金融计量第九章事件研究法.pdf

金融计量第九章事件研究法.pdf

《金融计量第九章事件研究法.pdf》由会员分享，可在线阅读，更多相关《金融计量第九章事件研究法.pdf（75页珍藏版）》请在冰点文库上搜索。

PresentedByHarryMills/PRESENTATIONPRO第九章第九章事件研究法事件研究法汪昌云中国人民大学财政金融学院教授张成思中国人民大学财政金融学院教授戴稳胜中国人民大学财政金融学院副教授PresentedByHarryMills/PRESENTATIONPRO本章内容梗概本章内容梗概事件研究概述收益率估计统计检验事件研究与EviewsPresentedByHarryMills/PRESENTATIONPRO导读导读事件研究法是一种运用统计思想，针对某项经济事件对资产价格造成影响的程度和持续时间进行度量以及检验的研究方法。

对于那些存在明确发生时间的经济事件，在不同市场有效性的环境下，这一信息可能在资产价格上被提前或者延迟反应，抑或是反应过度或反应不足。

无论是哪一种信息传导、解释，并最终映射在资产价格上，都可以被事件研究方法所捕获。

借助这一研究方法，可以明确地对事件造成的影响程度和持续时间进行评价；是广泛地为理论学者以及金融从业人员应用的一种研究方法，不仅有重要的理论价值，而且具有实际的指导意义PresentedByHarryMills/PRESENTATIONPRO事件研究概述事件研究概述事件研究简介事件研究简介事件研究方法是衡量一个经济事件对企业影响的有效工具。

该方法的理论基础是：

在理性的市场上，某个事件对企业的影响会在相对短暂的一段时间内反映在相应的资产价格的变动上。

因此可以通过对公司价值变动的计量分析来评价事件的影响。

对于上市公司而言，就是研究事件发生前后公司的股价是否发生了异常变动。

PresentedByHarryMills/PRESENTATIONPRO事件研究概述事件研究概述过往研究综述过往研究综述最先提出事件研究方法的是Dolly（1933），他运用“事件研究法”对19211931年间的95个样本考察了股票分割的股价效应。

随后,Myers与Bakay（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，鲍尔和布朗（Ball，Brown，1968）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。

PresentedByHarryMills/PRESENTATIONPRO事件研究概述事件研究概述事件研究方法论这方面的研究主要着眼于事件研究方法本身的完善。

Farm等人（1969）为事件研究方法做出了开创性的贡献。

Brown和Warner在1980年、1985年分别采用随机抽样方法通过月度数据、日数据对估计期望收益的三种模型（均值调整模型、市场调整模型、市场模型）进行了比较。

在对异常收益的检验方面，针对参数检验方法存在的一些问题，Corrado（1989）提出了非参数的秩检验方法。

Kholari与Warner（2006）的研究总结了事件研究方法论两个方面的进步:

其一，日数据（有时指交易日）取代了月度数据;第二，用于估计异常收益与检验其统计显著性的方法变得越来越深奥。

相对来说，国内在事件研究方法论上的研究较为薄弱，主要集中于介绍现成的一些方法。

PresentedByHarryMills/PRESENTATIONPRO事件研究概述事件研究概述市场效率的检验对市场有效性的检验是事件研究的一大重要应用。

日收益率数据在事件研究法检验市场效率的研究中扮演了重要的角色。

Farna认为，日收益率数据有利于精确计量股价对某一事件的反应速度，同时，也有利于减少甚至消除共同检验问题（市场有效性总是和资产定价模型同时被检验的）。

国外的研究一般都得到了市场符合弱有效的结论。

我国学者在市场有效性方面的研究比较多，比如沈艺峰与吴世农（1999）采用长期事件研究方法考察了我国市场是否存在反应过度的问题，王永红与赵学军（2001）也间接地研究了市场有效性。

PresentedByHarryMills/PRESENTATIONPRO事件研究概述事件研究概述融资决策对公司价值的影响包括再融资（如债券、可转换债券、可转换优先股、配股与增发等）的发行公告股价效应和长期股价与经营（或会计）效应。

国外许多金融学家都采用事件研究方法对证券市场上广泛存在的IPO溢价和IPO之后公司绩效的长期弱势进行了研究。

有的金融学家对不同的融资方式进行了比较，一般的结论是：

普通股发行的股价效应约为-3%,可转换债券对应为-2%,而普通债券约为0.3%。

在再融资的长期绩效方面,事件研究的结果是:

