कल्पना कीजिए कि एक विशाल, जीवित शहर है जहाँ हर घर एक बड़े, अराजक कथानक का पात्र है। यह केवल ईंट और गारे के बारे में नहीं है; यह उन अदृश्य वित्तीय रस्सियों के बारे में है जो लोगों को उनके घरों से बांधती हैं। अर्थशास्त्र की दुनिया में, वैज्ञानिक अक्सर इन कहानियों को एक "औसत" व्यक्ति को देखकर समझने की कोशिश करते हैं, जैसे कि हर कोई एक ही घर में रहने वाले जुड़वां भाई-बहन हो। लेकिन वास्तविक जीवन अव्यवस्थित है। लोगों के अलग-अलग काम होते हैं, अलग-अलग बचत होती है, और वे ऐसे मोहल्लों में रहते हैं जिनका मूल्य अलग-अलग गति से बढ़ता या गिरता है। यह समझने के लिए कि परिवार कैसे अपने घर खो सकते हैं या अपने ऋणों का भुगतान समय से पहले कर सकते हैं, शोधकर्ता एक विशेष उपकरण का उपयोग करते हैं जिसे "एजेंट-बेस्ड मॉडल" कहा जाता है। इसे एक सुपर-एडवांस्ड वीडियो गेम सिमुलेशन के रूप में सोचें जहाँ हजारों अद्वितीय डिजिटल पात्र (एजेंट) अपने स्वयं के पैसे, अपने स्वयं के पड़ोस और बैंक के नियमों के आधार पर अपने स्वयं के निर्णय लेते हैं। इस डिजिटल शहर को चलते हुए देखकर, वैज्ञानिक देख सकते हैं कि कैसे ब्याज दरों या घर की कीमतों में छोटे बदलाव एक लहर जैसा प्रभाव पैदा कर सकते हैं, जिससे कुछ संघर्षरत परिवारों से लेकर शहरव्यापी संकट तक की स्थिति बन सकती है। यह महत्वपूर्ण है क्योंकि जब बहुत अधिक लोग अपने बंधक (मॉर्टगेज) का भुगतान नहीं कर पाते हैं, तो यह केवल उन्हें ही नुकसान नहीं पहुँचाता; यह पूरी अर्थव्यवस्था को हिला सकता है, जिससे किसी के लिए भी ऋण लेना या घर खरीदना कठिन हो जाता है।

जिस शोध पत्र को आप पढ़ने जा रहे हैं, वह इस डिजिटल शहर में उतरता है, लेकिन एक बहुत ही विशिष्ट सेटिंग के साथ: अंकारा, तुर्की। लेखकों, बिलागी यिलमाज़ और बर्ना एन. यिलमाज़ ने यह पता लगाने के लिए एक कस्टम सिमुलेशन बनाया कि क्यों अंकारा के कुछ घर के मालिक दूसरों की तुलना में अपने घर खोने के अधिक योग्य हैं। उन्होंने केवल लोगों को नहीं देखा; उन्होंने स्थानों को देखा। उन्होंने महसूस किया कि एक शानदार, केंद्रीय जिले का घर एक दूरदराज के उपनगर के घर से बहुत अलग व्यवहार करता है, भले ही मॉर्टगेज के कागजात एक जैसे दिखते हों। उन्हें तुर्की की बैंकिंग प्रणाली के अद्वितीय नियमों को भी ध्यान में रखना पड़ा, जहाँ सरकार यह तय करती है कि आप अपने घर के मूल्य की तुलना में कितना पैसा उधार ले सकते हैं, और जहाँ कानून बैंकों को आपके अन्य संपत्तियों के लिए पीछा करने की अनुमति देता है यदि आप भुगतान करना बंद कर देते हैं।

यहाँ उनके डिजिटल प्रयोग के माध्यम से उनके द्वारा खोजे गए निष्कर्षों की कहानी दी गई है।

सेटअप: डिजिटल घरों का एक शहर

शोधकर्ताओं ने 3,200 डिजिटल घरों वाला एक आभासी अंकर बनाया। प्रत्येक घर को एक विशिष्ट प्रोफ़ाइल दी गई: एक विशिष्ट आय जो समय के साथ बढ़ती (या घटती) है, एक विशिष्ट घर जो दस अलग-अलग जिलों में से एक में स्थित है, और एक बंधक (मॉर्टगेज)। सिमुलेशन डिजिटल दुनिया में पांच वर्षों (60 महीने) तक चला।

