Η Silicon Valley Bank ήταν η κορυφή ενός τραπεζικού παγόβουνου

Τα παραδοσιακά χρηματοπιστωτικά ιδρύματα λαμβάνουν καταθέσεις από πελάτες και τις χρησιμοποιούν για να κάνουν δάνεια. Αλλά δανείζουν πολύ περισσότερα από αυτά που επιφυλάσσουν σε μια δεδομένη χρονική στιγμή - μια έννοια γνωστή ως fractional banking. Από τη μια πλευρά, η διαφορά μεταξύ των τόκων των δανείων και των τόκων που καταβάλλονται στους καταθέτες αναφέρεται ως το καθαρό περιθώριο επιτοκίου και καθορίζει την κερδοφορία μιας τράπεζας. Από την άλλη πλευρά, η διαφορά μεταξύ των περιουσιακών στοιχείων και των υποχρεώσεων αναφέρεται ως ίδια κεφάλαιά τους και καθορίζει την ανθεκτικότητα της τράπεζας σε εξωτερικούς κραδασμούς.

Πριν από την τελευταία λειτουργία της τράπεζας, η SVB θεωρείτο όχι μόνο ως ένα κερδοφόρο τραπεζικό ίδρυμα αλλά και ως ασφαλές, επειδή κατείχε 212 δισεκατομμύρια δολάρια σε περιουσιακά στοιχεία έναντι περίπου 200 δισεκατομμυρίων δολαρίων σε υποχρεώσεις. Αυτό σημαίνει ότι είχαν ένα μαξιλάρι 12 δισεκατομμυρίων δολαρίων σε ίδια κεφάλαια ή 5.6% του ενεργητικού. Αυτό δεν είναι κακό, αν και είναι περίπου το ήμισυ του μέσου όρου του 11.4% μεταξύ των τραπεζών.

Το πρόβλημα είναι ότι οι πρόσφατες ενέργειες του ομοσπονδιακού αποθεματικού των Ηνωμένων Πολιτειών μείωσαν την αξία του μακροπρόθεσμου χρέους, στο οποίο η SVB ήταν σε μεγάλο βαθμό εκτεθειμένη μέσω των τίτλων της που υποστηρίζονται από στεγαστικά δάνεια (περίπου 82 δισεκατομμύρια δολάρια). Όταν η SVB επισήμανε στους μετόχους της τον Δεκέμβριο ότι είχε μη πραγματοποιηθείσες ζημίες 15 δισεκατομμυρίων δολαρίων, εξαλείφοντας το μετοχικό μαξιλάρι της τράπεζας, προκάλεσε πολλά ερωτήματα.

Συγγενεύων: Το USDC είναι depegged, αλλά δεν πρόκειται να είναι προεπιλεγμένο

Στις 8 Μαρτίου, η SVB ανακοίνωσε ότι είχε πουλήσει 21 δισεκατομμύρια δολάρια σε ρευστά περιουσιακά στοιχεία με ζημία και δήλωσε ότι θα συγκεντρώσει χρήματα για να αντισταθμίσει τη ζημιά. Αλλά το ότι ανακοίνωσε την ανάγκη συγκέντρωσης περισσότερων χρημάτων - και ακόμη και το ενδεχόμενο πώλησης της τράπεζας - απασχόλησε σημαντικά τους επενδυτές, οδηγώντας σε απόπειρες αναλήψεων περίπου 42 δισεκατομμυρίων δολαρίων από την τράπεζα. Φυσικά, η SVB δεν είχε επαρκή ρευστότητα και η Federal Deposit Insurance Corporation ανέλαβε στις 17 Μαρτίου.

Η βιβλιογραφία για τα μακροοικονομικά έχει πολλά να πει για αυτές τις καταστάσεις, αλλά μια καλή περίληψη είναι να περιμένουμε εξαιρετικά μη γραμμική δυναμική — δηλαδή, μικρές αλλαγές στις εισροές (ο λόγος ιδίων κεφαλαίων προς περιουσιακό στοιχείο) μπορεί να έχουν σημαντικές αλλαγές στην παραγωγή ( ρευστότητα). Οι τραπεζικές καταστροφές μπορεί να είναι πιο επιρρεπείς σε περιόδους ύφεσης και να έχουν μεγάλες επιπτώσεις στη συνολική οικονομική δραστηριότητα.

