DE INTEGRATIE VAN AANDELENMARKTEN IN NORMALE ......van de ontwikkelde en ontwikkelende Europese...

UNIVERSITEIT GENT

FACULTEIT ECONOMIE EN BEDRIJFSKUNDE

ACADEMIEJAAR 2011 – 2012

DE INTEGRATIE VAN

AANDELENMARKTEN IN NORMALE

TIJDEN EN IN TIJDEN VAN CRISIS

Masterproef voorgedragen tot het bekomen van de graad van

Master of Science in de Toegepaste Economische Wetenschappen

Tuija Delbare & Jens Verschaffel

onder leiding van

Prof. Dr. Michael Frömmel

PERMISSION

Ondergetekenden verklaren dat de inhoud van deze masterproef mag geraadpleegd en/of

gereproduceerd worden, mits bronvermelding.

Tuija Delbare Jens Verschaffel

I

Woord vooraf

De masterproef is het sluitstuk van de opleiding Master in de Toegepaste Economische

Wetenschappen. Toen we de beslissing namen om onze masterproef uit te voeren binnen de

vakgroep Financiële Economie kozen we uitdrukkelijk voor de uitdaging om de integratie van

de aandelenmarkten tijdens de actuele Griekse crisis te bestuderen.

Dit eindwerk kwam mede tot stand door de steun van onze direct omgeving. Ten eerste

willen we graag de Universiteit Gent en in het bijzonder Prof. Dr. Frömmel bedanken voor de

mogelijkheden die we kregen om deze masterproef uit te voeren. Een speciale bedanking

richten we tot wetenschappelijk onderzoekster Nora Srzentic. Als contactpersoon voor deze

masterproef was ze steeds beschikbaar voor advies. Haar feedback was van uitzonderlijke

waarde voor de voltooiing van deze masterproef. Verder willen we de personen die deze

masterproef kritisch nalazen bedanken. Tenslotte willen we onze ouders, broers, zussen en

vrienden bedanken voor de steun in deze intense periode.

II

Inhoudsopgave

Abstract …………………..…………………………………………………………………………………………………………. 1

Inleiding ..……………………………………………………………………………………………………………………………. 2

Hoofdstuk 1: Literatuuroverzicht ..………………………………………………………………………………………. 4

1.1. Definitie ..………………………………………………………………………………………………………….. 5

1.2. Vorig onderzoek …..…………………………………………………………………………………………… 7

1.2.1. Transmissiemechanismen …………………………………………………………………… 7

1.2.2. ‘Contagion’ meten ……………………………………………………………………………. 15

Hoofdstuk 2: Onderzoeksvraag …………………………………………………………………………………………. 19

2.1. Griekse crisis …………………………………………………………………………………………………... 20

2.2. Ontwikkelde vs. ontwikkelende landen ……………………………………………….…………. 22

2.3. Onderzoeksbijdrage ……………………………………………………………………………………….. 25

Hoofdstuk 3: Data …………………………………………………………………………………………………………….. 26

3.1. Steekproef ………………………………………………………………………………………………………. 27

3.2. Identificatie van de crisis ………………………………………………………………………………… 27

3.3. Datacollectie …………………………………………………………………………………………………… 29

Hoofdstuk 4: Methodologie ………………………………………………………………………………………………. 32

4.1. FR model ………………………………………………………………………………………………………… 34

4.2. CPS model ………………………………………………………………………………………………………. 37

Hoofdstuk 5: Resultaten ……………………………………………………………………………………………………. 40

5.1. Descriptieve analyse ……………………………………………………………………………………….. 41

5.2. Onaangepaste correlatiecoëfficiënten ……………………………………………………………. 46

5.3. Aangepaste correlatiecoëfficiënten ………………………………………………………………… 53

Hoofdstuk 6: Robutsness checks ……………………………………………………………………………………….. 59

6.1. Aanpassing van de datasetspecificaties ………………………………………………………….. 60

6.2. Alternatieve methodologie …………………………………………………………………………….. 68

Algemeen besluit ………………………………………………………………………………………………………………. 71

III

Gebruikte afkortingen

IMF Internationaal Monetair Fonds

BBP Bruto Binnenlands Product

ARCH AutoRegressive Conditional Heteroskedasticity

GARCH Generalized AutoRegressive Conditional Heteroskedasticity

ERM Exchange Rate Mechanism

DCC GARCH Dynamic Correlation Correlation GARCH

PIIGS Portugal, Ierland, Italië, Griekenland, Spanje

EU Europese Unie

S&P Standard & Poor’s

MSCI Morgan Stanley Capital International

FR model Forbes & Rigobon (2002) model

CPS model Corsetti, Pericoli & Sbracia (2005) model

DCC Determinant of the Change in Covariance

IV

Lijst van figuren

Figuur 1. Overzicht classificaties van transmissiemechanismen ……………………………… 8 - 9

Figuur 2. Griekse prijsindex vanaf 2005 ……………………………………………………………………. 29

Lijst van tabellen

Tabel 1. Classificatie van de Europese landen ………………………………………………………….. 23

Tabel 2. Landen opgenomen in finale steekproef met bijhorende indexen ……………… 31

Tabel 3. Descriptieve statistieken voor de ontwikkelde landen ……………………………….. 44

Tabel 4. Descriptieve statistieken voor de ontwikkelende landen ……………………………. 45

Tabel 5. Correlatiecoëfficiënten voor de ontwikkelde landen ………………………………….. 47

Tabel 6. Correlatiecoëfficiënten voor de ontwikkelende landen ……………………………… 47

Tabel 7. Vergelijking van de onaangepaste correlatiecoëfficiënten tussen FR model

en CPS model ……………………………………………………………………………………………… 48

Tabel 8. Vergelijking van de correlatiecoëfficiënten tussen ontwikkelde en

ontwikkelende landen ……………………………………………………………………………….. 49

Tabel 9. Vergelijking tussen de gemiddelde onaangepaste correlatiecoëfficiënten

in de stabiele en de crisisperiode ……………………………………………………………..… 50

Tabel 10. Vergelijking van de gemiddelde verschillen tussen de onaangepaste

correlatiecoëfficiënten in de ontwikkelde en ontwikkelende landen …………. 50

Tabel 11. Vergelijking van de onaangepaste correlatiecoëfficiënten per ontwikkeld

land ……………………………………………………………………………………………………………. 51

Tabel 12. Vergelijking van de onaangepaste correlatiecoëfficiënten per ontwikkelend

land ……………………………………………………………………………………………………………. 52

V

Tabel 13. Resultaten van het FR model en het CPS model voor de ontwikkelende

landen ………………………………………………………………………………………………………… 57

Tabel 14. Resultaten van het FR model en het CPS model voor de ontwikkelende

landen ………………………………………………………………………………………………………… 58

Tabel 15. Samenvatting robustness tests ………………………………..……………………….… 61 – 62

Tabel 16. Resultaten test ‘omitted variables’ …………………………………………………………….. 66

Tabel 17. Resultaten van het alternatieve FR model …………………………..……………………… 70

1

Abstract

Deze paper gaat na of er sprake is van ‘contagion’ tijdens de Griekse crisis die ontstond in

2009. Tijdens deze crisis dreigt niet alleen de besmetting van de individuele Europese

landen, maar ook het gevaar voor de gehele eurozone blijkt reëel. Twee klassieke methodes

binnen het correlatieonderzoek worden toegepast. In een steekproef van ontwikkelde en

ontwikkelende Europese landen wordt geen bewijs gevonden voor ‘contagion’. Er wordt

zelfs eerder bewijs gevonden van een verlies aan ‘interdependence’. Bovendien is de reactie

van de ontwikkelde en ontwikkelende Europese landen niet significant verschillend. Tijdens

deze Griekse crisis zullen de correlatiestructuren eerder dalen en blijven de voordelen

verbonden aan internationale diversificatie dus behouden.

Kernwoorden: Internationale aandelenmarkten, marktintegratie, contagion, Griekse crisis,

correlatieonderzoek, ontwikkelde en ontwikkelende landen

2

Inleiding

Deze masterproef behandelt ‘contagion’. De term ‘contagion’ is een metafoor waarbij men

de vergelijking maakt met het overdragen van een besmettelijke ziekte. Een financiële crisis

in een aandelenmarkt kan zich verspreiden naar andere markten zoals een verkoudheid zich

kan verspreiden van persoon tot persoon. Op die manier kan een lokale crisis een domino-

effect veroorzaken waardoor ook andere landen in de problemen kunnen komen.

‘Contagion’ is al uitgebreid behandeld in de literatuur, maar het blijft zeer actueel. In de

huidige Europese crisis is het bijna dagelijks een item tijdens nieuwsuitzendingen. Deze crisis

werd vooraf gegaan door de ‘subprime crisis’ en vond haar oorsprong in Griekenland, maar

al snel dreigde de besmetting van andere Europese landen. Ondertussen werden reeds twee

steunpakketten toegekend die de besmetting van de overige eurolanden moeten

voorkomen.

Dit onderzoek draagt bij tot de literatuur op verschillende vlakken. Ten eerste passen we in

tegenstelling tot andere auteurs, twee klassieke methodes toe om op die manier een

genuanceerder beeld te schetsen van de realiteit. Ten tweede passen we deze klassieke

methodologieën toe op de actuele Griekse crisis. Tijdens de huidige crisis dreigt niet alleen

de besmetting van de individuele landen, maar ook het gevaar voor het gehele eurosysteem

blijkt reëel. Ten derde kan ‘contagion’ de voordelen verbonden aan internationale

diversificatie beperken. Deze voordelen zijn sterk afhankelijk van de correlatiestructuur

tussen de verschillende landen. Wanneer deze correlaties stijgen tijdens de crisisperiode,

worden de diversificatievoordelen teniet gedaan. Daarenboven is het testen voor

‘contagion’ relevant omdat het belangrijke gevolgen heeft voor onder meer het monetair

beleid, risicobeheer en ‘asset pricing’ (Billio & Pelizzon, 2003).

In dit onderzoek gaan we aan de hand van twee methodes na of er sprake is van ‘contagion’

tijdens de Griekse crisis. Hierbij maken we een expliciet onderscheid tussen ontwikkelde en

ontwikkelende landen binnen Europa. De twee toegepaste methodes tonen aan dat er geen

sprake is van ‘contagion’ tussen Griekenland en de Europese aandelenmarkten gedurende

de Griekse crisis. De voordelen van internationale diversificatie blijven dus behouden. De

correlatie met de Griekse aandelenmarkt is voor vele landen zelfs gedaald tijdens de crisis.

3

Dit zorgt voor een nog gunstiger diversificatievoordeel. Er is echter geen significant verschil

tussen ontwikkelde en ontwikkelden landen voor de gevonden resultaten.

In wat volgt zullen we nagaan of er sprake is van ‘contagion’ tijdens de Griekse crisis van

2009. In hoofdstuk 1 zullen we naast een formele definitie van ‘contagion’ ook een

uitgebreid overzicht van de relevante literatuur geven. In hoofdstuk 2 gaan we dieper in op

de onderzoeksvraag en de bijdrage van deze studie. Hoofdstuk 3 definieert de crisisperiode

en geeft een overzicht van de data die worden gebruikt in het empirisch onderzoek. In

hoofdstuk 4 bespreken we de wetenschappelijke methode die we in deze masterproef zullen

toepassen. De resultaten van dit empirisch onderzoek worden weergegeven in hoofdstuk 5.

Tenslotte wordt de robuustheid van deze resultaten getest in hoofdstuk 6.

4

Hoofdstuk 1

Literatuuroverzicht

5

1.1. Definitie

‘Contagion’ is een verschijnsel dat reeds lang uitvoerig onderzocht werd. Vaak aangehaalde

voorbeelden zijn het Mexicaanse ‘Tequila effect’ in 1994, de ‘Asian flu’ in 1997, de ‘Russian

cold’ in 1998, de ‘Brazilian fever’ in 1999, de ‘Dot-com bubble’ in 2000 en de ‘subprime crisis’

in 2007. De meest recente Europese staatsschuldencrisis waarbij het onheil in Griekenland

zich dreigt te verspreiden naar andere Europese landen zoals Ierland, Portugal, Spanje en

Italië, maken het onderwerp weer brandend actueel. Ook verder gelegen landen, zoals

bijvoorbeeld de Verenigde Staten, zijn er niet immuun voor.

De term ‘contagion’ wordt informeel gedefinieerd als een metafoor waarbij men de

vergelijking maakt met het overdragen van een besmettelijke ziekte. Een financiële crisis in

een welbepaalde economie kan zich verspreiden naar andere financiële markten zoals een

verkoudheid zich kan verspreiden van persoon tot persoon. Op die manier kan een lokale

crisis een regionaal, en in sommige gevallen zelfs globaal, probleem worden.

Ondanks de vele onderzoeken naar ‘contagion’ bestaat er geen eenduidige formele definitie.

In de literatuur wordt ‘contagion’ op veel verschillende manieren gedefinieerd. De manier

waarop ‘contagion’ wordt gedefinieerd is van belang aangezien het de metingen, en dus de

resultaten, beïnvloedt.

De Wereldbank onderscheidt drie definities (World Bank, 2011a). Ten eerste is er de brede

definitie. Hierbij wordt het algemene proces van de transmissie van schokken tussen twee

landen als ‘contagion’ beschouwd. Volgens deze definitie kan ‘contagion’ zowel tijdens

stabiele als tijdens crisisperiodes plaatsvinden, en wordt het zowel met negatieve schokken

als met positieve ‘spillover effects’ geassocieerd. In tegenstelling tot de andere definities

worden macro-economische fundamenten hier wel als een transmissiemechanisme van

‘contagion’ gezien.

Ten tweede is er de enge definitie. ‘Contagion’ heeft zoals in de brede definitie te maken

met de verspreiding van schokken tussen twee landen. Doch hier is er enkel sprake van

‘contagion’ wanneer deze transmissie groter is dan wat verwacht werd op basis van de

onderliggende fundamenten, rekening houdend met gemeenschappelijke schokken.

Tenslotte is er de zeer enge definitie, waarbij ‘contagion’ gedefinieerd wordt als de

6

verandering in de transmissiemechanismen die plaatsvindt tijdens de periode van onrust.

Deze definitie van ‘contagion’ benadrukt dat hoge ‘co-movements’ tussen markten, die

zowel voorkomen in tijden van onrust als in normale tijden, niet duiden op ‘contagion’.

In deze paper passen we de zeer enge definitie toe, zoals vaak gebruikt in de literatuur. Het

merendeel van de auteurs verwijst naar de definitie zoals gedefinieerd door Forbes &

Rigobon (2002), die op hun beurt de zeer enge definitie van de Wereldbank toepassen.

Volgens de auteurs is ‘contagion’: “a significant increase in cross-market linkages after a

shock to one country (or group of countries)” (p.2223). Om verwarring te vermijden met

andere definities, gebruiken ze de term ‘shift-contagion’.

Hier gebruiken we de term ‘contagion’ in de betekenis van ‘shift-contagion’. ‘Contagion’

heeft dus te maken met de verspreiding van schokken tussen twee landen. Wanneer deze

verspreiding groter is dan verwacht, is er sprake van ‘contagion’. In tijden van crisis worden

besmette landen dus méér afhankelijk van het crisisland. In het andere geval, spreekt men

van ‘interdependence’. ‘Interdependence’ impliceert dat twee landen niet méér afhankelijk

worden in tijden van crisis.

Deze definitie heeft volgens de auteurs twee praktische voordelen. Enerzijds wordt op deze

manier intuïtief duidelijk hoe ‘contagion’ kan gemeten worden, namelijk door de relatie, en

dus de correlatie, tussen twee markten in normale tijden en tijden van crisis te berekenen en

met elkaar te vergelijken om te bepalen of het verschil significant is. Anderzijds wordt op

deze manier vermeden dat de verschillende transmissiemechanismen geïdentificeerd

moeten worden. De methode maakt namelijk enkel een onderscheid tussen

‘interdependence’ en ‘contagion’. Bij ‘interdependence’ blijven de transmissiemechanismen

hetzelfde in de verschillende periodes, terwijl bij ‘contagion’ de transmissiemechanismen

verschillend zijn gedurende de crisisperiode. In de literatuur worden er verschillende

kanalen gedefinieerd waarlangs ‘contagion’ wordt verspreid. Er bestaat echter geen

eensgezindheid over deze verschillende transmissiemechanismen. Door de resultaten niet

afhankelijk te maken van welke ‘contagion channels’ er worden gehanteerd, wordt het

probleem op deze manier vermeden.

De definitie heeft ook twee theoretische voordelen. Het testen van ‘contagion’ zoals

gedefinieerd in Forbes & Rigobon (2001) is een duidelijke test van de effectiviteit van

7

internationale diversificatie. Een afgezwakte definitie van ‘contagion’ zou dit niet kunnen

aanpakken. Bovendien kan ‘contagion’ een interventie van een internationale instelling,

zoals het Internationaal Monetair Fonds (IMF), rechtvaardigen. Een land dat weinig

handelsbetrekkingen heeft met het land dat zich in een crisis bevindt en andere

economische fundamenten heeft, zou toch besmet kunnen worden. Dit duidt op ‘contagion’,

zoals in deze paper gedefinieerd werd. Een korte termijn lening van het IMF zou in dit geval

een crisis kunnen beperken. Indien men echter een andere definitie van ‘contagion’ gebruikt

is een interventie mogelijk suboptimaal. Een land dat veel handelsbetrekkingen heeft met

het land in crisis en/of met dezelfde fundamenten zou, ondanks een lening of ‘bailout’ van

het IMF, vroeg of laat toch besmet geraken. Hier zou een interventie enkel een uitstel van

executie betekenen, wat dus suboptimaal is.

1.2. Vorig onderzoek

Onderzoek rond ‘contagion’ is veelzijdig, maar kan volgens Sojli (2007) vaak teruggebracht

worden tot twee onderzoeksstromen. Een bepaald deel van de literatuur focust op de

verschillende kanalen waarlangs de verschillende schokken worden verspreid, terwijl een

ander deel zich concentreert op het testen of er al dan niet sprake is van ‘contagion’.

1.2.1. Transmissiemechanismen

In de literatuur bestaan er allerhande classificaties van de transmissiemechanismen van

crisissen (Karolyi, 2003; Moser, 2003). In het algemeen worden de transmissiemechanismen

in een aantal categorieën onderverdeeld. Hier geven we een chronologisch overzicht. Figuur

1 bevat een overzichtelijke samenvatting.

Calvo & Reinhart (1996) maken een onderscheid tussen transmissiemechanismen die leiden

tot ‘fundamentals-based contagion’, vergelijkbaar met onze definitie van ‘interdependence’,

en transmissiemechanismen die leiden tot ‘true contagion’. Het eerste wordt veroorzaakt

door handelsbetrekkingen en financiële banden terwijl het tweede vaak wordt geassocieerd

met kuddegedrag.

8

Calvo & Reinhart (1996)

Interdependence Contagion

Fundamentals-based contagion True contagion

Handelsbetrekkingen Financiele betrekkingen Kuddegedrag

Masson (1999)


Monsoonal effects Spillovers True contagion

Globale schokken Gemeenschappelijke

economische

fundamenten

Handels-

betrekkingen

Financiële

betrekkingen

Gedrag van

marktparticipanten

Kaminsky & Reinhart (2000)


Fundamentals based contagion True contagion

Handelsbetrekkingen Financiële betrekkingen Kuddegedrag

Direct handelsbetrekkingen Indirecte handelsbetrekkingen Gemeenschappelijke schuldeiser Liquiditeitsproblemen

9

Figuur 1. Overzicht classificaties van transmissiemechanismen. In deze figuur vindt u een chronologisch overzicht van de verschillende classificaties van

transmissiemechanismen.

Forbes & Rigobon (2001)


Noncrisis contingent theories Crisis contingent theories

Handelsbetrekkingen Globale schokken Multiple equilibria Liquiditeitsproblemen Politieke economie

Coördinatie van het beleid Herwaardering van landen

Claessens & Forbes (2004)


Liquiditeitsproblemen Investor's reassessment

Risicoaversie Marktcoördinatieproblemen

Informatieasymmetrie

Bowman, Chan & Comer, (2010)


Handelsbetrekkingen Globale schokken

Gemeenschappelijke

economische

fundamenten

Institutionele

kenmerken

10

Masson (1999) maakt een onderscheid tussen drie kanalen die ervoor zorgen dat een crisis

van één land naar andere landen verspreidt, namelijk: ‘monsoonal effects’, ‘spillovers’ en

‘true contagion’.

‘Monsoonal effects’ wordt ‘contagion by common causes’ genoemd. Hier wordt een crisis

verspreid omdat de getroffen landen gelijkaardige economische fundamenten hebben of

getroffen worden door een gemeenschappelijke externe schok.

‘Spillover effects’ ontstaan wanneer een land handelsbetrekkingen en financiële banden

heeft met het besmette land. Deze eerste twee kanalen resulteren in ‘interdependence’ en

zijn dus niet oorzaken van ‘contagion’ zoals we in deze paper hebben gedefinieerd.

