Прогнозирование и управление прибыльности в банковском секторе страны Персидского залива

РЕЗЮМЕ

В статье анализируются тенденции и закономерности в доходности в 6 GCC (Совета сотрудничества стран Залива: ОАЭ, Бахрейн, Кувейт, Саудовская Аравия, Оман и Катар), используя данные 78 банков распространения за период с 2002 по 2006.

Двуединой цели данном документе, являются: во-первых, чтобы разработать модель для прогноза прибыли банка и прибыльности, которые будут полезны для инвестиционных аналитиков и портфельных менеджеров. Вторая цель документа состоит в определении критических факторов, влияющих на прибыльность банков в регионе GCC, а также изучить, являются ли они отличаются от факторов, определенных исследований, проведенных в других регионах. В документе утверждается, что банк управления должны обращать особое внимание на важнейшие факторы выявлены в ходе исследования для повышения рентабельности и контролировать риск неудачи.

Уникальной особенностью работы является использование кластерного анализа в группу 78 банков в идентичных кластеров до разработки модели прогнозирования. Кластерным методом, также проливает свет на страну (место) эффекты и размерных эффектов в банковском секторе GCC

Ключевые слова: рентабельность; руководство Банка; Группа данных, зафиксированных Модель воздействию, GCC

I. ВВЕДЕНИЕ

Рентабельность в Совет сотрудничества стран Залива (Объединенные Арабские Эмираты, Оман, Кувейт, Бахрейн, Саудовская Аравия и Катар) банковского сектора страны является предметом частых комментарий в финансовой прессе, но Есть очень мало исследований на эту тему. Хотя эта тема банковских эффективности в GCC (Совет сотрудничества стран Залива) был изучен в ряде исследований, проведение научных исследований на прибыльность банков в этих странах очень мало.

В настоящем исследовании основное внимание уделяется прибыльности по ряду причин. Банк управления в большей степени заинтересованы в обеспечении продолжал рентабельности их банков, чем в достижении эффективности. Хотя эффективность способствует повышению рентабельности, Есть и другие факторы, которые влияют на рентабельность в этих странах, таких как структуры рынка и конкуренции, и, нормативно-правовой базы, которая является уникальной в этом регионе. Еще одной причиной внимания на рентабельность в том, что инвесторы, особенно инвесторов фондового рынка внимательно следить за руководство банка возможность управлять и повышение прибыли. Хороший заработок докладов встречают на ура фондовых рынках. Прогнозирование прибыли и рентабельности крайне важны для инвесторов и портфельных менеджеров.

Двуединой цели данном документе, являются: во-первых, чтобы разработать модель для прогноза прибыли банка и прибыльности, которые были бы полезны для инвестиционных аналитиков и портфельных менеджеров. Вторая цель документа состоит в определении критических факторов, влияющих на прибыльность банков в регионе GCC, а также изучить, являются ли они отличаются от факторов, определенных исследований, проведенных в других регионах. В документе утверждается, что банк управления должны обращать особое внимание на важнейшие факторы выявлены в ходе исследования для повышения рентабельности и контролировать риск неудачи.

II. ДЕТЕРМИНАНТЫ рентабельности

Предыдущие исследования по рентабельности опубликованные в последнее время [Zakrajsek (2002), Bodla

Префонтейн

III. Данные и методология

Данные, относящиеся к банкам в Совет сотрудничества стран Залива (ССЗ) была получена из базы данных Bankscope. Данные основаны на годовой финансовой отчетности освобождены соответствующих банков, а относится к периоду 2002 по 2006 год. 78 местных банков, работающих в шесть стран Персидского залива (Объединенные Арабские Эмираты, Оман, Кувейт, Бахрейн, Саудовская Аравия и Катар) были включены в исследование.

