memprediksi bahwa Tingkat Bank Harus Menurunkan suku sebagai hasil temuan Temuan

Hubungan. Koefisien untuk review Pembaharuan Pinjaman Harus memberikan Wawasan Pertanyaan
inisial.

Skala L. Pinjaman
menyebar Pinjaman Bank dipengaruhi Oleh seberapa gede Pinjaman Adalah Relatif Terhadap
ukuran peminjam, dengan kata lain apakah Pinjaman Adalah Peristiwa gede ATAU Kecil hearts
kehidupan Perusahaan. Variabel Penyanyi diwakili hearts Penelitian Penyanyi DENGAN logaritma (basis
10) dari rasio ukuran komitmen Pinjaman untuk review Penjualan Perusahaan. Sebuah komitmen Yang
Relatif gede mungkin sinyal Yang meningkatkan Risiko default, sehingga Satu can Berharap Dampak
positif dari skala Pinjaman PADA menyebar. Di sisi lain, Sebuah Perusahaan DENGAN Pinjaman Yang
Sangat gede untuk review bernegosiasi mungkin mengerahkan usaha Ekstra untuk review membawa
Pemberi Pinjaman Baru dan persaingan MENINGKAT Dan mungkin bank yang Ingin untuk review
memimpin Pinjaman yang paling Penting Perusahaan KARENA Manfaat Masa Depan Yang mungkin
terhutang ditunjukan kepada Perusahaan Bank yang paling Penting .

M. Capital AKSesPasar
kertas Commercial(CP) Adalah Pengganti Dekat untuk review Pinjaman Bank. Selanjutnya, CP
Perdagangan di Tingkat bunga Cukup Dekat DENGAN suku bunga deposito bank (Libor ATAU Tingkat
CD). Tetapi KARENA Bank Perlu untuk review meminjamkan PADA Tingkat materi Yang LEBIH
Tinggi Dari bunga deposito mereka, untuk review MEMBUAT marjin keuntungan, suku bunga kredit
tentu bank yang LEBIH Tinggi daripada Tingkat CP. Penyanyi Berarti bahwa peminjam Yang memiliki
Akses Ke Pasar CP umumnya akan memanfaatkan AKSes ITU daripada meminjam Dari manapun Bank.
Ketika mereka meminjam Dari Bank, Kapasitas mereka untuk review menegosiasikan suku bunga kredit
Yang LEBIH randah Harus signifikan KARENA alternatif CP layak.
Akses Diplomasi Pasar Obligasi memiliki Sifat Yang mirip, kecuali bahwa Obligasi Belum tentu
LEBIH Murah daripada Pinjaman Bank, ketika harga differences mereka bertukar Menjadi nematoda
Setara Tingkat. Namun demikian, Perusahaan DENGAN AKSes Pasar Obligasi also DAPAT Menikmati
meningkatkan Daya negosiasi ketika berhadapan DENGAN Bank.
Dalam studi ini, CP dan pasar obligasi akses proksi oleh dua variabel indikator yang merupakan
salah satu jika peminjam memiliki CP atau obligasi Peringkat pasar dan nol sebaliknya. Variabel indikator
yang lebih berguna untuk tujuan ini dari peringkat sendiri, untuk objek kita adalah untuk mengukur akses
pasar daripada risiko default.

N. Agunan
The LPC database berisi variabel indikator apakah pinjaman adalah dijaminkan atau tidak. Ini
agak tidak sempurna, karena kita tidak tahu berapa banyak agunan bernilai dibandingkan dengan jumlah
pinjaman atau bagaimana cair agunan mungkin. Jelas pinjaman sepenuhnya dijamin dengan uang tunai
akan dasarnya riskfree, sementara satu dijamin dengan real estate mungkin cukup bermasalah. Penelitian
sebelumnya seperti Berger dan Udell (1990) menemukan bahwa, bertentangan dengan intuisi, kehadiran
agunan cenderung dikaitkan dengan spread yang lebih tinggi, yang tidak lebih rendah.

O. Perjanjian
Semua perjanjian obligasi dan pinjaman bank mengandung sejumlah perjanjian, beberapa dari
mereka “boilerplate” dan beberapa dibuat untuk peminjam tertentu. Tujuan dari perjanjian tersebut
biasanya untuk menurunkan risiko pemberi pinjaman dengan membuat jenis tertentu perilaku oleh
peminjam tindakan default pada pinjaman. Sejumlah makalah dimulai dengan Smith dan Warner (1979)
telah mempelajari dampak yang mungkin atau yang sebenarnya dari perjanjian pada spread pinjaman.
Perjanjian dapat konseptual dikelompokkan menjadi orang yang murah dan mereka yang tegas
diperlukan dan karena itu tidak murah. Misalnya janji negatif, yang mencegah peminjam dari
menawarkan hak gadai atas aset ke kreditur lain tanpa ratably mengamankan pinjaman yang
bersangkutan, begitu hampir universal yang beberapa peminjam tanpa jaminan akan mengambil risiko
menjadi tanpa itu. Di sisi lain, perjanjian membutuhkan utang yang tidak melebihi sebagian tertentu dari
aset berwujud bersih mungkin harga dalam arti bahwa jika peminjam setuju untuk sebagian kecil lebih
rendah pemberi pinjaman mungkin setuju untuk spread lebih rendah.
Pinjaman bank sindikasi besar sering mengandung skala geser menyebar terkait dengan rating
obligasi baik peminjam atau alternatif untuk rasio seperti debt to arus kas. Jadwal harga seperti ini
menawarkan wawasan langsung ke dalam fungsi permintaan pemberi pinjaman untuk utang perusahaan
jika rasio leverage yang berbeda berlaku, dan layak studi terpisah.
Database LPC pribadi, yang merupakan subjek dari tulisan ini, tidak berisi informasi perjanjian.
Namun, seperti dicatat sesuai Bagian B di atas, efek mengurangi risiko dari perjanjian diduga dimasukkan
ke dalam penilaian risiko pribadi bank pinjaman. Dengan cara ini mereka masuk ke dalam penelitian,
meskipun efeknya tidak dapat dipisahkan.