股票发行后标的公司业绩呈现长期下滑的趋势,可转换债券发行后标的公司绩效也呈下滑态势（程度较股票低）,但普通债券发行前后公司的绩效基本保持不变。

我国的学者们也对我国市场上的再融资行为进行了研究。

比如，刘力等（2003）研究了证券市场上的增发效应，杨高峰等（2005）研究了上市公司配股对股东财富的影响，刘舒娜等人（2006）对上市公司发行可转债的行为进行了研究。

PresentedByHarryMills/PRESENTATIONPRO事件研究概述事件研究概述事件研究步骤事件研究步骤11）事件的定义事件的定义进行事件研究的第一步就是确定所要研究的事件和信息，并确定采用哪一段时期的股价变化来度量事件的影响。

22）正常与异常收益的定义与估计正常与异常收益的定义与估计正常收益被定义为事件发生后证券的预期收益，异常收益被定义为事件发生后证券的实际收益与正常收益之差。

研究者应该根据实际情况选择合适的计量模型，并采用相应的方法对模型的参数进行估计。

PresentedByHarryMills/PRESENTATIONPRO事件研究概述事件研究概述33）对异常收益的检验对异常收益的检验根据上一步估计出的异常收益计算出累积异常收益，对异常收益和累积异常收益进行统计显著性检验。

44）对结果分析对结果分析根据检验结果评价该事件对企业价值的影响，并对结果进行解释。

PresentedByHarryMills/PRESENTATIONPRO收益率估计收益率估计本节主要研究事件发生前、中、后期的预期收益率水平、异常收益和累积异常收益，探讨在事件研究中收益率的估计方法，详细介绍事件研究的基本思想和应用。

PresentedByHarryMills/PRESENTATIONPRO收益率估计收益率估计事件研究基本术语t=0表示事件日，t=-1表示事件日前一天，t=1表示事件日后一天，依次类推。

到为事件窗，事件窗内异常收益的大小用于度量事件对企业的影响程度；到为估计窗，用于估计正常收益模型中的参数；到为事后窗，事后窗用于估计事件日后证券价值是否发生了异常变化。

为了避免事件对估计的模型参数的影响，估计窗与事件窗一般不重叠。

估计窗的长短选取并无客观的标准，估计期太短会导致模型参数估计不够准确；估计期太长，数据可能发生结构性的变化，参数的值会发生改变。

同样，事件窗的长短选取也无客观的标准，但务必针对具体事件具体分析。

估计窗事件窗事后窗1T2T1T1T0T0T3T2T2T3TPresentedByHarryMills/PRESENTATIONPRO收益率估计收益率估计正常收益的计量模型正常收益的计量模型正常收益定义为事件窗内的预期收益用表示第个证券在第期的预期收益，令，L表示估计窗的长度。

itERit10LTTPresentedByHarryMills/PRESENTATIONPRO收益率估计收益率估计均值调整模型均值调整模型该模型假定事件窗内的期望收益为一个常数，该常数等于估计窗内收益的平均值，即：

市场模型市场模型该模型假设事件窗内证券的预期收益率与同期的市场收益率存在线性关系。

mtiiitRER111TTtititoRLERPresentedByHarryMills/PRESENTATIONPRO收益率估计收益率估计市场调整模型市场调整模型该模型假设事件窗内的预期收益等于事件窗内的某个市场收益指标，比如，我们研究苏宁电器，就可以选取深圳A股指数作为市场收益指标。

我们将该市场收益指标表示为，得：

mtRmtitRERPresentedByHarryMills/PRESENTATIONPRO收益率估计收益率估计三种模型的优劣三种模型的优劣Brown和Warner（1980，1985）的研究表明市场模型对于月度数据和日数据具有比较广泛的有效性，但有时采用均值调整模型也能得到较好的结果。

陈汉文与陈向民（2002）以1990-2000年在沪深上市的951家企业为样本，检验了上述三种模型的有效性，结果显示“市场模型的局限性以及均值调整模型在中国市场上的某些优势”。

陈信元与江锋（2005）以1990年12月至2003年12月沪深两市所有A股公司为抽样总体,检验了三种检验方法的检验力,研究发现,无论事件研究中各公司事件是否相近或重叠,都应采用市场模型为基础的非参数秩检验方法。

