ભારતમાં ક્રેડિટનો ખેલ: ફક્ત 11 જિલ્લાઓમાં કેમ દેશની અડધી બેંક લોન જમા?

મૂડીનો બોટલનેક

ભારતમાં નાણાકીય સમાવેશીકરણ (financial inclusion) ની કહાણી મોટાભાગે નવા ખોલવામાં આવેલા ખાતાઓની સંખ્યા અને ડિજિટલ પેમેન્ટ પ્લેટફોર્મના વ્યાપ પર માપવામાં આવે છે. જોકે, આ આંકડાઓની નીચે એક મોટી સમસ્યા છુપાયેલી છે: બેંકિંગ ક્ષેત્ર એક સિંક (siphon) તરીકે કામ કરે છે જે પરિઘ (periphery) માંથી નાણાકીય તરલતા (liquidity) ખેંચે છે પરંતુ તેને ફક્ત મુખ્ય કેન્દ્રો (core) માં જ મુક્ત કરે છે. જ્યારે ગ્રામીણ અને અર્ધ-શહેરી જિલ્લાઓને વ્યાપક ખાતા ખોલવા દ્વારા ઔપચારિક બચત વ્યવસ્થામાં સફળતાપૂર્વક લાવવામાં આવે છે, ત્યારે વાસ્તવિક જોખમી મૂડી (risk capital) નું વિતરણ ફક્ત થોડા મોટા મેટ્રોપોલિટન કોરિડોરમાં જ સીમિત રહે છે.

અસમાનતાનું વિશ્લેષણ

તાજેતરના નિયમનકારી ફાઈલિંગ્સ (regulatory filings) સૂચવે છે કે ક્રેડિટનું કેન્દ્રીકરણ માત્ર ઊંચું નથી; તે ગાણિતિક રીતે કઠોર છે. દેશની કુલ ડિપોઝિટના 50% મેળવવા માટે 17 જિલ્લાઓની જરૂર પડે છે, પરંતુ ક્રેડિટ માટે આ આંકડો ફક્ત 11 જિલ્લાઓમાં ઘટી જાય છે. આ તફાવત નોંધપાત્ર છે. તેનો અર્થ એ છે કે નાણાકીય સંસ્થાઓ વિશાળ અર્થતંત્રમાંથી મૂડી એકત્ર કરી રહી છે પરંતુ તે મૂડીને તે જ પ્રદેશોમાં પાછી ફેરવવામાં નિષ્ફળ રહી છે. આ ભૌગોલિક સંગ્રહ નીચલા-સ્તરના જિલ્લાઓમાં અનૌપચારિક ધિરાણ બજારો (informal credit markets) પર વ્યવસ્થિત નિર્ભરતા બનાવે છે, ભલે તે જ જિલ્લાઓ મોટા, શહેરી-કેન્દ્રિત વ્યાપારી બેંકોના બેલેન્સ શીટમાં મહત્વપૂર્ણ તરલતાનું યોગદાન આપે.

નીતિગત ભ્રમનું મૂલ્યાંકન

હાલના નાણાકીય સમાવેશીકરણ સૂચકાંકો (financial inclusion indices) મોટાભાગે અવકાશી અસમાનતા (spatial inequality) ને અવગણી રહ્યા છે, અને તેના બદલે ખાતા ધારકોની સંખ્યાને ટ્રેક કરવાનું પસંદ કર્યું છે. આ એક જોખમી નીતિગત અંધત્વ (policy blind spot) બનાવે છે. ભાગીદારીની ગુણવત્તાને બદલે પહોંચની માત્રા પર ધ્યાન કેન્દ્રિત કરીને, વર્તમાન માળખું સમાવેશીકરણના એવા સ્વરૂપની ઉજવણીનું જોખમ ધરાવે છે જે તકનીકી રીતે હાજર છે પરંતુ આર્થિક રીતે પોકળ છે. ઐતિહાસિક રીતે, જ્યારે ક્રેડિટ પ્રાદેશિક MSME ઇકોસિસ્ટમ્સ (MSME ecosystems) માં વહેવા માટે નિષ્ફળ જાય છે, ત્યારે સ્થાનિક અર્થતંત્રો માર્જિન સંકોચન (margin compression) અને વૃદ્ધિ સ્થિરતા (growth stagnation) નો અનુભવ કરે છે. આ ઘટના સમજાવે છે કે શા માટે ઘણા નાના ઉદ્યોગો 'ઔપચારિક' રીતે બેંકિંગ હોવા છતાં ઊંચા-ખર્ચે ખાનગી ધિરાણકર્તાઓ (private lenders) પર નિર્ભર રહે છે.

સંસ્થાકીય બેર કેસ (Institutional Bear Case)

જોખમના દૃષ્ટિકોણથી, આ અત્યંત કેન્દ્રીકરણ ભારતીય બેંકિંગ આર્કિટેક્ચરમાં (banking architecture) એક જોખમી નબળાઈ દર્શાવે છે. ક્રેડિટ-આધારિત અર્થતંત્ર જે લોન પોર્ટફોલિયોના મોટાભાગ માટે 11 સ્થાનિક ઝોન પર આધાર રાખે છે તે સ્વાભાવિક રીતે અત્યંત-સ્થાનિક આંચકાઓ (hyper-local shocks) પ્રત્યે સંવેદનશીલ છે. જો કોઈ મોટી નીતિગત ફેરફાર અથવા આર્થિક મંદી આ ચોક્કસ શહેરી ક્લસ્ટર્સને અસર કરે છે, તો દેશના બાકીના ભાગમાં મૂડીના પ્રસારણ મિકેનિઝમ (transmission mechanism) સંપૂર્ણપણે બંધ થઈ શકે છે. વધુમાં, આ કેન્દ્રીકરણની સતત પ્રકૃતિ સૂચવે છે કે પરંપરાગત ક્રેડિટ મૂલ્યાંકન મોડેલો (credit appraisal models) બિન-મેટ્રોપોલિટન ઉધારકર્તાઓ (non-metropolitan borrowers) સામે વ્યવસ્થિત રીતે પક્ષપાતી છે. જ્યાં સુધી અંડર-સર્વ્ડ પ્રદેશો માટે સ્વયંસંચાલિત, ડેટા-આધારિત અંડરરાઇટિંગ (data-driven underwriting) તરફ મૂળભૂત ફેરફાર ન થાય ત્યાં સુધી, ક્રેડિટનું ભૂગોળ સંભવતઃ એક બંધ લૂપ (closed loop) રહેશે, જે શહેરી સ્થાપિતોને લાભ કરશે જ્યારે પ્રાદેશિક વૃદ્ધિ એન્જિનને સ્કેલિંગ કામગીરી માટે જરૂરી મૂડીથી વંચિત રાખશે.