Efektivnost českého bankovního sektoru v letech

Podobné dokumenty
Metodika odhadu kapitálových služeb

Reálné opce. Typy reálných opcí. Výpočet hodnoty opce. příklady použití základních reálných opcí

ANALÝZA ZPOŽDĚNÍ PŘI MODELOVÁNÍ VZTAHŮ MEZI ČASOVÝMI ŘADAMI

Vojtěch Janoušek: III. Statistické zpracování a interpretace analytických dat

DIPLOMOVÁ PRÁCE UNIVERZITA KARLOVA V PRAZE FAKULTA SOCIÁLNÍCH VĚD. Konvergence České republiky k EU (v porovnání s dalšími kandidátskými státy)

Poznámka V součtu je každý druh statku zastoupen příslušným počtem jednotek, kterým vstupuje do reprezentativního spotřebitelského koše.

4EK211 Základy ekonometrie

Analýza a ověření kvality replikace benchmarku metodologií Tracking Error

ASYMETRICKÉ ZACHÁZENÍ S INFLAČNÍM CÍLEM?

Úloha V.E... Vypař se!

Částka 12 Ročník Vydáno dne 8. listopadu 2012 ČÁST OZNAMOVACÍ

Schéma modelu důchodového systému

Metodika zpracování finanční analýzy a Finanční udržitelnost projektů

Univerzita Tomáše Bati ve Zlíně

Demografické projekce počtu žáků mateřských a základních škol pro malé územní celky

MĚNOVÁ POLITIKA, OČEKÁVÁNÍ NA FINANČNÍCH TRZÍCH, VÝNOSOVÁ KŘIVKA

Analýza rizikových faktorů při hodnocení investičních projektů dle kritéria NPV na bázi EVA

Věstník ČNB částka 25/2007 ze dne 16. listopadu 2007

Studie proveditelnosti (Osnova)

( ) Základní transformace časových řad. C t. C t t = Μ. Makroekonomická analýza Popisná analýza ekonomických časových řad (ii) 1

Porovnání způsobů hodnocení investičních projektů na bázi kritéria NPV

Příloha č. 5 PLATEBNÍ MECHANISMUS. Část A

Vysoká škola ekonomická v Praze. Fakulta podnikohospodářská. Obor: Podniková ekonomika a management. Doktorská disertační práce

FAKULTA APLIKOVANÝCH VĚD

Využijeme znalostí z předchozích kapitol, především z 9. kapitoly, která pojednávala o regresní analýze, a rozšíříme je.

Dynamické systémy. y(t) = g( x(t), t ) kde : g(t) je výstupní fce. x(t) je hodnota vnitřních stavů

2.2.2 Měrná tepelná kapacita

transformace Idea afinního prostoru Definice afinního prostoru velké a stejně orientované.

INDIKÁTORY HODNOCENÍ EFEKTIVNOSTI VÝDAJŮ MÍSTNÍCH ROZPOČTŮ DO OBLASTI NAKLÁDÁNÍ S ODPADY

Zhodnocení historie predikcí MF ČR

Analýza citlivosti NPV projektu na bázi ukazatele EVA

Seznámíte se s principem integrace substituční metodou a se základními typy integrálů, které lze touto metodou vypočítat.

Aplikace analýzy citlivosti při finačním rozhodování

4. Střední radiační teplota; poměr osálání,

Studie proveditelnosti (Osnova)

Vybrané metody statistické regulace procesu pro autokorelovaná data

Vliv funkce příslušnosti na průběh fuzzy regulace

EKONOMETRIE 6. přednáška Modely národního důchodu

Matematický popis systémů pracujících ve spojitém čase.

Komparace metod pro výpoet kapitálového požadavku pro tržní riziko Value at Risk 1, 2

Výpočty populačních projekcí na katedře demografie Fakulty informatiky a statistiky VŠE. TomášFiala

Lineární rovnice prvního řádu. Máme řešit nehomogenní lineární diferenciální rovnici prvního řádu. Funkce h(t) = 2

Laplaceova transformace Modelování systémů a procesů (11MSP)

listopadu 2016., t < 0., t 0, 1 2 ), t 1 2,1) 1, 1 t. Pro X, U a V najděte kvantilové funkce, střední hodnoty a rozptyly.

Role fundamentálních faktorů při analýze chování Pražské burzy #

Matematika v automatizaci - pro řešení regulačních obvodů:

ANALÝZA ODCHYLEK NPV NA BÁZI UKAZATELE EVA A JEJÍ VYUŽITÍ PŘI POSTAUDITU INVESIC

ČESKÁ ZEMĚDĚLSKÁ UNIVERZITA V PRAZE PROVOZNĚ EKONOMICKÁ FAKULTA DOKTORSKÁ DISERTAČNÍ PRÁCE

Katedra obecné elektrotechniky Fakulta elektrotechniky a informatiky, VŠB - TU Ostrava 4. TROJFÁZOVÉ OBVODY

Pasivní tvarovací obvody RC

10 Lineární elasticita

PJS Přednáška číslo 2

4EK211 Základy ekonometrie

Podzim Výzkumná práce 2 Sektorové produktivity a relativní cena neobchodovatelných statků: Opravdu příliš mnoho povyku pro nic?

