Tỷ giá Bitcoin BTC BTC
62814 $
-0.03%
Tỷ giá Ethereum ETH ETH
2581 $
-0.12%
Tỷ giá Tether USDt USDT USDT
1,00 $
-0.05%
Tỷ giá BNB BNB BNB
582,71 $
0.04%
Tỷ giá Solana SOL SOL
144,99 $
0.03%
Tỷ giá USD Coin USDC USDC
1,00 $
0.01%
Tỷ giá USDC USDC USDC
1,00 $
-0.04%
Tỷ giá XRP XRP XRP
0,5913 $
-0.35%
Tỷ giá Dogecoin DOGE DOGE
0,1067 $
-0.02%
Tỷ giá Toncoin TON TON
5,57 $
0.02%
Tỷ giá TRON TRX TRX
0,1515 $
0.07%
Tỷ giá Cardano ADA ADA
0,3542 $
0.48%
Tỷ giá Avalanche AVAX AVAX
27,02 $
0.24%
Tỷ giá Shiba Inu SHIB SHIB
0,0000 $
-0.26%
Tỷ giá Chainlink LINK LINK
11,23 $
-0.00%
Tỷ giá Bitcoin Cash BCH BCH
338,96 $
-0.19%
Tỷ giá Polkadot DOT DOT
4,37 $
0.35%
Tỷ giá Dai DAI DAI
1,00 $
0.01%
Tỷ giá UNUS SED LEO LEO LEO
5,73 $
0.06%
Tỷ giá Litecoin LTC LTC
67,53 $
0.33%
  1. Home iconBạn đang ở:
  2. Trang chủ
  3. Tin tức tiền điện tử
  4. Ngân hàng Thung lũng Silicon là phần nổi của tảng băng ngân hàng

Ngân hàng Thung lũng Silicon là phần nổi của tảng băng ngân hàng

14/03/2023 23:30 read102
Ngân hàng Thung lũng Silicon là phần nổi của tảng băng ngân hàng

Dự đoán của ngân hàng cần phải trở thành nhiều hơn một chuyển động hộp kiểm để tuân thủ quy định. Nó cần được coi như một công cụ ra quyết định chiến lược.

Các tổ chức tài chính truyền thống nhận tiền gửi từ khách hàng và sử dụng chúng để cho vay. Nhưng họ cho vay nhiều hơn số tiền họ có tại một thời điểm nhất định - một khái niệm được gọi là ngân hàng phân đoạn. Một mặt, chênh lệch giữa lãi suất cho vay và lãi suất trả cho người gửi tiền được gọi là biên lãi ròng và xác định khả năng sinh lời của ngân hàng. Mặt khác, chênh lệch giữa tài sản có và tài sản nợ được gọi là vốn chủ sở hữu và xác định khả năng phục hồi của ngân hàng trước những cú sốc bên ngoài.

Trước cuộc điều hành ngân hàng gần đây nhất, SVB không chỉ được coi là một tổ chức ngân hàng có lợi nhuận mà còn là một tổ chức an toàn vì nó nắm giữ 212 tỷ đô la tài sản so với khoảng 200 tỷ đô la nợ phải trả. Điều đó có nghĩa là họ có một khoản dự phòng trị giá 12 tỷ USD hay 5,6% tài sản. Điều đó không tệ, bất chấp việc nó chỉ bằng một nửa mức trung bình 11,4% giữa các ngân hàng.

Vấn đề là các hành động gần đây của Cục dự trữ liên bang Hoa Kỳ đã làm giảm giá trị của khoản nợ dài hạn mà SVB chịu ảnh hưởng nặng nề thông qua các chứng khoán đảm bảo bằng thế chấp (khoảng 82 tỷ USD). Khi SVB thông báo với các công ty giữ cổ phần của mình vào tháng 12 rằng họ có khoản lỗ chưa thực hiện là 15 tỷ đô la, xóa sạch phần đệm vốn chủ sở hữu của ngân hàng, điều này đã đặt ra nhiều câu hỏi.

Vào ngày 8 tháng 3, SVB thông báo đã bán lỗ 21 tỷ đô la tài sản lưu động và tuyên bố sẽ huy động tiền để bù lỗ. Nhưng việc nó tuyên bố cần huy động thêm tiền - và thậm chí còn cân nhắc bán ngân hàng - khiến các nhà đầu tư lo ngại đáng kể, dẫn đến khoảng 42 tỷ đô la đã cố gắng rút tiền khỏi ngân hàng. Tất nhiên, SVB không có đủ thanh khoản và Tổng công ty Bảo hiểm Tiền gửi Liên bang đã tiếp quản vào ngày 17 tháng 3.

Tài liệu tài chính vĩ mô có rất nhiều điều để nói về những tình huống này, nhưng một bản tóm tắt tốt là mong đợi các động lực phi tuyến tính cao — nghĩa là, những thay đổi nhỏ trong đầu vào (tỷ lệ vốn chủ sở hữu trên tài sản) có thể tạo ra những thay đổi đáng kể cho đầu ra (thanh khoản). Rút tiền gửi ngân hàng có thể dễ xảy ra hơn trong thời kỳ suy thoái và có tác động lớn đến hoạt động kinh tế tổng thể.

