Silicon Valley Bank was het topje van een bancaire ijsberg

Traditionele financiële instellingen nemen deposito's van klanten en gebruiken deze om leningen te verstrekken. Maar ze lenen veel meer uit dan wat ze op een bepaald moment in petto hebben - een concept dat bekend staat als fractioneel bankieren. Enerzijds wordt het verschil tussen de rente op de leningen en de rente betaald aan deposanten de nettorentemarge genoemd en bepaalt de winstgevendheid van een bank. Aan de andere kant wordt het verschil tussen activa en passiva hun eigen vermogen genoemd en bepaalt het de weerbaarheid van de bank tegen externe schokken.

Vóór de laatste run op de bank werd SVB niet alleen gezien als een winstgevende bankinstelling, maar ook als een veilige instelling omdat het $ 212 miljard aan activa had tegen ongeveer $ 200 miljard aan passiva. Dat betekent dat ze een buffer hadden van $ 12 miljard aan eigen vermogen of 5.6% van de activa. Dat is niet slecht, hoewel het ongeveer de helft is van het gemiddelde van 11.4% bij banken.

Het probleem is dat recente acties van de Federal Reserve van de Verenigde Staten de waarde van langlopende schulden verminderden, waaraan SVB zwaar was blootgesteld door haar door hypotheken gedekte effecten (ongeveer $ 82 miljard). Toen SVB in december aan zijn aandeelhouders meldde dat het $ 15 miljard aan niet-gerealiseerde verliezen had, waardoor het aandelenkussen van de bank werd weggevaagd, riep dat veel vragen op.

Zie ook: USDC gedepegd, maar het gaat niet in gebreke blijven

Op 8 maart kondigde SVB aan dat het $ 21 miljard aan liquide middelen met verlies had verkocht en verklaarde dat het geld zou inzamelen om het verlies te compenseren. Maar dat het de noodzaak aankondigde om meer geld op te halen – en zelfs overwoog de bank te verkopen – baarde investeerders grote zorgen, wat leidde tot ongeveer $ 42 miljard aan pogingen tot opnames van de bank. SVB had natuurlijk niet voldoende liquiditeit en de Federal Deposit Insurance Corporation nam het op 17 maart over.

De macrofinancieringsliteratuur heeft veel te zeggen over deze situaties, maar een goede samenvatting is om een ​​zeer niet-lineaire dynamiek te verwachten - dat wil zeggen, kleine veranderingen in inputs (de equity-to-asset ratio) kunnen substantiële veranderingen in output hebben ( liquiditeit). Bankruns kunnen gevoeliger zijn tijdens recessies en grote gevolgen hebben voor de totale economische activiteit.

Streven naar structurele oplossingen

Natuurlijk is SVB niet de enige bank die een grotere en risicovollere blootstelling heeft aan macro-economische omstandigheden, zoals rentetarieven en consumentenvraag, maar het was slechts het topje van de ijsberg dat de afgelopen week in het nieuws kwam. En we hebben dit eerder gezien - meest recentelijk tijdens de financiële crisis van 2007-2008 met de ineenstorting van Washington Mutual. De nasleep leidde tot een golf van financiële regulering, grotendeels in de Dodd-Frank Act, die de autoriteiten van de Federal Reserve uitbreidde om financiële activiteiten te reguleren en nieuwe richtlijnen voor consumentenbescherming goedkeurde, waaronder de lancering van het Consumer Financial Protection Bureau.

Merk op dat de DFA ook de "Volcker-regel" heeft uitgevaardigd, waardoor banken worden beperkt van handel voor eigen rekening en andere speculatieve investeringen, waardoor banken grotendeels niet kunnen functioneren als investeringsbanken die hun eigen deposito's gebruiken om aandelen, obligaties, valuta's enzovoort te verhandelen.

JUST IN: SEC start onderzoek naar Silicon Valley Bank $SIVB executives aandelenverkopen dagen voor de ineenstorting.

—Watcher.Guru (@WatcherGuru) 14 maart 2023

De opkomst van financiële regulering leidde tot een scherpe verandering in de vraag naar STEM-werknemers (wetenschap, technologie, engineering en wiskunde), of kortweg "quants". Financiële diensten zijn bijzonder gevoelig voor veranderingen in de regelgeving, waarbij een groot deel van de last op de arbeid valt, aangezien de regelgeving van invloed is op hun niet-rentedragende uitgaven. Banken realiseerden zich dat ze de nalevingskosten konden verlagen en de operationele efficiëntie konden verhogen door meer automatisering.

En dat is precies wat er gebeurde: het aandeel STEM-werknemers groeide tussen 30 en 2011 met 2017% in de financiële dienstverlening, en veel hiervan werd toegeschreven aan de toegenomen regelgeving. Kleine en middelgrote banken (MKB's) hebben het echter moeilijker gehad om met deze regelgeving om te gaan - ten minste gedeeltelijk vanwege de kosten van het inhuren en ontwikkelen van geavanceerde dynamische modellen om macro-economische omstandigheden en balansen te voorspellen.

De huidige state-of-the-art in macro-economische prognoses zit vast in econometrische modellen uit 1990 die zeer onnauwkeurig zijn. Hoewel prognoses vaak op het laatste moment worden bijgesteld om nauwkeuriger te lijken, is de realiteit dat er geen consensuswerkpaardmodel of -benadering is voor het voorspellen van toekomstige economische omstandigheden, afgezien van enkele opwindende en experimentele benaderingen door bijvoorbeeld de Atlanta Federal Reserve met zijn GDPNow-tool.

Zie ook: Wetgevers zouden de oorlogsconsigliere van de SEC moeten controleren op wetgeving

Maar zelfs deze 'nowcasting'-tools bevatten geen grote hoeveelheden uitgesplitste gegevens, waardoor de prognoses minder relevant zijn voor MKB-bedrijven die zijn blootgesteld aan bepaalde activaklassen of regio's en minder geïnteresseerd zijn in de nationale toestand van de economie op zich.

We moeten afstappen van prognoses als een "check-the-box" maatregel voor naleving van de regelgeving, naar een instrument voor strategische besluitvorming dat serieus wordt genomen. Als de nowcasts niet betrouwbaar werken, stop dan met het produceren ervan of bedenk een manier om ze bruikbaar te maken. De wereld is zeer dynamisch en we moeten alle tools gebruiken die tot onze beschikking staan, variërend van gedesaggregeerde gegevens tot geavanceerde machine learning-tools, om ons te helpen de tijden waarin we ons bevinden te begrijpen, zodat we ons voorzichtig kunnen gedragen en mogelijke crises kunnen vermijden.

Zou een beter modellenwerk Silicon Valley Bank hebben gered? Misschien niet, maar betere modellering zou de transparantie hebben vergroot en de waarschijnlijkheid dat de juiste vragen zouden worden gesteld om de juiste voorzorgsmaatregelen te nemen. Technologie is een hulpmiddel — geen vervanging — voor goed bestuur.

In de nasleep van de ineenstorting van Silicon Valley Bank is er veel met de vinger gewezen en het verleden herhaald. Wat nog belangrijker is, we zouden ons moeten afvragen: Waarom vond de bankrun plaats en wat kunnen we hiervan leren?

Dit artikel is bedoeld voor algemene informatiedoeleinden en is niet bedoeld en mag niet worden opgevat als juridisch of beleggingsadvies. De meningen, gedachten en meningen die hier worden geuit, zijn alleen van de auteur en weerspiegelen of vertegenwoordigen niet noodzakelijk de meningen en meningen van Cointelegraph.