而累积异常收益的检验也应以市场模型为计算基础。

PresentedByHarryMills/PRESENTATIONPRO收益率估计收益率估计另外，计算期望收益率的模型还包括CAPM模型，以及基于APT的多因素定价模型，如Fama等提出的三因素模型、Carhart提出的四因素模型，但Brown和Weinstein（1985）的研究表明上述经济模型相对不受限制的市场模型来说没有实际优势。

总的来说，市场模型市场模型是运用得最为广泛的一种模型。

PresentedByHarryMills/PRESENTATIONPRO收益率估计收益率估计市场模型的参数估计市场模型的参数估计通过最小二乘法来估计出计算正常收益所需的参数估计窗内：

定义：

0001112111（,.）,.1mTmTtiiTiTimTRRRRRXR1,1,TTtRRoitmtiiitPresentedByHarryMills/PRESENTATIONPRO收益率估计收益率估计由回归分析的知识，可以知道：

假设在整个事件发生前后参数、的值保持稳定，从而可以得到事件窗内的正常收益为：

211*,2,1*TTTtRRmtttitii12（）,1tiitttiiiiiiiiiiXXXRRXL12var（）（）itiiiiXXPresentedByHarryMills/PRESENTATIONPRO收益率估计收益率估计异常收益的计量模型异常收益的计量模型以表示第个证券在第期的异常收益，异常收益定义为事件窗内的实际收益与正常收益之差，则itARititititERRARPresentedByHarryMills/PRESENTATIONPRO收益率估计收益率估计均值调整模型均值调整模型市场调整模型市场调整模型市场模型市场模型111TTtitititoRLRARmtititRRAR）（mtiiititRRARPresentedByHarryMills/PRESENTATIONPRO统计检验统计检验对异常收益的检验对异常收益的检验采用市场模型时，可以得到事件窗内的异常收益为：

在事件窗内影响股价收益的因素很多，为了去除公司个别因素对股价的影响，将样本中的异常收益进行横截面平均，得到平均异常收益：

其中，N为样本中包含的公司个数。

*itititRRARNiititARNRA1*1PresentedByHarryMills/PRESENTATIONPRO统计检验统计检验推导出异常收益的检验统计量。

由于、的估计值只与估计窗内的值有关，并且我们都假设因变量之间不相关，故与不相关令因此可以计算方差为：

将异常收益标准化：

*221var（）var（）var（）var（）var

（1）11=

（1）var（）1

（1）（）=iiiititititmtitmtiitiiiimtmtmtmtiiARRRRRRRRRXXRR102221（）1

（1）（）mmtTmtmtTRRLRRii*itRitR111TTtmtmoRLR*itAR）（*itititARVARARRAPresentedByHarryMills/PRESENTATIONPRO统计检验统计检验建立原假设：

异常收益在事件窗内为零。

如果在的基础上加上的假设，由回归分析的知识可以知道服从自由度为L-2的t分布，根据t分布的性质可以得到的均值为零，方差为。

t分布随着自由度的增加渐进于正态分布，所以当估计窗的长度很大时，服从正态分布。

即0H*itAR）1,0（:

Nit*itRA*itRA24LL*itRA）1,0（:

42*NLLRASitit1,1,TTtRRoitmtiiitPresentedByHarryMills/PRESENTATIONPRO统计检验统计检验对N家公司的异常收益率进行加权平均，当这N家公司的异常收益不相关时，由中心极限定理，可以得到，定义统计量：

可以知道，它在原假设条件下服从标准正态分布。

）1,0（:

11*NNSNNiitNiitRANLLNJ1211*1）4）2（PresentedByHarryMills/PRESENTATIONPRO统计检验统计检验累积异常收益及其统计量累积异常收益及其统计量令，可以计算第家公司期间的累积异常收益。

同样的道理，为了去除公司的个别因素对股价变动的影响，我们进行横截面平均，得到平均累积异常收益为：

22111TttTi,21tt2*112（,）tiitttCARttARNiittCARNttCAR12121）,

（1）,（PresentedByHarryMills/PRESENTATIONPRO统计检验统计检验建立原假设：

期间的累积异常收益率为0。

当每期的平均异常收益率之间不相关时，结合11-4式，由中心极限定理可以得到统计量：

它在原假设条件下服从均值为0、方差为1的正态分布。

21tt21*1122112212111）4）2

（1）,（ttiNiitSNttLLNttttCARJPresentedByHarryMills/PRESENTATIONPRO统计检验统计检验非参数的检验方法非参数的检验方法使用、统计量进行检验都需要比较强的假设，比如异常收益服从正态分布，N家公司之间不存在同期相关性，收益率的时间序列不相关等。

