Silicon Valley Bank był wierzchołkiem bankowej góry lodowej

Tradycyjne instytucje finansowe przyjmują depozyty od klientów i wykorzystują je do udzielania pożyczek. Ale pożyczają znacznie więcej niż to, co mają w zanadrzu w danym momencie – koncepcja znana jako bankowość cząstkowa. Z jednej strony różnica między oprocentowaniem kredytów a odsetkami płaconymi deponentom nazywana jest marżą odsetkową netto i określa rentowność banku. Z drugiej strony różnica między aktywami i pasywami określana jest mianem ich kapitałów własnych i określa odporność banku na szoki zewnętrzne.

Przed ostatnim atakiem na bank SVB był postrzegany nie tylko jako dochodowa instytucja bankowa, ale także bezpieczna, ponieważ posiadała 212 miliardów dolarów aktywów i około 200 miliardów dolarów pasywów. Oznacza to, że mieli bufor w wysokości 12 miliardów dolarów w kapitale własnym lub 5.6% aktywów. Nie jest źle, choć to mniej więcej połowa średniej 11.4% wśród banków.

Problem polega na tym, że ostatnie działania Rezerwy Federalnej Stanów Zjednoczonych zmniejszyły wartość długoterminowego długu, na który SVB był mocno narażony poprzez swoje papiery wartościowe zabezpieczone hipoteką (około 82 miliardów dolarów). Kiedy SVB poinformowało swoich akcjonariuszy w grudniu, że ma niezrealizowane straty w wysokości 15 miliardów dolarów, niszcząc rezerwę kapitałową banku, wywołało to wiele pytań.

Związane z: Depegged USDC, ale nie będzie domyślnie

8 marca SVB ogłosiło, że sprzedało płynne aktywa o wartości 21 miliardów dolarów ze stratą i oświadczyło, że zbierze pieniądze, aby zrekompensować stratę. Ale fakt, że ogłosił potrzebę zebrania większej ilości pieniędzy – a nawet rozważał sprzedaż banku – poważnie zaniepokoił inwestorów, prowadząc do około 42 miliardów dolarów prób wypłat z banku. Oczywiście SVB nie miało wystarczającej płynności, a Federalna Korporacja Ubezpieczeń Depozytów przejęła ją 17 marca.

Literatura makrofinansowa ma wiele do powiedzenia na temat tych sytuacji, ale dobrym podsumowaniem jest oczekiwanie wysoce nieliniowej dynamiki — to znaczy niewielkie zmiany nakładów (stosunek kapitału własnego do aktywów) mogą mieć istotne zmiany w produkcie ( płynność). Panika na banki może być bardziej podatna podczas recesji i mieć duży wpływ na łączną aktywność gospodarczą.

Dążenie do rozwiązań konstrukcyjnych

Z pewnością SVB nie jest jedynym bankiem, który ma wyższą i bardziej ryzykowną ekspozycję na warunki makroekonomiczne, takie jak stopy procentowe i popyt konsumpcyjny, ale to tylko wierzchołek góry lodowej, który pojawił się w wiadomościach w ciągu ostatniego tygodnia. Widzieliśmy to już wcześniej — ostatnio podczas kryzysu finansowego w latach 2007–2008 wraz z upadkiem Washington Mutual. Następstwa doprowadziły do ​​​​gwałtownego wzrostu regulacji finansowych, głównie w ustawie Dodda-Franka, która rozszerzyła władze Rezerwy Federalnej o regulację działalności finansowej i zezwoliła na nowe wytyczne dotyczące ochrony konsumentów, w tym uruchomienie Biura Ochrony Finansowej Konsumentów.

Warto zauważyć, że DFA uchwalił również „regułę Volckera”, ograniczającą bankom handel na własny rachunek i inne inwestycje spekulacyjne, w dużej mierze uniemożliwiając bankom funkcjonowanie jako banki inwestycyjne wykorzystujące własne depozyty do handlu akcjami, obligacjami, walutami i tak dalej.

