Παράγοντες που επηρεάζουν την απόδοση της κερδοφορίας των τραπεζών

Abstract

Σκοπός της παρούσας ερευνητικής εργασίας είναι ο προσδιορισμός και η αξιολόγηση της κερδοφορίας των τραπεζών σε ευρωπαϊκό επίπεδο. Για τους σκοπούς της συγκεκριμένης εργασίας έχει πραγματοποιηθεί ποσοτική έρευνα χρησιμοποιώντας δεδομένα από τις διαθέσιμες βάσεις στατιστικών δεδομένων που υπάρχουν. Εξετάζονται πάνελ δεδομένα για 8 Ευρωπαϊκές χώρες, την Κύπρο, την Γαλλία, την Ελλάδα, το Λουξεμβούργο ,τη Μάλτα, την Ολλανδία, την Πορτογαλία και την Ισπανία. Η χρονική περίοδος που καλύπτεται είναι από το 2008 μέχρι και το 2020, με όλα τα στοιχεία να βρίσκονται σε τριμηνιαία βάση (2008Q1-2020Q4). Το οικονομετρικό μου υπόδειγμα εξετάζει κατά πόσο οι τριμηνιαίες τιμές των δεικτών ROE/ROA μιας χώρας, μπορούν να ερμηνευτούν από διάφορες κυρίως μακρό-οικονομικές μεταβλητές καθώς και μεταβλητές που επηρεάζουν αμέσα την τραπεζική κερδοφορία . Οι μεταβλητές αυτές είναι ο ρυθμός μεταβολής του ακαθάριστου εγχώριου προϊόντος, ο ρυθμός πληθωρισμού, το βραχυχρόνιο επιτόκιο, το επίπεδο βασικών κεφαλαίων των τραπεζών και το ποσοστό μη εξυπηρετούμενων δανείων. Η μέθοδος εκτίμησης των δεδομένων έγινε μέσω παλινδρόμησης, από το λογισμικό Stata. Το οικονομετρικό εκτιμήθηκε με 2 διαφορετικούς τρόπους , με την μέθοδο σταθερών επιδράσεων λαμβάνοντας υπόψιν την ετεροσκεδαστικότητα και την μέθοδο τυχαίων επιδράσεων, λαμβάνοντας υπόψιν την ετεροσκεδαστικότητα. Πραγματοποιώντας τον έλεγχο Hausman, η βέλτιστη μέθοδος εκτίμησης για το μοντέλο μου είναι μέθοδο σταθερών επιδράσεων λαμβάνοντας υπόψιν την ετεροσκεδαστικότητα. Όσον αφορά τα δεδομένα του υποδείγματος μου από τους σημαντικότερους παράγοντες που επηρεάζουν τους δείκτες ROA και ROE είναι το ποσοστό μεταβολής του ΑΕΠ σε επίπεδο σημαντικότητας 5% και το ποσοστό μη εξυπηρετούμενων δάνειων σε επίπεδο σημαντικότητας 1%. Τέλος προσθέτω τις πρώτες υστερήσεις για τις ανεξάρτητες μεταβλητές παρέχοντας στον αναγνώστη, μια πιο ολοκληρωμένη εικόνα για την πoρεία των μεταβλητών αξιολογώντας το προηγούμενο τρίμηνο, γεγονός που θα βοηθήσει στην καλύτερη πρόβλεψη της πορείας τους αλλά και την επίδραση που αναμένετε να έχουν στους δείκτες ROA και ROE.