بانک سیلیکون ولی نوک کوه یخ بانکی بود

مؤسسات مالی سنتی از مشتریان سپرده می گیرند و از آنها برای اعطای وام استفاده می کنند. اما آنها بسیار بیشتر از آنچه در یک زمان معین در انبار دارند وام می دهند - مفهومی که به عنوان بانکداری کسری شناخته می شود. از یک سو، تفاوت بین سود وام ها و سود پرداختی به سپرده گذاران، حاشیه سود خالص نامیده می شود و سودآوری بانک را تعیین می کند. از سوی دیگر، تفاوت بین دارایی ها و بدهی ها به عنوان حقوق صاحبان سهام اطلاق می شود و میزان تاب آوری بانک را در برابر شوک های خارجی تعیین می کند.

قبل از آخرین اجرا در بانک، SVB نه تنها به عنوان یک موسسه بانکی سودآور، بلکه یک مؤسسه امن نیز در نظر گرفته می‌شد، زیرا 212 میلیارد دلار دارایی در مقابل حدود 200 میلیارد دلار بدهی داشت. این بدان معناست که آنها دارای 12 میلیارد دلار دارایی یا 5.6 ​​درصد از دارایی ها بودند. این بد نیست، اگرچه تقریباً نصف میانگین 11.4٪ در بین بانک ها است.

مشکل این است که اقدامات اخیر ذخایر فدرال ایالات متحده ارزش بدهی بلندمدت را کاهش داد، که SVB به شدت از طریق اوراق بهادار با پشتوانه وام مسکن خود (تقریباً 82 میلیارد دلار) در معرض آن قرار گرفت. هنگامی که SVB در ماه دسامبر به سهامداران خود اعلام کرد که 15 میلیارد دلار زیان محقق نشده دارد و بالشتک سهام بانک را از بین برد، سؤالات زیادی را برانگیخت.

مرتبط: USDC depegg شده است، اما پیش‌فرض نمی‌شود

در 8 مارس، SVB اعلام کرد که 21 میلیارد دلار دارایی نقدی را با ضرر فروخته است و اعلام کرد که برای جبران این ضرر پول جمع آوری خواهد کرد. اما اعلام نیاز به جمع آوری پول بیشتر - و حتی در نظر گرفتن فروش بانک - سرمایه گذاران را به طور قابل توجهی نگران کرد که منجر به تلاش برای برداشت 42 میلیارد دلاری از بانک شد. البته SVB نقدینگی کافی نداشت و شرکت بیمه سپرده فدرال در 17 مارس مسئولیت را بر عهده گرفت.

ادبیات مالی کلان در مورد این موقعیت‌ها حرف‌های زیادی برای گفتن دارد، اما یک خلاصه خوب این است که انتظار پویایی بسیار غیرخطی را داشته باشیم - یعنی تغییرات کوچک در ورودی‌ها (نسبت ارزش ویژه به دارایی) می‌تواند تغییرات قابل‌توجهی در خروجی داشته باشد. نقدینگی). رکود بانکی ممکن است در زمان رکود بیشتر مستعد باشد و اثرات زیادی بر کل فعالیت های اقتصادی داشته باشد.

پیگیری راه حل های ساختاری

مطمئنا، SVB تنها بانکی نیست که در معرض شرایط کلان اقتصادی، مانند نرخ بهره و تقاضای مصرف‌کننده، بیشتر و پرریسک‌تر است، اما این تنها نوک کوه یخ بود که اخبار را در هفته گذشته منتشر کرد. و ما قبلاً این را دیده‌ایم - اخیراً در جریان بحران مالی 2007-2008 با فروپاشی واشنگتن متقابل. عواقب بعدی به افزایش مقررات مالی منجر شد، عمدتاً در قانون داد-فرانک، که اختیارات فدرال رزرو را برای تنظیم فعالیت های مالی گسترش داد و دستورالعمل های جدید حمایت از مصرف کننده، از جمله راه اندازی دفتر حمایت مالی از مصرف کننده را مجاز کرد.

شایان ذکر است، DFA همچنین "قاعده ولکر" را تصویب کرد، که بانک ها را از معاملات اختصاصی و سایر سرمایه گذاری های سفته بازانه محدود می کرد، تا حد زیادی از عملکرد بانک ها به عنوان بانک های سرمایه گذاری با استفاده از سپرده های خود برای تجارت سهام، اوراق قرضه، ارز و غیره جلوگیری می کرد.

