MSPD Çalışma Raporları : 2002/1. Türk Bankacılık Sektöründe Karlılığın Belirleyicileri Yasemin Türker Kaya

Transkript

1 MSPD Çalışma Raporları : 2002/1 Türk Bankacılık Sektöründe Karlılığın Belirleyicileri Yasemin Türker Kaya Mali Sektör Politikaları Dairesi Haziran 2002

2 BANKACILIK DÜZENLEME VE DENETLEME KURUMU MSPD Çalışma Raporları No: 2002/1 Türk Bankacılık Sektöründe Karlılığın Belirleyicileri Yasemin Türker Kaya * Haziran 2002 Bu çalışma Bankacılık Düzenleme ve Denetleme Kurumunun görüşlerini yansıtmaz. Sorumluluğu yazarına aittir. * Bankacılık Düzenleme ve Denetleme Kurumu Uzmanı yturker@bddk.org.tr Tel: Fax:

3 Türk Bankacılık Sisteminde Karlılığın Belirleyicileri: Özet 15 Mayıs 2001 tarihinde kamuya açıklanan Bankacılık Sektörü Yeniden Yapılandırma Programı Türk bankacılık sisteminin süregelen yapısal sorunlarını aşmaya yöneliktir. Bu programın temel amaçları, bankacılık sisteminin mali ve operasyonel yapısının güçlendirilmesi ve sistemdeki etkinliğin ve rekabetin kalıcı olarak yerleştirilmesidir. Programın başarısıyla birlikte, şu ana kadar üzerinde fazlaca durulmamış olan sektörün karlılığı ve etkinliği konularının daha fazla önem kazanacağı beklenmektedir. Bu bağlamda bankacılık sisteminde karlılığın belirleyicilerinin analitik bir çalışmayla araştırılmasının faydalı olacağı düşünülmektedir. Çalışmada dönemi için panel data kullanılarak karlılık göstergelerinin (net faiz marjı, aktife göre getiri, özkaynağa göre getiri) mikro ve makro belirleyicileri, Ho ve Saunders (1981) tarafından geliştirilen iki aşamalı yaklaşım kullanılarak tespit edilmeye çalışılmıştır. Elde edilen tahmin sonuçlarına göre, net faiz marjının temel mikro belirleyicileri olarak özkaynaklar, likidite, personel harcamaları, mevduatlar ve piyasa payı; makro belirleyicileri olarak ise enflasyon ve konsolide bütçe açığı anlamlı bulunmuştur. Aktife göre getirinin temel mikro belirleyicileri olarak özkaynak, likidite, personel harcamaları, krediler, kötü aktifler ve mevduatlar elde edilmiştir. Aynı değişkenin makro belirleyicileri olarak ise enflasyon ve konsolide bütçe açığı anlamlı bulunmuştur. Yapılan tahmin sonuçlarına göre, özkaynağa göre getirinin bankacılık sektörüne özgü belirleyicileri olarak özkaynaklar, menkul değerler cüzdanı, likidite, personel harcamaları, krediler, mevduatlar, yabancı para pozisyonu ve piyasa payı anlamlı bulunmuştur. Makro belirleyiciler arasında ise enflasyon, konsolide bütçe açığı ve reel faiz anlamlı bulunmuştur. Değerlendirme ve yorumları için Zeynep Ada Eroğlu, Ercan Türkan ve Ahmet Akıncı ya teşekkür ederim.

4 Determinants of Profitability in Turkish Banking System: Abstract This paper studies the determinants of profitability indicators using panel data during the period for Turkish banking sector. A two-step approach is applied to measure the relative importance of the micro and the macro elements to determine profitability. Within the micro determinants; capital, liquidity, personnel expenditures, deposits and market share are found to have a significant influences on net interest margins. Among the macro variables, inflation and budget deficits have significant effect on net interest margins. The results suggest that capital, liquidity, personnel expenditures, loans, nonperforming loans and deposits are the micro determinants of return on assets (ROA). In addition, inflation and the budget deficits have significant contribution among the macro variables. The findings of this study also revealed that, the most important contributors of return on equity (ROE) are capital, securities portfolio, liquidity, personnel expenditures, loans, deposits, FX position and market share. Inflation, budget deficits and real interest rate are found significant impacts on ROE.

5 İÇİNDEKİLER I. GİRİŞ... 1 II. METODOLOJİ... 2 III. MODEL... 2 IV. ÇALIŞMADA KULLANILAN DEĞİŞKEN SETİNİN TANITIMI... 3 V. TAHMİN SONUÇLARI... 4 A. Birinci Aşama Regresyon Sonuçları... 4 B. Birinci Aşama Regresyon Sonuçlarına İlişkin Değerlendirme... 6 C. İkinci Aşama Regresyon Sonuçları D. İkinci Aşama Regresyon Sonuçlarına İlişkin Değerlendirme VI. GENEL DEĞERLENDİRME KAYNAKLAR... 16