Het derde transmissiemechanisme is ‘true contagion’ en is de oorzaak van ‘contagion’ zoals

in deze paper gedefinieerd werd. Hier wordt een crisis in één land verspreid naar andere

landen omwille van oorzaken die niet kunnen verklaard worden door voorgaande

fundamenten. Dit wordt vaak geassocieerd met het gedrag van marktparticipanten.

Kaminksy & Reinhart (2000) vervolledigen het werk van Calvo & Reinhart (1996) door

‘fundamentals-based contagion’ te verdelen in twee financiële kanalen: een

gemeenschappelijke schuldeiser en liquiditeitsproblemen, en twee handelskanalen: directe

handelsbetrekkingen en competitie in een gemeenschappelijke derde markt.

Een gemeenschappelijke schuldeiser kan ervoor zorgen dat een crisis in één land verspreid

wordt naar andere landen. Indien de schuldeiser geconfronteerd wordt met problemen in

één markt, zoals bijvoorbeeld leningen die niet terugbetaald worden, gaat de schuldeiser het

algemeen risico van zijn activa proberen verlagen en zich terugtrekken uit risicovolle

projecten uit andere landen.

Hetzelfde principe geldt voor investeerders die diversifiëren in verschillende markten. Ze

kunnen te maken krijgen met liquiditeitsproblemen indien er een onverwachtse crisis

uitbreekt in een bepaalde markt. Als gevolg van deze liquiditeitsproblemen zullen ze hun

activa, zowel hun activa in het land van crisis als in andere landen, verkopen om geld te

ontvangen en op die manier hun liquiditeitspositie te verbeteren.

Naast de twee financiële kanalen bestaat er nog een direct handelskanaal en een indirect

handelskanaal waarlangs crisissen zich verspreiden. Indien een land veel directe

handelsbetrekkingen heeft met een land in crisis is er een grote kans dat dit land ook besmet

wordt ten gevolge van een daling in export naar dit land of een devaluatie van de munt.

11

Deze effecten kunnen ook onrechtstreeks andere landen besmetten indien de landen veel

handel voeren in een gemeenschappelijke derde markt.

Forbes & Rigobon (2001) maken een gelijkaardig onderscheid maar noemen de twee

categorieën ‘crisis contingent theories’ en ‘noncrisis contingent theories’, vergelijkbaar met

onze definitie van ‘contagion’ en ‘interdependence’. ‘Crisis contingent theories’ kunnen

worden onderverdeeld in drie transmissiemechanismen, namelijk: ‘multiple equilibria’,

endogene liquiditeit en politieke economie.

Bij ‘multiple equilibria’ wordt er van een goed naar een slecht evenwicht verschoven door

een verandering in de verwachtingen van beleggers. Een schok in één land wordt dus

overgedragen naar andere landen door een wijziging van de verwachtingen van beleggers en

niet door een écht onderliggend verband.

Endogene liquiditeit ontstaat ten gevolge van liquiditeitsproblemen die beleggers ervaren

door een crisis in één land. Dit kan de beleggers dwingen om hun portefeuille te herschikken

en activa uit niet-crisis landen te verkopen.

Het model van politieke ‘contagion’ veronderstelt dat presidenten van centrale banken

onder druk staan om de vaste wisselkoersen aan te houden.1 Als één land beslist om naar

een zwevende wisselkoers over te gaan is de kans groter dat meerdere landen naar een

zwevende wisselkoers overschakelen. Dit omdat lidmaatschap in een vaste wisselkoers ‘club’

minder belangrijk is als er minder leden de vaste wisselkoers aanhouden. Op die manier kan

een valutacrisis zich verspreiden.

‘Comovements’ die niet verklaard kunnen worden door voorgaande drie kanalen vallen

onder het label ‘non crisis contingent theories’. ‘Non crisis contingent theories’ kunnen

worden onderverdeeld in vier transmissiemechanismen namelijk: handelsbetrekkingen,

coördinatie van het beleid, landherwaardering en globale schokken.

Een crisis in één land heeft een directe impact op de export van het land. Bijgevolg kunnen

landen die nauwe handelsbetrekkingen hebben met het crisisland op die manier ook snel in

gevaar komen.

Een tweede transmissiemechanisme is de coördinatie van het beleid. Dit ontstaat doordat de

maatregelen genomen door één land ten gevolge van een economische schok, andere

1 Vaste wisselkoersen bevorderen de politieke integratie. Zo willen bijvoorbeeld veel landen deel uitmaken van

de Europese Unie.

12

landen kunnen dwingen om gelijkaardige maatregelen te nemen.

Een derde transmissiemechanisme is de herwaardering van landen. Hierbij kunnen beleggers

de lessen die ze geleerd hebben na een schok in één land toepassen op andere landen met

dezelfde fundamenten of politiek.

Tenslotte zijn er de globale schokken. Deze kunnen tegelijkertijd meerdere economieën

beïnvloeden.

Claessens & Forbes (2004) vatten vorige onderzoeken samen en maken een overzicht van de

transmissiemechanismen die leiden tot ‘contagion’. Volgens hen is ‘contagion’ een gevolg

van het gedrag van marktparticipanten. Ze onderscheiden vijf theorieën, namelijk:

liquiditeitsproblemen, risicoaversie, informatieasymmetrie, marktcoördinatieproblemen en

‘investor’s reassessment’.

Liquiditeitsproblemen door onverwachte verliezen in één land, kunnen beleggers ertoe

aanzetten om activa uit hun portefeuille in andere markten te verkopen. Dit kan ervoor

zorgen dat de prijzen van financiële instrumenten buiten het crisisgebied dalen en op die

manier kan de crisis zich verspreiden.

Een tweede transmissiemechanisme is gebaseerd op stimulansproblemen of toename van

de risicoaversie. Om bepaalde proporties van aandelen van een land of een bepaalde

risicograad te behouden, zullen beleggers hun activa verkopen in andere markten.

De derde theorie is gebaseerd op informatieasymmetrie. Bij gebrek aan betere informatie

geloven sommige beleggers dat andere landen gelijkaardige problemen te wachten staat als

het crisisland. Ze zullen daarom activa van deze landen beginnen verkopen. Dit effect wordt

versterkt door kuddegedrag. Sommige niet-geïnformeerde beleggers zullen het makkelijker

vinden om anderen te volgen dan zelf informatie te verzamelen.

Een vierde groep focust op marktcoördinatieproblemen. Dit hangt nauw samen met

‘multiple equilibria’. Zo kunnen beleggers abrupt hun verwachtingen aanpassen en zich

terugtrekken uit een land.

De laatste theorie is gebaseerd op het plots veranderen van de regels van internationale

financieringen, wat leidt dat een herbeoordeling van de beleggers. Indien internationale

instituties zoals het IMF geld lenen aan een land in crisis, kunnen beleggers activa van

andere landen verkopen omdat ze bang zijn dat deze landen geen leningen zullen krijgen ten

gevolge van onvoldoende fondsen van het IMF.

13

Volgens Claessens & Forbes (2004) kunnen de vijf theorieën een gevolg zijn van zowel

rationeel gedrag als irrationeel gedrag. Niet alle auteurs zijn het hier echter mee eens.

Karolyi (2003) refereert naar ‘contagion’ als ‘irrational contagion’ omdat het veroorzaakt zou

worden door het irrationeel gedrag van marktparticipanten. In deze vijf theorieën wordt

‘contagion’ veroorzaakt door de verwachtingen en het gedrag van marktparticipanten en

dus niet door een specifiek evenement. Voorbeelden hiervan zijn de crisis in Brazilië van

2001 en de Mexicaanse crisis van 1994. De onrust op de financiële markten in Brazilië

ontstond volgens Miller, Thampanishvong & Zhang (2003) door paniek in de financiële

markten, terwijl volgens Sachs, Tornell & Velasco (1996) de crisis in Mexico werd

veroorzaakt door een ‘self-fulfilling speculative attack’. Kortom, beide crisissen werden niet

gedreven door een verandering in de fundamenten van een land.

Bowman, Chan & Comer, (2010) vatten net zoals Claessens en Forbes (2004) de vorige

onderzoeken samen maar ze maken een overzicht van de transmissiemechanismen die

leiden tot ‘interdependence’. Ze onderscheiden vier transmissiemechanismen van

‘interdependence’, namelijk: economische fundamenten van een land, handelsbetrekkingen

met het crisisland, wereldwijde marktbewegingen en institutionele kenmerken van de

aandelenmarkt van het land.

Ten eerste zijn landen met zwakkere economische fundamenten meer vatbaar voor crisissen.

Ten tweede zijn rendementen op aandelenmarkten sterk gerelateerd aan de

handelsbetrekkingen tussen landen. Landen waarbij een groot deel van het bruto

binnenlands product (BBP) toe te schrijven is aan export met het land in crisis, hebben een

grotere kans om besmet te worden.

Ten derde kan een globale schok crisissen in verschillende landen veroorzaken. Hierbij dient

opgemerkt te worden dat sommige landen sterker reageren op wereldwijde

marktbewegingen dan andere.

Als laatste hebben landen met dezelfde institutionele kenmerken van aandelenmarkten dan

het land in crisis een grotere kans om besmet te raken.

Samenvattend kunnen we stellen dat er een veelheid aan classificaties bestaan, afhankelijk

van de gebruikte definitie van ‘contagion’, waarbij de ene al wat gedetailleerder is dan de

andere. De meeste auteurs maken echter een onderscheid tussen transmissiemechanismen

die leiden tot ‘interdependence’ en transmissiemechanismen die leiden tot ‘contagion’.

14

Hierbij wordt de eerste groep voornamelijk veroorzaakt door ‘fundamental causes’, zoals

een gemeenschappelijke schok, handelsbetrekkingen en bepaalde financiële banden. De

tweede groep wordt vaak geassocieerd met het gedrag van marktparticipanten.2

Naast het extensief onderzoek naar de verschillende transmissiemechanismen focust een

bepaald deel van de literatuur ook op het bepalen van de belangrijkste

transmissiemechanismen. Het belang verschilt naargelang de onderzochte crisis. Volgens

Eichengreen, Rose & Wyplosz (1996) en Glick & Rose (1999) worden landen met nauwe

handelsbetrekkingen sneller besmet dan landen die dezelfde macro-economische

fundamenten delen. Kaminksy & Reinhart (2000) maken een ordinale rankschikking van vier

transmissiemechanismen op basis van hun verklaringskracht tijdens de Mexicaanse crisis van

1994 en de Thaise crisis van 1997. Ze vinden echter dat een gemeenschappelijke schuldeiser

het belangrijkste transmissiemechanisme is, gevolgd door liquiditeitskanalen, directe

handelsbetrekkingen en als laatste competitie in een gemeenschappelijke derde markt. Van

Rijckeghem & Weder (2001) vinden net zoals Kaminksy & Reinhart (2000) dat een

gemeenschappelijke schuldeiser het belangrijkste transmissiemechanisme is tijdens de

Mexicaanse, Russische en Thaise crisis. Verder vinden Hernández & Valdés (2001) dat

handelsbetrekkingen en ‘neighborhood effects’ tijdens de Thaise en Braziliaanse crisis de

meest relevante transmissiemechanismen zijn, terwijl ‘financial competition’ het enige

relevante kanaal is tijdens de Russische crisis. Net zoals Hernández & Valdés (2001) vinden

De Gregorio & Valdés (2001) dat ‘neighborhood effects’ het meest relevante

transmissiemechanisme is in de schuldencrisis van 1982, de Mexicaanse crisis en de

Aziatische crisis. Handelsbetrekkingen en macro-economische factoren hebben een minder

groot belang.

In het algemeen wordt er in de eerste papers vooral gefocust op handelsbetrekkingen tussen

landen. Dit omdat handel in goederen en diensten een langere geschiedenis heeft dan

handel in financiële activa. Meer recente papers vinden echter dat financiële banden, en

meer bepaald bankleningen en portefeuille-investeringen, belangrijkere transmissie-

2 Er is een bepaalde overlap tussen theorieën gebaseerd op fundamenten en theorieën gebaseerd op het

gedrag van marktparticipanten. Zo classificeren sommige auteurs liquiditeitsproblemen (i.e. het aanpassen van een portfolio ten gevolge van liquiditeitsproblemen) als een oorzaak van ‘contagion’, terwijl andere auteurs echter van mening zijn dat het een oorzaak is van ‘interdependence’.

15

mechanismen zijn. Ondanks het uitgebreide onderzoek naar de internationale overdracht

van crisissen, is er weinig empirische consensus over het belang van de verschillende

kanalen waarlangs de crisis wordt verspreid. Dit komt voornamelijk omdat de meeste

handels- en financiële banden tussen landen sterk gecorreleerd zijn en het individueel effect

ervan moeilijk te onderscheiden is (Forbes, 2004).

Het gebrek aan consensus over de transmissiemechanismen wordt goed samengevat door

de Wereldbank (World Bank, 2011b): ”Some claim that contagion is explained by real links,

while others provide a financial explanation. At the same time, other studies argue that

herding behavior is the key element to understand the recent contagious episodes. Although

one can show that these factors are present in the cross-country transmission of crises, an

even more difficult problem is to determine the relative importance of each component.”

1.2.2. ‘Contagion’ meten

Er bestaan veel verschillende methodologieën om de overdracht van crisissen na te gaan.

Forbes & Rigobon (2002) onderscheiden vier algemene categorieën. ARCH en GARCH

modellen, probit modellen, testen voor wijziging in de co-integratie vector tussen markten,

en testen voor wijzigingen in correlatiecoëfficiënten. Enkel de laatste methode test expliciet

voor ‘contagion’ zoals gedefinieerd in deze paper. Bovendien kan ‘contagion’ gemeten

worden op basis van het rendement op aandelenmarkten, rentevoeten, wisselkoersen of

een lineaire combinatie ervan (Rigobon, 2002).

Een eerste vaak gebruikte methode om de transmissie van schokken te meten zijn ARCH en

GARCH modellen. Bij deze benadering wordt er nagegaan of de volatiliteit van activaprijzen

overgedragen wordt tussen landen. Hamao, Masulis & Ng (1990) maken gebruik van een

ARCH model in de crisis van 1987 en vinden een significante overdracht van prijsvolatiliteit

tussen Japan, het Verenigd Koninkrijk en de Verenigde Staten. Engle, Ito & Lin (1990)

onderzoeken volatiliteit overdracht in wisselkoersen in Londen, Tokyo en New York van 1985

tot 1986 en vinden bewijs voor overdracht van volatiliteit. Edwards (1998) gebruikt een

GARCH model om na te gaan of er transmissie is van volatiliteit tussen Mexico, Argentinië en

Chili tijdens de Mexicaanse crisis. Hij vindt dat er volatiliteit overgedragen wordt tussen

Mexico en Argentinië, maar niet tussen Mexico en Chili. Alper & Yilmaz (2004) vinden

duidelijk bewijs van overdracht van volatiliteit in de Istanbul Stock Exchange tijdens de

16

Aziatische crisis. Tai (2007) onderzoekt het effect tijdens de Aziatische crisis voor zes

ontwikkelende Aziatische landen en vindt bewijzen van transmissie van volatiliteit.

Een tweede manier om de transmissie van schokken te meten is het onderzoeken van

conditionele correlaties of ‘probabilities’. Dit wordt meestal gedaan aan de hand van probit

modellen. Dit model test echter niet voor ‘contagion’ zoals gedefinieerd in deze paper. In dit

model is er sprake van ‘contagion’ als de kans op een crisis in een bepaald land hoger is

wanneer er een crisis is in één of meerdere andere landen. Eichengreen et al. (1996)

gebruiken een probit model en onderzoeken of er sprake is van ‘contagion’ van 1959 tot

1993 voor 20 industriële landen. De auteurs focussen vooral op valutacrisissen en vinden

bewijs voor ‘contagion’. De Gregorio & Valdés (2001) gebruiken dezelfde methode en vinden

dat de Mexicaanse crisis ‘contagion effects’ vertoonde. Bovendien vertonen zowel de

schuldencrisis van 1982 als de Aziatische crisis evenveel effecten van ‘contagion’. Van

Rijckeghem & Weder (2001) onderzoeken 118 landen gedurende de Mexicaanse, Aziatische

en Russische crisis en vinden bewijzen van besmetting. De probit modellen worden ook vaak

gebruikt om het belangrijkste transmissiemechanisme na te gaan (zie bijvoorbeeld Kaminsky

& Reinhart, 1998; Glick & Rose, 1999; Van Rijckeghem & Weder, 2001) .

Een derde methode om ‘contagion’ te meten is gebaseerd op co-integratie vectoren.

Variabelen die gecoïntegreerd zijn bewegen samen doorheen de tijd. Ze volgen hetzelfde

pad. Co-integratie wordt vaak geassocieerd met een lang termijn evenwicht (Kasa, 1992). Zo

gaan aandelenmarkten op lange termijn naar eenzelfde punt evolueren, maar er kunnen

echter afwijkingen zijn op korte termijn. Sterk geïntegreerde financiële markten dragen bij

tot het verspreiden van financiële crisissen. Zoals Forbes & Rigobon (2002) echter vermelden

zijn co-integratie methodes minder nuttig als testen voor ‘contagion’ aangezien ze vooral

naar het lange termijn kijken en dus soms veranderingen in verbanden tussen markten op

korte termijn niet kunnen waarnemen. Bij een co-integratie analyse wordt bovendien

nagegaan of er een gemeenschappelijke factor het pad van international aandelenmarkten

beïnvloedt of dat iedere aandelenmarkt enkel gedreven wordt door eigen fundamenten (Lee

& Jeon, 1992). Sterk gecoïntegreerde markten worden sterk gedreven door een

gemeenschappelijke factor. Moon (2001) vergelijkt de banden tussen Aziatische landen na

de Aziatische crisis met de banden tussen Europese landen na de ERM (Exchange Rate

Mechanism) crisis. In het geval van Azië vindt hij een toename van de integratie na de crisis,

17

in het geval van Europa vindt hij een toename van de integratie tijdens de crisis. Bovendien

blijkt dat de integratie van de Aziatische markten met de Verenigde Staten aanzienlijk

verhoogt na de Aziatische crisis. De relatie van de Europese landen met de Verenigde Staten

blijft beperkt na de ERM crisis.

Testen gebaseerd op wijzigingen in correlatiecoëfficiënten zijn het vaakst gebruikt. Deze

testen meten de correlatie van rendementen (of interesten, wisselkoersen, enzovoort.)

tussen twee markten gedurende een stabiele periode en een periode van crisis. Indien deze

correlaties significant zijn gestegen in de crisisperiode is er sprake van ‘contagion’. In een van

de eerste papers die ‘contagion’ test aan de hand van een correlatieonderzoek, namelijk

deze van King & Wadhwani (1990), wordt de correlatie tussen de Verenigde Staten, het

Verenigd Koninkrijk en Japan onderzocht gedurende de crisis in 1987. De auteurs vinden dat

er sprake was van ‘contagion’ tussen de verschillende markten. Lee & Kim (1994)

onderzoeken 12 markten voor en na de crisis in 1987 en vinden bewijzen van ‘contagion’.

Voornamelijk de correlatie met ontwikkelende markten was significant gestegen. Calvo &

Reinhart (1996) vinden bewijs dat de correlaties tussen de aandelen- en

obligatierendementen van verschillende Latijns-Amerikaanse landen steeg na de Mexicaanse

crisis van 1994. Frankel & Schmukler (1998) tonen aan dat de correlaties tussen Mexico,

bepaalde Aziatische landen en Latijns-Amerikaanse landen hoger waren na de Mexicaanse

crisis. Baig & Goldfajn (1999) testen voor ‘contagion’ tijdens de Aziatische crisis voor zowel

aandelenindexen, valutaprijzen als obligaties. Ze vinden meer bewijs van ‘contagion’ bij

obligaties dan voor aandelen. Bordo & Murshid (1999) onderzoeken de correlaties tussen

lange termijn obligatieprijzen over 120 jaar (van 1880 tot 2000) en vinden bewijs van hogere

correlaties tijdens periodes van crisis. Vooral landen die in stabiele periodes weinig

gecorreleerd zijn tonen aanzienlijk hogere correlaties tijdens tijden van crisis. Baig &

Goldfajn (2000) onderzochten of er sprake was van ‘contagion’ gedurende de Russische

crisis. Ze vinden dat er inderdaad sprake was van ‘contagion’ tussen Rusland en Brazilië.