如果收益率数据之间存在较强的横截面相关或时间序列相关时，上述两个统计量的渐进正态分布都不成立。

相关性在长期事件研究（事件窗超过一年）中表现的尤为突出。

研究表明短期事件研究能得到较为可靠的结果，而对长期事件研究得到的结果需要采取谨慎的态度。

1J2J、PresentedByHarryMills/PRESENTATIONPRO统计检验统计检验Carrado（1989）提出了非参数的秩检验法。

令（）为事件窗的长度，整个样本由N个证券组成，设为证券i在t时刻异常收益的秩,t从T1+1到T2,事件日为t=0。

在对每一种证券按异常收益大小从1到排列的基础上,该检验法的原假设是:

在事件日异常收益为0的假设下,事件日非正常收益异常收益的秩为（L2+1）/2。

该检验的统计量为：

2L221LTTitK2L21121222212203）21（1

（1）（）（）21（1TTiNiitNiiLKNLLsLsLKNJPresentedByHarryMills/PRESENTATIONPRO事件研究法与事件研究法与EviewsEviews背景资料背景资料为了规范证券市场发展，证监会、证券交易所等机构加大了对上市公司违规行为的监管力度，并对一些违规行为进行了处理。

对于上市违规处理的对象，通过对上市公司违规处理的事件研究，我们可以从经济意义上分析上市公司的违规行为对公司价值的影响。

PresentedByHarryMills/PRESENTATIONPRO事件研究法与事件研究法与EviewsEviews文献研究文献研究陈工孟（2005）对19992001年我国证券市场上的违规处理进行了研究，结果表明违规处理公告对证券市场有负面效应，而且市场对不同的违规行为的反应也不同。

杨忠莲等（2008）选择了19932005年间中国证券市场上因为财务报告舞弊而受到中国证监会和财政部处罚的95家公司进行分析，研究发现上市公司的舞弊时间与第一大股东的性质有关，国有控股公司的平均舞弊时间超过其他性质的公司，并且市场反应与舞弊时间长短有关。

PresentedByHarryMills/PRESENTATIONPRO事件研究法与事件研究法与EviewsEviews检验市场的有效性检验市场的有效性市场的有效性分为三个层次：

弱有效、半强有效、强有效。

强有效性强有效性是指市场上所有的信息，不管是公开信息还是私人信息都在证券的市场价格中得到了反应，掌握了私人信息的投资者不能靠此来获得异常收益。

这只有在不存在信息不对称的情况下才可能成立，显然，在一般情况下是不可能成立的。

弱有效性弱有效性是指今天的股票价格包含了股价的所有历史信息，投资者不可能通过对股票历史价格的分析来获得异常回报。

在弱有效性假设下，技术分析无效。

迄今为止，国内外的研究基本上都表明证券市场满足弱有效性的要求。

PresentedByHarryMills/PRESENTATIONPRO事件研究法与事件研究法与EviewsEviews半强有效性半强有效性是指：

证券的价格充分反映了所有公开可用的信息，包括如公司的财务报表和历史上的价格信息。

只有未被市场预期到的信息才会对现在的股票价格产生影响。

它隐含的假设是在市场上信息的传播是很快速的，所有的投资者都能公平的获得信息。

而任何未被市场预期到的信息对市场的影响都是短暂的、快速的，不会对市场的运行产生长期效应。

对市场半强有效性的研究通常采用事件研究法。

在一个半强有效的市场上，信息一旦披露，将立即被市场消化和吸收，并反映在价格中，因此某一时刻的股票的异常收益率就只与当时披露的消息有关，今天披露的消息不会对今后的异常收益率产生影响。

因此，对半强有效性的检验也就是研究某一时间披露的消息是否影响其他时间的异常收益率。

PresentedByHarryMills/PRESENTATIONPRO事件研究法与事件研究法与EviewsEviews数据来源数据来源使用的上市公司违规处理数据来源于国泰安的中国上市公司违规处理的研究数据库，样本期间为2001年1月1日至2009年8月。

在这期间数据库中一共记录了889家次的上市公司违规处理事件，发布处理意见的监管机构包括证监会、上海证券交易所、深圳证券交易所、财政部等，受罚对象包括公司、管理层、公司和管理层，股东。

PresentedByHarryMills/PRESENTATIONPRO事件研究法与事件研究法与EviewsEviews本次研究保留有监管机构公布日期的515家次公司样本，把监管机构的公布日期作为事件日。

