 17

4.1 Event 1 .......................................................................................................... 17

4.2 Event 2 .......................................................................................................... 21

4.3 Event 3 .......................................................................................................... 23

5 Conclusie ............................................................................................................... 27

7 Bibliografie ............................................................................................................ 29

Bijlage 1.............................................................................................................................. 1

Bijlage 2.............................................................................................................................. 2

Bijlage 3.............................................................................................................................. 3

Persartikel .......................................................................................................................... 4

2

Abstract

In dit onderzoek wordt nagegaan of de stresstest uitgevoerd in 2014 als waardevol wordt

beschouwd door investeerders. Na de financiële crisis van 2008 is er steeds meer nood

aan transparante financiële instellingen waarvan het risico kan ingeschat worden.

Stresstesten gaan na of banken kunnen overleven in een ongunstige macro-economische

situatie. Aan de hand van een event study wordt onderzocht of (i) de aankondiging van de

test, (ii) de bekendmaking van de methodologie en (iii) de publicatie van de resultaten een

reactie teweeg brengen op de aandelenrendementen van banken. Daarnaast wordt er

nagegaan of er verschillen zijn tussen banken die falen of slagen en meer of minder

risicovol zijn. Uit het onderzoek blijkt dat de aankondiging van de oefening, de

bekendmaking van de methodologie en de publicatie van de resultaten elk voor een reactie

op de beurskoers zorgen. De hypothese dat stresstesten waardevol zijn, wordt dus

bevestigd. Daarnaast worden bij de publicatie van de resultaten negatieve reacties

gemeten voor banken die falen voor de test en blijkt de impact groter voor banken met

meer risico.

Dankwoord

Deze masterproef vormt het sluitstuk van mijn opleiding Master in de

Handelswetenschappen aan de KU Leuven. Voor de realisatie van deze masterproef wens

ik mijn promotor, Dr. Tom Franck, te bedanken voor de ondersteuning tijdens de uitwerking

van het onderwerp.

3

1 Inleiding

De centrale onderzoeksvraag in deze masterproef is of de stresstesten als waardevol

worden beschouwd door investeerders door na te gaan of (i) de aankondiging van de

oefening, (ii) de openbaarmaking van de methodologie en (iii) de publicatie van de

resultaten een significante impact hadden op de beurskoers van banken.

Zowel in de Verenigde Staten als in Europa zijn er reeds verschillende stresstesten

doorheen de jaren verwezenlijkt. In 2009 werd het Supervisory Capital Assesment Program

(SCAP) uitgevoerd in de Verenigde Staten. Vervolgens werden in 2010 en 2011 de eerste

stresstesten in Europa uitgewerkt. In 2013 kondigde de EBA een nieuwe ronde van

stresstesten aan, deze resultaten werden vrijgegeven op 26 oktober 2014 (EBA, 2014c).

Uit eerdere onderzoeken blijkt geen consensus. Enerzijds werd geen impact gevonden

voor de stresstest 2010 (Cardinali & Nordmarkt, 2011). Anderzijds werd wel een impact

gevonden voor de SCAP en de Europese stresstest 2011, wat een indicatie kan zijn dat

deze oefeningen als geloofwaardiger kunnen beschouwd worden (Stiroh, 2009; Peristiani

et al., 2010; Petrella & Resti, 2013). Cardinali en Nordmarkt (2011) onderzochten de reactie

op de openbaarmaking van de methodologie tijdens de stresstest van 2011. Zij meten een

significante reactie op de beurskoers naar aanleiding van dit evenement.

Naast de algemene onderzoeksvraag of stresstesten waardevol zijn voor investeerders,

onderzoeken we of er een verschil is in marktreactie voor banken die slagen en falen voor

de stresstest. Alves et al. (2014) concluderen dat banken die duidelijk slagen voor de

stresstesten van 2010 en 2011 een hoger cumulatief abnormaal rendement (CAR) hebben

dan andere financiële instellingen. Vervolgens wordt er ook rekening gehouden met het

risico van banken. De resultaten van de stresstest 2010 en 2011 hadden namelijk een

sterkere impact op de koers van banken met een hoger risico (Alves et al., 2014). Ten

slotte worden twee controlevariabelen opgenomen: GIPSI1 en grootte. Het onderscheid

tussen GIPSI en non-GIPSI wordt gemaakt om in te schatten of zuidelijk gelegen landen

meer transparant zijn ten opzichte van landen in het noorden van Europa (Cardinali &

Nordmarkt, 2011).

Deze paper levert een belangrijke bijdrage aan de bestaande literatuur, omdat het

noodzakelijk is om in te schatten of de uitgevoerde stresstesten als nuttig worden

beschouwd en eventueel herhaald moeten worden in de toekomst. Ook is er na de

bankencrisis van 2008 meer nood aan transparante financiële instellingen waarvoor het

risico duidelijk ingeschat kan worden. Voorlopig blijft empirisch onderzoek voor de

stresstest 2014 uit.

1 De term GIPSI verwijst naar de landen Griekenland, Italië, Portugal, Spanje en Ierland (Cardinali & Nordmarkt, 2011).

4

Het onderzoek wordt uitgevoerd aan de hand van een event study waarbij de CAR’s van

de dagelijkse total return indices (TRI) rond de verschillende event data2 worden gemeten.

De CAR’s worden gemeten over verschillende periodes, meerbepaald één, vijf, tien en

veertien dagen voor en na de gebeurtenis. In de eerste plaats wordt de significantie van

deze CAR’s gemeten en wordt er een onderscheid gemaakt tussen deelname, resultaat

(slagen of falen) en GIPSI. Vervolgens wordt er cross-sectionele regressie uitgevoerd om

na te gaan welke variabelen de abnormale rendementen beïnvloeden. De variabelen voor

de cross-sectionele regressie omvatten wederom deelname, resultaat en GIPSI en worden

uitgebreid met het risico en de grootte van de bank en de mate waarin een bank de markt

volgt.

De resultaten tonen aan dat alle events zorgen voor een significante rendementswijziging.

De markt geeft dus een signaal dat de stresstesten als waardevol beschouwd worden. De

uiteindelijke publicatie van de resultaten vormt het sluitstuk van de stresstest 2014 en

wordt, in tegenstelling tot event 1 en 2, wel beïnvloed door de variabelen resultaat en risico.

Banken die falen voor de test ondervinden een daling in rendement ten gevolge van de

stresstest, daarnaast scoren banken met een groter risico negatief.

Het verdere verloop van de paper is als volgt: ten eerste wordt er een overzicht gegeven

van de bestaande literatuur rond het domein. Uit de bestaande literatuur volgen de

hypothesen die gebruikt worden voor het onderzoek. Vervolgens wordt, voor personen die

niet bekend zijn met het begrip stresstesten, een bondige uitleg gegeven. Ten vierde wordt

de gebruikte data voorgesteld en de toegepaste methodologie weergegeven. In deel 5

worden de resultaten uiteengezet, hierbij worden zowel de univariate als de multivariate

testen besproken. Dit wordt herhaald voor elk event. Ten slotte komen de belangrijkste

conclusies in deel 6 aan bod.

2 De aankondiging van de oefening (event 1) vond plaats op 23 oktober 2013, de bekendmaking van de methodologie (event 2) gebeurde op 29 april 2014 en op 26 oktober 2014 werden de effectieve resultaten gepubliceerd (event 3).

5

2 Literatuurstudie en hypothesen

Deze literatuurstudie bestaat in eerste instantie uit een overzicht van de bestaande

literatuur en de hypothesen die daaruit volgen. Hierbij ligt de focus op bestaande studies

rond de impact van stresstesten op de beurskoers van banken, het verschil tussen banken

die al dan niet slagen en mogelijke afwijkingen tussen banken met meer of minder risico.

Daarnaast worden de opgenomen controlevariabelen kort voorgesteld. Ten tweede volgt

een beschrijvend deel waarin een chronologisch overzicht wordt gegeven van de reeds

uitgevoerde stresstesten in de Verenigde Staten en Europa, de inhoud van de stresstesten

en de impact ervan op macro-economisch niveau. Hierbij wordt een sterke nadruk gelegd

op de stresstest uitgevoerd in 2014.

2.1 Overzicht literatuurstudie en hypothesen

In de literatuurstudie komen verschillende aspecten aan bod. Het eerste deel behandelt de

relatie tussen stresstesten en beurskoersen van banken. Vervolgens wordt ingegaan op

deelaspecten van de relatie tussen de stresstest en de impact op de beurskoers, zoals het

verschil tussen banken die wel en niet slagen voor de stresstest en de impact van het risico

van de deelnemende banken.

In het verleden zijn er verschillende studies gewijd aan de invloed van specifieke

beslissingen van monetaire beleidsmakers op de beurskoers van banken. Stresstesten zijn

een voorbeeld van deze specifieke beslissingen. In een kwalitatief onderzoek van Stiroh

(2009) wordt de impact van de SCAP op de beurskoers van de deelnemende financiële

instellingen geanalyseerd. De tien banken die niet slaagden voor de stresstest, reageerden

met acties om het kapitaal te verhogen. Dit heeft geleid tot een toename van meer dan 77

miljard dollar in Tier 1 Common Equity. Stiroh (2009) besluit dat de resultaten van de

stresstest als waardevol beschouwd kunnen worden, aangezien de deelnemende banken

reageren met een verhoging van het kapitaal. Een studie van Peristiani et al. (2010) meet

eveneens de impact van de SCAP, maar in tegenstelling tot Stiroh (2009) wordt er een

kwantitatieve studie uitgevoerd. De bevindingen zijn in lijn met de conclusie van Stiroh

(2009), namelijk dat stresstesten waardevolle informatie leveren. Blundell-Wignall en

Slovik (2010) voeren onderzoek naar de uitkomst van de Europese stresstest van 2010,

met een sterke focus op overheidsschuld. De resultaten tonen aan dat banken zeer robuust

zijn en zelfs een significante negatieve macro-economische schok kunnen doorstaan. Maar

de resultaten van de stresstest geven geen aanleiding tot een herstel van de markt in 2011.

De aandelenmarkten presteren slecht, de risicopremie voor obligaties is hoog en banken

zijn weinig bereid om leningen toe te staan. Volgens Blundell-Wignall en Slovik (2010) is

dit verschil te wijten aan het feit dat de stresstest geen haircuts 3 voorziet voor

overheidsschuld opgenomen in de handelsportefeuille van een bank. Er zijn daarentegen

wel haircuts voorzien voor overheidsschuld in de beleggingsportefeuille.

3 Een haircut is een percentage dat wordt afgetrokken van de nominale waarde van een activa dat gebruikt wordt als onderpand. De grootte van het percentage is afhankelijk van het risico (ICMA, 2014).

6

De resultaten tonen aan dat in 2010 83% van de overheidsschuld werd opgenomen in de

beleggingsportefeuille. Dit verklaart dus het grote verschil tussen de resultaten van de

stresstest en de economische situatie. In tegenstelling tot de meting van de impact van de

SCAP, blijkt uit de resultaten van de marktreactie op de Europese stresstest van 2010 dat

de resultaten van deze stresstest niet waardevol zijn voor investeerders. De bekendmaking

van de methodologie van de stresstest 2011 zorgt wel voor een reactie op de beurskoers

(Cardinali & Nordmarkt, 2011). Petrella en Resti (2013) onderzoeken of de Europese

stresstest van 2011 een impact heeft op de beurskoers van banken. Er worden zowel

significante reacties gemeten tijdens de dagen voor de bekendmaking van de resultaten,

als op de dag van de bekendmaking zelf. Dit betekent dat de resultaten een waardevolle

bijdrage leveren voor investeerders. Toch wordt de stresstest van 2011 beschouwd als

ondoeltreffend omdat deze er niet in geslaagd is om de neerwaartse trend in de beurskoers

van banken om te keren (Jenkins, 2011).

