Eingereicht von Manuel Noll, BSc

Angefertigt am Institut für betriebliche Finanzwirtschaft Abteilung für Asset Management

Beurteiler Univ.-Prof. Dr. Teodoro D. Cocca

Abgabe im Juli 2020

Marktbewertung von Bankengeschäftsfelder

Masterarbeit zur Erlangung des akademischen Grades Master of Science im Masterstudium Finance and Accounting

JOHANNES KEPLER UNIVERSITÄT LINZ Altenberger Straße 69 4040 Linz, Österreich jku.at DVR 0093696

EIDESSTATTLICHE ERKLÄRUNG

Ich erkläre an Eides statt, dass ich die vorliegende Masterarbeit selbstständig und ohne fremde Hilfe verfasst, andere als die angegebenen Quellen und Hilfsmittel nicht benutzt bzw. die wörtlich oder sinngemäß entnommenen Stellen als solche kenntlich gemacht habe.

Die vorliegende Masterarbeit ist mit dem elektronisch übermittelten Textdokument identisch.

Hörsching, im Juli 2020

GENDER KLAUSEL

Im Sinne einer besseren Lesbarkeit dieser Arbeit wurde die männliche Form bei personenbezogenen Bezeichnungen und Formulierungen gewählt. Dies impliziert keinesfalls eine Benachteiligung des anderen Geschlechts. Frauen und Männer mögen sich gleichermaßen angesprochen fühlen.

ABSTRACT

Die Masterarbeit beschäftigt sich mit der Marktbewertung der Bankengeschäftsfelder Retail Banking, Corporate Banking, Investment Banking und Private Banking sowie der Universalbanken. Mittels Regressionsanalysen wird ein möglicher Einfluss diverser Faktoren auf die Bewertungskennzahlen price-to-earnings ratio, price-to-book value ratio, price-to-tangible book value ratio und Tobin’s q untersucht. Zusätzlich wird eine Aktienanalyse zur Bestimmung etwaiger unterschiedlicher Kursentwicklungen durchgeführt. Es zeigt sich, dass Banken, die auf Investment oder Private Banking spezialisiert sind, deutlich höher bewertet werden als die drei anderen Bank-Kategorien. Verantwortlich für die Bewertungsunterschiede dürften insbesondere Risiko- und Profitabilitätsaspekte sein. Bei den Universalbanken kommen zudem die Aspekte Größe und Diversifizierung zum Tragen, die sich tendenziell negativ auf die Bewertung auswirken. Die Aktienanalyse zeigt zwar Unterschiede auf, diese sind jedoch zu uneindeutig, um daraus Rückschlüsse zu ziehen. Die Originalität der Arbeit besteht in der Quantifizierung der Geschäftsfelder anhand der Segmentberichterstattung. Im Vergleich zu bisherigen Arbeiten erlaubt es diese Vorgehensweise, genauer zwischen den Geschäftsaktivitäten zu differenzieren.

Inhaltsverzeichnis

Inhaltsverzeichnis ...... I Abbildungsverzeichnis ...... III Tabellenverzeichnis ...... IV Abkürzungsverzeichnis ...... V 1. Einleitung ...... 1 1.1. Problemstellung ...... 1 1.2. Zielsetzung...... 3 1.3. Forschungsfragen ...... 3 1.4. Aufbau der Arbeit ...... 4 2. Die Geschäftsfelder des Bankengeschäfts ...... 4 2.1. Retail Banking ...... 5 2.2. Corporate Banking ...... 7 2.3. Investment Banking ...... 9 2.4. Private Banking ...... 11 2.5. Universal Banking ...... 14 3. Der relative Bewertungsansatz ...... 15 3.1. Theoretische Grundlagen ...... 15 3.2. Die einzelnen Bewertungskennzahlen ...... 19 3.2.1. Price-to-earnings ratio ...... 19 3.2.2. Price-to-book value ratio ...... 21 3.2.3. Price-to-tangible book value ratio ...... 23 3.2.4. Tobin’s q ...... 25 4. Aktueller Stand der Forschung ...... 26 5. Empirische Untersuchung ...... 31 5.1. Datengrundlage ...... 32 5.2. Methodik ...... 34 5.2.1. Einfluss der Geschäftsfelder auf die Bewertung...... 34 5.2.2. Excess values und Bewertung ...... 37 5.2.3. Aktienanalyse ...... 40 5.3. Ergebnisse ...... 41 5.3.1. Deskriptive Betrachtung ...... 41 5.3.2. Einfluss der Geschäftsfelder auf die Bewertung...... 45 5.3.3. Excess values und Bewertung ...... 51 5.3.4. Aktienanalyse ...... 61 5.4. Diskussion...... 66 5.4.1. Kennzahlen und excess values ...... 67

Juli 2020 Manuel Noll I

5.4.1.1. Price-to-earnings ratio ...... 67 5.4.1.2. Price-to-book value ratio ...... 69 5.4.1.3. Price-to-tangible book value ratio ...... 71 5.4.1.4. Tobin’s q ...... 72 5.4.2. Zusammenfassende Darstellung unter Berücksichtigung von theoretischen Aspekten ...... 75 5.4.3. Aktienanalyse ...... 82 5.5. Limitationen ...... 85 6. Schlussbetrachtung ...... 87 Literatur- und Quellenverzeichnis ...... 91 Anhang...... 107 A1: Korrelationsmatrix ...... 107 A2: Deskriptive Statistik Kennzahlen Retail Banking ...... 112 A3: Deskriptive Statistik Kennzahlen Corporate Banking ...... 113 A4: Deskriptive Statistik Kennzahlen Investment Banking ...... 114 A5: Deskriptive Statistik Kennzahlen Private Banking ...... 115 A6: Deskriptive Statistik Kennzahlen Universalbanken...... 116 A7: Ergänzung zur Regression Kennzahlen (Dummy) ...... 117 A8: Deskriptive Statistik excess values price-to-earnings ratio...... 118 A9: Deskriptive Statistik excess values price-to-book value ratio ...... 119 A10: Deskriptive Statistik excess values price-to-tangible book value ratio ...... 120 A11: Deskriptive Statistik excess values Tobin’s q ...... 121 A12: Grafische Darstellung der prozentualen excess values ...... 122 A13: Liste der untersuchten Banken...... 124

Juli 2020 Manuel Noll II

Abbildungsverzeichnis

Abbildung 1: Entwicklung P/E ratio im Zeitablauf ...... 41 Abbildung 2: Entwicklung P/BV ratio im Zeitablauf ...... 42 Abbildung 3: Entwicklung P/TBV ratio im Zeitablauf ...... 43 Abbildung 4: Entwicklung Tobin’s q im Zeitablauf ...... 44 Abbildung 5: Entwicklung der excess values P/E ratio im Zeitablauf ...... 56 Abbildung 6: Entwicklung der excess values P/BV ratio im Zeitablauf ...... 57 Abbildung 7: Entwicklung der excess values P/TBV ratio im Zeitablauf ...... 58 Abbildung 8: Entwicklung der excess values Tobin’s q im Zeitablauf ...... 59 Abbildung 9: Entwicklung und Vergleich der prozentualen ecxess values ...... 60 Abbildung 10: Kursentwicklung im Bankensektor ...... 62 Abbildung 11: Kursentwicklung der Universalbanken ...... 63 Abbildung 12: Prozentuale excess values P/E ratio im Zeitablauf ...... 122 Abbildung 13: Prozentuale excess values P/BV ratio im Zeitablauf ...... 122 Abbildung 14: Prozentuale excess values P/TBV ratio im Zeitablauf ...... 123 Abbildung 15: Prozentuale excess values Tobin’s q im Zeitablauf ...... 123

Juli 2020 Manuel Noll III

Tabellenverzeichnis

Tabelle 1: Übersicht Stand der Forschung ...... 30 Tabelle 2: Ergebnisse Regression Kennzahlen (Dummy) ...... 46 Tabelle 3: Ergebnisse Regression Kennzahlen (Geschäftsfeldanteile) ...... 49 Tabelle 4: Ergebnisse Regression excess value (Mittelwert) ...... 52 Tabelle 5: Ergebnisse Regression excess value (Median) ...... 54 Tabelle 6: Aktienkennzahlen ...... 65 Tabelle 7: Korrelationsmatrix...... 107 Tabelle 8: Deskriptive Statistik Kennzahlen Retail Banking ...... 112 Tabelle 9: Deskriptive Statistik Kennzahlen Corporate Banking ...... 113 Tabelle 10: Deskriptive Statistik Kennzahlen Investment Banking ...... 114 Tabelle 11: Deskriptive Statistik Kennzahlen Private Banking ...... 115 Tabelle 12: Deskriptive Statistik Kennzahlen Universalbanken ...... 116 Tabelle 13: Ergänzung zur Regression Kennzahlen (Dummy) ...... 117 Tabelle 14: Deskriptive Statistik excess values P/E ratio ...... 118 Tabelle 15: Deskriptive Statistik excess values P/BV ratio...... 119 Tabelle 16: Deskriptive Statistik excess values P/TBV ratio ...... 120 Tabelle 17: Deskriptive Statistik excess values Tobin's q ...... 121 Tabelle 18: Liste der auf Retail Banking spezialisierten Banken ...... 124 Tabelle 19: Liste der auf Corporate Banking spezialisierten Banken...... 124 Tabelle 20: Liste der auf Investment Banking spezialisierten Banken ...... 125 Tabelle 21: Liste der auf Private Banking spezialisierten Banken ...... 126 Tabelle 22: Liste der Universalbanken ...... 127

Juli 2020 Manuel Noll IV

Abkürzungsverzeichnis

BIP ...... Bruttoinlandsprodukt bspw ...... beispielsweise CB ...... Corporate Banking CIR ...... cost-income ratio DIV ...... Diversifizierungsmaß et al ...... et alia etc ...... et cetera ER ...... equity ratio EV ...... excess value f ...... folgende ff ...... fortfolgende Hrsg ...... Herausgeber IB ...... Investment Banking INF ...... Inflationsrate Jg ...... Jahrgang No...... Number Nr ...... Nummer p ...... page PB ...... Private Banking P/BV ...... price-to-book value P/E ...... price-to-earnings P/TBV ...... price-to-tangible book value RB ...... Retail Banking ROA ...... return on assets S ...... Seite TBTF ...... too big too fail UB ...... Universal Banking/Universalbank Vgl ...... Vergleiche Vol ...... Volume z.B ...... zum Beispiel

Juli 2020 Manuel Noll V

1. Einleitung

1.1. Problemstellung

Durch Mergers & Acquisitions Aktivitäten1 haben Banken in den letzten Jahren stetig an Größe dazugewonnen, während sich gleichzeitig die Gesamtzahl der Banken immer weiter verringerte.2 Die Konsequenz ist ein stark konzentrierter Markt, der von Großbanken dominiert wird.3 Diese weisen durch Vereinigung der verschiedenen Geschäftsfelder eine hohe Diversifizierung ihrer

Ertragsstruktur auf.4 DEEV beschreibt die gegenwärtige Bankenlandschaft daher als eine Mischung der Geschäftsfelder Retail Banking, Corporate Banking, Investment Banking und Private Banking.5 Das Ergebnis sind somit eine Vielzahl großer Universalbanken. Vor diesem Hintergrund stellt sich jedoch die Frage, ob diese Diversifizierung auch im Sinne der Anteilseigner ist und Wert generiert bzw. sich in einer entsprechenden Börsenbewertung bemerkbar macht, oder ob doch Spezialisierung vorteilhafter ist.

In anderen Branchen war das Streben nach Diversifizierung vor allem in den 1960er bis 1980er Jahren weit verbreitet. Zu diesem Zweck wurden daher häufig Konglomerate (Mischkonzerne) gebildet.6 Mit der Zeit stellte sich allerdings heraus, dass die gewünschten Vorteile aufgrund von sich ändernden Marktbedingungen nicht mehr realisiert werden konnten was dann auch zu Einbußen auf dem Aktienmarkt führte.7 Dieser Effekt wird als diversification discount8 bezeichnet9 und wurde auch empirisch mehrfach bestätigt.10 Folglich wird inzwischen davon ausgegangen, dass eine starke Diversifizierung eher wertreduzierend als werterhöhend wirkt und eine Spezialisierung daher zu bevorzugen ist.11 Dementsprechend wurden dann Abspaltungen von Unternehmensteilen/Divisionen zunehmend populärer um diese sichtbarer zu machen und somit auch höhere Bewertungen zu erzielen.12 Prominente Beispiele hierfür sind die Trennung von eBay und PayPal im Jahr 2015, sowie die kürzlich vollzogene Abspaltung der Nutzfahrzeugsparte Traton von Volkswagen.

Demgegenüber lässt sich in der Bankenbranche jedoch trotz zahlreicher Untersuchungen und Diskussionen kein eindeutiges Ergebnis erkennen.13 Eine theoretische Betrachtung offenbart

1 Vgl. Brealey/Cooper/Kaplanis (2019), S. 1; Fraisse/Hombert/Lé (2018), S. 151; Ly/Shimizu (2018), S. 77. 2 Vgl. Dávila/Walther (2019), S. 1f; Sapci/Miles (2019), S. 1; Kozubovska (2017), S. 198; Zhu/Li/Li (2017), S. 342. 3 Vgl. Dávila/Walther (2019), S. 1f; Fraisse/Hombert/Lé (2018), S. 151. 4 Vgl. Abuzayed/Al-Fayoumi/Molyneux (2018), S. 17; Zhu/Li/Li (2017), S. 342; Sawada (2013), S. 40. 5 Vgl. Deev (2011), S. 36f. 6 Vgl. Elsas/Hackethal/Holzhäuser (2010), S. 1274; Wahrenburg (2010), S. 1. 7 Vgl. Butt (2013), S. 125ff. 8 Synonym verwendete Begriffe sind corporate discount, conglomerate discount, sowie die weniger häufigen Übersetzungen Konglomeratsabschlag und Bewertungsabschlag. 9 Vgl. Carpio/Guo (2018), S. 1. 10 Vgl. für einen Überblick zu bereits durchgeführten Studien zum Beispiel Beckmann (2006), S. 26ff. 11 Vgl. Wahrenburg (2010), S. 1ff. 12 Vgl. Carpio/Guo (2018), S. 1. 13 Vgl. Francis et al. (2018), S. 106; Armstrong/Fic (2014), S. 5; Chen/Lin (2009), S. 1.

Juli 2020 Manuel Noll 1/129

sowohl Argumente für Diversifizierung (bspw. economies of scope) als auch Argumente dagegen (bspw. agency costs).14 Die empirischen Befunde zeigen ein sehr heterogenes Bild: Für Banken die in mehreren Geschäftsfeldern tätig sind (wobei lediglich zwischen Commercial Banking und Investment Banking unterschieden wird) werden nicht nur ein discount sondern auch ein premium gefunden. Weiters unterscheiden sich die methodischen Vorgehensweisen (etwa die Wahl möglicher Einflussfaktoren) teils sehr stark voneinander. Auffällig ist, dass der Fokus vor allem auf der Frage liegt, ob diversifizierte Banken besser/schlechter bewertet werden als spezialisierte Banken. Konkret auf die Geschäftsfelder selbst (z.B. Wird Investment Banking besser bewertet als Commercial Banking?) wird nicht näher eingegangen. Insgesamt offenbart sich hier eine deutliche Forschungslücke.

Die vorliegende Arbeit legt das Augenmerk auf die Bewertung mittels aktienmarktbasierter Bewertungskennzahlen wie beispielsweise dem weit verbreiteten price-to-earnings ratio oder price-to-book value ratio. Aufgrund der einfachen Anwendbarkeit sowie der leicht verständlichen Ergebnisse genießen diese Kennzahlen(-vergleiche) eine hohe Popularität in der Praxis. Durch die Einbeziehung von Börsenkursen reflektiert diese Form der Bewertung zudem die aktuelle Marktstimmung. So lässt sich erkennen ob der Markt eine Bank besser oder schlechter bewertet als andere Institute.15 Darüber hinaus greifen auch Analysten in ihren Berichten über die Marktsituation sehr häufig auf diese Bewertungsmethode zurück, was die praktische Bedeutung weiter verdeutlicht.16

Relevanz erhält die Thematik aus zwei Blickwinkeln. Einerseits sind die Bewertungsaspekte für die Anteilseigener sowie das Management der betreffenden Bankinstitute von Interesse. Im Rahmen des value based management stehen demnach Wertsteigerungen (etwa durch den Aktienkurs) im Vordergrund, da diese mit entsprechenden Vorteilen für die Anteilseigner assoziiert werden.17 Andererseits lässt sich aber auch eine Relevanz für die Weiterentwicklung von regulatorischen Vorschriften erkennen. Vor allem seit der jüngsten Finanzkrise steht das aktuelle, von Universalbanken dominierte, Bankensystem in der Kritik und die Aufmerksamkeit gilt verstärkt der strukturellen Ausgestaltung.18 Falls sich etwa mögliche Bewertungsunterschiede auf das Risiko der verschiedenen Geschäftsfelder bzw. der entsprechenden Aktivitäten zurückführen lassen, ergeben sich so neue Anhaltspunkte für die Bankenregulierung.

14 Vgl. Schmid/Walter (2009), S. 194. 15 Vgl. Damodaran (2012), S. 453f. 16 Vgl. Forte/Gianfrate/Rossi (2018), S. 1; Deev (2011), S. 36. 17 Vgl. Dermine (2014), S. 126. 18 Vgl. Walter (2012), S. 114.

Juli 2020 Manuel Noll 2/129

1.2. Zielsetzung

Das Ziel dieser Masterarbeit besteht in der Aufarbeitung der theoretischen und empirischen Literatur zum Thema Bankengeschäftsfelder und wie diese am Markt bewertet werden, sowie etwaige Unterschiede bei der Bewertung mit einer eigenen empirischen Untersuchung darzulegen. Als Grundlage für die empirische Untersuchung soll insbesondere auf die Charakteristika der wesentlichen Geschäftsfelder und der wichtigsten aktienmarktbasierten Bewertungskennzahlen eingegangen werden. Im Kern der Arbeit geht es darum aufzuzeigen, ob die verschiedenen Geschäftsfelder auch verschieden bewertet werden (vor allem auch im Zeitablauf), wie die etwaigen Unterschiede erklärt werden können und welchen Einfluss die Wahl der Kennzahl auf das Ergebnis hat.

1.3. Forschungsfragen

Abgeleitet aus der Problemstellung und Zielsetzung der Arbeit wird folgende Hauptforschungsfrage formuliert:

Wie werden die verschiedenen Geschäftsfelder des Bankengeschäftes an der Börse bewertet und wie lassen sich mögliche Bewertungsunterschiede erklären?

Dazu werden die wichtigsten Bewertungskennzahlen im Rahmen einer empirischen Untersuchung angewendet, um hierdurch Unterschiede zwischen den Geschäftsfeldern aufzuzeigen. Durch Regressionsanalysen sollen auch mögliche Erklärungen dafür abgeleitet werden. Ausgehend von der Hauptforschungsfrage ergeben sich zudem folgende Subforschungsfragen:

Wie unterscheiden sich die Ergebnisse durch Anwendung der verschiedenen Bewertungskennzahlen?

Macht es, vor dem Hintergrund einer höheren Marktbewertung, für Banken Sinn, als Universalbank tätig zu sein?

Die Subforschungsfragen zielen darauf ab die Thematik weiter zu vertiefen und die Ergebnisse aus verschiedenen Perspektiven zu betrachten und dadurch detailliertere Einblicke zu erhalten. Die zweite Nebenforschungsfrage greift explizit den zurzeit beobachtbaren Trend hin zu Universalbanken auf und soll klären ob sich diese Entwicklung in den Marktbewertungen positiv niederschlägt.

Ergänzend zu den erläuterten Forschungsfragen wird noch eine Nebenforschungsfrage definiert:

Juli 2020 Manuel Noll 3/129

Haben sich die Aktienkurse von spezialisierten Banken und Universalbanken unterschiedlich entwickelt?

Diese Nebenforschungsfrage betrifft zwar nicht direkt die Marktbewertung, da jedoch die Aktienkurse bzw. die Preise ein wesentlicher Bestandteil der Bewertungskennzahlen sind, scheint die Frage interessant, ob sich die Aktienkurse von spezialisierten Banken anders entwickelt haben als jene der Universalbanken. Weiters soll untersucht werden, ob sich höher diversifizierte Universalbanken von niedriger diversifizierten Universalbanken in dieser Hinsicht unterscheiden.

1.4. Aufbau der Arbeit

Die Masterarbeit gliedert sich in einen theoretischen und einen empirischen Teil. Begonnen wird im theoretischen Teil mit einer Erläuterung der wesentlichen Geschäftsfelder des Bankengeschäfts. Im Fokus stehen dabei insbesondere deren Charakteristika wie etwa die üblichen Tätigkeiten, die in diesem Bereich durchgeführt werden. Anschließend werden die Grundlagen der Kennzahlenbewertung sowie die wichtigsten Bewertungskennzahlen präsentiert. Im Zentrum der Betrachtung stehen dabei neben der Berechnungsweise vorwiegend mögliche kritische Aspekte, die entsprechenden Werttreiber und wie sich die Ergebnisse gegebenenfalls steuern lassen. Den Abschluss des theoretischen Teils und gleichzeitig die Überleitung zum empirischen Teil bildet die Erläuterung des aktuellen Forschungsstandes zu dieser Thematik. Einleitend für den empirischen Teil werden zuerst die Datengrundlage sowie die methodische Vorgehensweise beschrieben. Anschließend werden die Ergebnisse der Untersuchung präsentiert. Im Anschluss werden die Ergebnisse unter Einbezug von theoretischen Aspekten diskutiert und die Forschungsfragen beantwortet. Zudem werden mögliche Limitationen aufgezeigt. Beendet wird die Masterarbeit mit einer Schlussbetrachtung, die nochmals kurz die Ergebnisse zusammengefasst, wesentliche Aspekte kritische beleuchtet sowie weiteren Forschungsbedarf aufgezeigt.

2. Die Geschäftsfelder des Bankengeschäfts

Bankdienstleistungen können grundsätzlich nach Art der angesprochenen Kundengruppe sowie nach Umfang der erbrachten Leistungen klassifiziert werden. Differenziert wird primär zwischen dem Individualgeschäft und dem Mengengeschäft, welches jeweils unterschiedliche Dienstleistungen bietet und auf unterschiedliche Kundengruppen abzielt.19 Diese Kundengruppen umfassen in der Regel institutionelle Kunden, Firmenkunden und Privatkunden.20 Insgesamt ergeben sich daraus eine Reihe von Geschäftsfeldern, die im Wesentlichen in die Bereiche Retail

19 Vgl. Voit (2002), S. 67. 20 Vgl. Bartmann/Nirschl/Peters (2011), S. 18; Koot (2005), S. 24f.

Juli 2020 Manuel Noll 4/129

Banking, Corporate Banking, Investment Banking und Private Banking21 (bzw. zusätzlich Universal Banking, bei dem Banken weitgehend alle Bankdienstleistungen anbieten22) unterteilt werden können. Diese Geschäftsfelder sollen im Folgenden näher erläutert werden.

2.1. Retail Banking

Das Retail Banking wird in der Regel als ein Teil des Privatkundengeschäfts23 gesehen.24 Die Kundengruppe Privatkunden kann weiter unterteilt werden in Mengenkunden und in vermögende Privatkunden.25 Dabei handelt es sich beim Erstgenannten um das klassische Retail Banking, das Geschäft mit den vermögenden Privatkunden wird eher dem Private Banking zugeordnet.26 Bemängelt wird in der Literatur jedoch das Fehlen einer eindeutigen und einheitlichen Definition für das Retail Banking.27 Eine ausführliche Definition bietet immerhin VOIT (2002), der das Mengengeschäft umschreibt als „stark Routineleistungen beinhaltende, auf hoher Standardisierung beruhende, wenig beratungsintensive massenhafte Geschäfte mit einer großen Vielzahl an Kunden, die weder hohes Einkommen noch großes Vermögen haben.“28 Trotz Ermangelung einer einheitlichen Begriffsbestimmung, lassen sich doch einige kennzeichnende, mit obiger Definition größtenteils übereinstimmende, Charakteristika aus der Literatur ableiten:

• Hoher Standardisierungsgrad der Dienstleistungen29 • Geringe Geschäftsvolumina30 • Ausrichtung auf die breite Bevölkerung und damit verbundene hohe Stückzahlen31

Zusammengefasst handelt es sich beim Retail Banking somit um Bankdienstleistungen, die sich an die breite Masse richten und durch einen hohen Standardisierungsgrad und eher geringem Volumen der einzelnen Geschäfte charakterisiert sind.

21 Vgl. Deev (2011), S. 36f. 22 Vgl. Jain (2013), S. 2f. 23 Teilweise werden auch, je nach den Kriterien der betreffenden Bank, kleinere Geschäfts- und Firmenkunden (nach Umsatzhöhe; wobei diese auch wieder bankspezifisch sein kann) zu den Retail Banking Kunden gezählt, vgl. Hartmann/Nirschl/Peters (2011), S. 18. 24 Vgl. Keck/Hahn (2006), S. 26; Friedrich (2002), S. 20. 25 Vgl. Bartmann/Nirschl/Peters (2011), S. 18; Voit (2002), S. 67. 26 Vgl. Koot (2005), S. 25. 27 Vgl. Bagbasi (2018), S. 31; Stöppel (2009), S. 5; Oehler (2004), S. 6. 28 Voit (2002), S. 67. 29 Vgl. Höllerich et al. (2015), S. 4; Schweizerische Bankiervereinigung (2010), S. 47; Schwamberger (2008), S. 3; Keck/Hahn (2006), S. 26; Koch (2006), S. 92; Oehler (2004), S. 6; Friedrich (2002), S. 20; Voit (2002), S. 67; Bernet/Schmid (1995), S. 50. 30 Vgl. Höllerich et al. (2015), S. 4; Bartmann/Nirschl/Peters (2011), S. 17; Schweizerische Bankiervereinigung (2010), S. 47; 31 Vgl. Schweizerische Bankiervereinigung (2010), S. 47; Schwamberger (2008), S. 3; Koch (2006), S. 92; Oehler (2004), S. 6; Voit (2002), S. 67.

Juli 2020 Manuel Noll 5/129

Üblicherweise werden Kunden bis zu einer gewissen Vermögensgrenze als Retail Banking Kunden bezeichnet.32 Diese Obergrenze ist jedoch sehr heterogen und je nach Bankinstitut verschieden.33 So gibt die SCHWEIZERISCHE BANKIERVEREINIGUNG (2010) für den Bankensektor in der Schweiz eine Schwankungsbreite dieser Obergrenze von etwa 250.000 bis 1 Million CHF an.34 Für den deutschen Bankensektor werden niedrigere Werte, aber nicht weniger große Schwankungsbreiten genannt. So finden sich Angaben zur Obergrenze von 50.000 bis 100.000 EUR35 oder 250.000 bis 500.000 EUR.36 Die Grenzen zum Private Banking sind somit fließend und überlagern sich auch teilweise.37

Die wesentlichen Dienstleistungen, die im Retail Banking üblicherweise angeboten werden, umfassen38:

• Kontoführung: Konten dienen im Wesentlichen als Basis für die Abwicklung des Zahlungsverkehrs sowie für Lohn- und Rentengutschriften. • Abwicklung des Zahlungsverkehrs: Dazu zählen etwa Überweisungen im In- und Ausland, Lastschriftverfahren und Daueraufträge. Auch der Vertrieb von Kreditkarten fällt in den Bereich des Zahlungsverkehrs. • Standardisierte Anlageprodukte: Mögliche Produkte sind Anlagefonds, Fondskonten, Festgeld- und Treuhandanlagen sowie Obligationen. Auch Produkte für die Altersvorsorge (beispielsweise Vorsorgesparen) werden angeboten. • Hypothekar- und Kreditgeschäft: Hypotheken sind langfristig angelegte Darlehen, bei denen ein Grundpfandrecht als Sicherheit dient; sie sind somit typische Produkte für die Anschaffung von Wohnraum. Ein weiteres bekanntes Produkt ist der Konsumkredit. Dieser richtet sich vorwiegend an Privatkunden und kann meist schneller und unkomplizierter beantragt werden als klassische Kredite.39 Diese sind jedoch meist nicht besichert, woraus höhere Zinssätze resultieren.40

Beachtet werden muss jedoch, dass eine klare Abgrenzung des Retail Banking zu anderen Bankdienstleistungen bzw. Geschäftsfeldern schwierig ist. Retail Banking zeichnet sich durch das Angebot von Basisleistungen aus; diese werden aber nicht nur von den Retail Kunden nachgefragt, sondern auch von anderen Kundengruppen.41 Entsprechend schreiben

32 Vgl. Bernet/Schmid (1995), S. 38. 33 Vgl. Koot (2005), S. 25. 34 Vgl. Schweizerische Bankiervereinigung (2010), S. 47. 35 Vgl. Bagbasi (2018), S. 31. 36 Vgl. Scholz (2007), S. 14. 37 Vgl. Faust (2019), S. 7. Siehe auch Kapitel 2.4., S. 12 für eine Erläuterung der Vermögensgrenzen. 38 Vgl. Schweizerische Bankiervereinigung (2010), S. 47ff. 39 Vgl. Keck/Hahn (2006), S. 26. 40 Vgl. Schweizerische Bankiervereinigung (2010), S. 48. 41 Vgl. Keck/Hahn (2006), S. 26.

Juli 2020 Manuel Noll 6/129

BERNET/SCHMID (1995): „Alle Kunden sind Retail Banking-Kunden – weil Retail Banking-Produkte die eigentlichen Grundbedürfnisse bezüglich Bankdienstleistungen eines jeden Bankkunden abdecken“.42 So können zwar weitergehende Leistungen nachgefragt werden, aber auch zum Beispiel sehr vermögende Kunden brauchen Basisleistungen wie etwa eine Kreditkarte oder die Durchführung von Überweisungen.43

2.2. Corporate Banking

Unter dem Begriff Corporate Banking wird grundsätzlich das Firmenkundengeschäft verstanden.44,45 Die Firmenkunden umfassen in der Regel kleine, mittlere und große Unternehmen, aber auch Freiberufler und Gewerbetreibende. Insgesamt dominieren aber die kleinen und mittleren Unternehmen deutlich dieses Kundensegment.46 Die relevanten Abgrenzungskriterien sind meist der Umsatz, Bilanzsumme und Mitarbeiteranzahl.47 Gelegentlich wird für dieses Geschäftsfeld auch die Bezeichnung Wholesale Banking verwendet, wobei dann meist das Geschäft mit großen Unternehmen gemeint ist48, jedoch ist auch eine synonyme Verwendung möglich.49

Grundsätzlich kann Corporate Banking definiert werden als Oberbegriff für alle Bankdienstleistungen, die Unternehmen oder ähnliche Institutionen benötigen und nachfragen, um täglich ihrem Geschäftszweck ausreichend nachkommen zu können.50 Welche Bankdienstleistungen sind das nun konkret? Wie bereits dargestellt, gilt im Retail Banking das Prinzip der Standardisierung. Im Gegensatz dazu ist jedoch im Corporate Banking Individualität erforderlich.51 Diese Individualität ergibt sich aus der Heterogenität der Firmenkunden, das heißt die Bedürfnisse variieren sehr stark innerhalb dieser Kundengruppe. So unterscheiden sich die Anforderungen von Unternehmen verschiedener Branchen. Auch die Größe eines Unternehmens hat einen maßgeblichen Einfluss darauf, welche Bankdienstleistungen nachgefragt werden. Große Unternehmen haben beispielweise Interesse an der Absicherung von Währungs- und Zinsrisiken; bei kleineren Unternehmen spielt dergleichen eine eher untergeordnete Rolle.52 Basisleistungen (klassische Retail Banking Produkte) wie etwa die Kontoführung werden aber natürlich von allen Firmenkunden nachgefragt; die Fehlerfreiheit dieser Leistungen gilt allerdings

42 Bernet/Schmid (1995), S. 38. 43 Vgl. Bernet/Schmid (1995), S. 38f. 44 Vgl. Michael/Abraham (2009), S. 64. 45 Gelegentlich wird unter dem Begriff Corporate Banking auch die Erbringung von Bankdienstleistungen durch Nichtbankunternehmen verstanden, vgl. hierzu beispielsweise Holzer (2017), S. 125ff und Jacob (1996), S. 1ff. Diese Auffassung soll jedoch nicht Gegenstand dieser Arbeit sein. 46 Vgl. Hamm-Beckmann/Kohl (2004), S. 18f. 47 Vgl. Decker/Ziese (2005), S. 241. 48 Vgl. Omarini (2014), S. 50. 49 Vgl. Ciolac (2009), S. 1233. 50 Vgl. Abeysekera/Wickramasinghe (2013), S. 83. 51 Vgl. Schmoll (2005), S. 145. 52 Vgl. Sponer (2012), S. 208f.

Juli 2020 Manuel Noll 7/129

als Grundvoraussetzung um überhaupt weitergehende Leistungen bei der betreffenden Bank nachzufragen. Diese weitergehenden Dienstleistungen werden dann zumeist auch von verschiedenen Spezialisten erbracht und nicht nur einem Kundenberater.53

Zu den typischen Leistungen im Corporate Banking zählen54:

• Zahlungsdienstleistungen: Abwicklung des Zahlungsverkehrs, Kreditkarten, Liquiditätsmanagement. • Kreditgeschäft: Vergabe von kurz- und langfristigen Krediten. • Über das reguläre Kreditgeschäft hinausgehende Maßnahmen: Hot Money, Geldmarktpapiere. • Risikomanagement: Absicherung von Zins-, Währungs- und Versicherungsrisiken.

Weiters können bei einem äußerst breiten Verständnis von Corporate Banking auch Mergers & Acquisitions Aktivitäten, Corporate Finance und Structured Finance dazugezählt werden.55 Üblicherweise werden diese Dienstleistungen aber unter dem Begriff Investment Banking zusammengefasst.56 Es zeigt sich somit, dass sich das Corporate Banking teilweise mit dem Investment Banking überschneiden kann. Beide Geschäftsfelder zielen in erster Linie auf Firmenkunden ab und je nachdem was konkret unter dem jeweiligen Geschäftsfeld verstanden wird bzw. welche Tätigkeitsfelder diesem zugeordnet werden, ist der Überschneidungsbereich eher kleiner oder größer.57

Insgesamt lässt sich festhalten, dass die Leistungen im Corporate Banking generell professioneller und qualitativ hochwertiger sind. Das hat mehrere Gründe: Im Vergleich zu Privatkunden nehmen Firmenkunden die (gleichartigen) Leistungen deutlich öfter in Anspruch und können aufgrund dieser Erfahrung die Qualität besser einschätzen und bei Unzufriedenheit zu einem anderen Anbieter wechseln. Somit haben die Banken mehr Anreiz qualitativ hochwertige Bankprodukte anzubieten. Retail Banking Kunden nutzen eher jene Leistungen, die ihnen im Rahmen einer Beratung empfohlen wird, wohingegen Firmenkunden bereits selbst ihren Bedarf an Bankdienstleistungen kennen. Weiters haben Firmenkunden in der Regel das nötige Knowhow um zum Beispiel Vertragskonditionen (besser) beurteilen zu können was insgesamt zu mehr Transparenz führt.58

53 Vgl. Fröhlich (2010), S. 55f. 54 Vgl. Modina/Polese (2008), S. 647. 55 Vgl. Modina/Polese (2008), S. 647. 56 Siehe hierzu Kapitel 2.3., S. 9ff. In dieser Arbeit wird der Ansicht gefolgt, dass die genannten Tätigkeitsfelder zum Investment Banking gehören. 57 Vgl. Bergmans (2007), S. 66ff. 58 Vgl. Omarini (2014), S. 50f.

Juli 2020 Manuel Noll 8/129

2.3. Investment Banking

Durch die Ermöglichung des Handels zwischen Investoren und Kapitalnehmern am Kapitalmarkt kann das Investment Banking grundsätzlich als die Finanzintermediation für Kapitalmarktaktivitäten (sowohl Primär- als auch Sekundärmarkt) verstanden werden. Im Gegensatz dazu bietet das Commercial Banking59 die Finanzintermediation durch Entgegennahme von Einlagen der Investoren bzw. Kapitalgeber und die anschließende Weitergabe an Kapitalnehmer in Form von Krediten.60 Dementsprechend kann das Investment Banking negativ abgegrenzt werden: „investment banking is whatever is not commercial banking“.61 Investment Banking ist demnach alles, was nicht von Commercial Banks (dt. etwa

Geschäftsbanken) angeboten wird. PAWELKA (2003) bezeichnet das Investment Banking auch „[…] als Oberbegriff für einen Komplex von Bankgeschäften mit ausgeprägtem Wertpapier- und Kapitalmarktbezug […].62

Eine genauere Definition des Begriffs Investment Banking gestaltet sich jedoch insgesamt schwierig, da das Geschäftsfeld durch eine hohe Komplexität und Heterogenität gekennzeichnet ist.63 Charakteristisch für die Dienstleistungen, die im Rahmen des Investment Bankings angeboten werden, ist ein ausgeprägter Individualisierungsgrad. Dieser ergibt sich aus dem umfangreichen Grad an Interaktion zwischen der Bank und dem Kunden im Leistungserstellungsprozess. Zudem sind die Problemstellungen, mit denen sich die Bank konfrontiert sieht, meist sehr individuell und komplex.64 Zusätzlich bringen auch Änderungen in den Informations- und Kommunikationstechnologien einen ständigen Wandel des Geschäftsfelds mit sich.65 Seit Jahren findet sich daher eine weitverbreitete, eher nichtssagende und recht breite Definition: „Investment Banking is what Investment Banks do“.66 Damit soll zum Ausdruck gebracht werden, dass aufgrund des sich ständig ändernden und umfangreicher werdenden Aufgabengebiets keine genaue Definition möglich ist und das Geschäftsfeld im Kontext der konkreten Tätigkeitsfelder betrachtet werden muss.67 Zu diesen zählen nach ACHLEITNER (2002)68:

59 Der Begriff Commercial Banking ist vor allem in den USA verbreitet. Der Begriff ist historisch geprägt und erlangte insbesondere durch die Erlassung des Glass-Steagall Acts im Jahr 1933, mit dem ein Trennbankensystem eingeführt wurde, eine große Bedeutung. Hiernach mussten sich Banken entscheiden, ob sie im Einlagen- und Kreditgeschäft (Commercial Banking) oder im Wertpapiergeschäft (Investment Banking) tätig sind. Für näheres vgl. beispielsweise Hockmann (2012), S. 20ff. Commercial Banking vereint somit in etwa die Leistungen, die üblicherweise im Retail und Corporate Banking angeboten werden. 60 Vgl. Schröder et al. (2012), S. 13. 61 Iannotta (2010), S. 3. 62 Pawelka (2003), S. 26. 63 Vgl. Reichert (2010), S. 19. 64 Vgl. Pawelka (2003), S. 27. 65 Vgl. Reichert (2010), S. 19. 66 Caspar et al. (2015), S. 50; Hockmann/Thießen (2012), S. 3; Zoller (2003), S. 82; Achleitner (2002), S. 9; Marshall/Ellis (1995), S. 5; Reicheneder (1992), S. 13. 67 Vgl. Schröder (2003), S. 46; Brinker (1998), S. 27 f. 68 Vgl. Achleitner (2002), S. 19f.

Juli 2020 Manuel Noll 9/129

• Mergers & Acquisitions (M & A): In diesem Bereich berät die Investmentbank ihre Kunden hinsichtlich geplanter Fusionen oder Übernahmen. Zu den üblichen Tätigkeiten gehören die Identifikation von geeigneten Unternehmen, Unternehmensbewertungen, die Durchführung/Begleitung von Verhandlungen, Gestaltung der Verträge sowie die Strukturierung der jeweiligen Finanzierung. • Corporate Finance bzw. Financial Advisory: Im Tätigkeitsbereich Corporate Finance geht es primär um die Gestaltung von Finanzierungen. Die Investmentbank begleitet hierbei etwa die Emission von Fremd- und Eigenkapital (Börsengänge, Kapitalerhöhungen, Umschichtungen von Fremdkapital). • Structured Finance: In diesem Gebiet steht die Finanzierung größerer Einzelprojekte im Vordergrund. Neben der Finanzierung selbst liegt auch die Vertragsgestaltung im Fokus. Komplexe steuerliche, rechtliche und finanzwirtschaftliche Aspekte müssen diesbezüglich beachtet werden. • Capital Markets: Die Bank unterstützt in diesem Bereich die Emission/Platzierung von Wertpapieren. Im Zentrum steht die Beratung der Emittenten sowie die Übernahme und Distribution der Wertpapiere an potenzielle Investoren. Das Gebiet kann weiter untergliedert werden in Equity Capital Markets (Eigenkapitaltitel) und Debt Capital Markets (Fremdkapitaltitel). • Sales & Trading: Dies ist der Verkaufs- und Handelsbereich. Im Sales werden Investoren hinsichtlich der Anlagestrategie und Disposition einzelner Wertpapiere beraten und unterstützt. Händler führen dann die entsprechenden Käufe und Verkäufe durch. Im Trading handelt die Bank auf eigene Rechnung mit Gewinnerzielungsabsicht (etwa durch Arbitrage und/oder Spekulation). • Asset Management: In diesem Bereich investiert die Investmentbank die Anlagegelder ihrer Kunden. Bei der Bildung der Kundenportfolios werden Risiko- und Renditeprofil, der Anlagehorizont sowie steuerliche und rechtliche Rahmenbedingungen miteinbezogen. Bei den Kunden handelt es sich um institutionelle Kunden (im Unterschied dazu werden beim Private Banking vermögende Privatkunden betreut). • Principal Investment: Investiert eine Investmentbank eigene Mittel in Anteile an anderen Unternehmen, so fällt das in den Bereich Prinicipal Investment. Durch Einflussnahme auf die Geschäftstätigkeit soll eine Wertsteigerung des jeweiligen Unternehmens erreicht werden. Die Motivation dahinter ist zumeist die anschließende, mit deutlichen Gewinnen verbundene, Weiterveräußerung des Unternehmensanteils.

Andere Autoren nehmen ebenfalls eine ähnliche (oder weniger umfassende) Einteilung der Tätigkeitsbereiche vor69 und auch in der Praxis (beispielsweise in den Geschäftsberichten oder

69 Vgl. zum Beispiel Schröder et al. (2012), S. 13ff; Pawelka (2003), S. 23ff; Brinker (1998), S. 28ff.

Juli 2020 Manuel Noll 10/129

Websites der Investmentbanken70) werden gleiche oder verwandte Begrifflichkeiten und Beschreibungen gewählt. Der dargestellte Überblick sollte daher im Wesentlichen die Tätigkeitsfelder des Investment Bankings gut abbilden.

2.4. Private Banking

Unter dem Begriff Private Banking wird grundsätzlich das Geschäft mit vermögenden Privatkunden verstanden.71 Im Gegensatz zum Retail Banking stehen hier individuelle Dienstleistungen und eine hohe Beratungsintensität im Vordergrund.72 In der Literatur findet sich zum Begriff Private Banking eine große Zahl an verschiedenen Definitionen, von denen hier zwei nachfolgend dargestellt werden:73

„Private Banking beinhaltet die Sicherung des Vermögens von High Net Worth Individuals – HNWI (vermögende Privatkunden), die Bereitstellung vermögensverwaltender Dienstleistungen und das Angebot von Investmentleistungen und Produkten, welche die

Bedürfnisse und Nachfrage vermögender Privatkunden decken sollen.“ KASPER (2001)74

„Private Banking ist das Bankgeschäft mit vermögenden Privatkunden, in dessen Rahmen individuelle und maßgeschneiderte Finanzdienstleistungen mit hoher Servicequalität zur Erfüllung der Bedürfnisse der anspruchsvollen Kundengruppe des jeweiligen Private

Banking Anbieters bereitgestellt werden.“ ZENZ-SPITZWEG (2007)75

Wie erkennbar ist, stellt der Fokus auf vermögende Privatkunden und das Angebot individueller Beratungs- und Serviceleistungen, die auf die spezifischen Bedürfnisse der Kunden abgestimmt sind, das kennzeichnende Kriterium dieses Geschäftsfelds dar.76 Grundsätzlich kann das Private Banking aber nicht über ein klares und eindeutiges Dienstleistungsangebot beschrieben werden.77

So schreibt TILMES (2002): „Private Banking definiert sich […] nicht nach einem dominierenden Produktbündel, sondern nach einer Betreuungs- und Servicekonzeption für Topkunden“.78 Im

70 So berichtet beispielsweise die Investmentbank Lazard die Geschäftssegmente Asset Management und Financial Advisory; die Investmentbank Piper Sandler (bis Juli 2019 Piper Jaffray) berichtet Capital Markets und Asset Management; die Investmentbank Evercore berichtete ihr Investment Banking Segment bis 2012 als Advisory und seit 2012 als Investment Banking. 71 Vgl. Meiers/Schilling/Baedorf (2011), S. 22. 72 Vgl. Horn (2009), S. 7; Höllerich et al. (2015), S. 4. 73 Für einen umfassenden Überblick verschiedenster Definitionen für den Zeitraum von 1990 bis 2008 vgl. Löber (2011), S. 22ff. 74 Kasper (2001), S. 23. 75 Zenz-Spitzweg (2007), S. 40. 76 Vgl. Faust (2019), S. 6. 77 Vgl. Löber (2012), S. 28. 78 Tilmes (2002), S. 60.

Juli 2020 Manuel Noll 11/129

Mittelpunkt des Private Banking steht somit in erster Linie eine qualitativ hochwertige Beratung und der Aufbau einer intensiven und langfristen Beziehung zum Kunden.79

Sehr oft werden zudem die Begriffe Private Banking und Privatbanken miteinander assoziiert80 oder sogar synonym verwendet.81 Privatbanken sind jedoch, unabhängig von ihrem Tätigkeitsbereich, lediglich Banken, die sich in privater Hand befinden. Für die Abgrenzung zu anderen Banken sind somit ausschließlich die Eigentumsverhältnisse maßgeblich.82 Private Banking wird daher sowohl von Privatbanken als auch von anderen Instituten angeboten.83

In der Praxis erfolgt innerhalb des Private Banking eine weitere Kundensegmentierung. In der Regel erfolgt diese aus Vereinfachungsgründen anhand der Höhe des Vermögens.84 Die (Vermögens-)Grenzen unterscheiden sich dabei von Bank zu Bank sehr stark.85 Zumeist wird das Private Banking in die folgenden drei bzw. vier Segmente (inklusive ungefährer Vermögensgrenzen zur besseren Orientierung) unterteilt86:

• [Affluents]: ab 100.000 EUR87/USD88, • High Net Worth Individuals (HNWI): ab 500.000 EUR89/$90, ab 1 Million EUR91 • Very High Net Worth Individuals (VHNWI): ab 1 Million EUR92, ab 5 Millionen EUR93/USD94, ab 10 Millionen EUR95 • Ultra High Net Worth Individuals (UHNWI): ab 25 Millionen EUR96, ab 30 Millionen EUR97, ab 50 Millionen EUR98/USD99

Generell ist festzuhalten, dass die Ansprüche der Kunden und damit der Umfang und die Qualität der Dienstleistungen mit dem zu veranlagenden bzw. verwalteten Vermögen steigen.100

79 Vgl. Morof (2014), S. 10. 80 Vgl. Echter (2008), S. 5. 81 Vgl. Tilmes/Schaubach (2006), S. 56ff. 82 Vgl. Wöhle (1999), S. 7. 83 Vgl. Echter (2008), S. 5. 84 Vgl. Howald (2007), S. 18. 85 Vgl. Echter (2008), S. 6. 86 Vgl. Echter (2008), S. 6. 87 Vgl. Gränitz (2016), S. 12; Löber (2012), S. 38; Echter (2008), S. 6; Zenz-Spitzweg (2007), S. 61. 88 Vgl. PricewaterhouseCoopers (2005), S. 4. 89 Vgl. Löber (2012), S. 38; Echter (2008), S. 6; Zenz-Spitzweg (2007), S. 61. 90 Vgl. PricewaterhouseCoopers (2005), S. 4. 91 Vgl. Gränitz (2016), S. 12. 92 Vgl. Echter (2008), S. 6. 93 Vgl. Löber (2012), S. 38. 94 Vgl. PricewaterhouseCoopers (2005), S. 4. 95 Vgl. Gränitz (2016), S. 12. 96 Vgl. Löber (2012), S. 38. 97 Vgl. Gränitz (2016), S. 12; Echter (2008), S. 6. 98 Vgl. Zenz-Spitzweg (2007), S. 61. 99 Vgl. PricewaterhouseCoopers (2005), S. 4. 100 Vgl. Höllerich et al. (2015), S. 5.

Juli 2020 Manuel Noll 12/129

Zum Segment Affluents sei noch zu erwähnen, dass dieses nicht mehr den Kriterien der Retail Banking Kunden entspricht und somit bereits in den Genuss erster Private Banking Dienstleistungen kommt. Die Individualität und Exklusivität des oberen Private Banking wird allerdings bei weitem noch nicht erreicht.101 Teilweise wird diese Kundengruppe auch zwischen dem Retail und Private Banking angesiedelt und als Potenzial- und Aufbaukundschaft betrachtet.102 Die Zuordnung zum Private Banking ist folglich nicht eindeutig (daher die Schreibweise in eckigen Klammern).

Im Allgemeinen folgt das Angebot im Private Banking einem ganzheitlichen Ansatz. Die Kunden erfahren Unterstützung und Beratung in allen Aspekten mit Vermögensbezug.103 Zu den wesentlichen Dienstleistungen bzw. Tätigkeitsfeldern zählen:

• Anlageberatung: Im Rahmen dieser Dienstleistung werden Kunden hinsichtlich ihrer Wertpapieranlagen (Aktien, Anleihen, etc.) beraten. Die Bank berät jedoch lediglich bzw. unterstützt beim Transaktionsprozess, die Anlageentscheidungen selbst trifft der Kunde.104 • Vermögensverwaltung: Die Vermögensverwaltung ist als Erweiterung der Anlageberatung zu verstehen, bei der die Entscheidungsbefugnis über das Portfolio auf die Bank übertragen wird (unter Berücksichtigung etwaiger Einschränkungen durch den Kunden, z.B. nicht in Aktien der Rüstungsindustrie investieren).105 Zusammen mit der Anlageberatung stellt die Vermögensverwaltung die wichtigste Dienstleistung im Private Banking dar.106 • Erbschafts- und Nachfolgeplanung: Besonders für unternehmerisch tätige Kunden nimmt diese Dienstleistung eine zentrale Rolle ein. Durch komplexe familiäre und finanzielle Verhältnisse ergeben sich vielfältige Problematiken. Beachtet werden müssen insbesondere das Steuerrecht sowie ausländisches Recht und deren Zusammenspiel.107 • Financial Planning: Dabei handelt es sich in der Regel um eine Finanz- und Vermögensstrukturplanung.108 Im Rahmen dieser Leistung sollen die finanziellen Ziele des Kunden ermittelt werden und festgelegt werden, wie diese erreicht werden können.109 Dieser Prozess ist dabei wesentlich komplexer als jener der Anlageberatung. Als Anlage kommen ergänzend zu den klassischen Wertpapieren auch etwa Immobilien oder Unternehmensbeteiligungen in Form von Private Equity in Betracht.110

101 Vgl. Koye (2005), S. 74f. 102 Vgl. Meiers/Schilling/Baedorf (2012), S. 24f. 103 Vgl. Faust (2019), S. 17; Echter (2008), S. 7. 104 Vgl. Echter (2008), S. 7; Zenz-Spitzweg (2007), S. 43. 105 Vgl. Faust (2019), S. 16; Echter (2008), S. 7f; Zenz-Spitzweg (2007), S. 44. 106 Vgl. Howald (2007), S. 27; Zenz-Spitzweg (2007), S. 43. 107 Vgl. Faust (2019), S. 18f. 108 Vgl. Zenz-Spitzweg (2007), S. 45. 109 Vgl. Howald (2007), S. 28; Tilmes (2002), S. 31. 110 Vgl. Stapfer (2005), S. 37f.

