Advertisement

Zusammenhang zwischen Hausbankbeziehungen und Kreditsicherheiten

  • Ralf Elsas
Part of the Empirische Finanzmarktforschung / Empirical Finance book series (EFF)

Zusammenfassung

Nachdem im vorangegangenen Abschnitt E erste Evidenz für eine Versicherungsfunktion von Hausbanken in Form der Liquiditätsversicherung diskutiert wurde, soll in diesem Hauptabschnitt eine direkte Überprüfung der Versicherungsfunktion vorgenommen werden. Dabei werden auch die Determinanten der Besicherung von Kreditverträgen analysiert, da neuere theoretische Ansätze einen entsprechenden Zusammenhang implizieren.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 368.
    Vgl. bspw. Rajan/Winton (1995), S. 1114, oder Bester (1994).Google Scholar
  2. 369.
    Vgl. etwa Freixas/Rochet (1997), Hartmann-Wendels/Pfingsten/weber (1998) sowie insbesondere Neus(1996).Google Scholar
  3. 370.
    Die wesentlichen empirischen Ergebnisse dieses Abschnitts werden im Working Paper von Elsas/Krahnen (1999) verdichtet dargestellt.Google Scholar
  4. 371.
    Vgl. zu den Begriffen bspw. Bester (1994) sowie Neus (1996), der die äquivalenten Begriffe Sicherheiten aus dem Schuldnervermögen bzw. haftungserweiternde Sicherheiten verwendet.Google Scholar
  5. 372.
    Als tatsächliche Ausgestaltungsform solcher Kreditsicherheiten von Innen kommen bspw. Grundpfandrechte (Hypothek, Grundschuld), Sicherungsübereignung oder -abtretung etc. aus dem Unternehmensvermögen in Frage, vgl. bspw. Neus (1996), S. 2. Für eine Übersicht über verschiedene Ausgestaltungsformen von Kreditsicherheiten vgl. bspw. Hartmann-Wendels/Pfingsten/Weber (1998), S. 195–202.Google Scholar
  6. 373.
    Die Begriffe „Kreditsicherheiten von Innen“, „Seniorität“ und „Priorität“ werden im folgenden synonym verwendet.Google Scholar
  7. 374.
    Wie auch schon in den vorangegangenen Untersuchungen werden Anreizproblem innerhalb der Firma aus der Betrachtung ausgeblendet, d.h. es liegt ein Eigentümer-Manager vor.Google Scholar
  8. 375.
    Vgl. Hartmann-Wendels/Pfingsten/Weber (1998), S. 200–202 sowie Thiessen (1996).Google Scholar
  9. 376.
    Die Nichtbesicherungsklausel soll die Besicherung zukünftiger Schulden zu Lasten des besicherten Gläubigers verhindern. Die Cross-Default-Klausel verknüpft die Rechte des Kreditgebers, im Falle einer Verschlechterung der wirtschaftlichen Lage des Unternehmens den Kreditvertrag ändern zu können (bspw. Kündigung) mit der wirtschaftlichen Lage eines im Haftungsverbund stehenden weiteren Unternehmens. Die Gleichbehandlungsklausel definiert die Priorität der Forderungen des Gläubigers im Verhältnis zu anderen Verbindlichkeiten, wobei häufig auf zukünftige Verbindlichkeiten abgestellt wird. Vgl. dazu Thiessen (1996), S.20.Google Scholar
  10. 377.
    Vgl. bspw. Rudolph (1984), Neus (1996), S. 3.Google Scholar
  11. 378.
    Die grundlegenden Arbeiten sind Bester (1985), Bester/Hellwig (1987) sowie Besanko/Thakor (1987).Google Scholar
  12. 379.
    Vgl. Stiglitz/Weiss (1981).Google Scholar
  13. 380.
    Die Darstellung der Modelle zum Zusammenhang zwischen Kreditnehmerqualität und Besicherung orientiert sich an der Übersichtsarbeit von Neus (1996), der die zentralen Modelle zur Erklärung von Kreditsicherheiten in einem einheitlichen formalen Rahmen ableitet und einordnet und darüber hinaus einige Verbesserungen bzw. Korrekturen der originären Ansätze einarbeitet.Google Scholar
  14. 381.
    Es existiert grundsätzlich auch ein Pooling-Gleichgewicht, vgl. Freixas/Rochet (1997), S. 145–146.Google Scholar
  15. 382.
    Vgl. Tabelle D.5.Google Scholar
  16. 383.
    Vgl. bspw. Neus (1996), S. 9 sowie Freixas/Rochet (1997), S. 149–150.Google Scholar
  17. 384.
