Schválené projekty SGS

Ekonometrické modelování determinantů makro-finančního rozvoje

SP2022/38

Stabilita finančního sektoru je důležitou prerekvizitou dlouhodobě udržitelného ekonomického rozvoje. Tento projekt se zaměřuje na ekonometrické modelování vybraných vztahů a aspektů ovlivňujících makro-finanční rozvoj a finanční stabilitu na vybraném vzorku zemí. Výzkum realizovaný v rámci projektu je rozdělen do tří částí: (1) empirické modelování efektů přelévání měnové a makroobezřetnostní politiky, (2) determinanty vybraných faktorů ovlivňujících makro-finanční rozvoj a finanční stabilitu, (3) analýza vztahu úvěrů v selhání a hospodářského cyklu. Uvedená témata se navzájem doplňují a poskytují ucelený pohled na makro-finanční rozvoj. V další části následuje stručný popis jednotlivých výzkumných oblastí, který je rozdělen na úvod do problematiky a rešerše literatury, cíle projektu a data a metody. Úvod do problematiky a rešerše literatury 1) Empirické modelování efektů mezinárodního přelévání měnové a makroobezřetnostní politiky Monetární část projektu se zaměří na vliv přelévání měnových šoků Evropské centrální banky (ECB) na výstup, cenovou hladinu, úrokovou sazbu a směnný kurz v devíti zemích Evropské unie, jež nejsou součástí eurozóny. Mezinárodní přelévání měnové politiky může probíhat několika kanály. Hlavním kanálem přelévání měnových šoků je (např. v modelu Mundell-Flemming-Dornbush (Mundell, 1960, 1961; Fleming, 1962; Dornbusch, 1976) mezinárodní obchod a směnný kurz. To znamená, že obchodní kanál umocňuje měnový šok. Podle Svenssona a van Wijnbergena (1989) může být celkový efekt mezinárodního přenosu pozitivní nebo negativní. Bude záviset především na mezičasové elasticitě substituce spotřeby u zboží, které je substitutem, a na vnitročasové elasticitě substituce spotřeby u komplementů. Další možností přelévání zahraniční měnové politiky je podle Potjagaila (2017) její finanční kanál bez ohledu na obchodní integraci a kurzový režim. Důvodem je rostoucí finanční integrace mezi zeměmi. Pokud je cizí země velkou a globálně významnou ekonomikou, zpřísnění měnové politiky zvýší světové úrokové sazby (Svensson a van Wijnbergen, 1989; Galí a Monacelli, 2005). Cao et al. (2021) zdůrazňují, že období nízkých a záporných úvěrových sazeb v klíčových ekonomikách má dopad na úvěrovou aktivitu v malých otevřených ekonomikách. Pokud jsou totiž sazby v klíčových ekonomikách vysoké, zpřísnění měnové politiky v těchto zemích omezuje úvěrovou zásobu v malých otevřených ekonomikách. Naopak, pokud jsou úrokové sazby klíčových ekonomik nízké, expanzivní monetární politika zvyšuje úvěrování v malých otevřených ekonomikách v souladu s mezinárodním úvěrovým kanálem. Zpřísnění měnové politiky postihuje všechny světové ekonomiky, růst peněžní zásoby v zahraniční ekonomice vede k odlivu kapitálu z této země do domácí ekonomiky, jejíž měna posílí. Obchodní bilance domovské země se zhoršuje, poptávka po jejím zboží klesá. Tím klesá její konkurenceschopnost. Po uvolnění měnové politiky v cizí zemi klesá domácí produkce a zaměstnanost. Přelévání zahraniční měnové expanze vede ke zbídačení domácí země. Tento jev je v ekonomické teorii označován jako ožebračení souseda. Uvolnění měnové politiky ve velké měnové oblasti by mělo vést k růstu exportu, zaměstnanosti a reálného výstupu na úkor sousedních zemí. Problematika mezinárodního přelévání je aktuální i u makroobezřetnostní politiky. Nástroje makroobezřetnostní politiky mají za cíl posílit odolnost finančního systému, nicméně se obvykle vztahují pouze na tradiční banky. V současné době však narůstá podíl a důležitost nebankovního finančního zprostředkování, které poskytuje do systému