Juli 2020 Manuel Noll 13/129

• Family Office: Dabei handelt es sich um ein sehr umfangreiches Dienstleistungsangebot bei der eine ganze Familie als Kunde betreut wird. Durch mehrere Experten (Vermögensverwalter, Steuerberater, etc.) wird hier das gesamte Vermögen (nicht nur das Finanzvermögen) verwaltet.111 Typische Leistungen sind etwa Vermögensverwaltung, Immobilienmanagement, Liquiditätsmanagement oder Beteiligungsmanagement.112 Auch Unterstützung im alltäglichen Leben (etwa Reisebuchungen) oder Beratung im Rahmen der unternehmerischen Tätigkeit der Familie zählt zum Leistungsangebot. Das Family Office richtet sich naturgemäß an Kunden im oberen Vermögensbereich (im Bereich der UHNWI).113

Oft findet sich im Zusammenhang mit Private Banking auch der Begriff Wealth Management. Der Gebrauch der Termini erfolgt sowohl synonym aber auch abgrenzend.114 So wird das Wealth Management sowohl als besondere Leistung des Private Banking gesehen, die sich an besonders vermögende Kunden richtet115, aber auch als Dienstleistung, die über das Private Banking hinausgeht.116 Auch eine Gleichsetzung mit dem Financial Planning findet sich gelegentlich.117,118

2.5. Universal Banking

Das Universal Banking stellt ein integriertes Geschäftsmodell dar, bei dem eine Bank grundsätzlich alle Bankgeschäfte anbietet. Folglich werden von einer Bank Retail Banking, Corporate Banking, Investment Banking und Private Banking angeboten.119 Dementsprechend kann das Universal Banking als „a range of financial services comprising deposit-taking and lending, trading of financial instruments and foreign exchange (and their derivatives), underwriting of new debt and equity issues, brokerage, investment management, and insurance”120 definiert werden. Charakterisierend für das Universal Banking ist somit eine hohe Diversifizierung innerhalb des Leistungsangebots.121 Zumeist wird dieses Geschäftsmodell nur von den eher größeren Banken angeboten.122

111 Vgl. Meiers/Schilling/Baedorf (2012), S. 23f. 112 Vgl. Faust (2019), S. 19f. 113 Vgl. Höllerich et al. (2015), S. 5. 114 Vgl. Hetzel (2013), S. 20; Meiers/Schilling/Baedorf (2012), S. 22f; Zenz-Spitzweg (2007), S. 61. 115 Vgl. Echter (2008), S. 5. 116 Vgl. Höllerich et al. (2015), S. 3; Zenz-Spitzweg (2007), S. 61. 117 Vgl. Howald (2007), S. 28. 118 Für die Untersuchung im empirischen Teil dieser Arbeit wird das Wealth Management als Synonym von Private Banking betrachtet, da eine zu starke Trennung es unmöglich macht für jeden Bereich darauf spezialisierte, börsennotierte Banken zu identifizieren. Zudem überschneiden sich die Leistungsbereiche ohnehin sehr stark. 119 Vgl. Schweizerische Bankiervereinigung (2010), S. 36ff. 120 Saunders/Walter (1994), S. 84. 121 Vgl. Corvalan (2012), S. 158. 122 Vgl. Schweizerische Bankiervereinigung (2010), S. 46.

Juli 2020 Manuel Noll 14/129

In Anlehnung an das U.S.-amerikanische Bankensystem bzw. die dort vorherrschende Terminologie kann das Universal Banking auch als eine Kombination von Commercial Banking (hauptsächlich Kredit- und Einlagengeschäft) und Investment Banking (hauptsächlich Handels- und Emissionsgeschäft) verstanden werden.123

Aus einer theoretischen Betrachtung heraus integrieren diese als Universalbanken bezeichneten Kreditinstitute demnach alle Bankdienstleistungen in einer Bank. In der Praxis haben Universalbanken aber meist eine große Zahl verschiedener Tochterunternehmen, die als rechtlich eigenständige Banken in einem Bereich tätig sind und unter einer Bank Holding vereinigt werden.124 Insofern scheint es erforderlich, die Definition einer Universalbank zu erweitern. Losgelöst von der angebotenen Produktvielfalt ist daher auch das Halten von Mehrheitsbeteiligungen zur Einflussnahme ein entscheidendes Charakteristikum des Universal Banking.125

Zusammengefasst sind Universalbanken im Gegensatz zu den Spezialbanken, die im Wesentlichen in lediglich einem Geschäftsfeld tätig sind, nicht auf einen Bereich spezialisiert.126 Auf eine genaue Darstellung der wesentlichen Dienstleistungen, die von Universalbanken angeboten werden, soll an dieser Stelle verzichtet werden. Wie eingangs in diesem Kapitel erwähnt, sind Universalbanken grundsätzlich in allen Geschäftsfeldern vertreten. Für eine Erläuterung des Leistungsangebots wird daher auf die vorherigen Kapitel verwiesen.

3. Der relative Bewertungsansatz

Im Folgenden werden die Grundlagen der relativen Bewertung (Wertermittlung durch Vergleich) erläutert. Anschließend wird näher auf die in der empirischen Literatur geläufigsten Bewertungskennzahlen für Banken eingegangen. Diese sind dann auch für die empirische Untersuchung dieser Arbeit relevant. Da der Fokus dieser Arbeit darauf liegt, wie die Banken relativ zueinander an der Börse bewertet werden, werden lediglich die Bewertungskennzahlen selbst betrachtet. Auf die Ermittlung von absoluten Werten (etwa im Rahmen der Multiplikatormethode, bei der die Bewertungskennzahlen die Grundlage bilden) soll nicht weiter eingegangen werden.

3.1. Theoretische Grundlagen

Die bekannteste und am Häufigsten verwendete Form der Bewertung stellen die Discounted Cash Flow (DCF) Verfahren dar, bei der die zukünftigen zu erwartenden Zahlungsmittelüberschüsse

123 Vgl. Dietrich/Vollmer (2012), S. 123. 124 Vgl. Dietrich/Vollmer (2012), S. 123. 125 Vgl. Jeffers/Plihon (2014), S. 3; Steinherr (1996), S. 4; Calomiris (1995), S. 1. 126 Vgl. Knaese (2004), S. 88.

Juli 2020 Manuel Noll 15/129

mit einem entsprechenden Kapitalkostensatz diskontiert werden. Da diese Methode sehr komplex und aufwendig ist, hat sich als Alternative zu dieser Vorgehensweise die Verwendung von Bewertungskennzahlen etabliert. Hier wird meist der Aktienkurs ins Verhältnis zu einer anderen fundamentalen Größe (Gewinn, Buchwert des Eigenkapitals, etc.) gesetzt und diese Kennzahl dann mit denen von anderen Unternehmen verglichen. Um die einwandfreie Anwendbarkeit zu gewährleisten, müssen daher die entsprechenden Daten auch bei vergleichbaren Unternehmen möglichst problemlos zu ermitteln sein. Diese Form der Bewertung ist somit als relative Bewertung zu verstehen, da die Werte immer relativ zu anderen Unternehmen ermittelt werden.127 Die Kennzahlenermittlung dient gleichzeitig als Standardisierung des Aktienpreises (Darstellung als ein Vielfaches einer fundamentalen Größe), da sonst eine Vergleichbarkeit des Preises nicht gegeben ist.128 Der Grundgedanke des relativen Bewertungsansatzes ist, dass ähnliche oder zumindest annähernd vergleichbare Unternehmen auch einen ähnlichen Wert haben sollten.129 Da am Kapitalmarkt bzw. an der Börse beobachtbare Preise in diese Bewertungsmethode miteinfließen, ist diese Form der Bewertung überdies als kapitalmarktorientierte Bewertung zu verstehen.130 Die zentralen Grundannahmen des relativen Bewertungsansatzes fußen auf der Informationseffizienz an den Börsen.131 Aufgrund der Annahme, dass die Finanzmärkte zumindest grundsätzlich informationseffizient sind132, wird bei den dort zustande kommenden Marktpreisen davon ausgegangen, dass diese auch annähernd die tatsächlichen/wahren Werte widerspiegeln.133

In diesem Zusammenhang muss beachtet werden, dass die DCF Verfahren zum Ziel haben, den inneren Wert eines Unternehmens, in Abhängigkeit von seinem Risiko, Cash Flow - und Wachstumspotential, zu bestimmen. Im Gegensatz dazu bedient sich die relative Bewertung der Aktienkurse (und somit der Marktpreise) von Unternehmen.134 Diese Bewertung ist daher auch als Marktbewertung zu verstehen.135

Da für die Berechnung der Kennzahlen lediglich vergleichsweise problemlos und schnell zu beschaffende Informationen benötigt werden, besticht diese Form der Bewertung durch

127 Vgl. Larsen (2008), S. 321f. 128 Vgl. Damodaran (2012), S. 453; Sehgal/Pandey (2010), S. 90. 129 Vgl. Massari/Gianfrate/Zanetti (2014), S. 123. 130 Vgl. Massari et al. (2018), S. 53; Deev (2011), S. 35, Gröger (2009), S. 18. 131 Vgl. Gross (2006), S. 30f. 132 In welchem Ausmaß die Kapitalmärkte informationseffizient sind, ist dabei jedoch stark umstritten. Einigkeit herrscht zumeist darüber, dass zumindest eine schwache Informationseffizienz (vergangene Kursdaten sind bereits eingepreist) vorliegt. Eine halbstrenge/mittelstarke Informationseffizienz (öffentliche, fundamentale Informationen sind bereits eingepreist) wird kontrovers diskutiert und ist Gegenstand der Forschung. Bezüglich der strengen/starken Informationseffizienz (alle kursrelevanten Informationen sind bereits eingepreist) besteht im wissenschaftlichen Diskurs weitestgehend Einigkeit darüber, dass diese nicht vorliegt. Vgl. hierzu Steiner/Bruns/Stöckel (2017), S. 41ff. 133 Vgl. Massari et al. (2018), S. 54. 134 Vgl. Froidevaux (2004), S. 15f. 135 Vgl. Deev (2011), S. 36.

Juli 2020 Manuel Noll 16/129

Einfachheit in der Anwendung.136 Zudem spiegelt dieser Bewertungsansatz durch den Kapitalmarktbezug am ehesten die allgemeine Marktstimmung und -wahrnehmung wider.137 Gleichzeitig soll damit auch eine hohe Objektivität erreicht werden. Voraussetzung hierfür ist jedoch ein ausreichendes Handelsvolumen.138 Diese Vorteile werden allerdings mit einer Reihe von Nachteilen bezahlt. Dazu zählt unter anderem, dass nicht mehr als ein Werttreiber (der Nenner der Kennzahl) berücksichtigt werden kann. Das kann im Ergebnis zu erheblichen Verzerrungen führen. So kann ein Unternehmen durch Berücksichtigung des Werttreibers A scheinbar überbewertet sein, während durch Verwendung des Werttreibers B eine Unterbewertung vorliegen zu scheint.139 Für ein aussagekräftigeres Bild sollten daher verschiedene Kennzahlen verwendet werden.140

Grundsätzlich wird bei den börsenbasierten Bewertungskennzahlen zwischen equity value ratios bzw. multiples und entity/enterprise value ratios bzw. multiples141 unterschieden. Erstere dienen der Bewertung des Eigenkapitals und ziehen den Aktienkurs bzw. die Marktkapitalisierung heran. Hingegen sollen Zweitere das gesamte Unternehmen bewerten. Dazu wird anstatt des Aktienkurses bzw. der Marktkapitalisierung der enterprise value herangezogen.142 Dieser entspricht der Marktkapitalisierung (Marktwert des Eigenkapitals) zuzüglich des Marktwerts der Schulden.143 Letzterer ist jedoch in der Praxis sehr schwer zu ermitteln, da die Schulden im Gegensatz zu den Eigenkapitalanteilen nicht an einem geregelten Markt gehandelt werden. Aus Praktikabilitätsgründen wird daher auf den Buchwert zurückgegriffen, was jedoch nicht ohne Kritik bleibt. So bleiben etwa Zinsänderungen oder sich ändernde Kreditausfallsrisiken des Marktumfeldes ohne Berücksichtigung.144 Dennoch sollte die Verwendung von entity/enterprise value ratios theoretisch besser für die Bewertung geeignet sein, da sie weniger stark von unterschiedlichen Kapitalstrukturen beeinflusst werden. Unter Berücksichtigung der genannten Restriktionen zeigt sich in der Praxis dennoch ein anderes Bild: Insgesamt führen equity value ratios zu genaueren Ergebnissen und spiegeln die tatsächlichen Marktwerte besser wider, was auch in einer breiteren Verwendung dieser Kennzahlen resultiert.145 Die Eigenkapitalbewertung scheint daher für den relativen Bewertungsansatz besser geeignet zu sein.146

136 Vgl. Larsen (2008), S. 322. 137 Vgl. Inezwari (2013), S. 73. 138 Vgl. Nowak (2003), S. 159. 139 Vgl. Forte/Gianfrate/Rossi (2018), S. 2. 140 Vgl. Larsen (2008), S. 322. 141 Die Begriffe ratio (Kennzahl; Verhältnis) und multiple (Vielfaches, Multiplikator) werden in der Literatur synonym verwendet. Im Folgenden wird jedoch auf den Begriff ratio zurückgegriffen. 142 Vgl. Schreiner/Spremann (2007), S. 6f. 143 Vgl. Damodaran (2012), S. 501. 144 Vgl. Schreiner/Spremann (2007), S. 8. 145 Vgl. Schreiner/Spremann (2007), S. 16f. 146 Vgl. Bhojraj/Lee (2002), S. 407f.

Juli 2020 Manuel Noll 17/129

Es gibt in der Praxis eine schier endlose Anzahl möglicher Bewertungskennzahlen; die Sinnhaftigkeit ist jedoch oft fraglich und unterscheidet sich auch stark je nach Anwendungszweck.147 Vor diesem Hintergrund lassen sich für die Bankenbrache einige Einschränkungen feststellen. Weit verbreitet sind Kennzahlen, die das EBIT oder EBITDA als relevante Größen beinhalten. Populäre Vertreter sind hier das enterprise value-to-EBIT ratio und das enterprise value-to-EBITDA ratio. Diese erweisen sich jedoch als ungeeignet für die Bewertung von Banken, da der Zinsertrag, welcher eine bedeutsame Ertragsquelle für Banken ist, in diesen Größen nicht enthalten ist. Die Anwendung der genannten Kennzahlen wäre demnach zwar möglich, aber nicht sinnvoll. Bei den equity value ratios finden sich typischerweise das price- to-earnings ratio (P/E ratio), das price-to-book value ratio (P/BV ratio) und das price-to-sales ratio. Da Banken jedoch zumeist keine Umsätze (sales) im eigentlichen Sinn haben, ist letztere Kennzahl für die Bankenbewertung unzweckmäßig.148 Als Variation der P/BV ratio ist auch das price-to-tangible book value ratio (P/TBV ratio) in der Praxis beliebt. Hier werden die immateriellen Vermögensgegenstände abgezogen und so lediglich die materiellen (und meist liquideren)

Vermögengegenstände bewertet.149 MASSARI ET AL. (2018) nennen speziell für den Bankensektor noch weitere Kennzahlen, die sich bei genauerer Betrachtung allerdings als wenig geeignet herausstellen und daher auch selten verwendet werden. Die Kennzahl price-to-deposits ratio zieht zur Berechnung die Höhe der Einlagen einer Bank heran. Da diese als wesentlicher Faktor für die Ertragskraft einer Bank fungieren (Zinsen), erscheint dieser Ansatz grundsätzlich als sinnvoll. In Zeiten von stark diversifizierten Banken mit Geschäftsaktivitäten, die auch Provisionsüberschüsse generieren, ist diese Vorgehensweise jedoch nicht mehr zweckmäßig. Ebenfalls sind das price- to-revenues ratio und das price-to-dividends ratio mögliche Bewertungskennzahlen. Erstere ist jedoch aufgrund der Nichtberücksichtigung der Kostenstruktur sowie des Risikos nicht empfehlenswert. Zweitere Kennzahl wird erheblich durch das Ausschüttungsverhalten beeinflusst, was akkurate Vergleiche nahezu unmöglich macht.150

Als die verbreitetsten Kennzahlen bei der Bankbewertung werden demnach das P/E ratio, das P/BV ratio und das P/TBV ratio genannt.151 In der empirischen Bewertungsliteratur wird zudem recht häufig die Kennzahl Tobin’s q bzw. aus Vereinfachungsgründen abgewandelte Formen der ursprünglichen Version verwendet.152 Diese vier Kennzahlen werden daher im Folgenden näher erläutert und in weiterer Folge in der empirischen Untersuchung verwendet.

147 Vgl. Heese (2011), S. 29 148 Vgl. Damodaran (2012), S. 500ff. 149 Vgl. Massari et al. (2018), S. 54. 150 Vgl. Massari et al. (2018), 54f. 151 Vgl. Massari et al. (2018), S. 54f; Beltrame/Previtali (2016), S. 31. 152 Eine vereinfachte Form wird auch in dieser Arbeit verwendet, siehe hierzu Kapitel 3.2.4., S. 25.

Juli 2020 Manuel Noll 18/129

3.2. Die einzelnen Bewertungskennzahlen

3.2.1. Price-to-earnings ratio

Das price-to-earnings ratio153 ist die am meisten verbreitetste Bewertungskennzahl.154 Der Grund dafür liegt in der relativ einfachen und intuitiven Berechnungsweise. So wird neben dem, auf den ersten Blick objektiven, Gewinn lediglich der Aktienkurs benötigt, der von verschiedenen Anbietern in Echtzeit bereitgestellt wird.155 Die Formel zur Berechnung lautet wie folgt:

푆ℎ푎푟푒 푝푟푖푐푒 푃/퐸 푟푎푡푖표 = 퐸푎푟푛푖푛푔푠 푝푒푟 푠ℎ푎푟푒 (퐸푃푆)

Der Aktienkurs (share price) wird ins Verhältnis zum Gewinn pro Aktie (earnings per share bzw. EPS) gesetzt. Alternativ kann auch die Marktkapitalisierung ins Verhältnis zum gesamten Gewinn gesetzt werden.156 Betrachtet werden soll im Folgenden lediglich das historische P/E ratio, welche aus den Aktienkursen und Gewinnen der Vergangenheit berechnet wird.157

Interpretiert werden kann die Kennzahl auf verschiedene Arten. Das Ergebnis gibt eine Antwort auf die Frage, wie viele Jahre ein bestimmter Gewinn erzielt werden muss, um einem Investor die Refinanzierung des Aktienpreises zu ermöglichen (unter der Prämisse einer stets gleichbleibenden und vollständigen Ausschüttung). Ein niedriges P/E ratio scheint somit aus Investorensicht vorteilhafter zu sein, da diese so schneller ihre Investition zurückerhalten.158 Ebenso kann das P/E ratio als das Vielfache des Gewinnes, das aktuell an der Börse gezahlt wird, betrachtet werden.159

Insgesamt ist die Frage, ob ein Unternehmen nun über- oder unterbewertet ist (im Vergleich zum Branchendurchschnitt), jedoch nicht so einfach zu beantworten.160 So kann die Kennzahl recht einfach manipuliert bzw. gesteuert werden, wodurch das Ergebnis verzerrt wird und die Vergleichbarkeit leidet.161 Schwierigkeiten bereiten etwa Wahlrechte oder ein generell hoher Ermessensspielraum in der Rechnungslegung.162 So können Banken etwa durch Erhöhung der Risikovorsorge, die sich dann im Zuge der Gewinn- und Verlustrechnung im Jahresgewinn niederschlägt, das P/E ratio nach oben treiben. Diese Verzerrungen sind auch schwer zu bereinigen, da von außen meist kein Zugang zu internen Regelungen (z.B. Risikopolitik) besteht;

153 Im Deutschen wird auch der Begriff Kurs-Gewinn-Verhältnis verwendet. 154 Vgl. Forte/Gianfrate/Rossi (2018), S. 3; Hasler (2011), S. 305; Brunner (2009), S. 29; Heidorn/Weier (2001), S. 3. 155 Vgl. Hasler (2011), S. 305f. 156 Vgl. Massari et al. (2018), S. 55; Albrecht/Maurer (2016), S. 315f; Hasler (2011), S. 306. 157 Vgl. Heidorn/Weier (2001), S. 3. 158 Vgl. Mondello (2017), S. 443; Hasler (2011), S. 306; Priermeier (2006), S. 36. 159 Vgl. Brunner (2009), S. 29. 160 Vgl. Hasler (2011), S. 312. 161 Vgl. Gross (2006), S. 30. 162 Vgl. Nguyen/Schüßler (2010), S. 126; Schacht/Fackler (2009), S. 267; Heidorn/Weier (2001), S. 7.

Juli 2020 Manuel Noll 19/129

die Vergleichbarkeit der Kennzahl sinkt somit im Ergebnis.163 Ein weiterer Nachteil ist, dass unterschiedliche Kapitalstrukturen bzw. Verschuldungsgrade nicht berücksichtigt werden. So ist ein höherer Fremdkapitalanteil auch automatisch mit einem höheren Risiko verbunden.164 Investoren könnten daher Aktien von hoch verschuldeten Unternehmen meiden; diese geringere Nachfrage resultiert dann in einem geringeren Aktienpreis der sich in der Folge in einem niedrigeren P/E ratio niederschlägt.165 Umgekehrt kann ein höherer Verschuldungsgrad aber auch zu einem höheren P/E ratio führen. Da beim Gewinn die Fremdkapitalzinsen bereits abgezogen sind, ist dieser umso niedriger je höher der Fremdkapitalanteil bzw. die darauf entfallenen Zinsen sind (im Vergleich zu einem vergleichbaren Unternehmen mit hoher oder sogar vollständiger Eigenfinanzierung). Durch den kleineren Nenner steigt daher die Kennzahl. Ob sich ein höherer Verschuldungsgrad nun in der Praxis in einer höheren oder niedrigeren Kennzahl äußert, ist somit nicht eindeutig; tatsächlich scheint aber das höhere Risiko der ausschlaggebende Faktor zu sein.166 Des Weiteren wirken sich auch außergewöhnliche Erträge und Aufwendungen verzerrend auf das P/E ratio aus. Da diese nicht regelmäßig und außerhalb der gewöhnlichen Geschäftstätigkeit auftreten, ist es zu erwarten, dass sie auch an der Börse nicht nennenswert bepreist werden. Sie beeinflussen jedoch den Gewinn, was das P/E ratio signifikant nach oben/unten verändern kann.167 Eine weitere Quelle für mögliche Verzerrungen sind unterschiedlich Steuergesetze bzw. Steuerbelastungen (insbesondere auch Verlustvorträge) sowie Abschreibungen.168

Beachtet werden muss auch, dass das P/E ratio nur einen positiven Wert annehmen kann. Im Falle eines Verlustes wird somit keine Kennzahl angegeben169, da eine negative Kennzahl keine Aussagekraft hat.170 So wäre ein Unternehmen aus Sicht des Marktes wertlos, wenn die Kennzahl einen Wert von 0 oder weniger hätte, was allerdings nicht der Realität entspricht.171 Auch geringe Gewinne (etwa verursacht durch die erwähnten Beträge für die Risikovorsorge, die auch extreme Ausmaße annehmen können172) führen zu P/E ratios mit geringem Informationsgehalt, da sie die Kennzahl stark nach oben verzerren.173 Insbesondere in wirtschaftlich unruhigen Zeiten (Rezession) sind niedrige Gewinne keine Seltenheit. Durch die daraus resultierenden sehr hohen

163 Vgl. Gross (2006), S. 30f. 164 Vgl. Koller/Goedhart/Wessels (2015), S. 337f; Hasler (2011), S. 322. 165 Vgl. Nyaata (2009), S. 2. 166 Vgl. Mondello (2017), S. 444ff. 167 Vgl. Massari et al. (2018), S. 55. 168 Vgl. Heese (2011), S. 66f; Heidorn/Weier (2001), S. 7. 169 Vgl. Hasler (2011), S. 307; Schacht/Fackler (2009), S. 267; Priermeier (2006), S. 39. 170 Vgl. Forte/Gianfrate/Rossi (2018), S. 3; Massari et al. (2018), S. 55; Schacht/Fackler (2009), S. 267. 171 Vgl. Heese (2011), S. 67. 172 Vgl. Forte/Gianfrate/Rossi (2018), S. 3; Dermine (2008), S. 3. 173 Vgl. Forte/Gianfrate/Rossi (2018), S. 3; Massari et al. (2018), S. 55.

Juli 2020 Manuel Noll 20/129

P/E ratios geht die Aussagekraft verloren.174 So nennt POHLÜCKE eine P/E ratio von 30 als Grenze, bei der noch sinnvolle Interpretationen möglich sind.175

Obwohl das P/E ratio in der Praxis sehr beliebt ist, wird sie in der wissenschaftlichen Literatur aufgrund der oben erläuterten Schwächen als eher wenig geeignete Bewertungskennzahl für Unternehmen im Allgemeinen, aber auch speziell Banken, angesehen.176

3.2.2. Price-to-book value ratio

Das price-to-book value ratio177 gehört wie das P/E ratio zu den am meisten verwendeten Kennzahlen. Aufgrund der Berechnungsweise eignet sich die Kennzahl insbesondere für kapitalintensive Branchen wie den Bankensektor.178 Die folgende Formel zeigt die Berechnungsweise:

푆ℎ푎푟푒 푝푟푖푐푒 푃/퐵푉 푟푎푡푖표 = 퐵표표푘 푣푎푙푢푒 표푓 푒푞푢푖푡푦 푝푒푟 푠ℎ푎푟푒 (퐵푉푃푆)

Die Kennzahl errechnet sich durch Division des Aktienkurses (share price) durch den Buchwert des Eigenkapitals je Aktie (book value of equity per share bzw. BVPS). Analog zum P/E ratio kann auch hier als Alternative die Marktkapitalisierung ins Verhältnis zum Buchwert des Eigenkapitals gesetzt werden.179 Das Eigenkapital ist der Unterschiedsbetrag des Buchwerts der Vermögensgegenstände und der Verbindlichkeiten bzw. Schulden.180

Die Kennzahl sagt aus, wie der Markt das in ein Unternehmen investierte Kapital bewertet. Ein P/BV ratio von weniger als 1 deutet auf eine Unterbewertung hin, da hier der Markt das Eigenkapital mit weniger als seinem Buchwert bewertet.181 Ebenso kann das P/BV ratio als ein Maß für den potenziellen Auf- oder Abschlag angesehen werden, den Investoren für das in das Unternehmen investierte Kapital bereit sind zu zahlen.182 Grundsätzlich sollte der Marktwert des Eigenkapitals bzw. der Aktienpreis die Erwartungen der Investoren hinsichtlich zukünftiger Erträge wiederspiegeln.183 Je höher demnach die erwarteten Erträge sind, desto höher das P/BV ratio.184

174 Vgl. Schacht/Fackler (2009), S. 267. 175 Vgl. Pohlücke (2006), S. 281. 176 Vgl. Massari et al. (2018), S. 55; Hasler (2011), S. 329ff; Dermine (2008), S. 3; Baecker/Gleißner/Hommel (2007), S. 116; Gross (2006), S. 31; Born (2003), S. 156; Audörsch (2000), S. 20. 177 Im Deutschen wird auch der Begriff Kurs-Buchwert-Verhältnis verwendet. 178 Vgl. Massari et al. (2018), S. 54. 179 Vgl. Hasler (2013), S. 98; Inezwari (2013), S. 77; Damodaran (2012), S. 512; Schacht/Fackler (2009), S. 265. 180 Vgl. Damodaran (2012), S. 511. 181 Vgl. Schacht/Fackler (2009), S. 265. 182 Vgl. Hasler (2013), S. 98. 183 Vgl. Damodaran (2012), S. 511. 184 Vgl. Inezwari (2013), S. 76.

Juli 2020 Manuel Noll 21/129

Nachteilig ist aber, dass die Kennzahl die Ertragskraft (Generierung von Gewinnen bzw. Cash Flows) nicht direkt berücksichtigt und somit lediglich die Substanz betrachtet wird.185

Ein Vorteil der Kennzahl ist die einfache Berechnungsweise sowie die problemlos zu verstehende Bedeutung der zugrundeliegenden Zahlen.186 Ebenfalls als vorteilhaft erweist sich, dass obwohl ein negatives Eigenkapital zwar grundsätzlich möglich ist, dies aber in der Praxis nur sehr selten vorkommt. Es kann daher so gut wie immer eine sinnvolle Kennzahl berechnet werden.187 Beim P/E ratio kommt dieser Fall, wie im vorherigen Kapitel erläutert, weitaus häufiger vor. Im direkten Vergleich mit dem P/E ratio wird ein weiterer Vorteil des P/BV ratio ersichtlich. Während der Jahresgewinn sehr anfällig für zyklische Schwankungen (Konjunktur, Rezession) ist und somit zu einer hohen Volatilität des P/E ratio führt, ist dies beim Eigenkapital eher weniger der Fall188 (ausgenommen extreme Ereignisse wie etwa die Finanzkrise ab 2007). Das P/BV ratio unterliegt daher ein weitaus geringeren Schwankungsbreite.189

Wie auch das P/E ratio wird das P/BV ratio stark von den anzuwendenden Rechnungslegungsvorschriften beeinflusst, da das Eigenkapital als Residualgröße von den Wertansätzen der Vermögenswerte und Verbindlichkeiten abhängt.190 So beeinflussen Abschreibungen die Buchwerte der Vermögenswerte und in Folge dann auch die Höhe des Eigenkapitals. Unterschiedliche Abschreibungsmethoden erschweren somit sinnvolle Vergleiche.191 Auch davon unabhängig kann sich die Ertragskraft eines Vermögenswertes mit der Zeit verändern. Zuschreibungen über den ursprünglichen Wert sind meist nicht möglich und auch außerplanmäßige Abschreibungen werden nicht immer bedarfsgerecht vorgenommen. Die Verbindlichkeiten entsprechen hingegen in der Regel den tatsächlichen Marktwerten.192 Genau hier offenbart sich nun, warum sich das P/BV ratio für die Bewertung von Banken in besonderem Maße eignet.193 So spiegeln die Buchwerte der Vermögensgegenstände bei Banken viel eher die tatsächlichen Werte (Marktwerte) wider als es bei anderen Unternehmen der Fall ist.194 Die Gründe dafür liegen in der Zusammensetzung der Vermögensgegenstände. Bei vielen Unternehmen bilden etwa physische Vermögensgegenstände, deren Buchwerte stark von historischen Anschaffungskosten, angewendeten Abschreibungsmethoden und Bewertungsmethoden abhängen, einen Großteil des Vermögens.195 Dies ist bei Banken nicht der Fall; hier finden sich typischerweise nicht physische Vermögensgegenstände, sondern finanzielle

185 Vgl. Inezwari (2013), S. 77; Schacht/Fackler (2009), S. 265. 186 Vgl. Inezwari (2013), S. 77. 187 Vgl. Nguyen/Schüßler (2010), S. 124. 188 Vgl. Hasler (2011), S. 373. 189 Vgl. Nguyen/Schüßler (2010), S. 123. 190 Vgl. Damodaran (2012), S. 511f; Nguyen/Schüßler (2010), S. 122f. 191 Vgl. Schacht/Fackler (2009), S. 266. 192 Vgl. Damodaran (2012), S. 511f. 193 Vgl. Schacht/Fackler (2009), S. 265. 194 Vgl. Mondello (2017), S. 479. 195 Vgl. Calomiris/Nissim (2014), S. 402.

Juli 2020 Manuel Noll 22/129

Vermögenswerte wie Kreditforderungen oder Wertpapiere in den Bilanzen.196 Deren Buchwerte entsprechen aufgrund der leichteren Bewertbarkeit und Liquidität meist auch den Marktwerten.197 Beachtet werden muss jedoch (nicht nur bei Banken), dass bestimmte immaterielle Vermögenswerte (z.B. Humankapital, Knowhow) nicht im Eigenkapital abgebildet werden (da sie nicht bilanziert werden dürfen). Diese können folglich mit der Kennzahl auch nicht bewertet werden. Im Bankensektor sind davon vor allem Investmentbanken betroffen.198

Ein Aspekt, der besonders beim Vergleich von P/BV ratios über mehrere Jahre zum Tragen kommt, sind Aktienrückkäufe und -emissionen. Während Erstere das Eigenkapital verringern, führt Zweiteres zu einer Erhöhung. Das erschwert nicht nur den Vergleich der P/BV ratios von verschiedenen Unternehmen sondern auch desselben Unternehmens.199

3.2.3. Price-to-tangible book value ratio

Das price-to-tangible book value ratio200 ist grundsätzlich dem P/BV ratio sehr ähnlich, mit dem Unterschied, dass der Buchwert aller immateriellen Vermögensgegenstände vom Buchwert des Eigenkapitals abgezogen wird.201 Es ergibt sich daher die folgende Berechnungsweise:

푆ℎ푎푟푒 푝푟푖푐푒 푃푇퐵푉 푟푎푡푖표 = 푇푎푛푔푖푏푙푒 푏표표푘 푣푎푙푢푒 표푓 푒푞푢푖푡푦 푝푒푟 푠ℎ푎푟푒 (푇퐵푉푃푆)

Wie beim P/BV ratio steht im Zähler der Aktienpreis (share price) bzw. die Marktkapitalisierung, im Nenner findet sich aber nun der Buchwert des Eigenkapitals abzüglich der immateriellen Vermögensgegenstände je Aktie (tangible book value of equity per share; TBVPS) bzw. das Eigenkapital abzüglich der immateriellen Vermögensgegenstände als Ganzes.202

Grundsätzlich soll der Buchwert des Eigenkapitals ohne immaterielle Vermögensgegenstände eine einheitlichere Basis darstellen als der komplette Buchwert des Eigenkapitals. So können lediglich erworbene immaterielle Vermögensgegenstände bilanziert werden; selbsterstellte werden als Aufwendungen verbucht. Es können daher Unternehmen, selbst wenn sie annähernd dieselben immateriellen Vermögensgegenstände nutzen, nur bedingt miteinander verglichen werden, wenn das eine Unternehmen diese erworben hat und das Andere sie im Laufe der Zeit selbst erstellt hat.203 Der Buchwert des Eigenkapitals von Unternehmen, die öfter Akquisitionen

196 Vgl. Takáts/Fender/Bogdanova (2018), S. 83. 197 Vgl. Mondello (2017), S. 479; Calomiris/Nissim (2014), S. 402; Schacht/Fackler (2009), S. 265. 198 Vgl. Mondello (2017), S. 479; Hasler (2011), S. 374. 199 Vgl. Mondello (2017), S. 480. 200 Im Deutschen findet sich kein entsprechender, etablierter Begriff; am ehesten dürfte sich der englische Begriff mit Kurs-Materieller Buchwert-Verhältnis übersetzen lassen. 201 Vgl. Forte/Gianfrate/Rossi (2018), S. 3. 202 Vgl. Beltrame/Previtali (2016), S. 33; Brotherson et al. (2014), S. 48. 203 Vgl. Laro/Pratt (2005), S. 214.

Juli 2020 Manuel Noll 23/129

tätigen, kann daher, im Vergleich zu in dieser Hinsicht weniger aktiven Unternehmen, höher sein.204 Zudem sind die Wertansätze von immateriellen Vermögensgegenstände oft schwierig nachzuvollziehen und bieten erheblichen Ermessensspielraum. Ebenfalls existieren dafür nur in den seltensten Fällen Märkte, sodass diese Vermögensgegenstände als eher illiquide einzustufen sind. Im Zweifelsfall kann es daher schnell dazu kommen, dass die immateriellen Vermögensgegenstände keinen Wert (mehr) haben205 und somit auch nicht in Liquidität umgewandelt werden können.206 Beispielhaft kann hier der erworbene Firmenwert genannt werden. Es ist oftmals fraglich ob Firmenwerte tatsächlich auch im entsprechenden Ausmaß zu den zukünftigen Erträgen betragen. Es scheint daher sinnvoll, darauf entfallende Anteile vom Eigenkapital abzuziehen. Besondere Relevanz hat das für den Vergleich von spezialisierten und diversifizierten Unternehmen. Letztere werden wohl tendenziell öfter Akquisitionen tätigen als die spezialisierten Unternehmen. Die Nichtberücksichtigung von Firmenwerten (bzw. immateriellen Vermögensgegenständen im Allgemeinen) ist daher der Vergleichbarkeit zuträglich.207 Bezogen auf den Bankensektor bedeutet das, dass insbesondere Großbanken, die meist viele Tochtergesellschaften haben, durch Akquisitionen hohe Firmenwerte in der Bilanz ansammeln was das Eigenkapital nach oben treibt. Das P/TBV ratio kann so eine Überbewertung der materiellen Vermögensgegenstände aufzeigen (durch hohe Firmenwerte verringert sich der Nenner in der Berechnungsweise der Kennzahl).208 Das P/TBV ratio verfolgt daher den Ansatz, etwaige Verzerrungen bei der Bewertung bereits im Vorhinein zu eliminieren und bewertet lediglich die materiellen (und meist auch liquideren) Vermögensgegenstände. Im direkten Vergleich mit dem klassischen P/BV ratio soll so insgesamt ein konservativeres Bild vermittelt werden.209

Der erläuterte Vorteil des P/TBV ratio ist zugleich auch ein Nachteil. Durch die Herausrechnung aller immateriellen Vermögensgegenstände, werden auch solche, die doch einen erheblichen Wert haben oder haben könnten, nicht berücksichtigt. Im Ergebnis kann das (wie auch bei der Berücksichtigung aller immateriellen Vermögensgegenstände) zu verzerrten Bewertungen führen. Gegebenenfalls können diese Vermögensgegenstände dann wieder hinzuaddiert werden, was jedoch insgesamt dann der Einfachheit der Anwendung der Kennzahl sowie der Vergleichbarkeit abträglich ist.210

204 Vgl. DePamphilis (2019), S. 215. 205 Vgl. Massari et al. (2018), S. 54. 206 Vgl. Beltrame/Previtali (2016), S. 34. 207 Vgl. DePamphilis (2019), S. 215. 208 Vgl. Chen (2014), S. 17. 209 Vgl. Massari et al. (2018), S. 54 210 Vgl. Bragg (2012), S. 116f.

Juli 2020 Manuel Noll 24/129

Da das P/TBV ratio im Grunde eine Variante bzw. Erweiterung des P/BV ratio darstellt, unterscheidet es sich in der Folge auch nicht grundlegend davon. Im Wesentlichen gelten daher die Vor- und Nachteile des P/BV ratio auch für das P/TBV ratio.

3.2.4. Tobin’s q

Die Kennzahl Tobin’s q211 errechnet sich in seiner ursprünglichen Form indem der Marktwert des Unternehmens (Marktwert Eigenkapital plus Marktwert Verbindlichkeiten/Schulden bzw. Marktwert der Vermögensgegenstände) den Wiederbeschaffungskosten aller Vermögensgegenstände gegenübergestellt wird.212 Das Ergebnis gibt Auskunft darüber, wie effektiv das Management die vorhandenen Vermögensgegenstände zur Generierung von Unternehmenswert nutzt.213 Unternehmen, die eine Kennzahl größer 1 erreichen, sollen demnach effizienter hinsichtlich der Ressourcenverwendung sein, als Unternehmen mit einem Tobin’s q von kleiner 1.214

Die Idee hinter dieser Kennzahl scheint auf den ersten Blick vorteilhaft, jedoch offenbaren sich in der Praxis einige Probleme.215 Das Hauptproblem ist, dass die Wiederbeschaffungskosten in der Realität nur sehr schwierig und aufwendig ermittelt werden können, insbesondere dann, wenn die Vermögensgegenstände nicht (ausreichend) auf einem Markt gehandelt werden. Diese Einschränkung führt auch dazu, dass es kaum vergleichbare Unternehmen gibt, sodass nicht festgestellt werden kann ob ein Unternehmen über- oder unterbewertet ist.216 In der wissenschaftlichen Praxis wird daher zumeist folgende, vereinfachte Berechnungsweise angewendet:

푀푎푟푘푒푡 푣푎푙푢푒 표푓 푒푞푢푖푡푦 + 푏표표푘 푣푎푙푢푒 표푓 푑푒푏푡 푇표푏푖푛′푠 푞 = 퐵표표푘 푣푎푙푢푒 표푓 푎푠푠푒푡푠

Der Marktwert des Unternehmens im Zähler errechnet sich durch Addition des Marktwertes des Eigenkapitals (Marktkapitalisierung; market value of equity) und des Buchwertes der Schulden/Verbindlichkeiten (market value of debt). Die Wiederbeschaffungskosten im Nenner werden durch den Buchwert des Vermögensgegenstände (book value of assets) ersetzt.217

211 Auch im Deutschen wird die Kennzahl meist Tobin’s q genannt; selten findet sich auch Tobinsches Q. 212 Vgl. Damodaran (2012), S. 538. 213 Vgl. Lynn (2020), S. 148. 214 Vgl. Damodaran (2012), S. 538. 215 Vgl. Lynn (2020), S. 148. 216 Vgl. Damodaran (2012), S. 538. 217 Vgl. Lynn (2020), S. 148; Guerry/Wallmeier (2017), S. 206; Armstrong/Fic (2014), S. 7; Sawada (2013), S. 44; Damodaran (2012), S. 538; Jones/Miller/Yeager (2011), S. 374; Chen/Lin (2009), S. 8f; Laeven/Levine (2007), S. 341.

Juli 2020 Manuel Noll 25/129

Zumindest bei Banken bestehen die Vermögensgegenstände jedoch größtenteils aus finanziellen Vermögensgegenstände. Da deren Buchwerte oft den jeweiligen Wiederbeschaffungskosten entsprechen erscheint diese Vorgehensweise insbesondere für die Bankenbranche als geeignet.218 Der Zähler soll grundsätzlich den Marktwert des Unternehmens repräsentieren und daher scheint es naheliegend den Marktwert der Verbindlichkeiten/Schulden anstatt des Buchwerts zu verwenden. Wie auch bei den Wiederbeschaffungskosten der Vermögensgegenstände sind hier jedoch fehlende Marktpreise das ausschlaggebende Hindernis.219

Obwohl Tobin’s q in der Literatur für die Bewertung von Unternehmen weit verbreitet ist, finden sich doch einige Kritikpunkte. So kann die zur besseren Praktikabilität vereinfachte Form von Tobin’s q im Wesentlichen als leicht abgewandeltes P/BV ratio verstanden werden. Dementsprechend sind auch die Nachteile von Tobin’s q und P/BV ratio ähnlich. So sind die Buchwerte im Nenner erheblich von den anzuwendenden Rechnungslegungsvorschriften (z.B. Abschreibungen) abhängig. Ebenso werden im Buchwert nicht bilanzierte (immaterielle) Vermögensgegenstände, die durchaus einen erheblichen Wert für das Unternehmen haben können, naturgemäß nicht berücksichtigt. Dementsprechend können Buchwerte als Ersatz für die Wiederbeschaffungskosten teilweise sehr ungenau sein.220 Obwohl, wie oben dargestellt, die Verwendung von Buchwerten bei Banken auf den ersten Blick eine gute Annäherung darstellt, zeigt sich bei genauerer Betrachtung, dass diese Vorgehensweise zugleich einen entscheidenden Nachteil darstellt. Der bei Banken üblicherweise sehr hohe Fremdkapitalanteil resultiert in einer eher geringen Variabilität von Tobin’s q (da erhebliche Anteile von Zähler und Nenner gleich sind), was insgesamt zu Lasten der Aussagekraft der Kennzahl geht.221 Ein allgemeiner Kritikpunkt ist auch, dass aufgrund der nicht praxistauglichen, ursprünglichen Berechnungsweise von Tobin’s q sich zusätzlich zu der oben erläuterten, vereinfachten Form weitere alternative Berechnungsweisen herausgebildet haben. Insgesamt erschwert das die Vergleichbarkeit der Ergebnisse verschiedener empirischer Untersuchungen deutlich.222

4. Aktueller Stand der Forschung

Im Folgenden sollen die bisherigen wesentlichen Erkenntnisse der letzten Jahre zum Thema Marktbewertung des Bankensektors erläutert werden (ohne Anspruch auf Vollständigkeit zu erheben).

218 Vgl. Laeven/Levine (2007), S. 341; Brook/Hendershott/Lee (1998), S. 2194. 219 Vgl. Abiad/Oomes/Ueda (2008), S. 273 220 Vgl. Bartlett/Partnoy (2018), S. 16ff. 221 Vgl. Sawada (2013), S. 44. 222 Vgl. für einen kritischen Überblick Bartlett/Partnoy (2018), S. 2ff.

Juli 2020 Manuel Noll 26/129

In ihrer Arbeit untersuchen LAEVEN/LEVINE (2007), ob diversifizierte Banken gegenüber spezialisierten Banken an der Börse mit einem Abschlag bewertet werden. Es wird zwischen Commercial Banking und Investment Banking unterschieden. Den Grad der Diversifizierung leiten sie anhand des Anteils des net interest income am gesamten income bzw. der net loans an den total earning assets ab. Das net interest income bzw. die net loans werden dabei dem Commercial Banking zugeordnet, der Rest dem Investment Banking. Bei einem net interest income Anteil von größer 90% ist die Bank auf das Commercial Banking (44 Banken) spezialisiert, bei unter 10% auf das Investment Banking (22 Banken). Insgesamt gab es 3.415 Bankjahr-Beobachtungen. Als maßgebliche Bewertungskennzahl wählen die Autoren Tobin’s q, auch excess values werden für einen detaillierteren Einblick berechnet.223 Im Ergebnis finden die Autoren für diversifizierte Banken negative excess values in Höhe von durchschnittlich -0,06. Im Zuge der Regressionen ergibt sich, dass (unter Berücksichtigung diverser Kontrollvariablen) Diversifizierung einen negativen, signifikanten Einfluss sowohl auf die excess values als auch auf Tobin’s q selbst hat. Die Autoren führen diesen diversification discount bei diversifizierten Banken auf eine verstärkte agency costs-Problematik zurück. Economies of scope (Verbundeffekte) können demnach die Nachteile einer Diversifizierung nicht ausgleichen.224

CHEN/LIN (2009) untersuchen ebenfalls möglichen Bewertungsunterschiede zwischen spezialisierten und diversifizierten Banken. Die Autoren orientieren sich dabei an der von

LAEVEN/LEVINE (2007) verwendeten Methodik. Sie finden jedoch konträre Ergebnisse. So scheint sich sowohl Diversifizierung, bezogen auf die Geschäftsaktivitäten, als auch geografische Diversifizierung positiv auf die Bewertung auszuwirken. Zurückgeführt wird dieser diversification premium auf zunehmende economies of scale/scope.225

ARMSTRONG/FIC (2014) untersuchen den Einfluss von Diversifizierung auf die Bewertung von Banken. Bei der Berechnungsweise der Diversifizierung orientieren sie sich ebenfalls an

LAEVEN/LEVINE (2007). Die Analyse ergibt kein eindeutiges Bild: Diversifizierung scheint entweder keinen oder einen negativen Einfluss auf die Bewertung zu haben, eine Signifikanz der Ergebnisse ist jedoch nicht immer gegeben. Zudem scheint der Zusammenhang zwischen Diversifizierung und Bewertung von der Größe der Bank abzuhängen. Während kleinere Banken eher profitieren, leidet die Bewertung von großen Banken mit zunehmender Diversifizierung. Die Autoren vermuten die Ursache in agency costs, die eher bei großen Banken zum Tragen kommen.226

223 Da diese Methodik auch in dieser Arbeit verwendet wird, wird für eine genauere Erläuterung auf Kapitel 5.2.2., ab S. 37 verwiesen. 224 Vgl. Laeven/Levine (2007), S. 331ff. 225 Vgl. Chen/Lin (2009), S. 1ff. 226 Vgl. Armstrong/Fic (2014), S. 4ff.

Juli 2020 Manuel Noll 27/129

Im Rahmen ihrer empirischen Untersuchung versuchen CALOMIRIS/NISSIM (2014) zu ergründen, wie sich die Marktbewertung von Banken in den USA vor und nach der Finanzkrise entwickelt hat. Mittels Regression (P/BV ratio als zu erklärende Variable) sollen die Einflussfaktoren auf die Bewertung ermittelt werden. Die Autoren finden, dass die Bewertungen seit der Finanzkrise deutlich zurückgegangen sind und führen dies hauptsächlich auf die niedrigere Bewertung von immateriellen Vermögenswerten zurück. Ein weiterer Faktor ist der positive Zusammenhang zwischen der Höhe der Dividendenzahlung und der Bewertung. Insbesondere in der Krise und kurz danach sind die Ausschüttungen stark eingebrochen, was zu niedrigeren Bewertungen geführt hat. Interessant ist auch die Erkenntnis hinsichtlich der Auswirkungen eines hohen Verschuldungsgrades. So wurde vor der Krise ein hoher Fremdkapitalanteil mit hohen Bewertungen belohnt, nach der Krise zeigte sich das Gegenteil. Die Krise hat die Risiken hoher Fremdkapitalanteile offenbart, was seither zu geringeren Bewertungen führt.227

Aufbauend auf CALOMIRIS/NISSIM (2014) untersuchen CHOUSAKOS/GORTON (2017) ebenfalls die Gründe für die zurückgehenden Bewertungen seit der Finanzkrise. Sie finden jedoch keine klare Evidenz und führen die sinkenden Bewertungen auf die zunehmende Regulierung im

Bankensektor zurück. Sie verweisen in diesem Zusammenhang auf LUX/GREENE (2015) und

NASH/BEARDSLEY (2015), die in den letzten Jahren als Folge der Regulierung eine verstärkte Gewährung von Hypotheken und sonstigen Krediten von Nicht-Banken beobachten.228 Die Autoren vermuten, dass eine verstärkte Regulierung dies noch weiter verschärfen könnte hin zum shadow banking.229

BERTSATOS/SAKELLARIS/TSIONAS (2017) legen das Augenmerk ihrer Untersuchung auf große, systemrelevante Banken in den USA. Sie versuchen zu eruieren, ob und wie sich deren Bewertung im Zuge der Finanzkrise verändert hat. So scheint sich ein hoher Verschuldungsgrad sowohl vor, während als auch nach der Krise negativ auf die Bewertung auszuwirken. Im Gegensatz dazu scheint die Größe vor und nach der Krise einen positiven Einfluss auf die Bewertung zu haben; während der Krise verschwand dieser Effekt jedoch. Insgesamt schlussfolgern die Autoren, dass die Krise die Haltung der Investoren gegenüber diverser Charakteristika (Verschuldungsgrad, etc.) von Banken kaum verändert hat.230

GUERRY/WALLMEIER (2017) untersuchen ob eine höhere Diversifizierung bei Banken zu geringeren Bewertungen führt und ob sich gegebenenfalls Unterschiede im Laufe der Jahre ergeben. Wie schon diverse Autoren vor ihnen, messen sie die Diversifizierung anhand der Anteile

227 Vgl. Calomiris/Nissim (2014), S. 401ff. 228 Vgl. Lux/Greene (2015), S. 1ff, Nash/Beardsley (2015), S. 3ff. 229 Vgl. Chousakos/Gorton (2017), S. 1ff. 230 Vgl. Bertsatos/Sakellaris/Tsionas (2017), S. 115ff.

