3.3.1. Bank-level dataOur source fo

3.3.1. Bank-level data
Our source for all bank level data is the Consolidated Report of Condition and Income (known as the Call Reports) that insured banks submit each quarter. The data are reported on a quarter-end basis. The main challenge of working with Call Report data is that the data are designed primarily for regulatory purposes rather than research purposes. We employ the filters adopted by the previous researchers (Kashyap and Stein, 2000, Den Haan et al., 2002) to clean up the data and form consistent time series. Because there is a break in total securities series in 1994, we start our sample in 1994:Q1 and end it shortly before the beginning of the crisis in 2007:Q2.15 We use large time deposits as a proxy for managed liabilities and transaction deposits as a proxy for reservable deposits. The data are gathered at the individual bank level. The data appendix (available from the authors) describes the construction of our key series in detail.16 Table 1 examines the balance sheets for banks of different sizes. There are two panels corresponding to the starting and the ending points of our sample. The size categories are defined following Kashyap and Stein (2000): banks below the 75th percentile by asset size, banks between 75th and 90th percentiles, banks between the 90th and 95th percentiles, banks between the 95th and 98th percentiles, and banks above the 99th percentile. What is interesting for our purposes is that despite the larger share of transaction deposits relative to large time deposits across all size categories in the earlier sample (more than three times as much), the relative share of large time deposits increased substantially as the share of transaction deposits declined by the end of the sample. As of 2007:Q2, large time deposits exceed the share of transaction deposits in all size categories except for the smallest size category. This information alone suggests that banks’ ability to raise large time deposits increased drastically over the last decade consistent with our earlier discussion about changes to the regulatory environment. The narrow bank lending channel, then, would appear to be ruled out because banks rely on these deposits at the margin rather than transaction deposits to fund new loans.
Table 2 displays alternative breakdowns with respect to the ratio of securities to assets (upper panel) and the ratio of equity to assets (lower panel) respectively. Note that these distributions are not as skewed as the distribution with respect to asset size, and the most liquid or well-capitalized banks are not necessarily the largest banks with respect to asset size. However, no matter how we divide the banks, the share of large time deposits exceed transaction deposits as of the second quarter of 2007.
In order to test whether our VAR evidence at the aggregate level is driven by large banks, we first group banks into three size categories as in Kashyap and Stein (2000): the smallest one contains all banks with total assets below the 95th percentile, the middle one includes banks from the 95th to 99th percentiles, and the largest one has those banks above the 99th percentile. We place each bank into one of these size groups in each quarter. If a bank experiences a substantial change in its asset size (either due to a merger or a persistent change in its growth rate), then it switches to a different size category and stays there indefinitely unless it experiences another major change in future quarters.
We consider a panel VAR to exploit the bank level data and yet preserve our methodology from the previous section. Our quarterly VAR (using quarter-end values) includes the federal funds rate, GDP deflator, securities, loans, transaction deposits,
large time deposits, and the unemployment rate. Balance sheet variables are normalized by the GDP deflator and are in log form. We maintain the ordering from our monthly analysis although the results are not sensitive to different orderings.18 The
two differences with respect to the monthly analysis are that the CPI is replaced by the percentage change in the GDP deflator, and the aggregate unemployment rate is replaced by the state-level unemployment rate. In the panel analysis, we control for
bank-specific fixed effects. Because fixed effects are correlated with the regressors due to lags of the dependent variables, the mean-differencing procedure that is generally used to eliminate fixed effects creates a bias in the coefficients. Therefore, we use forward-mean differencing following Arellano and Bover (1995). The system is estimated by Generalized Method of Moments (GMM), using lagged regressors as instruments following Love and Zicchino (2006).
