Bank efficiency estimation [Elektronische Ressource] : methodology and the problem of adequation / Sebastian D. Tente. Betreuer: Andreas Behr

Sebastian D. Tente

Informations

• Publié par: westfalische_wilhelms-universitat_munster
• Publié le: 01 janvier 2011
• Nombre de lectures: 18
• Langue: Deutsch
• Poids de l'ouvrage: 3 Mo

Extrait

Inauguraldissertation
zur Erlangung des akademischen Grades
eines Doktors der Wirtschaftswissenschaften
durch die Wirtschaftswissenschaftliche Fakultät
der Westfälischen Wilhelms-Universität Münster
Bank Efficiency Estimation
Methodology and the Problem of Adequation
Sebastian D. TenteWirtschaftswissenschaftliche Fakultät
der Westfälischen Wilhelms-Universität
Universitätsstraße 14-16, 48143 Münster
Dekan: Prof. Dr. Thomas Apolte
Erstgutachter und Betreuer: Prof. Dr. Andreas Behr
Zweitgutachter: Prof. Dr. Andreas Pfingsten
Tag der mündlichen Prüfung (Disputation): 23. November 2010Es gibt keine schlechthin ’objektive’ wissenschaftliche Analyse des
Kulturlebens oder – was vielleicht etwas Engeres, für unseren Zweck aber
sicher nichts wesentlich anderes bedeutet – der ’sozialen Erscheinun-
gen’, unabhängig von speziellen und ’einseitigen’ Gesichtspunkten, nach
denen sie – ausdrücklich oder stillschweigend, bewußt oder unbewußt –
als Forschungsobjekte ausgewählt, analysiert und darstellend gegliedert
werden.
Max Weber, Die ’Objektivität’Contents
1 Outline of the research project 1
1.1 Starting Point . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 Adequate modelling . . . . . . . . . . . . . . . . . 2
1.1.2 Methodological issues . . . . . . . . . . . . . . . . 3
1.2 Our contributions . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1 Bank efficiency in a scheme of adequation . . . . . 5
1.2.2 Methodsofcross-sectionalstochasticfrontieranalyses 5
1.2.3 Cost efficiency trends in European and US banking 6
1.2.4 Bank estimation based on quantile cost
functions with fixed effects . . . . . . . . . . . . . 7
2 Preliminary reflections on efficiency and banks 8
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2 Aspects of bank performance . . . . . . . . . . . . . . . . 8
2.2.1 Interest groups . . . . . . . . . . . . . . . . . . . . 10
2.2.2 A ’perverse incentive system’ . . . . . . . . . . . . 17
2.2.3 The pay-performance sensitivity . . . . . . . . . . 18
2.2.4 The existence of social dividends . . . . . . . . . . 20
2.2.5 Bank performance assessments: A trade-off . . . . 22
2.3 Measuring efficiency . . . . . . . . . . . . . . . . . . . . . 25
2.3.1 Common accounting ratios . . . . . . . . . . . . . 25
2.3.2 Conditional accounting ratio regressions . . . . . . 26
2.3.3 The concept of efficiency frontiers . . . . . . . . . 28
2.3.4 Parametric cost frontiers in banking . . . . . . . . 31
2.3.5 The meaning of ’average frontier’ . . . . . . . . . . 36
2.4 Introduction of the database . . . . . . . . . . . . . . . . . 38
2.4.1 Relevance of the Bankscope database . . . . . . . 38
2.4.2 Selection of variables . . . . . . . . . . . . . . . . . 39Contents V
2.4.3 Data validation and imputation . . . . . . . . . . . 42
2.4.4 Descriptive statistics . . . . . . . . . . . . . . . . . 44
2.4.5 Final remarks on data quality . . . . . . . . . . . . 55
3 Bank efficiency in the frame of a Scheme of Adequation 57
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.2 Concrete reality and ideal concept . . . . . . . . . . . . . 59
3.2.1 Statistical adequation . . . . . . . . . . . . . . . . 60
3.2.2 Ideal-type conceptualization . . . . . . . . . . . . . 62
3.3 Adequation within the empirical assessment of bank effi-
ciency . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.3.1 Banks as a producing business . . . . . . . . . . . 65
3.3.2 Operationalization and estimation . . . . . . . . . 71
3.3.3 Interpretation and comparison . . . . . . . . . . . 72
3.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4 Methods of cross-sectional stochastic frontier analyses 77
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.2 Efficiency and the stochastic frontier models . . . . . . . . 78
4.2.1 The concept of output-based efficiency . . . . . . . 78
4.2.2 The normal-half normal model . . . . . . . . . . . 80
4.2.3 The exponential model . . . . . . . . . . . . . . . . 83
4.3 Simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
4.3.1 Simulation design . . . . . . . . . . . . . . . . . . . 86
4.3.2 Sim results in comparison . . . . . . . . . . 87
4.4 An application to German banks . . . . . . . . . . . . . . 91
4.4.1 Methodological issues . . . . . . . . . . . . . . . . 91
4.4.2 Empirical evidence . . . . . . . . . . . . . . . . . . 95
4.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . 97
