计量经济学期末作业通过事件分析法看中国资本市场的有效性以海信电器为例.docx

计量经济学期末作业通过事件分析法看中国资本市场的有效性以海信电器为例.docx

《计量经济学期末作业通过事件分析法看中国资本市场的有效性以海信电器为例.docx》由会员分享，可在线阅读，更多相关《计量经济学期末作业通过事件分析法看中国资本市场的有效性以海信电器为例.docx（15页珍藏版）》请在冰点文库上搜索。

计量经济学期末作业通过事件分析法看中国资本市场的有效性以海信电器为例

通过事件分析法看中国资本市场的有效性—以海信电器为例

摘要

考查和检验我国资本市场的有效性是许多学者关心的问题之一。

资本市场的有效性是指在一个证券市场中，价格完全反映了所有可以获得的信息。

其中半强式有效的形式认为股票价格已充分反映出所有已公开的上市公司的营运前景的信息，则在市场中利用技术分析和基本分析都失去作用。

本文从2012年7月的“家电骗补事件”入手，以海信电器为例，运用事件分析法对我国资本市场的有效性进行了案例分析。

通过对计量经济模型的验证分析，一定程度上支持了我国资本市场半强式有效的假说。

关键词：

事件分析法累计非正常收益率（CAR）资本市场有效性

目录

1导论3

1.1事件背景3

1.2文献综述3

2、事件研究法分析中国资本市场的有效性3

2．1事件分析法（EventStudy）论述3

2．2事件分析法的步骤3

3、事件分析法在海信电器骗补事件中的应用3

3．1确定事件窗（EventWindow）:

3

3．2计算收益率3

3．3异方差性检验3

3．4序列相关性检验3

4、事件分析法的结论3

参考文献3

1导论

1.1事件背景

2012年7月9日，一则消息称“部分家电企业涉嫌骗取国家节能补贴。

”根据媒体报道，节能补贴政策实施一个多月来，一些标称享受国家节能补贴的家电产品，实际能效指数并不符合节能补贴要求，个别家电企业涉嫌骗取国家节能补贴。

这篇报道重点指出了海信电器。

受此影响，海信电器（600060.SH）昨天应声下跌，并最终收于跌停板。

海信电器营销公司副总经理胡剑涌对于媒体报道做出的澄清最终没能挽救股价跌停的命运。

蝴蝶效应立马显现，7月9日，一度让海信电器、美的电器跌停，青岛海尔、深康佳A、小天鹅A、澳柯玛等出现不同程度的跌幅，显示出了行业的脆弱性。

受大跌影响，海信电器市值一天蒸发近14亿元，而美的电器市值更是损失超过36亿元。

此后一周，海信股价继续下跌，7月16日，收报9.05元每股，再次刷新三年股价最低价。

尽管海信不停地出来澄清，还是没有办法打消众多媒体对“海信骗补”的疑虑，投资者继续看空海信。

1.2文献综述

事件分析法主要是分析某事件对于社会经济生活是否有冲击作用。

Thomas（2009）采用事件分析方法研究了来自美国市场上的重大事件对德国股市带来的冲击,在研究中使用了带自回归项的市场模型。

国内对事件分析方法的应用主要集中于股票市场。

范龙振和陈辰（2001）通过检验各转配股的累计超常回报率、超常回报率及受影响股票市场平均反映的方法研究了转配股上市这一事件对股市的影响。

陈信元和江峰（2005）建议采用市场模型为基础的非参数秩检验法以检验事件日市场是否对信息做出反应,而累积非正常收益的检验也应以市场模型为计算基础。

在资本市场有效性的相关文献方面，有结论支持有效性假说，也有结论证伪了我国资本市场的有效性。

例如。

Xin、Chen和Firth（2006）采用随机游走检验和协整检验法研究了铜、铝期货市场的有效性,结果表明中国的铜、铝期货市场具有效率；赵昌文等（2000）等使用主成分模型对中国证券市场的有效性进行了检验，认为中国证券市场已处于弱式有效阶段，并具有明显的不稳定性。

