• 沒有找到結果。

~CbbP`BkWpR —H49a Bank Provisioning, Business Cycle and Regulation -A Study of 49 countries

N/A
N/A
Protected

Academic year: 2022

Share "~CbbP`BkWpR —H49a Bank Provisioning, Business Cycle and Regulation -A Study of 49 countries"

Copied!
141
0
0

加載中.... (立即查看全文)

全文

(1)

金融業提列備抵呆帳與景氣循環、法規之關聯性分析

—以 49 個國家為例

Bank Provisioning, Business Cycle and Regulation -A Study of 49 countries

沈中華

政治大學金融學系教授 謝孟芬

台中技術學院財務管理系副教授

摘 要

本文與過去文獻不同的是,假設景氣循環與盈餘是互相影響。本文發現當 景氣好且銀行的獲利佳的情況之下,銀行會提列較高的備抵呆帳;但當景氣處於 下坡、且銀行獲利也不佳的狀況下,銀行反而會提高備抵呆帳。

若將國家依地區分類,發現亞洲當景氣好且銀行的獲利佳的情況之下,銀行 並未提列較高的備抵呆帳,顯示亞洲的銀行在金融風暴之前備抵呆帳的水位不足 以應付放款的損失。不同於拉丁美洲與亞洲,美國的銀行當景氣處於下坡、且銀 行獲利也不佳的狀況下,銀行基於穩定盈餘的考量,會減少備抵呆帳的提列。另 外,日本與亞洲的銀行若權益資本越高時,銀行提列備抵呆帳的誘因就會下降,

其中又以日本特別明顯。

本文還發現考慮備抵呆帳的法規制度,確實會影響銀行提列備抵呆帳的行 為。一致的結果是考慮制度面之後,景氣差且獲利不佳的銀行,都會增加提列備 抵呆帳,「加強式反景氣循環」更為明顯;且景氣差但獲利佳的銀行,會減少提 列備抵呆帳。

關鍵字:備抵呆帳費用、景氣循環、法規制度、所得平滑

Keywords: Loan Loss Provision, Business Cycle, Legal Regulation, Income Smoothing

(2)

-

1.前言

探討金融業備抵呆帳與景氣循環之間關係的研究越來越熱門,這個議題更因 新巴塞爾資本協定(New Basel II Accord) 將在 2006 年底實施顯得益發重要。由 於在Basel II 中銀行必須依客戶的倒帳機率提列足夠的資本,一般發現企業在景 氣差時倒帳機率高,所以銀行會增加備抵呆帳準備;反之,在景氣好時倒帳機率 低,銀行會減少備抵呆帳準備,故一般預期認為銀行將呈現「反景氣循環現象」。

例如,Bikker and Hu (2002)採用 26 個工業國家的樣本,Bikker and Metzemakers (2003)採用 29 個 OECD 國家的樣本,Laeven and Majnoni (2003)採用 45 個國家的 樣本,他們皆發現備抵呆帳與景氣成長呈現負向的關係。而且,Laeven and Majnoni (2003)更進一步發現盈餘為負的銀行傾向提列較高的備抵呆帳,他們推 論這意味著當景氣衰退時,銀行必須以資本作為貸款損失的準備,因此就平均而 言銀行並未在景氣好的年度提列充足的備抵呆帳,以因應景氣不好的年度。1

除了總體的所得之外,另一個影響備抵呆帳是個體的所得,即銀行的盈餘,

Wall and Koch (2000)、Anadarajan, Hansan and Lozano-Vivas (2000), Morgan (2002), Beatty, Ke, and Petroni (2002)採用美國的資料,發現銀行業相對於一般產業更傾 向採用盈餘管理,Shen and Chih (2005)採用 49 國的資料也呼應上述看法,且 Chih, Chi and Shen(2005)發現避免損失是銀行業盈餘管理的主因。而且根據 Wall and Koch (2000)的討論:備抵呆帳是銀行盈餘管理的主要要素,不論是依所得平滑理 論、或是會計的應計基礎、或是所得稅的考量 (可見國內的劉順仁 (1997)、劉啟 群 (1999);國外的 Beatty et al. (1995)、Collins et al. (1995)、Ahmed et al. (1999) 、 Beatty et al. (2002)、 Cavallo and Majnoni (2002)、 Laeven and Majnoni (2003)等 研究),這類研究通常發現銀行基於謹慎原則,在盈餘擴張的年度,提列較高的 備抵呆帳費用,以便作為未來放款損失之準備。或是銀行基於可信度,而不是所 謂的報表窗飾,2希望在各年度之間的盈餘報告皆相當固定。因為報告相對變動 小的所得流量,將有助於股票價格的穩定、提升外部評等的表現,降低籌資成本,

1除上述研究以實證資料驗證銀行的反景氣循環的現象之外,Borio et al. (2001)以模擬的方式討論 金融發展與景氣循環之間重要的連結因素,備抵呆帳就是其中之一。類似地,Lowe (2002)也討 論在景氣好的時候,尤其是在放款快速成長的狀況下,故銀行的信用風險迅速攀升。

2 Kim and Santomero (1993),他們質疑盈餘與備抵呆帳費用之間的正向關係,也許是對貸款損失 的最適統計預測的結果,因此不見得是因盈餘平滑化 (earnings smoothing) 理論中探討備抵呆帳的 錯誤提列。

(3)

進而提高管理層級的報酬 (可見 Greenawalt and Sinky (1988)、Fudenberg and Tirole (1995)等研究)。故銀行在盈餘擴張的年度,提列較高的備抵呆帳費用,以 便作為未來放款損失之準備。但在盈餘衰退的年度,則有相反的處理,即減少備 抵呆帳的提列。所以,備抵呆帳與盈餘之間通常有正向之關係。

本文的主旨是探討銀行備抵呆帳與景氣及盈餘的關係。本文與過去文獻不同 的是,他們假設景氣循環與盈餘互相獨立地影響備抵呆帳,本文則假設景氣循環 與盈餘是互相影響。當景氣好時,人們也會對未來景氣表現樂觀的想法,此時即 使銀行盈餘是負的,銀行多提列的備抵呆帳,相信未來將很快地弭平多提列的部 分,這樣的情形與銀行的盈餘是正時,幅度可能也相差不多;反之,當景氣不好 時,如果銀行的盈餘又是負的,銀行可能認為情況不會更惡化,故銀行可能會大 幅地提列備抵呆帳。

本文接著討論法規制度對備抵呆帳的影響。Cavallo and Majnoni (2002)發現 國家的執法效能越低的國家、或是實施不成文法、或是外部投資人的權利越高的 國家,銀行反而提撥較低的備抵呆帳比率。本文想接著探究的問題是,在各國對 備抵呆帳有不同的法規制度之下,若「一般準備可列入第二類資本」的國家,或 是有「要求最低之備抵呆帳費用」的國家,或是在「在過去五年針對備抵呆帳費 用有任何的處份」,則銀行是否可能會傾向提列較高的備抵呆帳?

