Il Rischio di credito nelle Banche di Credito Cooperativo

Il rischio di credito nelle banche di credito cooperativo Eugenio D’Amico - Università di RomaTre Anna Maria Biscotti- Università di Foggia

I l rischio di credito nelle banche di credito cooperativo Credit risk, the case of Italian cooperative banks

Eugenio D’Amico - Università di Roma Tre – Anna Maria Biscotti - Università di Foggia

Questo lavoro, sulla scia di una serie di studi internazionali, presenta un’analisi del rischio di credito (misurato in termini di sofferenze) delle banche di credito cooperativo di una specifica area dell’Italia: le regioni Lazio, Umbria e Sardegna. L’analisi è relativa al periodo 1995-2009. I risultati ottenuti, in contrasto con la maggior parte degli studi effettuati, mostrano una relazione inversa tra il livello delle sofferenze e gli extra-crediti concessi nonché una relazione inversa tra il livello delle sofferenze e l’aumento della diffusione territoriale attuata mediante l’apertura di nuovi sportelli.Tali relazioni possono essere ricondotte alle peculiarità delle banche esaminate.

This paper aims to empirically test the credit risk, measured as non-performing loans, of cooperative banks which operate in a specific Italian geographic area (Lazio, Umbria and Sardegna).We perform a regression analysis over the period 1995-2009. The findings, in contrast with most of the studies on the topic, highlight a negative significant relationship between the level of non-performing loans and the granted extra-loans as well as a significantly negative relation between the non-performing loans and the increase of bank branches. Such results could be correlated to the peculiarities that characterize the examined banks.

1 Introduzione

Keywords: banche di credito cooperativo, rischio di credito, prestiti, sofferenze Jel codes: G21, G34, C21 Sebbene il lavoro sia frutto dell’opera e della ricerca congiunta degli autori, i paragrafi 1, 3, 4 e 7 sono attribuibili a Eugenio D’Amico e i paragrafi 2, 5, 6 e 8 sono attribuibili ad Anna Maria Biscotti.

28

F ORUM

BANCARIA n. 1/2013

Lo scopo del presente lavoro è quello di effettuare un’analisi intra-settoriale della rischiosità di credito delle banche espressa in termini di sofferenze anche indagando sull’esistenza di eventuali relazioni tra il rischio di credito e alcune variabili esplicative come la governance, la dimensione, ecc.

In particolare, lo studio intende analizzare, nel periodo 1995-2009, il rischio di credito di una particolare categoria di banche, le banche di credito cooperativo (Gutiérrez, 2008), su una specifica area dell’Italia: le regioni Lazio, Umbria e Sardegna. È stato scelto di concentrarsi su questa specifica area perché le banche di credito cooperativo ivi situate, a differenza delle altre banche di credito cooperativo (soprattutto quelle del Centro-Nord, vale a dire dalla regione Toscana in su), hanno mantenuto inalterata la politica dei prestiti.

Di contro, le Bcc del Centro-Nord, soprattutto nel periodo di pre-crisi e di crisi e in seguito all’introduzione dei limiti imposti da Basilea 2, piuttosto che rimanere concentrate (in termini di prestiti) nel settore core delle stesse, cioè il retail e lo small business (Kolari, Zardkoohi, 1990), hanno, in parte, sostituito la mancata erogazione del credito da parte delle altre tipologie di banche (banche popolari e banche Spa) verso la media impresa e ne hanno subito tutti gli effetti (negativi) prodotti dalla crisi (Lepetit et al., 2008).

Il lavoro presenta nel paragrafo 2 una breve review della principale letteratura e discute del research design nel paragrafo 3. La restante parte del lavoro è dedicata alla verifica

empirica con la descrizione del campione (paragrafo 4), l’analisi univariata (paragrafo 5) e multivariata (paragrafo 6) e alcuni ulteriori approfondimenti statistici (paragrafo 7). Nel paragrafo 8 sono sintetizzate le principali conclusioni.

2 Review della letteratura La letteratura internazionale, soprattutto nell’ultimo decennio in ragione della crisi che ha investito le varie economie mondiali e, di riflesso, i portafogli-prestiti delle banche, si è spesso confrontata con lo studio della rischiosità delle banche. Essa, tra l’altro, si è concentrata sull’analisi delle eventuali relazioni che si registrano, nel tempo, tra la rischiosità e variabili generali di mercato (variabili macroeconomiche) nonché tra la rischiosità e talune variabili specifiche delle banche. Fanno parte della prima fattispecie di variabili (indipendenti): il prodotto interno lordo e il ciclo economico (Calomiris et al., 2000; Marcucci, Quagliariello, 2009); la competitività tra le banche (Berger et al., 2009; Keeley, 1990); la regolamentazione (Stiroth, Strahan, 2003; Leaven, Levine, 2006); l’andamento dei listini di borsa; il tasso di occupazione; ecc. Fanno invece parte della seconda tipologia (variabili specifiche o microeconomiche): le dimensioni della banca (per esempio espressa in termini di crescita delle filiali o di asset totali) (Calomiris, Mason, 2000); la composizione del portafoglio prestiti; la dimensione e/o il tasso di crescita dei prestiti nel tempo (Sinkey, Greenwalt, 1991; Clair, 1992; Foos et al., 2010); la governance (Leaven, Levine, 2006; Saunders et al., 1990; Rasmusen, 1988); la diversificazione (Goddard et al., 2008; Demsetz, Strahan, 1997; Wall, 1987); ecc.