但是陈晓和陈淑燕（2001）运用交易量研究方法,发现虽然股票市场对于包括盈余信息在内的整体年报信息的反应是显著的，我国证券市场的效率距离成熟资本市场尚有一定的差距。

本文将借鉴事件分析法，从海信电器的骗补事件入手，为我国资本市场的有效性提供一个实例分析。

2、事件研究法分析中国资本市场的有效性

2．1事件分析法（EventStudy）论述

在本文对资本市场的有效性的实证研究中，事件研究法将是运用的的主要研究方法。

事件研究法是基于有效市场假设基础上的一种强有力的研究方法。

尽管对于事件研究法的学术实践可以追溯到20世纪30年代，但是，这种方法的完善和广泛接受则是要以Ball和Brown成功运用事件分析法对会计盈余报告的市场有用性进行的经验证明以及Fama等对股票分割的市场反应所作的研究作为开始。

在会计学和金融经济学领域，事件研究法是一个重要的分析工具。

所谓事件研究法实际上是一种经验性财务研究技术，应用这种技术可以使观察者评估某一特定事件对公司股价的影响。

它的突出优点是，研究过程简单明了、研究思路逻辑性强，即某事件的发生是否影响了时序性价格数据的产生。

事件研究法的原理是:

证券市场的股票价格与特定的事件（公司股利宣告、公司并购公告等）存在关联性，如果事件影响显著，公司的股价波动状况就会明显异于没有此事件时的表现，那么就会产生非正常收益。

在事件研究过程中主要应用统计分析方法来检验非正常收益状况，从而确定该特定事件对公司股价造成的影响程度。

2．2事件分析法的步骤

1、事件日、事件窗、估计窗的定义

事件日是公司重大事件的发生日或重要信息的公布日，也是我们研究某一特定事件对公司股票价格影响的分界点，本文的案例的事件日是2012年7月9日，即媒体报道“骗补事件”的日期。

事件窗是研究者确定的以事件日为中心的特定事件影响所及的时间跨度。

如果将事件日当日之事件期定为第O日（周、月），整个事件期长度为L，则事件窗定义如下所示:

a、若L为奇数，则事件起迄日为[-（L—1）/2，（L—l）/2]

b、若L为偶数，则事件起迄日为[-L/2，L/2—1]

本文选取的事件长度L为2012年的12个月，事件窗为[-6，5]。

估计窗是研究者确定的以事件窗的起点为终点的特定事件影响未及的时间跨度。

如果事件期长度为L，估计期长度为T，则估计期间的起迄定义如下所示:

a、若L为奇数，则估计期间为[-T—（L—1）/2，—（L—1）/2—1]

b、若L为偶数，则估计期间为[-T—L/2，—L/2—1]

本文选取的估计期长度T为6个月，则估计期间为[-12，-7]

2、期望收益率的估计

应用事件研究法的关键就是用非正常收益来确定某一特定事件的影响程度，为了达到这个目的，事件研究法的一个重要步骤就是设计和选择计算正常收益的模型，Campen.Lo和Mac.Kinlay（1997）认为，可以用于剔除市场影响而计算正常收益的模型主要分为两大类:

经济模型和是市场模型。

在本文的研究中，作者将用经济模型中的资本资产定价模型对上市公司证券的期望收益作出估计。

计算公式及方法如下：

（1）将公司股价和市场指数转化成每月收益率（或称回报率）：

　　每月股票收益率=（当月价格—前一月价格）/前一月价格

　　每月指数收益率=（当月指数—前一月指数）/前一月指数

（2）经济模型:

资本资产定价模型（CapitalAssetPriCingModeL）

Ri=Rf+βix（Rm-Rf）+εi

=（1-βi）xRf+βixRm+εi

=аixRf+βixRm+εi

其中，Ri是股票i在t时期的期望收益率；Rm是市场在t时期的收益率；Rf为无风险收益率；εi为随机扰动项。

利用Eviews中最小二乘估计法对上式进行回归，用参数估计期数据估计出βi，并假定在事件期里，Rf和βi保持不变，通过实际收益率减去期望收益率，我们可以得到事件期的非正常收益率和累计非正常收益率。

