自然灾害冲击在供应链上的传染效应

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

主要发现

基于自然灾害发生的特殊冲击发现受影响的供应商对其客户造成了巨大的产出损失，特别是当他们生产特定投入时
这些产出损失转化为重大的市场价值损失，并且溢出到其他供应商。
点估计在经济上很大，这表明输入特异性是经济中特殊冲击传播的重要决定因素

研究路径

与 Long and Plosser (1983) 开始的文献关注于跨行业溢出效应不同，本文研究企业网络内的溢出效应，即企业级特质冲击的传播：

一方面，企业层面的特殊冲击应该在生产网络中迅速吸收。公司合理地组织其运营，以避免受到供应暂时中断的影响。即使他们面临这样的中断，他们也应该足够灵活，能够重新组合他们的生产组合，或者转向其他供应商。贸易关税和运输成本的逐步下降以及在线业务的发展应该使公司更容易调整采购。

另一方面，摩擦可能会阻止公司在供应中断时迅速做出调整。如果企业在需要更换供应中断的情况下面临转换成本，那么特殊的冲击可能会从公司传播到公司，并逐渐被放大。

本文研究企业层面的冲击是否会传播，或者它们是否被生产网络所吸收：

考虑过去三十年内美国发生的重大自然灾害，这些时间对受影响企业的销售增长产生了很大的短期影响
使用美国上市公司报告的供应商-客户链接追踪这些冲击在生产网络中的传播
发现受自然灾害影响的供应商会严重影响他们的客户：当一个公司的供应商遭遇重大自然灾害时，公司的销售额增长平均下降2-3个百分点

具体而言：

研究由供应中断导致的公司销售额下降是否会转化为价值损失
如果输入中断只是导致销售延迟，那么对公司的现金流和公司价值影响不大
然而灾难发生后，并没有观察到任何形式的销售超调，这意味着销售确实损失
事件研究的结果表明，公司在影响其供应商的灾难事件中受到的输入中断导致其股权价值下降1%

进一步地，证明特质性输入是企业层面冲击传播的驱动因素。为此，构建了供应商特异性的三个衡量标准：

借鉴Rauch（1999）在国际市场上交易的商品分类
使用供应商的研发费用来捕捉特定关系投资的重要性
使用供应商发布的专利数量来捕获对可替代投入的替代来源的限制

另一方面，检验一个供应商的冲击是否会横向传播到同一公司的其他供应商(虽然这些供应商并未直接受到自然灾害的影响)。如果供应商之间存在很强的替代性，即使其中一个供应商受灾，仍可以通过在其他供应商处增加采购而补足生产。但是事实上，发现其中一个供应商受到的冲击对该公司其他供应商有巨大的负溢出效应。

潜在的Concern:

根据 SFAS No.131 中公司的披露义务获取公司之间的网络关系，因此样本中仅包含主要客户/供应商(占销售额10%以上)，而且只包含上市公司，这可能会影响估计结果。为了规避这个问题，选取替代的网络结构进行分析，保证结果并不受是否是上市公司的影响

检验估计是否在合理范围内：

基于 Long and Plosser (1983) 和 Acemoglu et al. (2012)，提出了一般均衡网络模型，并发现简化形式估计与中间投入供应商之间高度互补性的模型预测一致

我们发现供应商1美元的销售损失将导致客户销售额损失2.4美元，这表明生产网络中的关系大大放大了特殊的冲击

主要贡献

指出中间投入的特异性使得冲击可以在生产网络中传播
- 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.
强调生产网络中存在强烈的相依性关系
不仅揭示了供应链上的传播，也研究了供应商网络内部的传播
与其他文献只研究一个冲击不同，本文研究了30年来的各种重要自然灾害导致的供应链冲击，很好地区分了通常的需求冲击以及特质性供给
考虑了转换成本在企业层面传播冲击的重要性
- 许多研究分析了转换成本在银行关系中对金融冲击扩散的作用（Slovin，Sushka和Polonchek，1993; Hubbard，Kuttner和Palia，2002; Khwaja和Mian，2008; Fernand，May和Megginson，2012）。我们的研究表明，贸易伙伴之间的转换成本很高，可以解释非金融公司网络中冲击的传播
增加了企业如何受其供应链企业影响的文献
- 最近的研究发现了生产网络中股票收益的共同作用的证据（Cohen和Frazzini，2008; Hertzel等，2008; Menzly和Ozbas，2010; Ahern，2012; Boone and Ivanov, 2012; Kelly, Lustig and Van Nieuwerburgh, 2013)
- 强调了输入互补性和转换成本的重要性，为供应链企业的联动性提供了基础
增加了产品市场关系对公司政策影响的文献
- 该文献的关键结果是，公司不能有过高的供应商集中度的主要原因是避免因供应商中间品投入中断而带来财务困境风险

客户-供应商关系的识别

根据 SFAS No.131 中公司的披露义务获取公司之间的网络关系，因此样本中仅包含主要客户/供应商(占销售额10%以上)

SFAS No. 131规定：

对于任何行业部门，公司必须披露某些财务信息，这些行业部门包含超过10％的合并年度销售额，资产或利润，以及任何占报告销售总额10％以上的客户的身份，我们利用此要求获取有关供应商 - 客户链接的信息

对于向SEC提交的每家公司，我们从1978年到2013年从Compustat Segment文件中获取其主要客户的名称和相关销售.鉴于我们主要对可获得会计数据的公开上市客户感兴趣，我们将每个手动命名为Compustat标识符。更具体地说，我们使用语音字符串匹配算法来匹配每个客户名称与提交给SEC及其所有子公司的公司集中的五个最接近的名称。然后，我们通过检查公司和客户的名称和行业来选择最佳匹配。没有匹配的客户将被排除在样本之外

在样本期间，我们的数据集中的客户占Compustat总销售额的约75％，这使我们确信样本代表了美国经济

但是，这些数据存在一些限制。特别是，我们通常不会观察到对客户的销售额低于其收入的10％的供应商

在DID框架下估计供应商灾害对客户销售增长率的影响

$\Delta Sales_{i,t-4,t} = \alpha_0 + \alpha_1 HitsOneSupplier_{i,t-4} + \alpha_2 DisasterHitsFirm_{i,t-4} + \eta_i + \pi_t + \epsilon_{i,t}$

$\Delta S a l e s _ { i , t - 4 , t }$ 是当前季度和去年同季度的销售额增长率， $HitsOneSupplier_ { i , t - 4 }$ 是虚拟变量，当至少该公司的一个供应商在去年同季度遭受了自然灾害时取1。 $Disaster Hits Firm_{i,t-4}$ 也是虚拟变量，在该公司去年同季度直接遭受了自然灾害时取1。

为了估计供应商自然灾害对客户的影响，需要作出以下假设：

客户C的销售额增长率保持不变(平行趋势假设)
自然灾害时通过对供应商S1的经营造成中断性影响而影响客户C
- 该假设太强：客户C自身生产也可能受到自然灾害的影响
- 因此排除供应商-客户总部距离300mile以内的样本
- 同时在回归中引入客户所在地是否受到自然灾害的虚拟变量
使用子公司层面的数据来控制客户C的生产直接受到影响S1的灾难影响的情况