Determinanten van de aanpassingssnelheid naar een doelkapitaal bij financiële instellingen

Transcriptie

1 UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR Determinanten van de aanpassingssnelheid naar een doelkapitaal bij financiële instellingen Masterproef voorgedragen tot het bekomen van de graad van Master in de Toegepaste Economische Wetenschappen Bram Buyl Wieland Van Lerberge onder leiding van Prof. Olivier De Jonghe

2

3 UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR Determinanten van de aanpassingssnelheid naar een doelkapitaal bij financiële instellingen Masterproef voorgedragen tot het bekomen van de graad van Master in de Toegepaste Economische Wetenschappen Bram Buyl Wieland Van Lerberge onder leiding van Prof. Olivier De Jonghe

4 I Vertrouwelijkheidsclausule PERMISSION Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding. Bram Buyl Wieland Van Lerberge

5 II Woord vooraf Graag danken wij alle mensen die ervoor gezorgd hebben dat deze masterproef, in het kader van het behalen van ons diploma master in de toegepaste economische wetenschappen, tot stand kon komen. In het bijzonder danken we onze promotor, Olivier De Jonghe, voor de tijd die hij voor ons heeft vrijgemaakt. Door de goede begeleiding, tips en nuttige raadgevingen heeft hij ons gestimuleerd om het onderste uit de kan te halen. Zelfs in het heetst van de strijd, op een zonnige verlofdag, was hij nog steeds bereid om ons telefonisch bij te staan. Waarvoor duizendmaal dank. We bedanken ook onze ouders en vrienden voor hun hulp en morele steun. Maar in het bijzonder willen we Tini Claeys bedanken voor haar toverkunst met de lay-out in word. Het scheelde ons ettelijke potentieel frustrerende uurtjes. Aan iedereen, hartelijk dank!

6 III Inhoudsopgave Gebruikte afkortingen... V Lijst met tabellen... VI Lijst met bijlagen... VII Algemene inleiding... 1 Deel I: Literatuurstudie Inleiding De Bazel Commissie Algemeen Het Bazel Kapitaalakkoord (of Bazel I) Het Bazel II Kapitaalakkoord Op weg naar een Bazel III Kapitaalakkoord? Dynamische aanpassing en de Trade-off Theorie Overzicht van Kapitaalstructuurtheorieën De Static Trade-Off Theorie De Pecking Order Theorie De Free Cash Flow Theorie Alternatieve theorieën De Dynamische Trade-Off Theorie Empirisch Onderzoek Inleiding Determinanten van de doelkapitaalstructuur Micro-economische determinanten Macro-economische determinanten Determinanten van de aanpassingssnelheid Overzicht determinanten... 23

7 IV Deel II: Empirisch onderzoek Inleiding Data Variabelen en hypothesen Afhankelijke variabele Onafhankelijke variabelen Methodologie en resultaten Beschrijvende statistieken Econometrische analyse Het theoretische model Regressie: Determinanten van de optimale schuldgraad Regressies aanpassingssnelheid Robuustheidtesten Besluit Algemene conclusie Literatuurlijst... IX Bijlagen... XII

8 V Gebruikte afkortingen BBP Bruto Binnenlands Product BC Bazel Commissie BIS BW Bank for International Settlements Boekwaarde D&W Drobetz en Wanzenried (2004) EU-15 EU-27 G10 IRB Log MTB MW NPV SVA ZW-DK-UK Landen van de Europese Unie op 1 januari 1995: België, Duitsland, Denemarken, Finland, Frankrijk, Griekenland, Ierland, Italië, Luxemburg, Nederland, Oostenrijk, Portugal, Spanje, Verenigd Koninkrijk en Zweden Landen van de Europese Unie op 1 januari 2007: België, Bulgarije, Duitsland, Cyprus, Denemarken, Estland, Finland, Frankrijk, Griekenland, Hongarije, Ierland, Italië, Letland, Litouwen, Luxemburg, Malta, Nederland, Oostenrijk, Polen, Portugal, Roemenië, Slowakije, Slovenië, Spanje, Tsjechië, Verenigd Koninkrijk en Zweden Groep van 10: België, Canada, Duitsland, Frankrijk, Italië, Japan, Nederland, het Verenigd Koninkrijk, de Verenigde Staten, Zweden en Zwitserland (vanaf 1964) Internal Rating Based Logaritme Market-to-book Marktwaarde Net Present Value = Netto Actuele Waarde Snelheid van aanpassing Zweden-Denemarken-Groot Brittannië

9 VI Lijst met tabellen Tabel I: Determinanten van de schuldgraad en hun definities Tabel II: Determinanten van de aanpassingssnelheid en hun definities Tabel III: Aantal banken per land Tabel IV: Resultaten basisregressie (EU-27) Tabel V: Resultaten basisregressie (EU-15) Tabel VI: Resultaten basisregressie (ZW-DK-UK) Tabel VII: Resultaten regressie SVA (EU-27) Tabel VIII: Resultaten regressie SVA (EU-15) Tabel IX: Resultaten regressie SVA (ZW-DK-UK)... 40

10 VII Lijst met bijlagen Bijlage I: Bijlage II: Bijlage III: Bijlage IV: Bijlage V: Bijlage VI: Bijlage VII: Regressie 1: EU-27 BOEKSCHULDGRAAD... XI Regressie 1: EU-15 BOEKSCHULDGRAAD... XII Regressie 1: ZW-DK-UK BOEKSCHULDGRAAD... XIII Regressie 1: EU-27 MARKTSCHULDGRAAD... XIV Regressie 1: EU-15 MARKTSCHULDGRAAD... XV Regressie 1: ZW-DK-UK MARKTSCHULDGRAAD... XVI Regressie 2: Snelheid van aanpassing: EU-27 BOEKSCHULDGRAAD... XVII Bijlage VIII: Regressie 2: Snelheid van aanpassing: EU-27 MARKTSCHULDGRAAD... XVII Bijlage IX: Regressie 2: Snelheid van aanpassing: EU-15 BOEKSCHULDGRAAD... XVIII Bijlage X: Regressie 2: Snelheid van aanpassing: EU-15 MARKTSCHULDGRAAD... XVIII Bijlage XI: Regressie 2: Snelheid van aanpassing: ZW-DK-UK BOEKSCHULDGRAAD... XIX Bijlage XII: Regressie 2: Snelheid van aanpassing: ZW-DK-UK MARKTSCHULDGRAAD... XIX

11 VIII Bijlage XIII: Regressie 3: Robuustheidtest: toevoegen van de variabele inflatie BOEKSCHULDGRAAD... XX Bijlage XIV: Regressie 3: Robuustheidtest: toevoegen van de variabele inflatie MARKTSCHULDGRAAD... XXI Bijlage XV: Regressie 4: Robuustheidtest: toevoegen van de variabele BBP BOEKSCHULDGRAAD... XXII Bijlage XVI: Regressie 4: Robuustheidtest: toevoegen van de variabele BBP MARKTSCHULDGRAAD... XXIII Bijlage XVII: Jaarlijks gemiddelde inflatiecijfer... XXIV Bijlage XVIII: BBP... XXV Bijlage XIX: Beschrijvende statistieken... XXVI Bijlage XX: Evolutie van de schuldgraad XXVII

12 - 1 - Algemene inleiding Ons literatuuronderzoek begon met de masterproef van Riet De Plus & Neal Geryl van 2009: Determinanten van de kapitaalstructuur van financiële instellingen die ons werd aangereikt door professor O. De Jonghe. Daarin hadden beide studenten het over de economische variabelen die van tel zijn voor de keuze van de kapitaalstructuur zoals de titel zelf al zegt. Er bleef echter voldoende ruimte over voor ons om hier een vervolgstuk aan te breien. Aldus gingen wij op zoek naar de determinanten van de aanpassingssnelheid naar een bepaald doelkapitaal. We werden al gauw op weg geholpen door twee wetenschappelijke papers, namelijk What Determines the Speed of Adjustment to the Target Capital Structure door Wolfgang Drobetz & Gabrielle Wanzenried en Dynamic Optimal Capital Structure and Technological Change door Hans Lööf. Beide papers belichten naast de determinanten van de kapitaalstructuur ook deze van de snelheid van aanpassing, maar lieten financiële instellingen links liggen. Ook hier konden wij dus handig op inspelen en tevens onze resultaten voor financiële instellingen vergelijken met die van hen. Banken zijn gewoon anders, ze gedragen zich verschillend en zijn ook aan diverse, vaak strengere, kapitaalsvereisten onderhevig. Denken we maar aan de verschillende Bazel Akkoorden die er heden ten dage van kracht zijn. De economie reageert vaak grillig en onvoorspelbaar, en dat dynamische karakter zal ook een invloed hebben op de keuze van de perfecte kapitaalstructuur. We zeggen de statische Trade-Off theorie vaarwel en ruilen hem in voor een dynamische vorm waarin bedrijven reageren op economische schokken. Ze zullen hun doelen steeds aanpassen aan een veranderende buitenwereld, zonder de weg naar dat optimum uit het oog te verliezen. Ondernemingen moeten zowel op korte termijn actie ondernemen als op lange termijn doelstellingen vastleggen als vlaggenpaaltjes doorheen hun economische geschiedenis. In onze masterproef zullen we twee zaken onderzoeken en de economische waarheid proberen te achterhalen. Eerst en vooral zullen we het onderzoek van Riet De Plus & Neal Geryl ten dele over doen, aangezien we de doelschuldgraad van

13 - 2 - doen hebben als variabele voor de snelheid van aanpassing. De basis voor ons onderzoek wordt de EU-27. We zullen deze studie echter wel nog iets uitbreiden door er ook een vergelijking in op te nemen voor de resultaten van deze EU-27 met deze van de EU-15 en de groepering ZW-DK-UK. Aangezien deze laatst genoemde landen andere munteenheden hanteren, leek het ons interessant ze even apart onder de loep te nemen om eventuele verschillen naar boven te brengen. De resultaten zullen we vergelijken met de literatuur die dit eerste luik van ons onderzoek behandelt. Ook de robuustheid zal getest worden door macroeconomische variabelen toe te voegen. Om te eindigen gaan we na welke determinanten een significante invloed hebben op de snelheid van aanpassing. We laten ons leiden door de determinanten gebruikt door Lööf (2003) in zijn studie bij Zweedse, Britse en Amerikaanse bedrijven. We hopen dat we op die manier zelf nog een steentje kunnen bijdragen in deze omvangrijke literatuur door er ook de banken als onderzoeksdomein aan toe te voegen. We begeven ons dan ook in de complexe wereld van dynamische econometrische modellen met panel data. We zullen namelijk een steekproef hanteren van 198 banken die gehuisvest zijn in verschillende landen in Europa en dit voor niet minder dan 8 jaren. Om deze inleiding te besluiten overlopen we nog even kort de weg die we zullen bewandelen doorheen deze masterproef. Starten doen we met een uitgebreid literatuuronderzoek. Daarin zullen we het niet alleen hebben over de specifieke onderzoeken die al plaats vonden over onze determinanten, we zullen ook plaats maken om eens de Bazel Akkoorden van nabij te bestuderen om te zien waaraan een bank zoal onderhevig is bij de keuze van hun kapitaalstructuur. We zullen stilstaan bij de instrumenten die ze daarvoor voor handen hebben in de vorm van enkele, al dan niet sterk verschillende, kapitaalstructuurtheorieën. In het tweede luik starten we het eigenlijke onderzoek. Vooreerst zullen we de doelschuldgraad schatten om die tenslotte te gebruiken in het eigenlijke onderzoek naar de determinanten van de snelheid van aanpassing. Na een lange reis doorheen een hele serie aan regressies, zullen we uiteindelijk belanden bij de algemene conclusie.

14 - 3 - Deel I: Literatuurstudie 1 INLEIDING Banken worden over het algemeen gemeden uit de meeste onderzoeken. Zo ook in studies aangaande de kapitaalstructuur. Hetzelfde verhaal gaat op voor de aanpassingssnelheden. Wij vonden meerdere papers die dit onderwerp aansneden, maar zo goed als nergens werden banken in de steekproef opgenomen. De weinige artikels die wel oog hadden voor de financiële instellingen gingen dan ook vaak uitsluitend over deze bijzondere vorm van ondernemingen, net zoals wij zelf ook zullen doen. Maar waarom? Hoe komt het dat banken zo vaak gemeden worden uit wetenschappelijke steekproeven? Het antwoord is eerder eenvoudig: omwille van de veel strengere regulatie. Over het algemeen moeten banken aan veel meer regels voldoen, zodat er een blijvende kloof werd gecreëerd met andere ondernemingen. Gaande van een absoluut minimumkapitaal tot een ruimere buffer, wordt alles steeds sterker binnen bepaalde grenzen gehouden. De kredietcrisis van de afgelopen jaren zal de regulatie op banken er in ieder geval niet op versoepelen. De huidige regelgeving kon een zware economische crisis niet vermijden. De wereld is opnieuw wakker geschud en zal reageren door banken nog meer in een keurslijf te dwingen en te controleren om een dergelijke economische klap in de toekomst te vermijden. Verder vermoeden wij dat banken ook veel sneller en sterker beïnvloed worden door schokken op wereldeconomisch vlak. Kortom, de wereld van financiële instellingen is vaak minder stabiel dan andere sectoren en toont over het algemeen als eerste tekenen van een op handen zijnde economische crisis. Om een klein voorbeeld te geven: KBC en Dexia verloren de laatste week van april 2010 en eerste week van mei 2010 behoorlijk wat van hun aandelenkoers. Dit is zo goed als uitsluitend te wijten aan het feit dat zij grote leningen hebben lopen bij Spaanse instellingen. Neem daar bij dat er nu steeds meer wordt gespeculeerd dat, na Griekenland, Portugal en Spanje de volgende zijn om in moeilijkheden te komen en