dodatečné zdroje financování, ale nepodléhá přísné regulaci a dohledu jako tradiční banky. Ve špatných časech mohou vyvolávat či prohlubovat napětí na trhu a způsobovat nestabilitu finančního sektoru (Carstens, 2021). Z tohoto důvodu je důležité tyto subjekty zahrnout do debaty o regulatorním rámci, který by měl být nastaven tak, aby adekvátně plnil svoji funkci. Ve dnešním globalizovaném světě je pak důležité vzít v potaz i mezinárodní transmisi regulatorních opatření, která je předmětem výzkumu v této části projektu. Dopady regulatorních opatření na subjekty stínového bankovnictví jsou v současnosti předmětem mnoha zkoumání. Obecně lze situaci, kdy subjekt využije mezery v regulatorních systémech k překonání nevyhovující regulace a pokračuje ve své aktivitě označit jako regulatorní arbitráž. V této části projektu se však zaměříme na přelévání a realokaci aktivit z tradičního bankovnictví směrem k nebankovními finančnímu zprostředkování, které může vyvolat aplikace makroobezřetnostních nástrojů. Existuje několik málo studií, ze kterých lze ve studiu této problematiky vycházet. Reinhardt a Sowerbutts (2016) zkoumají, jak makroobezřetnostní politika (MaP) ovlivňuje mezinárodní bankovní toky. Dochází k závěru, že zahraniční úvěrování domácích nebankovních sektorů roste po zavedení makroobezřetního opatření kapitálové povahy v domácím finančním sektoru. Toto poskytuje zahraničním pobočkám podléhajícím regulaci svých domovských institucí soutěžní výhodu. Avdijev et al. (2017) a Cerutti a Zhou (2018) ukazují, že přeshraniční úvěrování umožňuje se vyhnout makroobezřetnostním opatřením a vede k efektům přelévání. Tato část literatury se ale zabývá primárně úvěrovou aktivitou tradičních bank, tudíž opomíjí toky v nebankovním sektoru a pravděpodobně podhodnocuje celkový efekt přelévání (Buch a Goldberg, 2017). Jednou z prací, která uvažuje i nebankovní finanční zprostředkování je Claessens et al. (2021), kteří se zabývají dopady MaP na aktiva nebankovních subjektů a aktivity, které s sebou mohou nést rizika pro finanční stabilitu. Zjistili, že zpřísnění domácí MaP vede k nárůstu nebankovních aktivit a poklesu aktiv tradičních bank, tj. k nárůstu podílu nebankovních subjektů na celkových aktivech finančního sektoru. Naopak zpřísnění zahraniční MaP vede k poklesu aktivit v nebankovní sféře a nárůstu domácích bankovních aktiv, tj. k poklesu podílu nebankovních subjektů na aktivech finančního sektoru. 2) Determinanty vybraných faktorů ovlivňujících makro-finanční rozvoj a finanční stabilitu V této části projektu budou zkoumány determinanty faktorů, jejichž vývoj je důležitý pro finanční stabilitu. Mezi tyto faktory se řadí např. inflační očekávání a ceny nemovitostí. Správné formování inflačních očekávání je v režimu inflačního cílování centrálních bank jedním z klíčových aspektů úspěšnosti této politiky. Za tímto účelem centrální banky především od 90. let 20. století nastavují komunikační strategie s cílem efektivního managementu inflačních očekávání a redukce finanční a hospodářské volatility v reakci na měnově politická rozhodnutí centrálních bank (Blinder et al., 2008). Cílem výzkumu je identifikace faktorů, které ovlivňují chování ekonomických subjektů při tvorbě jejich inflačních očekávání, přičemž pozornost je věnována vychýlení očekávání od cíle stanoveného centrální bankou. Téma je vysoce aktuální s ohledem na prudce rostoucí hodnoty míry inflace v roce 2021 a s tím související zvyšující se inflační očekávání na příští roky. Na druhé straně světová ekonomika čelila cca dekádě velice nízké míry inflace či dokonce deflace. V situaci, kdy je v řadě vyspělých nyní dominantním měnově politickým režimem cílování