Bank Run Exposure in a Paycheck-to-Paycheck Economy with Loss-Averse Depositors
यह शोध पत्र एक व्यवहारिक मॉडल विकसित करता है जो यह प्रदर्शित करता है कि कैसे हानि-भय (loss-averse) से ग्रस्त, वेतन-से-वेतन (paycheck-to-paycheck) पर निर्भर जमाकर्ता बढ़ी हुई तरलता की मांग के माध्यम से अंतर्जात रूप से बैंक रन जोखिम उत्पन्न कर सकते हैं, और इस ढांचे को उन अनुभवजन्य डेटा के साथ मान्य करता है जो विशेष रूप से सिलिकॉन वैली बैंक के पतन के बाद के युग में छोटे बैंकों के लिए बेहतर जोखिम प्रदर्शन (exposure prediction) दिखाते हैं।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
बैंक का तंत्रिका तंत्र (The Nervous System of the Bank)
कल्पना कीजिए कि अर्थव्यवस्था एक विशाल, हलचल भरे शहर की तरह है जहाँ हर कोई अपने घरों को चलाने के लिए एक केंद्रीय जल प्रणाली पर निर्भर है। इस शहर में, "पानी" पैसा है, और "पाइप" बैंक हैं। लंबे समय तक, इंजीनियरों (नियामकों) ने सोचा कि वे सटीक रूप से अनुमान लगा सकते हैं कि तूफान के दौरान पाइपों से कितना पानी बाहर निकलेगा। उन्होंने सुरक्षा वाल्व इस विचार के आधार पर बनाए कि लोग पानी तभी निकालते हैं जब उन्हें वास्तव में इसकी आवश्यकता होती है, जैसे बगीचे के लिए बाल्टी भरना। लेकिन क्या होगा यदि शहर में रहने वाले लोग वास्तव में पानी खत्म होने से डरे हुए हैं? क्या होगा यदि, जैसे ही वे सुनते हैं कि जलाशय कम हो सकता है, वे केवल एक बाल्टी नहीं भरते—बल्कि वे घबरा जाते हैं, अपनी जितनी भी बाल्टियाँ हैं उन्हें उठा लेते हैं, और अधिक के लिए चिल्लाने लगते हैं?
यह शोध पत्र अर्थशास्त्र की दुनिया में रहता है, जो विशेष रूप से इस बात पर नज़र रखता है कि बैंक इस जोखिम को कैसे संभालते हैं कि लोग एक साथ सारा पैसा निकालने के लिए दौड़ पड़ें, जिसे "बैंक रन" (bank run) कहा जाता है। कहानी को समझने के लिए, आपको तीन सरल चीजें जानने की आवश्यकता है। पहला, कई लोग "पेचेक-टू-पेचेक" (paycheck-to-paycheck) जीवन जीते हैं, जिसका अर्थ है कि उनके पास बहुत कम बचत है और वे अपने बिलों का भुगतान करने के लिए अपने अगले वेतन के समय पर आने पर निर्भर हैं। दूसरा, मनुष्यों में "लॉस अवर्जन" (loss aversion - हानि से बचना) नामक एक मनोवैज्ञानिक विशेषता होती है, जिसका अर्थ है कि कुछ खोने का दर्द (जैसे बिल भुगतान चूक जाना) उसी राशि को पाने की खुशी से कहीं अधिक गहरा महसूस होता है। तीसरा, बैंक सामान्य निकासी को संभालने के लिए नकदी का एक छोटा ढेर रिजर्व में रखते हैं, लेकिन यदि सभी एक ही समय में अपना पैसा निकालने की कोशिश करते हैं, तो वह ढेर पर्याप्त नहीं होता। बड़ा सवाल यह है: वेतन चूक जाने का डर एक सामान्य दिन को वित्तीय घबराहट में कैसे बदल देता है?