Juli 2020 Manuel Noll 28/129

von net interest income und net loans am gesamten income bzw. an den gesamten assets. Die untersuchte Bewertungskennzahl ist Tobin’s q. Neben der Diversifizierung werden eine Reihe von Variablen zur Berücksichtigung des bankspezifischen Risikos, unterschiedlicher Finanzierungsquellen, der Größe einer Bank sowie des Ertragspotenzials in die Regression miteinbezogen. Im Ergebnis finden sie Evidenz, dass sich Diversifizierung zwar negativ auf die Bewertung auswirkt, dieser Effekt aber im Laufe der Jahre geringer wurde und nach der Finanzkrise praktisch verschwunden war. Die Autoren schlussfolgern, dass vor der Krise die Banken schlicht anders bewertet wurden und die Krise gewissermaßen zu einer Neubewertung geführt hat. Es scheint daher fraglich, ob die Diversifizierung an sich auch die Ursache für den Bewertungsabschlag an der Börse ist. Zudem scheinen sich geografische Faktoren und regulatorische Faktoren nicht signifikant auf die Bewertung auszuwirken.231

In ihrem Paper stellen FERRETTI ET AL. (2018) fest, dass die P/BV ratios großer europäischer Banken seit der Finanzkrise gesunken sind und untersuchen in der Folge die Gründe dafür. Es zeigt sich, dass Größe an sich einen negativen Einfluss auf die Bewertung zu haben scheint und die Autoren führen dieses Ergebnis darauf zurück, dass große, systemrelevante Institute (Stichwort: too big too fail, TBTF) aufgrund strengerer Regulierung höheren Kosten gegenüberstehen als andere Banken. Weiters besteht ein positiver Zusammenhang zwischen der wirtschaftlichen Situation (abgebildet durch die Wachstumsrate des BIP), die sich auf die Kapitalkosten und das Ertragspotenzial auswirkt, und der Bewertung. Die sinkende Wachstumsrate des BIP resultierte somit in niedrigeren Bewertungen.232

MINTON/STULZ/TABOADA (2018) untersuchen mit Hinblick auf die TBTF Diskussion, ob größere Banken an der Börse höher bewertet werden. Ihre Hypothese ist, dass Größe und besonders Systemrelevanz zu höheren Bewertungen führen, da in Krisenzeiten diese Banken eher gerettet werden und somit weniger risikoreich sind. Die Bewertungskennzahlen sind Tobin’s q und das P/BV ratio. Die Analyse ergibt jedoch größtenteils, dass die größten Banken schlechter bewertet werden als kleinere Banken. Der Zusammenhang zwischen Größe und Bewertung ist dabei über den gesamten Zeitraum (vor, während und nach der Finanzkrise) negativ. Die Autoren führen diesen Zusammenhang darauf zurück, dass größere Banken tendenziell eine diversifiziertere Ertragsstruktur aufweisen. Insbesondere Handelsaktivitäten werden im Konzernverbund als negativ angesehen. Auch andere Refinanzierungsstrukturen (nicht nur hauptsächlich Einlagen wie bei kleineren Banken) werden als Grund angeführt.233 Ihr Ergebnis ist somit dem der

Untersuchung von FERRETTI ET AL. (2018) ähnlich; sie ziehen jedoch andere Rückschlüsse.

231 Vgl. Guerry/Wallmeier (2017), S. 203ff. 232 Vgl. Ferretti et al. (2018), S. 1ff. 233 Vgl. Minton/Stulz/Taboada (2018), S. 1ff.

Juli 2020 Manuel Noll 29/129

CIOCCHETTA (2020) analysiert den Einfluss von asset-Diversifizierung auf die Bewertung von europäischen Banken. Der Grad der Diversifizierung wird einmal anhand einer Herfindahl- Hirschmann-Index (HHI) basierten Berechnungsweise bestimmt und als Alternative die

Berechnungsweise von LAEVEN/LEVINE (2007). Es zeigt sich, dass Diversifizierung insgesamt die Bewertung negativ beeinflusst und dieser Effekt bei großen und vor allem systemrelevanten Banken besonders stark ist. Die Autorin führt dieses Ergebnis auf höhere Kosten und steigende strukturelle Komplexität zurück. Die Größe an sich scheint hat jedoch keinen signifikanten Einfluss, wenn gleichzeitig die Diversifizierung berücksichtigt wird.234

Arbeit Datenbasis Methodik Zentrale Erkenntnis

Laeven/Levine (2007) 1998 bis 2002, Regressionsanalyse, Diversifizierte Banken 3.415 Bankjahre, Tobin’s q und excess werden niedriger bewertet international values als spezialisierte Banken. Economies of scope können demnach die Nachteile nicht aufwiegen.

Chen/Lin (2009) 1992 bis 2006, Regressionsanalyse, Diversifizierte Banken 864 Banken, Tobin’s q und excess werden höher bewertet als international values spezialisierte Banken; auch geografische Diversifizierung wirkt bewertungserhöhend.

Armstrong/Fic (2014) 1998 bis 2012, Regressionsanalyse, Kein oder negativer 831 Banken, Tobin’s q und P/BV ratio Zusammenhang zwischen international Bewertung und Diversifizierung. Kleine Banken scheinen zu profitieren; bei großen Banken eher das Gegenteil.

Calomiris/Nissim (2014) 2000 bis 2013 Regressionsanalyse, Sinkende Bewertung von 15.782 Bankjahre P/BV ratio Banken seit der USA Finanzkrise. Die Gründe sehen die Autoren in der veränderten Wahrnehmung des Marktes.

Chousakos/Gorton (2017) 1980 bis 2015, Regressionsanalyse, Sinkende Bewertungen, 253 Banken, P/BV ratio aber keine klare Evidenz international vorhanden. Zunehmende Regulierung könnte der Grund sein.

Bertsatos/Sakellaris/Tsionas 2003 bis 2014, Regressionsanalyse, Verschuldungsgrad und (2017) 24 Banken, P/BV ratio Bewertung haben einen USA negativen Zusammenhang. Größe und Bewertung einen negativen Zusammenhang.

234 Vgl. Ciochetta (2020), S. 1ff.

Juli 2020 Manuel Noll 30/129

Guerry/Wallmeier (2017) 1998 bis 2013, Regressionsanalyse, Abnehmender 18.221 Bankjahre, Tobin’s q diversification discount bei international Banken im Laufe der Jahre; ursächlich scheinen Neubewertungen im Zuge der Finanzkrise.

Ferretti et al. (2018) 2006 bis 2015, Regressionsanalyse, Größe wirkt sich negativ auf 411 Bankjahre, P/BV ratio die Bewertung aus. Es gibt Europa einen positiven Zusammenhang zwischen der wirtschaftlichen Situation und der Bewertung.

Minton/Stulz/Taboada 1986 bis 2017, Regressionsanalyse, Niedrigere Bewertung von (2018) 1.914 Bankjahre, Tobin’s q und P/BV ratio großen Banken (TBTF), die USA mit, im Vergleich zu kleineren Banken, anderen Ertrags- und Refinanzierungsstrukturen begründet wird.

Ciocchetta (2020) 2011 bis 2017, Regressionsanalyse, Negativer Einfluss von 92 Banken, P/BV ratio asset-Diversifizierung auf Europa die Bewertung. Der Effekt scheint umso stärker, je größer die Bank ist.

Tabelle 1: Übersicht Stand der Forschung235

Zusammengefasst ergibt sich ein eher gemischtes Bild. Die verschiedenen empirischen Untersuchungen finden Unter- und Überbewertungen von diversifizierten Banken, mit jeweils unterschiedlichen Erklärungen. Keine signifikanten Bewertungsunterschiede werden ebenfalls gefunden. Es zeigt sich zudem, dass lediglich zwischen zwei Bereichen (Commercial Banking und Investment Banking) unterschieden wird und keine weitere Differenzierung erfolgt. Dies ist auch der zentrale Punkt, der in der nachfolgenden empirischen Untersuchung näher behandelt werden soll. Ein weiterer wesentlicher Untersuchungsaspekt bisheriger Forschung ist die Auswirkung der Größe einer Bank auf ihre Bewertung; auch hier differieren die Ergebnisse jedoch. Weiters fällt auf, dass als Bewertungskennzahlen bisher lediglich das P/BV ratio und Tobin’s q verwendet werden.

5. Empirische Untersuchung

In den folgenden Kapiteln wird die empirische Untersuchung vorgestellt. Nach der Erläuterung der Datengrundlage sowie der verwendeten methodischen Vorgehensweise werden im Ergebnisteil die verschiedenen Ergebnisse aus den Regressionsanalysen und der Aktienanalyse präsentiert. Im Anschluss daran werden im Diskussionsteil diese Ergebnisse dann interpretiert und hinsichtlich ihrer Plausibilität diskutiert bzw. kritisch betrachtet.

235 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 31/129

5.1. Datengrundlage

Im Zentrum der Untersuchung steht die Marktbewertung, daher können auch nur Banken miteinbezogen werden, die an einer Börse gelistet sind und somit über einen Börsenkurs verfügen. Untersucht werden die Jahre 2007 bis 2018, mit jährlicher Betrachtung. Dieser Zeitraum wurde gewählt um die zeitliche Entwicklung über verschiedene Marktphasen (Zustand während der Finanzkrise, die Entwicklung kurz danach und die längerfristige Entwicklung) hinweg darstellen zu können.

Die primären Quellen für die Suche nach Banken sind die Datenbank der Software Thomson Reuters Eikon sowie die Verzeichnisse der gelisteten Unternehmen der jeweiligen Börsen. Durch die meist vorhandene Möglichkeit zur Filterung in relevante Kategorien (Banks, Financial Services, Financial Institutions, etc.) konnten dann Banken identifiziert werden. Der Grund für die direkte Suche an den Börsen ist das Umgehen von fehlerhaften oder veralteten Einträgen, die in Datenbanken oftmals auftreten. Ergänzende Quellen (für auf Private Banking spezialisierte Banken) sind The International Private Banking Study 2015 und 2009.236

Die relevanten Bewertungskennzahlen sind P/E ratio, P/BV ratio, P/TBV ratio und Tobin’s q; diese werden bis auf Tobin’s q direkt aus Eikon entnommen. Tobin’s q findet sich nicht in der Eikon Datenbank und wird daher gesondert berechnet237 wobei die relevanten Daten für die Berechnung ebenfalls aus Eikon stammen.

Da es vordergründig um die Bewertung der Geschäftsfelder geht, ist für die Untersuchung insbesondere von Bedeutung, in welchem Ausmaß die jeweilige Bank in den vier Geschäftsfeldern Retail Banking, Corporate Banking, Investment Banking und Private Banking tätig ist. Diese Informationen werden in erster Linie aus den Segment-Daten von Eikon entnommen. Bei fehlenden Daten (was sehr häufig vorkam) werden diese aus der Segmentberichterstattung der jeweiligen Geschäftsberichte bezogen. Banken, die keine oder keine verwertbare Segmentberichterstattung aufweisen, wie zum Beispiel eine Segmentierung nach geografischen Regionen, können nicht miteinbezogen werden. Verwertbar meint in diesem Zusammenhang das Vorhandensein von geläufigen Bezeichnungen und/oder Erläuterungen zu den Segmenten, die eine Zuordnung zu einem Geschäftsfeld erlauben. Nicht jede Bank berichtet beispielsweise Retail Banking Aktivitäten auch unter diesem Begriff; verwandte Begriffe, die dasselbe meinen, sind etwa Consumer Banking oder Personal Banking. Diese können dann dem Retail Banking zugeordnet werden. Teilweise werden auch Geschäftsfelder in mehrere (Unter-) Segmente aufgeteilt (z.B. berichtet die Investmentbank Lazard die zwei Segmente Financial Advisory und institutionelles

236 Vgl. Birchler et al. (2015), S. 46ff; Birchler/Cocca/Ettlin (2009), S. 61ff. 237 Hierfür wird die in Kapitel 3.2.4., S. 25 vorgestellte, vereinfachte Berechnungsweise verwendet.

Juli 2020 Manuel Noll 32/129

Asset Management; da dies typischerweise Leistungen im Rahmen des Investment Bankings sind, ist die Bank zu 100% in diesem Geschäftsfeld tätig). Die Erläuterungen der jeweiligen Segmente in den Geschäftsberichten sind somit von zentraler Bedeutung. Welche konkreten Leistungen in den Geschäftsfeldern angeboten werden bzw. die Grundlage für die Zuordnung der Segmente zu den Geschäftsfeldern bilden die Erläuterungen in Kapitel 2.

Für die Feststellung, ob eine Bank spezialisiert ist, wird ähnlich zur Literatur auf das anteilige income (Erträge) zurückgegriffen, da diese am ehesten den Geschäftszweck widerspiegeln (maßgeblich ist somit das Tätigwerden am Markt und die sich daraus ergebenden Erträge). Das income setzt sich aus dem net interest income und dem non interest income (net fee and commissions income und trading income) zusammen.238 Die anteiligen assets (Vermögenswerte) werden ebenfalls für die Untersuchung herangezogen, jedoch lediglich für die Bestimmung der Diversifizierung (zusätzlich zur income-Diversifizierung). Als spezialisiert gilt schließlich eine Bank, deren income durchschnittlich (über die 12 Jahre) mindestens zu 70% aus einem Geschäftsfeld stammt.239

Die Voraussetzung einer verwertbaren Segmentberichterstattung wirkt sehr restriktiv, wodurch die untersuchte Stichprobe im Ergebnis lediglich insgesamt 153 Banken umfasst240 (1833 Bankjahre); davon sind 19 auf Retail Banking, 16 auf Corporate Banking, 25 auf Investment Banking und 19 auf Private Banking spezialisiert. Bei den restlichen 74 Banken handelt es sich um Universalbanken.241,242 Da so gut wie kein Land ausreichend spezialisierte Banken hat, ist kein Ländervergleich möglich und es erfolgt lediglich eine internationale Betrachtung.

Weitere Daten für die Berechnung von Tobin’s q sowie für diverse Kontrollvariablen (Eigenkapitalquote, etc.) werden auch aus Eikon entnommen. Da die Daten zumeist in der jeweiligen Landeswährung angegeben sind, werden für die Berechnung absoluter Variablen (z.B. die Größe einer Bank basierend auf der Bilanzsumme) zusätzlich Wechselkurse bezogen, um die Daten auf eine einheitliche Basis (US Dollar) zu bringen. So ist eine Vergleichbarkeit gewährleistet. Bei den anderen relativen Variablen, wie zum Beispiel die Eigenkapitalquote, wird

238 Die deutschen Übersetzungen für die genannten Begriffe sind Zinsüberschuss, Provisionsüberschuss bzw. Überschuss aus dem Kommissions- und Dienstleistungsgeschäft und Handelserträge. 239 Vgl. Laeven/Levine (2007), S. 342. Die Autoren setzen die Grenze bei 90%, unterscheiden jedoch nur zwischen zwei Geschäftsfeldern (Commercial Banking und Investment Banking). Da in dieser Arbeit zwischen vier Geschäftsfeldern unterschieden wird, scheint die Herabsetzung auf 70% sinnvoll. 240 Bereits Laeven/Levine (2007), S. 336f bemängeln die Datenqualität in dieser Hinsicht und wählen daher einen anderen Ansatz. 241 Die Anzahl der untersuchten Banken mag gering erscheinen, diese scheint jedoch weitestgehend mit der empirischen Literatur, die eine ähnliche methodische Vorgehensweise aufweist, im Einklang. So finden zum Beispiel Laeven/Levine (2007), S. 340 nur 22 auf Investment Banking spezialisierte Banken; Chen/Lin (2009), S. 34 lediglich 191 Investment Banking Beobachtungen über den Zeitraum 1992-2006 (dürfte etwa 12/13 Investmentbanken ausmachen). 242 Eine Auflistung der Stichprobe findet sich im Anhang A13, ab Seite 124.

Juli 2020 Manuel Noll 33/129

darauf verzichtet, da sich hier durch Umrechnung keine Änderungen ergeben. Weiters werden die Wachstumsraten des BIP und die Inflationsraten der Staaten, in denen die Banken ihren Sitz haben, benötigt. Diese werden aus der Datenbank der World Bank243 bezogen.

Um möglichen Ausreißern zu begegnen, werden die vier Kennzahlen winsorisiert (1 und 99%).244 Im Gegensatz zum Trimmen bzw. Stutzen werden hier nicht alle Werte bis zum 1%-Perzentil bzw. Werte über dem 99%-Perzentil eliminiert, sondern durch die jeweiligen Werte des 1%-Perzentils bzw. 99%-Perzentils ersetzt. Das bietet den Vorteil, dass einerseits die Anzahl und Höhe der Ausreißer zwar reduziert wird, aber andererseits trotzdem die dazugehörigen Informationen wie Eigenkapitalquote, Größe der Bank etc. erhalten bleiben. Die Anzahl der Beobachtungen reduziert sich somit nicht.

Die Kursdaten für die Aktienanalyse werden ebenfalls aus Thomson Reuters Eikon bzw. Datastream bezogen. Es werden die Kursdaten auf täglicher Basis herangezogen, um auch Ereignisse, die sich nur in kurzfristigen Schwankungen zeigen, abbilden zu können. Die Daten für die Renditen der Staatsanleihen (als risikolose Anlage für die Berechnung der Sharpe Ratio) stammen von den jeweiligen Zentralbanken.

5.2. Methodik

5.2.1. Einfluss der Geschäftsfelder auf die Bewertung

Im Rahmen des deskriptiven Teils sollen in einem ersten Schritt durch grafische Darstellung der Kennzahlen jedes Geschäftsfeldes im Zeitablauf erste Anhaltspunkte für mögliche Bewertungsunterschiede aufgezeigt werden.

Für einen detaillierteren Einblick wird im nächsten Schritt eine Regressionsanalyse durchgeführt. Es soll untersucht werden, ob ein Zusammenhang zwischen der Marktbewertung und der Kategorisierung einer Bank (auf Retail Banking/Corporate Banking/Investment Banking/Private Banking spezialisierte Bank bzw. Universalbank) besteht und wie groß dieser Zusammenhang gegebenenfalls ist. Das wird mithilfe von Dummy-Variablen realisiert. Nachfolgend wird die Regressionsgleichung erläutert:

푟푎푡푖표 = 푘1푅퐵 + 푘2퐶퐵 + 푘3퐼퐵 + 푘4푃퐵 + 푘5푈퐵 + 푘6퐷퐼푉퐼,퐴 + 푘6푆퐼푍퐸 + 푘7퐸푅 + 푘8푅푂퐴 + 푘9퐶퐼푅

+ 푘10퐼푁퐹 + 푘11퐺퐷푃 + 푘13…24푌퐸퐴푅 + 퐶푂푁푆푇

243 Siehe https://data.worldbank.org/. 244 Vgl. Ferretti et al. (2018), S. 9; Guerry/Wallmeier (2017), S. 206.

Juli 2020 Manuel Noll 34/129

Die abhängige Variable ratio steht für die vier untersuchten Bewertungskennzahlen; 푘1,2,… jeweils für den Koeffizienten der entsprechenden unabhängigen Variable. Die Variablen 푅퐵, 퐶퐵, 퐼퐵, 푃퐵, 푈퐵 stellen die Dummy Variablen dar und nehmen entweder den Wert 0 (= die Bank gehört nicht zu der entsprechenden Kategorie) oder 1 (=die Bank gehört in die entsprechende Kategorie) an. Maßgeblich ist die bereits genannte Grenze von 70% der gesamten Erträge. Pro Bank kann demnach der Wert 1 nur einmal vorkommen (die vier anderen sind dann 0). CONST steht für die Konstante.

Mit DIV wird eine Größe festgelegt, welches den Grad der Diversifizierung einer Bank misst. Es macht letztlich einen Unterschied, ob eine Bank zu je 25% in den vier Geschäftsfeldern tätig ist oder zu 70% in einem Bereich und 10% in den anderen drei. Es wird daher ein Maß herangezogen, welches den jeweiligen Diversifizierungsgrad einer Bank bestimmt. Wie im Kapitel zum aktuellen Stand der Forschung bereits dargelegt, wurde in bisherigen Untersuchungen die Diversifizierung größtenteils lediglich anhand des Anteils von net interest income und non interest income am gesamten income bzw. net loans und other earning assets an den total earning assets gemessen. Da in dieser Arbeit jedoch der Fokus auf den verschiedenen Geschäftsfeldern liegt, wird auch die Diversifizierung anhand dieser gemessen. In Anlehnung an die empirische Literatur wird dafür eine auf dem Herfindahl-Hirschman-Index basierende Vorgehensweise gewählt.245 Die Diversifizierung wird dabei einmal anhand des anteiligen income der jeweiligen Geschäftsfelder und einmal anhand der zugehörigen assets gemessen.246 Die Berechnung wird auf Basis folgender Gleichung durchgeführt:

2 2 2 2 2 퐷퐼푉퐼,퐴 = 1 − [(푎푅퐵퐼,퐴) + (푎퐶퐵퐼,퐴) + (푎퐼퐵퐼,퐴) + (푎푃퐵퐼,퐴) + (푎푂푇퐻퐸푅퐼,퐴) ]

Die Variable 퐷퐼푉퐼,퐴 (I = income und A = assets) stellt dabei den Grad der Diversifizierung dar; die Variable 푎 den Anteil des jeweiligen Geschäftsfeldes. OTHER ist eine Kategorie für sonstige Erträge/Vermögenswerte, die keinem Geschäftsfeld zugeordnet werden können (z.B. nicht zuordenbare Gruppenerträge, Erträge aus Restrukturierungen, etc. sowie die dazugehörigen 2 Vermögenswerte). Um das obige Beispiel zur Verdeutlichung heranzuziehen: 1 − [(0,20푅퐵 ) + 2 2 2 2 (0,20퐶퐵) + (0,20퐼퐵) + (0,20푃퐵) + (0,20푂푇퐻퐸푅) ] bedeutet, dass jedes Geschäftsfeld sowie der sonstige Bereich 20% am gesamten income bzw. an den gesamten assets ausmacht, was 퐷퐼푉 = 0,80 ergibt (was gleichzeitig das Maximum ist, da eine gleichmäßige Verteilung vorliegt). Je höher

245 Vgl. Francis et al. (2018), S. 110; Elsas/Hackethal/Holzhäuser (2010), S. 1277; Chen/Lin (2009), S. 6ff; Schmid/Walter (2009), S. 198ff; Stiroh/Rumble (2006), S. 2137; Morgan/Samolyk (2003), S. 10. 246 Diese Vorgehensweise wurde bereits von mehreren Autoren verwendet, jedoch meist lediglich für Tobin’s q, vgl. beispielsweise Schmid/Walter (2009), S. 198ff; Chen/Lin (2009), S. 6ff und Laeven/Levine (2007), S. 338ff.

Juli 2020 Manuel Noll 35/129

der Wert, desto diversifizierter ist die Bank.247 Eine Bank mit 70% RB und je 10% CB, IB und PB 2 2 2 2 hat 퐷퐼푉 = 1 − [(0,70푅퐵) + (0,10퐶퐵) + (0,10퐶퐵) + (0,10퐶퐵) ] = 0,48. Der minimale Wert ist 0 und zeigt, dass eine Bank in lediglich einem Geschäftsfeld tätig ist und keine Diversifizierung vorliegt. Verluste bei der Berechnung anhand des income werden analog zur Literatur mit einem Anteil von 0% angegeben, da mit negativen Zahlen als Ausgleich bei anderen Geschäftsfeldern Werte von über 100% erreicht werden was zu Verzerrungen führen würde.248

Die übrigen Variablen stellen Kontrollvariablen, die ebenfalls einen Einfluss auf die Bewertung haben könnten, dar und werden im Folgenden kurz erläutert: SIZE ist der natürliche Logarithmus der Bilanzsumme und soll die Größe einer Bank abbilden.249 Größere Banken sollen effizienter und weniger risikoreich sein, resultierend in höheren Bewertungen.250 Die Eigenkapitalquote (equity ratio, ER) bildet die Kapitalstruktur ab und dient ebenfalls als Maß für das Risiko einer Bank, welches sich in der Bewertung niederschlagen könnte.251 Die Gesamtkapitalrentabilität (return on assets, ROA) spiegelt die Profitabilität einer Bank wider und sollte die Bewertung positiv beeinflussen.252 Das cost-income ratio (CIR) misst die Effizienz einer Bank; höhere Werte könnten (aufgrund niedrigerer Effizienz) einen negativen Einfluss auf die Marktbewertung haben.253 Da die Betrachtung länderübergreifend erfolgt werden die Inflationsrate (INF) und die Wachstumsrate des BIP (GDP) als länderspezifische Variablen miteinbezogen um die Marktsituation bzw. Wirtschaftslage abzubilden.254 Zusätzlich werden Jahresdummies in die Regression miteinbezogen (aber mangels Aussagekraft nicht in den Ergebnissen präsentiert) um weitere makroökonomische Effekte und Zeiteffekte zu berücksichtigen.255

Im nächsten Schritt wird obige Regression wiederholt, mit dem Unterschied, dass statt den Dummy Variablen nun die tatsächlichen Anteile an den verschiedenen Geschäftsfeldern herangezogen werden. Zu diesem Zweck wird folgende Gleichung aufgestellt:

푟푎푡푖표 = 푘1푎푅퐵퐼,퐴 + 푘2푎퐶퐵퐼,퐴 + 푘3푎퐼퐵퐼,퐴 + 푘4푎푃퐵퐼,퐴 + 푘5푎푂푇퐻퐸푅퐼,퐴 + 푘6퐷퐼푉퐼,퐴 + 푘7푆퐼푍퐸 + 푘8퐸푅

+ 푘9푅푂퐴 + 푘10퐶퐼푅 + 푘11퐼푁퐹 + 푘12퐺퐷푃 + 푘13…24푌퐸퐴푅 + 퐶푂푁푆푇

247 Die Interpretation ist somit dem Herfindahl-Hirschman-Index (HHI) ähnlich, mit dem Unterschied, dass durch das vorangestellte 1- die Interpretation umgekehrt wird. Beim HHI bedeutet ein höherer Wert eine höhere Konzentration bzw. niedrigere Diversifizierung, vgl. Stiroh/Rumble (2006), S. 2138. 248 Vgl. Laeven/Levine (2007), S. 338ff. 249 Vgl. Avramidis/Cabolis/Serfes (2018), S. 129; Francis et al. (2018), S. 111; Vo (2017), S. 102; Sawada (2013), S. 45; Chen/Lin (2009), S. 11; Laeven/Levine (2007), S. 347. 250 Vgl. Avramidis/Cabolis/Serfes (2018), S. 130. 251 Vgl. Francis et al. (2018), S. 111; Guerry/Wallmeier (2017), S. 207; Armstrong/Fic (2014), S. 11f; Sawada (2013), S. 45; Chen/Lin (2009), S. 11. 252 Vgl. Sawada (2013), S. 47; Chen/Lin (2009), S. 11. 253 Vgl. Sawada (2013), S. 45; Chen/Lin (2009), S. 11. 254 Vgl. Armstrong/Fic (2014), S. 11f; Chen/Lin (2009), S. 11; Laeven/Levine (2007), S. 349. 255 Vgl. Sawada (2013), S. 47.

Juli 2020 Manuel Noll 36/129

Die Variable 푎 stellt den Anteil des jeweiligen Geschäftsfeldes am gesamten income bzw. den gesamten assets dar. OTHER wird nicht in den Ergebnissen präsentiert, da es sich als Restgröße aus stark heterogenen Erträgen und Vermögenswerten zusammensetzt und daher ohnehin keine sinnvollen Rückschlüsse daraus gezogen werden können. Die übrigen Variablen sind dieselben wie bei der ersten Regression.

Das Geschäftsfeld Universal Banking stellt eine Besonderheit dar, da es eine Kombination aus den anderen Geschäftsfeldern darstellt und folglich nicht festgestellt werden kann, zu wieviel Prozent eine Bank als Universalbank tätig ist. Aus diesem Grund kann mit der erläuterten Regressionsanalyse keine Aussage über jenes Geschäftsfeld getroffen werden. Auch die erste Regression mit den Dummy-Variablen ist dafür möglicherweise unzureichend. Kern des Universal Banking ist eine hohe Diversifizierung, auf diese soll (zusätzlich zum bereits vorgestellten Diversifizierungsmaß) mit der im nächsten Kapitel vorgestellten Methode noch näher eingegangen werden.

5.2.2. Excess values und Bewertung

Wie bereits erwähnt kann aufgrund der Tatsache, dass Universal Banking mehrere Geschäftsfelder in sich vereint, nicht direkt gemessen werden ob es höher oder niedriger bewertet wird als die anderen Geschäftsfelder (= die Bewertung von Universal Banking ist somit als Kombination der Bewertungen der anderen vier Geschäftsfelder zu verstehen). Das Diversifizierungsmaß kann diesem Umstand möglicherweise nicht ausreichend begegnen. Daher werden die Kennzahlen durch excess values ersetzt, um so die Bewertung aus einer anderen Perspektive zu betrachten. Im Nachfolgenden wird diese Methode näher erläutert.

Ziel ist es festzustellen, ob diversifizierte Banken gegenüber spezialisierten Banken eine Überbewertung (diversification premium) oder eine Unterbewertung (diversification discount) am

Markt erzielen. Zu diesem Zweck wird eine angepasste, auf LEBARON/SPEIDELL (1987) und

LANG/STULZ (1994) zurückgehende, als Chop Shop bezeichnete Methode herangezogen. Die Idee dahinter ist, die Bewertung von Unternehmen mit der theoretischen Bewertung dieser Unternehmen zu vergleichen, die diese hätten, wenn sie in separate Unternehmen mit je einem Tätigkeitsfeld („shops“) aufgeteilt werden würden („chop“). Die Differenz stellt dann den sogenannten (positiven oder negativen) excess value dar.256 Die Methode wurde von LAEVEN/LEVINE (2007) für Banken weiter angepasst und soll als Grundlage für die nachfolgende Methode dienen:257

256 Vgl. Lang/Stulz (1994), S. 1248ff; LeBaron/Speidell (1987), S. 78ff. 257 Vgl. Laeven/Levine (2007), S. 341ff.

Juli 2020 Manuel Noll 37/129

푛 푛 ∑푖=1 푟푎푡푖표푅퐵 ∑푖=1 푟푎푡푖표퐶퐵 1) ∅ 푟푎푡푖표푅퐵 = ; ∅ 푟푎푡푖표퐶퐵 = ; 푛푅퐵 푛퐶퐵 푛 푛 ∑푖=1 푟푎푡푖표퐼퐵 ∑푖=1 푟푎푡푖표푃퐵 ∅ 푟푎푡푖표퐼퐵 = ; ∅ 푟푎푡푖표푃퐵 = 푛퐼퐵 푛푃퐵

푛푅퐵 + 1 , 푤푒푛푛 푛 푢푛푔푒푟푎푑푒 2 2) ñ 푟푎푡푖표푅퐵 = 1 푛 푛 ∗ ( 푅퐵 + ( 푅퐵 + 1)) , 푤푒푛푛 푛 푔푒푟푎푑푒 {2 2 2

푛퐶퐵 + 1 , 푤푒푛푛 푛 푢푛푔푒푟푎푑푒 2 ñ 푟푎푡푖표퐶퐵 = 1 푛 푛 ∗ ( 퐶퐵 + ( 퐶퐵 + 1)) , 푤푒푛푛 푛 푔푒푟푎푑푒 {2 2 2

푛퐼퐵 + 1 , 푤푒푛푛 푛 푢푛푔푒푟푎푑푒 2 ñ 푟푎푡푖표퐼퐵 = 1 푛 푛 ∗ ( 퐼퐵 + ( 퐼퐵 + 1)) , 푤푒푛푛 푛 푔푒푟푎푑푒 {2 2 2

푛푃퐵 + 1 , 푤푒푛푛 푛 푢푛푔푒푟푎푑푒 2 ñ 푟푎푡푖표푃퐵 = 1 푛 푛 ∗ ( 푃퐵 + ( 푃퐵 + 1)) , 푤푒푛푛 푛 푔푒푟푎푑푒 {2 2 2

3) 푎푑푗. 푟푎푡푖표 ∅퐼,퐴 = 푎푅퐵퐼,퐴∅푟푎푡푖표푅퐵 + 푎퐶퐵퐼,퐴∅푟푎푡푖표퐶퐵 + 푎퐼퐵퐼,퐴∅푟푎푡푖표퐼퐵 + 푎푃퐵퐼,퐴∅푟푎푡푖표푃퐵

+ 푎푂푇퐻퐸푅퐼,퐴푟푎푡푖표푅퐸퐴퐿

4) 푎푑푗. 푟푎푡푖표 ñ퐼,퐴 = 푎푅퐵퐼,퐴ñ푟푎푡푖표푅퐵 + 푎퐶퐵퐼,퐴ñ푟푎푡푖표퐶퐵 + 푎퐼퐵퐼,퐴ñ푟푎푡푖표퐼퐵 + 푎푃퐵퐼,퐴ñ푟푎푡푖표푃퐵

+ 푎푂푇퐻퐸푅퐼,퐴푟푎푡푖표푅퐸퐴퐿

5) 푒푥푐푒푠푠 푣푎푙푢푒 ∅퐼,퐴 = 푟푎푡푖표푅퐸퐴퐿 − 푎푑푗. 푟푎푡푖표 ∅퐼,퐴

6) 푒푥푐푒푠푠 푣푎푙푢푒 ñ퐼,퐴 = 푟푎푡푖표푅퐸퐴퐿 − 푎푑푗. 푟푎푡푖표 ñ퐼,퐴

7) 푒푥푐푒푠푠 푣푎푙푢푒 ∅퐼,퐴 = 푘1퐷퐼푉퐼,퐴 + 푘2푆퐼푍퐸 + 푘3퐸푅 + 푘4푅푂퐴 + 푘5퐶퐼푅 + 푘6퐼푁퐹 + 푘7퐺퐷푃

+ 푘8…19푌퐸퐴푅 + 퐶푂푁푆푇

8) 푒푥푐푒푠푠 푣푎푙푢푒 ñ퐼,퐴 = 푘1퐷퐼푉퐼,퐴 + 푘2푆퐼푍퐸 + 푘3퐸푅 + 푘4푅푂퐴 + 푘5퐶퐼푅 + 푘6퐼푁퐹 + 푘7퐺퐷푃

+ 푘8…19푌퐸퐴푅 + 퐶푂푁푆푇

Zuerst werden die Mittelwerte bzw. Mediane der Kennzahlen der vier Geschäftsfelder berechnet. Die Mittelwerte errechnen sich durch Aufsummierung aller Kennzahlen der entsprechenden Kategorie und die anschließende Division durch die Anzahl der Banken dieser Kategorie. Für die Berechnung der Mediane werden alle Kennzahlen der entsprechenden Kategorie zuerst nach der Größe geordnet und aus dieser Liste dann der Wert in der Mitte ausgewählt (wobei unterschieden werden muss, ob es eine gerade oder ungerade Anzahl von Werten gibt). Das adj. ratio (adjusted ratio) stellt die jeweilige Kennzahl dar, die eine Bank hätte, wenn sie in mehrere Banken mit je einem Geschäftsfeld aufgeteilt werden würde. 푎 steht für den jeweiligen Anteil des Geschäftsfeldes am gesamten income bzw. an den gesamten assets. Die Berechnung der

Juli 2020 Manuel Noll 38/129

adjusted ratios erfolgt durch Multiplikation dieser Anteile mit der zugehörigen Kennzahl (Mittelwert oder Median) der spezialisierten Banken dieses Geschäftsfeldes und die anschließende Aufsummierung. Die nicht zuordenbaren Erträge stellen einen Sonderfall dar. Da dieser Bereich wie bereits erwähnt eine Restgröße darstellt, gibt es als Konsequenz keine Banken die auf diesen Bereich „spezialisiert“ sein können. Es wird daher dieser Anteil mit dem tatsächlichen Wert der jeweiligen Kennzahl der Bank (REAL) multipliziert. Im Anschluss wird der excess value durch Subtraktion der adjusted ratios von den tatsächlichen ratios berechnet. Bei einem positiven excess value kann die diversifizierte Bank gegenüber spezialisierten Banken am Markt ein diversification premium erzielen, bei negativem Wert einen diversification discount. In Summe werden somit pro Bank jeweils 16 excess values berechnet: pro Kennzahl (4) einmal auf Basis der Mittelwerte; davon jeweils einmal mit dem anteiligen income und einmal mit den anteiligen assets; dasselbe dann noch einmal auf Basis der Mediane.

Beispiel für die Berechnung des excess value zur Verdeutlichung (fiktive Werte): Eine Bank hat ein tatsächliches Tobin’s q von 1,35 und erzielt 40% ihrer Erträge aus dem IB, 40% aus dem CB und 20% aus sonstigen nicht zuordenbaren Erträgen. Das durchschnittliche Tobin’s q von Banken, die auf IB spezialisiert sind, beträgt 1,50, bei CB 1,30. Das adjusted Tobin’s q ist somit (0,4 ∗ 1,50) + (0,4 ∗ 1,30) + (0,2 ∗ 1,35) = 1,39; der excess value ist 1,35 − 1,39 = −0,04; die Diversifizierung führt somit zu einem discount.

Im letzten Schritt werden dann Regressionen mit den bereits erläuterten Variablen durchgeführt; die unabhängigen Variablen sind nun jedoch die excess values. Die Anteile der Geschäftsfelder werden nun nicht mehr miteinbezogen, da sie ohnehin bereits in der Berechnung der excess values integriert sind. Diese hätten daher zwangsläufig einen signifikanten Einfluss, was aber keinen Erkenntnisgewinn mit sich bringen würde.

Während die Kennzahlen selbst sowohl die Bewertung der Diversifizierung an sich als auch die (möglicherweise unterschiedliche) Bewertung der einzelnen Geschäftsfelder (jeweils im individuellen Ausmaß der jeweiligen Bank) enthalten, kann bei der Verwendung von excess values der Diversifizierungs-Effekt an sich weitestgehend separiert werden. Das geschieht durch die Subtraktion der berechneten adjusted ratios, die diesen Effekt der unterschiedlichen Bewertung der einzelnen Geschäftsfelder enthalten, von den tatsächlichen Kennzahlen. Excess values bieten somit eine direktere und möglicherweise genauere Möglichkeit, den Einfluss der Diversifizierung auf die Marktbewertung zu messen.258

258 Vgl. Laeven/Levine (2007), S. 344f.

Juli 2020 Manuel Noll 39/129

5.2.3. Aktienanalyse

Abschließend soll untersucht werden, ob spezialisierte Banken oder Universalbanken (höher diversifizierte vs. niedriger diversifizierte) die Finanzkrise besser überstanden haben. Zu diesem Zweck werden für jede Bank-Kategorie die durchschnittlichen Renditen auf Basis von Tageskursen der jeweiligen enthaltenen Banken ermittelt. Die 74 Universalbanken werden zudem entsprechend ihrem Diversifizierungsgrad gereiht und in vier Gruppen unterteilt: Die DIV 25% Gruppe enthält die ersten 25% der Banken mit der niedrigsten Diversifizierung, die 50% Gruppe die nächsten 25% mit der zweitniedrigsten Diversifizierung, die 75% Gruppe die nächsten 25% mit der zweithöchsten Diversifizierung und die 100% Gruppe die letzten 25% mit der höchsten Diversifizierung. Die Einteilung in Gruppen erfolgt jeweils auf Basis des income und der assets. Für die Analyse werden die Volatilität (σ), das Sharpe Ratio (SR) und der Maximum Drawdown (MDD) herangezogen. Die Kennzahlen werden im Folgenden näher definiert259:

푟푖 − 푟푓 퐾푅푡 − 퐻푊푀푡 σ = STABW; 푆푅푖 = ; 푀퐷퐷푖 = 푀퐴푋 ( ) 휎푖 퐻푊푀푡

Die Volatilität σ einer Aktie entspricht der jeweiligen Standardabweichung. Das Sharpe Ratio errechnet sich durch Subtraktion der Rendite einer risikolosen Anlage 푟푓 von der Rendite der jeweiligen Aktie bzw. des Portfolios 푟푖 und anschließende Division durch die Standardabweichung (Volatilität). Die täglichen Drawdowns errechnen sich durch Subtraktion der bis zum jeweiligen Zeitpunkt 푡 bestehenden High-Watermark 퐻푊푀 (der maximalen kumulierten Rendite) von der kumulierten Rendite 퐾푅 und anschließende Division durch die HWM. Berechnet werden bei der Volatilität und der Sharpe Ratio jeweils die annualisierten Werte; hierbei wird von 252 Handelstagen pro Jahr ausgegangen.260

Die Wahl der risikolosen Anlage gestaltet sich in diesem Zusammenhang schwierig da die einzelnen Kategorien sehr divers zusammengesetzt sind und somit die Renditen von Banken aus verschiedenen Währungsgebieten beinhalten. Grundsätzlich sollen das zu betrachtende Portfolio und die risikolose Anlage jedoch idealerweise in der identischen Währung gehandelt werden, da sonst Wechselkursschwankungen und sonstige Währungsrisiken zu Verzerrungen führen können. In der Regel werden Staatsanleihen als risikolose Anlage herangezogen. Für manche Länder (etwa Ägypten) ist es jedoch fraglich, ob die betreffende Staatsanleihe als risikolos angesehen werden kann. Dennoch werden, um den möglicherweise höheren Renditen in risikoreicheren Ländern/Währungen zu begegnen, die entsprechenden (10-jährigen) Staatsanleihen herangezogen; auch um eine bessere Vergleichbarkeit zu ermöglichen. Für das

259 Vgl. Friedrich (2014), S. 4; Heidorn/Kaiser/Roder (2009), S. 12; Rottmann/Franz (2008), S. 5. 260 Vgl. etwa Friedrich (2014), S. 5

Juli 2020 Manuel Noll 40/129

EUR-Währungsgebiet werden die Renditen 10-jähriger deutscher Bundesanleihen herangezogen. Die Rendite der risikolosen Anlage wird entsprechend der Zusammensetzung der jeweiligen Kategorie gewichtet. Beispiel: Von den auf Private Banking spezialisierten Banken

5 stammen 5 der 19 aus der Schweiz; daher wird diese risikolose Rendite mit ⁄19 gewichtet 1 (genauso wie die Renditen der 5 Banken mit jeweils ⁄19 in die Berechnung der Durchschnittsrendite der ganzen Kategorie miteinfließen).

5.3. Ergebnisse

5.3.1. Deskriptive Betrachtung

Abbildung 1 zeigt die zeitliche Entwicklung des P/E ratio von 2007 bis 2018. Auffällig ist bereits auf den ersten Blick die doch recht hohe Volatilität; insbesondere bei den durchschnittlichen P/E ratios der Banken, die auf IB oder PB spezialisiert sind. Die deutlich niedrigeren Mediane lassen zudem darauf schließen, dass einige extreme Werte vorkommen, die den Mittelwert stark nach oben verzerren. Bei den Universalbanken und den Banken, die auf RB oder CB spezialisiert sind, lässt sich dieser Trend ebenfalls erkennen, jedoch nicht in diesem hohen Ausmaß.

50,00

45,00

40,00

35,00

30,00

25,00

20,00

15,00

10,00

5,00

0,00 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

Ø RB Ø CB Ø IB Ø PB Ø UB ñ RB ñ CB ñ IB ñ PB ñ UB

Abbildung 1: Entwicklung P/E ratio im Zeitablauf261

Eine weitere Auffälligkeit sind die erheblich höheren Bewertungen von auf IB und PB spezialisierten Banken ab dem Jahr 2010 (auch bei den Medianen). Über den gesamten Zeitraum

261 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 41/129

ergibt sich bei der Kategorie RB ein Mittelwert von 16,27 (Median 13,61), bei CB 15,02 (Median 11,30), bei IB 29,17 (Median 15,69), bei PB 30,79 (Median 18,58) und bei den Universalbanken 17,77 (Median 12,45). Interessant ist, dass sich im Jahr 2008 kaum nennenswerte Änderungen (im Vergleich zu 2007 und den Jahren danach) ergeben haben, obwohl dieses Jahr den Höhepunkt der Finanzkrise markiert. Nach einigen Jahren, innerhalb derer die Bewertungen der verschiedenen Bank-Kategorien erheblich differieren, nähern sich diese ab 2017 wieder deutlich an (etwa auf dem Niveau von 2007). Insgesamt lassen sich keine eindeutigen Trends erkennen; auf ein Jahr mit hohem Anstieg bei der Bewertung folgt oftmals ein Jahr mit starkem Einbruch (und umgekehrt). Zudem lassen sich kaum zeitliche Übereinstimmungen zwischen bestimmten einschneidenden Ereignissen (Rating Herabstufung USA 2011, Trump Wahl 2016, etc.) und der Erhöhung/Verringerung der Bewertung erkennen.

4,50

4,00

3,50

3,00

2,50

2,00

1,50

1,00

0,50

0,00 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

Ø RB Ø CB Ø IB Ø PB Ø UB ñ RB ñ CB ñ IB ñ PB ñ UB

Abbildung 2: Entwicklung P/BV ratio im Zeitablauf262

Abbildung 2 präsentiert die Entwicklung des P/BV ratio der fünf Bank-Kategorien. Unübersehbar ist der deutlich homogenere Verlauf im Vergleich zum P/E ratio. Grundsätzlich weisen alle Kategorien eine ähnliche Entwicklung auf. Auch hier sind jedoch Banken, die auf IB oder PB spezialisiert sind, wieder deutlich höher bewertet als die anderen Kategorien. Ebenso sind bei den zwei genannten Kategorien sowie bei Banken, die auf RB spezialisiert sind, die Mediane wesentlich niedriger als die durchschnittlichen Werte. Bei den Universalbanken und Banken, die auf CB spezialisiert sind, unterscheiden sich die beiden Werte jedoch nur geringfügig.

262 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 42/129

Zusammengefasst zeigen sich für den gesamten Zeitraum folgende Werte: bei RB ein Mittelwert von 1,60 (Median 1,27), bei CB 1,47 (Median 1,30), bei IB 2,08 (Median 1,27), bei PB 2,23 (Median 1,84) und bei den Universalbanken 1,22 (Median 1,09).

Wenig überraschend sind im Zuge der Finanzkrise die Bewertungen deutlich gesunken. Nach einer Erholung in den nächsten Jahren fallen die Bewertungen wieder, sogar unter das Niveau während dem Höhepunkt der Finanzkrise. In diesen Zeitraum fällt etwa die Ratingherabstufung der USA. Ab 2013 werden die Banken wieder deutlich besser bewertet bis es um 2016 wieder leicht bergab geht. Eine Bedeutung könnten hier die Turbulenzen an den chinesischen Aktienmärkten haben, die auch auf andere Märkte einen Einfluss hatten. In den Zeitraum des leichten Anstiegs von 2016 bis 2017 fällt die Wahl von Donald Trump, die durchaus die Aktienmärkte beflügelt hat. Ab 2018 fallen die Bewertungen wieder geringer aus; vermutlich spielt hier der Handelsstreik zwischen den USA und China eine gewisse Rolle.

4,50

4,00

3,50

3,00

2,50

2,00

1,50

1,00

0,50

0,00 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

Ø RB Ø CB Ø IB Ø PB Ø UB ñ RB ñ CB ñ IB ñ PB ñ UB

Abbildung 3: Entwicklung P/TBV ratio im Zeitablauf263

In Abbildung 3 wird die zeitliche Entwicklung des P/TBV ratio dargestellt. Da diese Kennzahl eine Variante des zuvor erläuterten P/BV ratio darstellt ist auch der Verlauf recht ähnlich. Für die Erläuterungen zu Erhöhungen/Verringerungen der Bewertung in bestimmten Jahren wird daher auf die Ausführungen beim P/BV ratio verwiesen. Zwei Punkte können jedoch festgestellt werden: Zum einen ist erkennbar, dass die auf IB und PB spezialisierten Banken im Vergleich zu den

263 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 43/129

anderen Kategorien noch deutlich höher bewertet werden (dieser Abstand ist beim P/BV ratio sehr viel geringer). Möglicherweise erfordern deren Geschäftsmodelle mehr immaterielle Werte, als es bei Banken mit Fokus auf das Kreditgeschäft nötig ist. Zum anderen werden definitionsgemäß die immateriellen Vermögenswerte vom Eigenkapital abgezogen, dadurch ist das P/TBV ratio in jedem Fall höher als die klassische P/BV ratio. Gesamthaft betrachtet ergibt sich über den Untersuchungszeitraum bei der Kategorie RB ein Mittelwert von 2,02 (Median 1,68), bei CB 1,59 (Median 1,46), bei IB 2,74 (Median 1,49), bei PB 3,24 (Median 2,32) und bei den Universalbanken 1,45 (Median 1,24).

1,80

1,70

1,60

1,50

1,40

1,30

1,20

1,10

1,00

0,90

0,80 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

Ø RB Ø CB Ø IB Ø PB Ø UB ñ RB ñ CB ñ IB ñ PB ñ UB

Abbildung 4: Entwicklung Tobin’s q im Zeitablauf264

Den Abschluss bildet Tobin’s q, dargestellt in Abbildung 4. Hier zeigt sich ein besonderes interessantes Bild. Es fällt sofort auf, dass die durchschnittlichen Werte der Kategorien IB und PB weit höher sind als die Werte aller anderen Kategorien. Diese bewegen sich mehr oder minder auf einem sehr ähnlichen Niveau. Zudem zeigt sich, dass die beiden erstgenannten Kategorien eine deutlich höhere Volatilität aufweisen. Bei den anderen Kategorien findet hier eher eine Seitwärtsbewegung statt (bis auf den Abfall während der Finanzkrise). Aufgrund der Berechnungsweise ist die Kennzahl erheblich von der Kapitalstruktur abhängig; möglicherweise spielt dieser Umstand eine Rolle für die deutliche (Über-)Bewertung der auf IB und PB spezialisierten Banken. In Summe ergibt sich über den gesamten Zeitraum bei der Kategorie RB

264 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 44/129

ein Mittelwert von 1,11 (Median 1,03), bei CB 1,04 (Median 1,03), bei IB 1,36 (Median 1,05), bei PB 1,37 (Median 1,07) und bei den Universalbanken 1,02 (Median 1,01).

Erwähnt werden muss zudem, dass die vertikale Skala erst bei 0,80, und nicht bei 0,00 wie bei den anderen Kennzahlen, beginnt (der Abstand zwischen IB/PB und dem Rest ist somit geringer als die grafische Darstellung den Anschein erweckt). Das erfolgte aus Gründen der besseren Darstellbarkeit: Würde die Skala bei 0,00 beginnen, dann wäre bis auf die Mittelwerte der auf IB und PB spezialisierten Banken nichts mehr erkennbar. Die übrigen Kategorien würden sich überlagern und „verschmelzen“.

Die Tabellen 8, 9, 10, 11 und 12 ab S. 112 im Anhang A2 bis A6 präsentieren die genauen durchschnittlichen Werte und Mediane (gegliedert nach Bank-Kategorien) der hier erläuterten Grafiken und enthalten weiters die Minimum und Maximum Werte sowie die Standardabweichung. Weiters findet sich in Tabelle 7 ab S. 107 im Anhang A1 die umfangreiche Korrelationsmatrix aller untersuchten Variablen.

5.3.2. Einfluss der Geschäftsfelder auf die Bewertung

Tabelle 2 auf der nächsten Seite zeigt die Ergebnisse der Regressionsanalyse, bei der die Bank- Kategorien durch Dummy Variablen repräsentiert werden. Die income-Spalte enthält die Ergebnisse auf Basis der income-Diversifizierung, die assets-Spalte entsprechend die Ergebnisse auf Grundlage der assets-Diversifizierung. Die Variable UB wurde ausgelassen, da mit den anderen vier Dummy-Variablen (RB, CB, IB und PB) eine Multikollinearität vorliegt. Vier dieser fünf Variablen erklären somit stets (perfekt) die Fünfte. Für das (adjustierte) R2 hat es demnach keine Auswirkung, welche vier der fünf Variablen in die Regression miteinbezogen werden; werden alle miteinbezogen so wird automatisch von der Statistiksoftware eine ausgelassen. Welche der Variablen ausgelassen wird, beeinflusst zwar die Höhe der Koeffizienten der anderen Dummy-Variablen, die Koeffizienten der restlichen Variablen wie DIV (I), ROA, etc. bleiben jedoch unverändert. Gleich bleibt aber stets die relative Reihenfolge der Dummy-Variablen untereinander. Am Beispiel des P/BV ratio in der income-Spalte bedeutet das CB hat grundsätzlich immer den niedrigsten Koeffizienten, gefolgt von RB, dann UB und zum Schluss IB und PB mit dem höchsten Koeffizienten. Im Folgenden werden die Ergebnisse je Kennzahl erläutert.265

Beim P/E ratio zeigen sich hinsichtlich der Bank-Dummy Variablen in beiden Spalten keine signifikanten Koeffizienten. Income-Diversifizierung wirkt sich leicht signifikant (p-Wert 0,072)

265 Im Anhang A7, S. 117 finden sich die genauen Regressionsergebnisse, bei denen jeweils immer eine andere Dummy-Variable ausgelassen wurde. Da sich im Grunde keine Unterschiede ergeben wird im Fließtext lediglich die Version, bei der die Variable UB ausgelassen wurde, präsentiert.