inflace, jeví se jako žádoucí opětovně identifikovat hlavní determinanty inflačních očekávání. Stejně jako Česká národní banka má potřebu inflační očekávání v posledním období ovlivňovat jednoznačnými slovními intervencemi a konkrétními kroky v podobě razantního zvyšování měnově politických úrokových sazeb, některé centrální banky (např. ECB) mohou toto zvýšení inflačních očekávání v národních ekonomikách naopak preferovat, jelikož měly dlouhodobě problém s nízkou inflací či dokonce tendencí k deflaci, resp. dlouhodobě nízko ukotvenými inflačními očekáváními. Dobře ukotvená inflační očekávání lze označit jako známku úspěšnosti monetární politiky, přičemž existuje řada transmisních kanálů, kterými se centrální banky snaží tato očekávání utvářet (Doh and Oksol, 2018; Oinonen and Viren, 2020). V prostředí různě vysoké míry inflace však mohou hrát roli různé vlivy a faktory determinující inflační očekávání (Coibion et al., 2020). Kromě řady makroekonomických faktorů, které mohou přispívat k utváření inflačních očekávání, a makroekonomických dopadů těchto očekávání samotných (Doh and Oksol, 2018; Christensen and Lopez, 2016), zde existují fundamentální faktory, které mohou hrát taktéž významnou úlohu. Mezi tyto fundamentální faktory lze zařadit také prvky ne-racionality, se kterými se lze v rámci studia chování ekonomických subjektů dnes běžně setkat (Klaus and Padula, 2011). Při hlubším zkoumání je možné narazit na rozdíly v tvorbě inflačních očekávání v kontextu toho, jaké makroekonomické proměnné k nim přispívají (Berge and Travis, 2018), taktéž je možné se setkat s faktory jako ekonomická vzdělanost a úroveň inflation literacy (Rumler et al., 2020). Vývoj cen bydlení je dlouhodobě v popředí zájmu běžné i odborné veřejnosti, včetně tvůrců hospodářských politik. Potenciální rizika plynoucí z dynamického vývoje trhu nemovitostí bedlivě sledují i monetární autority, včetně ČNB. Důležitost tohoto segmentu finanční stability se odráží i v široce používaných nástrojích obezřetnostní politiky, jako jsou limity ukazatelů LTV, DTI a DSTI v případě žadatelů u hypotečních úvěrů, či proticyklická kapitálová rezerva. V oblasti makroekonomických modelů prozatím chybí komplexnější pojetí, které by zahrnovalo širší spektrum faktorů ovlivňujících vývoj cen bydlení, a přitom reflektovalo možný nelineární vývoj. Ceny nemovitostí nereagují v poslední době dle předpokladů lineárních modelů, např. rostou jak v období růstu ekonomiky, tak v období recese. Je tedy potřeba blíže prozkoumat vývoj cen nemovitostí na vzorku vybraných evropských ekonomik, u nichž se na základě našich předchozích analýz, zdá být nelinearita nejsilnější. Existuje řada článků zabývajících se mikroekonomickými charakteristikami cen bydlení, jako jsou velikost podlahové plochy, velikost pozemku, stáří, počet ložnic a koupelen, vnitřní vybavení apod. Shrnutí výzkumů v této oblasti nabízí např. metaanalýza prezentovaná v článku Sirmans et al. (2006). Pokud jde o makro aspekty, vědci věnují větší pozornost vlivu makroekonomických indikátorů na ceny a analyzují vztah mezi trhem nemovitostí a makroekonomikou. Kuang a Liu (2015) například studují vztah mezi inflací a cenou nemovitostí; Maattanen a Tervio (2013) ukazují vztah mezi rozdělením příjmů a cenami domů. Ehrenbergerova a Bajzik (2020) nabízí systematický přehled literatury na základě metaanalýzy zkoumající vliv změny základních úrokových sazeb na ceny nemovitostí. Tito autoři zjistili, že změny základních úrokových sazeb působí silněji na ceny nemovitostí než na spotřebitelské ceny a reálný výstup ekonomiky. Motivaci pro výběr proměnných do našeho modelu je možné najít také v článku Hejlová et al. (2017) zkoumající