i napięcia w systemie finansowym w środowisku ujemnych stóp procentowych 1

6]NRáD*áyZQD+DQGORZDZ:DUV]DZLH

Stabilność finansowa

i napięcia w systemie finansowym w środowisku ujemnych stóp procentowych ¹

Wprowadzenie i motywacja

:FHOXRVLąJQLĊFLDVZRLFKPDQGDWRZ\FKFHOyZEDQNyZFHQWUDOQ\FK(XUR- SHMVNL%DQN&HQWUDOQ\(&%'DQPDUNV1DWLRQDOEDQN'1%6YHULJHV5LNVEDQN

5LNVEDQN 1DURGRZ\ %DQN 6]ZDMFDULL 61% 0DJ\DU 1HP]HWL %DQN 01% RUD]%DQN-DSRQLL%R-REQLĪ\áRF]ĊĞüVZRLFKVWySSURFHQWRZ\FKGRZDUWRĞFL

XMHPQ\FK±FKRüZOLWHUDWXU]HGRPLQRZDáRZyZF]DVSU]HNRQDQLHĪHQRPLQDOQH

VWRS\SURFHQWRZHQLHPRJąE\üXMHPQH5RELQVRQ6WRQH

=QDF]HQLHSROLW\NLXMHPQ\FKVWySSURFHQWRZ\FKPRĪHZ\QLNDü]MHMQLHNRQ- ZHQFMRQDOQHJR FKDUDNWHUX RUD] JHQHURZDQ\FK SU]H] QLą NRV]WyZ 3R SLHUZV]H

PLPRWUXGQRĞFLPHWRGRORJLF]Q\FKSROLW\NDXMHPQ\FKVWySSURFHQWRZ\FK1HJDWLYH

LQWHUHVWUDWHVSROLF\±1,53LVWRWQLH]ZLĊNV]DU\]\NRZ\FRIDQLDJRWyZNL]VHNWRUD

EDQNRZHJR$E\XQLNQąüXMHPQHMVWRS\]ZURWXSRGPLRW\HNRQRPLF]QHSUHIHUXMą

ERZLHP RV]F]ĊGQRĞFL JRWyZNRZH ]DPLDVW GHSR]\WyZ EDQNRZ\FK 6RGHUVWURP

:HVWHUPDUN'RGDWNRZR1,53±SRGREQLHMDNQLVNLHVWRS\SURFHQWRZH±

]PQLHMV]D UHQWRZQRĞü Z VHNWRU]H EDQNRZ\P SRSU]H] HUR]MĊ PDUĪ\ RGVHWNRZHM

*HQD\3RGMDVHN+DQQRXQ%DQNLQLHFKĊWQLHUHGXNXMą]DWHPNRV]W\

ILQDQVRZDQLD V]F]HJyOQLH Z RGQLHVLHQLX GR GHSR]\WyZ EDQNRZ\FK -HGQRF]H- ĞQLH ]H Z]JOĊGX QD WR ĪH XMHPQH VWRS\ SURFHQWRZH ]QDMGXMą RG]ZLHUFLHGOHQLH

ZQLVNLFKOXEXMHPQ\FKUHQWRZQRĞFLDFKREOLJDFMLLQVW\WXFMHILQDQVRZHGRNRQXMą



 7HNVW Z ZHUVML SRGVWDZRZHM ]RVWDá RSUDFRZDQ\ Z UDPDFK EDGDĔ VWDWXWRZ\FK Z ,QVW\WXFLH

)LQDQVyZ6]NRá\*áyZQHM+DQGORZHMZ:DUV]DZLH.=,)6LRSXEOLNRZDQ\Z)LQDQFH5HVH- DUFK/HWWHUV,661SRGW\WXáHP1HJDWLYHLQWHUHVWUDWHVDVV\VWHPLFULVNHYHQW]JRGQLH

]GHF\]Mą]GQLDNZLHWQLDU1LQLHMV]DZHUVMDWHNVWX]RVWDáDUR]V]HU]RQDRQRZHREOLF]HQLD

LDQDOL]\GODNUDMyZ

transferu kapita áu w kierunku bardziej ryzykownych form inwestycji (tzw. search for yield). Efekt ten jest szczególnie silny w przypadku funduszy inwestycyjnych i firm ubezpieczeniowych, poniewa Ī instytucje te dąĪą do uzyskania zaáoĪonych stóp zwrotu z oferowanych produktów (Dell Ariccia et al. 2013). Mo Īe to powo- dowa ü ryzyko przeszacowania na rynku finansowym, co w konsekwencji zwiĊksza prawdopodobie Ĕstwo powstania baniek cenowych (Hott, Jokipii 2012).

