导读：年3月，银行面临有史以来最大的流动性需求增长。为遏制新型冠状病毒肺炎危机而带来的停业将导致现金流中断，企业需要大规模提取资金。美联储的流动性注入计划和储户同时向银行注入资金，加上银行在危机前的强劲资本，解释了为什么银行能够满足这些流动性需求。
介绍
在危机期间，公司首先会向银行寻求帮助。在年3月的最后三周，由于预计现金流和外部融资条件会受到约束，非金融企业从银行信贷额度中提取了前所未有的资金。冲击发生时，整个资本市场的资产价格都在下跌。结果，银行资产负债表上的商业和工业贷款（CI）激增，在3月11日至4月1日期间增加了亿美元。在过去45年中，银行信贷与投资贷款的周平均增长率为0.12%。雷曼破产后，企业也曾大量使用银行信贷额度，在年9月的最后三周和10月的前两周，贷款增长了约6%，即每周增长约1.2%（约为平均水平的10倍）。然而，在3月份的最后三周，贷款每周增长超过6%（约为平均水平的50倍）。这三周的贷款增长率超过了此前的增长率（见图1）。
图1银行资产负债表上的CI贷款周增长率
年3月的最后三周是对银行提供流动性的能力进行了前所未有的压力测试。这种“压力测试”是由新型冠状病毒肺炎疫情引起的，这是大多数公司和银行始料未及的，本质上是非金融的，并影响到经济中的所有行业。在这篇文章中，本文研究了银行的特征和它们所经营的市场的特征是如何应对贷款需求激增的。本文的证据表明，所有贷款的增加都是通过减少现有的信贷承诺来实现的。大银行比小银行经历了更多的提款。有证据表明，这些资金的减少主要来自大公司，它们通常从最大的银行借款。因此，资产超过亿美元的银行的CI贷款增长比其他银行快得多（图2）。在这场新型冠状病毒肺炎压力测试中，本文没有发现银行在危机爆发前的财务状况限制其放贷的证据。换句话说，本文的结果表明，银行通过了这一压力测试。
图2按银行规模计算的累计CI增长
本文特别研究了两个问题：第一，企业对银行流动性的需求是如何应对新型冠状病毒肺炎危机的？各地的病毒爆发情况差别很大，纽约、新奥尔良和底特律等一些城市面临重大爆发，而其他城市面临的接触有限。州政府和地方政府对大流行的反应各不相同，无论是在强度上，在封锁的时间上，还是在为了减缓这种疾病的其他措施上。例如，像加利福尼亚州很早就开始实施封锁，而像德克萨斯州则在几周后开始实施这些政策。本文使用两种策略来衡量本地爆发的规模，一种是基于小公司的本地就业率下降，另一种是根据新型冠状病毒肺炎的事后死亡率。本文发现，在大规模爆发的情况下，银行贷款的增幅要大得多。
第二，银行的财务状况是否限制了它们满足其业务客户流动性需求意外增加的能力？为了回答这个问题，本文建立了Cornett等（）开发的用于研究-年金融危机期间的相关现象的模型。Cornett等（）发现银行通过减少新的信贷发放来适应流动性需求的冲击，信贷供应的变化取决于银行的财务约束。具体而言，在-年期间，银行对核心存款的依赖程度更高，持有流动性资产的银行更多，资本削减更多的银行新贷款比其他银行少（增加的贷款更多）。本文的研究测试这些银行的金融状况是否影响了流动性供应。-年与现在的一个关键区别是，美联储这次的干预速度更快、力度更大。另一个区别是，由于年以来的监管变化，银行积累了更多的资本。因此，本文可以评估这些干预措施是否有助于缓解新型冠状病毒肺炎危机期间银行金融约束对贷款的影响。
结果表明，新型冠状病毒肺炎危机的出现解释了贷款增加的原因，因为位于爆发规模较大地区附近的银行贷款增长较快。有大量未使用贷款承诺的大型银行的业务经历了迄今为止最大的贷款增长。然而，这些银行能够为流动性需求提供资金，原因是存款的大量增加，危机期间存款总额增长了约1万亿美元，是贷款总额增长的两倍。本文的回归发现，没有证据表明在危机前，那些用稳定存款融资的银行贷款增长更多。同样，本文也没有发现，危机前衡量资产流动性的指标能够解释贷款增加的原因。此外，本文也没有发现任何证据表明银行资本也限制了它们的放贷。
