................BM-XCMYK

MUMBAI

BusinessLineWEDNESDAY • JANUARY 1 • 2020 5BANKING

OUR BUREAU

Mumbai, December 31

The  banking  system’slacklustre  credit  growth  hasmore  to  do  with  the  lack  ofcredit  demand  rather  thancredit  availability,  accordingto India Ratings and Research(Ind­Ra).  The  weak  credit  off��­take is likely to exacerbate thecurrent slowdown in terms ofintensity and recovery time, itadded. 

In  this  regard,  the  creditagency underscored that cor­porate  credit  off��take  frombanks  will  remain  limited  atleast in the near term, consid­ering the subdued demand. 

Risk averseness“The muted demand for loanis largely explained by the ab­sence  of  capital  expenditure(capex).  Second,  with  the  in­

creasing  risk  averseness  inthe  system,  credit  is  madeavailable  to  borrowers  withstrong credit metrics and alsoat  a  reasonable  price.  How­ever,  the  need  for  credit  bythose entities is relatively less,either because of their strongbalance sheet or other altern­ative  sources  (External  Com­mercial  Borrowing,  ForeignCurrency  Convertible  Bondsor  domestic  bond  market),”said  Jinesh  Rajpara,  analyst,in the research report. 

The  agency  believes  thatunlike  in  the  past,  the  bank­ing system is well­capitalisedwith both private and publicsector  banks  ready  to  pushcredit growth. 

Specifi��cally  on  the  publicbanks’  side,  while  capitalavailability  is  no  longer  achallenge, the ongoing amal­

gamation will keep the focusof  the  banks  involved  awayfrom  credit  growth  in  thenear term.

“On an overall basis, a weakeconomic  sentiment  result­ing in lack of new project an­nouncements, along with thesharp  slowdown  seen  in  thenon­banking  fi��nance  com­pany  (NBFC)  sector  resultingfrom the ongoing challengeson liquidity, are likely to keepthe  credit  growth  expecta­tions  muted  for  the  bankingsector  in  the  near  term,”  thereport said. 

Non-food credit growthOverall  non­food  creditgrowth  for  scheduled  com­mercial  banks  remainedweak  in  October  2019  at  8.3per  cent  year­on­year  (y­o­y),down  sharply  from  13.4  percent y­o­y in October 2018, andmarginally  up  from  8.1  percent y­o­y in September 2019.At  a  more  granular  level,

growth in the retail segmentremained  strong  at  17.2  percent  y­o­y  (September  2019:16.6  per  cent  y­o­y;  October2018: 16.8 per cent y­o­y).

Further,  growth  in  retailloans  contributed  nearly  53per  cent  to  the  incrementalgrowth  in  scheduled  com­mercial  banks’  credit  duringOctober 2019, the agency said

Annual  credit  growth  inthe  agriculture  and  industrysectors  remained  largelystable  at  7.1  per  cent  and  3.4per  cent,  respectively,  duringthe month. 

However,  the  weakness  incredit growth has intensifi��ed

in the services segment at 6.5per cent in October 2019 from27.4 per cent in October 2018. 

Funding slowdownOn  a  sub­sector  basis  withinthe  services  segment,  theagency found that funding tokey contributing sectors suchas non­banking fi��nance com­panies (NBFCs) and other ser­vices  had  seen  a  sharp  slow­down  in  October  2019  whencompared to October 2018.

Ind­Ra assessed that NBFCsthat  contribute  about  30  percent  to  the  services  segmentsaw  a  credit  growth  slow­down at 26.8 per cent in Octo­ber 2019 from 55.6 per cent inOctober 2018. 

Other  services  segment,with a contribution of about23 per cent to the services seg­ment,  saw  a  credit  growthslowdown  at  12.7  per  cent  y­o­y in October 2019 from 35.6per cent y­o­y growth in Octo­ber 2018. 

Low credit offtake likely to worseneconomic slowdown, says Ind­Ra Bank amalgamation will take focus away

from credit growth in the near termWX

Weak economic

sentiment, along with

the sharp slowdown

seen in the NBFC sector,

will keep credit growth

expectations muted

for the banking sector

SHOBHA ROY

Kolkata, December 31

The general insurance

industry in India, which

witnessed an overall

deterioration in financial

health this year on account of

several natural calamities

leading to higher

claims, will work to

strengthen the

balance sheet to

deliver better

customer service.

There is also likely to be a

massive transformation in the

insurance sector, which is set

to move from a push-based

industry to a pull-based one

in the next two to three

years.

In an exclusive interaction

with BusinessLine, Tapan

Singhel, MD and CEO, Bajaj

Allianz General Insurance

Company, spoke about the

impact of the various changes

in the general insurance

industry and the way forward.

Excerpts:

What were some of the

key challenges faced by

the general insurance

industry in 2019? How

do you see the next

year panning

out for the industry?

One  of  the  biggest  chal­lenges  faced  was  the  fi��vefl��oods  during  the  course  ofthe  year.  As  a  general  insur­ance  industry,  this  directlyimpacts  us  and  aff��ects  al­most  all  portfolios,  includ­ing  health,  auto,  and  crop,among others. 

Since the pricing of the in­dustry  is  based  on  past  ex­periences, prediction of suchmassive  events  in  one  year

would  not  have  been  takeninto  consideration  by  insur­ance companies, thereby im­pacting the balance sheet.

However,  global  weatherchange is something we can­not  brush  under  the  carpetas  something  small  and

insignifi��cant.This  is  one  of  the

biggest  learnings  (forthe  industry)  and  it  ishere  to  stay.  Weather

change will play a big role inbusinesses  and  they  willhave  to  align  themselvesthinking  about  it,  and  thegovernment  should  alsothink  about  cities  and  townplanning.

