驾驭信贷动态：这对公司层面的投资重要吗？——来自AnaCredit的证据

探讨信贷动态：这对公司层面的投资有影响吗？来自AnaCredit的证据 塞尔坎·科卡巴什，洛雷娜·萨伊斯 摘要 本研究利用新颖的AnaCredit数据库，探讨了信贷供应冲击如何影响欧元区企业层面的投资。采用Amiti和Weinstein（2018）开发的方法，我们将贷款增长率分解为四个组成部分：特定银行、特定企业、特定行业和共同冲击。我们的研究发现，特定银行的特殊冲击对企业层面的投资有显著影响，尤其对高度依赖银行贷款的企业。此外，这些细颗粒度的特定银行冲击解释了大部分总体贷款动态。我们还发现，银行冲击的影响因企业特征而异，例如企业规模、贷款组合构成以及对外部融资的依赖程度。这些结果强调了银行在塑造投资动态中所起的关键作用，尤其是在不同的经济条件下。 关键词：AnaCredit,投资,银行信用,信用供给,实际效应JEL分类：E22, E50, G21, G31 非技术性摘要 本研究探讨了银行贷款变化如何影响欧元区的企业投资决策。利用AnaCredit数据库的详细贷款信息以及Amiti和Weinstein（2018）提出的方法，我们将贷款增长分解为四种类型的冲击：企业特定冲击、银行特定冲击、行业层面冲击和共同冲击。 研究发现，特有银行冲击（即仅针对个别银行的变动）在塑造企业投资行为方面发挥着重要作用，特别是对严重依赖银行贷款的小型企业。由于通常缺乏债券或内部现金储备等替代融资渠道，小型和年轻企业更容易受到这些冲击的影响。相比之下，拥有多元化金融资源的大型企业受影响较小。此外，对短期债务依赖程度较高的企业由于持续需要债务再融资而更为脆弱。对于企业而言，来自多个贷方的贷款可以放大银行和企业冲击的正面效应。制造业企业以及意大利和西班牙的企业更容易受到银行供应冲击的影响。银行和企业冲击的影响具有高度非对称性，负面冲击对企业投资产生更大的负面影响，尤其是银行供应冲击。由于这些资产的非抵押品性质，企业必须依赖内部融资，因此无形投资相对未受银行供应冲击影响。 在宏观经济层面，研究表明，特定企业和特定银行的冲击是总信贷波动的关键驱动因素，而更广泛层面的投资决策则更多地受到行业整体趋势和公司层面信贷需求冲击的影响。这突显了微观层面冲击与宏观经济结果之间的相互关联性，支持了“金融加速器”理论，该理论指出信贷市场的波动可以放大经济波动。 1 引言 信贷动态通常被认为是商业周期波动的重要驱动因素。文献强调金融摩擦的关键作用，尤其是信贷约束。这些约束在放大经济冲击和影响货币政策传导方面发挥着关键作用。伯南克等（1999年）和霍姆斯特罗姆与蒂勒（1997年）的奠基性研究突出了信贷市场的发展如何放大并对实体经济中的冲击进行传播。这就是所谓的“金融加速器”。 区分信贷供需冲击仍然是一个重大挑战。这种困难的部分原因在于企业绩效与信贷余额变化之间的内生联系。更具体地说，当企业对信贷的需求也可能下降时，例如在经济危机期间，银行更有可能减少信贷供应。此外，企业和国有企业之间的匹配通常不是随机的。例如，绩效较弱的企业可能会优先从筛选过程不如其他银行严格的银行寻求贷款。此外，信贷供应冲击可能源于各种因素，包括个别银行信贷标准的意外变化、系统性事件（如金融危机）以及政策转变（如货币政策立场的改变）。 实证研究利用工具变量或银行调查信息来识别银行供给冲击。随着时间的推移，随着信贷登记册中的匹配银行-企业贷款变得可用，提出了几种计量经济学方法。Khwaja和Mian (2008) (KM) 通过比较同一家企业在不同银行的贷款增长来识别银行信贷供给冲击。企业-时间固定效应吸收所有企业特定的需求冲击和风险性，而银行-时间固定效应可以被解释为信贷供给冲击（即银行贷款的意愿或能力）。识别的关键要求是，企业必须从至少两家银行借款，以便需求在贷款人之间保持恒定，而差异则捕捉供给。KM通过利用巴基斯坦非预期的核试验引起的跨银行流动性变化来检验流动性冲击的影响。