इसे वास्तविक बनाने के लिए, उन्होंने मॉडल को अंकारा में 11,092 वास्तविक घर लिस्टिंग से वास्तविक डेटा दिया। इसने उन्हें यह मानचित्रित करने की अनुमति दी कि विभिन्न मोहल्लों में घरों की कीमत कितनी है। उन्होंने पाया कि चंकाया के केंद्रीय जिले में एक घर का मूल्य सिनकान के जिले में एक समान आकार के घर की तुलना में लगभग दोगुना था। इस "स्थानिक वर्गीकरण" (स्पेशियल सॉर्टिंग) का अर्थ था कि आप कहाँ रहते हैं, यह उतना ही महत्वपूर्ण था जितना कि आप कितना पैसा कमाते हैं।

उन्होंने मॉडल को तुर्की की ब्याज दरों की वास्तविकता के साथ भी प्रोग्राम किया। हाल के वर्षों में, ये दरें अविश्वसनीय रूप से उच्च रही हैं, जो सालाना लगभग 39% के आसपास घूम रही हैं। सिमुलेशन में, इसने एक अनूठी समस्या पैदा की: क्योंकि ब्याज दर इतनी अधिक थी, मासिक भुगतान लगभग पूरी तरह से ब्याज चुकाने में चला गया, न कि वास्तविक ऋण राशि को। यह एक लीक होते पाइप से बाथटब भरने की कोशिश करने जैसा था; आप पानी डाल रहे हैं, लेकिन छेद (ब्याज) इतना बड़ा है कि पानी का स्तर (आपकी इक्विटी) मुश्किल से ऊपर उठता है।

खेल के नियम

डिजिटल घर मालिकों को सिमुलेशन के दौरान दो मुख्य निर्णय लेने थे:

1. पुनर्वितरण (रिफाइनेंस): यदि ब्याज दरें गिरती हैं, तो वे अपने महंगे ऋण को एक सस्ते ऋण के साथ बदलने की कोशिश कर सकते हैं। लेकिन एक शर्त थी: बैंक तभी "हाँ" कहेगा यदि घर के मालिक ने पर्याप्त इक्विटी (घर के मूल्य का कम से कम 15%) बना ली हो। यदि घर का मूल्य बहुत कम हो गया, तो बैंक दरवाजा बंद कर देगा, चाहे घर के मालिक को कितने भी पैसे बचाने की इच्छा क्यों न हो।
2. डिफ़ॉल्ट (चूक): यदि घर का मूल्य गिर जाता है और घर का मालिक भुगतान नहीं कर पाता है, तो वे इसे छोड़ सकते हैं। लेकिन तुर्की में, इसे छोड़ना मुफ्त नहीं है। "फुल रिसोर्स" कानूनों के कारण, बैंक घर के मालिक की अन्य बचत या संपत्तियों के लिए पीछा कर सकता है। इसने डिफ़ॉल्ट करने के निर्णय को एक डरावना, उच्च-दांव वाला विकल्प बना दिया, न कि केवल एक सरल गणितीय समस्या।

महान क्रैश सिमुलेशन

सिस्टम का परीक्षण करने के लिए, शोधकर्ताओं ने 24-महीने के निशान (दो साल बाद) पर अचानक, एक बुरा झटका पेश किया। उन्होंने पूरे शहर में घर की कीमतों में 14% की गिरावट का अनुकरण किया। वास्तविक दुनिया में, यह एक अचानक आर्थिक तूफान की तरह है जो रातों-रात हर घर का मूल्य कम कर देता है।

यहीं से कहानी दिलचस्प होती है। लेखकों ने पाया कि "औसत" घर का मालिक वास्तव में काफी सुरक्षित था। उस 14% मूल्य गिरावट के बावजूद, मध्यम कर्जदार के पास भुगतान करने के लिए पर्याप्त इक्विटी बफर था। सिमुलेशन ने दिखाया कि धीमी परिशोधन (यह तथ्य कि वे मूल राशि का भुगतान नहीं कर रहे थे) के साथ मिलकर उच्च प्रारंभिक घर मूल्यों का मतलब था कि एक मध्यम मूल्य गिरावट उन्हें तोड़ने के लिए पर्याप्त नहीं थी।