Bior ąc pod uwagĊ wspomniane wyĪej skutki ujemnych stóp procentowych, sprawdzili Ğmy poziom ryzyka systemowego w gospodarce i oceniliĞmy, czy NIRP istotnie wp áywa na jego wzrost. Takie podejĞcie zastosowaliĞmy dla 3 krajów (Dania, Szwecja, Szwajcaria) oraz strefy euro. Dla porównania za pomoc ą tej samej metody badawczej oszacowali Ğmy poziom ryzyka systemowego takĪe w 14 innych krajach, w których stopy procentowe banków centralnych s ą dodatnie.

Niniejsze badanie mo Īe mieü nastĊpujące praktyczne zastosowanie. Po pierw- sze, istnieje mo ĪliwoĞü wáączenia miary ryzyka systemowego w postaci przed- stawianego indeksu do modeli prze áącznikowych Markova, aby – w kategoriach ryzyka – oceni ü obecny stan danej gospodarki (Hollo et al. 2012). Kolejne zasto- sowanie dotyczy modeli klasy ekonomicznej, m.in. modelu TVAR (threshold vector autoregression), w których niniejszy wska Ĩnik moĪe posáuĪyü do wyznaczenia wielko Ğci ryzyka systemowego, które jest na tyle istotne, aby wywoáywaü nega- tywne konsekwencje w gospodarce realnej. Indeks ten mo Īna wiĊc wykorzystywaü podobnie jak inne miary ryzyka finansowego w modelowaniu makroekonomicznym i wp áywu szoków zewnĊtrznych na gospodarkĊ (por. Hubrich, Tetlow 2014; Hart- mann et al. 2012). Po trzecie, wnioski z niniejszego tekstu dowodz ą zasadnoĞci wydzielenia nadzoru makroostro ĪnoĞciowego w celu monitorowania i eliminowania nierównowag w systemie finansowym (generowanych np. przez NIRP).

Artyku á jest podzielony na cztery czĊĞci – w drugiej opisano metodĊ badawczą oraz dane wykorzystane do analizy, a w trzeciej wyniki empiryczne. W cz ĊĞci ostatniej podsumowano wnioski z przeprowadzonego badania.

1. Metoda badawcza

Aby oceni ü poziom napiĊü w systemie finansowym, zastosowaliĞmy komplekso- w ą miarĊ ryzyka systemowego zaproponowaną przez Hollo et al. (2012), nazwaną CISS (Composite Indicator of Systemic Stress). Jednak Īe aby podkreĞliü znaczenie sektora bankowego dla stabilno Ğci finansowej (np. Sohn, Park 2016), rozszerzyli- Ğmy pierwotne podejĞcie o informacjĊ z danych bilansowych sektora bankowego (szczegó áowe dane dotyczące wykorzystanych zmiennych zamieĞciliĞmy w aneksie).

W ten sposób jednocze Ğnie podkreĞliliĞmy, Īe istotna czĊĞü ryzyka systemowego

ma swoje Ĩródáo w sektorze bankowym. Bazując na dotychczasowych wynikach

literatury przedmiotu, do analizy wybrali Ğmy równieĪ zmienne opisujące poziom

ryzyka w pi Ċciu dodatkowo wydzielonych segmentach (patrz zaáącznik).

Konstrukcja CISS sk áada siĊ z trzech etapów. Pierwszy z nich polega na doko- naniu standaryzacji danych poprzez transformacj Ċ zmiennych na podstawie miar umiejscowienia i dyspersji ich skumulowanej dystrybuanty empirycznej (empirical cumulative distribution function – CDF), przy uwzgl Ċdnieniu rangi obserwacji:





(1)

Powy Īsza kalkulacja zostaáa przeprowadzona dla t = 1, 2, ..., n, gdzie x

ozna- cza szereg czasowy zmiennej x = (x

, x

, ..., x

) z ca ákowitą liczbą obserwacji n.

Uporz ądkowane (rangami) wartoĞci zmiennej są oznaczone jako (x

, x

, ..., x

), gdzie x

” x

” ... ” x

z [r] okre Ğlającym numer rangi przypisanej do kon- kretnej realizacji x

. Zatem skumulowana dystrybuanta empiryczna F

(x

) mierzy ca ákowitą liczbĊ obserwacji x

, których warto Ğü nie przekracza okreĞlonej wartoĞci x

podzielonej przez wielko Ğü próby. JeĪeli wartoĞü x pojawia siĊ wiĊcej niĪ raz, to ranga dla tej obserwacji stanowi Ğrednią przypisanych do nich rang.

Po drugie, ka Īda ze zmiennych poddanych standaryzacji jest zagregowana na poziom sektora poprzez wyznaczenie Ğredniej arytmetycznej.