Juli 2020 Manuel Noll 45/129

income assets

P/E P/BV P/TBV q P/E P/BV P/TBV q

RB -4,6188 -0,0812 -0,0804 -0,0311 -0,5771 0,2041** 0,3048** 0,0423* (0,128) (0,425) (0,616) (0,260) (0,832) (0,026) (0,036) (0,088) CB -2,2141 -0,1667* -0,3538** -0,0535** 0,5398 0,0316 -0,0799 -0,0043 (0,430) (0,078) (0,018) (0,037) (0,836) (0,721) (0,568) (0,859) IB -2,6600 0,2197** 0,2284 -0,0510* 0,6724 0,4541*** 0,5560*** 0,0049 (0,382) (0,026) (0,141) (0,056) (0,808) (0,000) (0,000) (0,838) PB 0,8311 0,3905*** 0,7845*** 0,0344 4,5987 0,6436*** 1,1294*** 0,0983*** (0,794) (0,000) (0,000) (0,218) (0,117) (0,000) (0,000) (0,000) DIV (I)/(A) -9,3127* -0,7403*** -1,2621*** -0,1144** 1,4629 0,0289 -0,2332 0,0860** (0,072) (0,000) (0,000) (0,014) (0,709) (0,820) (0,248) (0,012) SIZE -0,7925* -0,0463*** -0,0066 0,0026 -0,9749** -0,0604*** -0,0247 -0,0012 (0,058) (0,000) (0,761) (0,487) (0,020) (0,000) (0,255) (0,748) ER 34,1877*** 0,2720 1,5740*** 1,5097*** 35,9805*** 0,4611* 1,8675*** 1,5506*** (0,000) (0,274) (0,000) (0,000) (0,000) (0,062) (0,000) (0,000) ROA -105,9322*** 8,2196*** 10,2988*** 3,5286*** -103,5116*** 8,2579*** 10,3358*** 3,5401*** (0,000) (0,000) (0,000) (0,000) (0,000) (0,000) (0,000) (0,000) CIR 41,0823*** -0,2723*** -0,0656 0,0121 40,9886*** -0,2398** -0,0169 0,0187 (0,000) (0,006) (0,676) (0,655) (0,000) (0,016) (0,914) (0,489) INFL -40,9667 0,5592 -0,0757 -0,7734*** -46,9772 0,0235 -0,9016 -0,8839*** (0,174) (0,588) (0,963) (0,006) (0,118) (0,982) (0,579) (0,002) GDP 46,3532* 7,7289*** 6,1073*** 1,1037*** 46,0675* 7,7401*** 6,2724*** 1,0656*** (0,073) (0,000) (0,000) (0,000) (0,076) (0,000) (0,000) (0,000)

Beobachtungen 1660 1833 1818 1833 1660 1833 1818 1833 Adj. R2 0,1124 0,3353 0,2798 0,6064 0,1107 0,3285 0,2717 0,6065

Tabelle 2: Ergebnisse Regression Kennzahlen (Dummy)266

Die unabhängigen Variablen sind die vier Kennzahlen. RB, CB, IB und PB stellen Dummy-Variablen dar (UB wird aufgrund von (Multi-)Kollinearität ausgelassen). Die Ergebnisse der linken und rechten Spalte unterscheiden sich durch das verwendete DIV-Maß (links auf income-Basis; rechts auf assets-Basis). *, **, *** signifikant auf 10%, 5%, 1% Niveau; p-Werte in Klammern.

266 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 46/129

negativ auf die Bewertung aus. Im Gegensatz dazu sind die positiven Auswirkungen der assets- Diversifizierung nicht signifikant. Die Größe einer Bank wirkt sich in beiden Fällen negativ aus, wobei der Koeffizient in der assets-Spalte größer ist und auch einen höheren Signifikanzwert erreicht. Bezüglich der Eigenkapitalquote zeigen sich in beiden Spalten hohe Koeffizienten (34,1877 und 35,9805) mit p-Werten von je 0,000. Noch höhere und signifikante Koeffizienten, jedoch mit negativem Vorzeichen, zeigen sich beim ROA (-105,9322 und -103,5116). Weiters legen die Ergebnisse einen signifikanten, positiven Zusammenhang zwischen dem cost-income ratio und der Bewertung nahe. Als makroökonomischer Faktor hat die Inflationsrate in beiden Spalten keine signifikanten Auswirkungen auf die Bewertung. Demgegenüber zeigen sich bei der Wachstumsrate des BIP leicht signifikante Einflüsse (p-Werte von 0,073 und 0,076). Die adjustierten R2 sind mit 0,1124 (income) und 0,1107 (assets) eher niedrig.

Hinsichtlich der Bank-Dummy Variablen ergibt sich beim P/BV ratio ein deutlich anderes Bild. In der income-Spalte zeigt sich bei RB kein signifikanter Koeffizient, hingegen in der assets-Spalte ist dieser signifikant (p-Wert 0,026) und positiv (0,2041). Bei CB lässt sich gegenteiliges beobachten; wird die Diversifizierung anhand des income gemessen, dann ergibt sich ein leicht signifikanter, negativer Zusammenhang (-0,1667). Hingegen bei der assets-Diversifizierung gibt es keinen signifikanten Zusammenhang. Im Falle des IB ergeben sich auf beiden Seiten signifikante Koeffizienten (0,2197 und 0,4541), allerdings auf unterschiedlichen Signifikanzniveaus. Selbiges Bild, jedoch mit höheren Koeffizienten, ergibt sich bei PB. Während income-Diversifizierung einen negativen und hoch signifikanten Effekt auf die Bewertung hat, kann bei der assets-Diversifizierung kein derartiger Zusammenhang beobachtet werden. Größe wirkt sich in beiden Fällen negativ (-0,0463 und -0,0604) und hoch signifikant auf die Bewertung aus. Hinsichtlich der Eigenkapitalquote zeigt sich lediglich in der rechten Spalte ein leicht signifikanter Koeffizient (0,4611). Der ROA ist jedoch wieder in beiden Fällen hoch signifikant. Ebenso weisen die Koeffizienten sehr hohe Werte auf. Das CIR weist auf beiden Seiten negative Koeffizienten auf (-0,2723 und -0,2398) die auch signifikant sind. Die Inflationsrate zeigt in keinem Fall einen signifikanten Wert. Die Wachstumsrate des BIP übt jedoch in beiden Spalten einen hoch signifikanten Einfluss auf die Bewertung aus. Die Koeffizienten sind ebenfalls hoch. Es zeigen sich mittelmäßige adjustierte R2 von 0,3353 und 0,3285.

Die Koeffizienten und Signifikanzwerte der Bank-Dummy ergeben beim P/TBV ratio ein recht ähnliches Bild wie beim P/BV ratio. So ist in der income-Spalte RB nicht signifikant, in der assets- Spalte jedoch schon, bei positivem Koeffizienten. Demgegenüber verhält es sich bei CB genau umgekehrt (negativer, signifikanter Koeffizient in der linken Spalte; keine Signifikanz in der rechten Spalte). Bei IB zeigt sich nur in der assets-Spalte ein signifikanter, positiver Koeffizient (0,5660). Hingegen bei PB ergeben sich in beiden Fällen hohe, positive Koeffizienten (0,7845 und 1,1294) mit sehr niedrigen p-Werten (jeweils 0,000). Wie auch beim P/BV ratio gibt es zwischen der

Juli 2020 Manuel Noll 47/129

income-Diversifizierung und der Bewertung einen signifikanten, negativen Zusammenhang (- 1,2621). Demgegenüber kann bei der assets-Diversifizierung kein signifikanter Einfluss festgestellt werden. Größe scheint sich in beiden Fällen nicht signifikant auf die Bewertung auszuwirken. Sowohl die Eigenkapitalquote als auch der ROA haben auf beiden Seiten einen signifikanten, positiven Einfluss auf die Bewertung, bei jeweiligen p-Werten von 0,000. Das cost- income ratio wirkt sich in beiden Spalten nicht signifikant auf die Bewertung aus. Bei den Variablen, die die makroökonomische Situation abbilden sollen, zeigt lediglich die Wachstumsrate des BIP einen hohen, signifikanten Einfluss auf die Bewertung (6,1073 und 6,2724); die geringen negativen Auswirkungen der Inflationsrate sind nicht signifikant. Die adjustieren R2 sind mit 0,2798 und 0,2717 etwas niedriger als beim P/BV ratio.

Zu guter Letzt wird noch Tobin’s q analysiert. Wie auch schon bei den beiden vorher genannten Kennzahlen, hat RB auf der income-Seite keinen signifikanten Einfluss auf die Bewertung. Auf der assets-Seite zeigt sich ein leicht positiver Koeffizient (0,0423), mit geringer Signifikanz (p-Wert 0,088). CB zeigt sich in der linken Spalte mit einem signifikanten, negativen Koeffizienten; rechts liegt keine Signifikanz vor. Bei IB präsentiert sich auf der linken Seite ein signifikanter, negativer Koeffizient; wie auch bei CB ist dieser auf der rechten Seite nicht signifikant. PB weist in der income-Spalte keinen signifikanten Zusammenhang mit der Bewertung auf; in der assets-Spalte zeigt sich jedoch ein (im Vergleich zu den anderen Dummy-Variablen) hoher Koeffizient (0,0983) mit hoher Signifikanz (p-Wert 0,000). Größe hat in beiden Fällen keinen Einfluss auf die Bewertung. Einen sehr hohen Zusammenhang (1,5097 und 1,5506) bei gleichzeitig hoher Signifikanz gibt es zwischen der Eigenkapitalquote und der Bewertung. Ebenso verhält es sich beim ROA. Demgegenüber hat das CIR keine signifikanten Auswirkungen auf die Kennzahl. Zum ersten Mal hat jedoch die Inflationsrate einen hoch signifikanten, negativen Einfluss auf die Bewertung (-0,7734 und -0,8839). Wie auch schon bei den anderen Kennzahlen zeigt die Wachstumsrate des BIP hohe, positive Effekte auf die Bewertung. Die adjustierten R2 weisen hohe Werte (0,6064 beim income, 0,6065 bei den assets) auf.

In Tabelle 3 auf der nächsten Seite werden die Ergebnisse der Regressionsanalyse, bei der die jeweiligen Anteile der Geschäftsfelder am gesamten income bzw. den gesamten assets miteinbezogen werden, dargestellt. Analog zur vorherigen Tabelle werden in der linken Spalte die Ergebnisse auf Grundlage der Anteile am income bzw. der income-Diversifizierung präsentiert und in der rechten Spalte das Ganze entsprechend auf Basis der assets.

Beim P/E ratio zeigen sich hinsichtlich der Anteile der Geschäftsfelder weder auf income-Basis noch auf assets-Basis signifikante Koeffizienten. Ebenso haben die zwei verschiedenen Diversifizierungsmaße keinen signifikanten Einfluss auf die Bewertung. Die Größe einer Bank hat

Juli 2020 Manuel Noll 48/129

income assets

P/E P/BV P/TBV q P/E P/BV P/TBV q

RB (I)/(A) 3,3657 0,0005 0,4183 0,2993*** -1,0238 -0,7678*** -0,8715*** -0,0309 (0,750) (0,999) (0,378) (0,000) (0,863) (0,000) (0,004) (0,544) CB (I)/(A) 6,3238 -1,8276 -0,0766 0,2416*** 1,6089 -1,0426*** -1,4711*** -0,1289** (0,552) (0,548) (0,874) (0,003) (0,785) (0,000) (0,000) (0,011) IB (I)/(A) 4,1113 0,3175 0,6284 0,2746*** -0,5689 -0,6077*** -0,9452*** -0,0649 (0,704) (0,288) (0,185) (0,001) (0,923) (0,001) (0,001) (0,193) PB (I)/(A) 6,6072 0,4086 1,1208** 0,3467*** 4,1879 -0,3022 0,0259 0,0297 (0,542) (0,176) (0,019) (0,000) (0,492) (0,114) (0,932) (0,566) DIV (I)/(A) -4,9249 -0,7097*** -1,1530*** -0,0225 0,7000 -0,3520*** -0,6736*** 0,0620* (0,209) (0,000) (0,000) (0,521) (0,854) (0,005) (0,001) (0,066) SIZE -0,7380* -0,0520*** -0,0201 0,0004 -0,9656** -0,0717*** -0,0330 -0,0018 (0,084) (0,000) (0,361) (0,919) (0,024) (0,000) (0,128) (0,631) ER 35,4464*** 0,2153 1,5751*** 1,5123*** 37,1279*** 0,5078** 2,0695*** 1,5229*** (0,000) (0,382) (0,000) (0,000) (0,000) (0,037) (0,000) (0,000) ROA -102,3364*** 8,1535*** 10,1090*** 3,4934*** -103,1509*** 8,0534*** 9,8830*** 3,5153*** (0,000) (0,000) (0,000) (0,000) (0,000) (0,000) (0,000) (0,000) CIR 42,5912*** -0,3370*** -0,1496 0,0015 42,0811*** -0,2984*** -0,0654 0,0011 (0,000) (0,001) (0,353) (0,958) (0,000) (0,004) (0,685) (0,968) INFL -47,7233 0,7134 0,1029 -0,8894*** -48,2603 0,9918 0,7215 -0,7122** (0,118) (0,492) (0,950) (0,002) (0,113) (0,343) (0,661) (0,012) GDP 45,6413* 8,0041*** 6,8003*** 1,1753*** 47,8711* 8,0090*** 6,9197*** 1,0921*** (0,079) (0,000) (0,000) (0,000) (0,065) (0,000) (0,000) (0,000)

Beobachtungen 1660 1833 1818 1833 1660 1833 1818 1833 Adj. R2 0,1109 0,3362 0,2781 0,6083 0,1106 0,3291 0,2750 0,6077

Tabelle 3: Ergebnisse Regression Kennzahlen (Geschäftsfeldanteile)267

Die unabhängigen Variablen sind die vier untersuchten Kennzahlen. Die Anteile des jeweiligen Geschäftsfelds am gesamten Geschäftsvolumen basieren links auf dem income und rechts auf den assets. *, **, *** signifikant auf 10%, 5%, 1% Niveau; p-Werte in Klammern.

267 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 49/129

jedoch in beiden Fällen eine signifikante, negative Auswirkung auf das P/E ratio. Die Eigenkapitalquote, der ROA sowie das CIR haben sehr ähnliche Koeffizienten wie in der vorherigen Regression. Ebenso decken sich alle dazugehörigen p-Werte (jeweils 0,000); die Koeffizienten sind daher hoch signifikant. Weiters sind auch die Koeffizienten der Inflationsrate analog zur vorherigen Regression in beiden Spalten nicht signifikant. Die Wachstumsrate des BIP, die sich positiv auf die Bewertung auswirkt (45,6413 und 47,8711) ist wiederum leicht signifikant (p-Werte von 0,079 und 0,065). Die adjustierten R2 sind mit 0,1109 und 0,1106 ähnlich niedrig wie bei der ersten Regression.

Die Geschäftsfelder scheinen zumindest auf income-Basis beim P/BV ratio keinen Einfluss auf die Bewertung zu haben; keines der vier Geschäftsfelder weist einen signifikanten Koeffizienten auf. Auf assets-Basis ergibt sich ein ganz anderes Bild. Die drei Geschäftsfelder RB, CB, und IB weisen jeweils negative Koeffizienten auf (-0,7678; -1,0426 und -0,6077) mit p-Werten von jeweils 0,000 was auf einen signifikanten Einfluss hindeutet. Beim PB ergibt sich jedoch kein signifikanter Koeffizient. Beide Diversifizierungsmaße wirken sich signifikant negativ auf die Bewertung aus. Ebenso besteht zwischen der Größe und der Bewertung ein signifikanter, negativer Zusammenhang. Bei der Eigenkapitalquote präsentiert sich lediglich der Koeffizient auf der rechten Spalte als signifikant. Hinsichtlich des ROA und dem CIR zeigen sich ähnliche Koeffizienten (beim ROA positiv, beim CIR negativ) wie in der vorherigen Regression und jeweils hohe Signifikanzen. Die Inflationsrate weist in beiden Fällen nur geringe Koeffizienten auf, die aber ohnehin nicht signifikant sind. Jedoch zeigen sich bei der Wachstumsrate des BIP wieder sehr hohe positive Koeffizienten (8,0041 und 8,0090) mit hohen Signifikanzen. Die Werte der adjustierten R2 sind nahezu identisch mit denen der ersten Regression.

Hinsichtlich der Geschäftsfelder zeigt sich beim P/TBV ratio ein vergleichbares Bild wie beim P/BV ratio. Auf der income-Seite zeigt sich lediglich bei PB ein signifikanter positiver Koeffizient; alle anderen Geschäftsfelder üben keinen signifikanten Einfluss auf die Bewertung aus. Im Gegensatz dazu weisen auf der assets-Seite alle Geschäftsfelder bis auf PB einen signifikanten Koeffizienten auf (RB -0,8715, CB -1,4711 und IB -0,9452). Wie beim P/BV ratio wirken sich beide Diversifizierungsmaße negativ auf die Bewertung aus. Die Größe weist zwar in beiden Spalten negative Koeffizienten auf, diese sind jedoch nicht signifikant. Im Falle der Eigenkapitalquote und des ROA zeigen sich hoch signifikante (p-Werte jeweils 0,000) positive Koeffizienten, die mit jenen der vorherigen Regression ähnlich sind. Das CIR besitzt keine signifikante Erklärungskraft bezüglich dem P/TBV ratio. Ähnlich verhält es sich bei der Inflationsrate; auch hier gibt es sowohl auf der income-Seite als auch auf der assets-Seite keine Signifikanzen. Bei der Wachstumsrate des BIP ergeben sich wieder sehr hohe positive und signifikante Koeffizienten (6,8003 und 6,9197). Wie auch beim P/BV ratio sind die Werte der adjustierten R2 annähernd deckungsgleich mit denen der ersten Regression.

Juli 2020 Manuel Noll 50/129

Die Koeffizienten der Geschäftsfelder unterscheiden sich bei Tobin’s q deutlich von denen der anderen Kennzahlen. Auf income-Basis weisen alle vier Geschäftsfelder positive Koeffizienten (RB 0,2993, CB 0,2416, IB 0,2746 und PB 0,3467) mit hohen Signifikanzen auf. Hingegen auf assets-Basis weist lediglich CB einen signifikanten Einfluss (-0,1289) auf die Bewertung auf. Income-Diversifizierung hat im Gegensatz zur vorherigen Regression nun keine signifikante Auswirkung mehr auf die Kennzahl. Nachwievor zeigt assets-Diversifizierung einen positiven Einfluss auf die Bewertung, wobei der Koeffizient kleiner geworden ist und der p-Wert gestiegen ist. Wie auch beim P/TBV ratio scheint es zwischen der Größe einer Bank und ihrer Bewertung keinen signifikanten Zusammenhang zu geben. Sehr hohe Koeffizienten (1,5123 und 1,5229) bei hoher Signifikanz weist die Eigenkapitalquote auf. Selbiges lässt sich beim ROA beobachten. Beim CIR zeigen sich sehr niedrige Koeffizienten mit Signifikanzwerten nahe 1 wodurch ein Zusammenhang mit der Bewertung nahezu ausgeschlossen werden kann. Wie bei der ersten Regression sind die Inflationsrate (negative Koeffizienten) und die Wachstumsrate des BIP (positive Koeffizienten) signifikante Einflussfaktoren. Wiederum weisen die adjustierten R2 vergleichsweise hohe Werte von 0,6083 (income) und 0,6077 (assets) auf.

5.3.3. Excess values und Bewertung

Nachfolgend werden die Ergebnisse der Regressionsanalyse mit den excess values als zu erklärende Variablen präsentiert. Die Anteile der Geschäftsfelder wurden nun nicht mehr miteinbezogen, da sich die excess values daraus berechnen und infolgedessen immer ein signifikanter Einfluss vorliegt (der Koeffizient ist dabei umso größer, je höher der Mittelwert/Median der Bewertung der entsprechenden Geschäftsfeld-Kategorie ist). Dies hätte im Ergebnis keine Aussagekraft. Die Bedeutung der Koeffizienten (hinsichtlich Vorzeichen und Größe) ist grundsätzlich die gleiche wie bei den Kennzahlen. Hat beispielsweise eine Variable einen positiven Einfluss auf den excess value, so ist auch der Einfluss auf die Bewertung positiv da sich mit steigender Bewertung automatisch der (positive) excess value miterhöht. Die excess values betrachten die Bewertung somit lediglich aus einer anderen Perspektive als die Kennzahlen selbst. Unterbewertungen/Überbewertungen entsprechen somit generell niedrigeren/höheren Bewertungen. Tabelle 4 auf der nächsten Seite zeigt die Ergebnisse der Regression jener excess values, die auf Basis der Mittelwerte der spezialisierten Banken berechnet wurden.

Beim excess value des P/E ratio weist weder die income-Diversifizierung noch die assets- Diversifizierung signifikante Koeffizienten auf. Die Größe einer Bank wirkt sich in beiden Spalten signifikant negativ auf den excess value aus, was auf höhere Unterbewertungen bei größeren Banken hindeutet. Die Eigenkapitalquote wirkt sich demgegenüber signifikant positiv aus und scheint Unterbewertungen zu reduzieren bzw. zu Überbewertungen zu führen. Der ROA hingegen weist sehr hohe negative Koeffizienten auf, (-108,2865 und -103,0607) bei p-Werten von jeweils

Juli 2020 Manuel Noll 51/129

Mittelwert income assets

EV P/E EV P/BV EV P/TBV EV q EV P/E EV P/BV EV P/TBV EV q

DIV (I)/(A) -1,9871 -0,6392*** -1,0197*** 0,0058 3,0066 -0,1801** -0,3809*** 0,0871*** (0,568) (0,000) (0,000) (0,866) (0,302) (0,044) (0,008) (0,001) SIZE -0,8280** -0,0412*** -0,0069 0,0043 -1,2336*** -0,0562*** -0,0295* -0,0013 (0,039) (0,001) (0,736) (0,253) (0,001) (0,000) (0,100) (0,700) ER 22,8156*** 0,2496 1,3921*** 1,2604*** 23,1274*** 0,4655** 1,6632*** 1,2387*** (0,002) (0,259) (0,000) (0,000) (0,001) (0,017) (0,000) (0,000) ROA -108,2865*** 7,5722*** 9,2150*** 3,3570*** -103,0607*** 7,1988*** 8,7682*** 3,3262*** (0,000) (0,000) (0,000) (0,000) (0,000) (0,000) (0,000) (0,000) CIR 25,1762*** -0,3684*** -0,3498** -0,1153*** 23,8312*** -0,3713*** -0,3413*** -0,1196*** (0,000) (0,000) (0,014) (0,000) (0,000) (0,000) (0,008) (0,000) INFL -26,6923 2,1443** 2,2497 -0,2041 -33,0571 1,8814** 1,6744 -0,1588 (0,358) (0,027) (0,144) (0,474) (0,229) (0,029) (0,228) (0,540) GDP 28,7562 5,7820*** 4,1820*** 0,6453*** 8,7995 4,4707*** 2,7132** 0,0094 (0,244) (0,000) (0,001) (0,007) (0,708) (0,000) (0,020) (0,965)

Beobachtungen 1660 1833 1818 1833 1660 1833 1818 1833 Adj. R2 0,0530 0,2720 0,1961 0,5203 0,0614 0,2819 0,1983 0,5591

Tabelle 4: Ergebnisse Regression excess value (Mittelwert)268

Die unabhängige Variable ist der excess value und wurde auf Basis der Mittelwerte der spezialisierten Banken berechnet. Für die Berechnung wurde jeweils einmal die Diversifizierung auf Basis des income und einmal auf Basis der assets herangezogen. *, **, *** signifikant auf 10%, 5%, 1% Niveau; p-Werte in Klammern.

268 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 52/129

0,000; signalisierend höhere Unterbewertungen bei profitableren Banken. Im Gegensatz dazu sind die Koeffizienten beim CIR wieder signifikant positiv. Die Inflationsrate und die Wachstumsrate des BIP scheinen keine signifikanten Auswirkungen auf den excess value einer Bank zu haben. Die adjustierten R2 sind in beiden Spalten noch niedriger (0,0530 und 0,0614) als es schon bei den Regressionen mit dem P/E ratio der Fall war.

Beide Diversifizierungsmaße präsentieren sich beim excess value des P/BV ratio mit signifikanten, negativen Koeffizienten (-0,6392 und -0,1801). Dies deutet auf eine höhere Unterbewertung bei stärker diversifizierten Banken hin. Selbiges Bild zeigt sich bei der Größe. Die Eigenkapitalquote wirkt sich lediglich in der assets-Spalte signifikant positiv auf den excess value aus; in der income- Spalte liegt keine Signifikanz vor. Beim ROA liegen wieder sehr hohe positive Koeffizienten vor (7,5722 und 7,1988). Das CIR wirkt sich signifikant negativ auf den excess value einer Bank aus. Erstmals hat die Inflationsrate in beiden Fällen einen positiven und signifikanten Einfluss. Ebenso zeigt sich bei der Wachstumsrate des BIP ein positiver Zusammenhang mit der Höhe des excess value (bei p-Werten von jeweils 0,000). Die adjustierten R2 sind mit 0,2720 und 0,2819 eher mittelmäßig.

Hinsichtlich der Diversifizierungsmaße ergibt sich beim excess value des P/TBV ratio ein ähnliches Bild wie beim P/BV ratio. Beide Versionen weisen signifikante, negative Koeffizienten auf (-1,0197 und -0,3809). Die Koeffizienten der Größe einer Bank erreichen lediglich in der assets-Spalte gerade noch so einen signifikanten Wert (-0,0295 bei einem p-Wert von 0,100). Demgegenüber wirkt sich die Eigenkapitalquote wieder positiv und hoch signifikant auf den excess value aus. Ein vergleichbares Bild mit sehr hohen Koeffizienten lässt sich beim ROA beobachten. Beim CIR ergeben sich in beiden Spalten fast identische Koeffizienten, die jeweils negativ und signifikant sind. Im Gegensatz zum excess value des P/BV ratio zeigt sich hier die Inflationsrate nicht mit signifikanten Koeffizienten. Die Wachstumsrate des BIP ist jedoch wieder signifikant mit positiven Koeffizienten. Die adjustierten R2 betragen 0,1961 und 0,1983.

Beim excess value von Tobin’s q weist die income-Diversifizierung keinen signifikanten Koeffizienten auf. Gegenteiliges zeigt sich bei der assets-Diversifizierung: Hier liegt ein hoch signifikanter (p-Wert 0,001), positiver Koeffizient (0,0871) vor. Größe wirkt sich in beiden Fällen nicht auf den excess value aus. Bei der Eigenkapitalquote zeigen sich wiederum vergleichsweise sehr hohe Koeffizienten (1,2604 und 1,2387) die auch signifikant sind. Beim CIR lassen sich auf beiden Seiten fast identische, negative Koeffizienten beobachten, bei p-Werten von jeweils 0,000. Wie beim excess value des P/TBV ratio weisen die Koeffizienten der Inflationsrate keine Signifikanzen auf. Die Wachstumsrate des BIP ist lediglich in der income-Spalte signifikant, bei positivem Koeffizienten. Die adjustierten R2 betragen 0,5203 und 0,5591 und sind damit etwas niedriger als bei der Kennzahlen-Regression.

Juli 2020 Manuel Noll 53/129

Median income assets

EV P/E EV P/BV EV P/TBV EV q EV P/E EV P/BV EV P/TBV EV q

DIV (I)/(A) -4,3208 -0,7590*** -1,2774*** -0,0708** -1,3292 -0,3998*** -0,7857*** -0,0296 (0,212) (0,000) (0,000) (0,031) (0,647) (0,000) (0,000) (0,242) SIZE -0,7810** -0,0377*** -0,0072 0,0042 -0,8960** -0,0352*** -0,0017 0,0054* (0,050) (0,004) (0,727) (0,251) (0,016) (0,001) (0,925) (0,089) ER 29,1239*** 0,7941*** 2,2717*** 1,4845*** 28,8328*** 0,9248*** 2,4513*** 1,4413*** (0,000) (0,000) (0,000) (0,000) (0,000) (0,000) (0,000) (0,000) ROA -99,6459*** 7,4747*** 9,6556*** 3,5191*** -94,4274*** 7,1639*** 9,2692*** 3,4921*** (0,000) (0,000) (0,000) (0,000) (0,000) (0,000) (0,000) (0,000) CIR 36,0662*** -0,1948** 0,1276 0,0168 33,5972*** -0,1800** 0,1222 0,0074 (0,000) (0,031) (0,370) (0,505) (0,000) (0,023) (0,338) (0,745) INFL -29,4065 1,2956 0,4992 -0,7163*** -30,8607 1,2381 0,3737 -0,5846** (0,309) (0,186) (0,746) (0,009) (0,259) (0,150) (0,786) (0,017) GDP 40,1947 6,5427*** 4,9245*** 0,6962*** 26,9192 5,4590*** 3,9403*** 0,2161 (0,102) (0,000) (0,000) (0,002) (0,249) (0,000) (0,001) (0,292)

Beobachtungen 1660 1833 1818 1833 1660 1833 1818 1833 Adj. R2 0,0887 0,3009 0,2524 0,5989 0,0892 0,3062 0,2503 0,6290

Tabelle 5: Ergebnisse Regression excess value (Median)269

Die unabhängige Variable ist der excess value und wurde auf Basis der Mediane der spezialisierten Banken berechnet. Für die Berechnung wurde jeweils einmal die Diversifizierung auf Basis des income und einmal auf Basis der assets herangezogen. *, **, *** signifikant auf 10%, 5%, 1% Niveau; p-Werte in Klammern.

269 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 54/129

Auf der vorherigen Seite werden in Tabelle 5 die Ergebnisse der excess values, die auf Basis der Mediane der spezialisierten Banken berechnet wurden, dargestellt. Dadurch soll auch gezeigt werden, wie robust die bisherigen Ergebnisse sind.

Beim excess value des P/E ratio zeigt sich in Summe ein recht ähnliches Bild wie bei den Mittelwert-basierten Ergebnissen. So ändern sich zwar die Koeffizienten der einzelnen Variablen, die Signifikanzniveaus bleiben jedoch gleich. Es sind keine signifikanten Variablen dazugekommen bzw. andere weggefallen. Auch das adjustierte R2 hat sich nur geringfügig auf 0,0887 und 0,0892 erhöht womit die Erklärungskraft ziemlich gering bleibt.

Etwas anders stellt sich die Situation beim excess value des P/BV ratio dar. Nachwievor präsentieren sich beide Diversifizierungsmaße sowie die Größe mit negativen, signifikanten Koeffizienten. Während bei den Mittelwert-basierten Ergebnissen die Eigenkapitalquote nur auf der assets-Seite signifikant war, zeigen sich nun Signifikanzen (p-Werte jeweils 0,000) auf beiden Seiten. Beim ROA hat sich nicht viel verändert (geringfügige Änderung der Koeffizienten). Beim CIR sind die Koeffizienten deutlich geschrumpft sowie die p-Werte leicht gestiegen (aber immer noch signifikant). Die Inflationsrate ist unterdessen auf beiden Seiten nicht mehr signifikant. Bis auf eine leichte Erhöhung der Koeffizienten hat sich bei der Wachstumsrate des BIP nichts verändert. Die adjustierten R2 sind leicht gestiegen (0,3009 und 0,3062).

Auch beim excess value des P/TBV ratio ergeben sich einige Veränderungen. Während der Einfluss beider Diversifizierungsmaße signifikant und negativ bleibt, zeigt sich bei der Größe nun auch auf der assets-Seite kein signifikanter Koeffizient mehr (auf der income-Seite auch nicht). Bei der Eigenkapitalquote und dem ROA hat sich wenig verändert (etwas höhere Koeffizienten bei der Eigenkapitalquote). Das CIR ist nun sowohl auf der income-Seite als auch auf der assets- Seite nicht mehr signifikant. Die Koeffizienten der Inflationsrate bleiben ohne signifikanten Einfluss. Abgesehen von etwas erhöhten Koeffizienten und besseren p-Werten ergibt sich auch bei der Wachstumsrate des BIP keine nennenswerte Veränderung. Ebenfalls sind die adjustierten R2 etwas gestiegen (0,2524 und 0,2503).

Beim excess value von Tobin’s q zeigen sich einige interessante Veränderungen. Bei den Diversifizierungsmaßen präsentiert sich nun ein gegenteiliges Ergebnis. Income-Diversifizierung hat jetzt einen negativen, signifikanten Einfluss (vorher nicht signifikant) und assets- Diversifizierung weist keine Signifikanz mehr auf (vorher schon, bei positivem Koeffizienten). Größe wirkt sich jetzt auf der assets-Seite positiv aus (bei einem p-Wert von 0,089). Auf der income-Seite bleibt der Koeffizient ohne Signifikanz. Bis auf leicht erhöhte Koeffizienten ändert sich bei der Eigenkapitalquote nichts. Selbiges gilt für den ROA. Im Gegensatz dazu verschwinden beim CIR nun auf beiden Seiten die Signifikanzen. Hingegen bei der Inflationsrate (vorher in

Juli 2020 Manuel Noll 55/129

beiden Spalten keine signifikanten Koeffizienten) zeigen sich jetzt in beiden Fällen signifikante, negative Koeffizienten. Bei der Wachstumsrate des BIP bleibt links der Koeffizient signifikant, während rechts nachwievor keine Signifikanz vorliegt. Die adjustierten R2 erhöhen sich auf 0,5989 und 0,6290.

Die folgenden Abbildungen präsentieren die excess values der Universalbanken. Zur Erklärung der Legende und Achsen: Die Ausdrücke vor den Klammern zeigen an, ob es sich um die Mittelwerte eines excess values (Ø EV) oder die Mediane eines excess values (ñ EV) handelt. Die Ausdrücke in Klammern zeigen die Berechnungsweise der jeweiligen excess values an. So bedeutet (Ø Inc), dass die excess values Mittelwert-basiert sind und sich anhand des anteiligen income errechnen. (ñ Ass) bedeutet demgegenüber, dass die excess values Median-basiert sind und sich anhand der anteiligen assets errechnen. Es werden somit von jedem der vier excess values jeweils der Mittelwert und der Median dargestellt. Die schwarzen Linien (DIV (I) und (A)) zeigen die zeitliche Entwicklung der zwei Diversifizierungsmaße. Die linke vertikale Achse zeigt die Höhe der excess values, die rechte Achse die Höhe der Diversifizierung.

8,00 0,63

6,00 0,62 4,00

2,00 0,61

0,00 0,6 -2,00

-4,00 0,59

-6,00 0,58 -8,00

-10,00 0,57

-12,00 0,56 -14,00

-16,00 0,55 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

Ø EV (Ø Inc) Ø EV (ñ Inc) Ø EV (Ø Ass) Ø EV (ñ Ass) ñ EV (Ø Inc) ñ EV (ñ Inc) ñ EV (Ø Ass) ñ EV (ñ Ass) DIV (I) DIV (A)

Abbildung 5: Entwicklung der excess values P/E ratio im Zeitablauf270

Abbildung 5 zeigt die excess values des P/E ratio. Wie bereits bei der Kennzahl selbst, weisen die excess values eine recht hohe Volatilität auf. Auffällig ist zudem der teilweise extreme Unterschied zwischen Mittelwert- und Median-basierten excess values. Auch die Mittelwerte und

270 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 56/129

Mediane derselben excess values divergieren erheblich. Dieser Unterschied ergibt sich wohl zwangsläufig aufgrund der stark nach oben verzerrten Kennzahl (bei der ebenfalls Mittelwert und Median weit auseinanderklaffen). Interessant ist aber, dass sich die jeweils zusammengehörigen income und assets-excess values teilweise stark ähneln. Über den gesamten Zeitraum betrachtet ergibt sich bei den Mittelwert-basierten excess values ein Mittelwert von -1,78 (income) und -2,47 (assets). Bei den Median-basierten excess values Mittelwerte von 3,14 und 2,78. Insgesamt lassen sich nur wenige Trends erkennen. Kurz nach Beginn der Krise sind die excess values deutlich gesunken während gleichzeitig die Diversifizierung abgenommen hat. Ab etwa 2011 unterscheidet sich die Entwicklung der zwei Diversifizierungsmaße immer mehr. Zusammenhänge mit den excess values können so zumindest aus der grafischen Darstellung kaum abgeleitet werden. Auffällig ist zudem, dass sich die verschiedenen excess values im Laufe der Jahre immer weiter annähern. Selbiges ist auch bei den zugrundeliegenden Kennzahlen zu beobachten. Dies deutet auf eher turbulente Zeiten in den Jahren nach Beginn der Krise hin.

0,60 0,63

0,40 0,62

0,20 0,61

0,00 0,6 -0,20 0,59 -0,40 0,58 -0,60

0,57 -0,80

-1,00 0,56

-1,20 0,55 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

Ø EV (Ø Inc) Ø EV (ñ Inc) Ø EV (Ø Ass) Ø EV (ñ Ass) ñ EV (Ø Inc) ñ EV (ñ Inc) ñ EV (Ø Ass) ñ EV (ñ Ass) DIV (I) DIV (A)

Abbildung 6: Entwicklung der excess values P/BV ratio im Zeitablauf271

Abbildung 6 zeigt die zeitliche Entwicklung der P/BV ratio excess values. Die Schwankungsbreite ist hier bereits deutlich geringer, jedoch unterscheiden sich die Mittelwert excess values ebenfalls erheblich von den Median excess values. Dieser Abstand bleibt im Grunde über den gesamten Untersuchungszeitraum bestehen. Auch hier zeigen die jeweils zusammengehörigen income und assets-excess values einen nahezu identischen Verlauf. Trends lassen sich nur wenige erkennen:

271 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 57/129

Ab 2012 bewegten sich die excess values stärker in den negativen Bereich um dann ab 2016 wieder langsam geringer zu werden. Über den gesamten Zeitraum betrachtet ergibt sich bei den Mittelwert-basierten excess values ein Mittelwert von -0,48 (income) und -0,46 (assets). Bei den Median-basierten excess values entsprechend Mittelwerte von -0,13 und -0,09. Zusammenhänge mit der Entwicklung der Diversifizierung lassen sich wie zuvor schon nicht erkennen.

Abbildung 7 zeigt die P/TBV ratio excess values. Der Verlauf gestaltet sich sehr ähnlich wie in vorheriger Grafik. Die Volatilität ist jedoch höher und auch die Unterschiede zwischen den zwei excess value Versionen (Mittelwert-basiert vs. Median-basiert) sind hier größer. Ebenfalls lässt sich ab 2012 eine Erhöhung der excess values im negativen Bereich erkennen. Ab 2016 nähern sich die verschiedenen excess values wieder an und werden weniger (positiver). In diesem Zeitraum waren jedoch die Unterschiede zwischen den Mittelwert- und den Median-basierten excess values am größten, was insgesamt wieder auf Verzerrungen durch extreme Werte hindeutet. Wiederum zeigt sich die große Ähnlichkeit zwischen den income und assets-excess values und erneut können keine Zusammenhänge zwischen der Entwicklung der excess values und der Diversifizierung beobachtet werden. Bei den Mittelwert-basierten excess values zeigt sich über den gesamten Zeitraum ein Mittelwert von -0,67 (income) bzw. -0,64 (assets); bei den Median-basierten excess values -0,25 und -0,17.

0,60 0,63

0,40 0,62

0,20 0,61

0,00 0,6 -0,20 0,59 -0,40 0,58 -0,60

0,57 -0,80

-1,00 0,56

-1,20 0,55 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

Ø EV (Ø Inc) Ø EV (ñ Inc) Ø EV (Ø Ass) Ø EV (ñ Ass) ñ EV (Ø Inc) ñ EV (ñ Inc) ñ EV (Ø Ass) ñ EV (ñ Ass) DIV (I) DIV (A)

Abbildung 7: Entwicklung der excess values P/TBV ratio im Zeitablauf272

272 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 58/129

Schließlich zeigt Abbildung 8 noch die Entwicklung der Tobin’s q excess values. Hier zeigt sich, dass die excess values im Zuge der Finanzkrise etwas abgenommen haben. Interessant ist die im Vergleich zu den Mittelwert-basierten excess values deutlich geringere Schwankungsbreite bei den Median-basierten excess values. Letztere weisen zudem über den gesamten Zeitraum eher geringe Werte auf. Die Mittelwert-basierten excess values sind, abgesehen von einem dreijährigen Anstieg bis 2014, von einem anfänglich hohen Niveau mit der Zeit immer mehr gesunken und haben sich den Median-basierten excess values angenähert. Auch hier lassen sich kaum Zusammenhänge zur Entwicklung der Diversifizierung herstellen. Erneut zeigen die income und assets-excess values eine (sehr) hohe Übereinstimmung. Über den gesamten Untersuchungszeitraum ergibt sich bei den Mittelwert-basierten excess values ein Mittelwert von -0,14 (income und assets) und bei den Median-basierten excess values ein Mittelwert von -0,02 (ebenfalls income und assets).

0,15 0,63

0,10 0,62

0,05 0,61

0,00 0,6 -0,05 0,59 -0,10 0,58 -0,15

0,57 -0,20

-0,25 0,56

-0,30 0,55 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

Ø EV (Ø Inc) Ø EV (ñ Inc) Ø EV (Ø Ass) Ø EV (ñ Ass) ñ EV (Ø Inc) ñ EV (ñ Inc) ñ EV (Ø Ass) ñ EV (ñ Ass) DIV (I) DIV (A)

Abbildung 8: Entwicklung der excess values Tobin’s q im Zeitablauf273

Die Tabellen 14, 15, 16 und 17 ab S. 118 im Anhang A8 bis A11 präsentieren die zugrundeliegenden Mittelwerte und Mediane der hier erläuterten Grafiken und enthalten weiters die Minimum und Maximum Werte sowie die Standardabweichung. Diese Daten untermauern die bereits grafisch angedeuteten erheblichen Verzerrungen der excess values.

273 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 59/129

Abbildung 9 fasst die excess values aller vier Kennzahlen noch einmal in einer Grafik zusammen und stellt diese als prozentuale Werte dar. So können die excess values untereinander verglichen werden. Die Bezugsgröße für die Berechnung sind die adjusted ratios und nicht die tatsächlichen Kennzahlen. Es soll letztlich gezeigt werden, wie stark der Bewertungsabschlag/-aufschlag ist, ausgehend von der fiktiven Bewertung. Da es pro Kennzahl jeweils vier excess values gibt und davon wiederum Mittelwert und Median (wie in den vorherigen Grafiken ersichtlich), würde das in Summe acht Prozentwerte ergeben was sich bei vier Kennzahlen in einer Grafik auf insgesamt 32 verschiedene Linien summieren würde. Aus Gründen der Übersichtlichkeit wurde daher jeweils immer ein Durchschnittswert aus den vier Mittelwert-basierten excess values und einmal aus den vier Median-basierten excess values berechnet. Es werden somit Mittelwerte aus den blauen und roten strichlierten bzw. durchgezogenen Linien sowie aus den grünen und gelben strichlierten bzw. durchgezogenen Linien aus den vorherigen Grafiken gebildet. Pro Kennzahl werden demnach statt acht Linien nur noch zwei dargestellt.274 Die bessere Darstellbarkeit muss somit mit einem gewissen Genauigkeitsverlust bezahlt werden. Das Ziel ist aber ohnehin, einen Vergleich zu ermöglichen und zu zeigen, in welchem prozentualen Bereich sich die Unter- bzw. Überbewertungen in etwa bewegen.

30,00%

20,00%

10,00%

0,00%

-10,00%

-20,00%

-30,00%

-40,00%

-50,00%

-60,00% 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

Ø EV P/E ñ EV P/E Ø EV P/BV ñ EV P/BV Ø EV P/TBV ñ EV P/TBV Ø EV q ñ EV q

Abbildung 9: Entwicklung und Vergleich der prozentualen ecxess values275

274 Je Kennzahl gibt es 4 adjusted ratios sowie 4 sich daraus ergebende excess values. Von diesen excess values wurden in den Abbildungen 5-8 jeweils die Mittelwerte und Mediane dargestellt (in Summe 8 Werte). Diese 8 Werte werden ins Verhältnis gesetzt zu den jeweils dazugehörigen adjusted ratios. So wird bspw. der Median des Mittelwert- und income-basierten P/E ratio excess values (ñ EV (Ø Inc)) ins Verhältnis zum Median des Mittelwert- und income-basierten adjusted ratios des P/E ratios gesetzt. So ergeben sich die Prozentwerte. Für eine Darstellung der prozentualen excess values je Kennzahl siehe die Abbildungen 12-15 im Anhang A12 ab S. 122. 275 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 60/129

Die Darstellung offenbart teils recht extreme Unterbewertungen der Universalbanken im Vergleich dazu, wenn sie entsprechend ihrer Geschäftsfelder in mehrere Banken aufgeteilt werden würden. Wie hoch/niedrig diese tatsächlich ist, kann jedoch aufgrund der hohen Schwankungsbreiten kaum festgestellt werden. Beim P/BV ratio zeigt sich etwa im Jahr 2011 eine Unterbewertung von -28,86% (Mittelwert-basiert) und -13,64% (Median-basiert); im Jahr 2016 beträgt diese schon - 37,94% und -22,65%. Beim P/TBV ratio können im Jahr 2011, ähnlich zur P/BV ratio, Werte von -30,70% und -12,96% beobachtet werden. 2016 betragen diese Werte schon -44,62% und - 34,06%. Beim P/E ratio kann zudem auch eine Überbewertung vorliegen, da die Median-basierten excess values teilweise auch im positiven Bereich sind. Im Jahr 2008 beispielsweise zeigen sich Werte von -24,08% (Mittelwert-basiert) und +17,90% (Median-basiert); eine Diskrepanz, die es kaum zulässt, auf eine Unter- oder Überbewertung zu schließen. Lediglich beim Tobin’s q können geringere Unterschiede festgestellt werden. Die Median-basierten excess values befinden sich durchgehend im einstelligen negativen Prozentbereich. Wobei beachtet werden muss, dass die Kennzahl an sich bereits eine geringe Schwankungsbreite aufweist. Über den gesamten Zeitraum betrachtet zeigt sich im Mittel bei den excess values des P/E ratio ein Wert von -20,98% (Mittelwert-basiert) bzw. +4,10% (Median-basiert); beim P/BV ratio -30,87% und -13,39%; beim P/TBV ratio -34,94% und -17,99% und bei Tobin’s q Werte von -11,66% und -2,26%.

5.3.4. Aktienanalyse

Abbildung 10 auf der nächsten Seite zeigt die Kursentwicklung im Bankensektor über den Zeitraum von Anfang 2007 bis Ende 2018. Dargestellt werden die untersuchten Banken; aufgegliedert in Universalbanken sowie auf Retail Banking, Corporate Banking, Investment Banking und Private Banking spezialisierte Banken.

Zusätzlich wurden in Abbildung 11 auf der übernächsten Seite die 74 Universalbanken entsprechend ihrem Diversifizierungsgrad in vier Kategorien unterteilt (jeweils einmal auf Basis des income (I) und der assets (A)): DIV 25% (jene 25% der Banken mit der niedrigsten Diversifizierung; entspricht einer Diversifizierung von 0,23 bis 0,54 (I) bzw. 0,21 bis 0,56 (A) im Jahresdurchschnitt), DIV 50% (die nächsten 25% der Banken; entspricht einer Diversifizierung von 0,54 bis 0,61 (I) bzw. 0,59 bis 0,63 (A) im Jahresdurchschnitt); DIV 75% (die nächsten 25% der Banken; entspricht einer Diversifizierung von 0,61 bis 0,65 (I) bzw. 0,64 bis 0,68 (A) im Jahresdurchschnitt) und DIV 100% (die letzten 25% mit einer Diversifizierung von 0,65 bis 0,76 (I) bzw. 0,68 bis 0,77 (A) im Jahresdurchschnitt). Dadurch soll aufgezeigt werden, ob höher diversifizierte Banken die Finanzkrise besser verkraftet haben als weniger diversifizierte Banken.

Zu Vergleichszwecken wurden fünf Indizes ausgewählt, die in etwa jene Regionen abdecken, aus denen ein Großteil der untersuchten Banken stammt. Der STOXX Europe 600 Banks deckt die

Juli 2020 Manuel Noll 61/129

250,00

1) 2) 3) 4) 5) 6) 7) 8)

200,00

150,00

100,00

50,00

0,00 01.01.2007 01.01.2008 01.01.2009 01.01.2010 01.01.2011 01.01.2012 01.01.2013 01.01.2014 01.01.2015 01.01.2016 01.01.2017 01.01.2018 STOXX EUROPE 600 BANKS Dow Jones US Banks STOXX ASIA/PAC 600 BANKS MSCI WORLD BANKS MSCI WORLD Universalbanken CB spezialisierte Banken IB spezialisierte Banken PB spezialisierte Banken RB spezialisierte Banken 1) Beginn Finanzkrise 2) Lehman Insolvenz 3) "Ende" Finanzkrise 4) Rating Herabstufung USA 5) Börsencrash China 6) Börsencrash China 7) Trump Wahl 8) Handelskonflikt USA/China Abbildung 10: Kursentwicklung im Bankensektor276

276 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 62/129

250,00

1) 2) 3) 4) 5) 6) 7) 8)

200,00

150,00

100,00

50,00

0,00 01.01.2007 01.01.2008 01.01.2009 01.01.2010 01.01.2011 01.01.2012 01.01.2013 01.01.2014 01.01.2015 01.01.2016 01.01.2017 01.01.2018 DIV (I) 25% DIV (I) 50% DIV (I) 75% DIV (I) 100% DIV (A) 25% DIV (A) 50% DIV (A) 75% DIV (A) 100% Universalbanken 1) Beginn Finanzkrise 2) Lehman Insolvenz 3) "Ende" Finanzkrise 4) Rating Herabstufung USA 5) Börsencrash China 6) Börsencrash China 7) Trump Wahl 8) Handelskonflikt USA/China

Abbildung 11: Kursentwicklung der Universalbanken277

277 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 63/129

Entwicklung des Bankensektors im europäischen Raum ab, der Dow Jones U.S. Banks den amerikanischen Raum und der STOXX Asia/Pac 600 Banks den asiatischen Raum sowie Australien und Neuseeland. Der MSCI World Banks deckt alle genannten Regionen ab. Abschließend soll der MSCI World, welcher branchenübergreifend die gesamtwirtschaftliche Entwicklung abbildet, dazu dienen, einen Vergleich des Bankensektors mit der Gesamtwirtschaft ermöglichen.

Ergänzend dazu wurden in den Grafiken sieben Ereignisse markiert, die zu sichtbaren Veränderungen am Aktienmarkt geführt haben. Die markantesten und einschneidendsten Ereignisse sind zweifelsohne der Beginn der weltweiten Finanzkrise, die Insolvenz der Investmentbank Lehman Brothers und der anschließende Aufschwung. Als Beginn der Finanzkrise wird üblicherweise der 9. August 2007 angesehen, da an diesem Tag die Zinsen am Interbankenmarkt erheblich angestiegen sind. Das geschah in Folge einer Vertrauenskrise zwischen den Banken, die ihren Ursprung in den noch nicht absehbaren Verlusten aufgrund der eher intransparenten Wertpapierkonstruktionen hatte. Das Resultat waren stark fallende Kurse. Mit der Insolvenz von Lehman Brothers am 15. September 2008 erreichte die Finanzkrise ihren Höhepunkt. Die Insolvenz verstärkte nochmals das Misstrauen in die Finanzmärkte was zu noch stärkeren Kurseinbrüchen geführt hat. Im März 2009 kam schließlich die Trendwende und die Finanzmärkte erholten sich von der Krise (abseits der Finanzmärkte konnte davon jedoch nicht die Rede sein). Im August 2011 wurde die Kreditwürdigkeit der USA von der Ratingagentur Standard & Poor’s von AAA auf AA+ herabgestuft; ein Ereignis mit beträchtlichen Auswirkungen. In Kombination mit der Schuldenkrise in Europa führte das zu einer Angst vor einer nächsten Krise, was die Kurse fallen ließ. Danach befanden sich die Aktienmärkte in einem Aufschwung, bis es im August 2015 zu einem Absturz an den chinesischen Börsen kam. Um den Crash einzudämmen gab es ein zeitlich begrenztes Verkaufsverbot. Im Jänner 2016 wurde dieses Verbot jedoch aufgehoben wodurch die Aktienverkäufe sprunghaft anstiegen und erneut einen Kursverfall zur Folge hatten. Durch die Angst vor einer weltweiten Rezession wirkte sich das auch negativ auf andere Märkte aus. Einen erneuten Aufschwung gab es im November 2016, bei der Donald Trump zum neuen Präsidenten der USA gewählt wurde. Möglicherweise war es das unternehmensfreundliche Wahlprogramm (z.B. Steuersenkungen) das den Aktienmarkt beflügelte. Im Jänner 2018 begann ein Abwärtstrend, der seine Ursache im bis heute andauernden Handelskonflikt zwischen den USA und der Volksrepublik China hat.