IMPULSNÍ A PŘECHODOVÁ CHARAKTERISTIKA,

ZPŮSOBY MODELOVÁNÍ ELASTOMEROVÝCH LOŽISEK

Nové indikátory hodnocení bank

9 Viskoelastické modely

Vládní daňové predikce: ex ante odhady a ex post hodnocení přesnosti v České republice #

Metodika transformace ukazatelů Bilancí národního hospodářství do Systému národního účetnictví

Inovace a vytvoření odborných textů pro rozvoj klíčových. kompetencí v návaznosti na rámcové vzdělávací programy. education programs

Modelování rizika úmrtnosti

Léto Výzkumná práce 2 Peníze a ekonomika: Jak se vlastně ovlivňují?

Úloha II.E... je mi to šumák

Ocenění podniku s přihlédnutím k možné insolvenci postup pro metodu DCF entity a equity

TECHNIKY ZAJIŠTĚNÍ KOMODITNÍHO RIZIKA: PŘÍPAD DISTRIBUCE PLYNU

Výkonová nabíječka olověných akumulátorů

Nerovnovážné modely trhu úvěrů s aplikací na Českou republiku

2.2.9 Jiné pohyby, jiné rychlosti II

Úrokové daňové štíty nemusí být jisté

Teorie obnovy. Obnova

PREDIKCE OPOTŘEBENÍ NA KONTAKTNÍ DVOJICI V TURBODMYCHADLE S PROMĚNNOU GEOMETRIÍ

Volba vhodného modelu trendu

Ekonomika podniku. Katedra ekonomiky, manažerství a humanitních věd Fakulta elektrotechnická ČVUT v Praze. Ing. Kučerková Blanka, 2011

Maxwellovy a vlnová rovnice v obecném prostředí

Model systému na podporu rozhodování za neurčitostí. Model of the Decision Support System under Condition of Non-Determination

POPIS OBVODŮ U2402B, U2405B

Working Papers Pracovní texty

Ohrožená hodnota. INSTITUT EKONOMICKÝCH STUDIÍ Fakulta sociálních věd University Karlovy

T t. S t krátkodobé náhodná složka. sezónní. Trend + periodická složka = deterministická složka

CHYBY V PREDIKCÍCH INFLACE V ČESKÉ REPUBLICE: EVIDENCE Z PANELU INSTITUCÍ

Perfektní autentizace libovolně dlouhých zpráv

FINANČNÍ MATEMATIKA- ÚVĚRY

Inflace po vstupu do měnové unie vybrané problémy 1

Příspěvky do Fondu pojištění vkladů Garančního systému finančního trhu

Derivace funkce více proměnných

Simulační modely úrokových měr

6.3.6 Zákon radioaktivních přeměn

STATICKÉ A DYNAMICKÉ VLASTNOSTI ZAŘÍZENÍ

Měření výkonnosti údržby prostřednictvím ukazatelů efektivnosti

Jméno a příjmení holka nebo kluk * Třída Datum Škola

7. INDEXY ZÁKLADNÍ, ŘETĚZOVÉ A TEMPO PŘÍRŮSTKU

Oceňování finančních investic

FREQUENCY SPECTRUM ESTIMATION BY AUTOREGRESSIVE MODELING

SBÍRKA PŘEDPISŮ ČESKÉ REPUBLIKY

Manuál k vyrovnávacímu nástroji pro tvorbu cen pro vodné a stočné

SDĚLENÍ KOMISE. Harmonizovaný rámec návrhů rozpočtových plánů a zpráv o emisích dluhových nástrojů v eurozóně

Sektorové produktivity a relativní cena neobchodovatelných statků: Opravdu příliš mnoho povyku pro nic? Jan Kubíček Úvod Růst relativní ceny neobchodo

7.4.1 Parametrické vyjádření přímky I

Working Papers Pracovní texty

Transkript:

WORKING PAPER 09/2010 Efekvnos českého bankovního sekoru v leech 2000 2009 Rosslav Saněk Září 2010

Řada sudí Workng Papers Cenra výzkumu konkurenční schopnos české ekonomky je vydávána s podporou projeku MŠMT výzkumná cenra 1M0524. ISSN 1801-4496 Vedoucí: prof. Ing. Anonín Slaný, CSc., Lpová 41a, 602 00 Brno, e-mal: slany@econ.mun.cz, el.: +420 549491111

EFEKTIVNOST ČESKÉHO BANKOVNÍHO SEKTORU V LETECH 2000 2009 Absrac: The man goal of hs paper s o compare he effcency of he bankng secor n he Czech Republc and Ausra. Sochasc froner analyss s employed o measure he effcency of he bankng secor. The paper shows ha effcency of he Czech bankng secor has mproved n he las en years and go closer o he effcency of he Ausran bankng secor. Absrak: Cílem příspěvku je porovnání efekvnos bankovního sekoru v České republce a Rakousku. Kměření efekvnos je použa meoda sochasc froner analyss. Práce ukazhuje, že efekvnos českého bankovního sekoru v posledních dese leech vzrosla a přblížla se efekvnos rakouského bankovního sekoru Recenzoval: doc. Ing. Lbor Žídek, CSc.

