В пятницу, 10 марта 2023 года, один из крупнейших банков США, Silicon Valley Bank (SVB), был неожиданно закрыт, в результате чего более 40 000 клиентов, включая стартапы, венчурные и частные инвестиционные компании, лишились своих средств. Несмотря на наличие активов на сумму более 170 миллиардов долларов, SVB не прибегала к рискованным кредитным практикам, в отличие от финансового кризиса 2008 года. Однако общий объем депозитов клиентов вырос с 62 миллиардов долларов в 2019 году до 190 миллиардов долларов в 2021 году из-за притока денежных средств в технологическую отрасль, усугубляемого нулевыми процентными ставками и пандемией.

Банки обычно ссужают депонированные средства своих клиентов, чтобы предложить им возврат. Поскольку банки конкурировали с годовой процентной доходностью более 3% (APY), депозиты клиентов в SVB резко возросли, но банк не смог достаточно быстро увеличить свой кредитный портфель, чтобы соответствовать росту. В результате SVB обратилась к своему старому другу — ценным бумагам с ипотечным покрытием (MBS), сыгравшим ключевую роль в финансовом кризисе 2008 года.

SVB инвестировала 80 миллиардов долларов в MBS, которые должны были быть безопасными долгосрочными облигациями под 1,56%. Однако, когда ставка ФРС повысилась за последние шесть месяцев, эти облигации быстро потеряли в цене. Когда процентные ставки выросли, технологические оценки упали, IPO были остановлены, а стартапы продолжали сжигать деньги. Следовательно, депозиты в банке упали с 200 миллиардов долларов в марте 2022 года до 170 миллиардов долларов в конце декабря, и, по прогнозам, они будут продолжать снижаться.

В среду SVB попытался улучшить свою ситуацию, продав большую часть активов с убытком в 2 миллиарда долларов и выпустив акции, чтобы привлечь 2 миллиарда долларов, разбавив акционеров. Однако инвесторы запаниковали, и возникла дилемма заключенного. Крупнейшие венчурные компании Силиконовой долины вытянули свои средства, и их портфельные компании последовали их примеру. Это привело к падению акций SVB на 60%, и к пятнице регулирующие органы закрыли банк, заморозив депозиты клиентов. FDIC страхует депозиты клиентов на сумму до 250 000 долларов, что достаточно для обычного человека, но не для стартапов, которые являются основными клиентами SVB.

Если ситуация не разрешится к началу новой недели, когда откроются рынки, то ко вторнику мы можем увидеть крах других региональных банков, таких как First Republic, Signature Bank и Western Alliance. Повышение ставок ФРС создало аналогичные проблемы для других банков, таких как Silvergate Bank, который уже обанкротился из-за слишком большого количества депозитов и трудностей с поиском способов получения дохода. Долгосрочные облигации, которые когда-то казались безопасными, теперь оказались рискованными.

Этот кризис вместе с финансовым кризисом 2008 года является тревожным сигналом для банковской отрасли. Он выявил ограничения традиционных методов управления рисками и подчеркнул необходимость в более сложных методах выявления рисков и управления ими. С тех пор искусственный интеллект (ИИ) стал для банков многообещающим инструментом предотвращения очередного финансового кризиса. В этой статье мы рассмотрим, как ИИ может помочь финансовым учреждениям снизить риски и предотвратить новый финансовый кризис.

Обнаружение рисков и управление ими

Одной из основных причин финансового кризиса 2008 года была неспособность банков эффективно выявлять риски и управлять ими. Традиционные методы управления рисками основывались на исторических данных и статистических моделях для выявления потенциальных рисков. Однако эти модели не смогли предсказать сложные и взаимосвязанные риски, которые привели к кризису.

ИИ может помочь финансовым учреждениям преодолеть эти ограничения, анализируя большие объемы данных в режиме реального времени и выявляя закономерности и тенденции, которые традиционные методы могут упустить. Используя алгоритмы машинного обучения, банки могут обнаруживать и анализировать факторы риска в широком диапазоне источников данных, включая финансовые отчеты, новостные статьи, социальные сети и даже погодные условия.

Системы управления рисками на основе искусственного интеллекта также могут предоставлять информацию о рыночных условиях в режиме реального времени, позволяя банкам принимать обоснованные решения и реагировать на потенциальные риски до того, как они обострятся. Заблаговременно выявляя возникающие риски, банки могут принимать упреждающие меры для их смягчения и предотвращения полномасштабного кризиса.

Улучшение соблюдения требований и нормативной отчетности

Соблюдение нормативных требований и нормативная отчетность являются важнейшими аспектами управления рисками для финансовых учреждений. Несоблюдение правил может привести к значительным финансовым санкциям и репутационному ущербу.

ИИ может помочь банкам улучшить соблюдение нормативных требований и отчетность за счет автоматизации рутинных задач, таких как сбор данных, анализ и отчетность. Автоматизируя эти процессы, банки могут уменьшить количество ошибок и повысить точность, обеспечивая соблюдение нормативных требований и точную отчетность о своих рисках.

Более того, ИИ может помочь банкам быть в курсе последних правил и требований соответствия. Отслеживая нормативные изменения и анализируя их влияние, системы на базе ИИ могут помочь банкам соответствующим образом скорректировать свои стратегии управления рисками, снизив риск несоблюдения требований и связанных с этим штрафов.

Предотвращение мошенничества и финансовых преступлений

Мошенничество и финансовые преступления представляют собой значительный риск для финансовых учреждений и могут иметь серьезные последствия, включая ущерб репутации, финансовые потери и юридические последствия. Обнаружение и предотвращение мошенничества требует сложного анализа данных и распознавания образов, которые традиционные методы могут не обеспечить.

ИИ может помочь банкам предотвратить мошенничество и финансовые преступления, анализируя огромные объемы данных и обнаруживая необычные модели и поведение, которые могут указывать на мошенническую деятельность. Алгоритмы машинного обучения могут извлекать уроки из прошлых инцидентов и выявлять новые угрозы, позволяя банкам принимать превентивные меры до того, как произойдет мошенничество.

Кроме того, ИИ может помочь банкам улучшить свои процессы борьбы с отмыванием денег (AML) и «знай своего клиента» (KYC), автоматизируя идентификацию и проверку клиентов и транзакций. Анализируя большие объемы данных и обнаруживая потенциальные риски, системы на базе ИИ могут помочь банкам выявлять подозрительную активность и принимать превентивные меры для предотвращения мошенничества и финансовых преступлений.

Стоит отметить, что ИИ не является панацеей и имеет свой собственный набор проблем и ограничений. Одной из основных проблем является потребность в высококачественных данных для обучения и проверки моделей машинного обучения. Без высококачественных данных системы на основе ИИ могут давать неточные или необъективные результаты, что приводит к принятию неверных решений и потенциальным рискам.

Еще одна проблема — потребность в человеческом надзоре и контроле над системами на базе ИИ. Хотя ИИ может автоматизировать рутинные задачи и повысить эффективность, он не может полностью заменить человеческое суждение и принятие решений. Крайне важно иметь квалифицированных специалистов, которые могут интерпретировать результаты ИИ и принимать обоснованные решения на основе информации, предоставляемой системами на базе ИИ.