6 Türk Bankacılık Sektöründe Karlılığın Belirleyicileri: I. GİRİŞ 1980 lerin başından itibaren uygulamaya konulan serbestleşme politikaları, Türk bankacılık sisteminde de etkisini göstermiş ve bu politikaların sonucu olarak pek çok olumlu gelişme yaşanmıştır. Mali serbestleşme ile birlikte sisteme giriş imkanları genişlemiş, bunun sonucu olarak banka sayısında ve istihdamda ciddi artış yaşanmıştır. Rekabet ve dünya mali piyasalarıyla bütünleşme sonucu bankaların hizmet çeşitliliği artmıştır. Ancak, bütün bu olumlu gelişmelere rağmen Türk bankacılık sistemi özkaynak yetersizliği, kamu bankalarının sistemdeki ağırlığının yarattığı bozucu etkiler, küçük ölçekli ve parçalı bankacılık yapısı, bankaların yetersiz iç kontrol ve risk yönetimi sistemleri, banka bilançolarındaki saydamlığın yetersizliği, zayıf aktif kalitesi gibi taşıdığı yapısal sorunlar nedeniyle temel fonksiyonu olan aracılık hizmetlerini etkin ve yeterli ölçüde yerine getirmekten hızla uzaklaşmış ve sistemik risklere karşı duyarlılığı artmıştır. Bu yapısal sorunlara ilaveten, genel makroekonomik ortamdaki istikrarsızlıkların da etkisiyle bankacılık sektörü son dönemde ciddi bir krizin içine girmiştir. 15 Mayıs 2001 tarihinde kamuya açıklanan Bankacılık Sektörü Yeniden Yapılandırma Programı Türk bankacılık sisteminin yukarıda belirtilen yapısal sorunlarını aşmaya yöneliktir. Bu programla bankacılık sisteminin mali ve operasyonel yapısının güçlendirilmesi ve sistemdeki etkinliğin ve rekabetin kalıcı olarak yerleştirilmesi amaçlanmaktadır. Bu programın başarılı olmasıyla birlikte, bankacılık sisteminde karlılığın ve etkinliğin sürdürülmesinin daha da önem kazanacağı düşünülmektedir. Bu bağlamda, bankacılık sisteminde karlılığın belirleyicilerinin analitik bir çalışmayla ortaya konmasının faydalı olacağı düşünülmektedir. Çalışmanın temel motivasyonunu da bu düşünce oluşturmaktadır. Çalışmanın ikinci bölümünde metodoloji, üçüncü bölümde ise bankacılık sektöründe karlılığın belirleyicilerinin tespitinde kullanılan model sunulmaktadır. Dördüncü bölümde ise çalışmada kullanılan değişken seti tanıtılmaktadır. Çalışmaya ilişkin tahmin sonuçları beşinci bölümde verilmekte ve elde edilen sonuçlar değerlendirilmektedir. Son bölüm ise genel değerlendirmeye ayrılmıştır.

7 Türk Bankacılık Sektöründe Karlılığın Belirleyicileri: II. METODOLOJİ Çalışmada Ho ve Saunders (1981) tarafından geliştirilen iki aşamalı yaklaşım (two-step approach) kullanılmıştır. Bu yaklaşımın ilk aşamasında bankaların karlılık göstergeleri (net faiz marjı, aktife göre getiri, özkaynağa göre getiri), eldeki panel data setinde yer alan bankacılığa özgü açıklayıcı değişkenler (mikro değişkenler) ve zaman kukla değişkenleri (time dummies) kullanılarak tahmin edilmektedir. Kullanılan metoda göre birinci aşama tahmin sonucunda elde edilen zaman kukla değişkenleri ve sabit değişkenin katsayıları toplamı, sistemdeki saf karlılığı/saf faiz marjını (pure spread) göstermektedir. İkinci aşamada ise saf karlılık bağımlı değişken olarak kullanılarak makroekonomik belirleyicileri araştırılmaktadır. Bu tahmin sonucunda elde edilen sabit terim makro ve mikro değişkenler tarafından açıklanamayan yapısal faktörleri temsil etmektedir. Saunders ve Schumacher (2000), Brock ve Suarez (2000), Afanasieff ve diğerleri (2001) bu yaklaşımı kullanan çalışmalara örnek olarak verilebilir. III. MODEL Ampirik çalışmanın ilk aşamasında tahmin edilen denklem aşağıda sunulmaktadır. k = α + δd + β + ε (1) it X it Bu denklemde k it bankaların karlılığını (i=1,...,n banka sayısı; t=1,...,t dönem sayısı) temsil eden bağımlı değişkeni ; D dönemsel (T dönem için) kukla değişken vektörünü, X it bankacılık sektörüne özgü mikro açıklayıcı değişkenler vektörünü, ε it ise istatistiksel hata terimini göstermektedir. Tahmin sonucunda elde edilen katsayılar ise α, δ, ve β ile gösterilmektedir. Yukarıda tahmin edilen denklemden saf karlılık; it sk t =α+δ t formülüyle hesaplanmakta ve ampirik çalışmanın ikinci aşamasında makroekonomik göstergeler kullanılarak açıklanmaktadır. İkinci aşamada tahmin edilen denklem aşağıda sunulmaktadır. sk = φ + γz + u t t t (2)

8 Türk Bankacılık Sektöründe Karlılığın Belirleyicileri: Bu denklemde sk saf karlılığı, Z t makro değişken vektörünü, u t ise istatistiksel hata terimini göstermektedir. Denklemde tahmin edilen katsayılar ise φ ve γ ile gösterilmiştir. IV. ÇALIŞMADA KULLANILAN DEĞİŞKEN SETİNİN TANITIMI Çalışmada TC Merkez Bankası Bankalar Gözetim Sistemi Tekdüzen Raporlama Paketinde yer alan özel ve kamu bankalarına ait dönemsel veriler kullanılmıştır. Dolayısıyla veri seti panel data özelliği taşımaktadır. Tahmin dönemi olarak seçilmiş olup çalışmada kullanılan banka sayısı 44 tür. Çalışmada kullanılan bağımlı değişkenler, açıklayıcı mikro değişkenler aşağıdaki tabloda sunulmaktadır. ve makro Tablo 1: Değişken Tanımlamaları DEĞİŞKENLER AÇIKLAMA Bağımlı Değişkenler NFM Net faiz marjı (net faiz gelirleri/toplam varlıklar) ROE Net özkaynak getirisi (net gelir/toplam özkaynaklar) ROA Net varlık getirisi (net gelir/toplam varlıklar) Açıklayıcı değişkenler (mikro) SER Toplam özkaynak/toplam varlıklar LIK Likit varlıklar/toplam varlıklar MDC Menkul değerler cüzdanı/toplam varlıklar NPL Tahsili gecikmiş alacaklar (net)/toplam varlıklar PER Personel harcamaları/toplam varlıklar FDG Toplam faiz dışı giderler/toplam varlıklar KRE Toplam krediler/toplam varlıklar MEV Toplam mevduatlar/toplam varlıklar PAY Toplam varlıklar/sektör toplam varlıkları YPP (YP yükümlülükler-yp varlıklar)/toplam varlıklar DUMKAMU Kamu bankaları için kukla değişken Açıklayıcı değişkenler (makro) ENF ortalama yıllık enflasyon KBD Dönemsel konsolide bütçe açığı/gsmh (çeyrek nominal) BUY Ortalama yıllık büyüme RFA Reel faiz oranı (O/N faiz dönem ortalaması-ortalama yıllık enflasyon)/(1+ortalama yıllık enflasyon) Çalışmada kullanılan değişkenlerin tahmin dönemine ait tanımsal istatistikleri aşağıda sunulmaktadır. 1 1 Tabloda yer alan değerler verisi bulunan bankalar kullanılarak hesaplanmıştır.