    Kürsten (1997) kritisiert zudem die Modellierung der Investitionsprojekte als Zwei-Zustands-Projekte, da die zentralen Ergebnisse nicht robust gegenüber einer Variation dieser Annahme seien, etwa bei einer Modellierung von Risiko im Rothschild/Stiglitz-Sinne als Mean-Preserving-Spread. Neus (1996), S.16 weist jedoch daraufhin, daß die Aussagen der Modelle nach Stiglitz/Weiss dann eindeutig bleiben, wenn man Risiko als Insolvenzwahrscheinlichkeit interpretiert.Google Scholar
  18. 385.
    Vgl. Neus (1996), S. 5.Google Scholar
  19. 386.
    Die Zulässigkeit des strategischen Defaults und die Natur des Gleichgewichts in gemischten Strategien korrigiert das Problem des originären Ansatzes von Gale/Hellwig (1985), der nicht zeitkonsistent ist, vgl. Neus (1996), S.18 sowie für den Nachweis der Nichtexistenz des Gleichgewichts in reinen Strategien Ewert(1993).Google Scholar
  20. 387.
    Wenn besichert wird, wird immer das maximale hierfür verfügbare (nichtmonetäre) Vermögen gewählt, dieses muß jedoch kleiner sein als der Verlustbetrag der Bank bei Zahlungseinstellung.Google Scholar
  21. 388.
    Die Kontrollkosten resultieren aus dem Übergang der Unternehmensassets, die im Besitz der Bank (dies wird gleichgesetzt mit Liquidation) weniger Wert sind, als im Besitz des Kreditnehmers (i.e. bei Fortführung).Google Scholar
  22. 389.
    Vgl. dazu Bester (1994), S. 81 (Gleichung 10) sowie Neus (1996), S. 22–23.Google Scholar
  23. 390.
    Vgl. auch die Diskussion des Modells von Chemanur/Fulghieri (1994) im Hauptabschnitt B dieser Arbeit.Google Scholar
  24. 391.
    Vgl. bspw. auch Berger/Udell (1990), S. 21 und Neus (1996), S.14.Google Scholar
  25. 392.
    Modelltheoretisch bedeutet dies bei Boot/Thakor (1994) nur, daß nach einer einmaligen Finanzierungssituation dieselbe Bank mit demselben Unternehmen Kredite abschließt, so daß das Verhalten in der Vorperiode in die Entscheidung einbezogen wird.Google Scholar
  26. 393.
    Die Ausführungen Rajans sind nach eigener Aussage unabhängig davon, ob die Kreditsicherheiten von Innen die Seniorität der jeweiligen Forderungen beeinflussen oder ob durch die Stellung von Aussonderungsrechten an Vermögensgegenständen die Priorität verändert wird, vgl. Rajan (1992), S. 1386.Google Scholar
  27. 394.
    Vgl. zu den folgenden Ausführungen Rajan (1992), S. 1383–1387.Google Scholar
  28. 395.
    Vgl. Rajan (1992), S. 1384f.Google Scholar
  29. 396.
    Vgl. zur folgenden Darstellung Longhofer/Santos (1998).Google Scholar
  30. 397.
    Die von Longhofer/Santos (1998) explizit genannten Annahmen sind teilweise nicht ausreichend, um die von den Autoren abgeleiteten Ergebnisse eindeutig spieltheoretisch abzuleiten. Der im folgenden dargestellte Annahmenrahmen ist entsprechend erweitert, die jeweiligen notwendig erscheinenden Ergänzungen werden im Rahmen der Modelldiskussion erläutert.Google Scholar
  31. 398.
    Dieser Punkt wird im Abschnitt 3.3.2.4 kritisch diskutiert.Google Scholar
  32. 399.
    Eine Risikoerhöhung wird also im Sinne von Rothschild/Stiglitz als „mean preserving spread“ modelliert. Dies wird durch die Annahmen LS.9 und LS. 10 sichergestellt.Google Scholar
  33. 400.
    Die Darstellung bei Longhofer/Santos (1998) ist an dieser Stelle etwas widersprüchlich: Die Autoren betonen einerseits, daß die Beobachtbarkeit des Arbeitseinsatzes durch die Insidebank nur nach einem Beziehungsinvestment ein zentrales Element ihres Modells sei, vgl. S. 4. Andererseits belegt die dargestellte Argumentation, daß die Insidebank unabhängig vom Beziehungsinvestment immer weiß, ob der Investor durch das Workoutinvestment Risk-shifting vornehmen will. Dies steht wiederum im Einklang mit der Argumentation bei Longhofer/Santos, daß nur die Outsidebank durch das Risk-shifting geschädigt werden kann, vgl. S. 13.Google Scholar
  34. 401.
    Zur besseren Übersichtlichkeit sind in Abbildung F.2 die Zufallszüge der Natur (als Punkt) und die Entscheidungsknoten der Akteure (als Quadrat) explizit gekennzeichnet.Google Scholar
  35. 402.
    Mithin bleibt auch der entsprechende Anteil δ der Kreditmittel für das eventuelle Workoutinvestment vorrangig.Google Scholar
  36. 403.
