Silicon Valley Bank var toppen av et bankisfjell

Tradisjonelle finansinstitusjoner tar innskudd fra kunder og bruker dem til å gi lån. Men de låner ut mye mer enn det de har i vente på et gitt tidspunkt - et konsept kjent som fractional banking. På den ene siden omtales forskjellen mellom renten på lånene og rentene som betales til innskytere som netto rentemargin og bestemmer bankens lønnsomhet. På den annen side omtales forskjellen mellom eiendeler og gjeld som deres egenkapital og bestemmer bankens motstandskraft mot eksterne sjokk.

Før den siste kjøringen av banken ble SVB sett på som ikke bare en lønnsom bankinstitusjon, men også en trygg en fordi den hadde 212 milliarder dollar i eiendeler mot omtrent 200 milliarder dollar i gjeld. Det betyr at de hadde en pute på 12 milliarder dollar i egenkapital eller 5.6 % av eiendelene. Det er ikke dårlig, selv om det er omtrent halvparten av gjennomsnittet på 11.4 % blant bankene.

Problemet er at nylige handlinger fra USAs føderale reserve reduserte verdien av langsiktig gjeld, som SVB var sterkt eksponert for gjennom sine pantesikrede verdipapirer (omtrent 82 milliarder dollar). Da SVB i desember flagget til sine aksjonærer at de hadde 15 milliarder dollar i urealiserte tap, og utslettet bankens egenkapitalpute, stilte det mange spørsmål.

Relatert: USDC depegged, men det kommer ikke til å bli standard

8. mars kunngjorde SVB at de hadde solgt 21 milliarder dollar i likvide eiendeler med tap og uttalte at de ville skaffe penger for å kompensere for tapet. Men at den kunngjorde et behov for å skaffe mer penger - og til og med vurderte å selge banken - bekymret investorer betydelig, noe som førte til omtrent 42 milliarder dollar i forsøk på uttak fra banken. SVB hadde selvfølgelig ikke tilstrekkelig likviditet, og Federal Deposit Insurance Corporation tok over 17. mars.

Makrofinanslitteraturen har mye å si om disse situasjonene, men en god oppsummering er å forvente svært ikke-lineær dynamikk - det vil si at små endringer i input (egenkapital-til-aktiva-forholdet) kan ha betydelige endringer i produksjonen ( likviditet). Bankløp kan være mer utsatt under lavkonjunkturer og ha store effekter på samlet økonomisk aktivitet.

Forfølge strukturelle løsninger

SVB er riktignok ikke den eneste banken som har høyere og risikofylt eksponering mot makroøkonomiske forhold, som renter og forbrukernes etterspørsel, men det var bare toppen av isfjellet som kom på nyhetene den siste uken. Og vi har sett dette før - sist under finanskrisen 2007–2008 med kollapsen av Washington Mutual. Etterspillet førte til en økning i finansiell regulering, hovedsakelig i Dodd-Frank Act, som utvidet myndighetene til Federal Reserve til å regulere finansiell aktivitet og autoriserte nye retningslinjer for forbrukerbeskyttelse, inkludert lanseringen av Consumer Financial Protection Bureau.

Det er verdt å merke seg at DFA også vedtok "Volcker-regelen", som begrenset banker fra proprietær handel og andre spekulative investeringer, og hindret i stor grad banker i å fungere som investeringsbanker som bruker sine egne innskudd til å handle aksjer, obligasjoner, valutaer og så videre.

JUST INN: SEC starter etterforskning av Silicon Valley Bank $SIVB ledere aksjesalg gjort dager før kollapsen.

—Watcher.Guru (@WatcherGuru) Mars 14, 2023

Økningen av finansiell regulering førte til en kraftig endring i etterspørselen etter vitenskap, teknologi, ingeniør- og matematikkarbeidere (STEM), eller "kvanter" for korte. Finansielle tjenester er spesielt følsomme for reguleringsendringer, og mye av byrden faller på arbeidskraft siden regulering påvirker deres ikke-renteutgifter. Bankene innså at de kunne redusere etterlevelseskostnadene og øke driftseffektiviteten ved å øke automatiseringen.

Og det var akkurat det som skjedde: Andelen STEM-arbeidere vokste med 30 % mellom 2011 og 2017 innen finansielle tjenester, og mye av dette ble tilskrevet økningen i reguleringen. Imidlertid har små og mellomstore banker (SMB) hatt en mer utfordrende tid på å takle disse reguleringene – i det minste delvis på grunn av kostnadene ved å leie inn og bygge ut sofistikerte dynamiske modeller for å forutsi makroøkonomiske forhold og balanser.

Den nåværende state-of-the-art innen makroøkonomisk prognose sitter fast i økonometriske modeller fra 1990 som er svært unøyaktige. Mens prognoser ofte justeres i siste øyeblikk for å fremstå mer nøyaktige, er realiteten at det ikke finnes noen konsensus-arbeidshestmodell eller tilnærming til å forutsi fremtidige økonomiske forhold, og setter til side noen spennende og eksperimentelle tilnærminger fra for eksempel Atlanta Federal Reserve med sine GDPNow-verktøy.

Relatert: Lovgivere bør sjekke SECs krigstidskonsigliere med lovgivning

Men selv disse "nowcasting"-verktøyene inneholder ikke store mengder disaggregerte data, noe som gjør prognosene mindre relevante for SMB-er som er utsatt for visse aktivaklasser eller regioner og mindre interessert i økonomiens nasjonale tilstand i seg selv.

Vi må gå bort fra prognoser som et "sjekk-the-boks"-tiltak for etterlevelse av regelverk mot et strategisk beslutningsverktøy som tas på alvor. Hvis nowcasts ikke fungerer pålitelig, enten slutte å produsere dem eller finne en måte å gjøre dem nyttige. Verden er svært dynamisk, og vi må bruke alle verktøyene vi har til rådighet, alt fra oppdelte data til sofistikerte maskinlæringsverktøy, for å hjelpe oss å forstå tidene vi er inne i, slik at vi kan opptre forsiktig og unngå potensielle kriser.

Ville bedre modellering ha reddet Silicon Valley Bank? Kanskje ikke, men bedre modellering ville ha økt åpenheten og sannsynligheten for at de riktige spørsmålene ville bli stilt for å be om de riktige forholdsreglene. Teknologi er et verktøy – ikke en erstatning – for godt styresett.

I kjølvannet av Silicon Valley Banks kollaps har det vært mye fingerpeking og rehashing fra fortiden. Enda viktigere bør vi spørre: Hvorfor skjedde bankløpet, og hva kan vi lære?

Denne artikkelen er for generell informasjonsformål og er ikke ment å være og skal ikke tas som juridisk eller investeringsråd. Synspunktene, tankene og meningene som uttrykkes her er forfatterens alene og reflekterer eller representerer ikke nødvendigvis synspunktene og meningene til Cointelegraph.