nadhodnocení (podhodnocení) cen nemovitostí. Dle této studie dosáhly české ceny nemovitostí po dlouhém období mírného podhodnocení rovnovážné úrovně v roce 2014. V současné době však většina evropských zemí a zejména metropolí řeší problém opačný, tj. neúměrně rostoucí ceny nemovitostí i přes přetrvávající hospodářskou krizi. Existenci možné nelinearity naznačuje např. studie Eicholtz, Huisman a Zwinkels (2013) zkoumají ceny domů pomocí dlouhodobé časové řady cen domů v Amsterdamu. Autoři v ní zjišťují, zda trend nebo základní faktory (příjmy, stavební náklady, zaměstnanost, změny v bytovém fondu atd.) mohou vysvětlit ceny domů. Výsledky studie naznačují, že očekávání agentů jsou během ekonomického zpomalení založena spíše na fundamentech, kdežto během ekonomického růstu spíše na nedávných trendech. 3) Analýza vztahu úvěrů v selhání a hospodářského cyklu Třetí část projektu se zaměří na úvěry v selhání (NPL), resp. na to, jakým způsobem ovlivňuje ekonomický cyklus vznik úvěrového rizika, měřeného množstvím NPL v bankovním sektoru. Vysoký úroveň/podíl nesplácených půjček v poměru k celkovým poskytnutým půjčkám představuje důležitý zdroj systémového rizika a může ohrozit finanční stabilitu. NPL vážou bankovní kapitál a likviditu bez zajištění návratnosti, snižují ziskovost bank a ohrožují fungování jejich obchodních modelů. Uvedené dopady negativně ovlivňují bankovní sektor a oslabují jeho schopnost financovat hospodářství. Současně platí, že pokud mají banky příliš vysoký podíl NPL, nejsou schopné poskytovat dostatek úvěrů, což má v konečném důsledku negativní dopad na transmisní mechanismus monetární politiky. Huljak et al. (2020) identifikovali tři hlavní směry, jimiž se vydává zkoumání NPL. První směr literatury popisuje determinanty NPL na úrovni bank, na úrovni odvětví a na makroekonomické úrovni. Sem patří např. exogenní faktory (náhlý pokles ekonomické aktivity), špatný management, který může vést k nesprávným rozhodnutím ohledně úvěrového rizika, nízká kapitalizace, jež může způsobit vyšší náchylnost bank vůči riziku a nedostatek zdrojů na odepisování a monitorování úvěrů za účelem posílení krátkodobé efektivity. Druhý směr se zaměřuje na dopady NPL na úvěrovou a ekonomickou aktivitu. Existuje řada empirických studií, které docházejí k závěru, že NPL se chovají proticyklicky, tj. v případě stagnace roste podíl NPL, neboť dochází k nárůstu nezaměstnanosti a zhoršení schopnosti splácet (Louzis et al., 2012; Jimenez a Saurina, 2006; Salas a Saurina, 2002). Tyto empirické studie nicméně pracují hlavně s jednorovnicovými modely, kde jsou NPL a makroekonomické proměnné regresovány vůči sobě a ostatním kontrolním proměnným. Třetí směr se věnuje modelování šoků do NPL s využitím strukturálních modelů (např. VAR) zahrnujících podíly NPL, ekonomickou aktivitu a řadu dalších bankovních a makroekonomických proměnných (Nkusu, 2011; De Bock a Demyanets, 2012; Klein, 2013; Huljak et al, 2020). Jak Machacek et al. (2018) zdůrazňují, rozdíly mezi efekty úvěrových sazeb na NPL se v regresích liší napříč studiemi z důvodu charakteristik dat. Z tohoto důvodu se jeví jako vhodná metoda pro nalezení velikosti odhadu očištěné o publikační zkreslení meta-analýza, která výzkumníkům umožňuje identifikovat publikační selektivitu a strukturální rozdíly v odhadnutých parametrech. Využití meta-analytických metod zároveň vede k nalezení možných faktorů, které mohly odhadnuté výsledky ovlivnit. Z tohoto důvodu bude hlavním výstupem této části projektu meta-analytická studie, jejímž cílem bude verifikovat či falzifikovat existenci publikačního zkreslení a určit aspekty jednotlivých zkoumaných článků, které mohou k tomuto publikačnímu