Laurin and Majnoni (2003)、沈中華和謝孟芬(2004),曾指出資本準備可分為「一 般準備」與「特別準備」,這對銀行備抵呆帳的影響不同。以針對資本損失之一 般準備為例說明,就巴塞爾委員會 (Basel Capital Accord)之觀點來看,「一般準 備」在某些條件之下,可列為第二類資本 (Tier II Capital),如歐洲國家中的法國 及英國,但義大利與荷蘭卻不允許將「一般準備」列為第二類資本。許多非十大 工業國家—除了阿根廷、澳大利亞、巴西和韓國允許銀行將「一般準備」認列於 第二類資本中。

本文發現當景氣好且銀行的獲利佳的情況之下,銀行會提列較高的備抵呆 帳,支持「所得平滑理論加強假設」,顯示銀行會有晴天備糧的準備;而當景氣 樂觀、銀行獲利不佳的情況,或是當景氣衰退但銀行有正獲利,銀行傾向降低備

(4)

-

抵呆帳的提列。但當景氣處於下坡、且銀行獲利也不佳的狀況下,銀行反而會提 高備抵呆帳,所以驗證金融體系的備抵呆帳提列政策為向後看 (backward looking)。

值得注意的是,亞洲當總體的景氣好且銀行的獲利佳的情況之下,銀行並未 提列較高的備抵呆帳,顯示亞洲的銀行在金融風暴之前備抵呆帳的水位不足以應 付放款的損失,反而是在景氣差但銀行獲利佳的情況下,提列較高的備抵呆帳,

這也許是金融風暴之後,受前車之鑑加上金融改革所影響。

本文還發現法規制度會影響銀行提列備抵呆帳的行為。例如「在過去五年針 對備抵呆帳費用有任何的處份」的國家,其銀行在景氣好但獲利差的情況,反而 會提高備抵呆帳的提列,另外,考慮制度面之後,我們發現反景氣循環的現象更 為明顯。

本研究接下來的架構如下。第二部分說明計量模型。第三部分描述資料與提 供敘述統計量。實證結果說明於第四部份。第五部分則為結論與建議。

2.1計量模型—基準模型

本文延伸 Laeven and Majnoni (2003)的模型,以「備抵呆帳費用佔總資產比 率」(LLPTA)為被解釋變數,再探討景氣及盈餘對銀行提列備抵呆帳的影響,本 文不同於他們的模型,本文將景氣循環拆成景氣好與景氣壞與盈餘拆成正盈餘及 負盈餘,然後更進一步討論其互相影響銀行的備抵呆帳提列行為。本文模型為

it vi Tt ijt LOANijt

Nijt ijt EBPT

P ijt EBPT

LLPTA =α0+α1 _ +α2 _ +α3 +α4Π +α5 + +ε

GDPbadit GDPgoodit 12

10 11

1 θ θ θ

α = + +

GDPbadit GDPgoodit 22

20 21

2 θ θ θ

α = + +

在此,i = 1,…,N; t= 1,…, T; i為 ith 個國家;j 為第 j家銀行於 i個國家;N

=49,t 的範圍由1991年至2002年。EBPT_P代表銀行獲利情況的「提列備抵呆帳

(5)

及稅前盈餘佔總資產比率」在該年度銀行的獲利為正的幅度,是真實數值而非虛 擬變數;反之EBPT_N則表示該年度銀行的獲利為負的幅度。而GDPgood代表景 氣好,其計算方式是該國該年度國民所得實質所得率高於該國1991-2002年的平 均值,反之,GDPbad為該國該年度國民所得實質所得率低於該國1991-2002年的 平均值。換言之,GDPgood_EBPT_P表示總體的景氣好且銀行的獲利佳的情況。

過去的實證通常發現正盈餘對備抵呆帳的影響為正,負盈餘對備抵呆帳的影 響為負(Laeven and Majnoni, 2003),而景氣成長的影響為負 (Laeven and Majnoni, 2003 ; Bikker and Hu , 2002;Bikker and Metzemakers ,2003)。 Laeven and Majnoni (2003)曾討論到盈餘為負的銀行比盈餘為正的銀行傾向提列較高的備抵呆帳,他 們且發現所得對備抵呆帳影響為負,由於他們沒有進一步說明,本文將此稱之為

「景氣樂觀效果」,由於現在景氣好,也預測未來景氣也好,則不急於提列備抵 呆帳。若景氣處於成長(或衰退)且當銀行有盈餘(或虧損)時,銀行提列備抵呆帳 的行為是否會因此改變?首先,當景氣成長,且銀行盈餘為正時,銀行因外在環 境暢旺,對未來充滿信心,此時基於所得平滑理論應該會提列正的備抵呆帳 (係 數 1α >0),但由於景氣也好,銀行對未來充滿信心,所以相信即使提列較高的備 抵呆帳,也不致減少盈餘,我們稱之為「所得平滑理論加強假設」。其次,當景 氣壞,但由於銀行沒有盈餘,銀行會減少認列備抵呆帳,此時若景氣好時,則依 景氣樂觀效果,銀行更減少提列備抵呆帳 (故係數 2α <0)。第三,當外在景氣不 好但盈餘仍為正,由於兩者均會導致係數 3α 為正,故我們預期係數為正。最後,

當外在景氣不好但盈餘為負,則係數不確定。

自變數中尚有「放款佔總資產比率相較於前一期變動」(Loan Growth)。而Π 為其它控制變數的集合,本文參考 Beaver and Engle (1996)、Hansan and Wall (2003)的模型,在他們探討備抵呆帳決定因素之主題中,除上述的個體經濟指標 之外,更加入「權益資本佔總資產比率」(Equity)、「逾期放款佔總資產比率相較 於前一期變動」 (NPL growth) 、「淨打消壞帳佔總資產比率」(Net Charge-Off) 等控制變數。 而 Tt 則為年度之虛擬變數。

除考慮景氣循環與盈餘會互相影響銀行的備抵呆帳提列行為之外。本文也考

(6)

-

慮下述備抵呆帳的法規制度面的影響,若「一般準備可列入第二類資本」的國家,

則虛擬變數 Dtier2 = 1;而有「要求最低之備抵呆帳費用」的國家,則虛擬變數

D

minires = 1;若「在過去五年針對備抵呆帳費用有任何的處份」的國家,則虛擬

變數 Dpenality = 1。否則,皆設定為 0。則上述模型修改如下:

it vi regulation D

Tt ijt LOANijt

Nijt ijt EBPT

P EBPT

regulation t D

ijt T LOANijt

Nijt ijt EBPT

P ijt EBPT

LLPTA

β ε γ

γ γ

γ γ

β β

β β

β β

+ +

+ ×

Π +

+ +

+ +

× + Π +

+ +

+

=

) 1

( ] 4 5

_ 3 _ 2

1 [ 0

5 ] 4

_ 3 _ 2

1 [ 0

在此, , , )