通过与收益率数据库的数据匹配，剔除股权结构数据缺失的样本，剩余样本含有398起的公司违规处理事件。

最终，选择监管机构正式公布处罚决定为事件日t=0，事件窗为-10,10，估计窗为-100,-30,事后窗为10,30。

为了估计异常收益率，我们需要事件日前100天到事件日后30天的个股收益率数据和对应市场的收益率数据。

PresentedByHarryMills/PRESENTATIONPRO事件研究法与事件研究法与EviewsEviews数据整理数据整理数据匹配的最终目的是将受到处理的上市公司从事件日前100天到事件日后30天的股价收益率数据和对应的市场收益率数据匹配起来，便于回归。

将违规处理事件按照年代分成了2001年到2009年一共10类，分别将之于收益率数据进行匹配。

PresentedByHarryMills/PRESENTATIONPRO事件研究法与事件研究法与EviewsEviews数据匹配数据匹配以以20012001年为例年为例收益率数据我们需要的是事件日前100天到事件日后30天的数据，而一般情况下扣除节假日，一年内股市的交易日天数为252天，2001年前后半年的数据足以涵盖这些日期的收益率。

因此，我们下载从2000年6月1日至2002年6月1日的个股日收益率数据，把数据存入Excel表格，命名为“TRD_Daylr.xls”。

它的第1列存放股票代码，第2列存放交易日期，第3列存放收益率（考虑红利的再投资收益率）。

PresentedByHarryMills/PRESENTATIONPRO事件研究法与事件研究法与EviewsEviews违规处理事件数据所有违规处理事件都存储在名为“RE_A1.XLS”的Excel表格中。

第1列存放股票代码，第2列存放违规处理的公布日期，第3列存放该股票上市的交易所代码。

PresentedByHarryMills/PRESENTATIONPRO事件研究法与事件研究法与EviewsEviews匹配的基本过程第一步，判断该公司违规处理公布的日期是否是2001年；如果是，再从表格“TRD_Daylr.xls”找到该天这家公司股票的收益率情况，并将该收益率连同该日前100个收益率和后30个收益率存放在表格“TRD_Daylr.xls”的Sheet2中,同时也把该股票所在的交易所代码存入工作表Sheet2。

PresentedByHarryMills/PRESENTATIONPRO事件研究法与事件研究法与EviewsEviews上一过程的VBA程序代码Subaaa（）DimA1AsWorksheet,A2AsWorksheet,pAsInteger,tsAsInteger,iAsInteger,jAsIntegerts=1SetA1=Workbooks（RE_A1.XLS）.Worksheets（Sheet1）SetA2=Workbooks（TRD_Dalyr.XLS）.Worksheets（Sheet1）Workbooks（TRD_Dalyr.XLS）.Worksheets（Sheet2）.Selectm=A1.UsedRange.Rows.Countn=A2.UsedRange.Rows.CountFori=2TomIfYear（A1.Cells（i,2）=2001ThenForj=2TonIfA1.Cells（i,1）=A2.Cells（j,1）AndA1.Cells（i,2）=A2.Cells（j,2）ThenForp=-100To30Cells（ts+101+p,1）=A2.Cells（j+p,1）Cells（ts+101+p,2）=A2.Cells（j+p,2）Cells（ts+101+p,3）=A2.Cells（j+p,3）Cells（ts+101+p,4）=A1.Cells（i,3）Nextpts=ts+131EndIfNextjEndIfNextiEndSubPresentedByHarryMills/PRESENTATIONPRO事件研究法与事件研究法与EviewsEviews有些公司在一段时间发生了重大问题导致股票交易发生了异常，停牌天数过多，在样本中表现为无法找全事件日前100个交易日到事件日后30个交易日的收益率数据。

如果将这些公司也引入样本进行分析的话，就无法正确识别出违规处理事件对公司股价的效应，另一方面也会导致在估计窗内对模型的参数估计不稳定。

因此我们将此类事件从样本中剔除，得到最终的样本包含违规处理事件285件次。

其中上海A股市场有117个，深圳A股市场有152个，深圳B股市场有16个。

我们将所有的日收益率数据汇总到一个Excel文件的Sheet1中,将该Excel文件命名为“Stock_return.xls”。

PresentedByHarryMills/PRESENTATIONPRO事件研究法与事件研究法与EviewsEviewsStock_return.xls”。

该表格形股票代码日期收益率市场类型6007110.001517上海A股6007110.014141上海A股600711-0.02141上海A股600711-0.0