15 - 4 - je hebt meteen een verklaring voor de dalende beurskoers van deze twee banken. Het feit dat banken zo makkelijk beïnvloed worden door allerhande economische voorvallen, is volgens ons ook nadelig om hen in eenzelfde steekproef te plaatsen als andere bedrijven. 1.1 De Bazel Commissie Algemeen De Bazel Commissie (BC) werd opgericht in 1974 door de directeurs van de centrale banken van de G10. Ondertussen telt de commissie al meerdere grote landen van over de hele wereld. Elk land stuurt twee afgevaardigden naar de bijeenkomsten van de BC, namelijk de directeur van de centrale bank van dat bepaalde land en een lid van de autoriteiten die verantwoordelijk zijn voor de controle op banken andere dan de centrale bank. De huidige voorzitter van de BC is momenteel de Nederlander Mr. Nout Wellinck, die op 1 juli 2006 de Spanjaard Mr. Jaime Caruana opvolgde. De Commissie dankt zijn naam aan de plaats waar het secretariaat zich bevindt, namelijk Bazel in Zwitserland. Meer bepaald in de Bank of International Settlements ook wel BIS genoemd. Naast het secretariaatswerk zorgen deze professionele supervisors ook voor raad aan de autoriteiten van de deelnemende landen. De secretaris-generaal van dit secretariaat is momenteel Mr. Stefan Walters. Met een hele reeks documenten en akkoorden, wil deze supervisie instantie in feite niets anders dan proberen twee vooropgestelde basisprincipes te bereiken. Ten eerste is het de bedoeling dat er op termijn geen enkele financiële instelling nog kan ontkomen aan een grondige controle en een vorm van supervisie. Ten tweede wil men er op die manier voor zorgen dat er altijd een voldoende vorm van supervisie aanwezig is en dat deze bovendien zo gelijk mogelijk is voor de gehele wereld. In de toekomst zouden diverse standaarden die de BC uitgeeft moeten zorgen dat banksystemen uit verschillende landen steeds meer naar elkaar toegroeien, hetgeen niet alleen de controle makkelijker zou moeten maken, maar ook de vergelijkbaarheid van banken onderling. De commissie komt ongeveer een

16 - 5 - viertal keer samen over de loop van een volledig kalenderjaar. Op een geregelde basis wordt daarna ook een rapport opgestuurd naar de centrale bankdirecteurs van de deelnemende landen. De BC heeft echter geen echt formele internationale supervisie autoriteit. De akkoorden van de BC zijn dan ook geen basis met wettelijke afdwingbaarheid. Dat is echter ook nooit de bedoeling geweest van dit supervisie orgaan. Van daaruit worden enkel richtlijnen en standaarden gegeven om landen te helpen. Deze landen worden dan geacht om zelf door middel van een wettelijke raamwerk te proberen om deze standaarden in de praktijk te brengen en ze ook enigszins afdwingbaar te maken. De Bazel richtlijnen zouden in feite moeten leiden tot een aanvaardbaar gedrag bij de banken. Ondertussen zouden ze ook moeten zorgen voor een meer gestandaardiseerde omgeving in de financiële wereld, zoals eerder al aangegeven. In wat volgt zullen we enkele van deze richtlijnen bespreken. Daarbij zullen we ons vooral toeleggen op de zaken die te maken hebben met kapitaalregulering bij de financiële instellingen, aangezien het die zaken zijn die een invloed zullen hebben op de kapitaalstructuur Het Bazel Kapitaalakkoord (of Bazel I) Dit eerste akkoord dateert ondertussen al van Het werd eigenlijk vooral ingevoerd om de controle en supervisie tussen verschillende landen meer gelijklopend en dus vergelijkbaar te maken. De basis van dit eerste kapitaalakkoord wordt gevormd door stevige kapitaalsvereisten. Het is namelijk zo dat een bank aan een bepaalde ratio moet voldoen wat kapitaal betreft. Meer bepaald moet de BIS-ratio (ook wel Cooke ratio genoemd) minimaal 8 % bedragen. Deze ratio is gebaseerd op de verhouding tussen het eigen vermogen van de bank ten opzichte van de naar risico gewogen activa. Het kapitaal kan echter verder opgesplitst worden in Tier 1-kapitaal, ook wel kernkapitaal genoemd, en Tier 2-kapitaal. Voor het Tier 1-kapitaal geldt de vereiste dat de ratio minimaal 4 % bedraagt. Zoals eerder gezegd moet de BIS-ratio vervolgens voor het gehele kapitaal (dus het Tier 1-kapitaal + het Tier 2-kapitaal) dan minimaal 8 % bedragen. Het Tier 1-kapitaal bestaat uit het gestort kapitaal, de

17 - 6 - overgedragen winsten en de open reserves. Tier 2-kapitaal is dan het aanvullend kapitaal. Beide verhoudingsgetallen moeten weer geven hoe gezond een bank is of anders gezegd hoe goed of slecht het gesteld is met de solvabiliteit van de bank. Bazel I deelde kredieten nu in volgens risico. Elk risiconiveau krijgt dan ook zijn eigen gewicht mee bij de bepaling van het minimum dat een bank voor handen moet hebben. Net hier kwam de grootste kritiek op. Bazel I differentieerde namelijk niet genoeg wat dat risico betreft. Verder speelde ook de kredietwaardigheid van de onderneming in kwestie geen rol. Hierdoor werden banken te veel verleid om zelf leningen toe te staan aan ondernemingen met de hoogste risicograden aangezien ze op die manier hogere marges konden aanrekenen. Het akkoord hield meer bepaald weinig tot geen rekening met het operationele risico. Om een voorbeeld te geven zit daar bijvoorbeeld het risico in vervat van wat het zou betekenen voor de credit card instellingen wanneer er een stroompanne zou optreden. Bazel II zal hier verder op in gaan door ook het operationele risico te erkennen in hun risico indeling Het Bazel II Kapitaalakkoord In 2005 was het tijd om een nieuw akkoord in te voeren. Hoewel de solvabiliteit van kredietinstellingen aanzienlijk was verbeterd, was de economische omgeving toch in dien mate veranderd dat het niet meer dan logisch was dat er een opvolger moest komen. Een opvolger die beter rekening moet houden met risicogevoeligheid. Verder moet het ook flexibel zijn om financiële innovaties beter in te kunnen passen, hetgeen voor Bazel I vaak moeilijk lag. In een snel evoluerende economische wereld is dit onontbeerlijk. Een laatste punt van kritiek op het eerste Bazel akkoord is dat er te weinig gebruik werd gemaakt van de disciplinerende werking van het marktmechanisme. Aldus ontstond het Bazel II kapitaalakkoord. Voor EU landen was het zelfs de bedoeling dat dit akkoord zou worden omgezet naar concrete richtlijnen die in de lidstaten moesten opgenomen worden in de wetgeving. Doordat de implicaties van het akkoord echter onduidelijk bleven, werd het tijdsschema meer dan eens door geschoven. Het Bazel II Akkoord zelf is gebaseerd op 3 pijlers, namelijk de minimum kapitaalvereisten (die ook ten dele

18 - 7 - opgenomen waren in het vorige akkoord), de zogenaamde Supervisory Review (vrij vertaald gaat het hier over de nationale toezichthouding) en tot slot de marktdiscipline. In wat volgt zullen we deze pijlers even kort belichten met een iets uitgebreidere focus op de kapitaalsvereisten aangezien die voor ons werk het belangrijkste zijn. Pijler1: Minimum kapitaalvereisten Voor het eerst wordt er naast het marktrisico en het kredietrisico ook rekening gehouden met het operationele risico. Wat marktrisico betreft kunnen we kort zijn aangezien er op zich aan de vereisten uit het eerste akkoord niet veel is veranderd. Er blijft dus nog steeds een minimale Cooke-ratio van 8 % van kracht. De solvabiliteitsratio voor het kredietrisico kan nu echter wel op drie verschillende manieren berekend worden. Het enige verschil tussen de verschillende methoden is de mate waarin de eigen risico-inschatting van de banken wordt gebruikt. De eerste methode is de standaardmethode die ook al gebruikt werd in het oorspronkelijke Bazel Akkoord op misschien enkele verschillen na. Dit is zonder twijfel de minst complexe vorm aangezien er gewerkt wordt met vaste risicopercentages. Vervolgens hebben we het Internal Rating Based (IRB) systeem. Banken zullen in dit systeem het kredietrisico inschatten via historische data die voor handen is. Tot slot hebben we nog de Advanced Internal Rating Based methode. Hierbij worden ook nog eens de omvang van het eventuele kredietverlies en het eigenlijke bankrisico inzake faillissement in rekening gebracht, dit naast de kans op falen op zich uit het eerder besproken IRB. Helemaal nieuw in Bazel II is het gebruik van de incorporatie van het operationele risico. Dit is het risico dat rekening houdt met verliezen door tekortkomingen in interne procedures, falende systemen of menselijke fouten enerzijds en externe gebeurtenissen zoals onder andere inbraak en fraude anderzijds. Ook hier kunnen banken kiezen uit drie methoden om aan dit risico een waarde toe te kennen. Ten eerste hebben we de Basic Indicator methode. In deze heel eenvoudige methode wordt slechts één risico-indicator gebruikt voor de bepaling van het operationeel risico. Ten tweede is er een verfijndere versie van die standaardmethode. Deze splitst de risico-indicator op per bedrijfsonderdeel. Op die manier krijgen risicovollere bedrijfsonderdelen ook een hogere kapitaalseis voorgeschoteld. Ten

19 - 8 - derde bestaat er ook een Advanced Measurement Approach. Hiervoor maakt men gebruik van zowel interne als externe data over operationele verliezen om het operationeel risico in te schatten. Pijler 2: Supervisory Review Uit pijler 1 vloeit een bepaalde minimum kapitaalseis voort. Nu is het uiteraard noodzakelijk dat deze ook in de praktijk worden gebracht en worden opgevolgd. Vandaar dat er in dit nieuwe kapitaalakkoord een luik is opgenomen die deze problematiek behandelt. Het systeem van Supervisory Review is in feite een soort instrument van finetuning. Is het aangehouden kapitaal wel voldoende? Wordt het ook systematisch aangepast naarmate risico s veranderen? Er wordt ook uitvoerig overlegd tussen toezichthouders uit verschillende landen. Dit vooral om eventuele oneerlijke concurrentie tussen banken uit verschillende landen tegen te gaan. Deze concurrentieverschillen zouden bijvoorbeeld kunnen voorvloeien uit een verschillende aanpak van de toezichthouders zelf..tot slot is er in dit luik ook aandacht voor sommige risico s die nog niet in pijler 1 werden opgenomen, zoals het renterisico en de daaraan gekoppelde kapitaalseisen. Pijler 3: Marktdiscipline. De marktdiscipline is niets anders dan financiële instellingen publicatievereisten opleggen. Door deze verplichting tot openbaar maken, hoopt de Bazel Commissie dat het banken zal aanzetten om een voorzichtigere bedrijfsvoering en een adequaat risicomanagement aan te houden. Men gaat ervan uit dat instellingen die banken zelf financieren zich zullen beroepen op deze openbare documenten en zelf de banken die meer risico s nemen, afstraffen met hogere financieringskosten. Bazel II is echter verre van onbesproken. Zo kwam er al kritiek vanwege topeconoom Willem Buiter, die zei dat interne waarderingsmodellen niet geschikt zijn voor externe controle. Wat voor nut heeft een Tier-ratio wanneer banken zelf hun eigen risicowaardering mogen toepassen? Uiteindelijk kiezen banken gewoon de voor hen best uitkomende risicoratings, aangezien ze de verschillende risico s zelf mogen bepalen.

20 - 9 - Ook de waarderingsmethodes voor het kredietrisico kwam al onder vuur te liggen. Zo zou er een te groot verschil zijn tussen de maximale risicorating bij het IRB systeem en deze van de standaardbenadering. Zo zijn banken die deze laatste versie gebruiken sneller in het voordeel, aangezien zij voor eenzelfde lening minder kapitaal aan de kant moeten zetten. Aan de andere kant zullen de ondernemingen met een lage risico beoordeling ook een lagere kapitaalseis voorgeschoteld krijgen bij een op IRB gebaseerde berekening. Vooral kleine banken zijn door dit laatste feit in het nadeel. Zij hebben vaak te maken met kleine tot middelgrote ondernemingen bij wie men automatisch het risico hoger in zal schatten dan bijvoorbeeld een multinational die bij een grote bank is onder gebracht. Voor kleinere banken is de kapitaalsvereiste ook veel eerder restrictief dan bij de grotere. Studies wezen al eerder uit dat banken over het algemeen zelfs hogere ratio s aanhouden dan de verplichte 8 % van de BIS-ratio. Tot slot merken we nog op dat er vaak werd aangenomen dat Bazel II tot een hoger aantal fusies zou leiden. Er komen nu namelijk ook kapitaalssynergie in het spel. Banken die met een geavanceerd risicowaarderingssysteem werken, kunnen voordeel halen door banken over te nemen die een veel eenvoudiger systeem toepassen, door ook daar hun meer geavanceerd systeem te hanteren en zo kapitaal vrij te maken. Er doen zich onder meer ook schaalvoordelen voor, waardoor de kost van de Bazelse kapitaalsvereisten relatief gezien zwaarder zullen doorwegen bij kleinere banken die slechts over een kleine portefeuille beschikken Op weg naar een Bazel III Kapitaalakkoord? Door de financiële crisis wordt er ondertussen druk gefluisterd dat er zou gewerkt worden aan een nieuw akkoord om een dergelijke zware crisis te voorkomen. Zo zouden de kapitaalseisen in de toekomst nog moeten verstrengen. Ondertussen wordt er ook daar al behoorlijk onzeker op gereageerd. Zo konden we gedurende dit jaar al enkele artikels lezen in De Tijd aangaande deze materie. In het artikel Strengere normen voor banken bedreigen handel uit De Tijd van 4 maart 2010 uitte een bezorgde Marc Auboin al zijn ongerustheid. Deze specialist handelsfinanciering van de Wereldhandelsorganisatie WHO waarschuwt dat strengere kapitaalseisen de kostprijs van kredietsinstrumenten wel eens de hoogte

