BazEkon - The Main Library of the Cracow University of Economics

BazEkon home page

Main menu

Author
Juszczyk Sławomir (Warsaw University of Life Sciences - SGGW, Poland), Bartosiak Wioleta (Polish Cooperative Bank Ciechanów, Poland), Kublik Bartosz (Cooprative Bank Ostrów Maz., Poland), Mleczko Łukasz (Alior Bank S.A., Poland)
Title
Macroeconomic Factors as Tools for Stimulation or Destimulation of Agribusiness Loans in Crisis Situation
Czynniki makroekonomiczne jako narzędzia zwiększania lub zmniejszania kredytów dla agrobiznesu w sytuacjach kryzysowych
Source
Zeszyty Naukowe SGGW w Warszawie. Polityki Europejskie, Finanse i Marketing, 2022, nr 28 (77), s. 93-103, tab., wykr., bibliogr. 21 poz.
Scientific Journals Warsaw University of Life Sciences - SGGW. European Policies, Finance and Marketing
Keyword
Agrobiznes, Przedsiębiorstwo rolne, Kredyt bankowy, COVID-19, Pandemia, Uwarunkowania makroekonomiczne, Sytuacje kryzysowe
Agrobusiness, Agricultural enterprises, Bank credit, COVID-19, Pandemic, Macroeconomic conditions, Crisis situations
Note
JEL Classification: G21, G23, G24, G28
streszcz., summ.
Abstract
Celem niniejszego artykułu było podjęcie próby identyfikacji zmian na rynku kredytów dla przedsiębiorstw agrobiznesu, w tym gospodarstw rolnych w Polsce, w okresie pandemii COVID-19. W badaniu wykorzystano dane Głównego Urzędu Statystycznego i Biura Informacji Kredytowej za lata 2017- -2021. W toku badań m.in. skonstruowano model ekonometryczny objaśniający wielkość kredytów udzielonych wyżej wymienionym podmiotom przez banki komercyjne i spółdzielcze w Polsce w czasie pandemii. Wykorzystano program Statistica 13.3. Badaniami objęto wszystkie kredyty udzielone w Polsce w/w podmiotom w szeregach miesięcznych w latach 2017-2021. W tym okresie banki udzieliły rolnikom indywidualnym łącznie 307 012 kredytów, a ich wolumen wyniósł prawie 30 mld zł. W toku badań stwierdzono m.in., że na wielkość tych kredytów decydujący wpływ miały takie czynniki, jak: stopa kredytu refinansowego (stymulanta), stopa redyskonta weksli (destymulanta) oraz poziom wskaźnika ogólnego klimatu gospodarczego w przetwórstwie przemysłowym (stymulanta). Zbiór zmiennych objaśniających w modelach może stanowić przesłankę do wprowadzania określonych usprawnień w polityce kredytowej banków obsługujących agrobiznes w postaci zaostrzania lub liberalizowania wymogów kredytowych. Wyniki badań mogą być również wykorzystywane przez banki do skuteczniejszego planowania przyszłych celów sprzedażowych i przychodów odsetkowych z tych kredytów. (abstrakt oryginalny)