Wzrost regulacji finansowych doprowadził do gwałtownej zmiany zapotrzebowania na pracowników nauk ścisłych, technologii, inżynierii i matematyki (STEM), w skrócie „kwantów”. Usługi finansowe są szczególnie wrażliwe na zmiany regulacyjne, przy czym znaczna część obciążenia spada na pracowników, ponieważ regulacje wpływają na ich wydatki pozaodsetkowe. Banki zdały sobie sprawę, że mogą obniżyć koszty przestrzegania przepisów i zwiększyć efektywność operacyjną poprzez zwiększenie automatyzacji.

I tak właśnie się stało: odsetek pracowników STEM wzrósł o 30% w latach 2011-2017 w usługach finansowych, a wiele z tego przypisano wzrostowi regulacji. Jednak małe i średnie banki (SMB) miały większe trudności z radzeniem sobie z tymi regulacjami — przynajmniej częściowo ze względu na koszt wynajmu i budowania wyrafinowanych dynamicznych modeli do prognozowania warunków makroekonomicznych i bilansów.

Obecne najnowsze prognozy makroekonomiczne tkwią w modelach ekonometrycznych z 1990 r., które są wysoce niedokładne. Podczas gdy prognozy są często korygowane w ostatniej chwili, aby wyglądały na dokładniejsze, w rzeczywistości nie ma konsensusu ani modelu konia pociągowego ani podejścia do prognozowania przyszłych warunków gospodarczych, pomijając kilka ekscytujących i eksperymentalnych podejść, na przykład Rezerwy Federalnej Atlanty z jej Narzędzie GDPNow.

Związane z: Ustawodawcy powinni sprawdzać wojenne consigliere SEC z ustawodawstwem

Ale nawet te narzędzia „nowcasting” nie obejmują ogromnych ilości zdezagregowanych danych, co sprawia, że ​​prognozy są mniej przydatne dla małych i średnich firm, które są narażone na określone klasy aktywów lub regiony i są mniej zainteresowane stanem krajowej gospodarki per se.

Musimy odejść od prognozowania jako „odznaczającego pole” środka zgodności z przepisami w kierunku strategicznego narzędzia do podejmowania decyzji, które jest traktowane poważnie. Jeśli nowcasty nie działają niezawodnie, albo przestań je produkować, albo wymyśl sposób, aby uczynić je użytecznymi. Świat jest bardzo dynamiczny i musimy korzystać ze wszystkich dostępnych nam narzędzi, od zdezagregowanych danych po zaawansowane narzędzia uczenia maszynowego, które pomogą nam zrozumieć czasy, w których żyjemy, abyśmy mogli zachowywać się rozważnie i unikać potencjalnych kryzysów.

Czy lepsze modelowanie uratowałoby Silicon Valley Bank? Może nie, ale lepsze modelowanie zwiększyłoby przejrzystość i prawdopodobieństwo, że zostaną zadane właściwe pytania w celu podjęcia właściwych środków ostrożności. Technologia jest narzędziem — a nie substytutem — dobrych rządów.

W następstwie upadku Silicon Valley Bank było wiele wytykania palcem i przerabiania przeszłości. Co ważniejsze, powinniśmy zapytać: Dlaczego doszło do paniki na banki i czego możemy się z niej dowiedzieć?

Christos A. Makridis jest profesorem i przedsiębiorcą. Pełni funkcję dyrektora generalnego i założyciela Dainamic, start-upu technologii finansowej, który wykorzystuje sztuczną inteligencję do poprawy prognozowania, a także jest partnerem badawczym między innymi na Uniwersytecie Stanforda i Uniwersytecie w Nikozji. Posiada stopień doktora nauk ekonomicznych i nauk o zarządzaniu oraz inżynierii Uniwersytetu Stanforda.

Ten artykuł służy do ogólnych celów informacyjnych i nie ma na celu i nie powinien być traktowany jako porada prawna lub inwestycyjna. Poglądy, myśli i opinie wyrażone tutaj są wyłącznie autorem i niekoniecznie odzwierciedlają lub reprezentują poglądy i opinie Cointelegraph.

Źródło: https://cointelegraph.com/news/silicon-valley-bank-was-the-tip-of-a-banking-iceberg