9 Türk Bankacılık Sektöründe Karlılığın Belirleyicileri: Tablo 2: Değişkenlere İlişkin Tanımsal İstatistikler ORTALAMA MEDYAN STANDART SAPMA NFM ROE ROA SER LIK MDC NPL PER FDG KRE MEV YPP PAY ENF KBD BUY RFA V. TAHMİN SONUÇLARI A. Birinci Aşama Regresyon Sonuçları Bağımlı Değişken: NFM Metot: GLS-Genelleştirilmiş En Küçük Kareler (yatay kesit ağırlıklı) Örneklem Dönemi: 1997:1 2000:4 Kullanılan toplam yatay kesit sayısı: 44 Toplam panel gözlem sayısı: 583 (dengelenmemiş) Değişken Katsayı Std. Hata t istatistiği C SER MDC LİK PER KRE MEV NPL PAY DUMKAMU YPP İstatistikler R Bağımlı değişken ort Adj.R St. hata ( bağımlı değ.) Std. hata (regresyon) Hata kareleri toplamı F-istatistiği Durbin-Watson ist

10 Türk Bankacılık Sektöründe Karlılığın Belirleyicileri: Bağımlı Değişken: ROA Metot: GLS-Genelleştirilmiş En Küçük Kareler (yatay kesit ağırlıklı) Örneklem Dönemi: 1997:1 2000:4 Kullanılan toplam yatay kesit sayısı: 44 Toplam panel gözlem sayısı: 583 (dengelenmemiş) Değişken Katsayı Std. Hata t ist. C SER MDC LIK PER KRE MEV NPL PAY YPP DUMKAMU İstatistikler R Bağımlı değişken ort Adj.R St. hata (bağımlı değ.) Std. hata (regresyon) Hata kareleri toplamı F-istatistiği Durbin-Wat son ist Bağımlı Değişken: ROE Metot: GLS-Genelleştirilmiş En Küçük Kareler (yatay kesit ağırlıklı) Örneklem Dönemi: 1997:1 2000:4 Kullanılan toplam yatay kesit sayısı: 44 Toplam panel gözlem sayısı: 583 (dengelenmemiş) Değişken Katsayı St. Hata t ist. C SER MDC LIK PER KRE MEV NPL PAY YPP DUMKAMU İstatistikler R Bağımlı değişken ort Adj.R St. hata (bağımlı değ.) Std. hata (regresyon) Hata kareleri toplamı F-istatistiği Durbin -Watson ist

11 Türk Bankacılık Sektöründe Karlılığın Belirleyicileri: Tablo 3: Birinci Aşama Regresyon Sonuçlarına İlişkin Özet Tablo NFM ROA ROE SER + * + ** - * MDC * LIK + *** + * + * PER + * - * - * KRE + + * + * NPL - - * + MEV - * - * - * YPP * PAY + * + + * DUMKAMU * Açıklamalar * ** *** ile gösterilen değişkenler %1 düzeyinde istatistiksel olarak anlamlıdır. ile gösterilen değişkenler %5 düzeyinde istatistiksel olarak anlamlıdır. ile gösterilen değişkenler %10 düzeyinde istatistiksel olarak anlamlıdır. B. Birinci Aşama Regresyon Sonuçlarına İlişkin Değerlendirme 1. Bankaların toplam özkaynaklarının toplam varlıklara oranını temsil eden SER değişkeni ile NFM ve ROA arasında pozitif ilişkiler bulunurken, ROE ile negatif bir ilişki elde edilmiştir. Bankaların yüksek sermaye oranlarına sahip olması, sağlam bir mali bünyeye sahip olduklarını göstermektedir. Yüksek sermayeyle çalışan bankaların sermayelerindeki artış ödeyememe/temerrüde düşme risklerini (default risk) azaltarak, fonlama maliyetlerini düşürmekte ve bunun sonucu olarak faiz marjları ve karlılıkları artmaktadır. 3. denklemde, ROE değişkeniyle SER arasında elde edilen negatif ilişki, sermaye arttıkça, sermayeye göre karlılığın düştüğünü göstermektedir. Her üç denklemde de SER değişkeni için elde edilen katsayılar istatistiksel olarak anlamlıdır. Uluslararası literatür incelendiğinde, Abreu ve Mendes (2001), Brock ve Suarez (2000), Saunders ve Schumacher (2000), Demirgüç-Kunt ve Huizinga (1999) tarafından yapılan çalışmalarda benzer sonuçlar elde edildiği görülmüştür. Guru ve diğerleri (1999) tarafından yapılan çalışmada ise sermaye/toplam varlıklar ile ROE arasında negatif bir ilişki bulunmuştur. Yazarlara göre, yüksek sermaye/toplam varlıklar oranı bankalar için düşük kaldıraç oranı dolayısıyla düşük riskin göstergesi olmakta ve düşük risk de düşük getiri ile sonuçlanmaktadır. 2. Bankaların menkul değerler cüzdanının toplam aktiflere oranını gösteren MDC değişkeniyle NFM arasında negatif bir ilişki bulunurken, ROA ve ROE değişkenleriyle pozitif ilişkiler elde edilmiştir. Ancak ilk iki denklemde elde edilen katsayılar istatistiksel olarak anlamlı değildir. MDC ile ROE ve MDC ile NFM

