Un casse-tête de liquidité à la Silicon Valley Bank : comment donner plus de visibilité aux équipes ALM et Risque ?

Bien que les paniques bancaires constituent un risque inhérent au secteur, certaines mesures clés peuvent être prises pour assurer la résilience et la préparation face à une situation comme celle de la Silicon Valley Bank

Alors que la poussière retombe sur l’effondrement de la Silicon Valley Bank (SVB), les départements des finances et de la trésorerie d’autres banques se bousculent pour éviter un sort similaire.

Les pressions pour améliorer la modélisation du bilan, la prévision des flux de trésorerie et les scénarios de test de résistance se sont intensifiées pour les banques du monde entier à la suite de la chute de la SVB. Ces défis vont au-delà de la conformité réglementaire et soulignent la nécessité de consolider tous les types de risques organisationnels dans un modèle centralisé capable d’effectuer une analyse de scénario rapide. Bien que les paniques bancaires (c’est-à-dire lorsque de nombreux déposants retirent des fonds à un rythme rapide) constituent un risque héréditaire au sein du secteur, certaines mesures clés peuvent être prises pour assurer la résilience et la préparation face à une situation comme celle des SVB.

Modèles de risque consolidés à l’échelle de la Banque

Depuis le lendemain de la crise financière de 2008-2009 jusqu’à aujourd’hui, les banques ont mis en place des processus rigoureux pour créer et surveiller les scénarios de tests de résistance à l’échelle de l’entreprise. Chaque modèle est profondément complexe et fournit aux responsables des unités commerciales les informations nécessaires pour mener à bien une opération. Là où les équipes échouent souvent, c’est lorsqu’il s’agit de fournir au leadership une vue consolidée des risques de taux d’intérêt, de crédit et de liquidité. Souvent, ces types de risques sont cloisonnés et ne sont pas présentés dans un format holistique. De telles vues fourniraient aux décideurs les informations nécessaires pour comprendre les implications commerciales de chaque stress et les impacts sur d’autres domaines de l’organisation. 

Cela peut, au premier abord, sembler abstrait, mais nous sommes en passe d’établir une nouvelle norme. Pour y parvenir, les organisations doivent tirer parti de technologies robustes et flexibles. Chez Aexis , nous avons configuré une plate-forme de modélisation commerciale leader sur le marché, IBM Planning Analytics , pour répondre à de nombreux défis/risques modernes auxquels sont confrontées les banques. Les dirigeants bénéficient d’une vue globale de la santé financière de leur entreprise en tirant parti de Planning Analytics pour créer une vue globale des résultats des tests de résistance (souvent cloisonnés). De plus, Planning Analytcs peut superposer en toute transparence des ajustements macroéconomiques aux sorties de modèles stressés pour montrer l’impact de décisions spécifiques sur chaque type de risque.

Cette vue consolidée fournit aux services de trésorerie les données nécessaires pour réagir rapidement aux évolutions du marché. Dans le cas de SVB, l’approche cloisonnée a limité la visibilité des dirigeants sur la relation entre le risque de taux d’intérêt et le risque de liquidité. En utilisant ¨Planning Analytics, les banques peuvent éviter le cloisonnement des rapports et avoir une compréhension plus complète de l’interconnexion des différents risques sur le marché.

Optimiser les capital lifeline

Bien que oui, il n’est pas pratique de gérer plus d’une ligne de souscription ou d’une facilité de crédit (moins pour ceux qui disposent d’un système de gestion de trésorerie de qualité), il est tout à fait catastrophique de se passer de cette importante bouée de sauvetage de capitalisation en cas de besoin. Comme cela a été noté avec SVB, la banque disposait de nombreux actifs liquides de haute qualité, mais elle ne disposait pas d’un moyen efficace de convertir des actifs en espèces sans subir de pertes extrêmes. Pour SVB, cela est principalement dû au manque de capacités de financement de titres.

Les banques bénéficient de plusieurs facilités de titrisation sur lesquelles s’appuyer pour faire face aux obligations de paiement en période de crise, tout en optimisant l’utilisation desdites facilités.

Planning Analytics est un moteur de modélisation puissant avec des capacités d’optimisation intégrées. Cette fonctionnalité s’est avérée utile aux départements de trésorerie pour déterminer les méthodes optimales pour relever les défis de financement et de liquidité, ainsi que pour se conformer aux accords de covenant complexes. En utilisant un outil comme Planning Analytics, les banques peuvent s’appuyer sur des données en temps réel pour prendre des décisions éclairées sur l’endroit où sécuriser le capital tout en réduisant le risque d’une fire sale.

No alt text provided for this image

L’échec de SVB était sans précédent en termes de rapidité avec laquelle les déposants ont retiré de l’argent et la banque s’est effondrée, ce qui est très différent des ruées bancaires du passé.

Les médias sociaux et les comportements psychologiques impulsifs des investisseurs/clients sont des facteurs clés ayant une incidence sur la vitesse à laquelle la situation de SVB s’est aggravée de mal en pis. Grâce à la communication numérique/la banque numérique, les clients ont pu accélérer les retraits à un rythme jamais vu de mémoire récente.

Ce qui s’est passé avec SVB est devenu une leçon précieuse pour les banques quant à la rapidité avec laquelle elles doivent analyser des scénarios défavorables et très défavorables pour se préparer à des périodes de turbulences sans précédent.

La rapidité des changements du marché a rendu les approches traditionnelles de la modélisation obsolètes. Au moment où un département du Trésor a fini de mettre à jour des feuilles de calcul encombrantes, il est souvent trop tard pour avoir un impact en temps réel. Pour cette raison, les banques se tournent vers des technologies comme Planning Analytics pour parcourir rapidement des scénarios personnalisés en quelques minutes, au lieu des heures/jours auxquels la plupart des équipes sont si habituées. Être capable de modéliser de nombreux résultats et de comparer rapidement les résultats est une nécessité essentielle à l’ère numérique. Armé des informations les plus précises, le leadership peut alors identifier les voies optimales de résolution et communiquer ces plans en toute confiance, tant en interne qu’en externe.

Prochaines étapes

Les entreprises se bousculent, une fois de plus, pour résoudre les nouveaux problèmes émergeant de la dernière crise bancaire. Les banques peuvent transformer les trésoriers et les professionnels du risque en champions Business en les dotant de meilleurs outils et d’une meilleure expertise, comme les consultants Planning Analytics et Aexis. Avec des données en temps réel plus optimales à portée de main de la direction, l’atténuation des risques émergents et évolutifs n’est plus réactive, mais proactive.