How do you see the

overall health of the

general insurance

industry?

The  overall  results  of  the  in­dustry  are  expected  to  de­teriorate  when  compared  tolast  year  due  to  thesemassive  events.  The  condi­tions  are  tough  for  mostcompanies  because  of  theirsolvency  situation  due  tosuch results. 

However,  this  will  lead  toan  interesting  scenariowhere  companies  will  have

to  look  at  how  they  take  cli­mate  change as  an  inherentrisk,  and  how  they  look  atbuilding  their  portfolios,businesses and pricing.

Moving forward, how

will digital technology

impact the general

insurance industry?

What  we  called  digital  is  nolonger  a  luxury  or  board­room  conversations  now.The hyper speed of the inter­net,  the  kind  of  solutionsthat  are  emerging,  and  witha number  of  start­ups  think­ing  of  ways  to  look  at  busi­nesses,  this has changed. 

Technologies  such  asblockchain,  Artifi��cial  Intelli­gence  and  Machine  Learn­ing,  which  we  spoke  abouttwo  to  three  years  back  assomething  that  will  happen,is  already  there;  so,  nowthere  is  a  massive  shift  hap­pening  in  terms  of  pro­cesses,  business  solutions,and how data is being collec­ted and looked at.

For  the  insurance  in­dustry to  be  away  from

this  wouldnot

makeany

sense,  and  that  is  why  mostcompanies  are  looking  tofi��nd  good  solutions  usingthese  tools  that  benefi��t cus­tomer experience  or  getsome  new  products  thatwere not there.

Customers  who  have  gotused  to  an  era  of  e­com­merce  are  looking  for  in­stant  delivery  of  productsand  services.  If  you  look  atinsurance  companies,  theyare  very  traditional  in  theway they think.

So, it  is not only about mi­cro  changes  now;  my  beliefis  that  in  the  years  to  comeand  starting  from  next  year,you  will  see  eff��orts  beingmade  by  the  industry  tomake  massive  transforma­tions  to bridge all  the  gaps.

You said the insurance

sector will move from

being a push industry to

a pull industry. Can you

elaborate a little more?

The  insurance  industry  hasalways  been  a  push  industrybecause  nobody  gets  up  tobuy  insurance  on  his  own,but  when  a  conversationhappens,  the  person  getsconvinced  to  buy  it.  That  iswhy  insurance  companiesare  still  largely  distributor­led  companies  because  con­versations have to happen. 

Now,  this  is  where  themassive  transformation  willhappen.  Once  a  customerfeels  that  his  problems  orworries  are  getting  solved,there  will  be  full  eff��ort  interms of buying the product.So,  from  a  push,  we  willmove  to  pull,  and  as  a  com­pany,  we  are  very  keen  tolead this transformation.

‘Insurance sector set to move froma push industry to pull­based one’ 

ZYCompanies will have to

look at how they take

climate change as an

inherent risk, and

how they look at building

their portfolios,

businesses and

pricing

TAPAN SINGHELMD and CEO, Bajaj Allianz General InsuranceCompany

YZ

O

OUR BUREAU

Mumbai, December 31

Corporates  in  the  large  seg­ment  are  liquidity­rich  and,thus,  could  have  limited  li­quidity  requirements,  accord­ing  to  the  Reserve  Bank  of  In­dia’s  latest  Financial  StabilityReport (FSR). 

The  report  cautioned  thatthis has implications for reviv­ing the investment cycle, giventheir  signifi��cant  share  inwholesale credit.

The  RBI  made  the  assess­ment  after  comparing  thecharacteristics  of  the  balancesheets of two categories of cor­porates – very large (aggregatedebt above ₹��5,000 crore) andlarge (aggregate debt between

₹��100 crore and ₹��5,000 crore). In  terms  of  the  fi��nancial

leverage  metric,  large  corpor­ates have steadily deleveraged.With regard to corporates’ bal­ance  sheet  liquidity  in  boththese  cohorts,  clearly  largecorporates were liquidity­rich,with  cash  and  marketable  se­curities exceeding 40 per centof  on­balance  sheet  debt  ineach of the last four years, thereport noted.

Credit growth in wholesaleaccounts (aggregate exposureof ₹��5 crore and above)  in thepast two years was dominatedby  very  large  accounts  (ag­gregate  exposure  above₹��5,000 crore), the report said. 

The  share  of  very  large

credit (greater than or equal to₹��5,000  crore)  in  scheduledcommercial  banks  (SCBs)wholesale portfolio moved upfrom  30.7  per  cent  in  March2017 to 33.3 per cent in March2018 to 38.7 per cent in March2019.

The  share  of  large  credit(₹��100  crore  to  ₹��5,000  crore)declined from 48.8 per cent inMarch 2017 to 46.2 per cent in

March  2018  to  42  per  cent  inMarch  2019.  The  share  of  me­dium credit (₹��25 crore to ₹��100crore)  moved  down  from  9.8per  cent  in  March  2017  to  9.7per  cent  in  March  2018  to  8.9per cent in March 2019.

The share of small credit (₹��5crore to ₹��25 crore) moved upfrom  10.7  per  cent  in  March2017 to 10.9 per cent in March2018,  but  declined  to  10.4  percent in March 2019.

Financial firms dominate A broad  split  between  fi��nan­cial  and  non­fi��nancial  fi��rmsshows  that  credit  growth  in2018­19 was dominated by fi��n­ancial fi��rms (non­banking fi��n­ancial  companies).  The  disag­

gregated credit growth of verylarge  borrowers  in  the  fi��nan­cial  sector  jumped  47.5  percent  year­on­year  (y­o­y)  inMarch  2019  against  22.4  percent in March 2018.