Het hoofddoel van dit onderzoek is om na te gaan of de publicatie van de resultaten van

de stresstest 2014 een significante invloed heeft op de beurskoers van banken. Hieruit kan

men afleiden of de stresstest waardevol is en of de geloofwaardigheid ervan verbeterd is

t.o.v. voorgaande stresstesten. De EBA heeft namelijk geprobeerd om kritieken uit het

verleden uit te wissen door te kiezen voor een andere aanpak voor de stresstest 2014. Zo

wordt er o.a. gewerkt met een Asset Quality Review (AQR), wat ervoor zorgt dat banken

vergelijkbaar worden over nationale grenzen heen, daarnaast kiest men voor een strenger

stress-scenario.

Uit bovenstaande studies blijkt dat de resultaten van eerder onderzoek niet consistent zijn

i.v.m. de informatieve waarde van een stresstest. Zowel Stiroh (2009) als Peristiani et al.

(2010) meten significante invloeden van de SCAP op de beurskoers. In tegenstelling tot

Stiroh (2009) en Peristiani et al. (2010) beargumenteren Cardinali en Nordmark (2011) dat

het vrijgeven van de resultaten van de Europese stresstest in 2010 geen marktreactie

uitlokt. De resultaten van Petrella en Resti (2013) tonen aan dat de publicatie van de

resultaten van de Europese stresstest 2011 wel een significante invloed heeft op de

beurskoers. Uitgaand van voorgaand onderzoek kan volgende hypothese worden

opgebouwd:

H1: De publicatie van de resultaten van de stresstest 2014 heeft een positieve

invloed op de beurskoers.

Naast de studie naar de impact van de publicatie van de resultaten, zijn er twee andere

tijdstippen die mogelijkerwijs ook een beursreactie uitlokken, namelijk (i) de aankondiging

van de test en (ii) de gehanteerde methodologie. Zoals eerder aangehaald heeft de EBA

geprobeerd om de geloofwaardigheid van de stresstest te verbeteren door te kiezen voor

een andere methodologie. Om na te gaan of deze strategie een positieve bijdrage heeft

geleverd, is het interessant om na te gaan of er een positieve rendementswijziging

plaatsvindt wanneer de methodologie wordt bekendgemaakt. Dit fenomeen werd reeds

onderzocht voor de stresstest 2011 door Cardinali en Nordmarkt (2011). Uit de resultaten

blijkt dat de bekendmaking van de methodologie van de stresstest een reactie uitlokt. Rond

de impact van de aankondiging van de oefening blijft empirisch bewijs uit. Om met meer

zekerheid uitspraak te doen over de waarde die investeerders aan de stresstest hechten,

wordt het onderzoek dus uitgebreid naar drie tijdstippen. Dit leidt tot de toevoeging van de

volgende hypothesen:

7

H2: De aankondiging van de stresstest 2014 heeft een positieve invloed op de

beurskoers.

H3: De bekendmaking van de methodologie van de stresstest 2014 heeft een

positieve invloed op de beurskoers.

Verschillende onderzoeken uit het verleden analyseren de reactie van de aandelenmarkt

op nieuwe informatie. De efficiënte markthypothese van Fama (1965) wordt in het domein

van behavioral finance vaak als onjuist beschouwd, omdat aandelenmarkten over- of

onderreageren op nieuws. Maar Fama (1998) weerlegt deze kritiek: uit zijn onderzoek blijkt

dat over- en onderreactie even vaak voorkomen en dus wel passen binnen de efficiënte

markthypothese. Veronesi (1999) toont aan dat de economische conjunctuur een

belangrijke rol speelt in hoe informatie wordt opgevangen door de markt. Doordat

investeerders zich willen indekken tegen onzekerheid, reageren ze sterker op slecht

nieuws in een hoogconjunctuur dan op goed nieuws in een laagconjunctuur. Maar niet

enkel de conjunctuur heeft een invloed op hoe nieuws wordt ontvangen, ook het verschil

tussen goed en slechts nieuws heeft een impact op de beurskoers. Leippold et al. (2008)

tonen aan dat aandelenprijzen sterker reageren op negatieve dan op positieve informatie.

Deze stelling wordt bevestigd door een onderzoek van Suleman (2012). Goed nieuws heeft

een positieve impact op de beurskoers en zorgt voor een daling van de volatiliteit, het

omgekeerde geldt voor slecht nieuws, maar slecht nieuws heeft dubbel zo veel effect op

de volatiliteit dan goed nieuws. Wanneer deze veronderstelling wordt toegepast op het

effect van de stresstest, blijkt dat de aandelen van banken die duidelijk slagen voor de

stresstest van 2010 en 2011 hogere CAR hebben dan andere financiële instellingen (Alves

et al., 2014). Bovenstaand onderzoek leidt tot de volgende hypothese:

H4: De invloed van de stresstest 2014 op de beurskoers is negatief voor banken die

falen voor de stresstest.

Naast het verschil tussen banken die falen en slagen voor de stresstest, is er ook bewijs

dat het risico van banken een rol speelt. Alves et al. (2014) concluderen dat de resultaten

van de stresstest van 2010 en 2011 een sterkere impact hebben op de beurskoers van

financiële instellingen met een hoger kredietrisico. Verder zijn er weinig empirische

bewijzen voor een relatie tussen stresstesten en het risico van banken. Een mogelijk

verband kan zijn dat de impact op de beurskoers groter is voor banken met meer risico,

omdat het voor risicovolle banken belangrijker is om in te schatten of ze kunnen overleven

in een ongunstige macro-economische situatie dan voor banken met minder risico. In dit

onderzoek wordt als maatstaf voor risico gebruik gemaakt van zowel het totale risico als

het kredietrisico van een bank. Stiroh (2006) toont aan dat de meest relevante maatstaf

voor het meten van totaal risico, de volatiliteit van de beurskoers is. Om de volatiliteit te

meten, gebruikt Stiroh (2006) de standaarddeviatie van de wekelijkse

aandelenrendementen. Brewer en Koppenhaver (1992), Anderson en Fraser (2000) en

Gonzàlez (2005) gebruiken tevens de standaarddeviatie, berekend op basis van de

dagelijkse aandelenrendementen, om het totale risico te meten. Het kredietrisico is het

risico dat een debiteur zijn schulden niet volledig terugbetaalt (Sun & Chang, 2011).

Aangezien een bank zeer veel leningen uitgeeft, is het kredietrisico van groot belang. In de

literatuur worden er verschillende maatstaven voor kredietrisico gehanteerd. In dit

onderzoek wordt het kredietrisico berekend als de verhouding tussen de reserves

aangehouden voor verliezen op leningen en het totaal van de leningen. Volgens de

bovenstaande veronderstellingen kan hypothese 5 worden opgesteld:

8

H5: De impact van de stresstest 2014 op de beurskoers is groter voor banken met

een groter risico.

Naast bovenstaande hypothesen worden er nog enkele controlevariabelen opgenomen.

Een eerste controlevariabele komt tot stand op basis van bevindingen voor de Europese

stresstest 2010 van Cardinali en Nordmarkt (2011). Zij splitsen de geteste banken op in

GIPSI en non-GIPSI. De term GIPSI verwijst naar de landen Griekenland, Italië, Portugal,

Spanje en Ierland. Deze term is een verwijzing naar het feit dat deze landen de

bankencrisis van 2008 slechter hebben doorstaan dan landen in het noorden van Europa.

De opsplitsing maakt het mogelijk om na te gaan of banken uit het zuiden van Europa meer

transparant zijn dan de noordelijke tegenhangers, omdat deze banken meer informatie

hebben moeten vrijgeven door de problemen binnen de banken. Cardinali en Nordmarkt

(2011) vinden geen significante verschillen tussen de aandelenrendementen van GIPSI en

non-GIPSI. Naast bovenvermeld onderzoek is er weinig empirisch bewijs rond het verschil

tussen GIPSI en non-GIPSI. Om uitsluitsel te geven over dit domein, wordt deze variabele

dus opgenomen als controlevariabele. Ten tweede wordt ook de grootte van banken

toegevoegd als controlevariabele. Dit wordt gemeten aan de hand van de

marktkapitalisatie.

2.2 Begrip stresstesten

Sinds 1990 worden stresstesten bij banken gebruikt om het risico van individuele financiële

instellingen in te schatten. Daarnaast maakt het deel uit van de tweede pijler van het Bazel

II akkoord4. Naast deze stresstesten op microprudentieel niveau, spelen stresstesten ook

een belangrijke macroprudentiële rol. Stresstesten meten namelijk de blootstelling aan

exceptionele, maar mogelijke stress-scenario’s van een groep financiële instellingen. Het

verschil met stresstesten op individueel niveau is dat macro-stresstesten helpen bij het

inschatten van het risico van een volledig financieel systeem (Sorge & Virolainen, 2006).

Van februari tot en met mei 2009 werd een stresstest uitgevoerd voor de negentien grootste

banken in de Verenigde Staten. Deze stresstest wordt de Supervisory Capital Assesment

Program (SCAP) genoemd. Het doel van de SCAP is om in te schatten of de kapitaalbuffer

van de deelnemende banken hoog genoeg is om in een onzekere economische omgeving

te overleven. Daarnaast wordt onderzocht of de banken voldoende reserves aanhouden

om mogelijke verliezen te compenseren, dit zonder het aantal leningen te verminderen. De

SCAP is een toekomstgerichte test om verliezen, omzet en reserves in te schatten voor

twee toekomstige jaren. De inschatting gebeurt voor twee economische scenario’s: een

benchmark waarbij de werkelijke toekomstige economische situatie wordt vastgesteld en

een ongunstige economische situatie. Wanneer verwacht wordt dat een buffer van een

bank niet hoog genoeg is om te overleven in het ongunstig scenario, zal deze bank haar

kapitaal moeten verhogen (Board of Governors of Federal Reserve System, 2009a).

4 De tweede pijler van het Bazel II akkoord heeft als doelstelling dat banken en beleggingsondernemingen voldoende vermogen aanhouden voor mogelijke risico’s. Het bestaat uit een proces waarmee banken zelf hun kapitaaltoereikendheid beoordelen (De Nederlandsche Bank, 2007).

9

De resultaten van de SCAP tonen dat tien van de negentien banken niet over voldoende

kapitaal beschikken. Het kapitaaltekort wordt geschat op 75 miljard dollar. Deze banken

worden verplicht om extra kapitaal te verwerven (Board of Governors of the Federal

Reserve System, 2009b).

