Les institutions financières traditionnelles reçoivent des dépôts de leurs clients et les utilisent pour accorder des prêts. Mais elles prêtent beaucoup plus que ce qu'elles ont en stock à un moment donné - un concept connu sous le nom de banque fractionnaire. D'une part, la différence entre les intérêts sur les prêts et les intérêts payés aux déposants est appelée marge d'intérêt nette, et détermine la rentabilité d'une banque. D'autre part, la différence entre l'actif et le passif est appelée « fonds propres » et détermine la résistance de la banque aux chocs extérieurs.

Avant la dernière panique bancaire, SVB était considérée comme une institution bancaire non seulement rentable, mais aussi sûre, car elle détenait 212 milliards de dollars d'actifs contre environ 200 milliards de dollars de passifs. Cela signifie qu'elle disposait d'un coussin de 12 milliards de dollars de fonds propres, soit 5,6 % de ses actifs. Ce n'est pas si mal, même si c'est environ la moitié de la moyenne de 11,4 % enregistrée par les banques.

Le problème est que les récentes mesures prises par la Réserve fédérale américaine ont réduit la valeur de la dette à long terme, à laquelle SVB était fortement exposée par le biais de ses titres adossés à des créances hypothécaires (environ 82 milliards de dollars). Lorsque SVB a signalé à ses actionnaires, en décembre, que ses pertes non réalisées s'élevaient à 15 milliards de dollars, réduisant ainsi à néant ses fonds propres, de nombreuses questions ont été soulevées.

Le 8 mars, SVB a annoncé qu'elle avait vendu à perte 21 milliards de dollars d'actifs liquides, et a déclaré qu'elle lèverait des fonds pour compenser la perte. Mais le fait qu'elle ait annoncé qu'elle avait besoin de lever plus d'argent - et qu'elle ait même envisagé de vendre la banque - a fortement inquiété les investisseurs, ce qui a conduit à des tentatives de retrait de la banque pour un montant d'environ 42 milliards de dollars. Bien entendu, SVB ne disposait pas de liquidités suffisantes et la Federal Deposit Insurance Corporation a pris le relais.

La littérature macro-économique a beaucoup à dire sur ces situations, mais un bon résumé est de s'attendre à une dynamique fortement non linéaire - c'est-à-dire que de petits changements dans les intrants (le ratio capitaux propres/actifs) peuvent avoir des changements substantiels sur les résultats (liquidité). Les paniques bancaires peuvent être plus fréquentes pendant les récessions et avoir des effets importants sur l'activité économique globale.

Recherche de solutions structurelles

Certes, SVB n'est pas la seule banque à être exposée de manière plus importante et plus risquée aux conditions macroéconomiques, telles que les taux d'intérêt et la demande des consommateurs, mais ce n'est que la partie émergée de l'iceberg qui a fait la une de l'actualité la semaine dernière. Cette situation s'est déjà produite par le passé, notamment lors de la crise financière de 2007-2008, avec l'effondrement de Washington Mutual. Les conséquences de cette crise ont conduit à un renforcement de la réglementation financière, en grande partie dans le cadre de la loi Dodd-Frank, qui a élargi les pouvoirs de la Réserve fédérale en matière de réglementation de l'activité financière, et autorisé de nouvelles lignes directrices en matière de protection des consommateurs, notamment le lancement du Bureau de protection financière des consommateurs (Consumer Financial Protection Bureau).

Il convient de noter que le DFA a également promulgué la règle Volcker, qui interdit aux banques d'effectuer des opérations pour compte propre et d'autres investissements spéculatifs, empêchant en grande partie les banques de fonctionner comme des banques d'investissement utilisant leurs propres dépôts pour négocier des actions, des obligations, des devises, etc.