21 in zou kunnen jagen. Daardoor zullen ze minder beschikbaar worden en zullen ze de wereldhandel ook vertragen. Ook Febelfin, de beroepsfederatie van de Belgische financiële sector, is bezorgd om de nieuwe regelgeving die worden uitgewerkt. In het artikel in de Tijd van 17 april met als titel: Febelfin bezorgd over nieuwe regels van Bazelcomité voor de banken doen zij hun bezorgdheid uit de doeken. Zij vinden namelijk dat de regels in ieder geval grondig moeten getest worden alvorens ze worden ingevoerd. Verder moet de invoering ook in fasen gebeuren en dit voor de hele wereld om concurrentievervalsing tegen te gaan. Ongetwijfeld zal dit nog vervolgd worden de komende jaren. De financiële crisis heeft al veel stof doen opwaaien en zorgde voor een gevoel van wantrouwen ten overstaan van de banksector. Op zijn beurt zal dit wantrouwen leiden tot een nieuwe serie regelgeving die nog strenger zal moeten worden dan de huidige Bazel II regels

22 DYNAMISCHE AANPASSING EN DE TRADE-OFF THEORIE 2.1 Overzicht van Kapitaalstructuurtheorieën Al jaren lang zijn keuzes in verband met kapitaalstructuur het middelpunt van onderzoek. Aangezien wij voor onze masterproef een analyse maken van de determinanten van de aanpassingssnelheid naar een optimale kapitaalstructuur, lijkt het ons noodzakelijk dat wij hier een achtergrond schetsen. Wanneer we het hebben over kapitaalstructuur kunnen we er niet omheen om te starten met Modigliani & Miller (1958). Nog steeds wordt er op hun drie proposities verder gebouwd, zelfs vijftig jaar later. Aansluitend vermelden we nog enkele belangrijke theorieën De Static Trade-Off Theorie We beginnen met de Trade-Off Theorie. De klassieke hypothese van deze theorie gaat helemaal terug tot Kraus & Litzenberger (1973) en is eigenlijk niets anders dan de eerste propositie van Modigliani & Miller (1963). Bedrijven worden in feite geconfronteerd met een afweging tussen opbrengsten gekoppeld aan belastingvoordelen door financiering met vreemd kapitaal enerzijds en eventuele faillissementskosten anderzijds. Door opname van schulden kan er optimaal geprofiteerd worden van de Tax Shield hetgeen de waarde van een onderneming positief beïnvloedt. Anderzijds zorgt schuldopname dan weer voor zowel directe als indirecte kosten die gepaard gaan met zorgen aangaande een eventueel faillissement. Als voorbeeld van directe faillissementskosten nemen we de wettelijke en administratieve kosten van de vereffening. Indirecte kosten hebben dan weer meer te maken met agency costs (aandeelhouders zullen ten tijde van financiële moeilijkheden een voorkeur hebben om eerder risicovolle investeringsprojecten te selecteren)(ross et al.,2002).

23 De Pecking Order Theorie Als belangrijke tegenhanger vinden we de Pecking Order Theorie. Als reactie op de populaire Trade-Off Theorie kwamen Donaldson (1961) en later ook Myers & Majluf (1984) op tot de conclusie dat managers heel anders te werk gaan dan eerst werd gesteld. Hun visie was namelijk dat een manager eerder een soort vast stappenplan volgt bij wat hij eerst aanspreekt om eventuele interessante investeringsmogelijkheden te financieren. Pas als bijvoorbeeld overgedragen winsten ontoereikend blijken te zijn, zal een onderneming opteren externe bronnen aan te spreken. Een manager wordt namelijk geconfronteerd met imperfecte informatie. Daardoor is het voor hem veiliger om eerst een beroep te doen op bekende, eigen middelen zoals overgedragen winsten. Deze visie zou onder andere een beter beeld geven van de relatie tussen winstgevendheid en schuldfinanciering. Volgens de eerder vernoemde Trade-Off Theorie zou er namelijk een positief verband moeten bestaan tussen de winstgevendheid van een onderneming en hun schuldgraad. In de praktijk is dit verband echter eerder net omgekeerd. Tot die conclusie kwamen onder andere de heren Frank en Goyal (2007) in hun workingpaper Trade-Off and Pecking Order Theories of Debt De Free Cash Flow Theorie Een andere niet onaardige theorie is de Free Cash Flow theorie van Jensen (1986). Het interessante aan die theorie is namelijk dat ook Jensen ervan uitgaat dat ondernemingen naar een bepaalde doelkapitaalstructuur werken, net als de Trade Off theorie. Volgens deze theorie gebruiken managers namelijk de free cash flow die in een bedrijf aanwezig is om nieuwe investeringsprojecten aan te gaan, maar dit hoofdzakelijk in hun eigen belang. Aldus treedt het alom bekende agency probleem op. Door middel van zijn theorie probeert Jensen nu een antwoord te vormen op deze problematiek, onder andere door de manoeuvreerruimte van het management te beperken en eventueel schulden zelfs afdwingbaar te maken. Echter slaagde hij niet volledig in zijn opzet. Er restten nog steeds problemen dat managers soms al te makkelijk negatieve NPV-projecten aan gingen wanneer de

24 waarde van de onderneming laag lag. Veel risico ging er daarmee namelijk niet gepaard voor hen. Verder bleven sommige positieve NPV-projecten links liggen voor de aandeelhouders aangezien die enkel de schuldeisers ten goede zouden komen. Deze theorie geeft ook een negatief verband weer tussen winstgevendheid en schuldgraad. Dit opnieuw in tegenstelling tot de Trade-Off theorie die uitging van een positief verband, hetgeen door de empirie vaak tegengesproken wordt. Net als de Pecking Order Theorie gaat men ervan uit dat ondernemingen met voldoende winsten eerst hun eigen overgedragen winsten zullen aanspreken. Bedrijven die eerder te kampen hebben met verliezen kunnen niet veel anders dan hun toevlucht nemen in schuldfinanciering Alternatieve theorieën Naast deze basistheorieën bestaan er uiteraard nog een hele reeks afgeleiden. Zo hebben we bijvoorbeeld de Organisational Theorie van Myers (1993) die in feite gewoon verder bouwt op de Free Cash Flow theorie van Jensen. Alleen probeert Myers ervoor te zorgen dat het agency probleem helemaal verdwijnt. Hij gaat er namelijk van uit dat, wanneer men een onderneming de vrije loop laat, managers en aandeelhouders toch dezelfde doelen nastreven. Opnieuw verklaart deze theorie de juiste negatieve invloed van winstgevendheid op de schuldgraad. Vervolgens vermelden we nog de Agency Costs en market timing. Maar omdat het bespreken van deze alternatieven ons te ver zou leiden beperken we ons tot het vernoemen van hun bestaan. Voor een korte uitleg verwijzen we graag naar een cursus Corporate Finance of het internet als bron van informatie. Hoe dan ook blijft kapitaalstructuurkeuze een punt van discussie en het lijkt ons evident dat dit nog tot genoeg toekomstig onderzoek zal leiden.

25 De Dynamische Trade-Off Theorie Voor onze masterproef moeten we uitgaan van een dynamische vorm van de Trade-Off Theorie. Deze stelt namelijk dat een onderneming, in ons geval een financiële instelling, een bepaalde doelkapitaalstructuur voor ogen heeft. Aangezien wij ons bezig houden met de determinanten van de aanpassingssnelheid naar deze doelschuldgraad is het voor ons uiteraard noodzakelijk dat er zoiets als een optimale kapitaalstructuur bestaat. Nadat banken dergelijke optimale schuldgraad bepaald hebben, zullen ze dan ook stappen ondernemen om tot die ideale situatie te evolueren. Niet alleen zullen ze evolueren naar een ideale structuur, ze zullen dit ideaal ook constant aanpassen naar de huidige economische situatie. Aldus zullen ze zich, volgens Myers (1984), steeds dynamisch aanpassen naarmate er tijd verstrijkt. Het bestaan van een doelkapitaalstructuur zou dus in feite de Trade-Off Theorie bevestigen. Uiteraard is er dus al behoorlijk wat onderzoek naar geleverd. Zo konden Elsas en Florysiak (2008) reeds bevestigen dat deze weldegelijk bestond voor ondernemingen. Nog interessanter echter voor onze studie is het werk die Riet De Plus en Neal Geryl hebben verricht. In hun masterproef Determinanten van de kapitaalstructuur van financiële instellingen konden zij namelijk aantonen dat deze niet alleen bij gewone ondernemingen bestond, maar ook voor banken. Het is op hun werk dat wij verder zullen bouwen om niet alleen de determinanten van de optimale kapitaalstructuur te achterhalen, maar ook deze van de aanpassingssnelheid op zich. Ook deze is afhankelijk van vele factoren en wij zullen later achterhalen welke. Hoewel beide kapitaalstructuurtheorieën (Trade-Off en Pecking Order) uitgaan van soms zelfs conflicterende veronderstellingen, kunnen ze toch ook in harmonie worden beoefend. Onderzoek van De Haan et al (1994) voor Nederlandse ondernemingen heeft namelijk aangetoond dat de meeste ondernemingen weldegelijk een bepaalde optimale schuldgraad nastreven. Om tot die optimale structuur te komen, maken managers dan weer gebruik van de volgorderegels voor financiering uit de Pecking Order Theorie. Met dat in gedachten ondernemen ze dan stappen in de richting van die optimale toestand.

26 Een breder onderzoek van De Haag en Hinloopen (2003) toont dat beide theorieën best tegelijk empirische waarde kunnen hebben. Uiteindelijk is deze kwestie meermaals onderzocht geweest en bevestigd. Ondernemingen zouden bij hun lange termijn denken eerder gebruik maken van de Trade-Off Theorie om hun doel te bepalen, terwijl er op korte termijn vaker gebruik wordt gemaakt van Pecking Order veronderstellingen. Aldus is de Trade-Off theorie dominant bij lange termijn denken, terwijl Pecking Order dat net is op korte termijn. Voor verdere informatie hier omtrent, zie onder andere: Hovakimian et al (2001); Kayhan and Titman (2004); Remolona (1990).

27 EMPIRISCH ONDERZOEK 3.1 Inleiding De laatste decennia is er heel wat onderzoek verricht naar allerlei aspecten van de kapitaalstructuur van ondernemingen. De basis van dit onderzoek omtrent kapitaalstructuur ligt bij Modigliani & Miller (1958), die bewezen dat onder perfecte condities, de waarde van een onderneming onafhankelijk is van management beslissingen in verband met kapitaalstructuur. De laatste jaren echter is de snelheid waarmee bedrijven naar hun doelkapitaalstructuur toewerken, kortweg de aanpassingssnelheid genoemd, het zwaartepunt geworden van het onderzoek in verband met de kapitaalstructuur van ondernemingen. Vele auteurs hebben deze reeds onder de loep genomen, met verschillende resultaten tot gevolg. Hieronder zetten we enkele opmerkelijke verschillen op een rijtje. Om te beginnen bekomen Fama & French (2002) een aanpassingssnelheid van 7-18 % per jaar. Vervolgens komen we bij Flannery & Rangan (2006) waarbij deze betrekkelijk hoger ligt. Echter maken ze hier duidelijk een onderscheid tussen aanpassingssnelheid bij marktschuldgraad en deze bij boekschuldgraad. Respectievelijk bedraagt deze 35,5 % en 34,2 %. Tot slot schatten Lemmon, Roberts & Zender (2008) terug een iets lagere snelheid van aanpassing, namelijk 25 % per jaar, maar dit enkel voor boekschuldgraad. Deze verschillen hangen onder andere af van het aantal determinanten dat ze hanteren, de maatstaf die ze gebruiken voor kapitaalstructuur en tot slot van de methode om de aanpassingssnelheid te schatten. In een groot deel van de literatuur omtrent kapitaalstructuur gebruiken auteurs a static framework waar de geobserveerde schuldgraad gebruikt wordt als een schatting voor de optimale schuldgraad. Het hoofddoel van het opzetten van een schuldpolitiek binnen een bedrijf is echter niet per se het minimaliseren van de gemiddelde kapitaalkost maar eerder de onderneming voorzien van financiële flexibiliteit. Wegens onvoorziene omstandigheden of veranderingen kan een

28 onderneming immers onmogelijk steeds zijn optimale kapitaalstructuur aanhouden en kan zijn kapitaalstructuur dus tijdelijk afwijken. Het is daarom dat er de dag van vandaag veel meer gebruik wordt gemaakt van een dynamisch model om deze doelkapitaalstructuur te benaderen. Hierdoor werken ondernemingen dan stapsgewijs terug naar deze doelschuldgraad. De (doel)schuldgraad kan op verschillende manieren berekend en benaderd worden. Het valt op dat vroegere auteurs enkel de geobserveerde schuldgraad gebruikten als maatstaf voor doelkapitaalstructuur. De dag van vandaag wordt veel meer gebruik gemaakt van een dynamisch model om deze te benaderen. Hierdoor echter zullen de huidige en de optimale schuldgraad van elkaar verschillen en dit door de aanwezigheid van aanpassingskosten. Fischer, Heinkel & Zechner (1989) gebruiken de geobserveerde schuldgraad van een onderneming als een maatstaf voor de kapitaalstructuur. In een vroegere paper zeggen Jalilvand & Harris (1984) ons dat het financieel gedrag van een onderneming gekarakteriseerd wordt door partiële aanpassing naar lange termijn financiële doelen. In hun onderzoek wordt de snelheid van aanpassing beïnvloed door bedrijfsspecifieke determinanten en deze mag verschillen van bedrijf tot bedrijf en in de tijd. Shyam-Sunder & Myers (1999) en Fama & French (2000) gebruiken de actuele historische gemiddelde schuldgraad van elke onderneming als schatting voor de doelschuldgraadratio. De Miguel & Pindado (2001) maken gebruik van een totaal nieuwe methode om het dynamische van kapitaalstructuurbeslissingen beter te kunnen schatten. Ze ontwikkelden een doelaanpassingsmodel die in staat moet zijn om de schulden van een onderneming te verklaren aan de hand van de schulden in vorige periodes en aan de hand van de doelschuldgraad. Deze laatste wordt gezien als een functie van bedrijfsspecifieke karakteristieken zoals winstgevendheid, groei en tangibility van activa. Maar het belangrijkste dat deze auteurs hebben verwezenlijkt, is dat ze de doelschuldgraad hebben geëndogeniseerd. Dit zorgt ervoor dat ze de determinanten van de optimale kapitaalstructuur kunnen onderzoeken in plaats van deze van de geobserveerde kapitaalstructuur. Het is wel belangrijk te weten dat De Miguel & Pindado (2001) nog steeds de aanpassingssnelheid schatten als een constante.