P. Biaya
Hal ini sering membayangkan bahwa pinjaman harga bank secara “total return”, yang mengambil
ke rekening baik pinjaman penyebaran dan biaya yang dikenakan pada pinjaman. Jika ini sepenuhnya
benar, biaya yang lebih tinggi akan dikaitkan dengan spread yang lebih rendah, hal-hal lain sama. Studi
dalam database LPC tidak dilaporkan di sini menunjukkan bahwa, sebaliknya, biaya yang lebih tinggi di
masing-masing empat kategori yang tegas terkait dengan spread yang lebih tinggi. Dengan kata lain,
kondisi yang memungkinkan menyebar lebih tinggi juga memungkinkan biaya yang lebih tinggi. Karena
temuan ini, biaya dihilangkan sebagai penjelas variabel spread: kausalitas muncul untuk menjalankan dari
variabel penjelas baik menyebar dan biaya.
Statistik deskriptif untuk variabel kontinyu dan variabel diskrit bivariat digunakan dalam
penelitian ini ditampilkan pada Tabel 2. Selain statistik agregat, sarana terpisah untuk subset dari
pinjaman berbasis Perdana dan pinjaman pasar-index akan ditampilkan.

II. Metodologi danHasil

studiawal dari harga pinjaman umumnya kemunduran menyebar pinjaman pada variabel penjelas
menggunakan kuadrat terkecil biasa. Dua faktor menentang penggunaan OLS dalam penelitian ini.
Pertama, seperti yang akan ditampilkan di bagian ini, spread kredit mungkin menampilkan
nonlinier penting dalam ketergantungan mereka pada setidaknya beberapa dari lima variabel kontinu
belajar di sini. Sejauh nonlinier ini material, OLS adalah misspecified. Kedua, OLS membutuhkan
regressor terpisah (variabel dummy) untuk setiap nilai variabel diskrit. Kami memiliki 20 jenis pinjaman,
21 tujuan, 241 MSAS, 125 bank dan 100 SICs, yang akan membuat total 507 regressors baru. Hal ini
menciptakan tidak hanya masalah komputasi berat tetapi juga masalah multikolinearitas sempurna,
sebagai dummies untuk setiap kategori sum untuk vektor yang. Meskipun hal ini dapat diatasi dengan
menghilangkan beberapa dummies berdasarkan tes awal signifikansi, prosedur semacam itu
sewenang-wenang di terbaik, karena sebagian besar nilai-nilai diskrit benar-benar muncul untuk peduli.
 Sebuah pendekatan yang lebih disukai adalah dengan menggunakan model nonparametrik. Saya
memanfaatkan versi teknik Alternating Harapan Bersyarat (ACE) dari Breiman dan Friedman (1985).
Model ACE adalah generalisasi dari linier model regresi y = α + Σβ​ x​ + ε menjadi bentuk yang masih
i​ i​

memisahkan variabel tetapi memungkinkan mereka bentuk fungsional umum:

(1)
di mana y adalah variabel dependen, x​ adalah variabel penjelas dan θ (y) dan φ​ (x​ adalah transformasi
i i​ i)​

optimal argumen mereka, yaitu orang-orang transformasi yang memaksimalkan korelasi fungsi, dan ε
adalah error term. Persamaan (1) ditentukan dengan menggunakan algoritma yang dijelaskan oleh
Breiman dan Friedman (1985). Hal ini membutuhkan bolak estimasi θ sebagai nilai yang diharapkan dari
sisi kanan (1) tergantung pada y dan masing-masing φ​ (x​ menggunakan perkiraan saat ini fungsi lain
i​ i)​

untuk membentuk nilai-nilai yang diharapkan bersyarat dari fungsi yang diperkirakan .
Untuk memperkirakan nilai-nilai yang diharapkan bersyarat dari fungsi kontinu satu harus
memanfaatkan prosedur smoothing. Prosedur yang digunakan dalam penelitian ini adalah smoothing
kernel linear di mana ukuran jendela dioptimalkan menggunakan lokal cross-validasi seperti yang
dijelaskan dalam Härdle (1990). Fungsi θ (y) adalah sekitar linier ketika (1) diperkirakan dengan data ini.
Pada hasil yang mengikuti, θ (y) ​diasumsikan linear sehingga mudah dapat terbalik untuk memulihkan y
tanpa kehilangan pemisahan variabel, dan sehingga φ​ (x​ dapat dibaca secara langsung sebagai basis poin.
i​ i)​

Model dimodifikasi kemudian mengambil bentuk sebagai berikut:

(2)

