这篇文档属于类型a，报告了一篇关于信用冲击沿供应链在信用违约互换（CDS）市场中传播的原创研究。以下是对该研究的详细学术报告。

作者与研究机构

该研究由四位学者合作完成：Senay Agca（George Washington University）、Volodymyr Babich（Georgetown University）、John R. Birge（University of Chicago）以及Jing Wu（Chinese University of Hong Kong，通讯作者）。论文发表于 Management Science 期刊2022年第68卷第9期（第6506至6538页）。该研究得到了人工智能金融科技实验室（Laboratory for AI-Powered Financial Technologies）和中国国家自然科学基金（资助号71988101）的部分支持。

研究背景与目的

该研究属于金融学、供应链管理与信用风险管理的交叉领域。金融冲击在经济中的传播对整体经济稳定具有重大影响，尤其是在2008年全球金融危机期间表现得尤为明显。供应链被认为是金融冲击传播的可能渠道，因为供应链不仅承载着产品和服务的物理流动以及资金流动，还承载着信息流动。以往文献主要将供应链与股票市场和债券市场联系起来，但对供应链在CDS市场中作用的了解较为有限。CDS市场对企业决策、投资和整体经济稳定具有重要意义，且CDS市场比债券市场更具流动性，CDS利差能比信用评级、债券收益率或破产申请更快地吸收新信息。因此，本研究旨在系统性地考察供应链是否是CDS市场中信用冲击传播的渠道，并进一步探讨哪些信用冲击特征、企业特征和供应链特征会影响这种传播的强度。

研究数据与工作流程

研究的核心数据来自Markit CDS数据集，时间跨度为2003年4月至2014年12月，使用五年期CDS利差作为主要研究对象。供应链链接数据主要来自FactSet Revere数据集，该数据集通过10-K文件、电话会议记录、投资者演示文稿、公司新闻稿和主要新闻媒体报道等渠道手工收集并验证供应链关系信息，覆盖范围远大于传统的Compustat Segment数据集。最终样本包含约200万个观测值，涉及3222个独特的供应商—客户链接，由653家独特企业构成。

研究首先构建了核心变量——累积异常CDS利差变化（CASC）。具体方法是：先计算每日异常利差，即企业当日的CDS利差减去与其隐含评级匹配的同评级等权重组合的CDS指数值；然后计算CASC为企业异常利差在指定时间窗口内的变化量。极端CDS跳跃事件的定义基于整个Markit数据集中每日CASC值的分位数：上行跳跃（adverse credit shock）定义为CASC超过99.9百分位的事件，下行跳跃（favorable credit shock）定义为CASC低于0.1百分位的事件。

研究采用了多步骤分析框架。第一步是模型无关的事件研究，计算事件企业客户和供应商在事件日前后各五天的一日CASC变化。第二步是基准面板回归，以供应商—客户—日期三元组为分析单位，分别建模供应商对客户CDS跳跃的反应（方程1a）和客户对供应商CDS跳跃的反应（方程1b），控制供应商—客户—年份固定效应，并考虑不同的CASC时间窗口（一日、两日、三日）。第三步利用自然灾害作为企业层面特质性冲击的来源，使用联邦紧急事务管理局的县级自然灾害数据和环境保护局的企业经营场所位置数据，在县级和州级两个空间维度上识别源于自然灾害的CDS跳跃。该步骤采用了两种控制方法：一是加入指示变量表示被测量CASC的企业是否在同一月份受到自然灾害影响；二是排除供应链双方位于同一受灾州的链接。第四步进行了非活跃供应链的安慰剂检验，定义非活跃链接为曾在本样本期内活跃但在事件日不再活跃的链接，并在全样本和通过粗化精确匹配方法（匹配企业规模、杠杆率、托宾Q和Fama-French 12行业）得到的匹配样本上进行分析。第五步通过加入分析师同时覆盖供应链双方的指示变量来探索信息传播渠道。第六步考察了贸易信用、客户销售占比、行业集中度、产品相似性等企业和供应链特征对传播强度的调节作用。最后，研究将传播分析扩展至供应链的第二层和第三层。

主要研究结果

事件研究结果显示，在CDS上行跳跃事件发生时，事件企业的客户和供应商在事件日出现显著同向的异常CDS利差变化，而下行跳跃事件则引发反向变化。基准面板回归结果表明，当客户经历极端CDS上行跳跃时，供应商的三日CASC为63个基点（basis points，bps）；当供应商经历上行跳跃时，客户的三日CASC为74个基点。对于下行跳跃，对应值分别为−36和−38个基点。相对于样本平均CDS利差水平157个基点，这些反应分别代表了约40%和47%的经济效应。在自然灾害设定下，传播效应显著增强：三日CASC在167至215个基点之间，约为主分析中反应强度的两倍，至少达到样本平均CDS利差水平的70%。非活跃供应链分析显示，无论是全样本还是匹配样本，均未观察到信用冲击传播，表明传播确实通过活跃的供应链链接发生，而非由潜在共同因素驱动。信息渠道分析发现，当供应链双方被同一分析师覆盖时，冲击传播强度至少提高31%。在调节因素方面，贸易信用和客户销售占比对传播强度的经济影响最大；行业竞争层面，产品相似性和低行业集中度会放大传播。对高阶供应链层的分析发现，不利冲击的传播在第二层和第三层仍然强劲且不衰减，而有利冲击的传播则在高阶层中减弱。稳健性检验（包括排除金融危机时期、使用信用评级变化定义事件、采用不同事件定义和替代供应链链接样本）均支持上述结论。

研究结论与意义

该研究首次系统性地证明，信用冲击确实通过供应链在CDS市场中双向传播，且不利冲击的传播强度约为有利冲击的两倍，并能持续传导至更高供应链层级。从学术价值来看，该研究填补了供应链作为CDS市场信用冲击传播渠道的文献空白，并揭示了CDS市场相对于股票市场对供应链信息更高效的反应。从应用价值来看，研究结果为企业风险管理、投资者定价决策以及监管机构监控系统性风险提供了实证依据：供应链关系应被纳入信用风险评估框架，贸易信用和客户集中度高的关系尤其需要重点关注。

研究亮点

该研究的突出贡献体现在三个方面：第一，同时考察了有利和不利两类信用冲击，发现二者在传播强度和高阶层传导上的不对称性；第二，通过自然灾害作为外生冲击来源并结合非活跃供应链的安慰剂检验，为传播的因果性提供了强有力的识别策略；第三，引入了FactSet Revere这一覆盖面更广的供应链数据源，并创新性地利用企业经营场所位置而非仅总部位置来识别灾害冲击的起源。研究还发现分析师共同覆盖对传播的放大作用，进一步强化了信息在供应链传播中的关键角色。