1. ÚVOD Fungování fnančního sysému je považováno za jednu z výrazných deermnan hospodářského růsu (Levne, 2004). Fungování bankovního sekoru je však obvykle posuzováno pomocí kvanavních ukazaelů, jakým je objem poskynuých úvěrů, a kvalavní ukazaele jsou odsouvány do pozadí. Exsuje přom emprcká evdence, že je o především kvala bankovního sekoru, kerá hraje nejpodsanější rol. Koeer, Wedow (2006) nachází na vzorku německých bank sgnfkanní vzah mez růsem HDP a efekvnosí bankovního sekoru posuzované dle mnmalzace nákladů, naopak nenachází žádný sascký vzah mez objemem poskynuých úvěrů a růsem HDP. V omo článku se proo zaměřím na efekvu bankovního sekoru. Cílem ohoo článku je porovnání efekvnos bankovního sekoru v České republce a Rakousku v leech 2000-2009 a vysvělení případných rozdílů. Rakousko je zvoleno jako měříko efekvnos, proože se jedná o bankovní rh, jenž je s českým bankovním rhem výrazně propojen. Lze proo očekáva, že díky vzájemnému propojení obou bankovních rhů a díky sjednocené regulac na negrovaném fnančním rhu Evropské une bychom neměl pozorova rozdíly v efekvě českých a rakouských bank. Případně je možné očekáva rozdíly na počáku sledovaného období, předpokládám však, že po vsupu České republky do EU a s ím spojené možnos podnka na základě jednoné bankovní lcence povedou konkurenční laky k vyrovnání efekvy bank. Krérem efekvnos bankovního sekoru je krérum nákladové efekvnos, přčemž k jejímu odhadu je použa meoda sochasc froner analyss (SFA). Článek posupuje následujícím způsobem: následující kapola prezenuje koncep efekvnos a obsahuje kráký přehled leraury věnující se efekvnos bankovního sekoru a jejímu měření. Třeí kapola je věnována meodolog a předpokladům, z nchž odhadovaný model vychází. Ve čvré čás práce popsuj odhadovaný model a použá daa. V páé kapole prezenuj výsledky a nabízím jejch možnou nerpreac. Šesá kapola článek uzavírá. 4

2. EFEKTIVNOST BANKOVNÍHO SEKTORU Abychom mohl porovnáva efekvnos bankovního sekoru, je řeba nejprve vysvěl pojem efekvnos a neefekvnos. Dosavadní práce se zaměřly na dva zdroje neefekvnos bank: výnosy z rozsahu a X- neefekvnos (Frexas, Roche 1997). Výnosy z rozsahu referují o vzahu mez velkosí banky a jejím náklady. Neefekvnos daná výnosy z rozsahu ak souvsí s ím, že bankovní frma nemá opmální velkos a v odvěví nepůsobí opmální poče bank. X-efekvnos měří, jak je frma produkvní př použí vsupů k vorbě výsupu. Frmy, keré vykazují X-neefekvnos, někerým vsupy plývají nebo používají španou kombanc vsupů k výrobě daného výsupu nebo obojí. Exsence X-neefekvnos je obvykle vysvělována neschopnosí manažerů nebo nformační asymerí a následným problémem agenury, kerý vede k omu, že manažeř zdroj frmy plývají. X-neefekvnos se přom jeví bý mnohem významnějším zdrojem neefekvy než poencální výnosy z rozsahu (Berger, Meser, 1997). Berger e al. (1993) odhaduje, že na bankovním rhu USA je X- neefekvnos zodpovědná za 20 a více procen veškerých nákladů bank. Alunba e al. (2001) nachází výnosy z rozsahu ve výš 9 %, zaímco X-neefekvu odhadují na 17 % celkových nákladů bankovního sekoru. Sude Carbo e al. (2002) zkoumá efekvnos evropského bankovního sekoru mez léy 1989 a 1996. Př aplkac meody SFA na nákladové funkce dochází k závěru, že neefekvnos způsobená výnosy z rozsahu se pohybuje mez 7 až 10 %, zaímco X- neefekvnos dosahuje až 22 %. Vzhledem k ěmo výsledkům se já v omo článku zaměřím na měření X-neefekvnos a možné rosoucí výnosy z rozsahu ponechám sranou. Pokud edy budu v dalším exu mluv o efekvě nebo neefekvě, budu ím mysle výhradně X- efekvnos č X-neefkvnos. Pokud se podíváme na lerauru komparující efekvnos bankovního sekoru České republky a dalších zemí, pak nalezneme dvě sude. Tac, Zamper (1998) zkoumají rozdíly v efekvnos soukromých a sáem vlasněných bank a docházejí k závěru, že soukromé banky jsou efekvnější. Fres, Tac (2004) porovnávají efekvnos bankovního sekoru v leech 1994 až 2001 v 15 poskomunsckých zemích a docházejí k závěru, že bankovní sekor České republky pařl v omo období v porovnání s osaním poskomunsckým zeměm mez méně efekvní. Zároveň uzavírají, že banky se zahrančím vlasníky byly prokazaelně efekvnější. 5