( 2

penality Minires D

tier D regulation D

D =

我們預期若備抵呆帳有制定法規或處份的國家,比起未制定相關制度的國 家,其備抵呆帳的提列會更審慎,而且「所得平滑理論加強假設」應該會更明顯,

即在景氣好、銀行獲利好的時候,與備抵呆帳的關係應更是正向關係(係數 1 0

1 >α >

β );相對地,在景氣差、銀行獲利也不佳的情況,由於先前有處份的 案例存在,為避免成為主管機關處份的對象,則銀行將應該會傾向提列較高的備 抵呆帳 (係數β4 >0);而其它兩種情況,其係數不確定。

3. 資料來源與敘述性統計量

本研究針對49 國之商業銀行進行分析。銀行的財務資料取自 BankScope,

樣本期間為1991-2002 年。因為 BankScope 光碟每期最多提供 8 年資料,但國 際文獻上此議題研究大多超過10 年以上,故本研究將 2002 年與 1999 年資料(可 追朔至1991 年,且這是目前 BankScope 所能提供之最早資料)整合在一起。但由 於每期銀行家數並非固定,2002 年與 1999 年兩片光牒的資料併在一起之後 (以 銀行名稱,依序併入,刪除重覆的年度)。而銀行財務指標之定義與來源,提供 於附錄I。

資料經過逐筆檢查,有兩個處理原則,第一個原則是以相對較齊全的

「equity/total loan」指標為標竿。若 1991--2002 的 12 年資料中分別缺了 12 年、

5 年或 3 年以上的資料之銀行,就分別刪除之。所以,樣本資料總共有三組。第 二個原則是,若同一家銀行同時提供合併與未合併報表,通常是未合併報表的資

(7)

料較齊全,所以我們刪掉合併報表的資料。依照上述兩個原則,可將資料說明如 表1。

表1 提供樣本國家銀行家數、及個體經濟變數之敘述統計量。樣本國家為阿 根廷等49 個國家。由表 1 可知銀行家數最多的三個國家分別為美國 (446)、德 國 (372)、法國 (356)。而銀行家數最少的三個國家則分別為約旦 (13)、斯里蘭 卡 (11)、芬蘭 (13)。全部樣本家數共計 4024 家。就銀行總資產平均數 (刪缺 5 年的平均)(TA)而言,最高的三國分別為瑞典(49,468 百萬美元)、日本(49,258)、荷 蘭(30,370),遠高於整體樣本平均值 (9,540)。最低的三國則分別為厄瓜多(242)、 肯亞(248)、辛巴威(433)。在放款比率 (Loan/TA)的總樣本平均為 51.59%,比率 最高的三個國家分別為挪威(79.85%)、烏拉圭 (76.62%)、紐西蘭 (75.58%);比 率最低的三個國家則分別為比利時 (34.94%)、巴西 (33.84%)、奈及利亞 (27.74%)。

在這些數字中,New Zealand 的放款比率高居第三名,理論上放款比率高,

相對地備抵呆帳費用也會較高,但紐西蘭的備抵呆帳費用佔總資產比率卻是全部 樣本國家中最低的,僅有 0.12%;相對地,烏拉圭的放款比率高居第二名,但備 抵呆帳費用比率卻以4.83%高居第一名,遠高於平均值的 1.09%,這可能意味著 烏拉圭的提列備抵呆帳費用的行為與放款之間呈配合原則,但就存量的備抵呆帳 佔總資產比率,上述的配合似乎就不明顯,烏拉圭的 LLR/TA 為 1.42%,低於 樣本平均值的2.90%。至於台灣的部分,放款比率為 68.07%高於平均值的 53.89,

但備抵呆帳費用卻僅有0.72%低於平均值的 1.09%;備抵呆帳準備也僅有 0.87%

更是遠低於平均水準的2.90%,顯示台灣銀行業備抵呆帳的提列似乎有不足之 虞。

表1:樣本國家銀行家數、及主要經濟變數之敘述統計量

總資產2

國家名稱 銀行家數1 (百萬美元) 放款佔總資產

比率 (%)

備抵呆帳費用 佔總資產比率 (LLP/TA)(%)

備抵呆帳準備 佔總資產比率 (LLR/TA) (%)

經濟成長率 (%) 1 Argentina 112 (64, 28) 1,582 48.21 2.51 5.65 2.63 2 Australia 52 (27, 17) 15,318 73.35 0.65 1.30 3.52 3 Austria 86 (31, 18) 4,828 44.98 0.49 1.07 2.15 4 Belgium 74 (36, 12) 16,833 34.94 0.31 0.18 1.93 5 Brazil 239 (90, 9) 4,859 33.84 2.09 2.82 2.5

(8)

-

說明:括號外數字代表全部樣本之銀行家數,即刪除欠缺1991-2002 年此 12 年資料之 家數;而括號內數字分別為刪缺5 年資料、刪缺 3 年資料之銀行家數。本表所報告指標 之數值為該國刪缺5 年資料 1991-2002 年之平均數。

總資產2

國家名稱 銀行家數1 (百萬美元) 放款佔總資產

比率 (%)

備抵呆帳費用 佔總資產比率 (LLP/TA)(%)

備抵呆帳準備 佔總資產比率 (LLR/TA) (%)

經濟成長率 (%) 6 Canada 81 (35, 22) 23,764 65.77 0.80 1.41 2.78

7 Chile 15 (15, 15) 2,837 62.66 0.57 1.48 5.88

8 Colombia 38 (21, 11) 935 60.32 1.79 2.23 2.37

9 Denmark 79 (55, 36) 4,661 55.80 1.06 3.13 2.24 10 Ecuador 48 (22, 13) 242 48.52 4.82 12.24 2.25

11 Egypt 30 (27, 25) 2,450 45.83 1.17 6.44 4.18

12 Finland 13 (5, 3) 17,427 49.35 0.51 1.06 1.95 13 France 356 (206, 128) 10,776 48.64 0.80 4.14 1.84 14 Germany 372 (162, 87) 7,922 47.56 0.52 2.01 1.67

15 Greece 27 (19, 5) 7,216 41.74 0.52 1.44 2.62

16 Hong Kong 56 (34, 21) 11,211 48.86 0.47 1.36 4.05

17 India 69 (56, 45) 3,742 43.12 0.67 0.94 5.4

18 Indonesia 106 (42, 12) 1,727 57.84 4.57 8.85 4.28 19 Ireland 31 (12, 4) 14,404 57.20 0.23 1.01 7.09 20 Israel 18 (15, 12) 8,700 63.83 0.64 2.71 4.41 21 Italy 122 (54, 39) 18,821 48.09 0.50 2.02 1.52 22 Japan 174 (140, 126) 49,258 70.25 0.66 1.46 1.27