Gelos & Sahay (2001) onderzoeken Europese ontwikkelende landen tijdens de Tsjechische,

de Aziatische en de Russische crisis. Er was sprake van ‘contagion’ gedurende de Tsjechische

crisis, alhoewel de resultaten sterker waren gedurende de Aziatische crisis. De meest

uitgesproken resultaten waren gedurende de Russische crisis. Forbes & Rigobon (2002)

gebruiken een aangepaste correlatiecoëfficiënt en vinden nauwelijks bewijzen van

18

‘contagion’ gedurende de crisis van 1987, de Mexicaanse crisis en de Aziatische crisis voor

een steekproef bestaande uit 28 landen. Rond dezelfde periode introduceert Engle (2002)

het DCC GARCH model. Het GARCH model wordt gebruikt om de volatiliteit continu aan te

passen, wat ervoor zorgt dat de correlatiecoëfficiënten niet vertekend zijn door verschillen

in variantie tussen beide periodes. Corsetti, Pericoli & Sbracia (2005) passen de

correlatiecoëfficiënt van Forbes & Rigobon (2002) nog verder aan. De auteurs gebruiken

data uit tien ontwikkelende landen en de G7 landen en vinden bewijs voor ‘contagion’ voor

vijf landen gedurende de crisis van 1987. Collins & Biepke (2003) passen beide

methodologieën toe op acht Afrikaanse aandelenmarkten tijdens de Aziatische crisis en

vinden geen bewijzen van ‘contagion’, behalve voor Egypte en Zuid-Afrika.3 Serwa & Bohl

(2005) maken ook gebruik van beide methodologieën. Ze onderzoeken ‘contagion’ in

Europese aandelenmarkten gedurende zeven financiële schokken tussen 1997 en 2002,

waarbij ze een onderscheid maken tussen West-Europa en Centraal Oost-Europa. Ze vinden

een bescheiden bewijs van ‘contagion’, maar vinden geen verschil in de mate van ‘contagion’

tussen de West-Europa en Centraal Oost-Europa. Lee, Wu & Wang (2007) gebruiken de

aangepaste correlatiecoëfficiënt om na te gaan of er sprake was van ‘contagion’ tussen

aandelenmarkten en valutamarkten na de tsunami van 2004 in Zuid-Oost-Azië. Uit een

steekproef van 26 landen vinden ze geen ‘contagion’ tussen de internationale

aandelenmarkten, maar er is wel sprake van ‘contagion’ tussen een aantal valutamarkten.

Cho & Parhizgari (2008) passen de DCC GARCH methode toe op acht Aziatische landen

tijdens de Aziatische crisis en vinden bewijs voor ‘contagion’. Kamel, Naoufel & Salem (2010)

passen het DCC GARCH model toe op de ‘subprime crisis’ en vinden bewijzen van ‘contagion’

tussen de Verenigde Staten en vier ontwikkelde landen en tussen de Verenigde Staten en de

meerderheid van de 10 ontwikkelende landen. Syllignakis & Kouretas (2011) gebruiken een

DCC GARCH model om ‘contagion’ tussen zeven ontwikkelende landen van 1997 tot 2009 na

te gaan. Lee (2012) onderzoekt ‘contagion’ gedurende de ‘subprime crisis’ van 2007 in 20

landen en vindt dat sommige aandelenmarkten wel kenmerken van ‘contagion’ vertoonden.

3 Collins & Biepke (2003) baseren zich op een working paper van Corsetti, Pericoli & Sbracia die gepubliceerd

werd in 2002. De laatste versie verscheen in 2005 in Journal of International Money and Finance.

19

Hoofdstuk 2

Onderzoeksvraag

20

De term ‘contagion’ wordt meermaals in het nieuws gebruikt in verband met de Griekse

crisis. Zo waarschuwde een raadslid van de Europese Centrale Bank, Axel Weber, voor de

ernstige ‘contagion effects’ van de Griekse crisis.4 We geven hier slechts één voorbeeld,

maar bijna dagelijks wordt de term ‘contagion’ in de mond genomen tijdens

nieuwsuitzendingen als het over de Griekse crisis gaat. In deze paper gaan we dan ook na of

er weldegelijk sprake is van ‘contagion’ tijdens de Griekse crisis. Is de daling in de

aandelenkoersen van andere Europese landen zoals Spanje en Portugal een gevolg van de

normale handelsbetrekkingen en gelijkaardige economische fundamenten met Griekenland,

of is er echt sprake van besmetting? Hierbij maken we een onderscheid tussen ontwikkelde

en ontwikkelende landen. Het resultaat van dit onderzoek kan belangrijke inzichten

aanreiken met betrekking tot internationale diversificatie van een aandelenportefeuille. De

bijdrage van deze studie tot de bestaande literatuur wordt in het derde onderdeel

toegelicht.

2.1. Griekse crisis

Europa wordt op dit moment zwaar geteisterd door een crisis. De Europese

staatsschuldencrisis vond zijn oorsprong in Griekenland. In dit deel proberen we een korte

samenvatting te geven van de gebeurtenissen tijdens de Griekse crisis.

De oorsprong van de problemen in Griekenland ligt in de jarenlange buitensporige uitgaven,

goedkope leningen en onsuccesvolle financiële hervormingen.5 De kredietcrisis van 2008

zorgde ervoor dat de overheidsschulden en financiële situatie van de Europese overheden

aanzienlijk verslechterde. De belastingopbrengsten daalden door de recessie terwijl de

overheidsuitgaven stegen ten gevolge van stijgende werkloosheidsuitkeringen en kosten van

de reddingsoperaties van banken. De nieuwe Griekse regering, onder leiding van

Papandreou, maakte bovendien in oktober 2009 bekend dat de begrotingscijfers die de

vorige regering had gepubliceerd onjuist zijn en dat het land met een veel groter

begrotingstekort en een hogere staatsschuld kampt. Het werkelijke begrotingstekort zou

12,7% bedragen, in plaats van de gerapporteerde 3,7%. Deze zwakke financiële positie

4 Bron: http://www.bloomberg.com/news/2010-05-05/weber-sees-threat-of-grave-contagion-from-greece-to-

rest-of-euro-region.html 5 Bron: http://www.europa-nu.nl/id/viccj7o2p7ug/begrotingstekort_en_staatsschuld

21

leidde tot een ‘debt trap’. De Griekse overheid werd verplicht een hogere rente te betalen

op haar schulden en de koersen van staatsleningen daalden. Ratingbureaus verlaagden

drastisch de kredietwaardigheid van Griekenland. Dit leidde tot een vertrouwenscrisis op de

financiële markten. De vertrouwenscrisis schaadde het algemene vertrouwen in de euro en

de vrees voor een domino-effect ontstond. Men vreesde dat de crisis zich zou verspreiden

naar andere zwakke economieën met een hoge staatsschuld, zoals de overige PIIGS landen:

Portugal, Italië, Ierland en Spanje. Bovendien hadden veel belangrijke Europese banken

geïnvesteerd in de Griekse economie.6, 7 De Griekse regering zag zich, onder druk van de

Europese Unie, genoodzaakt om extreme bezuinigingsmaatregelen uit te voeren, met als

doel het begrotingstekort van bijna 13% van het BBP in 2009 terug te dringen tot 3% in 2012.

Het gevaar op besmetting van andere EU-lidstaten dwong de Europese Unie dan ook om

over te gaan tot actie om het domino-effect tegen te gaan. Tegen april 2010 was het

vertrouwen van de financiële markten in Griekenland zo fors gedaald dat het land zelfs geen

lening meer kon aangaan om hun begrotingstekort en staatsschuld te financieren. In mei

2010 beslisten de EU-lidstaten samen met het IMF om een reddingspakket samen te stellen,

met als doel de stabiliteit in de eurozone te herstellen. Het pakket van 110 miljard euro aan

noodleningen moest ervoor zorgen dat de overige eurolanden gespaard bleven van de

Griekse besmetting. Toch bleek dit steunpakket niet voldoende. Een extra pakket leningen

ter waarde van 130 miljard euro was nodig om de besmetting van andere eurolanden te

voorkomen. In maart 2012 werd hierover een akkoord bereikt.

Vandaag werkt de Griekse regering hard om aan de voorwaarden van het tweede

steunprogramma te voldoen en de nodige besparingen door te kunnen voeren. Toch sluit de

nieuwe premier Papademos een nieuw steunpakket niet uit. 8 Bovendien werd de

kredietwaardigheid van Griekenland op 28 februari 2012 verder verlaagd door ratingbureau

Standard & Poor’s. Dit bewijst dat de Griekse crisis op het moment van schrijven (maart

2012) nog niet verleden tijd is.9

6 Bron: http://news.bbc.co.uk/2/hi/business/8508136.stm

7 Bron: http://www.guardian.co.uk/news/datablog/2011/jun/17/greece-debt-crisis-bank-exposed

8 Bron: http://www.tijd.be/nieuws/geld_beleggen_markten/Schuldencrisis_terug_van_nooit_weggeweest.

9180796- 3452.art?highlight=griekenland 9 Bron: http://www.bbc.co.uk/news/business-17187068

22

2.2. Ontwikkelde vs. ontwikkelende landen

In deze paper onderzoeken we welke Europese landen door de Griekse crisis besmet zijn.

We onderscheiden twee categorieën, namelijk ‘advanced economies’ of ontwikkelde landen

en ‘emerging and developing economies’ of ontwikkelende landen.

We hanteren de definitie van het IMF, zoals gepubliceerd in haar World Economic Outlook

(WEO) van oktober 2009 (IMF, 2009), het moment dat de Griekse crisis uitbrak. Dit

onderzoek verschijnt twee maal per jaar, en bevat de analyse van de IMF economen over de

wereldwijde economische ontwikkelingen op korte – en middellange termijn. Deze

landenclassificatie is niet gebaseerd op strikte criteria en er bestaan aldus geen formele

definities. Het enige doel van deze classificatie is de wereld in twee groepen te verdelen. De

lijst bevat 33 ontwikkelde en 149 ontwikkelende landen. Tabel 1 geeft de classificatie van de

Europese landen weer.

Dit onderscheid is belangrijk aangezien de effectiviteit van diversificatie kan verschillen

naargelang het land als ontwikkeld of ontwikkelend wordt geclassificeerd. Volgens de

literatuur heeft internationale diversificatie potentiële voordelen als de rendementen van

investeringen in verschillende nationale aandelenmarkten niet perfect gecorreleerd zijn

(Markowitz, 1952). Diversificatie is afhankelijk van de correlaties tussen aandelen. Dit is één

van de redenen waarom talrijke studies focussen op de correlatiestructuur tussen

verschillende landen en ‘contagion’.

Grubel (1968) heeft als eerste gevonden dat de correlaties tussen internationale

aandelenmarkten in het algemeen relatief laag zijn, wat dus positief is voor de internationale

diversificatie van beleggingsportefeuilles. De correlaties zijn zo laag omdat de economische

systemen van diverse landen verschillend zijn. Er zijn namelijk verschillen in taxatie,

industriële groei, politieke stabiliteit, monetair beleid, enzovoort. (Sharma, 2011).

De eerste studies focussen vooral op correlaties tussen ontwikkelde landen. Meer recente

literatuur, zoals Sinquefield (1996), vinden echter dat de diversificatievoordelen tussen

ontwikkelde landen relatief beperkt zijn. De focus van onderzoeken verschuift dan ook naar

ontwikkelende landen.

23

Tabel 1. Classificatie van de Europese landen. Deze tabel geeft de landenclassificatie van de Europese landen

weer volgens het IMF. Landen worden geclassificeerd als ontwikkeld of ontwikkelend. Hier passen we de

indeling toe zoals gepubliceerd in haar WEO van oktober 2009 (IMF, 2009).

De toegenomen globalisatie en de liberalisatie van de kapitaalmarkten zorgt er voor dat de

ontwikkelende landen meer en meer deel uitmaken van de globale markt. Dit maakt het

mogelijk voor investeerders om toe te treden tot deze aandelenmarkten. Een toegenomen

integratie van de ontwikkelende landen in het globaal financieel systeem zorgt er dus voor

dat investeerders de mogelijkheid krijgen om aandelen aan te houden in verschillende

soorten landen. Bovendien vertonen ontwikkelende landen in het algemeen lagere

correlaties met ontwikkelde landen dan ontwikkelde landen onderling (Chen, Firth & Meng

Rui, 2002; Bekaert & Harvey, 1997). Dit heeft als implicatie dat beleggingsportefeuilles met

zowel aandelen uit ontwikkelde als uit ontwikkelende landen zorgen voor een groter

diversificatievoordeel (Levy & Sarnat, 1970; Errunza, 1977).

Er zijn echter twee redenen waarom de diversificatievoordelen beperkt blijven. Ten eerste

vinden de meeste empirische studies dat de correlaties van zowel ontwikkelde als

ontwikkelende landen significant stijgen tijdens de voorbije crisissen. Dit tast de effectiviteit

van internationale diversificatie aan, vooral op korte termijn tijdens financiële crisissen. Zo

vindt Roll (1988) bijvoorbeeld dat de correlaties tussen markten zijn gestegen tijdens de

crisis van oktober 1987. Ook You & Daigler (2010) zijn niet overtuigd van de voordelen van

België Nederland Albanië Litouwen

Cyprus Noorwegen Armenië Macedonië

Denemarken Oostenrijk Azerbeidzjan Moldavië

Duitsland Portugal Bosnië & Herzegovina Montenegro

Finland Slovenië Bulgarije Oekraïne

Frankrijk Slowaakse Republiek Estland Polen

Griekenland Spanje Georgië Roemenië

Ierland Tsjechische Republiek Hongarije Rusland

IJsland Verenigd Koninkrijk Kazachstan Servië

Italië Zweden Kroatië Turkije

Luxemburg Zwitserland Letland Wit-Rusland

Malta

Ontwikkelde economieën Ontwikkelende economieën

23 22

24

international diversificatie. Solnik (1974) en Odier & Solnik (1993) vinden echter dat, zelfs al

stijgen de correlaties in tijden van crisis, diversificatie nog steeds voordelig is. Een tweede

probleem is het feit dat meerdere onderzoeken bewijs leveren dat de correlatie tussen

aandelenmarkten niet alleen stijgt in tijden van crisis maar ook stijgt doorheen de tijd.

Longin & Solnik (1995) onderzoeken de correlaties tussen zeven grote landen van 1960 tot

1990 en vinden dat de correlatie tussen de markten significant zijn gestegen over de periode

van 30 jaar. Solnik, Boucrelle & Le Fur (1996) vinden dat de correlatie tussen de Verenigde

Staten en andere landen licht gestegen is over de laatste 37 jaar, maar er werd geen trend

waargenomen over het laatste decennium. Bekaert, Hodrick & Zhang (2009) vinden dat de

correlaties tussen Europese aandelenmarkten significant gestegen zijn tussen 1980 en 2003.

De correlaties tussen andere aandelenmarkten vertonen echter geen significante stijging. In

een meer recentere studie vinden Aslandis, Osborn & Sensier (2010) dat de correlatie tussen

het Verenigd Koninkrijk en de Verenigde Staten van januari 1990 tot juni 2006 significant

gestegen is. Een mogelijke verklaring voor dit fenomeen is de toegenomen integratie tussen

financiële markten als gevolg van de globalisatie van markten, evolutie in

communicatietechnologie, wereldwijde investeringen, toegenomen handel, enzovoort.

Er bestaat weinig twijfel dat internationale diversificatie in normale tijden voordelig is. De

meningen over het belang van internationale diversificatie in tijden van crisis zijn echter

verdeeld. De recente Griekse crisis biedt een opportuniteit om de relaties tussen de

Europese aandelenmarkten, de reactie van verschillende landen op de crisis en de

effectiviteit van internationale diversificatie gedurende de crisis te onderzoeken.

25

2.3. Onderzoeksbijdrage

We proberen in deze paper de bestaande literatuur op verschillende vlakken uit te breiden.

We zullen in deze paper twee klassieke methodes toepassen op de meest recente crisis,

namelijk de Griekse crisis. Deze crisis is in de literatuur volgens ons nog niet besproken in het

licht van ‘contagion’. Bovendien zorgt het toepassen van meerdere methodes ervoor dat de

resultaten niet afhankelijk zijn van de aangewende methode, wat een meer genuanceerd

beeld van de situatie geeft.

De Griekse crisis is daarenboven uitermate interessant omdat naast de dreiging van

‘contagion’ van individuele landen, ook het gevaar voor de gehele Europese muntunie reëel

is. Verschillende beleidsmensen wijzen op het gevaar van ‘contagion’ tijdens de Griekse

crisis. Bovendien werden de steunpakketten voor Griekenland vooral ontwikkeld met het

oog op het beperken van de ‘contagion effects’ van de Griekse crisis. Doordat onze

steekproef uit een groot aantal Europese landen bestaat, kunnen we het gevaar voor de

individuele landen en de Europese muntunie beter inschatten.

Een derde toevoeging aan de literatuur ligt in de vergelijking tussen ontwikkelde en

ontwikkelende landen. Zoals reeds besproken proberen risicoaverse beleggers het risico van

een aandelenportefeuille te minimaliseren. Dit kan door zowel in ontwikkelde landen als in

ontwikkelende landen te beleggen om zo optimaal te genieten van de

diversificatievoordelen. ‘Contagion’ heeft echter een negatieve invloed op deze

diversificatievoordelen. Internationale diversificatie is enkel effectief wanneer de

verschillende landen in de aandelenportefeuille relatief laag gecorreleerd zijn. Wanneer

deze correlaties stijgen na een negatieve schok, worden de voordelen van internationale

diversificatie ondermijnd. Het is duidelijk dat Europa geen homogeen gebied vormt. Het

onderzoeken van de correlatiestructuur van zowel ontwikkelde als ontwikkelende Europese

aandelenmarkten tijdens de meest recente Europese schuldencrisis kan meer inzicht

brengen in welke landen beleggers zouden kunnen toevoegen aan hun aandelenportefeuille

om optimaal te genieten van de voordelen van internationale diversificatie. Bovendien is

onderzoek naar diversificatiemogelijkheden in Europa volgens Niemczak (2010) tot op heden

relatief beperkt.

26

Hoofdstuk 3

Data

27

In dit hoofdstuk bespreken we de landen die opgenomen worden in onze steekproef.

Vervolgens bespreken we de stabiele - en de crisisperiode die verbonden zijn aan de Griekse

crisis. Deze tijdsintervallen zijn cruciaal in onze analyse. Vandaar dat we deze fundamentele

veronderstellingen zullen nagaan in hoofdstuk 6.

3.1. Steekproef

Zoals eerder vermeld, onderzoeken we in welke mate Europese ontwikkelde landen meer of

minder getroffen worden door ‘contagion’ dan ontwikkelende landen tijdens de Griekse

crisis. In dit geval maken we gebruik van de classificatie zoals gedefinieerd door het IMF in

haar World Economic Outlook (WEO) van oktober 2009 (IMF, 2009). We gebruiken dus de

classificatie die gold wanneer de Griekse crisis ontstond. Deze onderverdeling verdeelt de

wereld in twee grote groepen, namelijk ‘advanced economies’ en ‘emerging and developing

economies’. Landen die geen lid zijn van het IMF worden niet opgenomen.10 Ook landen

waarvoor niet genoeg gegevens beschikbaar zijn worden weggelaten.11 Uiteindelijk leidt dit

tot een lijst van 33 ontwikkelde landen en 149 ontwikkelende landen. Toegepast op Europa,

worden 23 landen als ontwikkeld en 22 landen als ontwikkelend beschouwd. Een overzicht

van de Europese landen vind je in Tabel 1.

3.2. Identificatie van de crisis

De identificatie van de stabiele periode en de crisisperiode zijn cruciaal (Billio & Pelizzon,

2003). Aangezien de Griekse crisis werd voorafgegaan door de ‘subprime crisis’, die later

overging tot een globale crisis, beschouwen we de periode voor de ‘subprime crisis’ als

stabiele periode. Lee (2012) beschouwt de periode van 23 juli 2006 tot 22 juli 2007 als

stabiele periode. Horta, Mendes & Vieira (2010) nemen daarentegen de periode 1 januari

2005 tot 1 augustus 2007. In deze paper kiezen we voor dezelfde stabiele periode als Horta

et al. (2010) zodat, zoals later zal blijken, de lengte van de stabiele periode vergelijkbaar

wordt met de lengte van de crisisperiode.

10

Cuba en Democratische Volksrepubliek Korea. 11

San Marino (‘advanced economies’) en Aruba, Kosovo, Marshall Eilanden, de Federale Staten van Micronesia, Palau, en Somalië (‘emerging economies’).

28

De Europese staatsschuldencrisis vond zijn oorsprong in Griekenland. Een meer

gedetailleerde bespreking van de Griekse crisis vindt u in hoofdstuk 2. De crisis ontstond

wanneer de nieuwe Griekse regering in oktober 2009 bekend maakte dat de cijfers die de

vorige regering had gepubliceerd onjuist zijn en dat het land met een veel groter

begrotingstekort en een hogere staatsschuld kampt. Dit leidde tot een vertrouwenscrisis op

de markt. Ratingbureaus verlaagden de kredietwaardigheid van Griekenland en dit zorgde

ervoor dat de Griekse overheid te maken kreeg met een plotse stijging van de rente op hun

reeds enorme staatsschuld. De bal ging aan het rollen. Daar de meeste media vaag zijn met

betrekking tot de exacte start van de crisis, is het moeilijk om een specifieke datum vast te

kleven op het begin van de crisisperiode. Hier gaan we dus anders te werk, naar analogie

met Serwa & Bohl (2005). We definiëren de startdatum als de dag waarop de Griekse index,

namelijk de Athex20, zijn lokaal maximum bereikte. Via Figuur 2 kunnen we afleiden dat de

crisisperiode start op 14 oktober 2009. Deze startdatum komt bovendien overeen met de

benaderende datums die we vonden in krantenarchieven.