हालाँकि, कहानी उच्च-जोखिम वाले समूह के लिए पूरी तरह से बदल गई।

शोधकर्ताओं ने पाया कि खतरा पूरे शहर में समान रूप से वितरित नहीं था। यह उन लोगों के हाथों में केंद्रित था जिन्होंने उच्चतम ऋणों के साथ शुरुआत की थी। उन्होंने शीर्ष चतुर्थांश (शीर्ष 25%) के कर्जदारों को देखा—वे जिन्होंने अपने घर के मूल्य के सापेक्ष सबसे अधिक पैसा उधार लिया था। जब मूल्य का झटका लगा, तो इस समूह ने केवल संघर्ष नहीं किया; वे ढह गए।

सिमुलेशन में, जब घर की कीमतें गिरीं, तो उच्च-लीवरेज वाले कर्जदारों की इक्विटी तुरंत गायब हो गई। क्योंकि उन्होंने शुरुआत में ही बहुत अधिक उधार लिया था, कीमत में मामूली गिरावट ने उन्हें "ऋण-भार" (नेगेटिव इक्विटी - यानी घर की कीमत से अधिक कर्ज होना) में धकेल दिया। चूंकि उनके पास आय के सापेक्ष उच्च मासिक भुगतान भी था, इसलिए वे एक "दोहरे ट्रिगर" से टकरा गए: वे कर्ज में डूबे हुए थे और वे भुगतान करने में भी असमर्थ थे।

तीन बड़ी खोजें

सिमुलेशन ने तीन मुख्य सबक प्रकट किए कि यह डिजिटल शहर कैसे काम करता है:

1. उच्च ब्याज दरें एक "धीमी शुरुआत" का जाल बनाती हैं
चूंकि ब्याज दरें बहुत अधिक थीं (लगभग 39% APR), कर्जदार अपने ऋणों का भुगतान अविश्वसनीय रूप से धीरे-धीरे कर रहे थे। पहले पांच वर्षों में, औसत कर्जदार ने वास्तव में अपनी ऋण राशि का केवल 13% ही चुकाया था। इसका मतलब था कि लंबे समय तक, उनकी "सुरक्षात्मक परत" (इक्विटी) बहुत पतली थी। यदि घर की कीमतें गिरतीं, तो उनके पास झटके को सहने के लिए लगभग कोई कुशन नहीं होता। शोध पत्र सुझाव देता है कि उच्च-ब्याज वातावरण में, डिफ़ॉल्ट का जोखिम ब्याज दर बदलने के बारे में नहीं है, बल्कि घर की कीमत गिरने के बारे में है, क्योंकि ऋण राशि लगातार उच्च बनी रहती है।

2. स्थान ही सब कुछ है
यह शोध पत्र इस विचार को स्पष्ट रूप से खारिज करता है कि एक शहर के सभी घर एक ही तरह से प्रतिक्रिया करते हैं। सिमुलेशन ने दिखाया कि चूंकि विभिन्न जिले अलग-अलग गति से बढ़े, इसलिए एक ही तरह के बंधक वाले दो पड़ोसी भी पूरी तरह से अलग भाग्य रख सकते थे। एक तेजी से बढ़ने वाले, उच्च-मूल्य वाले जिले का कर्जदार जल्दी से इक्विटी बना सकता है और पुनर्वितरण (रिफाइनेंस) कर सकता है। एक धीमे बढ़ने वाले, कम-मूल्य वाले जिले का कर्जदार फंस सकता है। "स्थानिक वर्गीकरण" का अर्थ था कि वित्तीय भेद्यता केवल व्यक्ति के बारे में नहीं थी; यह उसके पड़ोस के बारे में भी थी।

3. "रिफाइनेंस वॉल" (पुनर्वितरण की दीवार)
यह एक महत्वपूर्ण खोज थी। सिमुलेशन ने दिखाया कि कई घर के मालिक जब दरें गिरीं तो पैसे बचाने के लिए पुनर्वितरण करना चाहते थे, लेकिन वे ऐसा नहीं कर सके। बैंक का नियम (85% ऋण-से-मूल्य की सीमा) एक दीवार की तरह काम करता था। यदि किसी घर के मालिक के घर का मूल्य थोड़ा भी गिर गया, तो वे इस दीवार से टकरा गए और पुनर्वितरण से बाहर हो गए, भले ही इससे उन्हें हजारों डॉलर की बचत होती। लेखकों ने पाया कि इस नियामक बाधा ने कई परिवारों को महंगे ऋणों में फंसा दिया, जिससे मूल्य झटके के समय उनके डिफ़ॉल्ट होने की संभावना बढ़ गई।

फैसला: किसे चोट पहुँचती है?