Within the very large fi��nan­cial  fi��rms  category,  creditgrowth  for  public  sector  un­dertakings  (PSUs)  soared  92.9per  cent  y­o­y  in  March  2019against 45.6 per cent in March2018.  Credit  growth  for  theprivate  sector  rose  39.5  percent y­o­y against 19.1 per cent.

The  disaggregated  creditgrowth  of  very  large  borrow­ers in the non­fi��nancial sectorrose  19.7  per  cent  y­o­y  inMarch  2019  against  12.2  percent in March 2018. 

‘Low fund demand by cash­rich fi��rms can hit investment cycle’FINANCIAL STABILITY REPORT

OUR BUREAU

Mumbai, December 31

India’s Current Account Defi��cit(CAD) narrowed sharply to 0.9per  cent  of  GDP  in  the  July­September  (Q2)  of  FY2019­20from  2.9  per  cent  in  the  year­ago  period  and  2  per  cent  inthe  preceding  quarter.  Thiscontraction  in  CAD  wasprimarily on account of lowertrade defi��cit. 

CAD occurs when the valueof  goods  and  services  impor­ted  exceeds  the  value  of  ex­ports.  A  large  CAD  can  causethe  domestic  currency  todepreciate.

In  absolute  terms,  the  CADin  the  reporting  quarter  (Q2)

came down to $6.3 billion from$19  billion  in  the  year­agoquarter and $14.2 billion in thepreceding  (April­June  2019)quarter. Trade defi��cit in the re­porting  quarter  was  lower  at$38.1 billion when compared to$50 billion a year ago. Net ser­vices receipts increased by 0.9per cent on a year­on­year (y­o­y) basis on the back of a rise innet  earnings  from  computer,travel  and  fi��nancial  services,the RBI said.

Private  transfer  receipts,mainly  representing  remit­tances  by  Indians  employedoverseas,  rose  to  $21.9  billion,increasing by 5.2 per cent fromtheir level a year ago. 

CAD narrows sharplyto 0.9% of GDP in Q2

OUR BUREAU

New Delhi, December 31

The  Enforcement  Directorate(ED)  has  attached  assetsworth ₹��127.74 crore of immov­able  properties  belonging  toPixion  Media  and  its  groupcompanies  in  a  bank  fraudcase  that  runs  into  ₹��2,600crore.

The attached assets consist

of  two  commercial  plots  andnine  commercial  fl��oors  ofgroup  companies  situated  inMumbai, Chennai, Noida, andKolkata,  according  to  a  pressstatement issued by the ED.

The ED initiated the invest­igation under the Preventionof  Money  Laundering  Act(PMLA)  on  the  basis  of  sevenFIRs and chargesheets fi��led by

the CBI. Pearl Media, MahuaaMedia,  Pixion  Vision,  PearlStudio,  Pearl  Vision  and  Cen­tury  Communication  are  be­ing investigated.

Investigation  revealed  thatthe  accused  –  PK  Tewari,Anand  Tewari  and  AbhishiekTewari,  directors  of  PixionGroup  of  companies  –  hadfraudulently  availed  loans  to

the tune of ₹��2,600 crore fromvarious  banks.  The  accusedpersons  further  diverted  theloan  amounts  through  bankaccounts  of  various  compan­ies and entities controlled bythem, which were fi��nally util­ised in the procurement of as­sets at various places such asMumbai, Chennai, Noida, andKolkata. 

ED attaches ₹��127­crore assets of Pixion MediaBANK FRAUD

OUR BUREAU

Mumbai, December 31

To  facilitate  professional  man­agement  and  focussed  atten­tion  to  their  banking­relatedactivities,  the  Reserve  Bank  ofIndia (RBI), on Tuesday, directedUrban  Co­operative  Banks(UCBs) with deposit size of ₹��100crore and above to constitute aBoard of Management (BoM).

In its guidelines on constitut­ing  BoM  in  UCBs  (other  thanSalary Earners’ Banks), the cent­ral bank said it will be mandat­ory for such banks to constituteBoM for seeking approval to ex­pand  their  area  of  operationand/or  open  new  branches.These  UCBs  will  also  requireprior approval of the RBI for ap­pointment of their CEOs.

UCBs with a deposit size lessthan  ₹��100  crore  and  SalaryEarners’ Banks, however, are ex­empted  from  constitutingBoM, although they are encour­aged  to  do  so  voluntarily.  TheBoM  will  have  minimum  fi��vemembers  and  maximum  12.The CEO would be a non­votingmember. A member of BoM canbe appointed in more than one

bank, subject to a maximum ofthree, provided that there is nooverlapping  in  area  of  opera­tion.  The  members  of  BoMshould  at  all  times  satisfy  the‘Fit and Proper’ criteria.

As per the guidelines, the RBIhas the powers to remove anymember  of  BoM  and/  or  theCEO if the person is found to benot  meeting  the  criteria  pre­scribed by it or acting in a man­ner detrimental to the interestsof the bank or its depositors orboth. The RBI also has powers tosupersede the BoM if the func­tioning of BoM is found unsat­isfactory. 

To report to BoDThe  BoM  will  report  to  theBoard  of  Directors  (BoD)  andexercise  oversight  over  thebanking­related  functions  ofthe UCBs, assist the BoD on for­mulation  of  policies,  and  anyother  related  matter  specifi��c­ally delegated to it by the BoD. 

