Expected-Loss Provisioning and the Distribution of Mortgage Credit

जब भी कोई बैंक पैसा उधार देता है, तो उसे एक सरल लेकिन महत्वपूर्ण प्रश्न का सामना करना पड़ता है: इस बात की कितनी संभावना है कि उधार लेने वाला व्यक्ति उसे वापस करने में विफल रहेगा? दशकों तक, बैंकों ने इस सवाल का जवाब तब तक इंतजार करके दिया जब तक कि ऋण वास्तव में खराब नहीं हो गया और नुकसान की भरपाई के लिए पैसा अलग नहीं रख दिया गया। इस दृष्टिकोण का अर्थ यह था कि अच्छे आर्थिक समय के दौरान, बैंक अक्सर पर्याप्त नकदी रखने में बहुत कम रह जाते थे, और संकट आने पर उन्हें जुटाने के लिए संघर्ष करते थे। हाल के वर्षों में, 'करंट एक्सपेक्टेड क्रेडिट लॉस' (Current Expected Credit Loss) नामक एक नए लेखांकन नियम ने इस लय को बदल दिया है। मुसीबत के आने का इंतजार करने के बजाय, अब बैंकों को ऋण देते ही भविष्य के नुकसानों का अनुमान लगाना होगा और उन संभावित नुकसानों के लिए तुरंत पैसा अलग रखना होगा। यह बदलाव बैंकों को भविष्य की ओर देखने के लिए मजबूर करता है, जिससे डिफॉल्ट (ऋण न चुका पाने) के जोखिम को एक ऐसी लागत के रूप में देखा जाता है जो अभी मौजूद है, न कि केवल कल की एक संभावना। हालांकि यह बदलाव बैंक बैलेंस शीट को अधिक ईमानदार और लचीला बनाने के लिए डिज़ाइन किया गया था, इसने शोधकर्ताओं के मन में एक शांत प्रश्न खड़ा कर दिया: क्या जोखिम गिनने का यह नया तरीका न केवल यह बदलता है कि बैंक कितना पैसा उधार देते हैं, बल्कि यह भी कि किसे उधार मिलता है?

यूटा टेक यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने संयुक्त राज्य अमेरिका में मॉर्टगेज (बंधक) आवेदनों के विशाल प्रवाह को देखकर इसका उत्तर खोजने का प्रयास किया। वे यह देखना चाहते थे कि क्या बैंकों पर संभावित नुकसान के लिए पैसा अलग रखने का जो दबाव है, वह इस बात को प्रभावित कर रहा है कि किन मॉर्टगेज आवेदनों को स्वीकृत किया गया और किन्हें अस्वीकार कर दिया गया। ऐसा करने के लिए, उन्होंने तीन विशाल सार्वजनिक डेटासेट को जोड़कर ऋण परिदृश्य की एक अनूठी तस्वीर बनाई। उन्होंने लाखों मॉर्टगेज आवेदनों के रिकॉर्ड लिए, जिनमें उधारकर्ता की जाति, आय और उनके द्वारा मांगे गए ऋण के प्रकार का विवरण शामिल था। उन्होंने इन आवेदनों को उन विशिष्ट बैंकों से जोड़ा जिन्होंने उन्हें संसाधित किया था। अंत में, उन्होंने उन बैंकों की वित्तीय रिपोर्टों को जोड़ा जिनसे यह पता चलता था कि प्रत्येक संस्थान ने एक दिए गए वर्ष में खराब ऋणों के लिए कितना पैसा अलग रखा था। इससे उन्हें यह देखने की अनुमति मिली कि क्या उन बैंकों ने, जिन्हें नुकसान के लिए फंड सुरक्षित रखने के लिए अधिक वित्तीय दबाव महसूस हुआ, विभिन्न समूहों के उधारकर्ताओं के साथ अलग तरह से व्यवहार किया।