Ostatnim etapem metody badawczej jest agregacja warto Ğci z poziomu sek- torowego na ko Ĕcową wartoĞü wskaĨnika CISS. Dokonano tego analogicznie do agregacji ryzyka pojedynczych aktywów finansowych do poziomu ryzyka dla ca áego portfela, zgodnie z podejĞciem wspóáczesnej teorii portfelowej (modern portfolio theory). Zatem oprócz ryzyka towarzysz ącego pojedynczemu sektorowi zosta áa uwzglĊdniona równieĪ korelacja pomiĊdzy nimi. Co istotne, w naszym podej Ğciu dopuĞciliĞmy moĪliwoĞü zmiennej korelacji w czasie oszacowanej przy u Īyciu wykáadniczo waĪonej Ğredniej ruchomej (EWMA):

s

= ls

+ (1 – l)s-

s-

s

= ls

+ (1 – l)s-

(2)

r

= s

/ s

s

gdzie i = 1, ..., 6, j = 1, ..., 6, i  j, oraz t = 1, ..., T.

Zgodnie z naszym za áoĪeniem, Īe indeksy sektorowe stanowią zwykáą Ğred-

ni ą arytmetyczną poszczególnych wystandaryzowanych szeregów czasowych, ich

mediana powinna by ü w rzeczywistoĞci zbliĪona do median poszczególnych rozkáa-

dów dystrybuanty (tj. wynosi ü 0,5). Tak wiĊc w powyĪszym równaniu stosujemy

zabieg koryguj ący o ten czynnik – zgodnie z metodologią przedstawioną przez

Hollo et al. (2011) – w postaci s-

= s

– 0.5. Natomiast Ȝ ࣅ (0,1) jest staáym w czasie parametrem wyg áadzającym na poziomie of 0,93.

Wagi poszczególnych sektorów w ostatecznej warto Ğci CISS są z kolei determi- nowane przez znaczenie wp áywu ryzyka danego sektora na gospodarkĊ realną. Innymi s áowy, w konstrukcji niniejszego indeksu wagi są mierzone przez relatywne porównanie skumulowanych impulsów reakcji tempa wzrostu PKB na szok pochodz ący z dane- go sektora. W zwi ązku z moĪliwymi zmianami strukturalnymi w dynamice wzrostu gospodarczego dopu ĞciliĞmy równieĪ moĪliwoĞü zmian wag w czasie poprzez zastoso- wanie modelu VAR (vector autoregressive) estymowanego w ruchomym oknie próby.

Ostatecznie, zak áadając, Īe wskaĨnik CISS jest miarą ciągáą, nieposiadającą pierwiastków jednostkowych oraz ograniczon ą w przedziale , obliczamy jej war- to Ğü zgodnie z poniĪszą formuáą:

CISS

= (w

° s

)C

(w

° s

)' (3) gdzie:

w

= (w

, ..., w

) – wektor zmiennych w czasie wag okre Ğlających kontrybucjĊ sektorów do finalnej warto Ğci CISS,

s

= (s

, ..., s

) – wektor warto Ğci ryzyka na poziome sektorów,

w

° s

– produkt Hadamarda wektora wag oraz warto Ğci ryzyka sektorowego w okresie t.

C

– macierz zmiennych w czasie wspó áczynników korelacji r

pomi Ċdzy sek- torami i oraz j.

2. Wyniki analizy

Wyniki przeprowadzonej analizy pozwalaj ą na identyfikacjĊ 4 okresów napiĊü w systemie finansowym, w których poziom CISS by á zauwaĪalnie wyĪszy niĪ w okresach pozosta áych (wykres 1). Wydzielone okresy przyporządkowaliĞmy do 2 grup: kategorii podwy Īszonego ryzyka w systemie finansowym oraz kate- goriiwysokiego ryzyka systemowego. Co istotne, wszystkie wskazane okresy s ą mo Īliwe do zidentyfikowania w kaĪdym z analizowanych krajów.

Pierwsze istotne zaburzenie w systemie finansowym zidentyfikowane przez histo- rycznie najwy Īszy poziom CISS dotyczy globalnego kryzysu finansowego (GFC – Global Financial Crisis). Dla wi ĊkszoĞci przeanalizowanych krajów (poza Szwajcarią) wska Ĩnik CISS osiągnąá podczas wskazanego kryzysu historycznie najwyĪszy poziom.

Po tym okresie obserwowano dynamiczny spadek CISS do momentu drugiego istot- nego zaburzenia w systemie finansowym – kryzysu zad áuĪeniowego w strefie euro.

