A Dynamic 4s-dsdm Framework for Banking Supervision: Evidence From the South Caucasus Banking Sector Transformation

वित्त की दुनिया में, बैंक वे इंजन हैं जो अर्थव्यवस्थाओं को गतिमान रखते हैं, घर बनाने, व्यवसाय शुरू करने और दैनिक जीवन को वित्तपोषित करने के लिए ऋण देते हैं। लेकिन जब ये इंजन बहुत अधिक गर्म या बहुत अधिक ठंडे हो जाते हैं, तो पूरी प्रणाली रुक सकती है या अत्यधिक गर्म हो सकती है। दशकों से, नियामकों ने इन इंजनों को सुरक्षित रखने के लिए एक मानक चेकलिस्ट का उपयोग किया है, ठीक वैसे ही जैसे एक मैकेनिक कार का निरीक्षण करता है। वे देखते हैं कि एक बैंक के पास कितनी आरक्षित राशि है, वह अपने ऋणों का प्रबंधन कितनी अच्छी तरह करता है, और वह कितना लाभ कमाता है। यह चेकलिस्ट तब अच्छी तरह काम करती थी जब एक ही क्षेत्र के सभी बैंक एक ही दिशा में चलते थे। हालाँकि, आधुनिक वित्तीय दुनिया तेजी से बदल रही है। कुछ स्थानों पर, बैंक बहुत तेजी से बढ़ रहे हैं, जबकि अन्य स्थानों पर, वे अधिक रूढ़िवादी हो रहे हैं या अपनी रणनीतियों को पूरी तरह से बदल रहे हैं। जब हर बैंक अलग होता है, तो एक एकल, कठोर चेकलिस्ट प्रत्येक के विशिष्ट खतरों को देखने में विफल रहती है। आधुनिक पर्यवेक्षकों के लिए चुनौती यह है कि वे इन अंतरों को स्पष्ट रूप से देखने का तरीका खोजें और किसी संकट के प्रकट होने की प्रतीक्षा करने के बजाय वास्तविक समय में अपने सुरक्षा नियमों को अनुकूलित करें।

एक शोधकर्ता ने दक्षिण काकेशस के तीन पड़ोसी देशों: आर्मेनिया, अज़रबैजान और जॉर्जिया के बैंकिंग सिस्टम का अध्ययन करके इस समस्या का समाधान किया है। 2024 और 2026 के बीच, इन तीन राष्ट्रों ने तीव्र लेकिन बहुत अलग विकास का दौर देखा। आर्मेनिया में बैंकों ने रिकॉर्ड गति से ऋण देना शुरू किया, जिससे इस बात पर चिंता पैदा हुई कि क्या उनके पास पर्याप्त सुरक्षा कवच था। जॉर्जिया के बैंक विदेशी मुद्राओं पर अपनी निर्भरता कम करते हुए निरंतर बढ़ते रहे। अज़रबैजान के बैंक धीमी गति से लेकिन अत्यधिक मजबूती के साथ बढ़े, जिससे नियामकों को क्रेडिट वृद्धि को धीमा करने के लिए नए नियम लागू करने पड़े। इन अंतरों के बावजूद, प्रत्येक देश के केंद्रीय बैंक अभी भी जोखिम का आकलन करने के लिए उसी पुराने, स्थिर तरीकों का उपयोग कर रहे थे। शोधकर्ता का तर्क था कि ये तरीके तीन अलग-अलग जलवायु वाले क्षेत्रों में मौसम को मापने के लिए एक ही थर्मामीटर का उपयोग करने जैसा था; वे प्रत्येक राष्ट्र के बैंकिंग क्षेत्र के अद्वितीय जोखिमों को पकड़ने में सक्षम नहीं थे।