为了完成测试，本文使用了两个数据集：季度通话报告和每周机密的FR数据。年第四季度报告提供了危机开始时银行财务状况的详细资料，本文用它来解释年第一季度的贷款增长。自3月份最后三周放贷激增以来，年第一季度的大部分贷款增长变化反映了这三周流动性冲击的影响。因此，本文利用联邦储备委员会（FederalReserve）发布的机密FR数据。这些数据是唯一能够对银行间贷款扩张的准确时间进行高频分析的数据。文章在银行内部构建所有估计（即银行固定效应），以消除在正常（非危机）条件下观察到的银行贷款模式中未观察到的异质性。
使用高频FR数据，本文根据1月22日至3月11日之间的7周来控制正常时期的放贷模式。在一组平行的测试中，本文使用较低频率的通话报告数据来验证本文的结果，其中本文根据年第一季度之前的八个季度来控制正常时期的贷款。调用报告数据允许本文包括所有银行，还允许本文对表内贷款增长和总信贷产出（表内贷款加上未提取承诺的总和）进行建模。然而，这并不能让本文确定流动性冲击的确切时间。
本文的识别策略是假设危机前银行特征与年3月发生的流动性需求冲击之间没有相关性。虽然本文认为没有理由做出其他假设，但当本文改变捕捉流动性需求的一组变量时，结果是相似的。事实上，在使用调用报告数据的模型中，本文的结果也很相似，忽略了本地需求协变量。
本文的论文有助于研究银行作为企业流动性供应商的作用。早先的研究表明，将存款和表外信贷承诺结合起来，可以产生多元化协同效应，从而使银行持有的现金减少（Kashap，Rajan和Stein，）。Gatev和Strahan（）认为，在市场压力时期，这种协同效应尤其强大，因为存款流入银行的同时，借款人的流动性需求达到峰值。Ivashina和Scharstein（）在年危机期间发现了与后一种机制相一致的证据，尽管Acharya和Mora（）发现银行支付了更高的利率来吸引存款。在本文中，本文表明，总的存款流入足以满足流动性需求的增加；这些流动性解释了为什么危机前的存款与银行间的贷款没有协同变化。
本文也为新出现的关于新型冠状病毒肺炎危机的经济和金融后果的文献做出了贡献。许多实证论文研究了股市对流感的反应，发现股票价格对流感病毒的新闻反应强烈，市场波动性增加（Alfaro，Chari，Greenland，Schott，；Baker，Bloom，Davis，Kost，Sammon，andViratyosin，；CaballeroandSimsek，）。一些研究比较了不同种类的种群对大流行的反应。Ding，Levine，Lin和Xie（）发现，更多地暴露在全球供应链中的公司表现更差，而Ramelli和Wagner（）发现，暴露在国际贸易中也与糟糕的股价表现有关。另一组研究集中在非金融公司。Bartik、Bertrand、Cullen、Glaeser、Luca和Stanton（）基于一项小型企业调查，发现大规模裁员的迅速发生，以及被调查公司对金融脆弱性的担忧。其他几位作者研究了《关怀法案》和工资保护计划的早期影响（Humphries、Neilson和Ulyssea，；Granja、Makridis、Yannelis和Zwick，；Cororaton和Rosen，）。
与本文一样，许多研究都集中在债务和流动性对非金融公司的影响上。Albuquerque等（）发现高杠杆率公司的股票回报率在危机期间比低杠杆率公司的表现差得多，而Fahlenbrach、Rageth和Stulz（）发现财务灵活性更高的公司表现更好。DeVito和Gómez（）发现，大多数公司将在两年内耗尽其现金储备，这与许多依赖银行获得流动性的公司是一致的。本文的论文与Acharya和Steffen（a）关联度最高，他们根据股票回报模式记录了在新型冠状病毒肺炎危机期间获得银行信贷额度帮助了非金融公司。他们的论文从借款人的角度研究了获取银行流动性的作用，而本文从银行（供给方）的角度研究了这一问题。
在另一个相关的说明中，Acharya和Steffen（b）使用了从银行贷款前时期估计的模型来模拟在新型冠状病毒肺炎危机期间银行信贷额度下降的程度。这些模型表明，当股市回报率较低时，信贷额度的使用会增加（Bergetal，）。他们的分析模拟了美国银行系统总计亿美元的贷款支取，略高于年3月新增贷款的一半。他们认为，银行整体资本充足，足以满足这种模拟的流动性需求，但本文的数据表明，银行的实际压力已大大超过模拟的压力。然而，与他们的结论一致，本文没有发现任何基于个人银行行为的证据，资本限制了他们满足这一前所未有的现金需求的能力。