12 Türk Bankacılık Sektöründe Karlılığın Belirleyicileri: arasında elde edilen pozitif ilişkiler menkul değerler cüzdanındaki büyümenin bankaların karlılığını artırdığını göstermektedir. Bilindiği gibi, 1990 lı yılların başından itibaren kamunun artan borçlanma ihtiyacı bankacılık sektörü tarafından finanse edilmiş ve bankalar asli aracılık hizmetlerinden uzaklaşarak risksiz bir plasman alanı olarak görülen DİBS portföylerini genişletmişlerdir. 2 Kamu kağıtlarının yüksek getiriye sahip olması, bankaların faiz marjlarını ve karlılıklarını artırmalarını sağlamıştır. MDC ile karlılığı temsil eden ROA ve ROE arasındaki ilişkilerin farklı işaretlerde ve anlamlılık düzeylerinde olması, bu ilişkinin robust (dirençli, duyarsız) bir yapıda olmadığını göstermektedir. Daha önce Türker-Kaya (2001) tarafından yapılan çalışmada da menkul değerler cüzdanının toplam varlıklar içindeki payının artmasının net faiz marjını artırdığı sonucuna ulaşılmıştır. 3. Bankaların likit varlıklarının (MDC dışında) toplam aktiflere oranını gösteren LIK değişkeni ile karlılık göstergeleri arasında pozitif bir ilişki bulunmuştur. LIK ile NFM arasındaki pozitif ilişki, bankaların düşük getirili likit varlık tutmalarının faiz marjlarını açmalarına yardımcı olduğunu göstermektedir. LİK değişkeni ile karlılık göstergeleri (ROA, ROE) arasındaki ilişkilerin pozitif olması ise bankaların faiz marjlarındaki açılmayı karlılıklarına da yansıtabildikleri şeklinde yorumlanmıştır. Her üç denklem de istatistiksel olarak anlamlı bulunmuştur. Literatürde yer alan çalışmalar incelendiğinde, Brock ve Suarez (2000) tarafından yapılan çalışmada benzer sonuçlar elde edilirken, Afanasieff ve diğerleri (2001) tarafından yapılan çalışmada likidite ile net faiz marjı arasında negatif ilişki bulunmuştur. Yazarlar bu sonucu, yüksek likiditenin bankaların likidite riskini düşürdüğünü ve bunun sonucu olarak bankaların açtıkları krediler üzerindeki faiz marjını indirdikleri şeklinde yorumlamışlardır. Bu noktada vurgulanması gereken bir husus bankaların likidite durumunun karlılıkla ilişkisinin dönem bağımlı olabileceğidir. Bankaların belirsizliğin yüksek olduğu bir ortamda likit kalma istekleri rasyonel bir davranış olarak yorumlanabilecekken, düşük belirsizlik ortamında likit kalmanın benzer şekilde değerlendirilmesi güç olabilecektir. 4. Bankaların personel harcamalarının toplam aktiflere oranını gösteren PER değişkeni ile karlılık göstergeleri arasındaki ilişki litaratürde iki farklı şekilde yorumlanmıştır. Aydoğan ve Çapoğlu (1989) tarafından yapılan çalışmada personel harcamalarının toplam aktiflere oranı bankacılık sektöründe verimliliğe ilişkin göstergeler arasında insan gücü faaliyetlerindeki etkinliği gösteren değişkenler alt 2 Türkiye de bankaların menkul değerler cüzdanının ortalama yüzde lik kısmı devlet iç borçlanma senetlerinden (DİBS) oluşmaktadır.

13 Türk Bankacılık Sektöründe Karlılığın Belirleyicileri: grubunda yer almaktadır. Bu bağlamda, PER değişkenini işgücü verimliliğini gösteren bir değişken olarak değerlendirmek mümkündür. Ancak aynı değişken kimi çalışmalarda bankaların operasyonel (işletme) giderlerinin en önemli kalemi olması nedeniyle bir maliyet unsuru olarak da değerlendirilebilmektedir (Demirgüç- Kunt ve Huizinga,1999). Elde edilen tahmin sonuçlarına göre, PER değişkeni ile NFM değişkeni arasında pozitif bir ilişki, bankaların işletme giderlerindeki artışları faiz marjlarına yansıtabildiklerini göstermektedir. Ancak PER değişkeni ile ROA ve ROE arasında elde edilen ilişkilerin negatif olması, bankaların yüksek personel giderlerinden doğan maliyetleri faiz marjına benzer şekilde müşterilerine dolayısıyla karlılıklarına yansıtmada başarısız olduklarını göstermektedir. PER değişkeninin işgücü verimliliği göstergesi olarak değerlendirilmesi durumunda, karlılık göstergeleriyle elde edilen negatif ilişkinin, işgücü verimliliği arttıkça (PER düştükçe) karlılığın arttığı şeklinde yorumlanması mümkündür. Her üç denklem de istatistiksel olarak anlamlı bulunmuştur. Daha önce Guru ve diğerleri (2000) ve Demirgüç-Kunt ve Huizinga (1999) yapılan çalışmalarda karlılık göstergeleri ile PER arasında negatif ilişki bulunmuştur. Bu çalışmalarda elde edilen sonuçlar, bankaların yüksek işletme giderleriyle çalışmalarının (etkin olmayan bankalar) karlılıklarını düşürdüğü şeklinde yorumlanmıştır. Abreu ve Mendes (2001) tarafından yapılan çalışmada ise bankaların toplam istihdam giderleriyle net faiz marjları arasında pozitif bir ilişki elde edilmiştir. Yazarlar, bankaların operasyonel maliyetlerini temsil eden istihdam giderlerindeki artışa net faiz marjlarını artırarak karşılık vermelerinin bankaların ayakta kalmaları için zorunlu olduğu değerlendirmesini yapmışlardır. Aynı çalışmada, toplam istihdam giderleri ile ROA/ROE arasında beklenen negatif ilişki elde edilmiş ancak denklem istatistiksel olarak anlamlı bulunmamıştır. 5. Bankaların kredi portföylerinin toplam aktiflere oranını gösteren KRE değişkeni ile üç denklemde kullanılan bağımlı değişkenler arasında pozitif bir ilişki bulunmuştur. Bu ilişki, bankaların kredi portföylerindeki genişlemeyi yüksek faiz marjlarına ve karlılığa dönüştürebildiklerini göstermektedir. Bu bağlamda, bankaların izledikleri kredi politikalarının karlılık performanslarını olumlu etkilediği söylenebilir. Üç denklemde de elde edilen katsayılar istatistiksel olarak anlamlıdır. Karlılığın belirleyicileri üzerine daha önce yapılan çalışmalardan Abreu ve Mendes (2001), Demirgüç-Kunt ve Huizinga (2001) de benzer sonuçlar elde edilmiştir. Demirgüç-Kunt ve Huizinga (1999) da yapılan çalışmada ise toplam krediler/toplam varlıklar ile net faiz marjı arasında pozitif bir ilişki elde edilirken,