Dalam persamaan ini adalah mean spread tanpa syarat. The φ​ (x​ dibatasi untuk menjadi berarti i​ i)​

nol, yang mencegah masalah multikolinearitas dari yang timbul. Sensitivitas y untuk masing-masing
nilai-nilai dari xdiskrit​ dinyatakan sebagai satu set penambahan atau pengurangan yang dari mean, satu
i

untuk masing-masing nilai, yang jumlah atas dataset ke nol. Variabel dummy tidak diperlukan. Istilah
kesalahan ε kemudian berarti nol oleh konstruksi.
Output dari proses estimasi adalah seperangkat relatif tersebar fungsi φ​ (x​ Untuk variabel i​ i).​

kontinyu ini adalah fungsi kontinu dan ditampilkan dalam Angka 4-8. Untuk variabel diskrit kita
memperoleh tabel spread relatif untuk setiap nilai masing-masing variabel diskrit.
Untuk memeriksa signifikansi model dan komponen-komponennya, kita dapat menggunakan
output fungsional untuk memetakan setiap x​ ke mengubah φ nya​ (x​ dan kemudian menggunakan OLS
saya i​ i),​

untuk mundur y pada transformasi. Beta pada transformasi semua keluar untuk sekitar satu tetapi R​ 2

dan t-statistik yang menarik. Kita bisa menilai bobot relatif dari masing-masing variabel dalam
menentukan menyebar dengan mengamati nilai rata-rata dari | φ​ (x​ | untuk setiap variabel i atas semua
i​ i)​

pengamatan. Hasil ini ditampilkan pada Tabel 3.

Pada tabel ini, dua kolom pertama menunjukkan efek terbesar variabel dapat memiliki, sedangkan
yang kedua dua kolom menunjukkan besarnya efek rata-rata atau keseluruhan variabel ini. Variabel yang
paling penting dalam hal t-statistik adalah yang pertama: patokan terhadap yang pinjaman murah. Karena
pentingnya variabel ini, detail dari fungsi ACE untuk patokan ditampilkan pada Tabel 4.
Jumlah ini menyebar relatif dan paling bermakna ditafsirkan dengan mengambil perbedaan antara
dua. Misalnya, pinjaman berbasis Perdana telah disesuaikan menyebar 17,5 bp di atas rata-rata dataset,
tetapi ini memiliki sedikit arti diambil sendiri dan hanya mencerminkan tingginya proporsi pinjaman
Perdana-dasar dalam dataset. Jarak antara angka ini dan salah satu tokoh untuk pinjaman pasar-indeks
lebih signifikan. Misalnya, meja memberitahu kita bahwa pinjaman Perdana telah disesuaikan menyebar
141 bp lebih tinggi dari pinjaman berbasis Libor. Karena Libor adalah indeks pasar yang paling umum,
angka ini adalah yang terbaik ukuran tunggal dari premi yang dibayarkan oleh peminjam berbasis
Perdana.
Ada perbedaan yang signifikan antara indeks pasar, untuk alasan yang sama sekali tidak jelas.
Tampaknya, misalnya, bahwa mereka beberapa peminjam yang mampu menegosiasikan harga terhadap
Dana Federal atau bankir akseptasi manfaat material dan mereka yang meminjam di spread di atas
Treasury bills lakukan kurang baik. Alasan untuk perbedaan tersebut jauh dari jelas. Namun kesenjangan
yang paling penting adalah salah satu pun di antara indeks ini dan Prime Rate. Premium ini dieksplorasi
dalam Bagian IV.
Setelah patokan, variabel yang paling penting berikutnya dalam hal nilai absolut mean dan juga
t-statistik, berisiko, ukuran dan tanggal penandatanganan.
Kurva risiko dalam Gambar 4 monoton dan meningkatkan hingga sekitar resiko 60, yang
kira-kira batas untuk pinjaman pasar baru. Keempat desil risiko di atas 60 sesuai dengan kategori
peraturan disebutkan secara khusus, kurang lancar, diragukan dan macet, menunjukkan proporsi yang
tinggi dari pinjaman bermasalah dan dinegosiasi ulang. Pola yang tidak teratur dari menyebar di wilayah
ini menunjukkan bahwa bank kadang-kadang mencoba untuk mengumpulkan lebih tertarik pada pinjaman
dinegosiasi ulang dan kadang-kadang dipaksa untuk memberikan tingkat suku bunga konsesi. Penurunan
spread risiko 75-85 menunjukkan konsesi tersebut. Perhatikan bahwa kisaran penyebaran dampak risiko
selama rentang pasar 1-60 hanya sekitar 80 bp, yang mewakili substansial kurang diskriminasi risiko
gagal bayar dari satu melihat di obligasi korporasi.
Gambar 5 menunjukkan kurva terhadap logaritma penjualan, yang hampir linier. Perhatikan
bahwa berbagai dampak, sekitar 140 bp antara minimum dan maksimum, lebih besar untuk ukuran
peminjam daripada risiko peminjam, meskipun dampak berarti adalah sama.
Gambar 6 menunjukkan ACE transformasi untuk tanggal penandatanganan. Kurva ini
menampilkan semacam pola acak-jalan terlihat di banyak seri waktu pasar lainnya. Perhatikan bahwa
pinjaman menyebar naik material dalam 18 bulan pertama periode yang diteliti, dari awal tahun 1990
sampai pertengahan 1991. Ini adalah periode “krisis kredit”, di mana bank-bank membuat lebih sedikit
komitmen baru karena resesi dan kerugian kredit utama. Dari pertengahan 1991 sampai tahun 1995,
menyebar pinjaman tampaknya telah tinggal umumnya tinggi.
Gambar 7 menunjukkan ketergantungan menyebar pada istilah pinjaman ini. Perhatikan bahwa
efeknya sangat kecil, hanya beberapa basis poin, dan itu bentuknya tidak terlalu signifikan dalam konteks
itu. Perhatikan juga bahwa semua berdampak pada penyebaran terjadi untuk hal kurang dari 24 bulan;
melampaui titik itu, istilah tidak berpengaruh pada penyebaran apapun. Sangat mungkin bahwa hasil yang
ditampilkan di sini adalah campuran yang berbeda bentuk untuk jenis pinjaman yang berbeda dan
kelompok risiko. Penelitian lebih lanjut diperlukan, tetapi kesimpulan secara keseluruhan adalah bahwa
istilah hampir mempengaruhi harga pinjaman.
Gambar 8 menunjukkan bahwa skala pinjaman, logaritma pinjaman penjualan ukuran / peminjam,
memiliki efek negatif bahan: pinjaman yang relatif lebih besar adalah harga di spread yang lebih rendah,
bertentangan dengan apa yang mungkin telah diharapkan. Tampaknya efek risiko meningkatnya pinjaman
besar sudah ditangkap dalam ukuran risiko dan sampai batas tertentu dalam variabel tujuan. Apa yang
tampaknya ditampilkan di sini adalah kecenderungan bank untuk bersaing lebih sulit untuk transaksi yang
lebih besar, dan bagi peminjam untuk mengerahkan lebih banyak upaya untuk merangsang kompetisi
seperti ketika mereka memiliki sejumlah besar untuk meminjam, relatif terhadap ukuran mereka.
Variabel diskrit yang paling penting adalah identitas bank pinjaman. Ini mungkin datang sebagai
kejutan untuk melihat efek bank tertentu seperti besar, tetapi perbedaan antara harga yang paling agresif
dan pemberi pinjaman paling konservatif selama periode ini adalah sekitar 200 bp. Selanjutnya, dispersi
kebijakan bank cukup besar bahwa dampak berarti dari variabel ini juga cukup tinggi.
Kesenjangan terbesar antara respon minimum dan maksimum adalah fungsi ACE untuk MSA.
Tergantung pada kota yang, peminjam mungkin mengalami harga pinjaman yang berbeda pada rentang
lebih dari 300 basis poin. Mean nilai absolut yang lebih moderat, bagaimanapun, menunjukkan bahwa
ekstrem ini terbatas pada relatif sedikit kota. Mengapa kota-kota tertentu berbeda begitu sangat dari
norma layak banyak penelitian lebih lanjut.
Untuk tingkat yang lebih rendah tetapi masih penting, negara dan industri menunjukkan pola
yang sama. Beberapa negara dan beberapa industri fitur keberangkatan utama dari norma-norma
pinjaman, tetapi efek mutlak berarti moderat. Semua variabel ini lebih berat daripada jenis pinjaman dan
tujuan pinjaman, yang menampilkan pola yang sama: beberapa jenis dan beberapa tujuan menghitung
berat, sementara banyak hal jauh lebih sedikit.
Konsisten dengan Berger dan Udell (1990), penelitian ini menemukan bahwa agunan
berhubungan dengan spread yang lebih tinggi. Hal ini secara luas dipahami sebagai yang mencerminkan
faktor risiko yang mungkin tidak ditangkap di langkah-langkah yang lebih konvensional default risk -
bank bersikeras jaminan dari perusahaan mereka tahu untuk menjadi berisiko. Dalam konteks tindakan
risiko bank yang berfokus digunakan dalam penelitian ini, menunjukkan bahwa bank dapat mengurangi
penilaian risiko internal mereka lebih dari spread mereka ketika agunan ditambahkan ke pinjaman.
Akhirnya, akses pasar modal ternyata memiliki hampir tidak ada efek sama sekali pada harga
pinjaman bank, bertentangan dengan pandangan bahwa akses tersebut harus secara signifikan
mempengaruhi kesediaan bank untuk menawarkan konsesi tingkat suku bunga. Akses pasar obligasi
secara harfiah tanpa dampak. Akses commercial paper mengurangi suku bunga pinjaman cukup untuk
menunjukkan signifikansi statistik, tetapi dampaknya hanya 2,5 bp, yang memiliki sedikit signifikansi
praktis.

