▪ 文献来源：Huang Y, Lin C, Liu S, et al. Trade networks and firm value: Evidence from the US-China trade war[J]. Journal of International Economics, 2023, 145: 103811.
一、核心问题
2018-2019年中美贸易战中，关税如何通过全球供应链影响企业价值？
突破点：不仅直接影响涉贸企业，更通过供应链网络传导至上下游，研发强度与产品差异化是关键缓冲因素。
二、研究设计
1. 数据与方法
- 样本：2309家美国上市公司（2016-2019）
- 关键工具：
▶ 事件研究法：以2018年3月关税公告为事件，测算[-1,+1]窗口股价波动（CAR/CDS利差）
▶ 供应链网络：Factset Revere数据库构建企业间供需关系
▶ 反向实验：2019年贸易谈判验证政策预期的对称影响
2. 核心变量
- 直接暴露：中国收入占比、中国进口投入占比
- 市场反应：累计异常收益（CAR）、违约风险（CDS利差）
- 调节因子：研发强度、投入品差异化程度
三、重要发现
1. 直接冲击：依赖度决定风险
- 中国收入占比每增1σ，CAR↓0.48%；依赖中国差异化投入的企业CDS利差显著扩大
- 研发保护：高研发企业股价跌幅减少30%，技术优势降低供应链转换成本
2. 网络传导：上下游同步受损
- 受冲击企业的一级供应商/客户市值同步下跌，间接暴露企业的负面反应强于直接涉贸企业
- 低研发出口企业、依赖中国差异化投入的企业受冲击更严重
3. 动态验证
- 2019年谈判期间，涉贸企业CAR回升0.35%，与关税公告期形成反向验证
五、实践启示
• 供应链多元化：建立“中国+1”网络，降低单一地区依赖
• 研发优先：提升产品不可替代性，削弱关税成本压力
• 风险联防：监测上下游企业贸易暴露度，构建动态预警模型
#学术前沿 #CNDeepData #CNDD数据库 #供应链管理 #全球化趋势 #报关 #关税 #国际贸易 #中美博弈
一、核心问题
2018-2019年中美贸易战中，关税如何通过全球供应链影响企业价值？
突破点：不仅直接影响涉贸企业，更通过供应链网络传导至上下游，研发强度与产品差异化是关键缓冲因素。
二、研究设计
1. 数据与方法
- 样本：2309家美国上市公司（2016-2019）
- 关键工具：
▶ 事件研究法：以2018年3月关税公告为事件，测算[-1,+1]窗口股价波动（CAR/CDS利差）
▶ 供应链网络：Factset Revere数据库构建企业间供需关系
▶ 反向实验：2019年贸易谈判验证政策预期的对称影响
2. 核心变量
- 直接暴露：中国收入占比、中国进口投入占比
- 市场反应：累计异常收益（CAR）、违约风险（CDS利差）
- 调节因子：研发强度、投入品差异化程度
三、重要发现
1. 直接冲击：依赖度决定风险
- 中国收入占比每增1σ，CAR↓0.48%；依赖中国差异化投入的企业CDS利差显著扩大
- 研发保护：高研发企业股价跌幅减少30%，技术优势降低供应链转换成本
2. 网络传导：上下游同步受损
- 受冲击企业的一级供应商/客户市值同步下跌，间接暴露企业的负面反应强于直接涉贸企业
- 低研发出口企业、依赖中国差异化投入的企业受冲击更严重
3. 动态验证
- 2019年谈判期间，涉贸企业CAR回升0.35%，与关税公告期形成反向验证
五、实践启示
• 供应链多元化：建立“中国+1”网络，降低单一地区依赖
• 研发优先：提升产品不可替代性，削弱关税成本压力
• 风险联防：监测上下游企业贸易暴露度，构建动态预警模型
#学术前沿 #CNDeepData #CNDD数据库 #供应链管理 #全球化趋势 #报关 #关税 #国际贸易 #中美博弈