Zidentyfikowali Ğmy równieĪ 2 zdarzenia, w których trakcie poziom ryzyka

systemowego nie by á tak wysoki jak podczas GFC oraz kryzysu zadáuĪeniowe-

go, ale jego poziom wskazywa á na istotne prawdopodobieĔstwo materializacji

ryzyka w systemie finansowym. Pierwszy okres to druga po áowa 2001 r., kiedy

zaburzenia w systemie finansowych by áy związane z atakiem terrorystycznym

na WTC. Gwa átowny wzrost ryzyka na rynkach finansowych spowodowaá wtedy istotne straty, tak Īe w sektorze ubezpieczeĔ i przemyĞle lotniczym (Clementi 2001). Wp áyw na wzrost poziomu CISS w opisywanym okresie miaáy równieĪ inne zdarzenia, w szczególno Ğci zawirowania wynikające z sytuacją finansową i pó Ĩniejszymi upadáoĞciami Enronu oraz WorldComu.

Wy k r e s 1

Poziom CISS w analizowanych krajach (styczeĔ 2000 – czerwiec 2016)

ħródáo: opracowanie wáasne.

Po kryzysie zad áuĪeniowym wykorzystany do analiz wskaĨnik osiągaá histo- rycznie najni Īsze wartoĞci do początku 2015 r. Od tego mementu obserwuje siĊ stopniowy wzrost ryzyka systemowego w analizowanych krajach. W czerwcu 2016 r. CISS osi ągnąá poziom podobny to tego obserwowanego podczas ataku terrorystycznego z 2001 r. Uzasadnia do wydzielenie drugiego okresu o podwy Ī- szonym poziomie ryzyka systemowego. Dotychczasowe do Ğwiadczenia pokazaáy, Īe okresy, gdy wartoĞü CISS jest podwyĪszona, mogą byü przypisane do konkret- nych zdarze Ĕ wpáywających na wzrost ryzyka systemowego. W latach 2015–2016 w analizowanych krajach wyst Ċpowaáy ujemne nominalne stopy procentowe.

W tym kontek Ğcie niniejsze badania sugerują, Īe NIRP istotnie przyczynia siĊ do wzrostu ryzyka systemowego.

Analizuj ąc kontrybucjĊ poszczególnych sektorów (tabela 1), naleĪy wskazaü,

Īe najwiĊkszy wpáyw na zaburzenia w systemie finansowym w kaĪdym z wybra-

nych okresów mia á sektor poĞrednictwa finansowego. W przypadku wystĊpowania

ujemnych stóp procentowych udzia á sektora obligacji w porównaniu z pozostaáymi

okresami podwy Īszonego ryzyka wzrósá, a udziaáy rynku kapitaáowego i pieniĊĪ-

nego uleg áy zmniejszeniu (IMF 2016). Przyczyną moĪe byü oddziaáywanie NIRP

m.in. na poziom premii terminowej zawartej w rentowno Ğciach obligacji, a tym samym na nachylenie ca áej krzywej dochodowoĞci – przyczynia siĊ to do wzrostu niepewno Ğci, który odzwierciedla wiĊksza zmiennoĞü na tym rynku.

Ta b e l a 1

Udziaá poszczególnych sektorów w caákowitej wartoĞci CISS podczas wydzielonych okresów

(w nawiasie wskazano Ğrednią kontrybucjĊ sektorów do caákowitego poziomu CISS)

Sektor

Atak terrorystyczny oraz bankructwo

Enronu i WorldComu

Globalny kryzys finansowy

Kryzys zadáuĪeniowy w strefie euro

Ujemne stopy procentowe

Rynek obligacji 12,79% 14,13% 13,01% 16,87%

(0,036) (0,063) (0,059) (0,066)

Rynek kapitaáowy 25,12% 22,41% 19,26% 19,30%

(0,071) (0,101) (0,087) (0,076)

PoĞrednicy finansowi

28,41% 24,62% 31,33% 27,42%

(0,080) (0,111) (0,142) (0,108)

Rynek walutowy 10,73% 12,30% 10,84% 12,47%

(0,030) (0,055) (0,049) (0,049)

Rynek pieniĊĪny 8,26% 10,38% 10,68% 7,94%

(0,023) (0,047) (0,048) (0,031)

Sektor bankowy 14,68% 16,16% 14,89% 15,99%

(0,041) (0,073) (0,067) (0,063)

Caákowity poziom

CISS 0,282 0,449 0,453 0,394

ħródáo: opracowanie wáasne.