Ondanks de kleine heropleving begin 2012, lijkt de crisis nog steeds niet voorbij. Na de twee

steunpakketten verleend aan Griekenland, is de Griekse toekomst nog steeds niet verzekerd.

Volgens de huidige Griekse premier Papademos is de kans dat Griekenland een derde

steunpakket zal nodig hebben reëel. Het einde blijkt dus nog niet helemaal in zicht. Daarom

veronderstellen we in dit onderzoek dat de crisisperiode loopt tot 31 maart 2012, het

moment waarop we deze masterproef schrijven.

In hoofdstuk 6 worden deze periodes aangepast om de robuustheid van de resultaten na te

gaan. De crisisperiode wordt aangepast om te controleren of de resultaten al dan niet

beïnvloed worden door de gekozen intervallen.

29

Figuur 2. Griekse prijsindex vanaf 2005. Deze grafiek toont de Griekse index (in euro), namelijk de

FTSE/ATHEX 20, voor de periode van 1 januari 2005 tot en met 31 maart 2012. Deze gegevens werden

opgevraagd via Thomson Reuters Datastream.

3.3. Datacollectie

Via de financiële statistische database Thomson Reuters Datastream bekomen we de

prijsindexen van de verschillende landen die opgenomen zijn in onze steekproef voor de

periode van 1 januari 2005 tot 31 maart 2012. We werken met lokale prijsindexen in lokale

munt, omdat de beschikbaarheid voor de volledige onderzochte periode groter is. Alhoewel

de resultaten niet beïnvloed zullen worden door de gebruikte munteenheid (Forbes &

Rigobon, 2002), i.e. lokale munt of euro, wordt op deze manier ook het effect van de

wisselmarkt uitgesloten (Sojli, 2007). Als gemeenschappelijke factor gebruiken we de S&P

Euro index.12 Deze omvat de gehele Europese regio. In hoofdstuk 6 zullen we zowel de index

(lokale index vs. MSCI index), de munteenheid (lokale munt vs. euro) als de

gemeenschappelijke factor (S&P Euro, S&P Europe 350 en MSCI World) aanpassen.

12

Bron: http://www.standardandpoors.com/indices/main/en/eu

0

500

1000

1500

2000

2500

3000

1/01/05 1/01/06 1/01/07 1/01/08 1/01/09 1/01/10 1/01/11 1/01/12

FTSE

/ A

THEX

20

Prijsindex Griekenland

Stabiele periode

Crisis periode

2005 2006 2007 2008 2009 2010 2011

30

De prijsindexen voor de ontwikkelde landen zijn quasi allemaal beschikbaar voor de

volledige periode. Er zijn echter twee uitzonderingen. Het is onmogelijk om de prijsindex van

Noorwegen op te vragen, en de historiek van de Sloveense prijsindex reikt slechts tot 31

maart 2006. Beide landen behoren derhalve niet tot onze finale steekproef.

De database bevat meer ontbrekende waarden voor de ontwikkelende landen. Voor de

landen Albanië, Armenië, Azerbeidzjan, Bosnië & Herzegovina, Georgië, Moldavië, Servië en

Wit-Rusland zijn er geen enkele gegevens beschikbaar. Verder is het onmogelijk de

prijsindexen van Letland, Litouwen, Macedonië en Polen op te vragen. Tenslotte zijn er voor

Kazachstan niet genoeg gegevens beschikbaar over de volledige periode om enige zinvolle

conclusie te kunnen formuleren. Voor de overige negen landen zijn alle gegevens

beschikbaar voor de volledige periode. Tabel 2 geeft de uiteindelijke steekproef en de

gebruikte prijsindexen weer.

Vooraleer we de rendementen berekenen, controleren we voor de verschillende

openingsuren van de nationale beurzen en hun nationale feestdagen. Naar analogie met

Forbes & Rigobon (2002) berekenen we aldus het ‘2-day rolling average’ van de dagelijkse

prijsindex. Hierbij wordt elke observatie getransformeerd volgens de formule:

. (1)

Vervolgens berekenen we het logaritmische rendement via de formule:

( ) (

) . (2)

31

Tabel 2. Landen opgenomen in finale steekproef met bijhorende indexen. Deze tabel bevat de landen die

uiteindelijk in onze steekproef werden opgenomen met hun bijhorende prijsindex. De prijsindexen hebben we

verzameld via Thomson Reuters Datastream.

België BEL 20 Bulgarije BULGARIA SE SOFIX

Cyprus CYPRUS GENERAL Estland OMXT

Denemarken OMXC 20 Hongarije BUX

Duitsland DAX 30 Kroatië CROBEX

Finland OMXH Montenegro NEX 20

Frankrijk CAC 40 Oekraïne UKRAINE PFTS

Griekenland ATHEX 20 Roemenië ROMANIA BET

Ierland ISEQ Rusland RUSSIA RTS INDEX

IJsland OMX ICELAND ALL SHARE Turkije ISTANBUL SE NATIONAL 100

Italië FTSE MIB

Luxemburg LUXEMBURG SE GENERAL

Malta MATLA SE MSE

Nederland AEX

Oostenrijk ATX

Portugal PSI-20

Slowaakse Republiek SAX 16

Spanje IBEX 35

Tsjechische Republiek PRAGUE SE PX

Verenigd Koninkrijk FTSE 100

Zweden OMXS 30

Zwitserland SWISS MARKET

Ontwikkelde economieën Ontwikkelende economieën

21 9

32

Hoofdstuk 4

Methodologie

33

Er bestaan verschillende methodologieën om de transmissie van negatieve schokken na te

gaan. Forbes & Rigobon (2002) onderscheiden vier algemene categorieën. ARCH en GARCH

modellen, testen voor wijziging in de co-integratie vector tussen markten, probit modellen,

en testen voor wijzigingen in correlatiecoëfficiënten. Bovendien kan ‘contagion’ gemeten

worden op het rendement van aandelenmarkten, rentevoeten, wisselkoersen of een lineaire

combinatie ervan (Rigobon, 2002). In dit onderzoek beperken we ons tot het meten van

‘contagion’ tussen verschillende aandelenmarkten.

Verder ligt onze focus op correlatieonderzoek aangezien deze methodologie intuïtief zeer

duidelijk is en het vaakst wordt gebruikt. Hierbij worden de correlaties van

aandelenrendementen tussen twee markten tijdens normale tijden en tijden van crisis met

elkaar vergeleken. Significant stijgende correlatiecoëfficiënten duiden op versterkte banden

tussen deze aandelenmarkten in tijden van crisis en bewijzen dus ‘contagion’. Niet

significant gestegen, of niet gestegen, correlatiecoëfficiënten wijzen op ‘interdependence’

(Forbes & Rigobon, 2002). ‘Contagion’ wordt in deze context dus gelinkt aan een excessieve

toename van de correlaties tussen twee landen.

Ook binnen dit correlatieonderzoek bestaan er talrijke methoden. In het algemeen zijn er zes

beperkingen aan deze methodologie. We maken een onderscheid tussen verschillende

modellen naargelang het aantal problemen dat ze oplossen (Rigobon, 2002). Drie ervan zijn

niet op te lossen, namelijk nonlineariteit, niet-normale verdeling en seriële correlatie. De

drie andere beperkingen, namelijk heteroscedasticiteit, endogeniteit en weggelaten

variabelen, kunnen echter wel vermeden worden, maar tot op heden kan geen enkel model

ze tegelijkertijd corrigeren. De eerste onderzoeken houden geen rekening met de correcties,

wat ertoe leidt dat in het merendeel van de empirische studies bewijs voor ‘contagion’

wordt gevonden (zie bijvoorbeeld King & Wadhwani, 1990 en Lee & Kim, 1994). Meer

recente onderzoeken stellen modellen voor die één of meerdere beperkingen proberen op

te lossen.

Doordat er zoveel verschillende manieren bestaan om te testen voor ‘contagion’ is er niet

één correcte methode, maar hebben de verschillende methodes elk hun voor- en nadelen.

Bijgevolg is het moeilijk om conclusies te veralgemenen. Vaak levert het toepassen van

verschillende methoden een ietwat tegenstrijdig resultaat op (zie bijvoorbeeld Serwa & Bohl,

34

2005). Veelal worden er in de literatuur verschillende methodologieën toegepast om een

genuanceerder beeld van de realiteit te schetsen. Vandaar dat we in deze paper focussen op

de twee meest gebruikte methodes binnen het correlatieonderzoek, namelijk de Forbes &

Rigobon (2002) methode (voortaan FR model) en de Corsetti et al. (2005) methode

(voortaan CPS model).

4.1. FR model

Zoals onder andere Forbes & Rigobon (2002) bewijzen, zijn correlaties tussen verschillende

markten hoger in tijden van crisis, i.e. een periode van hoge volatiliteit, zelfs wanneer het

onderliggende verband tussen de landen stabiel is gebleven. Deze normale

correlatiecoëfficiënten zijn dus afhankelijk van de volatiliteit van de aandelenrendementen

in de crisismarkt en worden derhalve ‘conditional correlation coefficients’ genoemd. Forbes

& Rigobon (2002) gebruiken een correctiefactor in de formule voor de berekening van de

correlatiecoëfficiënt en vinden nauwelijks bewijs van ‘contagion’, eerder ‘interdependence’.

Zij zijn niet de enigen die een oplossing hebben gevonden voor heteroscedasticiteit (zie

bijvoorbeeld Ronn, 1998; Boyer, Gibson & Loretan, 1999 en Loretan & English, 2000).

Het FR model is gebaseerd op volgende relatie tussen aandelenrendementen in twee

verschillende landen:

, (3)

waarbij: : rendement op aandelen in land x ,

: rendement op aandelen in land y (crisisland) ,

: constante ,

coëfficiënt ,

: error term .

35

Het model is gebaseerd op volgende assumpties:

( ) , (4)

( ) , (5)

( ) . (6)

Men veronderstelt de afwezigheid van weggelaten variabelen (4) en endogeniteit (6). Met

andere woorden, er zijn geen exogene globale schokken die het niet-crisis land treffen en er

is geen feedback van markt x naar de crisismarkt y.

De correlaties worden als volgt berekend:

. (7)

De correlaties gebaseerd op deze formule zullen echter stijgen als de volatiliteit in het

crisisland stijgt, zelfs al is het onderliggende verband tussen beide landen niet veranderd.13

Forbes & Rigobon (2002) stellen daarom een aanpassing van de correlatiecoëfficiënt voor,

zodat de ‘unconditional correlation coefficient’ kan berekend worden. Deze aangepaste

correlatiecoëfficiënt wordt dus niet beïnvloed door de heteroscedasticiteit die zich voordoet

ten gevolge van de hogere volatiliteit van aandelenrendementen in tijden van crisis. De

crisisperiode wordt in deze formule aangeduid met een ‘C’. De formule is als volgt:

√ ( ) , (8)

waarbij: ( )

( ) . (9)

Vooraleer we kunnen overgaan tot het testen van hypotheses moet de Fisher z

transformatie toegepast worden (Dungey & Zhumabekova, 2001). De Fisher z transformatie

zet de correlatiecoëfficiënten om in bij benadering normaal verdeelde variabelen. Deze

normalisering is cruciaal omdat dagelijkse aandelenrendementen niet normaal verdeeld zijn.

Bijgevolg zouden we hierop geen standaard testen kunnen toepassen, aangezien deze een

normale verdeling veronderstellen. Deze transformatie wordt zowel op de aangepaste

13

Voor een volledige theoretisch bespreking van deze vertekening verwijzen we naar de originele paper van Forbes & Rigobon (2002).

36

crisiscorrelatie als op de niet-aangepaste correlatiecoëfficiënt tijdens de stabiele periode

toegepast. De stabiele periode wordt in deze formule aangeduid met een ‘S’. De

transformatie verloopt via de formules:

(

) , (10)

(

) , (11)

(

) . (12)

Eens de transformatie toegepast, kunnen we overgaan tot het formuleren van de

hypotheses. De hypotheses luiden als volgt:

,

. (13)

Met andere woorden, als de aangepaste correlatiecoëfficiënt in de crisisperiode significant

(

) groter is dan de correlatiecoëfficiënt in de stabiele periode ( ), dan is er sprake van

‘contagion’ en is de stijging in de correlatiecoëfficiënt niet enkel te wijten aan de hogere

volatiliteit van de aandelenrendementen in tijden van crisis.

Merk op dat we bij het testen van de hypothesen lichtjes anders tewerk gaan dan Forbes &

Rigobon (2002). De auteurs vergelijken de aangepaste correlatiecoëfficiënt in tijden van

crisis met de correlatiecoëfficiënt voor de volledige periode. Doordat deze periode naast de

stabiele ook de crisisperiode bevat, zorgt dit ervoor dat de correlatiecoëfficiënten groter zijn

in de volledige periode in vergelijking met de coëfficiënten in de stabiele periode. Dit is niet

correct en zal de resultaten vertekenen in het nadeel van ‘contagion’. Daarom vergelijken

we zoals Olimov (2004), Serwa & Bohl (2005) en Sojli (2007) de correlatiecoëfficiënt in de

stabiele periode met de aangepaste correlatiecoëfficiënt in de crisisperiode. De teststatistiek

kan volgens volgende formule berekend worden:

√

. (14)

37

Hierbij stellen nC en nS het aantal dagen tijdens de crisisperiode, respectievelijk de stabiele

periode voor. Aangezien we tweezijdig testen bedragen de kritische waarden op het 5%

significantieniveau -1,96 en +1,96. Een teststatistiek die kleiner is dan de negatieve kritische

waarde wijst op een verlies aan ‘interdependence’, terwijl een teststatistiek groter dan de

positieve kritische waarde wijst op ‘contagion’. Wanneer de teststatistiek zich tussen de

positieve en negatieve kritische waarde bevindt, is er sprake van ‘interdependence’.

4.2. CPS model

Corsetti et al. (2005) stellen een algemener model voor dan Forbes & Rigobon (2002). Dit

model is gebaseerd op het model van Forbes & Rigobon (2002), maar corrigeert zowel voor

heteroscedasticiteit als voor het endogeniteit probleem. Het model bouwt op volgend

standaard factor model:

,

, (15)

waarbij: , rendement op aandelen in respectievelijk land x en land y

(y: crisisland) ,

, : constanten ,

, : landspecifieke factorladingen ,

: gemeenschappelijke factor ,

,

: idiosyncratische landspecifieke factoren .

Het model is gebaseerd op volgende assumpties:

( ) ( ) ( ) , (16)

( | ) ( ) (

) , (17)

( ) (

) ( ) , (18)

(

) (

) . (19)

38

Gebaseerd op voorgaand model (15) en assumpties (16) t.e.m. (19), kunnen de

correlatiecoëfficiënten tussen de rendementen van twee landen ( en ) in respectievelijk

normale tijden en tijden van crisis geschreven worden als :

( )

[ (

)

( )

]

⁄

[ (

)

( )

]

⁄ , (20)

( )

[ (

)

( )

]

⁄

[ (

)

( )

]

⁄ . (21)

Wanneer parameters en stabiel zijn over de periodes, komt een gestegen correlatie

tijdens een crisis overeen met een relatieve stijging van de variantie van de

gemeenschappelijke factor ( ) ten opzichte van de variantie van de idiosyncratische factor

( ).

Echter, de stijging in de correlatie tijdens een crisis kan ook te wijten zijn aan een stijging in

de grootte van de factorladingen ( en ). Zoals eerder gedefinieerd, stemt

‘interdependence’ overeen met een verandering van de correlatie, in lijn met (15) en (16)

t.e.m. (19) bij stabiele parameters en . ‘Contagion’ vindt plaats wanneer de stijging in

de correlatie tijdens een crisis groter is dan wat verwacht werd op basis van (15) en (16)

t.e.m. (19), dus wanneer de gestegen correlatie groter is dan wat kan verklaard worden door

het gedrag van de gemeenschappelijke factor en de landspecifieke componenten ( ,

).

De correlatiecoëfficiënt onder de nulhypothese van ‘interdependence’ wordt dus

gedefinieerd als:

[(

)

( ) [( )

](

)

]

⁄

, (22)

waarbij:

( )

( ) ( ) , (23)

( )

( ) ( ) . (24)

39

Nadat we de correlatiecoëfficiënten hebben berekend en vooraleer we deze zullen

vergelijken met elkaar met de geschikte statistische toets, passen we de Fisher z

transformatie toe (Dungey & Zhumabekova, 2001). De transformatie werd reeds op p. 35

toegelicht, en leidt tot:

(

) , (25)

(

) , (26)

(

) . (27)

Vooraleer we de hypothesen formuleren, is het belangrijk om de onderliggende redenering

te verduidelijken. Wanneer en niet wijzigen tijdens de crisis, dan stemt overeen

met

en is er sprake van ‘interdependence’. Er is sprake van ‘contagion’ wanneer de

factorladingen stijgen, en dus wanneer groter is dan

. De theoretische

correlatiecoëfficiënt (

), wordt dus vergeleken met de werkelijke correlatiecoëfficiënt

( ) gedurende de crisis. Indien de werkelijke kleiner of gelijk is aan de theoretische, is er

sprake van ‘interdependence’. Indien de werkelijke groter is dan de theoretische, is er

sprake van ‘contagion’. De hypothesen kunnen aldus geformuleerd worden als:

,

. (28)

De teststatistiek kan volgens volgende formule berekend worden:

√

. (29)

Met nC en nS het aantal dagen tijdens de crisisperiode, respectievelijk de stabiele periode.

Aangezien we tweezijdig testen bedragen de kritische waarden op het 5% significantieniveau

-1,96 en +1,96. Een teststatistiek die kleiner is dan de negatieve kritische waarde wijst op

een verlies aan ‘interdependence’, terwijl een teststatistiek groter dan de positieve kritische

waarde wijst op ‘contagion’. Wanneer de teststatistiek zich tussen de positieve en negatieve

kritische waarde bevindt, is er sprake van ‘interdependence’.

40

Hoofdstuk 5

Resultaten

41

In dit hoofdstuk bespreken we de resultaten van het empirisch onderzoek. Dit onderdeel is

gebaseerd op de methodologieën van Forbes & Rigobon (2002) en Corsetti et al. (2005) uit

hoofdstuk 4 en op de data zoals uiteengezet in hoofdstuk 3. De rendementen worden

beschreven in het eerste onderdeel. In het tweede en derde onderdeel worden de

correlatiecoëfficiënten tussen de rendementen besproken.

Het basisscenario vertrekt van de prijsindex in lokale munteenheid. De ‘return’ wordt

berekend volgens formules (1) en (2). Ten eerste zullen we, rekening houdend met de

verschillende openingsuren van de nationale beurzen en hun feestdagen, de ‘2-day rolling

average’ prijsindex berekenen. Vervolgens berekenen we op basis van deze aangepaste

prijsindex het logaritmische rendement. Als ‘common factor’ in het CPS model gebruiken we

de S&P Euro index. De stabiele periode loopt van 1 januari 2005 tot 1 augustus 2007. Als

crisisperiode beschouwen we de periode vanaf 14 oktober 2009 tot het moment waarop we

dit onderzoek uitvoeren, namelijk 31 maart 2012. De correlatiecoëfficiënten in de stabiele

en de crisisperiode worden berekend volgens formules (7), (20) en (21). De aangepaste

correlatiecoëfficiënten vinden we via de formules (8) en (22). Deze correlaties worden

getransformeerd via de Fisher z transformatie.

5.1. Descriptieve analyse

Tabel 3 en 4 bevatten de descriptieve statistieken voor de ‘2-day rolling average returns’. We

maken een onderscheid tussen ontwikkelde en ontwikkelende landen in de stabiele periode

en in de crisisperiode. We bespreken achtereenvolgens het gemiddelde, de

standaardafwijking, de scheefheid (‘skewness’) en de kurtosis.

Ten eerste bespreken we het gemiddelde rendement. De aandelenrendementen gedragen

zich zoals verwacht, i.e. hogere gemiddelde rendementen in de stabiele periode in

vergelijking met de crisisperiode. Zowel bij de ontwikkelde als bij de ontwikkelende landen is

het totale gemiddelde rendement in de stabiele groter dan in de crisisperiode, namelijk

0,081% > -0,040% voor de ontwikkelde landen en 0,172% > -0,012% voor de ontwikkelende

landen.

Verder is het duidelijk dat de gemiddelde rendementen op aandelen uit ontwikkelende

landen hoger liggen dan de gemiddelde rendementen op aandelen uit ontwikkelde landen,

42

namelijk 0,172% > 0,081% in de stabiele periode en -0,012% > -0,040% in de crisisperiode.

Dit kan eenvoudig verklaard worden door het feit dat de aandelen uit ontwikkelende landen

gemiddeld minder stabiel zijn door een lagere liquiditeit. Aan deze aandelen is dus een hoger

risico is verbonden. Deze vaststelling is dus in overeenstemming met de conventionele

wijsheid dat een hoger risico gepaard gaat met een hoger rendement.