The study attempts to identify changes in the loan market for agribusiness enterprises, includ-ing farms in Poland, during the COVID-19 pandemic. The research used data from the Central Statistical Office and the Credit Information Bureau for 2017-2020. In the course of research, an econometric model was constructed explaining the volume of loans to the above-mentioned entities by commercial and cooperative banks in Poland during the pandemic. The program Statistica 13.3 was used. The analysis covers all loans granted in Poland ona monthly basis in 2017-2021. During this period, banks granted a total of 307 012 loans toindividual farmers, and their volume amounted to almost PLN 30 billion. In the course of the research, it was found that in the years 2017-2021, the volume of loans for agribusiness enti-ties, including farms, was decisively influenced by such factors as refinancing loan rate (stimu-lant), rediscount rate (destimulant), and general economic climate in manufacturing index (stimulant). The set of explanatory variables in the models may be a premise for the introduc-tion of specific improvements in the credit policy of banks servicing agribusiness in the form of tightening or liberalizing credit requirements. The research results can also be used by banks to effectively plan future sales targets and interest income from these loans. (original abstract)
Full text
Show
Bibliography
Show
  1. Barro R., Ursua J., Weng J.: The Coronavirus and the Great Influenza Pandemic: Lessons from the "Spanish Flu" for the Coronavirus's Potential Effects on Mortality and Economic Activity, 26866/2020, p. 10-15, https://www.nber.org/system/files/working_papers/w26866/w26866.pdf (access: 10.07.2022).
  2. Beck R., Jakubik P., Piloiu A.: Key Determinants of Non-performing Loans: New Evidence from a Global Sample, Open Economies Review, 26 (3)/2015, p. 525-550. (Crossref)
  3. Berger A., Demsetz R., Strahan P.: The consolidation of the financial services industry: Causes, consequences, and implications for the future, Journal of Banking and Finance, 23/1999, p. 135-194. (Crossref)
  4. Bierlen R., Barry P.J., Dixon B.L., Ahrendsen B.L.: Credit constraints, farm characteristics and the farm economy: Differential impact on feeder cattle and beef cow inventories, American Journal of Agricultural Economics 80 (4)/1998, p. 708-723. (Crossref)
  5. Cheng C., Barceló J., Hartnett A.S., Kubinec R., Messerschmidt L.: COVID-19 Government Response Event Dataset (CoronaNet v.1.0), Nature Human Behaviour, 4 (7)/2020, p. 756-768. (Crossref)
  6. Czerwińska-Kayzer D., Poczta W.: Preferential loan as an instrument of structural changes in agriculture, Wieś i Rolnictwo, 3 (112)/2001, p. 99-113.
  7. Dias A.L., Manuel E.C., Dutschke G., Pereira R., Pereira L.: Economic crisis effects on SME dynamic capabilities, International Journal of Learning and Change, 13 (1)/2021, p. 6380. (Crossref)
  8. Falagiarda M., Prapiestis A., Rancoita E.: Public loan guarantees and bank lending in the COVID-19 period, Economic Bulletin Boxes, 6/2020, p. 112-148.
  9. Felczak T.: Sources of financing the activities of individual farms in the opinion of managers). Zeszyty Naukowe Uniwersytetu Szczecińskiego, Finanse, Rynki Finansowe, Ubezpieczenia, 74 (2)/2015, p. 83-01.
  10. Grzegorzewska E.: Indebtedness of agricultural enterprises in Poland in the face of the global economic crisis, Zeszyty Naukowe SGGW. Polityki Europejskie, Finanse i Marketing, 10 (59)/2013, p. 268-276.
  11. Hubner D., Lubiński M., Małecki W., Matkowski Z.: Koniunktura gospodarcza. PWE, Warszawa 1994.
  12. Józwiak W.: Ocena efektów kredytowania preferencyjnego w gospodarstwach osób fizycznych, Zagadnienia Ekonomiki Rolnej 4-5/1999, p. 13-26.
  13. Juszczyk S., Balina R.: NBP interest rates and lending to non-fmancial enterprises, Bank, Miesięcznik Finansowy 2/2017, https://alebank.pl/nauka-stopy-procentowe-nbp-a-akcja-kredytowa-dla-przedsiebiorstw-niefinansowych/?id=224675&catid=960 (access: 10.07.2022).
  14. Kata R.: Endogeniczne i instytucjonalne czynniki kształtujące powiązania finansowe gospodarstw rolnych z bankami, Oficyna Wydawnicza Politechniki Rzeszowskiej, Rzeszów 2011.
  15. Kata R.: Premises and microeconomic determinants of using bank loans by farmers, Roczniki Ekonomiczne Kujawsko-Pomorskiej Szkoły Wyższej w Bydgoszczy, 5/2012, p. 241260.
  16. Kulawik J.: Lending and financing agriculture on the eve of integration with the European Union, Bank i Kredyt, 6/2003, p. 29-42.
  17. Mikołajczyk P: Krótkoterminowe kredyty bankowe dla przedsiębiorstw w warunkach kryzysu finansowego, Nauki o Finansach, 2/2014, p. 423-430. (Crossref)
  18. Podstawowe stopy procentowe NBP, NBP, https://www.nbp.pl/home.aspx?f=/dzienne/stopy.htm (access: 10.07.2022).
  19. Rosa A.: Farmers of Central Pomerania in the banking services market, [in:] D. Zawadzka, J. Sobiech (eds), Growth and allocation of financial and tangible assets of farmers (agricultural enterprises and households) in Central Pomerania, Publishing House of the Koszalin University of Technology, Koszalin 2014, p. 229-260.
  20. Szybki Monitoring NBP, NBP, https://www.nbp.pl/home.aspx?c=/ascx/koniunktura_prezentacja.ascx (access: 10.07.2022).
  21. Wasilewski M., Felczak T.: 2013. Efektywność strategii płynności finansowej w gospodarstwach rolniczych o zróżnicowanej sile ekonomicznej, Zarządzanie.
Cited by
Show
ISSN
2081-3430
Language
eng
URI / DOI
https://doi.org/10.22630/PEFIM.2022.28.77.17
Share on Facebook Share on Twitter Share on Google+ Share on Pinterest Share on LinkedIn Wyślij znajomemu