23 Jordan 10 (10, 8) 4,068 43.36 0.60 5.20 5.1

24 Kenya 47 (17, 9) 248 52.10 1.40 5.80 1.6

25 Malaysia 45 (23, 3) 5,165 57.66 0.90 2.96 6.37 26 Mexico 47 (25, 10) 7,427 53.96 1.19 2.81 2.98 27 Netherlands 55 (29, 19) 30,370 46.73 0.26 0.92 2.56 28 New Zealand 14 (6, 5) 7,910 75.58 0.12 0.69 3.04

29 Nigeria 65 (14, 4) 794 27.74 1.22 5.32 2.59

30 Norway 19 (9, 5) 9,552 79.85 0.68 2.41 3.35

31 Pakistan 22 (19, 11) 1,375 43.01 0.62 3.11 3.75

32 Peru 37 (14, 9) 1,094 56.01 1.94 4.12 3.79

33 Philippines 38 (13, 5) 928 54.23 0.61 2.52 3.18 34 Portugal 39 (27, 10) 7,980 42.16 0.42 1.48 2.53 35 Singapore 25 (10, 7) 14,550 64.32 0.74 4.53 6.47 36 South Africa 32 (13, 9) 7,057 74.76 1.18 2.68 1.99 37 South Korea 32 (16, 14) 20,924 57.29 1.09 1.60 6.03 38 Spain 115 (84, 52) 8,719 44.15 0.37 1.53 2.62 39 Sri Lanka 11 (6, 4) 811 56.76 0.53 2.59 4.55 40 Sweden 22 (5, 3) 49,468 51.19 0.91 3.68 1.91 41 Switzerland 229 (143, 78) 1,453 53.68 0.36 2.29 0.81 42 Taiwan 45 (35, 27) 12,198 68.07 0.72 0.87 5.47 43 Thailand 17 (13, 8) 10,207 74.70 1.49 5.51 4.49 44 Turkey 80 (26, 7) 3,248 35.23 1.18 1.43 3.12 45 U.K. 178 (93, 57) 19,830 37.87 0.66 2.15 2.27 46 United States 446 (324, 211) 10,217 60.19 0.60 1.17 2.92

47 Uruguay 78 (5, 1) 627 77.43 4.83 1.42 1.37

48 Venezuela 54 (10, 2) 1,292 43.54 1.29 2.86 1.25 49 Zimbabwe 24 (6, 4) 433 58.31 0.98 5.62 0.28

平均數 82 (44, 25) 9,540 53.89 1.09 2.90 3.16

合計 4,024(2163, 1270) 467,460

(9)

附表1:樣本國家個體經濟變數之敘述統計量

國家代碼 國家名稱 LLP/TA

(%) LLR/TA(%)

Loan/TA (%)

Equity/TA (%)

EBPT/TA (%)

NCO/TA (%)

NPL/TA (%)

1 AR Argentina 2.51 5.65 48.215 18.153 -0.910 6.143 7.899 2 AU Australia 0.65 1.30 73.355 7.370 0.460 0.623 1.414

3 AT Austria 0.49 1.07 44.984 8.816 0.793 na na

4 BE Belgium 0.31 0.18 34.943 9.308 0.956 na 0.521 5 BR Brazil 2.09 2.82 33.84517.199 2.579 2.270 2.867 6 CA Canada 0.80 1.41 65.772 8.391 0.936 0.576 2.543 7 CL Chile 0.57 1.48 62.657 12.319 0.975 0.510 0.646 8 CO Colombia 1.79 2.23 60.324 16.261 1.431 0.895 4.045 9 DK Denmark 1.06 3.13 55.803 10.681 1.204 na 1.125 10 EC Ecuador 4.82 12.24 48.517 -0.172 -1.605 3.930 3.354 11 EG Egypt 1.17 6.44 45.832 9.003 1.215 0.209 na 12 FI Finland 0.51 1.06 49.347 5.454 0.472 0.181 1.292 13 FR France 0.80 4.14 48.638 9.962 0.850 0.760 6.068

14 DE Germany 0.52 2.01 47.557 9.328 0.796 na na

15 GR Greece 0.52 1.44 41.744 7.893 1.098 0.391 2.688 16 HK Hong Kong 0.47 1.36 48.858 14.264 1.784 0.424 2.714 17 IN India 0.67 0.94 43.118 4.955 0.608 0.587 3.108 18 ID Indonesia 4.57 8.85 57.839 6.811 -1.767 2.553 16.970 19 IE Ireland 0.23 1.01 57.203 8.166 0.976 0.240 0.616 20 IL Israel 0.64 2.71 63.835 9.034 0.531 0.224 5.458 21 IT Italy 0.50 2.02 48.086 8.292 0.847 1.022 3.783 22 JP Japan 0.66 1.46 70.249 3.993 -0.043 0.316 3.467 23 JO Jordan 0.60 5.20 43.359 7.454 1.021 0.200 8.214 24 KE Kenya 1.40 5.80 52.100 12.223 3.128 1.170 12.902 25 MY Malaysia 0.90 2.96 57.657 9.802 1.538 na 0.903 26 MX Mexico 1.19 2.81 53.965 16.166 1.079 0.875 3.204 27 NL Netherlands 0.26 0.92 46.728 9.153 1.019 0.013 0.777 28 NZ New Zealand 0.12 0.69 75.579 4.956 1.315 0.114 0.551 29 NG Nigeria 1.22 5.32 27.744 9.490 3.312 0.287 5.710 30 NO Norway 0.68 2.41 79.853 6.139 0.713 0.289 3.221 31 PK Pakistan 0.62 3.11 43.011 6.927 1.258 0.106 6.174 32 PE Peru 1.94 4.12 56.009 10.593 1.344 0.961 6.124 33 PH Philippines 0.61 2.52 54.227 16.466 1.346 0.309 7.641 34 PT Portugal 0.42 1.48 42.163 7.268 0.829 0.337 2.364 35 SG Singapore 0.74 4.53 64.316 14.107 1.599 0.615 8.097 36 ZA South Africa 1.18 2.68 74.765 14.442 1.297 0.875 3.354 37 KR South Korea 1.09 1.60 57.291 5.760 -0.182 1.409 4.416 38 ES Spain 0.37 1.53 44.147 17.807 1.562 0.407 na 39 LK Sri Lanka 0.53 2.59 56.761 8.000 1.783 0.033 8.764 40 SE Sweden 0.91 3.68 51.189 6.818 0.491 na 7.282 41 CH Switzerland 0.36 2.29 53.680 16.932 2.045 na 1.448 42 TW Taiwan 0.72 0.87 68.065 13.595 0.871 2.053 1.287 43 TH Thailand 1.49 5.51 74.699 6.073 -0.915 0.808 22.984 44 TR Turkey 1.18 1.43 35.229 10.065 3.375 0.032 2.636 45 GB U.K. 0.66 2.15 37.874 12.566 1.742 0.587 2.217 46 US United States 0.60 1.17 60.187 9.864 2.289 0.550 0.474 47 UY Uruguay 4.83 1.42 77.431 2.073 -4.872 1.395 7.165 48 VE Venezuela 1.29 2.86 43.543 12.872 4.711 0.794 2.663 49 ZW Zimbabwe 0.98 5.62 58.310 7.343 4.349 0.516 5.529 平均數 1.087 2.903 53.890 9.805 1.066 0.871 4.593 說明:本表所報告指標之數值為該國刪缺5 年資料 1991-2002 年之平均數。

