സ്വകാര്യ മേഖലയിലെ ബാങ്കുകളുടെ ഡാറ്റാ റിപ്പോർട്ടിംഗ് കൃത്യതയിൽ കുറവ്

ഇന്ത്യയിലെ സ്വകാര്യ ബാങ്കിംഗ് മേഖലയിലെ സാമ്പത്തിക വെളിപ്പെടുത്തലുകളുടെ (financial disclosures) വിശ്വാസ്യത ഇപ്പോൾ ചോദ്യം ചെയ്യപ്പെട്ടുകൊണ്ടിരിക്കുകയാണ്. ഡാറ്റാ റിപ്പോർട്ടിംഗിന്റെ കൃത്യതയിൽ ഗണ്യമായ കുറവുണ്ടായതായി സമീപകാല കണ്ടെത്തലുകൾ സൂചിപ്പിക്കുന്നു. നിയന്ത്രണാധികാരികളുടെ മേൽനോട്ടം ശക്തമാകുന്ന സാഹചര്യത്തിൽ, ഈ പ്രവണത നിക്ഷേപകരുടെ വിശ്വാസത്തെയും ബാങ്കിംഗ് വ്യവസ്ഥയുടെ മൊത്തത്തിലുള്ള സുസ്ഥിരതയെയും കാര്യമായി ബാധിച്ചേക്കാം.

റിപ്പോർട്ടിംഗിലെ വൈരുദ്ധ്യങ്ങൾ വർദ്ധിച്ചുവരുന്ന പ്രവണത

മുൻപ് പ്രതീക്ഷിച്ചിരുന്ന ഡാറ്റാ കൃത്യതയുടെ ഉയർന്ന നിലവാരം നിലനിർത്താൻ സ്വകാര്യ മേഖലയിലെ ബാങ്കുകൾ ബുദ്ധിമുട്ടുന്നതായി സമീപകാല വ്യവസായ നിരീക്ഷണങ്ങൾ സൂചിപ്പിക്കുന്നു. പൊതുമേഖലാ ബാങ്കുകൾ ചരിത്രപരമായി പരിശോധനകൾക്ക് വിധേയരാകാറുണ്ടെങ്കിലും, നിലവിലെ പ്രവണത പ്രകാരം സ്വകാര്യ സ്ഥാപനങ്ങളുടെ സാമ്പത്തികവും പ്രവർത്തനപരവുമായ വെളിപ്പെടുത്തലുകളിൽ പിശകുകൾ വർദ്ധിച്ചുവരുന്നത് ആശങ്കാജനകമാണ്.

ഈ വൈരുദ്ധ്യങ്ങൾ കേവലം ക്ലറിക്കൽ പിശകുകൾ മാത്രമല്ല; ആസ്തി ഗുണനിലവാര റിപ്പോർട്ടിംഗ് (asset quality reporting), നോൺ-പെർഫോമിംഗ് അസറ്റ് (NPA) വർഗ്ഗീകരണം, റിസ്ക് എക്സ്പോഷർ ഡാറ്റ എന്നിവയുൾപ്പെടെയുള്ള വിവിധ നിർണ്ണായക ഘടകങ്ങളെ ഇത് ബാധിക്കുന്നു. നിക്ഷേപകരുടെയും ഓഹരി ഉടമകളുടെയും വിശ്വാസത്തിൽ നിലനിൽക്കുന്ന ഒരു മേഖല എന്ന നിലയിൽ, ഡാറ്റാ കൃത്യതയിലുള്ള ചെറിയ വ്യതിയാനങ്ങൾ പോലും വിപണി മൂല്യങ്ങളിൽ വലിയ തോതിലുള്ള ചാഞ്ചാട്ടത്തിന് കാരണമായേക്കാം.

നിയന്ത്രണാധികാരികളുടെ ആശങ്കകളും അനുസരണക്കേട് മൂലമുള്ള റിസ്കുകളും (Compliance Risks)

ഷെഡ്യൂൾഡ് കൊമേഴ്‌സ്യൽ ബാങ്കുകൾ നൽകുന്ന വിവരങ്ങളുടെ ഗുണനിലവാരത്തെക്കുറിച്ച് റിസർവ് ബാങ്ക് ഓഫ് ഇന്ത്യ (RBI) കൂടുതൽ ജാഗ്രത പുലർത്തുന്നുണ്ട്. റിപ്പോർട്ടിംഗിലെ കൃത്യത കുറയുന്നത് സ്വകാര്യ ബാങ്കുകൾ അവരുടെ സാമ്പത്തിക വിവരങ്ങൾ ക്രോഡീകരിക്കുന്നതിനായി ഉപയോഗിക്കുന്ന ആന്തരിക ഓഡിറ്റ് സംവിധാനങ്ങളെയും സാങ്കേതിക ചട്ടക്കൂടുകളെയും സംബന്ധിച്ച ആശങ്കകൾ വർദ്ധിപ്പിക്കുന്നു.