शोधकर्ताओं ने अपना ध्यान देश के सबसे बड़े बैंकों पर केंद्रित किया, जिनके पास कम से कम दस बिलियन डॉलर की संपत्ति है। उनका तर्क था कि ये विशाल संस्थान स्थानीय उधारकर्ताओं के साथ व्यक्तिगत संबंधों के बजाय कंप्यूटर मॉडल और मानकीकृत नियमों पर बहुत अधिक निर्भर करते हैं। यदि किसी नए लेखांकन नियम ने बैंकों के जोखिम सोचने के तरीके को बदल दिया, तो इसका प्रभाव उनके स्वचालित सिस्टम में सबसे अधिक दृश्यमान होना चाहिए। उन्होंने विभिन्न प्रकार के होम लोन पर भी बारीकी से नज़र डाली। उन्होंने नए घर खरीदने के लिए उपयोग किए जाने वाले ऋणों और अन्य उद्देश्यों, जैसे मौजूदा मॉर्टगेज को रिफाइनेंस करने या घर के सुधार के लिए धन जुटाने के बीच अंतर किया। ये बाद वाले ऋण महत्वपूर्ण हैं क्योंकि वे घर में रहने के लंबे समय बाद भी घर मालिकों को उनके वित्त का प्रबंधन करने और संपत्ति का मूल्य बनाए रखने में मदद करते हैं।

अध्ययन में 2018 से 2024 तक के डेटा का परीक्षण किया गया, जो उस अवधि को दर्शाता है जब नया लेखांकन नियम पूरी तरह से प्रभावी होने से पहले और बाद के वर्ष शामिल थे। शोधकर्ताओं ने इस बात के प्रमाण की तलाश नहीं की कि बैंक विशेष समूहों के खिलाफ जानबूझकर भेदभाव कर रहे थे। इसके बजाय, उन्होंने एक अधिक सूक्ष्म प्रश्न पूछा: जब एक बैंक को संभावित नुकसान के लिए पैसा अलग रखने के लिए उच्च दबाव महसूस होता है, तो क्या यह दबाव ब्लैक (अश्वेत) आवेदकों और व्हाइट (श्वेत) आवेदकों के बीच स्वीकृति दरों में बड़े अंतर का कारण बनता है? उन्होंने कई कारकों को नियंत्रित किया जो ऋण निर्णय को प्रभावित कर सकते हैं, जैसे ऋण का आकार, उधारकर्ता की आय और घर का मूल्य। उन्होंने ऋण-से-आय अनुपात (debt-to-income ratio) पर भी विशेष ध्यान दिया, जो एक उधारकर्ता के कर्ज और उसकी कमाई के बीच के अनुपात का एक प्रमुख माप है, ताकि यह सुनिश्चित किया जा सके कि परिणाम केवल उधारकर्ता के ऋण स्तरों के कारण नहीं हैं।

निष्कर्षों ने एक स्पष्ट पैटर्न का खुलासा किया, लेकिन एक ऐसा पैटर्न जो विशिष्ट स्थानों में केंद्रित था। शोधकर्ताओं ने पाया कि नया लेखांकन नियम लागू होने के बाद, कम से कम दस बिलियन डॉलर की संपत्ति वाले बैंकों ने, जिन्हें नुकसान के लिए पैसा अलग रखने के लिए उच्च दबाव महसूस हुआ, व्हाइट (श्वेत) आवेदकों की तुलना में ब्लैक (अश्वेत) आवेदकों को मॉर्टगेज देने से इनकार करने की अधिक संभावना दिखाई। यह अस्वीकृति दर का अंतर सभी प्रकार के ऋणों में समान नहीं था। यह उन ऋणों में सबसे अधिक स्पष्ट था जो नए घर खरीदने के लिए नहीं थे। विशेष रूप से, मौजूदा मॉर्टगेज को रिफाइनेंस करने और घर के सुधार के लिए उपयोग किए जाने वाले ऋणों में यह असमानता बढ़ गई। इन माध्यमों में, नुकसान के लिए फंड सुरक्षित रखने का उच्च दबाव, ब्लैक और व्हाइट उधारकर्ताओं के बीच स्वीकृति परिणामों के बीच के अंतर को और अधिक चौड़ा करने से जुड़ा था। उदाहरण के लिए, रिफाइनेंसिंग बाजार में, बैंक के प्रावधान दबाव (provision pressure) में बदलाव का संबंध अस्वीकृति दरों में दो प्रतिशत से अधिक के अंतर से था, जो लाखों आवेदनों पर लागू होने पर एक सार्थक मात्रा है।