(10)

-

附表2:樣本國家總體經濟變數之敘述統計量

國家代碼 國家名稱 經濟成長率

(%)

每人國民所得 (美元)

總人口數 (百萬美元)

失業率 (%)

1 AR Argentina 2.63 7,669 3462 13.63

2 AU Australia 3.52 21,534 1843 8.20

3 AT Austria 2.15 30,889 795 3.85

4 BE Belgium 1.93 28,352 1017 8.07

5 BR Brazil 2.50 4,400 16261 7.70

6 CA Canada 2.78 20,713 2980 9.08

7 CL Chile 5.88 4,728 1449 6.30

8 Co Colombia 2.37 2,310 3968 12.95

9 DK Denmark 2.24 35,597 527 6.59

10 EC Ecuador 2.25 1,766 1169 9.28

11 EG Egypt 4.18 1,096 5993 9.50

12 FI Finland 1.95 27,682 512 11.98

13 FR France 1.84 27,946 5817 10.80

14 DE Germany 1.67 30,823 8168 8.09

15 GR Greece 2.62 12,059 1047 9.60

16 HK Hong Kong 4.05 23,067 632 3.68

17 IN India 5.40 405 95741 0.00

18 ID Indonesia 4.28 1,000 19672 5.34

19 IE Ireland 7.09 21,687 368 10.07

20 IL Israel 4.41 16,198 577 8.89

21 IT Italy 1.52 19,667 5735 10.83

22 JP Japan 1.27 43,140 12575 3.64

23 JO Jordan 5.10 1,573 439 14.40

24 KE Kenya 1.60 334 2771 21.30

25 MY Malaysia 6.37 4,305 2143 3.12

26 MX Mexico 2.98 3,467 9303 3.23

27 NL Netherlands 2.56 28,304 1559 5.09

28 NZ NewZealand 3.04 16,760 373 7.33

29 NG Nigeria 2.59 256 11596 7.83

30 NO Norway 3.35 35,558 440 4.44

31 PK Pakistan 3.75 499 12727 5.82

32 PE Peru 3.79 2,193 2444 7.96

33 PH Philippines 3.18 1,114 7093 8.88

34 PT Portugal 2.53 11,528 1001 5.39

35 SG Singapore 6.47 24,159 369 3.05

36 ZA South Africa 1.99 3,951 4062 14.20

37 KR South Korea 6.03 11,827 4558 3.44

38 ES Spain 2.62 15,795 3972 17.98

39 LK Sri Lanka 4.55 785 1765 11.48

40 SE Sweden 1.91 29,593 881 7.35

41 CH Switzerland 0.81 44,956 706 3.18

42 TW Taiwan 5.47 12,083 2148 2.62

43 TH Thailand 4.49 2,696 5919 1.89

44 TR Turkey 3.12 2,834 6345 7.86

45 GB U.K. 2.27 20,277 5845 7.45

46 US United States 2.92 28,943 27011 5.53

47 UY Uruguay 1.37 6,085 325 11.35

48 VE Venezuela 1.25 3,454 2254 10.75

49 ZW Zimbabwe 0.28 624 1181 5.97

平均數 3.16 14,217.98 6317 7.89

第一四分位 2,310

第三四分位 24,159

說明:若未特別強調,本表所報告指標之數值為該國1991-2002 年之平均數。

(11)

表2:個體指標與經濟發展之相關係數

LLP/TA LLR/TA Equity/TA NCO/TA Loan/TA NPL/TA EBPT/TA

GDP growth rate

GDP per capita LLP/TA 1 0.49 -0.24 0.40 0.03 0.38 -0.40 -0.18 -0.11 LLR/TA 1 -0.40 0.39 -0.03 0.81 -0.26 -0.08 -0.12 Equity/TA 1 0.16 -0.19 -0.10 0.33 0.01 -0.03 NCO/TA 1 -0.04 0.09 -0.01 -0.08 -0.10 Loan/TA 1 0.05 -0.05 0.05 0.16

NPL/TA 1 -0.19 -0.20 -0.19

EBPT/TA 1 0.11 0.01

GDP growth rate 1 -0.28

GDP per capita

1 表 2 為「備抵呆帳費用比率 (LLP/TA)」、「提列備抵呆帳及稅前盈餘比率 (EBPT/TA)」與「經濟成長率 (GDP growth Rate)」、「每人國民所得 (GDP per capita)」等變數之相關係數。LLP/TA 與 EBPT/TA 及經濟成長率都呈現負相關,

表示當銀行的盈餘、或總體經濟衰退時,銀行反而傾向提列較高的備抵呆帳。而 且,LLP/TA 與每人國民所得的相關係數為負數,表示越貧窮的國家,其銀行反 而提列較高的備抵呆帳,這樣的結果也許是反映出越貧窮的國家,其金融體系的 逾期放款的比率較高的事實(係數為-0.19)。

表3:經濟發展與個體指標、法規制度

Countries sorted by Income

GDP per capita

GDP growth rate (%)

LLP/TA (%)

LLR/TA (%)

Equity/TA (%)

EBPT/TA (%)

TIER2 MINIRES PENALITY

A. Means

Bottom 25% 864.18 4.00 1.97 6.64 7.29 0.66 1 1 na Mid 50% 12210.22 3.16 1.05 2.39 12.81 1.19 0.68 0.56 0.38 Top 25% 32648.27 2.13 0.63 1.99 9.83 1.27 0.96 0.96 0.60

B. Tests of Means Mid 50% vs.

Top 25% 217.21*** -26.46*** -8.56*** -4.62*** -15.01*** 0.78 47.27*** 62.93*** 26.61***