    Die Modellierung der Seniorität ist im LS-Modell nur leicht eingeschränkt mit Kreditsicherheiten von Innen gleichzusetzen, da δ zwar den Anteil der vorrangig aus den realisierten Cashflows zu bedienenden Forderungen determiniert, die residuale Größe jedoch gemäß der Darstellung bei LS nicht zu gleichen Teilen zwischen den Gläubigern aufgeteilt wird. Statt dessen erhält die Outsidebank den Anteil (1-δ) der Cashflows. Diese Abweichung wird im folgenden nicht weiter beachtet, da eine entsprechende Anpassung durch eine weitere Aufteilung von jeweils 0,5(1-δ) der Cashflows auf beide Parteien die qualitativen Ergebnisse nicht beeinflussen dürfte. Gleichwohl kann hierdurch der Parameterraum, für den eine Finanzierung zustande kommt, verändert werden.Google Scholar
  37. 404.
    Dies unterstellt, daß die A-priori-Beliefs der Akteure beim Abschluß des initialen Finanzierungsvertrages in t 0 das Beziehungsinvestment und den Arbeitseinsatz vorsehen. Die Auswirkung hiervon abweichender Beliefs wird im nächsten Abschnitt diskutiert.Google Scholar
  38. 405.
    Im guten Zustand ist der Arbeitseinsatz irrelevant, genau wie im schlechten Zustand ohne Beziehungsin-vesrment. Dies entspricht Lemma 2 bei Longhofer/Santos (1998), S. 13.Google Scholar
  39. 406.
    Vgl. Longhofer/Santos (1998), S. 13.Google Scholar
  40. 407.
    Vgl. Longhofer/Santos (1998), S. 14.Google Scholar
  41. 408.
    Der Aspekt von Moral Hazard durch die Insidebank aufgrund einer unbedingten Kompensation hat im wesentlichen Implikationen für die optimale Kompensationsstruktur für die Hausbank und wird bei Longhofer/Santos (1998) ausführlich diskutiert. Die Autoren zeigen jedoch, daß auch in diesem Fall bei Erfüllung bestimmter Parameterrestriktionen ein Beziehungsgleichgewicht mit denselben Eigenschaften hinsichtlich der Bedeutung der Besicherung existiert, wie das im folgenden diskutierte.Google Scholar
  42. 409.
    Vgl. hierzu Longhofer/Santos (1998), S. 18–20.Google Scholar
  43. 410.
    Dieses Gleichgewicht umfaßt sowohl den Fall mit und ohne opportunistisches Verhalten des Investors.Google Scholar
  44. 411.
    Vgl. für ein Diskussion der Vorgehensweise, die Pareto-Dominanz eines Gleichgewichts als Selektionskriterium zwischen multiplen Gleichgewichten zu verwenden, bspw. Fudenberg/Tirole (1993), S. 20–23.Google Scholar
  45. 412.
    In diesem Zusammenhang sei auf die Argumentation im Rahmen der Diskussion des Rajan-Modells verwiesen, bei der dargelegt wurde, daß die schwächer erscheinende Annahme eines fehlenden Informationszuganges für die Outsidebank bezüglich des in t 1 realisierten Umweltzustands nicht ausgereicht hätte, die passive Strategie der Outsidebank zu begründen, vgl. Abschnitt B.3.2.2.3 dieser Arbeit.Google Scholar
  46. 413.
    Eine vertiefende Diskussion dieses Aspektes kann im Rahmen dieser Arbeit nicht erfolgen.Google Scholar
  47. 414.
    Longhofer/Santos (1998), S. 2–3.Google Scholar
  48. 415.
    Vgl. welch (1997), S. 1204.Google Scholar
  49. 416.
    Die modelltheoretische Analyse von Welch (1997) ist dabei in Analogie zu Longhofer/Santos (1998) partialanalytisch, da nicht endogen abgeleitet wird, ob die multiple FK-Finanzierung aus der Sicht des Kreditnehmers vorteilhaft ist. Es wird ebenfalls per Annahme sichergestellt, daß zwei Klassen von Kreditgebern existieren und nur die Wahl der zu besichernden Partei unterliegt einem Vorteilhaftigkeitskalkül. Ferner basiert die Modellanalyse nicht auf einem Informationsproblem sondern wird vielmehr auf der Basis der sogenannten „conflict theory“ vorgenommen. Deren Grundidee ist die Analyse des Verhaltens von Parteien in einem Konflikt, bei der beide Parteien (in u.U. unterschiedlichen Ausmaß) die (zentrale) Entscheidung einer dritten Partei kostspielig beeinflussen können. Vgl. dazu originär Hirshleifer (1994).Google Scholar
  50. 417.
    Vgl. Welch (1997), S. 1208–1210.Google Scholar
  51. 418.