他们表明银行将它们的流动性冲击转嫁给企业。Amiti和Weinstein (2018) (AW) 扩展和推广了KM方法。除了像KM一样识别供给冲击外，该方法还在微观识别（即精细冲击）和宏观总量之间建立了一个统计桥梁。使用方差分解框架，他们展示了这些供给冲击对整体经济的影响有多大。AW发现，银行层面的供给冲击解释了整体贷款的30-40%。 并且在日本的投资波动。它们还表明，这些结果不仅在流动性冲击事件中成立，在危机之外也成立。识别方法利用了企业内部、跨银行的变化，因此需要多银行企业（即，企业向多家银行借款），通常单一银行企业会被排除。 Degryse等人（2019）通过使用企业分组，将AW方法扩展到银行较少的多银行企业环境中。企业不再仅依赖多银行差异，而是按行业、地点、规模和时间（ILST）进行分组。这些企业组ILST固定效应吸收了需求差异。因此，这种方法可以处理大多数企业从单一银行借款的环境（例如，发展中国家）。然而，这种方法的一个局限性是假设同一ILST单元格中的企业具有完全相同的需求冲击。 本质上，KM和AW比较同一公司内的银行以识别信贷供应冲击，而Degryse等(2019)比较不同公司间的银行。这些方法随后在各种实证环境中得到应用。Volk (2023)将KM方法应用于斯洛文尼亚公司-银行贷款，并表明在使用ILST（Degryse等(2019)）时结果相似。Amador和Nagengast (2016)将AW方法应用于葡萄牙公司-银行贷款，并认为只要小型企业只占其银行总贷款量的很小份额，AW分解也可以用于具有单一银行关系的情况。Rivadeneira等(2024)考察了使用ILST方法估计的银行信贷供应冲击如何在COVID-19大流行期间影响墨西哥企业的就业、工资和生存。 关于信贷供应冲击的实际效果，以往研究主要关注全球金融危机，得出结论称此类冲击在经济流动性约束趋紧和不确定性加剧时更为关键，例如在经济衰退期间。具体而言，信贷供应收缩可能对实体经济产生负面影响，尤其是在借款人缺乏替代资金来源时。此外，负向信贷供应冲击可以通过供应关联或下游效应在经济中传播（Alfaro等人，2021）。信贷供应收缩通常与公司投资和就业下降相关，尽管对就业的影响趋于温和，因为公司通常会在裁减就业前减少投资。尽管信贷供应收缩的负面效应已有充分文献记载，但信贷供应扩张的效果仍缺乏定论（参见G¨uler等人，2021年的综述）。一些研究表明宽松的信贷条件可以促进投资和增长，而另一些研究则警告称在经济宽松时期可能存在资源错配风险。 过度信贷可得性。 现有研究已强调信贷供给冲击对企业和国家的效应存在显著异质性。企业特定因素（如规模、行业、年龄以及对银行贷款的依赖程度）在决定其对银行冲击的敏感性方面发挥着关键作用。然而，关于特定银行供给冲击的影响如何因国家银行集中度、借贷关系数量和企业特定特征而异，这一方面尚未得到足够关注。本研究利用新颖的AnaCredit数据库重新审视这些动态，该数据库提供了欧元区范围内详细的、匹配的银行-企业贷款数据。 本研究的主要贡献在于将Amiti和Weinstein（2018）（AW）的方法应用于AnaCredit数据集，以探究银行供给冲击对欧元区企业层面和总投资的影响。这种方法能够在无需工具变量的情况下识别信用供给冲击，并将贷款增长率全面分解为银行特定、企业特定、行业特定和共同冲击。1这种分解为理解颗粒银行供给冲击如何传播以及如何导致总贷款变化提供了有价值的见解。 这项研究考察了信贷冲击对欧元区企业投资的影响，重点关注2019年至2023年期间欧元区的四大经济体。它提出了三个关键的研究问题：(i) 信贷供给冲击在多大程度上是驱动欧元区经济微观和宏观投资的因素？(ii) 信贷供给冲击对不同类型企业的影响是否存在异质性？(iii) 新冠疫情是否改变了信贷供给冲击对投资的影响？ 本文其余部分安排如下。第二节概述了分离信贷供给和需求冲击的方法论。