In 2010 werd de eerste Europese stresstest uitgevoerd door de Committee of European

Banking Supervisors (CEBS) in samenwerking met de Europese Centrale Bank (ECB). De

CEBS (2010a) formuleert de doelstelling van de stresstest als volgt: “Provide policy

information for assessing the resilience of the EU banking system to possible adverse

economic developments and to assess the ability of banks in the exercise to absorb

possible shocks on credit and market risks, including sovereign risks”. De test wordt

uitgevoerd bij 91 Europese banken. Zoals bij de SCAP worden bij deze stresstest twee

scenario’s in acht genomen: een benchmark en een ongunstig scenario. De resultaten

tonen dat zeven Europese banken beschikken over een Tier 1 kapitaalratio die lager is dan

6% in de ongunstige situatie, rekening houdend met de schuldencrisis5. Deze banken staan

in nauw contact met nationale autoriteiten om de resultaten te bespreken en het

kapitaalratio te doen stijgen (CEBS, 2010b).

In 2011 werd de European Banking Authority (EBA) opgericht. Deze organisatie neemt alle

taken over van het CEBS en staat dus ook in voor de stabiliteit van het Europese financiële

systeem. Om dit te garanderen, kondigt de EBA nieuwe stresstesten aan. Gelijkaardig aan

de testen van 2010 wil men inzicht krijgen in de gevoeligheid van banken aan een

exceptionele, maar mogelijke economische situatie. De publicatie van de resultaten moet

zorgen voor meer transparantie in de bankensector (EBA, 2011a). De test bestaat, zoals

bij de SCAP, uit een benchmark scenario en een ongunstig scenario. Er wordt nagegaan

in welke mate de Core Tier 1 kapitaalratio (CT1R) afwijkt van de benchmark. Het

noodzakelijk minimum wordt hierbij gezet op 5% 6 (EBA 2011c). De stresstest wordt

uitgevoerd bij 90 banken van 2010 tot en met 2012. Bij de start van de test hebben de

banken een sterke kapitaalpositie, de gemiddelde CT1R bedraagt 8,9%. Dit hoge cijfer is

mede te danken aan de overheidssteun aan vele banken eind 2010. Wanneer enkel de

resultaten van 2010 in beschouwing worden genomen, voldoen 20 banken niet aan de 5%

CT1R. Maar in de eerste vier maanden van 2011 mogen banken hun kapitaalpositie

verbeteren. Dit leidt tot een eindresultaat waarbij acht banken een CT1R hebben van

minder dan 5%. Zestien banken hebben een CT1R tussen de 5 en 6%. De banken die niet

geslaagd zijn voor de stresstest moeten, in samenwerking met nationale overheden,

binnen drie maanden een plan voorleggen op de CT1R te versterken. Negen maanden na

de indiening van het plan, moet deze geïmplementeerd worden (EBA, 2011d).

5 De banken die niet slagen voor de stresstest zijn Hypo Real Estate (Duitsland), ATE Bank (Griekenland) en 5 Spaanse banken: Diada, Espiga, Banca Civica, Unnim en CajaSur (CEBS, 2010c).

6 Dit is lager dan de 7 % Core Tier 1 kapitaalratio die geldt volgens het Bazel III akkoord. De EBA heeft ervoor gekozen om de Bazel III richtlijnen nog niet te volgen, aangezien deze pas van kracht zijn in 2013.

10

De meest recente stresstest van de EBA is de EU-wide stresstest van 2014. De doelstelling

van deze stresstest is gelijk aan deze van 2010 en 2011, namelijk het inschatten van de

weerstand van een bank in een ongunstige macro-economische omgeving (EBA, 2014a).

De stresstest wordt uitgevoerd bij 123 Europese banken in 22 landen. De banken worden

getest op een set van risico’s: kredietrisico, marktrisico, landenrisico, securitisatie en de

financieringskost. De aanpak van de stresstest 2014 verschilt van deze van voorgaande

stresstesten. Zo toonde de stresstest 2010 aan dat de twee grootste banken van Ierland

gezond waren, terwijl het volledige Ierse bankensysteem enkele maanden later

ineenstortte. Daarnaast bleek uit de stresstest 2011 dat Dexia behoorde tot de twaalf meest

veilige banken, terwijl snel erna deze bank overheidssteun nodig had om te kunnen

overleven. Om deze kritieken te vermijden bij de stresstest 2014, kiest de EBA voor een

andere aanpak. Ten eerste vormt de Asset Quality Review (AQR) het startpunt voor de

stresstest 2014 (P.W., 2014). In de AQR wordt er dieper ingegaan op bepaalde portfolio’s,

bestaande uit: leningen voor commercieel vastgoed, kredietverlening aan KMO’s en grote

ondernemingen en hypotheken. Daarnaast verplaatst de EBA een uitstaande vordering

naar dubieuze debiteuren wanneer de vordering gedurende 90 dagen uitstaat, zelfs

wanneer de bank deze nog niet heeft erkend als dubieus (Finansinspektionen, 2014). De

AQR maakt banken over nationale grenzen heen vergelijkbaar en draagt dus bij aan de

geloofwaardigheid en onafhankelijkheid van het onderzoek (ECB, 2014). Ten tweede kiest

de EBA ervoor om zowel de beleggingsportefeuille7 als de handelsportefeuille8 in acht te

nemen (EBA, 2014a). Een derde methode om de stresstest te verbeteren, is het strenger

maken van het benchmarkscenario en het ongunstige scenario (P.W., 2014). Het minimum

Common Equity Tier 1 kapitaalratio (CET1) voor het benchmarkscenario bedraagt 8%,

voor het ongunstige scenario is dit 5,5% (EBA, 2014a). Het startpunt voor de interpretatie

van de resultaten is een gewogen gemiddeld CET1 van 11,5%. In het ongunstig scenario

daalt het gewogen gemiddelde CET1 tot 11,1% eind 2013 en tot 8,5% eind 2016. Zestien

banken hebben een CET1 van minder dan 8% in het benchmarkscenario. 24 van de

deelnemende banken (waaronder de zestien uit het benchmark scenario) slagen niet voor

de stresstest. Het kapitaaltekort bereikt een totaal van 24,2 miljard euro. Daarnaast is er

een tekort van 37 miljard euro, afkomstig uit Asset Quality Review (AQR). Een significante

proportie (8,7 miljard euro van de 24,2 miljard euro) van de kapitaaltekorten in het

ongunstig scenario is te wijten aan Griekse banken. Deze Griekse banken hebben een

herstructureringsplan dat is goedgekeurd door de Europese Commissie. Het plan wordt

opgenomen in de stresstest, waardoor er uiteindelijk slechts een tekort van 20 miljoen euro

is bij de Griekse banken (EBA, 2014c). Twaalf banken hebben volgens de EBA reeds

maatregelen genomen om het kapitaaltekort te beperken en slagen dus indirect wel voor

de test (Constâncio & Nouy, 2014).

7 De beleggingsportefeuille bevat alle activa die niet opgenomen zijn in de handelsportefeuille. Activa die opgenomen zijn in de beleggingsportefeuille zijn gewaardeerd aan boekwaarde. Wanneer de marktwaarde van een activa de boekwaarde overschrijdt, wordt deze vaak verplaatst van de handelsportefeuille naar de beleggingsportefeuille (Blundel-Wignall & Slovik, 2010).

8 De handelsportefeuille bestaat uit de financiële activa die gewaardeerd zijn aan marktwaarde (Blundel-Wignall & Slovik, 2010).

11

3 Onderzoek

In deze sectie wordt omschreven welke beschikbare data en methodologie het meest

optimaal zijn om onderstaande hypothesen te testen.

H1: De publicatie van de resultaten van de stresstest 2014 heeft een positieve invloed op

de beurskoers.

H2: De aankondiging van de stresstest 2014 heeft een positieve invloed op de beurskoers.

H3: De bekendmaking van de methodologie van de stresstest 2014 heeft een positieve

invloed op de beurskoers.

H4: Het effect van de stresstest op de beurskoers is negatief voor banken die falen voor

de stresstest.

H5: De impact van de stresstest op de beurskoers is groter voor banken met een groter

risico.

3.1 Data

Om de onderzoeksvragen te beantwoorden, vertrekken we van de lijst met Europese

banken die hebben deelgenomen aan de stresstest 2014. Om een event study uit te

voeren, kan er enkel gewerkt worden met beursgenoteerde ondernemingen. Dit resulteert

in een steekproef van 53, 54 en 55 banken voor respectievelijk event 1, 2 en 39. Naast de

beursgenoteerde banken die hebben deelgenomen, worden alle banken uit landen die

hebben deelgenomen aan de stresstest, maar zelf hebben niet geparticipeerd toegevoegd

als controlevariabelen. Dit leidt tot een totale steekproef van 168, 170 en 172 banken.

Om de impact van de stresstest op de beurskoers te meten, zal gebruik gemaakt worden

van de dagelijkse aandelenrendementen. Maandelijkse rendementen zijn niet aan te

raden, aangezien veel informatie over de reactie op een event hierbij verloren gaat. Brown

en Warner (1985) deden reeds onderzoek naar of dagelijkse returns gebruikt kunnen

worden en of bepaalde karakteristieken van dagelijkse rendementen de methodologie van

een event study beïnvloeden. Bij het gebruik van dagelijkse returns doen zich enkele

problemen voor. Ten eerste wijkt dagelijkse data meer af van de normaalverdeling dan wat

het geval is bij maandelijkse gegevens. Ten tweede is het mogelijk dat er een vertekening

ontstaat wanneer er sprake is van niet-simultane verhandeling van effecten, op dagelijkse

basis kan deze bias groter zijn.

9 De event study wordt uitgevoerd op drie verschillende tijdstippen: de aankondiging van de oefening op 23 oktober 2013, de bekendmaking van de methodologie op 29 april 2014 en de publicatie van de resultaten op 26 oktober 2014. Deze drie tijdstippen worden in voorgenoemde volgorde als event 1, event 2 en event 3 gekwalificeerd.

12

Ten derde kan er ook een vertekening van de variantie zijn, aangezien de

aandelenrendementen stijgen tijdens de dagen rond het event. Na het onderzoeken van

deze mogelijke problemen, beargumenteren Brown en Warner (1985) dat de

karakteristieken van dagelijkse aandelenreturns weinig moeilijkheden met zich mee

brengen wanneer er gebruik gemaakt wordt van event studies. In dit onderzoek maken we

dus gebruik van dagelijkse aandelenrendementen. De dagelijkse rendementen vertalen

zich in Total Return Indices (TRI). Er wordt gekozen voor TRI in plaats van beurskoersen

omdat deze reeds rekening houden met uitkering van dividenden. Deze TRI zijn ter

beschikking gesteld via Datastream.

Voor hypothese 4 wordt nagegaan of het effect negatief is voor banken die falen voor de

stresstest. Bijlage 1 geeft een overzicht van banken die niet slagen voor de stresstest, deze

banken hebben een CET1 in het ongunstig scenario van gelijk aan of minder dan 5,5%.

Uiteindelijk slaagden 24 banken niet voor de stresstest. Twaalf banken hebben volgens de

EBA reeds maatregelen getroffen om het kapitaaltekort te beperken en slagen dus indirect

wel voor de test. Toch zullen alle 24 gefaalde banken worden opgenomen in de dataset,

aangezien de informatie die op 26 oktober 2014 werd vrijgegeven het falen van 24 banken

bevat. Uiteindelijk leidt dit in de steekproef tot veertien banken die niet slagen voor de

stresstest, de overige tien banken zijn niet-beursgenoteerde ondernemingen en vallen dus

buiten het onderzoeksdomein.