3. METODOLOGIE 1.1. Produkce banky Exsují různé koncepy oho, jak chápa produkc banky. Abychom edy mohl mluv o neefekvnos bankovního sekoru, musíme vysvěl, jak budeme rozumě produkc banky, j. musíme denfkova, co je vsupem produkční funkce banky a co je jejím výsupem. Bankovní eore nabízí dva základní koncepy, jak nahlíže na banku a její produkc (Frexas, Roche 1997). Dle zv. produkčního přísupu můžeme bankovní akvy chápa jako služby poskyované vkladaelům a dlužníkům. Bankovní produkc pak můžeme nejlépe popsa jako použí práce a fyzckého kapálu k výrobě služeb, keré by mohly bý vhodně aproxmovány například množsvím zpracovaných plaebních příkazů. Na druhé sraně sojí zv. zprosředkovaelský přísup. Teno přísup bere do úvahy, že vklady mají jné charakersky než úvěry a za základní akvu banky považuje zprosředkování zápůjčních fondů. Vsupem produkční funkce ak není jen práce a fyzcký kapál, ale především fnanční kapál, j. vklady, emované dluhopsy č přjaé úvěry. Výsup je v rámc zprosředkovaelského přísupu možné měř pomocí množsví poskynuých úvěrů a jných fnančních nvesc. Produkční přísup je vhodný pro analýzu efekvy jednolvých poboček. Cílem ohoo článku je však analýza banky jako celku a proo je pro naše účely vhodnější zprosředkovaelský přísup. Budeme edy chápa banku jako frmu s produkční funkcí F(y,x), kde y je vekor výsupů zahrnující množsví poskynuých úvěrů a množsví dalších fnančních nvesc, především cenných papírů, a x je vekor vsupů zahrnující prmárně prác, fyzcký kapál a vklady. 1.2. Mnmalzace nákladů a rzko V předchozích odsavcích jsem popsal, jaký koncep efekvnos používáme, jakou meodu použj k jeho odhadu a jak chápu produkc bankovní frmy. Dalším krokem je určení opmalzačního cíle banky. Pro naše účely budeme za cíl banky považova mnmalzac nákladů, a o především kvůl dosupnos určých da. V rámc našeho modelu jsou banky pokládány za příjemce ceny, a o jak co se ýče vsupů, ak výsupu. Zároveň se zajímáme o dlouhé období, což mplkuje, že banky jsou konfronovány pouze s varablním náklady. Předpokládáme edy, že banky řeší problém, kerý lze formalzova následujícím způsobem, kde w označuje cenu -ého vsupu: C( y, w ) = mn ( w, x )za podmínky F( y, x) 0 x Vzhledem k omu, že odhadujeme dlouhodobé nákladové funkce, jsou všechna množsví a ceny varablní. Uvedenou mnmalzac proo můžeme řeš pomocí Lagrangeova mulplkáoru 6

L = n =1 w x λf( y, x) Řešením uvedeného problému získáme popávky po výrobních fakorech x = x * ( w, y ) * Mnmální úroveň nákladů pak získáme jejch dosazením do výdajové funkce. Výsledkem je nákladová funkce, kerá závsí na cenách vsupů a množsví výsupů n * C = w x =1 * ( w, y ) = C * ( w, y ) Hughes, Meser (1993) ale upozornl na skuečnos, že prosá mnmalzace nákladů může vés ke zkreslení odhadu neefekvnos, proože nebere do úvahy kapálovou srukuru. Vyloučení vlasního kapálu je ekvvalenní předpokladu, že cena vlasního kapálu je dokonale korelovaná s cenou depoz a zároveň je množsví vlasního kapálu dáno endogenně na úrovn mnmalzující náklady. Za ěcho podmínek není kapálová srukura významná a mnmalzace nákladů je dosaečným popsem chování banky. Lze však uvés několk důvodů, proč uvedené podmínky neplaí a proč kapálová srukura hraje významnou rol. Především banky s nemohou zvol jakoukolv úroveň vlasního kapálu, proože jsou omezeny pravdly bankovní regulace, keré sanovují mnmální kapálové požadavky. Je udíž zřejmé, že pozorované množsví vlasního kapálu neodpovídá akovému množsví kapálu, keré mnmalzuje náklady. Další regulací, kerá vyžaduje začlenění vlasního kapálu do modelu, je povnné pojšění vkladů. Roche (1992) předsavuje model efekvního fnančního rhu s náklady bankrou. V akovém modelu vyšší množsví vlasního kapálu snžuje náklady bankrou a sgnalzuje nžší rzkovos banky. Manažeř banky jsou pak movován vol akové množsví vlasního kapálu, keré mnmalzuje náklady, proože př nžší úrovn vlasního kapálu požadují vkladaelé vyšší výnos ze svých vkladů. Povnné pojšění vkladů však uo ržní dscplínu narušuje, proože vkladaelé zrácejí movac banku monorova a požadovaný výnos z vkladů je př dané úrovn rzka nízký a výsledkem je neadekvání poměr vlasního kapálu. Kromě regulace může bý dalším důvodem pro averze k rzku. I bez regulace by manažeř banky voll množsví vlasního kapálu mnmalzujícího náklady jen v případě, že by byl neurální k rzku. Pokud jsou však rzkově averzní, pak mohou preferova vyšší úroveň vlasního kapálu, než je úroveň mnmalzující náklady, proože vyšší úroveň vlasního kapálu snžuje rzko bankrou. 7

