Βιβλιοθήκη ΟΠΑ - Ψηφιακό Αποθετήριο

ΠΥΞΙΔΑ Ιδρυματικό Αποθετήριο
και Ψηφιακή Βιβλιοθήκη

Όνομα χρήστη
Κωδικός πρόσβασης

Συλλογές :	Ιδρυματικό Αποθετήριο ΟΠΑ / AUEB Institutional Repository Σχολή Διοίκησης Επιχειρήσεων / School of Business Τμήμα Λογιστικής και Χρηματοοικονομικής / Department of Accounting and Finance Διδακτορικές διατριβές / PhD Theses

Τίτλος :	Early warning systems for banking crises: evidence for the Euro-zone banking sector

Εναλλακτικός τίτλος :	Υποδείγματα πρόβλεψης τραπεζικών κρίσεων: η περίπτωση του τραπεζικού τομέα στην Ευρωζώνη

Δημιουργός :	Φιλιπποπούλου, Χρυσάνθη Filippopoulou, Chryssanthi

Συντελεστής :	Σπύρου, Σπυρίδων (Επιβλέπων καθηγητής) Δράκος, Κωνσταντίνος (Εξεταστής) Γαλαριώτης, Αιμίλιος (Εξεταστής) Καβουσανός, Εμμανουήλ (Εξεταστής) Γεωργούτσος, Δημήτριος (Εξεταστής) Επίσκοπος, Αθανάσιος (Εξεταστής) Χαλαμανδάρης, Γεώργιος (Εξεταστής) Athens University of Economics and Business, Department of Accounting and Finance (Degree granting institution)

Συντελεστής :

Σπύρου, Σπυρίδων (Επιβλέπων καθηγητής)
Δράκος, Κωνσταντίνος (Εξεταστής)
Γαλαριώτης, Αιμίλιος (Εξεταστής)
Καβουσανός, Εμμανουήλ (Εξεταστής)
Γεωργούτσος, Δημήτριος (Εξεταστής)
Επίσκοπος, Αθανάσιος (Εξεταστής)
Χαλαμανδάρης, Γεώργιος (Εξεταστής)
Athens University of Economics and Business, Department of Accounting and Finance (Degree granting institution)

Τύπος :	Text

Φυσική περιγραφή :	175p.

Γλώσσα :	en

Αναγνωριστικό :	http://www.pyxida.aueb.gr/index.php?op=view_object&object_id=8123