इस समस्या को हल करने के लिए, शोधकर्ता ने 'डायनेमिक 4S-DSDM' नामक एक नया, लचीला ढांचा तैयार किया। विशेषज्ञों द्वारा यह अनुमान लगाने पर निर्भर रहने के बजाय कि कौन से कारक सबसे महत्वपूर्ण थे, उन्होंने डेटा को स्वयं बोलने दिया। उन्होंने इन तीन देशों के प्रत्येक वाणिज्यिक बैंक से—कुल 58 बैंकों से—बारह वर्षों की अवधि के दौरान जानकारी एकत्र की। उन्होंने इस विशाल मात्रा में जानकारी को एक कंप्यूटर सिस्टम में डाला जो मशीन लर्निंग का उपयोग करता है, जो एक प्रकार की कृत्रिम बुद्धिमत्ता (AI) है जो डेटा से पैटर्न सीखती है। सिस्टम ने चार प्रमुख क्षेत्रों का विश्लेषण किया: बैंक कितने सुरक्षित थे, उनकी फंडिंग कितनी स्थिर थी, उन्होंने कितना लाभ कमाया, और वे कितने बड़े थे। महत्वपूर्ण रूप से, कंप्यूटर ने स्वयं तय किया कि किसी दिए गए समय में इनमें से कौन सा क्षेत्र सबसे अधिक महत्वपूर्ण था, न कि निश्चित नियमों का उपयोग किया। इसने पाया कि इन कारकों का महत्व बैंकों के विकसित होने के साथ बदलता गया।

इस स्मार्ट वेटिंग सिस्टम का उपयोग करते हुए, शोधकर्ता ने बैंकों को उनके वास्तविक व्यवहार के आधार पर तीन विशिष्ट प्रकारों, या "आर्केटाइप्स" (archetypes) में वर्गीकृत किया। पहला समूह, जिसे "स्ट्रैटेजिक लीडर्स" (रणनीतिक नेता) कहा गया, उन बैंकों का था जो सुरक्षा और लाभ के बीच बहुत अच्छा संतुलन बनाए रखते थे। दूसरा समूह, "ट्रेडिशनल सेवर्स" (पारंपरिक बचतकर्ता), वे सतर्क बैंक थे जो तीव्र विकास के बजाय स्थिरता को प्राथमिकता देते थे। तीसरा समूह, "अग्रेसिव ग्रोथ" (आक्रामक विकास), उन बैंकों को शामिल करता था जो तेजी से विस्तार करने के लिए बड़े जोखिम उठा रहे थे। अध्ययन में पाया गया कि ये समूह यादृच्छिक नहीं थे; वे वास्तविक, स्थिर व्यावसायिक मॉडलों का प्रतिनिधित्व करते थे जो समय के साथ बने रहे। शोधकर्ता ने अपने निष्कर्षों का परीक्षण यह सुनिश्चित करने के लिए किया कि वे केवल एक संयोग नहीं थे, और डेटा को पुनर्व्यवस्थित करने या विभिन्न कोणों से देखने पर भी इन समूहों के विशिष्ट बने रहने की पुष्टि करने के लिए कठोर सांख्यिकीय जांच का उपयोग किया।

परिणामों ने एक दिलचस्प कहानी उजागर की कि प्रत्येक देश की बैंकिंग प्रणाली कैसे विकसित हो रही है। आर्मेनिया में, बैंकिंग क्षेत्र संरचनात्मक विविधता के संकेत दिखा रहा था, जिसमें अधिक बैंक पारंपरिक मॉडल से हटकर नई, विविध रणनीतियों की ओर बढ़ रहे थे। हालाँकि, अध्ययन में यह भी पाया गया कि आर्मेनिया की प्रणाली बाहरी झटकों के प्रति अत्यधिक संवेदनशील थी। जब 2022 में एक बड़ी भू-राजनीतिक घटना हुई, तो आर्मेनिया के बैंकों ने त्वरित और नाटकीय प्रतिक्रिया दी, और सामूहिक रूप से सुरक्षित "ट्रेडिशनल सेवर" मॉडल की ओर स्थानांतरित हो गए। यह एक ऐसी प्रणाली का संकेत था जो दबाव में नाजुक हो सकती है। इसके विपरीत, अज़रबैजान की बैंकिंग प्रणाली तीनों प्रकारों का मिश्रण थी, जो उच्च स्तर की विविधता दिखा रही थी जो इसे झटकों के प्रति अधिक लचीला बनाती दिख रही थी। संकट शुरू होने पर उसके बैंक सभी एक ही दिशा में नहीं चले; इसके बजाय, विभिन्न प्रकार के बैंक सह-अस्तित्व में थे, जो एक प्राकृतिक बफर प्रदान करते थे। जॉर्जिया की प्रणाली ने एक अलग प्रकार की ताकत दिखाई, जो "स्ट्रक्चरल इलास्टिसिटी" (संरचनात्मक लोच) द्वारा लक्षित थी। यह अपने पड़ोसियों की तुलना में पहले ही एक स्थिर पैटर्न में स्थापित हो गई थी, जिसमें उसके बैंकों का एक बड़ा हिस्सा पहले से ही "स्ट्रैटेजिक लीडर्स" के रूप में कार्य कर रहा था, जिससे यह बिना ढहे या ठप हुए तनाव को सोखने में सक्षम हुआ।