AKU AKU AKU. Apakah hubungan Bank harga?

Pemahaman modern perbankan didasarkan pada ekonomi informasi. Dalam paradigma ini, bank
memperoleh informasi pribadi tentang peminjam mereka dan terlibat dalam pemantauan mahal dari
kegiatan peminjam. Dampak pada harga pinjaman muncul dalam beberapa cara: melalui biaya
pengumpulan informasi dan monitoring; melalui peningkatan insentif yang mungkin timbul dari
pemantauan, melalui sewa yang mungkin terkait dengan kuasi-monopoli bank informasi peminjam, dan
melalui kepedulian terhadap reputasi baik oleh bank dan peminjam. Yang ini yang paling penting, dan
directionality dari efek bersih, sama sekali tidak jelas.
Diamond (1984) merintis analisis bank sebagai pemantau didelegasikan dari peminjam. Dia
menunjukkan bahwa pemantauan berharga dalam menyelesaikan masalah insentif dan menunjukkan
bagaimana pertimbangan biaya menyebabkan investor untuk mendelegasikan fungsi ini untuk perantara
dengan portofolio yang terdiversifikasi. Di Diamond (1991), perusahaan membangun reputasi mereka
dengan menyetujui untuk membayar biaya tambahan utang bank-dipantau; perusahaan yang memperoleh
reputasi yang baik kemudian beralih ke pasar utang lengan panjang untuk menghemat biaya monitoring.
 Petersen dan Rajan (1993) mengembangkan sebuah model di mana bank menawarkan tingkat
yang lebih tinggi kepada pelanggan pada tahap awal hubungan, ketika jenis peminjam tidak diketahui,
lalu turunkan nanti informasi yang terungkap. Demikian pula dalam Boot dan Thakor (1994), peminjam
membayar tingkat tinggi dan menawarkan jaminan pada tahap awal hubungan perbankan, tetapi lebih
menguntungkan diperlakukan sebagai proyek mereka berhasil. Kedua model ini menunjukkan bahwa
tingkat harus jatuh dalam perjalanan hubungan perbankan.
Dalam Sharpe (1990), bank memperoleh informasi tentang peminjam mereka dengan tindakan
pinjaman, yang kemudian memungkinkan mereka untuk menangkap sewa dari pelanggan yang lebih tua.
Persaingan mengarah bank baru menawarkan harga awalnya lebih rendah. Perhatian Sebuah bank untuk
moderat reputasinya sendiri eksploitasi klien telah “informationally ditangkap”. Dalam Rajan (1992) bank
dikontraskan dengan pemberi pinjaman lengan panjang. Seorang pengusaha memperoleh insentif
peningkatan dari pinjaman perbankan dengan pemantauan, tetapi juga membayar biaya karena bank akan
mengambil sewa dari waktu ke waktu sebagai hasil hubungan. Kontrak utang lengan panjang
menghindari biaya tetapi juga manfaat. Kedua model ini menunjukkan bahwa tingkat harus naik dalam
perjalanan hubungan perbankan.
Dari kertas empiris, Petersen dan Rajan (1994) menemukan bahwa panjang hubungan
mempengaruhi kuantitas yang tersedia kredit bank tetapi tidak harga. Sebaliknya, Berger dan Udell
(1995) menemukan bukti bahwa suku bunga turun sebagai hasil hubungan perbankan.
Prediksi bahwa tingkat naik atau turun dalam perjalanan hubungan perbankan dapat diuji dengan
dua cara dengan data LPC. Pertama, data mengandung variabel indikator untuk perpanjangan pinjaman,
yang harus menjadi proxy untuk hubungan perbankan yang berkelanjutan. Dampak dari variabel ini dapat
dilihat pada Tabel 3. Seperti dalam kasus akses commercial paper, efek yang signifikan secara statistik
ditemukan, tetapi nilainya sangat sangat kecil (2,8 bp) untuk tidak memiliki kepentingan praktis.
Wawasan tambahan pentingnya hubungan dapat diperoleh dengan memilih semua kasus di mana
perusahaan yang sama meminjam lebih dari sekali dan memisahkan mereka yang meminjam hanya dari
satu bank dari orang-orang dengan beberapa bank. Tentu saja, pendekatan ini tidak sempurna karena
dataset tidak berisi semua pinjaman. Namun demikian, dataset ini cukup luas bahwa hasil yang sugestif.
Ada 19.457 kasus peminjam dengan lebih dari satu pinjaman dalam dataset. Ini dibagi awalnya
menjadi dua kelompok: mereka yang di mana semua pinjaman tersebut dibuat oleh bank yang sama, dan
mereka di mana dua atau lebih bank yang terlibat. Set pertama kemudian dikelompokkan menurut
peringkat resiko, untuk mengontrol setiap perubahan di peringkat risiko antara tanggal pinjaman. Setiap
bagian tersebut kemudian lebih lanjut dipisahkan oleh patokan, sehingga hanya pinjaman yang dibuat
pada benchmark yang sama dibandingkan. Setiap bagian lanjut tersebut kemudian diperiksa untuk melihat