ĩeby wzmocniü nasze wnioski odnoĞnie do wpáywu NIRP na ryzyko sys- temowe, wyniki dla krajów z ujemnymi stopami procentowymi porównali Ğmy z krajami, w których stopy procentowe s ą nadal dodatnie (PIRP – positive interest rates policy). W tym celu oszacowali Ğmy opisane w metodzie badawczej wskaĨ- niki równie Ī dla 14 innych krajów: USA, Wielkiej Brytanii, Kanady, Norwegii, Australii, Nowej Zelandii, Brazylii, Rosji, Indii, Chin, Polski, Czech, W Ċgier oraz Turcji. Wyniki przedstawione na wykresie 2 pozwalaj ą sformuáowaü 2 wnioski.

Po pierwsze, kraje NIRP oraz PIRP s ą – do pewnego stopnia – pod wpáywem

podobnych Ĩródeá ryzyka systemowego, w szczególnoĞci tych o charakterze miĊ-

dzynarodowym, jak np. GFC lub kryzys zad áuĪeniowy. Potwierdza to wzrost

CISS w tych samych wydzielonych okresach zarówno dla PIRP, jak i NIRP. Taki

wniosek mo Īe sugerowaü, Īe obie grupy krajów pod wzglĊdem Ĩródeá ryzyka

systemowego s ą w pewnym zakresie do siebie podobne.

Znacz ąca heterogenicznoĞü w zakresie CISS pomiĊdzy obiema grupami kra- jów (PIRP oraz NIRP) pojawi áa siĊ pod koniec 2014 r. Prowadzi to do kolejnego kluczowego wniosku. CISS wskazuje istotnie wy Īszy poziom ryzyka systemo- wego w krajach NIRP ni Ī PIRP od koĔca 2014 r. Nie ulega zatem wątpliwoĞci, Īe od tego momentu przyczyną jest nie czynnik globalny, lecz krajowy. Takim czynnikiem krajowym – jednocze Ğnie spójnym dla caáej wydzielonej grupy – są nominalne stopy procentowe o warto Ğci poniĪej zera. Okres podwyĪszonego ryzyka systemowego mo Īna wiĊc zidentyfikowaü tylko w gospodarkach NIRP – zjawiska tego nie obserwuje si Ċ tam, gdzie stopy procentowe pozostają dodatnie.

Wy k r e s 2

CISS dla wybranych krajów z ujemnymi (lewy panel) oraz dodatnimi (prawy panel) nominalnymi stopami procentowymi (styczeĔ 2000 – czerwiec 2016)

ħródáo: opracowanie wáasne.

Ostatnim punktem naszej analizy jest sprawdzenie, czy rozszerzenie podsta-

wowej wersji CISS o dane sektora bankowego mo Īe dostarczyü cennej informacji

o poziomie ryzyka systemowego. W tym celu porównali Ğmy CISS z uwzglĊdnionym

sektorem bankowym z podstawow ą wersją tego wskaĨnika zaproponowaną przez

Hollo et al. (2012). Narz Ċdziem, które wybraliĞmy do porównania wskazanych

szeregów, jest DTW (dynamic time warping; Berndt, Clifford 1994; Tsinaslanidis

et al. 2014). Wyniki tej analizy wskazuj ą, Īe w caáym okresie wystĊpują pewne

ró Īnice w obu analizowanych szeregach (tabela 2), chociaĪ nie są one silnie istotne

statystycznie. Niemniej jednak g áówną przyczyną podobieĔstwa obu szeregów są

okresy, w których poziom ryzyka mierzony przez te wska Ĩniki jest niski. Wyniki

potwierdzaj ą, Īe podczas 4 wydzielonych wczeĞniej okresów napiĊü w systemie

finansowym istniej ą istotne statystycznie róĪnice pomiĊdzy CISS z uwzglĊdnio-

nym sektorem bankowym a podstawow ą wersją tego wskaĨnika zaproponowaną

przez Hollo et al. (2012). Co wi Ċcej, w momencie prowadzenia polityki ujemnych

stóp procentowych ró Īnice te są historycznie najwiĊksze. Potwierdza to nasze dwa

wcze Ğniejsze przypuszczenia. Po pierwsze, uwzglĊdnienie w pomiarze ryzyka sys-

temowego danych bilansowych z sektora bankowego dostarcza cennej informacji o warunkach w sektorze finansowym. Po drugie, jest to szczególnie istotne w Ğro- dowisku ujemnych stóp procentowych, gdy Ī wywiera silniejszy wpáyw na sektor bankowy ni Ī poprzednio wydzielone okresy napiĊü w systemie finansowym.