29 Ook bij Rajbhandary (1997) en Vilasuso & Minkler (2001) wordt gebruik gemaakt van een dynamisch doelaanpassingsmodel om de snelheid van aanpassing te schatten. Maar ook hier moet opgemerkt worden dat ze nog steeds uitgaan van een constante aanpassingsparameter, wat niet het geval is bij Drobetz & Wanzenried (2004). Al deze papers bevatten belangrijke stappen naar betere en meer realistische tests van kapitaalstructuurtheorieën, maar hebben allemaal een belangrijk minpunt: ze vertellen ons niet welke determinanten al dan niet een invloed uitoefenen op het aanpassingsproces naar de doelschuldgraad. Banerjee, Heshmati & Wihlborg (2000) waren de eersten om de aanpassingsgraad ( ) en de doelschuldgraad tegelijkertijd te endogeniseren. Zij veronderstelden dat de aanpassingssnelheid afhankelijk was van de groeimogelijkheden, het verschil tussen huidige en optimale schuldgraad en de grootte van de onderneming. Zij konden besluiten dat ondernemingen met betere groeimogelijkheden trager naar hun optimale kapitaalstructuur toewerken en dat de aanpassingssnelheid van grotere bedrijven hoger ligt dan deze van kleinere ondernemingen. De afstand tussen de huidige en de optimale kapitaalstructuur leverde bij hen geen significante relatie op. Hackbarth, Miao & Morellec (2004) hebben een model ontwikkeld dat onderzoek doet naar macro-economische variabelen die al dan niet een invloed hebben op financiële beslissingen binnen een onderneming. Zij komen onder andere tot de conclusie dat macro-economische variabelen zowel een invloed hebben op de snelheid als op de grootte van veranderingen in de kapitaalstructuur. Zij zeggen dat bedrijven hun kapitaalstructuur meer en met kleinere hoeveelheden zullen moeten aanpassen in booms dan wanneer de economie zich bevindt in een recessie. Dit resultaat wordt ook ondersteund door Korajczyk & Levy (2003). Zij beschouwden de verhouding van de geaggregeerde niet-financiële bedrijfsschuld tot het actief van de laatste 50 jaar en kwamen tot de conclusie dat de doelschuldgraad anticyclisch is. Er is een negatieve relatie tussen macroeconomische variabelen en schuldgraad. Belangrijk hier is te weten dat dit resultaat strookt met de Pecking Order Theorie maar niet consistent is met de Trade-Off Theorie.

30 In onze basispaper What determines the speed of adjustment to the target capital structure onderzoeken Drobetz & Wanzenried (2004) de determinanten van de aanpassingssnelheid voor Zwitserse ondernemingen. Ze analyseren zowel bedrijfsspecifieke als macro-economische factoren die een invloed kunnen hebben op de snelheid van aanpassing. Hun bevindingen stroken met die van andere auteurs, namelijk dat snel groeiende bedrijven en ondernemingen, die verder van hun doelkapitaalstructuur verwijderd zijn, sneller naar hun doelschuldgraad toewerken. Ze tonen ook aan dat de snelheid van aanpassing ook afhankelijk is van de plaats die ze innemen in de business cycle. De snelheid van aanpassing zal hoger liggen wanneer de economische vooruitzichten gunstig zijn. 3.2 Determinanten van de doelkapitaalstructuur Micro-economische determinanten Tangibility (+) Wanneer een onderneming over meer tangible assets beschikt, heeft de kredietgever meer zekerheid op de terugbetaling van de schulden en zal de onderneming hierdoor meer schulden kunnen aangaan. Het is om deze reden dat de Trade-Off Theorie uitgaat van een positieve relatie tussen tangibility en schuldgraad. Grootte van de onderneming (+) Literatuur leert ons dat de invloed van deze variabele op de schuldgraad eveneens tweezijdig is. Enerzijds beweren Warner (1977) en Ang, Chua & McConnel (1982) dat de faillissementskosten voor kleinere ondernemingen relatief hoger zijn dan voor grotere ondernemingen. Onderzoek heeft eveneens aangewezen dat grotere ondernemingen meer variatie aanbrengen in de samenstelling van hun kapitaalstructuur, waardoor ze een stabielere cash flow gaan beschikken en de kans op faillissement dus daalt.

31 Anderzijds kan de grootte van de onderneming ook gezien worden als een waardemeter voor informatie asymmetrie tussen de onderneming en de kapitaalmarkt. Grote ondernemingen worden nauwgezetter gevolgd door waarnemers en worden meer in staat gesteld om meer informatiegevoelig kapitaal uit te geven. Hierdoor gaan grote ondernemingen over minder schuldkapitaal beschikken. Er is dus een negatieve relatie aanwezig tussen de grootte van de onderneming en de kapitaalstructuur. Dit is in lijn met de Pecking Order Theorie. Groeimogelijkheid (-) Om de groeimogelijkheid van een onderneming na te gaan wordt gebruik gemaakt van de market-to-book ratio. Het is de aandelenkoers gedeeld door de boekwaarde per aandeel. Wij berekenen deze variabele zoals in Gropp en Heider (2008), namelijk de marktwaarde van de activa gedeeld door de boekwaarde van de activa. In alle studies die we onder de loep hebben genomen heeft de market-to-book ratio een negatieve invloed op de schuldgraad. Winstgevendheid (-) Winstgevendheid is een heel belangrijke determinant wanneer we het hebben over de kapitaalstructuur van ondernemingen. Meestal wordt deze berekend als de return on assets, dit meer de rendabiliteit van het totale vermogen waarover een onderneming beschikt. Lööf (2003) gebruikt net profit als waardemeter voor winstgevendheid. In Heshmati (2001) wordt winstgevendheid gemeten door het netto inkomen te delen door het totaal der activa. In Gropp & Heider (2008) tot slot wordt winst vóór belasting en interest op de boekwaarde van de activa gebruikt als meetwaarde voor winstgevendheid. In bijna al onze studies kan dezelfde conclusie getrokken worden: hoe groter de winst van de onderneming, hoe kleiner de schuldgraad zal zijn.

32 Macro-economische determinanten Verwachte inflatie (-) Wat betreft onze eerste macro-economische variabele gaan we na of de inflatie invloed heeft op de aanpassingssnelheid. De literatuur zegt ons dat deze invloed zowel van negatieve als van positieve aard kan zijn. Wanneer we te maken hebben met een hoge inflatie volgt eruit dat er meer kosten gepaard gaan met het vastleggen van schuldfinanciering van buitenaf. Hierdoor zullen bedrijven minder gebruik maken van schuldfinanciering om naar hun optimale kapitaalstructuur toe te werken. Groei BBP (-) Onze tweede macro-economische variabele kan berekend worden als de jaarlijkse procentuele verandering van het BBP. In Gropp en Heider (2008) is de coëfficiënt van deze determinant negatief, maar niet statistisch significant. In periodes van economische vooruitgang verwachten Gropp en Heider (2008) dat de schuldgraad lager is. In De Jong, Kabir & Nguyen (2008) daarentegen, tonen de onderzoeksresultaten dat de groei van het BBP een statistisch significante en positieve invloed heeft op de kapitaalstructuur van ondernemingen. 3.3 Determinanten van de aanpassingssnelheid De determinanten van de aanpassingssnelheid die in de literatuur gebruikt worden zijn zowel van micro-economische aard (niet-bedrijfsspecifieke variabelen), als van macro-economische aard (bedrijfsspecifieke variabelen). De meeste studies in verband met de snelheid van aanpassing naar doelkapitaalstructuur gebruiken allemaal dezelfde onafhankelijke variabelen. We baseren ons vooral op de determinanten vanuit onze basispaper van Drobetz & Wanzenried (2004) en vullen deze aan met enkele macro-economische variabelen vanuit de paper The dynamic adjustment towards target capital structures of firms in transition economies van De Haas & Peeters (2004) en nog een micro-economische determinant, namelijk winstgevendheid, die gebruikt wordt door Heshmati (2001).

33 Het teken tussen haakjes wijst erop of de determinanten een positieve (+) of een negatieve (-) invloed hebben op de snelheid waarmee bedrijven naar hun doelkapitaalstructuur toewerken. Afstand tussen geobserveerde en optimale schuldgraad (+/-) Deze variabele wordt in elk onderzoek naar de snelheid van aanpassing naar doelkapitaalstructuur onderzocht (De Haas & Peeters (2004), Drobetz & wanzenried (2004), Lööf (2003), heshmati (2001)). Een groot deel van de kosten om de kapitaalstructuur te veranderen bestaat uit vaste kosten, ondernemingen zullen bijgevolg hun kapitaalstructuur enkel aanpassen als die ver genoeg verwijderd is van hun optimale schuldgraad. De afstand tussen de geobserveerde en de optimale schuldgraad kan gedefinieerd worden als volgt: DIST = LV* it LV it. Indien de aanpassingskosten hoog zijn zullen ondernemingen niet geneigd zijn om naar de kapitaalmarkt te stappen maar zullen ze eerder gebruik maken van hun dividendpolitiek om de schuldgraad aan te passen. De kosten die verbonden zijn aan een suboptimale dividendpolitiek zullen hoger zijn naarmate de absolute waarde van de afstand tussen de geobserveerde en optimale schuldgraad groter wordt. De relatie tussen de aanpassingssnelheid en de afstand tot de optimale kapitaalstructuur wordt enerzijds als negatief beschouwd indien de schuldgraad langzaamaan en eerder intern wordt aangepast via de dividendpolitiek van de onderneming. Anderzijds kan deze ook positief zijn, namelijk wanneer ondernemingen, indien de afwijking van de optimale doelkapitaalstructuur voldoende groot is, een beroep doen op externe markten om hun schuldgraad aan te passen. Groeimogelijkheid (+) Voor groeiende ondernemingen is het makkelijker om hun kapitaalstructuur te veranderen doordat ze meer keuzemogelijkheden hebben in wat betreft de samenstelling ervan en wat betreft de financieringsbronnen. Een niet-groeiende onderneming daarentegen kan enkel zijn kapitaalstructuur aanpassen door schulden te ruilen voor eigen vermogen of omgekeerd. Dit kan door de markt weliswaar gezien worden als een negatief signaal waardoor de waarde van de

34 onderneming zal dalen. Er wordt dus verwacht dat ondernemingen met veel groeipotentieel sneller naar hun doelkapitaalstructuur kunnen toewerken dan ondernemingen die weinig of geen groeimogelijkheden hebben. Grootte van de onderneming (+) Wanneer er bij de verandering van de kapitaalstructuur vaste kosten mee gepaard gaan, zullen deze kosten voor grote ondernemingen proportioneel kleiner zijn dan voor kleinere ondermeningen. Ook is het zo dat grote ondernemingen meer gegevens publiek moeten maken dan dit het geval is bij kleinere ondernemingen. Hierdoor zullen ze makkelijker toegang krijgen tot schuldfinanciering en tot de kapitaalmarkt. We verwachten dus een positieve relatie tussen aanpassingssnelheid en de grootte van de onderneming. Deze grootte wordt in de meeste onderzoeken gemeten door het natuurlijk logaritme van de totale verkopen of van de totale activa (De Jong, Kabir & Nguyen (2008), Titman & Wessels (1988), Rajan & Zingales (1995), Drobetz & Wanzenried (2004)). In Heshmati (2001) en Lööf (2003) wordt de grootte van de onderneming echter gemeten aan de hand van het aantal werknemers binnen de onderneming. 3.4 Overzicht determinanten Op de volgende bladzijde staan 2 tabellen waarin een oplijsting werd gemaakt van de gebruikte determinanten. We vermelden in de kolom ernaast hoe we ze bekomen hebben. De laatste kolom geeft weer of ze een positieve (+) of negatieve (-) invloed uitoefenen op de schuldgraad en de aanpassingssnelheid van banken. Dit op basis van verwachtingen uit de literatuurstudie. In tabel 1 vermelden we de determinanten van de schuldgraad opgesplitst in micro- en macro-economische factoren. Tabel 2 toont de gebruikte determinanten van de aanpassingssnelheid.