4.6 Appendix . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.6.1 Derivatives of the log-likelihood: half-normal . . . 98
4.6.2 Derivatives of theelihood: exponential . . . 99
4.6.3 Tables . . . . . . . . . . . . . . . . . . . . . . . . . 100
5 Cost efficiency trends in European and US Banking 105
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . 105VI Contents
5.2 Literature overview . . . . . . . . . . . . . . . . . . . . . . 106
5.3 SFA methodology . . . . . . . . . . . . . . . . . . . . . . . 111
5.3.1 The basic idea of productive efficiency . . . . . . . 111
5.3.2 Fixed effects with time trend . . . . . . . . . . . . 112
5.3.3 Random effects with time trend . . . . . . . . . . . 114
5.4 Descriptive statistics of the database . . . . . . . . . . . . 118
5.4.1 Data preparation and imputation . . . . . . . . . . 118
5.4.2 Modelling cost frontiers . . . . . . . . . . . . . . . 120
5.5 Cost efficiency estimation . . . . . . . . . . . . . . . . . . 125
5.5.1 Discussion of the estimated parameters . . . . . . 125
5.5.2 Dynamic efficiency ranking . . . . . . . . . . . . . 131
5.5.3 A note on the inter-model comparison . . . . . . . 137
5.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . 138
5.7 Appendix . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
6 Efficiency estimation based on quantile cost functions 144
6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . 144
6.2 Methodology . . . . . . . . . . . . . . . . . . . . . . . . . 146
6.2.1 Linear regression cost frontiers with fixed effects . 147
6.2.2 Quantile cost frontiers . . . . . . . . . . 149
6.3 Empirical Results . . . . . . . . . . . . . . . . . . . . . . . 158
6.3.1 Data preparation . . . . . . . . . . . . . . . . . . . 158
6.3.2 Cost functions . . . . . . . . . . . . . . . . . . . . 161
6.3.3 Estimation . . . . . . . . . . . . . . . . . . . . . . 163
6.3.4 Efficiency . . . . . . . . . . . . . . . . . . . . . . . 166
6.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . 171
6.5 Appendix . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
7 Concluding remarks 175
7.1 The scope of this survey . . . . . . . . . . . . . . . . . . . 175
7.2 Problems and solutions . . . . . . . . . . . . . . . . . . . 176
7.2.1 Adequation . . . . . . . . . . . . . . . . . . . . . . 176
7.2.2 Methods . . . . . . . . . . . . . . . . . . . . . . . . 179
References 181List of Figures
2.1 Conflicting interests in the assessment of bank performance 23
2.2 Bank size classes . . . . . . . . . . . . . . . . . . . . . . . 47
2.3 Mean balance sheet structure . . . . . . . . . . . . . . . . 49
2.4 Interest margin . . . . . . . . . . . . . . . . . . . . . . . . 54
2.5 Interest level EURIBOR (6 months) . . . . . . . . . . . . 55
3.1 Adequation scheme in accordance with Grohmann (1988) 61
4.1 Rules of thumb . . . . . . . . . . . . . . . . . . . . . . . . 91
5.1 Efficiency gap between commercial and non-commercial
institutions . . . . . . . . . . . . . . . . . . . . . . . . . . 127
5.2 Trend of intercept change, fixed effects estimation . . . . . 129
5.3 Trend of efficiency scores, modified Kumbhakar model . . 130
5.4 Number of observed banks, per years . . . . . . . . . . . . 139
5.5 Boxplots outputs and input prices, in logs . . . . . . . . . 142
5.6 Simulated distribution of a single time trend parameter . 143
6.1 Efficiency sector concept – schematic . . . . . . . . . . . . 156
6.2 Box plot of annual growth rates . . . . . . . . . . . . . . . 160
6.3 Density of log total assets and the respective Lorenz curves160
6.4 Inefficiency, deviations from τ = 0.1 frontier . . . . . . . . 168
6.5 Distribution of N inefficiency trend parameters (DE, US) 168
6.6 Boxplots, all values in logs . . . . . . . . . . . . . . . . . . 172
6.7 Regression deletion diagnostics . . . . . . . . . . . . . . . 173List of Tables
2.1 Observed banks per year and country . . . . . . . . . . . 40
2.2ed variables and availability . . . . . . . . . . . . . 41
2.3 Observed banks per year and country w/o imputation . . 42
2.4 Remaining observed banks per year and country . . . . . 44
2.5 Number of banks observed over a period of 1-8 years . . . 45
2.6 Observed banks per year and country, final dataset . . . . 45
2.7 Net coverage final dataset (in percent) . . . . . . . . . . . 46
2.8 Test for normality of log total assets . . . . . . . . . . . . 48
2.9 Return on equity, median values . . . . . . . . . . . . . . 51
2.10 Cost income ratio, values . . . . . . . . . . . . . . 52
2.11 Equity ratio, median values . . . . . . . . . . . . . . . . . 52
2.12 Correlation matrix: EQR, ROE, CIR . . . . . . . . . . . . 52
4.1 Mean Average Error normal-halfnormal approach . . . . . 87
4.2 Mean Average Error no