14 Türk Bankacılık Sektöründe Karlılığın Belirleyicileri: toplam krediler/toplam varlıklar ile vergi öncesi kar/toplam varlıklar arasında negatif bir ilişki elde edilmiştir. 6. Bankaların n et tahsili gecikmiş alacaklarının toplam aktiflere oranı (NPL) ile faiz marjı ve karlılık göstergeleri arasında yapılan regresyonlardan, yalnızca ROA ile yapılan tahmin istatistiksel olarak anlamlı bulunmuştur. Buna göre, bankaların kötü aktifleri arttıkça, karlılıkları düşmektedir. Brock ve Suarez (2000) tarafından yapılan çalışmada da faiz marjları ile kötü aktifler arasında negatif bir ilişki bulunmuş ve bu sonuç yazarlar tarafından iki şekilde yorumlanmıştır. Birincisi, yetersiz karşılık politikaları sonucu artan kötü aktifler, bankaların gelirlerinin ve dolayısıyla faiz marjlarının düşmesine neden olmaktadır. İkinci yorum ise özellikle yüksek kötü aktife sahip bankaların büyüyen bu problemden bir an önce kurtulmak için marjlarını indirdikleri şeklindedir. Ancak, bu durum bankacılık sistemini denetleyen otoritenin sorunlu bankaları kapatmadığı ve yüksek risk-yüksek büyüme stratejisini teşvik edebileceği varsayımının geçerliliğine bağlı olmaktadır. Bankacılık Sektörü Yeniden Yapılandırma Programı kapsamında bankaların kötü aktiflerinin çözümlenmesine yönelik mevcut çabaların Türk bankacılık sisteminin karlılığının sürdürülebilirlik kazanmasına da katkıda bulunacağı düşünülmektedir. 7. Bankaların toplam mevduatlarının toplam aktiflere oranını gösteren MEV değişkeni ile faiz marjı ve karlılık değişkenleri arasında ters yönlü bir ilişki bulunmuştur. Bu sonuç, bankaların yabancı kaynakları arasında yüksek maliyete sahip olan mevduatların payının artmasının, faiz marjlarının daralmasına ve karlılığın düşmesine neden olduğu şeklinde yorumlanmıştır. Bu bağlamda, bankaların kaynak maliyetlerindeki artışı nihai fiyatlarına ve dolayısıyla tüketicilere yansıtmada başarısız oldukları yorumu da yapılabilmektedir. Tahmin sonucunda elde edilen katsayılar istatistiksel olarak anlamlıdır Yapılan tahmin sonuçlarına göre, bankaların yabancı para net açık pozisyonlarının (yabancı para yükümlülükler-yabancı para varlıklar) toplam aktiflere oranını gösteren YPP değişkeni ile net faiz marjı, ROA ve ROE değişkenleri arasında pozitif ilişki bulunmaktadır. Ancak bu ilişkilerden yalnızca ROE ile YPP arasındaki ilişki istatistiksel olarak anlamlıdır. Türk bankaların son yıllarda yüksek kur riski üstlenerek karlılıklarını artırdıkları gözönünde tutularak, bankaların açık pozisyonlarını temsil etmesi amacıyla konulan YPP değişkenindeki artışın 3 Bankaların mevduat ve özkaynak dışındaki yabancı kaynaklarının karlılık göstergeleriyle ilişkisi araştırılmış ancak tahmin edilen her üç denklem de istatistiksel olarak anlamlı bulunmadığından gösterimde yer almamıştır.