zkreslení vést. Zdroje ADAM, Klaus; PADULA, Mario, 2011. Inflation dynamics and subjective expectations in the United States. Economic Inquiry. Roč. 49, č. 1, s. 13–25. AVDJIEV, Stefan; KOCH, Cathérine; MCGUIRE, Patrick; PETER, Goetz von, 2017. International prudential policy spillovers: a global perspective. International Journal of Central Banking. BERGE, Travis J, 2018. Understanding survey-based inflation expectations. International Journal of Forecasting. Roč. 34, č. 4, s. 788–801. BLINDER, Alan S; EHRMANN, Michael; FRATZSCHER, Marcel; DE HAAN, Jakob; JANSEN, David-Jan, 2008. Central bank communication and monetary policy: A survey of theory and evidence. Journal of Economic Literature. Roč. 46, č. 4, s. 910–45. BUCH, Claudia M; GOLDBERG, Linda, 2017. Cross-Border Prudential Policy Spillovers: How Much? How Important? Evidence from the International Banking Research Network. International Journal of Central Banking. Roč. 13, č. S1, s. 505–558. CAO, Jin; DINGER, Valeriya; GÓMEZ, Tomás; GRIC, Zuzana; HODULA, Martin; JARA, Alejandro; JUEL-SRUD, Ragnar; LIAUDINSKAS, Karolis; MALOVANÁ, Simona; TERAJIMA, Yaz, 2021. Monetary policy spillover to small open economies: Is the transmission different under low interest rates? Norges Bank Working Paper No. 12/2021. Norges Bank. CARSTENS, Agustín. Non-bank financial sector: systemic regulation needed. In: BANK FOR INTERNATIONAL SETTLEMENTS, 2021. BIS Quarterly Review: International banking and financial market developments, December 2021. CERUTTI, Mr Eugenio M; ZHOU, Haonan, 2018. Cross-border banking and the circumvention of macroprudential and capital control measures. IMF Working Paper No. 18/217. International Monetary Fund. CLAESSENS, Stijn; CORNELLI, Giulio; GAMBACORTA, Leonardo; MANARESI, Francesco; SHIINA, Yasushi, 2021. Do Macroprudential Policies Affect Non-bank Financial Intermediation? BIS Working Paper No. 927. Bank for International Settlements. COIBION, Olivier; GORODNICHENKO, Yuriy; KUMAR, Saten; PEDEMONTE, Mathieu, 2020. Inflation expectations as a policy tool? Journal of International Economics. Roč. 124, s. 103297. DE BOCK, Reinout; DEMYANETS, Alexander, 2012. Bank asset quality in emerging markets: Determinants and spillovers. IMF Working Paper No. 12/71. International Monetary Fund. DOH, Taeyoung; OKSOL, Amy, 2018. Has the anchoring of inflation expectations changed in the United States during the past decade? Economic Review-Federal Reserve Bank of Kansas City. Roč. 103, č. 1, s. 31–58. DORNBUSCH, Rudiger, 1976. Expectations and exchange rate dynamics. Journal of Political Economy. Roč. 84, č. 6, s. 1161–1176. EHRENBERGEROVA, Dominika; BAJZIK, Josef, 2021. When Does Monetary Policy Sway House Prices? A Meta-Analysis. CNB Working Paper No. 14/2020. Czech National Bank. FLEMING, J Marcus, 1962. Domestic financial policies under fixed and under floating exchange rates. Staff Papers. Roč. 9, č. 3, s. 369–380. GALI, Jordi; MONACELLI, Tommaso, 2005. Monetary policy and exchange rate volatility in a small open economy. The Review of Economic Studies. Roč. 72, č. 3, s. 707–734. HEJLOVÁ, Hana; HLAVÁČEK, Michal; KOMÁREK, Luboš, 2017. A comprehensive method for house price sustainability assessment in the Czech Republic. Prague Economic Papers. Roč. 2017, č. 3, s. 269–285. HULJAK, Ivan; MARTIN, Reiner; MOCCERO, Diego; PANCARO, Cosimo, 2020. Do non-performing loans matter for bank lending and the business cycle in euro area countries? ECB Working Paper No. 2411.European Central Bank. CHRISTENSEN, Jens HE; LOPEZ, Jose A, 2016. Differing views on long-term inflation expectations. FRBSF Economic Letter. Roč. 11, č. 4. JIMENEZ, Gabriel; SAURINA, Jesús, 