Theo đuổi giải pháp công trình

Chắc chắn, SVB không phải là ngân hàng duy nhất chịu rủi ro cao hơn trước các điều kiện kinh tế vĩ mô, chẳng hạn như lãi suất và nhu cầu của người tiêu dùng, nhưng đó chỉ là phần nổi của tảng băng chìm được đưa tin trong tuần qua. Và chúng ta đã thấy điều này trước đây — gần đây nhất là trong cuộc khủng hoảng tài chính 2007–2008 với sự sụp đổ của Washington Mutual. Hậu quả dẫn đến sự biến động trong quy định tài chính, phần lớn là trong Đạo luật Dodd–Frank, đạo luật này đã mở rộng thẩm quyền của Cục Dự trữ Liên bang trong việc điều chỉnh hoạt động tài chính và cho phép các hướng dẫn bảo vệ người tiêu dùng mới, bao gồm cả việc ra mắt Cục Bảo vệ Tài chính Người tiêu dùng.

Đáng chú ý, DFA cũng ban hành Quy tắc Volcker, hạn chế các ngân hàng tự doanh và các khoản đầu tư đầu cơ khác, phần lớn ngăn cản các ngân hàng hoạt động như ngân hàng đầu tư sử dụng tiền gửi của chính họ để giao dịch cổ phiếu, trái phiếu, tiền tệ, v.v.

Sự gia tăng của các quy định tài chính dẫn đến sự thay đổi mạnh mẽ về nhu cầu đối với lao động khoa học, công nghệ, kỹ thuật và toán học (STEM), hoặc các nhà định lượng để bán ngắn hạn Các dịch vụ tài chính đặc biệt nhạy cảm với những thay đổi về quy định, với phần lớn gánh nặng đổ lên vai lao động vì quy định ảnh hưởng đến chi phí ngoài lãi suất của họ. Các ngân hàng nhận ra rằng họ có thể giảm chi phí tuân thủ và tăng hiệu quả hoạt động bằng cách tăng cường tự động hóa.

Và đó chính xác là những gì đã xảy ra: Tỷ lệ nhân viên STEM đã tăng 30% từ năm 2011 đến 2017 trong các dịch vụ tài chính và phần lớn điều này là do sự gia tăng quy định. Tuy nhiên, các ngân hàng vừa và nhỏ (SMB) đã gặp nhiều khó khăn hơn trong việc đối phó với các quy định này — ít nhất một phần là do chi phí thuê và xây dựng các mô hình năng động phức tạp để dự báo các điều kiện kinh tế vĩ mô và bảng cân đối kế toán.

Công nghệ tiên tiến nhất hiện nay trong dự báo kinh tế vĩ mô bị mắc kẹt trong các mô hình kinh tế lượng năm 1990 có độ chính xác cao. bất chấp việc các dự báo thường được điều chỉnh vào phút cuối để có vẻ chính xác hơn, nhưng thực tế là không có mô hình hay cách tiếp cận thống nhất để dự báo các điều kiện kinh tế trong tương lai, ngoại trừ một số cách tiếp cận thú vị và thử nghiệm của Cục Dự trữ Liên bang Atlanta với Công cụ GDPNow.

Nhưng ngay cả những công cụ phân tích hiện tại này cũng không kết hợp số lượng lớn dữ liệu được phân tách, điều này làm cho các dự báo trở nên kém chính xác hơn đối với các SMB tiếp xúc với các loại tài sản hoặc khu vực nhất định và ít quan tâm đến tình trạng kinh tế quốc gia hơn.

Chúng ta cần tránh xa việc dự đoán như một biện pháp test tuân thủ quy định sẵn có để hướng tới một công cụ ra quyết định chiến lược được thực hiện nghiêm túc. Nếu các chương trình phát sóng hiện tại không hoạt động đáng tin cậy, hãy ngừng sản xuất chúng hoặc tìm cách làm cho chúng trở nên hữu ích. Thế giới rất năng động và chúng ta cần sử dụng tất cả các công cụ có sẵn, từ dữ liệu được phân tách đến các công cụ học máy tinh vi, để giúp chúng ta hiểu được thời điểm hiện tại để có thể hành xử thận trọng và tránh các cuộc khủng hoảng tiềm ẩn.

Liệu mô hình tốt hơn có cứu được Ngân hàng Thung lũng Silicon? Có thể không, nhưng mô hình hóa tốt hơn sẽ làm tăng tính minh bạch và khả năng các câu hỏi phù hợp sẽ được đặt ra để thúc đẩy các biện pháp phòng ngừa phù hợp. Công nghệ là một công cụ — không phải là công cụ thay thế — để quản trị tốt.

Sau sự sụp đổ của Ngân hàng Thung lũng Silicon, đã có rất nhiều người chỉ trích và nhắc lại quá khứ. Quan trọng hơn, chúng ta nên đặt câu hỏi: Tại sao ngân hàng rút tiền lại xảy ra, và chúng ta có thể học được gì?

Christos A. Makridis là giáo sư và doanh nhân. Ông giữ vai trò là Giám đốc điều hành và người sáng lập Dainamic, một công ty khởi nghiệp về công nghệ tài chính sử dụng trí tuệ nhân tạo để cải thiện khả năng dự báo, đồng thời là chi nhánh nghiên cứu tại Đại học Stanford và Đại học Nicosia, cùng những công ty khác. Ông giữ bằng tiến sĩ về kinh tế và khoa học quản lý và kỹ thuật của Đại học Stanford.

Bài viết này dành cho mục đích thông tin chung và không nhằm mục đích và không nên được coi là lời khuyên pháp lý hoặc đầu tư. Quan điểm, suy nghĩ và ý kiến bày tỏ ở đây là của riêng tác giả và không nhất thiết phản ánh hoặc đại diện cho quan điểm và ý kiến của WebGiaCoin.

Theo CoinTelegraph

Chia sẻ bài viết này với bạn bè qua Facebook / Zalo / Telegram:

Tags: Ngân hàng Thung lũng Silicon, Thung lũng Silicon, Ngân hàng,