Insgesamt zeigt sich, dass sowohl die Universalbanken als auch die spezialisierten Banken im Rahmen der Finanzkrise erhebliche Kursverluste hinnehmen mussten. Erst Jahre nach dem Beginn der Finanzkrise zeigen sich erste Unterschiede. Auf Corporate Banking spezialisierte Banken zeigen fast durchgehend die beste Entwicklung, gefolgt von den Retailbanken. Eine eher mittelmäßige Performance zeigen die Universalbanken und auf Private Banking spezialisierte

Juli 2020 Manuel Noll 64/129

Banken, die sich beide auf etwa demselben Niveau bewegen. Die schlechteste Entwicklung zeigen die Investmentbanken. Lediglich um das Jahr 2015 konnte deren Kurs kurzzeitig das Ausgangsniveau von 100 erreichen und übersteigen. Im Durchschnitt haben sich die Investmentbanken somit nachwievor nicht wirklich von der Krise erholt. Interessant ist die Entwicklung der Indizes. Diese zeigen durchgehend eine schlechtere Entwicklung als die untersuchten Banken. Insbesondere der STOXX Europe 600 Banks sticht in den letzten Jahren negativ hervor. Der MSCI World hat über den untersuchten Zeitraum erheblich besser performt als die Banken-Indizes. Mögliche Gründe für die Diskrepanz zwischen den untersuchten Banken und der Indizes (obwohl diese grundsätzlich dieselben Regionen abdecken) werden in der Ergebnisdiskussion erläutert.

Vergleicht man innerhalb der Universalbanken die höher diversifizierten mit den weniger diversifizierten so zeigt sich ein gemischtes und uneindeutiges Bild. Auf Basis des income zeigen jene 25% der Banken mit der höchsten Diversifizierung (100% Gruppe) die beste Entwicklung. Die Gruppen mit der niedrigsten und zweithöchsten Diversifizierung (25% und 75% Gruppe) zeigen eine mittelmäßige Entwicklung. Das Schlusslicht bildet jene Gruppe mit der zweitniedrigsten Diversifizierung (50% Gruppe). Gemessen an der assets-Diversifizierung zeigen die Banken mit der zweithöchsten Diversifizierung die beste Entwicklung. Im Mittelfeld bewegt sich die Gruppe mit der zweitniedrigsten Diversifizierung. Am schlechtesten performt hat die Gruppe mit der niedrigsten Diversifizierung und insbesondere jene mit der höchsten Diversifizierung. Das Ergebnis ist somit eher widersprüchlich und es lässt sich nicht erkennen ob höher diversifizierte Banken besser am Aktienmarkt performt haben.

Die nachfolgende Tabelle präsentiert die annualisierte Rendite, die annualisierte Volatilität, die annualisierte Sharpe Ratio und den Maximum Drawdown der fünf Indizes sowie der untersuchten Banken bzw. Bank-Kategorien.

Annualisierte Annualisierte Annualisierte Maximum Rendite Volatilität Sharpe Ratio Drawdown

STOXX Europe 600 Banks -6,37% 30,00% -0,29 -83,24%

Dow Jones U.S. Banks 4,19% 38,54% 0,04 -85,85%

STOXX Asia/Pac 600 Banks -2,81% 24,47% -0,26 -61,38%

MSCI World Banks -2,51% 23,44% -0,21 -79,24%

MSCI World 3,31% 16,65% 0,05 -59,07%

Universalbanken 1,96% 14,07% -0,11 -60,29%

DIV (I) 25% 2,21% 18,35% -0,06 -65,26%

DIV (I) 50% -0,33% 12,43% -0,26 -53,27%

Juli 2020 Manuel Noll 65/129

DIV (I) 75% 2,33% 14,85% -0,06 -63,23%

DIV (I) 100% 4,34% 17,19% 0,09 -64,03%

DIV (A) 25% 0,25% 14,56% -0,20 -57,44%

DIV (A) 50% 1,98% 11,43% -0,05 -51,58%

DIV (A) 75% 4,62% 17,55% 0,05 -67,34%

DIV (A) 100% 1,63% 21,71% -0,06 -72,62%

CB spezialisierte Banken 4,94% 18,11% 0,04 -59,42%

RB spezialisierte Banken 3,88% 20,92% 0,02 -62,29%

IB spezialisierte Banken 0,24% 19,82% -0,16 -61,88%

PB spezialisierte Banken 1,03% 16,02% -0,07 -61,22% Tabelle 6: Aktienkennzahlen278

Im Großen und Ganzen bestätigen die Kennzahlen das Bild, das sich bereits durch die zwei grafischen Darstellungen ergibt. Geringen Renditen (teilweise auch Verlusten) stehen durchwegs hohe Volatilitäten gegenüber. Werden im Zuge der Sharpe Ratio auch noch die risikolosen Alternativen berücksichtigt, zeigt sich ein noch negativeres Bild. Bei den Banken-Indizes weisen alle eine sehr schlechte Performance auf. Der Dow Jones U.S. Banks weist zwar eine positive Sharpe Ratio auf, diese ist mit 0,04 jedoch ebenfalls alles andere als gut. Innerhalb der Diversifizierungs-Kategorien weist beim income die Gruppe mit der höchsten Diversifizierung (100% Gruppe) die beste Performance auf; gefolgt von der 75% und 25% Gruppe. Das Schlusslicht bildet die 50% Gruppe. Tendenziell scheinen höher diversifizierte Banken (bezogen auf das income) besser abzuschneiden, eindeutig ist das Ergebnis jedoch nicht. Bei der assets- Diversifizierung zeigt sich ein anderes Bild. Hier zeigt die 75% Gruppe die beste Performance, gefolgt von der 50% Gruppe und danach die 100% Gruppe. Die schlechteste Performance weist die 25% Gruppe auf. Das Ergebnis ist somit noch undeutlicher als bei der income Diversifizierung. Bei den spezialisierten Banken zeigen auf Corporate Banking und Retail Banking spezialisierte Banken die beste Performance mit Sharpe Ratios von 0,04 und 0,02. Deutlich dahinter liegt die Private Banking Kategorie mit -0,07 und die Investment Banking Kategorie mit -0,16.

5.4. Diskussion

Nachfolgend werden die Ergebnisse der vier Regressionsanalysen hinsichtlich ihrer Plausibilität diskutiert und kritisch interpretiert. Die Betrachtung erfolgt dabei je Kennzahl (inklusive dazugehöriger excess values), wobei die Ergebnisse auch mit Ergebnissen bisheriger Untersuchungen verglichen werden. In einer zusammenfassenden Darstellung werden dann die untersuchten Variablen unter Einbezug von theoretischen Aspekten gesamthaft diskutiert und

278 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 66/129

erläutert warum diese bewertungsrelevant sind oder nicht. Anschließend folgt die Beantwortung der Hauptforschungsfrage sowie der Subforschungsfragen. Den Schlussteil des Kapitels bildet die Diskussion der Ergebnisse der Aktienanalyse sowie die Beantwortung der Nebenforschungsfrage.

5.4.1. Kennzahlen und excess values

5.4.1.1. Price-to-earnings ratio

Auffällig ist bereits in der grafischen Darstellung der Kennzahl die recht starke Abweichung von Mittelwert und Median sowie eine generell hohe Schwankungsbreite, vor allem bei den Investmentbanken und auf Private Banking spezialisierten Banken. Hauptursache dafür sind vermutlich eher die schwankenden Gewinne, als die Aktienpreise. Die Gewinne bzw. das Ertragspotenzial ist bei diesen Banken durch den ausgeprägten Bezug zum Kapitalmarkt erheblich von der Konjunktur- und Börsenentwicklung abhängig. Deren Gewinne weisen daher nur eine geringe Stabilität auf279, wodurch auf äußerst profitable Geschäftsjahre durchaus Geschäftsjähre mit extremen Gewinneinbrüchen oder sogar Verlusten folgen können.280 Diese Entwicklung konnte in der Finanzkrise ab 2007 sowie in den Jahren danach deutlich beobachtet werden. Bereits im Theorieteil wurde erläutert, dass sich sinkende bzw. steigende Gewinne schon allein aufgrund der Berechnungsweise positiv bzw. negativ auf die Kennzahl auswirken; resultierend in den stark schwankenden P/E ratios dieser beiden Bank-Kategorien. Bei den auf Retail Banking und Corporate Banking spezialisierten Banken sowie den Universalbanken kommt dieser Umstand nicht in diesem starken Ausmaß zum Tragen. Weiters ist beim P/E ratio nicht immer eindeutig was als „guter“ oder „schlechter“ Wert gilt. Niedrige Bewertungen werden generell als unvorteilhaft angesehen, aber gleichzeitig verliert die Kennzahl auch bei zu hohen Bewertungen (was ist zu hoch?) ihre Aussagekraft. Die leichte Manipulierbarkeit der Kennzahl (Steuerung des Gewinns) ist ebenfalls ein nicht zu unterschätzender Faktor.

Hinsichtlich des Einflusses der Geschäftsfelder bzw. jener Geschäftsfeld-spezifischen Faktoren, die nicht bereits durch andere Variablen abgebildet werden, ergeben sich keine Anhaltspunkte zu Erklärung der Bewertungsunterschiede. Auch die Diversifizierung hat keine Erklärungskraft; bis auf einmal ergeben sich keine signifikanten Koeffizienten.

Größe wirkt sich zwar negativ auf das P/E ratio bzw. die excess values aus, jedoch sind die Koeffizienten eher klein. Dieser Aspekt ist somit zwar bewertungsrelevant, aber eher nicht hauptverantwortlich für die Bewertungsunterschiede.

279 Vgl. Achleitner (2002), S. 82ff. 280 Vgl. Pawelka (2003), S. 27.

Juli 2020 Manuel Noll 67/129

Bei der Eigenkapitalquote finden sich durchaus beträchtliche, positive Koeffizienten; ein werterhöhender Einfluss scheint somit gegeben. Dieser Umstand erscheint auch naheliegend, da hohe Eigenkapitalanteile mit geringeren Risiken assoziiert werden, was über eine erhöhte Investorennachfrage die Aktienkurse steigen lassen könnte (und somit auch die Kennzahl). Der im theoretischen Teil erläuterte mögliche positive Effekt einer höheren Verschuldung auf die Bewertung (niedrigerer Gewinn durch Abzug der Fremdkapitalzinsen) kann demnach den Risikoeffekt nicht aufwiegen.

Besonders interessant ist das Ergebnis beim ROA und CIR. Deren große und stark signifikante Koeffizienten zeigen widersprüchliche Vorzeichen (Verringerung/Erhöhung der Bewertung bei positiven/negativen Aspekten). Jedoch haben diese wahrscheinlich ihre Ursache in der eingangs erwähnten Verzerrung durch die Berechnungsweise der Kennzahl. Höhere Gewinne gehen typischerweise mit einem höheren ROA einher, senken aber die Kennzahl. Ein Anstieg des Aktienkurses (und somit der Kennzahl) aufgrund steigender Nachfrage (Investoren bevorzugen wohl Banken mit höherer Profitabilität) kann diesen Effekt offenbar bei weitem nicht aufwiegen. Selbiges ist beim CIR zu beobachten. Warum sollte ein höheres CIR, was grundsätzlich als negativ anzusehen ist, sich positiv auf die Bewertung auswirken? Sinkende Erträge (= höheres CIR) beeinflussen natürlich den Gewinn und senken diesen, womit automatisch das P/E ratio steigt. Hier tritt somit der gleiche Effekt wie beim ROA zu tage. Sowohl beim ROA als auch beim CIR können somit marktseitige Einflüsse, die sich in Veränderungen des Aktienkurses niederschlagen (die eigentliche Bewertung), nicht von den Einflüssen, die sich rein durch die Berechnungsweise (die Bewertung sinkt obwohl der Markt nicht darauf reagiert) ergeben, isoliert werden. Letztere scheinen auch deutlich zu überwiegen, ansonsten wäre das Ergebnis paradox.

Die wirtschaftliche Situation (abgebildet durch die Wachstumsrate des BIP) weist nur bei den Kennzahlenregressionen einen leicht signifikanten (positiven) Einfluss auf. Grundsätzlich würde man hier einen eher starken Einfluss erwarten; wahrscheinlich liegt aber ein ausgleichender Effekt vor. Eine gute wirtschaftliche Lage wird einer Bank tendenziell zu höheren Gewinnen verhelfen, welche bei der Berechnung der Kennzahl den steigenden Aktienkurs (durch erhöhte Nachfrage) ausgleicht. Die Inflationsrate, die ebenfalls einen Wirtschaftsindikator darstellt, hat demgegenüber keinen signifikanten Einfluss. Der Effekt scheint somit nicht vorhanden oder leicht negativ zu sein; Hinweise auf einen positiven Einfluss gibt es keine.

Die starke Schwankungsbreite der Kennzahl ist wahrscheinlich auch der Hauptgrund für die ebenfalls sehr volatilen excess values und die daraus resultierende eher geringe Aussagekraft. Es weichen sowohl die Median- und Mittelwert-basierten excess values erheblich voneinander ab als auch die Mittelwerte und Mediane der excess values selbst. Ein Blick in die deskriptive

Juli 2020 Manuel Noll 68/129

Statistik281 verdeutlicht diesen Umstand: Die Maxima und Standardabweichungen nehmen geradezu extreme Ausmaße an. Es kann daher über den gesamten Zeitraum nicht zweifelsfrei geklärt werden, ob Über- oder Unterbewertungen vorliegen.

In Summe zeigt sich nun, trotz des großen Einflusses der Eigenkapitalquote, des ROA und des CIR, eine sehr geringe Erklärungskraft der hier verwendeten Regressionsmodelle (sehr niedrige adjustierte R2). Einerseits könnte das die im theoretischen Teil angesprochene wenig beliebte Verwendung der Kennzahl in der Bewertungsliteratur erklären: Das P/E ratio unterliegt schlicht zu hohen (möglicherweise manipulierten) Schwankungen, um sinnvoll Einflussfaktoren daraus ableiten zu können. Zudem treten die Effekte der Einflussfaktoren eher berechnungsseitig in Erscheinung (alles andere würde keinen Sinn ergeben). Insgesamt scheint das P/E ratio aufgrund dieser Aspekte daher als Bewertungskennzahl eher ungeeignet zu sein. Andererseits könnten natürlich auch andere Faktoren als die hier untersuchten einen Einfluss auf die Kennzahl haben. Ein Vergleich der (ohnehin nicht sehr umfangreichen) Ergebnisse mit Ergebnissen der empirischen Literatur ist jedoch nicht möglich, da das P/E ratio in der (Bank-)Bewertungsliteratur nicht verbreitet ist.

5.4.1.2. Price-to-book value ratio

Im Vergleich zum P/E ratio zeigt sich beim P/BV ratio in der grafischen Darstellung sofort die geringere Schwankungsbreite der Kennzahl. Dennoch weichen auch hier die Mittelwerte und Mediane voneinander ab; wobei dieser Umstand vor allem die Investmentbanken und die auf Private Banking spezialisierten Banken betrifft. Diese sind auch erheblich höher bewertet als die die anderen Bank-Kategorien. Die erheblich geringere Volatilität der Kennzahl findet ihre Ursache wahrscheinlich in der Berechnungsweise; das Eigenkapital stellt eine wesentlich stabilere Größe als der Gewinn dar.282

Bezüglich der Regressionsergebnisse zeigt sich, dass bei den Geschäftsfeldern die Koeffizienten tendenziell beim RB, CB und UB am niedrigsten sind und beim PB am höchsten, gefolgt vom IB. Insgesamt sind die Koeffizienten jedoch relativ zur Kennzahl eher gering und oftmals sind die Koeffizienten auch nicht signifikant. Dennoch kann hinsichtlich des Einflusses auf die Bewertung festgehalten werden, dass RB/CB/UB < IB < PB (Dummy) bzw. CB < RB < IB < PB (Geschäftsfeldanteile) gilt. Es spielen daher Geschäftsfeld-spezifische Faktoren, die nicht mit anderen Variablen abgebildet werden, bei der Bewertung eine gewisse, wenn auch recht geringe, Rolle. Die Bewertungsunterschiede können damit aber wohl eher nicht erklärt werden. Diversifizierung (income und assets) scheint ebenfalls einen Einfluss zu haben (bis auf die assets-

281 Siehe Anhang A8, S. 118. 282 Vgl. Hasler (2011), S. 373.

Juli 2020 Manuel Noll 69/129

Diversifizierung bei der Regression mit den Dummy-Variablen), der jedoch wie bei den Geschäftsfeld-Koeffizienten eher gering ist. Die Empirie zeigt bezüglich der Diversifizierung einen negativen283 oder keinen284 Einfluss auf die Bewertung, wobei in diesen Arbeiten die Diversifizierung anders gemessen wurde.

Ähnliches wie bei der Diversifizierung auch gilt für die Größe einer Bank, deren Koeffizienten ebenfalls gering negativ sind. Dennoch ist auch hier ein gewisser Einfluss fast sicher, da in jedem Fall Signifikanzen vorliegen. Das Ergebnis fügt sich somit in eine Reihe von verschiedensten Erkenntnissen ein. Es werden sowohl positive285, negative286 aber auch unklare287 Zusammenhänge zwischen der Bewertung einer Bank und ihrer Größe gefunden.

Ein (positiver) Einfluss der Eigenkapitalquote ist nicht sicher da in einigen Fällen die Koeffizienten nicht signifikant sind. Auch hier zeigt die Empirie wieder differierende Ergebnisse: Gefunden werden positive288, negative289 oder keine290 Zusammenhänge zwischen höheren Eigenkapitalanteilen und der Bewertung. Möglicherweise gleichen sich hier negative Effekte (aufgrund der Berechnungsweise sinkt die Kennzahl bei steigendem Eigenkapitalanteil) und positive Effekte (steigender Aktienkurs, da die Nachfrage aufgrund geringeren Risikos steigt) aus. Wobei sich beim berechnungsseitigen Einfluss Unterschiede ergeben können, je nachdem wie die Eigenkapitalerhöhung erfolgt. Erfolgt diese durch Emission neuer Anteile, wird sich möglicherweise die Bewertung nicht sehr verändern, da Marktkapitalisierung (ohne Veränderung des Kurses) und Buchwert im selben Ausmaß steigen. Ist jedoch beispielsweise eine Gewinnthesaurierung die Quelle der Eigenkapitalzunahme, so kann die Bewertung durchaus rein aufgrund der Berechnungsweise sinken, da die Marktkapitalisierung unverändert bleibt. In dieser Arbeit kann ein negativer Einfluss auf die Bewertung jedoch weitestgehend ausgeschlossen werden, womit wahrscheinlich eher die positiven Effekte zum Tragen kommen. Hier zeigt sich im Grunde dieselbe Problematik wie beim ROA/CIR beim P/E ratio; berechnungsseitige Effekte können von den marktseitigen Einflüssen nicht getrennt werden.

Beim ROA präsentieren sich sehr hohe und signifikante Koeffizienten. Dieses Ergebnis steht im Einklang mit der bisherigen Empirie.291 Profitabilität wird demnach am Aktienmarkt durch eine vermutlich gesteigerte Investorennachfrage mit höheren Kursen und somit höheren Kennzahlen

283 Vgl. Ciocchetta (2020), S. 9f. 284 Vgl. Armstrong/Fic (2014), S. 13ff. 285 Vgl. Bertsatos/Sakellaris/Tsionas (2017), S. 121ff; Armstrong/Fic (2014), S. 13ff. 286 Vgl. Bressan/Weissensteiner (2019), S. 24ff; Ferretti et al. (2018), S. 25ff; Elsas/Hackethal/Holzhäuser (2010), S. 1279. 287 Vgl. Ciocchetta (2020), S. 9ff; Avramidis/Cabolis/Serfes (2018), S. 133ff. 288 Vgl. Bertsatos/Sakellaris/Tsionas (2017), S. 121ff. 289 Vgl. Armstrong/Fic (2014), S. 13ff. 290 Vgl. Sawada (2013), S. 51. 291 Vgl. Ciocchetta (2020), S. 9ff; Bressan/Weissensteiner (2019), S. 24ff; Ferretti et al. (2018), S. 25ff; Sawada (2013), S. 51.

Juli 2020 Manuel Noll 70/129

belohnt. Dies könnte somit durchaus eine Ursache für die verschieden hohen Bewertungen sein. Im Vergleich zum P/E ratio gibt es hier weiters keine störenden Einflüsse durch die Berechnungsweise, es kann daher angenommen werden, dass der Effekt rein marktseitig ist. Das CIR ist zwar signifikant, die Koeffizienten sind jedoch gering. Die Effizienz einer Bank scheint daher bei der Erklärung der Varianz der Kennzahl nur eine kleine bzw. untergeordnete Rolle zu spielen. Auch in der Literatur zeigen sich hierzu nur geringe bzw. keine signifikanten Einflüsse.292

Die Inflationsrate wirkt sich lediglich in einer Regression (Mittelwert-basierte excess values) signifikant positiv auf die Bewertung aus (mit geringem Koeffizienten), in den anderen drei Regressionen besteht keine Signifikanz. Es kann daher angenommen werden, dass dieses Resultat eher zufällig ist und in der Realität keine oder keine messbare/relevante Rolle spielt.

ARMSTRONG/FIC (2014) finden diesbezüglich ebenfalls keine nennenswerte Bewertungsrelevanz.293 Demgegenüber offenbaren sich bei der Wachstumsrate des BIP durchgehend ähnlich hohe Koeffizienten und Signifikanzwerte wie beim ROA. Es liegt auch nahe, dass beim P/BV ratio dieser Einfluss größer ist als beim P/E ratio, da hier die wirtschaftliche Situation fast ausschließlich marktseitig über den Aktienkurs die Kennzahl beeinflusst. Das Eigenkapital wird davon deutlich weniger stark beeinflusst als der Gewinn beim P/E ratio. Auch die Empirie präsentiert einen positiven Zusammenhang zwischen Bewertung und BIP- Wachstumsrate.294

Da die Kennzahl doch erheblich weniger schwenkt als das P/E ratio, zeigen auch die excess values einen deutlich gleichmäßigeren Verlauf. Dennoch weichen auch hier die Median- und Mittelwert-basierten excess values erheblich voneinander ab (deren Mittelwerte und Mediane selbst aber nicht mehr so stark). Die tatsächliche Höhe der excess values ist somit auch hier eher fraglich; Überbewertungen können jedoch praktisch ausgeschlossen werden.

5.4.1.3. Price-to-tangible book value ratio

Wenig überraschend zeigt das P/TBV ratio eine annähernd gleiche Entwicklung wie das P/BV ratio. Auffallend ist jedoch, dass sich nun die Kategorien IB und PB noch deutlicher von den anderen Bank-Kategorien abheben und erheblich höher bewertet werden (wobei nachwievor die Problematik der großen Diskrepanz zwischen Mittelwerten und Medianen vorliegt). Da sich beide Kennzahlen sehr ähnlich sind, wird die Ursache aller Wahrscheinlichkeit in den verhältnismäßig größeren Anteilen an immateriellen Vermögenswerten liegen.

292 Vgl. Minton/Stulz/Taboada (2018), S. 37; Sawada (2013), S. 51. 293 Vgl. Armstrong/Fic (2014), S. 13ff. 294 Vgl. Ferretti et al. (2018), S. 25ff; Armstrong/Fic (2014), S. 13ff.

Juli 2020 Manuel Noll 71/129

Der Großteil der Regressionsergebnisse der Kennzahl sind annähernd gleich zu denen des klassischen P/BV ratio, daher sind die folgenden Ausführungen eher kürzer gehalten und es wird stattdessen auf vorheriges Kapitel verwiesen. Hinsichtlich der Geschäftsfelder ergibt sich ein ähnliches Bild wie beim P/BV ratio; ebenfalls gilt hier bei der Größe der Koeffizienten etwa RB/CB/UB < IB < PB (Dummy) und CB < RB < IB < PB (Geschäftsfeldanteile). Allerdings ist auch hier die Signifikanz oftmals nicht gegeben und die Unterschiede zwischen den Koeffizienten sind ohnehin sehr gering. In welchem Ausmaß eine Bank in den Geschäftsfeldern tätig ist, hat daher auch bei dieser Kennzahl nur eine sehr eingeschränkte Bedeutung. Die Ergebnisse bezüglich der Diversifizierung sind ebenfalls ähnlich zu denen des P/BV ratio. Die Koeffizienten sind hier allerdings deutlich größer, bei vergleichbaren Signifikanzwerten. Es könnte demnach einen spürbaren Effekt auf die Bewertung geben. Jedoch bewegt sich das P/TBV ratio generell in einem höheren Wertebereich was die höheren Koeffizienten wieder relativieren könnte.

Die Größe hat nun fast ausschließlich keine signifikanten Koeffizienten, ein realer Einfluss liegt daher höchstwahrscheinlich nicht vor. Bei der Eigenkapitalquote und dem ROA zeigen sich nun ebenfalls etwas höhere Koeffizienten. Insbesondere bei der Eigenkapitalquote sind diese deutlich höher und auch in allen Fällen hoch signifikant. Für die Erläuterungen zu den beiden Variablen und deren Einfluss auf die Bewertung wird auf die Ausführungen zum P/BV ratio verwiesen. Da das CIR nur in zwei Fällen signifikant ist (bei eher kleinen Koeffizienten) scheint ein tatsächlicher Einfluss auf die Bewertung allenfalls äußerst gering zu sein.

Die Inflationsrate hat in keinem Fall einen signifikanten Einfluss auf die Bewertung, womit auch hier ein realer Einfluss eher auszuschließen ist. Die Wachstumsrate des BIP zeigt wiederum hohe signifikante Koeffizienten, wodurch sich wie beim P/BV ratio der positive Einfluss einer guten wirtschaftlichen Situation auf die Bewertung bestätigt.

Wie auch beim P/E ratio gestaltet sich ein Vergleich der Ergebnisse mit Ergebnissen der empirischen Literatur schwierig, da sich das P/TBV ratio hauptsächlich in der Aktienanalyse bzw. im Portfoliomanagement wiederfindet und in der (Bank-)Bewertungsliteratur nicht gebräuchlich ist.

5.4.1.4. Tobin’s q

Wie bereits im theoretischen Teil erläutert, ist aufgrund der Berechnungsweise der Kennzahl und der bei Banken typischerweise hohe Fremdkapitalanteil eine sehr geringe Variabilität zu erwarten; das hat sich in der Untersuchung auch bestätigt. Die verschiedenen Bank-Kategorien weisen durchwegs eine ähnliche Entwicklung auf; erneut stechen jedoch die Kategorien IB und PB mit deutlich höheren Bewertungen hervor. Da diese Abweichungen beim regulären P/BV ratio (bei der nur das Eigenkapital in die Berechnung miteinfließt) nicht in diesem Ausmaß vorliegen, liegt

Juli 2020 Manuel Noll 72/129

die Vermutung nahe, dass beim Tobin’s q unterschiedliche Kapitalstrukturen dafür verantwortlich sind.

Da Tobin’s q ähnlich wie das P/BV und P/TBV ratio ebenfalls eine Buchwert-basierte Kennzahl ist, sollten sich bei den Ergebnissen gewisse Ähnlichkeiten zeigen. Tatsächlich ergibt sich bei den Koeffizienten der Geschäftsfelder jedoch folgendes Bild: CB < RB/UB/IB < PB (Dummy) und CB < IB < RB < PB (Geschäftsfeldanteile). Es ist somit zwar eine gewisse Ähnlichkeit zur den beiden anderen Buchwert-basierten Kennzahlen zu erkennen, aber es zeigen sich auch Unterschiede. Die Größe der Koeffizienten ist in Relation zur Kennzahl etwas höher als bei den vorherigen zwei Kennzahlen, dennoch besteht auch hier die Problematik teilweiser fehlender Signifikanzen. Der tatsächliche Einfluss auf die Bewertung dürfte daher gering sein. Hinsichtlich der Diversifizierung ergibt sich ein gemischtes Bild: Income-Diversifizierung ist manchmal negativ signifikant oder nicht signifikant. Hingegen ist die assets-Diversifizierung entweder positiv signifikant oder nicht signifikant. In Anbetracht der erheblich differierenden Ergebnisse kann somit nichts eindeutiges schlussgefolgert werden. Empirisch zeigen sich bisher sowohl positive295, negative296 als auch unklare297 Zusammenhänge zwischen Diversifizierung und der Bewertung, wobei auch hier wie beim P/BV ratio erwähnt werden muss, dass in diesen Arbeiten die Diversifizierung auf eine andere Weise bestimmt wurde.

Größe ist wie auch beim P/TBV ratio für die Höhe der Bewertung offenbar nicht relevant. Die Empirie zeigt hier ebenfalls widersprüchliche Ergebnisse, da sowohl positive298, negative299 aber auch eher unklare bzw. keine300 Zusammenhänge zwischen Größe und Bewertung identifiziert werden konnten.

Der Einfluss der Eigenkapitalquote präsentiert sich mit vergleichsweise hohen, positiven Koeffizienten, die auch stets signifikant sind. Insgesamt ist das Ergebnis jedoch schwierig zu interpretieren, da nicht nur der Eigenkapitalanteil in die Berechnung der Kennzahl einfließt (wie bereits beim P/BV und P/TBV ratio) sondern auch der Fremdkapitalanteil. Generell wird ein höherer Eigenkapitalanteil, der sich in einem größeren Nenner bei der Berechnung von Tobin’s q niederschlägt, die Kennzahl verringern (sofern nicht durch den Aktienkurs ein Ausgleich erfolgt). Der Fremdkapitalanteil, der sowohl im Zähler als auch im Nenner präsent ist, übt jedoch einen verzerrenden Einfluss aus. Denn je höher der Fremdkapitalanteil, desto eher bewegt sich die Kennzahl um den Wert 1 herum (da erhebliche Anteile von Zähler und Nenner gleich sind);

295 Vgl. Chen/Lin (2009), S. 27ff. 296 Vgl. Laeven/Levine (2007), S. 347f. 297 Vgl. Guerry/Wallmeier (2017), S. 209; Armstrong/Fic (2014), S. 13ff. 298 Vgl. Francis et al. (2018), S. 113; Armstrong/Fic (2014), S. 13ff. 299 Vgl. Chen/Lin (2009), S. 27ff; van Lelyveld/Knot (2009), S. 2318. 300 Vgl. Guerry/Wallmeier (2017), S. 209; Laeven/Levine (2007), S. 347f.

Juli 2020 Manuel Noll 73/129

entsprechend kleinere Fremdkapitalanteile lassen somit auch höhere (oder auch niedrigere) Bewertungen zu. Eine Bank mit sehr geringem Eigenkapitalanteil wird daher auch bei einer deutlichen Zunahme des Aktienpreises bzw. der Marktkapitalisierung nur eine geringe Veränderung bei Tobin’s q zeigen. Problematisch ist nun, dass sich in einem besonderen Fall die Kennzahl erhöhen kann, obwohl das Eigenkapital an der Börse nicht anders bewertet/bepreist wird. Folgendes fiktives Beispiel soll das verdeutlichen: Der Eigenkapitalanteil beträgt 5 Mio €, der Fremdkapitalanteil 95 Mio €, die Marktkapitalisierung 10 Mio €. Das P/BV ratio beträgt daher 2, Tobin’s q 1,05. Nun steigt der Eigenkapitalanteil durch Emission neuer Anteile auf 10 Mio €, die Marktkapitalisierung auf 20 Mio €, der Fremdkapitalanteil bleibt gleich. Das P/BV ratio bleibt unverändert, Tobin’s q steigt jedoch auf 1,10. Die Bewertung verbessert sich somit allein aufgrund des höheren Eigenkapitalanteils (das Fremdkapital fällt weniger stark ins Gewicht). Höher kapitalisierte Banken haben somit gegenüber weniger gut aufgestellten Banken bereits einen Vorteil. Wie beim P/BV und P/TBV ratio kann jedoch auch hier wieder die Quelle der Eigenkapitalerhöhung zu Unterschieden führen. In Summe lässt sich jedoch nicht feststellen, welchen Anteil eine eventuell höhere Bewertung durch den Markt (aufgrund von geringerem Risiko) und die berechnungsseitigen Effekte an den hohen Koeffizienten haben. Daher entsprechen auch die vergleichsweise hohen adjustierten R2 durch den hohen Einfluss der Variable Eigenkapitalquote bzw. der Kapitalstruktur möglicherweise nicht der Realität. Bisherige empirische Befunde zeigen ein uneinheitliches Bild da wiederum positive301, negative302 und keine303 Einflüsse der Eigenkapitalquote auf die Bewertung gefunden werden, wobei letztere doch deutlich überwiegen.

Hinsichtlich des return on assets und des cost-income ratio wird auf die vorherigen zwei Kennzahlen verwiesen, da sich hier diesbezüglich ein sehr ähnliches Bild zeigt (hohe, signifikante Koeffizienten beim ROA; CIR kaum signifikant und auch nur sehr geringe, negative Koeffizienten). Wie auch beim P/BV ratio zeigt die Empirie beim ROA einen signifikanten, positiven Einfluss auf die Bewertung.304 Demgegenüber zeigen sich beim CIR eher widersprüchliche Ergebnisse. Es werden zwar ebenfalls negative305 sowie keine bzw. kaum relevante306 Zusammenhänge mit der Bewertung gefunden, aber eine Arbeit findet auch positive Einflüsse (was eher paradox ist), wobei sich die Koeffizienten für die Zeit ab der Finanzkrise in den negativen Bereich drehen.307

Neben dem erneut hohen, positiven Einfluss der Wachstumsrate des BIP auf die Bewertung zeigt sich nun auch die Inflationsrate signifikant mit negativen Koeffizienten. Diese sind zwar geringer

301 Vgl. Francis et al. (2018), S. 113. 302 Vgl. Guerry/Wallmeier (2017), S. 209. 303 Vgl. Armstrong/Fic (2014), S. 13ff; Sawada (2013), S. 50; Chen/Lin (2009), S. 27ff; Laeven/Levine (2007), S. 347f. 304 Vgl. Sawada (2013), S. 50; Chen/Lin (2009), S. 27ff. 305 Vgl. Jones/Miller/Yeager (2011), S. 382; Baele/De Jonghe/Vander Vennet (2007), S. 2012. 306 Vgl. Sawada (2013), S. 50; Chen/Lin (2009), S. 27ff. 307 Vgl. Guerry/Wallmeier (2017), S. 209.

Juli 2020 Manuel Noll 74/129

als die Koeffizienten der Wachstumsrate des BIP, aber dennoch von Relevanz. Dieses Ergebnis bestätigt die Annahme, dass sich die Entwicklung des makroökonomischen Umfelds auch in der Bewertung einer Bank niederschlägt. Hinsichtlich der Wachstumsrate des BIP zeigen sich in der empirischen Literatur mit den Ergebnissen dieser Arbeit übereinstimmende Ergebnisse.308 Bei der Inflationsrate sind die Erkenntnisse jedoch uneindeutig. CHEN/LIN (2009) und ARMSTRONG/FIC (2014) finden negative Auswirkungen einer höheren Inflationsrate auf die Bewertung.309 Im

Gegensatz dazu berichten LAEVEN/LEVINE (2007) von positiven Einflüssen auf die Bewertung.310 Allerdings sind bei den beiden letztgenannten Arbeiten die Koeffizienten nur bei einem Teil der Regressionen signifikant; ein in der Realität nicht vorhandener Einfluss ist somit nicht auszuschließen.

Die excess values sind bedeutend geringer als bei den anderen Kennzahlen (auch prozentual gesehen), wobei auch dieser Umstand höchstwahrscheinlich zu einem großen Teil der geringen Varianz von Tobin’s q geschuldet ist. Dennoch zeigt sich auch hier eine gewisse Unsicherheit hinsichtlich der tatsächlichen Höhe der excess values. Die Einflussfaktoren gestalten sich recht ähnlich wie bei der Kennzahl selbst.

5.4.2. Zusammenfassende Darstellung unter Berücksichtigung von theoretischen Aspekten

Eine generelle Problematik, die sich im Grunde durch die ganze Untersuchung zieht, stellt die Verteilung der Kennzahlen dar. Diese Thematik wurde bereits von einer Reihe von Autoren aufgegriffen. DAMODARAN (2012) führt dazu an, dass die Bewertungskennzahlen allgemein eine stark rechtsschiefe Verteilung aufweisen. Der Großteil der Werte ist im eher normalen Bereich angesiedelt; einige Ausreißer erreichen aber geradezu extreme Werte. Die Mittelwerte sind daher viel größer als die Mediane.311 Auch ANTONIOS/IOANNIS/PANAGIOTIS (2012) berichten von diesem Phänomen und schreiben branchenübergreifend insbesondere dem P/E ratio eine starke Verzerrung durch Ausreißer im oberen Bereich zu. Bei Buchwert-Kennzahlen fällt das eher weniger (aber dennoch) ins Gewicht was zu einer besseren Aussagekraft führt.312

CHWOLKA/KRYVKO/REICHLING (2011) sprechen ebenfalls von Verfälschungen in der Bewertung durch Verwendung von Mittelwerten und empfehlen stattdessen die Verwendung von Medianen.313 Diese Aspekte haben sich im Rahmen dieser empirischen Untersuchung bestätigt. Insbesondere beim P/E ratio ist dadurch die Erklärungskraft der Ergebnisse eher gering.

308 Vgl. Armstrong/Fic (2014), S. 13ff; Laeven/Levine (2007), S. 347f. 309 Vgl. Armstrong/Fic (2014), S. 13ff; Chen/Lin (2009), S. 27ff. 310 Vgl. Laeven/Levine (2007), S. 347f. 311 Vgl. Damodaran (2012), S. 453ff; siehe auch Hermann (2002), S. 103. 312 Vgl. Antonios/Ioannis/Panagiotis (2012), S. 63f. 313 Vgl. Chwolka/Kryvko/Reichling (2011), S. 12.

Juli 2020 Manuel Noll 75/129

Daraus ergeben sich in der Folge dann auch die teilweise extremen excess values. Trotz Berechnung der excess values auf Basis der Mediane sind auch diese noch stark verzerrt, wie ein Blick in die deskriptiven Statistiken offenbart. Wiederum sticht das P/E ratio mit enormen Schwankungen hervor. Jedoch lassen sich auch beim P/BV und P/TBV ratio ähnliche Abweichungen erkennen; lediglich bei Tobin’s q zeigen die excess values einen realistischen Wertebereich. Insgesamt sind die sich so ergebenden erheblichen Unterbewertungen (teilweise Überbewertungen) somit hinsichtlich ihrer realen Aussagekraft eher kritisch zu sehen.

Die Geschäftsfeld-Dummies sowie die Anteile der Geschäftsfelder sollen all jene geschäftsfeldspezifischen, bewertungsrelevanten Faktoren abbilden, die nicht bereits durch andere Faktoren wie etwa den return on assets abgebildet werden. Es zeigen sich zwar gewisse Unterschiede, jedoch sind diese eher gering (genauso wie die Koeffizienten selbst) und dürften bei den Bewertungsunterschieden nur eine untergeordnete Rolle spielen.

Diversifizierung kann aus einer theoretischen Perspektive heraus betrachtet sowohl werterhöhend als auch wertvernichtend wirken. Für Ersteres sprechen etwa die oft genannten economies of scope.314 Diese ergeben sich durch die in der Regel langfristigen geschäftlichen Beziehungen zu den Bankkunden. Mit der Zeit können Banken viele Informationen über die Kunden sammeln und diese dann für zukünftige Geschäfte (möglicherweise auch in anderen Geschäftsbereichen) nutzen. Ebenfalls könnte bei einem hohen Anteil an Fixkosten die Diversifizierung in angrenzende Geschäftsfelder zu einem Kostenvorteil gegenüber spezialisierten Konkurrenten führen. Möglich erscheinen hier zum Beispiel der Verkauf von Versicherungsleisten in einer schon existierenden Bankfiliale315 oder die Erbringung von Beratungsleistungen an Kreditkunden.316 Weiters bringt Diversifizierung ein vermindertes (Ausfalls-)Risiko mit sich, sofern die Geschäftsbereiche nicht direkt voneinander abhängig sind.317 Im Gegensatz dazu werden als Argumente gegen Diversifizierung oftmals interne Interessenskonflikte und erhöhte agency costs genannt.318 Ein weiterer Aspekt, der für wertmindernde Auswirkungen von Diversifizierung spricht, ist außerhalb der Banken zu finden. Investoren könnten diversifizierte Banken weniger nachfragen, da aufgrund der komplexeren Strukturen Einblicke von außen beeinträchtigt werden. Dadurch wird eine effiziente Portfoliostrukturierung erschwert; in der Folge werden die Aktien dieser Banken

314 Vgl. Guerry/Wallmeier (2017), S. 203; Elsas/Hackethal/Holzhäuser (2010), S. 1274; Schmid/Walter (2009), S. 194, Stiroh/Rumble (2006), S. 2134. 315 Vgl. Elsas/Hackethal/Holzhäuser (2010), S. 1274. 316 Vgl. Guerry/Wallmeier (2017), S. 203. 317 Vgl. D’Avino/Shabani (2017), S. 2; Schmid/Walter (2009), S. 194. Eine aktuelle Studie zeigt demgegenüber, dass Diversifizierung einen nicht-linearen (U-förmigen) Einfluss auf die finanzielle Stabilität hat. Lediglich bei sehr geringer Diversifizierung bringt eine Erhöhung ein geringeres Risiko mit sich; exzessive Diversifizierung wiederum ist mit Nachteilen verbunden. Während und nach der Finanzkrise zeigt sich zudem, dass Diversifizierung generell negative Auswirkungen auf die finanzielle Stabilität hat und gerade nicht das Ausfallsrisiko reduziert, vgl. Kim/Batten/Ryu (2020), S. 103. 318 Vgl. Guerry/Wallmeier (2017), S. 203; Armstrong/Fic (2014), S. 5; Schmid/Walter (2009), S. 194; van Lelyveld/Knot (2009), S. 2313; Laeven/Levine (2007), S. 332.

Juli 2020 Manuel Noll 76/129

gemieden (resultierend in niedrigeren Bewertungen).319 Aus theoretischer Sicht bietet Diversifizierung daher sowohl Vor- als auch Nachteile womit sich keine eindeutigen Auswirkungen auf die Bewertung ableiten lassen. Empirisch ist das Bild ebenfalls heterogen. Beim P/BV und P/TBV ratio wirkt sich Diversifizierung überwiegend negativ aus. Beim Tobin’s q hingegen zeigen sich sowohl positive als auch negative Einflüsse. Tendenziell dürften aber eher die negativen Aspekte überwiegen und sich Diversifizierung daher negativ auf die Bewertung auswirken. Das Ergebnis reiht sich somit ohne abschließende Klärung in die bisherige Forschung ein. Festgehalten werden kann jedoch, wie in den graphischen Darstellungen der excess values ersichtlich ist, dass der Grad der Diversifizierung im Zuge der Finanzkrise deutlich abnimmt und sich dann langsam wieder erholt. Eine ähnliche Entwicklung (mit einer deutlichen Abnahme am Höhepunkt der Krise) hat sich bereits in anderen Untersuchungen gezeigt, wenngleich diese die Diversifizierung anhand des Anteils des net interest income und der net loans am gesamten income bzw. assets gemessen haben.320 Der in dieser Arbeit gewählte neue Ansatz, die Messung anhand der Segmentberichterstattung, scheint somit durchaus zur Abbildung der Diversifizierung geeignet zu sein. Hinsichtlich der Interpretation besteht jedoch die Problematik, wofür es aber kaum eine Lösung gibt, ist, dass lediglich der Einfluss der Diversifizierung als Ganzes gemessen wird. Die einzelnen Komponenten wie etwa economies of scope oder agency costs können nicht direkt gemessen werden.321

Wie auch bei der Diversifizierung ist der Einfluss der Größe einer Bank auf die Bewertung fraglich. Als Vorteil großer Banken werden in diesem Zusammenhang oft economies of scale genannt.322 Typischerweise handelt es sich in dieser Branche bei einem Großteil der Kosten um Fixkosten; diesen bieten Potenzial für cost economies of scale. Demgegenüber stehen jedoch mit zunehmender Größe steigende administrative Kosten durch höhere Komplexität oder agency costs.323 Die Argumente überschneiden sich somit teilweise mit denen für/gegen Diversifizierung. Ein weiterer Aspekt im Zusammenhang mit der Größe ist die TBTF-Thematik. Banken, die diesen Status haben, könnten aufgrund des geringen (oder nicht vorhandenen) Ausfallsrisikos höhere Bewertungen erzielen. Andererseits sinken dadurch auch die Anreize das Risiko zu überwachen (monitoring), was zwar auf den ersten Blick kosten spart, jedoch auf lange Sicht aufgrund ökonomischer Fehlentscheidungen (eingehen von zu hohen Risiken; etwa risikoreiche Kreditvergabe) Kosten verursacht. Der TBTF-Status begünstigt somit den moral hazard-Effekt.324 Ebenfalls sehen sich größere Banken (insbesondere TBTF) mit höheren regulatorischen Kosten konfrontiert; diese könnten etwaige Größen-Vorteile im Rahmen der Bewertung ausgleichen.325

319 Vgl. Walter (2004), S. 89. 320 Vgl. Guerry/Wallmeier (2017), S. 208; Armstrong/Fic (2014), S. 10f. 321 Vgl. Guerry/Wallmeier (2017), S. 212; Armstrong/Fic (2014), S. 4; Laeven/Levine (2007), S. 332. 322 Vgl. Laeven/Levine (2007), S. 346; Walter (2004), S. 64ff. 323 Vgl. Walter (2004), S. 64. 324 Vgl. Gropp/Gruendl/Guettler (2014), S. 458ff. 325 Vgl. Minton/Stulz/Taboada (2018), S. 45; Ferretti et al. (2018, S. 17.

Juli 2020 Manuel Noll 77/129

Die theoretische Betrachtung lässt somit keine eindeutige Aussage zu, ob Größe sich aus Bewertungssicht lohnt, da zu viele Faktoren eine Rolle spielen. Auch empirisch ergibt sich ein gemischtes Bild. So hat die Größe lediglich beim P/E ratio und P/BV ratio signifikante Koeffizienten. Es scheint somit zwischen großen und kleineren Banken keinen oder nur minimale Unterschiede zu geben. Auch hier reiht sich das Ergebnis in die bisherige, hinsichtlich der Ergebnisse heterogene, Empirie ein. Tendenziell scheinen jedoch die negativen Aspekte zu überwiegen; sich Größe also negativ auf die Bewertung auszuwirken. Ein Grund für die teils nicht signifikanten Werte könnten auch Wechselkursänderungen sein. Aufgrund der divers zusammengesetzten Stichprobe musste zwecks Vergleichbarkeit die Bilanzsumme der Banken oft in US Dollar umgerechnet werden. Über den doch recht langen Zeitraum von 12 Jahren könnte diese Tatsache durchaus verzerrend wirken.

Banken mit einer höheren Eigenkapitalausstattung sind insgesamt weniger Risiken ausgesetzt als Konkurrenten mit einer Unterkapitalisierung.326 Weiterhin haben Banken mit hohen Eigenkapitalanteilen auch weniger Anreize zusätzliche Risiken einzugehen und könnten daher vom Markt besser bewertet werden.327 Bei einer differenzierten Betrachtung ergeben sich jedoch je nach den wirtschaftlichen Rahmenbedingungen unterschiedliche Aspekte. Eigenkapital wird zwar als Puffer gegen mögliche Verluste betrachtet, ist aber gleichzeitig meist teurer als Fremdkapital. Infolgedessen sollten in Zeiten finanzieller Not höhere Eigenkapitalanteile zu höheren Bewertungen führen und in guten Zeiten zu eher geringeren Bewertungen.328 Dies könnte eine Erklärung für die in dieser Arbeit oft positiven, signifikanten Einflüsse auf die Bewertung sein, da der Zeitraum ab der Finanzkrise (welche viele Banken in eine finanzielle Notlage brachte) untersucht wird. Die bei anderen empirischen Untersuchungen abweichenden Ergebnissen könnten somit unter anderem auf unterschiedliche untersuchte Zeiträume (vor der Finanzkrise; vor und nach der Finanzkrise) zurückzuführen sein. Bei den Buchwert-basierten Kennzahlen und insbesondere Tobin’s q kommt jedoch erschwerend hinzu, dass der reine Bewertungseffekt (über den Aktienkurs) nicht von den berechnungsseitigen Effekten isoliert werden kann, sondern nur welcher der beiden Effekte überwiegt.

Investoren sind in erster Linie an möglichst hohen Dividenden und Wertsteigerungen ihrer Anteile interessiert, was zumeist durch höhere Gewinne erfolgt. Da die Profitabilität die Fähigkeit eines Unternehmens, Gewinne zu generieren, repräsentiert, wird eine gesteigerte Profitabilität automatisch mehr Investoren anlocken. In der Folge wird der Aktienkurs, welcher den simplen

326 Vgl. Armstrong/Fic (2014), S. 14. 327 Vgl. Laeven/Levine (2007), S. 349. 328 Vgl. Guerry/Wallmeier (2017), S. 207. Genau dieses Ergebnis (hohe Fremdkapitalanteile führten vor der Krise zu besseren Bewertungen und ab der Krise zu schlechteren Bewertungen) finden Calomiris/Nissim (2014), S. 434 in ihrer Untersuchung.

Juli 2020 Manuel Noll 78/129

Prinzipien von Angebot und Nachfrage folgt, steigen.329 Durch die steigenden Kurse erhöhen sich daraufhin auch die Bewertungskennzahlen. Wenig überraschend zeigen daher sowohl bisherige Empirie als auch die Ergebnisse dieser Arbeit einen hohen Einfluss des return on assets auf die Bewertung. Beim P/E ratio kann jedoch, ähnlich wie bei der Eigenkapitalquote bei den Buchwert- basierten Kennzahlen, der Bewertungseffekt nicht isoliert bestimmt werden, da höhere Gewinne (die mit einem höheren ROA einhergehen) bereits ohne jegliche Reaktion des Aktienkurses die Kennzahl beeinflussen. Letzterer, berechnungsseitiger Effekt dürfte deutlich überwiegen da die Koeffizienten negativ sind.

Grundsätzlich könnte man erwarten, dass die durch ein niedrigeres cost-income ratio signalisierte höhere Effizienz sich positiv auf die Bewertung auswirkt. Dennoch zeigen sich so gut wie keine signifikanten Koeffizienten (mit Ausnahme beim P/E ratio, bei dem die Signifikanz jedoch wahrscheinlich auf die Berechnungsweise der Kennzahl zurückzuführen ist). Die Ursache könnte in einer Reihe von Faktoren, die das Performancemaß verzerren und eine Vergleichbarkeit somit erschweren, zu finden sein. So beeinflussen etwa unterschiedliche Geschäftsmodelle (Kreditgeschäft mit Zinserträgen, Beratungsgeschäft mit Provisionserträgen) die generelle Kostenstruktur. Ebenso kann sich das Wettbewerbsumfeld, das sich unter anderem auf die Zinsspanne auswirkt, sowie verschiedene Lohnniveaus verzerrend wirken. Insbesondere bei internationalen Vergleichen werden diese Aspekte relevant. Die vergleichsweise hohen cost- income ratios deutscher Banken führen GISCHER/RICHTER etwa auf den ausgeprägten Wettbewerb (geringe Zinsspanne) sowie das hohe Lohnniveau zurück und nicht auf eine generelle Ineffizienz.330 Vor diesem Hintergrund kann es daher aufgrund der doch sehr international ausgerichteten Stichprobe gut möglich sein, dass das cost-income ratio in der Realität zwar bewertungsrelevant ist, dieser Effekt aber aufgrund der Verzerrungen in der Regressionsanalyse dieser Arbeit nicht erfasst wird.