    Zur Terminologie und dem Grundproblem der Distressentscheidung vgl. Abschnitt B.3.2.1.Google Scholar
  52. 419.
    Vgl. bspw. die Beratungsfunktion im Modell von Longhofer/Santos (1998).Google Scholar
  53. 420.
    Wilner (1999) basiert sein theoretisches Modell auf der Idee, daß ein Relationship Lender zu um so größeren Konzessionen in Distressituationen bereit ist, je mehr private Vorteile (i.e. zukünftige Renten) er bei Beendigung der Beziehung verlieren würde, und begründet hierdurch die Existenz und die beobachteten Charakteristika von Handelskrediten.Google Scholar
  54. 421.
    Vgl. Welch (1997).Google Scholar
  55. 422.
    Dies wäre insbesondere dann zu vermuten, wenn die Bank risikoavers ist.Google Scholar
  56. 423.
    Die Variablendefinition entspricht mithin der in dieser Arbeit verwendeten Variable Colyn.Google Scholar
  57. 424.
    Die Studien von Elsas/Krahnen (1998), Lehmann/Neuberger (1998) und Ewert/Schenk (1998) weisen im Prinzip dasselbe methodische Problem hinsichtlich ihrer Interpretation des Sicherheiteneffekts auf und werden deswegen nicht weiter diskutiert. Allerdings wird in diesen Studien die Untersuchung der Hypothesen F. 1/2 nicht primär intendiert (im Gegensatz zu Berger/Udell (1990)).Google Scholar
  58. 425.
    Das Problem der möglicherweise simultanen Festlegung der Besicherung und des geforderten Zinssatzes im Prozeß der Kreditvertragsgestaltung und die daraus potentiell resultierenden ökonometrrischen Probleme (i.e. die Verzerrung und Inkonsistenz der OLS-Schätzer) der verwendeten Modellspezifikationen können die Ableitung einer Korrelationsbeziehung zwischen Besicherung und Ausfallrisiko zusätzlich behindern.Google Scholar
  59. 426.
    Eine Beobachtung entspricht in dieser Analyse der Ausprägung bei einer der 340 im Sample enthaltenen Banken.Google Scholar
  60. 427.
    Der Einfluß der Besicherung auf die Nonperforming-Engagements mißt dabei die Beziehung zur Ausfall-wahrscheinlichkeit, da hier nur berücksichtigt wird, wie viele Kreditnehmer ihre vertraglichen Verpflichtungen nicht erbringen konnten und nicht, wie hoch der daraus tatsächlich resultierende Verlust für die Bank ist („Loss given Default“).Google Scholar
  61. 428.
    Genauer gesagt werden die Regressionsergebnisse der Autoren (nach eigener Aussage) bei einem Einschluß von Bilanzkennzahlen instabil und fuhren zu einer erheblichen Reduktion der Stichprobengröße aufgrund von Missing Values, so daß die Autoren ihre Evidenz ohne Berücksichtigung der entsprechenden (in Vergleichsrechnungen nicht signifikanten) Variablen interpretieren, vgl. Harhoff/KÖrting (1998), S. 1340.Google Scholar
  62. 429.
    Die Daten von Harhoff/Körting (1998) beruhen auf einer Interview- und Fragebogenaktion, bei der gefragt wurde, ob eine starke Vertrauensbeziehung zwischen dem befragten Unternehmen und der Bank (welche Bank bei Vorliegen multipler Bankbeziehungen damit gemeint ist, bleibt unklar) besteht, vgl. Harhoff/KÖrting (1998), S. 1330. Ergänzende Informationen zu dieser Variable wurden nicht erhoben.Google Scholar
  63. 430.
    Die Autoren interpretieren eine „main bank“ als die Bank, bei der ein Unternehmen auch andere Produkte bezieht und/oder über die es die meisten Zahlungsverkehrstransaktionen abwickelt, vgl. Degryse/van Cayseele(1998), S. 9.Google Scholar
  64. 431.
    Die wesentlichen Unterschiede liegen darin, daß Machauer/Weber (1998) nur die Untersuchung des Besicherungsgrads vornehmen und hierbei das Problem der Zensierung sowie der wiederholten Beobachtung derselben Unternehmen nicht berücksichtigen. Zudem werden die beiden Teilsamples des Kreditaktendatensatzes gepoolt, obwohl aufgrund der unterschiedlichen Selektionskriterien Bedenken hinsichtlich derer Kompatibilität bestehen.Google Scholar
  65. 432.
    Alle Firmen in Kiefers Stichprobe sind Aktiengesellschaften, und die durchschnittliche Unternehmensgröße gemessen am Umsatz ist rund doppelt so hoch wie im Kreditaktendatensatz, vgl. Kiefer (1999), S. 27.Google Scholar
  66. 433.
    Anektodische Evidenz für eine besondere Rolle der „main bank“ im Financial Distress von Kreditnehmern diskutiert Sheard (1994).Google Scholar
  67. 434.