15 Türk Bankacılık Sektöründe Karlılığın Belirleyicileri: (bankaların pozisyon açmasının) bankaların karlılığını artırması anlamlı bulunmuştur. 9. Bankaların toplam varlıklarının sektör toplam varlıklarına oranı (PAY) ile NFM, ROA ve ROE arasında elde edilen pozitif ilişkilerden, PAY ile ROA arasındaki ilişki istatistiksel olarak anlamlı bulunmamıştır. İstatistiksel olarak anlamlı bulunan diğer iki ilişki bankaların piyasa payları, dolayısıyla piyasa güçleri arttıkça faiz marjlarını açabildiklerini ve karlılıklarını artırabildiklerini göstermektedir. Afanasasieff ve Lhacer (2001) tarafından yapılan çalışmada banka büyüklüğüyle faiz marjı arasında, Guru ve diğerleri (2000) tarafından yapılan çalışmada ise bankaların piyasa payları ile karlılıkları arasında pozitif ilişki bulunmuştur. Yine literatürde yer alan Demirgüç-Kunt ve Huizinga (1999) tarafından yapılan çalışmada banka yoğunlaşma oranı ile banka karlılığı arasında ve banka büyüklüğüyle faiz marjları arasında pozitif ilişkiler elde edilmiştir. 10. Türk bankacılık sisteminde yer alan bankaların sermaye yapılarına göre kamu ve özel bankalar olarak ayrıştırılmasının bankaların faiz marjını ve karlılıklarını etkileyip etkilemediklerinin araştırılması amacıyla, kamu bankaları için 1, özel bankalar için 0 değeri alan bir kukla değişken (DUMKAMU) tahmin sürecine dahil edilmiştir. Elde edilen sonuçlara göre, bu kukla değişken ile faiz marjı ve ROA arasındaki ilişkiler istatistiksel olarak anlamlı bulunmamış ancak ROE ile istatistiksel olarak anlamlı, pozitif bir ilişki elde edilmiştir. Son yıllarda mali bünyeleri önemli ölçüde bozulan kamu bankalarının bu süre boyunca sistem üzerinde yarattığı bozucu etkiler ve istikrarsızlıklar dikkate alındığında, sistemde özel bankalara göre daha karlı çalıştıkları şeklinde yorumlanabilecek bu sonuç ihtiyatla karşılanmakla birlikte bu duruma geçtiğimiz dönemde kamu bankalarının artan görev zararlarına yürüttükleri yüksek faizler sonucu sahip oldukları sanal karlılığın neden olduğu düşünülmektedir. C. İkinci Aşama Regresyon Sonuçları Çalışmanın metodoloji bölümünde anlatıldığı gibi birinci aşama tahmin sürecinde zaman kukla değişkenleriyle sabit terimin toplanmasıyla elde edilen saf faiz marjı/saf karlılık değişkenleri, ikinci aşamada makro değişkenlerle açıklanmaktadır. Aşağıda birinci aşama tahminleri sonucunda elde edilen saf faiz marjı/saf karlılık değişkenlerinin tanımsal istatistikleri verilmiştir. Buna göre, yılları arası dönemsel verilerle yapılan tahmin sistemdeki ortalama saf faiz

16 Türk Bankacılık Sektöründe Karlılığın Belirleyicileri: marjının (SFM) %2, saf ROA in (SROA) %2 ve saf ROE nin (SROE) ise %4 olduğunu göstermektedir. 4 Tablo 4: Saf Faiz Marjı/Saf Karlılık Tanımsal İstatistikler SFM SROA SROE Ortalama Medyan Std. Sapma Gözlem sayısı Daha önce belirtildiği gibi, ikinci aşamada birinci aşama sonucu elde edilen saf faiz marjı ve saf karlılık göstergelerinin makro belirleyicileri araştırılmaktadır. İkinci aşamaya ilişkin tahmin sonuçları aşağıda sunulmaktadır. Bağımlı Değişken: SFM Metot: En Küçük Kareler Gözlem Dönemi: 1997:1 2000:4 Gözlem Sayısı: 16 Değişken Katsayı Std. Hata t ist. Olasılık C ENF KBD BUY RFA İstatistikler R Durbin-W atson ist Adj.R F ist Std. Hata (regresyon) Hata kareleri toplamı Bağımlı Değişken: SROA Metot: En Küçük Kareler Gözlem Dönemi: 1997:1 2000:4 Gözlem Sayısı: 16 Değişken Katsayı Std. Hata t ist. Olasılık C ENF KBD BUY RFA İstatistikler R Durbin-Watson ist Adj.R F ist Std. hata (regresyon) Hata kareleri toplamı İkinci aşama tahmin sürecine geçmeden birinci aşamada elde edilen denklemlerdeki istatistiksel olarak anlamlı bulunmayan değişkenler ayıklanmıştır, dolayısıyla en az %10 anlamlılık düzeyindeki değişkenlerin yer aldığı denklem setinden saf faiz marjı ve saf karlılık değişkenleri hesaplanmıştır.

17 Türk Bankacılık Sektöründe Karlılığın Belirleyicileri: Bağımlı Değişken: SROE Metot: En Küçük Kareler Gözlem Dönemi: 1997:1 2000:4 Gözlem Sayısı: 16 Değişken Katsayı Std. Hata t ist. Olasılık C ENF KBD BUY RFA İstatistikler R Durbin-Watson ist Adj.R F ist Std. hata (regresyon) Hata kareleri toplamı Tablo 5: İkinci Aşama Regresyon Sonuçlarına İlişkin Özet Tablo SAFFM SAFROA SAFROE C - ** - ** - ENF + ** + ** + ** KBD + ** + ** + *** BUY RFA *** Açıklamalar * ** ile gösterilen değişkenler %1 düzeyinde istatistiksel olarak anlamlıdır. ile gösterilen değişkenler %5 düzeyinde istatistiksel olarak anlamlıdır. *** ile gösterilen değişkenler %10 düzeyinde istatistiksel olarak anlamlıdır. D. İkinci Aşama Regresyon Sonuçlarına İlişkin Değerlendirme 1. SFM, SROA ve SROE değişkenleriyle enflasyon arasında pozitif ve istatistiksel olarak anlamlı ilişkiler bulunmuştur. Bu sonuç, literatürde yer alan bazı çalışmalarda elde edilen bulgularla aynı yöndedir (Demirgüç-Kunt ve Huizinga, 1999; Demirgüç-Kunt ve Huizinga, 1999; Brock ve Suarez, 2000; Afanasieff ve Lhacer, 2001). Buna göre, bankalar enflasyon altında gelirlerini giderlerinden daha fazla artırmaktadırlar. 2. Kamunun maliye politikalarının bankacılık sektöründeki karlılık üzerine etkilerini araştırmak için konulan KBD değişkeni anlamlı sonuçlar vermiştir. Kamunun mali dengelerinde bozulma KBD değişkenindeki artışla temsil edilmekte olup, bu durum bankaların karlılıklarını artırmaktadır. Geçtiğimiz 10 yıllık dönemde kamunun mali dengelerinin sürekli bozulması (kamu açıklarının artması), kamunun mali piyasalarda artan fon ihtiyacını doğurmuş ve bunun sonucu olarak kamu, yüksek iç borçlanma faizleriyle ve özellikle bankacılık sektöründen borçlanmıştır.