Hypothese 5 vereist een berekening van het risico van banken. Er wordt zowel gebruik

gemaakt van het totaal risico als het kredietrisico. Het totaal risico zal gemeten worden aan

de hand van de standaarddeviaties van de dagelijkse aandelenrendementen. Deze kunnen

dus berekend worden op basis van de TRI uit Datastream. Het kredietrisico wordt berekend

door de voorzieningen voor verlies op leningen te delen door het totaal aan leningen. Het

kredietrisico is enkel beschikbaar voor de banken die hebben deelgenomen aan de

stresstest. Deze variabele wordt dus voornamelijk gebruikt ter controle van de resultaten

op basis van het totaal risico.

De controlevariabelen bestaan ten eerste uit alle beursgenoteerde banken uit landen die

hebben deelgenomen aan de stresstest, maar zelf niet hebben deelgenomen. Deze

informatie is ter beschikking gesteld via Datastream. Ten tweede is een lijst van banken uit

GIPSI en non-GIPSI landen noodzakelijk. De lijst voor deelgenomen banken uit GIPSI is

te vinden in bijlage 2. Ook in de lijst van niet-deelgenomen banken uit landen die wel

hebben deelgenomen, wordt er een opsplitsing gemaakt tussen GIPSI en non-GIPSI. Ten

slotte wordt ook de grootte van banken toegevoegd als controlevariabele. Dit wordt

gemeten aan de hand van de marktkapitalisatie, dit stelt de totale waarde van de uitstaande

aandelen voor.

13

3.2 Methodologie

Dit onderzoek maakt gebruik van dagelijkse aandelenreturns om de prijsimpact van een

bepaald event in te schatten, hierbij wordt dus gebruik gemaakt van een event study. Een

event study wordt als volgt omschreven: “een event study is een statistische methode om

de rendementswijziging ten gevolge van een gebeurtenis te bepalen en te testen of dat

gemiddeld effect ook significant verschillend is van nul” (De Prijcker, 2014). De impact van

een bepaald event wordt ingeschat aan de hand van het beursrendement, in dit geval TRI,

van een onderneming. Hierbij is het de bedoeling om het event zo veel mogelijk te isoleren,

zodat andere factoren die mogelijk een impact hebben op de koers worden uitgesloten (De

Prijcker, 2014).

Om een event study correct uit te voeren, moet er een event time worden vastgesteld. Dit

is de periode die wordt bestudeerd om het event te kwantificeren. Het event zelf vindt plaats

op de dag van de aankondiging. In dit onderzoek zijn er drie tijdstippen van belang. Op 23

oktober 2013 kondigt de ECB aan dat er een nieuwe reeks stresstesten zal volgen. De

methodologie voor de stresstest 2014 wordt bekendgemaakt op 29 april 2014. De

publicatie van de resultaten van de Europese stresstest 2014 volgt op 26 oktober 2014.

Mogelijkerwijs kan informatie over de gebeurtenis reeds uitgelekt of geanticipeerd zijn,

daarnaast kan het langer duren voordat de informatie volledig wordt weerspiegeld in het

aandeel. Om rekening te houden met deze zaken, wordt geopteerd voor een event window.

Onderstaande figuur toont de voorstelling van de gebruikte event time (De Prijcker, 2014).

Figuur 1 Event time

Estimation

window Clean period Event window Post-event

window

T0 T1 T2 0 T3 T4

Bron: gebaseerd op De Prijcker (2014)

Het estimation window bestaat uit de periode voor het event. Hierbij wordt gemeten wat de

beweging van de koers is in normale omstandigheden (zonder het event). Deze periode is

steeds langer dan het event window zelf. In dit geval wordt voor elk event geopteerd voor

een estimation window van 250 dagen om de invloed van overlappingen tussen

verschillende events uit te sluiten. Het event window van event 2 bevindt zich namelijk in

het estimation window van event 1, hetzelfde probleem doet zich voor bij event 2 en event

3. Het is tevens van belang om enige tijd te voorzien tussen het estimation window en

event window, dit wordt de clean period genoemd. De doelstelling van de clean period is

om de invloed van geruchten uit te sluiten, hiervoor wordt een periode van 31 dagen

voorzien (De Prijcker, 2014).

250 dagen 31 dagen 3, 11, 21, 29

dagen

14

Om het normale rendement Rit in het estimation window te berekenen, wordt het

marktmodel gebruikt. Het model wordt geschat volgens onderstaande formule, hierbij

maken we een inschatting van het rendement van een aandeel ten opzichte van het

marktrendement (De Prijcker, 2014).

R̂it = αi + βiRmt + εit

Waarbij R̂it het normale rendement voor aandeel i op tijdstip t voorstelt, αi het intercept dat

het gemiddelde rendement voorstelt van aandeel i op tijdstip t, βi is het risico van aandeel

i ten opzichte van de markt. Rmt stelt het marktrendement op dag t voor en εit

vertegenwoordigt de storingsterm.

Het marktrendement Rmt moet worden ingeschat aan de hand van een marktindex (De

Prijcker, 2014). In lijn met onderzoek van Petrella en Resti (2013), kiezen we zowel voor

landspecifieke marktindices als voor een Europese marktindex (Euronext). De

landspecifieke marktindices worden gebruikt aangezien een hoge abnormale return

waarschijnlijk ontstaat door een nationale schok. De landspecifieke indices zijn te vinden

in Bijlage 3 en zijn gebaseerd op het onderzoek van Petrella en Resti (2013).

In efficiënte markten reageren investeerders onmiddellijk bij een aankondiging, maar dit is

in de praktijk niet altijd het geval en wordt er bijgevolg bij event studies gewerkt met een

event window. Er moet een trade-off gemaakt worden tussen een kort en een lang event

window. Een te lang window zorgt er mogelijk voor dat nieuwe of irrelevante

informatiereacties worden gemeten. Maar het belang van geruchten rond de stresstest

mag niet genegeerd worden, waardoor we met een voldoende lang event window moeten

werken. Voor elk van de drie tijdstippen wordt gewerkt met meerdere event windows, zodat

kan worden nagegaan of de resultaten robuust zijn ondanks de duur van het window. De

publicatie van de resultaten op 26 oktober 2014 veroorzaakte de meeste geruchten, er

wordt bijgevolg voor dit event gekozen voor een langer event window. Het post-event

window wordt gebruikt om overreactie of LT effecten in te schatten (De Prijcker, 2014),

maar is in dit geval minder van belang. Onderstaande tabel geeft de gehanteerde event

time schematisch weer.

Tabel 1 Schematische weergave event time

Event Datum Estimation

window

Clean

period Event window

Aankondiging

oefening 23/10/’13 250 31 CAR[-1,+1] CAR[-5,+5] CAR[-10,+10]

Bekendmaking

methodologie 29/04/’14 250 31 CAR[-1,+1] CAR[-5,+5] CAR[-10,+10]

Publicatie

resultaten 26/10/’14 250 31 CAR[-1,+1] CAR[-5,+5] CAR[-14,+14]

15

Tijdens de periode van het event window wordt de totale return van het aandeel berekend,

deze bestaat uit de som van het rendement die de onderneming zou gehad hebben indien

er geen event was (normal return) en de return die behaald wordt door het event (abnormal

return). Aangezien we enkel geïnteresseerd zijn in de abnormale return (AR) die het event

met zich meebrengt, wordt deze optelsom herleid tot onderstaande formule, waarbij voor

de berekening van de AR de verwachte normale return R̂it wordt afgetrokken van de

werkelijk gerealiseerde return Rit (De Prijcker, 2014).

ARit = Rit − R̂it

Uiteindelijk worden alle abnormale returns in de gemeten periode opgeteld, zo bekomen

we het cumulatieve abnormale rendement (CAR). Hierbij is t1 het begintijdstip van het event

window en t2 het eindtijdstip (De Prijcker, 2014).

CARi = ARit1+ ⋯ + ARit2

= ∑ ARit

t2

t=t1

Om ten slotte het gemiddelde van de steekproef te berekenen wordt het CAR gedeeld door

aantal banken in de steekproef en bekomen we het gemiddelde cumulatieve abnormale

rendement (CAAR) (De Prijcker, 2014).

CAAR =∑ CARi

n1

n

De CAAR vormt de reactie van de markt op de drie tijdstippen inzake de stresstest 2014,

CAAR wordt dus beschouwd als de afhankelijke variabele (De Prijcker, 2014). Nadat de

CAAR’s berekend zijn, worden deze gecontroleerd op hun significantie, dit gebeurt aan de

hand van een t-test.

t =CAAR

σCAAR

∗ √N

Nadat de CAAR’s zijn berekend en de significantie ervan getest is, wordt er overgegaan

op univariate testen. Om deze univariate testen correct uit te voeren, moet er eerst

gecontroleerd worden op extreme observaties, zowel voor de CAAR’s als voor de

onafhankelijke variabelen. Deze kunnen namelijk de beschrijvende statistieken

beïnvloeden. Extreme observaties of outliers worden opgespoord aan de hand van

histogrammen. Uit de histogrammen blijkt dat er outliers aanwezig zijn. De impact ervan

kan worden uitgeschakeld door de observaties te winsorizen. Bij deze techniek worden

observaties die kleiner zijn dan het 1e percentiel en groter zijn dan het 99e percentiel

gelijkgesteld aan de respectievelijke waarde van het 1e en 99e percentiel. Hierdoor worden

de extreme observaties niet verwijderd, maar aangepast zodat ze minder extreem zijn.

Nadat alle CAAR’s voor de drie events gewinsorized zijn, wordt het logaritme van de

onafhankelijke variabele grootte genomen.

16

Na de correctie op extreme observaties kan de univariate analyse uitgevoerd worden. Deze

analyse beschrijft alle variabele afzonderlijk, hierbij wordt gekeken naar waarden zoals

gemiddelde, mediaan, minimum, maximum, enz. Daarnaast wordt nagegaan of er een

significant verschil is tussen de gemiddelden van verschillende subgroepen (deelname,

GIPSI, resultaat), dit geeft een eerste indicatie over de invloed van de onafhankelijke

variabele op de afhankelijke variabele (CAAR).

De multivariate testen zouden in lijn moeten zijn met de bevindingen van de univariate

analyse. Voor de drie events worden verschillende regressiemodellen opgesteld. De

afhankelijke variabelen voor event 1 en 2 zijn CAAR[-1,1], CAAR[-5,5] en CAAR[-10,10].

Voor event 3 wordt CAAR[-10,10] vervangen door CAAR[-14,14], zo wordt er meer

rekening gehouden met de impact van geruchten. De onafhankelijke variabelen worden

weergegeven in Tabel 2. De cross-sectionele regressie wordt uitgevoerd voor drie events,

zowel op basis van landspecifieke indices als op basis van Euronext. De regressie baseert

zich op onderstaand model.

CAAR-t, t = β0 + β1 Stdev + β2 Beta + β3 Deelname + β4 Resultaat + β5 Totaal risico +

β6 Kredietrisico + β7 GIPSI + β8 LnGrootte

Tabel 2 Onafhankelijke variabelen

Variabele Omschrijving

Deelname (dummy) Alle Europese banken uit landen die hebben

deelgenomen aan de stresstest worden opgenomen in

de dataset. Er wordt er een onderscheid gemaakt

tussen banken die al dan niet hebben deelgenomen

(0 = niet deelgenomen, 1 = deelgenomen)

Resultaat (dummy) Volgens hypothese 2 wordt nagegaan of het effect

negatief is bij banken die falen voor de stresstest. Het

resultaat is een dummy-variabele die wordt opgesplitst

in geslaagd (0) en gefaald (1).