Περίληψη :	Στην παρούσα έρευνα, στόχος είναι η δημιουργία ενός Συστήματος Έγκαιρης Προειδοποίησης κρίσεων τραπεζικού συστήματος στην Ευρωζώνη. Για το σκοπό αυτό, χρησιμοποιούνται στοιχεία από τη Μακροπροληπτική Βάση Δεδομένων τής ΕΚΤ. Στο πρώτο μέρος, γίνεται μία βιβλιογραφική ανασκόπηση των συστημάτων έγκαιρης προειδοποίησης τραπεζικών κρίσεων. Στη συνέχεια, εστιάζουμε στη διαμόρφωση του ερευνητικού αντικειμένου και στην πλαισίωση της εμπειρικής μας μελέτης. Στο δεύτερο μέρος, προχωράμε σε μία εφαρμογή της πιο διαδεδομένης και δημοφιλούς μεθόδου που χρησιμοποιείται, με βάση τη βιβλιογραφία, σε αυτού του είδους τα Συστήματα, της δυαδικής πολυμεταβλητής λογιστικής παλινδρόμησης. Η αρχική εφαρμογή επιλέχτηκε να γίνει σε δέκα τραπεζικά συστήματα της Ευρωζώνης για τα οποία υπήρχε πλήρης διαθεσιμότητα δεδομένων, για την περίοδο από το 1999 έως και το 2016, στη Μακροπροληπτική Βάση Δεδομένων της ΕΚΤ. Ως μεταβλητές έχουν χρησιμοποιηθεί κλασικές μακροοικονομικές παράμετροι, τραπεζικοί δείκτες καθώς και, για πρώτη φορά, δύο σύνθετοι δείκτες κινδύνου της ΕΚΤ, ένας δείκτης επενδυτικού αισθήματος και ένας οικονομικής ελευθερίας. Ως εξαρτημένη χρησιμοποιείται δυαδική μεταβλητή για την τραπεζική κρίση, η οποία λαμβάνει την τιμή «1» για την «περίοδος έγκαιρης προειδοποίησης» που ορίζουμε και ως στόχο έχουμε την πρόβλεψή της. Ακολουθεί η εφαρμογή μίας σειράς ελέγχων αξιοπιστίας στο μοντέλο αυτό, καθώς και έλεγχοι με δεδομένα εκτός του δείγματος. Στο τρίτο μέρος, γίνεται εφαρμογή ενός πολυωνυμικού μοντέλου λογιστικής συνάρτησης, στα δεδομένα του αρχικού δείγματος, με τις ίδιες επεξηγηματικές μεταβλητές, λαμβάνοντας υπόψη όμως ξεχωριστά τις παρατηρήσεις που ακολουθούν την κρίση μέχρι να επανέλθει η ομαλότητα. Επαναλαμβάνονται οι περισσότεροι έλεγχοι αξιοπιστίας που εφαρμόστηκαν στο προηγούμενο μέρος. Τέλος, καταλήγουμε ότι το δυαδικό μοντέλο πολυμεταβλητής λογιστικής συνάρτησης, για την έγκαιρη πρόβλεψη συστημικών τραπεζικών κρίσεων στην Ευρωζώνης είναι το πιο αξιόπιστο και υπερτερεί σαφώς έναντι του αντίστοιχου πολυωνυμικού μοντέλου στο συγκεκριμένο τουλάχιστον δείγμα. Επιπλέον, διαπιστώνεται ότι οι δείκτες κινδύνου της Μακροπροληπτικής Βάσης Δεδομένων της ΕΚΤ αποτελούν ένα πολύ χρήσιμο εργαλείο για την πρόβλεψη συστημικών τραπεζικών κρίσεων. The first part of the study reviews the landmarks in the literature associated with Early Warning Models for banking crises, with a focus on the most important surveys and methods. Additionally, the frame for the empirical analysis is set. In the second part, we proceed to an application of the most widespread and popular method used in the literature of Early Warning Systems, the binary multivariate logistic regression. The initial implementation takes place in ten Eurozone banking systems for which data were fully available, for the period from 1999 to 2016, in the ECB Macroprudential Database. Traditional macroeconomic parameters, banking indicators as well as, for first time, two composite risk indicators provided by the MPDB, an investment sentiment indicator and an economic freedom indicator are employed as explanatory variables. A binary dependent variable is used for the banking crisis and takes the value "1" during the "early warning periods" that we aim to predict. A series of robustness and out of sample tests on our model concludes this part. In the third part, we apply a multinomial logit model, on our initial data sample, employing the same explanatory variables, but taking into account separately the crisis observations. Most of the robustness tests of the previous part are repeated here. Overall, the results indicate that our binomial EWM with three years early warning period, excluding the observations following the onset of crises, performs clearly better and is the superior Early Warning logit model of this study for the successful prediction of a systemic banking crisis -with the characteristics of 2008 Euro-zone banking crisis three years before the explosion. Additionally, we prove that the risk indicators provided by the new Macroprudential Database of the European Central Bank are a very useful tool for forecasting systemic banking crises.

Περίληψη :

