Stress Testing Norwegian Banks: A Top-Down Approach

Abstract

I denne oppgaven stresstester vi kapitalen til et utvalg nøkkelbanker i Norge under de nåværende kapitaldekningskravene gitt av Basel III rammeverket, som har vært effektiv i EU siden 2010. Metoden vår baseres på et makroscenario, som er designet med historiske tall fra tidligere finanskriser, samt enkelte makroøkonomiske størrelser fra stresstester brukt i Norges Bank. Vi bruker to distinkte modelleringsstrategier i stresstesten, samt en sensitivitetsanalyse på bankenes evne til å tåle utlånstap. Modelleringsstrategiene vi benytter oss av er stegvis lineær regresjon (Forward Stepwise Regression) og lasso regresjon (Least Absolute Shrinkage and Selection Operator).

Den stegvise lineære regresjonen estimerer modellene gjennom å velge de mest statistisk signifikante forklaringsvariablene i en gradvis prosess. Lasso regresjonen estimerer også modellene gjennom variabelseleksjon, hvor variablenes koeffisienter krympes, irrelevante variabler settes derfor til null. Lasso regresjonens evne til å redusere koeffisienter gjør den også fordelaktig i håndtering av multikollinearitet. Begge modelleringsteknikkene er effektive man er usikker på hvilke forklaringsvariabler man skal inkludere i en modell.

Stresstesting av nøkkelbanker, hvorav noen er systemkritiske banker, lar oss teste motstandsdyktigheten i det norske finansielle systemet. Resultatene fra våre stresstester gjenspeiler at underskudd for norske banker forekommer sjeldent. De få gangene det faktisk skjer, viser de aktuelle bankene at de er robust kapitalisert, noe som øker evnen til å tåle store underskudd.

In this study, we stress test the solvency capital of a selection of key Norwegian banks under the current capital adequacy framework dictated by the Basel III accord, effective in the EU as of 2010. Our methodology is built upon scenario design, utilizing historical data from past financial crises and extrapolating comparable growth patterns onto critical macroeconomic variables. We implement two distinct modeling strategies for chosen income statement variables pertaining to a curated selection of prominent Norwegian banks, together with a sensitivity analysis on the banks ability to handle credit losses. The two modeling approaches are Forward Stepwise Regression and Lasso Regression.

The Forward Stepwise Regression model is adept at selecting the most statistically significant predictors in a gradual, step-by-step process. Conversely, the Lasso Regression model excels in managing multicollinearity and high-dimensional data sets, efficiently driving the coefficients of irrelevant variables toward zero. Both models prove advantageous when one is unsure which explanatory variables to include in the final model.

Stress testing key banks, some of which are deemed systemically important, allows us to test the resilience of the Norwegian financial system. The outcomes of our stress scenarios reveal that deficits within Norwegian banks occur infrequently. However, in the rare instances when they do materialize, these banks display robust capitalization, thereby ensuring their resilience in weathering these deficits.