apakah menyebar disesuaikan naik atau turun. Hal ini ditentukan oleh kemunduran menyebar pada
tanggal penandatanganan pinjaman, memeriksa kemiringan positif atau negatif. Set kedua, dengan
beberapa bank, kemudian dianalisa sama kecuali bahwa tidak ada upaya dilakukan untuk memastikan
konsistensi dari peringkat risiko di antara berbagai bank.
Hasilnya dilaporkan dalam Tabel 5 bersama-sama dengan t-tes untuk signifikansi dari perbedaan
cara antara dua set dan data gabungan. Peminjam dengan hanya satu bank lebih dari dua kali lebih
mungkin untuk mengalami tidak ada perubahan dalam menyebar sebagai peminjam dengan dua bank atau
lebih. Perbedaannya adalah statistik sangat signifikan. Tergantung pada spread telah berubah, penurunan
spread lebih mungkin dibandingkan kenaikan terlepas dari jumlah bank. Tetapi proporsi perubahan yang
naik di spread tidak berbeda antara dua set kasus. Kita tidak dapat menolak hipotesis nol bahwa,
tergantung pada spread berubah, kemungkinan menyebar naik adalah sama untuk peminjam dengan satu
bank dan mereka dengan dua bank atau lebih.
Dengan kata lain, peminjam dengan satu bank yang terkait dengan ​stasis di spread: status quo
kemungkinan akan dipertahankan. Situasi berubah spread lebih dikaitkan dengan beberapa bank, namun
perubahan tersebut dapat berupa positif atau negatif. Frekuensi perubahan positif, mengingat bahwa
perubahan terjadi, adalah sama untuk peminjam satu bank dan peminjam beberapa bank.
Ini berarti bahwa memiliki beberapa bank tidak khas merugikan atau menguntungkan, karena ada
alasan yang berbeda mengapa peminjam mungkin memiliki beberapa bank. Dalam “skenario yang baik”,
keberhasilan dan pertumbuhan perusahaan yang diperhatikan oleh bank-bank baru yang kemudian
bersaing untuk bisnis pinjaman, menawarkan spread yang lebih rendah sebagai pancingan. Dalam
“skenario buruk”, masalah dan kegagalan perusahaan membuat pinjaman bank sulit untuk mendapatkan
dari bank atau bank tradisional, dan berusaha bank baru, yang menawarkan spread yang lebih tinggi
sebagai pancingan. Tabel 5 menunjukkan bahwa skenario yang baik adalah agak lebih sering daripada
skenario buruk dalam sampel yang sedang dipelajari, tetapi bahwa frekuensi yang baik skenario terjadi
semata-mata tergantung pada peristiwa dalam perusahaan dan tidak terpengaruh dengan jumlah bank dari
mana ia saat ini meminjam.
Hasil ini sepenuhnya konsisten dengan Petersen dan Rajan (1994), yang menemukan bahwa
kenaikan biaya pinjaman dan kredit ketersediaan jatuh dengan jumlah bank dalam sampel didominasi oleh
perusahaan-perusahaan yang sangat kecil. Kami hanya perlu berasumsi bahwa “skenario buruk” mungkin
jauh lebih umum daripada “skenario yang baik” dalam sampel tersebut. Salah satu akan mengharapkan
hasil yang berlawanan dalam sampel besar, perusahaan publik, mengingat bahwa keberhasilan dan
pertumbuhan yang signifikan diperlukan untuk menjadi dalam sampel tersebut.
Hasil menawarkan sedikit dukungan untuk model seperti Rajan (1992) dan Sharpe (1990) yang
memprediksi bahwa spread akan meningkat dengan pengulangan pinjaman. Koefisien pada variabel
pembaharuan positif dan membawa signifikansi statistik, namun besarnya tidak signifikan. Studi
berulang-peminjam menunjukkan mengapa: peminjam berulang dari bank yang sama cenderung kuat
untuk mempertahankan penyebaran yang sama mereka diperoleh dalam pinjaman terakhir.
Ada rasa penting, namun, di mana bank mengenakan bunga pinjaman naik ke perusahaan yang
mereka memiliki hubungan yang didasarkan pada informasi pribadi. Kami hanya perlu menganggap
bahwa hubungan perbankan lebih terkait dengan Prime Rate dan perbankan non-relasional efisien-pasar
lebih terkait dengan Libor dan indeks pasar lainnya. Hal ini tentunya masuk akal sebagai pendekatan
pertama, seperti yang dibahas lebih lengkap dalam ayat IV (C).
Drift ke atas dari Prime Rate di atas Libor memiliki persis efek ekonomi yang sama sebagai
peningkatan menyebar.Libor-setara ​disesuaikan Spread pinjaman berbasis Perdana semua cenderung
melayang ke atas dari waktu ke waktu karena perbedaan Perdana-Libor melayang ke atas. Tampaknya
bahwa sistem Prime Rate dapat memberikan peningkatan diprediksi dengan cara yang halus dan
sistematis. Hal ini membawa kita ke teka-teki Perdana premium.