Entrando nell’argomento specifico dell’analisi proposta nel lavoro, interessante è lo studio di Salas e Saurina (2002) sulle banche commerciali e le casse di risparmio spagnole nel periodo 1985-1987. Lo scopo e il contributo dello studio è quello di verificare l’impatto di alcune variabili macroeconomiche e di alcune variabili specifiche (microeconomiche) sul tasso di incidenza dei crediti problematici espresso come il rapporto (o il logaritmo naturale del rapporto) tra crediti in sofferenza e il totale dei prestiti. Le conclusioni cui giungono gli autori sono simili per le due categorie di banche esaminate in merito all’effetto prodotto dalle variabili macroeconomiche e parzialmente diverse con riferimento agli effetti prodotti dalle variabili microeconomiche. In particolare, su entrambe le categorie di banche esaminate la qualità del credito risente delle fluttuazioni macroeconomiche misurate dal tasso di crescita del prodotto interno lordo dell’anno in corso e dell’anno precedente (lag -1). Per le casse di risparmio si registra altresì un legame con il tasso d’indebitamento delle famiglie e delle imprese. Mentre, con riferimento alle variabili specifiche, nelle banche commerciali si rileva una relazione diretta tra il rischio e il tasso di crescita delle filiali di tre anni prima (lag -3) (contra: Ramirez, 2003) e una relazione inversa tra il rischio e le dimensioni (espresse dal rapporto tra gli asset specifici della banca rispetto al totale di sistema). Nelle casse di risparmio si registra invece una relazione diretta tra il rischio e il tasso di crescita dei crediti di tre anni prima (lag -3) nonché tra il rischio e il tasso di crescita delle filiali di quattro anni prima (lag -4).

Jiménez e Saurina (2004) si propongono di indagare sulle relazioni che esistono fra il rischio di credito delle banche spagnole e alcune caratteristiche dei prestiti erogati, ovvero: la categoria di istituzione finanziaria erogante (banche commerciali, casse di risparmio, banche di credito cooperativo e altri enti finanziatori); la presenza, o meno, di garanzie reali sui finanziamenti concessi; l’intensità dei rapporti bancari di ciascun debitore. I risultati, per la parte che qui interessa, evidenziano l’esistenza di una relazione positiva e significativa fra i prestiti assistiti da garanzie reali e il rischio di credito; una più elevata rischio-

F ORUM

29

sità delle casse di risparmio rispetto alle banche commerciali; un minor rischio di credito a fronte dell’accrescersi del numero di banche cui ciascun debitore è legato. Le banche di credito cooperativo risultano essere più rischiose delle banche commerciali ma molto meno delle casse di risparmio e delle altre istituzioni finanziarie.

Di particolare interesse sono poi alcuni studi pubblicati nel 2007. Quagliariello (2007), utilizzando un ampio campione di banche nel periodo 1985-2002 e applicando un modello econometrico in cui il rischio è misurato dal rapporto tra le sofferenze e i prestiti e dal rapporto tra il flusso dei nuovi crediti sofferenti e i crediti vivi dell’anno precedente, si pone l’obiettivo di analizzare la ciclicità della rischiosità stessa con riferimento all’Italia. Secondo l’autore i prestiti in sofferenza, gli accantonamenti e le perdite su crediti sono generalmente bassi nei periodi di crescita e aumentano nelle fasi di recessione. Tutto ciò comporta una contrazione degli utili e dei prestiti nei periodi sfavorevoli, soprattutto da parte delle banche con minor capitalizzazione.

Jiménez et al. (2007), sulla scia del contributo di Boyd e De Niccolò (2005) relativo al rapporto tra la concorrenza e il rischio, analizzano il sistema bancario spagnolo sulla base dei database Banco de España. Essi concludono affermando che se la misura della concentrazione è calcolata in termini di numerosità delle banche, di indice C4 di Bain o di indice di Hirshmann-Herfìndall, non risulta alcuna relazione tra concentrazione (non concorrenza) e rischiosità. Invece, se si utilizza il «loan market power», con l’indice di Lerner, allora si registra una correlazione negativa tra lo stesso loan market power e la rischiosità.

Foos et al. (2010) analizzano più di 16.000 banche situate in 16 paesi (Usa, Canada, Giappone e 13 paesi europei) sulla banca dati BankScope nel periodo 1997-2007. Uno degli obiettivi della ricerca è quello di studiare l’eventuale relazione intertemporale tra crescita dei prestiti e rischiosità della singola banca. A tale scopo gli autori verificano l’impatto della extra-crescita dei prestiti passati (abnormal loan growth) sulle perdite su crediti ed evidenziano una relazione positiva con un lag temporale di -2 fino a -4 anni.

Hess et al. (2009) effettuano un’analisi su 22 banche australiane e 10 banche neozelandesi, nel periodo 1980-2005. Lo scopo dell’analisi è quello di verificare – per la prima volta in Australia e in Nuova Zelanda (utilizzando BankScope) – i fattori determinanti le perdite su crediti. A tal fine, mettono in relazione la variabile dipendente – costituita dal tasso di incidenza delle perdite su crediti sul totale dei prestiti – con una serie di variabili relative a fattori macroeconomici e a fattori specifici delle banche. Le conclusioni cui giungono, sostanzialmente uguali sia per l’Australia che per la Nuova Zelanda, sono le seguenti: per quanto attiene le variabili macroeconomiche, si rileva una relazione tra le perdite su crediti e il return share index; per quanto invece attiene alle variabili specifiche, si registra una significativa relazione tra la qualità del credito e il tasso d’espansione di 2-4 anni precedenti. Da ultimo, si rileva che le banche di minori dimensioni e le banche con un più ampio margine d’interesse evidenziano minori perdite su crediti.

