Interessantes neues Papier über Bankenläufe mit ~4k Läufen als Datenpunkte. Sehr empfehlenswert für alle in der Stablecoin-Branche, da die Läufe hauptsächlich in der Zeit vor staatlichen Interventionen (wie der FDIC-Versicherung) stattfanden, sodass das Verhalten der Einleger vor 1934 für Stablecoin-Emittenten relevant zu sein scheint. Zunächst stellt das Papier fest, dass Läufe viel wahrscheinlicher sind, wenn eine Bank „schwache beobachtbare Fundamentaldaten“ hat. Das Wort „beobachtbar“ hat hier eine große Bedeutung, obwohl man tiefer im Papier erkennt, dass Banken mit starken Fundamentaldaten bei einem Lauf überhaupt nicht scheitern. Aber wenn man schwach ist, scheint es wichtig zu sein, das zu verbergen? Zweitens waren die Banken im Datensatz 38% wahrscheinlicher, nach einem Lauf zu scheitern, verglichen mit einer Basisrate von <1% für Bankpleiten. Auch wenn ich die Zahlen nicht habe, scheint dies von der Erfahrung mit Stablecoin-Läufen abzuweichen, bei denen sie im Grunde genommen auf null zu gehen scheinen. Und diejenigen, die es nicht tun, schleppen sich als Zombies (z.B. sUSD) weiter, anstatt sich vollständig zu erholen. Ich frage mich, ob das eine Funktion der Größe ist – USDC und DAI haben sich beide 2023 erholt, aber beide waren Milliarden groß und es war auch in Echtzeit klar, dass die USDC-Inhaber alle zum Nennwert abheben könnten, aufgrund einiger idiosynkratischer Faktoren, die hier zu viel ins Detail gehen. Interessanterweise waren die Banken, die die Abhebungen vollständig aussetzten, viel wahrscheinlicher zu scheitern als diejenigen, die alle Abhebungen ermöglichten. Ich bin mir sicher, dass es hier viel Überlebensbias gibt, aber die Daten sind sehr unausgewogen, sodass es vernünftig erscheint zu hinterfragen, ob der Bias allein für den Unterschied verantwortlich ist. Ein typischer Ratschlag, der historisch gegeben wurde, war, die Abhebungen vorübergehend auszusetzen. Das Papier betrachtet auch lokale Effekte von Läufen und Pleiten, aber als Stablecoin-Person fand ich dort persönlich nichts von Interesse. Beachten Sie, dass dieser Datensatz durch die Verwendung von LLMs erstellt wurde, um Zeitungs- und andere Aufzeichnungen zu lesen, sodass auch die Möglichkeit besteht, dass etwas systematisch bei der Ausführung des Prompts schiefgelaufen ist. Papier von @EmilVerner, Sergio Correia, Stephen Luck. Link im nächsten Tweet