Auswirkungen der Leitzinssenkungen auf den europäischen Bankenmarkt


Hausarbeit, 2019

21 Seiten, Note: 1,3


Leseprobe


Inhalt

Abbildungsverzeichnis

Tabellenverzeichnis

Einleitung

Methodik

Event Zeitraum

Daten

Empirische Analyse

Signifikanztest
Bootstrapping
Kolgmogorov-Smirnov Test
Jarque-Beta Test
Wilcoxon-Signed-Rank Test
Anderson-Darling test

Ergebnisse der Verteilungstests

Ergebnisse der Signifikanztests

Zusammenfassung und Ausblick

Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1: Event Horizont Quelle: (Mckinlay (1997), S. 20)

Abbildung 2: CAPM gegen empirische Renditen (Quelle: Eigene Darstellung)

Abbildung 3 AARs (Quelle: Eigene Darstellung)

Abbildung 4: CAARs (Quelle: Eigene Darstellung

Tabellenverzeichnis

Tabelle 1Verteilungstests (Quelle: Eigene Darstellung)

Tabelle 2 Signifikanztests (Quelle: Eigene Darstellung)

Tabelle 3 Renditen und T-Statistiken (Quelle: Eigene Darstellung)

Einleitung

Diese Arbeit untersucht die Einflüsse der Leitzinssenkungen im Euroraum auf die europäischen Bankaktien. Nach der Finanzkrise 2007 steuern weltweit die Zentralbanken über ihre Geldpolitik gegen eine mögliche Deflation und versuchen durch Geldmengenerhöhung sowie Zinssenkungen die Konjunktur anzufachen und die Inflation nahe 2% zu halten. Besonders der Euroraum wurde stark getroffen und mit Zinssenkungen bisher nie gesehenen Ausmaßes belegt. Diese Geldpolitik könnte bestimmte Auswirkungen auf die Wertentwicklung von Bankaktien haben, dessen Ertragslage durch Zinsmargen abhängig ist. Aus diesem Grund wird in dieser Arbeit mit Hilfe einer Event-Studie untersucht, ob abnormale Renditen abseits der Marktmodellprognose auftreten. Die Event-Studie für die Untersuchung wird dabei nach CAMPBELL et al. (1997) durchgeführt und nach dem dort beschrieben 7 Schritte Plan aufgebaut. 1 Zum genauen Aufbau der Arbeit folgt im nächsten Kapitel eine genaue Beschreibung. Inhaltlich orientiert sich diese Arbeit an RICCI (2015), die die Auswirkungen von Ankündigungen der EZB zum Thema Geldpolitik auf den Bankenmarkt untersucht. Hierbei ist der Kern Fund, dass Zinsentscheidung zur Änderung des Leitzinses signifikante Auswirkungen auf Aktienkurse von Banken haben.2 Diese Evidenz dient als Basis für die Arbeit und eine Event-Studie soll auf die Geldpolitische Ankündigung der EZB vom 10.03.2016, bei dem der Zinssatz für die Hauptfinanzierungsgeschäfte des Eurosystems von 0,05 auf 0,00% gesenkt wurde, angewendet werden. Zusätzlich wurde das Anleihen Kaufprogramm auf 80 Mrd. € ausgeweitet, um die Konjunktur zu befeuern.3 Dieses Event wird auf eine Stichprobe von 100 Bankaktien in der Eurozone angewendet. Nach der Untersuchung des Events wird mithilfe des Capital Asset Pricing Models (CAPM) und des 3-Faktormodells nach FAMA und FRENCH (1992) mehrere Signifikanztests nach KOLARI und PYNNONEN (2011) durchgeführt um die Güte der Ergebnisse zu validieren. Im nächsten Kapitel wird das Vorgehen genau definiert.