Totaal risico Om na te gaan of het effect groter of kleiner is bij banken

met meer of minder risico, wordt het totale risico

opgenomen als onafhankelijke variabele. Het risico zal

gemeten worden aan de hand van de

standaarddeviaties van de dagelijkse

aandelenrendement (TRI).

Kredietrisico Ter controle van de variabele totaal risico wordt het

kredietrisico opgenomen, berekend door de

voorzieningen voor verlies op leningen te delen door het

totaal aan leningen.

GIPSI (dummy) De term GIPSI verwijst naar de landen Griekenland,

Italië, Portugal, Spanje en Ierland. (Cardinali &

Nordmarkt, 2011). Voor dit onderzoek wordt er een

dummy-variabele toegevoegd die het onderscheid

maakt tussen NON-GIPSI (0) en GIPSI (1).

LnGrootte De grootte van de bank wordt gemeten aan de hand van

de waarde van het totaal aantal uitstaande aandelen

(marktkapitalisatie). Om de gegevens te kunnen

vergelijken wordt het logaritme genomen van deze

variabele.

17

4 Resultaten

In voorgaande stappen werden de verschillende CAAR’s berekend voor de drie events. Bij

de berekening van het normaal rendement werd Euronext gebruikt als primaire marktindex,

daarnaast werd er steeds een robustness check uitgevoerd aan de hand van

landspecifieke indices10. Een tweede belangrijke robustness check wordt uitgevoerd door

gebruik te maken van twee steekproeven. Ten eerste wordt er steeds gewerkt met een

steekproef die enkel de banken bevat die hebben deelgenomen aan het event. Ten tweede

worden alle banken uit landen die hebben deelgenomen in de steekproef opgenomen.

Deze tweede steekproef zal duidelijk maken wat de reactie is van de gehele sector.

In eerste instantie worden de beschrijvende statistieken van de CAAR’s met verschillende

event windows weergegeven. Daarnaast wordt er gekeken naar verschillen in CAAR’s

wanneer er een opdeling wordt gemaakt in deelname, resultaat en GIPSI. De multivariate

analyse is steeds gebaseerd op het event window CAR[-5,5] en op de marktindex

Euronext, de lineaire regressie vormt het sluitstuk van de resultaten. Deze stappen worden

voor elk event herhaald.

4.1 Event 1

Event 1 vindt plaats op 23 oktober 2013 wanneer bekend wordt gemaakt dat de stresstest

zal uitgevoerd worden. Eerst wordt gekeken naar de CAAR’s van het volledige event, deze

worden steeds grafisch voorgesteld. Figuur 2 geeft het verloop weer voor het window

[-5,5]. Binnen dit window zijn enkel de banken opgenomen die hebben deelgenomen aan

de stresstest. Figuur 3 toont hetzelfde als Figuur 2, maar in de steekproef zijn alle banken

opgenomen.

10 Dit onderzoek focust zich voornamelijk op grote banken, deze banken worden het best weerspiegeld door Euronext die voornamelijk grote ondernemingen bevat. De landspecifieke marktindices kunnen de nauwkeurigheid van het onderzoek verbeteren, maar worden eerder als robustness check gebruikt, aangezien landgrenzen vaak worden overschreden. Daarnaast bevatten deze indices te veel kleine ondernemingen. De resultaten zullen dus in eerste instantie gericht zijn op de uitkomsten op basis van Euronext, maar de uitkomst op basis van landspecifieke indices wordt steeds kort vermeld.

18

Figuur 2 CAR[-5,5] event 1 deelgenomen banken

Figuur 2 toont dat er een positieve reactie wordt gemeten over het hele event window.

Meteen na het event is er een positieve reactie ten gevolge van de bekendmaking van de

oefening. Daarna neemt deze reactie licht af, waarna deze op t+5 zich terug bevindt op het

niveau van t-5.

Figuur 3 CAR[-5,5] event 1 alle banken

Op Figuur 3 is duidelijk te zien dat de gehele sector een gelijkaardige reactie geeft.

Event 1 vormt dan ook een positief signaal voor de hele bankenindustrie in Europa. Er is

een klein verschil in volatiliteit en de totale rendementen blijven op een lager niveau.

0,000

0,020

0,040

0,060

0,080

0,100

t-5 t-4 t-3 t-2 t-1 t0 t+1 t+2 t+3 t+4 t+5

CAR[-5,5] Event 1Euronext

Steekproef N = 53

0,000

0,010

0,020

0,030

0,040

0,050

t-5 t-4 t-3 t-2 t-1 t0 t+1 t+2 t+3 t+4 t+5

CAR[-5,5] Event 1Euronext

Steekproef N = 168

19

Onderstaande tabel geeft een overzicht van de beschrijvende statistieken en significanties

voor de verschillende event windows op basis van twee verschillende steekproeven11. In

dit onderzoek wordt gewerkt met 3 significantieniveau’s: 10% (*), 5% (**) en 1% (***).

Tabel 3 Overzicht CAAR’s event 1

Window N Min Max Med Stdev. Gem T-test

CAR[-1,1] 53 -0,073 0,054 0,001 0,033 -0,008 -1,503

CAR[-5,5] 53 -0,102 0,118 0,024 0,055 0,014 3,117***

CAR[-10,10] 53 -0,141 0,252 0,068 0,091 0,072 17,656***

CAR[-1,1] 168 -0,228 0,065 0,003 0,024 -0,001 -0,409

CAR[-5,5] 168 -0,104 0,143 0,014 0,041 0,012 7,882***

CAR[-10,10] 168 -0,141 0,319 0,032 0,075 0,046 30,442***

Tabel 3 toont dat er een significant positief effect is voor CAR [-5,5] en CAR[-10,10]. Op

basis hiervan kan geconcludeerd worden dat er wel degelijk een reactie is op de

bekendmaking van de oefening, maar dat het langer duurt vooraleer deze informatie in het

aandeel vervat zit, aangezien er geen significant effect wordt gemeten bij CAR[-1,1]. Deze

houding wordt niet ontkracht door de gehele sector, aangezien er ook een positief

significante impact wordt gemeten voor CAR[-5,5] en CAR[-10,10] bij alle banken uit de

deelgenomen landen. Event 1 zorgt dus mogelijk ook voor een positief signaal in de gehele

sector. Toch mogen we deze uitspraak niet volledig als waar aannemen, aangezien er

meestal meer significantie wordt gemeten wanneer een steekproef wordt uitgebreid. Het

onderzoek op basis van de landspecifieke marktindices bevestigt de significante reactie

van zowel de deelgenomen banken als de gehele sector voor CAR[-10,10], hierbij duurt

het dus nog langer voordat de informatie vervat zit in het aandeel.

Tabel 4, 5 en 6 tonen de beschrijvende statistieken en significanties wanneer er een

opdeling wordt gemaakt volgens deelname, resultaat en GIPSI.

Tabel 4 Overzicht CAAR’s deelname event 1

Window N Niet deelname Deelname F-stat

CAR[-1,1] 168 0,003 -0,009 9,306***

CAR[-5,5] 168 0,012 0,014 0,131

CAR[-10,10] 168 0,033 0,073 11,029***

Tabel 5 Overzicht CAAR’s resultaat event 1

Window N Geslaagd Gefaald F-stat

CAR[-1,1] 168 0,001 -0,025 16,241***

CAR[-5,5] 168 0,015 -0,013 6,307***

CAR[-10,10] 168 0,047 0,034 0,395

11 N = 53 bevat alle beursgenoteerde banken die hebben deelgenomen aan de stresstest. N = 168 bestaat uit alle beursgenoteerde banken uit landen die hebben deelgenomen aan de oefening. Dit aantal varieert licht voor de drie events door het ontbreken van data op bepaalde tijdstippen.

20

Tabel 6 Overzicht CAAR’s GIPSI event 1

Window N Non-GIPSI GIPSI F-stat

CAR[-1,1] 168 0,005 -0,023 47,593***

CAR[-5,5] 168 0,016 -0,002 6,027**

CAR[-10,10] 168 0,040 0,066 3,349*

Uit Tabel 4 blijkt dat er een statistisch significant verschil is wat betreft deelname voor

CAR[-1,1] en CAR [-10,10]. De gemiddelden tonen dat de markt sterker reageert wanneer

een bank deelneemt aan de stresstest. In tegenstelling tot de algemene CAAR’s wordt hier

een negatieve reactie gemeten bij de deelgenomen banken voor het kleinste event window,

maar wanneer het event window uitgebreid wordt, verandert deze reactie in positieve zin.

De eerste dag na het event reageert de markt dus negatief, maar wanneer er meerdere

dagen verstrijken, blijkt het event toch een positieve impact te hebben.

De beschrijvende statistieken in Tabel 5 tonen dat de parameter resultaat een significante

impact heeft, behalve voor het langstdurende event window. Hierbij valt duidelijk op dat er

voor de geslaagde banken een positieve reactie wordt gemeten, terwijl de gefaalde banken

juist een daling in rendement ondervinden ten gevolge van de bekendmaking van de

oefening. Hier spelen dus voorspellende factoren een rol, aangezien de resultaten van de

stresstest nog niet bekend zijn bij event 1.

Naast deelname en resultaat blijkt ook het land waarin een bank gevestigd is een

significante rol te spelen. Voor CAR[-1,1] en CAR[-5,5] wordt er zelfs een negatieve reactie

gemeten wanneer de banken actief zijn in Griekenland, Italië, Portugal, Spanje of Ierland.

De markt verwacht dus al een negatief resultaat voor de banken uit GIPSI-landen die

deelnemen aan de stresstest.

In het volgende gedeelte wordt de multivariate analyse voorgesteld. Hierbij wordt

onderzocht welke variabelen de marktreactie kunnen verklaren en in welke richting de

afhankelijke variabele wordt beïnvloed. De tabellen die worden weergegeven zijn steeds

gebaseerd op het event window CAR[-5,5] en zijn tot stand gekomen op basis van

gegevens die Euronext als marktindex gebruiken. Het gehanteerde model werd reeds

gespecifieerd in sectie 4.3 en wordt hier wederom weergegeven.

CAAR-5,5 = β0 + β1 Stdev + β2 Beta + β3 Deelname + β4 Resultaat + β5 Totaal risico + β6

Kredietrisico + β7 GIPSI + β8 LnGrootte

Tabel 7 Regressiemodel event 1 afhankelijke variabele = CAAR[-5,5]

Parameter Beta T-stat Sig. Model

(Constante) 0,006 0,805 0,422 F-stat 2,272

Stdev 0,388 1,136 0,258 Sig. 0,031

Beta -0,013 -0,853 0,395 R² 0,090

Deelname 0,012 0,968 0,335 Adjusted R² 0,051

Resultaat -0,028 -1,391 0,166

Totaal risico -0,187 -1,190 0,236 VIF < 10 Ja

GIPSI -0,017 -1,193 0,235

LnGrootte 0,002 1,383 0,169

21

Uit Tabel 7 blijkt dat geen enkele parameter een significante invloed uitoefent op de

afhankelijke variabele CAAR[-5,5]. We mogen dus geen enkele betacoëfficiënt

interpreteren.