De volatiliteit van de aandelenmarkten wordt gemeten aan de hand van de

standaarddeviatie. De standaardafwijking is een maatstaf voor het risico verbonden aan

aandelen. Overeenkomstig met voorgaande bemerking dat aan aandelen uit ontwikkelende

landen een hoger risico verbonden is, is het duidelijk dat de standaardafwijking gemiddeld

groter is bij ontwikkelende landen in vergelijking met ontwikkelde landen in de stabiele

periode, namelijk 1,024% > 0,675%. Dit is echter niet zo tijdens de crisisperiode, namelijk

1,032% < 1,090%. Wetende dat vooral ontwikkelde landen zoals Griekenland, Ierland,

Portugal en Spanje getroffen worden door de Europese staatsschulden crisis, is het mogelijk

dat een hogere gemiddelde standaarddeviatie voor aandelenrendementen in ontwikkelende

landen gecompenseerd wordt door het feit dat de crisis harder toeslaat in de ontwikkelde

landen.

Verder is zoals verwacht de volatiliteit in tijden van crisis groter dan gedurende de stabiele

periode, namelijk 1,090% > 0,675% voor ontwikkelde landen en 1,032% > 1,024% voor

ontwikkelende landen. Het verschil is echter minder opvallend voor de ontwikkelende

landen, wat er opnieuw op zou kunnen wijzen dat de ontwikkelde Europese landen

gemiddeld gezien harder getroffen worden door de huidige crisis.

In alle gevallen zijn de scheefheid en kurtosis verschillend van nul, wat wijst op een niet-

normale verdeling.14 Dit is overeenkomstig met de opmerking die we reeds formuleerden bij

de bespreking van de Fisher z transformatie (cfr. supra, p. 35). Dagelijkse aandelen-

rendementen worden immers gekenmerkt door hun niet-normale verdeling.

Een negatieve scheefheid wijst erop dat het merendeel van de rendementen zich rechts van

het gemiddelde bevinden. Een negatieve waarde voor scheefheid correspondeert dus met

een links scheve verdeling, aangezien de linker staart van de waarschijnlijkheidsverdeling

14

Er wordt hier telkens gebruik gemaakt van de ‘excess’ kurtosis. Dit is een correctie van de kurtosis waarbij de standaard normale verdeling een kurtosis van 0 heeft.

43

langer is dan de rechter staart. Dezelfde redenering gaat op voor een positieve scheefheid,

maar dan in de omgekeerd zin. In dit geval is de scheefheid gemiddeld negatief, wat dus een

links scheve verdeling impliceert. Dit wil zeggen dat er weinig lage rendementen voorkomen,

maar dat deze lage rendementen wel extremer zijn. Langs de andere kant doen er zich meer

hoge rendementen voor, maar deze zijn gematigder, en dus minder extreem. Beleggers op

de Europese aandelenmarkten hebben dus gemiddeld vaker een positief, maar wel

beperkter rendement. Langs de andere kant hebben ze minder frequent een verlies te

incasseren, maar dit verlies is wel extremer. Met andere woorden, beleggers op Europese

beurzen hebben gemiddeld genomen te maken met ‘frequent small gains’ en ‘few extreme

losses’.

Tenslotte bespreken we de kurtosis, een maat voor de vlakheid of de relatieve piekvorm van

een verdeling. De meeste kurtosis-waarden liggen tussen 1 en 5, wat wijst op een verdeling

met een relatief hoge piek. Er zijn echter twee uitzonderingen. Zo is de kurtosis-waarde voor

Luxemburg in de stabiele periode gelijk aan 128, een extreem hoge waarde. Dit wijst op een

verdeling met een zeer sterke piek. Het houdt in dat een groot deel van de variantie

veroorzaakt wordt door zeldzame extreme waarden. Ook is de waarde voor de Slowaakse

Republiek in de crisisperiode aan de hoge kant, namelijk 18.

44

Tabel 3. Descriptieve statistieken voor de ontwikkelde landen. In deze tabel vindt u de beschrijvende statistieken voor de ontwikkelde landen. Er wordt een onderscheid

gemaakt tussen de stabiele en de crisisperiode. De statistieken worden zowel voor de individuele landen als voor de totale set van ontwikkelde landen weergegeven.

Stabiel Crisis Stabiel Crisis Stabiel Crisis Stabiel Crisis Stabiel Crisis Stabiel Crisis

België 0,058% -0,015% 0,534% 0,972% -2,430% -3,386% 1,614% 3,962% -0,702 -0,233 2,064 1,780

Cyprus 0,239% -0,326% 1,102% 2,299% -6,374% -8,429% 4,086% 8,720% -0,217 0,039 3,435 1,277

Denemarken 0,081% 0,043% 0,624% 0,883% -2,564% -3,503% 1,789% 2,898% -0,865 -0,371 1,674 1,660

Duitsland 0,084% 0,028% 0,627% 1,069% -2,320% -4,394% 2,228% 4,015% -0,480 -0,415 1,425 2,266

Finland 0,087% -0,010% 0,676% 1,062% -2,633% -4,147% 2,268% 3,934% -0,549 -0,365 1,723 1,559

Frankrijk 0,059% -0,018% 0,574% 1,123% -2,193% -4,346% 1,969% 4,139% -0,524 -0,239 1,289 1,474

Griekenland 0,076% -0,259% 0,777% 1,936% -3,238% -6,425% 2,960% 7,516% -0,396 0,162 1,248 0,855

Ierland 0,045% -0,004% 0,645% 1,032% -2,836% -3,893% 2,520% 3,715% -0,876 -0,432 3,345 1,318

IJsland 0,134% 0,047% 0,733% 0,608% -3,358% -2,680% 3,050% 2,647% -0,641 -0,020 2,733 1,761

Italië 0,038% -0,064% 0,511% 1,277% -2,413% -5,425% 1,373% 4,969% -0,703 -0,261 1,446 1,625

Luxemburg 0,119% -0,031% 1,119% 1,233% -16,595% -4,155% 15,583% 3,667% -0,864 -0,199 128,615 0,509

Malta 0,070% -0,012% 0,738% 0,520% -3,794% -2,613% 4,024% 2,751% 0,004 0,816 5,573 6,698

Nederland 0,062% 0,001% 0,546% 0,946% -2,094% -3,419% 1,902% 3,211% -0,416 -0,288 1,378 1,085

Oostenrijk 0,095% -0,035% 0,784% 1,208% -3,596% -4,727% 2,523% 4,063% -0,833 -0,555 2,371 1,618

Portugal 0,084% -0,072% 0,423% 1,003% -1,511% -4,341% 2,173% 3,863% -0,086 -0,313 2,712 1,995

Slowaakse Republiek 0,037% -0,058% 0,708% 0,897% -2,799% -7,851% 3,231% 2,837% 0,331 -2,877 3,762 18,472

Spanje 0,071% -0,060% 0,554% 1,250% -2,098% -4,167% 2,201% 5,289% -0,551 0,013 1,565 1,836

Tsjechische Republiek 0,080% -0,030% 0,821% 0,955% -3,558% -4,412% 4,574% 3,904% -0,562 -0,755 4,271 3,055

Verenigd Koninkrijk 0,040% 0,016% 0,485% 0,836% -2,091% -3,123% 1,794% 3,394% -0,643 -0,308 1,999 1,805

Zweden 0,075% 0,025% 0,688% 1,002% -3,179% -4,425% 2,590% 3,673% -0,807 -0,492 2,887 2,194

Zwitserland 0,064% -0,004% 0,509% 0,782% -2,419% -3,633% 1,610% 4,584% -0,600 -0,171 2,136 4,032

21 0,081% -0,040% 0,675% 1,090% -16,595% -8,429% 15,583% 8,720% -0,523 -0,346 8,460 2,804

KurtosisGemiddelde Std. Afwijking Minimum Maximum Scheefheid

45

Tabel 4. Descriptieve statistieken voor de ontwikkelende landen. In deze tabel vindt u de beschrijvende statistieken voor de ontwikkelende landen. Er wordt een

onderscheid gemaakt tussen de stabiele en de crisisperiode. De statistieken worden zowel voor de individuele landen als voor de totale set van ontwikkelende landen

weergegeven.

Stabiel Crisis Stabiel Crisis Stabiel Crisis Stabiel Crisis Stabiel Crisis Stabiel Crisis

Bulgarije 0,136% -0,068% 0,754% 0,691% -3,063% -3,110% 4,320% 3,276% 0,606 -0,024 4,370 3,017

Estland 0,113% 0,054% 0,676% 1,035% -4,373% -4,771% 3,704% 5,321% -0,508 0,152 9,042 4,472

Hongarije 0,101% -0,016% 1,036% 1,168% -4,271% -4,729% 3,299% 3,965% -0,297 -0,372 1,136 1,412

Kroatië 0,173% -0,033% 0,707% 0,653% -2,782% -3,064% 4,572% 4,365% 0,460 0,633 3,541 6,713

Montenegro 0,410% -0,089% 1,347% 0,775% -4,134% -3,627% 7,225% 3,684% 0,816 0,153 2,704 4,483

Oekraïne 0,213% -0,032% 1,116% 1,426% -6,808% -8,295% 4,056% 8,301% -0,347 -0,862 4,274 6,941

Roemenië 0,119% 0,030% 1,204% 1,077% -6,985% -6,379% 4,722% 6,153% -0,328 -0,718 4,395 6,566

Rusland 0,174% 0,021% 1,172% 1,369% -6,033% -7,229% 4,433% 5,083% -0,818 -0,758 3,110 2,760

Turkije 0,108% 0,031% 1,200% 1,091% -4,241% -6,286% 3,365% 3,752% -0,562 -0,670 1,013 2,455

9 0,172% -0,012% 1,024% 1,032% -6,985% -8,295% 7,225% 8,301% -0,109 -0,274 3,732 4,313

KurtosisGemiddelde Std. Afwijking Minimum Maximum Scheefheid

46

Na eerst de aandelenrendementen besproken te hebben, worden nu de correlaties tussen

deze rendementen geanalyseerd. In wat volgt bespreken we eerst de onaangepaste

correlatiecoëfficiënten tussen Griekenland en de verschillende landen opgenomen in onze

steekproef in de stabiele periode ( ) en de crisisperiode (

). In het tweede deel van dit

hoofdstuk bespreken we de resultaten van het FR model en het CPS model en houden we

dus rekening met de aangepaste correlatiecoëfficiënten

en

. De

correlatiecoëfficiënten zoals hiervoor besproken worden weergegeven in Tabel 5 voor de

ontwikkelde landen en Tabel 6 voor de ontwikkelende landen.

5.2. Onaangepaste correlatiecoëfficiënten

Een eerste vaststelling is dat de onaangepaste correlatiecoëfficiënten tussen Griekenland en

de verschillende landen in de stabiele periode en de crisisperiode niet helemaal

overeenkomen wanneer beide methodologieën, i.e. FR model en CPS model, met elkaar

worden vergeleken. Tabel 7 maakt de vergelijking tussen de correlatiecoëfficiënten volgens

het FR model en het CPS model. De gemiddelde correlatiecoëfficiënt in de stabiele periode is

0,39 volgens het FR model, terwijl dezelfde gemiddelde correlatiecoëfficiënt volgens het CPS

model 0,32 bedraagt. Ook de correlatiecoëfficiënten in de crisisperiode verschillen

afhankelijk van welke methode toepast wordt. Via het FR model wordt een gemiddelde

correlatiecoëfficiënt van 0,42 gevonden, terwijl via het CPS model 0,35 gevonden wordt.

Zowel voor de stabiele periode als voor de crisisperiode is de correlatie volgens het FR model

gemiddeld hoger dan de correlatie volgens het CPS model. Aangezien deze verschillen niet

significant zijn op het 5% significantieniveau, beschouwen we dit niet als bedreigend voor de

betrouwbaarheid van de resultaten van dit onderzoek. Bovendien zijn we niet de enigen die

deze vaststelling maken. Ook andere auteurs zoals bijvoorbeeld Collins & Biepke (2003)

vinden een verschil tussen de correlatiecoëfficiënten in beide methodes. Desalniettemin

wordt in de verificatie van de robuustheid van de resultaten rekening gehouden met dit

verschijnsel omdat deze verschillen wel significant zijn op het 10% significantieniveau.

47

Tabel 5. Correlatiecoëfficiënten voor de ontwikkelde landen. In deze tabel vindt u de correlatiecoëfficiënten

voor de ontwikkelde landen. Deze werden berekend volgens formules (7), (8), (20), (21) en (22) en vervolgens

getransformeerd via de Fisher z transformatie. * duidt op significant van nul verschillende

correlatiecoëfficiënten op het 10% significantieniveau, ** op 5% significantieniveau, en *** op 1%

significantieniveau.

Tabel 6. Correlatiecoëfficiënten voor de ontwikkelende landen. In deze tabel vindt u de

correlatiecoëfficiënten voor de ontwikkelende landen. Deze werden berekend volgens formules (7), (8), (20),

(21) en (22) en vervolgens getransformeerd via de Fisher z transformatie. * duidt op significant van nul

verschillende correlatiecoëfficiënten op het 10% significantieniveau, ** op 5% significantieniveau, en *** op

1% significantieniveau.

België 0,60 *** 0,54 *** 0,23 *** 0,57 *** 0,52 *** 0,52 ***

Cyprus 0,50 *** 1,18 * 0,56 *** 0,17 *** 0,26 *** 0,27 ***

Denemarken 0,48 *** 0,45 *** 0,19 *** 0,35 *** 0,42 *** 0,43 ***

Duitsland 0,54 *** 0,46 *** 0,19 *** 0,61 *** 0,53 *** 0,53 ***

Finland 0,52 *** 0,48 *** 0,20 *** 0,48 *** 0,49 *** 0,49 ***

Frankrijk 0,57 *** 0,53 *** 0,22 *** 0,66 *** 0,54 *** 0,54 ***

Ierland 0,55 *** 0,47 *** 0,19 *** 0,41 *** 0,46 *** 0,46 ***

IJsland 0,16 *** 0,13 *** 0,05 0,07 0,11 ** 0,12 **

Italië 0,57 *** 0,53 *** 0,22 *** 0,58 *** 0,52 *** 0,52 ***

Luxemburg 0,15 *** 0,40 *** 0,16 *** 0,24 *** 0,33 *** 0,34 ***

Malta -0,01 -0,06 -0,03 0,00 0,01 0,01

Nederland 0,57 *** 0,51 *** 0,21 *** 0,60 *** 0,52 *** 0,53 ***

Oostenrijk 0,62 *** 0,55 *** 0,23 *** 0,43 *** 0,47 *** 0,47 ***

Portugal 0,40 *** 0,58 *** 0,25 *** 0,38 *** 0,44 *** 0,45 ***

Slowaakse Republiek 0,07 0,04 0,02 0,02 0,04 0,04

Spanje 0,56 *** 0,57 *** 0,24 *** 0,54 *** 0,51 *** 0,51 ***

Tsjechische Republiek 0,54 *** 0,53 *** 0,22 *** 0,31 *** 0,39 *** 0,40 ***

Verenigd Koninkrijk 0,57 *** 0,45 *** 0,19 *** 0,53 *** 0,51 *** 0,51 ***

Zweden 0,55 *** 0,45 *** 0,18 *** 0,48 *** 0,49 *** 0,49 ***

Zwitserland 0,59 *** 0,44 *** 0,18 *** 0,47 *** 0,49 *** 0,49 ***

FR model CPS model

Bulgarije 0,10 ** 0,14 *** 0,05 0,05 0,08 ** 0,09 **

Estland 0,24 *** 0,22 *** 0,09 ** 0,16 *** 0,24 *** 0,25 ***

Hongarije 0,42 *** 0,42 *** 0,17 *** 0,26 *** 0,35 *** 0,36 ***

Kroatië 0,12 ** 0,31 *** 0,12 ** 0,12 ** 0,19 *** 0,20 ***

Montenegro -0,06 0,07 0,03 0,00 0,00 0,00

Oekraïne 0,18 *** 0,25 *** 0,10 ** 0,16 *** 0,24 *** 0,25 ***

Roemenië 0,19 *** 0,45 *** 0,18 *** 0,15 *** 0,23 *** 0,24 ***

Rusland 0,48 *** 0,46 *** 0,19 *** 0,28 *** 0,37 *** 0,38 ***

Turkije 0,54 *** 0,40 *** 0,16 *** 0,23 *** 0,32 *** 0,33 ***

FR model CPS model

48

Tabel 7. Vergelijking van de onaangepaste correlatiecoëfficiënten tussen FR model en CPS model. In deze

tabel vindt u de gemiddelde correlatiecoëfficiënten in de stabiele en de crisisperiode volgens het FR model en

het CPS model. De teststatistiek is aangepast aan de Fisher z transformatie. De kritische waarden voor een

tweezijdige test op het 5%, resp. 10% significantieniveau zijn -1,96 en +1,96, resp. -1,64 en +1,64.

Vervolgens onderzoeken we in Tabel 8 het verschil in correlatiecoëfficiënten tussen

ontwikkelde en ontwikkelende markten. Volgens het FR model is de correlatiecoëfficiënt in

de stabiele periode gemiddeld 0,46 voor de ontwikkelde landen en 0,25 voor de

ontwikkelende landen. In de crisisperiode bedragen de correlaties 0,46 voor ontwikkelde

landen en 0,30 voor de ontwikkelende landen. In beide gevallen is de correlatiecoëfficiënt

significant hoger bij de ontwikkelde landen in vergelijking met de ontwikkelende landen. Ook

via het CPS model verkrijgt men dezelfde resultaten. In de stabiele periode is de

correlatiecoëfficiënt voor de ontwikkelde landen hoger dan deze voor de ontwikkelende

landen, namelijk 0,40 en 0,16. Tijdens de crisisperiode bedraagt de correlatie 0,40 voor

ontwikkelde landen en 0,22 voor ontwikkelende landen. Zowel via het FR model als via het

CPS model zijn de correlatiecoëfficiënten dus significant (5% significantieniveau) hoger bij

ontwikkelde landen in vergelijking met ontwikkelende landen, en dit zowel tijdens de

stabiele periode als tijdens de crisisperiode. De verklaring hiervoor is intuïtief duidelijk.

Ontwikkelende landen worden gekenmerkt door o.a. een hogere gemiddelde ‘return’, een

hogere volatiliteit en een lage correlatie met ontwikkelde landen (Bekaert & Harvey, 1997).

De twee eerste kenmerken werden reeds eerder bevestigd (cfr. supra, p.42). Het derde

kenmerk wordt bij deze ook bevestigd. In dit onderzoek worden de correlaties tussen de

verschillende landen en een ontwikkeld land, namelijk Griekenland, berekend. De

vaststelling dat de correlatiecoëfficiënten tussen Griekenland en andere ontwikkelde landen

hoger liggen dan tussen Griekenland en ontwikkelende landen is dus in overeenstemming

met de verwachtingen. Het feit dat deze drie kenmerken van ontwikkelende landen worden

bevestigd in dit onderzoek, bevordert de betrouwbaarheid van dit onderzoek.

FR model CPS model Teststatistiek

0,39 0,32 1,78

0,41 0,35 1,65

49

Tabel 8. Vergelijking van de correlatiecoëfficiënten tussen ontwikkelde en ontwikkelende landen. In deze

tabel vindt u de gemiddelde correlatiecoëfficiënten in de stabiele en crisisperiode. Er wordt een vergelijking

gemaakt tussen de ontwikkelde en de ontwikkelende landen. De teststatistiek is aangepast aan de Fisher z

transformatie. De kritische waarde bij een rechtseenzijdige test op het 5% significantieniveau is +1,64.

Tenslotte worden de onaangepaste correlatiecoëfficiënten in beide periodes geanalyseerd.

Zowel via het FR model als via het CPS model stijgen de onaangepaste correlatie-

coëfficiënten gemiddeld genomen in de crisisperiode bij ontwikkelde landen (Tabel 9). Via

het FR model kan een stijging van 0,0058 waargenomen worden, terwijl via het CPS model

een stijging van 0,0057 gevonden wordt. Bij de ontwikkelende landen wordt hetzelfde

fenomeen aangetroffen. Via het FR model, respectievelijk CPS model, is er een stijging van

0,0556, respectievelijk 0,0680. Deze stijgingen zijn echter niet significant op 5%

significantieniveau. De stijging van de correlatiecoëfficiënt in de crisisperiode is significant

groter voor de ontwikkelende landen in vergelijking met de ontwikkelde landen, en dit zowel

via het FR model als via het CPS model (Tabel 10). Gemiddeld genomen stijgen de

correlatiecoëfficiënten dus in de crisisperiode en is deze stijging significant groter bij de

ontwikkelende landen in vergelijking met de ontwikkelde landen.