35 Tabel I: Determinanten van de schuldgraad en hun definities Determinant Definities Micro-economisch Invloed op de schuldgraad Tangibility Vaste activa / totale activa + Grootte Log (activa) of BW activa + Market-to-book MW activa / BW activa - Winstgevendheid Verwachte inflatie Groei BBP Netto resultaat voor belastingen en intrest / BW activa Macro-economisch Consumentenprijsindex voorspelling door EIU Jaarlijkse procentuele verandering van het BBP Tabel II: Determinanten van de aanpassingssnelheid en hun definities Afstand Determinant Definities Optimale schuldgraad schuldgraad vorige periode Invloed op de aanpassingssnelheid +/- Market-to-book MW activa / BW activa + Grootte Log (activa) of BW activa +

36 Deel II: Empirisch onderzoek 1 INLEIDING In het volgende deel geven we eerst een overzicht van de beschrijvende statistieken, zowel voor de determinanten van de doelkapitaalstructuur als voor deze van de aanpassingssnelheid. Aansluitend proberen we iets meer te zeggen over de correlaties tussen de verschillende variabelen onderling. Vervolgens zullen we onze eerste regressie analyseren, namelijk deze die ons iets meer vertelt over de doelkapitaalstructuur van de financiële instellingen. Daarna gaan we de regressie bespreken die de snelheid van aanpassing bepaalt en als afsluiter controleren we de robuustheid van onze bekomen resultaten door de macroeconomische variabelen, inflatie en groei BBP, toe te voegen aan onze regressie. Aangezien wij in onze studie te maken hebben met dated paneldata zullen we onze toevlucht moeten nemen tot Eviews. Dit econometrisch analyse programma weet wel raad met dit soort data, dit in tegenstelling tot bijvoorbeeld SPSS. Onze studie zal een cross sectioneel onderzoek worden van informatie over 198 verschillende Europese financiële instellingen en dit voor een tijdreeksanalyse over een periode van 8 jaar, namelijk van 2001 tot en met We zullen gebruik maken van een OLS schatting, dit in tegenstelling tot verschillende papers die gebruik maken van System GMM. Echter gaat dit laatste ons kunnen te boven, maar willen we de lezer er toch op wijzen dat de resultaten bekomen met deze laatstgenoemde methode betrouwbaarder zullen zijn.

37 DATA De gegevens voor onze econometrische studie haalden we uit de Bankscope database van Bureau van Dijk. Het inflatiecijfer en BBP per land haalden we dan weer van de website Eurostat. Op basis van deze gegevens konden we eigenhandig de verschillende variabelen berekenen. Onze steekproef is gebaseerd op commerciële banken en financiële holdings uit de huidige 27 Europese landen. Oorspronkelijke startten we met 321 financiële instellingen. Door een tekort aan gegevens hebben we echter meerdere banken moeten schrappen uit onze lijst. Uiteindelijk bleven er 198 banken over uit 26 landen. We beschouwden deze data voor een tijdspanne van 8 jaar, namelijk van 2001 tot De samenstelling van deze panel data kunt u vinden in tabel III. Tabel III: Aantal banken per land Land Aantal banken Land Aantal banken België 4 Luxemburg 2 Tsjechië 3 Hongarije 2 Denemarken 41 Malta 4 Duitsland 19 Nederland 5 Estland 2 Oostenrijk 6 Ierland 5 Polen 10 Griekenland 10 Portugal 5 Spanje 16 Roemenië 2 Frankrijk 9 Slovenië 3 Italië 20 Slowakije 4 Cyprus 1 Finland 3 Letland 2 Zweden 4 Litouwen 4 Groot-Brittannië 12 Totaal aantal banken: 198

38 VARIABELEN EN HYPOTHESEN Hieronder geven we een duidelijk overzicht van elk van onze variabelen voor doelkapitaalstructuur en voor de aanpassingssnelheid. We geven kort weer welke berekeningswijze wij hanteren en of die al dan niet overeenkomt met diegene die Drobetz & Wanzenried (2004) en Lööf (2003) gebruiken. Voor elke determinant zeggen we ook iets over de verwachte relatie tussen de variabele en de aanpassingssnelheid en tussen de variabele en de doelkapitaalstructuur. 3.1 Afhankelijke variabele De schuldgraad is de afhankelijke variabele in onze studie. We kijken niet enkel naar de boekschuldgraad maar nemen ook de marktschuldgraad in beschouwing. Om de boekschuldgraad te meten hebben we het totaal aantal schulden gedeeld door het totaal der activa. Om de marktschuldgraad te bekomen hebben we de totale schulden gedeeld door de som van de totale schulden en de markt kapitalisatie. 3.2 Onafhankelijke variabelen 1. Grootte van de onderneming De grootte van de onderneming hebben wij berekend door het logaritme te nemen van de totale activa. Er wordt, zowel door de Pecking Order Theory als door de Trade-Off Theory, verwacht dat er tussen deze variabele en de schuldgraad een positieve relatie bestaat. Wat de relatie betreft tussen de grootte en de snelheid van aanpassing wordt verwacht dat grotere berdrijven meer in staat zullen zijn om sneller naar hun optimale kapitaalstructuur toe te werken.

39 Groeimogelijkheid De market-to-book ratio wordt gebruikt om deze variabele te bepalen. Om deze ratio te bekomen moet men de marktwaarde van de totale activa delen door de boekwaarde van de totale activa. Afgaand op de literatuur gaan we ervan uit dat er een negatieve relatie bestaat tussen groeimogelijkheid en schuldgraad. Tussen de groeimogelijkheid en de aanpassingssnelheid verwachten we echter wel een positieve relatie. Dit omdat het voor groeiende ondernemingen makkelijker is om de samenstelling van hun kapitaalstructuur te bepalen aangezien ze makkelijker en meer toegang zullen hebben tot externe financiering. 3. Tangibility Deze variabele is enkel van toepassing op de schuldgraad en wordt berekend als volgt: vaste activa / totale activa. De invloed van deze variabele op de doelkapitaalstructuur kan zowel van positieve als van negatieve aard zijn. 4. Winstgevendheid Ook deze variabele wordt enkel onderzocht voor haar invloed op de optimale schuldgraad. Er worden veel verschillende berekeningswijzen gehanteerd om deze variabele te berekenen. De meest gebruikte manier om winstgevendheid te bepalen is ongetwijfeld door de return on assets van de onderneming te berekenen. Wij volgen echter de berekening die Heshmati (2001) gebruikt, namelijk het netto inkomen op het totaal der activa. 5. Afstand tussen geobserveerde en optimale schuldgraad Deze determinant is enkel van toepassing op de aanpassingssnelheid. We berekenen hem als volgt: optimale schuldgraad schuldgraad vorige periode. De relatie tussen de aanpassingssnelheid en de afstand tot de optimale kapitaalstructuur wordt enerzijds als negatief beschouwd indien de schuldgraad langzaamaan en eerder intern wordt aangepast via de dividendpolitiek van de onderneming. Anderzijds kan deze ook positief zijn, namelijk wanneer ondernemingen, indien de afwijking van de optimale doelkapitaalstructuur voldoende groot is, een beroep doen op externe financiering om hun schuldgraad aan te passen.

40 Verwachte inflatie Van deze macro-economische variabele wordt aangenomen dat de relatie met de schuldgraad negatief is. Groei BBP Deze wordt berekend als de jaarlijkse procentuele verandering van het BBP. De literatuur leert ons dat we hier zowel een positieve als negatieve relatie met de schuldgraad kunnen verwachten.

41 METHODOLOGIE EN RESULTATEN 4.1 Beschrijvende statistieken In bijlage XV kan je de output van de beschrijvende statistieken bekijken. Ze toont voor elke variabele het gemiddelde, de mediaan, het maximum en het minimum, de standaardafwijking, scheefheid, Kurtosis, de Jarque-bera toets, de p-waarde van deze toets en tot slot het aantal observaties. We zullen van start gaan met de afhankelijke variabelen Boekschuldgraad en Marktschuldgraad om ons aansluitend even toe te leggen op de regressors. Boek-& Marktschuldgraad Omdat het interessant is om na te gaan of deze statistieken voor financiële instellingen overeenkomen met deze voor niet-financiële instellingen, gaan we onze resultaten vergelijken met de resultaten uit het onderzoek van Drobetz en Wanzenried (2004) enerzijds en deze van Lööf (2003) anderzijds. De eerst vernoemde auteurs hanteren echter twee methodes om de schuldgraad te meten. Enerzijds delen zij de totale schulden door het totaal der activa, anderzijds gebruiken ze de ratio interestdragende schulden op het kapitaal. Kapitaal wordt gedefinieerd als de totale schuld plus het eigen vermogen. Aangezien wij onze schuldgraad berekenen door de ratio te nemen van de totale schulden op het totaal der activa gaan wij onze resultaten vergelijken met de resultaten die zij bekwamen wanneer ze gebruik maakten van de eerste methode. Wat ons eerst en vooral opvalt, is dat boekschuldgraad en marktschuldgraad heel gelijklopend zijn, al ligt het gemiddelde voor de eerste iets hoger dan voor de tweede. Voor de boekwaarde van onze schuldgraad hebben we te maken met hogere pieken wanneer men dit vergelijkt met de marktschuldgraad. Dit kunnen we zien aan de hogere kurtosis bij boekwaarde dan bij marktwaarde. Wat betreft de scheefheid van de variabelen tot slot, valt er op te merken dat beiden een zwaardere staart hebben aan de linkerkant. Onze variabelen zijn dus met andere woorden links scheef.

42 Wanneer we de beschrijvende statistieken van onze afhankelijke variabelen gaan vergelijken met deze van D&W, komen we tot het besluit dat de gemiddelden van onze waarden, voor boekschuldgraad 92,3 % en marktschuldgraad 89,0 %, beduidend hoger liggen dan de gemiddelden die D&W rapporteerden, namelijk respectievelijk 59,2 % en 50,2 %. Hetzelfde valt te ontdekken bij de resultaten van Lööf die een boekschuldgraad vond van gemiddeld 60,2 % en een gemiddelde marktschuldgraad van 52,5 %. Het is dus duidelijk dat banken gemiddeld genomen een hogere schuldgraad aanhouden dan niet-banken. Tot dezelfde conclusie kwamen onze collega s Riet De Plus en Neal Geryl ook al in hun zoektocht naar de determinanten van de schuldgraad. Uit de Jarque-Bera toets, die nagaat of de variabele al dan niet normaal verdeeld is, kunnen we afleiden dat onze variabelen niet normaal verdeeld zijn. Deze conclusie is geldig voor zowel de boekschuldgraad als voor de marktschuldgraad. Dit kunnen we best afleiden uit de p-waarden horende bij deze Jarque-Bera toets. Voor alle variabelen constateren we een waarde ver onder 0,05 hetgeen reden geeft om de nulhypothese van de toets, namelijk dat de variabelen wel normaal zouden verdeeld zijn, te verwerpen op een 5 % significantieniveau. Meer nog we kunnen ze zelfs verwerpen op een 1 % significantieniveau. Te onderzoeken determinanten Hieronder bespreken we eerst de determinanten die zowel bij de doelkapitaalstructuur als bij de snelheid van aanpassing gebruikt worden. Wanneer we het gemiddelde van de variabele Groeimogelijkheid, gemeten als de market-to-book ratio, gaan bekijken valt meteen op dat deze lager is dan deze die D&W bekomen. Wij rapporteren namelijk 1,04 tegenover een gemiddelde van 1,50 bij de eerder vernoemde heren. Over het algemeen ligt de Market-to-book ratio voor gewone ondernemingen iets hoger dan bij financiële instellingen zoals we ook uit onze eigen cijfers kunnen afleiden. Hetzelfde scenario vinden we voor de variabelen grootte, tangibility en winstgevendheid.

43 Verder bemerken we een hele hoge kurtosis of platheid bij de variabele Winstgevendheid. Dit wijst er op dat er heel wat pieken aanwezig zijn in de gegevens. Dit is niet zo verwonderlijk als we de economische omstandigheden van de laatste jaren in rekening brengen. Ook bij Tangibility is deze vrij hoog, namelijk 22,51. Wanneer we naar de waarde van de standaardafwijking van de variabelen grootte en winstgevendheid kijken, valt meteen op dat we te maken hebben met zeer verschillende data. Net zoals Riet De Plus en Neal Geryl ons eerder voordeden in hun masterpaper, hebben ook wij onze steekproef namelijk gebaseerd op banken van zeer uiteenlopende grootte. Dit valt onder andere af te leiden uit de minimale en maximale cijfers van de variabele Grootte. Aangezien het om een natuurlijk logaritme gaat, zijn de verschillen op het eerste zicht kleiner dan ze in werkelijkheid zijn. Zo vinden we ook een eerder grote standaarddeviatie, hetgeen opnieuw wijst op behoorlijke verschillen wat omvang betreft van onze onderzochte financiële instellingen. Echter willen we er wel op wijzen dat D&W voor deze variabelen telkens een andere berekeningswijze hanteren dan de onze. Winstgevendheid meten D&W als de overbekende ROA of return on assets terwijl wij gebruik hebben gemaakt van de meetwijze van Lööf (2003) door het Net Income te pakken. Voor groeimogelijkheid gebruiken D&W de ratio book-to-market, terwijl wij deze berekenen als market-tobook zoals ons ook werd aangeraden uit de masterproef van Riet De Plus & Neal Geryl. Voor de variabele grootte van de onderneming tot slot nemen D&W de log van de totale verkopen. Wij daarentegen nemen de log van het totaal der activa. Nog een alternatief was het aantal werknemers als schatting voor deze grootte, zoals Lööf had gebruikt. 4.2 Econometrische analyse Eerst en vooral is het de bedoeling dat we de doelschuldgraad gaan schatten. Hiervoor doen we een beroep op onze eerste regressie. Hier worden enkel de micro-economische variabelen grootte, winst, market-to-book ratio en tangibility opgenomen en een dummy voor het jaar Aangezien dit het jaar van de

44 financiële crisis was, willen we bekijken of onze resultaten uitzonderlijk beïnvloed werden door dit speciale jaar. We zullen ook de robuustheid van deze resultaten onderzoeken door de macro-economische variabelen inflatie en de groei van het BBP toe te voegen aan onze regressie. Onze tweede regressie is deze die de coëfficiënten van de aanpassingssnelheid zal schatten. Ook hier gebruiken we enkel de micro-economische variabelen, namelijk: de grootte, afstand tussen de geobserveerde en de optimale kapitaalstructuur en de groeimogelijkheden van de bank. Voor beide onderzoeken hebben we naast ons basisonderzoek van de EU-27 ook extra regressies uitgevoerd voor de landen van de EU-15 en ZW-DK-UK aangezien zij handelen met een munt anders dan de Euro. De resultaten van onze eerste regressie gaan we kort vergelijken met deze uit de studie van D&W. Voor de resultaten van onze tweede regressie gaan we iets meer in detail. We vergelijken deze met de resultaten uit D&W en Lööf (2003) en gaan tot slot de resultaten van de EU-27 landen vergelijken met deze van de EU-15 en deze van ZW-DK-UK Het theoretische model We hebben twee regressies voor de boeg, namelijk een eerste regressie om tot een schatting te komen van de doelschuldgraad. Daarna zullen we deze, na enkele transformaties, gebruiken in onze tweede regressie om de determinanten van de aanpassingssnelheid te achterhalen. Het theoretische model ziet er als volgt uit: SCHULDGRAAD (i,t) = *(DOELSCHULDGRAAD (i,t) ) + (1- )*(SCHULDGRAAD (i,t-1) ) + it De factor stelt nu onze te onderzoeken snelheid van aanpassing of anders gezegd de aanpassingsgraad voor. De doelschuldgraad op zich is in deze vergelijking echter ook afhankelijk van verschillende factoren die al eens eerder getest werden door onder andere Frank & Goyal (2009) voor gewone ondernemingen en Gropp & Heider (2008) voor financiële instellingen.