4.2 Event 2

Op 29 april 2014 wordt de methodologie van de stresstest 2014 bekendgemaakt, dit wordt

gekwalificeerd als event 2. Figuur 4 en 5 tonen grafisch aan hoe de markt reageert op

event 2 gedurende vijf dagen voor en na het event. Het verschil tussen beide figuren is de

gehanteerde steekproef.

Figuur 4 CAR[-5,5] event 2 deelgenomen banken

In lijn met event 1 is de reactie voor event 2 over de hele lijn positief. Een dag voor het

event is er een zeer sterke stijging in rendement waar te nemen, dit wijst mogelijk op het

belang van geruchten rond het event. Op t0 daalt het rendement licht, nadien wordt er

minder volatiliteit waargenomen dan voor het plaatsvinden van het evenement.

Figuur 5 CAR[-5,5] event 2 alle banken

0,000

0,010

0,020

0,030

0,040

t-5 t-4 t-3 t-2 t-1 t0 t+1 t+2 t+3 t+4 t+5

CAR[-5,5] Event 2Euronext

Steekproef N = 54

0,000

0,005

0,010

0,015

0,020

0,025

t-5 t-4 t-3 t-2 t-1 t0 t+1 t+2 t+3 t+4 t+5

CAR[-5,5] Event 2Euronext

Steekproef N = 170

22

Op Figuur 5 is duidelijk te zien dat de gehele sector de reactie op het event volgt, maar de

pieken en dalen zijn minder steil. De markt wordt dus in zekere mate beïnvloed door

event 2.

Tabel 8 geeft een overzicht van de beschrijvende statistieken en de bijhorende

significanties.

Tabel 8 Overzicht CAAR's event 2

Window N Min Max Med Stdev. Gem T-test

CAR[-1,1] 54 -0,035 0,081 0,010 0,028 0,012 3,909***

CAR[-5,5] 54 -0,113 0,107 0,000 0,052 -0,002 -0,721

CAR[-10,10] 54 -0,175 0,135 0,005 0,073 0,003 0,790

CAR[-1,1] 170 -0,036 0,081 0,004 0,018 0,007 5,571***

CAR[-5,5] 170 -0,113 0,134 0,010 0,038 0,008 7,613***

CAR[-10,10] 170 -0,179 0,159 0,022 0,055 0,018 14,915***

Tabel 8 toont dat de bekendmaking van de methodologie enkel een significante positieve

impact uitoefent op het rendement van de deelnemende banken de eerste dag rond het

event. De opzet van de EBA om de stresstest geloofwaardiger te maken door een andere

methodologie dan voorheen te hanteren, kent dus slechts een beperkt succes. Wanneer

alle banken in beschouwing worden genomen, meten we wel een positief significant effect

binnen elk event window. Dit is dus eerder toe te schrijven aan de uitbreiding van de

steekproef dan aan het event zelf. De robustness check aan de hand van de landspecifieke

indices bevestigt de significantie voor de steekproef N = 54, maar meet een tegengestelde

richting. Daarnaast geeft de markt in mindere mate een signaal ten gevolge van het event.

Onderstaande tabellen tonen de resultaten voor de opdeling in respectievelijk deelname,

resultaat en GIPSI.

Tabel 9 Overzicht CAAR’s deelname event 2

Window N Niet deelname Deelname F-stat

CAR[-1,1] 170 0,004 0,012 6,603***

CAR[-5,5] 170 0,013 -0,001 4,994**

CAR[-10,10] 170 0,025 0,003 6,179***

Tabel 10 Overzicht CAAR’s resultaat event 2

Window N Geslaagd Gefaald F-stat

CAR[-1,1] 170 0,007 0,001 1,206

CAR[-5,5] 170 0,011 -0,024 11,267***

CAR[-10,10] 170 0,026 -0,071 50,992***

Tabel 11 Overzicht CAAR’s GIPSI event 2

Window N Non-GIPSI GIPSI F-stat

CAR[-1,1] 170 0,006 0,009 0,650

CAR[-5,5] 170 0,013 -0,008 9,085***

CAR[-10,10] 170 0,029 -0,015 19,936***

23

De significantie van de F-statistieken in Tabel 9 laten zien dat deelname binnen elk event

window een significante invloed uitoefent. Belangrijk om op te merken is het verschil in de

grootte van het gemiddelde, niet-deelname brengt namelijk een grotere

rendementswijziging met zich mee dan deelname voor de windows CAR[-5,5] en

CAR[-10,10]. Zoals gesteld in hypothese 4 heeft de variabele resultaat een significante

invloed. Hier geldt dus ook weer een voorspellend effect aangezien de resultaten nog niet

bekend zijn tijdens event 2. Uiteindelijk speelt de geografische ligging van de bank ook een

rol in de twee langste event windows, bovendien is de impact negatief voor een bank

afkomstig uit de GIPSI-landen.

Na de univariate analyse wordt overgegaan op een multivariate analyse. Deze analyse

gebeurt op dezelfde wijze als bij event 1. De resultaten hiervan worden weergegeven in

Tabel 12.

Tabel 12 Regressiemodel event 2 afhankelijke variabele = CAAR[-5,5]

Parameter Beta T-stat Sig. Model

(Constante) 2,303 2706,627 0,000 F-stat 4,067

Stdev -0,008 -0,152 0,879 Sig. 0,000

Beta 0,000 0,0253 0,980 R² 0,149

Deelname 0,000 -0,488 0,626 Adjusted R² 0,113

Resultaat -0,003 -1,427 0,156

Totaal risico 0,048 1,522 0,130 VIF < 10 Ja

GIPSI -0,002 -1,929 0,055**

LnGrootte 0,000 0,056 0,956

Bij de univariate analyse werd er reeds aan een significant verschil gemeten voor de

parameter GIPSI. Deze significante impact wordt nu bevestigd door de lineaire regressie.

De marktreactie voor banken afkomstig uit GIPSI-landen ligt 0,2% lager.

4.3 Event 3

De uiteindelijke publicatie van de resultaten vindt plaats op 26 oktober 2014 en wordt in dit

onderzoek event 3 genoemd. Allereerst tonen onderstaande figuren de reacties van zowel

de deelgenomen banken als van alle banken voor het event window CAR[-5,5].

24

Figuur 6 CAR[-5,5] event 3 deelgenomen banken

Figuur 6 laat zien dat alle CAAR’s voor event 3 negatief zijn. Juist voor het plaatsvinden

van het event stijgt het rendement, maar nadien verloopt dit weer in dalende lijn.

Figuur 7 CAR[-5,5] event 3 alle banken

Figuur 7 volgt duidelijk het verloop van Figuur 6 en blijft ook steeds negatief. Ook hier geldt

dus een bevestiging van de algehele sector op de reactie van het event. Wel bevat deze

figuur minder volatiliteit.

Tabel 13 geeft een overzicht van de univariate analyse voor de CAAR’s.

Tabel 13 Overzicht CAAR's event 3

Window N Min Max Med Stdev. Gem T-test

CAR[-1,1] 55 -0,120 0,078 0,005 0,037 0,006 0,989

CAR[-5,5] 55 -0,348 0,193 0,065 0,099 0,043 9,004***

CAR[-14,14] 55 -0,468 0,089 -0,085 0,139 -0,095 -19,863***

CAR[-1,1] 171 -0,120 0,105 0,002 0,026 0,002 1,166

CAR[-5,5] 171 -0,348 0,193 0,016 0,065 0,024 13,965***

CAR[-14,14] 171 -0,468 0,182 0,007 0,107 -0,029 -16,412***

-0,080

-0,060

-0,040

-0,020

0,000

t-5 t-4 t-3 t-2 t-1 t0 t+1 t+2 t+3 t+4 t+5

CAR[-5,5] Event 3Euronext

Steekproef N = 55

-0,040

-0,030

-0,020

-0,010

0,000

0,010

t-5 t-4 t-3 t-2 t-1 t0 t+1 t+2 t+3 t+4 t+5

CAR[-5,5] Event 3Euronext

Steekproef N = 171

25

Zoals eerder aangehaald, wordt hier gewerkt met CAR[-14,14]. Het event window wordt

verlengd om meer rekening te houden met geruchten over het event. De meting die

gebaseerd is op één dag rond het event zorgt in beide steekproeven niet voor een

significante reactie. Wel is er een significante impact op de beurskoers bij CAR[-5,5] en

CAR[-14,14], voor zowel de steekproef bestaande uit 55 banken als voor de steekproef

van 171 banken. Een belangrijk verschil tussen de twee significante event windows is het

teken van het gemiddelde. Vijf dagen voor en na het event is de impact positief, maar

naarmate er meer tijd verstrijkt, verandert dit in een negatieve impact. Naarmate het event

window wordt uitgebreid, is er dus mogelijk meer informatie ter beschikking, waardoor de

reactie van de investeerders in negatieve zin verandert. De testen aan de hand van

marktspecifieke indices tonen dezelfde significanties, maar het teken is steeds

tegenovergesteld.

In lijn met event 1 en 2 wordt voor event 3 wederom een univariate analyse uitgevoerd

waarbij een opsplitsing wordt gemaakt in deelname, resultaat en GIPSI.

Tabel 14 Overzicht CAAR’s deelname event 3

Window N Niet deelname Deelname F-stat

CAR[-1,1] 171 0,001 0,006 1,701

CAR[-5,5] 171 0,018 0,038 3,642*

CAR[-14,14] 171 0,002 -0,092 34,893***

Tabel 15 Overzicht CAAR’s resultaat event 3

Window N Geslaagd Gefaald F-stat

CAR[-1,1] 171 0,004 -0,012 4,805**

CAR[-5,5] 171 0,030 -0,036 14,242***

CAR[-14,14] 171 -0,011 -0,236 84,571***

Tabel 16 Overzicht CAAR’s GIPSI event 3

Window N Non-GIPSI GIPSI F-stat

CAR[-1,1] 171 0,004 -0,004 2,880*

CAR[-5,5] 171 0,026 0,020 0,279

CAR[-14,14] 171 0,002 -0,131 65,813***

In tegenstelling tot event 1 en 2 toont Tabel 14 dat het verschil in deelname en

niet-deelname een minder belangrijke rol speelt wanneer de resultaten van de stresstest

2014 bekendgemaakt worden. Enkel wanneer het event window wordt uitgebreid naar

veertien dagen wordt er significantie gemeten op het niveau van 1%. Een tweede grote

tegenstelling is dat deelname hier een negatieve reactie uitlokt. Wanneer de markt dus

inzicht krijgt in de effectieve resultaten, verandert de houding in negatieve zin. De metingen

van de parameters resultaat en GIPSI blijken gelijkaardig aan deze van event 1 en 2, er is

meestal een signficante meting die negatief blijkt te zijn voor de gefaalde banken en voor

banken uit GIPSI landen.

26

Om uitsluitsel te krijgen over de bevindingen in de univariate analyse, wordt er een lineaire

regressie uitgevoerd. De resultaten zijn terug te vinden in Tabel 17.