实证方法、数据和结果
全球新型冠状病毒肺炎病毒的爆发引发了市场恐慌，导致现有信贷额度大幅减少。本文在使用经验模型时，利用了这一下降幅度的增加，将重点放在3月11日至4月1日这三个星期作为流动性需求激增的时期。在本文的第一个实证模型中，本文使用周数据构建指标变量危机。为了了解这一时期有多不寻常，图3显示了自年初以来银行CI贷款的每周增长。这一数字非常清楚地表明，这三个星期从早期就脱颖而出。此外，该数据显示，在此期间，其他贷款（如房地产、消费等）没有出现异常增长。与本文的解释一致，Acharya和Steffen（a）使用标准普尔的贷款评论和数据证明，大型上市公司在这一期间的银行贷款约为亿美元，仅为本文数据中银行CI贷款增长的一半（约亿美元）。这种差异可能反映了私人公司的缩减。
图3美国全部银行的每周贷款增长
本文利用这一对流动性需求的意外冲击来研究银行的财务状况是否影响了它们提供流动性的意愿。流动性需求出现如此大的增长几乎是独一无二的；这使本文能够追踪到金融状况如何限制了银行提供流动性的能力。年雷曼破产后的几周里，出现了唯一的类似情况。Cornett等（）显示流动性和资本均影响银行流动性供给。本文报告了类似的测试，不过正如第一部分中所讨论的那样，在年危机最激烈的几周里观察到的新型冠状病毒肺炎危机期间下降的幅度有所增加。
利用年3月对流动性需求的冲击，本文估计了以下形式的每周银行贷款模型：
方程式（1）中的结果表示美联储（FederalReserve）第一周的FR数据集中CI贷款的每周变化（按上季度末银行总资产的比例）。本文将所有国内报告银行从年1月22日到4月1日的几周包括在内，并在样本的最后三周将危机变量设置为1。FR数据来自一个授权的每周报告银行的随机分层样本。本文在所有模型中加入了银行固定效应αi，以消除银行层面的异质性，并在银行层面上对标准误差进行聚类。本文的一些测试也包含了时间效应。
本文根据年末银行电话报告构建了银行财务状况的j指标。因此，这些措施似乎是针对新型冠状病毒肺炎大流行（以及任何相关的市场恐慌）的外生性措施，世界卫生组织直到年3月11日才宣布这一点（当时正值本文“危机周”的开始）。银行的财务指标只在银行之间变化（不随时间变化），因此银行固定效应在等式（1）中完全吸收了它们的直接效应。βj系数衡量这些条件对企业在三周内降低信贷额度的贷款的影响，与之前正常几周的影响相比。
本文从年第四季度的银行电话报告中包括以下银行层面的变量：（1）规模，等于银行总资产的对数；（2）流动资产，等于非计息余额+计息余额+联邦基金卖出+回购协议+持有至到期证券（摊余成本）+可供出售证券（公允价值）；（3）核心存款（衡量资金流动性的指标），等于境内办事处存款减去存款超过25万美元；（4）一级资本；（5）未使用的承诺，等于未提取的业务承诺。本文按总资产对每个资产负债表内指标进行规范化；对于未使用的承诺，本文按资产加上未使用承诺的总和进行规范化。如果银行受到资产流动性、稳定资金可用性或稀缺资本的制约，本文预计这些因素将对贷款增长产生积极影响。贷款增长可能受到限制，要么减少新的贷款发放，要么限制现有额度下的流动性（年危机期间）。相比之下，如果银行持有大量流动性缓冲，如果它们的资金足够充裕，如果它们的运营距离监管最低资本比率足够远，那么危机前金融状况的影响可能不会影响贷款增长。
为了捕捉银行在当地需求条件下风险敞口的具体变化，本文采用了两种策略。首先，本文控制每个银行总部所在州的小公司每周的就业增长，用总工作时间来衡量。这些数据来自Homebase，一家为小型企业跟踪员工工作时间安排和工资单的软件提供商。截至年1月，Homebase数据覆盖了50个州的约家小企业。大约90%的客户只有不到名员工。Homebase只占州一级总就业人数的很小部分，主要集中在休闲、酒店和零售行业，这些行业是受新型冠状病毒肺炎危机影响最严重的行业。由于这一措施来自非常小的公司，因此不太可能受到由大公司主导的缩减行为的直接影响。作为第二个策略，本文测量了截至年5月初的州一级人均新型冠状病毒肺炎死亡人数，这为病毒爆发的程度提供了一个全面的横截面测量。银行固定效应反映了这一变量的横截面效应，因此本文