暴雨对企业现金流的影响与企业应对方式
核心思想：恶劣天气对于单个企业的绩效会存在影响。很直观的一个例子就是暴雨天，会对交通运输业产生影响，导致其绩效变差，使其现金流受到冲击。为了研究公司如何去应对此类事件的冲击，我们使用降水量水平作为解释变量对企业现金流进行回归，再使用2SLS估计模型，把得到的现金流拟合值作为解释变量对公司的现金储备，非现金营运资本，以及贷款额度，和投资活动的变化进行了回归分析，并且分析最大授信额度对此冲击的变化情况。（没有授信额度提取额度的数据，能否做第四季度的降水量进行回归（我这样做的目的是：如果用第四季度的降水量的话，接近年末，则使用短期借款代替授信额度提取额）
注：事实上，作者通过这一系列的检验，发现授信额度提取有显著相关而其他变量不显著相关得出了银行的授信额度在公司应对这种外生性冲击方面的重要作用，而我还没有做，所以不一定可以有这个结果，且本来中国对授信额度的使用大小没有说明，我认为我做的主题可以围绕公司如何应对这些短暂的外生冲击来说，然后根据结果的显著性来编故事。虽然觉得并不是很好编。
主要模型设定：（参考weathering cash flow shocks一文的设定）与研究方法
模型的排他性约束：降水量只通过影响现金流影响企业的其他方面
1.现金流与降水量程度相关
研究方法：（1）将abnormal snow换位abnormal rain，其他相同（下同）
（2）期望结果:cash flow it与abnormal rain呈显著负相关
（3）X是固定年份，固定行业、固定市的影响（事实上，我看文献都没解释这个是怎么弄的，应该是统计软件带的功能吧？）
（4）分行业进行回归
2.2sls模型，检验企业如何应对这类冲击，以及之后的变化
Y it分别代表短期贷款，最大授信额度变化，现金储备的变化，投资
研究方法：（1）模型创新的点在于abnormal rain具有很强的外生性，所以以其作为工具变量很合适。
（2）可以使用2b式，直接用cash flow进行OLS回归与使用2SLS回归结果比照得出相应结论。
（3）流动性管理手段
把Yit=短期借款，Δ现金储备，Δ非现金营运资本，来得出公司的应对此类冲击的应对方法（问题：原文中使用授信额度提取额而不是短期借款来做的回归，但是提取额度应该是要记到公司的短期借款（也可能是长期借款，我认为一般是短期借款）上的吧，那这个是不是与非现金营运资本有重叠，因为此项中包含短期借款）
（4）信用限额规模调整
Y it= Δ授信额度规模t（贷款承诺最大额度的变化），观察与cash flow拟合值的关系。
（5）投资与现金流冲击
Y it= Δ固定资产t ，观察与cash flow拟合值的关系。
注：所有的变量要除以期初总资产
3.简化式分析
直接把abnormal rain对Yit中的变量进行回归，进行分析
数据来源和关键变量定义和计算方法
1. 企业数据：GTA2016数据库，使用其中的企业数据
（1） cash flow=EBITDA=营业利润+财务费用+折旧与摊销
（2） leverage=总负债/总资产
（3） debt=总借款=短期借款+长期借款+发行债券总额
（4） working capital=非现金营运资本=流动资产—流动负债—现金及有价证券
（5） cash=现金及有价证券
（6） fixed asset、sales直接从数据库中得到
注：所有数值类数据均除以期初总资产
2. 天气数据：来源：rp5.ru，提供市级别的每天降水量数据：6时的降水量（即降水6小时后的降水量数值，每天提供4次）
数据处理：把06-16年的i市的降水量数据相除得到平均降水量Ti，再用j年中i地区的平均降水量Z ij,定义abnormal rain=Zij-Ti（i市为公司总部所在市）
(或者挑出暴雨的数据，筛选6时的降水量>12.5mm（由24小时降水量>50mm为暴雨即以上得出），再进行相同方法回归，我认为这样做可能会更加显著)
参考文献：
【1】 James R. Brown, Matthew T. Gustafson, Ivan T. Ivanov .2017. “ Weathering Cash Flow Shocks” . Working paper
【2】 Sufi, Amir. 2009. “Bank lines of credit in corporate finance: An empirical analysis.” Review of Financial Studies 22 (3):1057–1088.
【3】 Dessaint, Olivier and Adrien Matray. 2017. “Do managers overreact to salient risks? Evidence from hurricane strikes.” Journal of Financial Economics, Forthcoming.
【4】 Erickson, Timothy and Toni Whited. 2000. “Measurement error and the relationship between investment and q.” Journal of political economy 108 (5):1027–1057.
【5】 Almeida, Heitor, Murillo Campello, and Michael Weisbach. 2004. “The Cash Flow Sensitivity of Cash.” Journal of Finance 59 (4):1777–1804.
【6】 应千伟、罗党论，《授信额度与投资效率》，《金融研究》，2012（5），151-163
【7】 刘雪松、洪正，《金融危机、银行授信与企业流动性管理:中国上市公司的经验证据》，《中国软科学》 , 2017 (3) :123-139
【8】 刘汝军，《论企业流动性风险管理》，《国际商务财会》 ，1998 (1) :6-7