The functions of the BoM willinclude  rendering  expert  ad­vice on proposals being put upto the board or any committeeof  the  board  for  sanction  of

loans;  recommending  actionfor recovery of bad loans, one­time  settlement  or  comprom­ise settlement and assisting theboard in monitoring the same;overseeing the management offunds and borrowings; and re­commending proposals for in­vestment of bank’s funds as perthe board approved policy.

The BoM will also have over­sight on internal controls andsystems and risk management;exercise  oversight  on  imple­mentation of computerisation,technology adoption and otherincidental  issues;  oversee  in­ternal  audit  and  inspectionfunctions,  including  compli­ance;  exercise  oversight  oncomplaint  redressal  system;and assist the board in formula­tion  of  policies  related  tobanking.

All members of the BoM willconsist of persons having spe­cial knowledge or practical ex­perience  in  respect  of  one  ormore  areas,  such  as  account­ancy, agriculture and rural eco­nomy,  banking,  co­operation,economics,  fi��nance,  law,  smallscale industry, and IT.

RBI directs UCBs having deposits above ₹��100 cr to set up Board of Management

PRESS TRUST OF INDIA

New Delhi, December 31

Axis  Bank,  on  Tuesday,  ap­pointed  Amit  Talgeri  as  theChief  Risk  Offi��cer  (CRO)  ofthe bank for three years fromJanuary  1.  “Cyril  Anand,  theincumbent  CRO,  will  retirefrom  the  services  of  thebank,  with  eff��ect  from  closeof  business  hours  of  Decem­ber  31,”  Axis  Bank  said  in  astatement. 

Additionally,  NaveenTahilyani  has  been  appoin­ted  Group  Executive,  HeadBanking  Operations  andTransformation,  with  eff��ect­ive  from  January  6.  BothTahilyani  and  Talgeri  will  re­port  to  Managing  Directorand CEO, Amitabh Chaudhry. 

Axis Bank appointsChief Risk Officer 

� � � � � � � � � � � � � � � � � � � � � � � �� � � � � � � ! " � # ! $ % � � ! & ' ' & #( ) * + , � - * . / 0 + . 1 2 3 + 4 1 5 6 7 8 9 - * . / 0 5 2 ) : ; - 8 + 9 ; � < < < 0 + 4 1 5 6 7 8 9 - * . / 0 5 2 )= > ? @ A B C D E F G D H I J E K B I L M B N O P E L J Q R S L T U V W K X G Y U Z LG [ \ N ] = ^ Z L _ [ X ` a b c d d d e S RG = U X F f g S h h h i c h h d d d G = j k F f g S h h h i c h h d l lD U I _ = U G Y ^ @ A B C D E F m U n X G [ E = I k L o b e l L p b q P U j L= r \ Y U b s I C U D U E ] P j k L = r \ Y U t u v j s w L x E ` = b h d d d i S RG = U X F f g S l l M S e l i i d d G = j k F f g S l l l c i h d e i hy z { | }~ � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � �� � � � �   ¡ � � � � � � ¡ ¢ £ ¤ ¥ � � � ¦ § � � ¨ © � ¡ ¢ ª « � ¡ ¢ ¬ « � ~ ­ ¬£ ¤ ¥ � « � ® ¯ � � ª � ° ª � ± � � ¤ ² ³ � � ¬ � ¨ ´ � µ �   ¡ ¶ � · � © � � �� � � � � ¸ � ¬ ~ � � ­   ¹ � � ¨ ¡ � º � � � £ ¤ ¥ � » ³ � ¼ £ � ¨ ½ ¡ ¶ � ¡ � ¾� ½ ± ¿ ³ ¨ À � © ¡ � � Á � � � � � ¨ ¨  � � ¾ £ ¤ ¥ � » � ½ ± © à � ¨Ä � Ä © º ¹ � Å ¡ © Æ � ¨ À � © ¡ � � Æ � ¡ ¦ ³ £ ¥ � © ´ � ¥ � ¡ � � � �� Á « ¤ · � � � � ¼ ª « � � � � ¼ » � Ç ¨   � È ½ ¡ É � � � Ê � � � � � � ½ �Ë Ì � � � � ³ � ¹ ³ ¾ � É � � � Ê � � ½ � Ë Ì � � � � ³ ² � � ¨ ¼ ª � Í Í � � ½ � Î Î ª· Ï Ð � � � �த��ழைம, ஜனவ% 29, 2020 � ³ ¥ � � ³ © ¾ ¿  Ñ © � � � ¥ � � ³ ¥ � ¨ ³ Ò º � � ² « � ¡ � � � ± Ó ¼ Ô· Ï Ð � � � ² « � Ç � � � � � � � � � Õ ¡ ¶ � · � Ö � � � � � � ¢ Æ ¼ Ô� ½ ± ¿ ³ � © à � ¨ Æ � × × × Ô Ø Ù Ú Û Ú Ø Ü Ý Þ ß à á â Ô Û ã ä å   � � � � ¤ Ó � � � Á � �� � � ¢ Æ ¼ Ô · Ï Ð � � ¹ � Å £ ¤ ¥ � � £ ¤ � � � ³ ¾ Ð � � � �  � � � · ¾ � ¡ ¢ · Ï « ¾ �   » � Ç ¨   � ¦ � ¡ � � � � ¨ À � © ¡ � � ¡ � ¨Ä � Ä © º ¹ � Å ¡ ¢ � ± � © � � ½ ± ¿ ³ � © à � ¨ Æ � × × × ÔØ Ù Ú Û Ú Ø Ü Ý Þ ß à á â Ô Û ã ä £ ¤ ¥ � � ½ ± ¿ ³ � � � ´ ½ ¡ ¢ � � � � Ë � � � � � � � � �� � � � � Õ ¡ ¦ ³ � © à � ¨ Æ � � ¨ � � ¼ æ � � � Ë Ì � � � � � � � � � � �� ¡ � � ç � ¸ ­ ® ¸ ¯ ³ è é × × × Ô ß Ý ê Ø á Ù Ø à Ô Û ã ä ª £ ¤ ¥ � � Ñ ë ¾   � � � � � � � � �� � � � � � � Ë Ì � � � � ì í î ï î ì ð ñ ò ó Ê ³ ¾ � � ³ è é × × × Ô á Ý ê Ø á Ù Ø à Ô Û ã ä ª� ± � � ¤ ²   � � ¦ ¿ � � � � � Ô� � � � � � � ´ ½ ¡ ¢ £ ¤ ¥ � � � £ � ¤ Ó � ô ¢ � � � ¨ ¡ ¨ © � ª « � ¡ ¢ ~ � � �� � õ � � � � � ¼ � � � ¨ ½ ¡ ¦ ³ � � ª £ ¤ ¥ � � ½ ± ¿ ³ ô ¢ � � � ¨ ¡ ¨ © �« � ¡ ¦ ³ � � ¬ ô ¢ � � � ¨ ¡ � ¡ ¶ � · � ½ ± ¿ ³ � � � ´ � � � � � ¨ © ¾Ç ¨ ³ ± È © £ ¬ ö ¾ � � � � ¬ ~ � ~ � Ë � � ¼ � � ¢ ¦ � ± È © £ ¬ ö ¾ � � ¸ � ¬ ~ � ~ �� ³ ¥ � © ´ � � � Ñ � � ¡ ¶ � ô ¢ � � ª Ò � � � � � � � · � Ô� � � · ¾ � ¡ ¢ · Ï « ³ � © à � � �ஐ'எ)* ப-./ ேப34 56ெட/:4காக� ¹ ³ ¾ � É � � � Ê � � ½ � Ë Ì � � � � ³ ² � � ¨ ¼ ª» � � � ÷ å� � � ç ¹ � © � ச>? ெக@4வா/� ¨ � ç � � � � � ¸ � ¬ ~ � � ­ ¨ © º � � å � � � � £ ¤ ¥ � ¡ � � �  � � � º � Æ �

ஊரக உ�ளா"#$ ேத'த( நாைள வா,- எ/0,ைக...ø ù ú û ü ý þ ÿ � � � � � � �

வா��க� எ"# $%&க� அ()�க*ப,-ற/.

அைன3/ வா�� எ"45 ைமய8க9:5 நட��5 =க>&க� ?%ேயா பA& ெசDய*ப,-ற/. �(*பாக ஒFெவாG அைறH:5 2 ேகமரா�க� ெபாG3த*பL, வா�� எ"45 ப# பA& ெசDய*ப,-ற/. இNத காLOகைள அAகாQக� மRS5 பாTைவயாளTக� உ�பட யாG5 பாT�க $%யா/.

வா�� எ"45 ைமய3AV நட��5 =க>&க� அைன3/5 ரகOயமாக ?%ேயா பA& ெசD/ பா/கா�க*ப,5. இAV WரXOைன ஏRப,5 பLச3AV அNத ?%ேயா காLOக� பாT�க*பL, உQய நடவ%�ைக எ,�க*ப,5. வா�� எ"#�ைக நைடெபS5 27 மாவLட8க9:5 டா[மா� கைடக\�� ),$ைற )ட*பL,�ள/. இ/த)ர

வா�� எ"#�ைகHV ஈ,ப,5 ஆOQயTகைள கG3AV ெகா", ப�9க� Aற*பதRகான ேதA_5 4-5 ேதA�� மாRற*பL,�ள/.

ேகாய5ேபL%V உ�ள மா=ல ேதTதV ஆைணய3AV, தeழக ேதTதV ஆைணயT ஆT.பழgசாe தைலைமHV வா�� எ"#�ைக�கான $hேனRபா,க� �(3த ஆD&�iLட5 ேநRS நைடெபRற/. 27 மாவLட8க9V ஆLOயTக� மRS5 மாவLட காவV க"கா#*பாளTக\டh காெணாj காLO kல5, ேதTதV ஆைணயT கலN/ைரயா%னாT.

�(*பாக, வா�� எ"#�ைகHh ேபா/ ேமRெகா�ள ேவ"%ய பா/கா*l �(3/ )வாA3தாT. அ*ேபா/, மா=ல ேதTதV ஆைணய ெசயலாளT இல.m*Wரம#யh, ேதTதV WQ& ஐ.o. ேசஷசாH, ேதTதV WQ& எ[.W. க"ண5மா� உ�9LேடாT ப8ேகRறனT.

ெசhைன, ஜன.1–/ைண $தலைமXசT

ஓ.பhtTெசVவ3ைத அவர/ இVல3AV அைமXசTக�, =Tவா-க� சNA3/ ஆ8-ல* l3தா", வா>3/�கைள ெதQ)3தனT.

