Modelling profitability of banks by using dynamic panel data estimation method

LTTikslas – surasti ir įvertinti ryšį tarp bankų sektoriaus pelningumo ir realios ekonomikos duomenų, naudojant sekinius duomenis, bei parodyti, kokias analizės galimybes suteikia dinaminiai sekinių duomenų vertinimo metodai. Metodika – sekinių duomenų imtį sudaro duomenys, gauti kelis laiko momentus stebint tuos pačius individus. Sekiniai duomenys ir jų vertinimo metodai yra dažnai taikomi atliekant ekonominius tyrimus, kadangi jie suteikia daugiau informacijos nei vien tik vienalaikiai duomenys arba laikinės sekos. Išvados – analizuodami ryšį tarp bankų pelno (nuostolio) ataskaitos eilučių (grynųjų palūkanų pajamų, grynųjų paslaugų ir komisinių pajamų ir operacinių išlaidų) bei makroekonominių kintamųjų taikėme dinaminių sekinių duomenų vertinimo metodus. Modelių vertinimas rodo, kad į analizę įtraukti makroekonominiai kintamieji yra reikšmingi, ir kad yra sąveika tarp bankų pelningumo ir realios ekonomikos. Mes nustatėme, kad grynosios palūkanų pajamos priklauso nuo realių investicijų ir trumpo laikotarpio palūkanų normų, grynosios paslaugų ir komisinių pajamos reaguoja į realiojo bendrojo vidaus produkto pokyčius, o operacinės išlaidos yra susijusios su realiuoju BVP ir kompensacija vienam dirbančiajam. Praktinis pritaikymas – įvertinti modeliai yra naudojami, siekiant apskaičiuoti pelno (nuostolio) ataskaitos eilučių pokyčius, kurie galimai įvyktų atsitikus išoriniam prognozuojamam makroekonominiam poveikiui. Apskaičiuotos reikšmės parodo, kad bankų pelningumas reaguoja į makroekonominės situacijos pokyčius. [Iš leidinio]Reikšminiai žodžiai: Bankų pelningumas; Bankų pelningumas, finansų sektoriaus ir realios ekonomikos sąveika; Finansų sektoriaus ir realios ekonomikos sąveika; Makroekonominis poveikis; Sekinių duomenų metodai; And real economy interaction; Bank profitability; Financial; Financial and real economy interaction; Macroeconomic impact; Panel data methods.

ENPurpose – to find and assess connection between banking sector profitability and real economy data, using panel data, and to display analysis capabilities of dynamic panel data estimation methods. Design/methodology/approach – a panel, or longitudinal data set, consists of a sequence of observations, repeated through time on a set of statistical units. Panel data and their estimation methods are frequently used in various economic research, as it gives more information than pure cross-section or time series data. Findings – dynamic panel data estimation methods are used to study relationship between income statement items (net interest income, net fee and commission income and operating expenses) and macroeconomic variables. Model estimation shows that included macroeconomic variables are significant and there is interaction between banks profitability and real economy. Net interest income are found to be dependent on real investment and short term interest rate, net fee and commission income reacts to changes in real gross domestic product (GDP) and operating expenses are connected to real GDP and compensation per employee. Practical implications – the model is used to estimate income statement items changes after the external forecasted macroeconomic impact. The forecasts indicate that banks profitability reacts to changes in macroeconomic situation. [From the publication]