Ta b e l a 2

Porównanie CISS z uwzglĊdnionymi zmiennymi z sektora bankowego oraz bez ich uwzglĊdnienia (odlegáoĞü euklidesowa)

Kraj

Atak terrorystyczny oraz bankructwo

Enronu i WorldComu

Globalny kryzys finansowy

Kryzys zadáuĪenio- wy w strefie

euro

NIRP

Okresy z niskim

pozio- mem CISS

Caáy okres

Strefa euro 21,72** 30,95*** 29,33*** 40,26*** 12,77* 17,79*

Dania 32,51*** 36,65*** 34,59*** 48,75*** 17,17* 24,00**

Szwecja 20,27** 26,65** 25,38** 33,84*** 12,15* 17,55*

Szwajcaria 11,22* 15,93* 15,22* 18,28** 6,46 9,37

Im mniejsza wartoĞü statystyki, tym wiĊksze podobieĔstwo obu szeregów.

*,** oraz *** – istotnoĞü statystyczna, odpowiednio przy poziomie istotnoĞci 10%, 5% oraz 1%, ħródáo: opracowanie wáasne.

Wnioski

Celem artyku áu byáo sprawdzenie, czy NIRP wpáywa na wzrost ryzyka sys- temowego. Aby odpowiedzie ü na to pytanie, wziĊliĞmy pod uwagĊ 4 gospodarki, w których banki centralne wprowadzi áy ujemne nominalne stopy procentowe.

Poziom napi Ċü w systemie finansowym obliczyliĞmy za pomocą miary zapropo- nowanej przez Hollo et al. (2012) – CISS (composite indicator of systemic stress), ale rozszerzyli Ğmy ją o zmienne bilansowe z sektora bankowego.

Wnioski z analizy potwierdzaj ą, Īe ryzyko systemowe w analizowanych kra- jach stopniowo ro Ğnie od momentu wprowadzenia ujemnych nominalnych stóp procentowych. W tym samym czasie tendencja ta nie wyst Ċpuje w krajach, gdzie stopy procentowe nadal s ą dodatnie. Wyniki sugerują, Īe NIRP moĪe przyczy- nia ü siĊ do osáabienia stabilnoĞci finansowej, jednakĪe siáa wpáywu jest na razie ograniczona i dotyczy g áównie sektora obligacji. PoniewaĪ stabilnoĞü finansową rozpatruje si Ċ w dáugim terminie, naleĪy podkreĞliü, Īe jest jeszcze zbyt wczeĞnie na wyci ąganie wiąĪących wniosków o wpáywie NIRP na ryzyko systemowe. Wska- zali Ğmy jednak istotne róĪnice w udziale poszczególnych sektorów w caákowitym poziomie CISS mi Ċdzy krajami z ujemnymi i dodatnimi stopami procentowymi.

Ostatecznie potwierdzili Ğmy równieĪ, Īe uzupeánienie o dane bilansowe z sektora bankowego dostarcza cennej informacji o warunkach w sektorze finansowym.

Ró Īnice pomiĊdzy szeregami z uwzglĊdnionym sektorem bankowym oraz bez

niego s ą istotne statystycznie w czasie napiĊü w systemie finansowym, a szcze- gólnie w okresie NIRP.

Nasze wnioski zawieraj ą równieĪ uĪyteczną informacjĊ dla polityki gospo- darczej – wskazuj ą na koniecznoĞü koordynacji narzĊdzi makroostroĪnoĞciowych z polityk ą pieniĊĪną w Ğrodowisku ujemnych stóp procentowych. Co wiĊcej, zacho- wanie stabilno Ğci cen dziĊki ujemnym stopom procentowym moĪe przyczyniü siĊ do budowania nierównowag w systemie finansowym – kierunki oddzia áywania instrumentów polityki pieni ĊĪnej oraz makroostroĪnoĞciowej nie zawsze są zatem komplementarne.

Bibliografia

Berndt, D., Clifford, J., Using dynamic time warping to find patterns in time series, KDDworkshop 1994, t. 16(10).

Clementi, D., Maintaining financial stability in a rapidly changing world: Some threats and opportunities, Bank of England speech 2001.

Dell Ariccia, G., Laeven, L., Suarez, G., Bank leverage and monetary policy’s risk- -taking, International Monetary Fund 2013, WPA/13/143.

Genay, H., Podjasek, R., What is the impact of a low interest rate environment on bank profitability?, Federal Reserve Bank of Chicago 2014, Chicago Fed Letter 324.

Hannoun, H., Ultra-low or negative interest rates: What they mean for financial stability and growth, Speech at the Eurofi High Level Seminar, Riga 2015.

Hartmann, P., Hubrich, K., Kremer, M., Tetlow, R., Widespread instabilities and the macroeconomy – regime switching in the euro area, European Central Bank and Federal Reserve Board, Mimeo 2012.

Hollo, D., Kremer, M., Lo Duca, M., CISS – a composite indicator of systemic stress in the financial system, European Central Bank, Working Paper Series 2012, nr 1426.

Hott, C., Jokipii, T., Housing bubbles and interest rates, Swiss National Bank Working Papers 2012-07.