    Die Darstellung des japanischen „main bank“-Systems bei Aoki (1994) sowie Weinstein/Yafeh (1998) impliziert, daß bis zur Deregulierung in den 80er Jahren japanische Unternehmen kaum Zugang zu Aktien-und Bondmärkten hatten, so daß eine optimale Auswahlentscheidung bezüglich der Finanzierungsform kaum möglich war.Google Scholar
  68. 435.
    Zu den verschiedenen Operationalisierungsformen des Kreditaktendatensatzes vgl. Abschnitt C.3.3.Google Scholar
  69. 436.
    Im folgenden werden Grundpfandrechte und die Erhebungskategorie „dingliche Sicherheiten“ zusammenfassend als dingliche Sicherheiten bezeichnet.Google Scholar
  70. 437.
    Vgl. bspw. Neus (1996), S. 2.Google Scholar
  71. 438.
    Vgl. Thiessen (1996).Google Scholar
  72. 439.
    Diese Interpretation ist jedoch nicht valide, wenn Kreditsicherheiten nur als Signaling-Instrument verwendet werden. Im Falle eines bestehenden Kreditvertrages (bei dem das Problem adverser Selektion gelöst wäre), folgt jedoch keine Einschränkung.Google Scholar
  73. 440.
    Als „truncated“ werden solche Variablen beschrieben, deren Werte nur ab oder bis zu einem gewissen Schwellenwert beobachtet werden, d.h. bestimmte Ausprägungen der Variable gar nicht (und nicht wie bei der Zensierung mit einem „falschen“ Wert) beobachtet werden. Vgl. zu beiden Definitionen Greene (1997), S. 949 und S. 959.Google Scholar
  74. 441.
    Vgl. Greene (1997), S. 966.Google Scholar
  75. 442.
    Etwa durch entsprechend angepaßte Verfahren, wie der später angewendeten Tobit-Regression.Google Scholar
  76. 443.
    Vgl. Kapitel D.2.2 dieser Arbeit.Google Scholar
  77. 444.
    Die der Tabelle zugrundeliegende gesamte Beobachtungszahl ist kleiner als in Tabelle F.3, da zusätzliche Missing Values durch die Variablen Rating, Size und Coldegree entstehen und den Ausprägungen immer das gemeinsame Sample zugrunde gelegt wird.Google Scholar
  78. 445.
    Die Signifikanztests werden mittels einfaktorieller Varianzanalyse Anova bzw. bei nur zwei Vergleichsgruppen mittels einfachem t-Test auf Mittelwertdifferenz durchgeführt. Gemäß der entsprechenden Konvention dieser Arbeit wird ein Koeffizient als statistisch signifikant eingestuft, wenn die Nullhypothese mitGoogle Scholar
  79. einer maximalen Irrtumswahrscheinlichkeit von 10% abgelehnt werden kann. Ratingunterschied werden aufgrund des ordinalen Meßniveaus der Ratings mittels des nichtparametrischen Mann-Whitney-U-Test ermittelt.Google Scholar
  80. 446.
    Ein Signifikanztest erübrigt sich hier, da die unbesicherte Kategorie bei Definition einen Wert von Null aufweisen muß.Google Scholar
  81. 447.
    Aufgrand des unterschiedlichen vermuteten Wirkungsmechanismus konnten dagegen. in Hauptabschnitt E die beiden Modellvarianten explizit verglichen werden. Bei dieser Untersuchung stand weniger der direkte Hausbankeffekt im Vordergrund der Betrachtung, sondern vielmehr die gemeinsame Wirkung des Hausbankstatus und einer Veränderung der Bonität auf die Veränderung des Kreditvolumens, weshalb auf die Berücksichtigung der Hausbank-Dummy-Variable verzichtet werden konnte.Google Scholar
  82. 448.
    Vgl. Greene (1997), S. 897.Google Scholar
  83. 449.
    Vgl. zu dieser Darstellung Greene (1997), S. 896–901.Google Scholar
  84. 450.
    Das Modell entspricht also in seiner Struktur dem in Kapitel E.2 allgemein beschriebenem RE-Modell, das durch die Gleichungen (E.3) bis (E.6) charakterisiert wird.Google Scholar
  85. 451.
    Im Tobit Modell ist der Varianzterm identifiziert und kann nicht (wie etwa im Probit-Modell) vereinfachend gleich Eins gesetzt werden. Aus diesem Grund ist die Division des Parametervektors durch die Varianz explizit in Gleichung (F.3) angegeben. Vgl. dazu bspw. Johnston/DiNardo (1997), S. 437.Google Scholar
  86. 452.
    Vgl. Gleichung (F.3) sowie Greene (1997), S. 898.Google Scholar
  87. 453.