3 Research design Per effettuare l’analisi del rischio di credito delle Bcc considerate si è scelto di mettere in relazione una variabile che sintetizza tale rischiosità con una serie di variabili esplicative di tipo specifico (bancario) e di tipo aziendale. La variabile dipendente prescelta è l’ammontare delle sofferenze di ciascuna banca di credito cooperativo (S). Le variabili indipendenti specifiche che sono state correlate con le sofferenze sono l’ammontare dei prestiti «in eccesso», il tasso di crescita dei prestiti, lo stock dei prestiti e il numero di filiali.

L’ammontare dei prestiti «in eccesso» (abnormal loan growth) è stato calcolato sia come

30

F ORUM

BANCARIA n. 1/2013

l’eccedenza del tasso di crescita dei prestiti della i-esima banca esaminata rispetto al tasso di crescita dei prestiti effettuati dall’intero sistema bancario (ΔLS), sia come l’eccedenza del tasso di crescita dei prestiti della i-esima banca rispetto al tasso di crescita dei prestiti effettuati dal sistema cooperativo nel suo complesso (ΔLBcc). A queste due grandezze di excess loan è stato poi affiancato l’incremento che subiscono i prestiti della i-esima banca nel tempo (L), l’ammontare dei prestiti complessivo della i-esima banca (GL) e il numero di filiali della i-esima banca (B).

Sono state poi aggiunte due variabili di tipo aziendale: la dimensione misurata dall’attivo aziendale (Size) e la profittabilità misurata dal return on asset ottenuto rapportando il risultato di gestione agli impieghi (Roa).

4 Il campione analizzato Il campione esaminato comprende tutte le banche di credito cooperativo delle regioni Lazio, Umbria e Sardegna. Tali banche sono federate in un’associazione chiamata FederLus (che è la federazione delle banche di credito cooperativo delle tre regioni indicate). In particolare sono state studiate le banche di credito cooperativo che al 31 dicembre 2009 erano associate alla FederLus con esclusione di quelle che nel periodo 1995-2009 (periodo al quale si estende l’analisi) hanno subito interruzioni per commissariamento o che non erano costituite fin dal 1995.

Si tratta di 19 banche di credito cooperativo per 15 anni (285 osservazioni totali).

La tavola 1 illustra le statistiche descrittive nel periodo esaminato. In particolare la tabella presenta le seguenti variabili: le sofferenze (S); gli impieghi (L); il rapporto tra le sofferenze e gli impieghi (S/L); il rapporto tra il margine di interesse e il totale attivo (Mi/Ta); il rapporto tra il margine di intermediazione e il totale attivo (Mint/Ta); il rapporto tra il risultato di gestione e il totale attivo (Roa); il cost income ratio (C/I); il rapporto tra gli stipendi e i costi operativi (Stip/C); il numero di sportelli (B) e la dimensione espressa dal totale attivo (Size).

Dall’analisi delle statistiche descrittive emerge chiaramente la grande variabilità tra le banche appartenenti al campione studiato. Ciò è, in particolare, testimoniato sia dalle differenze tra i valori medi e i valori mediani sia dai valori assunti dalla deviazione standard.

D’altro canto, se si prendono in esame i bilanci delle singole banche si può notare come in particolare una banca, la Bcc di Roma, presenti valori patrimoniali sensibilmente più alti Tavola 1

Statistiche descrittive Media S L S/L

10,3154 165,525 0,108966

Mediana

Minimo

5,00471

0,200000

52,7000

7,70000

0,0820166 0,00508595

Massimo 125,776

Dev. Std.

Asimmetria

Curtosi

20,5660

4,21288

17,3397

4176,41

505,934

5,60768

32,9756

0,360748

0,0759452

1,31013

1,00505

Mi/Ta

0,0354148

0,0341918

0,0131473

0,0619266 0,00785623

0,632003

0,374941

Mint/Ta

0,0418334

0,0405294 0,00369384

0,0720000 0,00971063

0,334119

1,34563

0,00807384 0,00751729 -0,0277564

0,0262582 0,00621451

Roa C/I

0,718073

0,688525

0,398659

Stip/C

-1,09146

6,24188

5,99418

0,399277

11,0650

132,538

0,585065

0,580645

0,428571

0,75

0,0577057

-0,405503

0,459654

B

9,00351

4,00000

1,00000

167,000

21,9411

5,24321

28,5880

Size

321,861

116,500

21,9000

6875,19

902,059

5,02421

25,9539

F ORUM

31

di quelli delle altre banche del campione. Tale asimmetria è peraltro confermata dai maggiori valori delle medie rispetto alle mediane, che testimoniano come la maggior parte delle banche abbia valori inferiori alla media dell’intero campione.

Dal punto di vista economico è interessante confrontare i valori medi degli indici di redditività: il rapporto tra il margine di interesse e il totale attivo (Mi/Ta), il rapporto tra il margine di intermediazione e il totale attivo (Mint/Ta) e il rapporto tra il risultato di gestione e il totale attivo (Roa). Da tale confronto si evince infatti come il contributo economico apportato dalle prime due gestioni sia in gran parte assorbito dai costi di gestione, come peraltro confermato dai valori del rapporto cost-income (C/I). Se, infine, si analizza il valore del rapporto tra gli stipendi e il totale dei costi operativi (Stip/C) si evince come gran parte (più della metà) dei costi operativi sia composta dalla retribuzione del personale.

5 L’analisi univariata La tavola 2 illustra i risultati, in termini di valore e di significatività statistica, dell’analisi univariata delle variabili considerate nel nostro studio allo scopo di ottenere una prima idea delle relazioni tra loro esistenti nel periodo considerato (1995-2009).

