事件研究法

用手机看条目

出自 MBA智库百科(https://wiki.mbalib.com/)

(重定向自Event studies)

事件研究法(Event Study Methods)

什麼是事件研究法

　　事件研究法是指運用金融市場的數據資料來測定某一特定經濟事件對一上市公司價值的影響。

[編輯]

事件研究法概述

　　在金融和財務領域應用廣泛，最早是由多雷(Dolley，1933)提出的，他使用該方法是為了研究拆股對股價變化的影響，近20年來，該方法已被廣泛地應用於證券市場的研究。

　　事件研究法是目前普遍研究經濟事件對公司價值影響的方法。最早的使用者是Dolley，他用事件研究法研究了股票分割的價格效應。Ball和Brown(1968)引入了目前使用的事件研究法，研究了盈餘的信息含量，Fama(1969)研究了股票股利效應。Brown和Warner(1980)進一步完善了事件研究法，對幾個統計假定進行了修正。事件研究法是進行“半強式有效性檢驗”的基本方法。事件可以是指公司重大事件的發生日，如公司兼併公告日、債券發行日、盈利宣告日、股票股利發放日，也可以是普遍的經濟事件，如通貨膨脹、貿易赤字等的發生。

　　事件研究(Event Study)描述了一種經驗財務研究技術，運用這種技術可以使觀察者評估某一事件對一個公司股價的影響。在市場中，很多分析師希望能夠通過技術手段來研究紅利變化對股價的影響。如果能夠得出較好的研究結論，然後通過利用一種較好的預測紅利變化的手段，分析師可以連續地從市場中獲取超過市場回報的異常收益或超常收益，從而賺取豐厚的交易利潤。

[編輯]

事件研究法的特點

　　事件研究法的比較優勢在於其研究過程具有簡單、明瞭的邏輯線索，即某一事件的發生是否影響了時序性價格序列，這種影響程度可以用超額收益來計算。

[編輯]

事件研究法的基本思想

　　事件研究法的基本思想是：設定事件產生影響的時間段為事件視窗(Event Window)，計算事件視窗期的日異常收益率(該期實際收益率與不發生事件條件下的收益率的差值)和累計異常收益率，並用這兩個指標的統計檢驗量衡量事件影響的顯著程度。

[編輯]

事件研究法的步驟^[1]

　　事件研究法無嚴格的研究規範，但可概括一般適用的研究步驟如下。

　　1.界定事件及事件期間

　　應用事件研究法首先要判別研究工作關註的是何種事件。這顯然又要依據研究假設。例如，如果研究者設想：“企業分股行為將導致股價上升”或“企業盈利增長和併購行為相關”，則“分股”或“併購”成為研究者關註的事件。在界定了所關註的事件之後，還需要辨別、確定與之相關的事件期間或稱事件窗(event window)，即事件可能對因變數(股價、盈利)產生影響的時間段。

　　事件發作的日期(時刻)自然應包括在事件窗之內，如分股、併購的信息披露之日。通常事件期間要比發生日期寬廣一些，包括事件發生前後的一段時間。因為事件發生後一段時間的信息能顯示因變數(如股價、盈利)變化的情況。同時。考察事件發生前一段時間的股價，有利於捕捉事件前預兆和事前泄露信息造成的影響。

　　2.界定估計期間和後事件期間

　　划出估計期間或稱估計窗(estimation window)的目的，是利用該期間的數據去估算在事件未出現情況下因變數之值，即期望收益值。將期望收益值與事件期間因變數變異後(即實際收益值)相比較，便得出事件所帶來的異常收益值。

　　估計期間選取要比事件期間長，如波默爾(E．Boehmer)等採用的估計期間為， $τ = - 249$ ～-11，共240天，相應的事件期間為 $τ = - 10$ ～10，共2l天；柯溫(A．Cowan)等採用的估汁期間為， $τ = - 225$ ～-1，共255天，事件期間為 $τ = 0$ ，僅為l天。