Hubrich, K., Tetlow, R., Financial stress and economic dynamics: The transmission of crises, European Central Bank, Working Paper Series 2014, nr 1728.

IMF, Fostering Stability in a Low-Growth, Low-Rate Era, Global Financial Stability Report, International Monetary Fund, October 2016.

Robinson, T., Stone, A., Monetary Policy, Asset-Price Bubbles and the Zero Lower Bound, NBER Working Paper 2005, nr 11105.

Soderstrom, U., Westermark, A., Monetary policy when the interest rate is zero, Riks- bank Economic Review 2009, nr 2.

Sohn, B., Park, H., Early warning indicators of banking crisis and bank related stock returns, Finance Research Letters 2016, nr 18.

Tsinaslanidis, P., Alexandridis, A., Zapranis, A. and Livanis, E., Dynamic time warping

as a similarity measure: applications in finance, w: 13th Annual Conference of

Hellenic Finance and Accounting Association (HFAA), 12th–13th December, 2014,

Volos, Greece.

Załącznik

Ta b e l a A . 1

Indywidualne wskaĨniki napiĊü wykorzystane w konstrukcji wskaĨnika CISS oraz ich Ĩródáo

Segment

rynku WskaĨnik ħródáo

Sektor bankowy

Luka depozytowa oznacza cykliczny komponent poziomu depo- zytów oszacowany z wykorzystaniem filtru Hodricka–Prescotta dla danych miesiĊcznych, przeksztaácony na podstawie rozkáa- du empirycznej dystrybuanty (CDF); liniowo ekstrapolowany z danych miesiĊcznych na czĊstotliwoĞü tygodniową

ECB, DNB, SNB, Riksbank

Luka kredytowa oznacza cykliczny komponent poziomu kredy- tów oszacowany z wykorzystaniem filtru Hodricka–Prescotta dla danych miesiĊcznych, przeksztaácony na podstawie rozkáa- du empirycznej dystrybuanty (CDF); liniowo ekstrapolowany z danych miesiĊcznych na czĊstotliwoĞü tygodniową

ECB, DNB, SNB, Riksbank

Luka gotówki w obiegu oznacza cykliczny komponent poziomu banknotów i monet w obiegu oszacowany z wykorzystaniem fil- tru Hodricka–Prescotta dla danych miesiĊcznych, przeksztaácony na podstawie rozkáadu empirycznej dystrybuanty (CDF); liniowo ekstrapolowany z danych miesiĊcznych na czĊstotliwoĞü tygo- dniową

ECB, DNB, SNB, Riksbank

Rynek pieniĊĪny

Zrealizowana zmiennoĞü 3-miesiĊcznej stopy procentowej rynku miĊdzybankowego obliczona jako tygodniowa Ğrednia dziennych bezwzglĊdnych zmian przeksztaácona na podstawie rozkáadu empirycznej dystrybuanty (CDF)

Bloomberg

Spread pomiĊdzy 3-miesiĊczną stopą rynku miĊdzybankowego a rentownoĞcią krótkoterminowych bonów skarbowych obliczony jako tygodniowa Ğrednia dziennych wielkoĞci przeksztaácona na podstawie rozkáadu empirycznej dystrybuanty (CDF)

Bloomberg

Rynek obligacji

Zrealizowana zmiennoĞü indeksu rentownoĞci 10-letnich obligacji skarbowych obliczona jako tygodniowa Ğrednia dziennych bez- wzglĊdnych zmian przeksztaácona na podstawie rozkáadu empi- rycznej dystrybuanty (CDF)

Bloomberg

Spread rentownoĞci podmiotów sektora niefinansowego o ratingu inwestycyjnym wzglĊdem rentownoĞci skarbowych (koszyk papie- rów 5-letnich); obliczony jako tygodniowa Ğrednia dziennych wielkoĞci przeksztaácona na podstawie rozkáadu empirycznej dys- trybuanty (CDF)

Bloomberg

Spread 10-letniego swapu stopy procentowej (IRS) obliczony jako tygodniowa Ğrednia dziennych wielkoĞci przeksztaácona na pod- stawie rozkáadu empirycznej dystrybuanty (CDF)

Bloomberg

Segment

rynku WskaĨnik ħródáo

Rynek akcji

Zrealizowana zmiennoĞü indeksu cen akcji podmiotów niefinan- sowych obliczona jako tygodniowa Ğrednia dziennych bezwzglĊd- nych zmian przeksztaácona na podstawie rozkáadu empirycznej dystrybuanty (CDF); dla tych krajów, w których Bloomberg nie dostarcza indeksu podmiotów niefinansowych, wielkoĞü ta odnosi siĊ do obliczonego indeksu 50 najwiĊkszych spóáek waĪonego rynkową kapitalizacją

