事件研究法Word下载.docx

事件研究法Word下载.docx

《事件研究法Word下载.docx》由会员分享，可在线阅读，更多相关《事件研究法Word下载.docx（7页珍藏版）》请在冰豆网上搜索。

一是事件公告时所包含的信息含量对市场的影响，这里的信息既包含事件本身的信息含量，也包括由于披露事件而使投资者了解到过去并不知道“内部信息”，这些信息会影响投资行为；

二是投资者行为所反映的对企业价值的预期，如果投资者认为事件具有积极的意义，就会提升预期，股票价格就会上升，反之，投资者对企业的预期下降，股票价格也会随之下降。

因此，从投资者行为的结果，也就是股票收益率的变化，我们可以判断事件对企业的实质性影响，并对其做出合理评价。

二、事件研究法的步骤

事件研究法的基本过程包括确定事件及样本、确定研究窗口、计算超额收益并判断市场反应，大体上，可归纳为6个步骤：

（1）定义事件。

进行事件分析的第一件事就是定义相关的事件并找出在该事件影响下，需要研究的特定公司股价变动的事件区间，这一区间称为事件窗口。

事件窗口可以考虑用公告日那一天（通常为第0天）来定义，事件之前或之后的较短时期也具有研究价值，这样事件窗口可以根据研究的具体要求定义。

实际的研究设计中，研究窗口的确定通常以事件发生日为基准，一般将事件日确定为（0，1），即包括公告日和紧接着公告日的那一天，这样做的目的是为了获取公告日收市后该公告对股价可能产生的影响。

在此基础上，可以根据研究的需要把时间窗口向前或向后顺延。

向前顺延的时间窗口主要是判断事件在公告前有无信息“漏出”（这种情况常常发生），如果有，它对投资者的预期产生何种作用，向后顺延的时间窗口主要是判断事件在公告后对市场的持续作用力，并据此判断事件对投资者预期的实质性影响。

国外的一些研究表明，有时，市场对事件会产生“过度反应”，如果是这种情况，（1，0）事件日窗口的超额收益所反映的市场行为就不能真实反映出事件的影响力，这时，向后顺延的时间窗口就更可能反映事件的真实影响力。

概念：

事件事件日事件窗口（事件期）

（2）确定样本。

在确定了事件以后，要选择纳入研究范围的特定公司。

在本步骤中，整理出数据样本的某些特性非常有用（例如，公司的所有权结构特征、行业代表性、资产规模、事件的时序性分布等），在样本的选择过程中应当尽量避免和

剔除可能影响检验结果的其他信息，提高研究的准确性。

样本

（3）计算正常收益和超额收益。

为了测度事件的影响，我们需要计量超额收益。

如前所述，超额收益AR，有时也称非正常收益，是指整个事件窗内事后的实际证券投资收益减去公司股票在事件窗口（估计期）内的预期正常收益。

预期正常收益的定义是如果没有该事件发生的预期收益。

预期正常收益超额收益

（4）估计模型参数。

一旦选定了计算正常收益模型，就必须采用被称为估计窗口的样本数据来计算模型的参数。

最普遍采用的选择是用事件窗以前的时期作为估计窗口。

例如，可以应用事件前200天的日数据和市场模型来估计参数。

一般而言，事件时期不应包括在估计时期中，以防止该事件对正常收益模型参数的估计产生影响，而且，为了避免事件信息“漏出”对公告前股票收益的影响，最好使估计窗口的最后一天与公告日保持一定的时间间隔。

估计窗口（估计期）模型参数

（5）计算结果及其检验。

有了正常收益模型的估计参数就可以计算超额收益了，之后，通过一定的方法对超额收益进行检验，根据检验判断事件对市场产生的影响。

该步骤是事件研究的核心步骤，将在下面详细讨论。

对超额收益的检验

（6）阐释和结论。

计算设计过程完成后，就可以提供检验的经验性结果，通过经验性的结果就能反应事件对股价产生影响的机制，在此基础上，进一步计算、检验不同条件下事件对市场的不同影响，对其加以解释，获得事件对股价作用机制的完整认识，这时，就可以根据全部结果得到研究结论了。

2、超额收益的计算与检验

通常有三种方法来计算超额收益：

常均值调整模型、市场调整模型和风险调整模型（市场模型）。

常均值收益模型的基本假设是特定证券的平均收益不会随着时间发生变化。

令资产i的平均收益

为

的第i个组成元素，那么，常均值收益模型为：

，

其中，

是向量

的第i个元素，即证券i在时期t的收益，

为随机扰动项，

。

尽管从形式上看常均值模型是最简单的模型，Brown和Warner（1980，1985）却发现其产生的结果与构造更复杂的模型几乎没有什么区别，这可能是由于超额收益的方差并没有因为使用复杂模型而有实质性的降低。

市场调整模型与常均值收益模型类似，只是以市场平均收益替换了资产i的平均收益

市场模型是一个线性模型，它将任一给定的证券收益与市场组合的收益联系起来，其基本假设是在市场性收益和特定证券收益之间存在着稳定的线性关系。

事实上，市场组合的加权收益随时间的变化非常小，因此一般不会对经验研究产生影响。

如前所述，对任一证券i，市场模型的形式如下：

和

分别是证券i和市场组合在时期t内的收益，

αI+βiRm,t表示资产i的预期报酬率，

εi,t为非正常报酬率（指当期市场报酬率为rm,t时，资产i的实际报酬率与预期报酬率的差异）

、

是市场模型的参数。

国外应用比较普遍的是用股票指数来代替市场组合，例如标准普尔500指数，CRSP价格加权指数和CRSP等权指数等。

非正常报酬率可以表示为：

εi,t=Ri,t-（αI+βiRm,t）

εi,t、αi、βi的估计值一般通过上述回归方程进行参数估计求得。

常用的参数估计方法为最小平方法，采用的数据为时间序列的历史数据。

市场模型和常均值模型相比有了比较显著的性能改善。

通过消除收益中与市场收益相关的部分，会使超额收益的方差降低，从而提高检测事件影响结果的能力。

运用市场模型时，个股回报率（收益）可以计算如下：

Ri,t=（Pi,t-Pi,t-1）/Pi,t-1

市场组合收益可以计算如下：

Rm,t=（Pm,t-Pm,t-1）/Pm,t-1

其中，Pm,t为市场组合m第t期的收盘指数。

无论运用常均值模型还是市场模型，计算超额收益的过程是基本相同的。

令

表示证券i在t日的收益值，

为证券i在t日的超额收益值，对于个股而言，在事件期内每日的超额收益由以下公式来定义：

表示预期正常收益。

对于均值调整模型，

这里，

为证券i在估计期（-250，-51）内的日平均收益。

对于市场调整模型，

这里，

为t日用A股市场指数计算的市场组合收益。

市场模型的计算方法则为，

是从估计期内得到的OLS估计值。

待检验统计量由下列公式给出：

其中，

如果

满足独立、同分布和正态性的条件，那么在没有事件发生的情况下，待验统计量服从于T分布。

当自由度大于120时，待验统计量就可近似看作标准正态分布。

AR能够较好地反映事件对窗口内每一日股价的影响，如果要了解事件对连续几日股价的影响，需要计算累积超额收益CAR（cumulatedabnormalreturn），它定义为几日内超额收益AR的和：

对累积超额收益进行检验时，用来计算待验统计量的公式如下，在没有发生事件的情况下，该统计量近似为标准正态分布。

例如，对于窗口为（-5，5）的累积超额收益，统计量为：