　　在有些情況下，須進一步界定後事件期間或稱後事件窗(post-event window)，該期間數據和估計期間數據共同用來估計無事件情況下的期望收益，以便在有趨勢性變異情況下提高期望收益值估算的可靠性。

　　三種期間的關係可用圖表示。

　　3.確定分析單位

　　事件和各類期間界定清楚後，隨之要確定觀測和收集數據的對象(數據源)。如研究某一事件引起的國內上市公司股價變動情況，可選定上海或深圳證券交易所的上市公司或兩者的公司都包括在內。當然，有時分析單位也可能就是某一特定的公司。研究者要根據假設論證要求來選擇這些分析單位。

　　4.非正常報酬率的計算

　　事件研究法關心的是事件期間的非正常報酬率(abnormal returns)。非正常報酬率為事件期間的實際報酬率和事件未出現情況下預期的正常報酬率之差。下麵以市場模型為例，其正常報酬率 $R i t$ 。和非正常報酬率 $A R i t$ 的計算公式為：

　　 $R i t = α i t + β i t R m t + ζ i t$

　　式中，

　　 $E (ζ i) = 0$

　　 $var(\zeta_{it})=\sigma^2_{\zeta_i}$

　　 $A R i t = R i t - (α i t + β i t R m t)$

　　可見，異常收益即是市場模型中的誤差項。

　　5.非正常報酬率累計

　　前面計算的非正常報酬率只是對某個事件日期而言的。為了更好地刻畫事件對股票收益產生的影響，在研究事件期間股票的非正常報酬率時，需要按時間累積計算出該只股票的累計非正常報酬率 $CAR_i(\tau_1,\tau_2),T_1<\tau_1\le\tau_2le T_2$ ：

　　 $CAR_i(\tau_1,\tau_2)=\sum_{\tau=\tau_1}^{\tau_2}AR_{it}$

　　當 $L 1$ 足夠大時， $C A R i$ 方差為：

　　 $\sigma_1^2(\tau_1,\tau_2)=(\tau_2-\tau_1+1)\sigma^2_{\zeta_i}$

　　當研究的分析單位為多只股票時，例如研究證券監管條例變更事件的影響，需要集結各只股票的非正常報酬率。N只股票在 $τ$ 期間的平均非正常報酬率為：

　　 $\overline{AR_\tau}=\frac{1}{N}\sum_{i=1}^N AR_{it}$

　　當 $L 1$ 足夠大時，

　　 $Var(\overline{AR_\tau})=\frac{1}{N^2}\sum_{i=1}^N AR_{i}$

　　因此，N只股票在 $τ$ 期間的平均累計非正常報酬率為：

　　 $\overline{CAR}(\tau_1,\tau_2)=\sum_{\tau=\tau_1}^{\tau_2}\overline{AR\tau}$

　　 $Var\overline{CAR}(\tau_1,\tau_2)=\sum_{\tau=\tau_1}^{\tau_2}var\overline{AR_\tau}=\frac{\tau_1-\tau_2+1}{N^2}\sum_{i=1}^2\sigma^2_{\zeta_i}$

6.統計檢驗

　　在計算出非正常報酬率後，接下來就需要進行統計檢驗，以判斷在某一顯著性水平上事件是否對股票收益產生了影響。統計檢驗是事件研究法的重要組成部分，確保事件研究法科學可靠。

　　一般而言，通過檢驗某一支股票在事件期間某一天的異常收益，對於推斷事件在事件期間產牛的整體影響並無很大幫助。通常需要對事件期間累積的非正常報酬進行統計檢驗，以確定事件對股票整體收益的影響。

　　統計檢驗的步驟如下：第一步提出零假設 $H θ$ “事件對股票的收益無影響。”

　　第二步構造統計量 $C A R i (τ 1,τ 2)$ 或 $\overline{CAR}_i(\tau_1,\tau_2)$ 。當分析單位是某一特定股票時，選用 $C A R i (τ 1,τ 2)$ ；當分析單位是一組股票時，選用 $\overline{CAR}_i(\tau_1,\tau_2)$ 。從前面的討論中可知：