Tabel 17 Regressiemodel event 3 afhankelijke variabele = CAAR[-5,5]

Parameter Beta T-stat Sig. Model

(Constante) 0,014 0,948 0,345 F-stat 7,805

Stdev -1,512 -2,470 0,015** Sig. 0,000

Beta 0,078 4,419 0,000*** R² 0,251

Deelname 0,018 1,576 0,116 Adjusted R² 0,219

Resultaat -0,077 -1,886 0,061*

Totaal risico 0,549 1,698 0,091* VIF < 10 Ja

GIPSI -0,019 -1,419 0,158

LnGrootte -0,003 -1,163 0,247

Tabel 17 laat zien dat de standaarddeviatie een negatieve, significante impact heeft. Beta

is positief significant. Concreet wil dit zeggen dat hoe meer de bank de markt volgt, hoe

groter de rendementswijziging. In tegenstelling tot event 1 en 2 meet men wel een

significante impact van resultaat en totaal risico wanneer de resultaten van de stresstest

2014 worden gepubliceerd. De reactie op een bank die faalt voor de stresstest ligt 7,7%

lager dan voor een bank die slaagt voor de test. Daarnaast speelt ook het totaal risico van

banken een rol, meerbepaald is de reactie 5,49% groter bij financiële instellingen met een

hoger totaal risico. Om zeker te zijn van deze uitspraak wordt er een robustness check

uitgevoerd aan de hand van het kredietrisico. Belangrijk hierbij op te merken is dat enkel

het kredietrisico voor de deelgenomen banken voor handen is. Ook hieruit blijkt dat

kredietrisico een significante invloed uitoefent op de afhankelijke variabele.

27

5 Conclusie

In deze masterproef werd onderzocht of de stresstest 2014 een impact heeft op de

beurskoers van banken. De gehanteerde methodologie is een event study voor drie

gebeurtenissen die te maken hebben met de stresstest. Meerbepaald zijn deze events (i)

de aankondiging van de oefening (event 1), (ii) de bekendmaking van de methodologie

(event 2) en (iii) de publicatie van de resultaten (event 3). Daarnaast werd getest of het

resultaat, namelijk het al dan niet slagen voor de stresstest en het risico van de bank een

invloed heeft op de reactie van investeerders. Dit heeft geleid tot vijf hypothesen.

Daarnaast werd ter controle nagegaan of de grootte, de geografische ligging en het al dan

niet deelnemen aan de stresstest een invloed uitoefenen.

De aankondiging van de oefening (event 1) lokt wel degelijk een positieve marktreactie uit

voor de deelnemende banken, maar het duurt tot vijf dagen na het evenement voordat de

markt reageert. Wanneer ter controle een steekproef genomen wordt die alle

beursgenoteerde banken uit landen die hebben deelgenomen bevat, wordt er ook een

significante reactie gemeten. We kunnen hieruit concluderen dat het event een positief

signaal vormt voor de gehele bankensector. De univariate analyse leert ons dat er een

significant verschil is tussen banken die wel of niet deelnemen, die al dan niet slagen voor

de test en tussen banken uit GIPSI en non-GIPSI landen. Maar deze bevindingen worden

niet bevestigd door de multivariate analyse.

Onderzoekers Cardinali en Nordmarkt (2011) maten geen significante impact voor de

stresstest 2010, maar de bekendmaking van de methodologie voor de stresstest 2011

zorgde wel voor een reactie op de beurskoers. Deze stelling wordt in zekere mate

bevestigd in dit onderzoek, er wordt namelijk bij de deelnemende banken een positieve

reactie ten gevolge van de gebeurtenis gemeten één dag voor en na het event. Voor de

hele sector duurt het langer voordat er een significante rendementswijziging plaatsvindt

rendementswijziging, namelijk tot tien dagen voor en na het event. De strategie van de

EBA om een verschillende methodologie te hanteren dan voorheen om zo de

geloofwaardigheid van de stresstest te verhogen, kent dus slechts een beperkt succes.

Ook voor event 2 geldt dat de univariate analyse aantoont dat er een significant verschil is

wat betreft deelname, resultaat en GIPSI. De multivariate analyse daarentegen bevestigt

enkel dat banken afkomstig uit GIPSI landen een negatieve rendementswijziging

ondervinden, terwijl financiële instellingen uit non-GIPSI landen juist een positieve invloed

op het rendement kennen.

De publicatie van de resultaten (event 3) vormt het sluitstuk van de stresstest 2014 en kan

gezien worden als de meest belangrijke gebeurtenis. Ook voor dit event is de reactie van

de markt ten gevolge van de publicatie significant. Een belangrijke opmerking hierbij is dat

de reactie op vijf dagen voor en na het event positief is, terwijl deze negatief is wanneer er

wordt gekeken naar veertien dagen voor en na de gebeurtenis. Wanneer de hele

bankensector in beschouwing wordt genomen, wordt er een positieve significante impact

gemeten op vijf en veertien dagen. Dit wil dus zeggen dat de stresstest een positief signaal

vormt voor de hele sector. In tegenstelling tot event 1 en 2 geldt voor event 3 wel een

bevestiging van de univariate analyse door het multivariate statistieken. De univariate

analyse toont aan dat deelname een significante impact heeft, maar er is geen duidelijkheid

wat betreft de richting.

28

Banken die falen voor de stresstest lokken een negatieve reactie uit. Daarnaast is de

impact groter voor banken met een groter totaal risico en kredietrisico. Deze resultaten

worden bevestigd in de multivariate analyse.

Over het algemeen kan men concluderen dat alle evenementen een positieve reactie

uitlokken, deze reactie wordt grotendeels bevestigd door de gehele bankensector.

Bijgevolg worden dus de eerste drie hypothesen bevestigd. Er wordt enkel een negatieve

reactie ten gevolge van het falen voor de test en een groter risico gemeten wanneer de

resultaten worden gepubliceerd, hypothese 4 en 5 worden dus enkel bevestigd door de

metingen bij event 3.

De resultaten van dit onderzoek vormen een belangrijke bijdrage aan de bestaande

literatuur, aangezien empirisch onderzoek rond de stresstest 2014 voorlopig uitblijft.

Daarnaast tonen de resultaten dat de markt de stresstest als waardevol beschouwd en het

dus helpt bij het inschatten van hoe een bank kan overleven in een ongunstige

macro-economische omgeving, wat steeds belangrijker is geworden na de financiële crisis

van 2008. Een beperking van het onderzoek is dat een event study enkel kan uitgevoerd

worden voor beursgenoteerde banken, de bijdrage van niet-beursgenoteerde banken

ontbreekt dus, het kan dus interessant zijn om in de toekomst een kwalitatief onderzoek uit

te voeren waarbij er meer in dialoog wordt getreden met de banken en investeerders zelf.

29

7 Bibliografie

Alves, C., Mendes, V. & da Silva P.P. 2014. Do Stress Tests Matter? A Study on the Impact

of the Disclosure of Stress Test Results on European Financial Stocks and CDS

Markets. Conference: Portuguese Finance Network.

Anderson, R. C. & Fraser, D. R. 2000. Corporate control, bank risk taking, and the health

of the banking industry. Journal of Banking & Finance, 24(8): 1383-1398.

Black. J. 2014. ECB Fails 25 Banks as Italy Fares Worst in Stress Test. Bloomberg.

Blundell-Wignall, A. 2010. The EU Stress Test and Sovereign Debt Exposures: Paris:

OECD Publishing.

Board of Governors of the Federal Reserve System 2009a. The supervisory capital

assessment program: design and implementation.

http://www.federalreserve.gov/bankinforeg/bcreg20090424a1.pdf. Geraadpleegd

op 11 november 2014.

Board of Governors of the Federal Reserve System 2009b. The supervisory capital

assessment program: overview of results.

http://www.federalreserve.gov/bankinforeg/bcreg20090507a1.pdf. Geraadpleegd

op 11 november 2014.

Brewer III, E. & Koppenhaver, G. D. 1992. The impact of standby letters of credit on bank

risk: A note. Journal of Banking & Finance, 16(6): 1037-1046.

Brown, S. J., & Warner, J. B. 1985. Using daily stock returns: The case of event

studies. Journal of Financial Economics, 14(1): 3-31.

Cardinali, A. & Nordmark, J. 2011. How informative are bank stress tests? Bank

Opacity in the European Union. Lund University, Lund, Sweden.

Committee of European Banking Supervisors, 2010a. Aggregate outcome of the 2010

EU wide stress test exercise coordinated by CEBS in cooperation with the

ESB.

https://www.eba.europa.eu/documents/10180/15938/Summaryreport.pdf/95030af

2-7b52-4530-afe1-f067a895d163. Geraadpleegd op 11 november 2014.

Committee of European Banking Supervisors 2010b. CEBS’s press release on the

results of the 2010 EU-wide stress testing exercise.

https://www.eba.europa.eu/documents/10180/15938/Summaryreport.pdf/95030af

2-7b52-4530-afe1-f067a895d163. Geraadpleegd op 11 november 2014.

Committee of European Banking Supervisors 2010c. Summary of the 91 bank-by-bank

results, by country.

https://www.eba.europa.eu/documents/10180/15938/Listofbanksv2.pdf/af7d6849-

5882-4f83-82e7-b4ff9a63a112. Geraadpleegd op 11 november 2014.

30

Constâncio V. & Nouy D. 2014. SSM press conference (video).

http://www.youtube.com/watch?v=RKl9r7tbdug#t=1128. Geraadpeegd op 12

november 2014.

Corgnet, B., Kujal, P., & Porter, D. 2013. Reaction to public information in markets: How

much does ambiguity matter? Economic Journal, 123(569): 699-737.

De Prijcker, S. 2014. Onderzoeksmethodologie Financieel Management. Collegedictaten.

De Nederlandsche Bank 2007. Bazel II: supervisory review.

http://www.toezicht.dnb.nl/2/50-202248.jsp#. Geraadpleegd op 11 november

2014.

European Banking Authority 2011a. The European Banking Authority up and running

and preparing new EU-wide stress test.

http://www.eba.europa.eu/-/the-european-banking-authority-up-and-running-and-

preparing-new-eu-wide-stress-test. Geraadpleegd op 12 november 2014.

European Banking Authority 2011b. The EBA publishes details of its stress test

scenarios and methodology.

http://www.eba.europa.eu/-/the-eba-publishes-details-of-its-stress-test-scenarios-

and-methodology. Geraadpleegd op 12 november 2014.

European Banking Authority 2011c. The EBA announces the benchmark to be used in

the 2011 EU-wide stress test.

http://www.eba.europa.eu/-/the-eba-announces-the-benchmark-to-be-used-in-

the-2011-eu-wide-stress-test. Geraadpleegd op 12 november 2014.

European Banking Authority 2011d. European Banking Authority 2011 EU-wide stress

test aggregate repport.

http://www.eba.europa.eu/documents/10180/15935/EBA_ST_2011_Summary_R

eport_v6.pdf/54a9ec8e-3a44-449f-9a5f-e820cc2c2f0a. Geraadpleegd op 12

november 2014.

European Banking Authority 2014a. EBA announces key features of the 2014 EU-wide

stress test.

http://www.eba.europa.eu/-/eba-announces-key-features-of-the-2014-eu-wide-

stress-test. Geraadpleegd op 12 november 2014

European Banking Authority 2014b. EBA publishes common methodology and

scenario for 2014 EU-banks stress test.

http://www.eba.europa.eu/-/eba-publishes-common-methodology-and-scenario-

for-2014-eu-banks-stress-test. Geraadpleegd op 12 november 2014.

European Banking Authority 2014c. Results of 2014 EU-wide stress test.

http://www.eba.europa.eu/documents/10180/669262/2014+EU-wide+ST-

aggregate+results.pdf. Geraadpleegd op 12 november 2014.