Так как набор данных включает в себя как сечения и данных временных рядов, панельных данных регрессии подхода (иногда называется объединение или продольных или события истории) является целесообразным. Модель с фиксированными эффектами (ПЭМ), также называемый LSDV (метод наименьших квадратов с фиктивной переменной) Модель была использована для целей оценки. Степенями свободы, проблема в данном случае неприменимо. Как набора данных достаточно большой охватывающий 433 наблюдений, степеней свободы, утраченных в результате включения 9 фиктивными (4 года фиктивных переменных и параметров страны 5 манекена) мал. Кроме того, как сечения единиц (то есть местные банки, работающие в 6 странах ССЗ) в образце не являются случайными рисунки из большего набора, модель случайных действие (или Ошибка компоненты модели) была сочтена нецелесообразной [гуджарати (2003) стр. 650].

Кластерный анализ была предпринята попытка перед выходом в стадии регресса в этой работе, чтобы убедиться, что метод кластеризации бы группа банков в разных странах в разные группы. Кластерный анализ помогает в обнаружении аналогичных кластеров банков среди включенных в исследование, а также в выявлении наиболее существенной переменной кластеризации (ы).

И.. Эмпирические данные: КЛАСТЕР АНАЛИЗА

K-средних кластеризации метод был принят с целью кластеризации 433 наблюдений. Первоначально "присоединение / дерево кластеризации" было совершено покушение, но не может быть завершена распространяемая программа, программы "Statistica" от StatSoft поддерживаются только 300 наблюдений за дерево кластеризации. В качестве альтернативы K-средних кластеризации был использован с 6 кластеров (априори 6 кластеров были определены исходя из предположения, что если страна конкретные различия существовали между банками, кластерный анализ сможет классифицировать большинство банков в их соответствующих кластеров страны)

Два набора переменных были использованы для кластеризации. Первый набор данных фактической финансовой информации заявление о каждом банке: операционный доход, чистая прибыль, чистый доход проценты, активы, капитал и депозиты. Второй набор данных, используемый состоит из финансовых показателей финансовой информации, а также для каждого банка: рентабельность активов, рентабельность собственного капитала, ликвидности, стоимость к доходам, справедливости к общей сумме активов, чистой процентной маржи плюс переменные, используемые в первом сете.

Вычислительном K-средних кластеризации можно рассматривать в качестве дисперсионного анализа "в обратном". Техники начинается с А случайных кластеров, курицы объектов движется между кластерами с намерением свести к минимуму разнообразие в рамках кластеров и максимизации изменчивость между кластерами. ANOVA результаты являются частью стандартного производства K-средних кластеризации. Величина F значения из дисперсионного анализа осуществляется на каждой переменной является показателем того, насколько хорошо соответствующей переменной различие между кластерами.

Результаты кластерного анализа представлены в таблице 1 и таблице 2 наглядно показывают, что размер переменных активов и депозитов являются доминирующими переменные кластеризации, указав, что размер эффекты играют важную роль в анализе банком финансовые показатели. Кластерный анализ был также попытался использовать только финансовыми показателями. Анализ членов каждой группы не указывается для конкретной страны поведения банков или конкретной страны кластеров.

Два выводы, которые можно извлечь из кластерного анализа являются: размер банка должны быть приняты во внимание при анализе банков в странах Персидского залива, в результате которых в соответствии с тем, что сообщают многие исследования в отношении банков, работающих в США [Роуз

Сохранение этого результата в виду, размер переменной представлены по размеру общих активов была введена при этом регрессионного анализа.

В. Анализ панельных данных

Как уже упоминалось в разделе методологии, Группа данных регрессии с использованием фиксированных эффектов модели было признано целесообразным определить детерминанты доходности. Прибыльность капитала (ROAE: чистый доход после уплаты налогов в среднем справедливости) используется в качестве переменной, представляющей рентабельность на протяжении всего исследования. Ежегодных данных, используемых в исследование охватывает 5 лет, 2002 по 2006 год и, следовательно, 4 фиктивных переменных были введены в регрессии панельных данных для захвата времени воздействия. Банк данных мудрый из всех 6 Совета сотрудничества стран Залива (ССЗ), входит в регрессионного анализа и, следовательно, пять фиктивных переменных были введены в регрессии для захвата страны в силу.