In Tabel 11 en 12 wordt de vergelijking gemaakt tussen de correlatiecoëfficiënten in de

stabiele en crisisperiode voor elk individueel land. We merken een significante stijging in

correlaties in zes van de 29 gevallen volgens het FR model. In het CPS model vinden we geen

significante stijgingen. Verder vinden we drie gevallen met significante daling volgens het FR

model en één geval volgens het CPS model. Echter, deze tests houden geen rekening met de

aangepaste correlatiecoëfficiënten en zeggen bijgevolg weinig over de aanwezigheid van

‘contagion’, ‘interdependence’ of een verlies aan ‘interdependence’. We kunnen hier wel

reeds de opmerking die we eerder aanhaalden bevestigen (cfr. supra, p.33). Het toepassen

van verschillende methodologieën levert vaak niet-gelijklopende conclusies op. Het is

daarom belangrijk om de resultaten van meerdere methodologieën met elkaar te vergelijken

om op die manier een extra nuancering aan de resultaten toe te voegen.

Ontwikkelde landen Ontwikkelende landen Teststatistiek

0,4561 0,2453 5,45

0,4619 0,3008 4,08

0,3959 0,1569 6,18

0,4017 0,2250 4,47

FR model

CPS model

50

Tabel 9. Vergelijking tussen de gemiddelde onaangepaste correlatiecoëfficiënten in de stabiele en de crisisperiode. In deze tabel worden de gemiddelde onaangepaste

correlatiecoëfficiënten in de stabiele en crisisperiode met elkaar vergeleken voor zowel het FR model als het CPS model. De teststatistiek is aangepast aan de Fisher z

transformatie. Er wordt getest op het 5% significantieniveau. De kritische waarde voor een rechtseenzijdige test is +1,64.

Tabel 10. Vergelijking van de gemiddelde verschillen tussen de onaangepaste correlatiecoëfficiënten in de ontwikkelde en ontwikkelende landen. In deze tabel vindt u

de gemiddelde verschillen tussen de onaangepaste correlatiecoëfficiënten voor zowel het FR model als het CPS model. De verschillen worden vergeleken tussen de

ontwikkelde landen en de ontwikkelende landen. De teststatistiek is aangepast aan de Fisher z transformatie. Er wordt getest op het 5% significantieniveau. De kritische

waarden bij een tweezijdige test zijn -1,96 en +1,96.

- Teststatistiek - Teststatistiek

Ontwikkelde landen 0,4561 0,4619 0,0058 0,10 0,3959 0,4017 0,0057 0,10

Ontwikkelende landen 0,2453 0,3008 0,0556 1,00 0,1569 0,2250 0,0680 1,23

FR model CPS model

Ontwikkelde landen Ontwikkelende landen Teststatistiek

FR model - 0,0058 0,0556 -1,80

CPS model - 0,0057 0,0680 -2,26

51

Tabel 11. Vergelijking van de onaangepaste correlatiecoëfficiënten per ontwikkeld land. In deze tabel wordt de vergelijking gemaakt tussen de onaangepaste

correlatiecoëfficiënten in de stabiele en crisisperiode per ontwikkeld land. De teststatistiek is aangepast aan de Fisher z transformatie. Er wordt getest op het 5%

significantieniveau. Een teststatistiek kleiner dan -1,96 duidt op een verlies aan ‘interdependence’ (L), een teststatistiek groter dan +1,96 duidt op ‘contagion’ (C), en

tenslotte wijst een teststatistiek tussen -1,96 en +1,96 op ‘interdependence’ (I).

Teststatistiek Contagion? Teststatistiek Contagion?

België 0,60 0,54 -1,00 I 0,57 0,52 -0,96 I

Cyprus 0,50 1,18 12,22 C 0,17 0,26 1,53 I

Denemarken 0,48 0,45 -0,52 I 0,35 0,42 1,27 I

Duitsland 0,54 0,46 -1,36 I 0,61 0,53 -1,46 I

Finland 0,52 0,48 -0,83 I 0,48 0,49 0,18 I

Frankrijk 0,57 0,53 -0,82 I 0,66 0,54 -2,24 L

Ierland 0,55 0,47 -1,48 I 0,41 0,46 0,83 I

IJsland 0,16 0,13 -0,46 I 0,07 0,11 0,75 I

Italië 0,57 0,53 -0,68 I 0,58 0,52 -1,07 I

Luxemburg 0,15 0,40 4,55 C 0,24 0,33 1,66 I

Malta -0,01 -0,06 -1,04 I 0,00 0,01 0,04 I

Nederland 0,57 0,51 -1,12 I 0,60 0,52 -1,28 I

Oostenrijk 0,62 0,55 -1,37 I 0,43 0,47 0,61 I

Portugal 0,40 0,58 3,34 C 0,38 0,44 1,05 I

Slowaakse Republiek 0,07 0,04 -0,52 I 0,02 0,04 0,28 I

Spanje 0,56 0,57 0,34 I 0,54 0,51 -0,56 I

Tsjechische Republiek 0,54 0,53 -0,27 I 0,31 0,39 1,52 I

Verenigd Koninkrijk 0,57 0,45 -2,20 L 0,53 0,51 -0,42 I

Zweden 0,55 0,45 -1,84 I 0,48 0,49 0,10 I

Zwitserland 0,59 0,44 -2,84 L 0,47 0,49 0,22 I

FR model CPS model

52

Tabel 12. Vergelijking van de onaangepaste correlatiecoëfficiënten per ontwikkelend land. In deze tabel wordt de vergelijking gemaakt tussen de onaangepaste

correlatiecoëfficiënten in de stabiele en crisisperiode per ontwikkelend land. De teststatistiek is aangepast aan de Fisher z transformatie. Er wordt getest op het 5%

significantieniveau. Een teststatistiek kleiner dan -1,96 duidt op een verlies aan ‘interdependence’ (L), een teststatistiek groter dan +1,96 duidt op ‘contagion’ (C), en

tenslotte wijst een teststatistiek tussen -1,96 en +1,96 op ‘interdependence’ (I).


Bulgarije 0,10 0,14 0,69 I 0,05 0,08 0,58 I

Estland 0,24 0,22 -0,29 I 0,16 0,24 1,45 I

Hongarije 0,42 0,42 0,01 I 0,26 0,35 1,65 I

Kroatië 0,12 0,31 3,34 C 0,12 0,19 1,24 I

Montenegro -0,06 0,07 2,38 C 0,00 0,00 0,00 I

Oekraïne 0,18 0,25 1,32 I 0,16 0,24 1,45 I

Roemenië 0,19 0,45 4,57 C 0,15 0,23 1,43 I

Rusland 0,48 0,46 -0,38 I 0,28 0,37 1,60 I

Turkije 0,54 0,40 -2,61 L 0,23 0,32 1,66 I

FR model CPS model

53

5.3. Aangepaste correlatiecoëfficiënten

In voorgaande conclusies werd er geen rekening gehouden met de correctiefactoren zoals

voorgesteld door Forbes & Rigobon (2002) en Corsetti et al. (2005). Vanaf nu worden deze

correctiefactoren wel in acht genomen. In wat volgt zullen we dan ook de resultaten van de

basisanalyse bespreken en trachten we een antwoord te formuleren op de onderzoeksvraag

of er tijdens de Griekse crisis sprake is van ‘contagion’ en of er een verschil tussen

ontwikkelde en ontwikkelende landen waar te nemen is. De resultaten worden weergegeven

in Tabel 13 en 14.

Het FR model vergelijkt de correlatiecoëfficiënt in de stabiele periode ( ) met de

aangepaste correlatiecoëfficiënt in de crisisperiode (

). Bij de ontwikkelde landen wordt

een stijging gevonden voor twee gevallen, namelijk bij Cyprus en Luxemburg. Deze stijging is

niet significant en wijst dus niet op ‘contagion’ maar op ‘interdependence’. Bij de overige

landen wordt een negatief verschil tussen de aangepaste correlatiecoëfficiënt in de

crisisperiode en de onaangepaste correlatiecoëfficiënt in de stabiele periode waargenomen.

In drie landen, namelijk IJsland, Malta en de Slowaakse Republiek, is dit verschil niet

significant en wordt dus opnieuw bewijs gevonden voor ‘interdependence’. In de overige

vijftien landen is het negatieve verschil tussen de correlatiecoëfficiënten echter wel

significant en wordt aldus een verlies aan ‘interdependence’ waargenomen.

Het CPS model vergelijkt de correlatiecoëfficiënt in de crisisperiode ( ) met de verwachte

theoretische correlatiecoëfficiënt onder de nulhypothese van ‘interdependence’ (

). Bij

het toepassen van deze methode is er voor alle landen sprake van een negatief verschil in de

correlatiecoëfficiënten. Toch is volgens het CPS model geen enkel negatief verschil

significant en wordt er dus met andere woorden geen bewijs gevonden voor een verlies aan

‘interdependence’.

Ook bij de ontwikkelende landen worden ongeveer dezelfde conclusies bekomen. Volgens

het FR model is er in twee gevallen, namelijk Kroatië en Montenegro, sprake van een positief

verschil tussen de aangepaste correlatiecoëfficiënt in de crisisperiode en de

correlatiecoëfficiënt in de stabiele periode. Deze verschillen zijn opnieuw niet significant. In

alle andere gevallen worden negatieve verschillen gevonden. Voor de landen Bulgarije,

54

Oekraïne en Roemenië is dit verschil niet significant. In totaal is er dus voor vijf

ontwikkelende landen sprake van ‘interdependence’. In de overige vier landen, namelijk

Estland, Hongarije, Rusland en Turkije, is het negatieve verschil tussen de aangepaste

correlatiecoëfficiënt in de crisisperiode en de correlatiecoëfficiënt in de stabiele periode wel

significant en vinden we derhalve bewijs voor een verlies aan ‘interdependence’.

Via het CPS model vinden we in alle gevallen negatieve verschillen tussen de werkelijke

correlatie in de crisisperiode en de theoretische maatstaf voor ‘interdependence’, maar

opnieuw is het verschil miniem. Geen enkel verschil is significant en dus vinden we in alle

landen bewijs voor ‘interdependence’.

Drie belangrijke vaststellingen kunnen gemaakt worden aan de hand van deze resultaten.

Ten eerste kunnen we concluderen dat er tijdens de Griekse crisis geen sprake was van

‘contagion’. In de steekproef bestaande uit 29 landen vinden we geen enkel geval van

‘contagion’. Volgens het CPS model is er enkel sprake van ‘interdependence’, terwijl er zich

volgens het FR model zelfs in het merendeel van de gevallen een verlies aan

‘interdependence’ voordoet. Volgens Corsetti et al. (2005) zouden we in het CPS model meer

gevallen van ‘contagion’ moeten vinden in vergelijking met het FR model. Zij concludeerden

dat de resultaten van het FR model vertekend zijn in het voordeel van ‘interdependence’ en

dat de conclusie van Forbes & Rigobon (2002), namelijk ‘no contagion, only

interdependence’, niet klopt. Zo onderzoeken zowel Forbes & Rigobon (2002) als Corsetti et

al. (2005) de ‘contagion’ effecten van de crisis op de Hongkongse aandelenmarkt in oktober

1997. Forbes & Rigobon (2002) vinden slechts één geval van ‘contagion’, terwijl Corsetti et

al. (2005) vijf gevallen vinden. Aangezien we voor beide modellen echter geen ‘contagion’

vinden is deze bemerking hier niet echt van toepassing. De meeste onderzoeken in de

literatuur vinden wel een aantal landen die ‘contagion’ vertonen, maar meestal zijn het

aantal geconstateerde gevallen relatief zeldzaam in vergelijking met het aantal gevallen van

‘interdependence’, zeker in Europa. Zo onderzochten Serwa & Bohl (2005) de correlaties

tussen Europese aandelenmarkten tijdens zeven financiële crisissen en vinden bijna geen

bewijs voor ‘contagion’. Gelos & Sahay (2001) vinden evenzeer een beperkt bewijs van

‘contagion’ tussen aandelenmarkten voor Oost-Europese landen tijdens drie crisissen. Het

grote aantal landen in onze steekproef waar de euro als munteenheid wordt gebruikt, kan

55

een verklaring bieden voor de afwezigheid van ‘contagion’.15 De reddingsplannen van

Griekenland werden immers ontworpen door het IMF en de overige eurolanden. Een van de

primaire doelstellingen was dan ook de besmetting van de andere eurolanden te vermijden.

We moeten er wel op wijzen dat we in dit onderzoek niet rechtstreeks de effectiviteit van de

steunpakketten nagaan. Concluderen dat de afwezigheid van ‘contagion’ in deze steekproef

enkel te wijten is aan de reddingsboeien die Griekenland toegeworpen kreeg van het IMF en

de overige eurolanden is dan ook niet wetenschappelijk correct. Wel kunnen we hier stellen

dat het een mogelijke verklaring biedt voor de afwezigheid van ‘contagion’ in dit onderzoek.

Een tweede vaststelling is het grote aantal gevallen waar men een verlies aan

‘interdependence’ vindt volgens het FR model. Er is bij de ontwikkelde landen in 75% van de

gevallen een verlies aan ‘interdependence’ waar te nemen, terwijl in de overige 25%

‘interdependence’ wordt vastgesteld. In het geval van de ontwikkelende landen is deze

verhouding eerder in het voordeel van ‘interdependence’. Er is namelijk slechts in ongeveer

45% van de gevallen sprake van een verlies aan ‘interdependence’. In die overige 55% wordt

bewijs gevonden voor ‘interdependence’. Corsetti et al. (2005) geven een mogelijke

verklaring voor een verlies aan ‘interdependence’. Zo is het mogelijk dat het crisisland sterk

onderworpen is aan landspecifieke schokken en de samenhang met andere landen dus

verminderd. Ondanks het onverwacht groot aantal landen met een verlies aan

‘interdependence’ zijn de resultaten niet volledig onlogisch. Dit is namelijk niet het enige

onderzoek dat een groot aantal gevallen van een verlies aan ‘interdepedence’ vindt (zie o.a.

Olimov, 2004, Serwa & Bohl, 2005 en Corsetti, Pericoli & Sbracia, 2011). Correlaties stijgen

tijdens vele crisissen, maar er zijn echter ook waar de correlaties dalen. Bovendien zou

volgens Billio & Pelizzon (2003) het FR model meer gevallen van verlies aan

‘interdependence’ moeten vinden dan het CPS model, wat hier duidelijk het geval is. Zoals

reeds uit hoofdstuk 4 blijkt en zoals Billio & Pelizzon (2003) verklaren, schetst het CPS model

een meer waarheidsgetrouw beeld van de realiteit. In onze steekproef van Europese landen

vinden we geen enkel geval van ‘contagion’. Wel vinden we een groot aantal gevallen van

een verlies aan ‘interdependence’ volgens het FR model. Deze laatste vaststelling moeten

15

In onze steekproef zijn 29 Europese landen en Griekenland opgenomen. 17 landen gebruiken de euro. Deze landen zijn: België, Cyprus, Duitsland, Estland, Finland, Frankrijk, Griekenland, Ierland, Italië, Luxemburg, Malta, Montenegro, Nederland, Oostenrijk, Portugal, Slowaakse Republiek en Spanje.

56

we dus enigszins nuanceren aangezien het CPS model geen enkel geval van verlies aan

‘interdependence’ vindt.

Ten derde is er geen groot verschil in resultaten waar te nemen voor ontwikkelde landen en

ontwikkelende landen. Zoals hierboven vermeld vertoont geen enkel land ‘contagion’. Er zijn

wel meer ontwikkelde landen die een verlies aan ‘interdependence’ vertonen dan

ontwikkelende landen. Ook dit resultaat is niet geheel onverwacht. Serwa & Bohl (2005)

maken ook gebruik van beide methodologieën en onderzoeken ‘contagion’ in Europese

aandelenmarkten gedurende zeven financiële schokken tussen 1997 en 2002. Hierbij maken

ze een onderscheid tussen West-Europa - grotendeels ontwikkelde landen - en Centraal

Oost-Europa - grotendeels ontwikkelende landen. Ze vinden een bescheiden bewijs van

‘contagion’, maar vinden geen verschil in de mate van ‘contagion’ tussen West-Europa en

Centraal Oost-Europa.

57

Tabel 13. Resultaten van het FR model en het CPS model voor de ontwikkelde landen. Deze tabel geeft de correlatiecoëfficiënten voor de ontwikkelde landen weer. De

correlatiecoëfficiënten uit het FR model worden berekend via formules (7) en (8) en worden getransformeerd volgens formules (10), (11) en (12). De correlatiecoëfficiënten

uit het CPS model worden berekend via formules (20), (21) en (22) en worden getransformeerd volgens formules (25), (26) en (27). De teststatistieken wordt berekend

volgens formules (14) en (29). Er wordt getest op het 5% significantieniveau. Een teststatistiek kleiner dan -1,96 duidt op een verlies aan ‘interdependence’ (L), een

teststatistiek groter dan +1,96 duidt op ‘contagion’ (C), en tenslotte wijst een teststatistiek tussen -1,96 en +1,96 op ‘interdependence’ (I).


België 0,60 0,54 0,23 -6,74 L 0,57 0,52 0,52 -0,04 I

Cyprus 0,50 1,18 0,56 1,06 I 0,17 0,26 0,27 -0,19 I

Denemarken 0,48 0,45 0,19 -5,34 L 0,35 0,42 0,43 -0,15 I

Duitsland 0,54 0,46 0,19 -6,29 L 0,61 0,53 0,53 -0,03 I

Finland 0,52 0,48 0,20 -5,89 L 0,48 0,49 0,49 -0,09 I

Frankrijk 0,57 0,53 0,22 -6,36 L 0,66 0,54 0,54 -0,01 I

Ierland 0,55 0,47 0,19 -6,46 L 0,41 0,46 0,46 -0,12 I

IJsland 0,16 0,13 0,05 -1,87 I 0,07 0,11 0,12 -0,10 I

Italië 0,57 0,53 0,22 -6,30 L 0,58 0,52 0,52 -0,04 I

Luxemburg 0,15 0,40 0,16 0,28 I 0,24 0,33 0,34 -0,19 I

Malta -0,01 -0,06 -0,03 -0,34 I 0,00 0,01 0,01 -0,01 I

Nederland 0,57 0,51 0,21 -6,52 L 0,60 0,52 0,53 -0,03 I

Oostenrijk 0,62 0,55 0,23 -7,12 L 0,43 0,47 0,47 -0,11 I

Portugal 0,40 0,58 0,25 -2,77 L 0,38 0,44 0,45 -0,14 I

Slowaakse Republiek 0,07 0,04 0,02 -0,99 I 0,02 0,04 0,04 -0,04 I

Spanje 0,56 0,57 0,24 -5,68 L 0,54 0,51 0,51 -0,06 I

Tsjechische Republiek 0,54 0,53 0,22 -5,84 L 0,31 0,39 0,40 -0,17 I

Verenigd Koninkrijk 0,57 0,45 0,19 -6,99 L 0,53 0,51 0,51 -0,06 I

Zweden 0,55 0,45 0,18 -6,59 L 0,48 0,49 0,49 -0,08 I

Zwitserland 0,59 0,44 0,18 -7,49 L 0,47 0,49 0,49 -0,09 I

FR model CPS model

58

Tabel 14. Resultaten van het FR model en het CPS model voor de ontwikkelende landen. Deze tabel geeft de correlatiecoëfficiënten voor de ontwikkelende landen weer.

De correlatiecoëfficiënten uit het FR model worden berekend via formules (7) en (8) en worden getransformeerd volgens formules (10), (11) en (12). De

correlatiecoëfficiënten uit het CPS model worden berekend via formules (20), (21) en (22) en worden getransformeerd volgens formules (25), (26) en (27). De

teststatistieken wordt berekend volgens formules (14) en (29). Er wordt getest op het 5% significantieniveau. Een teststatistiek kleiner dan -1,96 duidt op een verlies aan

‘interdependence’ (L), een teststatistiek groter dan +1,96 duidt op ‘contagion’ (C), en tenslotte wijst een teststatistiek tussen -1,96 en +1,96 op ‘interdependence’ (I).


Bulgarije 0,10 0,14 0,05 -0,78 I 0,05 0,08 0,09 -0,08 I

Estland 0,24 0,22 0,09 -2,71 L 0,16 0,24 0,25 -0,18 I

Hongarije 0,42 0,42 0,17 -4,43 L 0,26 0,35 0,36 -0,19 I

Kroatië 0,12 0,31 0,12 0,07 I 0,12 0,19 0,20 -0,16 I

Montenegro -0,06 0,07 0,03 1,66 I 0,00 0,00 0,00 0,00 I

Oekraïne 0,18 0,25 0,10 -1,40 I 0,16 0,24 0,25 -0,18 I

Roemenië 0,19 0,45 0,18 -0,17 I 0,15 0,23 0,24 -0,18 I

Rusland 0,48 0,46 0,19 -5,24 L 0,28 0,37 0,38 -0,18 I

Turkije 0,54 0,40 0,16 -6,87 L 0,23 0,32 0,33 -0,19 I

FR model CPS model

59

Hoofdstuk 6

Robustness checks

60

In dit hoofdstuk zullen we de robuustheid van onze resultaten uit hoofdstuk 5 uitgebreid

testen. In het eerste deel worden de oorspronkelijke gegevens aangepast om na te gaan of

de resultaten afhankelijk zijn van de specificaties van de gebruikte dataset. Een

samenvatting van de resultaten vindt u in Tabel 15. In het tweede deel wordt een

alternatieve methodologie toegepast om op die manier een bijkomende nuancering aan de

resultaten toe te voegen.