    Hierfür wird i.d.R. eine zugrundeliegende Normalverteilung unterstellt, vgl. Greene (1997), S. 962–963. Die Darstellung des Tobit-Modells orientiert sich an Greene (1997), 962–967 sowie Johnston/DiNardo (1997), S. 436–452.Google Scholar
  88. 454.
    Die verwendete Statistik-Software Limdep bietet nur die RE-Spezifikation in Verbindung mit einer einseitigen Zensierung. Für eine Übersicht über die Schätzprobleme von Tobit-Modellen im Zusammenhang mit Paneldaten siehe Baltagi (1995), S. 183–184.Google Scholar
  89. 455.
    Es wird eine Normalverteilung der Fehlerterme unterstellt.Google Scholar
  90. 456.
    Das Tobit-Modell stellt somit einen Spezialfall einer ganzen Klasse von Modellen dar, welche die nicht zufällige Selektion der beobachteten Variable explizit berücksichtigen, vgl. Johnston/DiNardo (1997), S. 450–452.Google Scholar
  91. 457.
    F(.) bezeichnet die Verteilungsfunktion der Normalverteilung.Google Scholar
  92. 458.
    Vgl. Greene (1997), S. 964.Google Scholar
  93. 459.
    Insgesamt wird das Untemehmenssample im R-Sample des Kreditaktendatensatzes durch einen großen Anteil (66%) von Firmen im Verarbeitenden Gewerbe gekennzeichnet. Zur Vermeidung einer zu starken Zerlegung der Stichprobe werden mit dem Maschinenbau als Repräsentant des Verarbeitenden Gewerbes, dem Baugewerbe und dem Handel „besondere“ (hinsichtlich Konjunkturabhängigkeit und Kapitalintensität) Branchen ausgewählt, die zusammen etwa 33% der Gesamtstichprobe repräsentieren, vgl. auch die Diskussion in Hauptabschnitt C.Google Scholar
  94. 460.
    Zu berücksichtigen ist, daß Potcollat nur eine grobe Proxy-Variable darstellt. Die Idee bei der Konstruktion über langfristige Vermögensgegenstände ist, daß diese im Durchschnitt einen höheren Anteil an als Sicherheit verwendbaren Assets beinhaltet, als kurzfristige Vermögensgegenstände. Eine ähnlich definierte Variable wird bspw. auch in der Studie der Deutschen Bundesbank zur Kapitalstruktur von Unternehmen verwendet, vgl. Kremp/StöSS/Gerdesmeier (1999).Google Scholar
  95. 461.
    Die Bedeutung von Verhandlungsmacht ist jedoch unklar, wenn Kreditsicherheiten als Signaling-Instrument verwendet werden.Google Scholar
  96. 462.
    Vgl. bspw. die Studie von Harhoff/Körting (1998).Google Scholar
  97. 463.
    Zur Überprüfung der Ergebnisrobustheit wurde die Tobit-Regression auch mit Blanko als Regressand durchgeführt, um für eine Zensierung bei Vollbesicherung zu kontrollieren. Die qualitativen ErgebnisseGoogle Scholar
  98. bleiben hiervon unberührt. 464 In der RE-Spezifikation ist der Interaktionseffekt mit dem Hausbankstatus signifikant unterschiedlich von Null, so daß für Hausbankbeziehungen dieser Effekt kleiner ist.Google Scholar
  99. 465.
    Insofern wird das entsprechende Ergebnis bei Machauer/Weber (1998) auch dann bestätigt, wenn die Modellspezifikation für die Zensierung von Coldegree kontrolliert, die wiederholte Beobachtung desselben Individuums explizit berücksichtigt wird und die beiden Subsamples R und PD des Kreditaktendatensatzes nicht gepoolt werden.Google Scholar
  100. 466.
    Es ist zu beachten, daß die direkten geschätzten Koeffizienten den Wert nach Korrektur der Zensierung ausdrücken, während die Verwendung des Skalierungsfaktors den Wert im tatsächlich beobachteten Fall angibt, vgl. Greene (1997), S. 963.Google Scholar
  101. 467.
    Der in Tabelle F.6 angegebene Skalierungskoeffizient bezieht sich auf die durchschnittliche Ausprägung der Kovariablen.Google Scholar
  102. 468.
    Eine Analyse der ökonomischen Beeinflussungsstärke der Determinanten im Probit-Modell wird unterlassen, um die Darstellung zu straffen. Diesbezügliche Anhaltspunkte können aus den entsprechenden Koeffizienten des Tobit-Modells gewonnen werden.Google Scholar
  103. 469.
    Analog wurde die Anzahl an Banken, Anzbank, berücksichtigt. Diese weist ebenfalls keinen signifikanten Erklärungsgehalt auf, beeinträchtigte jedoch die Robustheit der Modellschätzungen deutlich. Dies dürfte auf Multikollinearitätseffekte (insbesondere mit dem Finanzierungsanteil) zurückzuführen sein.Google Scholar
  104. 470.