Sebbene la matrice restituisca solamente le relazioni che le variabili hanno in rapporto a una sola altra variabile, da essa si possono trarre alcune prime considerazioni.

I risultati più interessanti, con riferimento allo studio, riguardano evidentemente i coefficienti di correlazione relativi alle sofferenze. In proposito rileviamo una fortissima correlazione positiva (0,9479) statisticamente significativa a livello 1% tra il numero di filiali (B) e l’ammontare delle sofferenze (S). Si rileva altresì una altrettanto forte relazione positiva (0,9657) statisticamente significativa a livello 1% tra l’ammontare delle sofferenze (S) e la dimensione aziendale espressa dall’ammontare dell’intero attivo bancario (Size) e tra l’ammontare delle sofferenze (S) e gli impieghi (GL) (0,9371). D’altro canto la relazione quasi perfetta (0,9935) statisticamente significativa a livello 1% che esiste tra le dimensioni aziendali (Size) e il numero di filiali (B) nonché tra le dimensioni aziendali (Size) e gli impieghi (GL) (0,9895) attesta la sostanziale omogeneità che esiste tra le menzionate variabili. Ciò significa che a maggiori filiali corrisponde un maggior attivo totale societario e un maggior livello di impieghi ma anche un maggior livello di sofferenze.

Tavola 2

Matrice di correlazione Spearman/Pearson S 1,0000

ΔLS

ΔLBcc

ΔL 0,0602

GL

B

Size

Roa

0,0467

0,0681

0,9371(***) 0,9479(***) 0,9657(***) -0,0938

1,0000

0,9134(***) 0,9492(***) 0,0508

0,0380

0,0546

0,1051(*)

1,0000

0,9406(***) 0,1059(*)

0,0839

0,0940

0,0869

1,0000

0,0709

0,0560

0,0688

0,0912

1,0000

0,9914(***) 0,9895(***) -0,0423 1,0000

0,9935(***) -0,0394 1,0000

S Ls LBcc L GL B

-0,0349

Size

1,0000

Roa

*, **, *** indicano livelli di significatività (due code) al 10%; 5% e 1%. ΔS è l’ammontare delle sofferenze; ΔLS è l’ammontare degli excess prestiti rispetto all’intero sistema bancario; ΔLBcc è l’ammontare degli excess prestiti rispetto all’intero sistema cooperativo; L è l’ammontare dei prestiti rispetto all’esercizio precedente; GL sono gli impieghi; B rappresenta il numero di filiali; Size è la dimensione aziendale misurata dal logaritmo naturale dell’intero attivo; Roa è la profittabilità misurata dal rapporto tra il risultato di gestione e il totale attivo.

32

F ORUM

BANCARIA n. 1/2013

Una forte correlazione altamente significativa esiste anche tra le variabili che misurano gli incrementi di prestiti. Si registra infatti un coefficiente pari a 0,9492 significativo a livello 1% tra gli excess loan misurati rispetto all’intero sistema (ΔLS) e il tasso di incremento dei prestiti nel tempo (ΔL). La correlazione è pari a 0,9406 significativo a livello 1% tra gli excess loan misurati rispetto al sistema Bcc (ΔLBcc) e il tasso di incremento dei prestiti nel tempo (ΔL). Si rileva infine un coefficiente pari a 0,9134 significativo a livello 1% tra gli excess loan misurati rispetto al sistema Bcc (ΔLBcc) e gli excess loan misurati rispetto all’intero sistema bancario (ΔLS).

Da ultimo, ma non meno interessanti, sono le relazioni che esistono tra le varie misure di incremento dei prestiti e i prestiti (impieghi) medesimi. Sulla base della letteratura in materia era ragionevole attendersi anche in questo caso un forte legame che invece non risulta dalla matrice di correlazione. Il coefficiente di correlazione tra i prestiti (GL) e gli excess loan misurati rispetto all’intero sistema bancario (ΔLS) e il coefficiente di correlazione tra i prestiti (GL) e il tasso di incremento dei prestiti nel tempo (ΔL) assumono valori molto bassi (rispettivamente: 0,0508 e 0,0709) e, soprattutto, non significativi dal punto di vista statistico. Molto basso e statisticamente significativo (sebbene solamente a livello 10%) è anche il coefficiente di correlazione che lega i prestiti (GL) e gli excess loan misurati rispetto al sistema Bcc (ΔLBcc). In buona sostanza si può quindi affermare che, dal punto di vista economico, lo stock del credito non si muove allo stesso modo in cui si muovono i vari tassi di incremento.

6 L’analisi multivariata In questo paragrafo vengono approfondite l’analisi descrittiva e univariata effettuate nei paragrafi precedenti. A tal fine si è pensato di impostare un’analisi multivariata (econometrica). Tale analisi è stata effettuata mettendo in relazione (congiuntamente) la variabile dipendente prescelta, vale a dire l’ammontare delle sofferenze, sia con le variabili specifiche e aziendali indicate in precedenza (tasso di crescita degli excess loan, tasso di crescita dei prestiti, stock dei prestiti, numero di filiali, dimensione e redditività), sia con una serie di ulteriori variabili di controllo. Con riferimento a queste ultime abbiamo pensato di utilizzare variabili di governance e variabili di tipo macroeconomico. Tra le variabili di governance si è scelto di introdurre una variabile dummy relativa al presidente del consiglio di amministrazione, una variabile dummy per il direttore generale e una variabile dummy per il consiglio di amministrazione. Con riferimento alle variabili macroeconomiche, in ragione della specifica attività delle banche di credito cooperativo, si è scelto di introdurre il livello consumi delle famiglie, il numero di imprese attive, il numero degli occupati e il prodotto interno lordo relativi alla regione d’appartenenza della specifica Bcc, nella consapevolezza che si tratta di un’approssimazione rispetto (talune volte) al più ristretto ambito geografico nella quale operano le banche del campione esaminato (Porath, 2004). La funzione di regressione è dunque: CRt,i = αi + β1ΔLst,i + β2ΔLBcct,i + β3ΔLt,i + β4GLt,i + β5Bt,i + β6 PC + β7DG + β8CdA + β9Sizet,i + β10 Roat,i + β11NIt,i + β12Ct,i + β13 + Ot,i + β14 Pilt,i + ε dove: CRt,i è il rischio di credito (espresso dal logaritmo naturale dell’ammontare delle sofferenze1) della banca i al tempo t; α è l’intercetta della regressione; ΔLSt,i è l’ammontare degli excess prestiti (abnormal loan growth) rispetto all’intero sistema bancario della banca i al tempo t; ΔLBcct,i è l’ammontare degli excess prestiti rispetto all’intero sistema co-

