Silicon Valley Bank adalah puncak gunung es perbankan

Lembaga keuangan tradisional mengambil simpanan dari pelanggan dan menggunakannya untuk memberikan pinjaman. Tetapi mereka meminjamkan lebih dari apa yang mereka miliki pada suatu titik waktu tertentu — sebuah konsep yang dikenal sebagai perbankan fraksional. Di satu sisi, perbedaan antara bunga pinjaman dan bunga yang dibayarkan kepada deposan disebut sebagai margin bunga bersih dan menentukan profitabilitas bank. Di sisi lain, perbedaan antara aset dan kewajiban disebut sebagai ekuitas dan menentukan ketahanan bank terhadap guncangan eksternal.

Sebelum menjalankan bank terakhir, SVB dipandang tidak hanya sebagai lembaga perbankan yang menguntungkan tetapi juga aman karena memiliki aset $212 miliar dibandingkan kewajiban sekitar $200 miliar. Itu berarti mereka memiliki bantalan ekuitas sebesar $12 miliar atau 5.6% dari aset. Itu tidak buruk, meskipun kira-kira setengah dari rata-rata 11.4% di antara bank.

Masalahnya adalah bahwa tindakan baru-baru ini oleh cadangan federal Amerika Serikat mengurangi nilai utang jangka panjang, yang sangat diekspos oleh SVB melalui sekuritas yang didukung hipotek (sekitar $82 miliar). Ketika SVB melaporkan kepada para pemegang sahamnya pada bulan Desember bahwa mereka mengalami kerugian $15 miliar yang belum direalisasi, menghapus bantalan ekuitas bank, hal itu menimbulkan banyak pertanyaan.

Terkait: USDC di-depegged, tetapi tidak akan default

Pada 8 Maret, SVB mengumumkan telah menjual $21 miliar aset likuid dengan kerugian dan menyatakan akan mengumpulkan uang untuk mengimbangi kerugian tersebut. Tetapi hal itu mengumumkan perlunya mengumpulkan lebih banyak uang - dan bahkan mempertimbangkan untuk menjual bank - membuat investor khawatir secara signifikan, yang menyebabkan sekitar $42 miliar dalam upaya penarikan dari bank. Tentu saja, SVB tidak memiliki cukup likuiditas, dan Federal Deposit Insurance Corporation mengambil alih pada 17 Maret.

Literatur keuangan makro berbicara banyak tentang situasi ini, tetapi ringkasan yang baik adalah mengharapkan dinamika yang sangat non-linear — yaitu, perubahan kecil pada input (rasio ekuitas terhadap aset) dapat memiliki perubahan substansial pada output ( likuiditas). Bank run mungkin lebih rentan selama resesi dan berdampak besar pada aktivitas ekonomi agregat.

Mengejar solusi struktural

Yang pasti, SVB bukan satu-satunya bank yang memiliki eksposur lebih tinggi dan berisiko terhadap kondisi ekonomi makro, seperti suku bunga dan permintaan konsumen, namun hanya puncak gunung es yang menjadi berita selama seminggu terakhir. Dan kita telah melihat ini sebelumnya — terakhir selama krisis keuangan 2007-2008 dengan runtuhnya Washington Mutual. Buntutnya menyebabkan lonjakan regulasi keuangan, sebagian besar dalam Undang-Undang Dodd–Frank, yang memperluas otoritas Federal Reserve untuk mengatur aktivitas keuangan dan mengesahkan pedoman perlindungan konsumen baru, termasuk peluncuran Biro Perlindungan Keuangan Konsumen.

Sebagai catatan, DFA juga memberlakukan “Volcker Rule,” yang membatasi bank dari perdagangan eksklusif dan investasi spekulatif lainnya, sebagian besar mencegah bank berfungsi sebagai bank investasi menggunakan simpanan mereka sendiri untuk memperdagangkan saham, obligasi, mata uang, dan sebagainya.

