自然災害衝擊在供應鏈上的傳染效應

Barrot and Sauvagnat - 2016 - QJE - INPUT SPECIFICITY AND THE PROPAGATION OF IDIOSYNCR

主要發現

  • 基於自然災害發生的特殊衝擊發現受影響的供應商對其客戶造成了巨大的產出損失,特別是當他們生產特定投入時

  • 這些產出損失轉化爲重大的市場價值損失,並且溢出到其他供應商。

  • 點估計在經濟上很大,這表明輸入特異性是經濟中特殊衝擊傳播的重要決定因素

研究路徑

與 Long and Plosser (1983) 開始的文獻關注於跨行業溢出效應不同,本文研究企業網絡內的溢出效應,即企業級特質衝擊的傳播:

一方面,企業層面的特殊衝擊應該在生產網絡中迅速吸收。公司合理地組織其運營,以避免受到供應暫時中斷的影響。即使他們面臨這樣的中斷,他們也應該足夠靈活,能夠重新組合他們的生產組合,或者轉向其他供應商。貿易關稅和運輸成本的逐步下降以及在線業務的發展應該使公司更容易調整採購。

另一方面,摩擦可能會阻止公司在供應中斷時迅速做出調整。如果企業在需要更換供應中斷的情況下面臨轉換成本,那麼特殊的衝擊可能會從公司傳播到公司,並逐漸被放大。

本文研究企業層面的衝擊是否會傳播,或者它們是否被生產網絡所吸收:

  • 考慮過去三十年內美國發生的重大自然災害,這些時間對受影響企業的銷售增長產生了很大的短期影響
  • 使用美國上市公司報告的供應商-客戶鏈接追蹤這些衝擊在生產網絡中的傳播
  • 發現受自然災害影響的供應商會嚴重影響他們的客戶:當一個公司的供應商遭遇重大自然災害時,公司的銷售額增長平均下降2-3個百分點

具體而言:

  • 研究由供應中斷導致的公司銷售額下降是否會轉化爲價值損失

  • 如果輸入中斷只是導致銷售延遲,那麼對公司的現金流和公司價值影響不大

  • 然而災難發生後,並沒有觀察到任何形式的銷售超調,這意味着銷售確實損失

  • 事件研究的結果表明,公司在影響其供應商的災難事件中受到的輸入中斷導致其股權價值下降1%

進一步地,證明特質性輸入是企業層面衝擊傳播的驅動因素。爲此,構建了供應商特異性的三個衡量標準:

  1. 借鑑Rauch(1999)在國際市場上交易的商品分類
  2. 使用供應商的研發費用來捕捉特定關係投資的重要性
  3. 使用供應商發佈的專利數量來捕獲對可替代投入的替代來源的限制

另一方面,檢驗一個供應商的衝擊是否會橫向傳播到同一公司的其他供應商(雖然這些供應商並未直接受到自然災害的影響)。如果供應商之間存在很強的替代性,即使其中一個供應商受災,仍可以通過在其他供應商處增加採購而補足生產。但是事實上,發現其中一個供應商受到的衝擊對該公司其他供應商有巨大的負溢出效應。

潛在的Concern:

根據 SFAS No.131 中公司的披露義務獲取公司之間的網絡關係,因此樣本中僅包含主要客戶/供應商(佔銷售額10%以上),而且只包含上市公司,這可能會影響估計結果。爲了規避這個問題,選取替代的網絡結構進行分析,保證結果並不受是否是上市公司的影響

檢驗估計是否在合理範圍內:

基於 Long and Plosser (1983) 和 Acemoglu et al. (2012),提出了一般均衡網絡模型,並發現簡化形式估計與中間投入供應商之間高度互補性的模型預測一致

我們發現供應商1美元的銷售損失將導致客戶銷售額損失2.4美元,這表明生產網絡中的關係大大放大了特殊的衝擊

主要貢獻

  • 指出中間投入的特異性使得衝擊可以在生產網絡中傳播

    • 同期工作中,Todo, Nakajimi amd Matous (2014), Carvalho, Nirei and Saito (2014) and Boehm, Flaaen and Pandalai-Nayar (2015) study the supply-chain effects of the Japanese earthquake of 2011.
  • 強調生產網絡中存在強烈的相依性關係