1 Le sofferenze sono espresse come logaritmo naturale in quanto le sole sofferenze sono una variabile bounded (sono sempre maggiori di zero); ciò comporta che i residui non possono essere normali (in quanto la funzione non può andare verso meno infinito) e quindi la previsione effettuata sui residui (che ipotizza la linearità che non può esistere) non è corretta (Fukumoto, 2004).

F ORUM

33

operativo della banca i al tempo t; ΔLt,i è l’ammontare dei prestiti rispetto all’esercizio precedente della banca i al tempo t; GLt,i è l’ammontare degli impieghi della banca i al tempo t; Bt,i rappresenta il numero di filiali della banca i al tempo t; PC è la dummy di governance relativa al presidente del consiglio di amministrazione ed è pari a 0 se non è cambiato il presidente e pari a 1 se invece il presidente è stato sostituito; DG è la dummy di governance relativa al direttore generale ed è pari a 0 se non è cambiato il direttore generale e pari a 1 se invece il direttore generale è stato sostituito; CdA è la dummy di governance relativa al consiglio di amministrazione ed è pari a 0 se non è cambiata la maggioranza del consiglio di amministrazione e pari a 1 se invece è avvenuta la sostituzione della maggioranza del consiglio di amministrazione; Sizet,i è la dimensione aziendale della banca i al tempo t misurata (per evitare problemi di eteroschedasticità) dal logaritmo naturale dell’intero attivo; Roat,i è la profittabilità della banca i al tempo t misurata dal rapporto tra il risultato di gestione e il totale attivo; NIt,i è il numero di imprese attive nella regione di appartenenza della i-esima Bcc al tempo t; Ci,t sono i consumi per famiglia nella regione di appartenenza della i-esima Bcc al tempo t; Ot,i è il numero degli occupati nella regione di appartenenza della i-esima Bcc al tempo t; Pilt,i è il prodotto interno lordo nella regione di appartenenza della i-esima Bcc al tempo t; ε è il termine errore.

Prima di effettuare la regressione abbiamo verificato l’eventuale multicollinearità tra le variabili esplicative utilizzando il Vif (variance inflation factor) e abbiamo escluso quelle con valori superiori o eguali al valore critico 10, ovvero: l’ammontare degli excess prestiti rispetto all’intero sistema bancario, l’ammontare dei prestiti rispetto all’esercizio precedente (entrambi collineari rispetto all’ammontare degli excess prestiti rispetto al sistema Bcc); gli occupati e il Pil regionali (entrambi collineari rispetto al numero di nuove imprese attive e ai consumi) e gli impieghi (collineari rispetto al numero di filiali e, se calcolati in termini di logaritmo, rispetto alla dimensione). Inoltre, utilizzando un longitudinal sample, abbiamo applicato i robust standard error clustered a livello di impresa (Hac) al fine di controllare le osservazioni che non sono tra loro indipendenti. La regressione è stata stimata utilizzando il modello Ols. Il test di Breush-Pagan ha infatti attestato la preferibilità di tale modello rispetto al modello panel a effetti casuali (Statistica test di Breusch-Pagan: Lm = 0,41477 con p-value = 0,519558 – un basso p-value conta contro l’ipotesi nulla che il modello pooled Ols sia adeguato, in favore del modello alternativo con effetti casuali). Dalla regressione è stata esclusa la Bcc di Marino in quanto outlier.

La tavola 3 illustra i risultati ottenuti.

La regressione, sebbene riferita a variabili considerate nel medesimo esercizio (senza lag), conduce a risultati difformi rispetto ai citati studi internazionali. Si tratta, molto probabilmente, di risultati condizionati dall’ambito geografico esaminato (ovvero le tre regioni: Lazio, Umbria e Sardegna). In proposito, si ribadisce, come tale area geografica sia di particolare interesse in quanto le banche di credito cooperativo ivi situate hanno mantenuto una politica degli impieghi orientata al core business delle Bcc cioè: il retail e lo small business mentre le altre banche di credito cooperativo (soprattutto del Centro-Nord) nel periodo esaminato hanno, in parte, deviato dalla loro attività caratteristica per assumere un ruolo più simile a quello esercitato dalle banche commerciali.

I risultati evidenziano una relazione negativa e statisticamente significativa a livello 1% tra le sofferenze e il tasso di incremento dei prestiti calcolato rispetto al sistema delle banche di credito cooperativo ΔLBcc (β1 = -0,747093). Ciò significa che all’aumentare degli extra-prestiti diminuisce l’incidenza delle sofferenze. Tale relazione attesta pertanto la capacità di siffatta tipologia di banche di gestire il credito anche in periodi di difficile congiuntura economica e finanziaria.