    Vgl. die Darstellung in Kapitel D.4.6.Google Scholar
  105. 471.
    Allerdings existiert auch in diesem Fall keine offensichtliche A-priori-Vermutung bezüglich möglicher Determinanten der Heteroskedastizität.Google Scholar
  106. 472.
    Vgl. Hauptabschnitt C dieser Arbeit.Google Scholar
  107. 473.
    In den Fällen, wo eine zeitvariante Variable zum Distresszeitpunkt Missing Values aufwies, wurde die Ausprägung der vorhergehenden Beobachtung verwendet.Google Scholar
  108. 474.
    Die Annahme der Varianzhomogenität der beiden Vergleichsgruppen kann gemäß des in Tabelle F.8 dokumentierten Levene-Tests nicht verworfen werden, so daß die notwendige Bedingung für den t-Test erfüllt ist.Google Scholar
  109. 475.
    Einschränkend sei angemerkt, daß die univariate Analyse die möglicherweise korrelierten Effekte anderer Variablen nicht berücksichtigt.Google Scholar
  110. 476.
    Dies bestätigt auch für das PD-Sample das Ergebnis für das i?-Sample auf der Basis der Durchschnittswerte des Beobachtungszeitraums, vgl. Tabelle D.6.Google Scholar
  111. 477.
    Das Argument läßt natürlich die unbekannte Anzahl von Nichtbankfinanziers außen vor, i.e., es wird angenommen, diese sei im Durchschnitt für Hausbank- und Normalbankkreditnehmer identisch.Google Scholar
  112. 478.
    Vgl. auch die Darstellung bei Sheard (1994).Google Scholar
  113. 479.
    Zudem gab es zwei Fälle, bei denen dokumentiert war, daß das negative Rating nur deswegen vergeben wurde, weil bestimmte Unterlagen der Bank zum Zeitpunkt der Beschlußfassung noch nicht vorlagen, und somit „zur Sicherheit“ eine Rating-Abstufung vorgenommen wurde. Nach Vorlage der Unterlagen wurden beide Engagements wieder erheblich besser eingestuft (Rating 2 bzw. 3). Diese Fälle werden in der folgenden Analyse nicht mehr berücksichtigt.Google Scholar
  114. 480.
    Vgl. Greene (1998), S. 444.Google Scholar
  115. 481.
    Als Samplezerlegimgseffekt wird in dieser Arbeit der Effekt bezeichnet, daß ein gegebenes Sample durch die Berücksichtigung von mehreren Dummy-Variablen sehr schnell in so viele Teilsegmente zerlegt wird, daß jedes Einzelsegment zu wenige (bis keine) Beobachtungen umfaßt. Vgl. die Diskussion im Abschnitt D.2.2.3 dieser Arbeit.Google Scholar
  116. 482.
    Die später diskutierten Ergebnisse sind von der unterstellten Verteilung (Normalverteilung, Logistische Verteilung und Extremwertverteilung) qualitativ unabhängig, vgl. Abschnitt 4.3.4. Da die Logit-Koeffizienten am einfachsten interpretiert werden können, wird das Logit-Modell präsentiert.Google Scholar
  117. 483.
    Die alternative Finanzierungsanteilsvariable Finantbank (der Bankanteil an der gesamten Bankfmanzie-rung) wird nicht verwendet, da diese aufgrund von Missing Values zu einer Reduktion des Samples auf 51 Beobachtungen führen würde und erhebliche Bedenken hinsichtlich der Qualität der Variablen bestehen.Google Scholar
  118. 484.
    Die Variable Anzbank wird wegen Multikollinearitätsproblemen mit FINSHARE nicht verwendet,.Google Scholar
  119. 485.
    Ein umgekehrter Effekt im Sinne des „too big to fail“ ist aufgrund der begrenzten Größe der Sampleunter-nehmen auch nicht plausibel.Google Scholar
  120. 486.
    Verwendet man das gegen allgemeine Fehlspezifikation der zugrundegelegten Verteilung robuste Verfahren der Quasi-Maximum-Likelihood-Schätzung nach White (1982), ist der Koeffizient von Finshare signifikant mit einem p-Wert von 0,06. Vgl. die ausführliche Diskussion im nächsten Abschnitt dieses Kapitels.Google Scholar
  121. 487.
    Dieser Interaktionseffekt gleicht jedoch den reinen Effekt nicht aus, vgl. Tabelle F. 13 weiter unten.Google Scholar
  122. 488.
    Vgl. bspw. Gujarati (1995), S. 512.Google Scholar
  123. 489.
    Vgl. die Diskussion im Abschnitt D.4.5 dieser Arbeit.Google Scholar
  124. 490.
    Für einen Überblick über Verfahren zur Interpretation von Logit-Koeffizienten vgl. Krafft (1997), S. 633–638 sowie insbesondere Urban (1993), S. 35–52.Google Scholar
  125. 491.