அைமXசTக� ெசVuT ேக.ராஜv, ெவVலம"% எh.நடராஜh, wேலாபT கxV, ).எ5.ராஜெலLme, எ[.வளTமA மRS5 காyOlர5 -ழ��

மாவLட ெசயலாளT OLலபா�க5 ராேசNAரh, காyOlர5 ம3Aய மாவLட ெசயலாளT AG�கz��hற5 எ[.ஆS$க5, காyOlர5 ேமR� மாவLட ெசயலாளT வாலாஜாபா3 பா.கேணசh, l/XேசQ மா=ல சLடமhற��z ெகாறடா ைவயாlQ ம#க"டh எ5.எV.ஏ.,

$hனா� அைமXசT மாதவர5 ).kT3A, ெஜயலjதா ேபரைவ

/ைணX ெசயலாளT ெபG5பா�க5 இ.ராஜேசகT, AGவ�{T ேமR� மாவLட எ5.o.ஆT. மhறX ெசயலாளT AG3த# ேகா.அQ, ேசா|8கநVuT ேமR� ப�A ெசயலாளG5, சLடமhற $hனா� உS*WனGமான ேக.W. கNதh மRS5 ஏராளமான ேபT ஓ.பhtTெசVவ3ைத சNA3/ l3தா", வா>3/�கைள ெதQ)3/, வா>3/ ெபRறனT.

ெசhைன,ஜன.1– ெசhைன நகQh பல ப�Aக9V

A}ெரன மைழ ெபDத/. இதனாV சாைலக9V த"~T ேத8- =hற/.

சாNேதா5, பL%ண*பா�க5, ேகாட5பா�க5, -"%, ஆலN�T, ம%*பா�க5, ேமலவா�க5, ெபG8கள3�T, வ"டuT, /ைர*பா�க5, தா5பர5,ேகாட5பா�கக5 உ�9Lட பல ப�Aக9:5 ேலசான/ $தV eதமான மைழ ெபDத/.

தeழக3AV ெபDத மைழ அள& வGமாS:–

ச3Aயபாமா பVகைலகழக5 4

ெச.�., ெகாள*பா�க5, �h�T, ெசhைன )மான=ைலய5 3 ெச.�., ெச8கVபL,, ேசா98கT, தா5பர5, �NதமVj, �ெபG5l�T, ெசhைன, உ3Aரேம�T, மகாபjlர5 2 ெச.�.,ேகள5பா�க5, ேகா3த-Q, �Nதா WQL�, மHலா,/ைற, க ா L , மh ன ா T ே க ா ) V , காேவQ*பா�க5, காyOlர5, மர�காண5, �$�ண5 1ெச.�.,மைழ பAவா-_�ள/.

இ/�(3/ வாgைல ஆD& ைமய இய��னT பாலXசNAரh

iS5ேபா/, வ9ம"டல3Ah �> ப�AHV -ழ�� Aைச காRS5, ேமR� Aைச காRS5 சNA��5 ப�A தeழக ப�AHV =ல&-ற/. தeழக3AV ஓQG ப�Aக9V மைழ ெபD/�ள/. ெசhைன, lறநகT, காyOlர5, ேவuT மாவLட8க9V மைழ ெபD/�ள/. அ,3த 2 Aன8க\�� தeழக3AV ஓQG ப�Aக9V ேலசான/ $தV eதமான மைழ ெபDய வாD*l உ�ள/. ஜனவர 5 5 ேதA வைர மைழ ெதாடர வாD*l இG�-ற/ எhறாT.

ெச�ைனAB பரவலாக அ'FG ெகா/'ய மைழ

ஓ.ப45'ெச(வ$8,- அைம;ச'க� வா<$8

=�யாT�,ஜன.1–l3தா"%V உலக5 $zவ/5

3 லLச3/ 92 ஆHர3/ 78 �ழNைதக� WறNத =ைலHV அAV 17 சத?த �ழNைதக� இNAயா)V WறN/�ளன எhS _gெச* ெதQ)3/�ள/.

இNAயா $zவ/5 l3தா",� ெகா"டாLட8க� கைளகL% உ�ளன. 2020 ஜனவQ 1-5 ேதA, l3தா", Aன3தhS இNAயா)V 67 ஆHர3/ 385 �ழNைதக� WறN/�ளன எhS _gெச* ெதQ)3/�ள/. உலக5 $zவ/5 3 லLச3/ 92 ஆHர3/ 78 �ழNைதக� WறNத =ைலHV அAV 17 சத?த� �ழNைதக� இNAயா)V WறN/�ளன எhS _gெச* ெதQ)3/�ள/.

இAV பOW� ெபG8கடjV இG��5 Wo �)V 2020-5 ஆ"%h $தV �ழNைத WறN/�ள/. கைடOயாக அெமQ�கா)V �ழNைத WறN/�ள/. ஒL,ெமா3தமாக 3 லLச3/ 92 ஆHர5 �ழNைதக� 8 நா,க9V WறN/�ளன.

இAV இNAயா)V அAகபLசமாக 92 ஆHர3/ 78 �ழNைதக\5, அைத3 ெதாடTN/ �னா)V 46 ஆHர3/ 299 �ழNைதக\5, ைந�Qயா)V 26 ஆHர3/ 39 �ழNைதக\5, பா-[தாgV 16 ஆHர3/ 787 �ழNைதக\5, இNேதாேனOயா)V 13 ஆHர3/ 20 �ழNைதக\5 WறN/�ளன.

அெமQ�கா)V 10 ஆHர3/

452 �ழNைதக\5, கா8ேகா)V 10 ஆHர3/ 247 �ழNைதக\5, எ3Aேயா*Wயா)V 8 ஆHர3/ 493 �ழNைதக\5 WறN/�ளன.