45 Deze doelschuldgraad zal gemodelleerd worden aan de hand van een lineaire combinatie van factoren die vervat zullen zitten in de volgende vector: X (i,t-1). Als we dit nu invullen in onze bestaande vergelijking komen we tot het volgende resultaat: SCHULDGRAAD (i,t) = *(X (i,t-1) * ) + (1- )*(SCHULDGRAAD (i,t-1) ) + it In Eviews zullen we achtereenvolgend de volgende regressies uitvoeren: Regressie 1: Schatten doelschuldgraad SCHULDGRAAD = + 1 *GROOTTE (i,t-1) + 2 *WINST (i,t-1) + 3 *MTB (i,t-1) + 4 *TANGIBILITY (i,t-1) + 5 *DUMMY + 6 *SCHULDGRAAD (i,t-1) + c t + c c + it Hierin zullen de coëfficiënten geschat worden. De meeste aandacht zal gaan naar de 6 coëfficiënt aangezien deze een rol speelt in de snelheid van aanpassing. Deze snelheid ( ) is namelijk niets anders dan (1-6 ). Tot slot vermelden we nog de opname van de c t en c i storingtermen die respectievelijk de invloed van tijdsonafhankelijke effecten en cross-sectie effecten moeten uitbeelden. Deze regressie zullen we zowel voor de boek- als de marktschuldgraad uitvoeren en tevens een onderscheid maken tussen EU-27, EU-15 en ZW-DK-UK. Om tot de doelschuldgraad te komen uit deze regressie zullen we nog een bijkomende transformatie moeten uitvoeren. Zo moet de doelschuldgraad berekend worden aan de hand van volgende theoretische formule: DOELKAPITAAL = (FITTED (SCHULDGRAAD (i,t-1) *(1- )) / Of aangezien = 1-6 geeft dit in de praktijk: DOELKAPITAAL = (FITTED (SCHULDGRAAD (i,t-1) * 6 )) / (1-6 ) De term FITTED komt voort uit regressie 1 en stelt niets anders voor dan een schatting voor de schuldgraad aan de hand van ons model. Regressie 2: Determinanten van de snelheid van aanpassing

46 SCHULDGRAAD = + 1 *AFSTAND it + 2 *(AFSTAND*GROOTTE) it + 3 *(AFSTAND*MTB) it + it Uit deze regressie kunnen we dan besluiten of een variabele een significante invloed uitoefent op de snelheid van aanpassing. Ook dit doen we zowel voor boekals marktschuldgraad. Alsook zullen we opnieuw de vergelijking maken tussen EU- 27, EU-15 en ZW-DK-UK Regressie: Determinanten van de optimale schuldgraad De eerste regressievergelijking: SCHULDGRAAD = + 1 *GROOTTE (i,t-1) + 2 *WINST (i,t-1) + 3 *MTB (i,t-1) + 4 *TANGIBILITY (i,t-1) + 5 *DUMMY + 6 *SCHULDGRAAD (i,t-1) + c t + c c + it Tabel IV: Resultaten basisregressie (EU-27) Afhankelijke variabele Onafhankelijke variabele Boekschuldgraad Marktschuldgraad Grootte 0,025094*** -0, Winst -1,53E-13* -6,49E-13 MTB 0,034285** 0,403720*** Tangibility -0, , Dummy , ,013289*** Constante 0,416608*** 0, Aantal observaties Aangepaste R² 532 0, ,888449

47 Tabel V: Resultaten basisregressie (EU-15) Afhankelijke variabele Onafhankelijke variabele Boekschuldgraad Marktschuldgraad Grootte 0,030242*** -0, Winst -1,45E-13* -4,76E-13 MTB 0,050373* 0,248351** Tangibility -0, , Dummy , ,016261*** Constante 0,348822** 0,411031* Aantal observaties Aangepaste R² 434 0, , Tabel VI: Resultaten basisregressie (ZW-DK-UK) Afhankelijke variabele Onafhankelijke variabele Boekschuldgraad Marktschuldgraad Grootte 0,031485*** -0,091377** Winst -2,19E-14-3,79E-13 MTB 0,071018*** 0,512334** Tangibility -0, , Dummy , ,022437*** Constante 0,368920*** 0, Aantal observaties Aangepaste R² 175 0, , In bovenstaande tabellen IV, V en VI vinden we de coëfficiënten, zowel voor boekschuldgraad als voor marktschuldgraad, van de variabelen van de doelkapitaalstructuur van de landen van de EU-27 landen, de EU-15 en van ZW- DK-UK. Eerst gaan we de coëfficiënten van de boekschuldgraad onder de loep nemen. Het aantal observaties bij deze regressie bedraagt 906.

48 Algemeen We kunnen besluiten dat ons regressiemodel statistisch significant is aangezien de F-statistiek een p-waarde van 0,000 heeft, zowel voor de boekwaarde als voor de marktwaarde van de schuldgraad. De nulhypothese dat alle coëfficiënten een waarde nul zouden hebben wordt dus verworpen op het 1% significantieniveau. Om dit stukje af te sluiten gaan we het hebben over de determinatiecoëfficiënt R². Deze vertelt ons iets over hoe de variabelen de totale variantie van de regressie verklaren. Bij de eerste regressie, dat waar boekschuldgraad de responsvariabele is, hebben we een aangepaste R² van 93% en bij de tweede, dat waar marktschuldgraad de responsvariabele is, vinden we een aangepaste R² van 89%. Dit wijst er dus op dat beide modellen de variabelen heel goed fitten. Boekschuldgraad 1. Grootte Het teken van de variabele grootte bij de landen van de EU-27 is, zoals verwacht, positief en significant. Dit is eveneens het geval bij de landen van de EU-15 en ZW- DK-UK. Dit wijst erop dat grotere banken meer schulden zullen aangaan dan kleinere banken. Dit is volledig consistent met de literatuur. 2. Winstgevendheid Voor de coëfficiënten van de variabele winst bekomen we voor alle drie de clusters negatieve tekens. Bovendien is deze determinant bij geen van de drie significant. Dit resultaat is opmerkelijk aangezien er voor deze variabele bij de meeste auteurs wel degelijk een significante positieve relatie bestaat met de schuldgraad. 3. Groeimogelijkheid Het teken van market-to-book is voor de EU-27, EU-15 en ZW-DK-UK positief. Enkel voor de landen van de EU-15 is deze variabele niet significant. Voor de EU-27 en ZW-DK-UK geldt dus dat banken met grotere groeimogelijkheden meer

49 schuldkapitaal zullen aangaan. Dit is dus in strijd met onze hypothese, maar wel consistent met het onderzoek van Riet De Plus & Neal Geryl (2009). 4. Tangibility Deze variabele wordt niet opgenomen in het onderzoek van Gropp & Heider (2008) en eveneens niet in de studie van Riet De Plus & Neal Geryl (2009), maar wordt wel als belangrijk beschouwd door Drobetz & Wanzenried (2004) en Lööf (2003). Het teken van de coëfficiënt van deze variabele is negatief, zowel voor de landen van de EU-27, de EU-15 en ZW-DK-UK. Voor alle drie is deze determinant tevens niet significant. 5. Dummy 2008 De laatste bedrijfsspecifieke determinant die we gaan bekijken is de dummy variabele voor het jaar Deze is negatief voor de landen van de EU-27 en de EU-15 en positief voor ZW-DK-UK, maar voor geen van de drie significant. Marktschuldgraad 1. Grootte Voor deze variabele vinden we bij de landen van de EU-27 en die van de EU-15 geen significant resultaat. Voor ZW-DK-UK echter vinden we echter een negatieve coëfficiënt. Bovendien is deze determinant hier weldegelijk significant.. Dit is tegenstellend aan de resultaten die we vinden bij de boekwaarde van de schuldgraad. We blijven echter wel in het spoor van Riet De Plus & Neal Geryl (2009). 2. Winstgevendheid De tekens van de coëfficiënten van deze variabele zijn net zoals bij de boekwaarde van de schuldgraad negatief. Bovendien is winstgevendheid voor geen van de drie clusters van landen significant. Zoals eerder vermeld is dit resultaat opmerkelijk. We kunnen anderzijds wel concluderen dat banken niet reageren zoals een gewone

50 onderneming. Dat banken speciaal zijn ondervonden ook Riet De Plus & Neal Geryl toen zij dit onderzoek al voor deden. Ook zij vonden geen significante coëfficiënten voor de winstgevendheid. 3. Groeimogelijkheid Het teken van market-to-book is voor de EU-27, EU-15 en ZW-DK-UK positief. De variabele is overal significant. Dit is niet in lijn met de resultaten die Riet De Plus & Neal Geryl bekomen. Zij bekomen immers een negatief teken voor de coëfficiënt van market-to-book wanneer de marktwaarde van de schuldgraad als responsvariabele gebruikt wordt, maar hun coëfficiënt had geen significante economische waarde in hun regressie. 4. Tangibility Het teken van de coëfficiënt van deze variabele is enkel positief voor ZW-DK-UK. Voor alle drie is deze determinant tevens duidelijk niet significant. Voor banken speelt Tangibility dus geen rol van betekenis bij de bepaling van de doelschuldgraad. Lööf (2003) vond ook al conflicterende resultaten. Zo verwachtte hij een positieve relatie, maar vond hij 1 maal een negatieve significante relatie, 1 maal een positieve significante relatie en voor Zweden vond hij zelfs geen enkel significant bewijs dat Tangibility een invloed zou hebben op de kapitaalstructuur van ondernemingen. 5. Dummy 2008 Het meest opmerkelijke verschil vinden we bij deze variabele. Terwijl deze determinant bij de regressievergelijking met de boekschuldgraad als afhankelijke variabele nergens significant is, is deze hier, wanneer we de marktschuldgraad als afhankelijke variabele nemen, overal positief en heel duidelijk significant. Dit wijst erop dat het jaar 2008, gekenmerkt als crisisjaar, wel degelijk een invloed heeft op onze resultaten. We kunnen er niet om heen dat dat jaar een blijvende invloed heeft gehad op de kapitaalstructuur. Daardoor kunnen we ook niet anders dan er rekening mee te houden dat dit een verklaring zou kunnen zijn voor eventuele verschillen met de studie van Riet De Plus & Neal Geryl.