Oba dva možné způsoby argumenace vedou k závěru, že opomenuí vlasního kapálu může vés k vychýleným odhadům neefekvnos. Důvodem je, že pozorované popávky po výrobních fakorech se mohou zdá neefekvní, přesože jsou ve skuečnos důsledkem regulačních omezení č odlšných rzkových preferencí. S ímo problémem se vypořádáme ak, že zachováme behavorální předpoklad mnmalzace nákladů, ale zavedeme vlasní kapál do echnologckého omezení, s nímž je banka konfronována. Popávka po výrobních fakorech pak nebude závse pouze na ceně ěcho fakorů a produkovaném množsví výsupu, ale na množsví vlasního kapálu, značeného k. Úroveň mnmálních nákladů je edy dána následovně: n * C = w x =1 * ( w, y, k ) = C 1.3. Sochasc froner analyss * ( w, y, k ) Př emprckém měření neefekvnos bankovního sekoru použj meodu sochasc froner analyss (SFA). Tao meoda je založena na odhadu zv. bes-pracce nákladové funkce. Tao funkce je odhadnua z pozorovaných da a udává náklady, kerých by docílla banka řízená nejlepším možným způsobem. Povšmněme s, že nejde o nejlepší možný způsob vůbec, ale o nejlepší možný způsob, kerý lze vyvod z da ve vzorku (Meser, Berger 1997). V případě logarmcké ransformace může bý bes-pracce nákladová funkce vyjádřena následovně: ln C = ln f ( w, y, k ) + u + v kde C jsou náklady banky a f je bes pracce nákladová funkce. Rezdua se skládají ze dvou čásí. Člen u vypovídá o X-neefekvnos, zaímco člen v odpovídá náhodné chybě. Rozdělění rezdua na yo dvě čás je uskuečněno pomocí explcních předpokladů ýkajících se jejch rozdělění. Předpokládá se, že člen reprezenující náhodnou chybu má normální rozdělení, j. 2 v : N(0, σ ), a člen reprezenující neefekvnos má normální rozdělění omezené na kladné hodnoy, j. + 2 u : N (, σ ). U Touo meodou je pak možné odhadnou efekvnos, resp. neefekvnos, každé banky. Efekvnos nám říká, jak blízko jsou náklady ndvduální banky vůč nejvíce nákladově efekvní bance se sejnou velkosí výsupu. Konkréně je neefekvnos banky v čase v u 8

(IEM) edy defnována jako podíl pozorovaných nákladů a odhadnuých mnmálních nákladů. IEM C exp(ln f ( w, y, k ) + v + u ) = = exp( u ) exp(ln f ( w, y, k ) + v ) = * C Měříko neefekvnos edy nabývá hodno od 1 do nekonečna, přčemž hodnoa 1 označuje zcela efekvní banku. Pokud nebude výslovně uvedeno jnak, budu neefekvnos banky uvádě v éo podobě. Neefekvnos je však možné alernavně defnova jako převrácenou hodnou, j. jako podíl odhadnuých mnmálních nákladů a skuečně pozorovaných nákladů. 1 IEM = exp( Tao reformulace koefcenu neefekvnos má aké lákavou nerpereac, proože nám říká, jaké proceno nákladů bylo vynaloženo účelně, j. jaké proceno nákladů by banka vynaložla k produkc daného výsupu, pokud by se chovala dle bes-pracce nákladové funkce odhadnué z da ve výběru. Je zřejmé, že př éo defnc nabývá měříko neefekvnos hodno od 0 do 1, přčemž hodnoa 1 odpovídá zcela efekvní bance. K analýze možných zdrojů neefekvnos využjeme model Baesse, Coell (1995), kerý umožňuje nejen odhad neefekvnos, ale aké denfkac fakorů, keré jsou s měříkem neefekvnos korelované. Teno přísup předpokládá, že sřední hodnoa členu reprezenujícího neefekvnos, U je lneární funkcí dalších vysvělujících proměnných, j. U δ =, z kde z je vekor vysvělujících proměnných a δ je vekor odhadovaných paramerů. Neefekvnos je pak v omo případě defnována jako rozdíl mez pozorovaným náklady a predkovaným mnmálním náklady nejen př daném výsupu a cenách výrobních fakorů, ale dalších vysvělujících proměnných, jako je např. země, v níž banka působí. u ) 9