Botton 25%

vs. Mid 50% -152.24*** 11.03*** 4.53*** 8.08*** -11.92*** -2.77** 55.26*** 70.94*** na Botton 25%

vs. Top 25% -538.47*** 27.31*** 6.73*** 8.90*** -5.76*** -3.43*** 18.97*** 18.97*** na 註:

1. TIER2 中以 1 表示「一般準備可列入第二類資本」的國家, 0 則為否;MINIRES 中以 1 表示有「要求最低之備抵呆帳費用」的國家,0 則為否;PENALITY 中以 1 表示「在過去五 年針對備抵呆帳費用有任何的處份」的國家,0 則為否

2. 所得最低 25%的國家,由於在過去五年針對備抵呆帳費用皆無任何的處份,故以 na 表示。

3. ***、 **及 *分別代表 1%、5%及 10% 顯著水準。

表3 係按照所得排序將國家分成 25%,50%及 75%百分比,並簡稱為低、中、

高所得國家。低所得國家共有12 國,在 1991-2002 年的國民所得平均為 864 美

(12)

-

元,其經濟成長率最高為 4.00%;中所得國家共有 24 國,國民所得平均為 12210 美元的,其經濟成長率為 3.16%;高所得國家共有 13 國,國民所得平均為 32648 美元的,由於經濟體系已趨成熟,故經濟成長率僅有 2.13%。

所得越高的國家傾向提列越高的備抵呆帳費用比率,例如低所得的國家提列 的LLP/TA 比率為 1.97%,而高所得國家為 0.63%,前者是後者的三倍,這可能 是低所得國家的壞帳較高,故提列較高的LLP/TA 比率。但就 EBPT/TA (提列備 抵呆帳及稅前盈餘佔總資產比率)卻正好相反,低所得國家平均為 0.66%,高所 得國家平均為1.27%,後者是前者的二倍。顯示高所得國家金融業的資產品質似 乎高於低所得國家,且獲利能力也較高。

另外,由於現存國際文獻通常以國家加入國際性組織,如G10、OECD、EU 或以國家所在的地理位置,如Europe、Latin America、Asia作為解釋提列備抵呆 帳的趨勢。然而縱使在相同國際性組織或是相同區域,各國對備抵呆帳之規定還 是不盡相同,且Hasan and Wall (2003)建議後續的研究應該加強考慮個別國家對 備抵呆帳之特別規定,以此才能真正探究跨國性的銀行備抵呆帳之提列的情形。

故表3也加入法規制度。

若就備抵呆帳的相關法規來看,可發現低所得國家中所有國家皆允許銀行將「一 般準備可列入第二類資本」,高所得國家中為96%,但中所得國家中有卻僅有 68%

的國家,允許銀行將「一般準備可列入第二類資本」。接著,就是否要求「要求 最低之備抵呆帳費用」,低所得國家也是所有國家皆要求銀行提撥最低的備抵呆 帳費用,高所得國家中為96%,但中所得國家中有卻僅有 56%的國家有要求。

但相反地,低所得國家在過去五年皆未有針對備抵呆帳費用的任何處份,中所得 國家為38%,而高所得國家中有 60%在過去五年有過處份記錄,顯示高所得國 家的執法效能較高。

(13)

4.實證結果

表4 報告測試所得平滑理論與景氣循環的影響的實證結果。首先我們使用基 本模型,在第一欄我們發現盈餘與所得成長的係數分別為正及負,與Laeven and Majnoni (2003) 相符--即稅前盈餘越高時,銀行傾向提列較高的備抵呆帳,但放 款成長或是景氣成長越高的情況,銀行卻傾向提列較低的備抵呆帳,分別支持所 得平滑理論與及景氣樂觀效果。在表4 第 2 欄則加入其他的控制變數,發現上述 的「逾期放款成長幅度」或是「淨打消壞帳比率」越高時,銀行也會傾向提列較 高的備抵呆帳;但同時若可作為不可預期的放款損失的「權益資本比率」越高時,

銀行減少提列備抵呆帳。

表 4 的第 3 欄與第 4 欄報告延伸模型,即考慮景氣循環的影響。本文發 現當總體的景氣好且銀行的獲利佳的情況之下,銀行會提列較高的備抵呆帳,

121 . 1 =0

α 為顯著的正號,支持「所得平滑理論加強假設」,顯示銀行會有晴天備 糧的準備;而當景氣樂觀、銀行獲利不佳的情況,α2 =−0.057為顯著的負號,

即銀行傾向降低備抵呆帳的提列。第三種情況是當景氣衰退但銀行有正獲利,此 時模型C的 3α 係數為顯著的負數 (-0.016),符合文獻上的個別討論。最後,當景 氣處於下坡、且銀行獲利也不佳的狀況下,α4= 0.058,表示銀行反而會提高備 抵呆帳,所以驗證金融體系的備抵呆帳提列政策為向後看 (backward looking)3

表 5則將國家依地區分類,分成歐洲、美國、日本、拉丁美洲及亞洲。其中 最值得注意的是,亞洲當景氣好且銀行的獲利佳的情況之下,銀行並未提列較高 的備抵呆帳,顯示亞洲的銀行在金融風暴之前備抵呆帳的水位不足以應付放款的 損失,反而是在景氣差但銀行獲利佳的情況下,提列較高的備抵呆帳,這也許是 金融風暴之後,受前車之鑑加上金融改革所影響。

表 6 延續表 5 除依地區分類之外,更加入控制變數。發現美國的銀行當景 氣處於下坡、且銀行獲利也不佳的狀況下,銀行基於穩定盈餘的考量,會減少備 抵呆帳的提列,不似拉丁美洲與亞洲的銀行會提高備抵呆帳的提列。另外,日本

3 詳見 Borio et al. (2001)及 Beattie et al. (1995) 的討論。

(14)

-

與亞洲的銀行若權益資本越高時,銀行提列備抵呆帳的誘因就會下降,其中又以 日本特別明顯。

表7報告備抵呆帳相關法規的影響。4與先前基礎模型比較(見表4),一致的結 果是:景氣差且獲利不佳的銀行,都會增加提列備抵呆帳,呈現「加強式反景氣 循環」;且景氣差但獲利佳的銀行,會減少提列備抵呆帳。然而稍有不同的是:

景氣好且獲利佳的銀行,若法規允許將備抵呆帳列入第二類資本或過去對備抵呆 帳有任何處份的國家,則銀行才會傾向提列較高的備抵呆帳,再度支持「所得平 滑理論加強假設」加強。可見考慮備抵呆帳的法規制定,確實會影響銀行提列備 抵呆帳的行為。

接著為了更能清楚地觀察法規制度對備抵呆帳的影響,我們將模型回復到一 般的模型,即未考慮景氣與盈餘的交互影響,實證結果報告於表8。本文發現:

不同的法規制度,景氣成長與備抵呆帳比率之間皆呈現顯著的負向關係,顯示銀 行提列備抵呆帳的行為呈現反景氣循環。但就盈餘方面,考慮不同的法規制度有 不同的結果,即若國家允許將「一般準備可列入第二類資本」、或有「要求最低 之備抵呆帳費用」、或在「過去五年針對備抵呆帳費用有過的處份」的國家,當 銀行盈餘提高時,傾向提列較高的備抵呆帳費用,支持「所得平滑假說」;若否,

盈餘與備抵呆帳反而呈現負向關係,顯示當法令不允許將「一般準備可列入第二 類資本」、或未「要求最低之備抵呆帳費用」的國家,當銀行盈餘增加時,銀行 也無誘因提列較高的備抵呆帳費用。

5.結 論

本文的主旨是探討銀行備抵呆帳與景氣及盈餘的關係。本文與過去文獻不同 的是,他們假設景氣循環與盈餘互相獨立地影響備抵呆帳,本文則假設景氣循環

4 「一般準備是否可列入第二類資本?」與「是否要求最低之備抵呆帳費用?」的實證結果相同,

原因是允許「一般準備是可列入第二類資本」的國家,幾乎也會要求「最低之備抵呆帳費用」,

其中包括G-10 國家中的法國、德國、義大利、日本、英國和美國;non-G-10國家中的澳大利亞、智 利、捷克、香港、印度、南韓、墨西哥、俄羅斯、沙烏地阿拉伯、新加坡、南非與台灣。

(15)

與盈餘是互相影響。當景氣好時,人們也會對未來景氣表現樂觀的想法,此時即 使銀行盈餘是負的,銀行多提列的備抵呆帳,相信未來將很快地弭平多提列的部 分,這樣的情形與銀行的盈餘是正時,幅度可能也相差不多;反之,當景氣不好 時,如果銀行的盈餘又是負的,銀行可能認為情況不會更惡化,故銀行可能會大 幅地提列備抵呆帳。

本文發現當景氣好且銀行的獲利佳的情況之下,銀行會提列較高的備抵呆 帳,支持「所得平滑理論加強假設」,顯示銀行會有晴天備糧的準備;而當景氣 樂觀、銀行獲利不佳的情況,或是當景氣衰退但銀行有正獲利,銀行傾向降低備 抵呆帳的提列。但當景氣處於下坡、且銀行獲利也不佳的狀況下,銀行反而會提 高備抵呆帳,所以驗證金融體系的備抵呆帳提列政策為向後看。

若將國家依地區分類,分成歐洲、美國、日本、拉丁美洲及亞洲。發現亞洲 當景氣好且銀行的獲利佳的情況之下,銀行並未提列較高的備抵呆帳,顯示亞洲 的銀行在金融風暴之前備抵呆帳的水位不足以應付放款的損失,反而是在景氣差 但銀行獲利佳的情況下,提列較高的備抵呆帳,這也許是金融風暴之後,受前車 之鑑加上金融改革所影響。也發現美國的銀行當景氣處於下坡、且銀行獲利也不 佳的狀況下,銀行基於穩定盈餘的考量,會減少備抵呆帳的提列,不似拉丁美洲 與亞洲的銀行會提高備抵呆帳的提列。另外,日本與亞洲的銀行若權益資本越高 時,銀行提列備抵呆帳的誘因就會下降,其中又以日本特別明顯。

本文還發現法規制度會影響銀行提列備抵呆帳的行為。一致的結果是考慮制度面 之後,景氣差且獲利不佳的銀行,都會增加提列備抵呆帳,「加強式反景氣循環」

更為明顯;且景氣差但獲利佳的銀行,會減少提列備抵呆帳。然而稍有不同的是:

景氣好且獲利佳的銀行,若法規允許將備抵呆帳列入第二類資本或過去對備抵呆 帳有任何處份的國家,則銀行才會傾向提列較高的備抵呆帳,再度支持「所得平 滑理論加強假設」加強。可見考慮備抵呆帳的法規制定,確實會影響銀行提列備 抵呆帳的行為。

(16)

-

表 4 測試所得平滑理論與景氣循環的影響

測試所得平滑理論 測試景氣循環的影響

(A) (B) (C) (D)

EBPT

GDP growth

Loan growth

Equity

NPL growth

Net Charge-off

0.068***

(15.738)

-0.0004***

(-4.140)

-0.052***

(-16.076)

0.153***

(24.026)

-0.00006 (-0.552)

-0.025***

(-7.612) -25.682***

(-23.495) 0.350 (73.672)***

0.673***

(76.436)

GDPgood_EBPT_P

GDPgood_EBPT_N

GDPbad_EBPT_P

GDPbad_EBPT_N

Loan growth

Equity

NPL growth

Net Charge-off

0.067***

(20.604) -0.170***

(-13.306) -0.016***

(-7.819) 0.058***

(26.068) -0.046***

(-14.501)

0.121***

(27.858) -0.053**

(-2.470) 0.017***

(13.299) 0.009***

(4.620) -0.025***

(-8.397) -26.511***

(-23.709) 0.317***

(68.635) 0.627***

(68.945)

Hausman test (p-value) R-square No. of bank-year

No. of banks

0.000***

0.145 16797 2163

0.000***

0.818 4760 2163

Hausman test (p-value) R-square No. of bank-year

No. of banks

0.000***

0.169 16797 2163

0.000***

0.846 4760 2163 註:

1. 採用Panel Random Effect 模型。應變數為「備抵呆帳佔總資產比率」 (LLPTA),EBPT 為「提列備抵呆帳及稅前盈餘佔總資產比率」。GDP growth 為「國民所得實質成長 率」。Loan growth 為「放款佔總資產比率相較於前一期變動」。Equity 為「權益資 本佔總資產比率」。NPL growth 為「逾期放款佔總資產比率相較於前一期變動」。

Net Charge-off 為「淨打消壞帳佔總資產比率」。

2. GDPgood 表示該年度國民所得實質所得率高於該國1991-2002年的平均值;反之,

GDPbad為該年度國民所得實質所得率低於該國1991-2002年的平均值。而EBPT_P則 表示該年度銀行的獲利為正的幅度,是真實數值而非虛擬變數;反之EBPT_N則表示 該年度銀行的獲利為負的幅度。換言之,GDPgood_EBPT_P 則表示總體的景氣好且 銀行的獲利佳的情況。

3. 樣本為刪除欠缺1991-2002年中5年以上之樣本資料。並為求精簡未報告截距項。

4. 括號內數字為 t值; ***、 **及 *分別代表1%、5%及10% 顯著水準。

(17)

表 5 測試所得平滑理論與景氣循環的影響—依地區作分類

Europe USA Japan Latin

America

Asia

GDPgood_EBPT_P

GDPgood_EBPT_N

GDPbad_EBPT_P

GDPbad_EBPT_N

Loan growth

0.008***

(2.887) 0.035*

(1.771) -0.082***

(-14.438) 0.224***

(5.206) -0.005***

(-3.372)