2006. Credit Cycles, Credit Risk, and Prudential Regulation. International Journal of Central Banking. Roč. 2, č. 2, s. 65–98. KLEIN, Nir, 2013. Non-performing loans in CESEE: Determinants and impact on macroeconomic performance. IMF Working Paper No. 13/72. International Monetary Fund. KUANG, Weida; LIU, Peng, 2015. Inflation and house prices: theory and evidence from 35 major cities in China. International Real Estate Review. Roč. 18, č. 1, s. 217–240. LOUZIS, Dimitrios P; VOULDIS, Angelos T; METAXAS, Vasilios L, 2012. Macroeconomic and bank-specific determinants of non-performing loans in Greece: A comparative study of mortgage, business and consumer loan portfolios. Journal of Banking & Finance. Roč. 36, č. 4, s. 1012–1027. MÄÄTÄNEN, Niku; TERVIÖ, Marko, 2014. Income distribution and housing prices: An assignment model approach. Journal of Economic Theory. Roč. 151, s. 381–410. MACHÁČEK, Martin; MELECKÝ, Aleš; ŠULGANOVÁ, Monika, 2018. Macroeconomic drivers of non-performing loans: A meta-regression analysis. Prague Economic Papers. Roč. 27, č. 3, s. 351–374. MUNDELL, Robert A, 1960. The monetary dynamics of international adjustment under fixed and flexible exchange rates. The Quarterly Journal of Economics. Roč. 74, č. 2, s. 227–257. MUNDELL, Robert A, 1961. The international disequilibrium system. Kyklos. Roč. 14, č. 2, s. 153–172. NKUSU, Ms Mwanza, 2011. Nonperforming loans and macrofinancial vulnerabilities in advanced economies. IMF Working Paper No. 11/161. International Monetary Fund. OINONEN, Sami; VIREN, Matti, 2020. Long-run inflation expectations in the ECB survey of professional forecasters: what do the survey responses tell us? Equilibrium. Quarterly Journal of Economics and Economic Policy. Roč. 15, č. 4, s. 675–695. POTJAGAILO, Galina, 2017. Spillover effects from Euro area monetary policy across Europe: A factor-augmented VAR approach. Journal of International Money and Finance. Roč. 72, s. 127–147. REINHARDT, Dennis; SOWERBUTTS, Rhiannon, 2015. Regulatory Arbitrage in Action: Evidence from Banking Flows and Macroprudential Policy. BoE Staff Working Paper No. 546. Bank of England. RUMLER, Fabio; VALDERRAMA, Marıa Teresa, 2020. Inflation literacy and inflation expectations: Evidence from Austrian household survey data. Economic Modelling. Roč. 87, s. 8–23. SALAS, Vicente; SAURINA, Jesus, 2002. Credit risk in two institutional regimes: Spanish commercial and savings banks. Journal of Financial Services Research. Roč. 22, č. 3, s. 203–224. SIRMANS, G Stacy; MACDONALD, Lynn; MACPHERSON, David A; ZIETZ, Emily Norman, 2006. The value of housing characteristics: a meta analysis. The Journal of Real Estate Finance and Economics. Roč. 33, č. 3, s. 215–240. SVENSSON, Lars E. O.; VAN WIJNBERGEN, Sweder, 1989. Excess capacity, monopolistic competition, and international transmission of monetary disturbances. The Economic Journal, s. 785–805. Data a metody Viz samostatný soubor v příloze s názvem "Metodika". Harmonogram řešení projektu 01-02/2022: Úvodní schůzka (informace o řízení projektu, nastavení organizace práce, stanovení kontrolních bodů), provedení rešerše literatury a zpracování metodiky. 03-05/2022: Sběr, příprava a základní zpracování dat. 06-08/2022: Modelování, odhad modelů, zpracování a interpretace výsledků. 09-11/2022: Zpracování článků a jejich odeslání do časopisů, zpracování konferenčních příspěvků a jejich prezentace na konferencích. 12/2022: Zpracování závěrečné zprávy. Podrobnější rozbor harmonogramu je k dispozici v samostatném souboru s názvem „Harmonogram, výsledky a výstupy“.

2022

2022

Ministerstvo školství, mládeže a tělovýchovy

SGS

Specifický výzkum VŠB-TUO

Ngo Ngoc Anh Ing.