Kecekapan Kos Bank dan Struktur Pasaran Kredit di Bawah Kadar Pertukaran yang Tidak Stabil

1. Pengenalan

Penyelidikan ini mengkaji hubungan kritikal antara ketidakstabilan kadar pertukaran dan kecekapan kos bank dalam ekonomi pasaran membangun (EME). Kajian ini memberi tumpuan kepada operasi mata wang asing (FX) bank-bank Rusia antara suku pertama 2004 dan suku kedua 2020, mendedahkan bagaimana penilaian semula mata wang (Revals) mengganggu pengukuran kecekapan tradisional dan penilaian struktur pasaran dengan ketara.

2. Metodologi Penyelidikan

2.1 Sumber Data dan Sampel

Kajian ini menggunakan data suku tahunan unik mengenai penilaian semula aset dan liabiliti FX daripada bank-bank Rusia. Set data ini termasuk maklumat terperinci mengenai:

• Jumlah penilaian semula suku tahunan (Revals)
• Item kunci kira-kira dan penyata pendapatan bank
• Metrik pendedahan mata wang asing
• Penunjuk struktur pasaran

2.2 Kerangka Analisis

Pendekatan dua peringkat telah dibangunkan untuk menangani cabaran pengukuran:

1. Anggaran kecekapan awal menggunakan analisis sempadan stokastik tradisional
2. Pelarasan untuk kesan penilaian semula menggunakan kaedah berasaskan kopula
3. Analisis struktur pasaran yang menggabungkan ukuran kecekapan yang diperbetulkan

3. Penemuan Utama

3.1 Kesan Kos Penilaian Semula

Penilaian semula FX merupakan komponen terbesar jumlah kos bank, dengan purata 26.5% dan variasi antara bank yang ketara. Kos ini dicetuskan oleh ketidakpadanan mata wang dalam operasi bank, terutamanya didorong oleh deposit FX isi rumah dan ketidakstabilan kadar pertukaran Ruble.

3.2 Bias Pengukuran Kecekapan

Anggaran kecekapan kos tradisional mempunyai bias ke bawah yang teruk sebanyak kira-kira 30% apabila penilaian semula FX diabaikan. Bias ini tidak seragam di kalangan bank, dengan analisis kopula bukan parametrik mendedahkan bahawa kedudukan kecekapan secara amnya tidak dikekalkan kecuali di hujung taburan.

3.3 Implikasi Struktur Pasaran

Kegagalan mengambil kira kos penilaian semula membawa kepada kesimpulan yang salah tentang kecekapan pasaran kredit. Ketidakcekapan yang ketara tertumpu pada kuartil atas bank mengikut jumlah aset, mencadangkan bahawa bank yang lebih besar menghadapi cabaran pendedahan FX yang tidak seimbang.

4. Analisis Teknikal

4.1 Kerangka Matematik

Kajian ini menggunakan analisis sempadan stokastik dengan pelarasan untuk kesan penilaian semula. Model sempadan kos asas ditetapkan sebagai:

$\ln C_i = \ln C(y_i, w_i) + v_i + u_i + r_i$

Di mana:

• $C_i$ = jumlah kos yang diperhatikan
• $y_i$ = vektor output
• $w_i$ = vektor harga input
• $v_i$ = hingar rawak
• $u_i$ = komponen ketidakcekapan
• $r_i$ = istilah pelarasan penilaian semula

Istilah pelarasan penilaian semula $r_i$ dimodelkan sebagai fungsi pendedahan FX dan ketidakstabilan kadar pertukaran:

$r_i = f(\text{Pendedahan FX}_i, \sigma_{FX})$

4.2 Keputusan Eksperimen

Pendekatan dua peringkat yang dicadangkan mengurangkan bias ke bawah dalam anggaran kecekapan sebanyak kira-kira dua pertiga. Penemuan eksperimen utama termasuk:

• Analisis kopula menunjukkan hubungan tidak linear antara ukuran kecekapan tradisional dan yang diselaraskan
• Korelasi kedudukan antara ukuran kecekapan adalah rendah kecuali pada ekstrem taburan
• Kaedah pelarasan menunjukkan keteguhan merentasi kategori saiz bank yang berbeza

5. Contoh Kerangka Analisis

Pertimbangkan sebuah bank dengan ciri-ciri berikut:

• Jumlah Aset: $10 bilion
• Pendedahan FX: 25% daripada aset
• Ketidakstabilan Kadar Pertukaran Suku Tahunan: 15%
• Skor Kecekapan Tradisional: 0.65

Menggunakan kerangka pelarasan yang dicadangkan:

1. Kira kos penilaian semula yang dijangkakan berdasarkan pendedahan FX dan ketidakstabilan
2. Laraskan jumlah kos dengan mengeluarkan komponen penilaian semula
3. Anggar semula kecekapan menggunakan ukuran kos yang diselaraskan
4. Keputusan: Skor Kecekapan Diselaraskan = 0.85 (peningkatan 30.8%)

Contoh ini menggambarkan bagaimana kaedah tradisional secara sistematik memandang rendah kecekapan untuk bank dengan operasi FX yang ketara.

6. Aplikasi & Hala Tuju Masa Depan

Penyelidikan ini membuka beberapa laluan penting untuk kerja masa depan:

• Aplikasi Rentas Negara: Memperluas kerangka ini kepada EME lain dengan rejim kadar pertukaran yang berbeza
• Implikasi Pengawalseliaan: Membangunkan kerangka ujian tekanan yang menggabungkan risiko penilaian semula FX
• Integrasi Mata Wang Digital: Mengkaji bagaimana CBDC dan aset digital mempengaruhi pengurusan pendedahan FX
• Penambahbaikan Pembelajaran Mesin: Menggabungkan teknik AI/ML untuk ramalan penilaian semula dinamik
• Integrasi Risiko Iklim: Menghubungkan ketidakstabilan kadar pertukaran dengan risiko kewangan berkaitan iklim

7. Rujukan

1. Acharya, V. V., & Vij, S. (2021). Foreign currency debt in emerging markets. Journal of Financial Economics.
2. Brown, M., et al. (2018). Currency matching in bank operations. Journal of Banking & Finance.
3. Bruno, V., & Shin, H. S. (2020). Currency mismatches in emerging markets. BIS Working Papers.
4. di Giovanni, J., et al. (2022). Exchange rate volatility and bank performance. IMF Economic Review.
5. Hebert, B., & Schreger, J. (2017). The costs of currency crises. Journal of International Economics.
6. Ippolito, F. (2002). Hedging foreign exchange risk. Journal of Financial Intermediation.
7. Kumbhakar, S. C., & Lovell, C. A. K. (2000). Stochastic Frontier Analysis. Cambridge University Press.
8. Verner, E., & Gyongyosi, G. (2020). Household debt and currency crises. American Economic Review.
9. World Bank. (2023). Global Financial Development Report: Financial Stability in Emerging Markets.
10. Bank for International Settlements. (2024). Triennial Central Bank Survey of Foreign Exchange Markets.