6.1. Aanpassing van de datasetspecificaties

Ten eerste worden de prijsindexen opgevraagd in euro in plaats van in de lokale

munteenheid. Aangezien de steekproef enkel Europese landen bevat en de meerderheid van

deze landen, namelijk 17 van de 30 landen, zich in de eurozone bevinden, veranderen de

gegevens voor deze eurolanden niet. Er is echter ook bijna geen verschil te merken voor

niet-eurolanden. Enkel in het geval van IJsland en Oekraïne wijzigen de resultaten in het

voordeel van een verlies aan ‘interdependence’. De algemene conclusies blijven echter exact

hetzelfde. Dit is zoals verwacht aangezien meerdere auteurs zoals o.a. Forbes & Rigobon

(2002), Corsetti et al. (2005) en Serwa & Bohl (2005) ook vinden dat de resultaten robuust

zijn tegen een aanpassing van de munteenheid.

Ten tweede wordt gebruik gemaakt van de MSCI prijsindexen in plaats van de lokale

prijsindexen. Ook deze aanpassing heeft geen enkele invloed op de resultaten. Er dient wel

opgemerkt te worden dat we voor zeven landen uit onze steekproef niet over de nodige

gegevens beschikken, namelijk Cyprus, IJsland, Luxemburg, Malta, Montenegro, Oekraïne en

de Slowaakse republiek.

Ten derde wordt er gebruik gemaakt van verschillende maatstaven voor de globale factor.

De S&P Euro index wordt vervangen door de S&P Europe 350 en de MSCI World Index. Het

aanpassen van de globale factor heeft geen invloed op het FR model aangezien voor dit

model de globale factor niet wordt gebruikt in de berekeningen. Ook de resultaten van het

CPS model worden hier echter niet door beïnvloed. Dat de resultaten robuust zijn voor

verschillende globale indexen is in overeenstemming met wat o.a. Serwa & Bohl (2005) in

hun onderzoek vinden.

61

Land FR CPS FR CPS FR CPS FR CPS FR CPS FR CPS FR CPS

België L I L I L I L I L I L I L I

Cyprus I I I I - I I I I I I I I I

Denemarken L I L I L I L I L I L I L I

Duitsland L I L I L I L I L I L I L I

Finland L I L I L I L I L I L I L I

Frankrijk L I L I L I L I L I L I L I

Ierland L I L I L I L I L I L I L I

IJsland I I L I - I I I I I L I L I

Italië L I L I L I L I L I L I L I

Luxemburg I I I I - I I I I I L I I I

Malta I I I I - I I I I I I I I I

Nederland L I L I L I L I L I L I L I

Oostenrijik L I L I L I L I L I L I L I

Portugal L I L I L I L I L I L I L I

Slowaakse Republiek I I I I - I I I I I I I I I

Spanje L I L I L I L I L I L I L I

Tsjechische Republiek L I L I L I L I L I L I L I

Verenigd Koninkrijk L I L I L I L I L I L I L I

Zweden L I L I L I L I L I L I L I

Zwitserland L I L I L I L I L I L I L I

Bulgarije I I I I I I I I I I I I I I

Estland L I L I L I L I L I L I I I

Hongarije L I L I L I L I L I L I L I

Kroatië I I I I I I I I I I L I I I

Montenegro I I I I - I I I I I L I I I

Oekraïne I I L I - I I I I I L I I I

Roemenië I I I I I I I I I I L I I I

Rusland L I L I L I L I L I L I L I

Turkije L I L I L I L I L I L I L I

Euro MSCI PIS&P Europe

350

MSCI World

Index

Scenario 4 Scenario 5

2-Day Return Dagelijkse PI

Basisscenario Scenario 1 Scenario 2 Scenario 3a Scenario 3b

62

Tabel 15. Samenvatting robustness tests. Deze tabel geeft een overzicht van de algemene resultaten van alle robustness tests zoals hiervoor besproken. De resultaten van

de basisanalyse vindt u in de kolom ‘Basisscenario’. De resultaten van de alternatieve scenario’s vindt u in de overige kolommen. Er wordt in grijs aangeduid waar de

resultaten van deze alternatieve scenario’s verschillen van de resultaten van het basisscenario.

Land FR CPS FR CPS FR CPS FR CPS FR CPS FR CPS

België L I L I L I L I L I L I

Cyprus I I C I I I I I C I I I

Denemarken L I L I L I I I L I L I

Duitsland L I L I L I I I L I L I

Finland L I L I L I I I L I L I

Frankrijk L I L I L I I I L I L I

Ierland L I L I L I L I L I L I

IJsland I I L I I I I I I I I I

Italië L I L I L I I I L I L I

Luxemburg I I I I I I I I I I I I

Malta I I I I I I I I I I I I

Nederland L I L I L I I I L I L I

Oostenrijik L I L I L I L I L I L I

Portugal L I L I L I I I I I L I

Slowaakse Republiek I I I I I I I I I I I I

Spanje L I L I L I I I L I L I

Tsjechische Republiek L I L I L I I I L I L I

Verenigd Koninkrijk L I L I L I I I L I L I

Zweden L I L I L I I I L I L I

Zwitserland L I L I L I L I L I L I

Bulgarije I I I I I I I I I I I I

Estland L I L I L I I I L I I I

Hongarije L I L I L I I I L I L I

Kroatië I I I I I I I I I I I I

Montenegro I I C I I I I I I I I I

Oekraïne I I I I I I I I I I I I

Roemenië I I I I I I I I I I I I

Rusland L I L I L I I I L I L I

Turkije L I L I L I L I L I I I

Scenario 6 Scenario 7

Wekelijkse PIStart crisis: 27

april 2010

Basisscenario Scenario 8a Scenario 8b Scenario 9Lengte crisis:

2m

Lengte crisis:

1j

CPS

correlaties

63

Bij de vierde aanpassing gebruiken we een andere benadering voor het ‘rolling window’.

Hierbij wordt eenvoudigweg het rendement berekend op basis van de dagelijkse prijsindex,

maar nu over twee dagen in plaats van over één dag. Ook in dit geval zijn de resultaten

robuust en wijzigen de algemene conclusies bijna niet. Er worden enkel meer gevallen van

verlies van ‘interdependence’ gevonden, voornamelijk bij de ontwikkelende landen.

In een vijfde robustness test werken we met gewone dagelijkse rendementen en laten we

het ‘rolling window’ vallen. Corsetti et al. (2005) vervangen ook de ‘2-day rolling averages’

door dagelijkse rendementen. Zij vinden een verschil in de resultaten. Er waren namelijk

meer gevallen van ‘contagion’ bij dagelijkse rendementen. In het onderzoek van Forbes &

Rigobon (2002) heeft deze aanpassing, net zoals in dit onderzoek, echter geen significante

invloed op de resultaten.

Ten zesde wordt er vertrokken van de wekelijkse prijsindex in plaats van de dagelijkse

prijsindex. Door te werken met prijsindexen met een lagere frequentie, corrigeren we

opnieuw voor de verschillende openingsuren van de nationale beurzen. Bovendien zorgt

deze aanpassing ervoor dat de data een meer normale verdeling zullen aannemen. In Cyprus

en Montenegro wordt in dit geval bewijs voor ‘contagion’ gevonden via het FR model. Bij

IJsland is er sprake van een verlies aan ‘interdependence’. Deze resultaten zijn niet volledig

onlogisch aangezien in het basisscenario Montenegro wel ‘contagion’ vertoont op het 10%

significantie niveau, en de correlaties ook stijgen voor Cyprus. Volgens het CPS model

wijzigen de resultaten niet.

Ten zevende passen we de start van de crisisperiode aan. In de oorspronkelijk test werd de

datum van de crisisperiode bepaald aan de hand van de grafiek van de Griekse prijsindex.

Hierbij werd het begin van de Griekse crisis bepaald als het lokaal minimum van de prijsindex.

Deze datum kwam ongeveer overeen met de bekendmaking van de vervalste cijfers. De

crisisperiode wordt nu bepaald aan de hand van een ander belangrijk evenement, namelijk

de verlaging van de credit rating van Griekenland naar ‘junk status’. Op 27 april 2010 heeft

het ratingbureau Standard & Poor’s de kredietwaardigheid van Griekenland verlaagd naar

‘junk status’. De rating van de lange termijn staatsobligaties werd van een BBB+ rating naar

64

een BB+ rating gereduceerd.16 Hiermee was Griekenland het eerste land in de geschiedenis

van de eurozone dat zo’n lage credit rating kreeg.17 Ten gevolge van deze aankondiging zijn

de rendementen op veel markten sterk gedaald. Zo daalden de Griekse bankaandelen met

9%.18 Niet enkel de Griekse markten leden onder het nieuws. De Britse FTSE 100 index

daalde met 2,6% en er werden ook sterke dalingen in aandelenprijzen waargenomen op de

beurzen van o.a. New York, Parijs en Frankfurt.19 De alternatieve crisisperiode start dus op

27 april 2010 en loopt door tot 31 maart 2012. De resultaten volgens het FR model en het

CPS model blijven hetzelfde in beide scenario’s.

Ten achtste wordt de lengte van de crisisperiode aangepast. Er zijn twee redenen waarom

de lengte van deze periode zo belangrijk is in de literatuur. Een eerste theoretische reden is

het feit dat de test aan kracht verliest indien de crisisperiode te lang of te kort is. Bij een te

lange crisisperiode kunnen er waarnemingen opgenomen worden die beïnvloed worden

door andere regimes, en dus niet enkel door de crisis. Een te korte crisisperiode zorgt ervoor

dat de test aan kracht verliest (Dungey & Zhumabekova, 2001). De tweede eerder praktische

reden is het feit dat meerdere auteurs besluiten dat hun resultaten niet robuust zijn tegen

de aanpassing van de lengte van de crisisperiode. Zowel Forbes & Rigobon (2002) als Corsetti

et al (2005) vinden dat de resultaten van hun onderzoek robuust zijn tegen veranderingen in

de duur van de crisisperiode. Billio & Pelizzon (2003) vinden echter dat zowel het FR model

als het CPS model sterk beïnvloed worden door de gekozen periodes. Lee (2012) onderzoekt

of er ‘contagion’ is tijdens de ‘subprime crisis’ waarbij hij gebruik maakt van drie

crisisperiodes met een verschillende duur, namelijk een lange periode van 6 maand, een

middellange periode van 3 maand en een korte periode van 1 maand. Het aantal landen die

‘contagion’ vertonen in de verschillende periodes zijn respectievelijk 6, 9 en 5, wat duidelijk

verschillend is. Gelijkaardig aan het onderzoek van Lee (2012) maken we een onderscheid

tussen een lange periode, een middellange periode en een korte periode. De lange periode

komt overeen met de periode in het basisscenario, namelijk van 14 oktober 2009 tot 31

maart 2012. De middellange periode heeft een duurtijd van één jaar en loopt van 14 oktober

2009 tot 14 juni 2010. De korte periode tenslotte duurt twee maanden, namelijk van 14

16

Bron: http://money.cnn.com/2010/04/27/news/international/Greece_debt_downgraded/index.htm 17

Bron: http://news.bbc.co.uk/2/hi/business/8647441.stm 18

Bron: http://www.reuters.com/article/2010/04/27/us-greece-idUSLDE63P0LU20100427 19

Bron: http://www.guardian.co.uk/business/2010/apr/27/greece-credit-rating-downgraded

65

oktober 2009 tot 14 december 2009. Voor het CPS model blijven alle resultaten hetzelfde

voor de drie periodes. Er is namelijk in geen enkel land sprake van ‘contagion’. De resultaten

in korte en middellange periode verschillen van de resultaten in de lange periode voor het

FR model. Tijdens de korte periode zijn er minder gevallen van verlies aan ‘interdependence’.

Gedurende de lange periode zijn er 19 landen met verlies aan ‘interdependence’, tijdens de

middellange periode zijn dit er 18 en in de korte periode zijn dit er slechts 5. Een mogelijke

verklaring hiervoor is dat naarmate de crisis vorderde, Griekenland meer onderworpen werd

aan landspecifieke schokken waardoor de samenhang met andere landen sterk verminderde.

Cyprus vertoont ‘contagion’ tijdens de middellange periode maar niet tijdens de korte

periode en de lange periode. Een mogelijke verklaring hiervoor is dat Cyprus pas na een

bepaalde tijd besmet geraakte en daarom geen ‘contagion’ vertoonde tijdens de eerste twee

maanden van de crisis. Maatregelen zoals de reddingspakketten van het IMF en de

eurolanden, waaronder o.a. Cyprus, om de besmetting tegen te gaan werden slechts

ingevoerd vanaf april 2010. Hierdoor wordt er in de lange periode opnieuw geen bewijs voor

‘contagion’ gevonden.

Een negende aanpassing heeft te maken met het verschil in de correlatiecoëfficiënten tussen

het CPS model en FR model, zoals eerder besproken in hoofdstuk 5 (cfr. supra, p.46). In de

bespreking van de onaangepaste correlatiecoëfficiënten stelden we vast dat de

correlatiecoëfficiënten niet helemaal overeenkomen tussen het FR model en het CPS model,

en dit zowel tijdens de stabiele als de crisisperiode. Deze verschillen zijn niet significant op

het 5% significantieniveau, maar wel op het 10% significantieniveau. Om het effect van dit

verschil na te gaan, wordt de basisanalyse opnieuw uitgevoerd. We vervangen de

aangepaste correlatiecoëfficiënten volgens het FR model door de correlatiecoëfficiënten die

werden berekend aan de hand van het CPS model. De resultaten wijzigen nauwelijks

wanneer de correlatiecoëfficiënten uit het CPS model worden gebruikt. Het spreekt voor

zich dat de resultaten van het CPS model hetzelfde blijven.

Tenslotte wordt er getest op de aanwezigheid van weggelaten variabelen (Tabel 16). Zoals

eerder besproken in hoofdstuk 4 heeft het onderzoek van correlaties te maken met zes

beperkingen. Drie ervan kunnen niet worden opgelost, namelijk nonlineariteit, niet-normale

verdeling en seriële correlatie. De drie andere beperkingen, namelijk heteroscedasticiteit,

endogeniteit en weggelaten variabelen, kunnen wel opgelost worden, maar tot op heden

66

Tabel 16. Resultaten test ‘omitted variables’. In deze tabel wordt het percentage van de stijging in de variantie

van de ‘follower index’ dat verklaard wordt door het FR model weergegeven (exp%).

slaagt geen enkel model erin ze tegelijkertijd te behandelen. Het FR model corrigeert enkel

voor heteroscedasticiteit, terwijl het CPS model zowel voor heteroscedasticiteit als voor

endogeniteit corrigeert. Het probleem van ‘omitted variables’ wordt dus niet opgelost,

terwijl dit de resultaten wel kan vertekenen. Hier gaan we na of er sprake is van weggelaten

variabelen in dit onderzoek. Deze eenvoudige test werd voorgesteld door Billio & Pelizzon

∆ exp%

België 2,30 0,26 11%

Cyprus 3,35 1,34 40%

Denemarken 1,00 0,18 18%

Duitsland 1,91 0,19 10%

Finland 1,47 0,20 14%

Frankrijk 2,83 0,24 9%

Ierland 1,56 0,19 12%

IJsland -0,31 0,01 -5%

Italië 5,23 0,25 5%

Luxemburg 0,21 0,14 65%

Malta -0,50 0,00 -1%

Nederland 2,01 0,23 11%

Oostenrijk 1,37 0,26 19%

Portugal 4,62 0,30 7%

Slowaakse Republiek 0,60 0,00 0%

Spanje 4,09 0,29 7%

Tsjechische Republiek 0,35 0,25 70%

Verenigd Koninkrijk 1,98 0,18 9%

Zweden 1,12 0,17 16%

Zwitserland 1,36 0,17 12%

Bulgarije -0,16 0,02 -10%

Estland 1,34 0,04 3%

Hongarije 0,27 0,15 55%

Kroatië -0,15 0,08 -54%

Montenegro -0,67 0,00 -1%

Oekraïne 0,63 0,05 9%

Roemenië -0,20 0,17 -87%

Rusland 0,36 0,18 50%

Turkije -0,17 0,14 -79%

67

(2003). De test vergelijkt de toename in de variantie van de ‘follower index’ ( ) met de

variantie die verklaard wordt door het FR model ( ). Indien de toename in variantie groter

is dan de toename in variantie die verklaard wordt door het FR model ( ), dan is de

geobserveerde toename in variantie gedeeltelijk te wijten aan andere oorzaken en is er dus

sprake van weggelaten variabelen die de resultaten gedeeltelijk vertekenen. Het toepassen

van deze eenvoudige test toont aan dat de variantie in de meeste landen slechts voor een

beperkt percentage verklaard wordt door het FR model. Er zijn dus mogelijks weggelaten

variabelen in dit onderzoek.

In het algemeen zijn de resultaten uit het basisonderzoek robuust voor wijzigingen in de

datasetspecificaties. Zoals blijkt uit de meerderheid van de aanpassingen is er geen sprake

van ‘contagion’ gedurende de Griekse crisis voor beide toegepaste methodes. De resultaten

van het CPS model zijn robuuster dan voor het FR model. Geen enkele aanpassing heeft

namelijk een invloed op de CPS resultaten. Er zijn echter twee afwijkingen van het

basisscenario voor het FR model die noemenswaardig zijn. Ten eerste kunnen Cyprus en

Montenegro als randgevallen beschouwd worden. Beide landen vertonen in sommige

scenario’s wel ‘contagion’. Ten tweede zijn er in het scenario met een crisisperiode van twee

maanden opvallend meer gevallen van ‘interdependence’ dan in het basisscenario. Dit toont

aan dat in het begin van de crisis de Europese landen niet méér afhankelijk werden van

Griekenland dan gedurende de stabiele periode en de samenhang tussen Griekeland en de

meerderheid van de Europese landen zelf significant verminderde naarmate de crisis

vorderde.

68

6.2. Alternatieve methodologie

Naast deze aanpassingen maken we gebruik van een alternatieve methode om ‘contagion’ te

meten. We doen dit om een extra nuancering aan de resultaten toe te voegen. Dungey, Fry,

González-Hermosillo & Martin (2005) stellen een alternatieve formulering van de FR test

voor. Hierbij wordt de test uitgevoerd aan de hand van een regressie. Het model is

gebaseerd op dezelfde vergelijking als de klassieke FR test, namelijk:

, (3)

waarbij:

: rendement op aandelen in land x ,

: rendement op aandelen in land y (crisisland) ,

: constante ,

coëfficiënt ,

: error term .

Dungey et al. (2005) definiëren twee regressievergelijkingen:

( )

( )

,

( )

( )

, (30)

met: ,

: rendement op aandelen in land x, resp. land y, tijdens de

stabiele periode,

,

: rendement op aandelen in land x, resp. land y, tijdens de

crisisperiode,

( ), (

), ( ), (

) : standaarddeviatie van de

aandelenrendementen van land x, resp. land y,

tijdens de stabiele periode, resp. de

crisisperiode,

69

,

: error term van de respectievelijke regressie,

, : constante van de respectievelijke regressie,

, : coëfficiënt van de respectievelijke regressie .

Aan de hand van een regressie worden de waarden voor

bepaald.

Vervolgens wordt de nulhypothese van ‘interdependence’ getest:

. (31)

Indien de regressieparameters gelijk zijn, en dus niet significant verschillen tussen beide

periodes, dan is er geen ‘contagion’. Indien significant groter is dan is er sprake van

een ‘structural break’ in de transmissiemechanismen.

De teststatistiek kan volgens volgende formule berekend worden:

√

. (32)

De resultaten van deze alternatieve FR methodologie zijn verschillend van deze uit het

klassieke FR model (Tabel 17). Zes landen vertonen ‘contagion’ onder de alternatieve

methode, namelijk: Cyprus, Kroatië, Luxemburg, Montenegro, Portugal en Roemenie. In

Turkije en Zwitserland doet er zich een verlies aan ‘interdependence’ voor. In alle andere

gevallen worden geen significantie verschillen tussen de stabiele en crisisperiode gevonden,

wat dus wijst op ‘interdependence’. Een verklaring voor dit groot aantal besmette landen in

vergelijking met de uitkomst van het klassieke FR model is het feit dat de test een

alternatieve methode is voor het oorspronkelijke FR model, waar men de

correlatiecoëfficiënten niet corrigeert voor heteroscedasticiteit. In het oorspronkelijk FR

model (zie Tabel 11 en 12), zonder aangepaste coëfficiënten, werden dezelfde resultaten

verkregen. Het enige verschilpunt is het Verenigd Koninkrijk, waar zich volgens het

oorspronkelijke FR model een verlies aan ‘interdependence’ voordoet. In het alternatieve FR

model is deze vaststelling slechts significant op het 10% significantieniveau.