ബാങ്കുകൾ അവരുടെ ഡിജിറ്റൽ പ്രവർത്തനങ്ങൾ വിപുലീകരിക്കുകയും സങ്കീർണ്ണമായ ഫിൻടെക് (fintech) പരിഹാരങ്ങൾ സംയോജിപ്പിക്കുകയും ചെയ്യുമ്പോൾ, "ഡാറ്റാ സൈലോസ്" (data silos), മാനുവൽ ഇടപെടലുകൾ മൂലമുണ്ടാകുന്ന പിശകുകൾ എന്നിവയുടെ സാധ്യത വർദ്ധിക്കുന്നു. ബാങ്കുകൾ അവരുടെ ഡാറ്റാ പൈപ്പ്‌ലൈനുകൾ എങ്ങനെ കൈകാര്യം ചെയ്യുന്നു എന്നതിനെ നിയന്ത്രണാധികാരികൾ ഇപ്പോൾ സൂക്ഷ്മമായി നിരീക്ഷിക്കുന്നുണ്ട്. റിപ്പോർട്ടിംഗിലെ ഇത്തരം വീഴ്ചകൾ പരിഹരിക്കുന്നതിൽ പരാജയപ്പെട്ടാൽ കനത്ത പിഴകൾ, ലാഭവിഹിതം (dividend) നൽകുന്നതിലെ നിയന്ത്രണങ്ങൾ, അല്ലെങ്കിൽ പ്രവർത്തനപരമായ റിസ്കുകൾ കുറയ്ക്കുന്നതിനായി മൂലധന ബഫറുകൾ (capital buffers) വർദ്ധിപ്പിക്കാനുള്ള നിർദ്ദേശങ്ങൾ ഉൾപ്പെടെയുള്ള കർശനമായ മേൽനോട്ട നടപടികൾ നേരിടേണ്ടി വന്നേക്കാം.

നിക്ഷേപക വിശ്വാസത്തിലും വിപണി സുസ്ഥിരതയിലും ഉണ്ടാകുന്ന ആഘാതം

ഇന്ത്യൻ ബിസിനസ് പ്രൊഫഷണലുകൾക്കും ഇൻസ്റ്റിറ്റ്യൂഷണൽ ഇൻവെസ്റ്റർമാർക്കും ഡാറ്റാ കൃത്യത എന്നത് ഫണ്ടമെന്റൽ അനാലിസിസിന്റെ (fundamental analysis) അടിസ്ഥാനമാണ്. സ്വകാര്യ മേഖലയിലെ ബാങ്കുകൾ പൊരുത്തപ്പെടാത്ത വിവരങ്ങൾ റിപ്പോർട്ട് ചെയ്യുമ്പോൾ, അത് വിവരങ്ങളുടെ അസമത്വം (information asymmetry) സൃഷ്ടിക്കുകയും ഒരു ബാങ്കിന്റെ ബാലൻസ് ഷീറ്റിന്റെ യഥാർത്ഥ അവസ്ഥ വിലയിരുത്തുന്നത് പ്രയാസകരമാക്കുകയും ചെയ്യുന്നു.

"വിൻഡോ ഡ്രസ്സിംഗ്" (window dressing) അല്ലെങ്കിൽ വായ്പകളുടെ കുടിശ്ശിക (bad loans) റിപ്പോർട്ട് ചെയ്യുന്നതിലെ കാലതാമസം എന്നിവയുടെ ഏതൊരു സൂചനയോടും വിപണി ശക്തമായി പ്രതികരിക്കുന്നു. കൃത്യത കുറയുന്ന ഈ പ്രവണത തുടരുകയാണെങ്കിൽ, സ്വകാര്യ ബാങ്ക് ഓഹരികൾക്ക് ഉയർന്ന റിസ്ക് പ്രീമിയം (risk premium) നൽകേണ്ടി വന്നേക്കാം. ഇക്വിറ്റിയുടെ ഈ വർദ്ധിച്ച ചെലവ്, ഈ ബാങ്കുകൾക്ക് കാര്യക്ഷമമായി മൂലധനം സമാഹരിക്കാനുള്ള കഴിവിനെ പരിമിതപ്പെടുത്തുകയും, അതുവഴി ഇന്ത്യൻ സമ്പദ്‌വ്യവസ്ഥയിലെ അവരുടെ വായ്പാ വളർച്ചയെയും (credit growth) ദീർഘകാല വിപുലീകരണ പദ്ധതികളെയും മന്ദഗതിയിലാക്കുകയും ചെയ്തേക്കാം.