शोध पत्र की कहानी: जब डर एक स्वयं-सिद्ध भविष्यवाणी बन जाता है
यह शोध पत्र, जिसे जी. चार्ल्स-कैडोगन (G. Charles-Cadogan) द्वारा लिखा गया है, यह समझाने के लिए एक नए प्रकार का मॉडल बनाता है कि बैंक रन क्यों होते हैं, न कि केवल बदकिस्मती के कारण, बल्कि इस कारण से कि हमारा मस्तिष्क तनाव के समय कैसे काम करता है। लेखक का तर्क है कि बैंक जोखिम को मापने के पुराने तरीके एक महत्वपूर्ण तत्व को छोड़ रहे हैं: उन लोगों का व्यवहार जो आपदा से केवल एक छूटे हुए वेतन की दूरी पर हैं।
"पेचेक-टू-पेचेक" की घबराहट
शोध पत्र एक सरल अवलोकन के साथ शुरू होता है: अधिकांश लोग अपना वेतन सीधे अपने बैंक खातों में जमा करवाते हैं। यदि वह वेतन विलंबित या कम होता है, तो ये लोग केवल प्रतीक्षा नहीं कर सकते; उन्हें भोजन खरीदने या किराया देने के लिए अभी नकदी चाहिए। क्योंकि वे "लॉस-अवर्स" (हानि के प्रति संवेदनशील) हैं, इसलिए भुगतान चूक जाने का विचार उन्हें पैसे बचाने की खुशी से अधिक दुख पहुँचाता है। लेखक का सुझाव है कि जब ये लोग थोड़े से तनाव को महसूस करते हैं, तो उनकी आय खोने का डर बढ़ जाता है। शोध पत्र के मॉडल में, यह केवल एक भावना नहीं है; यह एक गणितीय ट्रिगर है। जब किसी जमाकर्ता के मन में "खराब स्थिति" (जैसे विलंबित वेतन) की संभावना पर्याप्त उच्च हो जाती है, तो उनकी नकदी की मांग विस्फोट की तरह बढ़ती है।
"बैंक रन एक्सपोजर स्टेट स्पेस" (Bank Run Exposure State Space)
लेखक एक नई अवधारणा बनाता है जिसे "बैंक रन एक्सपोजर स्टेट स्पेस" कहा जाता है। इसे घबराहट का एक मौसम मानचित्र समझें। आमतौर पर मौसम शांत होता है। लेकिन कुछ विशिष्ट "तनाव की स्थितियाँ" (stress states) होती हैं जहाँ अस्थिर वेतन और एक लॉस-अवर्स मस्तिष्क का संयोजन एक आदर्श तूफान पैदा करता है। इन स्थितियों में, बैंक के सामान्य सुरक्षा नियम पर्याप्त नहीं होते। शोध पत्र सिद्ध करता है कि यदि पर्याप्त लोग इस "घबराहट क्षेत्र" (panic zone) में हैं, तो वे एक बैंक रन पैदा कर सकते हैं, भले ही बैंक वास्तव में स्वस्थ हो। यह एक संगीत कार्यक्रम (concert) में भीड़ की तरह है: यदि अचानक सबको लगता है कि निकास मार्ग अवरुद्ध है, तो वे सब एक साथ दरवाजे की ओर धक्का देते हैं, जिससे भगदड़ मच जाती है, भले ही निकास मार्ग पूरे समय खुला रहा हो।
डर का गणित
यह दिखाने के लिए कि यह कैसे काम करता है, लेखक "मार्टिंगल्स" (भविष्य के मूल्यों की वर्तमान जानकारी के आधार पर भविष्यवाणी करने का एक तरीका) और "हाफ-कॉची वितरण" (डर के दुर्लभ, चरम उछाल का वर्णन करने का एक तरीका) से संबंधित कुछ जटिल गणित का उपयोग करता है। मॉडल बताता है कि जबकि अधिकांश समय लोग शांत रहते हैं, उनका डर कभी-कभी अत्यधिक स्तर तक बढ़ सकता है, बिल्कुल एक ज्वालामुखी की तरह जो आमतौर पर शांत रहता है लेकिन कभी-कभी फट पड़ता है। शोध पत्र इन परिदृश्यों का अनुकरण (simulate) करता है और पाता है कि यदि आप इस "डर के कारक" को अनदेखा करते हैं, तो आप यह सोच लेंगे कि बैंकों को वास्तव में आवश्यक नकदी की तुलना में बहुत कम रिजर्व की आवश्यकता है। वास्तव में, सिमुलेशन दिखाते हैं कि इस व्यवहारिक डर को अनदेखा करने से नकदी की जरूरतों की अस्थिरता लगभग 87% कम आंकी जाती है।