DERNIÈRE NOUVELLE : La SEC lance une enquête sur les ventes d'actions des dirigeants de Silicon Valley Bank $SIVB effectuées quelques jours avant l'effondrement.- Watcher.Guru (@WatcherGuru) 14 mars 2023

Le renforcement de la réglementation financière a entraîné une forte évolution de la demande de travailleurs dans les domaines de la science, de la technologie, de l'ingénierie et des mathématiques (STEM), ou "quants" en abrégé. Les services financiers sont particulièrement sensibles aux changements réglementaires, et la charge en incombe en grande partie à la main-d'œuvre, car la réglementation a une incidence sur les dépenses autres que les intérêts. Les banques ont compris qu'elles pouvaient réduire les coûts de mise en conformité, et accroître l'efficacité opérationnelle en augmentant l'automatisation.

Et c'est exactement ce qui s'est passé : La proportion de travailleurs STEM a augmenté de 30 % entre 2011 et 2017 dans les services financiers, et une grande partie de cette augmentation a été attribuée au renforcement de la réglementation. Cependant, les petites et moyennes banques (PME) ont eu plus de mal à faire face à ces réglementations - au moins en partie en raison du coût de l'embauche et de la mise en place de modèles dynamiques sophistiqués pour prévoir les conditions macroéconomiques et les bilans.

L'état actuel des prévisions macroéconomiques est bloqué dans des modèles économétriques de 1990 qui sont très imprécis. Alors que les prévisions sont souvent ajustées à la dernière minute pour paraître plus précises, la réalité est qu'il n'existe pas de modèle ou d'approche consensuelle pour prévoir les conditions économiques futures, à l'exception de quelques approches passionnantes et expérimentales de la Réserve fédérale d'Atlanta, par exemple, avec son outil GDPNow.

À lire également : Les législateurs devraient contrôler le consigliere de la SEC par le biais de la loi

Mais même ces outils de « prévision immédiate » n'intègrent pas de grandes quantités de données désagrégées, ce qui rend les prévisions moins pertinentes pour les PME qui sont exposées à certaines classes d'actifs ou régions, et moins intéressées par l'état national de l'économie en tant que tel.

Les prévisions ne doivent plus être considérées comme une mesure de conformité réglementaire « à cocher », mais comme un outil de prise de décision stratégique à prendre au sérieux. Si les prévisions immédiates ne sont pas fiables, il faut soit cesser de les produire, soit trouver un moyen de les rendre utiles. Le monde est extrêmement dynamique et nous devons utiliser tous les outils à notre disposition, qu'il s'agisse de données désagrégées ou d'outils d'apprentissage automatique sophistiqués, pour nous aider à comprendre la période dans laquelle nous nous trouvons afin de nous comporter prudemment et d'éviter les crises potentielles.

Une meilleure modélisation aurait-elle permis de sauver Silicon Valley Bank ? Peut-être pas, mais une meilleure modélisation aurait accru la transparence et la probabilité que les bonnes questions soient posées pour inciter à prendre les bonnes précautions. La technologie est un outil - et non un substitut - de la bonne gouvernance.

À la suite de l'effondrement de Silicon Valley Bank, beaucoup de choses ont été pointées du doigt et le passé a été ressassé. Plus important encore, nous devrions nous interroger : Pourquoi la panique bancaire s'est-elle produite, et quelles leçons pouvons-nous en tirer ?

Christos A. Makridis est professeur et entrepreneur. Il est PDG et fondateur de Dainamic, une startup de technologie financière qui utilise l'intelligence artificielle pour améliorer les prévisions. Il est également chercheur affilié à l'université de Stanford et à l'université de Nicosie, entre autres. Il est titulaire d'un doctorat en économie, en sciences de gestion et en ingénierie de l'université de Stanford.

Cet article a été rédigé à des fins d'information générale et n'est pas destiné à être et ne doit pas être considéré comme un conseil juridique ou d'investissement. Les points de vue, pensées et opinions exprimés ici n'engagent que l'auteur et ne reflètent ni ne représentent nécessairement ceux de Cointelegraph.