Methodik

Eine Event-Studie ist ein empirischer Prozess, der die Effekte von neuen Informationen auf Preise von Vermögenswerten misst. In der Praxis befassen sich Wissenschaftler mit der Hypothese, dass ein Event Auswirkungen auf Firmen und auf deren Wert haben werden. Dies folgt in einem Effekt auf den Aktienpreisen der jeweiligen Unternehmen. Welche Event-Studien es gibt und welche Auswirkungen sich mit Ihnen untersuchen lassen beschreiben KOLARI und PYNNÄNEN (2011).4 Die Event-Studie wird im Kern nach CAMPBELL et al. (1997) durchgeführt. Die Autoren legen folgenden 7 Punkte Plan fest um eine erfolgreiche Event-Studie durchzuführen.5

1. Event Definition: Die Initial Aufgabe umfasst die Auswahl eines klar abzugrenzenden Ereignisses, welches aus einem klar definierbaren Zeitpunkt und oder Zeitraum beschrieben werden kann. Dieser Zeitpunkt und oder Zeitraum sollte im sinnvollen Zusammenhang mit der zu untersuchenden Stichprobe an beispielsweise Aktien und deren Kursentwicklung stehen.
2. Selektionskriterien: Nach der Auswahl des Events sind die Kriterien für die vom Event betroffenen Aktienunternehmen sinnvoll abzugrenzen. Mehr dazu um folgendes Kapitel über die verwendeten Daten.
3. Normale und abnormale Renditen: Um die Auswirkungen eines Events zu messen vergleicht man die abnormalen Renditen, die empirisch über die Kumulation der Renditen über den Event-Zeitraum messen kann, mit den normalen Renditen. Das sind die Renditen, die ohne Auftreten eines Events entstehen sollten. Diese werden mit einem Marktmodell geschätzt.
4. Schätz-Prozess: Stellt die Messung der abnormalen Rendite und normalen Rendite mit dem Marktmodell über den festgelegten Event Zeitraum von beispielsweise 150 Tagen. Dazu später mehr.
5. Test-Prozess: Nach dem Schätzprozess wird das Rahmenwerk für den Hypothesentest auf Signifikanz festgelegt. Wichtig hierbei stellt die Definition der Null Hypothese und die Aggregation der abnormalen Renditen dar.
6. Empirische Ergebnisse: Punkt 6 umfasst die anschauliche Darstellung.
7. Interpretation und Zusammenfassung: Zum Schluss stellen die zusammengetragenen Ergebnisse idealerweise neue Erkenntnisse über ein Event und dessen Auswirkung dar. Zusätzlich kann die Arbeit Diskussionsgrundlage für weitere Arbeit bieten.

Event Zeitraum

Der Event Horizont wird folgendermaßen gewählt. Einerseits ist der Event Zeitpunkt als t0 zu definieren. Der Tag an dem das zu überprüfende Event stattfindet. Andererseits können die Auswirkungen nicht nur Einfluss auf die Renditen über diesen einen Tag haben, sondern sich auch längerfristig oder sogar erst später auf die Preise der Bankaktien auswirken. Deshalb wird zusätzlich ein Event-Fenster T1 bis T2 definiert. Neben dem Event Horizont gibt es dann noch das „ post-event Window “ T2 bis T3, welches die langfristigen Auswirkungen dokumentieren soll. Auf der anderen Seite können auch schon frühzeitig Informationen in den Markt dringen, die bereits vor dem eigentlichen Event eine Auswirkung auf den Kurs der Bankaktien haben können. Deshalb wird auch der Zeitraum vor dem Event also T0 bis T1 festgelegt. Diese Darstellung hat bereits MACKINLAY (1997) in seiner Arbeit vorgeschlagen. 6

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Event Horizont Quelle: (Mckinlay (1997), S. 20)³

Für die folgende Event-Studie wird ein Gesamtzeitraum von 141 Tagen also 141 täglichen Renditen festgelegt. Das Event findet am 10.03.2016 statt und definiert T1-T2. Der Vorzeitraum T0 beginnt 120 Tage zuvor und T3 Endet 10 Tage nach dem Event. Daraus folgt:

T0 = T1 -120

T1 – T2 = -10 + t0 +10

T3 = t0 +10

Somit erhält man einen Gesamtbetrachtungszeitraum von 141 Tagen. Neben diesem Event-Window werden noch -5 +t0 + 5 sowie -1 + t0 +1 getestet um kurzfristige Auswirkungen heraus zu kristallisieren.

Daten

Der Datensatz für diese Arbeit wird einerseits von Reuters-Datastream bereitgestellt. Dazu gehören die Preise für die gefilterten europäischen Banken sowie das zu vergleichende Marktportfolio.