वास्तविक डेटा के साथ सिद्धांत का परीक्षण
लेखक फिर इस विचार का परीक्षण करने के लिए अमेरिकी बैंकों के वास्तविक डेटा (विशेष रूप से सरकार के पास जमा किए गए "कॉल रिपोर्ट्स") का उपयोग करता है। चूंकि सरकारी डेटा व्यक्तिगत वेतन को नहीं दिखाता है, इसलिए लेखक चतुर शॉर्टकट का उपयोग करता है, जैसे यह देखना कि कितने जमा (deposits) नियमित लोगों (रिटेल) बनाम बड़ी कंपनियों (होलसेल) से आते हैं, और बैंक उपभोक्ताओं को कितना ऋण देता है।
परिणाम थोड़े मिश्रित लेकिन दिलचस्प हैं। शोध पत्र पाता है कि जिन बैंकों के पास अधिक नियमित, वेतन-निर्भर ग्राहक हैं, वे तनाव के प्रति अधिक मजबूती से प्रतिक्रिया करते दिखते हैं, विशेष रूप से 2023 के सिलिकॉन वैली बैंक पतन जैसे डरावने समय के दौरान। हालांकि, चूंकि सरकारी डेटा थोड़ा धुंधला है (यह त्रैमासिक है, दैनिक नहीं), साक्ष्य को अंतिम प्रमाण के बजाय एक "प्रूफ-ऑफ-कॉन्सेप्ट" के रूप में वर्णित किया गया है। शोध पत्र सुझाव देता है कि जोखिम को मापने का एक नया, मिश्रित तरीका (विभिन्न प्रकार के जमा और ऋणों को जोड़कर) केवल रिटेल जमा को देखने की तुलना में थोड़ा बेहतर काम करता है, लेकिन डेटा अभी भी बहुत मोटा है कि यह देख सके कि व्यक्ति ठीक किस क्षण घबराता है।
वह क्या है जिसे यह शोध पत्र खारिज करता है
यह शोध पत्र इस बारे में बहुत स्पष्ट है कि यह क्या नहीं कह रहा है। यह इस विचार के विरुद्ध तर्क देता है कि बैंक रन पूरी तरह से यादृच्छिक (random) घटनाएं हैं या वे केवल इसलिए होते हैं क्योंकि बैंक वास्तव में दिवालिया हो गया है। यह इस विचार को भी खारिज करता है कि नियामक केवल एक निश्चित नियम निर्धारित कर सकते हैं कि बैंकों को कितनी नकदी की आवश्यकता है, बिना इस बात पर विचार किए कि लोग अपने पैसे के बारे में कैसा महसूस करते हैं। शोध पत्र स्पष्ट रूप से कहता है कि मानक मॉडल जो "लॉस अवर्जन" को अनदेखा करते हैं, वे बहुत सहज (smooth) हैं और उन तीव्र उछालों को मिस कर देते हैं जो तब होते हैं जब लोग डरे हुए होते हैं।
मुख्य निष्कर्ष (The Bottom Line)
संक्षेप में, यह शोध पत्र सुझाव देता है कि अगली बार जब कोई बैंक डगमगाता हुआ महसूस हो, तो यह इसलिए नहीं हो सकता कि कोई बुरा निवेश हुआ है, बल्कि इसलिए हो सकता है क्योंकि पैसा रखने वाले लोग अपना अगला वेतन मिलने को लेकर डरे हुए हैं। लेखक का प्रस्ताव है कि बैंकों और नियामकों को अपनी सुरक्षा योजनाओं में एक नए प्रकार के "डर के मीटर" (fear meter) को शामिल करने की आवश्यकता है। हालांकि गणित जटिल है और वास्तविक दुनिया का डेटा अभी भी परिष्कृत किया जा रहा है, इसका मूल संदेश जीवंत है: एक ऐसी दुनिया में जहाँ हर कोई पेचेक-टू-पेचेक जीता है, एक डॉलर खोने का डर एक शांत बैंक को उम्मीद से कहीं अधिक तेजी से अराजक दृश्य में बदल सकता है। शोध पत्र यह दावा नहीं करता है कि उसने समस्या को हल कर लिया है, लेकिन यह खतरे को देखने का एक नया, अधिक मानवीय तरीका प्रदान करता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।