70

Tabel 17. Resultaten van het alternatieve FR model. In deze tabel vindt u de resultaten van het alternatieve FR

model. De coëfficiënten van de regressievergelijkingen in de stabiele en crisisperiode worden vergeleken. Er

wordt getest op het 5% significantieniveau. Een teststatistiek kleiner dan -1,96 duidt op een verlies aan

‘interdependence’ (L), een teststatistiek groter dan +1,96 duidt op ‘contagion’ (C), en tenslotte wijst een

teststatistiek tussen -1,96 en +1,96 op ‘interdependence’ (I). Naast de resultaten van het alternatieve FR model

worden ook de resultaten van het oorspronkelijke FR model (zoals in Tabel 11 en 12) weergegeven.

Oorspronkelijk FR model

Teststatistiek Contagion? Contagion?

België 0,537 0,497 -0,73 I I

Cyprus 0,464 0,827 6,57 C C

Denemarken 0,449 0,425 -0,42 I I

Duitsland 0,493 0,434 -1,07 I I

Finland 0,481 0,445 -0,65 I I

Frankrijk 0,516 0,482 -0,62 I I

Ierland 0,502 0,439 -1,15 I I

IJsland 0,154 0,129 -0,45 I I

Italië 0,516 0,488 -0,51 I I

Luxemburg 0,148 0,381 4,21 C C

Malta -0,007 -0,065 -1,04 I I

Nederland 0,518 0,472 -0,84 I I

Oostenrijk 0,553 0,498 -0,99 I I

Portugal 0,379 0,525 2,64 C C

Slowaakse Republiek 0,072 0,043 -0,52 I I

Spanje 0,504 0,518 0,25 I I

Tsjechische Republiek 0,496 0,485 -0,20 I I

Verenigd Koninkrijk 0,517 0,423 -1,71 I L

Zweden 0,500 0,420 -1,45 I I

Zwitserland 0,533 0,411 -2,20 L L

Bulgarije 0,098 0,135 0,68 I I

Estland 0,236 0,221 -0,27 I I

Hongarije 0,394 0,395 0,01 I I

Kroatië 0,120 0,296 3,19 C C

Montenegro -0,065 0,067 2,38 C C

Oekraïne 0,178 0,248 1,26 I I

Roemenië 0,191 0,419 4,11 C C

Rusland 0,445 0,428 -0,30 I I

Turkije 0,496 0,379 -2,10 L L

Alternatief FR model

71

Algemeen besluit

Deze masterproef behandelt ‘contagion’. De term ‘contagion’ duidt op het feit dat een

financiële crisis in een welbepaalde markt zich naar andere, gezonde financiële markten kan

verspreiden. Op die manier kan een lokale crisis een domino-effect veroorzaken waardoor

ook andere landen in de problemen kunnen komen. Meer formeel wordt ‘contagion’ in deze

paper gedefinieerd als de verandering in de transmissiemechanismen die plaatsvindt tijdens

de crisisperiode, of met andere woorden: “a significant increase in cross-market linkages

after a shock to one country (or group of countries)” (Forbes & Rigobon, 2002, p.2223).

In dit onderzoek gaan we na of er sprake is van ‘contagion’ tijdens de Griekse crisis die

startte in 2009. We onderzoeken de ‘contagion effects’ in zowel ontwikkelde als

ontwikkelende landen. Deze vergelijking is uitermate interessant aangezien de voordelen

van internationale diversificatie sterk worden beperkt wanneer er sprake zou zijn van

‘contagion’.

Er bestaan in de literatuur verschillende methodologieën om te testen voor ‘contagion’. In

het algemeen kunnen we vier categorieën onderscheiden: ARCH en GARCH modellen, testen

voor wijziging in de co-integratie vector tussen markten, probit modellen, en testen voor

wijzigingen in correlatiecoëfficiënten. In dit onderzoek wordt gefocust op

correlatieonderzoek. De correlaties tussen aandelenrendementen in het crisisland en de

overige niet-crisislanden die opgenomen werden in de steekproef, worden berekend.

Significant gestegen correlatiecoëfficiënten in de crisisperiode duiden op versterkte banden

tussen deze aandelenmarkten in tijden van crisis en bewijzen dus ‘contagion’. Niet

significant gestegen, of niet gestegen, correlatiecoëfficiënten wijzen op ‘interdependence’.

‘Contagion’ wordt in deze context dus gelinkt aan een excessieve toename van de correlaties

tussen twee landen.

Het grote aantal methodologieën in de literatuur impliceert dat de resultaten moeilijk te

vergelijken zijn over de verschillende methoden heen. Het is dus belangrijk om verschillende

methodologieën toe te passen om een genuanceerder beeld te krijgen op de resultaten. In

dit geval passen we twee vaak gebruikte methoden toe, namelijk deze voorgesteld door

Forbes & Rigobon (2002) en Corsetti et al. (2005).

72

De resultaten zijn niet volledig zoals verwacht. Ten eerste vertoont geen enkel land

‘contagion’ volgens beide methoden op 5% significantie niveau. Voor geen enkel land zijn de

correlaties dus significant gestegen in de crisisperiode. Volgens het FR model vertonen de

meeste landen zelfs verlies aan ‘interdependence’. Dit wilt zeggen dat de correlaties

significant gedaald zijn gedurende de crisis. Het CPS model vindt echter geen verlies aan

‘interdependence’, enkel ‘interdependence’. De twee steunpakketen verleend aan

Griekenland door het IMF en de eurolanden bieden een mogelijke verklaring voor de

afwezigheid van ‘contagion’.

De gevonden resultaten hebben een invloed op de voordelen van internationale

diversificatie. Aangezien de correlaties tussen aandelenmarkten niet gestegen zijn en zelfs in

sommige gevallen significant gedaald zijn tijdens de crisis, kunnen beleggers het risico van

een aandelenportefeuille verlagen door aandelen uit verschillende landen aan te houden.

Bovendien zijn in het algemeen de correlaties tussen ontwikkelde en ontwikkelende landen

lager dan tussen ontwikkelde landen onderling. Het is daarom van belang ook aandelen uit

ontwikkelende landen op te nemen in een portefeuille om optimaal te diversifiëren. In tijden

van crisis, meer bepaald tijdens de onderzochte Griekse crisis, is er geen verschil in reactie

waar te nemen tussen ontwikkelde en ontwikkelende landen.

De robustness checks bevestigen de oorspronkelijke resultaten. Er zijn echter twee

randgevallen, Cyprus en Montenegro. Deze landen vertonen in sommige scenario’s wel

‘contagion’.

Zoals ieder wetenschappelijk onderzoek, heeft dit onderzoek een aantal beperkingen. Het

toepassen van correlatieonderzoek is niet gespaard gebleven van kritiek. Er zijn in het

algemeen zes grote problemen verbonden aan een klassiek correlatieonderzoek. Drie ervan

zijn niet op te lossen, namelijk nonlineariteit, niet-normale verdeling en seriële correlatie. De

drie andere beperkingen, namelijk heteroscedasticiteit, endogeniteit en weggelaten

variabelen, kunnen echter wel vermeden worden, maar tot op heden kan geen enkel model

ze tegelijkertijd corrigeren. Zowel het FR model als het CPS model corrigeren voor

heteroscedasticiteit. De CPS test corrigeert daarenboven ook nog voor het

endogeniteitsprobleem. Beide testen corrigeren echter niet voor weggelaten variabelen. In

de robustness checks werd een test uitgevoerd om te na te gaan of er in dit onderzoek

73

sprake is van weggelaten variabelen. Volgens deze eenvoudige test is er wel degelijk een

gevaar voor weggelaten variabelen in de steekproef, wat de resultaten mogelijk kan

vertekenen. Naast deze drie algemene problemen zijn er nog andere minder bedreigende

problemen. Zo wordt ‘contagion’ gedefinieerd als een significante toename in

afhankelijkheid tussen markten terwijl ‘interdependence’ duidt op een continu niveau van

afhankelijkheid tussen markten. Volgens Chiang, Jeon & Li (2007) moet er meer nadruk

gelegd worden op het dynamische aspect van de correlaties aangezien ‘contagion’ gelinkt

wordt met een dynamische toename in correlaties (in tijden van crisis). Deze auteurs zijn van

mening dat een DCC GARCH model een gepaster model is.

Ondanks de hiervoor besproken nadelen die verbonden zijn aan het klassieke

correlatieonderzoek, is deze methode nog steeds de meest toegepaste methode in de

literatuur. De laatste jaren werden meer gesofistikeerde modellen ontwikkeld om een

oplossing te bieden voor deze problemen. Desalniettemin zijn er ook nadelen verbonden aan

deze nieuwe methoden. Hun betrouwbaarheid werd nog niet bevestigd.

Samenvattend kunnen we stellen dat er ondanks de vele onderzoeken naar ‘contagion’, nog

geen consensus bestaat over de meest geschikte methode. De methodes toegepast in deze

paper hebben elk hun beperkingen, daarom dienen de resultaten met een zekere

voorzichtigheid te worden geïnterpreteerd. “The results are not conclusive, but suggestive”

(Rigobon, 2002, p.321). De wetenschappelijke waarde van deze paper zou verbeterd kunnen

worden door gebruik te maken van meer verschillende methodologieën om ‘contagion’ te

meten.

VI

Bronnenlijst

Alper, E., & Yilmaz, K. (2004). Volatility and contagion: Evidence from the Istanbul stock

exchange. Economic Systems, 28, 353-367.

Aslandis, N., Osborn, D., & Sensier, M. (2010). Co-movements between US and UK stock

prices: The role of time-varying conditional correlations. International Journal of

Finance and Economics, 15, 366-380.

Baig, T., & Goldfajn, I. (1999). Financial markets contagion in the Asian crisis. IMF Staff

Papers, 46, 167-195.

Baig, T., & Goldfajn, I. (2000). The Russian default and the contagion to Brazil. IMF Working

Paper, 16.

Bekaert, G., & Harvey, C. (1997). Emerging equity market volatility. Journal of Financial

Economics, 43, 29-77.

Bekaert, G., Hodrick, R., & Zhang, X. (2009). International stock return comovement. Journal

of Finance, 64, 2591-2626.

Billio, M., & Pelizzon, L. (2003). Contagion and interdependence in stock markets: Have they

been misdiagnosed? Journal of Economics and Business, 55, 405-426.

Bordo, M., & Murshid, A. (1999). The international transmission of financial crises before

World War II: Was there contagion? Voorbereid voor de ADB/IMF/World Bank

conferentie over “International financial contagion” in Washington DC op 3-4 februari

2000.

Bowman, R., Chan, F., & Comer, M. (2010). Diversification, rationality and the Asian

economic crisis. Pacific-Basin Finance Journal, 18, 1-23.

Boyer, B., Gibson, M., & Loretan, M. (1999). Pitfalls in tests for changes in correlations.

International Finance Discussion Papers, 597.

Calvo, S., & Reinhart, C. (1996). Capital flows to Latin America: Is there evidence of contagion

effects? Policy Research Working Paper Series (The World Bank), 1619.

VII

Chen, G., Firth, M., & Meng Rui, O. (2002). Stock market linkages: Evidence from Latin

America. Journal of Banking and Finance, 26, 1113–1141.

Chiang, T., Jeon, B., & Li, H. (2007). Dynamic correlation analysis of financial contagion:

Evidence from Asian markets. Journal of International Money and Finance, 26, 1206-

1228.

Cho, J.H., & Parhizgari, A.M. (2008). East Asian financial contagion under DCC-GARCH. The

International Journal of Banking and Finance, 6, 17-30.

Claessens, S., & Forbes, K. (2004). International financial contagion: The theory, evidence

and policy implications. Voorbereid voor de RBWC/DNB/WEF conferentie over “The

IMF’s role in emerging market economies: Reassessing the adequacy of its resources”

in Amsterdam op 18-19 november 2005.

Collins, D., & Biepke, N. (2003). Contagion: A fear for African equity markets. Journal of

Economics and Business, 55, 285-297.

Corsetti, G., Pericoli, M., & Sbracia, M. (2005). 'Some contagion, some interdependence':

More pitfalls in tests of financial contagion. Journal of International Money and

Finance, 24, 1177-1199.

Corsetti, G., Pericoli, M., & Sbracia, M. (2011). Correlation analysis of financial contagion. In

R. Kolb (Ed.), Financial contagion: The viral threat to the wealth of nations (11-20).

Hoboken, US: John Wiley & Sons, Inc.

De Gregorio, J., & Valdés, R. (2001). Crisis transmission: Evidence from the Debt, Tequila, and

Asian Flu crises. The World Bank Economic Review, 15, 289-314.

Dungey, M., Fry, R., González-Hermosillo, B., & Martin, V. (2005). Empirical modelling of

contagion: A review of methodologies. Quantitative Finance, 5, 9-24.

Dungey, M., & Zhumabekova, D. (2001). Testing for contagion using correlations: Some

words of caution. Pacific Basin Working Paper Series, 9.

Edwards, S. (1998). Interest rate volatility, capital controls and contagion. National Bureau of

Economic Research Working Paper, 6756.

VIII

Eichengreen, B., Rose, A., & Wyplosz, C. (1996). Contagious currency crises. National Bureau

of Economic Research Working Paper, 5681.

Engle, R. (2002). Dynamic conditional correlation: A simple class of multivariate generalized

autoregressive conditional heteroskedasticity models. Journal of Business and

Economic Statistics, 20, 339-350.

Engle, R., Ito, T., & Lin, W. (1990). Meteor showers or heat waves? Heteroskedastic intra-

daily volatility in the foreign exchange market. Econometrica, 58, 525-542.

Errunza, V. (1977). Gains from portfolio diversification into less developed countries'

securities. Journal of International Business Studies, 8, 83–100.

Forbes, K. (2004). The Asian flu and Russian virus: The international transmission of crises in

firm-level data. Journal of International Economics, 63, 59-92.

Forbes, K., & Rigobon, R. (2001). Measuring contagion: Conceptual and empirical issues. In S.

Claessens & K. Forbes (Eds.), International financial contagion (43-66). Boston, US:

Kluwer Academic Publishers.

Forbes, K., & Rigobon, R. (2002). No contagion, only interdependence: Measuring stock

market comovements. The Journal of Finance, 57, 2223-2261.

Frankel, J., & Schmukler, S. (1998). Crisis, contagion, and country funds: Effects on East Asia

and Latin America. In R. Click (Ed.), Managing capital flows and exchange rates:

Perspectives from the Pacific Basin (232-266). Cambridge, UK: Cambridge University

Press.

Gelos, G., & Sahay, R. (2001). Financial market spillovers in transition economies. Economics

of Transition, 9, 53-86.

Glick, R., & Rose, A. (1999). Why are currency crises regional? Journal of International Money

and Finance, 19, 603-617.

Grubel, H. (1968). Internationally diversified portfolios. American Economic Review, 58,

1299-1314.

IX

Hamao, Y., Masulis, R., & Ng, V. (1990). Correlations in price changes and volatility across

international stock markets. Review of Financial Studies, 3, 281-307.

Hernández, L., & Valdés, R. (2001). What drives contagion: Trade, neighborhood, or financial

links? International Review of Financial Analysis, 10, 203-218.

Horta, P., Mendes, C., & Vieira, I. (2010). Contagion effects of the subprime crisis in the

European NYSE Euronext markets. Portugese Economic Journal, 9, 115-140.

International Monetary Fund (2009). World Economic Outlook: October 2009. World

Economic and Financial Surveys, Washington.

Kamel, N., Naoufel, L., & Salem, B. (2010). A dynamic conditional correlation analysis of

financial contagion: The case of the subprime credit crisis. International Journal of

Economics and Finance, 2, 85-96.

Kaminsky, G., & Reinhart, C. (1998). Financial crisis in Asia and Latin America: Then and now.

American Economic Review, 88, 444-448.

Kaminsky, G., & Reinhart, C. (2000). On crises, contagion, and confusion. Journal of

International Economics, 51, 145-168.

Karyoli, A. (2003). Does international financial contagion really exist? International Finance,

6, 179-199.

Kasa, K. (1992). Common stochastic trends in international stock markets. Journal of

Monetary Economics, 29, 95–124.

King, M., & Wadhwani, S. (1990). Transmission of volatility between stock markets. Review

of Financial Studies, 3, 5-33.

Lee, H. Y. (2012). Contagion in international stock markets during the subprime mortgage

crisis. International Journal of Economics and Financial Issues, 2, 44-53.

Lee, B. S., & Jeon, B. N. (1992). Common stochastic trends and predictability of international

stock prices. Journal of the Japanese and International Economies, 9, 245-277.

X

Lee, S. B., & Kim, K. J. (1994). Does the October 1987 crash strengthen the co-movements

among national stock markets? Review of Financial Economics, 3, 89-102.

Lee, H. Y., Wu, H. C., & Wang, Y. J. (2007). Contagion effects in the financial markets after the

South-East Asia Tsunami. Research in International Business and Finance, 21, 281-

296.

Levy, H., & Sarnat, M. (1970). International diversification of investment portfolios. American

Economic Review, 60, 668-675.

Longin, F., & Solnik, B. (1995). Is the correlation in international equity returns constant:

1970–1990? Journal of International Money and Finance, 14, 3–26.

Loretan, M., & English, W.B. (2000). Evaluating correlation breakdowns during periods of

market volatility. International Finance Discussion Papers, 658.

Markowitz, M. (1952). Portfolio selection. The Journal of Finance, 7, 77-91.

Masson, P. (1999). Contagion: Monsoonal effects, spillovers, and jumps between multiple

equilibria. In P.R. Agénor, M. Miller, D. Vines, & A. Weber (Eds.), The Asian financial

crisis: Causes, contagion and consequences (265-280). Cambridge, UK: Cambridge

University Press.

Miller, M., Thampanishvong, K., & Zhang, L. (2003). Learning to forget? Contagion and

political risk in Brazil. CEPR Discussion Papers, 3785.

Moon, W. (2001). Currency crisis and stock market integration: A comparison of East Asian

and European experiences. Journal of International and Area Studies, 8, 41-56.

Moser, T. (2003). What is international financial contagion? International Finance, 6, 157-

178.

Niemczak, K. (2010). Eastern European equity markets and the Subprime crisis: Does

emerging Europe still offer diversification benefits? Financial Internet Quarterly, 6,

47-63.

Odier, P., & Solnik, B. (1993). Lessons for international asset allocation. Financial Analysts

Journal, 49, 63-77.

XI

Olimov, U. (2004). Was the Russian financial crisis contagious? (Master thesis). University of

Tsukuba, Japan.

Rigobon, R. (2002). Contagion: How to measure it? In S. Edwards & J.A. Frankel (Eds.),

Preventing currency crises in emerging markets (269-334). Chicago, US: The

University of Chicago Press.

Roll, R. (1988). The international crash of October 1987. Financial Analysts Journal, 44, 19-

35.

Ronn, E. (1998). The impact of large changes in asset prices on intra-market correlations in

the stock and bond markets. University of Texas Working paper.

Sachs, J., Tornell, A., & Velasco, A. (1996). Financial crisis in emerging markets: The lessons

from 1995. Brooking Papers on Economic Activity, 1, 147-215.

Serwa, D., & Bohl, M. (2005). Financial contagion vulnerability and resistance: A comparison

of European stock markets. Economic Systems, 29, 344-362.

Sharma, P. (2011). Asian emerging economies and United States of America: Do they offer a

diversification benefit? Australian Journal of Business and Management Research, 1,

85-92.

Sinquefield, R. (1996). Where are the gains from international diversification? Financial

Analysts Journal, 1, 52.

Sojli, E. (2007). Contagion in emerging markets: The Russian crisis. Applied Financial

Economics, 17, 197-213.

Solnik, B. (1974). Why not diversify internationally rather than domestically? Financial

Analysts Journal, 30, 48-54.

Solnik, B., Boucrelle, C., & Le Fur, Y. (1996). International market correlation and volatility.

Financial Analysts Journal, 52, 17-34.

Syllignakis, M., & Kouretas, G. (2011). Dynamic correlation analysis of financial contagion:

Evidence from the Central and Eastern European markets. International Review of

Economics and Finance, 20, 717-732.

XII

Tai, C. S. (2007). Market integration and contagion: Evidence from Asian emerging stock and

foreign exchange markets. Emerging Markets Review, 8, 264-283.

Van Rijckeghem, C., & Weder, B. (2001). Sources of contagion: Is it finance or trade? Journal

of International Economics, 54, 293-308.

World Bank. (2011a). Definitions of contagion. URL: < http://www.worldbank.org/

economicpolicy/managing%20volatility/contagion/Definitions_of_Contagion/definiti

ons-of-contagion.html >. (15/02/2012).

World Bank. (2011b). Contagion. URL: < http://www.worldbank.org/economicpolicy/

managing%20volatility/contagion/index.html >. (14/03/2012).

You, L., & Daigler, R. (2010). Is international diversification really beneficial? Journal of

Banking and Finance, 31, 163-173.

DE INTEGRATIE VAN AANDELENMARKTEN IN NORMALE ......van de ontwikkelde en ontwikkelende Europese...

Documents

Transcript of DE INTEGRATIE VAN AANDELENMARKTEN IN NORMALE ......van de ontwikkelde en ontwikkelende Europese...