Der beobachtete Zeitraum für die Event-Studie erstreckt sich vom 11.11.2015 bis zum 09.04.2016. Die zu untersuchende Stichprobe soll aus den Banken der EU bestehen. Diese wurden wie folgt selektiert:

Nach Ländern: Switzerland, United Kingdom, Belgium, Germany Spain, France, Netherlands, Italy, Sweden, Denmark, Norway, Finland, Austria, Ireland, Portfugal, Czech Republic Luxembourg.

Nach Activ/dead: Nur aktive Unternehmen.

Für die weitere Analyse gilt es mehrere Filter anzuwenden um die Güte der Daten für die wissenschaftliche Analyse zu gewährleisten. Die Basis für die Filter legen hierbei Schmidt et al. (2017), die mir ihrer Arbeit eine Anleitung zu Filterung von Daten aufzeigen. Folgende Filter finden Anwendung auf den Datensatz. Erstens wird statisch gefiltert direkt über Thomson Reuters Datastream. Hierbei werden folgende Filter gesetzt:7

1. Major Secrurity Flag: Alle Firmen werden herausgefiltert, die nicht im Mainlisting auftauchen.
2. Geography Group Name: Alle Firmen werden herausgefiltert, die nicht auf dem Zielmarkt gelistet sind.
3. Type of Instrument: Alle Wertpapiere werden herausgefiltert, die nicht zu Kategorie Aktie gehören.
4. Exchange Memonic: Alle Wertpapiere werden entfernt, die nicht auf einer heimischen Börse notiert sind.
5. Extended Name: Titel mit suspekten oder unerklärlichen Namen werden entfernt.

Auf der anderen Seite werden dynamische Filter mit Matlab angewendet um die finale Stichprobe für die empirische Arbeit nutzen zu können Die dynamische Filterung sorgt für eine wissenschaftliche Auswertung und bereinigt die Daten um Fehlerhafte Werte oder Ausreißer, die die Aussagekraft der Daten verzerren. Als erstes werden sogenannte Pennystocks entfernt. Das sind Aktien mit einem sehr geringen Preis. Hierbei wird das untere 10% Quantil entfernt. Außerdem werden die Renditen bereinigt. Einmal starke Ausreißer, die die Verteilung verzerren würden. Hierbei sind alle Renditen raus, die über 33% pro Tag liegen. Zusätzlich werden Renditen zeitabhängig gefiltert um Handelspausen auf gewisse Aktien herauszufiltern, die zu starken Kursschwankungen führen können. Ince und Porter (2006) erklären dies ausführlich. Für dieses Paper werden Kurschwankungen von Tag zu Tag, die größer als 75% und miteinander multipliziert kleiner als 17,5% sind herausgefiltert. Zuletzt gilt es einen Liquiditätsfilter zu nutzen um die 100 Liquidesten Banken am Ende übrig zu haben. Die Einflussgrößen für den Liquiditätsfilter sind „MV“ Marktwert des Eigenkapitals und Anzahl der Analsystenempfehlungen. Außerdem werden delistete Unternehmen über den Eventzeitraum rausgefiltert. Schließlich verbleiben die 69 größten Banken nach Marktkapitalisierung und die Banken, die mindestens 2 Analystenempfehlungen aufweisen. Die 69 übrig gebliebenen Unternehmen sind im Anhang unter „XXX“ zu finden.

Für die empirische Analyse wird noch ein Referenzindex bzw. Marktportfolio benötigt. Hierfür wird der STOXX® Europe 600 genutzt.8

Empirische Analyse

Die empirische Analyse wird mit zwei Modellen gemacht. Grundlegend wird das etablierte Marktmodell CAPM genutzt um die vom Event unabhängigen Renditen zu berechnen. Das CAPM wird um es kurz anzuschneiden wie folgt definiert:9

Abbildung in dieser Leseprobe nicht enthalten

Die daraus berechneten theoretischen Renditen werden mit den beobachteten Renditen verrechnet um die abnormalen Renditen zu bestimmen. Nach BROWN and WARNER (1985) Die abnormalen Renditen sind somit einfach ausgedrückt, die Differenz zwischen empirischen Renditen und theoretischen Renditen.