സാങ്കേതികവും ഭരണപരവുമായ പരിഷ്കരണത്തിന്റെ ആവശ്യകത

ഈ പ്രവണതയെ നേരിടാൻ, ശക്തമായ റെഗുലേറ്ററി ടെക്നോളജി (RegTech) പരിഹാരങ്ങൾ നടപ്പിലാക്കുന്നതിന് സ്വകാര്യ ബാങ്കുകൾ മുൻഗണന നൽകണം. ബ്രാഞ്ച് തലത്തിലുള്ള ഇടപാടുകളിൽ നിന്ന് സെൻട്രൽ റിപ്പോർട്ടിംഗ് സംവിധാനങ്ങളിലേക്കുള്ള ഡാറ്റാ ഒഴുക്ക് ഓട്ടോമേറ്റ് ചെയ്യുന്നത് മനുഷ്യസഹജമായ പിശകുകൾ ഗണ്യമായി കുറയ്ക്കാനും കണക്കുകളിൽ കൃത്രിമം കാണിക്കുന്നത് തടയാനും സഹായിക്കും.

കൂടാതെ, "ത്രീ ലൈൻസ് ഓഫ് ഡിഫൻസ്" (three lines of defense) മാതൃക ശക്തിപ്പെടുത്തേണ്ടത് അത്യന്താപേക്ഷിതമാണ്: ഫലപ്രദമായ ബിസിനസ് യൂണിറ്റ് നിയന്ത്രണങ്ങൾ, സ്വതന്ത്രമായ റിസ്ക് മാനേജ്‌മെന്റ്/കംപ്ലയൻസ് ഫംഗ്ഷനുകൾ, കർശനമായ ഇന്റേണൽ ഓഡിറ്റ് എന്നിവ ഇതിൽ ഉൾപ്പെടുന്നു. ഡാറ്റ എങ്ങനെ ശേഖരിക്കുന്നു, പ്രോസസ്സ് ചെയ്യുന്നു, റിപ്പോർട്ട് ചെയ്യുന്നു എന്നതിലെ സുതാര്യതയായിരിക്കും, മികച്ച പ്രവർത്തന മികവിനുള്ള (operational excellence) സ്വകാര്യ ബാങ്കുകളുടെ സൽപ്പേര് തിരിച്ചുപിടിക്കാൻ കഴിയുമോ എന്ന കാര്യത്തിൽ നിർണ്ണായക ഘടകമാകുന്നത്.

പ്രധാന കാര്യങ്ങൾ

• തകരുന്ന വിശ്വാസ്യത: സ്വകാര്യ മേഖലയിലെ ബാങ്കുകളുടെ സാമ്പത്തികവും പ്രവർത്തനപരവുമായ ഡാറ്റാ റിപ്പോർട്ടിംഗിലെ കൃത്യതയിൽ ശ്രദ്ധേയമായ കുറവ് അനുഭവപ്പെടുന്നുണ്ട്.
• റെഗുലേറ്ററി പരിശോധന: എൻപിഎകളുടെയും (NPAs) അസറ്റ് ക്വാളിറ്റിയുടെയും തെറ്റായ റിപ്പോർട്ടിംഗ് തടയുന്നതിനായി, ബാങ്കുകൾ ഡാറ്റാ പൈപ്പ്‌ലൈനുകൾ എങ്ങനെ കൈകാര്യം ചെയ്യുന്നു എന്നതിൽ ശ്രദ്ധ കേന്ദ്രീകരിച്ചുകൊണ്ട് ആർബിഐ (RBI) നിരീക്ഷണം കർശനമാക്കാൻ സാധ്യതയുണ്ട്.
• നിക്ഷേപക റിസ്ക്: തെറ്റായ വെളിപ്പെടുത്തലുകൾ വിപണിയിലെ ചാഞ്ചാട്ടത്തിന് കാരണമാവുകയും സ്വകാര്യ ബാങ്കിംഗ് ഓഹരികൾക്ക് റിസ്ക് പ്രീമിയം വർദ്ധിപ്പിക്കുകയും ചെയ്യുന്നു, ഇത് മൂലധന സമാഹരണത്തെ തടസ്സപ്പെടുത്തിയേക്കാം.