Fig. 6 shows the impulse response functions with respect to a one standard deviation shock to the funds rate for three bank size categories. It is plausible to expect contractionary monetary policy to be more binding for smaller banks because ‘‘these banks are least likely to be able to frictionlessly raise uninsured finance’’ (Kashyap and Stein, 2000, p. 409). However, looking at the response of bank loans to a funds rate shock (row one), we notice that the increase in bank loans is clearly not
driven by large banks, as one might expect. In fact, bank loans decline initially following a contractionary shock and hover around zero for large and medium banks (columns one and two) whereas they increase substantially for small banks (column
three). If small banks had difficulties in raising non-reservable deposits, and if bank loans were indeed a dependent on transaction deposits, then Kashyap and Stein’s characterization of small banks would make them unable to meet the increase in loan demand; the data, though, show that this is not the case. The empirical evidence is thus clearly aligned against the traditional belief about the workings of the money multiplier and the narrow bank lending channel. Instead, it seems to be the case that small banks sell securities and issue large time deposits to offset the decline in their transaction deposits and meet the increased demand for loans. The decline in bank loans in other bank sizes may suggest that the customers of smaller banks have a greater tendency to use their loan commitments relative to the customers of larger banks.

Results (Indonesian) 1:

3.3.1. bank data tingkat
sumber kami untuk semua data tingkat bank laporan konsolidasi kondisi dan pendapatan (dikenal sebagai laporan panggilan) bahwa bank-bank yang diasuransikan mengirimkan setiap kuartal. data dilaporkan secara kuartal-end. tantangan utama bekerja dengan laporan panggilan data adalah bahwa data yang dirancang terutama untuk tujuan peraturan daripada tujuan penelitian.kami mempekerjakan filter diadopsi oleh peneliti sebelumnya (kashyap dan stein, 2000, den haan et al., 2002) untuk membersihkan data dan membentuk time series yang konsisten. karena ada istirahat total seri surat berharga pada tahun 1994, kita mulai sampel kami pada tahun 1994: Q1 dan mengakhirinya sesaat sebelum awal krisis tahun 2007: q2.15 kita menggunakan deposito berjangka yang besar sebagai proxy untuk kewajiban dikelola dan deposit transaksi sebagai proxy untuk deposito reservable. data dikumpulkan pada tingkat individual bank. lampiran data (tersedia dari penulis) menjelaskan pembangunan seri utama kami dalam tabel detail.16 1 memeriksa neraca bank dengan ukuran yang berbeda.ada dua panel sesuai dengan awal dan titik akhir dari sampel kami. kategori ukuran didefinisikan sebagai berikut kashyap dan stein (2000): bank di bawah persentil ke-75 dengan ukuran aset, bank antara 75 dan 90 persentil, bank antara ke-90 dan ke-95 persentil, bank antara ke-95 dan ke-98 persentil, dan bank di atas ke-99 yang persentil.apa yang menarik untuk tujuan kita adalah bahwa meskipun bagian yang lebih besar dari deposito transaksi relatif terhadap deposito besar di semua kategori ukuran dalam sampel awal (lebih dari tiga kali lipat), pangsa relatif besar deposito berjangka meningkat secara substansial sebagai bagian dari deposito transaksi menurun pada akhir sampel. pada tahun 2007: q2,deposito besar melebihi pangsa deposito transaksi di semua kategori ukuran kecuali untuk kategori ukuran terkecil. Informasi ini saja menunjukkan bahwa kemampuan bank untuk menaikkan deposito berjangka besar meningkat secara drastis selama dekade terakhir konsisten dengan diskusi kita sebelumnya tentang perubahan peraturan lingkungan. saluran pinjaman bank yang sempit, kemudian,akan muncul untuk dikesampingkan karena bank mengandalkan deposito ini pada marjin daripada deposito transaksi untuk mendanai pinjaman baru.
tabel 2 menampilkan kerusakan alternatif sehubungan dengan rasio jumlah surat berharga untuk aset (panel atas) dan rasio ekuitas terhadap aset (panel bawah) masing-masing. dicatat bahwa distribusi ini tidak miring sebagai distribusi sehubungan dengan ukuran aset,dan bank-bank yang paling likuid atau memiliki modal yang belum tentu bank terbesar sehubungan dengan ukuran aset. Namun, tidak peduli bagaimana kita membagi bank, pangsa deposito berjangka besar melebihi deposito transaksi hingga kuartal kedua tahun 2007.