Der Inflationsrate werden hohe Auswirkungen auf den Finanzsektor zugeschrieben, da diese sich unmittelbar auf die Aktivitäten von Banken auswirken. So werden bei hohen Inflationsraten tendenziell die Kreditvergaben zurückgehen (aufgrund geringerer Gewinnmöglichkeiten). Die Inflationsrate hat somit direkt Auswirkungen auf das Geschäftsmodell von Banken.331 Das könnte sich in weiterer Folge auch in der Bewertung niederschlagen.332 Die Inflationsrate präsentiert sich jedoch größtenteils ohne signifikante Einflüsse auf die Bewertung (Ausnahme Tobin’s q). Einerseits könnte dies daher in der Realität tatsächlich keine Rolle spielen, andererseits könnte der Grund aber auch sein, dass nicht eindeutig ist, welche Inflationsrate als „gut“ gilt. So wird im

329 Vgl. Purnamasari (2015), S. 87f. 330 Vgl. Gischer/Richter (2014), S. 9ff. 331 Vgl. Boyd/Levine/Smith (2001), S. 222ff. 332 Vgl. Laeven/Levine (2007), S. 349.

Juli 2020 Manuel Noll 79/129

europäischen Raum üblicherweise ein Wert von etwa 2% als erstrebenswert angesehen; sowohl Unter- als auch Überschreitungen werden negative Einflüsse auf die Volkswirtschaft zugeschrieben. Es könnte somit einen nicht-linearen Zusammenhang geben, welcher allerdings mit der in dieser Arbeit verwendeten Methodik nicht erfasst wird. Diese Vermutung gründet auf den Erkenntnissen von BOYD/LEVINE/SMITH (2001). Die Autoren finden zwar negative Einflüsse der Inflationsrate auf die Performance einer Bank, wobei aber diese negativen Effekte erst dann eintreten, wenn die Inflationsrate bestimmte Grenzen über- oder unterschreitet.333 Bei der Bewertung könnten daher die Umstände ähnlich sein.

Der hohe Einfluss der BIP-Wachstumsrate resultiert wahrscheinlich aus dem generellen Zusammenhang zwischen Aktienpreisen und der wirtschaftlichen Entwicklung und wird kein bankspezifischer Faktor sein. Eine gute wirtschaftliche Situation wirkt sich positiv auf das Gewinnpotential von Unternehmen aus und wird so die Nachfrage der Investoren erhöhen.334 Die steigenden Kurse führen somit zu höheren Bewertungen. Die günstigen Auswirkungen auf den Gewinn und den damit zu einem gewissen Teil verbundenen Aufbau von Eigenkapital scheinen im Vergleich zum Anstieg des Aktienpreises deutlich geringer auszufallen (sonst wären die Koeffizienten negativ).

Zur abschließenden Beantwortung der Forschungsfragen werden nun die erläuterten Faktoren mit Erkenntnissen aus den Korrelationen ergänzt. Die Hauptforschungsfrage lautet: „Wie werden die verschiedenen Geschäftsfelder des Bankengeschäftes an der Börse bewertet und wie lassen sich mögliche Bewertungsunterschiede erklären?“ In Summe weisen die spezialisierten Banken höhere Bewertungen auf als Universalbanken. Vor allem jene Banken, die auf Investment Banking oder Private Banking spezialisiert sind, zeigen erheblich höhere Bewertungen. Banken, die auf Retail Banking oder Corporate Banking spezialisiert sind, weisen ebenfalls höhere Bewertungen als Universalbanken auf, wobei die Unterschiede bei Weitem nicht so groß sind wie bei den beiden Erstgenannten. Hauptverantwortlich dürften die Aspekte Risiko und Profitabilität sein. Die Korrelationen legen nahe, dass höhere Anteile an Investment Banking und Private Banking mit höheren Eigenkapitalquoten und einem höheren return on assets einhergehen. Demgegenüber führen hohe Anteile an Retail Banking und Corporate Banking zu niedrigeren Werten bei den genannten Faktoren. Ursächlich für diese Unterschiede könnten die Geschäftsmodelle der Banken sein. Die Leistungen im Investment und Private Banking sind vorwiegend Beratungsleistungen. Im Gegensatz dazu steht im Retail und Corporate Banking das klassische Kreditgeschäft im Vordergrund. Daraus resultieren unterschiedliche Ertrags- und Refinanzierungsstrukturen, welche sich über den Umweg der Profitabilität und Eigenkapitalquote

333 Vgl. Boyd/Levine/Smith (2001), S. 245f. 334 Vgl. Sandte (2012), S. 1f.

Juli 2020 Manuel Noll 80/129

in der Bewertung niederschlagen könnten. Obwohl die (negativen) Einflüsse von Größe und Diversifizierung eher gering bis möglicherweise nicht vorhanden sind, könnten sie in Summe doch relevant sein. Die Universalbanken sind hier naturgemäß besonders betroffen; sie sind in der Regel deutlich größer und definitionsgemäß auch diversifizierter als die spezialisierten Konkurrenten. Sonstige geschäftsfeldspezifische Faktoren scheinen nur eine untergeordnete Rolle zu spielen; diese werden offenbar bereits durch die anderen Faktoren ausreichend abgebildet. Aufgrund der eher geringen Bestimmtheitsmaße dürften daher in der Realität noch andere Faktoren für die Bewertung eine Rolle spielen, die jedoch unabhängig von der Wahl des Geschäftsfelds zu sein scheinen. Stattdessen kommen institutsspezifische Faktoren oder makroökonomische Faktoren (wie etwa das regulatorische Umfeld) in Betracht. Die wirtschaftliche Lage hat zwar einen nicht unerheblichen Einfluss auf die Bewertung, jedoch betrifft diese alle Banken grundsätzlich gleichermaßen, wodurch daraus keine Erklärungen für die Bewertungsunterschiede abgeleitet werden können.

Die erste Subforschungsfrage lautet: „Wie unterscheiden sich die Ergebnisse durch Anwendung der verschiedenen Bewertungskennzahlen?“. Obwohl grundsätzlich bei allen vier Kennzahlen die spezialisierten Banken höher bewertet werden als die Universalbanken, sind die Ergebnisse teils nur bedingt bis gar nicht vergleichbar. Letzteres betrifft vor allem das P/E ratio; die Kennzahl unterscheidet sich aufgrund der starken Abhängigkeit vom Gewinn deutlich von den anderen drei Kennzahlen. Die hohe Schwankungsbreite erlaubt es kaum, die Kennzahl zu erklären, oder zumindest nicht mit der in dieser Arbeit verwendeten Methodik. Die mangelnde Popularität in der Bewertungsliteratur spricht jedoch ebenfalls für Ersteres. Ein Großteil der signifikanten Faktoren (die im Wesentlichen die Eigenkapitalquote, der return on assets und das cost-income ratio sind) üben ihren Einfluss wohl hauptsächlich über die Berechnungsweise der Kennzahl (Anpassung der Bewertung ohne Veränderung des Aktienkurses) aus, und nicht über die Marktseite, da ansonsten die Vorzeichen der Koeffizienten wenig Sinn machen würden (positiv beim cost-income ratio, negativ beim return on assets). Die Buchwert-basierten Kennzahlen weisen eine erheblich geringere Volatilität auf, da das Eigenkapital meist deutlich weniger schwankt als der Gewinn. Die beiden Kennzahlen P/BV ratio und P/TBV ratio unterscheiden sich schon allein aufgrund der Berechnung wenig voneinander und daher sind sie auch hinsichtlich der Ergebnisse sehr ähnlich. Die Einflussfaktoren sind grundsätzlich ident, mit geringen Abweichungen. Bezüglich der Eigenkapitalquote zeigt sich die gleiche Problematik wie beim return on assets und dem cost- income ratio beim P/E ratio: Markt- und berechnungsseitige Einflüsse überlagern sich, allerdings scheinen Erstere zu überwiegen. Auch der zeitliche Verlauf der beiden Kennzahlen ist ähnlich, wobei das P/TBV ratio naturgemäß stets höhere Werte hat. Hinsichtlich der wichtigsten und größten Einflussfaktoren (Eigenkapitalquote, return on assets, Wachstumsrate des BIP) präsentiert sich Tobin’s q sehr ähnlichen zu den zwei Buchwert-basierten Kennzahlen. Bei der

Juli 2020 Manuel Noll 81/129

Eigenkapitalquote verstärkt sich jedoch die Interpretationsproblematik, da in die Kennzahl nun auch der Fremdkapitalanteil miteinfließt. Unterschiede (deren tatsächliche Signifikanz jedoch nicht eindeutig ist) ergeben sich beim Einfluss der Anteile der Geschäftsfelder sowie der Größe und Diversifizierung. Diese resultieren möglicherweise aus Verzerrungen aufgrund des hohen Einflusses des Fremdkapitalanteils. Dieser ist typischerweise bei Banken sehr hoch, was in einer sehr geringen Schwankungsbreite der Kennzahl resultiert.

Die zweite Subforschungsfrage lautet: „Macht es, vor dem Hintergrund einer höheren Marktbewertung, für Banken Sinn, als Universalbank tätig zu sein?“ In Anbetracht der Ergebnisse kann diese Frage auf den ersten Blick eindeutig mit „Nein“ beantwortet werden. Auf den zweiten Blick ergeben sich jedoch einige Aspekte, die in diesem Zusammenhang näher erläutert werden müssen. Wie eingangs in diesem Kapital bereits erwähnt, sind die Kennzahlen erheblich nach oben verzerrt, was im Ergebnis die Aussagekraft der excess values deutlich mindert. Dennoch weisen die Ergebnisse tendenziell auf eine Unterbewertung der Universalbanken hin (bei allen Kennzahlen). Die Ursache wird das Zusammenspiel mehrerer Faktoren sein. So deuten die Korrelationen darauf hin, dass Universalbanken erheblich größere Banken sind und auch deutlich diversifizierter sind. Wenngleich beide Faktoren, wie schon erwähnt, eine eher geringe Rolle spielen, könnte es in Kombination doch zu einem gewissen Teil bewertungsrelevant sein, da hier die Unterschiede zu den spezialisierten Banken besonders groß sind (diese sind deutlich kleiner und weisen keine bzw. nur eine geringe Diversifizierung auf).335 Economies of scope/scale können demnach Aspekte wie erhöhte agency/monitoring costs nicht aufwiegen. Ebenfalls zeigen sich in den Korrelationen bei den Universalbanken geringere Eigenkapitalanteile sowie geringere Profitabilitäten; beides Faktoren mit einem großen Einfluss auf die Bewertung. Die geringen Eigenkapitalanteile und Profitabilitäten scheinen bei genauerer Betrachtung auch naheliegend, da Universalbanken zu einem weit überwiegenden Teil im Retail und Corporate Banking tätig sind (welche ihrerseits in dieser Hinsicht bereits weniger gut abschneiden). Insgesamt zeigt sich somit bei so gut wie allen untersuchten bewertungsrelevanten Faktoren, dass die Universalbanken am schlechtesten abschneiden.

5.4.3. Aktienanalyse

Auf den ersten Blick fällt bereits die wesentlich schlechtere Entwicklung der Indizes im Vergleich zu den untersuchten Banken auf. Woher kommt diese Diskrepanz? Ein wesentlicher Grund wird wohl die Berechnungsweise der Indizes sein. Grundsätzlich wird der Anteil einer Bank am Index

335 Auch Schmid/Walter (2009), S. 199 kommen bereits zu der Erkenntnis, dass höher diversifizierte Banken größer sind, geringere Eigenkapitalquoten aufweisen und weniger profitabel sind.

Juli 2020 Manuel Noll 82/129

nach der Marktkapitalisierung gewichtet336, wodurch Großbanken einen beträchtlichen Einfluss auf die Entwicklung der Indizes haben. Beispielsweise machen die vier Banken HSBC Holdings, Lloyds Banking Group, BNP Paribas und Banco Santander bereits 35,75% des STOXX Europe 600 Banks aus, was angesichts der Tatsache, dass sich der Index aus 45 Banken zusammensetzt, nicht unerheblich ist.337 Ähnlich verhält es sich beim STOXX Asia/Pac 600 Banks; hier machen lediglich drei Banken (Commonwealth Bank of Australia, Mitsubishi UFJ Financial Group und Westpac Banking Corporation) bereits 38,30% des Index aus (bei 29 Komponenten).338 Beim Dow Jones U.S. Banks (62 Komponenten) macht die Bank JPMorgan Chase & Co gar 26,5% aus339 und auch beim MSCI World Banks (88 Komponenten) repräsentieren JPMorgan Chase & Co und die Bank of America zusammen 22,11% des Index.340 Es zeigt sich somit recht eindeutig, dass einige wenige Banken einen erheblichen Anteil an der Entwicklung der Indizes haben (zum Teil auch dieselben Banken bei mehreren Indizes). Hinzu kommt, dass einige der stark gewichteten Banken aufgrund nicht verwertbarer Segmentberichterstattung nicht in der Untersuchung enthalten sind, was der Vergleichbarkeit mit den Indizes ebenfalls nicht zuträglich ist. Eine Auswertung der Renditen der 74 Universalbanken und die Unterteilung in vier Größen- Kategorien341 lässt zudem erkennen, dass größere Banken (gemessen sowohl anhand der Marktkapitalisierung als auch anhand der Bilanzsumme) schlechter performten als kleinere Banken. Im Ergebnis liegt somit die Vermutung nahe, dass die großen, tendenziell schlechter performenden Banken in Kombination mit deren hohen Gewichtung die Indizes nach unten verzerren. Im Gegensatz dazu muss auch erwähnt werden, dass die reine Bildung von Durchschnittswerten ebenfalls leicht zu einer verzerrten Darstellung führen kann. So scheinen etwa auf Corporate Banking spezialisierte Banken auf den ersten Blick doch erkennbar am besten abzuschneiden. Aufgrund der relativ geringen Anzahl von 16 Banken ist der Durchschnittswert jedoch vergleichsweise anfällig für Ausreißer. Eine Überprüfung der Kursdaten ergibt, dass drei der Banken eine sehr viel bessere Kursentwicklung haben als der Rest. Werden diese nicht in die Durchschnittsberechnung miteinbezogen, dann entspricht die Entwicklung ziemlich genau jenem der Retail Banken (wo es keine so starken Ausreißer gibt), was möglicherweise ein realistischeres Bild ergibt.

336 Vgl. für den STOXX Europe 600 Banks STOXX (2020a), S. 2; für den STOXX Asia/Pac 600 Banks STOXX (2020b), S. 2; für den Dow Jones U.S. Banks S&P Dow Jones Indices (2020), o. S und für den MSCI World Banks MSCI (2020), S. 3. 337 Mit Stand 31. Jänner 2020; die Gewichtung beträgt für HSBC Holdings 16,27%, für Lloyds Banking Group 5,70%, für BNP Paribas 6,67% und für Banco Santander 7,11%; vgl. STOXX (2020a), S. 3. 338 Mit Stand 31. Jänner 2020; die Gewichtung beträgt für Commonwealth Bank of Australia 16,90%, für Mitsubishi UFJ Financial Group 11,36% und für Westpac Banking Corporation 10,04%; vgl. STOXX (2020b), S. 3. 339 Mit Stand 31. Jänner 2020; vgl. S&P Dow Jones Indices (2020), o. S. 340 Mit Stand 31. Jänner 2020; die Gewichtung beträgt für JPMorgan Chase & Co 26,5% und für die Bank of America 9,00%; vgl. MSCI (2020), S. 2. 341 Anhand der Marktkapitalisierung und der Bilanzsumme; die Berechnung der Kategorien erfolgte analog zu den Diversifizierungs-Kategorien der Aktienanalyse in Kapitel 5.3.4.

Juli 2020 Manuel Noll 83/129

Wie bei der Darstellung der Ergebnisse bereits angesprochen, lässt eine Unterteilung der Universalbanken in verschiedene Diversifizierungs-Kategorien keinen eindeutigen Trend erkennen. Es liegt somit nahe, dass die (ohnehin geringen) Unterschiede eher zufällig sind und/oder andere Faktoren (möglicherweise die Größe) dafür verantwortlich sind. Intuitiv würde man erwarten, dass stark diversifizierte Banken durch Risikostreuung besser abschneiden als niedrig diversifizierte bzw. spezialisierte Banken. Das betrifft hingegen wahrscheinlich eher die Ertragslage, welche jedoch nur bedingt auf die Preisbildung an der Börse Einfluss hat. Da im Zuge der Finanzkrise das Vertrauen in den Banken- bzw. Finanzsektor generell drastisch abgenommen hat, haben auch so gut wie alle Banken entsprechende Kursverluste hinnehmen müssen. Investoren/Anleger denken nicht immer rational (schon gar nicht in einer Krise) und so war es wahrscheinlich nicht von großer Bedeutung wie das Tätigkeitsfeld einzelner Banken (= wie diversifiziert sie sind) konkret aussah. Höher diversifizierte Banken hatten somit möglicherweise zwar geringere Verluste; das war jedoch wahrscheinlich von untergeordneter Bedeutung und wurde von den Investoren/Anlegern bei ihren Entscheidungen daher schlicht nicht berücksichtigt.

Hinsichtlich der Kennzahlenanalyse lässt sich somit sagen, dass aufgrund der angesprochenen Problematiken ein sinnvoller Vergleich der untersuchten Banken mit den Indizes kaum möglich ist. Die Unterteilung der Universalbanken in Diversifizierungs-Kategorien lässt keine Tendenz erkennen, dass höher diversifizierte Banken kennzahlentechnisch besser abschneiden. Im Gegenteil, bei genauerer Betrachtung zeigen sich Widersprüchlichkeiten. Zum Beispiel schneidet beim income die Gruppe mit der höchsten Diversifizierung am besten ab; bei den assets jedoch am zweitschlechtesten. Da eine hohe income-Diversifizierung typischerweise auch mit einer hohen assets-Diversifizierung einhergeht (der Korrelationskoeffizient beträgt immerhin 0,8173 bei einem p-Wert von 0,0000), macht dieses Ergebnis wenig Sinn. Die Ergebnisse sind daher wahrscheinlich eher zufällig bzw. lassen sich nicht auf die Diversifizierung zurückführen. Bei den untersuchten spezialisierten Banken lässt sich die größte Diskrepanz zwischen den auf Retail bzw. Corporate Banking spezialisierten Banken und den auf Investment bzw. Private Banking spezialisierten Banken beobachten. Letztere sind aufgrund ihrer Aktivitäten näher am Kapitalmarkt und insbesondere die Kapitalmarktaktivitäten standen seit Beginn der Finanzkrise unter besonderer Kritik. Diese Tatsache könnte einen nicht unerheblichen Grund für deren schlechtere Performance darstellen (kurioserweise werden sie aber besser bewertet). Erwähnt werden muss zudem, dass die Sharpe Ratios insgesamt eher wenig aussagekräftig sind. Lediglich 6 der 18 Kategorien weisen positive Werte auf, die allerdings in der Regel nahe null sind. Die übrigen 12 Kategorien befinden sich in einem negativen Wertebereich, in dem die Sharpe Ratio jedoch an Aussagekraft verliert. Ist die Rendite positiv, so verringert eine höhere Volatilität naturgemäß die Kennzahl. Bei negativen Renditen bzw. Verlusten erhöht jedoch eine höhere Volatilität die Sharpe Ratio zunehmend (bzw. sie ist weniger stark im negativen Bereich).

Juli 2020 Manuel Noll 84/129

Umgekehrt bringt daher eine geringere Volatilität (eine eigentlich positive Eigenschaft) die Kennzahl stärker in den negativen Bereich. Negative Sharpe Ratios (wie sie im vorliegenden Fall häufig vorkommen) sind demnach nur schwierig zu interpretieren und hohe Volatilitäten können über die tatsächlichen Kursverluste hinwegtäuschen.

In diesem Sinne lässt sich die Nebenforschungsfrage „Haben sich die Aktienkurse von spezialisierten Banken und Universalbanken unterschiedlich entwickelt?“ daher lediglich mit einem „Jein“ beantworten. Zwar schneidet ein Teil der spezialisierten Banken (Retail und Corporate Banking) besser und der andere Teil (Investment und Private Banking) schlechter als die Universalbanken ab, jedoch kann dies gegebenenfalls auf die teilweise geringe Stichprobe (insbesondere beim Corporate Banking) zurückgeführt werden. Zudem ist es gut möglich, dass die Unterschiede nicht auf Spezialisierung vs. Diversifizierung zurückzuführen sind. Die Tatsache, dass auch die unterschiedlichen Diversifizierungskategorien bei den Universalbanken kaum Rückschlüsse zulassen, untermauert die Vermutung einer mangelnden Relevanz der Diversifizierung für die Kursentwicklung. Auch die Kennzahlen liefern hierzu keine Ergebnisse, die eine genauere Aussage zulassen. Ebenfalls lässt sich beobachten, dass grundsätzlich alle Banken-Kategorien in den ersten Jahren seit der Krise mehr oder minder denselben Verlauf aufweisen. Erst um das Jahr 2015 erreichen die Universalbanken wieder das Ausgangsniveau von 2007, was durchschnittlich betrachtet aber auch auf die spezialisierten Banken zutrifft. In Summe ist das Ergebnis somit nicht eindeutig, resultierend in einem „Jein“.

5.5. Limitationen

Die in dieser Arbeit verwendete Methodik weist neben einer rein quantitativen, objektiven Komponente auch eine subjektive Komponente auf. Da die wenigsten Banken ihre Segmente unter den Namen der in dieser Arbeit verwendeten Geschäftsfelder berichten, muss zwangsläufig eine manuelle Durchsicht und anschließende Zuordnung erfolgen. Trotz größter Sorgfalt kann daher nicht ausgeschlossen werden, dass andere Autoren eine alternative Zuordnung vornehmen würden (etwa das institutionelle Asset Management zum Private Banking zählen oder das Retail Banking und Corporate Banking als Commercial Banking zusammenfassen). So könnte es zu unterschiedlichen Ergebnissen kommen. Dennoch sollten durch die verwendete Methodik die Ergebnisse dieser Arbeit näher an der Realität dran sein, als die in der bisherigen Literatur angewandte Methodik. Im Folgenden soll die Begründung erläutert werden.

Die Antwort auf die Frage, ob eine Bank eher als Geschäftsbank (Commercial Bank) oder als Investmentbank einzustufen ist (weiter wird in der empirischen Literatur nicht unterschieden), lediglich daran festzumachen welchen Anteil das net interest income bzw. das non interest income am gesamten income hat, scheint eine einfache und objektive Vorgehensweise zu sein. Der

Juli 2020 Manuel Noll 85/129

Nachteil ist jedoch, dass diese Vereinfachung teilweise nicht der Realität entspricht. Sowohl im Retail Banking als auch im Corporate Banking (die beide zu den Haupttätigkeitsfeldern von Geschäftsbanken gehören) stammen oftmals nicht unerhebliche Anteile des income aus dem non interest income („Investment Banking“). Weiters ist es auch im Private Banking der Fall, dass meist der Großteil des income auf das Dienstleistungs- und Kommissionsgeschäft (welches non interest income generiert) zurückzuführen ist. Somit wird das Private Banking fälschlicherweise dem Investment Banking zugeordnet, obwohl sich beide Geschäftsfelder doch merklich voneinander unterscheiden. Folgende Beispiele sollen die Problematik dieser Vorgehensweise verdeutlichen: Bei der Julius Bär Gruppe handelte es sich im Jahr 2018 bei etwa 72,71% des gesamten income um non interest income.342 Die Bank wäre somit überwiegend im Investment Banking tätig. Laut eigenen Angaben konzentriert sich die Bank jedoch ausschließlich auf das Privat Banking.343 Bei der Bank of America verteilt sich das gesamte income im Jahr 2018 zu etwa 51,98% auf net interest income und zu 48,02% auf non interest income; die Bank wäre demnach annähernd zur Hälfte als Geschäftsbank bzw. Investmentbank tätig. Die Analyse der Segmentberichterstattung offenbart jedoch, dass lediglich 17,35% des income dem Investment Banking zugeordnet werden. Auf das Private Banking entfallen 20,89%, auf das Retail Banking 40,54% und auf das Corporate Banking 21,22%.344 Die zwei Beispiele zeigen somit deutlich die

Schwächen dieser Methodik auf. Auch D’AVINO/SHABANI (2017) merken an, dass die Messung der Diversifizierung bzw. die Zuordnung zu einem Geschäftsfeld anhand des Anteils des net interest/non interest income am gesamten income kaum geeignet ist, da teilweise unterschiedliche Aktivitäten in einen Topf geworfen werden.345 Die in dieser Arbeit verwendete Methodik besticht dagegen durch eine höhere Realitätstreue.

Weiters kann angenommen werden, dass eine Form von selection bias vorliegt. Aufgrund des Erfordernisses einer verwertbaren Segmentberichterstattung konnten sehr viele Banken nicht miteinbezogen werden (geographische Segmente, stark zusammengefasste Segmente, keine Segmente). Es besteht daher durchaus die Möglichkeit, dass die untersuchten Banken gewisse Charakteristika aufweisen, die die Bewertung beeinflussen. So könnte etwa eine umfangreiche/bessere Berichterstattung tendenziell mehr institutionelle Investoren anlocken, deren Nachfrage in Folge den Aktienkurs positiv beeinflusst. Die mangelhafte Segmentberichterstattung trifft insbesondere auf kleinere und mittelgroße Banken zu (beispielsweise Regionalbanken oder sogenannte community banks in den USA). Die Folge ist,

342 Vgl. Julius Bär Gruppe (2018), S. 84. 343 Vgl. Julius Bär Gruppe (2018), S. 164. 344 Vgl. Bank of America (2018), S. 36 ff. 345 Vgl. D’Avino/Shabani (2017), S. 3.

Juli 2020 Manuel Noll 86/129

dass ein Großteil der untersuchten Universalbanken zu den eher größeren Instituten gehört. Auch das kann einen Einfluss auf die Ergebnisse haben.

Auch der survivorship bias kann eine gewisse Rolle spielen. In den letzten Jahren geschah dies zwar eher seltener, doch insbesondere um das Jahr 2007 und kurz danach wurden viele spezialisierte Banken von größeren Konkurrenten (oft Universalbanken) aufgekauft worauf ein delisting folgte. Im Laufe der Jahre betraf dieser Umstand vorwiegend auf Investment Banking oder Private Banking spezialisierte Banken. Da diese Fälle mittlerweile schon einige Jahre zurückliegen, sind die entsprechenden Daten nicht mehr oder nur unvollständig verfügbar. Könnten diese Banken miteinbezogen werden, so würden sich möglicherweise andere Ergebnisse zeigen.

Ein weiterer Aspekt, der sich limitierend auf die generelle Aussagekraft der Untersuchungsergebnisse auswirken kann, ist die sehr diverse Zusammensetzung der Stichprobe. Zwar stammt ein Großteil der Banken aus Nordamerika und Europa, jedoch wurden auch diverse Banken aus Afrika und Asien miteinbezogen um eine ausreichend große Stichprobe zu erreichen. Dadurch könnten eine Reihe unbekannter länderspezifischer Faktoren verzerrend auf die Ergebnisse wirken. Derartige Unterschiede offenbaren sich bereits in der Berichterstattung der Banken. So zeigt sich, dass die Segmentberichterstattungen von Banken, die im gleichen Land ihren Sitz haben, eine große Ähnlichkeit zueinander aufweisen. Im Ergebnis sind somit von einigen Ländern mehrere Banken in der Stichprobe enthalten, während aus anderen Ländern nicht eine einzige Bank dabei ist. Möglicherweise kann dem nicht ausreichend durch Einbezug von länderspezifischer Inflationsrate und Wachstumsrate des BIP begegnet werden. Hier scheinen eher andere Unterschiede wie zum Beispiel die regulatorischen Vorschriften eine tragende Rolle zu spielen.

6. Schlussbetrachtung

Im Zentrum der Betrachtung stand die Frage, wie die verschiedenen Geschäftsfelder an der Börse bewertet werden und wie sich etwaige Bewertungsunterschiede erklären lassen. Zudem wurde untersucht, ob es für Banken aus Bewertungssicht Sinn macht, als Universalbank tätig zu sein. In Summe hat sich gezeigt, dass Banken, die auf Investment oder Private Banking spezialisiert sind, deutlich höher bewertet werden als Universalbanken oder Banken, die auf Retail bzw. Corporate Banking spezialisiert sind. Im Zuge der Untersuchung haben sich dann als besonders bewertungsrelevante Faktoren die Aspekte Profitabilität und Risiko herauskristallisiert. Genau in diesen Punkten sind Banken, die Investment oder Private Banking spezialisiert sind, deutlich besser aufgestellt als die anderen Bank-Kategorien. Ihr Leistungsangebot besteht vorwiegend aus dem Beratungsgeschäft, während Universalbanken und Banken, die Retail oder Corporate

Juli 2020 Manuel Noll 87/129

Banking spezialisiert, größtenteils im Kreditgeschäft tätig sind. Die Bewertungsunterschiede sind daher möglicherweise auf die unterschiedlichen Geschäftsmodelle zurückzuführen. Bei den Universalbanken kommen noch die Aspekte Größe und Diversifizierung ins Spiel, welche sich ebenfalls tendenziell wertmindernd auswirken. Oft genannte Vorteile wie economies of scale oder economies of scope sind demnach für den Markt nicht sichtbar, nicht existent oder können Nachteile wie erhöhte monitoring oder agency costs nicht aufwiegen. Die Ergebnisse sind hierzu jedoch nicht ganz eindeutig.

Weiters war die Frage, wie sich die Ergebnisse bei den verschiedenen Kennzahlen unterscheiden. Das P/E ratio präsentiert sich sehr volatil, da auch der Gewinn eine Größe ist, die sehr starken Schwankungen unterworfen ist. Im Rahmen der Untersuchung hat sich die Kennzahl als kaum geeignet zur Bewertung herausgestellt, was auch die mangelnde Präsenz in der Bewertungsliteratur erklärt. Die Ergebnisse haben dementsprechend nur eine geringe Aussagekraft und lassen sich auch nicht mit denen der anderen Kennzahlen vergleichen. Zwischen dem P/BV und P/TBV ratio zeigen sich, wenig überraschend, nur geringe Unterschiede. Tobin’s q hingegen zeigt im Vergleich dazu einige Unterschiede wie teilweise einen geringfügig positiven Einfluss einer erhöhten Diversifizierung auf die Bewertung. Die Kennzahl ist jedoch stark abhängig von der Kapitalstruktur und die üblicherweise hohen Fremdkapitalanteile bei Banken wirken sich mit hoher Wahrscheinlichkeit verzerrend aus.

Ebenfalls wurde untersucht, ob sich die Aktienkurse von spezialisierten Banken und Universalbanken seit der Finanzkrise anders entwickelt haben. Hier lassen allerdings sowohl die grafischen Darstellungen als auch die Kennzahlenanalyse keine eindeutigen Aussagen zu. Zwar finden sich gewisse Unterschiede, jedoch sind diese eher auf vereinzelte Ausreißer zurückzuführen. Auch die Unterteilung der Universalbanken in Gruppen mit höherer/niedrigerer Diversifizierung liefert keine aussagekräftigen Ergebnisse.

Als problematisch haben sich insbesondere die Verzerrungen durch Extremwerte bei den Kennzahlen herausgestellt. Diese ziehen sich im Grunde durch die komplette Untersuchung was insgesamt die Aussagekraft doch einschränkt. Natürlich könnte (insbesondere beim P/E ratio) der Datensatz derart stark bereinigt werden, dass lediglich Banken miteinbezogen werden, die eine Kennzahl in einem „Normbereich“ aufweisen. Jedoch stellt sich dann die Frage, wo die Grenze gezogen wird. Hier gibt es keine allgemeingültige Antwort womit die Ergebnisse zunehmend subjektiver werden würden. Im Ergebnis entspricht diese Vorgehensweise dann auch immer weniger der Realität, da die Extremwerte ungeachtet dessen durchaus häufig vorkommen. Problematisch ist zudem die recht einfache Manipulierbarkeit der Kennzahlen. Zudem kann davon ausgegangen werden, dass der hohe Internationalisierungsgrad der Stichprobe gewisse Einschränkungen mit sich bringt. Einige untersuchte Faktoren wie die Effizienz oder die

Juli 2020 Manuel Noll 88/129

Inflationsrate sind wahrscheinlich eher im Kontext des direkten makroökonomischen Umfelds einer Bank zu betrachten und werden bei einer länderübergreifenden Betrachtung nicht korrekt erfasst. Weiters hat sich gezeigt, dass bei einigen Einflussfaktoren wie beispielsweise der Eigenkapitalquote, Einflüsse auf die Bewertung von zwei Seiten erfolgen können: marktseitig über den Aktienkurs und rein berechnungsseitig ohne entsprechende Kursreaktion. Andere Faktoren wie die Diversifizierung und die Größe einer Bank gestalten sich als zu umfassend, da sie viele Komponenten enthalten (economies of scope, economies of scale, agency costs, interne Interessenkonflikte, etc.) aber im Ergebnis nur offenbart wird, ob die positiven oder negativen Komponenten überwiegen. In Summe fehlen daher bei einigen Aspekten detaillierte Einblicke, die für ein umfassendes Verständnis der bewertungsrelevanten Faktoren nötig wären.

Weiterer Forschungsbedarf ergibt sich vor allem bei den im vorherigen Absatz bemängelten Sachverhalten. Hier bedarf jedoch es neuer Methoden, um die verschiedenen Komponenten dieser Faktoren voneinander zu isolieren und so ein tiefgreifenderes Verständnis zu erreichen. Wünschenswert wäre auch eine umfassendere Untersuchung mit einer größeren Stichprobe zum Thema Marktbewertung der verschiedenen Geschäftsfelder. Dafür bedarf es allerdings einer einheitlichen Regelung bezüglich der Berichterstattung, welche sich jedoch mit ziemlicher Sicherheit nicht realisieren lassen wird. Möglicherweise findet sich daher ein anderer Zugang zur Quantifizierung der Geschäftsfelder.

Abschließend kann nicht eindeutig gesagt werden ob die bisherige Empirie bestätigt oder wiederlegt wurde, da einerseits die verwendete Methodik eine andere ist und andererseits die Ergebnisse der bisherigen Untersuchungen sehr heterogen sind. Vielmehr reihen sich die Untersuchungsergebnisse dieser Arbeit in die zahlreichen Erkenntnisse ein und betrachten die Bankbewertung aus einem neuen Blickwinkel. Der Hauptbeitrag dieser Arbeit zur existierenden Literatur bzw. die Originalität besteht in der neuartigen Quantifizierung der Geschäftsfelder, welche eine genauere Differenzierung erlaubt (bisher nur Commercial Banking und Investment Banking).

Welche Bedeutung haben die Ergebnisse nun für die Praxis? In Hinblick auf die regulatorischen Vorschriften scheint die Bewertung von Banken auf den ersten Blick eher unerheblich. Bei genauerer Betrachtung ergeben sich dagegen einige interessante Aspekte, vor allem hinsichtlich der im Zuge der Finanzkrise entfachten too big too fail-Diskussion. Bisher galt in erster Linie der (oft mangelhaften) Eigenkapitalausstattung das Augenmerk; jedoch rückte zunehmend auch die stetig zunehmende Größe der Banken sowie die starke Vernetzung der verschiedenen Aktivitäten in das Zentrum der Betrachtung. Die Ergebnisse legen nahe, dass es bereits aus betriebswirtschaftlicher Sicht für eine Bank wenig Sinn macht, als große und diversifizierte Universalbank tätig zu sein (geringere Profitabilität und höheres Risiko) und der Markt bewertet

Juli 2020 Manuel Noll 89/129

dies offenbar auch entsprechend. Zudem bringt die damit verbundene Systemrelevanz im Falle einer (drohenden) Insolvenz hohe, volkswirtschaftliche Kosten mit sich. Aus regulatorischer Sicht scheinen somit Einschränkungen der Wachstumsstrategien von Banken durchaus sinnvoll, da einerseits keine negativen wirtschaftlichen Folgen für Banken zu erwarten wären und andererseits die Anfälligkeit des Finanzsystems gegen einzelne, sich in finanzieller Notlage befindlicher Banken, verringert werden würde. Ebenfalls sollte ein Trennbankensystem in Betracht gezogen werden bzw. detailliert evaluiert werden, ob und wie die organisatorische Trennung von Geschäftsfeldern stabilisierend auf das Finanzsystem wirken kann. Im Sinne des value based management scheint die Antwort auf die Frage Spezialisierung oder Diversifizierung recht eindeutig. Universalbanken erzielen fast durchgehend niedrigere Bewertungen und auch die excess values deuten auf Unterbewertungen bei diversifizierten Banken hin. Steht also Wertmaximierung im Vordergrund, dann sollte ein spezialisiertes Geschäftsmodell gewählt werden.

Juli 2020 Manuel Noll 90/129

Literatur- und Quellenverzeichnis

Abeysekera, N./Wickramasinghe, A. (2013): Relationship marketing and customer orientation of sales people: learning from banks, in: International Journal of Financial Services Management, Vol. 6, No. 1, p. 79-91.

Abiad, A./Oomes, N./Ueda, K. (2008): The quality effect: Does financial liberalization improve the allocation of capital?, in: Journal of Development Economics, Issue 87, p. 270-282.

Abuzayed, B./Al-Fayoumi, N./Molyneux, P. (2018): Diversification and bank stability in the GCC, in: Journal of International Financial Markets, Institutions & Money, Vol. 57, p. 17-43.

Achleitner, A.-K. (2002): Handbuch Investment Banking, 3. Auflage, Gabler Verlag, Wiesbaden.

Albrecht, P./Maurer, R. (2016): Investment- und Risikomanagement, Modelle, Methoden, Anwendungen, 4. Auflage, Schäffer-Poeschel Verlag, Stuttgart.

Antonios, S./Ioannis, S./Panagiotis, A. (2012): Equity Valuation with the Use of Multiples, in: American Journal of Applied Sciences, Vol. 9, No. 1, p. 60-65.

Armstrong, A./Fic, T. (2014): Bank Diversification and Valuation: International Evidence, National Institute of Economic and Social Research, Discussion Paper No. 438, https://www. niesr.ac.uk/publications/bank-diversification-and-valuation-international-evidence (07.09.2019).

Audörsch, J. (2000): Moderne Bewertungsverfahren für Aktien, Paper, https://publikationen.sulb.uni-saarland.de/bitstream/20.500.11880/23295/1/ bewertungsverfahren.pdf (25.03.2020).

Avramidis, P./Cabolis, C./Serfes, K. (2018): Bank size and market value: The role of direct monitoring and delegation costs, in: Journal of Banking and Finance, Vol. 93, p. 127-138.

Baecker, P. N./Gleißner, W./Hommel, U. (2007): Unternehmensbewertung: Grundlage rationaler M&A-Entscheidungen? Eine Auswahl zwölf wesentlicher Fehlerquellen aus praktischer Sicht, in: Menz, M./Ebersbach, L./Menges, J. (Hrsg.), Mergers & Acquisitions, Von der Strategie zur Integration, 1. Auflage, Haupt Verlag, Bern, S. 105-126.

Baele, L./De Jonghe, O./Vander Vennet, R. (2007): Does the stock market value bank diversification?, in: Journal of Banking & Finance, Vol. 31, p. 1999-2023.

Bagbasi, D. (2018): Unternehmensreputation im Retail Banking – Eine empirische Analyse unter Berücksichtigung der Kundenverhaltenswirkung, https://duepublico2.uni-

Juli 2020 Manuel Noll 91/129

due.de/servlets/MCRFileNodeServlet/duepublico_derivate_00045883/Diss_Bagbasi.pdf (09.03.2020).

Bank of America (2018): Annual Report, http://media.corporate-ir.net/media_files/ IROL/71/71595/BOAML_AR2018.pdf (15.02.2020).

Bartlett, R./Partnoy, F. (2018): The Misuse of Tobin’s Q, Research Paper, https://ccl.yale.edu/sites/default/files/files/LEO18_Partnoy.pdf (02.04.2020).

Bartmann, D./Nirschl, M./Peters, A. (2011): Retail Banking, Zukunftsorientierte Strategien im Privatkundengeschäft, 2. Auflage, Frankfurt School Verlag, Frankfurt am Main.

Beckmann, P. (2006): Der Diversification Discount am deutschen Kapitalmarkt, Eine empirische Untersuchung des Bewertungsunterschieds zwischen fokussierten und diversifizierten Unternehmen und seiner Einflussfaktoren, 1. Auflage, Deutscher Universitäts-Verlag, Wiesbaden.

Beltrame, F./Previtali, D. (2016): Valuing Banks, A New Corporate Finance Approach, 1st edition, Palgrave Macmillan, Hampshire.

Bergmans, B. (2007): Banken-Handbuch Firmenkundenmarketing, Erfolgreiche Vermarktungs- und Vertriebskonzepte für Kreditinstitute, 1. Auflage, Erich Schmidt Verlag, Berlin.

Bernet, B./Schmid, P. (1995): Retail Banking, Visionen, Konzepte und Strategien für die Zukunft, 1. Auflage, Gabler Verlag, Wiesbaden.

Bertsatos, G./Sakellaris, P./Tsionas, M. G. (2017): Did the financial crisis affect the market valuation of large systemic U.S. banks?, in: Journal of Financial Stability, Vol. 32, p. 115- 123.

Bhojraj, S./Lee, C. M. C. (2002): Who Is My Peer? A Valuation-Based Approach to the Selection of Comparable Firms, in: Journal of Accounting Research, Vol. 40, No. 2, p. 407-439.

Birchler, U./Bührer, C./Hegglin, R./Reichenecker, M. (2015): The International Private Banking Study 2015, University of Zurich, Department of Banking and Finance, https://www.ub.unibas.ch/digi/a125/sachdok/2016/BAU_1_5308433_2015.pdf (12.02.2020).

Birchler, U./Cocca, T. D./Ettlin, D. (2009): The International Private Banking Study 2009, Swiss Banking Institute, University of Zurich, https://www.jku.at/fileadmin/gruppen/103/

Juli 2020 Manuel Noll 92/129

Asset_Management/Sonstiges/Kolumnen__Beitraege_und_Artikel/The_International_Priva te_Banking_Study_2009.pdf (12.02.2020).

Born, K. (2003): Unternehmensanalyse und Unternehmensbewertung, 2. Auflage, Schäffer- Poeschel Verlag, Stuttgart.

Boyd, J. H./Levine, R./Smith, B. D. (2001): The impact of inflation on financial sector performance, in: Journal of Monetary Economics, Vol. 47, p. 221-248.

Bragg, S. M. (2012): Business Ratios and Formulas, 3rd edition, John Wiley & Sons Inc, New Jersey.

Brealey, R. A./Cooper, I. A./Kaplanis, E. (2019): The effect of mergers on US bank risk in the short run and in the long run, in: Journal of Banking and Finance, Vol. 108, Article 105660, p. 1-18.

Bressan, S./Weissensteiner, A. (2019): The financial conglomerate discount: Insights from stock return skewness, Paper, https://www.carloalberto.org/wp-content/uploads/2019/09/Bressan Weissensteiner_ConglDisc_turin.pdf (08.05.2020).

Brinker, B. (1998): Strategische Herausforderungen im Investment Banking, Integration von Wholesale und Retail Banking, 1. Auflage, Deutscher Universitäts-Verlag, Wiesbaden.

Brook, Y./Hendershott, R./Lee, D. (1998): The Gains from Takeover Deregulation: Evidence from the End of Interstate Banking Restrictions, in: The Journal of Finance, Vol. 53, No. 6, p. 2185-2204.

Brotherson, W. T./Eades, K. M./Harris, R. S./Higgins, R. C. (2014): Company Valuation in Mergers and Acquisitions: How is Discounted Cash Flow Applied by Leading Practitioners?, in: Journal of Applied Finance, Vol. 24, No. 2, p. 43-51.

Brunner, F. (2009): Wertstiftende Strategien im Bankgeschäft, 1. Auflage, Physica Verlag, Heidelberg.

Butt, I. T. (2013): Comparative Analysis: The 1960s & 1980s Merger Waves, in: New Horizons, Research Journal, Faculty of Social Sciences, Greenwich University, Vol. 7, No. 2, p. 95- 132.

Calomiris, C. W. (1995): Universal Banking and the Financing of Industrial Development, Policy Research Working Paper, No. WPS1533, The World Bank,

Juli 2020 Manuel Noll 93/129

http://documents.worldbank.org/curated/en/878611468777245153/pdf/multi-page.pdf (22.03.2020.

Calomiris, C. W./Nissim, D. (2014): Crisis-related shifts in the market valuation of banking activities, in: Journal of Financial Intermediation, Vol. 23, p. 400-435.

Carpio, R./Guo, M. (2018): Specialization in Investor Information and the Diversification Discount, Paper, https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3221595 (27.09.2019).

Caspar, N./Gierend, C./Meier, M./Schmidt, F. (2015): Die Finanzkrise – eine ethische Betrachtung, in: Conrad, C. A. (Hrsg.), Unternehmenssteuerung und Ethik, Eine empirische und theoretische Untersuchung ausgewählter Fallbeispiele aus der Finanzbranche und anderen Branchen, Wirtschaft und Ethik Band 1, disserta Verlag, Hamburg, S. 27-85.

Chen, S. (2014): Integrated Bank Analysis and Valuation, A Practical Guide to the ROIC Methodoloy, Palgrave Macmillan, Hampshire.

Chen, S.-H./Lin, Y.-Y. (2009): Diversification Discount or Premium? New International Evidence from Financial Conglomerates, Paper, https://efmaefm.org/0efmameetings/ efma%20annual%20meetings/2009-Milan/papers/517.pdf (20.09.2019).

Chousakos, K. T./Gorton, G. B. (2017): Bank Health Post-Crisis, in: NBER Working Paper Series, No. 23167, https://www.nber.org/papers/w23167.pdf (05.05.2020).

Ciocchetta, F. (2020): Asset diversification and banks’ market value, in: Notes on Financial Stability and Supervision, No. 20, Banca d’Italia, p. 1-17.

Ciolac, C. E. (2009): IT Management in the Romanian banking environment: Losses in the core- banking, in: Review of International Comparative Management, Special Number 2/2009, p. 1233-1246.

Chwolka, A./Kryvko, A./Reichling, P. (2011): Die Multiplikatormethode bei der Bewertung von Banken, in: Wirtschaftswissenschaftliches Studium, Jg. 40, Nr. 1, S. 9-16.

Corvalan, J. (2012): The Paraguayan financial system and Paraguay’s experience in universal banking, in: The Quarterly Review of Economics and Finance, Vol. 52, Issue 2, p. 158-161.

Damodaran, A. (2012): Investment Valuation, Tools and Techniques for Determining the Value of Any Asset, university edition, 3rd edition, John Wiley & Sons, Inc., New Jersey.

Dávila, E./Walther, A. (2019): Does size matter? Bailouts with large and small banks, in: Journal of Financial Economics, Article in Press, accepted 31.03.2019, p. 1-22.

Juli 2020 Manuel Noll 94/129

D’Avino, C./Shabani, M. (2017): A new approach to measuring universal banking, MPRA Paper No. 83166, https://www.semanticscholar.org/paper/A-new-approach-to-measuring- universal-banking-D%E2%80%99Avino-Shabani/a429a61d13d448d5bfd5211eae96c3830 ef37371 (11.10.2019).

Decker, C./Ziese, M. (2005): Implementierung von Kapitalmarktprodukten im Firmenkundengeschäft, in: Börner, C. J./Maser, H./Schulz, T. C. (Hrsg.), Bankstrategien im Firmenkundengeschäft, Konzeption – Management – Dimensionen, 1. Auflage, Gabler Verlag, Wiesbaden, S. 237-264.

Deev, O. (2011): Methods of bank valuation: A critical overview, in: Financial Assets and Investing, Vol. 2, No. 3, p. 33-44.

DePamphilis, D. M. (2019): Mergers, Acquisitions, and Other Restructuring Activities, 10th Edition, Academic Press, Cambridge.

Dermine, J. (2008): Bank Valuation: with an Application to the Implicit Duration of non-Maturing Deposits, Working Paper, https://papers.ssrn.com/sol3/papers.cfm?abstract_id=1520507 (01.09.2019).

Dermine, J. (2014): Bank Valuation and Value-Based Management, 2nd edition, McGraw-Hill Education, New York.

Dietrich, D./Vollmer, U. (2012): Are universal banks bad for financial stability? Germany during the world financial crisis, in: The Quarterly Review of Economics and Finance, Vol. 52, p. 123-134.

Echter, C. J. (2008): Hedgefonds-Investments im Private Banking, Eine empirische Analyse des deutschen Marktes, 1. Auflage, Gabler, Wiesbaden.

Elsas, R./Hackethal, A./Holzhäuser, M. (2010): The anatomy of bank diversification, in: Journal of Banking & Finance, Vol. 34, p. 1274-1287.

Faust, M. (2019): Private Banking und Wealth Management – Ein Überblick über Marktsegmente und Leistungsangebote, in: Brost, H./Faust, M./Reittinger, W. J. (Hrsg.), Private Banking und Wealth Management, Strategien und Erfolgsfaktoren, 3. Auflage, Frankfurt School Verlag, Frankfurt am Main, S. 1-21.

Ferretti, R./Gallo, G./Landi, A./Venturelli (2018): Market-Book Ratios of European Banks: What Does Explain the Structural Fall?, CEFIN Working Papers, No. 65,

Juli 2020 Manuel Noll 95/129

https://iris.unimore.it/retrieve/handle/11380/1151228/255288/CEFIN-WP65.pdf (01.05.2020).

Forte, G./Gianfrate, G./Rossi, E. (2018): Does relative valuation work for banks?, in: Global Finance Journal, Article in Press, accepted 07.09.2018, p. 1-25.

Fraisse, H./Hombert, J./Lé, M. (2018): The competitive effect of a bank megamerger on credit supply, in: Journal of Banking and Finance, Vol. 93, p. 151-161.

Francis, B. B./Hasan, I./Küllü, A. M./Zhou, M. (2018): Should banks diversify or focus? Know thyself: The role of abilities, in: Economic Systems, Vol. 42, p. 106-118.

Friedrich, A. (2014): Volatilität: Chancen und Risiken bei der Investition, 1. Auflage, Diplomica Verlag, Hamburg.

Friedrich, M. (2002): Neue Technologien im Retailgeschäft der Banken: die Extensible Markup Language und Intelligente Agenten, http://tuprints.ulb.tu- darmstadt.de/233/1/dissertation_matthias_friedrich.pdf (09.03.2020).

Froidevaux, P. S. (2004): Fundamental Equity Valuation, Stock Selection based on Discounted Cash Flow, Dissertation, https://core.ac.uk/download/pdf/20637481.pdf (20.04.2020).

Fröhlich, M. (2010): Aktive Marktbearbeitung im mittelständischen Firmenkundengeschäft, in: Hilse, J./Netzel, W./Simmert, D. B. (Hrsg.), Praxishandbuch Firmenkundengeschäft, 1. Auflage, Gabler Verlag, S. 51.-58.

Gischer, H./Richter, T. (2014): Produktivitätsmessung von Banken: die Cost Income Ratio – ein belastbares Performancemaß?, in: Otto-von-Guericke-Universität Magdeburg (Hrsg.), Working Paper No. 8/2014, http://www.fww.ovgu.de/fww_media/femm/femm_2014/ 2014_08-p-3370.pdf (12.06.2020).