18 Türk Bankacılık Sektöründe Karlılığın Belirleyicileri: Bankalar da geleneksel aracılık hizmetlerinden ziyade kamuya borç vermeyi daha risksiz ve karlı bulmuşlardır. 3. GSMH büyümesi (BUY) ile karlılık göstergeleri arasında istatistiksel olarak anlamlı bir ilişki elde edilememiştir. Ancak elde edilen negatif ilişkiler literatürde yer alan kimi çalışma sonuçlarıyla örtüşmektedir (Brock ve Suarez, 2000; Afanasieff ve Lhacer 2001). Bu çalışmalarda büyüme ile karlılık göstergeleri arasındaki negatif ilişki, ekonomi büyüdükçe bankaların aracılık maliyetlerinin düştüğü şeklinde yorumlanmıştır. Bunun en önemli nedeni olarak, büyümeyle birlikte sistemde rekabetin artması ve makroekonomik istikrarın sağlanması görülmektedir. Literatürde büyümeyle faiz marjları arasında pozitif ilişkilerin elde edildiği çalışmalar da bulunmaktadır (Afanasieff ve Lhacer, 2001; Demirgüç-Kunt ve Huizinga, 1999). Elde edilen sonuçlar bankaların ekonominin genelindeki büyümeyle birlikte artan kredi talepleri karşısında faiz marjlarını artırdıkları şeklinde yorumlanmıştır. 4. Reel faiz oranıyla karlılık göstergeleri arasında pozitif ancak istatistiksel olarak zayıf ilişkiler elde edilmiştir. Tahmin edilen denklemlerden yalnızca saf ROE nin modellendiği denklemde anlamlı bir ilişki elde edilmiştir. Buna göre reel faiz oranlarındaki artış bankaların karlılıklarını olumlu yönde etkilemektedir Daha önce Demirgüç-Kunt ve Huizinga (1999) tarafından yapılan çalışmada da reel faizler ile faiz marjı ve karlılık arasında pozitif ilişkiler elde edilmiştir. Türkiye örneğinde geçtiğimiz dönemde kamunun borçlanma gereğindeki artış sistemde oluşan reel faizleri yukarı çekmiş ve bankalar kamunun temel fon sağlayıcısı durumuna gelmişlerdir. Bunun sonucu olarak bankalar daha karlı ve risksiz bir plasman alanı olarak gördükleri menkul kıymetler portföylerini genişletirken, kredi arzlarını azaltma yoluna gitmişlerdir. Tahmin döneminde reel faizlerin nispeten düşük olmasının, elde edilen ilişkilerin istatistiksel zayıflığının nedeni olduğu düşünülmektedir. VI. GENEL DEĞERLENDİRME Bu çalışmada karlılığın temel göstergeleri olarak kabul edilen net faiz marjı, aktife göre getiri ve özkaynağa göre getiri değişkenlerinin belirleyicileri literatürde yer alan iki aşamalı yaklaşım kullanılarak araştırılmıştır. Elde edilen tahmin sonuçlarına göre net faiz marjının temel mikro belirleyicileri olarak özkaynaklar, likidite, personel harcamaları, mevduatlar ve piyasa

19 Türk Bankacılık Sektöründe Karlılığın Belirleyicileri: payı anlamlı bulunmuştur. Aynı değişkenin makro belirleyicileri olarak enflasyon ve konsolide bütçe açığı anlamlı görülmektedir. Aktife göre getirinin temel mikro belirleyicileri olarak özkaynak, likidite, personel harcamaları, krediler, kötü aktifler ve mevduatlar elde edilmiştir. Makro belirleyiciler olarak ise enflasyon ve konsolide bütçe açığı anlamlı bulunmuştur. Yapılan tahmin sonuçlarına göre, özkaynağa göre getirinin bankacılık sektörüne özgü belirleyicileri olarak özkaynaklar, menkul değerler cüzdanı, likidite, personel harcamaları, krediler, mevduatlar, yabancı para pozisyonu ve piyasa payı anlamlı bulunmuştur. Enflasyon, konsolide bütçe açığı ve reel faiz anlamlı bulunan makro belirleyicilerdir. Mikro ve makro değişkenlerin karlılık üzerindeki açıklayıcılık gücü tanımlayıcı istatistikler aracılığıyla değerlendirilmiştir. Buna göre mikro ve makro değişkenler faiz marjı ve aktife göre getiri değişkenlerini yaklaşık benzer ağırlıklarla belirlerken, özkaynağa göre getirinin modellenmesinde makro değişkenlerin belirleyiciliğinin daha yüksek olduğu görülmektedir. 5 Üç farklı karlılık göstergesinin belirleyicileri birarada değerlendirildiğinde, %10 anlamlılık düzeyinde robust (duyarsız, dirençli) bir yapı gösteren mikro belirleyiciler olarak özkaynaklar, likidite, personel harcamaları ve mevduatlar, makro belirleyici olarak da enflasyon ve konsolide bütçe açığı görülmektedir. Bu çalışmanın bankacılık sektörüne yönelik politika uygulamaları üzerine muhtelif katkısının yukarıda sunulan belirleyicilerin değerlendirilmesi yoluyla olacağı düşünülmektedir. Örneğin, çalışmada elde edilen sonuçlar bankaların karlılık performanslarında kalıcılığı sağlamak için güçlü bir sermaye yapısının şart olduğunu göstermektedir. Bir diğer bulgu bankaların operasyonel yeniden yapılanmasının öneminin ortaya konmasıdır. Bankaların personel harcamalarında etkinliği sağlamadaki başarıları karlılıklarının temel belirleyicilerinden biri olmaktadır. Benzer şekilde, bankaların likidite yönetimindeki başarıları karlılık göstergeleri üzerinde etkili olmaktadır. Türk bankacılık sisteminde temel kaynak durumundaki mevduatlar, diğer yabancı kaynaklara göre yüksek kaynak maliyetine sahiptir (Ada- Eroğlu, 2001). Bu bağlamda, mevduatların toplam yabancı kaynaklar içerisindeki 5 Bu amaçla çalışmada kullanılan bağımlı değişkenlerin Tablo 2 ve Tablo 4 de sunulan tanımlayıcı istatistikleri kullanılmıştır. Mikro ve makro belirleyicilerin genel açıklayıcılık gücünün hesaplanmasına örnek vermek gerekirse; tahmin döneminde faiz marjı %4.49 iken saf faiz marjı %1.85 olarak hesaplanmıştır. Dolayısıyla mikro değişkenler ortalama faiz marjının %58.9 unu (( )/0.0449*100), makro değişkenler ise kalan %41.1 ini açıklamaktadır. Benzer şekilde, mikro değişkenlerin net varlık getirisi için açıklayıcılık gücü %48.7, net özkaynak getirisi için açıklayıcılık gücü ise %6.5 olmaktadır.