Пять потенциальных кандидатов, на основе пяти важнейших аспектов управления, которые влияют на прибыльность, как это было предложено Префонтейн

МНК (обычный метод наименьших квадратов) приводит к наивной модели, то есть без учета страны и время размеры объединения данных и просто обычные регрессии МНК приведены в таблице 4. R площади и F значения свидетельствуют о хорошей форме и 4 переменных, помимо капитала к общей сумме активов, оказываются статистически значимы на уровне 1 процента. Дурбин Уотсон статистика дает никаких доказательств автокорреляции.

Важно отметить, что размер переменной в лице активов является статистически значимым о том, что размер имеет влияние рентабельности в банках GCC даже в присутствии других 5 независимых переменных. Признаки переменные, как ожидалось. Сильное негативное влияние расходов к доходам на прибыльность, заслуживает внимания. Капитал к общей сумме активов, показателей структуры капитала, не является столь существенным, как другие переменные, вероятно, о том, что его влияние на рентабельность низка. Это могло бы одна причина, почему банки в регионе GCC, как правило, считаются overcapitalised.

Некоторые исследования сообщают, что мультиколлинеарности может быть проблема в такого вида работах [Bodla

TOL оценки показывают, что нет никаких доказательств мультиколлинеарности в наборе данных.

VII. Эмпирические данные: Исправлена модель воздействию (МКЭ)

Результаты регрессии с фиксированными эффектами он (МКЭ) оценка приводится в таблице 6. В дополнение к 6 переменных рассматриваются в наивной модели, в МКЭ 4 временных переменных манекена и пять параметров страны манекена были представлены как независимые переменные. Следует отметить, что число манекены один меньше, чем количество измерений, чтобы избежать ловушки фиктивный переменной.

Фиксированными эффектами модели регрессии представлены в таблице 6 показывают отсутствие каких-либо "время эффекта" в панельных данных. Однако некоторые "страны последствия", ОАЭ, Бахрейн и Оман, статистически значимы. Отрицательные коэффициенты в каждом из этих случаев означает, что прогнозы прибыльности за эти три страны должны быть скорректированы в сторону уменьшения по сравнению с банками в Саудовской Аравии, страны, для которой нет никаких конкретных фиктивной переменной. Этот факт также подтверждается при средней значения ROAE эти страны сравниваются.

В регрессии FEM, мы снова находим, что те же четыре из пяти переменных управления, помимо капитала к общей сумме активов 'значимы на уровне 1 процента. Однако в регрессии FEM, активы переменная перестали быть значимыми. Один подозревает, что размерный эффект был захвачен параметров страны и, следовательно, фиктивные активы переменная перестали быть значимыми.

Для ответа на вопрос о том, фиксированной модели воздействию лучше Наивные модели ограниченного испытания F здесь используется. Ограниченный тест F является значимой на уровне 5 процентов с указанием, что выигрыш при переходе от наивно фиксированные эффекты не очень существенны. Конечно, этот вывод также подтверждается сравнением оценкам R квадратных ценностей.

VIII. ВЫВОДЫ

В заключение, авторы исследования полагают, что четыре ключевых факторов, определяющих прибыльность банков в странах Персидского залива в период с 2002 по 2006 год с точки зрения затрат к доходам, чистой процентной маржи, потери по ссудам и ликвидности на депозиты отношение. Плечо (в лице справедливости к общей сумме активов) не является ключевым фактором, определяющим прибыльность банков GCC, хотя и было установлено, что важным фактором, объясняющим в других странах [Роуз

Хотя кластерного анализа и наивная модель регрессии расчеты показывают, что размер эффекты существуют, анализа панельных данных с использованием фиксированных модели явления не подтверждают этот вывод. Доказательства в отношении воздействия на размер рентабельности в банках GCC Поэтому неубедительными и является предметом для дальнейших исследований.