Gropp, R./Gruendl, C./Guettler, A. (2014): The Impact of Public Guarantees on Bank Risk- Taking: Evidence from a Natural Experiment, in: Review of Finance, Vol. 18, p. 457-488.

Gross, S. (2006): Banks and Shareholder Value, An Overview of Bank Valuation and Empirical Evidence on Shareholder Value for Banks, 1st edition, Deutscher Universitäts-Verlag, Frankfurt am Main.

Gränitz, D. (2016): Erfolgsfaktoren Financial Planning-basierter Beratungs- und Geschäftsmodelle, in: Tilmes, R./Schaubach, P./Jakob, R. (Hrsg.), Private Finance & Wealth Management 01, Books on Demand Verlag, Norderstedt.

Juli 2020 Manuel Noll 96/129

Gröger, H-C. (2009): Kapitalmarktorientierte Unternehmensbewertung, Untersuchung unter Berücksichtigung der persönlichen Besteuerung der Kapitalgeber, 1. Auflage, Gabler Verlag, Wiesbaden.

Guerry, N./Wallmeier, M. (2017): Valuation of diversified banks: New evidence, in: Journal of Banking and Finance, Vol. 80, p. 203-214.

Hamm-Beckmann, A/Kohl, B. (2004): Markt für das Firmenkundengeschäft, in: Dahmen, A./ Jacobi, P./ Rossbach, P. (Hrsg.): Corporate Banking, Zukunftsorientierte Strategien im Firmenkundengeschäft, 4. Auflage, Frankfurt School Verlag, Frankfurt am Main, S. 17-32.

Hasler, P. T. (2013): Quintessenz der Unternehmensbewertung, Was Sie als Investor und Entscheider wissen müssen, 1. Auflage, Springer Gabler Verlag, Berlin-Heidelberg.

Hasler, P. T. (2011): Aktien richtig bewerten, Theoretische Grundlagen praktisch erklärt, 1. Auflage, Springer Verlag, Berlin-Heidelberg.

Heese, V. (2011): Aktienbewertung mit Kennzahlen, Kurschancen und -risiken fundiert beurteilen, 1. Auflage, Gabler, Wiesbaden.

Heidorn, T./Kaiser, D. G./Roder, C. (2009): Empirische Analyse der Drawdowns von Dach- Hedgefonds, Frankfurt School – Working Paper Series, No. 109, https://www.econstor.eu/bitstream/10419/27876/1/590211617.PDF (12.01.2020).

Heidorn, T./Weier, S. (2001): Einführung in die fundamentale Aktienanalyse, Working Paper, Arbeitsberichte der Hochschule für Bankwirtschaft, No. 35, https://www.econstor.eu/bitstream/10419/27801/1/347515053.PDF (25.03.2020).

Hermann, V. (2002): Marktpreisschätzung mit kontrollierten Mulitplikatoren, 1. Auflage, Josef Eul Verlag, Lohmar/Köln.

Hetzel, A. (2013): Kerngeschäftsfelder im Private Banking, Eine Analyse von individueller Vermögensverwaltung und aktivem Wertpapiermanagement, 1. Auflage, disserta Verlag, Hamburg.

Hockmann, H.-J. (2012): Geschichte des Investmentbankings, in: Hockmann, H.-J./Thießen, F. (Hrsg.), Investmentbanking, 3. Auflage, Schäffer-Poeschel Verlag, Stuttgart, S. 11-30.

Hockmann, H.-J./Thießen F. (2012): Grundbegriffe des Investmentbankings, in: Hockmann, H.- J./Thießen, F. (Hrsg.), Investmentbanking, 3. Auflage, Schäffer-Poeschel Verlag, Stuttgart, S. 3-10.

Juli 2020 Manuel Noll 97/129

Holzer, L. (2017): Warum sollte ein Unternehmen eine Bank gründen? Analyse von Unternehmensbanken im Rahmen des heutigen Geldsystems in Deutschland, https://www.db-thueringen.de/servlets/MCRFileNodeServlet/dbt_derivate_00040241/ holzer.pdf (13.03.2020).

Howald, B. (2007): Kundenwert im Private Banking, Eine Analyse der Einflussfaktoren und der Wirkungszusammenhänge, 1. Auflage, Haupt Verlag, Bern.

Horn, C. (2009): Qualitätsmessung im Private Banking, Eine Analyse der Dienstleistungsqualität und deren Auswirkungen, in: Loistl, O./Rudolf, M. (Hrsg.), Reihe: Katallaktik, Band 3, Josef Eul Verlag, Köln.

Höllerich, J./Marti, L./Thomas, S./Ziegler, S. (2015): Wealth Management in der Schweiz, 1. Auflage, vdf Verlag, Zürich.

Iannotta, G. (2010): Investment Banking, 1st edition, Springer Verlag, Berlin.

Inezwari, D. K. (2013): Relative Valuation Model Analysis of IDX LQ45 Stocks, in: Journal of Applied Finance and Accounting, Vol. 6, No. 1, p. 67-96.

Jacob, A. (1996): Corporate Banking. Selbsterstellung von Finanzdienstleistungen durch Nichtbankunternehmen, 1. Auflage, Deutscher Universitäts-Verlag, Wiesbaden.

Jain, A. (2013): Challenges and Opportunities for Universal Banks, CFS Colloquium, Deutsche Bank, https://s3.amazonaws.com/academia.edu.documents/44925541/Deutsche-Bank- Anshu-Jain-CFS-Speech-Global-universal-local-bank.pdf?response-content- disposition=inline%3B%20filename%3DChallenges_and_Opportunities_for_Univers.pdf&X -Amz-Algorithm=AWS4-HMAC-SHA256&X-Amz- Credential=AKIAIWOWYYGZ2Y53UL3A%2F20200309%2Fus-east- 1%2Fs3%2Faws4_request&X-Amz-Date=20200309T135934Z&X-Amz-Expires=3600&X- Amz-SignedHeaders=host&X-Amz- Signature=082667673fa1272add65b733d65c66639fb004413bb0e5913ff7d3706dd0cf52 (09.03.2020).

Jeffers, E./Plihon, D. (2014): Universal Banking and Shadow Banking in Europe, Paper, https://fernandonogueiracosta.files.wordpress.com/2014/10/jeffers-plihon-european- shadow-banking4.pdf (21.03.2020).

Jones, J. S./Miller, S. A./Yeager, T. J. (2011): Charter value, Tobin’s Q and bank risk during the subprime financial crisis, in: Journal of Economics and Business, Vol. 63, p. 372-391.

Juli 2020 Manuel Noll 98/129

Julius Bär Gruppe (2018): Annual Report, https://www.juliusbaer.com/index.php?eID=dump File&t=f&f=1993&token=12f48b6fd1f1b186022c4e0fd064fba3cee18945 (15.02.2020).

Kasper, B. H. M. (2001): Wettbewerb im Private Banking, 1. Auflage, Peter Lang Verlag, Frankfurt am Main.

Keck, M./Hahn, M. (2006): Integration der Vertriebswege, Herausforderung im dynamischen Retail Banking, 1. Auflage, Gabler Verlag, Wiesbaden.

Kim, H./Batten, J. A./Ryu, D. (2020): Financial crisis, bank diversification, and financial stability: OECD countries, in: International Review of Economics and Finance, Vol. 65, p. 94-104.

Knaese, B. (2004): Das Management von Know-how Risiken, Eine Analyse von Wissensverlusten im Investment Banking einer Großbank, 1. Auflage, Deutscher Universitäts-Verlag, Wiesbaden.

Koch, W. J. (2006): Zur Wertschöpfungstiefe von Unternehmen, Die strategische Logik der Integration, 1. Auflage, Deutscher Universitäts-Verlag, Wiesbaden.

Koller, T./Goedhart, M./Wessels, D. (2015): Valuation, measuring and managing the value of companies, 6th edition, John Wiley & Sons, Inc., New Jersey.

Koot, C. (2005): Kundenloyalität, Kundenbindung und Kundenbindungspotenzial: Modellgenese und empirische Überprüfung im Retail-Banking, Dissertation, https://d- nb.info/979173027/34 (10.03.2020).

Koye, B. (2005): Private Banking im Informationszeitalter – eine Analyse der strategischen Geschäftsmodelle, 1. Auflage, Haupt Verlag, Bern.

Kozubovska, M. (2017): Breaking up big banks, in: Research in International Business and Finance, Vol. 41, p. 198-219.

Laeven, L./Levine, R. (2007): Is there a diversification discount in financial conglomerates?, in: Journal of Financial Economics, Vol. 85, No. 2, p. 331-367.

Laeven, L./Ratnovski, L./Tong, H. (2016): Bank size, capital, and systemic risk: Some international evidence, in: Journal of Banking & Finance, Vol. 69, Supplement 1, p. 25-24.

Lang, L. H. P./Stulz, R. M. (1994): Tobin’s q, Corporate Diversification, and Firm Performance, in: Journal of Political Economy, Vol. 102, No. 6, p. 1248-1280.

Juli 2020 Manuel Noll 99/129

Laro, D./Pratt, S. P. (2005): Business Valuation and Taxes, 1st edition, John Wiley & Sons Inc, New Jersey.

Larsen, G. A. (2008): Applied Equity Valuation: Relative Valuation Method, in: Fabozzi, F. J. (Hrsg.), Handbook of Finance, Volume 3, 1st edition, John Wiley & Sons, Inc., New Jersey, p. 321-328.

LeBaron, D./Speidell, L. S. (1987): Why are the parts worth more than the sum? ‘Chop shop,’ a corporate valuation model. In: Browne, L., Rosengren, E. (Hrsg.), The Merger Boom, Conference Series No. 31. Federal Reserve Bank of Boston, p. 78–101.

Ly, K. C./Shimizu, K. (2018): Funding liquidity risk and internal markets in multi-bank holding companies: Diversification or internalization?, in: International Review of Financial Analysis, Vol. 57, p. 77-89.

Lynn, S. (2020): Valuation for Accountants, A Short Course Based on IFRS, 1st edition, Springer Nature Singapore, Singapur.

Löber, D. (2012): Private Banking in Deutschland, Strategie und Organisationsstruktur, 1. Auflage, Springer Gabler, Frankfurt am Main.

Lux, M./Greene, R. (2015): What’s Behind the Non-Bank Mortgage Boom?, Working Paper, https://www.hks.harvard.edu/sites/default/files/centers/mrcbg/working.papers/42_Nonbank _Boom_Lux_Greene.pdf (01.05.2020).

Marshall, J. F./Ellis, M. E. (1995): Investment Banking and Brokerage, 1st edition, John Wiley & Sons, Oxford.

Massari, M./Difonzo, C./Gianfrate, G./Zanetti, L. (2018): Bank Valuation Using Multiples in US and Europe: An Historical Perspective, in: Business Valuation OIV Journal, Vol. 0, No. 0, p. 53-76.

Massari, M./Gianfrate, G./Zanetti, L. (2014): The Valuation of Financial Companies, Tools and techniques to values banks, insurance companies, and other financial institutions, 1st edition, John Wiley & Sons Ltd.

Meiers, B./Schilling, C./Baedorf, K. (2012): Grundlagen des Private Banking – Akteure und Geschäftsmodelle, in: Rudolf, M./Baedorf, K. (Hrsg.), Private Banking, 2. Auflage, Frankfurt School Verlag, Frankfurt am Main, S. 19-56.

Juli 2020 Manuel Noll 100/129

Michael, C./Abraham, N. (2009): Berufs- und Karriereplaner Banken 2009, 1. Auflage, Gabler Verlag, Wiesbaden.

Minton, B. A./Stulz, R. M./Taboada, A. G. (2018): Are the Largest Banks Valued More Highly?, Working Paper, https://pdfs.semanticscholar.org/bfea/3f64e6d2d1508a415958c5b9cfffb8 b14acb.pdf?_ga=2.96388056.594289455.1588607906-781165014.1584979338 (20.04.2020).

Modina, M./Polese, F. (2008): The strategic role of local banks’ networks for quality standards of corporate banking services for SMEs, in: Quality in Services: Higher education; health care; local government; tourism; banking, Proceedings II, Toulon-Verona Conference 2008, p. 643-658.

Mondello, E. (2017): Aktienbewertung, Theorie und Anwendungsbeispiele, 2. Auflage, Springer Gabler, Wiesbaden.

Morgan, D. P./Samolyk, K. (2003): Geographic Diversification in Banking and Implications for Bank Portfolio Choice and Performance, Paper, https://www.bis.org/bcbs/events/wkshop0303/p13morgsamo.pdf (29.10.2019).

Morof, A. (2014): Kennzahlen und Benchmarks im Private Banking, Begriffsabgrenzungen – Segmentierungsansätze – konkrete Beispiele, 1. Auflage, Books on Demand, Norderstedt.

MSCI (2020): MSCI World Banks Index, https://www.msci.com/documents/10199/5aba8305- c399-4057-8159-3c96eb30c3ef (12.02.2020).

Nash, R. M./Beardsley, E. (2015): The Future of Finance: The rise of the new Shadow Bank, in: Goldman Sachs Global Investment Research, March 2015, Part 1.

Nguyen, T./Schüßler, A. (2010): Aktienbewertung auf der Grundlage fundamentaler Daten – Darstellung ausgewählter Kennzahlen, in: Wirtschaftswissenschaftliches Studium, Jg. 39, Heft 3, S. 121-127.

Nowak, K. (2003): Marktorientierte Unternehmensbewertung, 2. Auflage, Deutscher Universitäts- Verlag, Wiesbaden.

Nyaata, P. M. (2009): The relationship between capital structure, earnings growth and price earnings ratio of firms listed at the NSE, Paper, https://pdfs.semanticscholar.org/aa9e/97da3a5a2159911d965b41e48857b80cad74.pdf (22.03.2020).

Juli 2020 Manuel Noll 101/129

Oehler, A. (2004): Retail Banking: Status quo und Entwicklungsperspektiven, Working Paper, https://www.econstor.eu/bitstream/10419/22502/1/bafifo27.pdf (17.09.2019).

Omarini, A. (2014): Strategy and Business Models in Retail Banking: Why They Also Matter to Supervisors, in: The Capco Institute Journal of Financial Transformation, Journal 39, p. 47- 58.

Pawelka, B. S. (2003): Investment-Banking-Strategien deutscher Banken, 1. Auflage, Deutscher Universitäts-Verlag, Wiesbaden.

Pohlücke, A. (2006): Unternehmensbewertung und Preisfindung, in: Deutsche Börse AG (Hrsg.), Praxishandbuch Börsengang, Von der Vorbereitung bis zur Umsetzung, 1. Auflage, Gabler Verlag, Wiesbaden, S. 277-306

PricewaterhouseCoopers (2005): Global Private Banking/Wealth Management Survey 2005, Executive Summary, https://www.pwc.at/en/publikationen/studien/global-private-banking- wealth-management-survey_2005.pdf (17.03.2020).

Priermeier, T. (2006): Fundamentale Analyse in der Praxis, 1. Auflage, FinanzBuch Verlag, München.

Purnamasari, D. (2015): The Effect of Changes in Return on Assets, Return on Equity, and Economic Value Added to the Stock Price Changes and Its Impact on Earnings Per Share, in: Research Journal of Finance and Accounting, Vol. 6, No. 6, p. 80-89.

Reicheneder, T. (1992): Investment Banking, 1. Auflage, Gabler Verlag, Wiesbaden.

Reichert, W.-G. (2010): Das Berufsethos des Investmentbanking und seine Bedeutung für die Finanzmarktregulierung, Frankfurter Arbeitspapiere zur gesellschaftsethischen und sozialwissenschaftlichen Forschung, Nr. 58, https://nbi.sankt-georgen.de/ assets/documents/papers/FAgsF_58_Reichert_Berufsethos_des_Investmentbankings.pdf (01.03.2020)

Rottmann, H., Franz, T. (2008): Die Performance deutscher Aktienfonds. Lassen sich Selektions- und Timingfähigkeiten nachweisen und hat die Wahl des Performancemaßes einen Einfluss auf die Beurteilung?, Weidener Diskussionspapiere, Diskussionspapier No. 5, https://www.econstor.eu/bitstream/10419/56483/1/689538049.pdf (12.01.2020).

Sandte, H. (2012): Stock Markets vs GDP Growth: A Complicated Mixture, report, Bank of New York Mellon Asset Management, https://www.bnymellonam.jp/wordpress/wp- content/uploads/2012_024_e_WLBStock.pdf (01.07.2020).

Juli 2020 Manuel Noll 102/129

Sapci, A./Miles, B. (2019): Bank size, returns to scale, and cost efficiency, in: Journal of Economics and Business, Vol. 105, Article 105842, p. 1-16.

Saunders, A./Walter, I. (1994): Universal Banking In The United States, What could we gain? What could we lose?, 1st edition, Oxford University Press, New York.

Sawada, M. (2013): How does the stock market value bank diversification? Empirical evidence from Japanese banks, in: Pacific-Basin Finance Journal, Vol. 25, p. 40-61.

Schacht, U./Fackler, M. (2009): Unternehmensbewertung auf Basis von Multiplikatoren, in: Schacht, U./Fackler, M. (Hrsg.), Praxishandbuch Unternehmensbewertung, Grundlagen, Methoden, Fallbeispiele, 2. Auflage, Gabler Verlag, Wiesbaden, S. 255-280.

Schmid, M. M./Walter, I. (2009): Do financial conglomerates create or destroy economic value?, in: Journal of Financial Intermediation, Vol. 18, p. 193-216.

Schmoll, A. (2005): Vertriebsprozesse im Firmenkundengeschäft optimieren, in: Effert, D./Ronzal, W. (Hrsg.), Erfolgreiche Vertriebsstrategien in Banken, 1. Auflage, Gabler Verlag, Wiesbaden, S. 135-152.

Scholz, S. (2007): Optimierung von Vertriebsstrategien im Private Banking: Eine grundlegende Darstellung, 1. Auflage, Frankfurt School Verlag, Frankfurt am Main.

Schreiner, A./Spremann, K. (2007): Multiples and Their Valuation Accuracy in European Equity Markets, Paper, http://leeds-faculty.colorado.edu/bhagat/multiples-valuation-accuracy.pdf (23.10.2019).

Schröder, G. A. (2003): Investment Banking für den Mittelstand, in: Tietmeyer, H./Rolfes, B. (Hrsg.), Die Banken und der Mittelstand, Beiträge des Duisburger Banken-Symposiums, Gabler Verlag, Wiesbaden, S. 43-61.

Schröder, M./Borell, M./Gropp, R./Iliewa, Z./Jaroszek, L./Lang, G./Schmidt, S./Trela, K. (2012): The Role of Investment Banking for the German Economy, Final Report for Deutsche Bank AG, Dokumentation Nr. 12-01, https://www.econstor.eu/ bitstream/10419/55519/1/685546969.pdf (03.03.2020).

Schwamberger, E. (2008): Die Zukunft der Bankfiliale, 2. Auflage, VDM Verlag Dr. Müller, Saarbrücken.

Schweizerische Bankiervereinigung (2010): Der schweizerische Bankensektor, Kompendium 2010.

Juli 2020 Manuel Noll 103/129

Sehgal, S./Pandey, A. (2010): Equity Valuation Using Price Multiples: Evidence From India, in: Asian Academy of Management Journal of Accounting and Finance, Vol. 6, No. 1, p. 89- 108.

Sponer, M. (2012): Segmentation of corporate clients in a bank, in: European Financial Systems 2012, p. 207-213, https://s3.amazonaws.com/academia.edu.documents/30608834/ proceedings-EFS-2012.pdf?response-content- disposition=inline%3B%20filename%3DEFFICIENCY_OF_ACCOUNTS_RECEIVABLE_M ANAGE.pdf&X-Amz-Algorithm=AWS4-HMAC-SHA256&X-Amz- Credential=AKIAIWOWYYGZ2Y53UL3A%2F20200314%2Fus-east- 1%2Fs3%2Faws4_request&X-Amz-Date=20200314T010723Z&X-Amz-Expires=3600&X- Amz-SignedHeaders=host&X-Amz- Signature=e64c3ce0b83fcab716cb3a2c870f6878cf8b4f550b26b11b78df50fbd0e74bff#pag e=207 (13.03.2020).

Stapfer, P. (2005): Anreizsysteme in der Private Banking-Kundenbeziehung, 1. Auflage, Haupt Verlag, Bern.

Steiner, M./Bruns, C./Stöckl, S. (2017): Wertpapiermanagement, Professionelle Wertpapieranalyse und Portfoliostrukturierung, 11. Auflage, Schäffer-Poeschel Verlag, Stuttgart.

Steinherr, A. (1996): Performance of universal banks: Historical review and appraisal, in: Saunders, A./Walter, I. (Hrsg.), Universal Banking: Financial System Design Reconsidered, 1st edition, Irwin Professional Publishing, Chicago, p. 2-30.

Stiroh, K. J./Rumble, A. (2006): The dark side of diversification: The case of US financial holding companies, in: Journal of Banking & Finance, Vol. 30, p. 2131-2161.

STOXX (2020a): STOXX Europe 600 Banks Index, Factsheet, https://www.stoxx.com/document/Bookmarks/CurrentFactsheets/SX7GR.pdf (12.02.2020).

STOXX (2020b): STOXX Asia/Pacific 600 Banks Index, Factsheet, https://www.stoxx.com/document/Bookmarks/CurrentFactsheets/SXP1BNKT.pdf (12.02.2020).

Stöppel, J. (2009): Strategische Preispolitik im Retailbanking: Eine empirische Analyse am Beispiel einer Großsparkasse, 1. Auflage, Fritz Knapp Verlag, Frankfurt am Main.

S&P Dow Jones Indices (2020): Dow Jones U.S. Banks Index, https://us.spindices.com/indices/equity/dow-jones-us-banks-index (12.02.2020).

Juli 2020 Manuel Noll 104/129

Takáts, E./Fender, I./Bogdanova, B. (2018): The ABC of bank PBRs: What drives bank price-to- book ratios?, in: BIS Quarterly Review, March 2018, p. 81-95.

Tilmes, R. (2002): Financial Planning im Private Banking, Kundenorientierte Gestaltung einer Beratungsdienstleistung, 3. Auflage, Uhlenbruch Verlag, Bad Soden.

Tilmes, R./Schaubach, P. (2006): Private Banking und Private Wealth Management – Definitionen und Abgrenzungen aus wissenschaftlicher Sicht, in: Brost, H./Faust, M. (Hrsg.), Private Banking und Wealth Management, 1. Auflage, Frankfurt School Verlag, München, S. 55-89. van Lelyveld, I./Knot, K. (2009): Do financial conglomerates create or destroy value? Evidence for the EU, in: Journal of Banking & Finance, Vol. 33, p. 2312-2321.

Vo, X. V. (2017): How does the stock market value bank diversification? Evidence from Vietnam, in: Finance Research Letters, Vol. 22, p. 101-104.

Voit, M. (2002): Plattformstrategien im Retail-Banking, Eine Analyse der Kunde-Bank-Beziehung, 1. Auflage, Deutscher Universitäts-Verlag, Wiesbaden.

Wahrenburg, M. (2010): Risikomanagement und Diversifizierung in der Finanzindustrie – Eine akademische Perspektive, in: Schmalenbachs Zeitschrift für betriebswirtschaftliche Forschung, Sonderheft 61, S. 1-17.

Walter, I. (2004): Mergers and Acquisitions in Banking and Finance: What Works, What Fails, and Why, 1st edition, Oxford University Press, New York.

Walter, I. (2012): Universal banking and financial architecture, in: The Quarterly Review of Economics and Finance, Vol. 52, p. 114-122.

Wöhle, C. B. (1999): Private Banking in der Schweiz – Geschäftspolitische Ansätze zur Kunden- und Ertragsorientierten Steuerung, 1. Auflage, Haupt Verlag, Bern.

Zenz-Spitzweg, P. (2007): Die Wahl des Anbieters im Private Banking, Eine Analyse der Wirkung der Determinanten von Premiummarken im Hinblick auf den Kaufentscheid im deutschen Private Banking, in: Zerres, M. (Hrsg.), Hamburger Schriften zur Marketingforschung, Band 50, Rainer Hampp Verlag, München.

Zhu, J./Li, G./Li, J. (2017): Merge to be too big to fail: A real option approach, in: International Review of Economics and Finance, Vol. 51, p. 342-353.

Juli 2020 Manuel Noll 105/129

Zoller, E. (2003): Der Markt für Immobilienfinanzierungen – Gedanken zum Konzept eines modernen Real Estate Investment Banking in Deutschland, in: Gondring, H./Zoller, E./Dinauer, J. (2003), Real Estate Investment Banking, Neue Finanzierungsformen bei Immobilieninvestitionen, Gabler Verlag, Wiesbaden, S. 81-101.

Juli 2020 Manuel Noll 106/129

Anhang

A1: Korrelationsmatrix

P/E P/BV P/TBV q RB (I) CB (I) IB (I) PB (I) OTHER (I) DIV (I) RB (A) CB (A) IB (A) P/E 1,0000

P/BV 0,0927 1,0000 (0,0002) P/TBV 0,1008 0,8854 1,0000 (0,0000) (0,0000) q 0,0954 0,7712 0,7193 1,0000 (0,0001) (0,0000) (0,0000) RB (I) -0,1238 -0,1606 -0,1509 -0,1828 1,0000 (0,0000) (0,0000) (0,0000) (0,0000) CB (I) -0,1164 -0,1589 -0,2152 -0,2089 -0,0728 1,0000 (0,0000) (0,0000) (0,0000) (0,0000) (0,0018) IB (I) 0,1175 0,1549 0,1476 0,2052 -0,4875 -0,4057 1,0000 (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) PB (I) 0,1248 0,1574 0,2137 0,1788 -0,4218 -0,3695 -0,1935 1,0000 (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) OTHER (I) -0,0502 -0,0664 -0,0858 -0,0983 -0,0748 0,0021 -0,1006 -0,0931 1,0000 (0,0410) (0,0045) (0,0002) (0,0000) (0,0014) (0,9299) (0,0000) (0,0001) DIV (I) -0,1256 -0,3205 -0,3373 -0,3511 0,1544 0,3055 -0,2315 -0,2403 0,2205 1,0000 (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) RB (A) -0,1001 -0,1064 -0,0962 -0,1311 0,9267 -0,1392 -0,4439 -0,3452 -0,0362 -0,0165 1,0000 (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,1217) (0,4793) CB (A) -0,1085 -0,1672 -0,2161 -0,2133 -0,0354 0,9139 -0,3992 -0,3455 0,0246 0,3465 -0,1192 1,0000 (0,0000) (0,0000) (0,0000) (0,0000) (0,1298) (0,0000) (0,0000) (0,0000) (0,2934) (0,0000) (0,0000) IB (A) 0,0580 0,0431 0,0278 0,0977 -0,4014 -0,3323 0,8760 -0,2115 -0,1064 -0,0524 -0,4269 -0,3760 1,0000 (0,0182) (0,0649) (0,2367) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0250) (0,0000) (0,0000) PB (A) 0,1342 0,1964 0,2638 0,2148 -0,3986 -0,3418 -0,1779 0,9361 -0,0987 -0,3097 -0,3335 -0,3465 -0,2498 (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) OTHER (A) 0,0128 0,0295 0,0066 0,0082 -0,1011 0,0127 0,0534 -0,0843 0,4313 0,1246 -0,1644 -0,0747 -0,1388 (0,6022) (0,2062) (0,7772) (0,7253) (0,0000) (0,5873) (0,0223) (0,0003) (0,0000) (0,0000) (0,0000) (0,0014) (0,0000) DIV (A) -0,0659 -0,2151 -0,2464 -0,2298 0,1298 0,2849 -0,1528 -0,2529 0,1157 0,8173 -0,0676 0,2864 -0,0896 (0,0072) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0038) (0,0000) (0,0001) SIZE -0,1532 -0,3120 -0,3001 -0,3959 0,2562 0,2300 -0,2357 -0,2147 0,0056 0,6271 0,0856 0,2076 -0,0119 (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,8122) (0,0000) (0,0002) (0,0000) (0,6120) ER 0,1234 0,3606 0,3837 0,6697 -0,2888 -0,2713 0,3906 0,1237 -0,0304 -0,4836 -0,2013 -0,2502 0,2436 (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,1930) (0,0000) (0,0000) (0,0000) (0,0000) ROA -0,0533 0,4640 0,4139 0,6327 -0,0957 -0,0982 0,0375 0,1623 -0,0611 -0,2002 -0,0634 -0,0923 -0,0221 (0,0300) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,1087) (0,0000) (0,0089) (0,0000) (0,0066) (0,0001) (0,3435) CIR 0,2854 -0,1078 -0,0221 -0,0555 -0,2434 -0,2942 0,2520 0,2514 -0,0450 -0,1329 -0,2153 -0,2968 0,2368

Juli 2020 Manuel Noll 107/129

(0,0000) (0,0000) (0,3453) (0,0175) (0,0000) (0,0000) (0,0000) (0,0000) (0,0541) (0,0000) (0,0000) (0,0000) (0,0000) INFL -0,0571 0,0815 0,0258 0,0283 0,0090 0,1763 0,0296 -0,1752 -0,0801 0,0386 -0,0169 0,1808 0,0497 (0,0199) (0,0005) (0,2720) (0,2259) (0,7008) (0,0000) (0,2058) (0,0000) (0,0006) (0,0982) (0,4705) (0,0000) (0,0335) GDP -0,0561 0,1990 0,0953 0,0965 -0,0515 0,1942 0,0510 -0,1796 0,0206 0,0838 -0,0812 0,1398 0,0875 (0,0223) (0,0000) (0,0000) (0,0000) (0,0273) (0,0000) (0,0288) (0,0000) (0,3792) (0,0003) (0,0005) (0,0000) (0,0002) RB -0,0552 0,0125 0,0124 -0,0224 0,6958 -0,2647 -0,2541 -0,1999 -0,0397 -0,3197 0,7894 -0,2582 -0,2880 (0,0245) (0,5916) (0,5964) (0,3375) (0,0000) (0,0000) (0,0000) (0,0000) (0,0889) (0,0000) (0,0000) (0,0000) (0,0000) CB -0,0646 -0,0252 -0,0675 -0,0702 -0,2281 0,7168 -0,2263 -0,1575 0,0191 -0,1061 -0,1812 0,6416 -0,2537 (0,0085) (0,2815) (0,0040) (0,0026) (0,0000) (0,0000) (0,0000) (0,0000) (0,4131) (0,0000) (0,0000) (0,0000) (0,0000) IB 0,1189 0,1902 0,1840 0,2373 -0,4321 -0,3589 0,8943 -0,2012 -0,0158 -0,3887 -0,3560 -0,3454 0,7208 (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,4979) (0,0000) (0,0000) (0,0000) (0,0000) PB 0,1276 0,2080 0,2575 0,2074 -0,3743 -0,3047 -0,1996 0,8946 -0,0733 -0,3429 -0,3077 -0,2920 -0,2435 (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0017) (0,0000) (0,0000) (0,0000) (0,0000) UB -0,0894 -0,2709 -0,2702 -0,2547 0,2463 0,2041 -0,2235 -0,2139 0,0747 0,7896 0,0556 0,2273 -0,0272 (0,0003) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0014) (0,0000) (0,0172) (0,0000) (0,2448) EV_PE_MIT_INC 0,9667 0,0679 0,0599 0,0426 0,0339 0,0426 -0,0526 -0,0155 -0,0009 -0,0207 0,0387 0,0461 -0,0824 (0,0000) (0,0036) (0,0107) (0,0679) (0,1464) (0,0682) (0,0244) (0,5059) (0,9702) (0,3763) (0,0980) (0,0485) (0,0004) EV_PBV_MIT_INC 0,0601 0,9389 0,8168 0,7306 -0,0333 -0,0215 0,0379 0,0126 -0,0010 -0,2596 0,0044 -0,0405 -0,0577 (0,0143) (0,0000) (0,0000) (0,0000) (0,1537) (0,3577) (0,1044) (0,5888) (0,9672) (0,0000) (0,8500) (0,0829) (0,0135) EV_PTBV_MIT_INC 0,0552 0,7699 0,9356 0,6499 0,0010 -0,0194 0,0190 0,0004 -0,0174 -0,2402 0,0327 -0,0341 -0,0793 (0,0246) (0,0000) (0,0000) (0,0000) (0,9665) (0,4063) (0,4162) (0,9871) (0,4556) (0,0000) (0,1617) (0,1440) (0,0007) EV_q_MIT_INC 0,0471 0,7014 0,6433 0,9452 -0,0112 -0,0222 0,0198 0,0208 -0,0395 -0,2599 0,0175 -0,0382 -0,0580 (0,0550) (0,0000) (0,0000) (0,0000) (0,6324) (0,3413) (0,3980) (0,3732) (0,0907) (0,0000) (0,4549) (0,1017) (0,0131) EV_PE_MED_INC 0,9930 0,0930 0,0917 0,0787 -0,0578 -0,0355 0,0325 0,0634 -0,0265 -0,0699 -0,0425 -0,0274 -0,0116 (0,0000) (0,0001) (0,0001) (0,0008) (0,0133) (0,1291) (0,1647) (0,0066) (0,2576) (0,0027) (0,0690) (0,2403) (0,6205) EV_PBV_MED_INC 0,0808 0,9730 0,8556 0,7691 -0,0998 -0,1298 0,1934 0,0206 -0,0440 -0,3079 -0,0536 -0,1426 0,0787 (0,0010) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,3783) (0,0595) (0,0000) (0,0218) (0,0000) (0,0007) EV_PTBV_MED_INC 0,0931 0,8102 0,9749 0,7047 -0,1360 -0,1652 0,1884 0,0993 -0,0605 -0,3162 -0,0865 -0,1725 0,0656 (0,0001) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0095) (0,0000) (0,0002) (0,0000) (0,0049) EV_q_MED_INC 0,0901 0,7496 0,7023 0,9949 -0,1611 -0,1954 0,1939 0,1543 -0,0899 -0,3462 -0,1119 -0,2012 0,0888 (0,0002) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0001) (0,0000) (0,0000) (0,0000) (0,0001) EV_PE_MIT_ASS 0,9520 0,0545 0,0485 0,0357 0,0264 0,0337 -0,0498 -0,0027 -0,0016 -0,0312 0,0399 0,0525 -0,1001 (0,0000) (0,0196) (0,0385) (0,1263) (0,2581) (0,1491) (0,0329) (0,9095) (0,9448) (0,1820) (0,0881) (0,0247) (0,0000) EV_PBV_MIT_ASS 0,0409 0,9044 0,7828 0,7196 -0,0285 -0,0120 -0,0146 0,0524 0,0125 -0,2501 0,0148 -0,0173 -0,1047 (0,0957) (0,0000) (0,0000) (0,0000) (0,2230) (0,6091) (0,5326) (0,0247) (0,5933) (0,0000) (0,5254) (0,4600) (0,0000) EV_PTBV_MIT_ASS 0,0369 0,7289 0,9062 0,6315 0,0040 -0,0180 -0,0279 0,0427 -0,0022 -0,2275 0,0408 -0,0125 -0,1225 (0,1332) (0,0000) (0,0000) (0,0000) (0,8635) (0,4405) (0,2326) (0,0678) (0,9260) (0,0000) (0,0810) (0,5916) (0,0000) EV_q_MIT_ASS 0,0360 0,6545 0,6008 0,9220 -0,0176 -0,0264 -0,0044 0,0567 -0,0370 -0,2631 0,0239 -0,0205 -0,0987 (0,1424) (0,0000) (0,0000) (0,0000) (0,4506) (0,2583) (0,8505) (0,0152) (0,1135) (0,0000) (0,3067) (0,3804) (0,0000) EV_PE_MED_ASS 0,9766 0,0701 0,0710 0,0634 -0,0551 -0,0350 0,0235 0,0701 -0,0271 -0,0685 -0,0373 -0,0184 -0,0174 (0,0000) (0,0027) (0,0025) (0,0066) (0,0184) (0,1339) (0,3152) (0,0027) (0,2461) (0,0033) (0,1107) (0,4299) (0,4568) EV_PBV_MED_ASS 0,0574 0,9439 0,8238 0,7578 -0,0862 -0,1182 0,1323 0,0591 -0,0317 -0,2855 -0,0401 -0,1303 0,0718 (0,0194) (0,0000) (0,0000) (0,0000) (0,0002) (0,0000) (0,0000) (0,0114) (0,1748) (0,0000) (0,0860) (0,0000) (0,0021) EV_PTBV_MED_ASS 0,0707 0,7680 0,9476 0,6820 -0,1224 -0,1566 0,1306 0,1372 -0,0490 -0,2891 -0,0796 -0,1602 0,0579 (0,0039) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0358) (0,0000) (0,0006) (0,0000) (0,0132)

Juli 2020 Manuel Noll 108/129

EV_q_MED_ASS 0,0730 0,7026 0,6598 0,9723 -0,1510 -0,1859 0,1511 0,1821 -0,0905 -0,3354 -0,1014 -0,1899 0,0775 (0,0029) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0001) (0,0000) (0,0000) (0,0000) (0,0009)

Fortsetzung PB (A) OTHER (A) DIV (A) SIZE ER ROA CIR INFL GDP RB CB IB PB PB (A) 1,0000

OTHER (A) -0,1460 1,0000 (0,0000) DIV (A) -0,3162 0,4138 1,0000 (0,0000) (0,0000) SIZE -0,2815 0,0358 0,5354 1,0000 (0,0000) (0,1256) (0,0000) ER 0,1743 -0,0204 -0,3672 -0,6003 1,0000 (0,0000) (0,3836) (0,0000) (0,0000) ROA 0,1910 -0,0361 -0,1654 -0,2411 0,4220 1,0000 (0,0000) (0,1225) (0,0000) (0,0000) (0,0000) CIR 0,2033 0,0457 -0,0891 -0,1363 0,0669 -0,2380 1,0000 (0,0000) (0,0506) (0,0001) (0,0000) (0,0042) (0,0000) INFL -0,1504 -0,0994 0,0259 -0,0470 0,0732 0,0511 -0,1487 1,0000 (0,0000) (0,0000) (0,2680) (0,0444) (0,0017) (0,0288) (0,0000) GDP -0,1625 0,0373 0,1271 0,1268 0,0244 0,0876 -0,2304 0,2703 1,0000 (0,0000) (0,1108) (0,0000) (0,0000) (0,2958) (0,0002) (0,0000) (0,0000) RB -0,1795 -0,1051 -0,3249 -0,1200 -0,0423 0,0032 -0,1404 0,0206 -0,0692 1,0000 (0,0000) (0,0000) (0,0000) (0,0000) (0,0699) (0,8923) (0,0000) (0,3779) (0,0030) CB -0,1306 0,0015 -0,0930 -0,0241 -0,0778 -0,0175 -0,1844 0,1133 0,0802 -0,1282 1,0000 (0,0000) (0,9503) (0,0001) (0,3017) (0,0009) (0,4549) (0,0000) (0,0000) (0,0006) (0,0000) IB -0,1526 0,0676 -0,2623 -0,3608 0,4577 0,0718 0,2132 0,0416 0,0642 -0,1664 -0,1501 1,0000 (0,0000) (0,0038) (0,0000) (0,0000) (0,0000) (0,0021) (0,0000) (0,0751) (0,0059) (0,0000) (0,0000) PB 0,8852 -0,0851 -0,3097 -0,2912 0,1660 0,1710 0,1711 -0,1199 -0,1386 -0,1421 -0,1282 -0,1664 1,0000 (0,0000) (0,0003) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) UB -0,2735 0,0747 0,6697 0,5530 -0,3726 -0,1574 -0,0655 -0,0343 0,0408 -0,3654 -0,3296 -0,4280 -0,3654 (0,0000) (0,0014) (0,0000) (0,0000) (0,0000) (0,0000) (0,0050) (0,1418) (0,0807) (0,0000) (0,0000) (0,0000) (0,0000) EV_PE_MIT_INC 0,0047 0,0087 0,0123 -0,0493 0,0239 -0,0192 -0,0041 -0,0171 0,0082 0,0267 0,0200 -0,0321 0,0075 (0,8394) (0,7093) (0,5976) (0,0349) (0,3069) (0,4103) (0,8604) (0,4638) (0,7244) (0,2536) (0,3924) (0,1698) (0,7482) EV_PBV_MIT_INC 0,0634 0,0611 -0,1593 -0,2570 0,3054 0,4449 -0,1801 0,1266 0,1858 0,0767 0,0508 0,1016 0,0878 (0,0066) (0,0089) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0010) (0,0297) (0,0000) (0,0002) EV_PTBV_MIT_INC 0,0621 0,0440 -0,1531 -0,2178 0,3128 0,3838 -0,1243 0,0824 0,1072 0,0790 0,0430 0,0836 0,0714 (0,0078) (0,0597) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0004) (0,0000) (0,0007) (0,0659) (0,0003) (0,0022) EV_q_MIT_INC 0,0685 0,0235 -0,1525 -0,3162 0,5888 0,6188 -0,1612 0,0687 0,1077 0,0582 0,0336 0,0849 0,0749 (0,0033) (0,3144) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0033) (0,0000) (0,0126) (0,1501) (0,0003) (0,0013) EV_PE_MED_INC 0,0796 0,0009 -0,0288 -0,0979 0,0737 -0,0058 0,0530 -0,0176 -0,0067 -0,0210 -0,0181 0,0414 0,0750 (0,0006) (0,9699) (0,2181) (0,0000) (0,0016) (0,8038) (0,0232) (0,4520) (0,7742) (0,3692) (0,4398) (0,0765) (0,0013) EV_PBV_MED_INC 0,0700 0,0528 -0,1944 -0,2985 0,3695 0,4507 -0,1287 0,1064 0,1882 0,0504 -0,0194 0,2336 0,0878 (0,0027) (0,0237) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0308) (0,4073) (0,0000) (0,0002)

Juli 2020 Manuel Noll 109/129

EV_PTBV_MED_INC 0,1536 0,0354 -0,2166 -0,2864 0,3986 0,4024 -0,0386 0,0486 0,0925 0,0139 -0,0388 0,2267 0,1522 (0,0000) (0,1294) (0,0000) (0,0000) (0,0000) (0,0000) (0,0984) (0,0376) (0,0001) (0,5519) (0,0964) (0,0000) (0,0000) EV_q_MED_INC 0,1932 0,0104 -0,2266 -0,3907 0,6702 0,6291 -0,0588 0,0314 0,0780 -0,0100 -0,0652 0,2294 0,1863 (0,0000) (0,6560) (0,0000) (0,0000) (0,0000) (0,0000) (0,0119) (0,1785) (0,0008) (0,6672) (0,0053) (0,0000) (0,0000) EV_PE_MIT_ASS 0,0101 0,0219 0,0047 -0,0696 0,0342 -0,0170 0,0026 -0,0258 -0,0151 0,0321 0,0209 -0,0298 0,0196 (0,6672) (0,3486) (0,8417) (0,0029) (0,1431) (0,4674) (0,9113) (0,2688) (0,5195) (0,1692) (0,3701) (0,2026) (0,4018) EV_PBV_MIT_ASS 0,0914 0,0453 -0,1792 -0,2646 0,3220 0,4704 -0,1967 0,1283 0,1709 0,0857 0,0623 0,0580 0,1241 (0,0001) (0,0526) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0002) (0,0076) (0,0130) (0,0000) EV_PTBV_MIT_ASS 0,0856 0,0363 -0,1655 -0,2219 0,3265 0,4036 -0,1325 0,0791 0,0894 0,0870 0,0491 0,0451 0,1050 (0,0002) (0,1202) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0007) (0,0001) (0,0002) (0,0356) (0,0533) (0,0000) EV_q_MIT_ASS 0,0896 0,0250 -0,1739 -0,3390 0,6106 0,6411 -0,1612 0,0625 0,0701 0,0658 0,0407 0,0668 0,1036 (0,0001) (0,2841) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0074) (0,0027) (0,0048) (0,0817) (0,0042) (0,0000) EV_PE_MED_ASS 0,0859 -0,0243 -0,0423 -0,1013 0,0745 -0,0068 0,0538 -0,0207 -0,0194 -0,0172 -0,0178 0,0303 0,0831 (0,0002) (0,2975) (0,0703) (0,0000) (0,0014) (0,7708) (0,0212) (0,3749) (0,4076) (0,4605) (0,4451) (0,1953) (0,0004) EV_PBV_MED_ASS 0,0952 -0,0271 -0,2311 -0,2807 0,3727 0,4771 -0,1458 0,1130 0,1840 0,0579 -0,0149 0,1736 0,1201 (0,0000) (0,2464) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0000) (0,0132) (0,5247) (0,0000) (0,0000) EV_PTBV_MED_ASS 0,1813 -0,0351 -0,2409 -0,2625 0,3989 0,4210 -0,0507 0,0509 0,0864 0,0160 -0,0391 0,1707 0,1831 (0,0000) (0,1335) (0,0000) (0,0000) (0,0000) (0,0000) (0,0300) (0,0293) (0,0002) (0,4943) (0,0945) (0,0000) (0,0000) EV_q_MED_ASS 0,2188 -0,0540 -0,2611 -0,3863 0,6802 0,6547 -0,0677 0,0316 0,0537 -0,0048 -0,0604 0,1878 0,2099 (0,0000) (0,0208) (0,0000) (0,0000) (0,0000) (0,0000) (0,0038) (0,1757) (0,0214) (0,8388) (0,0097) (0,0000) (0,0000)

Fortsetzung EV_PE EV_PBV EV_PTBV EV_q EV_PE EV_PBV EV_PTBV EV_q EV_PE EV_PBV EV_PTBV EV_q UB MIT_INC MIT_INC MIT_INC MIT_INC MED_INC MED_INC MED_INC MED_INC MIT_ASS MIT_ASS MIT_ASS MIT_ASS UB 1,0000

EV_PE_MIT_INC -0,0110 1,0000 (0,6364) EV_PBV_MIT_INC -0,2147 0,0747 1,0000 (0,0000) (0,0014) EV_PTBV_MIT_INC -0,1873 0,0717 0,8239 1,0000 (0,0000) (0,0021) (0,0000) EV_q_MIT_INC -0,1712 0,0547 0,7627 0,6857 1,0000 (0,0000) (0,0193) (0,0000) (0,0000) EV_PE_MED_INC -0,0553 0,9802 0,0826 0,0762 0,0599 1,0000 (0,0179) (0,0000) (0,0004) (0,0011) (0,0104) EV_PBV_MED_INC -0,2522 0,0658 0,9754 0,8015 0,7416 0,0865 1,0000 (0,0000) (0,0049) (0,0000) (0,0000) (0,0000) (0,0002) EV_PTBV_MED_INC -0,2536 0,0577 0,8036 0,9685 0,6676 0,0883 0,8266 1,0000 (0,0000) (0,0136) (0,0000) (0,0000) (0,0000) (0,0002) (0,0000) EV_q_MED_INC -0,2462 0,0395 0,7372 0,6586 0,9610 0,0745 0,7664 0,7056 1,0000 (0,0000) (0,0912) (0,0000) (0,0000) (0,0000) (0,0014) (0,0000) (0,0000) EV_PE_MIT_ASS -0,0249 0,9804 0,0596 0,0569 0,0456 0,9643 0,0514 0,0459 0,0334 1,0000 (0,2864) (0,0000) (0,0107) (0,0149) (0,0512) (0,0000) (0,0277) (0,0496) (0,1532) EV_PBV_MIT_ASS -0,2194 0,0614 0,9672 0,7877 0,7596 0,0666 0,9338 0,7629 0,7277 0,0577 1,0000 (0,0000) (0,0086) (0,0000) (0,0000) (0,0000) (0,0043) (0,0000) (0,0000) (0,0000) (0,0134)

Juli 2020 Manuel Noll 110/129

EV_PTBV_MIT_ASS -0,1901 0,0575 0,7784 0,9612 0,6692 0,0603 0,7495 0,9284 0,6393 0,0554 0,8040 1,0000 (0,0000) (0,0138) (0,0000) (0,0000) (0,0000) (0,0098) (0,0000) (0,0000) (0,0000) (0,0177) (0,0000) EV_q_MIT_ASS -0,1861 0,0449 0,7142 0,6388 0,9771 0,0501 0,6902 0,6220 0,9389 0,0456 0,7535 0,6660 1,0000 (0,0000) (0,0545) (0,0000) (0,0000) (0,0000) (0,0318) (0,0000) (0,0000) (0,0000) (0,0510) (0,0000) (0,0000) EV_PE_MED_ASS -0,0550 0,9626 0,0604 0,0550 0,0464 0,9837 0,0630 0,0671 0,0605 0,9793 0,0560 0,0510 0,0439 (0,0185) (0,0000) (0,0097) (0,0185) (0,0470) (0,0000) (0,0070) (0,0041) (0,0096) (0,0000) (0,0165) (0,0289) (0,0601) EV_PBV_MED_ASS -0,2369 0,0500 0,9475 0,7668 0,7396 0,0679 0,9625 0,7858 0,7564 0,0424 0,9687 0,7731 0,7228 (0,0000) (0,0323) (0,0000) (0,0000) (0,0000) (0,0036) (0,0000) (0,0000) (0,0000) (0,0698) (0,0000) (0,0000) (0,0000) EV_PTBV_MED_ASS -0,2339 0,0429 0,7567 0,9321 0,6493 0,0704 0,7720 0,9595 0,6820 0,0378 0,7742 0,9639 0,6380 (0,0000) (0,0663) (0,0000) (0,0000) (0,0000) (0,0026) (0,0000) (0,0000) (0,0000) (0,1060) (0,0000) (0,0000) (0,0000) EV_q_MED_ASS -0,2375 0,0284 0,6915 0,6150 0,9448 0,0615 0,7145 0,6584 0,9791 0,0257 0,7211 0,6337 0,9579 (0,0000) (0,2242) (0,0000) (0,0000) (0,0000) (0,0084) (0,0000) (0,0000) (0,0000) (0,2712) (0,0000) (0,0000) (0,0000)

Fortsetzung EV_PE EV_PBV EV_PTBV EV_q MED_ASS MED_ASS MED_ASS MED_ASS EV_PE_MED_ASS 1,0000

EV_PBV_MED_ASS 0,0566 1,0000 (0,0154) EV_PTBV_MED_ASS 0,0611 0,7994 1,0000 (0,0088) (0,0000) EV_q_MED_ASS 0,0551 0,7502 0,6785 1,0000 (0,0183) (0,0000) (0,0000) Tabelle 7: Korrelationsmatrix346

Die Tabelle zeigt die Korrelationskoeffizienten aller untersuchten Variablen; p-Werte in Klammern.

P/E, P/BV, P/TBV und q sind die 4 untersuchten Kennzahlen. RB (I), CB (I), IB (I), PB (I) und OTHER (I) sind die jeweiligen Anteile der Geschäftsfelder am gesamten income; DIV (I) die dazugehörige income-Diversifizierung. Die Variablen RB (A), CB (A), IB (A), PB (A), OTHER (A) und DIV (A) basieren analog dazu auf den assets. SIZE ist der natürliche Logarithmus der Bilanzsumme; ER die equity ratio bzw. Eigenkapitalquote; ROA der return on assets bzw. die Gesamtkapitalrentabilität sowie CIR das cost-income ratio (Aufwand-Ertrag Verhältnis). GDP und INFL sind die Wachstumsrate des BIP sowie die Inflationsrate des jeweiligen Sitzstaates. RB, CB, IB, PB und UB sind die Dummy-Variablen für die Klassifizierung einer Bank. Die Abkürzungen der 16 excess values (EV, 4 je Kennzahl) setzen sich folgendermaßen zusammen: MIT zeigt die Berechnung der excess values auf Basis der Mittelwerte der spezialisierten Banken an, MED auf Basis der Mediane. INC zeigt die anteilige Gewichtung der Geschäftsfelder anhand des income an, ASS entsprechend anhand der assets.

