Silicon Valley Bank byla špičkou bankovního ledovce

Tradiční finanční instituce berou vklady od zákazníků a používají je k poskytování úvěrů. Ale půjčují mnohem víc, než co mají v daném okamžiku na skladě – koncept známý jako frakční bankovnictví. Na jedné straně se rozdíl mezi úroky z úvěrů a úroky placenými vkladatelům nazývá čistá úroková marže a určuje ziskovost banky. Na druhou stranu rozdíl mezi aktivy a pasivy je označován jako jejich vlastní kapitál a určuje odolnost banky vůči vnějším šokům.

Před posledním útokem na banku byla SVB považována nejen za ziskovou bankovní instituci, ale také za bezpečnou, protože držela aktiva ve výši 212 miliard dolarů oproti pasivům zhruba 200 miliard dolarů. To znamená, že měli polštář ve výši 12 miliard dolarů ve vlastním kapitálu nebo 5.6 % aktiv. To není špatné, i když je to zhruba polovina průměru 11.4 % mezi bankami.

Problém je v tom, že nedávné kroky federálního rezervního fondu Spojených států snížily hodnotu dlouhodobého dluhu, kterému byla SVB silně vystavena prostřednictvím svých cenných papírů zajištěných hypotékami (zhruba 82 miliard USD). Když SVB v prosinci oznámila svým akcionářům, že má nerealizované ztráty ve výši 15 miliard dolarů, čímž vymazala kapitálový polštář banky, vyvolalo to mnoho otázek.

Související: USDC odladěn, ale nebude výchozí

8. března SVB oznámila, že prodala likvidní aktiva ve výši 21 miliard USD se ztrátou a uvedla, že získá peníze na vyrovnání ztráty. Ale to, že oznámila potřebu získat více peněz – a dokonce zvažovala prodej banky – významně znepokojilo investory, což vedlo k pokusům o výběry z banky ve výši zhruba 42 miliard dolarů. SVB samozřejmě neměla dostatečnou likviditu a 17. března převzala vedení Federal Deposit Insurance Corporation.

Makrofinanční literatura má o těchto situacích hodně co říci, ale dobrým shrnutím je očekávat vysoce nelineární dynamiku – to znamená, že malé změny ve vstupech (poměr vlastního kapitálu k aktivům) mohou mít podstatné změny na výstupu ( likvidita). Bankovní runy mohou být náchylnější během recese a mají velký dopad na celkovou ekonomickou aktivitu.

Sledování konstrukčních řešení

Jistě, SVB není jedinou bankou, která má vyšší a rizikovější expozici vůči makroekonomickým podmínkám, jako jsou úrokové sazby a spotřebitelská poptávka, ale byla to jen špička ledovce, která zasáhla zprávy během minulého týdne. A viděli jsme to již dříve – naposledy během finanční krize v letech 2007–2008 s krachem Washington Mutual. Následky vedly k prudkému nárůstu finanční regulace, převážně v Dodd-Frankově zákoně, který rozšířil pravomoci Federálního rezervního systému o regulaci finanční činnosti a schválil nové směrnice na ochranu spotřebitele, včetně spuštění Úřadu pro finanční ochranu spotřebitelů.

Je třeba poznamenat, že DFA také uzákonila „Volckerovo pravidlo“, které omezuje banky v obchodování na vlastní účet a dalších spekulativních investicích, což do značné míry brání bankám fungovat jako investiční banky využívající své vlastní vklady k obchodování s akciemi, dluhopisy, měnami a tak dále.

JUST IN: SEC zahajuje vyšetřování Silicon Valley Bank $ SIVB prodej akcií vedoucích pracovníků se uskutečnil dny před kolapsem.

—Watcher.Guru (@WatcherGuru) 14. března 2023

Vzestup finanční regulace vedl k prudké změně v poptávce po vědeckých, technologických, inženýrských a matematických (STEM) pracovnících, zkráceně „kvantách“. Finanční služby jsou obzvláště citlivé na regulační změny, přičemž velká část zátěže dopadá na pracovní síly, protože regulace ovlivňuje jejich neúrokové náklady. Banky si uvědomily, že mohou snížit náklady na dodržování předpisů a zvýšit provozní efektivitu zvýšením automatizace.

A přesně to se stalo: Podíl pracovníků STEM vzrostl mezi lety 30 a 2011 ve finančních službách o 2017 % a velká část z toho byla připsána nárůstu regulace. Malé a střední banky (SMB) se však s těmito regulacemi vypořádaly obtížněji – alespoň částečně kvůli nákladům na nábor a budování sofistikovaných dynamických modelů pro předpovídání makroekonomických podmínek a rozvah.

Současný stav v oblasti makroekonomických prognóz je uvízlý v ekonometrických modelech z roku 1990, které jsou vysoce nepřesné. Zatímco předpovědi se často upravují na poslední chvíli, aby se zdály přesnější, realita je taková, že neexistuje žádný konsensuální model tahouna nebo přístup k předpovídání budoucích ekonomických podmínek. nástroj GDPNow.

Související: Zákonodárci by měli zkontrolovat válečné konsigliere SEC s legislativou

Ale ani tyto nástroje „nowcastingu“ nezahrnují obrovské množství rozčleněných dat, což činí prognózy méně relevantními pro malé a střední podniky, které jsou vystaveny určitým třídám aktiv nebo regionům a méně se zajímají o národní stav ekonomiky jako takové.

Musíme se posunout od prognózování jako „zaškrtávacího“ opatření pro dodržování předpisů a přejít ke strategickému rozhodovacímu nástroji, který je brán vážně. Pokud nowcasty nefungují spolehlivě, buď je přestaňte vyrábět, nebo vymyslete způsob, jak je učinit užitečnými. Svět je vysoce dynamický a my potřebujeme využívat všechny nástroje, které máme k dispozici, od rozčleněných dat po sofistikované nástroje strojového učení, které nám pomohou porozumět době, ve které se nacházíme, abychom se mohli chovat obezřetně a vyhnout se potenciálním krizím.

Zachránilo by lepší modelování banku Silicon Valley? Možná ne, ale lepší modelování by zvýšilo transparentnost a pravděpodobnost, že by byly položeny správné otázky, které by vyvolaly správná opatření. Technologie je nástroj – nikoli náhrada – dobré správy věcí veřejných.

Po krachu Silicon Valley Bank se hodně osočovalo a opakovalo minulost. Ještě důležitější je, že bychom se měli ptát: Proč došlo ke spuštění banky a co se můžeme naučit?

Tento článek je určen pro obecné informační účely a není zamýšlen a neměl by být považován za právní nebo investiční poradenství. Názory, myšlenky a názory zde vyjádřené jsou pouze autorovy a nemusí nutně odrážet nebo reprezentovat názory a názory Cointelegraphu.