untuk menguji apakah bukti var kami pada tingkat agregat didorong oleh bank-bank besar,kami bank kelompok pertama ke dalam tiga kategori ukuran seperti di kashyap dan stein (2000): yang terkecil berisi semua bank dengan total aset di bawah persentil ke-95, yang tengah meliputi bank dari 95 persentil ke-99, dan yang terbesar memiliki bank-bank di atas persentil ke-99. kita menempatkan masing-masing bank menjadi salah satu kelompok ukuran ini di setiap kuartal.jika bank mengalami perubahan substansial dalam ukuran aset (baik karena merger atau perubahan terus-menerus dalam tingkat pertumbuhannya), maka beralih ke kategori ukuran yang berbeda dan tinggal di sana tanpa batas waktu kecuali mengalami perubahan besar lain di tempat masa depan.
kita mempertimbangkan var panel untuk mengeksploitasi data tingkat perbankan dan belum melestarikan metodologi kami dari bagian sebelumnya.var kuartalan kami (menggunakan nilai akhir kuartal) meliputi tingkat dana federal, GDP deflator, surat berharga, pinjaman, deposito transaksi,
deposito berjangka yang besar, dan tingkat pengangguran. variabel neraca dinormalisasi oleh deflator GDP dan dalam bentuk log. kami mempertahankan pengurutan dari analisis bulanan kami meskipun hasilnya tidak sensitif terhadap orderings.18 berbeda
yangdua perbedaan sehubungan dengan analisis bulanan yang cpi diganti dengan persentase perubahan dalam deflator GDP, dan tingkat pengangguran agregat digantikan oleh tingkat pengangguran tingkat negara bagian. dalam analisis panel, kami mengontrol
efek tetap bank tertentu. karena efek tetap berkorelasi dengan regressor karena kelambanan dari variabel dependen,prosedur berarti-differencing yang umumnya digunakan untuk menghilangkan efek tetap menciptakan bias dalam koefisien. Oleh karena itu, kami menggunakan forward-rata differencing berikut arellano dan bover (1995). sistem diperkirakan dengan metode umum momen (GMM), menggunakan regressors tertinggal sebagai instrumen berikut cinta dan zicchino (2006).
ara.6 menunjukkan fungsi respon impulse sehubungan dengan kejutan satu standar deviasi dengan tingkat dana untuk tiga kategori ukuran bank. adalah masuk akal untuk mengharapkan kebijakan moneter kontraktif akan lebih mengikat bagi bank-bank kecil karena'' bank-bank tersebut yang paling mungkin untuk dapat frictionlessly meningkatkan keuangan diasuransikan'' (kashyap dan stein, 2000, hal. 409). Namun,melihat respon dari pinjaman bank untuk shock suku bunga dana (baris satu), kita melihat bahwa peningkatan pinjaman bank jelas tidak
didorong oleh bank-bank besar, seperti yang sudah diduga. pada kenyataannya, pinjaman bank menurun awalnya setelah guncangan kontraktif dan berkisar sekitar nol untuk bank-bank besar dan menengah (kolom satu dan dua) sedangkan mereka meningkat secara substansial untuk bank-bank kecil (kolom
tiga).jika bank kecil memiliki kesulitan dalam meningkatkan deposito non-reservable, dan jika pinjaman bank yang memang bergantung pada deposito transaksi, kemudian kashyap dan karakterisasi stein tentang bank-bank kecil akan membuat mereka tidak dapat memenuhi peningkatan permintaan kredit, data, meskipun, menunjukkan bahwa hal ini tidak terjadi.bukti empiris demikian jelas selaras terhadap kepercayaan tradisional tentang cara kerja pengganda uang dan saluran pinjaman bank yang sempit. sebaliknya, tampaknya menjadi kasus bahwa bank-bank kecil menjual sekuritas dan menerbitkan deposito berjangka besar untuk mengimbangi penurunan deposito transaksi mereka dan memenuhi meningkatnya permintaan kredit.penurunan pinjaman bank dalam ukuran bank yang lain mungkin menunjukkan bahwa nasabah bank yang lebih kecil memiliki kecenderungan lebih besar untuk menggunakan komitmen pinjaman mereka relatif terhadap nasabah bank yang lebih besar.