Bloomberg

CMAX cen akcji podmiotów niefinansowych; skumulowana stra- ta obliczona zgodnie ze wzorem pod tabelą w oknie 2-letnim (T = 104), przeksztaácona na podstawie rozkáadu empirycznej dystrybuanty (CDF)

Bloomberg

Korelacja rynku akcji i obligacji bazująca na hipotezie przepáy- wu kapitaáu pomiĊdzy tymi rynkami; obliczona jako tygodniowa Ğrednia róĪnicy pomiĊdzy 4-letnim i 1-miesiĊcznym wspóáczyn- nikiem korelacji liniowej pomiĊdzy dziennymi zmianami indeksu cen akcji oraz indeksu cen 10-letnich obligacji skarbowych;

wspóáczynnik przyjmuje wartoĞü zero dla ujemnych róĪnic;

przeksztaácony na podstawie rozkáadu empirycznej dystrybuanty (CDF)

Bloomberg

Rynek walutowy

Zrealizowana zmiennoĞü krajowej waluty wzglĊdem USD, EUR oraz GBP, obliczona jako tygodniowa Ğrednia dziennych abso- lutnych zmian przeksztaácona na podstawie rozkáadu empirycznej dystrybuanty (CDF); dla gospodarek, których kurs jest sztywny, wykorzystano zmiennoĞü cyklicznego komponentu – oszacowane- go z wykorzystaniem filtru Hodricka–Prescotta – rezerw waluto- wych banku centralnego

Bloomberg

CMAX dla krajowej waluty wzglĊdem USD, EUR oraz GBP;

skumulowana strata obliczona zgodnie ze wzorem pod tabelą w oknie 2-letnim (T = 104), przeksztaácona na podstawie roz- káadu empirycznej dystrybuanty (CDF); dla gospodarek, których kurs jest sztywny, wykorzystano CMAX dla rezerw walutowych banku centralnego

Bloomberg

PoĞrednictwo finansowe

Zrealizowana zmiennoĞü idiosynkratycznego skáadnika stóp zwrotu akcji podmiotów sektora finansowego (FC) ponad stopĊ zwrotu z portfela rynkowego; skáadnik idiosynkratyczny obliczony jako reszta z regresji liniowej dziennych stóp zwrotu akcji FC nad portfel rynkowy w oknie 2-letnim

Bloomberg

Spread rentownoĞci obligacji podmiotów sektora finansowego o ratingu inwestycyjnym wzglĊdem rentownoĞci obligacji skarbo- wych (o tenorze 10-letnim)

Bloomberg

Segment

rynku WskaĨnik ħródáo

CMAX oraz wskaĨnik ceny do to wartoĞci ksiĊgowej (P/BV) dla akcji podmiotów finansowych; oba wskaĨniki (CMAX oraz BV/P) w pierwszej kolejnoĞci przeksztaácone na podstawie rozkáadu empirycznej dystrybuanty (CDF), a nastĊpnie przemnoĪone przez siebie; finalny wskaĨnik obliczony jako pierwiastek jednostkowy z powyĪszego wyniku

Bloomberg

Uwaga: Dane dla strefy euro szacowane na poziomie krajowych zmiennych oraz zagregowane do indeksu wg Ğredniej waĪonej PKB danego kraju. Próba krajów obejmowaáa: FrancjĊ, HiszpaniĊ, HolandiĊ, Niemcy oraz Wáochy. WskaĨnik CMAX obliczony zgodnie z poniĪszym wzorem, gdzie Pt

oznacza Ğrednią cenĊ zamkniĊcia na rynku akcji w tygodniu t, natomiast T = 104 dla tygodniowej czĊstotliwoĞci danych.

ħródáo: opracowanie wáasne.







Sáowa kluczowe: ujemne stopy procentowe, ryzyko systemowe, polityka pieniĊĪna,

stabilno Ğü finansowa

Financial stability and financial imbalances in the negative interest rate environment

Summary

The aim of the paper is to analyze new sources of systemic risk in the negative interest rates environment. The study reviews possible consequences of negative interest rates policy (NIRP) for financial stability. This paper tries to fulfill above goal by implementing an overall market stress indicator for the four economies with negative interest rates – Eurozone, Denmark, Sweden and Switzerland and other 14 countries with positive rates. In order to achieve this, we choose six segments of the market on which negative interest rates policy (NIRP) may have a significant impact. According to our results, problem of the NIRP has been so far limited and concern mostly bond market. Our research indicates macroprudential policy should be more active in NIRP than in positive interest rate environment and demand coordination with monetary policy.

Keywords: negative interest rates, systemic risk, monetary policy, macroprudential

policy