4. MODEL A DATA Kvůl jednoduchos předpokládáme, že bankovní echnologe lze popsa Cobb-Douglasovou produkční funkcí. Závslou proměnnou jsou celkové náklady. V souladu se zprosředkovaelským přísupem předpokládám, že banka produkuje dva ypy výsupu, poskyuje úvěry a nvesuje do jných fnančních násrojů. Za hlavní vsupy považujeme prác a fnanční zdroje. Předpoklad Cobb-Douglasovy produkční funkce zahrnuje aké určé resrkce na odhadované paramery (Coell 2005). Konkréně eno předpoklad mplkuje, že funkce mnmálních nákladů je homogenní supně jedna v cenách výrobních fakorů. Př zohlednění ohoo omezení můžememe nákladovou funkc banky v čase vyjádř následující rovncí: lnc, ( y, w, k) = β + β ln y + (1 β )ln w 3 2,, 0 + β ln k 4 1,, + β ln y + β ln 5 1, 1,, + u + β ln y, 2 + v, 2,, přčemž význam vysvělujících proměnných je následující: y 1... množsví poskynuých úvěrů y 2... osaní fnanční nvesce w 1... cena fnančních zdrojů w 2... cena práce k... vlasní kapál... čas + 2 u... neefekvnos; u : N (, σ ) U 2 v... sascký šum; v : N(0, σ ) v u + β ln w 3 1,, Cena práce je aproxmována pomocí podílu osobních nákladů a celkových akv. Cena vypůjčených fondů je vyjádřena jako podíl úrokových nákladů a czího kapálu. Výsupy jsou aproxmovány množsvím poskynuých úvěrů a množsvím držených cenných papírů. Do modelu jsme zahrnul časový ndex, čímž jsme umožnl, aby se bankovní echnologe měnla v čase. Paramer β 5 ak můžeme nepreova jako pokrok v bankovní echnolog. Dále předpokládáme, že neefekvnos závsí na časovém rendu a zem ve keré banka působí, j. České republce nebo Rakousku, a na skuečnos, zdal banka působla v rámc jednoného rhu EU. Člen U vyjadřující X-neefekvnos proo lze vyjádř následující rovncí: 10

U, 0 1 2 È 3 = δ + δ + δ R + δ EU ČR je dummy proměnná, kerá nabývá hodnoy 0 v případě, že daná banka působí v Rakousku, a 1 v případě, že působí v České republce. Obdobně proměnná EU udává, zdal banky působí v rámc EU. V případě rakouských bank nabývá ao proměnná vždy hodnoy 1, proože Rakousko bylo po celé sledované období členem EU. Pro české banky nabývá proměnná EU hodnoy 1 v leech 2005-2009, j. pro roky, kdy byla Česká republka po celý rok členem EU. Sejně jako u první odhadované rovnce, aké zde jsem zařadl jako jednu z vysvělujících proměnných čas. Paramer časové proměnné δ 1 však nyní nelze nerpreova jako echnologcký pokrok, ale jako paramer, kerý udává změnu neefekvnos v čase. Celý model je odhadován pomocí meody maxmální věrohodnos. Využjeme přom reparemerzac předsavenou v Baesse, Coell (1993), kde jsou paramery σ u 2 a σ v 2 nahrazeny paramery σ 2 a γ, keré jsou defnovány následovně: σ σ u + σ 2 2 2 = v γ = 2 σ u σ + σ 2 u Logarmcká věrohodnosní funkce s využím uvedené repaparamerzace je blíže specfkována v Baese, Coell (1993). Model je odhodován na panelových daech ýkajících se pouze deví velkých unverzálních bank, čyř z České republky a pě z Rakouska. Bankam zahrnuým do vzorku jsou Komeční banka, Česká spořelna, ČSOB, Uncred bank, Volksbank, Rafessenbank, Erse Bank, Bawag, Bank Ausra. Důvod, proč je vzorek omezen na velké banky, je dvojí. Jednak velké unvezální banky voří v obou zemích podsanou čás bankovní sekoru a zároveň nejsou velké unverzální banky vysaveny regonálním specfkům, an specfkům spojeným se specalzací na určý segmen bankovního rhu, a lze u nch proo předpokláda nejvyšší míru negrace. Daa se vzahují k období od roku 2000 do roku 2009. Veškerá daa pocházejí z výročních zpráv a účeních uzávěrek výše uvedených bank. Deskrpvní sasky použých da uvádí abulka č. 1 2 v. 11

Tabulka č. 1: Deskrpvní sasky da proměnná průměr Směrodaná odchylka maxmum mnmum y1* 32099 34885 131973 2647 y2* 12951 13257 47534 162 w1** 2,75 1,11 5,97 1,01 w2** 1,99 0,73 4,24 0,72 k* 3480 3511 16122 412 Poznámka: * v ml. Euro, ** v %. Zdroj: Výroční zprávy bank 12