जब सिम्युलेटेड क्रैश के बाद धूल जमी, तो परिणाम स्पष्ट थे।

• सुरक्षित क्षेत्र: कम ऋणों के साथ शुरू करने वाले कर्जदार (समूह के निचले 75%) काफी हद तक अछूते रहे। वे पुनर्वितरण कर सके या भुगतान जारी रख सके।
• खतरे का क्षेत्र: कर्जदारों का शीर्ष 25% (उच्चतम प्रारंभिक ऋण वाले लोग) वे थे जिन्होंने अपने घर खो दिए। तनाव परीक्षण में, इस समूह के आधे से अधिक लोग डिफ़ॉल्ट हो गए।

शोध पत्र सुझाव देता है कि इस बाजार में "रणनीतिक डिफ़ॉल्ट" (जहाँ लोग बस भुगतान नहीं करना चाहते क्योंकि वे भाग जाना चाहते हैं) अमेरिका जैसे स्थानों की तुलना में कम आम है। क्यों? क्योंकि "फुल रिसोर्स" नियम के कारण। डिजिटल घर के मालिकों को पता था कि यदि वे चले गए, तो बैंक उनकी अन्य संपत्तियों को ले सकता है। इसलिए, वे केवल तभी डिफ़ॉल्ट करते थे जब वे वास्तव में कंगाल और कर्ज में डूबे होते, न कि केवल इसलिए कि वे ऐसा करना चाहते थे।

वास्तविक दुनिया के लिए इसका क्या अर्थ है

लेखक निष्कर्ष निकालते हैं कि हम बंधक जोखिम को समझने के लिए केवल औसत व्यक्ति को नहीं देख सकते। हमें उच्च ब्याज दरों, सख्त बैंक नियमों और स्थानीय घर की कीमतों के विशिष्ट मिश्रण को देखना होगा। उन्होंने पाया कि उच्च-ब्याज वातावरण में, सिस्टम उनके लिए नाजुक है जिन्होंने सबसे अधिक उधार लिया है। घर की कीमतों में थोड़ी सी गिरावट भी सबसे अधिक लीवरेज वाले परिवारों को किनारे पर धकेल सकती है, जबकि बाकी शहर खड़ा रहता है।

सिमुलेशन ने यह भी संकेत दिया कि यदि सरकार या बैंक सख्त "85% ऋण-से-मूल्य" नियम को ढीला कर देते, तो अधिक लोग पुनर्वितरण कर पाते और डिफ़ॉल्ट से बच पाते। लेकिन, जैसा कि शोध पत्र नोट करता है, यह एक नाजुक संतुलन है; नियमों को बहुत अधिक ढीला करने से लोग शुरुआत में ही बहुत अधिक उधार लेने के लिए प्रोत्साहित हो सकते हैं।

अंत में, अंकारा की यह डिजिटल कहानी हमें सिखाती है कि एक जटिल, उच्च-ब्याज वाली दुनिया में, आपका बंधक केवल बैंक के साथ एक अनुबंध नहीं है। यह एक रस्सी पर चलने (टाइटरोप वॉक) जैसा है जहाँ आपका संतुलन इस बात पर निर्भर करता है कि आप किस पड़ोस में रहते हैं, आप अपने ऋण को चुकाने की गति क्या रखते हैं, और बैंकिंग नियमों द्वारा बनाई गई अदृश्य दीवारें क्या हैं। और उन लोगों के लिए जो सबसे कम सुरक्षा जाल के साथ रस्सी पर चल रहे हैं, हवा का एक एकल झोंका भी उन्हें नीचे गिराने के लिए पर्याप्त हो सकता है।