  • 不僅揭示了供應鏈上的傳播,也研究了供應商網絡內部的傳播

  • 與其他文獻只研究一個衝擊不同,本文研究了30年來的各種重要自然災害導致的供應鏈衝擊,很好地區分了通常的需求衝擊以及特質性供給

  • 考慮了轉換成本在企業層面傳播衝擊的重要性

    • 許多研究分析了轉換成本在銀行關係中對金融衝擊擴散的作用(Slovin,Sushka和Polonchek,1993; Hubbard,Kuttner和Palia,2002; Khwaja和Mian,2008; Fernand,May和Megginson,2012)。我們的研究表明,貿易伙伴之間的轉換成本很高,可以解釋非金融公司網絡中衝擊的傳播
  • 增加了企業如何受其供應鏈企業影響的文獻

    • 最近的研究發現了生產網絡中股票收益的共同作用的證據(Cohen和Frazzini,2008; Hertzel等,2008; Menzly和Ozbas,2010; Ahern,2012; Boone and Ivanov, 2012; Kelly, Lustig and Van Nieuwerburgh, 2013)
    • 強調了輸入互補性和轉換成本的重要性,爲供應鏈企業的聯動性提供了基礎
  • 增加了產品市場關係對公司政策影響的文獻

    • 該文獻的關鍵結果是,公司不能有過高的供應商集中度的主要原因是避免因供應商中間品投入中斷而帶來財務困境風險

客戶-供應商關係的識別

根據 SFAS No.131 中公司的披露義務獲取公司之間的網絡關係,因此樣本中僅包含主要客戶/供應商(佔銷售額10%以上)

SFAS No. 131規定:

對於任何行業部門,公司必須披露某些財務信息,這些行業部門包含超過10%的合併年度銷售額,資產或利潤,以及任何佔報告銷售總額10%以上的客戶的身份,我們利用此要求獲取有關供應商 - 客戶鏈接的信息

對於向SEC提交的每家公司,我們從1978年到2013年從Compustat Segment文件中獲取其主要客戶的名稱和相關銷售.鑑於我們主要對可獲得會計數據的公開上市客戶感興趣,我們將每個手動命名爲Compustat標識符。更具體地說,我們使用語音字符串匹配算法來匹配每個客戶名稱與提交給SEC及其所有子公司的公司集中的五個最接近的名稱。然後,我們通過檢查公司和客戶的名稱和行業來選擇最佳匹配。沒有匹配的客戶將被排除在樣本之外

在樣本期間,我們的數據集中的客戶佔Compustat總銷售額的約75%,這使我們確信樣本代表了美國經濟

但是,這些數據存在一些限制。特別是,我們通常不會觀察到對客戶的銷售額低於其收入的10%的供應商

在DID框架下估計供應商災害對客戶銷售增長率的影響

ΔSalesi,t4,t=α0+α1HitsOneSupplieri,t4+α2DisasterHitsFirmi,t4+ηi+πt+ϵi,t \Delta Sales_{i,t-4,t} = \alpha_0 + \alpha_1 HitsOneSupplier_{i,t-4} + \alpha_2 DisasterHitsFirm_{i,t-4} + \eta_i + \pi_t + \epsilon_{i,t}

ΔSalesi,t4,t\Delta S a l e s _ { i , t - 4 , t } 是當前季度和去年同季度的銷售額增長率,HitsOneSupplieri,t4HitsOneSupplier_ { i , t - 4 } 是虛擬變量,當至少該公司的一個供應商在去年同季度遭受了自然災害時取1。 DisasterHitsFirmi,t4Disaster Hits Firm_{i,t-4} 也是虛擬變量,在該公司去年同季度直接遭受了自然災害時取1。

爲了估計供應商自然災害對客戶的影響,需要作出以下假設:

  • 客戶C的銷售額增長率保持不變(平行趨勢假設)

  • 自然災害時通過對供應商S1的經營造成中斷性影響而影響客戶C

    • 該假設太強:客戶C自身生產也可能受到自然災害的影響
    • 因此排除供應商-客戶總部距離300mile以內的樣本
    • 同時在迴歸中引入客戶所在地是否受到自然災害的虛擬變量
  • 使用子公司層面的數據來控制客戶C的生產直接受到影響S1的災難影響的情況

迴歸結果

  1. 客戶自然災害—供應商銷售額增長率

    image-20190727000858561

  2. 特質性供應商 vs 非特質性供應商

    image-20190727001001982

  3. 自然災害影響在供應鏈上的放大作用(Baseline)

image-20190727001035286

  1. 自然災害影響在供應鏈上的放大作用(銷售額的動態變化)

image-20190727001155567

  1. 供應商之間的橫向傳播作用

    image-20190727001404479

附錄

  1. 網絡圖
    image-20190727001452160
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章