51 Regressies aanpassingssnelheid Tabel VII: Resultaten regressie SVA (EU-27) Afhankelijke variabele Onafhankelijke variabele Boekschuldgraad Marktschuldgraad Constante 0,001390** 0,018741*** Afstand -0,591851** -0,547615*** Grootte -0, ,023002*** MTB 0,686522*** 0,715241*** Aantal observaties Aangepaste R² 525 0, , Tabel VIII: Resultaten regressie SVA (EU-15) Afhankelijke variabele Onafhankelijke variabele Boekschuldgraad Marktschuldgraad Constante 0,464151*** 0, Afstand 0,415166*** -0, Grootte -0,010449*** -0, MTB -0,016968*** 0,298968** Aantal observaties Aangepaste R² 432 0, , Tabel IX: Resultaten regressie SVA (ZW-DK-UK) Afhankelijke variabele Onafhankelijke variabele Boekschuldgraad Marktschuldgraad Constante 0,002164** 0, Afstand 0,917206** -0, Grootte -0,053256*** -0,003972* MTB -0, , Aantal observaties Aangepaste R² 175 0, ,115740

52 In tabel VII,VIII en IX vinden we de resultaten van de regressie die de coëfficiënten van de aanpassingssnelheid schat voor de landen van de EU-27, EU- 15 en ZW-DK-UK, dit zowel voor de boekwaarde van de schuldgraad als voor de marktwaarde. We kunnen zeggen dat al deze regressiemodellen statistisch significant zijn aangezien ze een p-waarde van 0,000 hebben. Concreet gaat het hier over een hypothesetest met als nulhypothese dat geen van alle coëfficiënten significant verschilt van 0, met andere woorden dat het totale model geen verklarende waarde heeft. Aangezien we telkens een extreem kleine p-waarde vast stellen mogen we concluderen dat deze nulhypothese dan ook mag worden verworpen. Hieronder bespreken we eerst elke variabele afzonderlijk. We vergelijken daarbij de resultaten van de drie regressies onderling en daarna met de resultaten bekomen door Lööf (2003) en D&W (2004), dit zowel voor de boek- als voor de marktschuldgraad. Boekschuldgraad 1. Afstand Eerst bekijken we de resultaten van de EU-27. De coëfficiënt van de variabele afstand heeft een negatief teken en is significant, wat er dus op wijst dat het voordeliger is voor een bank om met relatief kleine aanpassingen naar de optimale kapitaalstructuur toe te werken. Een kleine aanpassing naar de doelkapitaalstructuur toe, kan immers gezien worden als een normale gang van zaken binnen een financiële instelling. Wanneer men echter met grote hoeveelheden tegelijkertijd naar de optimale kapitaalstructuur toewerkt, zal men nieuwe zekerheden aangaan. Dit komt overeen met de resultaten uit Lööf (2003), althans voor wat betreft het Verenigd Koninkrijk. Wanneer we echter kijken naar de resultaten van ZW-DK-UK valt op dat de variabele afstand hier een positieve en significante coëfficiënt heeft. Dit is ook het geval bij de landen van de EU-15. Ook Lööf stelde vast dat er significante verschillen bestonden tussen landen onderling. Wij vermoeden dan ook

53 dat de landen mix behoorlijk wat invloed kan hebben op de resultaten. Uit papers als Institutional Determinants of Capital Structure Adjustment Speeds van Özde Öztekin en Mark J. Flannery, blijkt zo bijvoorbeeld dat zelfs het wettelijke systeem van een land invloed kan hebben op de aanpassingssnelheid. 2. Grootte Voor de EU-27 is de coëfficiënt van de variabele grootte lichtjes negatief maar duidelijk niet statistisch significant. Voor de landen ZW-DK-UK vinden we ook een negatieve coëfficiënt maar deze keer is hij wel degelijk significant, evenzo bij de landen van de EU-15. Dit wijst erop dat kleine banken binnen deze landen meer aandacht geven aan hun kapitaalstructuur dan dat grote banken dit doen. Met andere woorden zullen grotere banken trager aanpassen naar hun optimale doelschuldgraad dan dat kleine banken dat doen. Dit is tegenstellend aan onze hypothese. Zoals we in de inleiding al besproken hebben in het stuk over de Bazel akkoorden is het zo dat de kapitaalseisen zwaarder doorwegen voor de kleine banken. Dit zou een reden kunnen zijn dat deze kleine instellingen dan ook eerder geneigd zijn om snel naar hun optimale structuur te evolueren. 3. Groeimogelijkheid Voor wat betreft de EU-27 is deze determinant heel positief en significant. Dit zegt ons dus dat banken die veel groeimogelijkheden hebben sneller naar hun optimale kapitaalstructuur zullen toewerken dan banken die weinig of geen groeimogelijkheden hebben. Dit is volledig in lijn met onze verwachtingen. Voor de landen ZW-DK-UK is de coëfficiënt van deze variabele echter negatief en niet statistisch significant. Voor de EU-15 vinden we een negatieve en significante coëfficiënt. Dit is in strijd met onze hypothese. Echter kunnen we wel opmerken dat de resultaten voor EU-15 wel in de lijn liggen van deze die Lööf vond in zijn onderzoek bij normale ondernemingen. Zowel voor bedrijven uit U.K. als bedrijven uit de U.S. kwam hij tot significante en negatieve coëfficiënten.

54 Marktschuldgraad In de meeste onderzoeken werd enkel de snelheid van aanpassing naar de boekschuldgraad beschouwd, aldus begeven we ons hier meer onbekend terrein. Aangezien we echter voor de optimale kapitaalstructuur rekening hebben gehouden met beide variabelen leek het ons opportuun om dat ook hier te doen. 1. Afstand Net zoals bij boekwaarde van de schuldgraad is deze variabele negatief en significant. Deze significantie geldt echter enkel voor de landen van de EU-27, niet voor ZW-DK-UK en de EU-15. Met andere woorden zullen banken uit de EU-27 die nog ver van hun optimale structuur af zitten, trager naar die optimale situatie zullen evolueren. Dit strookt uiteraard niet met onze hypothese aangezien we net verwachten dat de aanmoediging om naar hun optimale te evolueren voor deze banken net groter zou moeten zijn. 2. Grootte Voor de EU-27 is de coëfficiënt van de variabele grootte negatief en significant. Dit laatste was niet het geval bij boekschuldgraad. Voor marktschuldgraad is de coëfficiënt van grootte ook groter dan voor boekschuldgraad. Voor de landen ZW- DK-UK en de EU-15 vinden we ook een negatieve coëfficiënt maar deze is nu niet significant, wat bij boekschuldgraad wel het geval was. 3. Groeimogelijkheid Voor wat betreft de variabele groei vinden we voor de landen van de EU-27, net zoals bij boekschuldgraad, een positieve en significante relatie tussen groei en aanpassingssnelheid. Financiële instellingen met groeipotentieel zijn dus in staat om sneller naar hun doelkapitaalstructuur toe te werken dan banken met weinig of geen groeimogelijkheden. Voor ZW-DK-UK en de EU-15 is de coëfficiënt van de variabele groei bij de marktwaarde van de schuldgraad, in tegenstelling tot die bij de boekwaarde, positief. Ze heeft echter wel enkel een significante invloed bij de landen van de EU-15.

55 Robuustheidtesten In dit deel gaan we na of er veel verandering optreedt in onze resultaten wanneer we de macro-economische variabelen verwachte inflatie en groei van het BBP toevoegen aan onze regressievergelijking. We doen dit echter enkel voor de eerste regressie en dit enkel voor de landen van de EU-27. Zoals we reeds konden lezen in het overzicht van onze determinanten wordt verwacht dat de verwachte inflatie een positieve invloed zal hebben op de schuldgraad en de groei van het BBP een negatieve. Eerst gaan we de variabele inflatie toevoegen aan de regressie: SCHULDGRAAD = + 1 *GROOTTE (i,t-1) + 2 *WINST (i,t-1) + 3 *MTB (i,t-1) + 4 *TANGIBILITY (i,t-1) + 5 *DUMMY + 6 *SCHULDGRAAD (i,t-1) + 7 *INFLATIE (i,t-1) + c t + c c + it Wanneer we de resultaten voor de regressie waar de boekwaarde van de schuldgraad als afhankelijke variabele wordt genomen bekijken, merken we op dat deze variabele significant is, doch geen invloed heeft op de tekens en waarde van de coëfficiënten van de andere variabelen. We kunnen dus besluiten dat de verwachte inflatie hier wel degelijk een positieve invloed heeft op de schuldgraad van de financiële instelling. Wanneer we nu de regressie met marktwaarde van de schuldgraad als afhankelijke variabele bestuderen bekomen we geen significant resultaat voor de inflatie. We voegen ook de tweede macro-economische variabele, namelijk groei BBP toe: SCHULDGRAAD = + 1 *GROOTTE (i,t-1) + 2 *WINST (i,t-1) + 3 *MTB (i,t-1) + 4 *TANGIBILITY (i,t-1) + 5 *DUMMY + 6 *SCHULDGRAAD (i,t-1) + 7 *INFLATIE (i,t-1) + 7 *BBP (i,t-1) + c t + c c + it Eerst kijken we naar de regressievergelijking waar de boekschuldgraad de afhankelijke variabele is. Hier merken we op dat BBP een negatief teken heeft maar niet significant is. De verwachte inflatie is echter wel significant. Kijken we nu naar de marktwaarde van de schuldgraad dan kunnen we besluiten dat noch inflatie, noch BBP een significante invloed heeft op de schuldgraad van de financiële instelling.

56 BESLUIT Voor ons onderzoek hebben we gegevens verzameld van198 financiële instellingen uit de EU-27. Eerst en vooral onderzochten we de kapitaalstructuur van deze banken. Vervolgens gingen we na welke de determinanten waren van de snelheid waarmee deze banken naar hun optimale kapitaalstructuur toewerken. Voor elk van de variabelen van de optimale kapitaalstructuur vergeleken we onze resultaten met deze uit de studie van Riet De Plus en Neal Geryl (2009). Voor wat betreft onze resultaten van de variabelen van de snelheid van aanpassing gingen we na of deze stroken met Drobetz en Wanzenried (2004) en Lööf (2003). We analyseerden eerst de beschrijvende statistieken van onze determinanten. Hieruit viel af te leiden dat zowel de boekschuldgraad als de marktschuldgraad bij financiële instellingen veel hoger liggen dan bij niet-financiële ondernemingen. Om na te gaan welke determinanten een al dan niet significante invloed hebben op deze hogere schuldgraad maakten we gebruik van het econometrisch programma Eviews. Voor de boekschuldgraad is de grootte positief en significant, en dit voor zowel de landen uit de EU-27, uit de EU-15 en voor de landen ZW-DK-UK. Dit is echter niet het geval bij de marktwaarde van de schuldgraad. Daar is grootte enkel significant en bovendien negatief voor ZW-DK-UK. Zowel voor boek- als voor marktschuldgraad zijn onze resultaten wat betreft deze variabele consistent met die uit de studie van Riet De Plus en Neal Geryl (2009). Voor de variabele winstgevendheid hebben de coëfficiënten allemaal negatieve tekens en bekomen we enkel niet-significante resultaten. Dit is heel tegenstellend aan vorig onderzoek. De variabele die zowel de boekwaarde als de marktwaarde van de schuldgraad het sterkst bepaald is de groeimogelijkheid, gemeten als de market-to-book ratio. We bekomen voor allebei de benaderingen van de schuldgraad positieve tekens. Bovendien is deze variabele enkel niet significant voor de boekschuldgraad van de EU-15 landen. Dit is dus in strijd met onze hypothese. Om de robuustheid van deze resultaten te achterhalen voegden we aan deze regressie twee macro-economische variabelen toe, namelijk de verwachte inflatie en de groei van het BBP. Wanneer we inflatie toevoegden aan de regressie waar de boekschuldgraad de afhankelijke variabele is, konden we besluiten dat inflatie een

57 positieve invloed heeft op de schuldgraad van de financiële instelling. Dit is trouwens niet het geval voor de marktwaarde van de schuldgraad. Wanneer we dan ook BBP toevoegden aan de regressie veranderde er niets aan de tekens van de coëfficiënten en bovendien vertoonde deze variabele, noch voor boekschuldgraad, noch voor marktschuldgraad significante tekens. Onze tweede regressie behandelt de determinanten van de snelheid waarmee financiële instellingen naar een doelkapitaal toewerken. Voor onze variabele afstand vinden we voor de landen uit de EU-27 een negatieve en significante relatie en dit zowel voor boek- als voor marktschuldgraad. Voor de landen uit de EU-15 en voor ZW-DK-UK is deze positief voor de boekwaarde van de schuldgraad en negatief voor de marktwaarde van de schuldgraad. Deze zijn echter wel niet significant. Wanneer we naar de variabele grootte kijken bekomen we resultaten die tegenstellend zijn aan onze hypothese. We besluiten dat kleinere banken sneller naar hun doelkapitaalstructuur zullen toewerken dan grote banken dit doen. Ook in het onderzoek naar de determinanten van de snelheid van aanpassing is de market-to-book ratio onze meest bepalende determinant. Voor deze variabele vinden we voor wat betreft de landen uit de EU-27 een positieve en significante relatie en dit zowel voor boek- als marktschuldgraad. Dit resultaat voldoet aan onze verwachtingen. Voor de landen van de EU-15 daarentegen kunnen we net het omgekeerde besluiten, negatief en significant. Dit resultaat ligt echter wel in lijn met wat Lööf vond voor niet-financiële instellingen. Zowel voor bedrijven uit U.K. als bedrijven uit de U.S. kwam hij tot significante en negatieve coëfficiënten.