IV. Perdana
premiACE estimasi ditemukan Prime Rate pinjaman menjadi lebih mahal daripada Libor
pinjaman oleh 141 basis poin dalam data dipelajari. Untuk memeriksa kekokohan hasil ini, dua latihan
lebih lanjut dilakukan.
Cek kekokohan pertama adalah regresi OLS menyebar disesuaikan pada, risiko konstan
peminjam dan ukuran, tanggal penandatanganan dan variabel dummy yang merupakan salah satu jika
pinjaman adalah Perdana berbasis dan nol sebaliknya. Hasilnya ditampilkan pada Tabel 6. Parameter pada
Perdana dummy 144 basis poin, dalam perjanjian dekat dengan perkiraan ACE, dan yang t-statistik adalah
162,0. Kekuatan hasil tampaknya berutang lebih ke kualitas data daripada prosedur ekonometrik tertentu.
Cek ketahanan kedua adalah tampilan menyebar disesuaikan berarti dalam sel tersegmentasi oleh
risiko peminjam dan ukuran, dengan uji t untuk perbedaan berarti dalam setiap sel. Hal ini menunjukkan
pada Tabel 7. t-tes semua sangat signifikan, dan besarnya premi Perdana dapat dilihat sebagai fungsi
sendi risiko dan ukuran. Besarnya lebih tinggi dari 140 pada beberapa sel dan bawah pada orang lain,
tetapi urutan besarnya tidak berbeda.
Orang mungkin mengharapkan Perdana premium menurun dalam ukuran yang lebih besar dan
kategori risiko rendah. Setelah semua, anomali ini tampaknya menjadi semacam inefisiensi pasar, dan
satu akan berharap untuk menemukan pasar yang lebih-hampir efisien sebagai salah satu bergerak dari
perusahaan terkecil dan paling berisiko terhadap dan yang paling aman terbesar. Bertentangan dengan
harapan ini, premi yang ditampilkan adalah yang terbesar untuk perusahaan terbesar.
Pada pemeriksaan lebih dekat, orang dapat melihat alasan untuk pola ini. Indeks pasar menyebar
memang jatuh sebagai ukuran perusahaan meningkat dan risiko jatuh, tapi disesuaikan menyebar Perdana
cenderung dataran tinggi di 260-280 basis poin. Ini hanya di atas perbedaan Perdana-Libor, sehingga kita
melihat dominan harga Perdana-datar. Perdana menyebar disesuaikan tidak jatuh karena bank menolak
pengisian negatif (tidak disesuaikan) menyebar pada pinjaman berbasis Perdana.
Perlawanan penghalang di Perdana datar membantu membuat Perdana premium fungsi langkah:
Perdana berbasis dan harga indeks pasar tidak mengalir lancar ke satu sama lain. Kepala sekolah bahwa
Perdana datar adalah tingkat pinjaman berdasarkan Perdana termurah tampaknya mendominasi setiap
kebutuhan untuk membuat pinjaman berbasis Perdana kompetitif untuk terbesar dan perusahaan terkuat.
Anomali ekonomi besar seperti Perdana tuntutan premium penjelasan. Bagian ini membahas tiga
penjelasan untuk itu. Yang pertama adalah bahwa peminjam dalam sistem Perdana mungkin memiliki
karakteristik yang tidak teramati tertentu yang membuat mereka berbeda dari peminjam yang
sama-tampak dalam sistem indeks pasar. Sebagai contoh, mereka mungkin berisiko dalam beberapa cara
tidak ditangkap oleh langkah-langkah risiko dan ukuran, atau mereka mungkin memerlukan tingkat
monitoring yang lebih besar dari perusahaan lain dan tidak mudah diukur oleh pihak luar. Penjelasan ini
dieksplorasi dalam ayat
A.penjelasan yang mungkin kedua, dieksplorasi dalam Bagian B, adalah bahwa Perdana
peminjam berdasarkan rasional membayar Perdana premium untuk menghindari volatilitas yang lebih
besar dari indeks pasar. Kedua penjelasan ini tampaknya tidak memuaskan pada pemeriksaan lebih dekat.
Penjelasan ketiga, berdasarkan campuran umum cost recovery dan quasi-monopoli sewa, dieksplorasi
dalam ayat C.