Results (Indonesian) 2:

3.3.1. Bank level data
sumber kami untuk semua bank data tingkat adalah konsolidasi laporan kondisi dan pendapatan (dikenal sebagai laporan panggilan) yang diasuransikan Bank menyerahkan setiap kuartal. Data yang dilaporkan pada basis kuartal-end. Tantangan utama yang bekerja dengan data panggilan laporan adalah bahwa data yang dirancang terutama untuk tujuan regulasi daripada tujuan penelitian. Kami menggunakan filter yang diadopsi oleh para peneliti sebelumnya (Kasyapa dan Stein, 2000, Den Haan et al., 2002) untuk membersihkan data dan bentuk konsisten time series. Karena ada istirahat dalam seri total efek pada tahun 1994, kita mulai sampel kami di 1994:Q1 dan mengakhirinya sesaat sebelum awal krisis di 2007:Q2.15 Kami menggunakan deposito besar sebagai proxy untuk dikelola kewajiban dan transaksi simpanan sebagai proxy untuk deposito reservable. Data yang dikumpulkan di tingkat bank individu. Lampiran data (tersedia dari penulis) menjelaskan pembangunan kunci kami seri di detail.16 tabel 1 meneliti neraca Bank dengan ukuran yang berbeda. Ada dua panel sesuai dengan awal dan titik akhir sampel kami. Ukuran kategori ditentukan mengikuti Kasyapa dan Stein (2000): Bank di bawah persentil ke-75 oleh aset ukuran, Bank antara 75 dan 90 percentiles, Bank antara 90 dan 95th percentiles, Bank antara 95th dan ke 98th percentiles, dan bank-bank di atas persentil 99. Yang menarik untuk tujuan kita adalah bahwa meskipun porsi transaksi simpanan dibandingkan deposito besar di semua ukuran kategori dalam contoh sebelumnya (lebih dari tiga kali lebih banyak), saham relatif besar deposito meningkat secara substansial sebagai bagian dari transaksi setoran ditolak oleh akhir sampel. Seperti 2007:Q2, deposito besar melebihi pangsa transaksi simpanan dalam semua ukuran kategori kecuali kategori ukuran terkecil. Informasi ini saja menunjukkan bahwa banks' kemampuan untuk meningkatkan deposito besar meningkat secara drastis selama dekade terakhir sesuai dengan diskusi sebelumnya mengenai perubahan lingkungan peraturan. Pinjaman saluran, kemudian, bank sempit akan muncul untuk dapat dikesampingkan karena mengandalkan Bank deposito ini di deposito margin daripada transaksi untuk mendanai pinjaman baru.
Tabel 2 menampilkan alternatif kerusakan sehubungan dengan rasio efek aset (atas panel) dan rasio ekuitas aset (panel bawah) masing-masing. Dicatat bahwa distro ini tidak seperti miring sebagai distribusi sehubungan dengan ukuran aset, dan bank-bank yang paling likuid atau memiliki modal yang cukup tidak selalu bank terbesar terhadap aset. Namun, tidak peduli bagaimana kami membagi Bank, porsi besar deposito melebihi transaksi deposit pada kuartal kedua tahun 2007.