अध्ययन ने यह भी देखा कि क्या यह पैटर्न तब बना रहता है जब शोधकर्ता उधारकर्ताओं के विशिष्ट वित्तीय स्वास्थ्य को ध्यान में रखते हैं। उन्होंने पाया कि ऋण-से-आय अनुपात को नियंत्रित करने के बाद भी, यह अंतर बना रहा। होम इम्प्रूवमेंट (घर सुधार) ऋणों के मामले में, ऋण स्तरों को ध्यान में रखने से अंतर का कुछ हिस्सा स्पष्ट हुआ, लेकिन अंतर का एक महत्वपूर्ण हिस्सा बना रहा। यह सुझाव देता है कि नुकसान के लिए पैसा अलग रखने का दबाव निर्णयों को उन तरीकों से प्रभावित कर रहा था जो उधारकर्ता की भुगतान करने की क्षमता के सरल मापों से परे थे। हिस्पैनिक और एशियाई आवेदकों के लिए परिणाम कम सुसंगत थे, जो यह दर्शाता है कि यह प्रभाव सभी अल्पसंख्यक समूहों को एक ही तरह से प्रभावित करने वाला एक व्यापक रुझान नहीं था, बल्कि बड़े बैंक क्षेत्र में ब्लैक और व्हाइट आवेदकों के बीच एक विशिष्ट गतिशीलता थी।

महत्वपूर्ण रूप से, शोधकर्ता यह स्पष्ट करने में सावधानी बरतते हैं कि उनके अध्ययन ने क्या सिद्ध नहीं किया। उन्हें इस बात का प्रमाण नहीं मिला कि बैंक जानबूझकर भेदभाव कर रहे थे या नए लेखांकन नियम को विशिष्ट समूहों को नुकसान पहुँचाने के लिए डिज़ाइन किया गया था। डेटा ने एक संबंध दिखाया, न कि सीधा कारण-और-प्रभाव संबंध। नुकसान के लिए पैसा अलग रखने का दबाव बैंकों को यादृच्छिक रूप से नहीं दिया जाता है; यह बैंक के अपने पोर्टफोलियो और आर्थिक स्थितियों से जुड़ा हुआ है। इसके अलावा, अध्ययन में उपयोग किए गए सार्वजनिक डेटा में क्रेडिट स्कोर या बैंकों द्वारा उपयोग किए जाने वाले आंतरिक जोखिम मॉडल शामिल नहीं थे, इसलिए शोधकर्ता उन सभी कारकों को नहीं देख सके जो अंतिम निर्णय में शामिल थे। हालांकि, विभिन्न परीक्षणों में परिणामों की निरंतरता, जिसमें उन मामलों की तुलना भी शामिल थी जहाँ उधारकर्ता एक ही बैंक और एक ही वर्ष में थे, यह सुझाव देती है कि नया लेखांकन ढांचा बैंक जोखिम प्रणालियों के साथ इस तरह से परस्पर क्रिया कर रहा है जो ऋण के वितरण को बदल देता है।

इस खोज के निहितार्थ बैंकों के बैलेंस शीट से कहीं आगे तक फैले हुए हैं। यह सुझाव देता है कि जब लेखांकन नियम यह बदलते हैं कि बैंक जोखिम को कैसे मापते हैं, तो वे परिवर्तन वित्तीय प्रणाली में लहरें पैदा कर सकते हैं और अप्रत्याशित तरीकों से घर मालिकों के जीवन को प्रभावित कर सकते हैं। एक परिवार के लिए जो अपनी मासिक किश्त कम करने के लिए मॉर्टगेज को रिफाइनेंस करने की कोशिश कर रहा है, या एक घर मालिक के लिए जिसे छत ठीक करने के लिए ऋण की आवश्यकता है, उनके आवेदन को स्वीकृत या अस्वीकार करने का निर्णय एक बैंक की लेखांकन गणनाओं से प्रभावित हो सकता है। अध्ययन इस बात पर प्रकाश डालता है कि बैंकों द्वारा अपने पैसे को गिनने के नियम कैसे उनके घरों के रखरखाव और सुधार के लिए आवश्यक वित्तीय उपकरणों तक पहुंच को आकार दे सकते हैं। लेखांकन मानकों की अमूर्त दुनिया को मॉर्टगेज अनुमोदन की ठोस वास्तविकता से जोड़कर, यह शोध एक नया दृष्टिकोण प्रदान करता है कि कैसे वित्तीय नियम ऋण के वितरण और घर स्वामित्व की स्थिरता पर वास्तविक दुनिया के परिणाम डाल सकते हैं।