Επιδίωξη δομικών λύσεων

Σίγουρα, η SVB δεν είναι η μόνη τράπεζα που έχει υψηλότερη και επικίνδυνη έκθεση σε μακροοικονομικές συνθήκες, όπως τα επιτόκια και η καταναλωτική ζήτηση, αλλά ήταν μόνο η κορυφή του παγόβουνου που έπληξε τα νέα την περασμένη εβδομάδα. Και το έχουμε ξαναδεί - πιο πρόσφατα κατά τη διάρκεια της οικονομικής κρίσης 2007–2008 με την κατάρρευση της Washington Mutual. Τα επακόλουθα οδήγησαν σε άνοδο των χρηματοοικονομικών ρυθμίσεων, κυρίως στον νόμο Dodd–Frank, ο οποίος επέκτεινε τις αρχές της Ομοσπονδιακής Τράπεζας για τη ρύθμιση της χρηματοοικονομικής δραστηριότητας και ενέκρινε νέες κατευθυντήριες γραμμές για την προστασία των καταναλωτών, συμπεριλαμβανομένης της έναρξης του Γραφείου Οικονομικής Προστασίας των Καταναλωτών.

Αξίζει να σημειωθεί ότι η DFA θέσπισε επίσης τον «Κανόνα Volcker», περιορίζοντας τις τράπεζες από τις ιδιόκτητες συναλλαγές και άλλες κερδοσκοπικές επενδύσεις, εμποδίζοντας σε μεγάλο βαθμό τις τράπεζες να λειτουργούν ως επενδυτικές τράπεζες χρησιμοποιώντας τις δικές τους καταθέσεις για να εμπορεύονται μετοχές, ομόλογα, νομίσματα και ούτω καθεξής.

Η άνοδος της χρηματοοικονομικής ρύθμισης οδήγησε σε μια απότομη αλλαγή στη ζήτηση για εργαζομένους στην επιστήμη, την τεχνολογία, τη μηχανική και τα μαθηματικά (STEM), ή για συντομία «quants». Οι χρηματοπιστωτικές υπηρεσίες είναι ιδιαίτερα ευαίσθητες στις ρυθμιστικές αλλαγές, με μεγάλο μέρος της επιβάρυνσης των εργαζομένων, δεδομένου ότι η ρύθμιση επηρεάζει τις μη τόκους δαπάνες τους. Οι τράπεζες συνειδητοποίησαν ότι θα μπορούσαν να μειώσουν το κόστος συμμόρφωσης και να αυξήσουν τη λειτουργική αποτελεσματικότητα αυξάνοντας την αυτοματοποίηση.

Και αυτό ακριβώς συνέβη: Το ποσοστό των εργαζομένων STEM αυξήθηκε κατά 30% μεταξύ 2011 και 2017 στις χρηματοπιστωτικές υπηρεσίες, και μεγάλο μέρος αυτού αποδόθηκε στην αύξηση των ρυθμίσεων. Ωστόσο, οι μικρές και μεσαίες τράπεζες (ΜΜΒ) πέρασαν πιο δύσκολα για να αντιμετωπίσουν αυτούς τους κανονισμούς — τουλάχιστον εν μέρει λόγω του κόστους πρόσληψης και δημιουργίας εξελιγμένων δυναμικών μοντέλων για την πρόβλεψη των μακροοικονομικών συνθηκών και των ισολογισμών.

Η τρέχουσα κατάσταση της τεχνολογίας στις μακροοικονομικές προβλέψεις έχει κολλήσει σε οικονομικά μοντέλα του 1990 που είναι εξαιρετικά ανακριβή. Ενώ οι προβλέψεις προσαρμόζονται συχνά την τελευταία στιγμή για να φαίνονται πιο ακριβείς, η πραγματικότητα είναι ότι δεν υπάρχει συναινετικό μοντέλο ή προσέγγιση για την πρόβλεψη των μελλοντικών οικονομικών συνθηκών, παραμερίζοντας ορισμένες συναρπαστικές και πειραματικές προσεγγίσεις από, για παράδειγμα, την Ομοσπονδιακή Τράπεζα της Ατλάντα με Εργαλείο GDPNow.