European Banking Authority 2014d. 2014 EU-wide stress test results: banks individual

results. https://www.eba.europa.eu/risk-analysis-and-data/eu-wide-stress-

testing/2014/results. Geraadpleegd op 12 december 2014.

31

Europese Centrale Bank 2014. Grondige beoordeling door de ECB toont aan dat

banken verdere actie moeten ondernemen.

https://www.ecb.europa.eu/press/pr/date/2014/html/pr141026.nl.html

Geraadpleegd op 18 mei 2015.

Fama, E. F. 1965. Random Walks in Stock Market Prices. Financial Analysts Journal,

21(5): 55-59.

Fama, E. F. 1998. Market efficiency, long- term returns, and behavioral finance. Journal of

financial economics, 49(3): 283-306.

Finansinspektionen. 2014. EBA’s stress test and Asset Quality Review.

Finansinspektionen.

http://www.fi.se/upload/90_English/20_Publications/20_Miscellanous/2014/Eng_

%20PMAQRstresstestsNY.pdf

Geraadpleegd op 18 mei 2015.

González, F., 2005. Bank regulation and risk-taking incentives: an international comparison

of bank risk. Journal of Banking and Finance, 29: 1153–1184.

International Capital Market Association 2014. What is a haircut?

http://www.icmagroup.org/Regulatory-Policy-and-Market-Practice/short-term-

markets/Repo-Markets/frequently-asked-questions-on-repo/21-what-is-a-haircut/.

Geraadpleegd op 10 november 2014.

Jenkins, P. 2011. Quality of stress test disclosures a mixed bag. Financial Times Europe,

juli 2011.

Lacoviello, M., & Minetti, R. 2008. The credit channel of monetary policy: Evidence from

the housing market. J. Macroecon., 30(1): 69-96.

Leippold, M., Trojani, F., & Vanini, P. 2008. Learning and Asset Prices under Ambiguous

Information.The Review of Financial Studies, 21(6): 2565-2597.

Morgan, D. P., Peristiani, S., & Savino, V. 2014. The Information Value of the Stress

Test. Journal of Money, Credit and Banking, 46(7): 1479-1500.

Petrella, G., & Resti, A. 2013. Supervisors as information producers: Do stress tests reduce

bank opaqueness? Journal of Banking and Finance, 37(12): 5406-5420.

P.W. 2014. European stress tests: let’s try again. The Economist. April 2014.

Sorge, M., & Virolainen, K. 2006. A comparative analysis of macro stress- testing

methodologies with application to Finland.(Report). Journal of Financial

Stability, 2(2): 113.

Stiroh, K. 2006. New Evidence on the Determinants of Bank Risk. Journal of Financial

Services Research, 30(3): 237-263.

Stiroh, K. 2009. Macroprudential supervision of financial institutions: lessons from the

SCAP, Vol. 409: Federal Reserve Bank of New York.

32

Suleman, M. T. 2012a. Stock market reaction to good and bad political

news.(Report). Asian Journal of Finance & Accounting, 4(1): 299.

Sun, L. & Chang, T.-P. 2011. A comprehensive analysis of the effects of risk measures on

bank efficiency: Evidence from emerging Asian countries. Journal of Banking &

Finance, 35(7): 1727-1735.

Sydow, M. 2006. What drives EU banks’ stock returns? Bank-level evidence using the

dynamic dividend-discount model, Vol. 0677: European Central Bank.

Veronesi, P. 1999. Stock market overreaction to bad news in good times: A rational

expectations equilibrium model. Rev. Financ. Stud., 12(5): 975-1007.

B.1

Bijlage 1

Tabel B.1: gefaalde banken stresstest 2014

Land Bank CET1

Cyprus Co‐operative Central Bank Ltd -8,0%

Griekenland Eurobank Ergasias, S.A. -6,4%

Italië Banca Carige S.P.A. ‐ Cassa di Risparmio di Genova e Imperia -2,4%

Cyprus Hellenic Bank Public Company Ltd -0,5%

Griekenland National Bank of Greece, S.A. -0,4%

Italië Banca Monte dei Paschi di Siena S.p.A. -0,1%

Ierland Permanent tsb plc 1,0%

Cyprus CY Bank of Cyprus Public Company Ltd 1,5%

Oostenrijk Österreichische Volksbanken 2,1%

Italië Veneto Banca S.C.P.A. 2,7%

Duitsland Münchener Hypothekenbank eG 2,9%

Portugal Banco Comercial Português, S.A. 3,0%

Italië Banca Popolare di Vicenza ‐ Società Cooperativa per Azioni 3,2%

België AXA Bank Europe S.A. 3,4%

Itailë Credito Emiliano S.p.A. 3,5%

Italië Banca Popolare Di Milano ‐ Società Cooperativa A Responsabilità Limitata 4,0%

Italië Banca Popolare di Sondrio, Società Cooperativa per Azioni 4,2%

Griekenland Piraeus Bank, S.A. 4,4%

Slovenië Nova Kreditna Banka Maribor d.d. 4,4%

Italië Banco Popolare ‐ Società Cooperativa 4,7%

België Dexia NV* 5,0%

Slovenië Nova Ljubljanska banka d. d. 5,0%

Italië Banca Popolare Dell'Emilia Romagna ‐ Società Cooperativa 5,2%

Frankrijk C.R.H. ‐ Caisse de Refinancement de l’Habitat 5,5%

Bron: eigen verwerking gebaseerd op Black (2014).

B.2

Bijlage 2

Tabel B.2: banken GIPSI stresstest 2014

Land Bank

Griekenland GR Alpha Bank, S.A.

Eurobank Ergasias, S.A.

National Bank of Greece, S.A.

Piraeus Bank, S.A.

Italië Banca Carige S.P.A. ‐ Cassa di Risparmio di Genova e Imperia

Banca Monte dei Paschi di Siena S.p.A.

Banca Piccolo Credito Valtellinese, Società Cooperativa

Banca Popolare Dell'Emilia Romagna ‐ Società Cooperativa

Banca Popolare Di Milano ‐ Società Cooperativa A Responsabilità Limitata

Banca Popolare di Sondrio, Società Cooperativa per Azioni

Banca Popolare di Vicenza ‐ Società Cooperativa per Azioni

Banco Popolare ‐ Società Cooperativa

Credito Emiliano S.p.A.

Iccrea Holding S.p.A

Intesa Sanpaolo S.p.A.

Mediobanca ‐ Banca di Credito Finanziario S.p.A.

UniCredit S.p.A.

Unione Di Banche Italiane Società Cooperativa Per Azioni

Veneto Banca S.C.P.A.

Portugal Banco BPI, S.A.

Banco Comercial Português, S.A.

Caixa Geral de Depósitos, S.A.

Spanje Banco Bilbao Vizcaya Argentaria, S.A.

Banco de Sabadell, S.A.

Banco Financiero y de Ahorros, S.A.

Banco Mare Nostrum, S.A.

Banco Popular Español, S.A.

Banco Santander, S.A.

Bankinter, S.A.

Caja de Ahorros y M.P. de Zaragoza, Aragón y Rioja

Caja de Ahorros y Pensiones de Barcelona

Cajas Rurales Unidas, Sociedad Cooperativa de Crédito

Catalunya Banc, S.A.

Kutxabank, S.A.

Liberbank, S.A.

MPCA Ronda, Cádiz, Almería, Málaga, Antequera y Jaén

NCG Banco, S.A.

Ierland Allied Irish Banks plc

Permanent tsb plc

The Governor and Company of the Bank of Ireland

Bron: eigen verwerking gebaseerd op European Banking Authority (2014d).

B.3

Bijlage 3

Tabel B.3: landspecificieke marktindices

Land Marktindex

België BEL 20

Cyprus Cyprus General

Denemarken OMXC 20

Duitsland DAX 30

Finland OMX Helsinki

Frankrijk SBF 120

Griekenland Athex Composite

Hongarije Budapest BUX

Ierland Ireland SE ISEQ

Italië FTSE Italia All Share

Letland OMX Riga

Luxemburg Luxembourg Stock Exchange

Malta Malta SE MSE

Nederland AEX

Noorwegen OSLO EXCHANGE

Oostenrijk ATX

Polen Warsaw General Index 20

Portugal Portugal PSI 20

Slovenië Slovenian Blue-Chip SBITOP Index

Spanje IBEX 35

VK FTSE All Share

Zweden OMX General

Bron: eigen verwerking gebaseerd op Petrella en Resti (2013).

PERSARTIKEL

Persartikel

KU Leuven Campus Antwerpen Korte Nieuwstraat 33, 2000 Antwerpen

+32 201 18 40 feb.antwerpen@kuleuven.be www.kuleuven.be

PERSBERICHT

19/05/2015 – voor onmiddelijke vrijgave

Stresstest 2014 waardevol voor beleggers

Sinds 2010 vormen stresstesten een belangrijke tool in Europa om in te schatten of een

bank kan overleven in een ongunstige economische situatie. Na de financiële crisis van

2008 is het steeds belangrijker geworden om het risico van een bank in te schatten en om

de transparantie ervan te vergroten. In een studie aan de KU Leuven werd nagegaan of de

stresstest die uitgevoerd werd in 2014 naar waarde wordt geschat door investeerders en

of het dus nuttig is om deze in de toekomst te herhalen.

Marktreactie

Onderzoek heeft aangetoond dat het beursrendement van de deelgenomen banken

positief beïnvloed wordt door de aankondiging van de stresstest, de bekendmaking van de

methodologie en de publicatie van de resultaten door de Europese Centrale Bank.

Meerbepaald zorgt de vrijgave van de resultaten voor een gemiddelde rendementswijziging

van 4,3 procent vijf dagen rond de aankondiging. Er dient hierbij te worden opgemerkt dat

de wijziging van 4,3 procent niet de werkelijke koerswijziging is, maar wel de wijziging die

volledig toe te schrijven is aan de publicatie van de resultaten van de deelgenomen banken.

Niet enkel de deelgenomen banken ervaren een rendementswijziging, maar ook voor

banken uit landen die hebben deelgenomen, maar zelf niet hebben geparticipeerd, wordt

er een positieve verandering van het rendement waargenomen. De stresstest vormt dus

ook een positief signaal voor de gehele bankensector in Europa.

Gefaalde banken

De eerste resultaten van de stresstest toonden aan dat 24 banken niet slaagden voor de

test, waaronder AXA en Dexia in België. De banken die niet geslaagd zijn voor de test

worden door de beleggers afgestraft op de beurs, zij ondervinden namelijk gemiddeld een

negatieve rendementswijziging.

Risicovolle banken

Banken met een groter risico zullen met meer waarschijnlijkheid niet kunnen overleven in

een ongunstige economische situatie. Wanneer de resultaten vrijgegeven worden, is de

reactie van beleggers op risicovolle banken dan ook 5,49 procent groter dan voor banken

met minder risico.

EINDE PERSBERICHT / ___________________________________________________

Contactgegevens: Petra Roks

+32 494 26 93 48 petraroks@hotmail.com

FACULTEIT ECONOMIE EN BEDRIJFSWETENSCHAPPEN CAMPUS CAROLUS ANTWERPEN

KORTE NIEUWSTRAAT 33 2000 ANTWERPEN

TEL. + 32 3 201 18 40 FEB.ANTWERPEN@KULEUVEN.BE