中小型銀行淨利差負成長、存款流失
穆迪信用評級制度於今年8月對多家美國銀行的評級下調，凸顯金融業面臨許多壓力，對中小型銀行的新問題是，他們被迫支付給客戶更高的存款利率來防止存款流出，且超過貸款收益增長的速度。
原本一般預期銀行在利率上升時通常會蓬勃發展，透過信用卡或貸款等產品賺取收入，但由於美國貸款增長疲弱，因此利率上升也只有很短暫的提振效果，今年第一季，由於SVB等銀行的倒閉影響存款人，許多銀行的淨利差成長也轉為負值。
《金融時報》（Financial Times）在SVB倒閉後分析，銀行需要認真管理利率風險，增強應對利率變化的能力，其中美國一位監管顧問Mayra Rodríguez Valladares認為，銀行風險管理者需要回歸基本，進行差距分析（Gap Analysis），將利率變動的基點放大，假設利率在短時間上升100和200基點時，銀行要如何因應，銀行風險管理者還應該研究歷史，觀察在其他高利率和迅速上升年代，如1980年代，是如何生存。
1980年代擔任FDIC主席的比爾‧艾薩克（Bill Isaac）則提出，不要長時間鎖定存款，因為得來容易消失也快。還有，不要買太多固定利率的政府債券，並建議進行對沖。然而，對於買太多固定利率的政府債券進行對沖的作法可能很昂貴，銀行的利潤已經受到淨利差縮小的壓力，在對沖中會支付掉所有利潤。亦有另一種說法認為，從長期來看，銀行需要的是擁有更大的股權緩衝，來覆蓋所有利率風險。
須留意AI不可預測性帶來的風險
美國證券交易委員會（SEC）主席Gary Gensler今年8月指出，AI可能即將成為下一次金融危機的核心。整體含義是，金融市場中的交易演算法若由AI所驅動，最終都以相同的時間賣出相同的東西，可能因此失控，導致市場崩盤。模型同質性風險也會由監管本身產生，如果監管機構對AI的行為進行控制，增加它們最終都會在相同時間做相同事情的風險，或者來自於公司都選擇使用少數大型供應商提供的AI服務。
AI的深度學習可能會增加系統性風險，隨著金融業對深度學習的廣泛採用，可能出現監管漏洞，因接受過培訓來建立和管理這些模型的人才往往背景和思考模式相當類似，而控制模型何時進行金融商品買賣的規則，對操作的人來說是不透明的，無法事先了解，Gensler提到，如果深度學習的預測是可解釋的，它們就不會被使用，所以監管機構很難防止這種市場崩盤。
AXIO分析平台提出，許多AI被使用於評估個人的信用評等，但由於AI的不透明性，很難判斷它們是否以一種歧視的角度來評估人類。AI以不可預測的方式演變，很難知道AI何時轉變，也因此具有風險。AI之所以非常危險，是因為AI不知道自己未知的是什麼（AIs don't know what they don't know）。