உலக5 $zவ/5 l3தா", Aன3தhS WறNத �ழNைதக� �(3/ _gெச* அ(�ைக ெவ9HL,� ெகா"டா% வG-ற/. உலக* lக> ெபRற டா�டT ச3ேயNAர நா3 ேபா[, பாj&L நLச3Aர5 )3யா பாலh ஆ-ேயாG5 l3தா", Aன3தhS WறNதவTக�தாh.கடNத 2018-5 ஆ"%V 25 லLச5 �ழNைதக� WறNத ஒG மாத3/���ளாகேவ இறN/ )LடனT. ெபG5பாலான �ழNைதக� �ைற மாத3AV WறNததனா:5, O�கலான Wரசவ5, ெதாRS ேநாDக� ஆ-யைவ காரணமாக&5 உHQழN/�ளன. அேதசமய5, ஆ",ேதாS5 25 லLச3/��5 ேமலான �ழNைத க� இற�-hறன.கடNத Oல ஆ", களாக மG3/வ3AV ஏRபLட Oற*பான $hேனRற5 காரணமாக, WறN/ $தV மாத3AV இற��5 �ழNைதக9h எ"#�ைக 47 சத?த5 �ைறN/�ள/ �(*Wட3 த�க/.இ/�(3/ _gெசஃ* =Tவாக இய��நT ெஹhQLடா ேபாT iSைகHV, "l3தா",, lAய 10 ஆ",க9h ெதாட�க5. எATகால3ைத* பR(ய ந5$ைடய ந5W�ைகக�, அWலாைசக� மL,மVலா/, நம��*Wh வர�i%யவTகைள* பR(_5தாh" என3 ெதQ)3/�ளாT.

=.எ4.>.எஸ.#. -@A–-1 ேத'D E=Dக� ெவFGH

ெசhைன,ஜன.1–%எhWஎ[O ��*-1 ேதT&

$%&கைள தe>நா, அரm ப#யாளT ேதTவாைணய5 ெ வ 9 H L , � ள / . த e > ந ா , அரm* ப#யாளT ேதTவாைணய5 kல5 (%எhWஎ[O) ��* 1 ேதT&க� நட3த*பL, வG-hறன. அNத வைகHV 181 காj* ப#Hட8க\�� ��* 1 ேதT&க� நட3த*பLடன.

க ா j * ப # H ட 8 க \ � க ா ன எz3/ ேதT&க� $%Nத =ைலHV, ேநTகாணV நைடெபRற/. ேநTகாணV இhS (31.12.2019) $%வைடNத =ைலHV, இhேற $%&க� ெவ9Hட*பL,�ள/. ��*- 1 ேதT&�கான இSA $%&க� $தh$ைறயாக ஓரா"%R�� தe>நா, அரm* ப#யாளT ேதTவாைணய5 ெவ9HL,�ள/.

ஏJமைலயா4 தMசனO:ப,த'கQ,- இலவச ல"H

AG*பA,ஜன.1–AGமைல AG*பA ேதவ[தான5

20205 ஆ"%V ப�தTக\�� ஒG இgய அ()*ைப ெவ9HL,�ள/. AGமைல ஏzமைலயாைன தQO�க வG5 ஒFெவாG ப�தTக\��5 ஒG லL, Wரசாத5 இலவசமாக வழ8க ேதவ[தான5 $%& ெசD/�ள/. இNத lAய அ()*l ைவ�"ட ஏகாதO ஜனவQ 6 $தV அமV ப,3த*பட உ�ள/. தRேபா/ நைடபாைத வ|யாக வG5 ப�தTக\�� மL,ேம ேதவ[தான5 ஒG இலவச லLைட வழ8- வG-ற/.

அதhப% ஒGநாைள�� 20 ஆHர5 லL, Wரசாத5 இலவசமாக வழ8க*பL, வG-ற/. அைனவG��5 இலவச லL, எhற $ைறHV AனசQ 80 ஆHர5 லL, இலவசமாக வழ8க*பட உ�ள/. இதh kல5 ஒG மாத3AR� 24 லLச5 லL, Wரசாத5 வழ8க ேதவ[தான5 $%& ெசD/�ள/.

நா� ச�� !ர#கா% &'(�)நாைள�), &-ண/ப1

ெசhைன, ஜன.1–ம3Aய அரOh நாQ ச�A lர[காT

)G/ ெபற நாைள��� (2–N ேதA) )"ண*W�க ேவ",5 எhS ெசhைன மாவLட கெல�டT �3தாலLme உ3தர)L,�ளாT.

ம3Aய அரசாV 2020–5 ஆ"%Rகான நாQ ச�A lர[காT )GAR�, ெப"க� $hேனRற3AR� OறNத சkக ேசைவ lQNத ெப"க�, ெசhைன மாவLட சkகநல அ:வலக5, மாவLட கெல�டT அ:வலக வளாக5, ெசhைன எhற $கவQHV அ4- உQய ப%வ5 ெபRS த�Nத ஆவண8க\டh i%ய கG3/G l3தக3/டh ப%வ5 �T3A ெசD/ 2–N ேதA மாைல��� மாவLட சkகநல அ:வலக3AV )"ண*ப5 ெசDA,மாS ேகL,� ெகா�ள*ப,-றாTக�. இ3தகவைல ெசhைன மாவLட கெல�டT �3தாலLme ெதQ)3/�ளாT.

2020 U$தா/H Vன$V( உலW( 3.92 ல"சO -ழ[ைதக� >ற[தன

l/ெடVj , ஜன.1–சாதாரண, எ�[Wர[, �9Tசாதன

ெரHVக\�கான பய#க� கLடண5 ஜனவQ 1–NேதA (இhS) $தV உயT3த*பLட/. lறநகT ெரHVக� மRS5 �சh %�ெகL கLடண5 உயT3த*பட)Vைல.

பய#க� ெரHV கLடண5 -.�.�� ஒG ைபசா $தV 4 ைபசா வைர உயT3த*பL,�ள/.