0.089***

(23.480) -0.128 (-0.733) -0.075***

(-4.988) -0.506***

(-3.138) -0.032***

(-4.524)

0.155**

(2.277) -0.890**

(-2.650) 0.049 (0.888) -0.167 (-1.003) -0.006 (-0.429)

0.087***

(10.140) -0.242***

(-13.091) -0.048***

(-7.343) 0.108***

(30.349) -0.037***

(-5.090)

-0.207***

(-3.317) -0.282 (-0.637) 0.016**

(2.667) -0.010 (-1.446) -0.167***

(-7.473)

Hausman test (p-value) R-square No. of bank-year No. of banks

0.489 0.286

6767 939

0.000***

0.331 2715 324

0.074 0.149

1417 140

0.000***

0.494 1930 244

0.000***

0.108 1633 217

註:

1. 採用Panel Random Effect 模型。應變數為「備抵呆帳佔總資產比率」 (LLPTA)。

GDPgood 表示該年度國民所得實質所得率高於該國1991-2002年的平均值;反之,

GDPbad為該年度國民所得實質所得率低於該國1991-2002年的平均值。而EBPT_P則 表示該年度銀行的獲利為正的幅度,是真實數值而非虛擬變數;反之EBPT_N則表示 該年度銀行的獲利為負的幅度。換言之,GDPgood_EBPT_P 則表示總體的景氣好且 銀行的獲利佳的情況。Loan growth 為「放款佔總資產比率相較於前一期變動」。

2. “Europe”包括比利時、丹麥、芬蘭、法國、德國、希臘、愛爾蘭、義大利、荷蘭、挪 威、葡萄牙、瑞典、西班牙、瑞士和英國。”Latin America”包括阿根廷、巴西、智利

、哥倫比亞、墨西哥、秘魯、烏拉圭和委內瑞拉。”Asia”包括印度、印尼、韓國、馬 來西亞、巴基斯坦、菲律賓、台灣與泰國。”USA”指的是美國。

3. 樣本為刪除欠缺1991-2002年中5年以上之樣本資料。並為求精簡未報告截距項。

4. 括號內數字為 t值; ***、 **及 *分別代表1%、5%及10% 顯著水準。

(18)

-

表 6 測試所得平滑理論與景氣循環的影響—依地區並加入控制變數

Europe USA Japan Latin

America Asia

GDPgood_EBPT_P

GDPgood_EBPT_N

GDPbad_EBPT_P

GDPbad_EBPT_N

Loan growth

Equity

NPL growth

Net Charge-off

0.022 (0.938) -1.059***

(-21.861) -0.049*

(-1.721) -0.613 (-0.879) -0.015***

(-2.856) 11.978 (1.049) 0.281***

(9.719) 0.757***

(14.246)

0.052***

(14.972) -0.053 (-1.132) 0.010***

(2.389) -0.438***

(-9.736) 0.010***

(5.035) -0.947 (-1.401) 0.176***

(4.525) 0.864***

(104.118)

0.152*

(1.699) -0.111 (-0.616) 0.107***

(3.325) -0.070 (-0.772) -0.033***

(-3.247) -17779.195***

(-36.577) 0.141***

(12.256) 0.394***

(10.695)

0.026 (1.496) 0.262 (0.659) -0.020***

(-3.346) 0.009**

(2.553) -0.026**

(-2.666) -0.369 (-0.097) 0.252***

(7.858) 0.108**

(2.227)

-0.018 (-0.148)

-0.283 (-0.818) 0.019***

(5.772) 0.046***

(4.941) -0.066***

(-3.133) -178.052***

(-5.263) 0.312***

(22.729) 0.463***

(11.511)

Hausman test (p-value) R-square No. of bank-year No. of banks

0.037**

0.866 203 939

0.000***

0.961 2213

324

0.000***

0.845 959 140

0.328 0.850 248 244

0.771 0.849 1633 217

註:

5. 採用Panel Random Effect 模型。應變數為備抵呆帳佔總資產比率」 (LLPTA),EBPT提列備 抵呆帳及稅前盈餘佔總資產比率」。GDP growth 國民所得實質成長率」。Loan growth 為「

放款佔總資產比率相較於前一期變動」。Equity 為「權益資本佔總資產比率」。NPL growth 為「

逾期放款佔總資產比率相較於前一期變動」。Net Charge-off 為「淨打消壞帳佔總資產比率」。

6. GDPgood 表示該年度國民所得實質所得率高於該國1991-2002年的平均值;反之,GDPbad 為 該年度國民所得實質所得率低於該國1991-2002年的平均值。而EBPT_P 則表示該年度銀行的獲 利為正的幅度,是真實數值而非虛擬變數;反之EBPT_N則表示該年度銀行的獲利為負的幅 度。換言之,GDPgood_EBPT_P 則表示總體的景氣好且銀行的獲利佳的情況。

7. “Europe”包括比利時、丹麥、芬蘭、法國、德國、希臘、愛爾蘭、義大利、荷蘭、挪威、葡 萄牙、瑞典、西班牙、瑞士和英國。”Latin America”包括阿根廷、巴西、智利、哥倫比亞、

墨西哥、秘魯、烏拉圭和委內瑞拉。”Asia”包括印度、印尼、韓國、馬來西亞、巴基斯坦、

菲律賓、台灣與泰國。”USA”指的是美國。

8. 樣本為刪除欠缺1991-2002年中5年以上之樣本資料。並為求精簡未報告截距項。

9. 括號內數字為 t值; ***、 **及 *分別代表1%、5%及10% 顯著水準。

參考文獻

相關文件

The ontology induction and knowledge graph construction enable systems to automatically acquire open domain knowledge. The MF technique for SLU modeling provides a principle model

• To enhance teachers’ knowledge and understanding about the learning and teaching of grammar in context through the use of various e-learning resources in the primary

Xianggang zaji (miscellaneous notes on Hong Kong) was written by an English and translated into Chinese by a local Chinese literati.. Doubts can therefore be cast as to whether

vs Functional grammar (i.e. organising grammar items according to the communicative functions) at the discourse level2. “…a bridge between

(b) reviewing the positioning of VPET in the higher education system in Hong Kong, exploring the merits of developing professional vocational qualifications at the degree

Wang, Solving pseudomonotone variational inequalities and pseudocon- vex optimization problems using the projection neural network, IEEE Transactions on Neural Networks 17

In this paper, we build a new class of neural networks based on the smoothing method for NCP introduced by Haddou and Maheux [18] using some family F of smoothing functions.

Define instead the imaginary.. potential, magnetic field, lattice…) Dirac-BdG Hamiltonian:. with small, and matrix