Ссылки:

Bodla, закладная и Верма, R. (2007). Детерминантам доходность банков в Индии: многофакторный анализ, журнал Услуги Исследования, 7 (1), 75-88.

Деянг, R. (2003) De Novo банка Выйти, журнал Деньги, кредит, и банковское дело, октябрь, 717.

Гоудро, R.E. (1992). FYI - Коммерческий банк рентабельности по мере возрастания процентной маржи и ценных бумаг, увеличения продаж, Economic Review, Федеральный резервный банк Атланты, в мае-июне, 33-52.

Гуджарати, D. (2003). Основные эконометрика, McGraw Hill / Ирвин.

Halsem, военный прокурор, Шерага, апелляционный суд и Bedingfield, мировой судья (1992). Анализ внешней и внутренней балансе стратегии он американских банков и их объединений рентабельности производительности, управление Международное обозрение, 32 (1), 55-76.

Ким, О. М. Ким, I.W. (1997). Связь структуры прибыль коммерческих банков в Южной Корее и США: сравнительное исследование многонациональной Business Review, 5 (2), 81-94.

Мурти, Y.S.R. (2004). Изучение финансовые показатели крупнейших коммерческих банков, Институт банковского

Мурти, Y.S.R. (2004). Детерминантам банковских рисков Рентабельность: Исследование на коммерческие банки, в Омане исследований День бумаги, Институт банковского

Роуз П., Хаджинс, Верховный суд (2005). Банковский менеджмент

Роуз, постскриптум (2003). Коммерческий менеджмент банка, McGraw-Hill Ирвин.

Santomero А., (1997). Коммерческое управление рисками банка: Анализ процесса, Wharton финансового центра институты, школы Уортон Университета Пенсильвании.

Саркар, С. и Sriram, R. (2001). Байесовских моделей раннего предупреждения банкротств банков, менеджмент, 47 (11), 1457-76.

Сибрайт, П., Fries, С. и Невен, J. (2002). Выступление в странах с переходной экономикой, Дэвидсон Институт Рабочий документ номер 505.

Shen, C.H. и Чжан, Y.H. (2006). У законодательство затрагивает банковскую деятельность? Правительство, возможно, имеет управления, современная экономическая политика, 24 (1), 92-105.

Sironi, А. (2003). Тестирование Рыночная дисциплина в европейском банковском секторе, журнал Деньги, кредит и банковское дело. Июнь, 443.

Свами, P.A.V.B., Tavlas, общий штаб и Латтон, T.J. (2003). Анализ различий в оплате труда между малыми и крупными коммерческими банками, журнал анализ производительности, 20 (1), 97-114.

Тибо, А., Префонтейн J., Bell, R. (2002). Введение в банк финансового управления, Институт канадских банкиров.

Zakrajsek, E. (2002). Прибыль и баланс События на американских коммерческих банков в 2000 году Федеральная резервная система бюллетень, июнь, 243-270.

Sree Рама Мурти, университет султана Кабуса, Мускат, Оман

Parameswar Nandakumar, Индийский институт управления-Кожикоде, Каликут, Индия

Шейх Ваге южного университета Стокгольма, Стокгольм, Швеция

АВТОР профили:

Д-р Sree Рама Мурти получил докторскую степень в Университете Пуне в 1992 году. В настоящее время он является помощником профессора финансов в Университет султана Кабуса, Маскат, Султанат Оман

Д-р П. Nandakumar получил докторскую степень в Стокгольмском университете в 1985 году. В настоящее время он является профессором экономики в Индийском институте менеджмента Кожикоде.

Д-р Шейк Ваге получил докторскую степень в Стокгольмском университете, школа бизнеса, 1990. Он также является профессором в области международного бизнеса исследований, а также декан факультета экономики и бизнеса в Южном Стокгольмского университета-SODERTORN с 1997 года.