untuk menguji apakah bukti VAR kita pada tingkat agregasi didorong oleh bank-bank besar, kami pertama kelompok bank ke dalam tiga kategori ukuran Kasyapa dan Stein (2000): satu terkecil berisi semua bank dengan total aset di bawah persentil 95, tengah satu termasuk bank dari 95th untuk 99 percentiles dan yang terbesar telah mereka bank di atas persentil 99. Kami menempatkan setiap bank menjadi salah satu kelompok-kelompok ukuran ini dalam setiap kuartal. Jika bank mengalami perubahan substansial dalam ukuran aset (baik karena merger atau perubahan terus-menerus dalam tingkat pertumbuhannya), maka beralih ke kategori ukuran yang berbeda dan tinggal di sana selamanya kecuali mengalami perubahan besar lain di masa depan quarters.
kita mempertimbangkan sebuah panel VAR untuk mengeksploitasi data tingkat bank dan belum memelihara metodologi kami dari bagian sebelumnya. VAR kami triwulanan (menggunakan nilai-nilai akhir kuartal) mencakup tingkat dana federal, deflator PDB, sekuritas, pinjaman, deposito transaksi,
besar deposito, dan tingkat pengangguran. Neraca variabel dinormalisasi oleh deflator PDB dan dalam bentuk log. Kami menjaga memesan dari analisis bulanan kami meskipun hasilnya tidak sensitif terhadap berbeda orderings.18
dua perbedaan terhadap analisis bulanan adalah bahwa CPI digantikan oleh perubahan persentase deflator PDB, dan tingkat pengangguran agregat digantikan oleh tingkat pengangguran tingkat negara bagian. Dalam analisis panel, kita kontrol untuk
tetap efek khusus bank. Karena efek tetap berkorelasi dengan regressors karena kelambatan variabel dependen, pembedaan berarti prosedur yang umumnya digunakan untuk menghilangkan efek tetap menciptakan bias dalam koefisien. Oleh karena itu, kami menggunakan maju-berarti pembedaan mengikuti Arellano dan Bover (1995). Sistem diperkirakan oleh Generalized metode dari saat-saat (GMM), menggunakan tertinggal regressors sebagai instrumen berikut cinta dan Zicchino (2006).
ara. 6 menunjukkan fungsi respon impulse sehubungan dengan satu standar deviasi mengejutkan untuk tingkat dana untuk tiga bank ukuran kategori. Hal ini masuk akal untuk mengharapkan absorpsi kebijakan moneter menjadi lebih mengikat bagi bank yang lebih kecil karena '' bank ini paling mungkin mampu frictionlessly meningkatkan keuangan diasuransikan '' (Kasyapa dan Stein, 2000, p. 409). Namun, melihat respon dari pinjaman bank untuk kejutan tingkat dana (baris satu), kita perhatikan bahwa peningkatan hutang bank yang jelas tidak
didorong oleh bank-bank besar, seperti yang bisa diharapkan. Pada kenyataannya, pinjaman bank menurun pada awalnya setelah kejutan absorpsi dan hover sekitar nol besar dan menengah Bank (kolom satu dan dua) sedangkan mereka meningkat untuk bank-bank kecil (kolom
tiga). Jika bank-bank kecil memiliki kesulitan dalam membesarkan deposito bebas-reservable, dan jika pinjaman bank memang tergantung pada transaksi simpanan, maka Kasyapa dan Stein karakterisasi bank-bank kecil akan membuat mereka mampu memenuhi meningkatnya permintaan pinjaman; data, meskipun, menunjukkan bahwa hal ini tidak terjadi. Bukti empiris sehingga jelas selaras terhadap kepercayaan tradisional tentang cara kerja uang multiplier dan sempit bank pinjaman saluran. Sebaliknya, ini tampaknya menjadi kasus bahwa bank-bank kecil menjual sekuritas dan mengeluarkan deposito besar untuk mengimbangi penurunan deposito transaksi mereka dan memenuhi meningkatnya permintaan untuk pinjaman. Penurunan pinjaman bank dalam ukuran bank lain mungkin menyarankan bahwa nasabah Bank yang lebih kecil memiliki kecenderungan yang lebih besar untuk menggunakan komitmen pinjaman mereka relatif terhadap pelanggan dari bank besar.