5. VÝSLEDKY V éo čás budu prezenova odhad parameů výše uvedeného modelu. Výsledky modelu uvádí abulka č. 2. Kromě jž specfkovaných paramerů je v abulce obsažena aké saska γ, kerá udává, jak velká čás rozpylu rezdua přpadá na člen reprezenující neefekvnos. Hodnoa parameru γ naznačuje, že banky ve vzorku vykazují jsou míru X-neefekvnos. Toéž lze vdě aké v prvním řádku abulky č. 2, kde esujeme hypoézu, že měříko neefekvnos je sascky významně odlšné od nuly. Z ohoo esu plyne, že rozdíly mez pozorovaným náklady a bes pracce nákladovou funkcí ak nelze přpsa pouze náhodě, ale jejch významnou čás lze vysvěl X-neefekvnosí. Tabulka č. 2: Odhad nákladové hrance proměnná paramer koefcen Směrodaná odchylka T-hodnoa konsana β 0 1,683** 0,237 7,116 y1 β 1 0,418** 0,098 4,259 y2 β 2 0,269** 0,032 8,328 w1 β 3 0,738** 0,029 25,360 k β 4 0,385** 0,095 4,065 β 5-0,007 0,010-0,683 konsana δ 0-0,006 0,168-0,037 δ 1-0,083* 0,028-2,929 ČR δ 2 0,548** 0,153 3,569 EU δ 3 0,130 0,136 0,950 γ 0,303** 0,272 3,311 Poznámka: ** 1% hladna významnos, * 5 % hladna významnos Znaménka β paramerů jsou celkem očekávaná. Celkové náklady jsou ím vyšší, čím vyšší výsup banka produkuje, j. čím více úvěrů poskyuje a čím více drží jné fnanční nvesce. Vdíme, že nejvýrazněj se do bankovních nákladů promíá cena fnančních zdrojů, kerou musí banky pla svým vkladaelům a dalším věřelům. Zvýšení ceny czích zdrojů o 1 % se projeví v nárůsu nákladů banky o 0,738 %. Cena práce a fyzckého kapálu není pro banky ak podsaná jako cena fnančních zdrojů. Zvýšení ceny práce o 1 % se projeví v nárůsu nákladů o 0,262 %. Vzhledem k omu, že paramer β 4 je významně odlšný od nuly, jeví se jako velm vhodné aké výše dskuované začlenění vlasního kapálu do nákladové funkce banky. Skuečnos, že je paramer β 4 kladný, lze vysvěl dvěma způsoby. Prvním vysvělením je skuečnos, že pravdla regulace sanovují vyšší 13

množsví vlasního kapálu, než je množsví mnmalzující náklady. Druhým možným vysvělením je rzková averze manažerů bank. Jak ukazuje abulka, všechny yo koefceny jsou sascky sgnfkanní na 1 % hladně významnos. Za povšmnuí sojí aké paramer β 5, kerý udává změnu bankovní echnologe v čase. Z jeho hodnoy můžeme usuzova, že během sledovaného období nedocházelo k pokroku v produkční echnolog bank. Vzhledem k cíl článku nás však zajímají především paramery δ, jejchž hodnoa nám může dá odpověď na následující oázky. Je efekva bankovního sekoru v České republce a Rakousku odlšná? Nejsou případné rozdíly v efekvě dány odlšnou mírou regulace v období, kdy Česká republka nebyla členem EU? A konečně paramer δ 1 ukáže, jak se vyvíjí neefekva bankovního sekoru v čase? Do jaké míry zlepšuje zavedení ěcho dodaečných vysvělujících proměnných vypovídací hodnou modelu lze zkouma pomocí esu poměru věrohodnos (LRT) 1, jehož výsledky jsou uvedeny v následující abulce č. 3 Tabulka č. 3: Vysvělení neefekvnos LRT P-hodnoa γ=δ 0 =δ 1 =δ 2 =δ 3 =0 16,15 0,006 δ 1 =0 7,12 0,008 δ 2 =0 4,4 0,04 δ 3 =0 0,84 0,64 Vdíme, že paramer δ 2 je kladný a zároveň jeho přdání výrazně zvyšuje hodnou věrohodnosní funkce, což ukazuje, že české banky byly výrazně neefekvnější než banky rakouské. Zbývá zde však možnos, že české banky byly neefekvnější pouze v leech 2000 2004 před vsupem České republky do EU. Tuo hypoézu ale nelze na základě uvedeného modelu povrd. Podíváme-l se přom na hodnou parameru δ 1, je zjevné, že neefekva sledovaných bank, j. jak českých, ak rakouských, se však v průběhu času snžovala. Teno vývoj však nelze přsoud sjednocení regulace, an zvýšení konkurence dané vsupem České republky do EU a zavedením nsuu jednoné bankovní lcence. Idenfkovaný rozdíl v efekvnos českých a rakouských bank je možné vysvěl několka dalším způsoby, ať už přervávajícím rozdíly v regulac nebo neopmálním řízením bank. Př hledání vysvělení nám může pomoc abulka č. 4, kerá ukazuje odhady neefekvnos 1 Lkelhood rao es. 14

jednolvých bank a průměrnou efekvnos velkých unverzálních českých a rakouských bank za jednolvé roky. Tabulka č. 4: Neefekvnos jednolvých bank 1/IEM 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 1 61,4 66,7 76,3 82,4 86,0 82,2 88,4 92,7 96,8 97,5 2 66,6 71,4 75,6 80,0 82,9 79,9 87,1 92,9 95,8 95,9 3 64,6 73,8 79,3 87,4 90,2 90,4 91,6 93,6 96,3 97,2 4 59,5 65,4 70,0 76,3 80,2 77,6 88,7 93,6 96,5 97,3 průměr ČR 63,0 69,3 75,3 81,5 84,8 82,5 88,9 93,2 96,4 97,0 5 88,3 93,4 95,9 96,7 98,0 98,2 98,4 98,3 98,7 98,7 6 91,6 94,4 96,5 97,3 97,8 98,2 98,6 98,8 98,9 99,1 7 91,2 93,0 95,9 96,9 97,7 98,1 98,5 98,8 98,8 98,9 8 95,3 96,5 97,3 97,9 98,1 98,5 98,7 98,6 98,8 99,0 9 92,4 94,7 96,1 96,5 97,8 98,1 98,4 98,7 98,8 98,9 průměr Rakousk o 91,8 94,4 96,3 97,1 97,9 98,2 98,5 98,7 98,8 98,9 Zaímco v roce 2000 byla průměrná efekvnos sledovaných českých bank pouze 63,03 %, j. pouze 63 % vynaložených nákladů bylo řeba k dané produkc, v roce 2009 byla efekvnos jž 97 %. Vdíme edy, že v posledních leech dosahují české banky éměř sejné efekvy jako banky rakouské. Pozoruhodné je zjšění, že efekva českých bank rose éměř konnuálně a rozdíl se každým rokem snžuje. Tao skuečnos není konzsenní s předpokladem, že neefekvnos je dána rozdíly v regulac. Pokud by ož neefekvnos byla způsobena odlšným pravdly regulace a jelkož se pravdla bankovní regulace v posledních leech njak významně neměnla, měl bychom pozorova přervávající rozdíl v efekvě bank. Jako nejpravděpodobnější vysvělení snžování rozdílu v neefekvnos se proo jeví lepší managemen bank. Too vysvělení je podporováno aké vývojem vlasncké srukury v českém bankovním sekoru. Velké české banky byly prvazovány v leech 1999 a 2000, je edy pravděpodobné, že noví vlasníc a manažeř se nějakou dobu učí orenova v novém 15