A. Apakah Perdana premium mencerminkan perbedaan peminjam tidak teramati?

Sub bagian ini mempertimbangkan apakah Perdana peminjam mungkin memiliki karakteristik
tidak teramati tertentu, seperti risiko yang lebih besar atau biaya monitoring, yang menempatkan mereka
dalam kategori harga yang berbeda dari peminjam indeks pasar. Tentu peminjam berdasarkan
Perdana-yangrata-rata berbeda dari peminjam pasar-indeks. Sebagai contoh, dua kolom terakhir dari
Tabel 2 menunjukkan bahwa pinjaman berbasis Perdana yang rata-rata berisiko (36 vs 28) dan dibuat
untuk perusahaan-perusahaan kecil (kurang dari $ 1 juta dari penjualan vs lebih dari $ 100 juta). Sekitar
28% dari peminjam indeks pasar memiliki akses pasar obligasi dan 20% memiliki akses commercial
paper, dibandingkan 2% dan 1% pada populasi Perdana.
 Meskipun perbedaan ini rata-rata, Perdana berbasis dan pinjaman indeks pasar tumpang tindih di
“pasar menengah” perusahaan dengan penjualan $ 1-100,000,000. Tabel 8 set keluar distribusi dari
pinjaman Perdana berbasis dan pasar-index oleh risiko peminjam dan ukuran. Bias pinjaman Perdana
kepada debitur kecil dan lebih lemah jelas, tapi begitu juga adalah tumpang tindih dari kedua sistem harga
di pasar menengah. Sebagai contoh, perusahaan dengan penjualan antara $ 10 juta dan $ 100 juta
reppresent sekitar 39% dari pasar kredit Perdana tetapi juga 24% dari pasar kredit indeks.
Perdana premium adalah paradoks di zona ini tumpang tindih, di mana perusahaan dari ukuran
yang sama dan risiko mendapatkan pinjaman biaya yang bervariasi secara material tergantung pada
patokan yang digunakan. Pertanyaannya adalah apakah, di zona tumpang tindih ini, terdapat perbedaan
yang tidak teramati antara peminjam Perdana dan peminjam Indeks yang mungkin menjelaskan Perdana
premium.
Hal ini biasanya tidak mungkin untuk mengesampingkan faktor-faktor yang menurut definisi
tidak terukur. Namun, ada bagian dari data yang dikeluarkan dari hasil yang dilaporkan sejauh ini dan
yang melemparkan cahaya yang cukup besar pada masalah ini. Bank sering memberikan peminjam
pilihan untuk memilih antara tingkat bunga berbasis Perdana dan tingkat suku bunga berbasis indeks
pasar. Karena peminjam adalah sama, kita bisa mengesampingkan perbedaan teramati di antara peminjam
dalam kasus ini. Di sini, dari semua tempat, orang akan berharap tidak relevan patokan untuk memegang:
jika produk hampir identik yang ditawarkan oleh vendor yang sama kepada ​pembeliyang​sama,bagaimana
bisa ada mungkin perbedaan harga?
Namun, sangat, orang dapat dengan mudah menolak hipotesis nol tidak relevan patokan bahkan
dalam kasus pinjaman opsional-patokan, seperti yang jelas dari Tabel 9. Ketika pinjaman berdasarkan
Perdana dan pinjaman berbasis indeks pasar secara ​bersamaan ditawarkan kepada peminjam yang sama,
pinjaman berbasis Perdana yang rata-rata 146 bp lebih mahal. Ini adalah sama besarnya diamati pada data
yang berbeda untuk peminjam yang tidak terkait.
Hanya 273 dari 13.001 kasus opsional-patokan adalah biaya disesuaikan pinjaman berbasis
Perdana bawah bahwa dari setara indeks pasar. Dalam kebanyakan kasus, harga anomali begitu besar
sehingga bank tidak bisa serius bermaksud bahwa peminjam memilih harga Perdana. Opsi ini memiliki
sedikit atau tidak ada nilai, terutama mengingat kecenderungan Perdana melayang jauh di atas tingkat
Libor dan CD dengan berlalunya waktu. Mengapa bank harus mengeluarkan upaya untuk menawarkan
pilihan tampaknya berharga? Perilaku rasional hanya jika bank perlu untuk melestarikan dan
mempromosikan sistem harga Perdana sebagai suatu sistem, terlepas dari utilitas dalam kasus-kasus
tertentu. Ini “sistem” pandangan Perdana akan ditempuh lebih lanjut dalam ayat C.
Jika Perdana premium disebabkan oleh perbedaan yang tidak teramati antara peminjam ternyata
serupa, akan lenyap dalam penawaran simultan untuk peminjam yang sama. Fakta bahwa itu tidak lenyap
menunjukkan bahwa sesuatu yang lain yang menyebabkan anomali.

