Interdependente ale resurselo r i plasamentelor în băncile comercialeș [601503]

Interdependente ale resurselo r i plasamentelor în băncile comercialeș
ANALIZA DEPENDEN EI LINIARE A RESURSELOR I Ț Ș
PLASAMENTELOR BANCARE
STRUCTURA
CUPRINS
LISTA ABREVIERI
FIGURI
TABELE
INTRODUCERE (3 PG)
1

CUPRINS
INDEXUL FIGURILOR …………………………………………………………………………………… 4
INDEXUL TABELELOR …………………………………………………………………………………. 5
INDEXUL ABREVIERILOR ……………………………………………………………………………. 6
INTRODUCERE……………………………………………………………………………………………… 8
Obiectivul lucrării…………………………………………………………………………………………… 11
1. RISCUL ȘI MANAGEMENTUL RESURSELOR/ PLASAMENTELOR
BANCARE……………………………………………………………………………………………………. 18
1.1.RISCUL ÎN ACTIVITATEA BANCARĂ. ……………………………………………….. 18
Intermedierea financiară și Rolul Băncilor în economie (ramane???) ………………..29
Contagiune si altele …………………………………………………………………………………….. 29
Basel III și managementul riscurilor bancare (în lucru) …………………………………… 38
Măsuri ale riscului(in lucru) ………………………………………………………………………… 41
Valoarea la Risc……………………………………………………………………………………… 41
Conditional Value at Risk (CvaR) …………………………………………………………….. 55
Măsuri coerente ale riscului …………………………………………………………………………. 57
2. RELAȚIA RISC, RISC MANAGEMENT ȘI MANAGEMENTUL RESURSELOR
ȘI PLASAMENTELOR BANCARE ………………………………………………………………… 59
STRUCTURA CAPITOLULUI …………………………………………………………………… 59
2.1. Structura sistemului de management al resurselor și plasamentelor în cadrul
băncilor…………………………………………………………………………………………………….. 60
MODELUL LINIAR ETC …………………………………………………………………………… 72
3.Managementul resurselor și plasamentelor bancare în prezenta unor Rupturi
structurale (ramane???) ……………………………………………………………………………….. 72
3. PERFORMANȚA ÎN CADRUL BĂNCILOR ………………………………………………… 76
3.1. STABILITATEA SECTORULUI BANCAR ……………………………………………. 76
3.2. EV ALUAREA PERFORMANȚEI BANCARE. INDICATORI DE
PERFORMANȚA ÎN CADRUL SISTEMULUI BANCAR …………………………….. 88
3.3. ANALIZA COMPARATIVĂ A PERFORMANȚEI BANCARE DIN
CADRUL SISTEMULUI BANCAR EUROPEAN ………………………………………… 97
3.3.1. ANALIZA INDICATORILOR PRIVIND CALITATEA ACTIVELOR . .99
3.3.2. ANALIZA INDICATORILOR DE ADECV AREA CAPITALULUI …..101
3.3.3. ANALIZA INDICATORILOR PRIVIND REZULTATELE
OPERAȚIONALE ……………………………………………………………………………….. 101
3.3.4. ANALIZA INDICATORILOR PRIVIND LICHIDITATEA BĂNCILOR
…………………………………………………………………………………………………………… 101
4. CUANTIFICAREA INTERDEPENDENȚELOR DINTRE RESURSE,
PLASAMENTE ȘI CAPITAL ……………………………………………………………………….. 105
4.1. CORELAȚIA CANONICĂ – ABORDĂRI TEORETICO-METODOLOGICE
………………………………………………………………………………………………………………. 105
4.2. STRUCTURA RESURSELOR ȘI PLASAMENTELOR ÎN PERIOADA 2005-
2013……………………………………………………………………………………………………….. 114
Analiza corelatiei canonice dintre resure, plasamente si capital ………………………126
PANEL DATA(ramane???, apuc sa il mai fac?) ……………………………………………. 126
Concluzii finale și propuneri ………………………………………………………………………….. 127
2

Bibliografie………………………………………………………………………………………………….. 127
ANEXE………………………………………………………………………………………………………. 138
3

INDEXUL FIGURILOR
Indexul figurilor
Figura 1…………………………………………………………………………………………………………. 18
4

INDEXUL TABELELOR
Indexul tabelelor
Tabel 1………………………………………………………………………………………………………….. 27
Tabel 2: Indicatori de performanța după (J.a. Bikker, 2010, p. 4) ………………………….. 91
5

INDEXUL ABREVIERILOR
Indexul abrevierilor
ALM………………………………………………………………………………………………………………. 8
ASSET LIABILITIES MANAGEMENT ………………………………………………………………
ALM………………………………………………………………………………………………………………. 8
6

"Essentially, all models are wrong, but some are useful."
Box, George E. P.; Norman R. Draper (1987). Empirical Model-Building
and Response Surfaces.
“If you put two economists in a room, you get two opinions, unless one of
them is Lord Keynes, in which case you get three opinions.” (Winston
Churchill )
7

INTRODUCERE
Ca urmare a faptului că procesul cunoa terii, în special cel în domeniul ș
economice este unul continuu
deseori ne aflam în situa ia în care faptele cunoscute pana acum sunt reasezate, avem ț
schimbari de paradigma în în elegerea modului de func ionare a lumii. Ăn calitate de ț ț
economi ti sim im acest fapt mult mai pregnant decât alte profesii. ș ț
Motivele pentru care tiin a economică suferă rea ezări se datorează faptului că este o ș ț ș
tiin a sociala, nu putem replica experimentele în cadru natural.ș ț
Importan a temei de cercetare privind managementul resurselor și plasamentelor ț
bancare, materializată în teza de doctorat „Manage mentul resurselor și plasamentelor
bancare în contextul globalizării” derivă din rolul central pe care l-au avut băncile
comerciale în actuală criză economică. Necesitatea analizei metodelor, tehnicilor
utilizate în cadrul ALM ține de incapacitatea băncilor de a cuantifica și previziona
riscurile ce apar ca urmare a tranzacțiilor realizate.
Contextul economic actual a readus în atenția specialiștilor instituțiile financiar-
bancare, modul de supraveghere și reglementare în domeniului financiar-bancar; astfel
Comitetul de la Basel urmărește revizuirea Acordului Basel prin implementarea unor
noi reglementări ( Basel III) care urmărește introducerea de noi indicatori de
supraveghere, precum și înăsprirea celor existente. În acest context rolul
”managementului riscurilor” în cadrul instituțiilor bancare și a Comitetul de
Management al Activelor și Pasivelor (ALCO) ocupă atenția specialiștilor din
domeniu.
Managementul Activelor și Pasivelor Bancare (ALM) este definit ca fiind
“managementul strategic al bilanțului cu scopul optimizării/minimizării variabilității
venitului net din dobânzi și al valorii de piață a capitalului băncii ținând cont de toate
riscurile de pe piață”. O altă definire are în vedere evoluția veniturilor și a cheltuielilor
respectiv: “maximizarea câștigurilor, ajustate în funcție de risc, oferite acționarilor pe
termen lung”.
În România managementul resurselor și plasamentelor bancare este utilizat în general
de băncile mari, iar în cazul băncilor comerciale de dimensiuni mai reduse nu găsim
departament distinct de management ALM ci doar departament de gestiune a
8

riscurilor.
Cercetarea realizata asupra managementului resurselor și plasamentelor bancare are ca
scop identificarea strategiilor și politicilor de management al riscului bazate modele
de programare liniară, având în vedere posibilitatea de minimizare a riscului utilizând
strategii de diversificare a portofoliilor și a strategiilor de plasament, modelarea
riscului asociat resurselor atrase, în special riscurile de credit, lichiditate și de piață.
Cercetarea va fi focalizată asupra modelelor de management aplicate în țara noastră,
urmărindu-se realizarea unui sondaj asupra băncilor comerciale din România cu
privire la aplicarea ALM în cadrul acestora precum și compararea modelelor de
programare liniară și dinamică în vederea realizării unui model ce va surprinde
caracteristicle pieței bancare românești.
Managementul Activelor și Pasivelor Bancare (ALM) este definit astfel:
managementul strategic al bilanțului cu scopul optimizării/minimizării variabilității
venitului net din dobânzi și al valorii de piață a capitalului băncii ținând cont de toate
riscurile de pe piață. O altă definire are în vedere evoluția veniturilor și a cheltuielilor
respectiv: maximizarea câștigurilor, ajustate în funcție de risc, oferite acționarilor pe
termen lung.
Scopul ALM ține de managementul riscurilor prin utilizarea de metode și tehnice care
duc la o cuantificare a riscurilor existente și probabile pentru o bună întelegere a
provocărilor cu care instituția financiară se confruntă. Se urmărește o buna planificare
a lichiditatilor atât pe termen scurt cât și lung, realizează transferul intern al
fondurilor, planificarea și alocarea capitalului , măsurarea profitabilității precum și
managementul riscului de trading. Managementul riscului de trading devine din foarte
important, ținănd cont de faptul că în actuala criza economică băncile s-au confruntat
cu pierderi ridicate tocmai datorita pierderile pe care le-au avut ca urmare a
expunerilor de pe piețele de derivate, în special prin tranzacționarea CDS (Credit
Default Swap) și CDO (Collateralized Debt Obligation).
Implementarea în cadrul instituțiilor financiare a managementului activelor și
pasivelor se realizeaza prin:
coordonare/supraveghere activă din partea celui mai înalt nivel al
managementului (board-ul);
politici, proceduri, limite adecvate;
9

o evaluare, monitorizare si gestionare corecta a riscurilor;
un control intern cuprinzator.
În cadrul ALM, Comitetul de Management al Activelor și Pasivelor (ALCO)
este cel care stabilește nivelurile de risc acceptate de către instituția
financiară, precum și raport risc/profit. Rolul Comitetului de Management al
Activelor și Pasivelor este de a acționa ca intermediar între departamentele
organizației, strângând informații din cadrul Departamentului Financiar cu
privire la îndeplinirea obiectivelor stabilite, utilizează modelele puse la
dispoziție de Departamentul de Analiză și Prognoză pentru a emite
recomandări calificate către Consiliul de Administrație al instituției financiare,
Board-ul fiind cel care va lua decizia finala cu privire la nivelurile de risc
acceptate. Modelarea riscurilor bancare se poate realiza fie prin utilizarea
informatiilor contabile din situațiile financare sau dacă acestea nu sunt
disponibile prin utilizarea de simulari Monte Carlo.
În ultimii ani atenția cercetătorilor a fost puternic focalizată pe managementul
riscurilor bancare și pe managementul resurselor și plasamentelor. Modelele
de management al resurselor și plasamentelor atât dinamice cât și statice au
început să fie dezvoltate încă din anii '80, (van Deventer & Uyemura, 1992) ,
ceea ce face ca acum managerii băncilor să dispună de instrumente din ce în ce
mai precise în managementul riscului.
Managementul resurselor și plasamentelor bancare reprezintă o analiză
cost/profit între nivelul riscului asumat, câștig și lichiditate (Kusy & Ziemba,
1986) cei doi autori întroducând un model de programare liniară stochastică
observându-se că acest model este superior modelelor de programare liniară
aplicate până atunci
În România managementul resurselor și plasamentelor bancare este utilizat în general
de băncile mari (BCR, BRD, Raiffeisen), iar în cazul băncilor comerciale de
dimensiuni mai reduse nu găsim departament distinct de management ALM ci doar
departament de gestiune a riscurilor. Cu toate acestea, ALM a reprezentat o
preocupare permanentă pentru mulți cercetători, însă această preocupare s-a realizat
doar la nivel teoretico-explicativ asta datorită structurii sistemului bancar românesc
care este dominat de puternice bănci străine sau cu capital majoritar străin ce
10

implementează modelele ALM din cadrul companiei-mamă Ceea ce face și ca
numărul cercetătorilor preocupați de managementul resurselor și plasamentelor
bancare să fie redus. (M. Olteanu, 2005) realizează în 2005 o cercetare aplicată asupra
Băncii Comerciale Române în cadrul tezei de doctorat “Managementul activelor
bancare în România.Aplicații la Banca Comercială Română” analizând structura
resurselor BCR, modul de administrare al portofoliului de credite. Sunt prezentate
modalitățile de monitorizare și cuantificare a riscurilor precum și impactul riscurilor
asupra activității bancare. Nu sunt utilizate însă metodele de optimizare
liniara/neliniară a bilanțului băncii.
Obiectivul lucrării
Metodologia cercetării științifice
2. Cercetarea metodelor utilizate în managementul resurselor și plasamentelor bancare
2.1. Tipuri de cercetare științifică folosite
Cercetarea științifică fundamentală
Cercetarea științifică fundamentală asupra managementului resurselor și
plasamentelor bancare va avea ca scop identificarea strategiilor și politicilor de
management al riscului bazate modele de programare liniară, având în vedere
posibilitatea de minimizare a riscului utilizând strategii de diversificare a portofoliilor
și a strategiilor de plasament, modelarea riscului asociat resurselor atrase, în special
riscurile de credit, lichiditate și de piață. Cercetarea va fi focalizată asupra modelelor
de management aplicate în țara noastră, urmărindu-se realizarea unui sondaj asupra
băncilor comerciale din România cu privire la aplicarea ALM în cadrul acestora
precum și compararea modelelor de programare liniară și dinamică în vederea
realizării unui model ce va surprinde caracteristicle pieței bancare românești.
Cercetarea științifică aplicativă
Managementul unei societati bancare îl definim ca reprezentând procesul de
11

conducere si administrare a acesteia, pentru utilizarea resurselor de care dispune în
scopul maximizarii obiectivelor organizationale si depasirii limitarilor provenite din
mediul extern. Managementul activelor si pasivelor bancare consta, pentru o banca, în
determinarea unei situatii ideale exprimate prin dimensiune si structura, precum si în
luarea deciziilor ce-i permit sa atinga aceasta situatie ideala. Atunci când vorbim de
optimizarea managementului activelor bancare trebuie sa avem în vedere, în principal,
supravegherea si gestiunea plasamentelor bancii care detin ponderea covârsitoare în
activul bancii si sunt foarte diversificate, ce trebuie orientate în directia asigurarii unui
grad sporit de siguranta – risc minim, astfel încât acest risc, corelat cu profitul
prognozat, sa rezolve problema lichiditatii bancii.
Optimizarea managementului corelat al operatiunilor active si pasive implica o
valorificare superioara a resurselor mobilizate de banca prin angajarea unor operatii
active aducatoare de maxim de profit, succesul managementului bancar fiind, deci,
legat de corelarea maturitatii activelor si pasivelor si de un mod de actiune pe doua
planuri: pe planul duratei de mobilizare si angajare, care se afla în strânsa corelatie cu
starea de lichiditate a bancii; pe planul pretului creditului, nivelul dobânzii constituind
un important criteriu de corelare a operatiunilor pasive cu cele active.În consecinta, de
modul în care bancile reusesc sa realizeze un raport optim între pasive si active, prin
optimizarea duratei de mobilizare si angajare a resurselor, dar si a nivelului ratei
dobânzii, depind castigurile prognozate.
Cercetare-dezvoltare și inovare
Această cercetare este consacrată utilizării rezultatelor cercetării științifice
fundamentale și ale cercetării științifice aplicative pentru inovări în cadrul băncilor
comerciale care se confruntă prin activitatea derulată cu riscuri bancare.
Analiza efectuându-se prin luarea în considerare a unor cazuri concrete, pornind de la
informațiile obținute din cadrul băncilor pe operează pe teritoriul României se va
analiza care este strategia adecvată pentru fiecare bancă în parte în funcție de
așteptările, dorințele, posibilitățile financiare și apetența pentru risc a acestora.
2.2. Măsurile prevăzute pentru respectarea normelor deontologice ale cercetării
Partea aplicativă a tezei de doctorat fiind una concretă, axată pe identificarea
elementelor determinante în luarea deciziilor privind strategiile de management al
12

resurselor și plasamentelor va asigura confidențialitatea datelor furnizate de băncile
analizate, separându-se datelor confidențiale de cele publice.
2.3. Etapele procesului de cercetare științifică, planul de cercetare
Procesul de cercetare științifică va cuprinde pași din cadrul cercetării fundamentale,
aplicative respectiv de cercetare-dezvoltare și inovare prezentate anterior. Cercetarea
se va baza pe studiile existente privind managementul resurselor și plasamentelor
bancare utilizându-se modele de programare liniară/dinamică în funcție de
specificacitatea individuală cu ajutorul modelelor și metodelor de gestiunea a
riscurilor bancare.
2.4. Documentarea temei cercetate
Documentarea bibliografică a temei cercetate – surse și instrumente specifice
Una dintre precondițiile cele mai importante ale efectuării unei cercetări este studiul
literaturii de specialitate existente pentru a asimila informațiile deja cunoscute, dar și
pentru a afla ultimele noutăți din domeniu, totodată parcurgerea literaturii în domeniu
este necesară pentru întelegerea diferențelor de management al resurselor și
plasamentelor bancare de pe piețe bancare diferite. Studiul bibliografic este o parte
integrantă al procesului de cercetare și oferă o contribuție de valoare în fiecare pas al
cercetării. În primele stadii ale cercetării, acest studiu este util pentru fixarea
rădăcinilor teoretice ale studiului, pentru clarificarea ideilor și dezvoltarea
metodologiei. Mai târziu studiul bibliografic contribuie la consolidarea bazei de
cunoștințe și totodată la integrarea rezultatelor cercetării în cunoștințele existente.
Studiul asupra managementului resurselor și plasamentelor bancare are la bază
parcurgerea celor mai cunoscute publicații din domeniu de la autori precum Adam,
Choudhry, Marrison, Uyemura, Deventer, Fabozzi, Konishi, Murphy, iar metodologia
modelării riscurilor bancare are ca și punct de pornire rezultatele cercetării științifice a
unor autori precum Black, Scholes, Engle, Bollerslev, Li, Zivot și alți autori
cunoscuți.
Pentru a ob ine o complementaritate la nivelul întregului demers al cercetării noastre, ț
a
fost respectat principiul unită ii dintre cantitativ i calitativ astfel: ț ș
Cercetarea calitativă a fost utilizată în cadrul tuturor capitolelor de cercetare 
prin observarea neparticipativă, analiza documentelor i compara ia. ș ț
13

Cercetarea cantitativă a fost utilizată în ultima parte a lucrării noastre prin 
studiile realizate care au urmărit: analiza variabilelor, formularea i testarea ș
ipotezelor de cercetare, identificarea i argumentarea rela iilor dintre diferitele ș ț
aspecte, etc.
Nu în ultimul rând, concluziile i perspectivele cercetării pun în valoare contribu ia ș ț
tiin ifică a autorului adusă domeniului prin lucrarea sa, sintetizează rezultateleș ț
ob inute ț
i conturează direc iile cercetărilor viitoare. Astfel, am încercat să folosim toate ș ț
informa iile pertinente obiectivului nostru, care să se întrepătrundă într-un mod ț
armonios, pentru a oferi validitate i încredere demersului nostru. ș
Structura i organizarea lucrării ș
14

15

16

17

1. RISCUL ȘI MAN AGEMENTUL RESURSELOR/
PLASAMENTELOR BANCARE
1.1.RISCUL ÎN ACTIVITATEA BANCARĂ.
STRUCTURA CAPITOLULUI
1. Intermedierea bancara si riscurile in economia bazata pe competitie????
2. Cerintele actuale ale Acordurilor Basel privind managementul riscurilor bancare
3. Modalitati recomandate de evaluare a riscului in banci, respectiv : valoarea la risc
(avantaje, dezavantaje), Conditional Value at risk, etc
cap 1
1. Riscul i managementul resurselor/ plasamentelor bancare ș
1. Riscul în activitatea bancară.
2. Gestiunea riscurilor bancare
3. Relația risc, risc management și managementul resurselor și plasamentelor bancare
The Determinants of Bank Capital Structure (Reint Gropp)
4. Structura sistemului de management al resurselor și plasamentelor în cadrul
băncilor. Particularități în România
risk management in banks
http://pages.stern.nyu.edu/~adamodar/pdfiles/valrisk/ch1.pdf
http://people.stern.nyu.edu/adamodar/pdfiles/invphiloh/risk.pdf
http://cis01.central.ucv.ro/upload/lucrari_dr/290_rez-ro.pdf
http://ligiagolosoiu.ro/content/cap9-Managementul_riscului_bancar.pdf
http://econ.ubbcluj.ro/Scoala_Doctorala/rezumate/Oana%20Raluca%20DRAGAN
%20(Santamarian).pdf
Handbook of Financial Engineering si Asset-Liability Management: An Overview
RISK MANAGEMENT INBANKING Jo¨elBessis – o scurt definire a riscului
18

ESSENTIALS of Financial Risk Management- o alta scurta definire a riscului
imunizarea portofoliului de recitit si Handbook of asset and liabilities(calibre) pg 69
analizam performantelel bancilor din diverse tari UE si vedem cum stam
gasesti informatii si in Rapoartele BNR pt stabilitate
de introdus referire la performantele sectorului bancar romanesc comparativ cu restul ,
vezi ROA, ROE http://en.wikipedia.org/wiki/Return_on_equity Pe BNR in rapoartele
lunare gasest informatii cu privire la ROE, ROA
Ne referim si la RAROC
http://en.wikipedia.org/wiki/Risk_adjusted_return_on_capital
o definire a obiectivul bancilor :
Creditele și plasamentele bancare în titluri de valori mobiliare
pg.244, si notele de acolo
Există mai multe abordări pentru cuantificarea
valorii optime a activului bancar, dar din perspectiva managementului bancar
maximizarea profitului în
funcție de constrângerile legate în special de lichiditate și adecvarea capitalului
reprezintă obiectivul
principal care este urmărit.

vezi si lucrarea Contribuții privind perfecționarea analizei și managementului
activelor și pasivelor în unități ale Cooperației de Credit din România, cu notele
aferente
de cautat si lucrarea lui Trenca cu modele de performanta-faliment bancar
ATENTIE LUCRAREA CEA MAI IMPORTANTA DE CITIT ESTE:
19

Giandomenico, Rossana. 2011. “Asset Liability Management for Banks.”
concluzii dupa parcurgerea literaturii in domeniu! ce aduce nou lucrarea: integrarea
modelelor econometrice de analiza a riscurilor intr-un model global de tip ALM
vezi si Capitolul 1 :vezi si Freixas and Rochet (1997) pentru o discutie cu
privire la rolul bancilor
vezi si Finance and Growth: Theory and Evidence
structura capitalului: https://scholar.google.ro/scholar?
start=60&q=capital+structure+bank&hl=ro&as_sdt=0,5%20
https://scholar.google.ro/scholar?
cluster=1318067312477017294&hl=ro&as_sdt=2005&sciodt=0,5
https://scholar.google.ro/scholar?q=
%E2%80%9CExplaining+the+dramatic+changes+in+performance+of+US+b
anks%3A+T echnological+change%2C+deregulation
%2C+and+dynamic+changes+in+competition&btnG=&hl=ro&as_sdt=0%2C
5 https://scholar.google.ro/scholar?
q=bank+efficiency&btnG=&hl=ro&as_sdt=0%2C5&as_ylo=2015
https://scholar.google.ro/scholar?
as_ylo=2012&q=bank+efficiency+indicators&hl=ro&as_sdt=0,5
https://scholar.google.ro/scholar?
q=banking+rating&btnG=&hl=ro&as_sdt=0%2C5
Importan a managementului resurselor și plasamentelor bancare derivă din ț
rolul central pe care l-au avut băncile comerciale în actuală criză economică.
Necesitatea analizei metodelor i tehnicilor utilizate în cadrul ALM ine de ș ț
incapacitatea băncilor de a cuantifica și previziona riscurile ce apar ca urmare a
tranzac iilor realizate. ț
În lucrarea “Risc, ince rtitudine i profit” ș(Knight, 1921) tratează într-un mod
distinct no iunile de risc respectiv incertitudine, considerând că riscul este măsurabil ț
în timp ce incertitudinea nu poate fi cuantificată. În general riscul este definit ca fiind
”probabilitatea de apari ie a unui eveniment nea teptat generator de pierdere pentru ț ș
20

activitatea respectivă” (Dic iona țrul explicativ al limbii române, 2000) în timp ce
Oxford Dictionary define te riscul ca fiind ”un hazard, posibilitatea unor consecin e ș ț
negative, pierderea sau expunerea datorate ne ansei”, această defini ie a riscului ș ț
presupune acordarea unei aten ii sporite pierderilor financiare de i riscul se poate ț ș
manifesta atât în sens negativ (downside risk) cât i în sens pozitiv (upside risk), ceea ș
ce face să acordăm o aten ie sporită riscurilor negative (downside risk) fără a ine cont ț ț
de câ tigurile ce apar odată cu asumarea riscului, idiograma chineză a cuvântului risc ș
surprinzând într-un mod deosebit de plastic existen a celor două fa ete ale riscului: ț ț
amenin are versus oportunitate, astfel o defini ie mai cuprinzătoare a riscului financiar ț ț
trebuie să includă i aspectele pozitive care apar ca urmare a asumării riscurilor. Astfel ș
(Jorion, 2000, p. 3) consideră că „…riscul poate fi definit ca fiind o varia ie ț
nea teptată a rezultatelor, care pot fi reprezentate de active, capital sau venituri”,ș
accentul căzând pe caracterul nea teptat al acestor fluctua ii. ș ț
În cazul pie elor financiare riscul este intrinsec acestora, neputând fi evitat, ț
însă riscul financiar poate fi redus i controlat. Plecând de la aceste definiri generale a ș
riscului se poate particulariza riscul financiar (Stavros A Zenios & Ziemba, 2006) ca
fiind probabilitatea ca un eveniment viitor neprevăzut să genereze pierderi financiare,
având ca repercursiuni neîndeplinirea obiectivelor financiare. P rin risc financiar se
în elege potrivit lui ț(McNeil, Frey, & Embrechts, 2005) orice “eveniment sau ac iune ț
care poate afecta într-un sens advers abilitatea organiza iei de a- i atinge obiectivele i ț ș ș
a- i executa strategiile.“ ș (Holton, 2006) arată că riscul are la bază două componente:
incertitudinea i capacitatea de a cuantifica efectele viitoare ale ac iunilor, accentul ș ț
căzând pe capacitatea noastră de a măsura riscul prin măsuri ale riscului (risk
metrics). (Horcher, 2011) face o diferen iere între risc i expunere astfel „riscul se ț ș
referă la probabilitatea unei pierderi, în timp ce expunere reprezintă posibilitatea unei
pierderi… riscul apare ca urmare a expunerii.”
Riscurile financiare pot fi clasificate (Berbe,Damel,Debay, 2005) în două mari
categorii în func ie de posibilitatea cuantificării lor: ț
•riscuri ex ante, măsurabile din care fac parte: riscul de pia ă, care este înteles ț
ca fiind riscul ce apare ca urmare a modificărilor prețurilor activelor sau
pasivelor de pe piață , din riscul de pia ă fac pa țrte: riscul ratei dobânzii, riscul
cursului de schimb, riscul de lichiditate; riscul de credit care apare ca urmare a
21

neîndeplinirii a obliga iilor contractuale,. ț
•riscuri ex ante, nemăsurabile: riscul legal, riscul opera ional. ț
Clasificarea riscurilor financiare mai poate fi realizată i în func ie de caracterul ș ț
endogen/exogen al acestora în raport cu institu ia financiară ț(Jorion, 2000, p. 22) :
•risc de pia ă; ț
•riscul de lichiditate;
•riscul de credit;
•riscul opera ional. ț
Prin risc de pia ă ț(Jorion, 2000, p. 22) se în elege „…riscul apari iei unor ț ț
pierderi datorate fluctua iilor pre urilor de pe pia a sau a volatilită ii pre urilor ”, astfel ț ț ț ț ț
potrivit lui (Jorion, 2000) riscul de pia ă se împarte în risc direc ional i ț ț ș
nondirec ional, prin risc de pia ă direc ional în elegându-se riscul ce apare ca urmare a ț ț ț ț
expunerii directe la cre terea sau scăderea pie elor financiare în timp ce prin risc ș ț
nondire ional se în elege riscurile datorate comportamentului nonlinear al pie elor ț ț ț
financiare.
Riscul de lichiditate (Jorion, 2000, p. 23) este perceput de către institu iile ț
financiare ca un risc al lichidită ii activelor, respectiv ca riscul lichidită ii surselor de ț ț
finan are. Riscul de lichiditate al activelor derivă din imposibilitatea realizării ț
tranzac iilor financiare la pre urile de pia ă ca urmare a impactului major pe care l-ar ț ț ț
avea lichidarea unei pozi ii asupra nivelului pre urilor activelor tranzac ionate, un ț ț ț
exemplu de acum celebru al înghe ării pie elor financiare este situa ia de pe pia a ț ț ț ț
ipotecară americană din vara anului 2007 (Bordo, 2008) când după cre terea ș
numărului de credite subprime restante valoarea derivatelor bazate pe ipoteci a
devenit incertă, iar cum băncile americane avea în bilan urile proprii sau al institu iilor ț ț
financiare din cadrul grupului de ineri semnificate de acest tip, aceasta a dus la ț
cre terea neîncrederii între participan ii de pe pia a interbancară i finalmente laș ț ț ș
înghe area pie ei interbancare americane. Riscul la nivelul surselor de finan are derivă ț ț ț
dintr-o insuficien ă a lichidită ilor (numerarului) de inut de către institu ia financiară ț ț ț ț
sau ca urmare a cre terii neprevăzute a retragerilor ce poate obliga institu ia financiară ș ț
la vânzări for ate, în general în pierdere, de active. ț
Riscul de credit este în eles ț(Jorion, 2000, p. 25) ca fiind „…riscul unor
pierderi datorate fie imposibilită ii, fie lipsei de dorin ă a debitorilor de a- i onora ț ț ș
22