prosředí. Odrazem ohoo procesu je ak posupné zvyšování efekvy českého bankovního sekoru. 6. ZÁVĚR V předloženém exu jsem položl několk oázek: Jaká je efekva českého bankovního sekoru v porovnání s rakouským bankovním sekorem? Jak se ao efekva vyvíjela od roku 2000? a Čím jsou dány případné rozdíly v efekvě českého a rakouského bankovního sekoru? Efekvu jsem přom defnoval pomocí mnmalzace nákladů a k jejímu odhadu jsem použl meody SFA. České banky vykazují v průběhu celého sledovaného období nžší míru efekvy než rakouské banky. Teno rozdíl se však s posupem času dramacky snížl a v roce 2009 byl efekva velkých českých bank éměř sejná jako efekva bank rakouských. Můžeme zároveň vylouč, že by eno vývoj souvsel se vsupem České republky do EU a s ím spojenou možnosí působ v jných zemích EU na základě jednoné bankovní lcence. Vzhledem k omu, že efekva českých bank rosla konnuálně, zdá se nepravděpodobné, že by eno vývoj souvsel s rozdíly v pravdlech bankovní regulace. Možným vysvělením zvýšení efekvy ak zůsává lepší řízení bank, keré od roku 2000 zaváděl noví vlasníc. 16

7. POUŽITÁ LITERATURA ALTUNBAS, Y. EVANS L. MOLYNEUX P. (2001): Bank ownershp and effcency. Journal of Money, Cred, and Bankng, č. 4, sr. 926 954, 2001. BATTESE, G. E. COELLI, T. J. (1993): A Sochasc froner producopn funcon: Incorporang a model for echncal neffcency effecs. Workng papers n Economercs and Appled Sascs no. 69, 1993. BATTESE, G. E. COELLI, T. J. (1995): A Model for Techncal Ineffcency Effecs n a Sochasc Froner Producon Funcon for Panel Daa. Emprcal Economcs, sr. 325-332,1995. BERGER, A. ET AL. (1993): The Effcency of Fnancal Insuons: A Revew and Prevew of Research Pas, Presen, and Fuure, Journal of Bankng and Fnance, sr. 221 249,1993. BERGER, A. MESTER, L. (1997): Insde he black box: Wha explans dfferences n he effcences of fnancal nsuons. Journal of Bankng and Fnance, sr. 895 947, 1997. CARBO, S. - GARDENER, E. - WILLIAMS J. (2002): Effcency n bankng: Emprcal evdence from he savngs banks secor. Mancheser School č. 2, sr. 204-228, 2002. COELLI, T. J. ET AL. (2005): Inorducon o Effcency and Producvy Analyss. New York, Sprnger, 2005. FREIXAS, X. - ROCHET, J.-C. (1997): Mcroeconomcs of Bankng. Cambrdge. Cambrdge, MIT Press, 1997. FRIES, S. - TACI, A. (2004): Cos effcency of banks n ranson: Evdence from 289 banks n 15 pos-communs counres. Journal of bankng and fnance, sr. 55-81, 2004. HUGHES, J. P. - MESTER L. J. (1993): A Qualy and Rsk-Adjused Cos Funcon for Banks: Evdence on he 'Too-Bg-o-Fal' Docrne, Journal of Producvy Analyss, č. 4, sr. 292-315, 1993. KOETTER, M. - WEDOW, M. (2006): Fnance and Growh n a Bank- Based Economy: Is Quany or Qualy ha Maers? Journal of Inernaonal Money and Fnance, 2010 n press. LEVINE, R. (2004): Fnance and Growh: Theory and Evdence, Handbook of Economc Growh Volume 1, pp. 865-934, 2005. ROCHET, J.-C. (1992): Capal requremens and he behavour of commercal banks. European Economc Revew, č. 5, sr. 1137 1170, 1992. TACI, A. - ZAMPIERI, E. (1998): Effcency n he Czech Bankng Secor. Dscusson Paper 4, Praha, CERGE EI, 1998. 17