B. Apakah membayar premi Perdana perbedaan risiko dalam benchmark?

Kita juga harus mempertimbangkan kemungkinan bahwa pinjaman berbasis Perdana yang lebih
menarik bagi peminjam. Can the Prime premium be explained by differences in the benchmarks
themselves? As is clear from Table 1, market indices are somewhat more volatile than Prime: market
indices change daily while Prime changes only a few times during the year. Is this sufficient to explain the
spread differences?
What should a borrower be willing to pay to avoid increased volatility of interest payments? We
can estimate an answer to this question because companies frequently pay extra interest to borrow at fixed
rates for medium or long terms in the bond market. The term premium may be viewed as a measure of
risk aversion by bond issuers.
What matters is not the raw volatility of rates but the interaction between this volatility and a
borrower's sampling frequency. A company which issues a bond once every five years samples bond rates
at five-year intervals. A company which borrows against three-month Libor samples Libor once every
three months.
In short, we cannot separate the volatility question from the variability of actual interest payments
under some borrowing strategy. There is an unlimited number of possible borrowing strategies, so it is
difficult to prove a general result. One can, however, simulate several typical borrowing strategies and
examine the results for order-of-magnitude differences. What follows, therefore, is suggestive rather than
rigorous.
The model borrower in this example carries a Baa/BBB bond rating. The great majority of bank
borrowers do not have bond ratings, but the data studied in this paper contain 267 Prime-based loans and
379 Libor-based loans to borrowers rated Baa or BBB. If we restrict ourselves to the most numerous size
class, those with sales between $100 million and $1 billion, we find 141 Prime-based loans whose
average spread (unadjusted) is 20 bp and 197 Libor-based loans whose average spread is 78 bp.
Three alternative strategies are simulated here over the 20-year period 1975-1994. The first is to
maintain a bank loan at Prime+0.20%. The second is to maintain a bank loan at Libor+0.78%. The third is
to sell four successive five-year notes at Moody's Baa index rate. All interest payments are assumed to be
quarterly; the bond index is adjusted for this timing difference from normal bond practice.
A Prime loan with quarterly interest payments changes in cost on each day Prime is changed:
borrowers pay interest in arrears based on the average Prime during the preceding quarter. A loan priced
against a market index such as Libor, however, locks in a 3-month rate (plus spread) for the coming
quarter at each payment date: borrowers pay interest in arrears based on the value the index carried three
months before. Thus cash flows in this simulation use the three-month average Prime but the first-month
Libor reading in each quarter from the Citibase data.
The outcomes are summarized in Table 10, which shows the descriptive statistics for the three
streams of interest payments and also for the difference between the Libor-based stream and each of the
other two, labeled “Prime Increment” and “Bond Increment” respectively. Analytically, we start from the
Libor-based stream, which has the lowest mean cost but the highest variance, and we consider two
increments which raise the cost but lower the variance of interest.
We know that many firms choose to borrow in bond markets precisely because they wish to make
this tradeoff, yet many choose not to do so. We may reasonably assume, therefore, that the expected
utility of the representative firm is not changed by adding or subtracting the Bond Increment. We can use
this intuition to calibrate a simple model of risk aversion and ask what the same firm would pay for the
risk reduction offered by the Prime Increment.
Assume that an agent with exponential utility of coefficient λ has random one-period future
wealth W and is indifferent to an additional, stochastically independent risk δ ~ N(η,σ​ ). Equalizing
2​

expected utility, we have

Since W and δ are stochastically independent, the left-hand expectation is separable, and we are left with
 ,
that is,
μ = λσ​ / 2
2​
(3)
The Bond Increment has μ = 3.84 and σ = 12.62, so λ = 0.05. The Prime Increment has σ = 2.05;
using the same λ = 0.05 we conclude that indifference would require μ = 0.10. In other words, a borrower
with exponential utility willing to pay 3.84 to achieve the risk reduction of bonds should pay only 0.10 for
the protection of the Prime Rate. The apparent payment of 2.05 seems about twenty times too high. To put
it differently, the fact that Libor is more volatile than Prime seems in this example to account for only
about 5% of the Prime premium.
Another element of this simulation deserves mention. If the Prime premium pays for lower volatility, then
it should have been most valuable in the period 1980-84, when Libor was particularly