Στην παρούσα έρευνα, στόχος είναι η δημιουργία ενός Συστήματος Έγκαιρης Προειδοποίησης κρίσεων τραπεζικού συστήματος στην Ευρωζώνη. Για το σκοπό αυτό, χρησιμοποιούνται στοιχεία από τη Μακροπροληπτική Βάση Δεδομένων τής ΕΚΤ. Στο πρώτο μέρος, γίνεται μία βιβλιογραφική ανασκόπηση των συστημάτων έγκαιρης προειδοποίησης τραπεζικών κρίσεων. Στη συνέχεια, εστιάζουμε στη διαμόρφωση του ερευνητικού αντικειμένου και στην πλαισίωση της εμπειρικής μας μελέτης. Στο δεύτερο μέρος, προχωράμε σε μία εφαρμογή της πιο διαδεδομένης και δημοφιλούς μεθόδου που χρησιμοποιείται, με βάση τη βιβλιογραφία, σε αυτού του είδους τα Συστήματα, της δυαδικής πολυμεταβλητής λογιστικής παλινδρόμησης. Η αρχική εφαρμογή επιλέχτηκε να γίνει σε δέκα τραπεζικά συστήματα της Ευρωζώνης για τα οποία υπήρχε πλήρης διαθεσιμότητα δεδομένων, για την περίοδο από το 1999 έως και το 2016, στη Μακροπροληπτική Βάση Δεδομένων της ΕΚΤ. Ως μεταβλητές έχουν χρησιμοποιηθεί κλασικές μακροοικονομικές παράμετροι, τραπεζικοί δείκτες καθώς και, για πρώτη φορά, δύο σύνθετοι δείκτες κινδύνου της ΕΚΤ, ένας δείκτης επενδυτικού αισθήματος και ένας οικονομικής ελευθερίας. Ως εξαρτημένη χρησιμοποιείται δυαδική μεταβλητή για την τραπεζική κρίση, η οποία λαμβάνει την τιμή «1» για την «περίοδος έγκαιρης προειδοποίησης» που ορίζουμε και ως στόχο έχουμε την πρόβλεψή της. Ακολουθεί η εφαρμογή μίας σειράς ελέγχων αξιοπιστίας στο μοντέλο αυτό, καθώς και έλεγχοι με δεδομένα εκτός του δείγματος. Στο τρίτο μέρος, γίνεται εφαρμογή ενός πολυωνυμικού μοντέλου λογιστικής συνάρτησης, στα δεδομένα του αρχικού δείγματος, με τις ίδιες επεξηγηματικές μεταβλητές, λαμβάνοντας υπόψη όμως ξεχωριστά τις παρατηρήσεις που ακολουθούν την κρίση μέχρι να επανέλθει η ομαλότητα. Επαναλαμβάνονται οι περισσότεροι έλεγχοι αξιοπιστίας που εφαρμόστηκαν στο προηγούμενο μέρος. Τέλος, καταλήγουμε ότι το δυαδικό μοντέλο πολυμεταβλητής λογιστικής συνάρτησης, για την έγκαιρη πρόβλεψη συστημικών τραπεζικών κρίσεων στην Ευρωζώνης είναι το πιο αξιόπιστο και υπερτερεί σαφώς έναντι του αντίστοιχου πολυωνυμικού μοντέλου στο συγκεκριμένο τουλάχιστον δείγμα. Επιπλέον, διαπιστώνεται ότι οι δείκτες κινδύνου της Μακροπροληπτικής Βάσης Δεδομένων της ΕΚΤ αποτελούν ένα πολύ χρήσιμο εργαλείο για την πρόβλεψη συστημικών τραπεζικών κρίσεων.
The first part of the study reviews the landmarks in the literature associated with Early Warning Models for banking crises, with a focus on the most important surveys and methods. Additionally, the frame for the empirical analysis is set. In the second part, we proceed to an application of the most widespread and popular method used in the literature of Early Warning Systems, the binary multivariate logistic regression. The initial implementation takes place in ten Eurozone banking systems for which data were fully available, for the period from 1999 to 2016, in the ECB Macroprudential Database. Traditional macroeconomic parameters, banking indicators as well as, for first time, two composite risk indicators provided by the MPDB, an investment sentiment indicator and an economic freedom indicator are employed as explanatory variables. A binary dependent variable is used for the banking crisis and takes the value "1" during the "early warning periods" that we aim to predict. A series of robustness and out of sample tests on our model concludes this part. In the third part, we apply a multinomial logit model, on our initial data sample, employing the same explanatory variables, but taking into account separately the crisis observations. Most of the robustness tests of the previous part are repeated here. Overall, the results indicate that our binomial EWM with three years early warning period, excluding the observations following the onset of crises, performs clearly better and is the superior Early Warning logit model of this study for the successful prediction of a systemic banking crisis -with the characteristics of 2008 Euro-zone banking crisis three years before the explosion. Additionally, we prove that the risk indicators provided by the new Macroprudential Database of the European Central Bank are a very useful tool for forecasting systemic banking crises.

Λέξη κλειδί :	Συστήματα έγκαιρης προειδοποίησης Ευρωπαϊκή Κεντρική Τράπεζα Συστημικός κίνδυνος Μακροπροληπτική βάση δεδομένων Μοντέλα λογιστικής συνάρτησης Early warning systems European Central Bank (ECB) Systemic risk Macroprudential database Logit models

Διαθέσιμο από :	2020-11-28 01:43:49

Ημερομηνία έκδοσης :	10-11-2020

Ημερομηνία κατάθεσης :	2020-11-28 01:43:49

Δικαιώματα χρήσης :	Free access

Άδεια χρήσης :

Αρχείο: Filippopoulou_2020.pdf

Τύπος: application/pdf

Filippopoulou_2020.xlsx.zip

Είσοδος