第三节概述了数据集，并评估了所识别的银行供给和需求冲击的外部效度。第四节呈现了主要结果，分析了这些冲击对有形和无形资产公司层面的投资的影响，同时探讨了贷款期限、借贷关系数量和潜在非对称效应的作用。第五节调查了异质性影响，包括新冠肺炎疫情的影响，并评估了银行冲击如何影响总投资。第六节提供了一些稳健性检验，第七节总结。 2 Methodology 信用供需冲击的估计。AW开发了一种方法，用以区分日本上市公司特有的企业借贷冲击和银行特有的供给冲击。他们提出了以下模型，用以分解金融机构的信贷增长。b to firmf: 在这种情况下，α表示公司借贷渠道，包含所有公司特定要素ftLfbt−1 那些影响借款的因素，例如企业层面的生产率冲击、投资机会的转移、替代融资来源的可用性或信用状况的变化。同时，β捕捉了银行借贷渠道，其中包括所有银行特定的因素bt 影响一家银行随时间的贷款实践。该术语ε表示误差分量。fbt 原则上，α和β可以通过利用一个广泛的时间变化数组来确定ftbt 对银行和企业都使用固定效应。然而，这种策略效率低下且存在偏差，因为它没有考虑影响贷款市场结 果的均衡互动。例如，银行只有在企业有需求时才能发放更多贷款，而企业只有在至少有一家银行愿意提供贷款时才能寻求额外贷款。忽视这些约束会导致银行贷款估计与实际贷款增长率出现显著偏差。 AW提出了在信贷市场中运用一系列相加约束来捕捉银行与企业之间的均衡关系的想法。在贷方方面，通过对方程(1)的两边乘以企业贷款的滞后比例f, 表示为ϕ，然后对所有公司进行加总，银行的贷款增长就可以fb,t−1 被描绘为其在该时期的信贷供应冲击，加上来自所有其客户的信贷需求冲击的加权平均值： 同样地，在借款人方面，将方程（1）两边都乘以先前XL −L L X X≡fbtf,bt−1 fb,t−1DB=β+ϕα+ϕεPbtfb,t−1 ft fb,t−1 fbt btLLfb,t−1 fb,t−1 f f f fL≡fb,t−1P,和DB代表银行b增加其放贷哪里ϕfb,t−1 bt Lfb,t−1 f向所有其客户。 该期银行借款比例b,θ, and summing over all banks, the firm’sfb,t−1贷款增长可以描述为其信贷需求冲击加上所有其贷款人的信贷供应冲击的加权平均值。 XL −L L X X≡fbtf,bt−1 fb,t−1DF=α+θβ+θεPftfb,t−1 bt fb,t−1 fbt ftLLfb,t−1 fb,t−1 b b b bL≡fb,t−1P,和D 认识到这一点很重要，即ϕ和θ是预先设定的变量，它们fb,t−1 fb,t−1使我们可以将以下矩条件应用于数据：F等于公司借债的增长率f从其所有哪里θfb,t−1 ft Lfb,t−1 b 银行。 和 这导致以下相互关联的方程，这些方程的参数α和β必须fbtfbt满足： 和 =α+θβftfb,t−1 bt ft b对于每年的情况，公式（6）和（7）建立了一个系统F+B线性方程和F+B未知数，这最初意味着问题有一个唯一解。然而，由于贷款份额总和为1，系统变得欠定，导致有无限多个解。通过引入一个附加约束，可以采用标准的线性方程求解技术来推导出一个解。2 为了获得具有经济意义的参数，我们采用a w的方法，通过表达式 α和β就每年的中位数而言。因此，整体放贷ftbt of each bank can be divided into four components: 初始项，称为“共同冲击”，代表在所有借贷对中一致的贷款变化，例如利率波动。这被估计为特定年份的企业和银行冲击的中位数t后续术语，被称为“行业冲击”，是影响银行客户的行业层面冲击的特定银行加权平均值。每个行业冲击被定义为行业内的中位数企业层面冲击，然后使用贷款敞口作为权重进行跨行业汇总。 第三个组成部分是“企业借贷冲击”，它反映了由于客户借贷需求的独特变化（这些变化与银行贷款供应的变化无关）而导致的银行贷款变化。这计算为企业冲击