obliga iile contractuale”. Riscul de credit poate fi privit atât la nivel microeconomic ț
(agen i economici i popula ie) cât i macroeconomic la nivelul unei ări, riscul ț ș ț ș ț
asociat institutiilor financiare interna ionale influen ând nivelul de risc, măsurat prin ț ț
cre tera Credit Default Swap, al Greciei ș (Grammatikos & Vermeulen,
2012) observându-se că trasmiterea ocurilor de pe pia a financiară americană către ș ț
pie ele emergente a fost mai puternică pe parcursul crizei financiare decât în perioadaț
pre-criză (Dooley & Hutchison, 2009) .
Riscul opera ional derivă ț(Jorion, 2000, p. 26) din „…inadecvarea ori sincope
ale sistemelor interne, ale personalului, a sistemelor sau ca urmare a unor factori
externi”, (Trenca & Silivestru, 2011, p. 78) consideră că „…principalii factori care duc
la apari ia riscului opera ional sunt frauda internă și frauda externă, practicile ț ț
angaja ilor i măsurile de siguran ă adoptate la fiecare loc de muncă, clien ii, ț ș ț ț
produsele … deficien e în infrastructura tehnică precum i perturbări în activitate și ț ș
defec iuni de sistem.” Astfel riscul opera ional este privit ca un risc intrinsec, intern al ț ț
institu iilor financiare, risc ce poate fi controlat i redus prin implementarea unor ț ș
sisteme de management al riscului, spre deosebire de riscurile exogene riscul
opera ional derivă în totalitate din structura institu iilor financiare. ț ț
(Horcher, 2011) identifică ca surse a riscurilor financiare: a) expunerea
institu iilor la fluctua iile pre urilor activelor/pasivelor, a ratei dobânzii, cursului de ț ț ț
schimb; b) tranzac iile realizate cu clien ii, băncii, alte institu ii financiare; c) ț ț ț
activitatea internă a organiza iei, din cadrul proceselor, sistemelor i al capitalului ț ș
uman. (Bessis, 2011) întelege prin risc bancar acel impact negativ asupra
profitabilită ii datorat unor surse de incertitudine, considerând ca rolul ț
managementului riscului este acela de a cuantifica incertitudinea i magnitudinea ș
efectelor negative asupra profitabilită ii. ț
Majoritatea autorilor privesc riscul din punctul de vedere al unei singure bănci
însă sistemul bancar este interconectat de aceea o definire a riscurilor bancare trebuie
extinsă pentru a cuprinde i acest aspect al interdependen ei, ș ț (Bolocan & Trenca,
2011, p. 20) înteleg prin risc bancar “un conglomerat sau complex de evenimente cu
consecințe adverse pentru bancă, de cele mai multe ori interdependente, prin aceea că
pot avea cauze comune sau că producerea unuia poate genera în lanț (sistemic) și alte
evenimente adverse” astfel riscul nu este privit doar la nivelul unei singure băncii
23

riscurile bancare având un caracter sistemic, extinzându-se conceptul de risc de la
nivelul microeconomic la nivel macroeconomic.
Principalele riscuri bancare sunt (Bessis, 2011, p. 12) :
•riscul de credit. Riscul de credit în cadrul sistemului bancar este în eles ca ț
fiind (Committee, 2000, p. 1) „riscul ca debitorul să nu dorească sau să fie în
imposibilitate de a-și îndeplini obligațiile contractuale (plata dobânzii și a
principalului) parțial sau total”. Riscul de credit se poate manifesta sub două
forme: incapacitate de plată în cazul în care obliga iile contractuale nu sunt ț
îndeplinite în întregime i valoarea creditului acordat nu se mai recuperează ș
potrivit prevederilor contractuale atunci avem risc de default, respectiv riscul
de majorare a spread-ului care afectează valoarea de pia ă a instrumentelor de ț
credit, acesta se manifestă în special prin modificarea ratingului instrumentelor
de credit de inute de către bancă. Efectele riscul de credit asupra băncilor ț
depind de elementele de risc: nivelul expunerii, scaden a, probabilitatea de ț
default, eventualele corela iile între debitori i rata de recuperare. ț ș
•riscul insolvabilită ii (de capital). Prin acest risc se întelege ț incapacitatea
băncii de a- i stinge la scaden ă obliga iile, astfel datorită caracterului sistemic ș ț ț
al băncilor minimizarea acestui risc este de o importan ă crucială. Comitetul ț
de la Basel a introdus, începând cu primul Acord din 1988, cadrul ce stabile te ș
modul de calcul al capitalului băncilor. Complexitatea pie elor financiare a dus ț
la modificarea acordului Basel I în 2004 prin stabilirea unui nivel de adecvare
al capitalului în concordan ă cu expunerea la risc a băncilor (Basel II). ț
Limitele acordului Basel III au devenit evidente în perioada crizei 2007-2008
i astfel un al III-lea Acord Basel a fost conceput i care va fi implementatș ș
progresiv pînă în 2019 (Fig. )
•riscul de dobândă. Riscul ratei dobânzii este înteles ca sensibilitatea fluxului
de numerar la schimbările ratelor dobânzii (Trenca & Benyovszki, 2011) . În
plus ca urmare a scaden elor diferite dintre resursele i plasamentele bancare ț ș
băncile (K Kosmidou, 2004, p. 28) pot să fie expuse la riscul de dobândă,
cre terea ratei dobânzii putând să ducă la o scădere a profitabilită ii băncii. ș ț
•riscul de pia ă. Este definit ca riscul de apari ie a pierderilor ca urmare a ț ț
modificării pre urilor pe pia ă ț ț, atât pentru pozi iile bilan iere cât i pentru cele ț ț ș
24

extrabilan iere. Riscul de pia ă poate să cuprindă în accep iunea unor autori ț ț ț
(Chernobai, Rachev, & Fabozzi, 2007) riscul ratei dobânzii, riscul valutar,
riscul de marfă i riscul de pre al portofoliului. ș ț
•riscul de lichiditate. Riscul de lichiditate reprezintă riscul ca debitorul să nu î i ș
îndeplinească la termen obliga iile ț, acest risc este generat de nerambursarea la
scaden ă a creditelor acordate, neplata dobînzilor i incapacitatea de ț ș
refinan are a băncilor ț(Trenca, 2002).
•riscul opera ional. Poate fi în eles ca incapacitatea băncilor de a asigura ț ț
servirea profitabilă a clien ilor ț(Trenca & Hadrian, 2011, p. 33) ,iar din punctul
de vedere al reglementatorilor acest risc este generat de deficien ele din cadrul ț
sistemelor informatice sau de control intern .
•riscul valutar. Fluctua iile cursului de schimb pot să fie un factor de risc pentru ț
băncile comerciale dacă resursele sau creditele sunt exprimate într-o altă
monedă decât cea de referin ă. ț
•riscul de ară. În special în contextul crizei economice din 2007-2008 riscul de ț
ară a redevenit un subiect important de i implica iile riscului de ară asupraț ș ț ț
întregii economii, nu doar asupra sistemului bancar, erau cunoscute.
Modificările ratingurilor ărilor afectează în mod direct sistemele financiare ț
din ările emergente, intensitatea acestor efecte fiind mai ridicată în perioadeleț
de criză (Kaminsky & Schmukler, 2001, p. 11) .
•riscul legal. (Trenca & Benyovszki, 2011, p. 11) disting două componente ale
riscului legal: riscul juridic, care se referă la îndeplinirea condi iilor de ț
legalitate de către bănci, i respectiv riscul de reglementare care se manifestă ș
prin neaplicarea sau modificarea rapidă a dispozi iilor sau reglementărilor în ț
vigoare.
•riscul de performan ă (de afaceri). Apare ca urmare ț (Bessis, 2011, p. 16) a
modelului de business al băncii, acesta ine de structura băncilor i a pie elor ț ș ț
pe care operează.
25

Fig.1.1. Tipuri de riscuri bancare (Bessis, 2011, pg. 12)
O abordarea diferită a clasificării riscurilor ce ine cont de categoria de riscuri i ț ș
clasele de riscuri (Chernobai et al., 2007) :
•risc de credit:
◦risc de default;
◦risc de spread;
◦alte riscuri asociate instrumentelor de credit;
•risc de pia ă: ț
◦riscul de dobândă;
◦risc de curs de schimb;
◦riscul de pre al portofoliului; ț
◦alte riscuri asociate riscului de pia ă; ț
•risc opera ional: ț
◦risc opera ional intern; ț
◦risc opera ional extern; ț
•alte tipuri de riscuri:
◦risc de lichiditate;
◦risc strategic;
◦risc reputa ional; ț
26Figura 1

◦risc politic;
◦risc legal (juridic, de reglementare);
◦alte riscuri
Nivelul riscurilor asociate sistemului bancar a cunoscut o profundă modificare după
criza din 2007, falimentul băncii Lehman Brothers în septembrie 2008 a generat o
cre tere a riscurilor asociate sistemului bancar urmate de o normalizare a riscurilorș
percepute, însă criza datoriilor suverane din Europa a readus riscurile asociate
sistemului bancar la nivelurile din septembrie 2008 (De Vincentiis, 2012) măsurile
luate în cadrul sistemului bancar european au reu it finalmente să scadă percep ia de ș ț
risc ridicat din cadrul sistemului bancar european. Banca Centrală Europeană stabilind
pa ii de urmat în vederea implementării Mecanismului Unic de Supraveghere (MUS)ș
ce are ca obiectiv garantarea siguran ei i solidită ii sistemului bancar european i ț ș ț ș
sporirea integrării i stabilită ii financiare în Europa, în cadrul Mecanismului Unic de ș ț
Supraveghere participând atât ări din zona euro cât i ări membre ale Uniunii ț ș ț
Europene ce optează pentru includerea în MUS, România fiind parte a acestui proces.
Riscuri financiare Riscuri opera ionale țRiscuri ale mediului de
afaceri
Structura bilan ieră țFrauda internă Risc politic i de ară ș ț
Bugetul de venituri i ș
cheltuieliFrauda externă Riscuri macroeconomice
Capital Mediul de lucru Infrastructura financiară
Portofoliul de credite Clien i, produse i servicii ț ș Infrastructura legală
Lichiditatea Degradarea activelor fixe Crize bancare i fenomene ș
de contagiune
Pie ele financiareț Deficien e ale sistemelor ț
Rata dobânzii Executarea i ș
implementarea proceselor
de management
Curs de schimb
Tabel 1 Clasificarea factorilor de risc în bănci (van Greuning & Brajovic Bratanovic,
2009, p. 4)
Diversele clasificări ale riscurilor, precum i accentul pus de numero i autori ș ș
(Comitetul Basel), (Arunkumar & Kotreshwar, 2005; Bessis, 2011; Santomero &
27

Santomero, 1997; Trenca, 2002; van Greuning & Brajovic Bratanovic, 2009) asupra
riscurilor bancare arată ce rol important joacă procesul de management al riscurilor în
cadrul sistemului bancar.
Procesul de risk management este un proces extrem de dificil potrivit lui
(Horcher, 2011, p. 5) pentru implementarea căruia sunt necesare:
•identificarea i cuantificarea factorilor interni i externi de risc, cu specificarea ș ș
influen ei factorilor de risc asupra băncilor; ț
•clasificarea riscurilor în func ie de probabilită i i pierderile asociate lor; ț ț ș
•definirea unui prag de toleran ă la risc; ț
•dezvoltarea de strategii de management pentru minimizarea riscurilor.
Ca urmare a specificului activită ii bancare acestea pot fi tratate ca ț ma ini deș
transformare a riscurilor (Fig. Transmiterea riscurilor ) deoarece prin managementul
riscurilor i managementul resurselor i a plasamentelor (Assets and Liabilities ș ș
Management ALM) băncile actionează ca un tam pon (buffer) ce internalizează
riscurile i încearcă să minimizeze efectul acestora în economia reală. Riscurile ș
endogene i exogene actionează asupra băncilor comerciale iar acestea sunt diminuate ș
prin mijloace specifice, cu toate acestea deseori băncile pot să ac ioneze ca un ț
amplificator al riscurilor (risc sistemic) iar această stare de fapt derivă din nivelul
capital de inut i al profilului de risc ț ș (Acharya, Pedersen, Philippon, & Richardson,
2010).
28

Fig. Transmiterea riscurilor (abordare proprie)
Intermedierea financiară și Rolul Băncilor în economie
(ramane???)
Contagiune si altele
Dacă urmărim performan a din punctul de vedere al autorită ilor de supraveghere ț ț
atunci …..de introdus informa ii din ț
Fig. Evolu ia ț
29

rrrrrrr
În cazul piețelor însă există dou ă viziuni diferite, sunt cei care consideră că șocurile
fac parte din echilibrul inițial, și de aceea trebuie acceptate. (Forbes și Rigobon, 2002)
adoptă această poziție, unde contagiunea se referă la o creștere a intensității
conexiunilor dintre piețe sau un grup de piețe după apariția unui șoc. Dacă piețele sunt
caracterizate de o relație de codependență înaltă în cadrul evoluției lor, iar după un șoc
relația lor rămâne neschimbată, atunci vorbim nu de contagiune între piețe, ci de
interdependența acestora. Interdependența este o legătură constantă, ce caracterizează
piețele, și care este influențată unitar de șocuri comune. Iar o stare extremă a
interdependenței piețelor este reprezentată de integrare. Cei care fac parte din
categoria a doua consideră efectele de contagiune în afara sistemului. Contagiunea
devine o boală a sistemului, epidemia piețelor. În acest caz contagiunea funcționează
30

ca mecanism de transmitere extins între piețe în perioadele de stres financiar. (Corsetti
et al., 2001) fac parte din categoria celor care împărtășesc acest punct de vedere.
Astfel cu apariția unui șoc pe o piață sau o regiune, anumite efecte, cum ar fi creșterea
volatilității, scăderi de prețuri corelate concomitent cu aceleași efecte de pe alte piețe
sunt naturale, și nu ar trebui să suprindă pe nimeni, datorită mecanismelor
internaționale de transmitere. Dar, ca să putem vorbi de contagiune, gradul de
transmitere trebuie să fie mult mai mare, peste nivelul a ceea ce poate fi prezis în
cazul în care acest mecanism de transmitere este constant, iar contagiunea trebuie să
fie propagată prin comportamentul irațional și panica investitorilor. Însă ambele
direcții au numitor comun, și anume cauzele care conduc la contagiune sau efectele de
revărsare, ce se propagă în cazul piețelor interdependente
Un alt pas în analiza noastră îl reprezenta clasificarea mecanismelor de propagare
posibile între piețele bursiere în funcție de stările între piețe, respectiv motivația care
duce la perpetuarea șocului. Capitolul doi, intitulat Mecanisme de transmitere între
piețele bursiere prezintă mecanismele ce acționează în piețe dependente, șocuri ce
sunt perpetuate prin efecte de revărsare; respectiv mecanisme ce operează pe piețele
independente, iar legăturile dintre piețe sunt atribuite comportamentului investitorilor.
În piețele dependente există posibilitatea de a avea șocuri comune ce acționează ca și
lianturi între piețe, împreună cu legăturii comerciale, deprecieri competitive și legături
financiare. Aceste canale funcționează ca și canale directe între piețe, de exemplu
conform (Calvo și Reinhart, 1996) șocurilor comune includ o creștere semnificativă a
ratei dobânzii în SUA, iar (Moser, 2003) este de părere că majorări accentuate a
prețurilor mărfurilor în țările industriale împreună cu dificultățile intervenite în
balanța de plăți a țărilor individuale constituie șocuri comune. (Corsetti et al., 1999),
împreună cu (Radelet și Sachs, 1998i; 1998ii) adaugă în categoria declanșatoarelor
șocurilor comune schimbări semnificative intervenite în ratele de schimb, iar (Chunan
et al., 1998) includ factori precum încetinirea producției industriale în țările dezvoltate
sau schimbări intervenite în ratingul țărilor dezvoltate. Un alt canal este reprezentat de
legăturile comerciale, cum ar fi comerțul bilateral între două țări, și prin care o criză
poate fi exportată dintr-o piață bursieră în cealaltă. Venitul într-o țară poată să scadă,
ceea ce duce la o reducere a cererii pentru importuri, ceea ce este echivalent cu
31

reducerea exporturilor celorlalte țări, iar balanța de plăți și alte variabile fundamentale
vor fi afectate, împreună cu reflectarea acestor dificultăți pe piețele bursiere.
(Kaminsky și Reinhart, 2000), (Van Rijckeghem și Weder, 1999a; 1999b) consideră că
legăturile comerciale sunt de fapt subordonate altor factori în cadrul transmiterii
crizelor, și intervin doar indirect în acest mecanism. Deprecierile competitive, cum
sunt prezentate de (Corsetti et al., 1999), caracterizează situațiile în care o criză are ca
efect deprecierea monedei naționale într-o țară, ceea ce afectează și exporturile altor
țări. Aceste canale sunt considerate semnificative de (Eichengreen și Rose, 1998a;
1998b) împreună (Glick și Rose, 1998), respectiv (Forbes, 2000; 2001), în timp ce
(Masson, 1998); (Baig și Gooldfajn, 1999) nu sunt de acord că acestea ar juca un rol
atât de împortant în transmiterea șocurilor în piețele interdependente. Ultima
componentă a mecanismelor din cadrul piețelor interdependente o reprezintă
legăturile financiare, care după (Claessens și Forbes, 2004) pot fi caracterizate prin
reducerea nivelului creditării, a investițiilor străine directe sau a altor fluxuri de
capital. În schimb, conform (Rigobon, 2002) acestea sunt asociate cu instituțiile și
regulamentele de funcționare ale acestora, ce subscriu funcționarea piețelor financiare.
(Van Rijckeghem și Weder, 1999a; 1999b) adoptă canalul de transmitere prin
intermediul băncilor, al creditorului comun între piețe. (Kaminsky și Reinhart, 2000)
sugerează că instituțiile bancare joacă un rol major în transmiterea șocului printre țări,
(Kaminsky et al., 2001) împreună cu (Broner, 2004) subliniază împortanța fondurilor
mutuale în propagarea crizelor. (Claessens și Forbes, 2004) consideră că modelele
VAR (Value-at-Risk) implementate similar sunt în stare să provoace tipare de
comportament similare între piețe. Următoarele două grupe de mecanisme de
transmitere între piețe se bazează pe comportamentul investitorilor în propagarea
crizelor, unde aceștia acționează pe bază de catalizator în mecanismul de transmitere.
Cum a fost subliniat și de către (Devenow și Welch, 1996) investitorii pot reacționa
rațional sau irațional la un eveniment extern. Astfel distincția între cele două categorii
este realizată prin motivații ce stau în spatele deciziilor investitorilor, sau barierele
care au determinat ca informațiile pe baza cărora aceștia și-au delimitat așteptările să
fie incomplete. Aceste modele construite în jurul comportamentului investitorilor pot
fi divizate în categoria modelelor raționale de contagiunea forțată, respectiv modele
iraționale ce consideră că agenții nu se comportă întotdeuna conform modelului de tip
32

rațional Bayesian. Contagiunea rațională, sau forțată, este cea care este influențată de
evenimente externe investitorilor, cum ar fi existența informațiilor asimetrice sau
echilibre multiple. Astfel din cauza unor imperfecțiuni a piețelor investitorii par a se
comporta irațional, dar acționează rațional, be paza unor semnale corecte. Însă în
cazul contagiunii iraționale agenții ignoră complet semnalele venite din partea
deciziilor raționale, și aleg a se alătura mișcării generale a pieței. Contagiunea pură,
sau cea rațională în viziunea lui (Moser, 2003) poate fi împărțită în două categorii, și
anume contagiune bazată pe efecte informaționale, și cea bazată pe efecte de domino.
(Moser, 2003) consideră că putem vorbi de efectele informaționale atunci când un șoc
în cadrul unei piețe îi forțează pe investitori să își actualizeze informațiile și să își
schimbe așteptările în celelalte piețe. În schimb, în cazul efectelor de domino, crizele
sunt propagate prin legături financiare indirecte. (Bikhchandani și Sharma, 2000) sunt
de părere că modelele de contagiune forțată sunt de fapt modele de comportament de
turmă fals, unde, spre deosebire de cel autentic, investitorii se bazează pe informațiile
proprii în luarea deciziilor. Efectele informaționale pot fi împărțite la rândul lor în mai
multe subcategorii, și anume (i) erori de extragere a semnalului, propus de către (King
și Wadhwani, 1990), unde legătura ce permite transmiterea crizelor este creată prin
erori de interpretare a comportamentului investitori de pe piață. (Moser, 2003) este de
părere că aceste efecte ale piețelor tind să apară din asumarea unor interdependențe
fictive între piețe, sau prin asumarea ipotezei de salt comun a acestora. Un alt element
din cadrul efectelor informaționale este reprezentat de (ii) apelul de trezire ce a fost
introdus de (Goldstein, 1998), și se referă la situația în care șocul pe o piață determină
investitorii să reevalueze informațiile existente, și îi obligă să își actualizeze corect
asumpțiile inițiale. (iii) Echilibrele multiple reprezintă o altă componentă din cadrul
efectelor informaționale, și sunt privite de către (Moser, 2003) ca și 'interacțiuni ale
așteptărilor', (Claessens și Forbes, 2004) împreună cu (Marshall, 1998) le privesc ca și
'probleme de coordonare a piețelor', în timp ce (Drazen, 2000) le descrie ca și efecte
de 'contagiune politică'. Aceast canal, ce transportă un șoc de pe o piață către cealalte,
poate fi asemănată cu contagiune mentală a investitorilor sau probleme de coordinare
în prezența a mai multor echilibre, unde dacă toți participanții ar alege cea mai bună
variantă, șocul nu ar exista. Dar acțiunea fiecăruia depinde de către ceilalți, astfel un
investitor nu va vinde dacă nici ceilați nu își vând activele din portofoliu, astfel
33

prețurile activelor financiare vor scădea, ci vor rămâne stabile, împreună cu piața. Cea
mai puțin bună variantă, care este pareto optimă, este cazul în care fiecare crede că
ceilalți aleg să vândă, deci, în consecință, toți vor vinde de frica scăderii prețurilor,
determinând prețurile să scadă și șocul să aibă loc. Din moment ce este vorba despre
un proces secvențial, factorul declanșator joacă un rol esențial, deoarece aceasta este
cea care îi determină pe investitori să creadă că probabilitatea de producere a unui șoc
este mult mai mare decât previzionată inițial. (Diamond și Dybvig, 1983) propun
modelul de bank-run, în timp ce (Obstfeld, 1986) tratează atacurile speculative în
cadrul acestor modele de contagiune. (Chang și Velasco, 1998) împreună cu
(Marshall, 1998) aplică modelul anterior menționat în contextul piețelor
internaționale, în care necesitățile de lichiditate sunt o condiție suficientă pentru ca
crizele să se pune în mișcare. (iv) Hazardul moral este al patrulea element din cadrul
efectelor informaționale și este tratat de către (Dooley, 1997). În modelul acestuia
investitorii se bazează pe instituții guvernamentale și pe banca centrală să intervină și
să salveze instituțiile cu probleme în caz de turbulențe majore pe piață. Dar dacă
așteptările lor nu sunt implinite, și prima instituție care prezintă instabilități financiare
și semne de colaps nu este susținută și salvată, această încredere se evaporă și
investitorii vor încerca să evadeze de pe piața problemă. Ultimul model care este
inclus în categoria efectele informaționale se referă la (v) contagiunea politică,
introdus de (Drazen, 2000). Acest tip de contagiune este descris (Moser, 2003) prin
termenul de 'contagiune prin apartenență' iar de (Dornbush et al., 2000) prin
contagiune ce rezultă din schimbări ale regurilor jocului în timpul jocului. A doua
componentă a contagiunii raționale o constituie efectele de domino, legat de care
(Valdés, 1997) propune modelul de transmitere a contagiunii în care sunt încorporate
efectele de avere. Acestea se referă la șocuri exogene de lichiditate, care nu au ca
punct de plecare piețele bursiere, ci sunt șocuri pure asupra averii investitorilor, șocuri
care sunt transmise și piețelor bursiere. O abordare similară este încorporată de
modelele tratate de (Calvo, 1999), (Kyle și Xiong, 2001) sau (Goldstein și Pauzner,
2004). Ultimul mecanism de transmisiune între piețele bursiere este caracterizat prin
lipsa dependențelor între piețe, fără perturbanțe care ar putea crea un șoc, unde doar
reacția irațională din partea investitorilor crează conexiunile între piețe, iar agenții
copiază comportamentul celorlalți participanți pe piață. (Bikhchandani și Sharma,
34

2000) sugerează că principalul motiv pentru acest tip de comportament se află la
rădăcina existenței informațiilor imperfecte, împreună cu preocuparea pentru renume
și structuri de compensare incorecte de pe piață. (Hirshleifer și Teoh, 2003) de
asemenea sunt de părere că externalitățile de plată, sancțiunile asupra deviaților,
interacțiunile preferențiale, comunicarea directă și influența observației constituie
cauze ale comportamentului de turmă. Contagiunea irațională poate fi împărțită în trei
categorii, (i) cascade informaționale, (ii) comportamentul de turmă reputațional și (iii)
comportamentul de turmă compensațional. (i) Cascade informaționale sunt tratate de
către (Bikhchandani et al., 1992;1998) împreună cu (Bannerjee, 1992). Acest
comportament se referă la situația în care un investitor, observând acțiunile celorlalți
investitori de pe piață, alege să îl copieze și să își ignore propriul set de informații.
Spre deosebire se cascadele informaționale, (ii) comportamentul de turmă reputațional
presupune ca investitorii să fie recompensați pe baza rezulatelor obținute, și aceștia să
aleagă să urmeze comportamentul celorlalți din cauza prețului reputațional, deoarece
sunt convinți că probabilitatea de a obține rezultate sub-optime este mai mică în acest
caz. Acest tip de comportament este inclus în modelele prezentate de (Scharfstein și
Stein, 1990); (Trueman, 1994); (Devenow și Welch, 1996); (Prendergast și Stole,
1996); (Graham, 1999) respectiv (Welch, 2000). În modelele de (iii) comportamentul
de turmă compensațional investitorii sunt răsplătiți și fizic pentru performanțele
atinse. (Maug și Naik, 1996); (Dow și Gordon, 1995); (Admatiti și Pfleider, 1997)
descriu acest tip de reacții a investitorilor, în cazul în care există compensarea
agenților dacă aceștia ating performanțe superioare pe piață. Aceste stimulente, în loc
să încurajeze investitorii în a-și urma propria intuiție bazată pe informațiile proprii, îi
determină a urma turma. Astfel aleg să obțină cel puțin un nivel mediu de
performanță, decât riscul de a pierde tot, posibilitatea ce există în cazul în care și-ar
urma doar propria strategie. În acest capitol am clasificat canalele de transmisiune și
mecanismele de propagare posibile între piețele bursiere. Astfel mecanismele de
transmisie între piețe pot fi divizate în canale ce acționează în piețe independente prin
șocuri ce sunt perpetuate prin efecte de revărsare; respectiv mecanisme ce operează pe
piețele independente, iar legăturile dintre piețe sunt atribuite comportamentului
investitorilor.
vezi i rapoartele vechi pentru informa ii cu privire la impacul socurilor asupra ș ț
35

bancilor de importan a sistemica ț
PORNESC DE LA CATEVA DINTRE IDEILE SIMONEI SI APOI DEZVOLT
PUTIN PARTEA DE CONTAGIUNE, RESPECTIV EFECTE DE SPILL-OVER SI
TREC APOI LA DISCUTIA CU CEEA CE SE INTAMPLA A CUMA IN EUROPA
(UNIUNEA BANCARA, RESPECTIV MECANISMUL UNIC DE REZOLUTIE)
International financial market spillovers can be defined as the impact of changes in
domestic asset price movements (or their volatility) on asset prices in other
economies.2 The concept excludes comovement across markets that is driven by
common factors (say, regional or global shocks that affect many economies similarly).
This implies that any empirical analysis faces the challenge of distinguishing such
common shocks from truly idiosyncratic ones and establishing directionality.3
Financial market spillovers are a broader phenomenon than contagion. Definitions of
contagion usually refer to “unusual” comovement of asset prices or their volatility,
typically arising during periods of stress (Forbes 2012).4 Specifically, contagion is
usually understood as asset price comovement that cannot be explained by real-
economy linkages.5 Spillovers span shock transmission in this sense of contagion, but
are more general. The definition of spillovers is agnostic as to the underlying
mechanism and corresponds to directional interdependence across asset markets,
including during normal times.
Cross-country financial market spillovers may reflect the transmission of news about
economic fundamentals or contagion arising from financial friction. • The presence of
direct and indirect trade linkages plays an important role in the cross-country financial
market transmission of shocks to economic fundamentals. For example, stock prices
of firms exporting to a country will be affected by news about economic growth in
that market. News about economic fundamentals in major emerging market
economies can also convey information about the future demand for commodities,
affecting asset prices in commodity-exporting countries, regardless of the strength of
their bilateral trade with these emerging market economies. As another example, a
devaluation of a country’s currency will make that country’s exports more
competitive, which will likely be reflected in a valuation adjustment of competing
firms in other economies (Forbes 2002).6 • The presence of common investors or
lenders in two countries can be sufficient to generate spillovers even in the absence of
36

real-economy linkages (Figure 2.4). For example, as noted previously, funds can
propagate shocks by portfolio rebalancing in the face of relative performance
concerns and fire sales brought on by end-investor withdrawals (see the April 2015
GFSR, Chapter 3; Boyer, Kumagai, and Yuan 2006; Broner, Gelos, and Reinhart
2006; Coval and Stafford 2007; Jotikasthira, Lundblad, and Ramadorai 2012; Kodres
and Pritsker 2002; Kyle and Xiong 2001; Raddatz and Schmukler 2012). Constraints
in large institutional investors’ mandates may cause those investors to drop assets of
countries downgraded to below investment grade (April 2014 GFSR, Chapter 3). The
inclusion or exclusion of a country in a benchmark index typically has significant
effects on flows and asset prices, since many funds follow these indices either
mechanically or closely (Raddatz, Schmukler, and Williams 2015). Herding (rational
or irrational) by international investors may lead to the propagation of shocks beyond
what is warranted by fundamentals (Calvo and Mendoza 2000). The wake-up call
effect— investors’ reassessment of the fundamentals of a whole region or group of
countries in response to trouble in one country—is an additional mechanism of shock
transmission in the presence of common investors (Ahnert and Bertsch 2015;
Goldstein 1998). Common lenders can also transmit shocks—for example, after
suffering losses in one country, banks may cut lending in others to meet capital
requirements (Cetorelli and Goldberg 2012). To the extent that these types of financial
friction amplify shocks, exacerbate volatility, and move prices away from
fundamentals, they can do economic harm, even in the absence of a crisis, since they
can lead to higher funding costs for firms and misallocation of resources.
Mecanismul de rezolutie
PENTRU O DISCUTIE legată de riscul sistemic vezi
https://scholar.google.ro/scholar?hl=ro&q=Systemic+Sovereign+Credit+Risk
%3A+Lessons+from+the+U.S.+and+Europe&btnG =
Vezi i ș
http://www.econstor.eu/bitstream/10419/71140/1/728973553.pdf
https://pure.uvt.nl/ws/files/1457142/2012-021.pdf
https://dash.harvard.edu/bitstream/handle/1/13426863/greenwood,landier,thesmar_vul
nerable%20banks.pdf?sequence=1
https://core.ac.uk/download/files/153/6558122.pdf
37

http://papers.ssrn.com/sol3/papers.cfm?abstract_id=2306003
https://www.bis.org/events/confresearchnetwork1510/barratieri_paper.pdf
http://risklab.fi/papers/peltonen_piloiu_sarlin_v2.pdf
https://www.researchgate.net/profile/Makoto_Nirei/publication/276376492_Bank_Ca
pital_Shock_Propagation_via_Syndicated_Interconnectedness/links/55c8263e08aeb9
756746f447.pdf
http://www.greta.it/credit/credit2014/PAPERS/Posters/Thursday/Brownless_Hans_Nu
alart.pdf
https://www.bis.org/events/confresearchnetwork1510/hale_paper.pdf
Basel III și managementul riscurilor bancare (în lucru)
Contextul1 economic actual a readus în atenția specialiștilor din cadrul
instituțiilor financiar-bancare problema modului de supraveghere și reglementare în
domeniului financiar-bancar, astfel Comitetul de la Basel a revizuit Acordul Basel II
prin implementarea unor noi reglementări, sub forma unui nou Acord Basel (III), care
urmărește introducerea de noi indicatori de supraveghere, precum și înăsprirea celor
existente. De i există un număr mare de indicatori la dispoziția autorităților deș
supraveghere națională și supranațional ă criza economică mondială a arătat că sunt
necesare noi reglement ări în domeniu.
Implementarea în Uniu nea Europeană a recomandărilor Basel II a fost
realizată prin (FSA, 2009) : Banking Consolidation Directive 2006/48/EC (BCD),
Capital Adequacy Directive 2006/49/EC (CAD), care împreună au constituit Capital
Requirements Directive (CRD). CRD urmăre te să asigure sănătatea financiară a ș
1Această parte a lucrării a beneficiat de comentariile și sugestiile participanților la Conferinta
internațională a Școlii Doctorale de Economie organizată de Universitatea “Al. I. Cuza” Iași , în
perioada 24-25 Iunie 2011.
38

instituțiilor de credit ( bănci, firme de investi ii). Directiva stipulează care este ț
valoarea propriilor resurse financiare pe care acestea trebuie să le de ină pentru a ț
acoperi riscurile i a- i proteja deponenții (FSA, 2003). Basel II a fost implementat ș ș
prin CRD 1, începând cu 1 ianuarie 2007 i are la bază trei piloni ș (Basel, 2004):
•Minimum Capital Requirements (Cerin ele minime de capital). Ce urmărește ț
nivelurile minime de adecvare a capitalului, riscul de credit, riscul operațional,
riscul de piață.
•Supervisory Review (Procesul de supraveghere). Ce tratează managementul
riscului, transparența supravegherii.
•Market discipline (Disciplina de pia ă). Completează primii doi piloni prin ț
dezvoltarea modalităților de diseminare a informațiilor către participanții de
pe piețele financiare, oferindu-le informațiile necesare cu privire la nivelurile
capitalurilor, expunerea la risc si managementul riscului.
Evoluția economiei mondiale, creșterea interconectivității la nivel global, dezvoltarea
securitizării i mai ales criza economică a făcut ca CRD, respectiv Basel II să devină ș
perimat, fiind necesare noi instrumente i reglementării pentru a face fa ă provocărilor ș ț
actuale. Astfel începând cu 2011 au intrat în vigoare două noi amendamente CRD 2 i ș
CRD 3 ce completează i actualizează CRD/Basel II. ș
CRD 4 este în discu ii urmând a fi evaluat i mai apoi implementat în viitor ț ș
În acest context rolul ”managementului riscurilor” în cadrul instituțiilor
bancare și a Comitetul de Management al Activelor și Pasivelor (ALCO)
ocupă atenția specialiștilor din domeniu. .
39

Basel III urmăre te întărirea reglementărilor micropruden iale i a supervizării, ș ț ș
aducând în plus i o supraveghere macropruden ială. Noile ce ș ț rin e privind capitalulț
afectează to i cei trei piloni din cadrul Basel II astfel ț :
•Pilonul 1
◦Adecvarea capitalului
▪Calitatea i nivelul capitalului. ș Nivelul minim al capitalurilor va fi
mărit la 4.5% din activele ponderate la risc, după deduceri.
▪Absorb ia pierderilor ț
Tabel. Sursa datelor www.bnr.ro, www.bis.org
201420152016201720182019
Cerin a minimă a Fondurilor ț
Proprii de nivel 1 de bază %4.54.54.54.54.54.5
40

Amortizor de conservare a
capitalului %–0.6251.251.8752.5
Cerin ă minimă a fondurilor ț
proprii de nivel 1 de bază +
Amortizorul de conservare a
capitalului %44.55.1255.756.3757
Amortizorul anticiclic de
capital %–.6251.251.8752.5
Eliminarea deducerilor
na ionale %ț20406080100100
Cerin ă minimă a fondurilor ț
proprii de nivel 1 %5.566666
Cerin ă minimă de capital % ț 888888
Cerin ă minimă de capital + ț
Amortizorul de conservare a
capitalului %888.6259.1259.87510.5
Amortizorul aferent GSII % –25%*G
SII50%*G
SII75%*G
SII100%*
GSII
Amortizorul de risc sistemic
(opțional) %1%-3%
(autorită ile pot stabili un nivel mai ridicat de 5%) ț
Indicatorul de acoperire a
necesarului de
lichiditate (LCR) %Obs.60%70%80%90%/
100%100%
Indicatorul de finanțare
stabilă netă (NSFR) %Se stabile te la propunerea Comisiei Europene ș
Efectele implementarii BASEL III
Măsuri ale riscului(in lucru)
Valoarea la Risc2
2Multumesc Varsovia
41

1. Introduction
Nowadays, economic and financial environment most dominant characteristics
are instability, variability, risk and uncertainty, but in economics in general it’s well
known the principle according to which: “no risk means no gains” . When we deal
with risk, uncertainty and volatility, first it is essential to take into account the main
difference between these three concepts. According to Keynesian approach, there isn’t
a significant difference between first two concepts. On the contrary position is Knight,
who made a sharp distinction between risk and uncertainty in his famous work “Risk,
Uncertainty and Profit” (1921). He considers that the most important difference
between risk and uncertainty consists in possibility of quantifying, while in case of
risk we can make measurements, in the case of uncertainty we can’t do it. What about
variability? While in some cases, the concept of variability is considered the main
component of risk besides uncertainty ( Molak, 1997; Cullen–Frey, 1999), in other
cases we find that the essence of this represent the heterogeneity of values in temporal
and/or spatial aspects ( Molak, 1997). We consider that risk and variability are more
specific to financial market that uncertainty, because there are too many ways and
methods which with it could be explored, predicted and in necessary cases minimized.
For the financial markets participants, risk cannot be completely avoided, but
there are so many ways for managing and minimize it. So, this paper aims to examine
the principal risk categories which are specific to financial markets products, how
they affect the behavior of stock market participant and also the risk management
alternatives. According to Horcher (2005) the risk management is a very broad
concept, which includes more steps. First and the most important step represent the
identification and quantification of the internal and external risk factors, and specific
risk categories which can affect expected gains and returns; the second is the ranking
of risks by priority and possible losses; next step defining a risk tolerance level, which
can be supported, and the last one and also the most consistent step the developing of
risk management strategies, which includes also risk minimizing process. In this large
risk management process, we try to concentrate in this paper to the first step,
especially on risk and risk factor identification and quantification methods.
One of the most treated and used method in financial markets risk exploration
42

is Value at Risk (VaR), which was developed in the ’90 years by J.P. Morgan. In this
period the method was used with great success by central banks, and after that
becomes more popular among financial institutions too ( Chen, 2007). Nowadays, this
method it’s also used at company level in financial risk quantification like market risk,
credit risk, liquidity risk etc. The VaR method is often used to estimate the exchange
rate risk, but also suitable for portfolio risk measurement. Based on statistical
probability estimations, the essence of VaR method consist in maximum, potential
loss quantification, loss which result from market factors variability. Therefore, the
VaR determine the level of maximum expected loss, for different time periods from 1
day to 100 days, at specific confidence level 95%, 97,5%, or 99%. The VaR is the
only one method which characterized the level of portfolio, investment risk using a
number. So, one of a great advantage is that describe the risk with a number. Another
big advantage is that could be well complemented by other risk measurement
methods, such as scenario analysis and stress testing and sensitivity analysis methods.
Manganelli & Engle, [2001] classify the Value-at-risk models in three categories:
parametric (RiskMetrics, Garch), nonparametric (historical simulation, hybrid model),
semiparametric (Extreme Value Theory, CAViaR, quasi-maximum likelihood Garch).
In practice, the application of VaR includes three methods: first based on historical
data, second the method of variance and covariance or parametric based method, and
the third based on Monte Carlo simulation (Horcher, 2005).The great advantage of the
second method is that it is quick and easy to use, but the last two methods provides
much more accurate results and has a wider range of applications. The VaR
calculation based on historical data assumes that past data and events also
characterized the future events. The VaR estimation based on Monte Carlo simulation
is more flexible method, which basically is a random number generator, which is
often used in financial modeling. The success of this method is determined by the
success of used valuation method and also depends by the parameters used in the
simulation (Ray, 2010).
The major disadvantage of VaR risk measurement method is that it could not
be applied in the extreme, shock conjuncture, such as financial crisis. The abrupt and
significant fluctuations of risk factors greatly deform the efficiency of the method. To
eliminate this problem, Artzner et al. (1997, 1999) developed the Expected Shortfall
43

(ES) concept, which characterized by the conditional expected loss which exceeds the
value of loss received by using of VaR method ( Yamai et al, 2002). The ES method is
closely related to the VaR result, because we can obtained the ES value from VaR
value by assigning probability levels to expected loss amount. The great advantage of
ES method is that take into account the possibility of extreme situations (Kerkhof,
2003). Artzner et al. (1999) considers Expected Shortfall (ES) method a most coherent
risk measure method than Value at Risk (VaR). Cuoco, He, Issaenko (2001) in their
research, conclusion that the multiple use of VaR and ES methods generates equally
results.
2. Methodology
The Value-at-risk is defined
by (McNeil et al, 2005) as at “… some confidence level the VaR of the
portfolio at the confidence level is given by the smallest number l such that the
probability that the loss L exceeds l is not larger than .“ Or mathematically we
can write VaR as probability:
❑❑∫❑❑
❑❑ (1)
Engle [1982] in his seminal paper proposed the autoregressive conditional
heteroskedasticity models which view the variance as being dependent of the errors,
the ARCH model was extended in the Generalized autoregressive conditional
heteroskedasticity (GARCH) by Bollerslev [1986] which has the following form:
❑❑❑❑❑❑ (2)
❑❑❑❑~ N(0, ht) (3)
ht = ά0 +ά1 *e2t-1+ β1* ht-1, ά0 > 0, 0 ≤ ά1< 1 . (4)
Because GARCH model treats the shocks symmetrically while on the financial
markets bad news generates more volatility than a good news Glosten & Jagannathan
and Runkle [1993] proposed Threshold GARCH which treats differently the bad-
good news influence on the assets prices. It is an asymmetric model in which the
conditional volatility is:
ht = ά0 +ά1 *e2t-1+γ*dt-1*e2t-1+ β1* ht-1 (5)
where: dt = 1 if et<0 or dt = 0 if et> 0.
44

The GARCH family models were further enhanced in order to reflect the
relation between risk and return, Engle (1987) use a GARCH in mean model which
has the following characteristic:
❑❑❑❑❑❑+θ*ht (6)
where ht is the conditional volatility. In this model as the volatility rises the return are
rising too, this models are useful in order to capture the risk of the assets.
The detection of breakpoints in time series can be posed (Killick, Fearnhead,
& Eckley, 2011) as a hypothesis test where H 0 is the null hypothesis where there is no
changepoint (m=0) and the alternative hypothesis H 1 where we have at least 1
changepoint (m>=1). (Killick et al., 2011) developed the Pruned Exact Linear Time
(PELT) method which test for changepoints using the following statistical criteria:
penalized likelihood, quasi-likelihood and CUSUM; the breakpoint analysis is carried
in the mean, variance and both mean/variance of the series.. The PELT method is
implemented as an R packaged (changepoint package).The test statistics used in the
PELT method implementation (Killick et al., 2011) has the following null hypothesis
H0 : no breakpoint and alternative hypothesis H 1: one breakpoint τ1 , with τ1 {1, 2,∈
…, n-1}. By rejecting the null hypothesis H 0, a changepoint is detected and it is
estimated by maximizing the log-likelihood .
Beside testing for any breaks in time-series usually a unit-root or stationarity
test is applied, because non-stationary series will exhibit shock persistence, infinite
variance can generate the problem of spurious regression. We apply three unit-root
test: augmented Dickey–Fuller test (ADF) and Phillips–Perron (PP) test with the null
hypothesis H0 that the series is integrated of order 1, I(1), and the alternative
hypothesis H1 that the series is stationary, I(0), while the Kwiatkowski–Phillips–
Schmidt–Shin (KPSS) tests has null hypothesis H 0 that the series is stationary, I(0).
The ADF, PP, KPSS tests doesn't take into account any possible structural
changes in the time-series characteristics and as demonstrated by (Perron, 1989) it
may lead to rejecting the series stationarity even if the series is stationary with a break
in the intercept, trend or both. Zivot and Andrews (1992) extended the Dickey–Fuller
test by allowing for a break in intercept (model A), trend (model B) and both (model
C):
Model (A) ❑❑❑❑❑❑❑❑❑❑❑❑❑❑❑❑❑
45

Model (B) ❑❑❑❑❑❑❑❑❑❑❑❑❑❑❑❑❑
Model (C) ❑❑❑❑❑❑❑❑❑❑❑❑❑❑❑❑❑❑❑❑❑❑❑❑
Because unit root test power and size properties are influenced by the number of
lagged terms used we apply (Zivot and Andrews, 1992) methodology by allowing a
flexible number of lagged terms (k) in order to eliminate serial correlation, k is
determined by the t-statistics of the coefficient which need to be bigger than 1.6 . Sen
(2003) analyzes the Zivot-Andrews test power and finds that the best model to use in
testing the unit-root hypothesis is model C which allows for both a break in intercept
and trend.
The structural break will be introduce in the GARCH model equations using a dummy
variable, also in order to eliminate autocorrelation lags of dependent variable will be
introduce in the main equation, the model will be as follows:
❑❑❑❑❑❑❑❑❑❑❑❑❑❑❑❑❑❑❑❑❑❑❑(7)
ht = ά0 +ά1 *e2t-1+ β1* ht-1+dh1 Dh1+…+dhi Dhi (8)
where Dmi ,…, Dhi are dummy variables which take the value 0 before the breakpoint
and 1 after the breakpoint until the end of the period.
Backtesting VaR models is done by measuring the number of times the loss is greater
than the VaR forecast, the number of VaR violations can be define as:

For an improved risk model it is necessary to predict the probability of VaR
violations, noted with p. The VaR violation probability depends on the coverage rate
of VaR, the hit sequence from a correctly specified risk model looks like a sequence
of random tosses of coin (Christoffersen, 2012). The first step for unconditional
coverage testing consist in comparing of fraction of VaR violation for a particular risk
model, the independence testing it is very important tool in backtesting, because it is
not the same that the VaR violations are differentiated in time or there are clustered in
some certain period. By checking the independence test, we have the possibility to
discover and reject the model with clustered hit sequence. The first step consist in
assuming that violations are dependent over time, which could be described better by
Markov transition probability matrix, where the Markov property refers to the
assumption that only today’s outcome is determinant for tomorrow outcome, the
46

evolution from the past doesn’t matter, where π 11 is the probability of tomorrow being
a violation given today is also a violation and π 01 is the probability of tomorrow being
a violation given today is not a violation. For checking the independence π 01 = π11, a
likelihood ratio test is used. After the independence test, the next step for correct
coverage is the conditional coverage test, which checks that π 01 = π11 = p. The test is
computed by summing of unconditional coverage and independence test.
Una dintre cele mai discutată i utilizată măsură a riscului pe pie ele financiare ș ț
este Value at Risk (VaR), a fost creată ca un indicator simplu de utilizat i în eles de ș ț
către J.P. Morgan în anii '90. De atunci este utilizată pe scară largă de băncile centrale,
institu ii financiare, corpora ii, inclusiv Acordurile Basel raportându-se la această ț ț
măsură a riscului.
Bazată pe distribu iile de probabilitate, Value-at-Risk constă în cuantificarea ț
pierderii maxime ce poate apărea ca urmare a varia iei pre urilor activelor financiare ț ț
de inute. Astfel VaR determină pierderea maximă poten ială pe diverse perioade deț ț
timp, de la 1 zi până la 100 de zile, cu un anumit grad de încredere (95%, 97.5%,
99%). Marele avantaj al acestei măsuri a riscului este dat de ob inerea unei fotografii ț
instante a riscului de pia ă cu care se confruntă institu iile financiare. Un alt avantaj ț ț
derivă din posibilitatea utilizării Value-at-Risk în analiza scenariilor, stress-testing i ș
analiză de senzitivitate. Marele dezavantaj al Value-at-risk este inaplicabilitatea sa în
cazurile extreme, ocuri puternice, crize financiare, deoarece fluctua iile rapide i ș ț ș
puternice ale pre urilor activelor nu sunt suficient de rapid încorporate în acest ț
indicator al riscului.
(Engle & Manganelli, 2001) clasifică Value-at-risk în func ie de modele ț
utilizate astfel:
•Parametrice:
◦RiskMetrics;
◦GARCH.
•Neparametrice:
◦simulare istorică;
◦modele hibride.
47

•Semiparametrice:
◦Teoria valorilor extreme
◦CAViaR
◦quasi-maximum likelihood GARCH.
În practică (Horcher, 2011) modele cele mai utilizate sunt cele bazate pe:
•simularea istorică, ce presupune calcularea Value-at-risk pe baza datelor
istorice de pe pie ele financiare, presupunînd că activele financiare vor avea în ț
viitor un comportament similar cu cel din trecut.
•metoda varian ei-covarian ei, ce presupune că rentabilită ii activelor urmează o ț ț ț
lege de distribu ie de medie ț i varian ă ș ț, valori ce sunt ob inute din istoricul ț
activului.
•simulările Monte Carlo, presupune simularea proceselor aleatoare, fiecare
simulare generînd valorile posibile ale activului/portofoliului pe baza cărora se
construie te func ia densitate de probabilitate. ș ț
Succesul acestor metode este determinată de modalitate de evaluarea a riscurilor,
precum i de parametrii utiliza i în cadrul modelelor, dezvoltându-se metode de ș ț
backtesting pentru evaluarea performan ei Value-at-risk ț(Christoffersen & Pelletier,
2004).
Din punct de vedere matematic Value-at-risk este definită (McNeil et al.,
2005) ca fiind „… la un anumit prag de încredere, , Value-at-risk al unui
portofoliu este dată de cea mai mică valoarea l astfel încât probabilitatea ca pierderea
L să depăsească l să fie mai mică decât ”, adică
(1)
Modele parametrice
Modelul RiskMetrics, dezvoltat de către J.P. Morgan în 1989, a fost primul
model parametric aplicat al Value-at-risk, ce urmărea să ofere o imagine clară a
pozi iei institu iilor financiare cu privire la posibilile pierderi cu care s-ar puteaț ț
48

confrunta. În cazul acestui model volatilitatea este exprimată ca o func ie a ț
rentabilită ilor trecute i a valorilor medii a activului/portofoliului de active: ț ș
(2)
– unde R reprezintă rentabilită ile, ț valoarea medie a rentabilită ilor iar ț este un
factor exponen ial ce măsoară persisten a volatilită ii. Factorul exponen ial poate ă ț ț ț ț ș
aibe valori între , în practică însă valorile utilizate sunt de 0.94 sau 0.97
(Engle & Manganelli, 2001) . Modelul RiskMetrics nu tratează în amănunt func ia de ț
distribu ie a activelor financiare, bazându-se pe ipoteza de normalitate ț .
Din cadrul modelelor parametrice fac parte și modele GARCH (General
Autoregressive Conditional Heteroskedastistic Model) care sunt printre cele mai
utilizate în practică datorită capacității de cuantificarea a dependențelor non-liniare.
Primul model autoregresiv condițional heteroscedastic a fost dezvoltat de (Engle,
1982) și presupune:
(3)
(4)
(5)
unde i ș
Ecua ia 3 explicitează evolu ia mediei seriei modelate ca depinzând de un parametru ț ț
constant i de ocuri (modelate cu ajutorul erorilor din perioada ș ș ), erorile
urmează o lege de distribu ie normală de medie ț i varian ă ș ț , iar
procesul ce generează (ecua ia 5) ț depinde de pătratul erorile din perioada .
Parametrii ecua iei 5 ț i ș trebuie să fie pozitivi, iar restric ia ț garantează că
varian a seriei nu este un proces exploziv iar ocurile sunt absorbite în timp. ț ș
Modelul ARCH a fost generalizat de către (Bollerslev, 1986) i îl augmenteazăș
introducând în ecua ia varian ei valori precedente (laguri) ale lui ț ț , (Zakoian,
1994) încorporează comportamentul asimetric al activelor financiare prin explicitarea
varian ei condi ionate asimetric (TGARCH), ț ț (Engle, Lilien, Robins, Econometrica, &
Mar, 1987) in cont i de legătura dintre risc i rentabilitate (GARCH în medie),ț ș ș
(Nelson, 1991) consideră că varian a are o formă exponen ială. Există un număr ț ț
ridicat de modele GARCH, peste 100 de modele fiind identificate de către (Bollerslev,
2008), majoritatea fiind varia ii ale unor modele de bază, cele mai utilizate în ț
49

modelarea Value-at-risk rămân modele GARCH asimetrice, GARCH în medie i ș
GARCH(1,1)
Tabel Principalele modele GARCH
Modelul Ecuația mediei Ecuația varianței
ARCH
GARCH
TGARCH
GARCH-M
E-GARCH
I-GARCH
este definit
Modele nonpa rametrice
Simularea istorică
Metoda simulării istorice3 (Historical Simulation – HS) calculează valoarea ipotetică a
modificării portofoliului curent al băncii în funcție de variațiile istorice ale factorilor
de risc. Marele avantaj al metodei este reprezentat de faptul că nu face nici o
presupunere în ceea ce privește distribuția rentabilităților, folosindu-se de distribuția
empirică obținută din analiza datelor istorice, fiind totodată o metodă relativ simplă de
calcul. Dezavantajele metodei rezidă în următoarele:
estimează evoluțiile viitoare pe baza datelor istorice, ceea ce ar putea conduce
la prognoze imprecise dacă trendul din trecut nu se mai repetă;
acordă o importanță egală datelor istorice și datelor recente, ceea ce nu mai
surprinde corect impactul unei creșteri în volatilitate a datelor mai recente;
băncile trebuie să dispună de o bază de date istorică suficient de mare pentru a
3 Simularea istorică (Historical Simulation) mai este cunoscută și sub denumirea de Bootstrapping
Simulation.
50

testa acuratețea modelului, fapt demonstrat de Vlaar (2000) în determinarea riscului
ratei dobânzii pe piața daneză;
pe de altă parte, dacă perioada de observare este prea mare mare, observațiile
cele mai recente vor avea același impact ca și observațiile cele mai îndepărtate, din
moment ce sunt ponderate egal (Brooks & Persand, 2000);
este dificil de aplicat în cazul apariției de noi riscuri aferente portofoliului de
tranzacționare, deoarece nu există date istorice care să surprindă comportamentul
acestora;
ipoteza bazată pe volatilitatea și covarianța constantă a rentabilităților datelor
din portofoliu nu permite încorporarea în model a modificărilor de pe piață;
cum majoritatea modelelor HS calculează VaR pe baza unui eșantion cules pe
o perioadă de 250 de zile, apare problema “efectului ferestrei de calcul” (window
effect). De exemplu, dacă au trecut 250 de zile de la apariția unei volatilități extreme
pe piață, atunci aceasta nu va mai influența calculul VaR.
Având în vedere aceste inconveniente, o serie de cercetători au încerca înlăturarea
acestora propunând diverse modele bazate pe o combinație între simularea istorică și
modelele parametrice. Acestea vor fi prezentate în subcapitolul 2.4.
2.2.2. Simularea Monte Carlo
În cazul simulării Monte Carlo distribuția rentabilității portofoliului de tranzacționare
al băncii se obține generând diferite scenarii pentru factorii de risc considerați și
calcularea valorii portofoliului în aceste condiții. Generarea valorilor variabilelor
probabiliste reprezintă motorul acestei metode de simulare (Jackel, 2003). Prin
extragerea la întâmplare a unui eșantion din distribuția de probabilitate care descrie
comportamentul unei variabile probabiliste se reproduce în modelul de simulare
caracterul aleator al variabilei necontrolabile de decident. Metoda Monte Carlo se
folosește cel mai des artunci când trebuie să calculăm valoarea așteptată a unei funcții
f(x) având data distribuția densitate de probabilitate ψ(x):
nx dxxxfxfE )()()()( 
51

Valoarea căutată prin această medotă este urmatoarea:
snsdxxxfm)()(
Metoda este flexibilă, putând fi aplicată pentru toate tipurile de portofolii, însă
necesită o putere mare de calcul și alegerea atentă a modelelor de evaluare pentru
activele financiare din componența portofoliului. Calitatea rezultatelor obținute prin
simularea Monte Carlo poate fi apreciată prin teste de concordanță, cum ar fi
Kolmogorov Smirnov.
Utilizarea modelelor semiparametrice în estimarea riscului de piață
Având în vedere variațiile extreme înregistrate pe piețele financiare la nivel
internațional, s-a impus cu necesitate abordarea dintr-o perspectivă mai prudentă a
estimării riscului de piață în bănci. În încercarea de a acoperi deficiențele modelelor
anterioare s-au dezvoltat o serie de metode alternative pentru estimarea VaR, prin
combinarea modelării parametrice cu cea non-parametrică. Acestea au condus la
dezvoltarea unor modelele care să înglobeze volatilitățile extreme de pe piață,
modelând direct distribuțile formate din valorile extreme înregistrate de variabilele
financiare.
2.4.1. Modele hibride
Pentru rezolvarea inconvenientelor metodei bazate de simularea istorică (în special
incapacitatea modelului de a surprinde volatilitatea recentă) au fost dezvoltate o serie
de modele ce combină simularea istorică cu modele parametrice.
Modelul BRW. Bazându-se pe ipoteza că pe măsură ce ne apropiem de prezent putem
preziziona mai bine evoluția viitoare a instrumentelor financiare din portofoliu
Boudoukh, Richardson și Whitelaw (1998) au propus o tehnică de ponderare
exponențială cunoscută sub denumirea de BRW, pentru a diminua efectul pe care
mărimea eșantionului îl are asupra estimării VaR. Fiecărei observații îi sunt date
ponderi diferite, datele cele mai recente având ponderea cea mai mare, apoi ratele
descresc pe măsură ce se înaintează în trecut. Abordarea prezintă două mari avantaje.
52

În primul rând, volatilitatea va acționa mai rapid la șocurile de pe piață, deoarece
datele mai recente au o pondere mai mare. În al doilea rând, volatilitatea scade
exponențial după un șoc mare pe piață, deoarece ponderea observațiilor se reduce.
Boudoukh et al. (1998) au examinat acuratețea metodei pe un portofoliu de acțiuni
înainte și după crahul bursier din 19.10.1987, arătând că HS nu a indicta nici o
schimbare în ziua următoare crahului deaorece toate rentabilitățile zilnice erau
ponderate la fel, pe când BRW a surprins efectele crahului.
Mirrored Historical Simulation. Propusă de către Holton (1998) simulare istorică
“în oglindă” este o extensie a simulării istorice ce utilizează scenarii de tip oglindă, ce
permite dublarea numărului de scenarii. Acestea implică multiplicarea seriei
rentabilităților cu -1 și adăugarea de scenarii pentru observațiile existente. Totodată
secanriile de top oglindă pot fi folosite pentru a reduce erorile aferente seriilor
estaționare. De exemplu, în loc să se folosească 1000 de observații din care 75% sunt
mai vechi de 3 ani, este mai utilă utilizarea a 500 de observații concomitent cu
creșterea numărului de pierderi.
Modelul lui Hull și White (1998) au sugerat ajustarea datelor istorice la modificările
volatilității. Utilizând modele GARCH au obținut estimări zilnice ale volatilității pe
perioada studiată, prin aplicarea tehnicii de bootstrapping pe reziduurile standardizate
ale modelului GARCH.
Filtered Historical Simulation (FHS). Modelul a fost dezvoltat de către Barone-
Adesi et al. (2000) prin suplimentarea simulării istorice cu modelul GARCH în
vederea surprinderii fenomenului de volatility clustering. Spre deosebire de simularea
istorică care se utilizează pentru instrumentele financiare din portofoliul băncilor care
prezintă volatilitate și corelație constantă a erorilor (caz foarte rar întâlnit în practică),
FHS se utilizează în cazul prezenței fenomenului de heteroscedasticitate, prin
modelarea parametrică a volatilității și modelarea non-parametrică a informațiilor noi.
Modelul lui Cabado and Moya (2000) au propus estimarea VaR un model ARMA
combinat cu simularea istorică. Aplicând modelul pe seria de date formată din
53

cotațiile petrolului în perioada 1992 – 1998 au demonstrat că utilizarea acestui
superior este net superior altor modele.
Modelul hibrid a lui Zicovic și Filer (2009). Aceștia au introdus o abordare hibridă
de estimare a VaR prin combinarea simulării nonparametrice pentru a surprinde
boltirea și asimetria seriilor financiare, cu un model te volatilitate GARCH în vederea
eliminării heteroscedasticității. Modelul are la bază procedura boostraping-ului
recursiv dezvoltată de Freedman și Peters (1984) și de Hull și White (1998). Aplicând
această metodă pe un eșantion de 16 indici bursieri reprezentativi din țări dezvoltate și
emergente au obținut performanțe asemănătoare cu aplicarea teoriei valorilor extreme.
Rezultatele basktesting-ului au deminstrat validarea acestui model, precum și faptul că
asigură protecție băncii la un cost mai scăzut al cheltuielilor de adecvare a capitalului,
în comparație cu alte modele. Toodată modelul prezintă cea mai redusă eroare
specifică în cazul piețelor emergente.
Tabelul 3. Principalele studii de validare a modelelor de risc de piață
Autori Studii
Kupiec (1997) A dezvoltat o metodologie de determinare a intervalelor de
încredere pentru frecvența de apariție a unor valori mai mari decât
valoare estimată VaR.
Christoffersen
(1998)Prupune un teste bazat pe abordarea Markov pentru a determina
numărul de depășiri ale VaR.
Christoffersen &
Pelletier (2004)Concep un test de validare bazat pe durată, acesta ținând cont de
ipoteza de independență a depășirilor VaR.
Bontemps (2006) A aplicat teste de validare bazate pe metodologia duratei și a
modelării distribuției geometrice.
Dofour (2006) A făcut apel la simularea Monte Carlo pentru a controla marimea
testului de validare datorită numărului mic d edepășiri a VaR.
Campbell (2007) Dezvoltă teste ce pornesc de la ipoteza de independență și
convergență necondițională a depășirilor.
Berkovitz at al.
(2009)Au conceput teste de validare a VaR bazate pe metoda GMM
Duration, luând în calcul distribuția geometrică a duratei
înregistrării de depășiri.
Candelon et al.
(2010)Au dezvoltat o procedură de back-testing bazată pe metoda GMM
Duration și pe statistica J. Analizând rentabilitățile zilnice ale
54

titlurilor listate pe piața NASDAQ au demonstrat că testul are
performanțe mai bune decât testele clasice de validare.
Conditional Value at Risk (CvaR)
To eliminate this problem, Artzner et al. (1997, 1999) developed the Expected
Shortfall (ES) concept, which characterized by the conditional expected loss which
exceeds the value of loss received by using of VaR method ( Yamai et al, 2002 ). The
ES method is closely related to the VaR result, because we can obtained the ES value
from VaR value by assigning probability levels to expected loss amount. The great
advantage of ES method is that take into account the possibility of extreme situations
(Kerkhof, 2003 ). Artzner et al. (1999) considers Expected Shortfall (ES) method a
most coherent risk measure method than Value at Risk (VaR). Cuoco, He, Issaenko
(2001) in their research, conclusion that the multiple use of VaR and ES methods
generates equally results .
Expected shortfall (ES) or Conditional Value-at-risk (Acerbi & Tasche, 2002) is used
as an alternative to Value-at-risk , it can be defined as (Rau-Bredow, 2004) : “… the
average of all losses which are greater or equal than VaR, the average loss in the
worst (1-p)% “ and mathematically:
ESα=1
α∫VaRγ(X)dγ (13)
where VaRγis the Value-at-risk and αis the lower quantile.
In Figure 1 we have a hypothetical distribution functions of Profit and Loss (P/L)
where P/L has a leptokurtic distribution with mean 1 and standard deviation 1, then
the Value-at-risk represent the percentile (in red) of losses.
Fig.1. Value-at-risk graphic representation
55

Source: http://en.wikipedia.org/wiki/Value_at_risk
For example if we invest 1000 in a portfolio and the expected value is presented in
column 2 (Portofolio expected value) of Table 1, then the Profit/Loss (column 3) will
be the difference between the invested value and the expected value.
Table 1. Example of expected shortfall calculation
Event probability Portfolio expected value Profit/loss
5% 100 -900
10% 500 -500
20% 1500 500
50% 1600 600
15% 2000 1000
Worst case probability
α=Expected shortfall
5% ES0.05 = -900
10% ES0.10 =
0.05∗(−900)+0.05∗(−500)
0.1=−700
20% ES0.20 =
0.05∗(−900)+0.10∗(−500)+0.05∗(500)
0.2=−350
50% ES0.20 =
56

0.05∗(−900)+0.10∗(−500)+0.20∗(500)+0.15∗(600)
0.5=280
ES0.05 represent the worst 5 out of 100 cases, these cases are a subset of the 5%
quantile (actually they identify with it) so the expected shortfall is -900, in the case of
ES0.20 which represents the worst 20 out of 100 worst cases we calculate the Expected
Shortfall as being compose of a 5% quantile with an expected loss of -900 and an
10% quantile with an expected loss of -500 and an 5% quantile with an expected
profit of 500.
CvaR or Expected Shortfall are used by (Ferstl & Weissensteiner, 2011) in a multi
period stochastic linear programming model with re-allocation, CVaR of shareholder
value is minimized in order to , which is the difference between mark to market value
of assets and the present value of liabilities.
Concluzii preliminare
In order to apply the management of assets and liabilities in financial institutions it is
imperative that the objective function, which usually are the risk level, earnings,
liquidity
, profit, solvency, the loans and deposits
levels, value added
to also take in consideration the worst cases scenario. Value-at-risk and Conditional
Value-at-risk can be used as the principal objective function or as a secondary one in
ALM. We present the Value-at-risk with the most used models (GARCH) and the
Conditional Value-at-risk; the GARCH models can capture the specific of financial
series, their asymmetric and leptokurtic characteristics so applying GARCH models
in VaR specification will enhance the reliability of forecasts.
Măsuri coerente ale risculu i
O măsură a riscului este considerată a fi coerentă dacă satisface
următoarele proprietă i ț(Szego, 2002, p. 7) :
•este monotonă, dacă atunci i ș , proprietatea de monotonie
57

presupune ca func ia ț să păstreze ordinea elementelor din mul imea X. ț
•pozitiv omogenă, pentru oricare ar fi x din mul imea X i ț ș
pozitiv i real. ș
•subaditivă, dacă oricare ar fi x i șy din mul imea X. ț
O func ie omogenă este convexă ț dacă i numai dacă ș func ia este i ț ș
subaditivă.
•invarian a la transla ie, respectiv ț ț , oricare ar fi x din
mul imea X, ț real, pentru orice rată a activelor fără risc.
Din punct de vedere economic proprietă ile prezentate au următoarea ț
semnifica ie economică ț(Szego, 2002)
vezi si lucrarea http://repository.cmu.edu/cgi/viewcontent.cgi?
article=1170&context=sem_conf
partea asta ar merita dezvolta caci e destul de interesanta…
58

2. RELAȚIA RISC, RISC MANAGEM ENT ȘI MANAGEMENTUL
RESURSELOR ȘI PLASAMENTEL OR BANCARE
STRUCTURA CAPITOLULUI
1. Sistemul de management al resurselor si plasamentelor in cadrul bancilor
comerciale (cerinte actuale)
2. Instrumente si tehnici utilizate în managementul resurselor si plasamentelor bancare
3. Rupturi structurale , poate fac studiu de caz, (mai vad)
cap 2
2. Modele utilizate în managementul resurselor și plasamentelor bancare
1. Modelul liniar pe o singură perioadă
2. Modelul liniar multi-periodic
3. Modelul dinamic peo singură perioadă
4. Modelul dinamic multi-periodic
5. Relația dintre managementul activelor i pasivelor bancare i valoarea de piata a ș ș
instituțiilor bancare
pornesti de la Asset-Liability Management: An Overview
este lucrare pe care imi construiesc acest capitol,pg 14
de citit Strategic asset allocation with liabilities: Beyond stocks and bonds
Handbook of assets and liabilities
date generale
Goal programming techniques
de la pg 43
Asset and liabilities management handbook
pg 16
Alte modele vezi si lucrarea Optimal Asset Structure of a Bank Bank Reactions to
Stressful Market Conditions http://papers.ssrn.com/sol3/papers.cfm?
abstract_id=2246576
59

Long-term bank balance sheet management: Estimation and simulation of risk-factors
http://www.sciencedirect.com/science/article/pii/S0378426613003154 (ii in
Mendeley)
vezi si Bank liability structure
2.1. Structura sistemului de management al resurselor și plasamentelor în cadrul
băncilor
Modelele utilizate în managementul resurselor i plasamentelor pot fi clasificate ș
astfel: modele statice anuale, modele statice multi-anuale, modele stochastice anuale,
modele stochastice multi-multianuale (Stavros A Zenios & Ziemba, 2006) . Unul
dintre primele modele statice anuale îl regăsim în teoria modernă a portofoliului a lui
(Markowitz, 1952) care prezintă alocarea între diversele clase de active financiare din
perspectiva riscului asociat i a rentabilită ii as eptate, deoarece normalitatea ș ț ț
distribu iei în cadrul activelor s-a dovedit a fi falsă modele ce încorporează ț
caracteristicile leptokurtice ale seriilor financiare au fost dezvoltate (S A Zenios,
1995). Printre modele stochastice putem aminti modelele de tip programare liniară
dezvoltate de (Carino et al., 1994) .
Managementul unei societă i bancare îl definim ca reprezentând procesul de ț
conducere i administrare a acesteia, pentru utilizarea resurselor de care dispune în ș
scopul maximizării obiectivelor organiza ionale i depă irii limitărilor provenite din ț ș ș
mediul extern. Managementul activelor si pasivelor bancare consta, pentru o banca, în
determinarea unei situatii ideale exprimate prin dimensiune si structura, precum si în
luarea deciziilor ce-i permit sa atinga aceasta situatie ideala. Atunci când vorbim de
optimizarea managementului activelor bancare trebuie sa avem în vedere, în principal,
supravegherea si gestiunea plasamentelor bancii care detin ponderea covârsitoare în
activul bancii si sunt foarte diversificate, ce trebuie orientate în directia asigurarii unui
grad sporit de siguranta – risc minim, astfel încât acest risc, corelat cu profitul
prognozat, să rezolve problema lichiditații băncii. Optimizarea managementului
corelat al operatiunilor active si pasive implica o valorificare superioara a resurselor
mobilizate de banca prin angajarea unor operatii active aducatoare de maxim de
60

profit, succesul managementului bancar fiind, deci, legat de corelarea maturitatii
activelor si pasivelor si de un mod de actiune pe doua planuri: pe planul duratei de
mobilizare si angajare, care se afla în strânsa corelatie cu starea de lichiditate a bancii;
pe planul pretului creditului, nivelul dobânzii constituind un important criteriu de
corelare a operatiunilor pasive cu cele active.În consecinta, de modul în care bancile
reusesc sa realizeze un raport optim între pasive si active, prin optimizarea duratei de
mobilizare si angajare a resurselor, dar si a nivelului ratei dobânzii, depind castigurile
prognozate.
Managementul Activelor și Pasivelor Bancare (ALM) poate fi definit astfel:
1.managementul strategic al bilanțului cu scopul optimizării/minimizării
variabilității venitului net din dobânzi și al valorii de piață a capitalului
băncii4 ținând cont de toate riscurile de pe piață;
2.maximizarea câștigurilor, ajustate în funcție de risc, oferite acționarilor pe
termen lung.
Scopul ALM ține de managementul riscurilor prin utilizarea de metode și
tehnici care duc la o cuantificare a riscurilor existente și probabile pentru o bună
întelegere a provocărilor cu care instituția financiară se confruntă. Se urmărește o
buna planificare a lichiditatilor atât pe termen scurt cât și lung, realizează transferul
intern al fondurilor, planificarea și alocarea capitalului, măsurarea profitabilității
precum și managementul riscului de trading. Managementul riscului de trading devine
din foarte important, ținănd cont de faptul că în actuala criza economică băncile s-au
confruntat cu pierderi ridicate tocmai datorita pierderile pe care le-au avut ca urmare a
expunerilor de pe piețele de derivate, în special prin tranzacționarea CDS (Credit
Default Swap) și CDO (Collateralized Debt Obligation).
Implementarea în cadrul instituțiilor financiare a managementului activelor și
pasivelor se realizeaza prin:
coordonare/supraveghere activă din partea celui mai înalt nivel al
managementului (board-ul);
politici, proceduri, limite adecvate;
o evaluare, monitorizare si gestionare corecta a riscurilor;
un control intern cuprinzator.
4 http://www.ligiagolosoiu.ro/content/curs13.pdf , pg. 1.
61

În cadrul ALM, Comitetul de Management al Activelor și Pasivelor (ALCO)
este cel care stabilește nivelurile de risc acceptate de către instituția financiară,
precum și raport risc/profit. Rolul Comitetului de Management al Activelor și
Pasivelor este de a acționa ca intermediar între departamentele organizației, strângând
informații din cadrul Departamentului Financiar cu privire la îndeplinirea obiectivelor
stabilite, utilizează modelele puse la dispoziție de Departamentul de Analiză și
Prognoză pentru a emite recomandări calificate către Consiliul de Administrație al
instituției financiare, Board-ul fiind cel care va lua decizia finala cu privire la
nivelurile de risc acceptate. Modelarea riscurilor bancare se poate realiza fie prin
utilizarea informatiilor contabile din situațiile financare sau dacă acestea nu sunt
disponibile prin utilizarea de simulari Monte Carlo. [Trenca,I & Benyovszki, A,
2009].
Fig.1. Rolul ALCO în cadrul top-managementului
Natura corelării între diferite active apare ca un element cheie în teoria diversificării
portofoliului, iar Markowitz este privit ca părintele teoriei moderne de selecției a
62

portofoliului. Prin teoria introdusă, dacă se cunosc pentru fiecare titlu rentabilitatea
așteptată, varianța, respectiv covarianța dintre titluri se va putea determina cea mai
bună combinație dintre rentabilitate-varianță, adică portofoliile eficiente. Conform
teoriei enunțate, activele fin anciare de pe o singură piață sunt corelate, într-o mare sau
mai mică măsură, dar chiar dacă corelarea dintre active nu este perfectă, diversificarea
portofoliului este în stare să reducă riscul până la un anumit nivel, dar nu îl poate
elimina în totalitate.
Continuând aceeași direcție de cercetare, (Tobin, 1958) introduce Teorema Separației
Fondurilor, datorită căreia atenția investitorilor se mută de la selecția activelor la
diversificarea prezentă prin stuctura portofoliului. (Sharpe, 1964) este primul care
introduce propriul model de echilibru al activelor financiare, în cadrul căruia explică
noțiunea coeficientului de corelație. Modelul în sine ilustrează relația între
rentabilitatea unui titlu și rentabilitatea pieței. Se consideră că, prin diversificare riscul
specific poate fi eliminat, astfel indicatorul ce surprinde relația dintre riscul de piață și
rentabilitatea titlului poate fi redat prin coeficientul de covarianță dintre titlu și
rentabilitatea pieței. Prin diversificare, se elimină riscul specific, și doar riscul
sistematic este prezent în portofoliu. Dacă diversificarea internațională este luată în
considerare, și piețele nu sunt complet interdependente, și acest risc poate fi indepărtat
până la un anumit nivel.
(Lintner, 1965) ajunge la o concluzie asemănătoare, dar insistă asupra faptului că,
dacă activele nu ar poseda caracteristici distinctive, atunci diversificarea nu ar ajuta la
nimic, deoarece nu există o componentă unică ce să se poate elimina prin
diversificare. Investirea într-un singur activ este echivalentă, în acest caz, cu investirea
într-un portofoliu eficient. Sharpe consideră că prin diversificare se pot elimina toate
riscurile specifice unei industrii, sau riscuri specifice unui anumit activ, rămânând
doar riscul de piață. Lintner este și el de acord că riscul de piață este egal cu riscul
sistemic, doar că, el consideră că nu pot fi evitate toate tipurile de risc dacă de la bun
început sunt prezente în toate activele. Astfel aici intervine și diversificarea
internațională, dacă piețele ar fi integrate complet, atunci factorul global ar fi deja
încorporat în riscul specific fiecărui activ în parte, nu ar conta dacă învestitorul își
diversifică portofoliul internațional sau doar pe o anumită piață locală
Aceste modele, care sunt similare și totuși diferă substanțial prin abordare, au un lucru
63

în comun, au observat că diversificarea este esențială gestiunii portofoliului. Nu a
durat mult până când (Grubel, 1968) a făcut un pas și mai departe și a întrodus
noțiunea de diversificare internațională, el considerând pentru prima oară posibilitatea
ca investitorii să aloce portofoliul
Punctul de plecare al cercetărilor în domeniul ALM este reprezentat de lucrarea
Portfolio selection, Markowitz (1952), ce tratează modul eficient de alocare a
portofoliului între diversele tipuri de active, riscurile asociate și corelația existentă
între diversele active și tipuri de active. Managemenul pasivelor bancare este
dezvoltat de către Sharpe & Tint (1990) și prezintă corelația dintre active și pasive ca
fiind o funcție de utilitate a portofoliului. În ultimii ani atenția cercetătorilor a fost
puternic focalizată pe managementul riscurilor bancare și pe managementul
resurselor și plasamentelor. Modelele de management al resurselor și plasamentelor
atât dinamice cât și statice au început să fie dezvoltate încă din anii '80, Uyemura
(1992), ceea ce face ca acum managerii băncilor să dispună de instrumente din ce în
ce mai precise în managementul riscului.
Managementul resurselor și plasamentelor bancare reprezintă o analiză cost/profit
între nivelul riscului asumat, câștig și lichiditate Ziemba,Kusy (1985) cei doi autori
întroducând un model de programare liniară stochastică observându-se că acest model
este superior modelelor de programare liniară aplicate până atunci
Giokas,Vassiloglou (1991) prezintă rolul și importanța ALM în bănci propunând un
mod de programare liniară aplicat asupra Commercial Bank of Greece ce ia în
considerare structura instituțională, financiară, legală arătând modul în care situația
financiară și expunerea la risc poate fi redusă și controlată în cazul existenței ALM în
bănci. Black, Brown și Moloney (2003) ridică problema rolului pe care îl va juca
managementului resurselor și plasamentelor având în vedere evoluția rapidă a risk
managementului în ultimii, creșterea capacităților de procesare și simulare a băncilor;
concluzia la care ajung aceștia este că rolul ALM va crește devenind un instrument
necesar în managementul instituțiilor financiar-bancare.
Ziemba și Zenios (2006) clasifică modelele ALM în funcție perioada de timp analizată
și influența variabilelor aleatoare existând patru categorii: modele statice pe o singură
perioadă, modele statice pe mai multe perioade, modele stochastice (dinamice) pe o
singura perioadă, modele dinamice pe mai multe perioade.
64

Modele statice pe o singură perioadă (Single period-static models) au fost dezvoltate
încă din urmă cu jumătate de secol și propun metoda imunizării bilanțului Reddington
(1952) o aplicație practică a acesteia fiind metoda GAP. Acestă metodă deși utilă din
punct de vedere teoretic are dezavantaje evidente: o singura perioadă și incapacitatea
de încorporare dinamică a noilor condiții economice.
Forma canonică a modelului de programare liniară (Zopounidis, Doumpos, &
Pardalos, 2008):
max Z = ∑riXI−∑cjYj
unde r – reprezintă veniturile obținute pe baza activelor X,
c – reprezintă costurile pasivelor Y
iar Z funcția maximizată exprimată ca diferență între venituri și cheltuieli
(profit).
Modele statice pe mai multe perioade (Multiple period static model) oferă
posibilitatea de a opera modificări asupra structurii activelor și pasivelor fără a exista
schimbării la nivel economic, prin schimbării întelegând modificării ale
structurii/corelației dintre diversele tipuri de active/pasive, respectiv un tablou static al
legăturii dintre acestea.
Modele dinamice pe o singura perioadă (Single period stochastic model) ce includ
analiza risc-câstig au fost dezvoltate de Markowitz (1952) pentru active, mai apoi
Sharpe & Tint (1990) includ și analiza pasivelor, Zenios (1995) trateaza seriilor ca
fiind asimetrice și respectând legi de distrubuție non-normale.
Modele dinamice pe mai multe perioade (Multiperiod stochastic model) care sunt cele
mai utilizate în cadrul ALM oferă posibilitatea realizării analizei pe mai multe
perioade de tip , oferind posibilitatea de modificare a structurii portofoliului iar
activele/pasivele sunt modelate utilizând distrubuții de probabilitate. Dintre modelele
utilizate amintim: programarea stochastică Dempster & Consigli (1996), modelul
Russel Yasuda Carino et all (1994), modelul Prometeia Consiglio et all (2007).
Sunt dezvoltate modele dinamice Kosmidou (2004) având diverse obiective: profit,
grad de lichiditate, solvabilitate, nivelul împrumuturilor acordate și a depozitelor
atrase aplicând acest model de tip obiectiv asupra băncilor grecești arătând modul în
care diversele obiective sunt contradictorii și propunând existența unui obiectiv
principal și a altora secundare pentru obținerea celor mai bune performanțe.
65

Kouwenberg (2000) utilizează modelul stochastic și utilizarea scenariilor pentru
obținerea celui mai performant model concluzionând superioritatea modelului
stochastic asupra celor liniare. Performanța modelului stochastic multi-perioadă este
demonstrat de Zhao și Ziemba (2001) care testează modelul dinamic versus static
utilizând indicatorul Sharpe. Sunt dezvoltate sisteme de luare a deciziilor in cadrul
modelelor ALM Moynihan et all (2002) utilizând scenarii ” dacă ” (what-if)
algoritmul utilizat fiind de un real folos în luarea deciziilor. Tratând managementul
ALM în bănci Dermine (2005) prezintă conceptul-cadru pentru controlul riscurilor și
crearea valorii adăugate, modul de tranfer al prețurilor, utilizarea provizioanelor de
credit.
Modelul ALM de tip scenariu este analizat comparativ cu modelele hibride de către
Hibiki (2001), prin modele hibride se întelege modelele stochastice cu noduri
decizionale utilizîndu-se diverse scenarii de simulare, Hibiki (2006) observă că
modelele hibride sunt mult mai performante decât cele stochastice simple. Modul de
luarea a deciziilor în cadrul ALM este unul deosebit de dificil Geyer et all (2009)
datorită numărului mare de scenarii avute în vedere iar utilizarea algoritmilor de
asistare în luarea deciziilor suferă de constrângeri ce țin de excluderea posibilităților
de arbitraj.
Influența constrângerilor ex-ante și ex-post precum și reglementările de raportare
financiar-contabilă influentează negativ alocările activelor Binsbergen și Brandt
(2007), rezultând în decizii de investiții suboptimale. Allen și Carletti (2007)
demonstrează influența reglementărilor contabile asupra lichidității instituțiilor
financiare, în cazul asiguratorilor mișcările piețelor pot duce la o problemă de
lichiditate în timp ce băncile sunt mult mai bine pregătite să facă față acestor
schimbări bruște.
Analizând comportamentul băncilor comerciale din SUA în perioada 1990-2005
Young și Yom (2008) observă gradul de corelare al activelor versus pasivelor , gradul
de corelație fiind mai ridicat la băncile de mari mare cu observația că de-a lungul
timpului acesta se îmbunătățește și pentru băncile de mărime mică și medie, în cazul
Germaniei dependența dintre resurse și plasamente în cazul băncilor germane
Memmel și Schertler (2009) de-a lungul perioadei 1994-2007 a fost în scădere. În
cazul băncilor comerciale din India Dash și Pathak (2011) prezintă eficiența
66

managementului resurselor și plasamentelor utilizând un model liniar cu diverse
obiective specifice profitabilitatea și constrângeri legate de lichiditatea și cadrul legal.
Managementul resurselor și al plasamentelor este analizat și din punct de vedere al
creării de strategii de tip imunizatoare utilizând metode geometrice Kim (2009) și
descompunere spectrală Decamps et all (2009).
În cadrul modelelor de programare liniară/neliniară există diverse tipuri de obiective
profitabilitate, lichiditate, solvabilitate, inclusiv Value-at-risk condițională Ferstl și
Weissnteiner (2011).
Totodată vor fi analizate și metodele de gestiune a riscurilor din cadrul băncilor
utilizându-se modele performante de cuantificare a evoluției activelor și pasivelor
bancare: VaR, Cvar, Teoria Valorilor extreme, precum și influența Reglementărilor
Basel II și Basel III.
În România managementul resurselor și plasamentelor bancare este utilizat în general
de băncile mari (BCR, BRD, Raiffeisen), iar în cazul băncilor comerciale de
dimensiuni mai reduse nu găsim departament distinct de management ALM ci doar
departament de gestiune a riscurilor. Cu toate acestea, ALM a reprezentat o
preocupare permanentă pentru mulți cercetători, însă această preocupare s-a realizat
doar la nivel teoretico-explicativ asta datorită structurii sistemului bancar românesc
care este dominat de puternice bănci străine sau cu capital majoritar străin ce
implementează modelele ALM din cadrul companiei-mamă. Olteanu (Radoi)
Madalina Antoaneta realizează în 2005 o cercetare aplicată asupra Băncii Comerciale
Române în cadrul tezei de doctorat “Managementul activelor bancare în
România.Aplicații la Banca Comercială Română” analizând structura resurselor BCR,
modul de administrare al portofoliului de credite. Sunt prezentate modalitățile de
monitorizare și cuantificare a riscurilor precum și impactul riscurilor asupra activității
bancare, nu sunt utilizate însă metodele de optimizare liniara/neliniară a bilanțului
băncii. (Trenca & Mutu, 2011) observă, utilizând testul de cauzalitate Granger, că
nivelul rentabilității este influențat de ponderea creditelor îndoielnice și
neperformante în totalul creditelor.
(Caracota, 2010) analizează performanțele Băncilor Comerciale din România
tratând și problema managementului resurselor și plasamentelor bancare din punct de
vedere al situației bilanțiere a băncilor , utilizarea analizei GAP în managementul
67

riscului de lichiditate și al ratei dobânzii, precum și corelarea activelor și pasivelor din
perspectiva ratelor de dobândă. (A.-M. Andries, 2010) analizează performanța și
eficiența activității bancare din România comparativ cu Cehia și Ungaria observând
că la nivelul eficienței costurilor și tehnice țara noastră este cea mai puțin
performantă.
(Țiplea, 2011) tratează performan a i ALM în cadrul băncilor cooperatiste ț ș
utilizând pentru aceasta ratele de structură ale activelor, precum i analiza GAP; ș
performan a este analizată în func ie de indicele lichidită ii, mărimea institu iei printr- ț ț ț ț
un proxy – volumul activelor totale i levierul financiar observându-se că indicatorii ș
sunt relevan i în explicarea performan ei financiare i economice. ț ț ș
Managementul resurselor i plasamentelor (ALM) este definit ș (Rosen & Zenios,
2006) ca fiind managementul strategic al bilan ului, ț(Uyemura, Van Deventer, &
Foundation, 1993) definesc ALM ca fiind managementul veniturilor i al cheltuielilor ș
având în vedere maximizarea profitului, ajustat la nivelul de risc i inând cont de ș ț
interesele pe termen lung a ac ionarilor, de asemenea ALM urmăre te manegementul ț ș
riscurilor apărut ca urmare a diferen elor de scaden ă dintre resursele i plasamentele ț ț ș
băncilor. Scopul ALM este managementul riscului din punctul de vedere, mai larg, al
managementul riscurilor la nivelul institu iilor financiare, putând avea diverse ț
obiective: profitabilitate, lichiditate, solvabilitate, nivelul de risc de ex.
Conditional Value-at-risk (Ferstl & Weissensteiner, 2011) . Primele abordări în cadrul
ALM au fost realizate de (Markowitz, 1952) ce tratează managementul efficient al
activelor financiare în cadrul portofoliilor eficiente, iar (Sharpe & Tint, 1990)
analizează corela iile i riscurilor asociate atât activelor cât i pasivelor. ț ș ș (Kusy &
Ziemba, 1986) consideră că ALM reprezintă o analiză cost/profit între nivelul de risc,
câ tiguri i nivelul de lichiditate; utilizând modelele de programare liniară stochasticeș ș
observă că sunt superioare comparativ cu modelele liniare deterministe. (Giokas &
others, 1991) utilizează un model de programare liniară în cadrul Commercial Bank of
Greece ce ine cont de limitările legale i institu ionale, de pozi ia financiară, arătând ț ș ț ț
că aplicarea ALM reduce riscul la care se expun băncile.
Rosen & Zenios (2007) definesc componentele de bază din cadrul sistemelor de
management al resurselor i plasamentelor ca fiind: ș
•data storage, having the role of collecting data about markets for eg. historical
68

prices of asset/liability, market news, customers, products.
•analysis tools, uses mathematical and econometric instruments in order to
measure and manage the risks.
•reporting facilities which are used in the asset-liability management structures:
ALCO (asset-liability committee )
( Fig.2. Componentele sistemelui ALM. Rosen & Zenios 2007)
The ALM models can be classified (Zenios & Ziemba, 2007) , in terms of the period
and the random variables, as : single period-static models, multiple period static
model, single period stochastic model, multi period stochastic model.
Single period-static models, which started with balance sheet immunization
(Redington, 1952) , and are better know as GAP analysis have some drawbacks
because these models don't incorporate the dynamic of the economical changes.
Multiple period-static models are an extension of the single period-static model, in
which the period analyzed in more than one year.
( Fig.2. Portfolio models classification, Zenios & Ziemba, 2007 )
Single period stochastic models include the analysis of risk-return (Markowitz, 1952)
69

which treats the assets allocation. While (Sharpe & Tint, 1990) also analyze the
liabilities fluctuations and their relation with asset allocation. Both (Markowitz, 1952;
Sharpe & Tint, 1990) use normal law in order to represents the assets and liabilities,
the non-normality of financial series is presented by (Zenios, 1995) ,using asymmetric
and non-normal distribution for the financial series he finds that this models
outperform.
Multiperiod stochastic models are the most common in ALM, for e.g. the stochastic
programming (Carino et al., 1994) the Russel Yasuda Carino (Dempster & Consigli,
1996) and Promoeteia model (Consiglio, Flavio, Cocco, Zenios, & others, 2007) ,
they model the evolution of financial series in time and the assets and liabilities are
considered as having different types of probability distributions (Student, GED).
(Ferstl & Weissensteiner, 2011) apply a multi-period stochastic linear programming
model with re-allocation, the function to be minimized is the CVaR of shareholder
value, which is the difference between mark to market value of assets and the present
value of liabilities.
Asset liabilities management (ALM) is defined by (Rosen & Zenios, 2006) as the
strategic management of the balance sheet, (Uyemura, Van Deventer, & Foundation,
1993) define ALM as the management of income and expenses with respect to
maximizing earnings, adjusted to risk factors, given the long term interest of the
shareholders, also ALM manages the risk due to mismatches between assets and
liabilities. The main purpose of ALM is the management of risk, in the context of
enterprise risk management, having different objectives :
profitability, liquidity, solvency, Conditional Value-at-risk (Ferstl & Weissensteiner,
2011). The first steps in ALM where made by (Markowitz, 1952) who treats the
management of assets in an efficient portfolio, while (Sharpe & Tint, 1990) discuss
the correlation and the associated risk between assets and liabilities. The first ALM
70

models where developed from the early '80s (Uyemura et al., 1993). For (Kusy &
Ziemba, 1986) ALM represents a cost/profit analysis between the risk level , earnings
and liquidity; using a stochastic linear programming model they concluded these
models are more robust and efficient then the previous linear programming models.
(Giokas & others, 1991) test a linear programming model on the Commercial Bank of
Greece which takes into consideration the institutional and legal framework, the
financial position, showing that using ALM the risk level can be reduce in banks.
The ALM models can be classified (Zenios & Ziemba, 2007) , in terms of the period
and the random variables, as : single period-static models, multiple period static
model, single period stochastic model, multi period stochastic model.
Single period-static models, which started with balance sheet immunization
(Redington, 1952) , and are better know as GAP analysis have some drawbacks
because these models don't incorporate the dynamic of the economical changes.
Multiple period-static models are an extension of the single period-static model, in
which the period analyzed in more than one year.
Single period stochastic models include the analysis of risk-return (Markowitz, 1952)
which treats the assets allocation. While (Sharpe & Tint, 1990) also analyze the
liabilities fluctuations and their relation with asset allocation. Both (Markowitz, 1952;
Sharpe & Tint, 1990) use normal law in order to represents the assets and liabilities,
the non-normality of financial series is presented by (Zenios, 1995) ,using asymmetric
and non-normal distribution for the financial series he finds that this models
outperform.
Multiperiod stochastic models are the most common in ALM, for e.g. the stochastic
programming (Carino et al., 1994) the Russel Yasuda Carino (Dempster & Consigli,
1996) and Promoeteia model (Consiglio, Flavio, Cocco, Zenios, & others, 2007) ,
they model the evolution of financial series in time and the assets and liabilities are
considered as having different types of probability distributions (Student, GED).
(Ferstl & Weissensteiner, 2011) apply a multi-period stochastic linear programming
model with re-allocation, the function to be minimized is the CVaR of shareholder
value, which is the difference between mark to market value of assets and the present
value of liabilities.
71

MODELUL LINIAR ETC
3.Managementul resurselor și plasamentelor bancare în
prezenta unor Rupturi structurale (ramane???)
Analizez pe tarile din Europa
Ma duc la Economy and finanace/Interest
rates/short term/monthly datahttp://epp.eurostat.ec.europa.eu/portal/pa
ge/portal/statistics/search_database
http://www.floatingpath.com/wp-
content/uploads/2012/07/libor_manip_pa
per.pdf
http://www.econ.umn.edu/~youle001/libo
r_4_01_10.pdf
Managementul ALM in prezenta rupturilor structurale
in cadrul acestei prezentari focusul va fi indreptat pe problematica rupturilor
structurale (de fapt changepoint, deoarece nu tratez doar modificarile de
structura a unor ecuatii ci si posibilitatea de aparitie a unei modificarii in cazul
functiilor de probabilitate)
obiectivul urmarit? este includerea in cadrul modelelor de management al
resurselor si plasamentelor a tuturor informatiilor disponibile/socurilor ce
afecteaza clasele de active/pasive detinute de banci
De fapt intrebarea poate fi generalizata astfel: exista de a lungul timpului
modificari ale legaturilor dintre active/pasive/risc asociat in cadrul economiei?
plecand de la modelele utilizate in cadrul managementului resurselor si
plasamentelor, respectiv modele statice/dinamice stochastice/nestochastice am
incercat sa imi aduc contributia proprie nu in modul de construire a modelelor ci
asupra datelor utlizate de aceste modele, respectiv specificare corecta a
ecuatiilor/parametrilor care se utilizeaza in modele de programare
liniara/dinamica
72

Obiectivul cercetarii
– modelele utilizate sunt stabile?
– parametrii ecuatiilor estimate sunt constanti?
cel mai simplu model de optimizare este programarea liniara, ce urmareste
maximizarea functiei obiectiv (profitabilitate, nivelul activelor,nivelul de risc,
VaR) avand anumite constrangeri (economice, reglementari)
daca incercam sa optimizam un portofoliu de active se poate ridica problema
stabilitatii legaturilor dintre rentabilitate si risc, este aceasta de a lungul perioadei
analizate constanta? sau pt diverse perioade de timp ar fi necesare modele
diferite?
Rupturi structurale- notiuni teoretice
Def: identificarea momentelor, din cadrul unui set de date, in care proprietatile
statistice se modifica (Killick et all, 2011)
Modele parametrice:
binary segmentation (Scott and Knott, 1974)
segment neighbourhood (Auger and Lawrence ,1989)
PELT (Killick et all, 2011)
ce inseamna rupturi structurale? definitie …
diverse tipuri de metode au fost propuse pentru identificare rupturilor structurale:
parametrice
binary segmentation – calculeaza testul pt intreaga series si pt i=1..n verifica daca
se respecta relatia C(1:tau)+C(tau+1:n)+factorul de penalizare mai mica decat
C(1:n) daca nu se respecta relatia avem o ruptura si algoritmul se reia pt fiecare
segment in parte
segment neighbourhood: se stabileste nr maxim de rupturi si se minimizeaza
functia cost
PELT- dezvolta metoda binara prin descresterea functiei de tip cost la fiecare
iteratie
Rupturi structurale- notiuni teoretice
Modele nonparametrice
functia de densitate (Kawahara and Sugiyama, 2011)
73

rang (Lung-Yut-Fong et al., 2011)
distanta Euclidiana (Matteson and James, 2012)
Modele semiparametrice
ecuatia erorilor nonparametrica, ecuatia mediei specificata/nespecificata (Guan,
2004)
modelel nonparametrici au ca si functii obiectiv …
Rupturi structurale- notiuni teoretice
Modele parametrice
fie o serie y , cu observatii de la 1 la n, unde tau denota pozitia fiecarei
observatii, iar functia obiectiv Our model will have a number of changepoints, m,
together with their positions, τ1:m = (τ1, . . . , τm).
Each changepoint position is an integer between 1 and n − 1 inclusive. We define
τ0 = 0 and τm+1 = n and assume that the changepoints are ordered such that τi <
τj if, and only if, i < j. Consequently the m changepoints will split the data into
m+1 segments, with the ith segment containing y(τi−1+1):τi
Rupturi structurale- notiuni teoretice
Modele parametrice
Functia utilizata (C)
-2*LogLikelihood (Horvath, 1993; Chen& Gupta, 2000)
CUSUM (Rigaill, 2010; Inclan &Tiao, 1994)
lungimea segmentului (Zhang and Siegmund, 2007)
Penalitatea (β*f(m))
AIC, Akaike (1974) – (β = 2p)
BIC, Schwarz, (1978) – (β = p log n),
unde p este numarul aditional de parametrii adaugati ca urmare a changepointului
Monitorizarea rupturilor structurale
Metodologie
forward looking versus backward looking
Chu, Stinchcombe, White (1996); Leisch, Hornik, Kuan (2000) – parametric
Hawkins et al. (2003), Ross et al. (2011) -nonparametric
Such forward looking tests are closely related to
sequential tests. When new observations arrive, estimates are computed
74

sequentially from all
available data (historical sample plus newly arrived data) and compared to the
estimate based
only on the historical sample. As in the retrospective case, the hypothesis of no
structural change
is rejected if the di erence between these two estimates gets too large. ff
Monitorizarea seriei in medie
Monitorizarea seriei in varianta
Monitorizarea seriei in medie si varianta
Concluzii
incorporarea rapida a socurilor in cadrul modelelor
aplicabila seriilor univariate (medie, varianta) sau multivariate (covarianta)
forward looking
metode parametrice (F test, LR test) , nonparametrice (functii de distributie)
75

3. PERFORMANȚA ÎN CADRUL BĂNCILOR
3.1. STABILITATEA SECTORULUI BANCAR
Importan a sistemului bancar derivă din influen a pe care sistemul bancar o are ț ț
asupra cre terii i dezvoltării economice ș ș (Barth, Lin, Ma, Seade, & Song, 2013, p. 2;
Levine, 2005, p. 869) respectiv legătura directă între un sistem bancar ce func ionează ț
la parametrii optimi i nivelul cre terii economice. Studiile care tratează legătura ș ș
dintre cre terea economică i sistemul bancar pot să fie clasificate ș ș (ESRB European
Systemic Risk Board, 2014, p. 11; Levine, 2005, p. 888) astfel: studii realizate la
nivelul ărilor, studii realizate la nivelul sectoarelor economice, studii realizate la nivel ț
de companii. (King & Levine, 1993) analizând 80 de ări pe perioada 1960-1989 ț
concluzionează că existen a unui sistem financiar eficient influen ează inova ia ț ț ț
ducând la o accelerare a cre terii economice, o observa ie importantă a acestui studiu ș ț
ine de efectul sub-optimal pe care îl are un sector financiar slab dezvoltat asupraț
cre terii economice. Cele două concluzii ale autorilor dezvoltând rela ia de cauzalitateș ț
dintre sectorul financiar i cre terea economică. Studiile ulterioare la nivel de ară ș ș ț
asupra cauzalită ii dintre dezvoltarea sectorului financiar i cre tere economică ț ș ș
(Cournède & Denk, 2015; Hsu, Xuan, & Yan, 2014; Levine, 2005) vin să nuan eze ț
rezultatele lui (King & Levine, 1993), astfel (Levine, 2005) discutând studiile
realizate arată că este necesar un reglaj fin al modelelor utilizate pentru a putea
surprinde complexa legătura dintre cre tere economică i dezvoltarea sectorului ș ș
financiar. (Hsu et al., 2014, p. 3) analizează un e antion format din 34 de economii ș
dezvoltate (SUA, UK, Japonia) dar i emergente ( China, India, Brazilia) utilizând ca ș
i metodă de estimare GMM, autorii respectivi observă că o cre tere a niveluluiș ș
creditării sectorului privat cu o abatere standard duce la o scădere a ratei de cre tere a ș
inova iei cu valori cuprinse între 3.47%-5.62%. Totodată observă că dezvoltarea ț
financiară cauzează (în sensul cauzalită ii Granger) nivelul inova iei dintr-o economie, ț ț
în acela i timp impactul dezvoltării sectorului bancar este mai accentuat în cazul ș
ărilor emergente comparativ cu ările dezvoltate. Totu i rezultatele ob inute arată unț ț ș ț
impact diferit între dezvoltarea pie elor de capital care încurajează inova ia i ț ț ș
dezvoltarea sectorului bancar (în special nivelul creditării) care împiedică inova iile. ț
76

Alte studii (Cournède & Denk, 2015) vin să întărească această concluzie, astfel
(Cournède & Denk, 2015) analizează legătura dintre sectorul financiar i cre terea ș ș
economică din cadrul ărilor OECD i G20 pentru perioada 1970-2011 observând că ț ș
un nivel ridicat al creditării duce la o cre tere economică redusă ca urmare a: ș
dereglementării financiare, cre terea creditării bancare comparativ cu alte modalită i ș ț
de creditare, apari ia de institu ii financiare de tipul prea mari pentru a nu fi salvate ț ț
( too big to fail), scăderea calită ii creditelor, respectiv cre terea nivelului creditelor ț ș
acordate gospodăriilor comparativ cu cele acordate companiilor.
În cazul în care sunt analizate studiile (Levine, 2005, p. 910) realizate la nivel
de sectoare ale economiei rezultatele ob inute arată că sectoarele dependente de ț
finan are externă sunt influen ate într-o măsură mai mare decât sectoarele mai pu in ț ț ț
dependente de finan area externă. ț
Existen a cauzalită i între cre terea economică i gradul de dezvoltare a ț ț ș ș
sectorului bancar reiese i din analizele realizate pe datele aferente companiilor, astfel ș
studiul realizat de (Benfratello, Schiantarelli, & Sembenelli, 2008) asupra unui număr
ridicat de întreprinderi italiene identifică un efect pozitiv al sectorului bancar asupra
procesului de inova ie din cadrul întreprinderilor, reducând sensibilitatea fluxurilor de ț
numerar. Rezultate similare au fost ob inute de ț(Guiso, Jappelli, Padula, & Pagano,
2004), accesul facil al gospodăriilor la credite cre te probabilitatea de a porni o ș
afacere, existen a unui sector financiar dezvoltat fiind corelat în mod pozitiv cu ț
numărul de firme, respectiv rata de dezvoltare a noilor întreprinderi este mult mai
ridicată în zonele în care sectorul financiar este mai dezvoltat.
Dacă studiile realizate asupra corela iei dintre gradul de dezvoltare al ț
sectorului financiar i cre tere economică arată că există o legătură directă între cele ș ș
două se poate ridica întrebarea dacă nu cumva „ce e prea mult strică?”. În cazul în
care analiza este realizată la un nivel granular concluzia este că odată cu depă irea ș
unui nivel prag al raportului credit/PIB influen a sectorului financiar asupra cre terii ț ș
economice scade, putând chiar să fie negativă. Cauzele fiind diverse, de la a locarea
ineficientă a capitalului, respectiv a capitalului uman (ESRB European Systemic Risk
Board, 2014, p. 14), până la cre terea riscului de ș crize financiare puternice cu
perioade de recesiune lungi i severe (Reinhart & Rogoff, 2009). ș
(Pagano, 2012) ridică problema efectelor pe care le are sistemul financiar,
77

atunci când este prea dezvoltat, exprimându-se într-un mod plastic (Pagano, 2012)
consideră că din „sângele” economiei sectorul financiar devine „otrava” ei. Potrivit lui
(Pagano, 2012, p. 4) rela ia ce se stabile te între sectorul financiar i cre tere ț ș ș ș
economică nu are forma unei func ii monoton crescătoare ci mai degrabă sectorul ț
bancar poate devenii hipertrofic pentru sectorul real. (Pagano, 2012, p. 12) utilizează
metodologia dezvoltată de (Rajan & Zingales, 1998) pe o perioada de 24 de ani
(1970-2003), rezultatele ob inute sunt similare cu cele ale lui (Rajan & Zingales, ț
1998), respectiv legătura directă între gradul de dezvoltare a sectorului financiar i ș
cre tere economică atunci când analiza cuprinde toate cele 63 de ări analizate. Însă înș ț
momentul în care sunt realizate testele de robuste e doar pe e antionul ărilor OECD ț ș ț
influen a sectorului financiar este nesemnificativă, în timp ce analiza realizată pe ț
e antionul ărilor non-OECD influen a sectorului financiar este pozitivă iș ț ț ș
semnificativă. (Pagano, 2012, p. 13) concluzionând că efectul pozitiv al gradului de
dezvoltare a sectorului financiar asupra cre terii economice observat la nivelul ș
întregului e antion format din 63 de ări, atât dezvoltate cât i în curs de dezvoltare, ș ț ș
apare ca urmare a influen ei pozitive observate exclusiv în ările emergente. ț ț (Arcand,
Berkes, & Panizza, 2015, p. 8) arată că forma legăturii dintre cre terea economică i ș ș
gradul de dezvoltare al sectorului financiar are o formă concavă, efectul pozitiv al
dezvoltării sectorului financiar se regăse te în cazul ărilor cu un sector financiar ș ț
redus i mediu, odată ce raportul dintre creditul privat i PIB depă e te nivelul 80- ș ș ș ș
100% legătura devine una negativă. (Arcand, Berkes, & Panizza, 2015, p. 20) explică
fenomenul de inversă legătură între sectorul financiar i cre terea economică ca fiind ș ș
datorat cre terii volatilită ii la nivel economic, prin nivelul ridicat al crizelor ș ț
economice, alocării ineficiente a capitalului. Autorii concluzionând că în cazul unor
ări este de dorit reducerea ponderii sectorului financiar.ț
Totodată există o diferen iere a tipurilor de sisteme financiare în func ie de rolul ț ț
proeminent al finan ării prin intermediul pie elor de capital, respectiv al băncilor. ț ț
(Gambacorta, Yang, & Tsatsaronis, 2014, p. 1) arată că de i băncile, în perioade ș
normale de recesiune, ajută la atenuarea ocurilor, în cazul în care recesiunile coincid ș
cu crizele financiare impactul negativ asupra PIB-ului este de până la de trei ori mai
mare decât în cazul ărilor în care pie ele de capital joacă un rol mai important. ț ț
Ideea principală în cazul analizei legăturii dintre sectorul financiar i cre terea ș ș
78

economică este existen a legăturii între un sistem bancar optim i nivelul cre terii ț ș ș
economice; un sistem bancar optim este caracterizat de performan a, de stabilitate. ț
ocurile economice, respectiv ciclurile economice, influen ează de asemeneaȘ ț
stabilitatea i rezisten a sectorul financiar; de exemplu recesiunea economică ș ț
afectează calitatea portofoliului de credite ceea ce afectează negativ nivelul
profitabilită ii sectorului bancar ț (Ugo & Gambacorta, 2009) . Analizând un panel de
bănci din cadrul a zece ări industrializate (Austria, Belgia, Fran a, Germania, Italia, ț ț
Olanda, Portugalia, Spania, Marea Britanie i Statele Unite) pe perioada 1981-2003 ș
(Ugo & Gambacorta, 2009) observă că performan a băncilor este corelată cu nivelul ț
PIB-ului atât din punct de vedere al veniturilor ob inute din dobânzi cât i din punctul ț ș
de vedere al calită ii portofoliului de credite. În acela i timp nivelul profitabilită ii ț ș ț
sectorului bancar este un indicator relevant al crizelor financiare (Demirguc-Kunt &
Detragiache, 2000) , crizele bancare fiind puternic corelate cu crizele valutare
(Komulainen & Lukkarila, 2003) . Totodată nivelul creditării este un factor explicativ
important al ciclului de afaceri (Becker & Ivashina, 2014, p. 27) , ceea ce ne arată
gradul de complexitate al interac iunilor dintre ciclul economic, ciclul de afaceri i cel ț ș
financiar; un alt exemplu fiind cel al legăturii dintre cre terea riscurilor la adresa ș
stabilitatea financiară i cre terea explozivă a creditelor ipotecare ș ș (Jordá, Schularick,
& Taylor, 2014)
Prociclicitatea sectorului financiar (bancar) derivă i din influen a ciclurilor ș ț
economice, respectiv ciclul de afaceri i cel financiar; în cazul analizei ciclurilor ș
trebuie avută în vedere diferen a dintre ciclul de afaceri tradi ional i cel financiar, ț ț ș
astfel caracteristicile ciclului financiar (Borio, 2014) sunt:
•în cadrul ciclului financiar există o corela ie între nivelul creditelor i pre ul ț ș ț
activelor imobiliare;
•are o frecven a mult mai redusă decât ciclul de afaceri tradi ional ceea ce face ț ț
ca faza de contrac ie a ciclului financiar să dureze mai mul i ani; ț ț
•vârfurile ciclurilor financiare sunt asociate cu crizele financiare, astfel crizele
economice asociate crizelor financiare sunt mult mai severe decât cele cauzate
de ciclul de afaceri tradi ional; ț
•analiza evolu iei ciclului financiar permite detectarea riscului de apari ie a ț ț
crizelor financiare.
79

•lungimea i amplitudinea ciclului financiar depinde de caracteristicile ș
sistemului financiar i a politicilor monetare, evolu ia ciclului financiar nefiind ș ț
regulată i sta ionară ș ț
Caracterul preponderent ciclic al sectorului financiar în general, respectiv al
celui bancar în special, ridică serioase probleme institu iilor de supraveghere, acesta ț
fiind unul dintre motivele pentru care Acordul Basel III propune ca în perioada de
expansiune să fie create rezerve de capital suplimentare; eficacitatea acestor metode
este însă contestată, (Repullo & Saurina, 2012, p. 22) arată că amortizorul anticiclic
de capital (countercyclical capital buffer) nu va duce la o reducere a ciclicită ii în ț
cadrul sistemului bancar, din contră putând chiar să crească nivelul sincronizării dintre
evolu ia economică i nevoile de capital ale sistemul bancar. Analizând implementarea ț ș
a diverse tipuri de politici macropruden iale între care i utilizarea amortizorului ț ș
anticiclic de capital (Agenor, Alper, & da Silva, 2013, p. 231) concluzionează că
eficacitatea acestor instrumente depinde de tipul ocurilor la care este supusă ș
economia. Influen a ocurilor din cadrul sectorului financiar având un impact atât de ț ș
tip liniar cât i neliniar asupra cre terii economice ș ș (Mittnik & Semmler, 2013) .
inând cont de impactul crizei financiare asupra economilor la nivel mondialȚ
este de în eles preocuparea cercetătorilor în analiza tipurilor de crize financiare, a ț
efectelor acestora (Claessens & Kose, 2013) , a gradului de stabilitate a sectorului
financiar, respectiv a celui bancar. Crizele bancare având costuri ridicate asupra
economiilor, de exemplu în cazul Irlandei costurile fiscale sunt de până la 40% din
PIB (Laeven & Valencia, 2013) iar în cazul Statelor Unite ale Americii costurile
suportate de plătitorii de taxe sunt de ordinul trilioanelor de dolari (Atkinson, Luttrell,
& Rosenblum, 2013) , totodată recesiunile ce urmează crizelor bancare sunt de lungă
durată i influen ează nivelul cre terii economice pe termen lung. ș ț ș
Stabilitatea financiară poate să fie greu de explicat i de definit, neexistând o ș
defini ie larg acceptată ț(Oosterloo & de Haan, 2003) , pentru unii autori stabilitatea
financiară este definită (Crockett, 1997) ca fiind absen a instabilită ii unde ț ț
performan a economică nu este influen ată de fluctua iile pre urilor activelor ț ț ț ț
financiare, respectiv de incapacitatea institu iilor financiare de a- i îndeplini rolul ț ș
economic. Prin instabilitatea financiară în elegându-se condi iile în care pie ele ț ț ț
financiare afectează sau amenin ă să afecteze performan a economică ț ț (Chant, J. , A.
80

Lai, M. Illing, 2003, p. 3) . Astfel o definire corectă a stabilită ii financiare este dată de ț
situa ia economico-financiară în care regăsim stabilitate monetară, un nivel al ocupării ț
for ei de muncă apropiată de nivelul natural al economiei, încredere în func ionareaț ț
institu iilor financiare cheie i a pie elor financiare în economie, pre urilor activelor ț ș ț ț
reale sau financiare nu sunt excesiv de volatile.
Dintr-o perspectivă pozitivă a definirii, termenul de stabilitate financiară are
următorul în eles ț(Schinasi, 2004): aceea situa ie în care sistemul financiar este ț
capabil să aloce resurselor eficient, să realizeze o evaluare i gestionarea riscurilor ș
financiare, respectiv sistemul financiar este capabil să absoarbă ocurile. Un sistem ș
financiar stabil este, astfel, unul care îmbunătă e te performan ele economice, în timp ț ș ț
ce acesta are, de asemenea, posibilitatea de a preveni tulburările adverse provocate de
impactul perturbator.
Banca Na ională a României ț (BNR, 2006) consideră că un sistem financiar,
indiferent de mărimea sau complexitatea sa, este stabil atunci când are capacitatea de
a facilita performan ele economice i de a corecta eventualele dezechilibre care pot ț ș
surveni ca urmare a unor ocuri adverse, ș aceasta este i defini ia dată stabilită ii ș ț ț
financiare de către FMI. Totodată (Cerna, Donath, & Șeulean, 2008, p. 12) consideră
că stabilitatea financiară reprezintă o caracteristică a sistemului financiar, respectiv
capacitatea de a absorbi dezechilibrele financiare ce pot apărea ca urmare a unor
ocuri endogene sau exogene, dând posibilitatea sistemului financiar să î i atingăș ș
performan elor specifice. ț
Banca Centrală Europeană (ECB, 2015) în elege prin conceptul de stabilitateț
financiară aceea situa ie în care sistemul financiar este capabil să execute eficient ț
toate sarcinile sale normale i este de a teptat să o facă si în viitorul apropiat. Din ș ș
acest punct de vedere (ECB, 2015), stabilitatea sistemului financiar prevede ca
principalele componente ale sistemului – adică institu iile financiare, pie ele i ț ț ș
infrastructura – să fie capabile împreună să absoarbă reac iile adverse. Se impune ca ț
sistemul financiar să realizeze realocarea eficientă a resurselor financiare de la
deponen i către investitori, ca riscul financiar să fie evaluat i măsurat corect și că ț ș
riscurile sunt gestionate eficient. Stabilitatea financiară are, de asemenea, o importantă
dimensiune prospectivă : ineficiențele în alocarea capitalului sau deficien ele din ț
evaluarea riscului pot, prin minimizarea unor vulnerabilită i, să compromită viitorul ț
81

stabilită ii financiare și prin urmare a stabilită ii economice. Banca Centrală ț ț
Europeană (ECB, 2004) consideră că sunt necesari trei pa i pentru a produce o ș
imagine cuprinzătoare a stabilită ii sistemului financiar: primul presupune formarea ț
unei evaluări individuale și mai apoi colective a solidită ii institu iilor, pie elor i ț ț ț ș
infrastructurii care alcătuiesc sistemul financiar; al doilea implică identificarea
principalelor surse de risc și de vulnerabilitate care ar putea genera provocări pentru
stabilitatea sistemul financiar în viitor; al treilea i ultimul pas este o evaluare a ș
capacită ii sistemului financiar de a face fa ă crizei, dacă aceste riscuri se ț ț
materializează.
Se observă că având la dispozi ie defini ii pozitive asupra conceptului de ț ț
stabilitate financiară se în elege ce este de fapt stabilitatea financiară : starea naturală ț
i normală de func ionare a pie elor financiare, capabile de a rezista unor ocuriș ț ț ș
endogene sau exogene. Starea de stabilitate financiară fiind starea normală a
economiei, iar instabilitatea financiară fiind excep ia de la această stare. Până de ț
curând stabilitatea financiară nu a fost în centrul preocupărilor institu iilor na ionale i ț ț ș
suprana ionale, însă datorită muta iilor care au avut loc în cadrul economiei mondiale ț ț
a crescut aten ia acordată fenomenului de stabilitate financiară, respectiv celui de ț
supraveghere macropruden ială ț(Galati & Moessner, 2013) . Fenomenul de globalizare
a pie elor a dus la o cre tere a riscurilor de propagare a crizelor la nivel interna ional, ț ș ț
ceea ce a dus la dorin a de a minimiza riscurile de contagiune i a cre te nivelul de ț ș ș
soliditate a sistemului financiar interna ional. ț
O problemă importantă care poate fi ridicată este cea legată de starea naturală
a sistemului financiar, este aceasta una de stabilitate sau de instabilitate. Ceea ce se
urmăre te de către organismele na ionale i interna ionale este un tratament preventiv ș ț ș ț
pentru a preîntâmpina eventualele derapaje sau chiar dacă acestea apar ele să fie de
scurtă durată i cu cât mai pu ine efecte negative (de ex. infla ie, omaj, scădere ș ț ț ș
economică, etc.) asupra economiei i a societă ii. Putem vedea modul în care criza ș ț
economică a făcut necesară o reanalizare a modului de func ionare a pie elor, ț ț
institu iilor i agen iilor de supraveghere interna ionale, datorită faptului că actuala ț ș ț ț
criză este una având următoarea cauzalitate: criză bancară → criză financiară → criză
economică globală, devine stringentă nevoia stabilirii de noi reguli pe pie ele bancare ț
i financiare. Astfel stabilitatea financiară depă e te nivelul de raportare la nivelulș ș ș
82

unei ări, fiind necesară o stabilitate financiară la nivelul pie elor interna ionale; ceea ț ț ț
ce a pornit ca o criză bancară de pe pia a americană s-a transformat prin diversele ț
canale de transmisie la nivel interna ional într-o criză a statelor, exemplul cel mai ț
elocvent fiind Grecia.
Unii autori (Thakor, 2014, p. 13) arată că un sistem financiar poate fi
considerat sănătos în cazul în care probabilitatea de manifestare a riscului sistemic
este suficientă de redusă, de i autorii respectivi atrag aten ia că falimentul ocazional al ș ț
unor institu ii financiare este chiar de dorit pentru men inerea unui sistem financiar ț ț
sănătos. Ideea principală fiind de reducere a falimentelor sistemice dar nu i ș
eliminarea falimentelor de tip idiosincratic.
Stabilitatea financiară este un fenomen dinamic care se aplică unui sistem
economic la rândul său dinamic, de aceea se consideră că există un coridor (Houben,
Kakes, & Schinasi, 2004, p. 17) , o plajă a stărilor economico-financiare stabile,
tocmai cum un organism este sănătos chiar dacă unele dintre componentele sale nu
func ionează la parametrii optimi. Sistemul financiar, în mod natural, se reglează,ț
autoanalizează i monitorizează prin intermediul pie elor transmi ând semnale către ș ț ț
participan i (de exemplu o cre tere a riscului de ară se traduce prin cre terea nivelului ț ș ț ș
dobânzilor cerute de către investitori), în plus fa ă de sistemele de autoreglare de care ț
beneficiază sistemul financiar un rol important îl au i autorită ile de supraveghere ș ț
na ionale i interna ionale.ț ș ț
Sistemul financiar este considerat stabil (Houben et al., 2004, p. 22) atunci
când: atât pie ele financiare cât i supraveghetorii transmit semnale pozitive cu privire ț ș
la soliditatea sistemului i a îndeplinirii func iilor sale, sistemul financiar se află în ș ț
cadrul coridorului de stabilitate financiară, în continuare sistemul aflat într-o stare
stabilă este monitorizat i evaluat pentru prevenirea eventualelor derapaje. ș
Sistemul financiar se află într-o stare de stabilitate imperfectă (Houben et al.,
2004, p. 22) atunci când apar semnale că anumite sectoare se confruntă cu posibile
derapaje, există riscuri care sunt în cre tere în cadrul sistemului financiar; spunem că ș
sistemul financiar este la marginea coridorului de stabilitate financiară, sunt necesare
măsuri de remediere, pentru întărirea sistemului financiar i cre terea stabilită ii ș ș ț
financiare, după atingerea stării de stabilitate se trece din nou la monitorizarea i ș
analiza sistemului financiar.
83

Sistemul financiar este instabil (Houben et al., 2004, p. 23) , în această situa ie ț
sistemul financiar influen ează în mod negativ economia, se află în incapacitatea de a- ț
i îndeplini func iile; sistemul financiar se află în afara coridorului de stabilitateș ț
financiară, este necesară luarea rapidă a unor decizii pentru rezolvarea problemelor cu
care se confruntă sistemul financiar, după stabilizarea sistemului financiar se va relua
procesul de monitorizare, evaluare i analiză a stării acestuia pentru a preîntâmpina ș
alte derapaje.
În cazul analizei gradului de stabilitate a sistemului financiar global se observă
o deteriorare (IMF, 2016) a stabilită ii la nivel global ca urmare a cre terii riscurilor ț ș
macroeconomice, cre tere economică anemică, respectiv amenin area defla iei. ș ț ț
Potrivit Raportului de stabilitate financiară emis de Fondul Monetar Interna ional ț
(IMF, 2016) cre terea indicatorului agregat privind riscurile la nivel global este ș
determinată de manifestarea mai pregnantă a riscurilor macroeconomice, scăderea
sentimentului de încrederii la nivelul agen ilor economici, rezultatele sub a teptări ale ț ș
companiilor. Fondul Monetar Interna ional (IMF, 2016) consideră că nivelul cre terii ț ș
economice va fi sub nivelul prognozat, fiind influen at de dezechilibrele de pe pie ele ț ț
emergente, respectiv incertitudinile cu privire la capacitatea Chinei de a- i relansa ș
economia. Totodată sistemul bancar din cadrul ărilor dezvoltate cunoa te o ț ș
84
Figura 2: Modelul-cadru pentru evaluarea stabilității financiare
(Houben et al., 2004, p. 18)

accentuare a manifestării riscului de credit, iar declinul de pe bursă a băncilor a
continuat.
Întocmai cum sectorul financiar poate fi văzut sub forma celor mari 3
componente (pie e financiare, institu ii financiare i infrastructură financiară ț ț ș (Fell,
2005)) tot astfel riscurile endogene (Houben et al., 2004, p. 18) se pot manifesta la
nivelul institu iilor financiare, al pie elor financiare, respectiv la nivelul infrastructurii ț ț
financiare.
În cazul în care se discută despre institu iile financiare, în mare parte riscurile ț
financiare se confundă cu riscurile bancare (riscul de credit, riscul de lichiditate, riscul
opera ional, riscul de pia ă, etc.). De institu iile financiare puternice fiind lega i ț ț ț ț
termenii de hazard moral i ”to big to fail” (prea mare pentru a cădea), deoarece ș
deseori supraveghetorii financiari sunt obliga i să intervină pentru a salva aceste ț
institu ii pentru a limita efectele de domino asupra economiei care ar fi mult prea ț
ridicate fa ă de costurile de interven ie. ț ț
În cazul pie elor financiare datorită faptului că acestea nu reu esc să ț ș
func ioneze întotdeauna perfect pot să constituie un risc important la adresa stabilită iiț ț
financiare, un astfel de exemplu este reprezentat de perioadele de bulă speculativă,
perioadă în care pre urile activelor nu mai au bază reală sau fundamentală făcând ț
alocarea ineficientă la nivel economic.
85

Din punctul de vedere al riscurilor ce pot afecta infrastructura financiară există
posibilitatea dezvoltării unor riscuri la acest nivel în special dacă sistemele de plă i ț
sunt controlate de institu iile financiare; alte riscuri pot apărea ca urmare a efectului ț
de domino, incapacitatea unei institu ii financiare de a- i onora plă ile putând afecta i ț ș ț ș
restul sistemul financiar.
În cadrul riscurilor exogene (Houben et al., 2004, p. 19) consideră ca fiind cele
mai importante: turbulen e macroeconomice, respectiv riscurile ce in de mediul ț ț
economic sau eventualele dezechilibre ale politicilor economice; riscuri incidentale,
cum ar fi dezastrele naturale, evenimente politice sau falimente în masă.
Toate aceste riscuri trebuiesc urmărite i în caz de derapaje intervenit, pentru ș
aceasta s-au constituit la nivel interna ional diverse organisme atât guvernamentale cât ț
i neguvernamentale care urmăresc, recomandă sau implementează diverse ac iuniș ț
legate de stabilitatea sistemelor financiare(BIS, ECB, International Association of
Insurance Supervisors, International Association of Deposit Insurers, Financial
Stability Board). Banca Centrală Europeană (BCE), îndepline te patru misiuni în ș
domeniul stabilității financiare:5 monitorizarea și evaluarea stabilită ii financiare, ț
consultarea, promovarea cooperării, supravegherea infrastructurilor de pia ă de cadrul ț
Eurosistemului.
Principalii indicatori folosi i în analiza stabilită ii financiare sunt reprezenta i ț ț ț
în cadrul sistemului de indicatori propuși de FMI (Financial Soundness Indicator );
stress-testingul, reprezintă teste de răspuns a sistemului financiar la factorii de
presiune speculativă sau ocuri; sisteme de avertizare timpurie (early warning systems ș
); alte metode de analiză și evaluare ai stabilității financiare. Pentru analiza stabilită ii ț
financiare în cadrul sistemului bancar Fondul Monetar Interna ional recomandă un set ț
de indicatori pentru sectorul bancar, dintre care amintim6.
Adecvarea capitalului Capital/ Active cu un anumit riscurilor
Capital/ Activele cu grad ridicat de risc
Capital/ Active
Expuneri mari/ Active
Calitatea activelor Credite neperformante/Volumul (brut) al creditelor acordate
5http://www.ecb.int/ecb/orga/tasks/html/financial-stability.ro.html
6Financial Soundness Indicators (FSIs) and the IMF, http://www.imf.org/external/np/sta/fsi/eng/fsi.htm
86

Credite neperformante/ Capital
Distribu ia sectoriala a creditelor / Total credite ț
Volumul creditelor acordate pe regiuni / Total credite
Active financiare derivate/ Capital
Veniturile i profitabilitatea ș Rentabilitatea activelor (ROA)
Rentabilitatea capitalului (ROE)
Marja de dobânzi/ Venitul brut
Marja bancară dintre dobânda activă i cea pasivă ș
Diferen a dintre dobânda interbancară minimă și maximă ț
Cheltuielile (altele decât cu dobânda) / Venit brut
Cheltuieli cu personalul/ Total cheltuieli de func ionare ț
Venituri comerciale/ Total venituri
Lichiditatea Active lichide/ Total active
Active lichide / Total datorii pe termen scurt
Sensibilitatea la riscurile aferente
pie eițPoziția valutară deschisă (netă) / Capital
Depozitele atrase de la clienți/ Total credite (mai puțin cele
interbancare)
Creditele în valută/ Total credite
Datorii în valută / Total credite
Se poate concluziona astfel că stabilitatea băncilor depinde de câ iva factori, dintre ț
care cei mai importan i sunt: structura ac ionariatului, cota de pia ă, rata de cre tere a ț ț ț ș
creditării în perioadele anterioare, capacitatea de finan are i refinan are de pe pie ele ț ș ț ț
străine/autohtone sau prin intermediul unor institu ii interna ionale. ț ț
Devine evident că un rol important în men inerea stabilită ii financiare îl are ț ț
supravegherea macropruden ială. Institu iile de supraveghere sunt interesate în ț ț
men inerea unui sistem bancar sănătos, performant, stabil; interesul institu iilor deț ț
supraveghere derivă din rolul important pe care sistemul financiar, în ansamblul său,
respectiv cel bancar îl au în cadrul economiilor .
87

3.2. EVALUAREA PERFORMAN EI BANCARE. INDICATORI DE Ț
PERFORMAN A ÎN CADRUL SISTEMULUI BANCAR Ț
Rolul sistemului financiar (Levine, 2005, p. 869) este acela de a produce
informa ii ex ante cu privire la proiectele de investi ii i alocarea capitalului, ț ț ș
monitorizează investi iile i realizează guvernan a corporativă, sistemul financiar ț ș ț
oferă modalită i de management al riscului, colectează i mobilizează resursele, având ț ș
un rol important în facilitarea schimburilor de bunuri i servicii. Privind din acest ș
punct de vedere sectorul bancar, care este o componentă importantă a sectorului
financiar la nivel european, este clar că acesta trebuie să î i îndeplinească rolul la ș
parametrii optimi. Un nivel optim în cazul sistemul bancar trebuie să ină cont atât de ț
interesele ac ionarilor (shareholders) cât i de cel al „de inătorilor de interese” ț ș ț
(stakeholders), importan a i rolul celor două categorii putând să influen eze ț ș ț
comportamentul institu iilor bancare, iar uneori interesele celor două categorii sunt în ț
antiteză.
Modalitatea de surprindere a acestor interese, uneori divergente, se realizează
prin analiza performan ei băncilor (atât la nivel individual cât i a întregului sistem ț ș
bancar). Prin performan a unei bănci în elegându-se eficien a în func ie de obiectivele ț ț ț ț
propuse (Bolocan & Trenca, 2011, p. 18) , un nivel al rentabilită ii adecvat cu riscurile ț
asumate (A. Olteanu, Olteanu, & Badea, 2003) , totodată performan a poate să fie ț
exprimată în termeni de eficientă, productivitate, concuren ă i rentabilitate ț ș(A.-M.
Andries, 2010, p. 112) . Banca Centrală Europeană (European Central Bank, 2010, p.
6) define te performan a ca fiind capacitatea băncilor de a genera profit într-un mod ș ț
sustenabil.
(A.-M. Andries, 2010, p. 113) consideră că incapacitatea băncilor de atingere a
obiectivului de maximizare a performan ei apare ca urmare a influen ei unor categorii ț ț
de factori perturbatori:
•factori exogeni, manifesta i sub forma ocurilor economice, respectiv a ț ș
reglementările din cadrul sectorului bancar;
•factori endogeni, ce se manifestă sub forma stimulentelor incorecte, respectiv
a ineficien ei. ț
În cazul în care profitul este obiectivul principal al institu iilor bancare din ț
88

punct de vedere microeconomic acest obiectiv se poate realiza prin minimizarea
costurilor, respectiv maximizarea veniturilor. (Jacob Bikker & Bos, 2008, p.
6) utilizează un model generalist care să surprindă comportamentul unei bănci, astfel
pentru ac ionari obiectivul principal este un nivel al profitabilită ii cât mai ridicat, ț ț
obiectiv ce poate fi atins prin minimizarea costurilor, în cazul în care pia a este ț
caracterizată de concuren a perfectă. Totu i, autorii respectivi arată că în practică, ț ș
datorită imperfec iunilor pie ei procesul de minimizare a costurilor respectiv de ț ț
maximizare a profiturilor nu este întotdeauna observabil.
Se poate observa că i ndicatorii de performan ă pot să fie clasifica i ț ț (J.a.
Bikker, 2010, p. 141) în func ie de interesele ac ionarilor (shareholders), respectiv al ț ț
de inătorilor de interese (stakeholders). ț
Pentru ac ionari performan a este definită în func ie de nivelul de ț ț ț
profitabilitate, putându-se analiza indicatori tradi ionali de performan ă cum ar fi ț ț
(Bolocan & Trenca, 2011, p. 63) :
•rentabilitatea financiară (ROE), definită ca fiind raportul între profitul net i ș
capitalul propriu;
•rentabilitatea economică (ROA), definită ca fiind raportul între profitul net i ș
total active;
•efectul de pârghie (EM) sau efectul de levier, definit ca fiind invers
propor ional cu ponderea capitalului în total active; ț
•gradul (rata) de utilizare a activelor (AU), definit ca fiind raportul între
venituri totale i active; ș
•marja netă de dobândă (NIM), definit ca fiind raportul între veniturile din
dobânzi, mai pu in cheltuielile cu dobânda, i activele purtătoare de dobânzi; ț ș
•rata medie activă, respectiv rentabilitatea activelor purtătoare de dobânzi
(Yield on earning assets), definit ca fiind raportul între venituri din dobânzi i ș
activele purtătoare de dobânzi;
•rata medie pasivă sau costul fondurilor împrumutate (Cost rate on interest
bearing funds) definit ca fiind raportul între cheltuielile cu dobânda i pasivele ș
purtătoare de dobânzi;
•respectiv rata profitului, definit ca fiind raportul între profitul net i veniturile ș
totale.
89

Unul dintre principalele neajunsuri ale acestor indicatorii ine de incapacitatea ț
de surprindere a riscului asociat, astfel au fost introduse noi modalită i de cuantificare ț
a profitabilită ii ce in cont de risc: ajustarea în func ie de randamentul capitalului de ț ț ț
risc (RAROC), valoarea economică adaugată (E VA).
Utilizarea indicatorilor tradi ionali (ROA, ROE) în cadrul analizei ț
performan ei băncilor suferă ca urmare a neîncorporării riscurilor asociate, studiile ț
realizate de Banca Centrală Europeană (European Central Bank, 2010, p.
37) concluzionează că utilizarea acestor indicatori în perioada pre-criză nu ar fi oferit
investitorilor niciun indiciu cu privire la situa ia reală a băncilor, fiind nec ț esară
utilizarea de indicatori de performan ă care să ină cont de calitatea activelor, ț ț
capacitatea de finan are a institu iilor bancare, respectiv de riscul asociat activită ilor ț ț ț
desfă urate de către bănci. ș
Performan a băncilor prezintă o importan ă deosebită pentru de inătorii de ț ț ț
interese (stakeholders) cum ar fi investitori, clien i, institu ii de reglementare ț ț (Fethi &
Pasiouras, 2010). În cazul în care indicatorii de performan ă sunt analiza i din punctul ț ț
de vedere al de inătorilor de interese (stakeholders) atunci este necesară ț (J.a. Bikker,
2010, p. 141) extinderea indicatorilor utiliza i pentru a putea surprinde impactul ț
institu iilor financiare asupra bunăstării societă ii, fiind necesară utilizarea unor ț ț
indicatorii de tip macro cum ar fi: evaluarea nivelului concuren ei în cadrul sistemului ț
bancar, eficien a institu iilor bancare, soliditatea sistemului bancar. În cazul în care ț ț
este comparată eficien a băncilor din punctul de vedere al de inătorilor de interese ț ț
(San-Jose, Retolaza, & Torres Pruñonosa, 2014) băncile de economii, respectiv
cooperativele de credit, sunt la fel de eficiente ca i băncile tradi ionale cu toate că ș ț
obiectivele urmărite de acestea nu sunt doar pur economice ci i sociale. ș
(J.a. Bikker, 2010) clasifică indicatorii de performantă astfel: indicatori de eficien a, ț
indicatori de cost, indicatori ai profitabilită ii, respectiv indicatori privind structura ț
pie ei. ț
În cadrul sistemului bancar profitabilitatea este de obicei măsurată (PP
Athanasoglou, Brissimis, & Delis, 2008) ca rentabilitate a activelor (ROA), respectiv
rentabilitatea capitalului (ROE), dacă însă se analizează eficien a activită ii bancare ț ț
al i indicatori ț(A.-M. Andries, 2010) sunt utiliza i cum ar fi rata creditelor ț
neperformante, calitatea activelor, adecvarea capitalului, lichiditatea i rezultatul ș
90

opera ional. Profitabilitatea băncilor ț (Panayiotis Athanasoglou, Delis, & Staikouras,
2006) depinde de nivelul riscului de credit, gradului de îndatorare, mărimea băncilor,
nivelul infla iei i al PIB-ului, al i factori ce influen ează profitabilitatea în cadrul ț ș ț ț
sistemului bancar sunt reglementările legale i institu ionale, nivelul taxării băncilor, ș ț
costurile cu garantarea depozitelor (Demirgüç-Kunt & Huizinga 1999), totodată i ș
variabilele macroeconomice joacă în rol important în determinarea profitabilită ii ț
sistemului bancar existând dovezi empirice cu privire la influen a directă a ciclurilor ț
economice (Athanasoglou et all, 2008) ,
Analiza performan ei bancare a fost intens studiată, primele studii analizând ț
influen a factorilor interni, respectiv externi asupra profitabilită ii bancare ț ț (Bourke,
1989; Molyneux & Thornton, 1992) . (Molyneux & Thornton, 1992, p.
1175) utilizează un model liniar de tip pooled pe un e antion de bănci europene din 18 ș
ări pe o perioadă de 4 ani observând că există o legătură pozitivă între nivelulț
rentabilită ii capitalului i gradul de concentrare a sectorului bancar, respectiv în cazul ț ș
variabilelor externe rata dobânzii nominale i structura capitalului băncilor ș
(privat/stat) sunt de asemenea corelate în mod pozitiv cu nivelul rentabilită ii ț
capitalului.
Indicatori de
performan ă țTipul indicatorilor Studii
Eficien a țX-eficien a costurilor ț
X-eficien a profitabilită ii ț ț
Economii de scală
Economii de diversificare(Fethi & Pasiouras, 2010; Matousek &
Rughoo, 2015; San-Jose et al., 2014; Sathye,
2001; Stewart, Matousek, & Nguyen, 2016;
Titko & Jureviciene, 2014; Yang & Liu, 2012)
CostEficien a costurilor ț
Marja costurilor
Total costuri/ total venituri(Kumbirai & Webb, 2010; Liu, Molyneux, &
Wilson, 2013; Olson & Zoubi, 2011; Trujillo-
Ponce, 2013)
Profit ROA
ROE
Marja de dobândă(Alexiou & Sofoklis, 2009; Panayiotis
Athanasoglou et al., 2006; Căpraru & Ihnatov,
2015; European Central Bank, 2010;
Molyneux & Thornton, 1992)
Structura pie ei țNumărul de bănci
Gradul de concentrare (HHI)(Berger & Bouwman, 2013; Bonin, 2005;
Dick, 2006; Epure, Kerstens, & Prior, 2011;
Jiménez, Lopez, & Saurina, 2013)
Tabel 2: Indicatori de performan a după ț (J.a. Bikker, 2010, p. 4)
Gradul de concentrare bancară i numărul de bănci nu influen ează ș ț
profitabilitatea sectorului bancar (J. A. Bikker & Spierdijk, 2009, p. 19) , în acest caz
politicile de deschidere a pie elor bancare, reglementările anti-trust, libera intrare pe ț
pia ă ar trebui să fie obiectivele institu iilor de reglementare i supraveghere aț ț ș
91

sectorului bancar deoarece toate aceste măsuri duc la cre terea competitivită ii în ș ț
sectorul bancar. Totodată schimbările legislative în faza ini ială duc la o cre tere ț ș
ini iala a ineficien ei, însă procesul de privatizare i liberalizare a sectorului bancar înț ț ș
cadrul ărilor Central i Est Europene a generat o influen ă pozitivă asupra sectorului ț ș ț
bancar (Bonin, 2005; Hasan & Marton, 2003) , aceea i concluzie ob inându-se i în ș ț ș
cazul analizării altor ări emergente ț(Delis, 2012; Jiang, Yao, & Feng, 2013) .
Măsurarea performan ei se realizează potrivit lui ț (Hughes & Mester,
2008) utilizând două abordări: structurală i nestructurală. Abordarea nestructurală ș
(Hughes & Mester, 2008, p. 16) presupune analiza performan ei bancare utilizând ca ț
i variabile dependente: indicatori de rentabilitate, indicatorul Sharpe, indicatorulș
Robin; iar variabilele explicative utilizate sunt diversele tipuri de caracteristici ale
băncilor, respectiv a economiei.
În analiza profitabilită i, definită prin indicatorii de rentabilitate ț
economică/financiară i marja netă a dobânzii, se analizează influen a indicatorilor ș ț
financiari bancari, legisla ia i normele bancare, variabile macroeconomice. ț ș
(Kyriaki Kosmidou & Tanna, 2005, p. 6) clasifică factorii ce influen ează ț
nivelul profitabilită ii în factori interni (manageriali), respectiv factori externi. ț
Performan ă este analizată din punct de vedere al profitabilită ii utilizând ca indicatori ț ț
rentabilitatea economică, respectiv marja netă a dobânzii.
Factorii interni considera i ț(Kyriaki Kosmidou & Tanna, 2005, p. 9) sunt
raportul cost/venituri, indicatorii de lichiditate, raportul rezerve pentru pierderi din
credite/total credite, raportul capital/total active, respectiv nivelul activelor totale al
băncilor.
Factori externi considera i ț(Kyriaki Kosmidou & Tanna, 2005, p. 11) sunt rata
de cre tere a PIB-ului, nivelul infla iei, gradul de concentrare în sectorul bancar, ș ț
nivelul capitalizării bursiere a băncilor. Datele utilizate acoperă perioada 1995-2002
cuprinzând 32 de bănci din Marea Britanie. Rezultatele ob inute de autori arătând că ț
nivelul profitabilită ii este puternic influen ată în sens pozitiv de nivelul capitalului ț ț
propriu, un impact negativ asupra profitabilită ii este dat de mărimea băncilor, ț
respectiv de raportul cost/venituri.
(Trujillo-Ponce, 2013, p. 3) clasifică de asemenea factorii ce influen ează ț
profitabilitate în două grupe:
92

•factori interni: structura activelor, calitatea activelor, capitalizarea băncilor,
structura financiară a băncilor, eficien a, mărimea, diversificarea veniturilor ț
•factori externi, care la rândul lor pot să fie factori specifici sectorului
financiar (gradul de concentrare din sectorul bancar) sau macroeconomici
(infla ia, rata dobânzii, rata de cre tere a PIB). ț ș
Utilizând informa ii financiare privind băncile din cadrul a 80 de ări ț ț
(Demirgüç-Kunt & Huizinga, 1999) observă că determinan i profitabilită ii bancare ț ț
sunt caracteristicile bancare, condi iile macroeconomice, nivelul taxării, structura ț
sistemului financiar. O observa ie importantă a autorilor se referă la influen a negativă ț ț
pe care o are un nivel ridicat al raportului active bancare/PIB asupra rentabilită ii i ț ș
profitabilită ii bancare. ț
Analizând profitabilitatea bancară în cadrul ărilor din Centrul i Estul Europei ț ș
(Panayiotis Athanasoglou et al., 2006) pentru perioada 1998-2002 au observat că
nivelul performan ei este influen at nu doar de variabilele caracteristice sectorului ț ț
bancar dar totodată i de structura pie elor financiare, respectiv a condi iilor ș ț ț
macroeconomice. Aplicând aceea i metodologie asupra sectorului bancar grecesc ș
(Alexiou & Sofoklis, 2009) observă doar influen a factorilor interni asupra ț
profitabilită ii bancare, variabilele macroeconomice neavând putere explicativă. ț
Testând performan a băncilor din Grecia ț (Kyriaki Kosmidou & Zopounidis,
2008) utilizează metoda Promethee, această metodă fiind considerată o extensie a
sistemului de rating bancar și de avertizare timpurie – CAMEL, rezultatele obținute
arată că prin creșterea nivelului activelor băncile devine mai competitive și își cresc
nivelul profitabilității.
(Dietrich & Wanzenried, 2011) utilizează estimatorul GMM asupra unui panel
format din 372 de bănci elve iene în perioada 1999-2009 pentru a analiza impactul ț
asupra profitabilită ii a variabilelor caracteristice sectorului bancar, dar i a ț ș
caracteristicilor sectorului financiar; noutatea adusă ine de analiza profitabilită ii atât ț ț
în perioada de pre-criză cât i pentru anii 2007-2009. ș
(Olson & Zoubi, 2011) studiază factorii ce influen ează profitabilitatea în ț
cadrul sistemelor bancare din Orientul Mijlociu i Nordul Africii observând că nivelul ș
de dezvoltare a sistemelor bancare din această zonă sunt insuficient dezvoltate.
Nivelul eficien ei costurilor i a profitabilită ii fiind mai scăzută în zonă decât nivelul ț ș ț
93

mediei globale. (Perera, Skully, & Chaudrey, 2013) studiază influen a factorilor ț
bancari specifici asupra profitabilită ii din Bangladesh, India, Pakistan i Sri Lanka ț ș
observând existen a fenomenului de persisten a a profitabilită ii, în acela i timp ț ț ț ș
nivelul capitalului este corelată pozitiv cu profitabilitatea. (Sastrosuwito & Suzuki,
2012) analizează determinan i profitabilită ii în Indonezia în perioada 2001-2008 unde ț ț
observă că variabilele specifice sectorului bancar afectează nivelul profitabilită ii, în ț
timp ce factori externi (infla ia) nu au putere explicativă. Legătura între indicatorii de ț
sănătate financiară (Banerjee & Velamuri, 2015) i nivelul profitabilită ii este unaș ț
negativă în cazul Indiei, iar capitalul uman joacă de asemenea un rol important pentru
performan a bancară. ț(Heffernan & Fu, 2010) utilizează ca variabile dependente pe
lângă rentabilitatea economică/financiară, respectiv marja neta a dobânzii i ș
indicatorul valoarea economică adăugată.
Impactul factorilor interni i externi asupra profitabilită ii sectorului bancar ș ț
spaniol este analizată de (Trujillo-Ponce, 2013, p. 21) utilizând un panel nebalansat; în
cazul indicatoriilor de lichiditate propu i de Basel III influen a acestora asupra ș ț
profitabilită ii este negativă, în timp ce cre terea cerin elor de capital au un efect ț ș ț
pozitiv asupra rentabilită ii economice. ț
Analizând evolu ia întregului sectorul bancar american pentru perioada 1984- ț
2010 (Chronopoulos, Liu, McMillan, & Wilson, 2015) arată că factorii ce influen ează ț
în mod pozitiv profitabilitatea sunt: mărimea băncilor, lichiditatea, riscul de credit,
rata de cre tere a activelor. ș(Chronopoulos et al., 2015, p. 20) arată că profitabilitatea
are un puternic caracter pro-ciclic, în acela i timp profitabilitatea manifestă fenomenul ș
de persisten ă. ț
Abordarea structurală (Hughes & Mester, 2008, p. 6) reprezintă o altă
modalitate de surprindere a performan ei bancare prin utilizarea de metode ț
parametrice i neparametrice pentru estimarea X-eficien ei costurilor i a profitului ș ț ș
(Heffernan & Fu, 2010, p. 3) . În vederea estimării X-eficien ei sunt utilizate modele ț
parametrice (frontiera stochastică) i neparametrice (metoda înfă urării datelor DEA). ș ș
Conceptul de X-eficien ă măsoară ț(A.-M. A. Andries & Cocris, 2010, p. 55) devia ia ț
de la frontieră eficientă a companiilor, frontiera eficientă considerându-se pe baza
celor mai bune practici din sectorul analizat, respectiv compararea eficien ei ț
institu iilor financiare cu cele mai eficiente din cadrul pie elor respective. ț ț
94

Realizând o sinteză a peste 100 de lucrări ce tratează X-eficien a bancară la ț
nivel interna ional ț(Berger, 2007, p. 135) observând că băncile locale sunt mai
adaptate la mediul economic na ional, având o eficien ă mai ridicată decât băncile cu ț ț
capital majoritar străin.
Studiind eficien a băncilor din România, Republica Cehă i Ungaria pe ț ș
perioada 2000-2006 (A.-M. A. Andries & Cocris, 2010, p. 72) utilizează atât metode
parametrice (frontiera stocastică) cât i modele neparametrice (DEA). Rezultatele ș
analizei realizate de autori arată că nivelul eficien ei tehnice este mai redus în ț
România comparativ cu celelalte două ări, în acela i timp nivelul de eficien ă a ț ș ț
costurilor este redus.
Analizând eficien a bă țncilor (Epure & Lafuente, 2015) utilizează modelul de
analiză a frontierelor DEA pe care îl augmentează prin utilizarea de variabile
endogene ce surprind riscul de credit al băncilor, rezultatele ob inute arată că există o ț
legătură între indicatorul ROA i eficien a băncilor. ș ț
Criza economică a avut un impact puternic asupra profitabilită ii sectorului ț
bancar (Beltratti & Stulz, 2012) , cele mai afectate fiind băncile care aveau în pasiv în
special datorii pe termen scurt, iar cadrul legal i reglementării din diverse ări nu au ș ț
un impact asupra performan ei bancare. Scăderea eficien ei bancare după perioada ț ț
2007-2008 se aplică i în cazul sectorului bancar european ș (Matousek & Rughoo,
2015).
Capitalul de inut de către băncile comerciale joacă un rol esen ial în ț ț
supravie uirea băncilor în perioade de criză ț (Berger & Bouwman, 2013) . Examinând
ratele falimentului bancar cât i evolu ia cotelor de pia ă de inute de băncii, autorii ș ț ț ț
respectivi observă rolul important al capitalului în cre tere anselor de supravie uire a ș ș ț
băncilor la ocuri externe. ș
Cercetând legătura dintre reglementările bancare, supraveghere i ș
monitorizării sistemului bancar de către autorită ile de supraveghere ț (Barth et al.,
2013), utilizând un panel nebalansat format din 4050 de bănci din 72 de ări pe ț
perioada 1999-2007, cu nivelul profitabilită ii observă că atât în cazul băncilor mari ț
dar i cele mici i mijlocii nivelul capitalului este corelat pozitiv cu nivelul ș ș
profitabilită ii în timp ce reglementările stufoase duc la o scădere a eficien ei ț ț
sectorului bancar. (Barth et al., 2013) arată că fără autorită i de supraveghere ț
95

independente i puternice influen a pozitivă dintre reglementările bancare, ș ț
supraveghere i monitorizării sistemului bancar de către autorită ile de supraveghere ș ț
este scăzută. Pentru perioada 1999-2010 conformare băncilor cu privire la
reglementările Basel nu are niciun efect asupra performan ei ț (Ayadi, Naceur, Casu, &
Quinn, 2015).
96

3.3. ANALIZA COMPARATIVĂ A PERFORMANȚEI BANCARE DIN
CADRUL SISTEMULUI BANCAR EUROPEAN
În acest subcapitol vom realiza o analiză comparativă a indicatorilor de
performan ă la nivelul principalelor bănci din cadrul Uniunii Europe, respectiv a ț
Elve iei. țDatele utilizate sunt preluate din cadrul bazei de date Bankscope i cuprind ș
perioada 2005-2013. Setul de bănci analizat cuprinde 228 bănci de inând active ț
bancare de peste 24 trilioane euro.
Structura bazei de date
Nr.
crt. ara de origineȚ ID arăȚNumăr de bănciTotal active (2013)
mil. euro
1.AUSTRIA AT12 404992
2.BELGIA BE 4 796418
3.BULGARIA BG 3 13424
4.ELVE IA Ț CH11 1562013
5.CIPRU CY 3 42047
6.REPUBLICA CEHĂ CZ 6 115940
7.GERMANIA DE 9 1054120
8.DANEMARCA DK10 831028
9.ESTONIA EE 3 13635
10.SPANIA ES10 1996443
11.FINLANDA FI5 379728
12.FRAN A Ț FR19 5483409
13.MAREA BRITANIE GB28 7306354
14.GRECIA GR 5 358278
15.CROA IA Ț HR 5 34256
16.UNGARIA HU 9 79942
17.IRLANDA IE4 322846
18.ITALIA IT17 1860263
19.LITUANIA LT 5 17713
20.LUXEMBURG LU 3 73316
21.LETONIA LV10 20332
22.MALTA MT 3 7932
23.OLANDA NL11 941351
24.POLONIA PL 8 146718
25.PORTUGALIA PT 6 288910
26.ROMÂNIA RO 6 35950
27.SUEDIA SE 3 563438
28.SLOVENIA SI7 27581
29.SLOVACIA SK 3 23055
30.TOTAL 29228 24.801.432
Sursa datelor: Bankscope, calcule proprii
97

Fig. Raport active bancare i PIB (2013) ș
Structura e antionului utilizat a fost determinată de disponibilitatea datelor în ș
cadrul bazei de date Bankscope, valoarea totală a activelor de inute de băncile din ț
cadrul e antionului sunt de 23.3 trilioane/euro (excluzând Elve ia), comparativ cu ș ț
aproximativ 42 trilioane/euro valoarea totală a activelor la nivelul Uniunii Europene
(ECB, 2013). Gradul de intermediere financiară în Europa Occidentala s-a men inut la ț
un nivel comparativ egal cu cel din Statele Unite până în anii 1980, respectiv raportul
credite acordate sectorul privat raportat la PIB fiind în jur de 40%, începând cu anii
’90 acest raport este pe un trend de cre tere în cazul ărilor din Europa Occidentală ș ț
apropiindu-se de pragul de 100% (ESRB European Systemic Risk Board, 2014;
Schularick & Taylor, 2009) . Media EU27 a raportului dintre activele bancare i PIB în ș
anul 2013 fiind de 334%, comparativ în cadrul sectorul bancar japonez raportul este
de 196% în timp ce în cazul Statelor Unite acest raport are valoarea de 88%
(Langfield & Pagano, 2016, p. 54) , acest nivel ridicat putând influen a într-un mod ț
negativ cre terea economică. Motivele pentru care un sector financiar ș
supradimensionat poate să fie un factor negativ în dezvoltarea economică ine de ț
(ESRB European Systemic Risk Board, 2014, p. 14) alocarea ineficientă a capitalului
98

printr-o finan are mai ridicată a gospodăriilor în defavoarea finan ării întreprinderilor; ț ț
respectiv de alocarea ineficientă a capitalului uman.
În acela i timp ș nivelul profitabilită ii sectorului bancar este un indicator ț
relevant al crizelor financiare (Demirguc-Kunt & Detragiache, 2000), în cazul în care
indicatorul credite/PIB depă e te nivelul de 92%, nivelul creditării gospodăriilor este ș ș
mai mare de 54.5% din PIB potrivit sistemului de avertizare timpurie dezvoltat de
(Alessi, 2014, p. 29) probabilitatea de apari ie a unei crize bancare este de 90%. În ț
cazul în care sectorul bancar este puternic dezvoltat acesta tinde să treacă prin crize
financiare puternice cunoscând perioade de recesiune mai lungi i mai severe ș
(Reinhart & Rogoff, 2009) .
În vedere surprinderii evolu iei performan ei sectorului bancar i a impactului ț ț ș
asupra dezvoltării economice analiza realizată este axată asupra a patru categorii
importante de indicatori: indicatori privind calitatea activelor, indicatori privind
adecvarea capitalului, indicatori privind rezultatele opera ionale, i țndicatori privind
lichiditatea băncilor. În acela i timp se va analiza legătura dintre indicatorii de ș
performan ă bancară i evolu ia PIB-ului. ț ș ț
3.3.1. ANALIZA INDICATORILOR PRIVIND CALITATEA ACTIVELOR
Daca ma hotarasc sa fac o analiza de tip PCA vezi si lucrarea Shih, V ., Q. Zhang, and
M. Liu, (2007), “Comparing the performance of Chinese banks: a principal
component approach”, China Economic Review
as putea in acelasi timp sa incerc sa fac o analiza canonical si pe variabilele
dependente, respectiv independente utilizate aici Determinants of financial
performance in Chinese banking
trilioane euro
99

Vezi si
http://www.eba.europa.eu/documents/10180/1315397/EBA+RISK+ASSESSMENT+
REPORT.pdf/46d91b9a-f393-4b54-96eb-df06ca01bec5 pg 32-34 unde ai exemple cu
privire la analiza indicatorilor, boxplot, etc
de pus grafic cu evolutia activelor eșantionului bancar analizat
Indicatori privind calitatea activelor
Acest indicator (NPL) este calculat ca raportul între credite restante i șîndoielnice, arată eficien a activită ii de creditare. ț ț
Gradul de acoperire a creditelor neperformante calculat ca raport întreprovizioane bancare i venituri din dobânzi. ș
Loan Loss Reserve / Gross Loans;
Reserves for Impaired Loans / NPLs;
p r o v i z i o a n e p e n t r u p i e r d e r i d i nc r e d i t e / p i e r d e r i n e t e * 1 0 0 ,raport carer e f l e c t a n i v e l u l d e p r u d e n t a a d o p t a t d e b a n c a i n p o l i t i c a s a d e c r e d i t a r erezultatele opera ionale: Rentabilitatea capitalului propriu mediu (ROAE), țRentabilitatea activelor medii (ROAA) , Marja netă din dobânzi, Veniturilenete din dobânzi/Active medii, Alte venituri opera ionale/Active medii, țCheltuielile (altele) decât cu dobânzile/Active medii, RaportulCosturi/Venituri
C a l i t a t e a a c t i v e l o r t o t a lp o r t o f o l i u d e c r e d i t e , r a t ac r e d i t e l o r n e p e r f o r m a n t e , g r a d u ld e a c o p e r i r e a c r e d i t e l o rn e p e r f o r m a n t e , g r a d u l d ea c o p e r i r e c u p r o v i z i o a n e . Adecvarea capitalului: raportul de solvabilitate, rata capitalului propriu,indicatorul Capital propriu/Credite nete.
•Indicatori privind lichiditatea băncilor: Raportul interbancar
(Interbank ratio), Ponderea creditelor nete, Ponderea activelorlichide,
Indicatori privind lichiditatea
Raportul interbancar
•
100

•asset quality indicators:
•capital adequacy indicators:%Tier 1 Ratio, %Total Capital Ratio, %Equity / Total Assets,
%Capital Funds / Total Assets.
•indicators regarding operational results: %Return On Average Assets (ROAA), %Return On
Average Equity (ROAE), %Net Interest Margin, %Cost To Income Ratio.
•liquidity indicators: %Interbank Assets / Interbank Liabilities, %Net Loans /
Customer & Short Term Funding, %Liquid Assets / Deposits & Short Term
Funding.
3.3.2. ANALIZA INDICATORILOR DE ADECVAREA CAPITALULUI
3.3.3. ANALIZA INDICATORILOR P RIVIND REZULTATELE
OPERAȚIONALE
3.3.4. ANALIZA INDICATORILOR PRIVIND LICHIDITATEA BĂNCILOR
PeriodNumber
of banksGross
Loans
mil. euroCustomer
Deposits
mil. euroDeposits
from Banks
mil. euroOperating
Profit
mil. euroTotal Assets
mil. euro
2005228385773160516577646,1690629
2006228441113453218234799,76100820
2007228502633831917807728,68111664
20082285254837566176587,54122021
2009228522753871215583169,05111781
2010228561184200512055434,32118048
201122855423420121178855,95121777
2012228541784292110708207,06118257
201322852032442639465155,34108778
Bank indicators evolution (average of the period)
Indicators 20052007200920112013
Loan Loss Reserve/ Gross Loans 2.521.953.95.036.49
Reserves for Impaired Loans / NPLs 566.71746.211427.21959.92331.7
Loan Loss Provision/Net Interest
Revenue11.0710.8560.6143.5951.51
Tier 1 Ratio 6.777.398.810.7211.48
%Total Capital Ratio 10.0810.2111.6613.8215.31
%Equity / Total Assets 8.358.228.598.799.57
%Capital Funds / Liabilities 11.3411.3112.4813.4611.29
%Return On Avg Assets (ROAA) 1.111.250.09-0.13-0.28
%Return On Avg Equity (ROAE) 14.2215.04-0.51-9.13-6.24
%Net Interest Margin, 2.512.392.282.252.09
%Cost To Income Ratio 62.4260.4263.8670.0370.70
%Interbank Assets / Interbank
Liabilities328.16583.75636.2685.3598.55
%Net Loans / Customer & Short
Term Funding82.4196.9983.5579.6176.01
101

%Liquid Assets / Deposits & Short
Term Funding43.4040.8936.8635.3731.96
In the case of asset quality indicators we observe that over the analysed period the rate of Loan Loss
Reserve / Gross Loans has increase with over 257%, which shows the degradation of the quality of the
loan portfolio. Analysing the Loan Loss Provision/Net Interest Revenue indicator, which shows the
relation between provisions and the interest revenue, it can be observed that it’s value has increased
over 411%; so for the analysed period the rate of provision has increase at a higher pace than the
revenues from interest, which shows that the high level of risk is not being properly remunerated.
The capital adequacy indicators evolution is influenced by the implementation of the
capital requirements, the supervisory institutions objective being that the banks sectors
capitalization should rise in order to withstand any additional shock. The Total Capital Ratio
has risen with over 50% on the 2005-2013 period, the ratio between Equity/Total Assets
show an increase of over 14%. Every increase in capital is expensive for banks, but higher
levels of capitals reduce the default probability of banks and also the probability of a systemic
crisis (Gauthier, Lehar, & Souissi, 2012) . The indicators regarding operational results (ROAA,
ROAE, Net Interest Margin, Cost To Income Ratio) have deteriorated over the analysed
period. In the case of ROAA, which measures the investment rate return on assets, and
ROAE, which measures the efficiency of bank capital, the values are negative for the 2011-
2013 period due to the losses that banks where facing. The Cost to Income Ratio, which is
an efficiency indicator, has increased steadily over the analyzed period from 62% in 2005 to
over 70% in 2013.
For the analyzed banks the liquidity indicators show that banks have downsized their exposure to other
banks, due to the fact that the value of these indicators is below its normal value shows that banks have
a liquidity problem after 2010. Although the value of the indicator Net loans/Customer& Short-term
funding is decreasing, which represent a positive aspect, the value of the Liquid Assets / Deposits &
Short Term Funding is also decreasing which show an increase of banks vulnerability to massive
withdrawals of deposits.
102

103

5. Conclusion
In the case of asset quality indicators we observe over the analysed a degradation of
the quality of the loan portfolio, also the rate of provision has increase at a higher pace than
the revenues from interest, which shows that the high level of risk is not being properly
remunerated. The capital adequacy indicators evolution show an increase. The indicators
regarding operational results have deteriorated over the analysed period, also the efficiency
of banks has decreased steadily over the analyzed period. The liquidity indicators show that
banks have downsized their exposure to other banks, but banks vulnerability to massive
withdrawals of deposits has increased.
The level of risk the European economies faces has increased between 2011-2012
period the banking sector failed to recover quickly. The European banking sector is still in an
adjustment period, the rates of non-performing loans in 2014 still being at a higher level
compared with 2008 period .
104

4. CUANTIFICAREA INTERDEPENDENȚELOR DINTRE
RESURSE, PLASAMENTE ȘI CAPITAL
4.1. CORELAȚIA CANONICĂ – ABORDĂRI TEORETICO-METODOLOGICE
Obiectivul managementului resurselor i plasamentelor este atingerea unui ș
nivel de profitabilitate în acord cu gradul de risc acceptat, acest obiectiv mai poate fi
în eles i ca managementul strategic al activelor i pasivelor ț ș ș (Rosen & Zenios,
2008) sau sub forma unei func ii cost/profit ț(Kusy & Ziemba, 1986) ce are ca i ș
variabilă riscul asociat. Profitabilitatea în cadrul sistemului bancar este influen ată atât ț
de factorii specifici sistemului bancar cât i de variabile macroeconomice sau de ș
dinamica sectoarelor economiei în cadrul cărora băncile comerciale au cea mai mare
expunere (PP Athanasoglou et al., 2008) . Astfel ca urmare a modificărilor legislative,
a dezvoltării securitizării, implementării modelelor de management a resurselor i ș
plasamentelor bancare dependen a dintre activele i pasivele bancare este într-o ț ș
modificare continuă. Cuantificarea acestor dependen e atât la nivelul unei bănci cât i ț ș
la nivelul întregului sistem bancar duce la o mai bună în elegere a comportamentului ț
băncilor comerciale, a modului de transmisiei a ocurilor în cadrul sistemului ș bancar.
Pentru măsurarea dependen ei dintre resursele i plasamentele bancare trebuie ț ș
să în elegem mai întâi rolul pe care îl are managementul activelor i pasivele bancare ț ș
în îndeplinirea intelor de profitabilitate a institu iei bancare. ț ț Măsurarea performan ei ț
bancare (Heffernan & Fu, 2010; Hughes & Mester, 2008; Kyriaki Kosmidou,
Pasiouras, & Floropoulos, 2004) se realizează utilizând indicatori de rentabilitate,
valoarea economică adăugata, marja netă a dobânzii indicatorul Sharpe, indicatorul
Robin, raportul cost/venituri, indicatorii de lichiditate, raportul rezerve pentru pierderi
din credite/total credite, raportul capital/total active, respectiv nivelul activelor totale
al băncilor.
De asemenea performan a bancară depinde de ț (Alexiou & Sofoklis, 2009;
Panayiotis Athanasoglou et al., 2006; Demirgüç-Kunt & Huizinga, 1999; Dietrich &
Wanzenried, 2011; Kyriaki Kosmidou & Zopounidis, 2008; Olson & Zoubi, 2011;
Trujillo-Ponce, 2013) structura activelor, calitatea activelor, capitalizarea băncilor,
structura financiară a băncilor, mărimea băncilor i a capitalului , gradul de ș
105

diversificare a veniturilor.
(Hester & Zoellner, 1966) analizează influen a activele i pasivele asupra ț ș
profitabilită ii, ț(Stowe, Watson, & Robertson, 1980) utilizează corela ia canonică ț
pentru a studia structura activelor i pasivelor i a rela iilor ce se stabilesc între ele în ș ș ț
cadrul companiilor nefinanciare, aceea i metoda este aplicată i în analiza structurii ș ș
activelor/pasivelor bancare (Simonson, 1983). Structura activelor i pasivelor bancare ș
joacă un rol important asupra profitabilită ii bancare ț(Deyoung & Yom, 2008;
Memmel & Schertler, 2012) existând diferen e clare de structură bilan ieră în func ie ț ț ț
de mărimea activelor.
Analiza canonică a fost utilizată în studii privind structura companiilor (Van
Auken, Doran, & Yoon, 1993) , observându-se interdependen e similare în structura ț
bilan ieră a companiilor coreene cu structura bilan ieră a companiilor americane. ț ț
Corela ia canonică a fost utilizată pentru a surprinde impactul reformelor asupra ț
structurii băncilor rurale din Ghana (Obben, 1992). (Obben & Shanmugam,
1993) compară structura bilan ieră a băncilor, institu iilor financiare i a companiilor ț ț ș
din Malaezia utilizând analiza canonică.
Legăturile ce se stabilesc între pozi iile bilan iere a băncilor sunt analizate i ț ț ș
de (Camarero & Tamarit, 1995) în cazul băncilor de economii din Spania, (Bagchi,
2012) studiază impactul reglementărilor bancare asupra structurii activelor i ș
pasivelor în sectorul bancar din India, tot în cazul sistemului bancar indian (Dash &
Pathak, 1993) constată existen a unei corela ii puternici între activele lichide i ț ț ș
depozite. (Haslem, Scheraga, & Bedingfield, 1992) utilizează analiza canonică asupra
situa iilor financiare a 176 de bănci din Statele Unite. ț
Analizând structura activelor i pasivelor ș(Deyoung & Yom, 2008) , în cadrul
băncilor americane pentru perioada 1990-2005, rezultatele studiului arătă că legătura
dintre active i pasive este mai puternică în cazul băncilor mari. Analiză canonică ș
relevă legături puternice între creditele pe termen scurt i nivelul creditelor ș
interbancare, în acela i timp creditele pe termen lung sunt puternic corelate cu ș
depozitele; o altă concluzie importantă este scăderea legăturii dintre active i pasive ș
pe perioada 1990-2005.
Legătura dintre structura activelor i pas șivelor bancare din cadrul băncilor
germane este studiată de (Memmel & Schertler, 2012) , concluziile studiul fiind un
106

declin al dependen ei dintre active i pasive în perioada analizată 1994-2007. Potrivit ț ș
lui (Memmel & Schertler, 2012, p. 9) literatura de specialitate ce analizează structura
activelor i pasivelor bancare utilizează trei categorii de modele: măsurarea corela iei, ș ț
regresia i corela ia canonică. ș ț
Analiza canonică i-a găsit aplicabilitatea în domenii diverse de la medicina ș
(Friman, Cedefamn, Lundberg, Borga, & Knutsson, 2001) , analiza genomului
(Cichonska et al., 2015) , agricultura (Saed-Moucheshi et al., 2013) , prognoza meteo
(Barnett & Preisendorfer, 1987) , modul de remunera ie a managerilor ț (Eunsup &
Jooh, 2003), psihologie (Sherry & Henson, 2005) , informatică (Zheng, Zhou, Zou, &
Zhao, 2006).
Pentru a fi eficace în bănci managementul resurselor i plasamentelor trebuie ș
să ia în considerare nivelul de risc, veniturile, lichiditatea, solvabilitatea, nivelul
depozitelor i al creditelor; având în vedere importan a sistemica a băncilor chiar i ș ț ș
falimentul unei bănci de importan ă redusă poate să crească nivelul riscurilor atât din ț
sectorul bancar, cât i la nivelul întregii economii, putând să influen eze i alte pie e ș ț ș ț
datorită fenomenului de contagiune. Astfel analiza structurii resurselor i ș
plasamentelor ne ajută să în elegem diferen ele între băncile performante i cele mai ț ț ș
pu in performante, oferindu-ne informa ii importante pentru a putea în elege mai bineț ț ț
modul de func ionare a băncilor, respectiv schimbările ce apar în structura lor. ț
Analiza corela iei canonice face pare din categoria tehnicilor analizei ț
multivariate, această metodă oferind posibilitatea de explorarea a rela iilor între două ț
seturi de variabile, obiectivul analizei canonice este reducerea multidimensionalită ii ț
datelor i construirea unor subseturi de variabile explicative ș (Jaiswal, 2010, p. 46) .
În cadrul lucrării “Rela ii între două seturi de variabile” ț (Hotelling,
1936) dezvoltă cadrul teoretic al corela iei ț canonice, astfel dacă în cadrul corela iei se ț
analizează interdependen a liniară dintre două variabile în cazul utilizării corela iei ț ț
canonice se generalizează analiza interdependen ei asupra unui set de doi vectori de ț
variabile. Metoda analizei corela iei canonice generalizează analiza interdependen ei ț ț
de la două variabile la doi vectori de variabile.
Metoda analizei corela iei canonice are următorul fundament matematic ț
(Härdle & Simar, 2015) : fie două grupuri de variabile X format din p variabile
i Y format din șq variabile , pe baza cărora
107

vom putea construi combina iile liniare, ț
( 1)
( 2)
unde a´=[ ] i b'=[ș ] reprezintă vectorii coeficien ilor ț
canonici, iar combina iile liniara ța'X i șb'Y sunt variabilele canonice.
Combina iile liniare sunt construite astfel încât cei doi vectori a' i b' să maximizeze ț ș
corela ia ț
( 3)
Pentru variabilele X i Y se vor defini mediile ș i matricea de varian ă-ș ț
covarian ă ț

Astfel din ecua ia 4 i utilizând defini ia corela iei, ca raport între covariantă i ț ș ț ț ș
abateriile seriilor, avem:
( 4)
Corela ia fiind maximă ț (Härdle & Simar, 2015) atunci când ob inem ț
unde abaterea seriilor X i Y a fost normalizată ș iș
, pentru aceasta se va realiza descompunerea valorilor singulare (SVD) a
matricei astfel SVD este
unde
( 5)

iar rangul (K) = k, sunt eigenvalorile lui , respectiv
iar i ș sunt eigenvectorii lui ,respectiv .
Vom avea atunci (Härdle & Simar, 2015) prima pereche de vectorii de corela ie ț
canonică , respectiv , iar variabilele corela iei canonice ț
au forma pentru seria X , respectiv pentru seria Y. Astfel în
108

cazul primei perechi de vectorii de corela ie canonică coeficientul de corela ie ț ț
canonică este , vectorii de corela ie canonică sunt ț , respectiv
, iar variabilele corela iei canonice au forma ț pentru seria
X , respectiv pentru seria Y i ș sunt
coeficien ii corela iei canonice reprezentând radicalul eigenvalorilor matricilor ț ț
, . În cazul celei de-a doua corela ii canonice variabilele ț
corela iei canonice maximizează gradul de corela ie ( ț ț ecua ia 5ț) dintre toate op iunile ț
care sunt necorelate cu prima pereche de variabile canonice astfel dacă p>q atunci
vom avea un număr maxim de q corela ii între cele două grupuri de variabile. ț
Variabilele canonice au următoarele propriet ă i statistice ț(Johnson & Wichern,
2002):
1.
2.
3.
4.
pentru k, l =1, 2, …, p.
Încarcăturile canonice (canonical loadings) sunt definite ca fiind corela ie dintre ț
variabilelor canonice i grupul de variabile ini iale, respectiv: ș ț
(6)
(7)
Interdependen a dintre variabilele canonice poate fi interpretată ț (Deyoung & Yom,
2008) astfel: dacă există o corela ie canonică puternică între variabilele canonice U i ț ș
V i totodată o altă legătură puternică între încărcăturile canonice ș Xi, Yj iș
combina iile liniare U, V atunci va exista o dependen ă între variabilele X ț ț i, Yj (Figura
1).
109

Fig.1. Dependen a dintre resursele i plasamentele bancare ț ș
Testarea coeficien ilor corela iei canonice se poate realizeaza ț ț (Härdle & Simar,
2015) utilizând Wilk’s likelihood ratio statistic (Gittins, 1985)
Exemplu de prezentare a variabilelor analizate
110

111

4.2. STRUCTURA RESURSELOR ȘI PLASAMENTELOR ÎN PERIOADA
2005-2013
cap 4
Analiza diverselor modele s poate pune din prisma testarii d ipoteze
Exista o legatura intre nivelul activelor s profitabilitatea, risc s profitabilitate,
De analizat matricea d variatie s covariatie s d vazut cum sunt legate variabilele
studiu de caz 1
analiza descriptiva (matrice de corelatie)
Trends in the asset-liability structure of Australian banks
vezi anexele de la Deyoung pt cateva idei de cum as putea sa prezint rezultatele
obtinute. atentie la multicoliniaritate: trebuie renuntat la unele pozitii. vezi si Memmel
pg 12
La corelația canonica ar trebui sa urmez aceiași structura ca la cap 3
https://scholar.google.ro/scholar?
start=10&q=Clustering+assets+liabilities+&hl=ro&as_sdt=0,5
112

4.3. ANALIZA CORELAȚIEI CANONICE DINTRE RESURSE,
PLASAMENTE ȘI CAPITAL
We perform canonical correlation analysis on these data in each year from 1990 through 2005;
each set of annual calculations is independent from the others. The
Studiu de caz
Two different datasets are used in this paper. The first one is used to
understand the impact of countries macroeconomic factors on the banks financial
statements, we use the FSI database of the International Monetary Fund, which
consists of quarterly observations for the 2009-2013 period for the following
countries: Austria, Belgium, Bulgaria, Czech, Cyprus, Estonia, France, Germany,
Greece, Ireland, Italia, Latvia, Lithuania, Luxemburg, Netherlands, Poland, Portugal,
Romania, Slovakia, Slovenia, Spain, Hungary.
Băncile comerciale
Nr. Numele bancii ID
1.Raiffeisen RAI
2.Erste Group Bank AG EGB
3.Oesterreichische Volksbanken AG OVB
4.Dexia DEX
5.KBC Bank NV KBC
6.Cyprus Popular Bank Public Co Ltd CPB
7.Bank of Cyprus Group BC
8.Commerzbank AG CB
9.Portigon AG PT
10.Landesbank Berlin Holding LB
11.DekaBank Deutsche Girozentrale DBD
12.Danske Bank A/S DB
13.Jyske Bank A/S (Group) JB
14.Sydbank A/S SB
15.Nykredit Realkredit A/S NR
16.Banco Santander SA SAN
17.Banco Bilbao Vizcaya Argentaria SA BIL
113

18.Banco Popular Espanol SA ESP
19.Banco de Sabadell SA BSA
20.Bankinter SA BKI
21.Caja de Ahorros y Monte de Piedad de Zaragoza, Aragon y
Rioja-Ibercaja CAI
22.OP-Pohjola Group OP
23.BNP Paribas BNP
24.Crédit Agricole S.A. CRA
25.Société Générale SC
26.Royal Bank of Scotland RBS
27.HSBC Holdings Plc HSBC
28.Barclays Plc BAR
29.Lloyds Banking Group Plc LLO
30.Eurobank Ergasias SA EBE
31.National Bank of Greece SA NBG
32.Alpha Bank AE AB
33.Allied Irish Banks plc AIB
34.Bank of Ireland-Governor and Company of the Bank of Ireland BI
35.Permanent TSB Plc PER
36.Intesa Sanpaolo INT
37.UniCredit SpA UNI
38.Banca Monte dei Paschi di Siena SpA-Gruppo Monte dei
Paschi di Siena BMP
39.Unione di Banche Italiane Scpa-UBI Banca UBI
40.ING Bank NV ING
41.Rabobank Nederland-Rabobank Group RBD
42.SNS Bank N.V. SNS
43.Caixa Geral de Depositos CGD
44.Banco Comercial Português, SA-Millennium bcp MIL
45.Espirito Santo Financial Group S.A. ESF
46.Banco BPI SA BPI
47.Nordea Bank AB (publ) NB
48.Skandinaviska Enskilda Banken AB SEB
49.Svenska Handelsbanken SHB
114

50.Swedbank AB SWB
51.NLB dd-Nova Ljubljanska Banka d.d. NLB
52.Nova Kreditna Banka Maribor d.d. NKB
53.Unicaja – Montes de Piedad y Caja de Ahorros de Ronda UNJ
54.Banco Pastor SA PAS
55.Bilbao Bizkaia Kutxa, BBK BBK
56.Caja de Ahorros y Monte de Piedad de Gipuzkoa y San
Sebastian-Kutxa CMS
57.Banca March SA MAR
58.Caja de Ahorros de Vitoria y Alava-Caja Vital CVA
59.Caja de Ahorros y Monte de Piedad de Ontinyent – Caixa
OntinyentCMO
The second dataset consists of annually financial information for the following
banks: Raiffeisen, Erste Group, Volksbanken, Dexia, Cyprus Bank, Bank of Cyprus,
Commerzbank, Landesbank, DekaBank, Banco Santander, Banco Bilbao, Banco
Popular Espanol, Banco de Sabadell, Bankinter, Caja de Ahorros y Monte de Piedad,
Unicaja, Banco Pastor, Bilbao Bizkaia, Caja de Ahorros Gipuzkoa, Caja de Ahorros
de Vitoria, Crédit Agricole, Eurobank, National Bank of Greece, Alpha Bank, Allied
Irish, Bank of Ireland, Permanent, Rabobank, RBS, SNS Bank, Banco Millennium,
Nova Ljubljanska Banka, Nova Kreditna; the data are obtained from the Bankscope
database and covers the period between 2004 until 2011.
115

Figure 1. Capital adequacy ratio
In order to comply with the Basel Agreement banks must have a reasonable level of
capital, for the analyzed period the mean of Capital to Risk-Weighted Assets indicator
is 14.5. The lowest level, even a negative ratio, is unsurprisingly observed for
Greece, also in the case of Cyprus, Italy, Portugal, Slovenia and Spain the rate of
Capital to Risk-Weighted assets is below the mean; some countries, Estonia, Ireland,
have the highest level, over 20%. For most of the analyzed countries (Fig.1.a) the
level of capital indicators rises for the 2009-2013 period which is in concordance with
the European Central Bank recommendation, a high level of capital is important in
order to reduce systemic risk for the countries in the European Union and is also
reducing the possibility of contagion between countries. The Tier 1 ratio (Fig.1.b) has
116

a positive evolution for all the analyzed countries, below the mean of Tier 1 indicator
(which is 12.36%) are the following countries: Cyprus , Greece, Italy, Portugal,
Slovenia and Spain. Interestingly Ireland which was part of the so called PIIGS
countries (Portugal, Italy, Ireland, Greece and Spain) manage to recapitalizes the
banking sector, being now one of the most well capitalized sector banking in Europe.
Figure 2. Loans and interest margin
The sharpest reduction in interest margin is in Ireland (Fig.2), the phenomenon of
117

interest margin reduction is present for all the analyzed countries. The level of non-
performing loans is highest in the case of Greece, Ireland, Romania, Slovenia,
Hungary, Cyprus, Italy, Lithuania and Bulgaria. For the Eastern European countries
the rate of non-performing loans has an upward trend which gives rise to the
possibility of banks failures in these countries. There is a clear division between the
Southern, Central and Eastern countries, with high level of non-performing loans and
Northern countries which, with the exception of Ireland, have a much reasonable
levels of non-performing loans.
118

Figure 3. ROA and ROE 2009-2013
The mean for return on assets (ROA) for the analysed period is 0.28%, while the
mean of return on equity (ROE) is 3.55%. The ROA and ROE are negative for
Cyprus, Greece, Ireland, Portugal, Slovenia. In the Greece case the high fluctuation is
explicable as an effect of the bailout program which reduced considerable the assets
own by the banking sector. All of the analyzed indicators show that the most affected
banks were from Greece, Cyprus, Italy, Portugal and Spain; also in some other
119

countries (Romania, Slovenia, Hungary, Lithuania and Bulgaria) the profitability of
the banking sector could be affected by the high level of non-performing loans .
When looking at a panel of individual banks (Figure 4) we can observe that
the Greek (Eurobank, National Bank of Greece, Alpha Bank) and Cypriot banks
(Cyprus banks, Bank of Cyprus) have the lowest level of net income on assets, this is
a widespread trend for the thirty-tree analysed banks because for all of them net
income has decreased.
Figure 4. Net income/ Total Assets
3.Conclusions
The decrease in the analyzed indicators of the banking sector was generated by
the economical crises, in some cases large bail-out and debt restructurations programs
were necessary (e.g. Cyprus, Greece). In the case of all of the analyzed banks the level
of profits and income have decreased, must of the banks suffering high losses. The
mismatch in maturity between assets and liabilities, high leverage and over
120

indebtedness in conjunction with deregulation made possible one of the biggest
financial crises from the Great Depression.
The Capital to Risk-Weighted Assets and TIER 1 have the lowest level in: Greece,
Cyprus, Italy, Portugal, Slovenia and Spain, although the level of capital indicators
rises for the 2009-2013. One the sharpest reduction in interest margin is in Ireland but
this phenomenon is generalized in all the analyzed countries. We find that in the
Eastern European countries the rate of non-performing loans has an upward trend
which may gives rise to the possibility of banks failures in these countries. It can be
observed that there is a clear division between the Southern, Central and Eastern
countries, with high level of non-performing loans and Northern countries which, with
the exception of Ireland, have a much reasonable levels of non-performing loans. The
profitability and stability of the most affected banks were from Greece, Cyprus, Italy,
Portugal and Spain; also in some other countries (Romania, Slovenia, Hungary,
Lithuania and Bulgaria) the profitability of the banking sector could be affected by the
high level of non-performing loans.
INTRODUCERE
The dataset consists of annually financial information for a panel of 59 banks; the data
are obtained from the Bankscope database and covers the period between 2004 until
2011.
When looking at a panel of individual banks (Figure 2.b.) we can observe that the
Greek (Eurobank, National Bank of Greece, Alpha Bank) and Cypriot banks (Cyprus
banks, Bank of Cyprus) have the lowest level of net income on assets, this is a
widespread trend for the analyzed banks because for all of them net income has
decreased. For most of the analyzed banks the level of loans has decreased from 2004
until 2011 (Fig. 2.a).
121

Figure 2 a) Total Loans, b) Net income/ Total Asset
In the asset group we analyse the impact of different types of loans, derivatives and
other earning assets, while in the group of liabilities we have deposits (short and long
term), interest bearing liabilities and trading liabilities.
The assets and liabilities in the banking sector (Fig.3) have mostly a direct connection,
in the case of the assets structure this positive connection is stronger than in the case
of liabilities, also the cross-correlation between assets and liabilities shows that these
variables are positively correlated. In the context of the global financial crisis (2007-
2008) and the afterwards financial recession this direct correlation between assets and
122

liabilities created a vicious cycle in which the losses from assets had a direct impact
on the liabilities which also influenced the levels of assets. In the case of all of the
analysed banks the level of profits and income have decreased, most of the banks
suffering high losses due to the mismatch in maturity between assets and liabilities,
high leverage and over indebtedness. This situation demanded a response from
Central banks and State and in some cases large bail-out and debt restructuring
programs were necessary in order to keep the banks from bankruptcy, but these
restructuring programs also had a negative impact on the national economies.
Figure 3. Correlation between asset-liabilities
123

4. Conclusions
In this paper we analyzed the correlation between asset and liabilities using the
canonical correlation method, while in the case of correlation we can observe the
connection between two variables by using canonical correlation different types of
assets and liabilities can by analyzed at the same time. In the financial markets the
relation between variables may be linear or non-linear and although canonical
correlation analyses only the linear combination of variables it is a more efficient tool
than then simple correlation. The behavior of different variables is important,
especially in the financial markets, mainly due to the structure of financial markets.
The banking sector and the systemic risk associated with it can affect the financial
system and even the hole economy so the study of the correlation of assets and
liabilities may give us insights on the causes of the financial crises. We use a panel of
fifty-nine European banks for the 2004-2011 period and we analyses the correlation
between assets and liabilities. We find that there exists a direct and strong connection
between different classes of assets held by banks and the structure of liabilities. The
impact of the economic crisis on the banking sector has shown that this kind of
connection between the structure of assets and liabilities is not the best choice because
a negative fluctuation in assets generates a negative impact on the structure of
liabilities. The direct connection between assets and liabilities amplifies the systemic
risk of the banking sector and can also have an impact on other markets due to their
spillover effects.
Analiza corelatiei canonice dintre resure, plasamente si
capital
PANEL DATA(ramane???, apuc sa il mai fac?)
Introducere
Metodologie
124

Concluzii finale și propuneri
Bibliografie
Acharya, V. V., Pedersen, L. H., Philippon, T., & Richardson, M. P. (2010). Measuring
systemic risk. Papers.Ssrn.Com, (May). doi:10.4337/9781782547846.00016
Agenor, P. R., Alper, K., & da Silva, L. P. (2013). Capital regulation, monetary policy,
and financial stability. International Journal of Central Banking , 9(3), 193–238.
Alessi, L. (2014). Identifying excessive credit growth and leverage. ECB Financial
Stability Review, (May), 127–134.
Alexiou, C., & Sofoklis, V. (2009). Determinants of bank profitability: Evidence from
the greek banking sector. Economic Annals, 54(182), 93–118.
doi:10.2298/EKA0982093A
Andries, A.-M. (2010). Performanta si eficienta activitatii bancare . Editura
Universității “Al. I. Cuza.”
Andries, A.-M. A., & Cocris, V. (2010). A Comparative Analysis of the efficiency of
Romanian banks. Romanian Journal of Economic … , 13(4), 54–75.
Arcand, J. L., Berkes, E., & Panizza, U. (2015). Too much finance? Journal of
Economic Growth, 20(2), 105–148. doi:10.1007/s10887-015-9115-2
Arunkumar, R., & Kotreshwar, G. (2005). Risk Management in Commercial Banks (A
Case Study of Public and Private Sector Banks). Indian Institute of Capital
Markets, 1–22. doi:10.2139/ssrn.877812
Athanasoglou, P., Brissimis, S., & Delis, M. (2008). Bank-specific, industry-specific
and macroeconomic determinants of bank profitability. Journal of International
Financial …, (32026). doi:10.1016/j.intfin.2006.07.001
Athanasoglou, P., Delis, M., & Staikouras, C. (2006). Determinants of bank
profitability in the South Eastern European region. Bank of Greece Working
Paper, 2(47), 1–31.
Atkinson, T., Luttrell, D., & Rosenblum, H. (2013). How Bad Was It? The Costs and
125

Consequences of the 2007–09 Financial Crisis . Staff Papers.
Ayadi, R., Naceur, S. Ben, Casu, B., & Quinn, B. (2015). Does Basel Compliance
Matter for Bank Performance? Journal of Financial Stability .
doi:10.1016/j.jfs.2015.12.007
Bagchi, D. (2012). Assets and liabilities information analysis of the Indian public
sector banks.
Banerjee, S., & Velamuri, M. (2015). The conundrum of profitability versus
soundness for banks by ownership type: Evidence from the Indian banking
sector. Review of Financial Economics , 26(2000), 12–24.
doi:10.1016/j.rfe.2015.04.001
Barnett, T. P., & Preisendorfer, R. (1987). Origins and levels of monthly and seasonal
forecast skill for United States surface air temperatures determined by canonical
correlation analysis. Monthly Weather Review , 115(9), 1825–1850.
Barth, J. R., Lin, C., Ma, Y., Seade, J., & Song, F. M. (2013). Do bank regulation,
supervision and monitoring enhance or impede bank efficiency? Journal of
Banking and Finance , 37(8), 2879–2892. doi:10.1016/j.jbankfin.2013.04.030
Basel, I. I. (2004). International convergence of capital measurement and capital
standards: a revised framework. Bank for International Settlements .
Becker, B., & Ivashina, V. (2014). Cyclicality of credit supply: Firm level evidence.
Journal of Monetary Economics , 62(76-93).
Beltratti, A., & Stulz, R. M. (2012). The credit crisis around the globe: Why did some
banks perform better? Journal of Financial Economics , 105(1), 1–17.
doi:10.1016/j.jfineco.2011.12.005
Benfratello, L., Schiantarelli, F., & Sembenelli, A. (2008). Banks and innovation:
Microeconometric evidence on Italian firms. Journal of Financial Economics ,
90(2), 197–217. doi:10.1016/j.jfineco.2008.01.001
Berbe,Damel,Debay, C. (2005). Asset and Risk Management Risk Oriented Finance .
Wiley. com.
Berger, A. N. (2007). International comparisons of banking efficiency. Financial
Markets, Institutions and Instruments , 16(3), 119–144. doi:10.1111/j.1468-
0416.2007.00121.x
Berger, A. N., & Bouwman, C. H. S. (2013). How does capital affect bank
performance during financial crises?? Journal of Financial Economics , 109(1),
146–176. doi:10.1016/j.jfineco.2013.02.008
Bessis, J. (2011). Risk management in banking . Wiley. com.
126

Bikker, J. a. (2010). Measuring performance of banks: an assessment. Journal of
Applied Business and Economics , 11(4), 141–159.
Bikker, J. A., & Spierdijk, L. (2009). Measuring and Explaining Competition in the
FinancialSector. Tjalling C. Koopmans Research Institute Working Paper , (09-
01).
Bikker, J., & Bos, J. W. (2008). Bank Performance: A theoretical and empirical
framework for the analysis of profitability, competition and efficiency . Routledge.
doi:10.1017/CBO9781107415324.004
BNR. (2006). Raport asupra stabilită ii financiare 2006. ț
Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity.
Journal of Econometrics , 31(3), 307–327. doi:10.1016/0304-4076(86)90063-1
Bollerslev, T. (2008). Glossary to arch (garch). CREATES Research Papers , 49, 44.
doi:http://dx.doi.org/10.1093/acprof:oso/9780199549498.003.0008
Bolocan, M.-D., & Trenca, I. (2011). Performanță și risc în bănci . (E. C. C. de tiin ă, Ș ț
Ed.).
Bonin, J. (2005). Bank Performance, Efficiency, and Ownership in Transition
Countries. Bank Performance, Efficiency, and Ownership in Transition
Countries, 29(1), 31–53.
Bordo, M. (2008). An historical perspective on the crisis of 2007-2008. Nber Working
Paper Series, 22. doi:10.3386/w14569
Borio, C. (2014). The financial cycle and macroeconomics: What have we learnt?
Journal of Banking and Finance , 45(1), 182–198.
doi:10.1016/j.jbankfin.2013.07.031
Bourke, P. (1989). Concentration and other determinants of bank profitability in
Europe, North America and Australia. Journal of Banking & Finance , 13(1), 65–
79.
Camarero, M., & Tamarit, C. (1995). Testing Balance Sheet Linkages Within The
Spanish Savings Banks Industry : A Multivariate Approach. Economic and
Financial Modelling , 2, 3–29.
Căpraru, B., & Ihnatov, I. (2015). Determinants Of Bank’s Profitability In EU15.
Annals of the Alexandru Ioan Cuza University – Economics , 62(1), 93–101.
doi:10.1515/aicue-2015-0007
Caracota, C. R. (2010). Performan ele Băncilor Comerciale din România. Realizări i ț ș
Perspective.
127

Carino, D. R. R., Kent, T., Myers, D. H. H., Stacy, C., Sylvanus, M., Turner, A. L. L.,
… Ziemba, W. T. T. (1994). The Russell-Yasuda Kasai model: An asset/liability
model for a Japanese insurance company using multistage stochastic
programming. Interfaces, 1994(February), 29–49. doi:10.1287/inte.24.1.29
Cerna, S., Donath, L., & Șeulean, V. (2008). Stabilitatea financiară . Editura
Universității de Vest.
Chant, J. , A. Lai, M. Illing, F. D. (2003). Essays on Financial Stability, (95), 130.
Chernobai, A. S., Rachev, S. T., & Fabozzi, F. J. (2007). Operational risk : a guide to
Basel II capital requirements, models, and analysis . Wiley Finance (Vol. 180).
John Wiley \& Sons.
Christoffersen, P., & Pelletier, D. (2004). Backtesting Value-at-Risk: A Duration-
Based Approach. Journal of Financial Econometrics , 2(1), 84–108.
doi:10.1093/jjfinec/nbh004
Chronopoulos, D. K., Liu, H., McMillan, F. J., & Wilson, J. (2015). The dynamics of
US bank profitability. The European Journal of Finance , 21(5), 426–443.
doi:10.1017/CBO9781107415324.004
Cichonska, A., Rousu, J., Marttinen, P., Kangas, A. J., Soininen, P., Lehtimäki, T., …
others. (2015). metaCCA: Summary statistics-based multivariate meta-analysis
of genome-wide association studies using canonical correlation analysis. bioRxiv,
22665.
Claessens, S., & Kose, M. A. (2013). Financial Crises: Explanations, Types, and
Implications. International Monetary Fund , 13-28.
Committee, B. (2000). Principles for the Management of Credit risk . Consultative
paper prepared by the Basel Committee … .
Cournède, B., & Denk, O. (2015). Finance and economic growth in OECD and G20
countries, (1223).
Crockett, A. (1997). Why is financial stability a goal of public policy? Economic
Review, 82(4), 7–36.
Dash, M., & Pathak, R. (1993). CANONICAL CORRELATION ANALYSIS OF
ASSET-LIABILITY MANAGEMENT OF INDIAN BANKS. Papers.ssrn.com.
De Vincentiis, P. (2012). Banking risk perception: What is going on after 2007 in
Europe? Procedia Economics and Finance , 2, 299–306. doi:10.1016/S2212-
5671(12)00091-3
Delis, M. D. (2012). Bank competition, financial reform, and institutions: The
importance of being developed. Journal of Development Economics , 97(2), 450–
128

465.
Demirguc-Kunt, A., & Detragiache, E. (2000). Monitoring banking sector fragility: A
multivariate logit approach. The World Bank Economic Review , 14(2), 287–307.
doi:10.1093/wber/14.2.287
Demirgüç-Kunt, A., & Huizinga, H. (1999). Determinants of commercial bank
interest margins and profitability: some international evidence. The World Bank
Economic Review, (June 1997), 1–38. doi:10.1093/wber/13.2.379
Deyoung, R., & Yom, C. (2008). On the independence of assets and liabilities:
Evidence from U. S. commercial banks. Journal of Financial Stability , 4(3),
275–303. doi:10.1017/CBO9781107415324.004
Dick, A. A. (2006). Nationwide branching and its impact on market structure, quality,
and bank performance. Journal of Business , 79(2), 567–592. doi:10.1086/499131
Dietrich, A., & Wanzenried, G. (2011). Determinants of bank profitability before and
during the crisis: Evidence from Switzerland. Journal of International Financial
Markets, Institutions and Money , 21(3), 307–327.
Dooley, M., & Hutchison, M. (2009). Transmission of the US subprime crisis to
emerging markets: Evidence on the decoupling–recoupling hypothesis. Journal
of International Money and Finance , 28(8), 1331–1349.
ECB. (2015). FINANCIAL STABILITY REVIEW 2004. European Central Bank ,
(November).
Engle, R. F. (1982). Autoregressive Conditional Heteroscedasticity with Estimates of
the Variance of United Kingdom Inflation. Econometrica, 50(4), 987–1007.
doi:10.2307/1912773
Engle, R. F., Lilien, D. M., Robins, R. P., Econometrica, S., & Mar, N. (1987).
Estimating Time Varying Risk Premia in the Term Structure : The ARCH-M
Model. Econometrica. JSTOR. doi:10.2307/1913242
Engle, R. F., & Manganelli, S. (2001). Value at Risk Models in Finance . European
Central Bank Working Paper Series . doi:10.2139/ssrn.356220
Epure, M., Kerstens, K., & Prior, D. (2011). Bank productivity and performance
groups: A decomposition approach based upon the Luenberger productivity
indicator. European Journal of Operational Research , 211, 630–641.
doi:10.2139/ssrn.1031926
Epure, M., & Lafuente, E. (2015). Monitoring bank performance in the presence of
risk. Journal of Productivity Analysis , 44(3), 265–281. doi:10.1007/s11123-014-
0413-z
129

ESRB European Systemic Risk Board. (2014). Is Europe Overbanked? Reports of the
Advisory Scientific Committee , (4).
Eunsup, S., & Jooh, L. (2003). A canonical correlation analysis of CEO compensation
and corporate performance in the service industry. Review of Accounting &
Finance, Patrington , 2(3).
European Central Bank. Beyond RoE-How to measure bank performance (2010).
Fell, J. (2005). Assessing Financial Stability: Exploring the Boundaries of Analysis.
National Institute Economic Review , 192(192), 102–117.
doi:10.1177/002795010519200110
Fethi, M. D., & Pasiouras, F. (2010). Assessing bank performance with operational
artificial intelligence techniques: A Survey. European Journal of Operational
Research, 204(2), 189–198.
Friman, O., Cedefamn, J., Lundberg, P., Borga, M., & Knutsson, H. (2001). Detection
of neural activity in functional MRI using canonical correlation analysis.
Magnetic Resonance in Medicine , 45(2), 323–330.
Galati, G., & Moessner, R. (2013). Macroprudential policy–a literature review.
Journal of Economic Surveys , 27(5), 846–878. doi:10.1007/s10693-014-0207-5
Gambacorta, L., Yang, J., & Tsatsaronis, K. (2014). Financial structure and growth.
BIS Quarterly Review March , (March), 21–35.
Gittins, R. (1985). Canonical Analysis. A review with applications in ecology .
Springer-Verlag, Berlin.
Grammatikos, T., & Vermeulen, R. (2012). Transmission of the financial and
sovereign debt crises to the EMU: Stock prices, CDS spreads and exchange rates.
Journal of International Money and Finance , 31(3), 517–533.
doi:10.1016/j.jimonfin.2011.10.004
Guiso, L., Jappelli, T., Padula, M., & Pagano, M. (2004). Financial market integration
and economic growth in the EU. Economic Policy, 19(40), 524–577.
Härdle, W., & Simar, L. (2015). Applied Multivariate Statistical Analysis .
Technometrics. Springer. doi:10.1198/tech.2005.s319
Hasan, I., & Marton, K. (2003). Development and efficiency of the banking sector in
a transitional economy: Hungarian experience. Journal of Banking & Finance ,
27(12), 2249–2271.
Haslem, J., Scheraga, C., & Bedingfield, J. (1992). An analysis of the foreign and
domestic balance sheet strategies of the US banks and their association to
profitability performance. MIR: Management International … , 32(1), 55–75.
130

Heffernan, S. a., & Fu, X. (2010). Determinants of financial performance in Chinese
banking. Applied Financial Economics , 20(20), 1585–1600.
doi:10.1080/09603107.2010.505553
Hester, D. D., & Zoellner, J. F. (1966). The relation between bank portfolios and
earnings: an econometric analysis. The Review of Economics and Statistics , 372–
386.
Holton, G. A. (2006). Defining risk. Financial Analysts Journal , 60(6), 14.
Horcher, K. A. (2011). Essentials of Financial Risk Management .
Hotelling, H. (1936). RELATIONS BETWEEN TWO SETS OF VARIATES.
Biometrika, 28(3-4), 321–377. doi:10.1093/biomet/28.3-4.321
Houben, A., Kakes, J., & Schinasi, G. (2004). Toward a Framework for Safeguarding
Financial Stability. IMF Working Paper .
Hsu, P.-H., Xuan, T., & Yan, X. (2014). Financial development and innovation: Cross-
country evidence. Journal of Financial Economics , 112(1), 116–135.
doi:10.1017/CBO9781107415324.004
Hughes, J., & Mester, L. (2008). Efficiency in banking: theory, practice, and evidence .
Research Department, Federal Reserve Bank of Philadelphia .
doi:10.2139/ssrn.1092220
IMF. (2016). Global Financial Stability Report . IMF (Vol. April).
doi:10.1017/CBO9781107415324.004
Jaiswal, S. (2010). Relationship between Asset and Liability of Commercial Banks in
India, 1997-2008. International Research Journal of Finance and Economics ,
49(49).
Jiang, C., Yao, S., & Feng, G. (2013). Bank ownership, privatization, and
performance: Evidence from a transition country. Journal of Banking and
Finance, 37(9), 3364–3372. doi:10.1016/j.jbankfin.2013.05.009
Jiménez, G., Lopez, J. a, & Saurina, J. (2013). How Does Competition Impact Bank
Risk-Taking ? Journal of Financial Stability , 9(2), 185–195.
doi:10.2139/ssrn.1582331
Johnson, R. A., & Wichern, D. W. (2002). Applied multivariate statistical analysis
(Vol. 5). Prentice hall Upper Saddle River, NJ.
Jordá, Ò., Schularick, M., & Taylor, A. M. (2014). The Great Mortgaging : The Great
Mortgaging : Housing Finance , Crises, and Business Cycles. Federel Reserve
Bank of San Francisco Working Paper Series , (September), 1–46.
doi:10.3386/w20501
131

Jorion, P. (2000). Value at Risk: The New Benchmark for Managing Financial Risk.
McGraw-Hill New York.
Kaminsky, G., & Schmukler, S. (2001). Emerging Markets Instability: Do Sovereign
Ratings Affect Country Risk and Stock Returns? Policy Research Working Paper
Series, WPS2678(202), The World Bank. doi:10.1093/wber/16.2.171
King, R. G., & Levine, R. (1993). Finance, entrepreneurship and growth. Journal of
Monetary Economics , 32(3), 513–542. doi:10.3386/w10766
Knight, F. H. (1921). Risk, Uncertainty and Profit, 1921. Boston and New York , 23(3),
135–157.
Komulainen, T., & Lukkarila, J. (2003). What drives financial crises in emerging
markets? Emerging Markets Review , 4(3), 248–272. doi:10.1016/S1566-
0141(03)00039-6
Kosmidou, K. (2004). Goal Programming Techniques for Bank Asset Liability
Management. Applied Optimization , 90. doi:10.1007/b106009
Kosmidou, K., Pasiouras, F., & Floropoulos, J. (2004). Linking profits to asset-
liability management of domestic and foreign banks in the UK. Applied
Financial Economics , 14(18), 1319–1324. doi:10.1080/0960310042000293146
Kosmidou, K., & Tanna, S. (2005). Determinants of profitability of domestic UK
commercial banks : panel evidence from the period 1995-2002. Money Macro
and Finance (MMF) Research Group Conference. , 45(June), 1–27.
doi:10.1017/CBO9781107415324.004
Kosmidou, K., & Zopounidis, C. (2008). Measurement of Bank Performance in
Greece. South-Eastern Europe Journal of Economics , 1(1), 79–95.
Kumbirai, M., & Webb, R. (2010). A financial Ratio Analysis of Commercial Bank
Performance in South Africa. African Review of Economics and Finance , 2(1),
30–53.
Kusy, M. I., & Ziemba, W. T. (1986). A Bank Asset and Liability Management Model.
Operations Research , 34(3), 356–376. doi:10.2307/170927
Laeven, L., & Valencia, F. (2013). Systemic Banking Crises Database. IMF Economic
Review, 61(2), 225–270. doi:10.1057/imfer.2013.12
Langfield, S., & Pagano, M. (2016). Bank bias in Europe: Effects on systemic risk
and growth. Economic Policy, 51–106. doi:10.1017/CBO9781107415324.004
Levine, R. (2005). Finance and Growth: Theory and Evidence. Handbook of
Economic Growth, 1(SUPPL. PART A), 865–934. doi:10.1016/S1574-
0684(05)01012-9
132

Liu, H., Molyneux, P., & Wilson, J. O. S. (2013). Competition and stability in
european banking: A regional analysis. Manchester School , 81(2), 176–201.
doi:10.1111/j.1467-9957.2011.02285.x
Markowitz, H. (1952). Portfolio section. Journal of Finance , 7, 77–91.
Matousek, R., & Rughoo, A. (2015). Bank performance and convergence during the
financial crisis: Evidence from the “old”European Union and Eurozone. Journal
of Banking & Finance , 52, 208–216. doi:10.1016/j.jbankfin.2014.08.012
McNeil, a J., Frey, R., & Embrechts, P. (2005). Quantitative risk management:
Concepts, techniques and tools. Risk Management, 101(476), 30.
doi:10.1198/jasa.2006.s156
Memmel, C., & Schertler, A. (2012). The Dependency of the Banks’ Assets and
Liabilities: Evidence from Germany. European Financial Management , 18(4),
602–619. doi:10.1111/j.1468-036X.2010.00543.x
Mittnik, S., & Semmler, W. (2013). The real consequences of financial stress. Journal
of Economic Dynamics and Control , 37(8), 1479–1499.
doi:10.1016/j.jedc.2013.04.014
Molyneux, P., & Thornton, J. (1992). Determinants of European bank profitability: A
note. Journal of Banking and Finance , 16(6), 1173–1178. doi:10.1016/0378-
4266(92)90065-8
Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: a new approach.
Econometrica, 59(2), 347–370. doi:10.2307/2938260
Obben, J. (1992). Performance of the Ghanaian rural banks: A canonical correlation
analysis. Oxford Agrarian Studies , 20(1), 39–50.
Obben, J., & Shanmugam, B. (1993). Canonical Correlation Analysis of
Asset/Liability Structures of malaysian Financial Institutions. Research in
International Business and Finance , 10, 133–148.
Olson, D., & Zoubi, T. A. (2011). Efficiency and bank profitability in MENA
countries. Emerging Markets Review , 12(2), 94–110.
doi:10.1016/j.ememar.2011.02.003
Olteanu, A., Olteanu, F. M., & Badea, L. (2003). Management bancar . Editura
Dareco, București.
Olteanu, M. (2005). Managementul activelor bancare in Romania. Aplicatii la Banca
Comerciala Romana .
Oosterloo, S., & de Haan, J. (2003). A survey of institutional frameworks for financial
stability. Netherlands Central Bank, Research Department .
133

doi:10.1007/BF02184806
Pagano, M. (2012). Finance: Economic Lifeblood or Toxin? CSEF Working Papers ,
(October), 15–16.
Perera, S., Skully, M., & Chaudrey, Z. (2013). Determinants of commercial bank
profitability: South Asian evidence. Asian Journal of Finance & Accounting ,
5(1), 365–380. doi:10.5296/ajfa.v5i1.3012
Rajan, R., & Zingales, L. (1998). Financial dependence and growth. American
Economic Review, 88(3), 559–587. doi:10.1017/CBO9781107415324.004
Reinhart, C. M., & Rogoff, K. (2009). This time is different: eight centuries of
financial folly. Princeton University Press.
Repullo, R., & Saurina, J. (2012). The countercyclical capital buffer of Basel III: A
critical assessment. The Crisis Aftermath: New Regulatory Paradigms (CEPR,
London), (1102), 45–67.
Rosen, D., & Zenios, S. A. (2008). Enterprise-Wide Asset and Liability Management:
Issues, Institutions, and Models. In Handbook of Asset and Liability
Management – Set (Vol. 1, pp. 1–23). North Holland. doi:10.1016/B978-
044453248-0.50007-1
Saed-Moucheshi, A., Fasihfar, E., Hasheminasab, H., Rahmani, A., Ahmadi, A., &
others. (2013). A review on applied multivariate statistical techniques in
agriculture and plant science. Int J Agron Plant Produc , 4, 127–141.
San-Jose, L., Retolaza, J. L., & Torres Pruñonosa, J. (2014). Efficiency in Spanish
banking: A multistakeholder approach analysis. Journal of International
Financial Markets, Institutions and Money , 32(1), 240–255.
doi:10.1016/j.intfin.2014.06.005
Santomero, A. M., & Santomero, A. M. (1997). Commercial Bank Risk Management:
an Analysis of the Process. Journal of Financial Services Research , 12(2), 83–
115.
Sastrosuwito, S., & Suzuki, Y. (2012). The determinants of post-crisis Indonesian
banking system profitability. Economics and Finance Review , 1(11), 48–57.
Sathye, M. (2001). X-efficiency in Australian banking: An empirical investigation.
Journal of Banking and Finance , 25(3), 613–630. doi:10.1016/S0378-
4266(00)00156-4
Schinasi, G. J. (2004). Defining Financial Stability. IMF Working Papers , 04(187), 1.
doi:10.5089/9781451859546.001
Schularick, M., & Taylor, A. M. (2009). Credit Booms Gone Bust: Monetary Policy,
134

Leverage Cycles and Financial Crises, 1870–2008. National Bureau of Economic
Research. doi:10.1007/s13398-014-0173-7.2
Sherry, A., & Henson, R. K. (2005). Conducting and interpreting canonical correlation
analysis in personality research: a user-friendly primer. Journal of Personality
Assessment, 84(1), 37–48. doi:10.1207/s15327752jpa8401_09
Simonson, D. (1983). A canonical correlation analysis of commercial bank
asset/liability structures. Journal of Financial and Quantitative Analysis , 18(1),
125–140.
Stewart, C., Matousek, R., & Nguyen, T. N. (2016). Efficiency in the Vietnamese
banking system: A DEA double bootstrap approach. Research in International
Business and Finance , 36, 96–111. doi:10.1007/s13398-014-0173-7.2
Stowe, J. D., Watson, C. J., & Robertson, T. D. (1980). Relationships between the two
sides of the balance sheet: A canonical correlation analysis. The Journal of
Finance, 35(4), 973–980.
Szego, G. (2002). Measures of risk. Journal of Banking and Finance , 26(7), 1253–
1272. doi:10.1016/S0378-4266(02)00262-5
Thakor, A. V. (2014). Leverage, Systemic Risk And Financial System Health: How
Do We Develop A Healthy Financial System? Governance, Regulation and Bank
Stability, 9–19. doi:10.2139/ssrn.2371745
Țiplea, A. (2011). Contribuții privind perfecționarea analizei și managementului
activelor și pasivelor în unități ale Cooperației de Credit din România.
Titko, J., & Jureviciene, D. (2014). DEA Application at Cross-country Benchmarking:
Latvian vs Lithuanian Banking Sector. Procedia – Social and Behavioral
Sciences, 110, 1124–1135. doi:10.1016/j.sbspro.2013.12.959
Trenca, I. (2002). Metode i tehnici bancare–principii, reglementări, experien e. ș ț
Editura Casa Car ii de tiin ă, Cluj-Napoca ț Ș ț .
Trenca, I., & Benyovszki, A. (2011). RISCUL PORTOFOLIULUI DE CREDITE
BANCARE.
Trenca, I., & Hadrian, S. (2011). Metode performante privind managementul riscului
operațional în bănci.
Trenca, I., & Mutu, S. (2011). An empirical model for assesing risk and performance
in the Romanian banking system. Finante-Provocarile Viitorului (Finance-
Challenges of the Future) , 1(13), 89–95.
Trenca, I., & Silivestru, H. (2011). Metode performante privind managementul
riscului operational în banci. Casa Cartii de Stiinta Cluj Napoca.
135

Trujillo-Ponce, A. (2013). What determines the profitability of banks? Evidence from
Spain. Accounting and Finance , 53(2), 561–586. doi:10.1111/j.1467-
629X.2011.00466.x
Ugo, A., & Gambacorta, L. (2009). Bank’s Profitability & Business Cycles. Journal
of Financial Stability , 5(4), 393–409. doi:10.1162/JEEA.2008.6.6.1109
Van Auken, H. E., Doran, B. M., & Yoon, K.-J. (1993). A FINANCIAL
COMPARISON BETWEEN KOREAN AND U.S. FIRMS: A CROSS
BALANCE SHEET CANONICAL CORRELATION ANALYSIS. Journal of
Small Business Management , 31(3), 73–83.
van Deventer, D. R., & Uyemura, D. G. (1992). Financial Risk Management in
Banking: The Theory and Application of Asset and Liability Management .
Bankers Pub. Co.
van Greuning, H., & Brajovic Bratanovic, S. (2009). Analyzing banking risk .
Analyzing Banking Risk A framework for assessing corporate governance and
finacial risk management (Vol. 3). doi:10.1596/0-8213-4417-X
Yang, C., & Liu, H. M. (2012). Managerial efficiency in Taiwan bank branches: A
network DEA. Economic Modelling , 29(2), 450–461.
doi:10.1016/j.econmod.2011.12.004
Zakoian, J. M. (1994). Threshold heteroskedastic models. Journal of Economic
Dynamics and Control , 18(5), 931–955. doi:10.1016/0165-1889(94)90039-6
Zenios, S. A. (1995). ASSET LIABILITY MANAGEMENT UNDER
UNCERTAINTY FOR FIXED-INCOME SECURITIES. Annals of Operations
Research, 59(1), 77–97. doi:10.1007/bf02031744
Zenios, S. A., & Ziemba, W. (2006). Handbook of asset and liability management.
Theory and methodology. Handbook in Finance . North Holland.
Zheng, W., Zhou, X., Zou, C., & Zhao, L. (2006). Facial expression recognition using
kernel canonical correlation analysis (KCCA). Neural Networks, IEEE
Transactions on, 17(1), 233–238.
Zopounidis, C., Doumpos, M., & Pardalos, P. M. (2008). Genetic Programming and
Financial Trading:How Much About “What We Know.” (C. Zopounidis, M.
Doumpos, & P. M. Pardalos, Eds.) Handbook of financial engineering (Vol. 18).
Boston, MA: Springer US. doi:10.1007/978-0-387-76682-9
136

ANEXE
137