Abbildung in dieser Leseprobe nicht enthalten

Wobei die empirische Rendite wie folgt berechnet wird:

Abbildung in dieser Leseprobe nicht enthalten

Danach wird aus Arit die durchschnittliche abnormale Rendite über Zeitraum t berechnet:

Abbildung in dieser Leseprobe nicht enthalten

Diese müssen schließlich noch über den zu untersuchenden Eventhorizont kumuliert werden. Die sogenannten cummulated Abnormal Returns werden wie folgt berechnet:

Abbildung in dieser Leseprobe nicht enthalten

Zuletzt gilt es die Cumulated Average Abnormal Returns zu bestimmen:

Abbildung in dieser Leseprobe nicht enthalten

Nach der Darstellung der empirischen Analyse 10, gilt es die Ergebnisse unter einem Hypothesentest auf das Signifikanzniveau zu testen. Dazu nach der Empirik mehr. Zusätzlich wird um eine zweite Referenz zum CAPM als Marktmodell zu haben, dass 3- Faktor Modell von Fama und French benutzt. Dies soll die Ergebnisse verbessern, weil das CAPM wissenschaftlich umstritten ist.11 Das traditionelle CAPM nutzt nur den Beta Faktor als Variable um die Rendite eines Portfolios oder eines Wertpapiers mit der Marktrendite zu erklären. Nach Fama und French (1993) gibt es aber noch weitere Einflussfaktoren, die die Rendite eines Wertpapiers beschreiben. Somit erweitern sie das CAPM um zwei zusätzliche Faktoren. Einerseits Aktien mit kleiner Marktkapitalisierung (Small minus Big, SMB) sollen besser abschneiden als der Gesamtmarkt und Aktien mit einem hohen Verhältnis von Buchwert zu Marktwert des Eigenkapitals (High minus low, HML) schneiden besser ab als der Gesamtmarkt.12 Somit ergibt sich folgende Formel

Abbildung in dieser Leseprobe nicht enthalten

Die einzelnen Faktoren kommen für die Analyse des europäischen Marktes direkt von der „ mba.tuck.dartmouth“ Datenbank. Hierbei dient die Datei: „ Fama/French European 3 Factors [Daily].csv “ als Grundlage für die empirische Untersuchung.13 Die Erweiterung dient als Möglichkeit für eine auf dieser Arbeit basierender Untersuchung, um die Schwächen des CAPM auszugleichen.

[...]


1 Campbell et al. (1997), S. 151f.

2 Ricci (2015), S. 245

3 Pressemitteilung vom 10.03.2016 der EZB: Geldpolitische Beschlüsse

4 Kolari und Pynnänen (2011), S. 136ff.

5 Campbell et al. (1997), S. 151f.

6 Vgl. Mckinlay (1997), S.20

7 Vgl. Schmidt et al. (2017), S.A-18

8 Dieser Index enthält 47 Banken aus fast allen europäischen Ländern. Diese sind nach Ihrer Ertragslage sortiert.

9 Vgl. dazu Lintner (1965), S. 13ff. Und Sharpe (1964), S.425ff.

10 Vgl. Brown und Warner (1985), S.6f.

11 Vgl. Fama und French (1992a), S.428

12 Vgl. Fama und French (1992a), S. 432ff.

13 Datenquelle: http://mba.tuck.dartmouth.edu/pages/faculty/ken.french/data_library.html#International

Ende der Leseprobe aus 21 Seiten

Details

Titel
Auswirkungen der Leitzinssenkungen auf den europäischen Bankenmarkt
Hochschule
Universität Bremen
Note
1,3
Autor
Jahr
2019
Seiten
21
Katalognummer
V492239
ISBN (eBook)
9783668989825
ISBN (Buch)
9783668989832
Sprache
Deutsch
Schlagworte
Auswirkungen der Leitzinssenkungen auf den europäischen Bankenmarkt., Event-Studie, CAPM, Abnormale Renditen, EZB, Leitzins
Arbeit zitieren
Florian Meyer (Autor:in), 2019, Auswirkungen der Leitzinssenkungen auf den europäischen Bankenmarkt, München, GRIN Verlag, https://www.grin.com/document/492239

Kommentare

  • Noch keine Kommentare.
Blick ins Buch
Titel: Auswirkungen der Leitzinssenkungen auf den europäischen Bankenmarkt



Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden