Event Study 事件研究法计算步骤
事件研究法的计算步骤(精)
事件研究法的计算步骤1.定义事件期考察并购事件对上市公司股票价格影响的首要工作是确立一个事件期。
事件期包括:事前估计期与事后观察期。
事前估计期，又称清洁期，其作用在于估计正常收益率，本文所选用的清洁期为[-30,-10]，即公告前的前30 到前10 个交易日，共20 个交易日;事后观察期，又称时间窗，用于研究事件发生后股价的异常变化，探讨并购重组绩效的变化，确定事件窗的目的是为了获得并购重组事件对股票价格的全部影响.事件窗的长短可以根据研究需要自行设定，就短期绩效研究般为[-10, 10]。
本文事件研究选择的事件窗是[-1 5. 15]. 即从事件宣布日起的前15后15 个交易日，共31 个交易日 .2.计算事件期[-30,-10]内的样本公司股票价格和市场指数{沪、深指数)日收益率rm,t 和ri,t(百分比收益率).rm,t= (Pm,t– Pm,t-1)/Pm,t-1ri,t= (Pi,t– Pi,t-1)/Pi,t-1在本文计算中将百分比收益率转换股票连续复利收益率和市场指数连续复利收益率.R m,t = In (rm,t+1)R i,t = In (ri,t+1)3.计算预期正常收益率建立在假设资本资产定价模型(CAPM) 成立的情况下，根据证券资本资产定价理论模型来计算正常收益率.选择并购事件公告宣布H 前段期间为事前估计期，以该期数据为样本，以市场指数收益率为解释变量，以个股收益率为被解释变量，进行回归得R i,t =αi+ βiRm,i+ εi,t其中Ri,t Rm,i分别为个股和市场指数的日收益率，且是股票的收益率对市场指数收益率的回归系数，εi,t 代表回归残差.回归后得到的αi，βi，如果αi，βi，在估计期内保持稳定，则可算出预期正常收益率为：R i,t =αi+ βiRm,i4.计算每只股票在[-15,15]内每日超常收益率（AR）。
股票i在第t日的超长收益率为：ARi,t = Ri,t– Rm,t5.计算所有股票在[-15,15]内每日的超常平均收益率(Average AgnominalReturn). 就是计算所有股票超常收益率的算术平均值.所有股票在第t 日的平均收益率为：6.计算累积平均超常收益率CARt( CumulativeAverage Retum) 计算所有并购重组公司股票在[-15,15] 内每日的累积超额收益率，第t 日的CAR 为：7.检验假设为了检验以上结果是否由股价随机波动引起的，对结果要作显著性统计验.即检验CAR 与0 是否有显著差异. 本文对，是否显著区别于0进行统计检验。
事件研究法(Event Studies 2
事件研究法
4.估计超额收益率（非正常收益率） AR it = R it —NR it
R it :证券i在第t期的实际收益率； AR it：证券i在第t期的超额收益率； NR it：证券i在第t期的正常收益率（预期收益率）
事件研究法
超额收益率（AR it）为实际收益率（R it） 与预期收益率（NR it）之差，实际收益率 无须估计（ 当天收盘价减前日收盘价除前 日收盘价），只需要估计预期收益率，一 般用估计窗口内的相关数据进行估计，如 在使用日数据与市场模型的事件研究中， 市场模型参数可通过事件发生前90天或60 天的数据进行估计，再运用所估计出的参 数与事件窗口对应的数据计算NR it 的估计 值。
证券i在第t期的正常收益率预期收益率超额收益率ar之差实际收益率无须估计当天收盘价减前日收盘价除前日收盘价只需要估计预期收益率一般用估计窗口内的相关数据进行估计如在使用日数据与市场模型的事件研究中市场模型参数可通过事件发生前90天或60天的数据进行估计再运用所估计出的参数与事件窗口对应的数据计算nr计算出超额收益率日数据后需要对其进行加总超额收益率的加总包括截面上各种证券间的加总与时间序列主要指事件窗口上的加总
事件研究法
曾亚敏和张俊生(2005)以中国财政部和 国家税务总局联合颁布的要求对个人投资 者从上市公司取得的股息红利所得暂减按 50％计入个人应纳税所得额的文件为背景 进行了事件研究，发现股利所得税削减的 消息宣告后，股票的累计超常收益率与股 利支付水平正相关。 袁显平和柯大钢(2006)回顾了事件研究 方法发展及其在国内外金融经济研究的应 用问题。
预期 收益率
R it =α+βi R mt+ε it
(估计期）
事件研究法
确定预期收益模型后，则需要进行估计。 在界定估计期时，最常见的是把事件期间之 前的时期作为估计期，比如，在运用每1日 数据及市场模型的事件研究中，市场模型的 参数估计期可定为事件发生前的n天(n的大 小由研究者根据情况自行选择)。通常，事 件期间本身不包含在估计期中，以免事件影 响预期收益模型参数的估计。预期收益模型 的参数估定后，便可计算出预期收益。
事件分析法理论(eviews 市场模型 t和J统计量)(19页)
事件分析法一、事件分析法的定义事件分析法（Event Study）是一种实证研究方法，最早是多利( Dolley) 于1933 发表的《普通股分拆的特征与程序》一文提出，他运用“事件研究法”对1921年-1931年间的95个样本考察了股票分割的股价效应。
事件研究法运用于金融领域，借助金融市场数据分析某一特定经济事件对该公司价值或市场产生的影响，即是否产生超常收益（Abnormal Returns）。
其理论基础在于，如果市场是有效的，那么此事件的影响会迅速反应到资产的价格上。
在有效市场理论中，半强式有效市场1可以用事件分析法验证。
狭义的事件研究法有时候被称为残差分析（Residual Analysis）或者超常收益测试（Abnormal Performance Index Tests）。
随后，Myers与Barkay（1948）、Barkay（1956、1957、1958）、Ashley（1962）等人进一步完善和发展了事件研究法。
Ball与Brown（1968）、Fama等人（1969）的研究使事件研究得以最终成熟。
其中，Ball和Brown最早采用了累积异常收益率方法检验了年报会计信息含量及其对股票价格的影响。
事件分析法的应用领域非常广泛，不同学者从本领域视角对其进行了阐述。
段瑞强认为“事件研究”是根据某一事件发生前后的资料统计，采用特定技术测量该事件影响性的1若一事件不能使投资都获得超额利润，则市场可能是半强式的。
一种定量分析方法。
金融市场会有各种消息、政策、产品等事件的发生，这些事件的影响效应又会很快反映到资产价格上，因此“事件分析法”是金融市场研究中被广泛应用的实证分析方法。
何海江认为在一个充满理性投资者的市场中，某一事件对经济的影响可迅速由资产价格的变化反映出来，因此事件分析法是指通过短期内可观测资产价格的变化来研究某一事件对经济影响程度的方法。
王斐波等人认为事件分析法主要是分析某事件对于时间序列是否有冲击作用，其有效性基于这样一个事实: 在假设市场理性的前提下，一个事件(如新出口退税政策的实施)的影响会立即体现为市场的相关指标变动，因此可用一个相对短时期的市场的相关指标变动来分析和衡量该事件的影响。
事件研究法的计算步骤
事件研究法的计算步骤1.定义事件期考察并购事件对上市公司股票价格影响的首要工作是确立一个事件期。
事件期包括:事前估计期与事后观察期。
事前估计期，又称清洁期，其作用在于估计正常收益率，本文所选用的清洁期为[-30,-10]，即公告前的前30 到前10 个交易日，共20 个交易日;事后观察期，又称时间窗，用于研究事件发生后股价的异常变化，探讨并购重组绩效的变化，确定事件窗的目的是为了获得并购重组事件对股票价格的全部影响.事件窗的长短可以根据研究需要自行设定，就短期绩效研究般为[-10, 10]。
本文事件研究选择的事件窗是[-1 5. 15]. 即从事件宣布日起的前15后15 个交易日，共31 个交易日 .2.计算事件期[-30,-10]内的样本公司股票价格和市场指数{沪、深指数)日收益率rm,t 和ri,t(百分比收益率).rm,t= (Pm,t– Pm,t-1)/Pm,t-1ri,t= (Pi,t– Pi,t-1)/Pi,t-1在本文计算中将百分比收益率转换股票连续复利收益率和市场指数连续复利收益率.R m,t = In (rm,t+1)R i,t = In (ri,t+1)3.计算预期正常收益率建立在假设资本资产定价模型(CAPM) 成立的情况下，根据证券资本资产定价理论模型来计算正常收益率.选择并购事件公告宣布H 前段期间为事前估计期，以该期数据为样本，以市场指数收益率为解释变量，以个股收益率为被解释变量，进行回归得R i,t =αi+ βiRm,i+ εi,t其中Ri,t Rm,i分别为个股和市场指数的日收益率，且是股票的收益率对市场指数收益率的回归系数，εi,t 代表回归残差.回归后得到的αi，βi，如果αi，βi，在估计期内保持稳定，则可算出预期正常收益率为：R i,t =αi+ βiRm,i4.计算每只股票在[-15,15]内每日超常收益率（AR）。
股票i在第t日的超长收益率为：ARi,t = Ri,t– Rm,t5.计算所有股票在[-15,15]内每日的超常平均收益率(Average AgnominalReturn). 就是计算所有股票超常收益率的算术平均值.所有股票在第t 日的平均收益率为：6.计算累积平均超常收益率CARt( CumulativeAverage Retum) 计算所有并购重组公司股票在[-15,15] 内每日的累积超额收益率，第t 日的CAR 为：7.检验假设为了检验以上结果是否由股价随机波动引起的，对结果要作显著性统计验.即检验CAR 与0 是否有显著差异. 本文对，是否显著区别于0进行统计检验。
事件研究法的计算步骤
事件研究法的计算步骤1. 定义事件期考察所得税优惠事件对上市公司股票价格影响的首要工作是确立一个事件期。
事件期包括:事前估计期与事后观察期。
事前估计期，又称清洁期，其作用在于估计正常收益率，本文所选用的清洁期为[-5,0]，即公告前的前5到前0个交易日，共5个交易日;事后观察期，又称时间窗，用于研究事件发生后股价的异常变化，探讨并购重组绩效的变化，确定事件窗的目的是为了获得并购重组事件对股票价格的全部影响.事件窗的长短可以根据研究需要自行设定，就短期绩效研究一般为[-10,10]。
本文事件研究选择的事件窗是[0，5].即从事件宣布日起的前5后5个交易日，共0个交易日.2. 计算事件期[-5,0]内的样本公司股票价格和市场指数{沪、深指数)日收益率r m,t 和r i,t (百分比收益率).r m,t =(P m,t –P m,t-1)/P m,t-1 r i,t =(P i,t –P i,t-1)/P i,t-1在本文计算中将百分比收益率转换股票连续复利收益率和市场指数连续复 利收益率.R m,t =In(r m,t +1) R i,t =In(r i,t +1)3. 计算预期正常收益率建立在假设资本资产定价模型(CAPM)成立的情况下，根据证券资本资产定价理论模型来计算正常收益率.选择所得税优惠政策颁布前段期间为事前估计期，以该期数据为样本，以市场指数收益率为解释变量，以个股收益率为被解释变量，进行回归得R i,t =αi +βi R m,i +εi,t其中R i,t R m,i 分别为个股和市场指数的日收益率，且是股票的收益率对市场指数收益率的回归系数，εi,t 代表回归残差.回归后得到的αi ，βi ，如果αi ，βi ，在估计期内保持稳定，则可算出预期正常收益率为：R i,t =αi +βi R m,i4. 计算每只股票在[-5,5]内每日超常收益率（AR ）。
股票i 在第t 日的超长收益率为：AR i,t =R i,t –R m,t5. 计算所有股票在[-5,5]内每日的超常平均收益率(AverageAgnominalReturn).就是计算所有股票超常收益率的算术平均值.所有股票在第t 日的平均收益率为： 6. 计算累积平均超常收益率CAR t (CumulativeAverageRetum)计算所有所观察上市公司股票在[-5,5]内每日的累积超额收益率，第t 日的CAR 为：7. 检验假设为了检验以上结果是否由股价随机波动引起的，对结果要作显着性统计验.即检验CAR 与0是否有显着差异.本文对AAA A ，AAA A 是否显着区别于0进行统计检验。
事件研究法(专业特制)
事件研究法（event study）自从Ball和Brown（1968）以及Beaver (1968)开创性地使用事件研究法判别会计盈余报告的信息含量以证实会计信息的有用性以来，事件研究法得到了广泛的使用。
一、事件研究法定义事件研究法就是研究在事件发生前后很短的时间内，投资者投资行为变化所引发的股票收益变化情况，并据此判断事件对股东财富和企业价值的影响。
事件研究法的理论基础是理性的市场模式，即市场的有效性。
典型的事件研究需要构造并检验的假设是，某一特定事件发生后对于公司价值的影响。
由于从长期来看，通过价格来反映公司的价值应该是符合逻辑的，所以在事件研究中运用证券市场的数据就可以很容易地建立这种测量关系。
即如果事件对市场产生影响，这种影响会立刻通过资产的价格反应出来，所以通过一个较短时期内资产价格的观察量就可以测度事件的经济影响。
研究短期内的股东财富效应，并依此判断事件的实质，从理论上讲，依据有二：一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。
EventStudy事件研究法计算步骤
事件研究法研究步骤①定义事件、事件日事件研究的第一步是明确所研究的具体事件（event）。
例如，并购事件研究首先要明确“并购”的定义。
并购包括兼并（merger or statutory merger,或称吸收合并）、合并（consolidation,新设合并）和收购（acquisition）,还可以包括其他一些获取公司控制权的方式，如代理权争夺。
每一种并购类型还可根据不同标准进行细分。
你想研究哪一种口径的“并购”？光确定了“并购”的口径还不够，任何一次并购都是由一系列具体事件构成的一个过程，因此，并购事件研究还要确定研究的是哪一次具体事件及其日期。
例如，是并购的首次宣布日、股东大会批准日，还是并购完成之日。
事件（event day）的定义对事件研究的成败有时是决定性的。
许多学者（如Brown and Warner,1980,1985；Jensen and Ruback,1983）强调了正确识别事件日的重要性。
在美国早期的并购事件研究中（如Mandelker,1974; Ellert,1976；Langetieg, 1978）, 多采用并购生效日（目标公司股东最终批准日）作为事件日，结果未能发现预期的显著报酬①。
后来的研究改用并购计划宣布日，结果大不一样。
一般来说，我们以并购计划的首次宣布日为事件日。
②确定收益率间隔区间和事件窗口股价收益率的间隔区间（sampling interval）意味着采用日收益率、周收益率还是月收益率作为股价波动的计量标准。
这与事件窗口的长短有关。
采用日收益率能够精确地观察到事件对每一日影响力的大小。
如果事件窗口较短，例如两三个月，那么最好采用日收益率（如果时间窗口太短，甚至不可能采用周或月收益率）。
此外，从统计检验的功效（power）看，间隔越短，检验功效越高。
但是，考虑到收益率逐期累加（CAR法）可能带来的误差，股价波动较大的长窗口事件研究或许采用周收益率或月收益率更为合适。
事件研究法详解(event_study)
• Technique mainly used in corporate. • Simple on the surface, but there are a lot of issues. • Long history in finance:
– First paper that applies event-studies, as we know them today: Fama, Fisher, Jensen, and Roll (1969) for stock splits. – Today, we find thousands of papers using event-study methods.
Short and long horizon studies have different goals: – Short horizon studies: how fast information gets into prices. – Long horizon studies: Argument for inefficiency or for different expected returns (or a confusing combination of both)
Classic References
• Brown and Warner (1980, 1985): Short-term performance studies • Loughran and Ritter (1995): Long-term performance study. • Barber and Lyon (1997) and Lyon, Barber and Tsai (1999): Longterm performance studies. • Eckbo, Masulis and Norli (2000) and Mitchell and Stafford (2000): Potential problems with the existing long-term performance studies. • Ahern (2008), WP: Sample selection and event study estimation. • Updated Reviews: M.J. Seiler (2004), Performing Financial Studies: A Methodological Cookbook. Chapter 13. Kothari and Warner (2006), Econometrics of event studies, Chapter 1 in Handbook of Corporate Finance: Empirical Corporate Finance.
事件研究法公式和案例
事件研究法（event study）是一种经济学和金融学领域常用的研究方法，用于评估特定事件对资产价格或市场绩效的影响。
这种方法通常通过分析事件前后的股票收益率变动来研究事件的冲击和市场反应。
在事件研究法中，最常用的公式是市场调整模型（market model）。
市场调整模型描述了资产价格的预期收益与市场整体表现之间的关系。
常见的市场调整模型如下：Rit = αi + βiRmt + εit其中，Rit代表资产i在t时刻的收益率，Rmt代表市场整体的收益率，αi代表资产i的超额收益率，βi代表资产i的系统风险系数，εit表示误差项。
通过事件研究法，可以计算出特定事件前后的累积平均超额收益率（CAR）或累积平均累积超额收益率（CAAR），以评估事件对资产价格的影响。
以下是一个事件研究法的案例：假设某公司宣布并购了另一家公司，研究者想要了解该事件对该公司股票价格的影响。
研究者可以选择一个适当的事件窗口，比如选择在事件公告前后的5个交易日内进行分析。
1. 收集数据：收集并整理事件公告日期、股票价格、市场整体收益率等数据。
2. 计算超额收益率：计算公司股票的超额收益率，即实际收益率减去市场整体收益率。
3. 估计市场调整模型：通过回归分析计算出每只股票的系统风险系数（βi）和超额收益率（αi）。
4. 计算累积平均超额收益率（CAR）或累积平均累积超额收益率（CAAR）：根据事件窗口内的超额收益率计算CAR或CAAR。
5. 统计检验：通过统计方法检验CAR或CAAR是否显著不等于零，从而验证事件对股票价格的影响是否显著。
通过事件研究法的案例分析，研究者可以评估该并购事件对该公司股票价格的影响，并进一步理解市场对该事件的反应。
事件研究法的计算步骤
事件研究法的计算步骤1. 定义事件期考察所得税优惠事件对上市公司股票价格影响的首要工作是确立一个事件期。
事件期包括:事前估计期与事后观察期。
事前估计期，又称清洁期，其作用在于估计正常收益率，本文所选用的清洁期为[-5,0]，即公告前的前5到前0个交易日，共5个交易日;事后观察期，又称时间窗，用于研究事件发生后股价的异常变化，探讨并购重组绩效的变化，确定事件窗的目的是为了获得并购重组事件对股票价格的全部影响.事件窗的长短可以根据研究需要自行设定，就短期绩效研究一般为[-10,10]。
本文事件研究选择的事件窗是[0，5].即从事件宣布日起的前5后5个交易日，共0个交易日.2. 计算事件期[-5,0]内的样本公司股票价格和市场指数{沪、深指数)日收益率r m,t 和r i,t (百分比收益率).r m,t =(P m,t –P m,t-1)/P m,t-1 r i,t =(P i,t –P i,t-1)/P i,t-1在本文计算中将百分比收益率转换股票连续复利收益率和市场指数连续复 利收益率.R m,t =In(r m,t +1) R i,t =In(r i,t +1)3. 计算预期正常收益率建立在假设资本资产定价模型(CAPM)成立的情况下，根据证券资本资产定价理论模型来计算正常收益率.选择所得税优惠政策颁布前段期间为事前估计期，以该期数据为样本，以市场指数收益率为解释变量，以个股收益率为被解释变量，进行回归得R i,t =αi +βi R m,i +εi,t其中R i,t R m,i 分别为个股和市场指数的日收益率，且是股票的收益率对市场指数收益率的回归系数，εi,t 代表回归残差.回归后得到的αi ，βi ，如果αi ，βi ，在估计期内保持稳定，则可算出预期正常收益率为：R i,t =αi +βi R m,i4. 计算每只股票在[-5,5]内每日超常收益率（AR ）。
股票i 在第t 日的超长收益率为：AR i,t =R i,t –R m,t5. 计算所有股票在[-5,5]内每日的超常平均收益率(AverageAgnominalReturn).就是计算所有股票超常收益率的算术平均值.所有股票在第t 日的平均收益率为： 6. 计算累积平均超常收益率CAR t (CumulativeAverageRetum)计算所有所观察上市公司股票在[-5,5]内每日的累积超额收益率，第t 日的CAR 为：7. 检验假设为了检验以上结果是否由股价随机波动引起的，对结果要作显着性统计验.即检验CAR 与0是否有显着差异.本文对AAR t ，CAR t 是否显着区别于0进行统计检验。
stata事件研究法
事件研究法（Event Study Methodology）是一种用来衡量某一事件对特定公司或行业的影响的方法。
这种方法通常用于金融领域，尤其是股票市场，以评估某一事件（如并购、破产、新产品发布等）对企业价值的影响。
在Stata中，事件研究法通常包括以下步骤：
1. 定义事件窗口：确定事件发生的时间范围，即事件窗口。
2. 定义估计窗口：在事件窗口之前的一个时间段，用于估计正常回报。
3. 计算正常回报：使用估计窗口的数据，采用适当的模型（如市场模型或均值回归模型）来估计正常回报。
4. 计算异常回报：异常回报是指实际回报减去正常回报。
5. 计算累计异常回报：将每个时点的异常回报进行累加，得到累计异常回报。
6. 进行统计检验：对累计异常回报进行统计检验，以评估事件对企业价值的影响是否显著。
在Stata中，可以使用“eventstudy”命令来进行事件研究。
该命令提供了多种选项和功能，包括定义事件窗口和估计窗口、选择正常回报模型、计算异常回报和累计异常回报、绘制事件图等。
总之，事件研究法是一种非常有用的金融分析方法，可以帮助投资者和分析师评估某一事件对企业价值的影响。
在Stata中，可以使用“eventstudy”命令来进行事件研究，该命令提供了多种功能和选项，使得事件研究变得更加方便和灵活。
事件研究法
EMH 检验：事件研究法一、事件研究法的主要步骤采用事件研究（event study ）的方法，这种研究方法以影响股票价格的特殊事件为中心，通过研究事件的发生是否影响了时序性数据来检验市场对事件的反应，通常考察在事件前后累积异常收益率的变化来判断事件的影响。
在一个有效的市场上，事件是否产生影响将立即通过价格反映出来，并可以通过对一段时间内价格的变化进行分析来测量。
事件研究方法通常有两个基本的假设：（1）在事件研究窗口内，除了所研究事件外，没有其它事件发生，即使有事件发生，也不会对价格产生显著影响。
（2）事件的影响可以由异常收益率来度量。
事件研究法的研究步骤主要分以下五方面： 1、定义事件窗口在事件研究中，一个重要方面是设定事件窗口，即在检验事件对公司证券价格的影响时要确定的检验时间区间。
用图形表示如下：图1：定义事件窗口这里，t = 0 表示事件日，即事件的公告日期。
t = T 1 + 1到t = T 2 表示事件窗口， t = T 0 +1 到t = T 1 表示估计窗口，t = T 2 + 1到t = T 3 表示事后窗口。
其中， T 0 、T 1 、T 2 和T 3 分别为事件日前后的时间。
事件窗口是包含事件发生日在内的一个时间区间。
估计窗口是选取来计算正常收益率的一个时间区间。
假设事件没有发生或没有这个事件，那么股票收益率为正常收益率，一般用事件没有发生时的预期收益率来表示。
这里我们选择比较理想市场模型，它不仅反映出证券本身的变化，又体现了市场指数对证券收益率变化的影响，而且操作起来并不困难。
事后窗口是为了检验事件在事件窗口后对股价的影响，在事件窗口后选取的一个时间区间最后，我们要确定异常收益率。
信息事件的影响要借助于累积异常收益率来刻画，它代表了事件对企业或股票价值的影响程度。
企业或股票价值的变化是由事件引起的，相对于证券市场价值的变化而言，事件是一个外生变量，在许多情况下这种认识是合理的。
event study的方法
event study的方法「事件研究的方法」——利用金融数据分析事件对证券价格的影响引言：事件研究(Event Study)是一种经济金融学中常用的方法，旨在通过对特定事件对证券价格或股票投资回报率的影响进行分析，从而得出事件对市场的影响程度。
本文将介绍事件研究的基本原理、数据获取、方法步骤以及计算中需要注意的问题。
一、基本原理：事件研究的基本原理是通过对事件前后证券价格的比较，分析事件对证券价格的影响。
它假设证券价格在事件之前的波动主要受到市场整体波动的影响，在事件后的价格波动主要受到事件的影响。
因此，对比事件前后的价格变化可以得出事件对市场的影响程度。
二、数据获取：在进行事件研究时，需要获取以下数据：1. 事件发生的具体日期；2. 相关证券的价格数据，通常使用股票的收盘价或基金的净值；3. 个别证券以及市场指数的收益率数据，通常使用对数收益率。
三、方法步骤：1. 事件定义：首先，需要对待研究的事件进行明确定义。
这可以是某公司的重大并购、股权变动、财务报表发布等。
2. 事件窗口：根据事件研究的目标和事件的性质，选择合适的事件窗口。
事件窗口是指事件发生前后的时间范围。
常用的窗口包括"[-30, 30]"，表示事件发生前30个交易日到事件发生后30个交易日。
3. 市场模型：建立市场模型是事件研究中的一个重要步骤。
市场模型用来捕捉事件之前证券价格的波动情况，常用的市场模型有CAPM模型(资本资产定价模型)和FF三因子模型(法玛-弗雷德曼三因子模型)。
4. 计算超额收益率：超额收益率是指事件发生后股票或基金收益率与市场平均收益率之差。
通过比较事件窗口内事件发生后的超额收益率可以分析事件对证券价格的影响。
5. 统计检验：针对事件窗口内的超额收益率，可以进行统计检验来判断是否存在统计显著性。
常用的检验方法有t检验、F检验等。
四、注意事项：1. 样本选择：在设计事件研究时，应注意选择合适的样本。
事件研究法的计算步骤
事件研究法的计算步骤第一步：确定事件窗口事件窗口是指研究者选择的用来捕捉事件影响的时间范围。
根据研究问题的特点和数据的可获得性，可以选择以事件发生日为中心的前后若干天或月作为事件窗口。
一般来说，事件窗口可以根据研究对象的特点灵活调整。
第二步：选择事件及构建事件指标选择恰当的事件对研究结果的正确性和可解释性至关重要。
研究者需要根据所研究的领域和具体问题，选择能够显著影响研究对象的事件。
例如，对股票价格研究，可以选择公司公布财务报表或重大事件的日期作为事件。
构建事件指标是将事件转化为数值化的方法。
一般来说，常见的事件指标有二进制事件指标和离散性事件指标。
二进制事件指标是将事件出现与否用1和0表示，1表示事件发生，0表示事件未发生。
离散性事件指标则是根据事件的程度进行离散化处理，一般分为数个等级。
第三步：选择和获取控制样本为了排除其他非事件引起的干扰，事件研究法需要构建一个控制组和一个处理组进行对比。
控制组是没有受到事件影响的样本，反映了在无事件发生情况下预期的变量水平。
在选择控制组时，需要确保控制组和处理组在其他相关特征上相似。
第四步：计算市场平均收益率市场平均收益率被用作控制变量以消除市场整体波动对事件研究结果的干扰。
一般来说，使用市场指数（如在股票市场研究中采用的股票市场综合指数）的收益率作为市场平均收益率。
第五步：计算事件窗口内的超额收益率超额收益率是指在考虑了市场平均收益率的影响之后，计算事件窗口内个股或样本的收益率。
它是通过将个股或样本的实际收益率减去市场平均收益率计算得到的。
超额收益率的计算可以采用简单方法或更复杂的回归模型。
第六步：计算事件窗口内的平均超额收益率为了得到一个整体的指标来衡量事件对变量的影响，需要对事件窗口内的超额收益率进行平均。
通过计算事件窗口内个股或样本的平均超额收益率，可以得到事件对变量水平的平均影响效应。
在一些情况下，为了进一步探究事件的持续影响，也可以计算事件窗口后的超额收益率。
did事件研究法
did事件研究法事件研究法（Event Study）是指在统计学和金融学领域中，对某一特定事件对股票、债券或证券市场的影响进行量化分析的方法。
该方法主要基于股票市场的弱有效市场假设，即股票市场反应及时、完全和客观。
使用事件研究法可以揭示出在某一特定事件之前和之后股票价格/收益率的差异，从而评估出该事件对股票市场的实际影响。
事件研究法通常包括以下几个步骤：第一步，确定事件。
确定要研究的特定事件。
例如：公司公布财报、经理人事变动、政府政策变化等。
第二步，收集相关数据。
获取研究事件日期前后的股票价格/收益率等数据。
第三步，确定研究事件的时间窗口。
根据事件的实际情况确定时间窗口，一般包括事件公告前后较长的一段时间。
第四步，制定统计模型。
制定一个时间序列统计模型，衡量研究事件对股票市场的影响。
第五步，进行统计分析。
计算研究事件前后的差异，评估事件对股票市场的实际影响。
事件研究法在金融学、会计学、管理学、法律等领域中得到了广泛应用。
在金融学领域中，事件研究法可以用来研究公司财务报表、公司收购/并购、政府政策变化等对股票市场的影响。
在会计学领域中，事件研究法可以用来研究公司会计信息披露对股票市场的影响。
在管理学领域中，事件研究法可以用来研究公司经理人事变动、公司战略调整等对股票市场的影响。
在法律领域中，事件研究法可以用来研究法律诉讼、反垄断审查等对公司股票价格的影响。
事件研究法的优点是可以对事件的影响进行量化分析，具有较高的精度和可靠性。
同时，该方法也存在一些限制。
例如：数据的获取和处理非常繁琐，在数据的质量和可靠性上存在一定的挑战。
在事件选择上，需要充分考虑事件的实际意义和影响力，以保证分析结果的实际意义。
综上所述，事件研究法是一种重要的量化分析方法，在金融学、会计学、管理学和法律学等领域具有广泛的应用。
虽然该方法存在一些限制，但是通过合理的数据处理和事件选择，可以保证分析结果的准确性和可靠性。
事件研究(EventStudy)
ˆ
X X
/
1
X
/
y
• Asquith 和Mullins(1986)把股票增发公 告的非正常收益对增发的规模（增发规 模用其占公司总资产的比率来表示）和 公告前11个月的累积非正常收益进行回 归，发现增发规模越大，则负的非正常 收益越大；前11个月的累积非正常收益 越大，则负的非正常收益越小。
(二)扩展——条件事件研究
• 当投资者理性地利用公司的具体特征变量预测某一事 件发生的可能性时，公司具体特征变量与事件的可预 测程度之间的关系就会导致对事件窗内非正常收益的 估计产生某种选择性的偏差（selection bias)。 • 此时回归残差项与回归因子（公司具体特征变量）之 间不相关的假设,即
二、横截面分析及其扩展
（一）基本的横截面分析（Cross-Sectional Models）
横截面分析属于对非正常收益更细致的研究， 即通过回归分析研究各个公司的具体特征变 量（如规模、盈利状况等）与非正常收益的 关系。
y X
• 假设
E
X 0
/
• 则使用OLS得到的估计量
Ri X ii i
2 把 i代入事件窗中求非正常收益AR
Ri X i i
* *
* i
3 计算累计非正常收益率CAR与标准化非 正常收益率SCAR
CARi 1, 2
S CARi 1, 2
* i
CARi 1, 2
5 因素模型（factor model） • one-factor model(e.g. market model) • multifactor model(指除了市场指数还包 括行业指数) 只当针对具有共同特征的样本时才值得考 虑。
stata的event study的命令
stata的event study的命令对于经济和金融领域的研究人员来说，事件研究(event study)是一种常用的研究方法，用于评估特定事件对股票市场或其他金融市场的影响。
本文将介绍在Stata软件中如何进行事件研究分析。
第一步：数据准备准备好你想要分析的时间范围内的金融市场数据。
这些数据可以是股票价格、交易量、市值或其他与市场相关的变量。
你还需要确定你感兴趣的事件，并在数据中标记这些事件的发生日期。
确保你的数据是正确和准确的，以便获得可靠的分析结果。
第二步：导入数据在Stata中，使用"import"命令导入你的数据。
根据数据的格式，你可以使用不同的导入命令，如"import delimited"或"import excel"。
确保你正确地指定了变量的类型和名称，并检查导入的数据是否正确。
第三步：创建事件窗口在事件研究中，研究者通常将事件窗口定义为事件发生日期的前后若干天或几个交易日。
根据你的研究目的，确定你想要的事件窗口的大小。
在Stata中，可以使用"dataex"命令来查看事件窗口的最终形式。
以下是一个示例代码：gen event_window = .replace event_window = 1 if [event_occurred_date] == dateforvalues i = 1/[-number_of_days_before_event] {replace event_window = 1 if date >=date([event_occurred_date] - `i') & date <=[event_occurred_date]}forvalues i = 1/[number_of_days_after_event] {replace event_window = 1 if date >=[event_occurred_date] & date <= date([event_occurred_date] + `i')}在上面的代码中，你需要将"[event_occurred_date]"替换为你的事件发生日期，"[number_of_days_before_event]"和"[number_of_days_after_event]"替换为你想要的事件窗口的天数。
事件研究法
r r
jt j j
mt
d jt x j jt
• 内部经理人对并购收益的估值
y
i
x
j
j
j
• 当且仅当
0
y
x
j
j
• 时，公告事件才会发生，所以公告期间的非正 常收益为：
F
x Ey | x x Ey | x x N (
• 因为在这些自发事件下（如公司宣告要兼并）， 理性的外部投资者对公司内部隐含信息的估计 将会使测算内部信息价值的残差项产生一个 truncation（截取头部）。如果在横截面模型的 回归分析中忽略了这个truncation，则关于模型 的系数估计就会发生有偏的现象。
• 在大多数的事件研究中，横截面参数通常通过 以下两个步骤进行估计。首先，利用市场模型 计算某一公司的非正常收益；其次，利用对独 立变量xj进行横截面的回归分析，估计出参数。 这两个步骤可以统一到以下方程(1)中：
ti
Var it
2 it
tmR i i tiR
优点：剔除了收益中与市场收益波动相关 的部分，从而降低了估计误差。
• 市场模型中
2
i
1 R VarRit
2 i
• 固定收益模型中
Rr aV 2
ti
i
3 Mean-adjusted return model
Eit 0
VARit i
2
本模型虽然简单，但是却可得到与复杂的模型相 近的结果Brown and Warner （1980、1985）。 评论：模型的选择缺乏敏感性，可能是由于即使 采用了更为复杂的模型也未能降低ARs的方差。
事件研究法r语言
事件研究法r语言事件研究法（Event Study）是一种用来评估某一特定事件对企业价值影响的方法。
在R语言中，可以使用事件研究包（Event Study Package）来进行事件研究。
以下是一个简单的示例，演示如何使用R语言进行事件研究：1. 安装事件研究包```r("EventStudy")```2. 加载事件研究包```rlibrary(EventStudy)```3. 读取数据```rdata <- ("")```4. 定义事件窗口和对照组窗口假设事件发生在第t天，则事件窗口为[t-10, t+10]，对照组窗口为[t-30, t-11]。
```revent_window <- c(t-10, t+10)control_window <- c(t-30, t-11)```5. 计算超额收益率（Abnormal Returns）和累积超额收益率（Cumulative Abnormal Returns）```revent_returns <- returns(data, event_window) - returns(data, control_window)cumulative_event_returns <- cumsum(event_returns)```6. 绘制累积超额收益率图```rplot(cumulative_event_returns)```7. 计算事件对股价的影响程度（Impact of Event on Stock Price）假设事件发生前一天的收盘价为P0，事件发生后一天的收盘价为P1，则事件对股价的影响程度为P1/P0。
```revent_impact <- data$Close[t] / data$Close[t-1] - 1```。
事件研究法的计算步骤
事件研究法的计算步骤1. 定义事件期考察所得税优惠事件对上市公司股票价格影响的首要工作是确立一个事件期。
事件期包括:事前估计期与事后观察期。
事前估计期，又称清洁期，其作用在于估计正常收益率，本文所选用的清洁期为[-5,0]，即公告前的前5到前0个交易日，共5个交易日;事后观察期，又称时间窗，用于研究事件发生后股价的异常变化，探讨并购重组绩效的变化，确定事件窗的目的是为了获得并购重组事件对股票价格的全部影响.事件窗的长短可以根据研究需要自行设定，就短期绩效研究一般为[-10,10]。
本文事件研究选择的事件窗是[0，5].即从事件宣布日起的前5后5个交易日，共0个交易日.2. 计算事件期[-5,0]内的样本公司股票价格和市场指数{沪、深指数)日收益率r m,t 和r i,t (百分比收益率).r m,t =(P m,t –P m,t-1)/P m,t-1 r i,t =(P i,t –P i,t-1)/P i,t-1在本文计算中将百分比收益率转换股票连续复利收益率和市场指数连续复 利收益率.R m,t =In(r m,t +1) R i,t =In(r i,t +1)3. 计算预期正常收益率建立在假设资本资产定价模型(CAPM)成立的情况下，根据证券资本资产定价理论模型来计算正常收益率.选择所得税优惠政策颁布前段期间为事前估计期，以该期数据为样本，以市场指数收益率为解释变量，以个股收益率为被解释变量，进行回归得R i,t =αi +βi R m,i +εi,t其中R i,t R m,i 分别为个股和市场指数的日收益率，且是股票的收益率对市场指数收益率的回归系数，εi,t 代表回归残差.回归后得到的αi ，βi ，如果αi ，βi ，在估计期内保持稳定，则可算出预期正常收益率为：R i,t =αi +βi R m,i4. 计算每只股票在[-5,5]内每日超常收益率（AR ）。
股票i 在第t 日的超长收益率为：AR i,t =R i,t –R m,t5. 计算所有股票在[-5,5]内每日的超常平均收益率(AverageAgnominalReturn).就是计算所有股票超常收益率的算术平均值.所有股票在第t 日的平均收益率为： 6. 计算累积平均超常收益率CAR t (CumulativeAverageRetum)计算所有所观察上市公司股票在[-5,5]内每日的累积超额收益率，第t 日的CAR 为：7. 检验假设为了检验以上结果是否由股价随机波动引起的，对结果要作显着性统计验.即检验CAR 与0是否有显着差异.本文对 ， 是否显着区别于0进行统计检验。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
事件研究法研究步骤①定义事件、事件日事件研究的第一步是明确所研究的具体事件（event）。
例如，并购事件研究首先要明确“并购”的定义。
并购包括兼并（merger or statutory merger,或称吸收合并）、合并（consolidation,新设合并）和收购（acquisition）,还可以包括其他一些获取公司控制权的方式，如代理权争夺。
每一种并购类型还可根据不同标准进行细分。
你想研究哪一种口径的“并购”？光确定了“并购”的口径还不够，任何一次并购都是由一系列具体事件构成的一个过程，因此，并购事件研究还要确定研究的是哪一次具体事件及其日期。
例如，是并购的首次宣布日、股东大会批准日，还是并购完成之日。
事件（event day）的定义对事件研究的成败有时是决定性的。
许多学者（如Brown and Warner,1980,1985；Jensen and Ruback,1983）强调了正确识别事件日的重要性。
在美国早期的并购事件研究中（如Mandelker,1974; Ellert,1976；Langetieg, 1978）, 多采用并购生效日（目标公司股东最终批准日）作为事件日，结果未能发现预期的显著报酬①。
后来的研究改用并购计划宣布日，结果大不一样。
一般来说，我们以并购计划的首次宣布日为事件日。
②确定收益率间隔区间和事件窗口股价收益率的间隔区间（sampling interval）意味着采用日收益率、周收益率还是月收益率作为股价波动的计量标准。
这与事件窗口的长短有关。
采用日收益率能够精确地观察到事件对每一日影响力的大小。
如果事件窗口较短，例如两三个月，那么最好采用日收益率（如果时间窗口太短，甚至不可能采用周或月收益率）。
此外，从统计检验的功效（power）看，间隔越短，检验功效越高。
但是，考虑到收益率逐期累加（CAR法）可能带来的误差，股价波动较大的长窗口事件研究或许采用周收益率或月收益率更为合适。
事件窗口（event window）就是检验所研究事件对样本股价的影响程度所覆盖的期间，或者说是样本股价变动的观察期间。
事件窗口以事件日为轴心，向前向后各若干日（周、月）。
窗口的长短要考虑两个因素：一是事件影响力的时间长短，时间长的适合长窗口；二是其他事件的干扰（噪音）。
在选定的窗口内可能会发生影响股价的其他事件，例如，并购事件发生后不久公司公布年度业绩。
为了避免其它事件的影响，要么将这种个案从样本中剔除，要么缩短窗口。
缩短了的窗口可能不能完全反映事件的影响力，而剔除一部分个案则要冒累积平均异常收益率（CAR）失真或统计检验不过关的风险。
实际研究过程往往要在二者之间进行权衡。
③筛选样本或子样本发生所定义事件的个案可能会很多。
为了进行目标明确的深入分析，可能要进行样本的筛选，将样本限制在一定范围内。
样本筛选的关键是设定筛选标准（select criteria）。
筛选标准可以是样本的时间跨度、上市地点、所属行业，或者公司的某种特征（如规模、业绩、财务状况）等等。
例如，可以把样本限制为1995-2000年间发生了控制权转移的沪市上市公司。
有时候，为了进行更深入的考察或比较，可以在样本基础上继续筛选出子样本。
例如，在上述样本中筛选出绩优子样本和ST 子样本。
需要注意的是，我们并不能随心所欲地根据研究需要来筛选样本（子样本），这要受到样本（子样本）容量的限制。
一般来说，小样本的统计检验失真。
容量小于30的样本被认为统计意义不大。
④确定正常收益的计量模型事件研究的逻辑是：即使没有发生所定义的事件，公司股价也会有波动。
此时的股价收益被称“正常收益”（normal return）或“预期收益”（expected return）。
发生所定义事件时的股价收益并不全部代表所定义事件的影响（事件收益，event return），它还包括正常收益。
因此，将实际股价收益减去正常收益后的“异常收益”（abnormal return）就是事件收益（也称“未预期收益”，unexpected①事件日问题在采用月数据的研究中有时会比较突出，特别是当事件的影戏力较短暂时。
这是多数文献采用日数据的一个原因。
return ）。
实际股价收益是客观的，很容易计量：1P P =R 1t ,i t,i it --其中r it 代表个股i 在t 期的实际股价收益，P i,t 代表个股i 在t 期期的价格，P i,t -1代表个股i 在t-1期的价格。
关键在于正常收益的计量。
我们将在后面看到，正常收益的计量有不同的模型，而不同的模型将得出不同的正常收益。
以E ( r it ) 代表正常收益，A R it 代表异常收益，则A ()it it it r E r R -=⑤ 计算异常收益确定正常收益的计量模型之后，就可以计算出每只个股i 在t 期的正常收益，进而计算出相应的异常收益。
对t 期N （样本容量）只个股的异常收益进行算术平均，得到t 期的平均异常收益，记为AR t∑N1=i it t R N 1=AR 可以考察在事件窗口（起始期，结束期）内任何一段时间（起始期t 1，结束期t 2，2211T t t T ≤≤≤）的异常收益，只要把t 1至t 2各期的AR t 累计起来（aggregation ）。
最常用的累计方法是累计法（accumulation ），得出的反映事件影响程度的指标称为累计平均异常收益（cumulative average residual ，CAR ）①。
公式为：()∑==212,1t t t t AR t t CAR同样地，也可以先对个股的异常收益R it 进行累积，得到个股i 的累积异常收益率：()∑==2121,t t t iti R t t CR然后对CR i (t 1,,t 2)行横截面方向的平均，得到CAR i (t 1,,t 2)：()()∑==Ni i t t CR N t t CAR 1212,1,1 另一个常见的累计方法是复利法，得出的指标称为“超常表现指数”（abnormal performance index ，API ）②：()()11222,1-+=∏=t t t t AR t t API如果事件窗口很长且较大时，两种方法计算的指标可能会有一定的差异。
后来又出现了一①由FFJR(1969)首创② 由Ball and Brown (1968)首创些在API 基础上改进了的剩余收益计量方法，比如Ball-Brown ，Pettit ，and Beaver Dukes （见Ohlson ，1978，p.184）。
尽管有些累计方法在理论上优于累积法，但Brown and Warner （1980，footnote28）经过模拟测算后认为，CAR 法以外的其它累计方法所得结果与CAR 发的结果并无多大差异。
Brown and Warner 的这篇文章标志着CAR 法在事件研究中主导地位的正式确立。
迄今为止，CAR 法仍然是事件研究中最常见的异常收益累计方法。
为了观察异常收益在窗口期内的变化情况，最好以T 1为起点将异常收益逐期积累起来，并把CAR(21T ,T )在以时间为横轴、以收益率为纵轴的一个坐标系上显示出来。
⑥ 检验异常收益样本CAR 的统计检验之所以重要，乃是因为如果CAR 与0之间并无统计上的显著差别，那么不论这个CAR 的绝对值看起来有多大，它都很有可能源于所选CAR 样本对总体的偏离。
此时，这个根据样本计算出来的CAR 并没有多大经济意义。
换句话说，样本CAR 的统计检验是在计算出样本CAR 值之后所有后续研究的基础。
统计检验的前提是个股的异常收益在i 的方向上（横截面）或在t 的方向上（时间序列）独立正态同分布。
前者要求异常收益在个股之间不相关，后者要求每一只个股的异常收益无序列相关。
检验的零假设是事件对股价收益的大小无影响，也就是说累计平均异常收益率为零，即：0)t ,t (CAR :H 210=以)]t ,t (CAR [S 21代表)t ,t (CAR 21的样本标准差，则在该零假设下，有：)T T (t ~)]t ,t (CAR [S )t ,t (CAR 122121- 当事件窗口较长（例如30T T 12>-）时，t 分布近似于标准正态分布，故()10N ~)]t ,t (CAR [S )t ,t (CAR 2121， CAR 显著性检验最好覆盖整条CAR 曲线，即检验曲线上的每一点在纵轴方向上的显著性。
如果曲线上半数以上的CAR 点是显著的，那么就确认曲线的经济意义。
反之，否定曲线的经济意义。
)t ,t (CAR 21的计算已在前面介绍。
构造检验统计量的关键在)]t ,t (CAR [S 21的估计。
[以估计数据来源的不同，)]t ,t (CAR [S 21的估计可分为两种情况。
如果检验零假设较严格，不仅假设事件对股价收益的大小无影响，还假设对股价收益的波动无影响，那么可以依据事件窗口以前的数据来估计)]t ,t (CAR [S 21；如果检验零假设放宽至允许股价收益的方差发生变化，那么最好采用事件窗口的数据作为估计依据。
]对于前一种情况，我们将在讨论计量正常收益的均值调整模型和市场模型时介绍；对后一种情况，又可按照估计)]t ,t (CAR [S 21时所依据的数据方向划分为两种算法：时间序列方向和横截面方向。
以)AR (S t 代表t AR 的样本标准差，若事件窗口较长，可用事件窗口每期的t AR 来计算)AR (S t ：∑∑==+---=2121T T t 2T T t t 12t 12t )AR 1T T 1AR (T T 1)AR (S 而)AR (S 1t t )]t ,t (CAR [S t 1221+-=以)]t ,t (CR [S 21i 代表个股)t ,t (CR 21i 的横截面标准差，∑=--=N 1i 22121i 21i )]t ,t (CAR )t ,t (CR [1N 1)]t ,t (CR [S 而 )]t ,t (CR [S N 1)]t ,t (CAR [S 21i 21=上述检验方法都是要以异常收益的独立正态同分布为前提。
然而，在经验研究中，这一前提往往并不满足。
此时，可考虑采用非参数检验方法（主要是符号检验和秩检验）。
不过，大多数经验研究表明，即使有关异常收益分布的前提并不成立，参数检验的功效也还算过得去。
非参数检验在多数情况下是为了稳妥起见而作为参数检验的对照而使用的。
⑦ 得出实证结果根据计算出的事件收益及其统计检验结果，得出以下实证结果：[1] 事件对股价有无影响；[2] 如果有影响的话，影响的方向（正面或负面）；[3] 事件对股价的影响程度。
这里，特别需要指出样本选择标准对实证结果的限制，避免扩大实证结果的适用范围。