ெரHV கLடண5 கடNத Oல ஆ",களாக உயT3த*பட)Vைல. ெரHVேவHh 8 ேசைவகைள ஒh(ைண3/ இNAயh ெரHVேவ ேமலா"ைம =Sவன5 (ஐ.ஆT.எ5.எ[.) எhற ஒேர =Sவனமாக மாRற ம3Aய அைமXசரைவ அ"ைமHV ஒ*lதV அ93த/. இ/ேபால பVேவS O�கன நடவ%�ைககைள ெரHVேவ =Tவாக5 ேமRெகா", வG-ற/.

ெரHVேவ /ைறHV இNத =Aயா"%h 2-வ/ காலா"%V $Nைதய காலா"ைட)ட வGவாD �ைறN/�ள/. அதாவ/ பய#க� கLடண5 �.155 ேகா%_5 சர��

கLடண5 �.3,091 ேகா%_5 �ைறNAG�-ற/.

எனேவ வGவாைய உயT3த ெரHV கLடண5 $ைற*ப,3த*ப,5 எhS ெரHVேவ வாQய தைலவT ).ேக.யாதF Oல நாLக\�� $hl ெதQ)3தாT. இைத3 ெதாடTN/ பய#க� ெரHV கLடண5 O(தள& உயT3த*பL,�ள/.

இ/ெதாடTபாக ரHVேவ =Tவாக5 ேநRS ெவ9HLட அ()*WV i(HG*பதாவ/:–

lறநகT ெரHVக9V கLடண5 உயT3த*பட)Vைல. அேதேபால ெரHV %�ெகL $hபA& கLடண5, �*பT பா[L ெரHVக\�கான i,தV கLடண5, �சh %�ெகL ஆ-யவR(V எNத மாSத:5 இVைல. இAV ஏRகனேவ உ�ள கLடண8கேள ெதாடG5.

�9Tசாதன வசA (ஏ.O.) இVலாத சாதாரண ெரHVக9V இர"டா5 வ�*l, �8�5 வசA, $தV வ�*l ஆ-ய கLடண8க� ஒG -ேலா �LடG�� ஒG ைபசா உயT3த*ப,-ற/.

ெர]( க"டண உய'D:இ4` Eத( அமa,- வ[த8

� � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � �� � � � � � � � � ! " # � � � � � � � � $ % & � � � � � � ' � � � � ( � � � $ % & � � ) � * � � � % � ) � � � � � � � � � � � + � � , � � � � + - � �# � � � . / � � ) � � $ � / 0 & � � " � � $ � � 1 � � � � � ) � � � � � �2 3 � � � ! � � � � � � � � 4 � � 2 3 � � 5 � & � � � � � � $ � 2 3 � 6 � � % � � �

ெமHV மRS5 எ�[Wர[ ெரHVக9V ஏ.O. வசA இVலாத இர"டா5 வ�*l, �8�5 வசA, $தV வ�*l ஆ-ய கLடண8க� ஒG -ேலா �LடG�� 2 ைபசா உயT3த*ப,-ற/.

அேதேபால ெமHV மRS5 எ�[Wர[ ெரHVக9V ஏO ேசTகாT, $தV வ�*l 3 டயT/3இ, ஏO 2 டயT, ஏO $தV வ�*l/இO/இஏ உ�9Lட அைன3/ ஏ.O. வசA கLடண8க� ஒG -ேலா �LடG�� 4 ைபசா உயT3த*ப,-ற/. இNத கLடண உயT& ேநRS ந�9ர& 12 ம# $தV (ஜனவQ 1 $தV) அம:�� வNத/. ஏRகனேவ பைழய கLடண3AV %�ெகL வா8-யவTக� 1-N ேதAேயா அVல/ அதR� Whனேரா உயT3த*பLட i,தV கLடண3ைத ெச:3த ேவ"%யAVைல. அேதசமய5 1-N ேதA அVல/ அதR� WhனT ெரHV =ைலய8க9ேலா, ெரHjV %�ெகL பQேசாதகTக9டேமா %�ெகL வா8�பவTக� உயT3த*பLட கLடண3ைத ெச:3த ேவ",5.

ரா�தாg, சதா*A, /ரNேதா, வNேத பார3, ேதஜ[, ஹ5சபT, மஹாமனா, ைகமாh, அNேயாதயா, கQ*ர3, ஜh சதா*A, ரா�ய ரா#, _வ எ�[Wர[, m)தா மRS5 Oற*l கLடண ெரHVக\��5 இNத கLடண உயT& ெபாGN/5.

இFவாS அNத அ()*WV ெதQ)�க*பL,�ள/.

உதாரண3/�� ெசhைனHV இGN/ ெநVைல ெசVவதR� (650 -ேலா �LடT) சாதாரண ெரHVக9V கLடண5 mமாT �.6.50-5, ெமHV, எ�[Wர[ ெரHVக9V ஏ.O.வசA இVலாத கLடண5 �.13-5, ஏ.O. வசA�� கLடண5 �.26-5 i,தலாக ெச:3த ேவ",5.

இNத கLடண உயT& kல5 ெரHVேவ /ைற�� ஆ",�� �.4 ஆHர5 ேகா% $தV �.5 ஆHர5 ேகா% வைர i,தV வGமான5 -ைட��5 என கGத*ப,-ற/. � � � % $ � $ � 7 � 6 � � � 8 � � � & � 9 � � � � � � $ �� � � � 7 4 : 6 � � � � - � � � � � � � ) 8 - � ) & � ; ' �2 & � < � = � > ( / � � � ? @ , � 8 � ( � � 0 : � A B C � �# � � � D � � E < F G F G � H � A I . � � . � � 1 6 � / 0< A " J D K � 0 * � � " # . L � � ) � �