భారత క్రెడిట్ ట్రాప్: దేశ రాజధానిని 11 జిల్లాలే ఎందుకు నియంత్రిస్తున్నాయి?

మూలధన అవరోధం (The Capital Bottleneck)

భారతదేశంలో ఆర్థిక చేరిక (Financial Inclusion) కథనాలను కొత్తగా తెరిచిన ఖాతాల సంఖ్య, డిజిటల్ చెల్లింపుల ప్లాట్‌ఫారమ్‌ల విస్తృతితో కొలుస్తారు. కానీ, ఈ గణాంకాల వెనుక ఒక నిర్మాణాత్మక అసాధారణత ఉంది: బ్యాంకింగ్ రంగం ఒక సైఫన్ లా పనిచేస్తుంది. ఇది గ్రామీణ, పాక్షిక-పట్టణ ప్రాంతాల నుండి నగదును (Liquidity) సేకరించి, కేవలం ప్రధాన నగరాలకు మాత్రమే విడుదల చేస్తుంది. విస్తృతమైన ఖాతాల ద్వారా గ్రామీణ, పాక్షిక-పట్టణ జిల్లాలను ఫార్మల్ పొదుపుల వలయంలోకి తీసుకువస్తున్నప్పటికీ, రిస్క్ క్యాపిటల్ (Risk Capital) కేటాయింపు మాత్రం కొన్ని ప్రధాన మహానగరాలకే పరిమితమైంది.

అసమానత విశ్లేషణ (Anatomy of Asymmetry)

ఇటీవలి రెగ్యులేటరీ ఫైలింగ్స్ ప్రకారం, రుణాల కేంద్రీకరణ కేవలం అధికంగానే లేదు; అది గణితశాస్త్రపరంగా కఠినంగా ఉంది. దేశం మొత్తం డిపాజిట్లలో 50% సాధించడానికి 17 జిల్లాలు అవసరమైతే, అప్పుల కోసం కేవలం 11 జిల్లాలు సరిపోతాయి. ఈ వ్యత్యాసం చాలా ముఖ్యం. అంటే, ఆర్థిక సంస్థలు విస్తృత ఆర్థిక వ్యవస్థ నుండి మూలధనాన్ని సేకరిస్తున్నప్పటికీ, ఆ మూలధనాన్ని తిరిగి అదే ప్రాంతాలకు అందించడంలో విఫలమవుతున్నాయని ఇది సూచిస్తుంది. ఈ భౌగోళిక దోపిడీ, తక్కువ-స్థాయి జిల్లాలను అనధికారిక రుణ మార్కెట్లపై ఆధారపడేలా చేస్తుంది. అదే సమయంలో, ఆ జిల్లాలే పెద్ద, పట్టణ-కేంద్రీకృత వాణిజ్య బ్యాంకుల బ్యాలెన్స్ షీట్‌లకు కీలకమైన నగదును అందిస్తున్నాయి.

పాలసీ మిథ్యను అంచనా వేయడం (Evaluating the Policy Mirage)

ఇప్పటివరకు ఉన్న ఫైనాన్షియల్ ఇంక్లూజన్ ఇండెక్స్‌లు ప్రాదేశిక అసమానతను (Spatial Inequality) పెద్దగా పట్టించుకోలేదు. ఖాతాదారుల సంఖ్యను ట్రాక్ చేయడానికే ప్రాధాన్యత ఇచ్చాయి. ఇది ప్రమాదకరమైన పాలసీ బ్లైండ్ స్పాట్‌ను సృష్టిస్తుంది. భాగస్వామ్యపు నాణ్యత కంటే ప్రాప్యత (Access) పరిమాణంపై దృష్టి సారించడం ద్వారా, ప్రస్తుత ఫ్రేమ్‌వర్క్ సాంకేతికంగా ఉన్నా, ఆర్థికంగా శూన్యమైన చేరికను (Economically Hollow Inclusion) జరుపుకునే ప్రమాదం ఉంది. చారిత్రాత్మకంగా, రుణాలు ప్రాంతీయ MSME పర్యావరణ వ్యవస్థలలోకి ప్రవహించనప్పుడు, స్థానిక ఆర్థిక వ్యవస్థలు మార్జిన్ కుదింపు (Margin Compression), వృద్ధి స్తబ్దతను (Growth Stagnation) అనుభవిస్తాయి. 'ఫార్మల్' బ్యాంకింగ్ ఉన్నప్పటికీ, అనేక చిన్న సంస్థలు అధిక-ఖర్చుతో కూడిన ప్రైవేట్ రుణదాతలపై ఎందుకు ఆధారపడతాయో ఈ దృగ్విషయం వివరిస్తుంది.

సంస్థాగత బేర్ కేస్ (The Institutional Bear Case)

రిస్క్ కోణం నుండి, ఈ తీవ్రమైన కేంద్రీకరణ భారత బ్యాంకింగ్ నిర్మాణంలో ప్రమాదకరమైన దుర్బలత్వాన్ని సూచిస్తుంది. తన రుణ పోర్ట్‌ఫోలియోలో ఎక్కువ భాగానికి 11 స్థానికీకరించిన మండలాలపై ఆధారపడే క్రెడిట్-ఆధారిత ఆర్థిక వ్యవస్థ, హైపర్-లోకల్ షాక్‌లకు (Hyper-local Shocks) సహజంగానే సున్నితంగా ఉంటుంది. ఒకవేళ ఏదైనా పెద్ద పాలసీ మార్పు లేదా ఆర్థిక మాంద్యం ఈ నిర్దిష్ట పట్టణ క్లస్టర్‌లను ప్రభావితం చేస్తే, దేశంలోని మిగిలిన ప్రాంతాలకు మూలధనాన్ని చేరవేసే యంత్రాంగం పూర్తిగా స్తంభించిపోవచ్చు. అంతేకాకుండా, ఈ కేంద్రీకరణ యొక్క నిరంతర స్వభావం, సాంప్రదాయ క్రెడిట్ అప్రైసల్ మోడల్స్ (Credit Appraisal Models) మెట్రోపాలిటన్ యేతర రుణదాతలకు వ్యతిరేకంగా నిర్మాణాత్మకంగా పక్షపాతంతో ఉన్నాయని సూచిస్తుంది. తక్కువ సేవలందించిన ప్రాంతాల కోసం ఆటోమేటెడ్, డేటా-ఆధారిత అండర్‌రైటింగ్ (Automated, Data-driven Underwriting) వైపు ప్రాథమిక మార్పు వస్తే తప్ప, రుణాల భౌగోళికం ఒక క్లోజ్డ్ లూప్‌గానే మిగిలిపోతుంది. ఇది పట్టణ సంస్థలకు ప్రయోజనం చేకూరుస్తుంది, అదే సమయంలో ప్రాంతీయ వృద్ధి ఇంజిన్‌లకు అవసరమైన మూలధనాన్ని అందకుండా చేస్తుంది.