34

F ORUM

BANCARIA n. 1/2013

Tavola 3

Regressione (1995-2009) CRt,i = αi + β1ΔLBcct,i + β2Bt,i + β3PC + β4DG + β5CdA + β6 Sizet,i + β7Roat,i + β8NIt,i + β9Ct,i + ε

Const

Estimate

p-value

Vif

-3,09154

<0,00001

***

-0,747093

0,00330

***

1,100

B

-0,00385803

0,00395

***

2,638

PC

0,118534

0,11798

DG

0,371159

0,00044

CdA

0,0252481

0,75283

I_Size

0,944562

<0,00001

***

2,766

Roa

-15,8897

<0,00001

***

1,177

NI

-2,99788e-06

<0,00001

***

8,174

C

1,97805e-05

<0,00001

***

8,099

ΔLBcc

R-quadro

0,844490

R-quadro corretto

0,839107

P-value(F)

1,08e-99

1,172 ***

1,052 1,133

*, **, *** indicano livelli di significatività (due code) al 10%; 5% e 1%.

Cr è il logaritmo naturale delle sofferenze; ΔLBcc è l’ammontare degli excess prestiti rispetto all’intero sistema cooperativo; B rappresenta il numero di filiali; PC è la dummy di governance relativa al presidente del consiglio di amministrazione; DG è la dummy di governance relativa al direttore generale; CdA è la dummy di governance relativa al consiglio di amministrazione; Size è la dimensione aziendale misurata dal logaritmo naturale dell’intero attivo; Roa è la profittabilità misurata dal rapporto tra il risultato di gestione e il totale attivo; Nl è il numero di imprese attive nella regione di appartenenza della i-esima Bcc; C sono i consumi per famiglia nella regione di appartenenza della i-esima Bcc.

La tavola evidenzia poi una relazione anch’essa negativa (sebbene meno consistente: β2 = -0,00385803) e significativa a livello 1% tra le sofferenze e il numero di filiali che conferma quanto rilevato con riferimento agli extra-loan. D’altro canto le Bcc effettuano una politica di espansione sempre nell’ambito del territorio (comune) d’origine o in territori (comuni) limitrofi. Questo permette loro di sfruttare proficuamente la conoscenza del territorio stesso.

Interessante è poi il legame positivo e statisticamente significativo a livello 1% che esiste tra le sofferenze e la variabile dummy relativa al direttore generale (β4 = 0,371159). In tal senso la regressione dice che in media si registra un incremento delle sofferenze allorquando si cambia il direttore generale. La tavola conferma poi la forte relazione statisticamente significativa (a livello 1%), già evidenziata dall’analisi univariata, che esiste tra la dimensione e il livello delle sofferenze (β6 = 0,944562).

Molto alta è la relazione inversa statisticamente significativa a livello 1% che esiste tra il return on asset e il livello delle sofferenze (β7 = -15,8897). Dal punto di vista economico ciò sta a significare che le sofferenze hanno in media un impatto fortemente negativo sulla redditività operativa delle Bcc. D’altro canto le banche di credito cooperativo, per propria natura e operatività, basano molto i risultati della gestione operativa (e dell’intero conto economico) sull’attività di prestito piuttosto che, ad esempio, sull’intermediazione e sul trading e pertanto difficilmente riescono a recuperare le perdite della gestione del credito con altre attività operative. Ancora, la regressione evidenzia una relazione negativa significativa a livello 1% tra la presenza di imprese nel mercato e il livello di sofferenze e una relazione positiva significativa a livello 1% tra i consumi per famiglia e il livello di sofferenze, con valori prossimi allo zero (β8 = -2,99788e-06; β9 = 1,97805e-05) che attestano la sostanziale indipendenza statistica tra le suindicate variabili esplicative e le sofferenze.

F ORUM

35

La bontà di adattamento del modello proposto è statisticamente confermata dall’alto livello del r-quadro (0,844490) e la giustezza delle variabili introdotte è confermata dal livello dell’r-quadro corretto (0,839107) sostanzialmente in linea con l’r-quadro.

7 Ulteriori approfondimenti statistici. L’«effetto ritardo» Le considerazioni svolte nel precedente paragrafo riguardano la relazione che esiste tra la variabile dipendente sofferenze (rischio di credito) e le variabili esplicative entrambe considerate nel medesimo anno. Invero, come rilevato nel paragrafo 2, la letteratura economica si sofferma anche (soprattutto) sui possibili effetti che le politiche aziendali possono produrre, dopo uno o più anni, sulle sofferenze. È infatti altamente ipotizzabile che le sofferenze possano essere la conseguenza di scelte che la banca ha effettuato in anni precedenti. Si fa riferimento, in particolare, alla politica di crescita territoriale effettuata mediante l’apertura di nuove filiali e alla politica di espansione del credito effettuata in misura maggiore rispetto alla media dell’intero sistema cooperativo. È per queste ragioni che si è scelto di approfondire ulteriormente l’analisi econometrica calcolando i lag temporali rispetto alle indicate variabili. In particolare, sono stati calcolati i lag con riferimento a tutte le variabili con esclusione della redditività operativa e della dimensione aziendale.

Tale scelta è dettata innanzitutto da motivi economici in quanto il nostro obiettivo è quello di verificare l’effetto negli anni successivi delle sole variabili prescelte e le due variabili tralasciate (soprattutto la variabile dimensionale) avrebbero potuto «disturbare» tale indagine. Invero, anche dal punto di vista statistico la scelta sembra essere corretta; infatti, se si tralasciano le due variabili indicate, la bontà di adattamento del modello rimane molto alta (valori superiori all’80%) mentre, se si ritardano anche le variabili relative alla redditività e alla dimensione, la bontà di adattamento del modello diventa molto debole (valori inferiori al 20%).

