Macroeconomic determinants of loan portfolio credit risk in banks

LTTyrimo objektas – bankų paskolų portfelio kredito rizikos makroekonominiai veiksniai. Tyrimo tikslas – nustatyti makroekonominius veiksnius, turinčius didelę įtaką bankų paskolų portfelio kredito rizikos pokyčiams ir sudaryti statistinį modelį, skirtą abejotinų ir neveiksnių paskolų daliai šalies bankų paskolų portfelyje, prognozuoti. Tyrimo metodai: mokslinių publikacijų analizė; statistinių, abejotinų ir neveiksnių paskolų dalies, bankų paskolų portfelyje prognozavimo modelio formavimas, taikant klasterinę, faktorinę analizę, tiesinį tikimybių modelį, logistinę, daugialypę tiesinę ir polinominę regresiją. Mokslinės literatūros analizės rezultatai pagrindė šalies makroekonominių rodiklių pokyčių įtaką banko klientų kredito rizikai. Teigiama, jog paskolų portfelio kokybė bankuose priklauso nuo šalies bendrojo vidaus produkto, infliacijos, rinkos palūkanų normų, pinigų pasiūlos, pramonės produkcijos indeksų, šalies mokėjimų balanso ir kitų veiksnių. Makroekonominiai veiksniai lemia atskirų ūkio subjektų šalyje veiklos rezultatus. Bankų klientų individualių finansinių įsipareigojimų neįvykdymo tikimybių didėjimas ir bendras, įsipareigojimų nevykdančių klientų skaičiaus šalyje didėjimas, yra tarpusavyje glaudžiai susiję. Atliekant empirinį tyrimą, buvo analizuojami 22 Europos Sąjungos šalių duomenys apie bankų paskolų portfelį ir makroekonominius rodiklius. Remiantis Europos Centrinio Banko duomenimis, 2008-2010 m. laikotarpiu abejotinų ir neveiksnių paskolų dalis bendrai šiose šalyse padidėjo nuo 2,6 iki 6,31 proc. Šio rodiklio pokytis skirtingose šalyse buvo nevienodas, todėl atlikus klasterinę analizę k-vidurkių metodu, buvo suformuoti 3 valstybių klasteriai.2008 m. reikšmė buvo laikoma atskaitos tašku, nes vidutiniškai abejotinų ir neveiksnių paskolų dalis visose šalyse sudarė 2,09 – 3,7 proc., tačiau 2009 ir 2010 m. išryškėjo rodiklio pokyčių skirtumai. Didžioji dalis valstybių (59,09 proc.) priklauso 1 klasteriui, kur bazinis abejotinų ir neveiksnių paskolų dalies pokyčio indeksas yra mažiausias (1,32 ir 1,42). Didesnė indekso reikšmė (2,18 ir 2,67) gauta 2 klasteryje, kurį sudaro 27,27 proc. analizuotų valstybių. Trys šalys (Bulgarija, Lietuva ir Latvija) sudaro 3 klasterį, kur abejotinų ir neveiksnių paskolų dalis vidutiniškai padidėjo 3,65 karto (2008 – 2009 m.) ir 4,45 karto (2008 – 2010 m.). Buvo analizuojami 22 ES šalių 9 makroekonominiai rodikliai: ilgalaikio nedarbo lygis, darbo užmokestis, namų ūkių vartojimo išlaidos, valstybės išlaidos, investicijų apimtys, bendrasis vidaus produktas, prekių ir paslaugų eksportas, importas ir infliacija. Kad būtų išvengta rodiklių nepalyginamumo dėl skirtingo valstybių dydžio, didžioji dalis rodiklių buvo perskaičiuota į rodiklių reikšmes, tenkančias vienam šalies gyventojui. Statistinės grafinės analizės metu nustatyta, kad šie rodikliai valstybių klasteriuose reikšmingai skiriasi. Todėl buvo iškelta hipotezė, jog statistiniais duomenų analizės metodais galima nustatyti priklausomybę tarp abejotinų ir neveiksnių paskolų dalies bankuose ir šalies makroekonominių rodiklių. Buvo sudarytas statistinis modelis, kuriuo galima prognozuoti abejotinų ir neveiksnių paskolų dalį šalies bankuose po 2 metų. Modeliui reikalingų nepriklausomų kintamųjų rinkinys, sudarytas iš bazinio laikotarpio (einamųjų metų), abejotinų ir neveiksnių paskolų dalies bankuose bei bazinio laikotarpio ir 2 vėlesnių metų makroekonominių rodiklių.

ENThe credit risk is one of the main risks in commercial banks and the ability to manage it meaningly affects banks’ stability. This risk arises due to the particular reasons related to the possibility to lose loans if the debtors are not able to meet their financial obligations. When making the decisions of financing the loan applicants, banks use the credit risk assessment models that allow estimating the probability of the potential borrowers to default on their loan commitments. The main goal of managing the credit risk in banks is to compound the loan portfolio of the acceptable risk level. According to Derelioglu and Gurgen (2011) the credit risk analysis aims to decrease future losses by estimating the potential risk and eliminating the new credit proposal if the risk is higher than a defined tolerance value. In this respect, it is essential to identify the main factors causing this risk in order to manage it. When assessing the credit risk of every company, banks usually analyze the financial data and some qualitative factors as the independent variables in the statistical credit risk assessment models. But in changing the credit policy in banks and pricing the credits, it is very important to predict the quality of loan portfolio in future. The problem can be summarized as finding the statistical methods that relates the proportion of doubtful and non-performing credits in the loan portfolio (dependent variable) with the set of explanatory variables (macroeconomic information of a country). The aim of this research is to find the macroeconomic determinants that significantly influence the changes of loan portfolio credit risk in banks and to develop the statistical model for prediction of the proportion of doubtful and non-performing loans.