346 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 111/129

A2: Deskriptive Statistik Kennzahlen Retail Banking

P/E ratio P/BV ratio Jahr N Mittelwert Median Minimum Maximum STABW N Mittelwert Median Minimum Maximum STABW 2007 19 16,05 14,24 5,48 59,59 11,27 19 1,88 1,48 0,73 4,41 0,96 2008 17 26,31 14,95 4,13 231,81 53,21 19 1,40 1,22 0,31 4,07 0,94 2009 16 29,15 14,67 6,51 230,86 54,36 19 1,25 1,00 0,49 4,65 0,95 2010 18 14,07 12,85 6,36 35,72 6,43 19 1,47 1,19 0,71 3,94 0,96 2011 19 11,19 10,55 5,11 22,32 4,16 19 1,39 1,06 0,62 4,41 1,05 2012 18 12,90 12,53 4,13 27,43 5,19 19 1,49 1,07 0,71 5,01 1,09 2013 19 15,50 14,89 9,18 28,12 5,17 19 1,72 1,41 0,94 5,44 1,01 2014 19 14,52 14,59 10,56 21,30 3,18 19 1,71 1,35 0,92 5,88 1,13 2015 19 14,92 14,05 10,32 26,73 4,32 19 1,82 1,29 0,80 7,00 1,50 2016 19 15,24 15,83 7,89 20,98 4,07 19 1,82 1,39 0,87 5,33 1,14 2017 18 15,55 15,74 7,56 22,19 3,77 19 1,72 1,44 0,98 5,20 0,95 2018 19 12,62 12,45 6,38 22,90 4,03 19 1,48 1,17 0,68 5,10 1,01 2007-2018 220 16,27 13,61 4,13 231,81 21,45 228 1,60 1,27 0,31 7,00 1,06 P/TBV ratio Tobin’s q Jahr N Mittelwert Median Minimum Maximum STABW N Mittelwert Median Minimum Maximum STABW 2007 19 2,46 2,35 1,17 4,90 0,98 19 1,14 1,06 0,96 1,87 0,25 2008 19 1,93 1,73 0,32 4,39 1,15 19 1,08 1,01 0,91 1,70 0,22 2009 19 1,66 1,39 0,52 5,05 1,18 19 1,06 1,00 0,95 1,77 0,19 2010 19 1,85 1,52 0,72 4,09 1,04 19 1,08 1,02 0,96 1,63 0,19 2011 19 1,70 1,29 0,63 4,46 1,07 19 1,08 1,01 0,95 1,82 0,23 2012 19 1,77 1,40 0,78 5,14 1,08 19 1,09 1,01 0,97 1,89 0,23 2013 19 2,12 1,92 0,96 5,55 1,08 19 1,12 1,04 0,99 2,02 0,23 2014 19 2,19 1,84 0,94 7,88 1,49 19 1,12 1,03 0,99 2,32 0,30 2015 19 2,29 1,67 0,97 8,99 1,81 19 1,16 1,02 0,97 2,72 0,41 2016 19 2,30 2,28 1,02 6,57 1,31 19 1,15 1,06 0,98 2,21 0,30 2017 19 2,14 2,16 1,01 5,29 0,93 19 1,11 1,05 1,00 1,92 0,20 2018 19 1,85 1,62 0,74 5,17 0,97 19 1,08 1,01 0,96 1,91 0,21 2007-2018 228 2,02 1,68 0,32 8,99 1,20 228 1,11 1,03 0,91 2,72 0,25

Tabelle 8: Deskriptive Statistik Kennzahlen Retail Banking347

Die Tabelle zeigt die Mittelwerte, Mediane, Minima, Maxima und Standardabweichungen der vier Kennzahlen (Retail Banking spezialisierte Banken). Die schwankende Anzahl der Beobachtungen bei der P/E ratio ist auf fehlende Werte zurückzuführen (keine Kennzahl in Verlustjahren). Die teils identischen Minima/Maxima über mehrere Jahre sind auf das Winsorisieren des Datensatzes zurückzuführen.

347 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 112/129

A3: Deskriptive Statistik Kennzahlen Corporate Banking

P/E ratio P/BV ratio Jahr N Mittelwert Median Minimum Maximum STABW N Mittelwert Median Minimum Maximum STABW 2007 15 18,19 14,47 6,90 44,48 10,83 15 2,47 2,02 1,06 5,24 1,24 2008 14 14,97 11,62 4,62 47,42 10,99 15 1,19 1,45 0,39 1,88 0,50 2009 13 17,92 15,32 4,60 62,81 14,52 16 1,46 1,45 0,57 3,70 0,91 2010 16 19,24 14,62 8,33 53,74 13,56 16 1,52 1,44 0,83 3,27 0,62 2011 16 24,19 10,89 5,67 231,81 55,46 16 1,18 1,09 0,52 1,97 0,38 2012 15 9,72 9,18 4,13 18,23 3,64 16 1,16 1,01 0,47 2,04 0,40 2013 16 12,39 10,78 4,62 22,55 5,56 16 1,51 1,32 0,44 2,82 0,68 2014 16 13,06 12,36 7,55 21,85 4,10 16 1,51 1,34 0,50 3,03 0,63 2015 16 12,00 9,98 7,38 21,09 4,25 16 1,45 1,18 0,40 2,70 0,72 2016 15 14,50 14,15 4,13 25,49 7,46 16 1,55 1,22 0,40 3,95 0,92 2017 16 15,07 12,45 7,36 33,97 7,28 16 1,54 1,45 0,47 3,16 0,80 2018 16 9,33 9,73 5,55 16,28 2,71 16 1,10 1,06 0,37 2,53 0,59 2007-2018 184 15,02 11,30 4,13 231,81 18,20 190 1,47 1,30 0,37 5,24 0,79 P/TBV ratio Tobin’s q Jahr N Mittelwert Median Minimum Maximum STABW N Mittelwert Median Minimum Maximum STABW 2007 15 2,70 2,40 1,07 5,26 1,16 15 1,13 1,10 1,00 1,31 0,10 2008 15 1,33 1,45 0,42 2,20 0,59 15 1,02 1,03 0,94 1,09 0,05 2009 16 1,56 1,49 0,62 3,73 0,92 16 1,03 1,04 0,95 1,14 0,06 2010 16 1,63 1,63 0,87 3,48 0,65 16 1,05 1,04 0,98 1,26 0,07 2011 16 1,30 1,32 0,53 1,97 0,41 16 1,02 1,01 0,96 1,12 0,04 2012 16 1,25 1,23 0,47 2,04 0,40 16 1,02 1,00 0,96 1,11 0,04 2013 16 1,63 1,61 0,45 2,82 0,67 16 1,05 1,03 0,96 1,15 0,06 2014 16 1,62 1,50 0,51 3,03 0,60 16 1,05 1,03 0,96 1,21 0,06 2015 16 1,56 1,34 0,41 2,78 0,72 16 1,04 1,02 0,96 1,15 0,07 2016 16 1,67 1,42 0,40 4,04 0,96 16 1,05 1,03 0,95 1,24 0,08 2017 16 1,69 1,63 0,47 3,20 0,86 16 1,06 1,06 0,94 1,21 0,08 2018 16 1,27 1,24 0,38 2,54 0,70 16 1,01 1,01 0,93 1,15 0,06 2007-2018 190 1,59 1,46 0,38 5,26 0,81 190 1,04 1,03 0,93 1,31 0,07 Tabelle 9: Deskriptive Statistik Kennzahlen Corporate Banking348

Die Tabelle zeigt die Mittelwerte, Mediane, Minima, Maxima und Standardabweichungen der vier Kennzahlen (Corporate Banking spezialisierte Banken). Die schwankende Anzahl der Beobachtungen beim P/E ratio ist auf fehlende Werte zurückzuführen (keine Kennzahl in Verlustjahren). Zudem gibt es 2007 und 2008 zu einer Bank keine Daten (Börsennotierung erfolgte erst 2009). Die teils identischen Minima/Maxima über mehrere Jahre sind auf das Winsorisieren des Datensatzes zurückzuführen.

348 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 113/129

A4: Deskriptive Statistik Kennzahlen Investment Banking

P/E ratio P/BV ratio Jahr N Mittelwert Median Minimum Maximum STABW N Mittelwert Median Minimum Maximum STABW 2007 21 22,36 16,57 5,39 103,45 21,51 24 3,29 2,01 0,66 7,84 2,59 2008 15 29,53 16,12 5,50 231,81 56,73 25 2,23 1,15 0,47 7,84 2,40 2009 17 20,48 16,45 4,34 67,46 15,56 25 2,43 1,23 0,77 7,84 2,30 2010 22 44,58 18,89 6,78 231,81 62,42 25 2,29 1,31 0,61 7,84 1,99 2011 19 43,64 20,06 5,63 139,02 41,67 25 1,65 1,03 0,43 7,16 1,59 2012 22 33,79 27,03 9,03 128,34 29,82 25 1,78 0,94 0,56 5,99 1,64 2013 22 32,39 24,45 10,10 131,93 29,94 25 2,06 1,26 0,55 7,84 1,81 2014 24 28,28 14,77 4,13 160,99 34,01 25 2,42 1,34 0,66 7,84 2,11 2015 20 28,37 13,74 5,56 231,81 49,25 25 1,84 1,34 0,51 4,68 1,26 2016 20 19,91 14,45 6,55 52,57 13,16 25 1,62 1,31 0,54 5,11 1,07 2017 19 26,38 12,89 7,16 212,19 45,75 25 1,78 1,26 0,54 6,47 1,34 2018 20 18,10 12,44 6,95 110,73 22,20 25 1,66 1,08 0,48 7,84 1,65 2007-2018 241 29,17 15,69 4,13 231,81 38,09 299 2,08 1,27 0,43 7,84 1,89 P/TBV ratio Tobin’s q Jahr N Mittelwert Median Minimum Maximum STABW N Mittelwert Median Minimum Maximum STABW 2007 23 4,08 2,34 0,87 12,19 3,97 24 1,74 1,25 0,86 4,00 1,04 2008 24 2,84 1,43 0,47 12,19 3,62 25 1,40 1,02 0,86 4,00 0,89 2009 24 3,03 1,68 0,77 12,19 3,49 25 1,46 1,03 0,86 4,00 0,84 2010 24 3,02 1,81 0,84 12,19 3,22 25 1,43 1,07 0,86 4,00 0,80 2011 24 1,94 1,20 0,61 8,60 1,95 25 1,22 1,00 0,86 2,62 0,50 2012 24 2,34 1,06 0,61 12,19 2,99 25 1,30 0,99 0,87 3,92 0,67 2013 25 3,10 1,48 0,56 12,19 3,66 25 1,42 1,02 0,89 4,00 0,76 2014 25 3,34 1,68 0,66 12,19 3,19 25 1,52 1,04 0,88 4,00 0,87 2015 25 2,59 1,61 0,57 11,30 2,47 25 1,29 1,05 0,86 2,67 0,50 2016 25 2,38 1,51 0,59 9,68 2,27 25 1,21 1,05 0,86 2,30 0,37 2017 24 2,30 1,40 0,62 9,02 2,12 25 1,25 1,06 0,88 2,88 0,45 2018 24 1,94 1,15 0,54 8,11 1,92 25 1,13 1,02 0,88 1,98 0,30 2007-2018 291 2,74 1,49 0,47 12,19 2,99 299 1,36 1,05 0,86 4,00 0,71 Tabelle 10: Deskriptive Statistik Kennzahlen Investment Banking349

Die Tabelle zeigt die Mittelwerte, Mediane, Minima, Maxima und Standardabweichungen der vier Kennzahlen (Investment Banking spezialisierte Banken). Die schwankende Anzahl der Beobachtungen ist auf fehlende Werte zurückzuführen (P/E ratio keine Kennzahl in Verlustjahren; P/TBV ratio keine Kennzahl, wenn die immateriellen Vermögenswerte höher als das Eigenkapital sind; Börsennotierung bei einer Bank erst 2008). Die teils identischen Minima/Maxima über mehrere Jahre sind auf das Winsorisieren des Datensatzes zurückzuführen.

349 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 114/129

A5: Deskriptive Statistik Kennzahlen Private Banking

P/E ratio P/BV ratio Jahr N Mittelwert Median Minimum Maximum STABW N Mittelwert Median Minimum Maximum STABW 2007 18 25,39 14,65 7,93 182,22 39,71 19 3,23 2,43 1,53 7,84 1,95 2008 14 23,19 13,62 10,89 78,71 19,70 19 2,16 1,68 0,68 7,53 1,58 2009 16 25,68 18,47 10,10 71,93 17,99 19 2,20 1,90 0,61 5,95 1,46 2010 16 24,36 17,45 10,35 68,83 16,87 19 2,12 2,01 0,76 5,05 1,16 2011 17 39,05 18,10 8,81 231,81 59,37 19 1,74 1,72 0,46 4,41 0,91 2012 17 34,03 19,64 7,48 231,81 53,54 19 1,81 1,50 0,39 4,11 1,09 2013 19 33,67 21,40 9,13 166,29 35,09 19 2,29 1,71 0,57 5,58 1,52 2014 18 43,18 23,62 6,46 228,60 56,76 19 2,46 1,89 0,49 7,84 1,81 2015 17 35,36 22,78 8,06 180,10 41,95 19 2,38 1,76 0,35 5,83 1,67 2016 17 35,87 17,16 5,44 230,64 52,95 19 2,05 1,68 0,55 4,97 1,31 2017 17 22,04 21,88 6,74 44,80 9,54 19 2,29 1,93 0,37 6,13 1,47 2018 17 24,89 15,64 5,96 77,08 20,85 19 2,03 1,76 0,65 5,34 1,36 2007-2018 203 30,79 18,58 5,44 231,81 39,24 228 2,23 1,84 0,35 7,84 1,48 P/TBV ratio Tobin’s q Jahr N Mittelwert Median Minimum Maximum STABW N Mittelwert Median Minimum Maximum STABW 2007 18 4,44 3,55 1,63 10,21 2,69 19 1,49 1,21 1,04 4,00 0,89 2008 18 3,21 2,24 0,89 7,82 2,20 19 1,39 1,09 0,97 4,00 0,92 2009 18 3,17 2,50 0,72 12,19 2,67 19 1,40 1,08 0,96 4,00 0,92 2010 18 2,82 2,41 0,85 5,91 1,54 19 1,39 1,09 0,98 4,00 0,86 2011 18 2,41 1,80 0,58 7,45 1,72 19 1,27 1,05 0,96 3,46 0,63 2012 18 2,51 1,68 0,45 10,02 2,27 19 1,29 1,04 0,89 3,22 0,63 2013 18 2,91 2,13 0,63 7,67 2,10 19 1,39 1,06 0,91 3,84 0,79 2014 19 3,74 2,18 0,53 12,19 3,32 19 1,38 1,06 0,86 4,00 0,75 2015 19 3,79 1,91 0,35 12,19 3,63 19 1,43 1,07 0,86 4,00 0,88 2016 19 3,25 2,23 0,64 12,19 3,13 19 1,32 1,06 0,96 3,17 0,62 2017 19 3,31 2,32 0,5 12,19 2,91 19 1,32 1,06 0,92 2,88 0,55 2018 19 3,25 2,21 0,76 12,19 3,39 19 1,37 1,04 0,96 4,00 0,78 2007-2018 221 3,24 2,32 0,35 12,19 2,71 228 1,37 1,07 0,86 4,00 0,76 Tabelle 11: Deskriptive Statistik Kennzahlen Private Banking350

Die Tabelle zeigt die Mittelwerte, Mediane, Minima, Maxima und Standardabweichungen der vier Kennzahlen (Private Banking spezialisierte Banken). Die schwankende Anzahl der Beobachtungen beim P/E ratio und P/TBV ratio ist auf fehlende Werte zurückzuführen (P/E ratio keine Kennzahl in Verlustjahren; P/TBV ratio keine Kennzahl, wenn die immateriellen Vermögenswerte höher als das Eigenkapital sind). Die teils identischen Minima/Maxima über mehrere Jahre sind auf das Winsorisieren des Datensatzes zurückzuführen.

350 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 115/129

A6: Deskriptive Statistik Kennzahlen Universalbanken

P/E ratio P/BV ratio Jahr N Mittelwert Median Minimum Maximum STABW N Mittelwert Median Minimum Maximum STABW 2007 73 16,60 13,23 5,43 55,50 10,08 74 2,19 1,60 0,71 7,84 1,52 2008 60 21,86 11,50 4,13 231,81 40,53 74 1,14 1,07 0,28 3,68 0,69 2009 63 21,46 14,62 4,13 231,81 30,91 74 1,27 1,18 0,28 3,73 0,71 2010 68 16,73 13,21 4,58 231,81 27,10 74 1,24 1,22 0,28 3,41 0,60 2011 67 15,29 10,28 4,13 231,81 29,04 74 1,04 0,89 0,28 3,52 0,67 2012 65 18,00 11,28 4,90 231,81 31,06 74 1,04 0,99 0,29 2,40 0,50 2013 70 19,22 13,06 4,58 231,81 31,20 74 1,18 1,05 0,32 2,59 0,53 2014 69 17,34 13,38 5,28 133,72 17,83 74 1,17 1,09 0,38 2,68 0,51 2015 66 13,42 11,37 4,13 95,34 11,47 74 1,10 0,97 0,28 2,95 0,53 2016 67 17,92 13,00 4,28 170,14 24,27 74 1,07 0,94 0,28 2,15 0,49 2017 72 21,84 14,30 5,16 231,81 37,58 74 1,18 1,09 0,28 2,44 0,50 2018 72 14,19 10,05 4,13 231,81 26,63 74 0,98 0,90 0,28 2,07 0,47 2007-2018 812 17,77 12,45 4,13 231,81 27,71 888 1,22 1,09 0,28 7,84 0,76 P/TBV ratio Tobin’s q Jahr N Mittelwert Median Minimum Maximum STABW N Mittelwert Median Minimum Maximum STABW 2007 74 2,80 2,19 0,76 8,66 1,70 74 1,09 1,04 0,98 1,64 0,12 2008 74 1,42 1,34 0,32 3,94 0,84 74 1,01 1,00 0,89 1,39 0,07 2009 74 1,53 1,25 0,32 4,29 0,81 74 1,02 1,01 0,92 1,29 0,06 2010 74 1,46 1,40 0,32 3,70 0,68 74 1,02 1,01 0,94 1,21 0,05 2011 74 1,23 1,08 0,32 4,67 0,83 74 1,00 0,99 0,91 1,16 0,05 2012 74 1,21 1,10 0,32 2,74 0,60 74 1,00 1,00 0,94 1,14 0,04 2013 74 1,39 1,26 0,38 3,22 0,68 74 1,02 1,00 0,93 1,15 0,05 2014 74 1,35 1,23 0,42 3,35 0,65 74 1,02 1,01 0,94 1,14 0,04 2015 74 1,26 1,08 0,32 3,24 0,65 74 1,01 1,00 0,94 1,19 0,05 2016 74 1,24 1,04 0,32 3,45 0,66 74 1,01 1,00 0,86 1,15 0,05 2017 74 1,37 1,20 0,32 2,80 0,66 74 1,02 1,01 0,86 1,15 0,05 2018 74 1,13 0,99 0,32 2,48 0,58 74 1,00 0,99 0,86 1,14 0,05 2007-2018 888 1,45 1,24 0,32 8,66 0,93 888 1,02 1,01 0,86 1,64 0,06

Tabelle 12: Deskriptive Statistik Kennzahlen Universalbanken351

Die Tabelle zeigt die Mittelwerte, Mediane, Minima, Maxima und Standardabweichungen der vier Kennzahlen (Universalbanken). Die schwankende Anzahl der Beobachtungen bei der P/E ratio ist auf fehlende Werte zurückzuführen (keine Kennzahl in Verlustjahren). Die teils identischen Minima/Maxima über mehrere Jahre sind auf das Winsorisieren des Datensatzes zurückzuführen.

351 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 116/129

A7: Ergänzung zur Regression Kennzahlen (Dummy)

income assets P/E P/BV P/TBV q P/E P/BV P/TBV q UB 4,6188 0,0812 0,0804 0,0311 0,5771 -0,2041** -0,3048** -0,0423* (0,128) (0,425) (0,616) (0,260) (0,832) (0,026) (0,036) (0,088) CB 2,4047 -0,0855 -0,2733* -0,0224 1,1168 -0,1725* -0,3847** -0,0466* (0,411) (0,395) (0,085) (0,412) (0,701) (0,087) (0,015) (0,087) IB 1,9588 0,3008*** 0,3088** -0,0199 1,2494 0,2499** 0,2511 -0,0374 (0,517) (0,002) (0,046) (0,453) (0,680) (0,011) (0,109) (0,161) PB 5,4499* 0,4716*** 0,8649*** 0,0655** 5,1757* 0,4394*** 0,8246*** 0,0560** (0,070) (0,000) (0,000) (0,014) (0,085) (0,000) (0,000) (0,036) RB -2,4047 0,0855 0,2733* 0,0224 -1,1168 0,1725* 0,3847** 0,0466* (0,411) (0,395) (0,085) (0,412) (0,701) (0,087) (0,015) (0,087) UB 2,2141 0,1667* 0,3538** 0,0535** -0,5398 -0,0316 0,0799 0,0043 (0,430) (0,078) (0,018) (0,037) (0,836) (0,721) (0,568) (0,859) IB -0,4459 0,3864*** 0,5822*** 0,0025 0,1326 0,4224*** 0,6358*** 0,0092 (0,890) (0,000) (0,000) (0,929) (0,967) (0,000) (0,000) (0,743) PB 3,0452 0,5572*** 1,1383*** 0,0879*** 4,0589 0,6120*** 1,2092*** 0,1026*** (0,353) (0,000) (0,000) (0,002) (0,216) (0,000) (0,000) (0,000) RB -1,9588 -0,3008*** -0,3088** 0,0199 -1,2494 -0,2499** -0,2511 0,0374 (0,517) (0,002) (0,046) (0,453) (0,680) (0,011) (0,109) (0,161) CB 0,4459 -0,3864*** -0,5822*** -0,0025 -0,1326 -0,4224*** -0,6358*** -0,0092 (0,890) (0,000) (0,000) (0,929) (0,967) (0,000) (0,000) (0,743) UB 2,6600 -0,2197** -0,2284 0,0510* -0,6724 -0,4541*** -0,5560*** -0,0049 (0,382) (0,026) (0,141) (0,056) (0,808) (0,000) (0,000) (0,838) PB 3,4911 0,1708* 0,5561*** 0,0854*** 3,9263 0,1895** 0,5734*** 0,0934*** (0,214) (0,063) (0,000) (0,001) (0,164) (0,041) (0,000) (0,000) RB -5,4499* -0,4716*** -0,8649*** -0,0655** -5,1757* -0,4394*** -0,8246*** -0,0560** (0,070) (0,000) (0,000) (0,014) (0,085) (0,000) (0,000) (0,036) CB -3,0452 -0,5572*** -1,1383*** -0,0879*** -4,0589 -0,6120*** -1,2092*** -0,1026*** (0,353) (0,000) (0,000) (0,002) (0,216) (0,000) (0,000) (0,000) IB -3,4911 -0,1708* -0,5561*** -0,0854*** -3,9263 -0,1895** -0,5734*** -0,0934*** (0,214) (0,063) (0,000) (0,001) (0,164) (0,041) (0,000) (0,000) UB -0,8311 -0,3905*** -0,7845*** -0,0344 -4,5987 -0,6436*** -1,1294*** -0,0983*** (0,794) (0,000) (0,000) (0,218) (0,117) (0,000) (0,000) (0,000) Tabelle 13: Ergänzung zur Regression Kennzahlen (Dummy)352 Die Tabelle zeigt als Ergänzung zu den Ergebnissen auf S. 46 die genauen Koeffizienten der Dummy-Variablen in vier verschiedenen Varianten, bei denen jeweils eine andere Dummy-Variable ausgelassen wurde. Die Koeffizienten der übrigen Variablen bleiben identisch und werden daher nicht erneut präsentiert. *, **, *** signifikant auf 10%, 5%, 1% Niveau; p-Werte in Klammern.

352 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 117/129

A8: Deskriptive Statistik excess values price-to-earnings ratio

Basis Mittelwert (income) Basis Mittelwert (assets) Jahr N Mittelwert Median Minimum Maximum STABW Mittelwert Median Minimum Maximum STABW 2007 73 -2,26 -4,59 -15,76 34,13 9,60 -2,76 -4,93 -14,83 32,85 9,01 2008 60 -1,50 -10,47 -20,62 210,80 36,95 -0,69 -9,53 -23,93 204,07 39,11 2009 63 -1,85 -8,00 -19,15 206,27 30,53 -0,50 -6,71 -19,17 209,62 30,65 2010 68 -5,49 -7,82 -27,90 199,54 26,65 -8,67 -10,94 -31,39 185,25 25,80 2011 67 -8,76 -12,20 -29,83 170,68 25,59 -10,89 -14,33 -32,70 174,10 26,67 2012 65 0,25 -5,25 -22,12 197,90 28,99 -0,67 -5,80 -22,80 197,98 28,79 2013 70 -0,15 -6,75 -21,93 214,94 31,34 -1,62 -6,78 -25,65 199,77 27,92 2014 69 -2,01 -5,48 -21,22 117,56 18,35 -2,22 -5,10 -18,98 108,52 16,47 2015 66 -4,60 -5,82 -20,43 78,16 11,88 -4,75 -5,70 -19,29 63,49 10,31 2016 67 0,12 -4,92 -16,88 151,12 23,82 0,13 -3,65 -13,61 144,76 21,15 2017 72 3,92 -3,96 -16,86 212,57 36,08 2,07 -3,51 -18,17 201,01 31,33 2018 72 0,40 -2,86 -13,71 214,60 26,25 0,71 -1,92 -15,01 218,21 26,53 2007-2018 812 -1,78 -5,91 -29,83 214,94 26,66 -2,47 -5,81 -32,70 218,21 25,76 Basis Median (income) Basis Median (assets) Jahr N Mittelwert Median Minimum Maximum STABW Mittelwert Median Minimum Maximum STABW 2007 73 1,65 -1,24 -8,48 37,68 9,29 1,21 -1,10 -9,36 37,06 8,87 2008 60 7,16 -2,06 -10,39 218,25 36,62 7,43 -1,95 -11,49 211,82 38,96 2009 63 5,85 -0,73 -13,41 213,89 30,67 5,60 -0,58 -13,42 215,97 30,70 2010 68 1,65 -1,77 -10,76 213,80 26,70 0,90 -2,08 -11,42 195,50 24,61 2011 67 1,63 -2,46 -11,79 180,67 24,89 1,10 -3,00 -12,91 184,74 25,46 2012 65 3,30 -2,76 -16,64 208,41 29,64 2,29 -3,01 -17,65 206,06 29,27 2013 70 3,30 -2,68 -15,05 217,13 31,05 1,93 -2,44 -15,93 202,09 27,64 2014 69 2,44 -1,67 -9,30 119,72 17,65 2,55 -0,63 -8,95 111,52 16,17 2015 66 -0,17 -2,09 -8,51 80,49 11,12 0,23 -1,40 -8,18 66,54 9,27 2016 67 2,68 -2,05 -10,14 152,23 23,68 2,38 -1,80 -9,54 146,05 21,20 2017 72 6,54 -0,47 -8,39 213,59 35,83 5,91 0,26 -7,81 206,25 30,99 2018 72 2,18 -1,73 -7,66 216,03 26,11 2,43 -1,19 -7,84 220,03 26,41 2007-2018 812 3,14 -1,79 -16,64 218,25 26,38 2,78 -1,48 -17,65 220,03 25,29

Tabelle 14: Deskriptive Statistik excess values P/E ratio353

Die Tabelle zeigt die Mittelwerte, Mediane, Minima, Maxima und Standardabweichungen der vier excess values der P/E ratio (Universalbanken). Die schwankende Anzahl der Beobachtungen bei der P/E ratio ist auf fehlende Werte in den jeweiligen Jahren zurückzuführen (keine Kennzahl in Verlustjahren).

353 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 118/129

A9: Deskriptive Statistik excess values price-to-book value ratio

Basis Mittelwert (income) Basis Mittelwert (assets) Jahr N Mittelwert Median Minimum Maximum STABW Mittelwert Median Minimum Maximum STABW 2007 74 -0,27 -0,79 -1,91 5,37 1,43 -0,39 -0,80 -2,11 5,01 1,38 2008 74 -0,41 -0,48 -1,81 1,98 0,70 -0,44 -0,50 -1,88 1,83 0,68 2009 74 -0,35 -0,46 -1,79 2,15 0,73 -0,42 -0,54 -1,79 1,89 0,66 2010 74 -0,45 -0,47 -1,73 1,72 0,61 -0,47 -0,46 -1,68 1,54 0,58 2011 74 -0,35 -0,52 -1,40 2,05 0,66 -0,33 -0,39 -1,40 1,77 0,63 2012 74 -0,42 -0,41 -1,41 0,90 0,51 -0,38 -0,35 -1,44 0,83 0,49 2013 74 -0,58 -0,66 -1,64 0,74 0,53 -0,54 -0,56 -1,94 0,72 0,52 2014 74 -0,66 -0,64 -2,03 0,90 0,56 -0,64 -0,64 -2,08 0,90 0,55 2015 74 -0,63 -0,67 -1,37 1,25 0,51 -0,54 -0,63 -1,36 1,25 0,50 2016 74 -0,62 -0,71 -1,47 0,46 0,47 -0,54 -0,64 -1,32 0,41 0,44 2017 74 -0,53 -0,61 -1,36 0,67 0,47 -0,46 -0,56 -1,37 0,76 0,46 2018 74 -0,44 -0,49 -1,20 0,65 0,47 -0,38 -0,46 -1,20 0,78 0,46 2007-2018 888 -0,48 -0,59 -2,03 5,37 0,69 -0,46 -0,54 -2,11 5,01 0,66 Basis Median (income) Basis Median (assets) Jahr N Mittelwert Median Minimum Maximum STABW Mittelwert Median Minimum Maximum STABW 2007 74 0,33 -0,28 -1,05 5,94 1,38 0,29 -0,34 -1,08 5,86 1,38 2008 74 -0,20 -0,24 -1,33 2,22 0,67 -0,15 -0,25 -1,30 2,33 0,63 2009 74 0,00 -0,17 -1,07 2,43 0,67 0,02 -0,13 -1,08 2,45 0,65 2010 74 -0,13 -0,19 -1,29 1,98 0,58 -0,10 -0,17 -1,47 1,96 0,57 2011 74 -0,10 -0,24 -1,31 2,33 0,66 -0,05 -0,20 -1,28 2,11 0,63 2012 74 -0,04 -0,08 -0,93 1,28 0,49 0,00 -0,03 -1,04 1,28 0,47 2013 74 -0,21 -0,31 -1,10 1,10 0,50 -0,16 -0,23 -1,32 0,97 0,48 2014 74 -0,24 -0,28 -1,47 1,21 0,50 -0,19 -0,23 -1,45 1,16 0,48 2015 74 -0,20 -0,28 -0,95 1,66 0,50 -0,17 -0,24 -0,97 1,68 0,48 2016 74 -0,27 -0,37 -1,08 0,80 0,46 -0,23 -0,32 -0,98 0,70 0,42 2017 74 -0,28 -0,34 -1,12 0,90 0,46 -0,21 -0,27 -1,09 0,91 0,43 2018 74 -0,20 -0,29 -0,86 0,91 0,44 -0,14 -0,19 -0,82 0,93 0,43 2007-2018 888 -0,13 -0,25 -1,47 5,94 0,67 -0,09 -0,20 -1,47 5,86 0,65

Tabelle 15: Deskriptive Statistik excess values P/BV ratio354

Die Tabelle zeigt die Mittelwerte, Mediane, Minima, Maxima und Standardabweichungen der vier excess values der P/BV ratio (Universalbanken).

354 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 119/129

A10: Deskriptive Statistik excess values price-to-tangible book value ratio

Basis Mittelwert (income) Basis Mittelwert (assets) Jahr N Mittelwert Median Minimum Maximum STABW Mittelwert Median Minimum Maximum STABW 2007 74 -0,26 -0,95 -2,44 5,75 1,71 -0,38 -0,99 -2,63 5,27 1,64 2008 74 -0,62 -0,78 -2,83 1,70 0,90 -0,60 -0,59 -2,69 1,60 0,87 2009 74 -0,50 -0,67 -2,34 2,42 0,87 -0,55 -0,63 -2,33 2,08 0,80 2010 74 -0,61 -0,69 -2,17 1,60 0,72 -0,65 -0,67 -2,12 1,40 0,71 2011 74 -0,45 -0,63 -1,88 2,87 0,83 -0,39 -0,54 -1,86 2,54 0,78 2012 74 -0,56 -0,56 -1,92 0,96 0,63 -0,52 -0,54 -1,98 1,00 0,62 2013 74 -0,80 -0,96 -2,19 1,10 0,72 -0,80 -0,79 -2,53 1,11 0,74 2014 74 -0,99 -1,02 -3,19 1,11 0,77 -0,95 -0,97 -3,23 1,17 0,78 2015 74 -0,94 -1,05 -2,17 1,04 0,66 -0,82 -0,89 -1,93 1,02 0,67 2016 74 -0,92 -1,09 -1,88 1,44 0,64 -0,80 -0,95 -1,90 1,28 0,63 2017 74 -0,74 -0,85 -2,12 0,88 0,63 -0,63 -0,75 -1,66 0,79 0,61 2018 74 -0,67 -0,74 -1,84 0,53 0,58 -0,54 -0,65 -1,60 0,73 0,57 2007-2018 888 -0,67 -0,81 -3,19 5,75 0,88 -0,64 -0,75 -3,23 5,27 0,84 Basis Median (income) Basis Median (assets) Jahr N Mittelwert Median Minimum Maximum STABW Mittelwert Median Minimum Maximum STABW 2007 74 0,28 -0,34 -1,48 6,22 1,61 0,33 -0,23 -1,72 6,25 1,59 2008 74 -0,26 -0,34 -1,86 2,07 0,83 -0,13 -0,20 -1,65 2,31 0,78 2009 74 -0,06 -0,29 -1,43 2,75 0,79 -0,03 -0,25 -1,34 2,72 0,75 2010 74 -0,23 -0,32 -1,46 1,94 0,66 -0,21 -0,28 -1,62 1,90 0,64 2011 74 -0,11 -0,30 -1,25 3,30 0,81 -0,06 -0,20 -1,22 2,92 0,76 2012 74 -0,11 -0,21 -0,96 1,27 0,57 -0,04 -0,14 -1,07 1,26 0,55 2013 74 -0,38 -0,52 -1,40 1,31 0,63 -0,28 -0,43 -1,64 1,24 0,61 2014 74 -0,39 -0,49 -1,67 1,50 0,62 -0,31 -0,44 -1,66 1,43 0,60 2015 74 -0,30 -0,43 -1,16 1,55 0,60 -0,25 -0,35 -1,17 1,46 0,57 2016 74 -0,60 -0,73 -1,70 1,58 0,61 -0,47 -0,63 -1,43 1,42 0,55 2017 74 -0,49 -0,55 -1,47 0,90 0,60 -0,35 -0,44 -1,34 0,86 0,55 2018 74 -0,34 -0,48 -1,11 0,73 0,52 -0,23 -0,36 -0,94 0,88 0,49 2007-2018 888 -0,25 -0,40 -1,86 6,22 0,81 -0,17 -0,32 -1,72 6,25 0,78

Tabelle 16: Deskriptive Statistik excess values P/TBV ratio355

Die Tabelle zeigt die Mittelwerte, Mediane, Minima, Maxima und Standardabweichungen der vier excess values der P/TBV ratio (Universalbanken).

355 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 120/129

A11: Deskriptive Statistik excess values Tobin’s q

Basis Mittelwert (income) Basis Mittelwert (assets) Jahr N Mittelwert Median Minimum Maximum STABW Mittelwert Median Minimum Maximum STABW 2007 74 -0,19 -0,19 -0,69 0,31 0,17 -0,25 -0,23 -0,71 0,33 0,18 2008 74 -0,13 -0,11 -0,48 0,05 0,10 -0,15 -0,14 -0,50 0,09 0,11 2009 74 -0,14 -0,11 -0,48 0,12 0,11 -0,16 -0,14 -0,48 0,14 0,12 2010 74 -0,14 -0,12 -0,46 0,12 0,10 -0,16 -0,15 -0,45 0,14 0,11 2011 74 -0,10 -0,10 -0,33 0,06 0,07 -0,10 -0,09 -0,33 0,07 0,07 2012 74 -0,12 -0,10 -0,34 0,06 0,08 -0,12 -0,11 -0,34 0,09 0,08 2013 74 -0,16 -0,14 -0,41 0,05 0,10 -0,16 -0,16 -0,45 0,08 0,10 2014 74 -0,17 -0,15 -0,45 0,04 0,11 -0,19 -0,19 -0,48 0,06 0,12 2015 74 -0,15 -0,15 -0,37 0,04 0,08 -0,14 -0,15 -0,37 0,03 0,08 2016 74 -0,13 -0,13 -0,26 0,06 0,07 -0,12 -0,12 -0,27 0,06 0,07 2017 74 -0,11 -0,11 -0,29 0,05 0,07 -0,11 -0,12 -0,25 0,06 0,07 2018 74 -0,09 -0,09 -0,30 0,09 0,07 -0,08 -0,08 -0,34 0,10 0,06 2007-2018 888 -0,14 -0,12 -0,69 0,31 0,10 -0,14 -0,13 -0,71 0,33 0,11 Basis Median (income) Basis Median (assets) Jahr N Mittelwert Median Minimum Maximum STABW Mittelwert Median Minimum Maximum STABW 2007 74 -0,04 -0,06 -0,23 0,34 0,11 -0,06 -0,06 -0,23 0,37 0,11 2008 74 -0,01 -0,02 -0,19 0,34 0,07 -0,01 -0,02 -0,19 0,25 0,06 2009 74 -0,01 -0,02 -0,10 0,24 0,05 -0,01 -0,02 -0,10 0,21 0,05 2010 74 -0,02 -0,03 -0,14 0,17 0,05 -0,02 -0,03 -0,14 0,16 0,05 2011 74 -0,01 -0,02 -0,11 0,15 0,05 0,00 -0,01 -0,11 0,15 0,04 2012 74 0,00 -0,01 -0,07 0,12 0,04 0,00 0,00 -0,08 0,13 0,04 2013 74 -0,02 -0,03 -0,11 0,11 0,04 -0,02 -0,02 -0,11 0,11 0,04 2014 74 -0,02 -0,03 -0,10 0,10 0,04 -0,02 -0,03 -0,10 0,10 0,04 2015 74 -0,02 -0,03 -0,08 0,15 0,05 -0,02 -0,03 -0,09 0,15 0,04 2016 74 -0,04 -0,05 -0,12 0,11 0,04 -0,03 -0,04 -0,12 0,09 0,04 2017 74 -0,03 -0,04 -0,12 0,09 0,05 -0,03 -0,04 -0,12 0,09 0,04 2018 74 -0,01 -0,02 -0,09 0,13 0,04 -0,01 -0,02 -0,09 0,13 0,04 2007-2018 888 -0,02 -0,03 -0,23 0,34 0,06 -0,02 -0,02 -0,23 0,37 0,06

Tabelle 17: Deskriptive Statistik excess values Tobin's q356

Die Tabelle zeigt die Mittelwerte, Mediane, Minima, Maxima und Standardabweichungen der vier excess values von Tobin’s q (nur diversifizierte Banken bzw. Universalbanken).

356 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 121/129

A12: Grafische Darstellung der prozentualen excess values

60,00%

40,00%

20,00%

0,00%

-20,00%

-40,00%

-60,00% 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

Ø EV (Ø Inc) ñ EV (Ø Inc) Ø EV (ñ Inc) ñ EV (ñ Inc) Ø EV (Ø Ass) ñ EV (Ø Ass) Ø EV (ñ Ass) ñ EV (ñ Ass)

Abbildung 12: Prozentuale excess values P/E ratio im Zeitablauf357 60,00%

40,00%

20,00%

0,00%

-20,00%

-40,00%

-60,00% 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

Ø EV (Ø Inc) ñ EV (Ø Inc) Ø EV (ñ Inc) ñ EV (ñ Inc) Ø EV (Ø Ass) ñ EV (Ø Ass) Ø EV (ñ Ass) ñ EV (ñ Ass)

Abbildung 13: Prozentuale excess values P/BV ratio im Zeitablauf358

357 Quelle: Eigene Darstellung. 358 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 122/129

60,00%

40,00%

20,00%

0,00%

-20,00%

-40,00%

-60,00% 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

Ø EV (Ø Inc) ñ EV (Ø Inc) Ø EV (ñ Inc) ñ EV (ñ Inc) Ø EV (Ø Ass) ñ EV (Ø Ass) Ø EV (ñ Ass) ñ EV (ñ Ass)

Abbildung 14: Prozentuale excess values P/TBV ratio im Zeitablauf359 60,00%

40,00%

20,00%

0,00%

-20,00%

-40,00%

-60,00% 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

Ø EV (Ø Inc) ñ EV (Ø Inc) Ø EV (ñ Inc) ñ EV (ñ Inc) Ø EV (Ø Ass) ñ EV (Ø Ass) Ø EV (ñ Ass) ñ EV (ñ Ass)

Abbildung 15: Prozentuale excess values Tobin’s q im Zeitablauf360

Die Abbildungen 12 bis 15 zeigen die prozentualen excess values (jeweils Mittelwert und Median der 4 excess values). Für die Berechnung wurden die excess values ins Verhältnis zu den jeweils dazugehörigen adjusted ratios gesetzt.

359 Quelle: Eigene Darstellung. 360 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 123/129

A13: Liste der untersuchten Banken

Retail Banking

Bank Land Börse Handelswährung Ameris Bancorp USA NASDAQ USD (Ameris Bank) Atlantic Union Bankshares USA NASDAQ USD Corporation (Atlantic Union Bank) Bank of Queensland Australien ASX AUD Limited Bank of Valletta PLC Malta MSE EUR Bendigo and Adelaide Australien ASX AUD Bank Limited Capital One Financial USA NYSE USD Corporation (Capital One) Capitec Bank Holdings Südafrika JSE ZAR Limited (Capitec Bank) Cullen/Frost Bankers USA NYSE USD Incorporated (Frost Bank) C&F Financial Corporation USA NASDAQ USD (C&F Bank) Discover Financial USA NYSE USD Services Incorporated (Discover Bank) FirstRand Limited Südafrika JSE ZAR Huntington Bancshares USA NASDAQ USD Incorporated (Huntington Bank) Paragon Banking Group Vereinigtes Königreich LSE GBP PLC (Paragon Bank) Powszechna Kasa Polen WSE PLN Oszczędności Bank Polski (Bank Polski) Provident Financial Group Vereinigtes Königreich LSE GBP PLC (Provident Financial) Prosperity Bancshares USA NYSE USD Incorporated (Prosperity Bank) Renasant Corporation USA NASDAQ USD (Renasant Bank) Republic Bancorp USA NASDAQ USD Incorporated (Republic Bank) S&T Bancorp Incorporated USA NASDAQ USD (S&T Bank) Tabelle 18: Liste der auf Retail Banking spezialisierten Banken361

Corporate Banking

Bank Land Börse Handelswährung Ahli United Bank BSC Bahrain/Kuwait BHSE USD Banca IFIS S.p.A. Italien BIT EUR BOK Financial Corporation USA NASDAQ USD (BOK Financial)

361 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 124/129

China CITIC Bank China SSE CNY Corporation Limited (China CITIC Bank) CIT Group Incorporated USA NYSE USD (CIT Bank) Comerica Incorporated USA NYSE USD (Comerica Bank) Commercial International Ägypten EGX EGP Bank SAE CVB Financial Corporation USA NASDAQ USD (Citizens Business Bank) Doha Bank QPSC Katar QSE QAR Enterprise Financial USA NASDAQ USD Services Corporation (Enterprise Bank & Trust) Fifth Third Bancorp USA NASDAQ USD (Fifth Third Bank) Industrial Bank of Korea Südkorea KRX KRW Investec Limited Südafrika JSE ZAR Ping An Bank Corporation China SZSE CNY Limited (Ping An Bank) Sasfin Holdings Limited Südafrika JSE ZAR (Sasfin Bank) Signature Bank USA NASDAQ USD SVB Financial Group USA NASDAQ USD (Silicon Valley Bank) Tabelle 19: Liste der auf Corporate Banking spezialisierten Banken362

Investment Banking

Bank Land Börse Handelswährung ABG Sundal Collier Norwegen OSE NOK Holding ASA (ABG Sundal Collier) Baader Bank AG Deutschland FWB EUR Bellevue Group AG Schweiz SWX CHF (Bank am Bellevue) Changjiang Securities China SZSE CNY Company Limited (Changjiang Securities) CITIC Securities Company China SSE CNY Limited (CITIC Securities) Cowen Incorporated USA NASDAQ USD Daiwa Securities Group Japan TYO JPY Limited (Daiwa Securities) EFG Hermes Holding SAE Ägypten EGX EGP (EFG Hermes) Evercore Incorporated USA NYSE USD GCA Corporation Japan TYO JPY Goldman Sachs Group USA NYSE USD Incorporated (Goldman Sachs) Greenhill & Company USA NYSE USD Incorporated (Greenhill) Haitong International China/Hong Kong SEHK HKD Securities Group Limited (Haitong International)

362 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 125/129

Haitong Securities China SSE CNY Company Limited (Haitong Securities) JMP Group LLC USA NASDAQ USD (JMP) Kenanga Investment Bank Malaysia MYX MYR Berhad (Kenanga) Ladenburg Thalmann USA NYSE USD Financial Services Incorporated (Ladenburg Thalmann) Lazard Limited USA NYSE USD Macquarie Group Limited Australien ASX AUD (Macquarie) NH Investment & Südkorea KRX KRW Securities Okasan Securities Group Japan TYO JPY Incorporated (Okasan Securities) Pacific Securities China SSE CNY Company Limited (Pacific Securities) Piper Jaffray Companies USA NYSE USD (Piper Jaffray; 2019 umbenannt in Piper Sandler) Rothschild & Company Frankreich Euronext Paris EUR Tabelle 20: Liste der auf Investment Banking spezialisierten Banken363

Private Banking

Bank Land Börse Handelswährung Banca Generali S.p.A. Italien BIT EUR Banca Intermobiliare di Italien BIT EUR Investimenti e Gestioni S.p.A. (BIM Private Bank) Banca Profilo S.p.A. Italien BIT EUR Bank Julius Bär & Schweiz SWX CHF Company AG (Bank Julius Bär) Banque Privée Edmond Schweiz SWX CHF de Rothschild SA

Banque Profil de Gestion Schweiz SWX CHF SA Boston Private Financial USA NASDAQ USD Holdings Incorporated (Boston Private) Brewin Dolphin Holdings Vereinigtes Königreich LSE GBP PLC (Brewin Dolphin) Charles Stanley Group Vereinigtes Königreich LSE GBP PLC (Charles Stanley) Credit Foncier de Monaco Monaco Euronext Paris EUR Indosuez Wealth Management EFG International AG Schweiz SWX CHF Gluskin Sheff + Kanada TSX CAD Associates Incorporated (Gluskin Sheff)

363 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 126/129

Rathbone Brothers PLC Vereinigtes Königreich LSE GBP Raymond James Financial USA NYSE USD Incorporated Schroders PLC Vereinigtes Königreich LSE GBP St. James Place Wealth Vereinigtes Königreich LSE GBP Management PLC Value Partners Group China/Hong Kong SEHK HKD Limited (Value Partners) Van Lanschot Kempen NV Niederlande Euronext EUR VP Bank AG Liechtenstein SWX CHF Tabelle 21: Liste der auf Private Banking spezialisierten Banken364

Universalbanken

Bank Land Börse Handelswährung Akbank T.A.Ş. Türkei BIST TRY Arbuthnot Banking Group Vereinigtes Königreich LSE GBP PLC (Arbuthnot Latham) Axis Bank Indien NSE INR Banca Transilvania S.A. Rumänien BVB RON Banco Comercial Portugal Euronext EUR Português (Millennium BCP) Banco di Sardegna S.p.A. Italien BIT EUR Bank für Tirol und Österreich WBAG EUR Vorarlberg AG Bank Hapoalim Israel TASE ILS Bank Leumi Israel TASE ILS Bank Mizrahi-Tefahot Israel TASE ILS Bank Ochrony Środowiska Polen WSE PLN S.A. Bank of America USA NYSE USD Corporation Bank of Bahrain and Bahrain/Kuwait BHSE BHD Kuwait Bank of China China SSE CNY Bank of Communications China SSE CNY Bank of East Asia Limited China/Hong Kong SEHK HKD Bank of Ireland Group Irland Euronext EUR PLC (Bank of Ireland) Bank of Montreal Kanada TSE CAD Bank Polska Kasa Opieki Polen WSE PLN S.A. (Bank PKO) Banque Cantonale Schweiz SWX CHF Vaudoise Barclays PLC Vereinigtes Königreich LSE GBP BKS Bank AG Österreich WBAG EUR BLOM Bank Libanon BSE USD BNP Paribas SA Frankreich Euronext Paris EUR BPER Banca S.p.A. Italien BIT EUR Canadian Imperial Bank of Kanada TSE CAD Commerce China Construction Bank China SSE CNY China Merchants Bank China SSE CNY China Minsheng Bank China SSE CNY Citigroup Incorporated USA NYSE USD (Citi)

364 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 127/129

Close Brothers Group Vereinigtes Königreich LSE GBP PLC (Close Brothers) Commerzbank AG Deutschland FWB EUR Commonwealth Bank of Australien ASX AUD Australia Limited (Commonwealth Bank) Crédit Agricole SA Frankreich Euronext Paris EUR Credit Suisse Group AG Schweiz SWX CHF (Credit Suisse) Deutsche Bank AG Deutschland FWB EUR DNB ASA Norwegen OSE NOK East West Bancorp USA NASDAQ USD Incorporated (East West Bank) Erste Group Bank AG Österreich WBAG EUR Hang Seng Bank Limited China/Hong Kong SEHK HKD Hong Leong Bank Berhad Malaysia MYX MYR HSBC Holdings PLC Vereinigtes Königreich LSE GBP (HSBC) HSBC Trinkaus & Deutschland FWB EUR Burkhardt AG ICICI Bank Indien NSE INR Industrial and Commercial China SSE CNY Bank of China Limited (ICBC) Israel Discount Bank Israel TASE ILS JPMorgan Chase & Co USA NYSE USD KeyCorp USA NYSE USD (KeyBank) Lloyds Banking Group Vereinigtes Königreich LSE GBP PLC Luzerner Kantonalbank Schweiz SWX CHF AG mBank S.A. Polen WSE PLN Mediobanca S.p.A. Italien BIT EUR Morgan Stanley USA NYSE USD M&T Bank Corporation USA NYSE USD (M&T Bank) National Bank of Canada Kanada TSE CAD Natixis S.A. Frankreich Euronext Paris EUR Oberbank AG Österreich WBAG EUR PCF Group PLC Vereinigtes Königreich LSE GBP (PCF Bank) People’s United Financial USA NASDAQ USD Incorporated (People’s United Bank) PNC Financial Services USA NYSE USD Group Incorporated (PNC) Regions Financial USA NYSE USD Corporation (Regions Financial) Royal Bank of Canada Kanada TSE CAD Société Générale SA Frankreich Euronext Paris EUR Standard Chartered PLC Vereinigtes Königreich LSE GBP St. Galler Kantonalbank Schweiz SWX CHF AG Stifel Financial USA NYSE USD Corporation (Stifel) Toronto-Dominion Bank Kanada TSE CAD Türkiye İş Bankası A.Ş. Türkei BIST TRY UBS Group AG Schweiz SWX CHF U.S. Bancorp USA NYSE USD (U.S. Bank)

Juli 2020 Manuel Noll 128/129

Valartis Group AG Schweiz SWX CHF Vontobel Holding AG Schweiz SWX CHF Webster Financial USA NYSE USD Corporation (Webster Bank) Wells Fargo & Company USA NYSE USD Tabelle 22: Liste der Universalbanken365

Die Tabellen 17 bis 21 präsentieren die untersuchten Banken (eingetragener Name sowie gegebenenfalls in Klammer den Namen, unter dem die Bank am Markt auftritt) und das jeweilige Sitzland. Zudem wird die Börse, an der die jeweilige Bank gelistet ist, und die Währung, in der die Aktien gehandelt werden, angeführt.

365 Quelle: Eigene Darstellung.

Juli 2020 Manuel Noll 129/129