Συγγενεύων: Οι νομοθέτες θα πρέπει να ελέγξουν τη νομοθεσία της Επιτροπής Κεφαλαιαγοράς εν καιρώ πολέμου

Ωστόσο, ακόμη και αυτά τα εργαλεία «nowcasting» δεν ενσωματώνουν τεράστιες ποσότητες αποσπασματικών δεδομένων, γεγονός που καθιστά τις προβλέψεις λιγότερο συναφείς για τις μικρομεσαίες επιχειρήσεις που εκτίθενται σε ορισμένες κατηγορίες περιουσιακών στοιχείων ή περιοχές και ενδιαφέρονται λιγότερο για την εθνική κατάσταση της οικονομίας αυτή καθαυτή.

Πρέπει να απομακρυνθούμε από την πρόβλεψη ως μέτρο συμμόρφωσης με το «check-the-box» προς ένα στρατηγικό εργαλείο λήψης αποφάσεων που λαμβάνεται σοβαρά υπόψη. Εάν τα nowcast δεν αποδίδουν αξιόπιστα, είτε σταματήστε να τα παράγετε είτε βρείτε έναν τρόπο να τα κάνετε χρήσιμα. Ο κόσμος είναι εξαιρετικά δυναμικός και πρέπει να χρησιμοποιήσουμε όλα τα εργαλεία που έχουμε στη διάθεσή μας, από ομαδοποιημένα δεδομένα έως εξελιγμένα εργαλεία μηχανικής εκμάθησης, για να μας βοηθήσουν να κατανοήσουμε την εποχή που διανύουμε, ώστε να μπορούμε να συμπεριφερόμαστε με σύνεση και να αποφεύγουμε πιθανές κρίσεις.

Το καλύτερο μόντελινγκ θα έσωζε την Silicon Valley Bank; Ίσως όχι, αλλά η καλύτερη μοντελοποίηση θα είχε αυξήσει τη διαφάνεια και την πιθανότητα να τεθούν οι σωστές ερωτήσεις για να παρακινηθούν οι σωστές προφυλάξεις. Η τεχνολογία είναι ένα εργαλείο — όχι υποκατάστατο — της χρηστής διακυβέρνησης.

Στον απόηχο της κατάρρευσης της Silicon Valley Bank, υπήρξαν πολλές δακτυλοδεικτήσεις και αναμνήσεις του παρελθόντος. Το πιο σημαντικό, θα πρέπει να ρωτήσουμε: Γιατί συνέβη το bank run και τι μπορούμε να μάθουμε;

Χρήστος Α. Μακρίδης είναι καθηγητής και επιχειρηματίας. Υπηρετεί ως Διευθύνων Σύμβουλος και ιδρυτής της Dainamic, μιας startup χρηματοοικονομικής τεχνολογίας που χρησιμοποιεί τεχνητή νοημοσύνη για να βελτιώσει τις προβλέψεις, και ως θυγατρική έρευνα στο Πανεπιστήμιο Στάνφορντ και στο Πανεπιστήμιο Λευκωσίας, μεταξύ άλλων. Είναι κάτοχος διδακτορικού διπλώματος στα οικονομικά και τη διαχείριση επιστήμης και μηχανικής από το Πανεπιστήμιο του Στάνφορντ.

Αυτό το άρθρο είναι για σκοπούς γενικής πληροφόρησης και δεν προορίζεται και δεν πρέπει να εκληφθεί ως νομική ή επενδυτική συμβουλή. Οι απόψεις, οι σκέψεις και οι απόψεις που εκφράζονται εδώ είναι αποκλειστικά του συγγραφέα και δεν αντικατοπτρίζουν ούτε αντιπροσωπεύουν απαραίτητα τις απόψεις και τις απόψεις της Cointelegraph.

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