शोधकर्ता ने एंट्रॉपी (entropy) नामक एक अवधारणा का उपयोग करके यह मापने का एक नया तरीका भी विकसित किया कि एक बैंकिंग प्रणाली कितनी "परिपक्व" या स्थिर है, जो इस संदर्भ में यह मापता है कि बैंक कितने मिश्रित या समान हैं। एक प्रणाली जहाँ सभी बैंक एक जैसे हैं वहाँ एंट्रॉपी कम होती है, जबकि एक प्रणाली जहाँ कई अलग-अलग प्रकार के बैंक होते हैं वहाँ एंट्रॉपी अधिक होती है। अध्ययन ने दिखाया कि हालांकि तीनों देशों के शुरुआती बिंदु अलग-अलग थे, वे सभी 2022 के झटके के प्रति समान रूप से प्रतिक्रिया दे रहे थे, जिसमें सुरक्षा की ओर भागते हुए उनकी प्रणालियाँ अधिक एकरूप हो गईं। इस समकालिक प्रतिक्रिया ने सुझाव दिया कि क्षेत्रीय घटनाएं तीनों देशों को प्रभावित करती हैं, चाहे उनकी व्यक्तिगत बैंकिंग संरचना कैसी भी हो।

इस कार्य का सबसे महत्वपूर्ण परिणाम एक नया उपकरण है जिसे 'सुपरवाइजरी इंटेंसिटी स्कोर' (पर्यवेक्षी तीव्रता स्कोर) कहा जाता है। यह स्कोर एक केंद्रीय बैंक को बताता है कि एक विशिष्ट प्रकार के बैंक को वास्तव में कितने ध्यान की आवश्यकता है। "स्ट्रैटेजिक लीडर्स" के लिए, स्कोर कम है, जिसका अर्थ है कि उनकी निगरानी मानक जांच के साथ की जा सकती है। "ट्रेडिशनल सेवर्स" के लिए, स्कोर मध्यम है, जिसके लिए समय-समय पर स्ट्रेस टेस्ट की आवश्यकता होती है। लेकिन "अग्रेसिव ग्रोथ" वाले बैंकों के लिए, स्कोर उच्च है, जो संकेत देता है कि इन संस्थानों को निरंतर, लक्षित ऑडिट और सख्त नियमों की आवश्यकता है। यह दृष्टिकोण नियामकों को "एक ही आकार सबके लिए" (one-size-fits-all) की रणनीति छोड़ने की अनुमति देता है। प्रत्येक बैंक के साथ एक जैसा व्यवहार करने के बजाय, वे अब वास्तविक व्यवहार और जोखिम प्रोफाइल के आधार पर सही बैंक को सही स्तर का पर्यवेक्षण लागू कर सकते हैं।

अध्ययन इस निष्कर्ष के साथ समाप्त होता है कि बैंकिंग की निगरानी करने का पुराना तरीका अब उस दुनिया के लिए पर्याप्त नहीं है जहाँ वित्तीय प्रणालियाँ इतनी तेज़ी से बदल रही हैं। प्रत्येक बैंक और प्रत्येक देश के अद्वितीय चरित्र को समझने के लिए डेटा का उपयोग करके, नियामक अधिक सक्रिय हो सकते हैं। वे किसी बैंक के समस्या पैदा करने से पहले ही उसके अत्यधिक जोखिम लेने की पहचान कर सकते हैं, और वे उन बैंकों का समर्थन कर सकते हैं जो सही काम कर रहे हैं। शोध का सुझाव है कि दक्षिण काकेशस के लिए, और संभावित रूप से अन्य उभरते बाजारों के लिए, बैंकिंग सुरक्षा का भविष्य लचीलेपन में निहित है। यह कठोर नियमों से हटकर एक ऐसी प्रणाली की ओर बढ़ने के बारे में है जो सीखती है, अनुकूलित होती है और वित्तीय दुनिया की वास्तविक, जीवित जटिलता के प्रति प्रतिक्रिया देती है। ये निष्कर्ष केवल एक सैद्धांतिक अभ्यास नहीं हैं; वे अर्थव्यवस्था के इंजनों को सुरक्षित रूप से चलाने के लिए एक व्यावहारिक, साक्ष्य-आधारित मार्ग प्रदान करते हैं, भले ही रास्ता ऊबड़-खाबड़ क्यों न हो।