La tavola 4 illustra i risultati di tale approfondimento. Per motivi di spazio si è scelto di presentare solamente i risultati relativi alle variabili ritardate.

L’analisi dei ritardi temporali conferma i risultati relativi alla precedente regressione che sono in controtendenza rispetto a quanto evidenziato da precedenti studi effettuati a livello internazionale.

Ancora una volta, infatti, si evince una relazione inversa tra le sofferenze e il tasso di incremento dei prestiti calcolato rispetto al sistema delle banche di credito cooperativo (ΔLBcc). Va in particolare evidenziato come nel terzo anno successivo all’incremento dei prestiti si ha una relazione inversa (significativa a livello 10%) estremamente consistente (40,27%). Più contenuta è invece la relazione inversa nel tempo tra le nuove aperture di sportelli e le sofferenze. In questo caso permane la relazione inversa significativa all’1% con l’eccezione del terzo anno.

Di particolare interesse il coefficiente relativo al consiglio di amministrazione con lag temporale pari a -2 e pari a -5. Dalla regressione risulta infatti un valore positivo (0,258123) significativo a livello 1% per il lag -2 e un valore positivo (0,199222) significativo a livello 5% per il lag -5. Ciò significa che due e cinque anni dopo il cambiamento (della maggioranza) del consiglio di amministrazione si registra (in media) un incremento delle sofferenze.

I lag temporali confermano la sostanziale indifferenza statistica tra il livello delle sofferenze e le variabili macroeconomiche considerate.

La bontà di adattamento dei modelli utilizzati è confermata dagli alti livelli dei valori dell’r-quadro e dell’r-quadro corretto.

36

F ORUM

BANCARIA n. 1/2013

Tavola 4

Regressioni con lag temporali

ΔLBcc

Lag -1

Lag -2

Lag -3

Lag -4

Lag -5

0,0448809

-0,314571

-0,402749*

0,0843103

-0,264382

(0,80364)

(0,20340)

(0,08435)

(0,70726)

(0,16094)

B

-0,00344662***

0,00154227

0,00144398***

-0,00342595***

-0,00115228***

(0,00032)

(0,12862)

(0,00317)

(<0,00001)

(0,00192)

PC

0,00562905

-0,186323

-0,0378133

0,0699257

-0,0270402

(0,94477)

(0,12204)

(0,69059)

(0,53960)

(0,72034)

DG

0,0419507

-0,0497169

-0,193665

-0,14217

0,0900443

(0,85752)

(0,54682)

(0,19147)

(0,44811)

(0,66858)

CdA

0,0545874

0,258123***

0,161327

0,0339313

0,199222**

(0,46811)

(0,00650)

(0,19717)

(0,61405)

(0,02663)

-3,6078e-06***

-2,86135e-06***

-2,60538e-06***

-2,87515e-06***

-2,85757e-06***

(<0,00001)

(<0,00001)

(<0,00001)

(<0,00001)

(<0,00001)

2,06164e-05***

1,52886e-05***

1,09004e-05***

7,60548e-06***

4,71057e-06*

(<0,00001)

(<0,00001)

(0,00005)

(0,00247)

(0,06920)

R-quadro

0,822175

0,812181

0,809588

0,814891

0,835972

R-quadro corretto

0,815562

0,804634

0,801269

0,806030

0,827288

NI

C

P-value(F)

1,61e-85

3,04e-76

3,18e-69

5,09e-64

5,32e-62

P-value normalità

0,828878

0,152177

0,468256

0,573152

0,334209

*, **, *** indicano livelli di significatività (due code) al 10%; 5% e 1%.

In parentesi sono indicati i p-value.

8 Conclusioni Nel presente articolo è stato esaminato il rischio di credito delle banche di credito cooperativo delle regioni Lazio, Umbria e Sardegna. A tal fine sono stati effettuati un’analisi univariata, un’analisi multivariata e un approfondimento statistico per considerare gli eventuali effetti differiti nel tempo.

I risultati dell’analisi attestano una relazione inversa tra il livello delle sofferenze e gli extra-crediti (rispetto alla media dell’intero sistema nazionale delle banche di credito cooperative) nonché una relazione inversa tra il livello delle sofferenze e l’aumento della diffusione territoriale mediante l’apertura di nuovi sportelli.

Tali relazioni (in quanto attestano la capacità – in media – di gestire gli sviluppi dimensionali) dal punto di vista economico possono essere ricondotte alle peculiarità delle banche esaminate. Si tratta infatti, se si esclude la sola Bcc di Roma, di banche di piccole e piccolissime dimensioni che operano in una ristretta realtà locale. Si tratta poi di banche che utilizzano al meglio la conoscenza del territorio e della clientela e si rivolgono quasi sempre verso i medesimi settori specifici e tradizionali (retail e small business). Sono banche in cui si attuano politiche espansive sia in termini di prestiti che in termini di filiali solamente laddove la banca si trovi in condizioni sane e nei confronti di clientela selezionata e conosciuta. In tal senso si può, pertanto, dire che la conoscenza personale pluriennale dei clienti e del territorio nonché il costante investimento quasi esclusivamente verso lo small business e il retail abbia consentito alle banche analizzate di «battere» le tecniche di selezione proprie dei sofisticati modelli matematico-statistici introdotti da Basilea 2. Tale dato risulta ancora più interessante se si rileva come nel periodo critico (2002-

38

F ORUM

BANCARIA n. 1/2013

2008) il rapporto tra le sofferenze e gli impieghi delle banche esaminate abbia subito un decremento del 3,14% ovvero un decremento maggiore sia di quello ottenuto dalle banche popolari (-1,03%) e dalle banche Spa (-1,94%), sia di quello ottenuto dall’intero aggregato nazionale delle banche di credito cooperativo (-0,38%). E nel medesimo periodo, a fronte di un incremento del 10,51% degli impieghi delle banche popolari (caratterizzato peraltro dall’alternarsi di periodi positivi e negativi) e di un incremento del 63,4% degli impieghi delle banche Spa (dato fortemente influenzato dal forte incremento nell’anno 2007), si registra un incremento del 106% degli impieghi dell’intero sistema delle Bcc e un incremento del 112,37% delle Bcc esaminate.