    Vgl. auch die Diskussion bzgl. der Modellspezifikation und Erklärungskraft im nächsten Abschnitt.Google Scholar
  126. 492.
    Vgl. zur Berechnung der jeweiligen Maßzahlen Krafft (1997), S. 633–637, Urban (1993), S. 35–52, Greene (1997), S. 875–876 sowie Kapitel D.4.5 dieser Arbeit.Google Scholar
  127. 493.
    Aus diesem Grund wird auch auf eine Darstellung und Diskussion der sogenannten standardisierten Effektkoeffizienten als skalenunabhängige Maßzahl verzichtet, vgl. dazu Urban (1993).Google Scholar
  128. 494.
    Zur Vereinfachung und Vereinheitlichung der Darstellung wurden zur Funktionsberechnung die Koeffizienten mit ihrer numerischen Ausprägung gemäß Tabelle F. 12 verwendet und somit unterstellt, alle Koeffizienten seien statistisch signifikant.Google Scholar
  129. 495.
    So beträgt bspw. der durchschnittliche Finanzierungsanteil 41 %, während der Median bei 27% liegt.Google Scholar
  130. 496.
    Einen alternativen Benchmark kann man über die Bestimmung der Klassenbesetzung auf der Basis der erwarteten Besetzung aus einer Logit-Regression mit der Konstanten als einzigem Regressor erhalten. Die entsprechenden Ergebnisse bieten keine weiteren Ausschlüsse und werden deshalb nicht dokumentiert.Google Scholar
  131. 497.
    Der einzige Unterschied resultiert bei Verwendung der White-Korrektur hinsichtlich der Signifikanz des Finshare-Koeffizienten, der dann mit einem p-Wert von 0,06 auf dem 10%-Niveau signifikant unterschiedlich von Null istGoogle Scholar
  132. 498.
    Vgl. Greene (1997), S. 888 sowie für eine intensive Diskussion bei Logit/Probit-Modellen Yatchev/Griliches (1984).Google Scholar
  133. 499.
    Vgl. zu diesem Test bspw. Gujarati (1995), S. 377–378.Google Scholar
  134. 500.
    Die Mächtigkeit bezeichnet die Fähigkeit eines Testverfahrens, eine Hypothese abzulehnen, wenn sie falsch ist.Google Scholar
  135. 501.
    Vgl. bspw. Greene (1997), S. 888–891 sowie Maddala (1995).Google Scholar
  136. 502.
    Vgl. Abschnitt D.4.2.1.Google Scholar
  137. 503.
    Der Test wird im Rahmen der Variablenstruktur des Logit-Modells II durchgeführt, allerdings wird zur methodischen Vereinfachung eine Normalverteilung unterstellt, d.h., ein Probit-Modell geschätzt. Wie in Fußnote 482 berichtet, hat dieses völlig übereinstimmende qualitative Ergebnisse, so daß die Ergebnisse bzgl. der Heteroskedastizität übertragbar erscheinen. Das Problem bei einer Logit-Schätzung liegt in der Inadäquanz des Testverfahrens mit multiplikativer Verknüpfung begründet, vgl. Davidson/MacKinnon (1984).Google Scholar
  138. 504.
    Zum LM-Test vgl. die Darstellung in Abschnitt D.4.2.3 dieser Arbeit sowie im Kontext von Probit-Modellen Greene (1997), S. 888–891.Google Scholar
  139. 505.
    Alternativ wurde auch ein Likelihood-Ratio-Test der beiden Modelle mit und ohne Varianzmodellierung durchgeführt. Dies führt nicht zu abweichenden Ergebnissen. Es sei darauf hingewiesen, daß durch die gleichzeitige Berücksichtigung des Verschuldungsgrads und/oder der Unternehmensgröße als Regressor und bei der Varianzmodellierung keine Multikollinearitätsprobleme resultieren, da in dem einem Fall der bedingte Erwartungswert und in dem anderen die bedingte Varianz modelliert werden.Google Scholar
  140. 506.
    Die zweite Phase des Forschungsprojektes „Kreditmanagement“ des Instituts für Kapitalmarktforschung-Center for Financial Studies sieht eine den Kreditaktendatensatz ergänzende Datenerhebung von problematischen Kreditengagements vor. Eine Analyse der Effizienz von Distressentscheidungen kann dann unter Umständen praktikabel werden.Google Scholar
  141. 507.
    Dies entspricht dem in Tabelle F.3 angegebenen Durchschnittswert auf der Basis des Jahres 1996.Google Scholar
  142. 508.
    Vgl. insbesondere die auf dieses Argument gestützte theoretische Analyse bei Wilner (1999).Google Scholar

Copyright information

© Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden, und Deutscher Universitäts-Verlag GmbH, Wiesbaden 2001

Authors and Affiliations

  • Ralf Elsas

There are no affiliations available

Personalised recommendations