58 Algemene conclusie Banken als specifiek onderwerp van studie, het blijft een uitzondering in de wetenschappelijke literatuur. Al komt er daar de eerstvolgende jaren wellicht verandering in aangezien de hele wereld nog de naweeën voelt van de grote kredietcrisis. Wij hebben deze crisis slechts benaderd door in onze cijfers na te gaan of je ook de invloed ervan weerspiegeld ziet in de cijfers van De conclusie was, dat men de impact malaise zeker niet mag onder kennen. Het was onze bedoeling om verder te bouwen op de masterproef van Riet De Plus & Neal Geryl van Dit onderzoek besloeg de determinanten van de kapitaalstructuur en gaf een schatting van de snelheid van aanpassing. Maar wat bepaalt deze snelheid van aanpassing zelf en zijn er verschillen te ontdekken als men met andere landen werkt? Op deze twee vragen hebben wij een antwoord geformuleerd in onze eigen masterproef. Banken gedragen zich anders, ze zijn onderhevig aan andere economische wetten. De banksector is ongetwijfeld één van de meest gereguleerde sectoren in de wereldeconomie. Ze moeten voldoen aan een batterij van bepalingen en minimumvereisten. Zoals we al verwoorden in onze inleiding zijn er bijvoorbeeld de Bazel akkoorden. Deze zorgden er al voor dat financiële instellingen een streng bepaalde buffer moeten aanhouden. Meer nog, ze zorgden gaandeweg voor een heus supervisiesysteem om de operaties van banken binnen de perken te houden. Dit supervisie orgaan heeft echter tot op heden nog steeds geen echt wettelijk bindende kracht, het is aan de lokale overheden van de lidstaten van de Bazel Commissie om de wettelijke kant van de zaak vast te leggen. Toch kon dit alles de financiële crisis niet vermijden. De opgestelde minimum buffers voldeden niet in deze barre omstandigheden en de wereld tuimelde in een economische nachtmerrie. Ondertussen wordt er al een geruime tijd gesleuteld aan een nieuw, strenger Bazelakkoord. Wanneer dit Bazel III akkoord het daglicht zal zien is nog niet geweten, maar er wordt alvast duchtig gespeculeerd over de impact van de nieuwe regulaties. Ongetwijfeld

59 zullen latere studies omtrent dit onderwerp rekening moeten houden met veranderde, mogelijks verstrengde, serie aan kapitaalseisen. Men zal een goed evenwicht moeten vinden in deze regelgeving aangezien ze de bankwereld ook niet mogen verstikken in, op termijn, onhoudbare kapitaalsvoorschriften. Het worden nog drukke en eventueel verontrustende tijden voor elk één die banken nauw aan het hart houdt! Niet alleen de economische omgeving hebben we belicht, ook de theoretische kant hebben we bekeken. Zo bestaan er verschillende theorieën die ontwikkeld werden als leidraad voor het bestuur van een onderneming bij hun keuze van kapitaalstructuur. De twee belangrijkste voor onderzoek waren de Trade-Off theorie en de Pecking Order theorie. De eerste gaat uit dat een onderneming of bank een bepaald optimaal doel voor ogen heeft en dus ook zijn best zal doen om daar naar te evolueren. De Pecking Order theorie daarentegen geeft een geheel andere visie. Hier wordt namelijk geen doeschuldgraad voorop gesteld, maar gaat men er eerder vanuit dat men een bepaalde volgorde aanhoudt bij de keuze van financiering. Beide theorieën lijken lijnrecht tegenover elkaar te staan, maar toch kunnen ze in elkaar geïntegreerd worden. Wij zullen namelijk uitgaan van een dynamische vorm van de Trade-Off theorie. Niet alleen zal een onderneming, in ons geval een bank, een bepaalde doelschuldgraad voor zichzelf opstellen, het bestuur zal ook stappen ondernemen om deze doeschuldgraad aan te passen naarmate de economische omgeving wijzigt. We krijgen dus een dubbele aanpassing waardoor we er de term dynamisch kunnen op plakken. Banken zullen dus poging doen om naar hun ideaal te evolueren terwijl dit ideaal mee aangepast wordt aan het huidige, soms nieuwe economische landschap. Voor wat betreft onze eerste regressie, hebben we ons hoofdzakelijk gebaseerd op het onderzoek van Riet De Plus en Neal Geryl. Voor de determinanten van de optimale kapitaalstructuur hebben we hoofdzakelijk beroep gedaan op Lööf (2003) en Drobetz en Wanzenried (2004). We onderzochten welke determinanten al dan

60 niet een invloed hebben op de doelkapitaalstrcuur en splitsten deze landen op in drie clusters, EU-27, EU-15 en ZW-DK-UK. Het viel ons op dat het vooral de market-to-book ratio was die de grootste invloed had op de schuldgraad van deze landen. Dit resultaat is echter tegenstellend aan onze hypothese maar ligt wel in lijn met wat Riet De Plus en Neal Geryl vonden. De variabele die ons het meest verast heeft is winstgevendheid. Hier vonden we geen significante resultaten voor, wat duidelijk niet consistent is met de literatuur. Tot slot, de dummy voor het jaar 2008 is enkel significant voor de marktschuldgraad. Dit crisisjaar heeft dus duidelijk zijn invloed gehad op de schuldgraad van financiële instellingen. Dit alles was een aanloop naar de basis van onze masterproef, namelijk het onderzoeken van de determinanten van de snelheid waarmee banken naar een doelkapitaal toewerken. We maakten gebruik van volgende variabelen: Afstand tussen optimale en huidige schuldgraad, grootte van de onderneming en tot slot de groeimogelijkheden van de bank. Voor deze variabelen baseerden we ons voornamelijk op Lööf (2003). We onderzochten deze determinanten zowel voor de boekwaarde van de schuldgraad, als voor de marktwaarde van de schuldgraad. De resultaten die we vonden waren zeer uiteenlopend. De determinant die ook hier de grootste invloed uitoefent, zijn eveneens de groeimogelijkheden, gemeten als de market-to-book ratio. Deze variabele vertoont significante tekens voor zowel de landen uit de EU-27 als voor diegene uit de EU-15. Voor ZW-DK-UK is dit echter niet het geval. Wij konden dan wel al even een beetje proeven van de impact van de financiële crisis, we vermoeden dat de ravage pas echt duidelijk zal worden eens men vlot onderzoek kan doen met cijfers van in de steekproef opgenomen. Dat de financiële crisis de bankwereld waarschijnlijk voorgoed zal hebben veranderd, lijkt ons duidelijk. Met nieuwe veranderingen in regelgeving die op til zijn met Bazel III kan alles weer op zn kop gezet worden en wordt het weer afwachten wat de nieuwe kapitaalseisen teweeg zullen brengen. Kortom, ruimte genoeg voor nieuwe onderzoeken in de toekomst om deze materie ten gronde uit de doeken te doen

61 IX Literatuurlijst BANJEREE, S., HESHMATI, A., WIHLBORG, C. (2000), The Dynamics of Capital Structure, Working Paper No. 2000:2 Bazel II heeft grote impact op kapitaal en werking van banken. De Financieel Economische Tijd, jg. 34, 2 november 2001, < l_en_werking_van_banken art?highlight=bazel%20akkoord> Bazel II, het nieuwe kapitaalakkoord voor banken. < Bazel II: Implicaties voor Nederland. < BERGER, A.N., DE YOUNG, R., FLANNERY, M.J., LEE, D. en ÖZTEKIN, Ö. (2008), How do large banking organizations manage their capital ratios?, Working paper, SSRN: < DE MIGUEL, A., PINDADO, J. (2001), Determinants of the Capital Structure: New Evidence from Spanish Data, Journal of Corporate Finance 7, pp DE PLUS, R., GERYL, N. (2009), Determinanten van de kapitaalstructuur van financiële instellingen DONALDSON, G. (1961), Corporate Debt Capacity: A Study of Corporate Debt Policy and the Determination of Corporate Debt Capacity. Harvard Business School, Division of Research, Harvard University, Boston, MA DROBETZ, W., WANZENRIED, G. (2004), What Determines the Speed of Adjustment to the Target Capital Structure?, URL: < FAULKENDER, M., FLANNERY, M.J., HANKINS, K.W., SMITH, J.M. (2010), Transaction Costs and Capital Structure Adjustments, working paper, SSRN: <

62 X Febelfin bezorgd over nieuwe regels van Bazelcomité voor de banken. De Tijd, jg. 43, nr , 17 april 2010, p. 7 FRANK, M.Z., GOYAL, V.K. (2007), Trade-Off and Pecking Order Theories of Debt, Working paper. SSRN: < GETZMANN, A., LANG, S., SPREMANN, K. (2010), Determinants of the target capital structure and adjustment speed evidence from Asian capital markets HESHMATI, A. (2001), The Dynamics of Capital Structure: Evidence from Swedish Micro and Small Firms, Research in Banking and Finance, 2, pp HOVAKIMIAN, A., OPLER, T., TITMAN, S. (2001), The debt-equity choice, Journal of Financial and Quantitative Analysis, 36, pp HUANG, R., RITTER, J.R. (2009), Testing Theories of Capital Structure and Estimating the Speed of Adjustment, Journal of finance and quantitative analysis, 44, pp JENSEN, M.C. (1986), Agency costs of free cash flow, corporate finance and takeovers, American Economic Review, nr.76, pp KAYHAN, A., TITMAN, S. (2004), Firms histories and their capital structure, mimeo, < LÖÖF, H. (2003), Dynamic Optimal Capital Structure and Technical Change, ZEW Discussion Paper No MYERS, S.C. (1984), The capital structure puzzle, Journal of Finance, 39, pp MYERS, S.C., MAJLUF, N.S. (1984), Corporate financing and investment decisions when firms have information that investors do not have, Journal of Financial Economics, 13, pp MYERS, S.C. (1993), Still searching for an optimal capital structure, Journal of Applied Corporate Finance, vol.6, pp MODIGLIANI, F., MILLER, M.H. (1963), Corporate income taxes and the cost of capital: a correction, American Economic Review, 53, pp

63 XI ÖZTEKIN, Ö., Capital Structure Decisions Around the World: Which Factors are Reliably Important?, working paper, SSRN: < RAJAN, R., ZINGALES, L. (1995), What Do We Know about Capital Structure? Some Evidence from International Data, Journal of Finance 50, RAMAN, B. (2002), Bankschulden en kapitaalstructuren REMOLONA, E.M. (1990), Understanding international differences in leverage trends, Federal Reserve Bank of New York Quarterly Review, spring issue, pp ROSS, S.A., WESTERFIELD, R.W., JAFFE, J. (2002), Corporate Finance, McGraw- Hill, New York, 6 th edition. Strengere normen voor banken bedreigen handel. De Tijd, jg. 43, nr , 4 maart 2010, p. 13 TITMAN, S., WESSELS, R. (1988), The Determinants of Capital Structure Choice, Journal of Finance 43, pp. 1-19

64 XII Bijlagen Bijlage I: Regressie 1: EU-27 BOEKSCHULDGRAAD

65 Bijlage II: Regressie 1: EU-15 BOEKSCHULDGRAAD XIII

66 Bijlage III: Regressie 1: ZW-DK-UK BOEKSCHULDGRAAD XIV

67 Bijlage IV: Regressie 1: EU-27 MARKTSCHULDGRAAD XV

68 Bijlage V: Regressie 1: EU-15 MARKTSCHULDGRAAD XVI

69 Bijlage VI: Regressie 1: ZW-DK-UK MARKTSCHULDGRAAD XVII

70 XVIII Bijlage VII: Regressie 2: Snelheid van aanpassing: EU-27 BOEKSCHULDGRAAD Bijlage VIII: Regressie 2: Snelheid van aanpassing: EU-27 MARKTSCHULDGRAAD

71 XIX Bijlage IX: Regressie 2: Snelheid van aanpassing: EU-15 BOEKSCHULDGRAAD Bijlage X: Regressie 2: Snelheid van aanpassing: EU-15 MARKTSCHULDGRAAD

72 XX Bijlage XI: Regressie 2: Snelheid van aanpassing: ZW-DK-UK BOEKSCHULDGRAAD Bijlage XII:Regressie 2: Snelheid van aanpassing:zw-dk-uk MARKTSCHULDGRAAD

73 XXI Bijlage XIII: Regressie 3: Robuustheidtest: toevoegen van de variabele inflatie BOEKSCHULDGRAAD

74 XXII Bijlage XIV: Regressie 3: Robuustheidtest: toevoegen van de variabele inflatie MARKTSCHULDGRAAD

75 XXIII Bijlage XV: Regressie 4: Robuustheidtest: toevoegen van de variabele BBP BOEKSCHULDGRAAD

76 XXIV Bijlage XVI: Regressie 4: Robuustheidtest: toevoegen van de variabele BBP MARKTSCHULDGRAAD

77 XXV Bijlage XVII: Jaarlijks gemiddelde inflatiecijfer België 2,4 1,6 1,5 1,9 2,5 2,3 1,8 4,5 Tsjechië 4,5 1,4-0,1 2,6 1,6 2,1 3 6,3 Denemarken 2,3 2,4 2 0,9 1,7 1,9 1,7 3,6 Duitsland 1,9 1,4 1 1,8 1,9 1,8 2,3 2,8 Estland 5,6 3,6 1,4 3 4,1 4,4 6,7 10,6 Ierland 4 4,7 4 2,3 2,2 2,7 2,9 3,1 Griekenland 3,7 3,9 3,4 3 3,5 3,3 3 4,2 Spanje 2,8 3,6 3,1 3,1 3,4 3,6 2,8 4,1 Frankrijk 1,8 1,9 2,2 2,3 1,9 1,9 1,6 3,2 Italië 2,3 2,6 2,8 2,3 2,2 2,2 2 3,5 Cyprus 2 2,8 4 1,9 2 2,2 2,2 4,4 Letland 2,5 2 2,9 6,2 6,9 6,6 10,1 15,3 Litouwen 1,6 0,3-1,1 1,2 2,7 3,8 5,8 11,1 Luxemburg 2,4 2,1 2,5 3,2 3,8 3 2,7 4,1 Hongarije 9,1 5,2 4,7 6,8 3,5 4 7,9 6 Malta 2,5 2,6 1,9 2,7 2,5 2,6 0,7 4,7 Nederland 5,1 3,9 2,2 1,4 1,5 1,7 1,6 2,2 Oostenrijk 2,3 1,7 1,3 2 2,1 1,7 2,2 3,2 Polen 5,3 1,9 0,7 3,6 2,2 1,3 2,6 4,2 Portugal 4,4 3,7 3,3 2,5 2,1 3 2,4 2,7 Roemenië 34,5 22,5 15,3 11,9 9,1 6,6 4,9 7,9 Slovenië 8,6 7,5 5,7 3,7 2,5 2,5 3,8 5,5 Slowakije 7,2 3,5 8,4 7,5 2,8 4,3 1,9 3,9 Finland 2,7 2 1,3 0,1 0,8 1,3 1,6 3,9 Zweden 2,7 1,9 2,3 1 0,8 1,5 1,7 3,3 Groot-Brittannië 1,2 1,3 1,4 1,3 2,1 2,3 2,3 3,6

78 XXVI Bijlage XVIII: BBP België Tsjechië Denemarken Duitsland Estland Ierland Griekenland Spanje Frankrijk Italië Cyprus Letland Litouwen Luxemburg Hongarije Malta Nederland Oostenrijk Polen Portugal Roemenië Slovenië Slowakije Finland Zweden Groot-Brittannië

79 Bijlage XIX: Beschrijvende statistieken XXVII