افزایش مقررات مالی منجر به تغییر شدید تقاضا برای کارگران علوم، فناوری، مهندسی و ریاضی (STEM) یا به اختصار «کوانت» شد. خدمات مالی به ویژه نسبت به تغییرات نظارتی حساس هستند، زیرا بسیاری از بارها بر دوش نیروی کار می‌افتد زیرا مقررات بر هزینه‌های بدون بهره آنها تأثیر می‌گذارد. بانک ها متوجه شدند که می توانند هزینه های انطباق را کاهش دهند و با افزایش اتوماسیون، کارایی عملیاتی را افزایش دهند.

و این دقیقاً همان چیزی است که اتفاق افتاد: نسبت کارگران STEM بین سال‌های 30 و 2011 در خدمات مالی 2017 درصد رشد کرد، و بیشتر آن به افزایش مقررات نسبت داده شد. با این حال، بانک‌های کوچک و متوسط ​​(SMB) زمان چالش‌برانگیزتری برای مقابله با این مقررات داشته‌اند - حداقل تا حدی به دلیل هزینه‌های استخدام و ایجاد مدل‌های پویا پیچیده برای پیش‌بینی شرایط اقتصاد کلان و ترازنامه.

وضعیت فعلی پیش‌بینی اقتصاد کلان در مدل‌های اقتصادسنجی سال 1990 گیر کرده است که بسیار نادرست هستند. در حالی که پیش‌بینی‌ها اغلب در آخرین لحظه تنظیم می‌شوند تا دقیق‌تر به نظر برسند، واقعیت این است که هیچ مدل یا رویکردی اجماعی برای پیش‌بینی شرایط اقتصادی آینده وجود ندارد، و برخی از رویکردهای هیجان‌انگیز و تجربی توسط، برای مثال، فدرال رزرو آتلانتا با آن کنار گذاشته می‌شود. ابزار GDPNow.

مرتبط: قانونگذاران باید وکیل SEC در زمان جنگ را با قوانین بررسی کنند

اما حتی این ابزارهای «اکنون پخش» مقادیر زیادی از داده‌های تفکیک‌شده را در خود جای نمی‌دهند، که باعث می‌شود پیش‌بینی‌ها برای SMB‌هایی که در معرض طبقات یا مناطق دارایی خاصی هستند و علاقه کمتری به وضعیت ملی اقتصاد فی‌نفسه دارند، کمتر عملی باشد.

ما باید از پیش‌بینی به‌عنوان یک معیار انطباق مقرراتی «چک جعبه» به سمت یک ابزار تصمیم‌گیری استراتژیک که جدی گرفته می‌شود دور شویم. اگر Nowcastها به طور قابل اعتمادی کار نمی کنند، یا تولید آنها را متوقف کنید یا راهی برای مفید کردن آنها بیابید. دنیا بسیار پویا است و ما باید از همه ابزارهایی که در اختیار داریم، از داده‌های تفکیک‌شده گرفته تا ابزارهای پیچیده یادگیری ماشین، استفاده کنیم تا به ما کمک کند زمان‌هایی را که در آن قرار داریم درک کنیم تا بتوانیم محتاطانه رفتار کنیم و از بحران‌های احتمالی اجتناب کنیم.

آیا مدلسازی بهتر بانک سیلیکون ولی را نجات می داد؟ شاید نه، اما مدل‌سازی بهتر باعث افزایش شفافیت و احتمال پرسیدن سؤالات مناسب برای ایجاد اقدامات احتیاطی مناسب می‌شود. فناوری یک ابزار - نه جایگزین - برای حکمرانی خوب است.

پس از فروپاشی بانک سیلیکون ولی، انگشت نگاری ها و بازخوانی های زیادی از گذشته صورت گرفته است. مهمتر از آن، باید بپرسیم: چرا بانک اجرا شد و چه چیزی می توانیم بیاموزیم؟

کریستوس آ. ماکریدیس استاد و کارآفرین است. او به‌عنوان مدیرعامل و بنیان‌گذار Dainamic، یک استارت‌آپ فناوری مالی که از هوش مصنوعی برای بهبود پیش‌بینی استفاده می‌کند، فعالیت می‌کند و به عنوان یک شرکت وابسته تحقیقاتی در دانشگاه استنفورد و دانشگاه نیکوزیا، در میان دیگران، فعالیت می‌کند. او دارای مدرک دکترای اقتصاد و مدیریت علوم و مهندسی از دانشگاه استنفورد است.

این مقاله برای اهداف اطلاعاتی عمومی است و در نظر گرفته نشده است و نباید به عنوان مشاوره حقوقی یا سرمایه گذاری در نظر گرفته شود. دیدگاه ها، افکار و نظرات بیان شده در اینجا به تنهایی متعلق به نویسنده است و لزوماً منعکس کننده یا نماینده دیدگاه ها و نظرات Cointelegraph نیست.

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