BIBLIOGRAFIA

Berger A.N., Klapper L.F.,Turk-Ariss R. (2009), «Bank Competition and Financial Stability», in Journal of Financial Services Research, 35(2), pp. 99-118.

Boyd J.H., De Niccolò G. (2005), «The Theory of Bank Risk Taking and Competition Revised», in Journal of Finance, 60(3), pp. 1329-1343.

Calomiris C.W., Mason J.R. (2000), Causes of U.S. Bank Distress during the Depression, Nber working paper n. 7919, pp.

530-554.

Clair R.T. (1992), «Loan Growth and Loan Quality: Some Preliminary Evidence from Texas Banks», in Federal Reserve Bank of Dallas Economic Review, 3, pp. 9-22.

Demsetz R., Strahan P. (1997), «Diversification, Size, and Risk at Bank Holding Companies,» in Journal of Money, Credit and Banking, 29(3), pp. 300-313.

Foos D., Norden L.,Weber M. (2010), «Loan Growth and Riskiness of Banks», in Journal of Banking and Finance, 34(12).

Fukumoto K. (2004), Taking Bounded Variables Seriously: Extended Beta Binomial, Asymmetric Logit, and Time Series, Research Workshop in Applied Statistics, Harvard University.

Goddard J., McKillop D.,Wilson J. (2008), «The Diversification and Financial Performance of Us Credit Unions», in Journal of Banking and Finance, 32(9), pp. 1836-1849.

Gutiérrez E. (2008), The Reform of the Italian Cooperative Banks, Imf Working Paper.

Hess K., Grimes A., Holmes M. (2009), «Credit Losses in Australasian Banking», in The Economic Record, 85(270), pp.

331-343.

Hesse H., Cihak M. (2007), Cooperative Banks and Financial Stability, Imf Working Paper.

Jiménez G., Saurina J. (2004), «Collateral,Type of Lender and Relationship Banking as Determinants of Credit Risk», in Journal of Banking and Finance, 28(9), pp. 2191-2212.

Jiménez G., Lopez J.A., Saurina J. (2007), How Does Competition Impact Bank Risk-Taking?, Working Paper n. 2007-23, Federal Reserve Bank of San Francisco.

Keeley M.C. (1990), «Deposit Insurance, Risk, and Market Power in Banking», in American Eonomic Review, 80(5), pp. 11831199.

Kolari J., Zardkoohi R. (1990), «Economies of Scale and Scope in Thrift Institutions: the Case of Finnish Cooperative and Savings Banks», in Scandinavian Journal of Economics, 92(3), pp. 437-451.

Leaven L., Levine R. (2006), Corporate Governance, Regulation, and Bank Risk Taking, Working Paper Nber.

Lepetit L., Nys E., Rous P., Tarazi A. (2008), «Bank Income Structure and Risk: An Empirical Analysis of European Banks», in Journal of Banking and Finance, 32(8), pp. 1452-1467.

Marcucci J., Quagliariello M. (2009), «Asymmetric Effects of the Business Cycle on Bank Credit Risk», in Journal of Banking and Finance, 33(9), pp. 1624-1635.

Porath D. (2004), Estimating Probabilities of Default for German Savings Banks and Credit Cooperatives, Bundesbank Discussion Paper, n. 6.

Quagliariello M. (2007), «Banks’ Riskiness Over the Business Cycle: A Panel Analysis on Italian Intermediaries», in Applied Financial Economics, 17(2), pp. 119-138.

Ramirez Carlos D. (2003), «Did Branch Banking Restrictions Increase Bank Failures? Evidence from Virginia and West Virginia in the late 1920s», in Journal of Economics and Business, 55(4), pp. 331-352.

Rasmusen E. (1988), «Stock Banks and Mutual Banks»,in Journal of Law and Economics, n. 31, pp. 395-422.

Salas V., Saurina J. (2002), «Credit Risk in Two Institutional Regimes: Spanish Commercial and Savings Banks», in Journal of Financial Services Research, 22(3), pp. 203-224.

Saunders A., Strock E.,Travlos N.G. (1990), «Ownership Structure, Deregulation, and Bank Risk Taking», in Journal of Finance, 45(2), pp. 643-654.

Sinkey J. (1975), «A Multivariate Statistical Analysis of the Characteristics of problem Banks», in Journal of Finance, 30(1), pp.

21-36.

Sinkey J.F., Greenwalt M.B. (1991), «Loan-Loss Experience and Risk-Taking Behvior at Large Commercial Banks», in Journal of Financial Services Research, 5(1), pp. 43-59.

Stiroth K.J., Strahan P. E. (2003), «Competitive Dynamics of Deregulation: Evidence fron U.S. Banking», in Journal of Money, Credit and Banking, 35(5), pp. 801-828.

Wall L.D. (1987), «Has Bank Holding Companies’ Diversification Affected their Risk of Failure?», in Journal of Economics and Business, 39(4), pp. 313-326.

F ORUM

39