20 Türk Bankacılık Sektöründe Karlılığın Belirleyicileri: payının ve mevduat maliyetinin azaltılması yönünde politikalar geliştirilmesinin, bankaların karlılık performanslarını olumlu etkileyeceği ve sistemdeki etkinliği artıracağı beklenmektedir. Bu çerçevede, Merkez Bankasının zorunlu karşılıklara faiz ödemesi, mevduat faizi üzerinden alınan gelir vergisi stopaj oranının uzun vadeli mevduat lehine düşürülmesi gibi yeni düzenlemeler, mevduatın maliyetinin azaltılmasına katkıda bulunmuştur. Ayrıca, mevduatların ortalama vadesinin uzatılması ve bu yolla bankaların varlık ve yükümlülükleri arasındaki vade uyumsuzluğunu gidermeye yönelik politikalar geliştirilmesi, bankaların aracılık fonksiyonlarını etkili bir şekilde yerine getirmesine yardımcı olacaktır. Makro belirleyiciler arasında enflasyonun robust bir yapı göstermesinin geleceğe dönük politikaların oluşturulmasında dikkate alınması gereken bir unsur olduğu düşünülmektedir. Dezenflasyon sürecini başarıyla tamamlamış olan ülke örnekleri incelendiğinde (İsrail, Brezilya, Meksika gibi) düşük enflasyon ortamına geçişle birlikte, bu ülkelerde yüksek oranlı reel kredi genişlemesinin gerçekleştirildiği görülmektedir (IMF, 2000). Bu bağlamda, hali hazırda uygulanmakta olan stand-by programının başarısıyla sağlanacak olan düşük enflasyon ortamında, bankaların karlılıklarını sürdürmek ve kalıcı yapmak için geleneksel aracılık hizmetlerine ağırlık verecekleri düşünülmektedir.

21 Türk Bankacılık Sektöründe Karlılığın Belirleyicileri: KAYNAKLAR Abreu M. ve V. Mendes (2001): Commercial bank interest margins and profitability: evidence for some EU countries, City University Economics Department, Preliminary Draft Ada-Eroğlu, Z. (2001): Türk bankacılık sisteminde kaynak maliyeti, BDDK Mali Sektör Politikaları Dairesi Çalışma Raporları, 2001/5 Afanasieff, T. S., P. M. Lhacer ve M. Nakane (2001): The determinants of bank interest spread in Brazil, XXIX Encontro Nacional de Economia, 11-14/12/2001, Salvador da sunulan seminer makalesi Aydoğan, K. ve G. Çapoğlu (1989): Bankacılık sistemlerinde etkinlik ve verimlilik: uluslararası bir karşılaştırma, Milli Prodüktivite Merkezi Yayınları: 397 Barajaz, A., R. Steiner ve N. Salazar (1999): Interest Spreads in Banking in Colombia, , IMF Staff Papers, Vol.46, No.2 Brock, P. L. ve L. R. Suarez (2000): Understanding the behaviour of bank spreads in Latin America, Journal of Development Economics, Vol.63, Demirgüç-Kunt A. ve H. Huizinga (2001): The taxation of domestic and foreign banking, Journal of Public Economics, 79, Demirgüç-Kunt A. ve H. Huizinga (1999): Determinants of commercial bank interest margins and profitability: some international evidence, The World Bank Economic Review, Vol.13, No.2, Guru, B.K., J. Staunton ve Balashanmugam (1999): Determinants of commercial bank profitability in Malaysia, 12th Annual Finance and Banking Conference, Aralık 1999, Sidney, Avustralya da sunulan konferans makalesi Ho T. S. Y. ve A. Saunders (1981): The determinants of bank interest margins: theory and emprical evidence, Journal of Financial and Quantatitive Analysis, 16, IMF (2000): Turkey: Selected Issues and Statistical Appendix, IMF Staff Country Report No: 00/14 Saunders, A. ve L. Schumacher (2000): The determinants of bank interest margins: an international study, Journal of International Money and Finance, 19, Türker-Kaya, Y. (2001): Türk bankacılık sisteminde net faiz marjının modellenmesi, BDDK, Mali Sektör Politikaları Dairesi Çalışma Raporları, 2001/4