Munculnya peraturan keuangan menyebabkan perubahan tajam dalam permintaan akan pekerja sains, teknologi, teknik, dan matematika (STEM), atau singkatnya "quants". Jasa keuangan sangat sensitif terhadap perubahan peraturan, dengan sebagian besar beban jatuh pada tenaga kerja karena peraturan mempengaruhi biaya non-bunga mereka. Bank menyadari bahwa mereka dapat mengurangi biaya kepatuhan dan meningkatkan efisiensi operasional dengan meningkatkan otomatisasi.

Dan itulah yang terjadi: Proporsi pekerja STEM tumbuh sebesar 30% antara tahun 2011 dan 2017 di bidang jasa keuangan, dan sebagian besar disebabkan oleh peningkatan regulasi. Namun, bank kecil dan menengah (UKM) memiliki waktu yang lebih menantang untuk mengatasi peraturan ini — setidaknya sebagian karena biaya perekrutan dan membangun model dinamis yang canggih untuk meramalkan kondisi ekonomi makro dan neraca.

Peramalan ekonomi makro yang canggih saat ini terjebak dalam model ekonometrik tahun 1990 yang sangat tidak akurat. Sementara prakiraan sering disesuaikan pada menit terakhir agar tampak lebih akurat, kenyataannya adalah bahwa tidak ada model pekerja keras konsensus atau pendekatan untuk meramalkan kondisi ekonomi masa depan, mengesampingkan beberapa pendekatan yang menarik dan eksperimental, misalnya, Federal Reserve Atlanta dengan Alat GDPNow.

Terkait: Anggota parlemen harus memeriksa consigliere masa perang SEC dengan undang-undang

Tetapi bahkan alat "nowcasting" ini tidak memasukkan data terpilah dalam jumlah besar, yang membuat prakiraan kurang sesuai untuk UKM yang terpapar pada kelas atau wilayah aset tertentu dan kurang tertarik pada keadaan ekonomi nasional itu sendiri.

Kita perlu beralih dari peramalan sebagai tindakan kepatuhan peraturan yang “ditandai” menuju alat pengambilan keputusan strategis yang dianggap serius. Jika siaran sekarang tidak bekerja dengan andal, hentikan pembuatannya atau cari cara untuk membuatnya berguna. Dunia ini sangat dinamis, dan kita perlu menggunakan semua alat yang kita miliki, mulai dari data terpilah hingga alat pembelajaran mesin yang canggih, untuk membantu kita memahami zaman kita sekarang sehingga kita dapat berperilaku hati-hati dan menghindari potensi krisis.

Apakah pemodelan yang lebih baik akan menyelamatkan Silicon Valley Bank? Mungkin tidak, tetapi pemodelan yang lebih baik akan meningkatkan transparansi dan kemungkinan pertanyaan yang tepat akan diajukan untuk mendorong tindakan pencegahan yang tepat. Teknologi adalah alat — bukan pengganti — untuk tata kelola yang baik.

Sebagai buntut dari keruntuhan Silicon Valley Bank, ada banyak tudingan dan pengulangan masa lalu. Lebih penting lagi, kita harus bertanya: Mengapa bank run terjadi, dan apa yang bisa kita pelajari?

Christos A. Makridis adalah seorang profesor dan pengusaha. Dia menjabat sebagai CEO dan pendiri Dainamic, sebuah perusahaan rintisan teknologi keuangan yang menggunakan kecerdasan buatan untuk meningkatkan peramalan, dan bekerja sebagai afiliasi penelitian di Stanford University dan University of Nicosia, antara lain. Dia memegang gelar doktor di bidang ekonomi dan ilmu manajemen dan teknik dari Stanford University.

Artikel ini untuk tujuan informasi umum dan tidak dimaksudkan untuk menjadi dan tidak boleh dianggap sebagai nasihat hukum atau investasi. Pandangan, pemikiran, dan pendapat yang diungkapkan di sini adalah milik penulis sendiri dan tidak mencerminkan atau mewakili pandangan dan pendapat Cointelegraph.

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