3、非正常收益率的估计

在应用事件研究法对特定事件对上市公司股票价格影响的研究过程中，研究者通常用非正常收益率指标来检验特定事件对上市公司股价影响的程度，在实际中用到最为频繁的就是以下两个指标:

a、非正常收益（AR）=实际收益—期望收益

b、累积非正常收益（CAR）:

（Cumulativeabnormalreturn，CAR）　

累计非正常收益率为每只股票在形成期内月非正常收益率的简单加总。

CAR=ΣAR

4、显著性检验

在非正常收益满足独立、同分布和正态的条件下，如果没有其他事件发生，那么待检验统计量服从T分布，而在自由度足够大的时，待检验统计量则可以近似看作标准正态分布。

在涉及累积非正常收益进行检验时，如果没有其他事件发生，那么统计量可以近似看作标准正态分布。

常见检验指标:

T一statistie=（abnormallreturn）/（standarddeviationofabnormalreturn）

即:

t=AR/6i服从N（O，1）分布。

3、事件分析法在海信电器骗补事件中的应用

应用事件研究法对骗补事件对海信电器的月收益率影响的研究步骤主要分以下几步进行:

3．1确定事件窗（EventWindow）:

尽管这一部分所要研究的是骗补事件对月收益率的影响，但是，为了降低其他随机因素对股票价格所产生的影响，我们将月收益率的研究期扩展到12个月。

在研究过程中我们将骗补事件的公告月份确定为T=0，事件窗为（-6，+5）即骗补事件公告前T1=-6个月到事件公告后T2=+5个月。

3．2计算收益率

对于月实际收益率是通过查询样本公司事件窗内相应月份最后一天的收盘价和前一月份最后一天的收盘价计算获得，而月期望收益率则是通过资本资产定价的市场模型计算得到的。

1、月收益率:

（1）样本公司收益率：

对于样本公司事件期内的实际月收益率，我们通过查询每一月份最后一天的收盘价通过以下公式计算获得:

Ri=（Pit—Pit-1）/Pit-1

（1）

其中Pit是样本公司即海信电器第t月最后一天的收盘价，而Pit-1则是样本公司上一月份最后一天的收盘价。

（2）市场组合收益率：

相应的第t月份的市场组合收益率，在本文的研究中我们采用相应的样本公司上市交易所的市场指数收益率，即采用上证指数收益率。

具体的计算公式如下：

Rm=（It—It-1）/It-1

（2）

其中It是相应月份上证指数的第t月份最后一天的收盘点数，而It-1是前一月份的最后一天的收盘指数。

由于指数点数已经考虑了派息、送股、配股等因素的影响，所以不需要进行复权处理。

2、经济模型法:

对于海信电器的股票，我们选择该骗补事件日前30个月（即从第T=0月开始向后延伸30个月）历史月收益率和相应的市场历史月收益率，基于资本资产定价模型（CAPM），以样本公司的月历史收益率为因变量，相应市场历史月收益率为自变量建立了如下的一元回归模型。

Ri=Rf+βix（Rm-Rf）+εi

=（1-βi）xRf+βixRm+εi

=аixRf+βixRm+εi

其中，Ri是股票i在t时期的期望收益率，通过公式

（1）可以计算得到；

Rm是市场在t时期的收益率，通过公式

（2）可以计算得到；

Rf为无风险收益率，用同期的国债利率表示；

βi是回归系数，用来衡量第i家样本公司的股票收益率对市场收益率的敏感度；εi为随机扰动项。

运用Eviews软件中最小二乘估计法对上式进行回归，利用参数估计期的历史数据估计出βi。

表1Eviews输出的最小二乘法估计结果

从表1可以得到F统计量和D.W.统计量。

从斜率的参数估计值的t统计量所对应的Prob值趋近于零来看，参数估计值为零的概率接近于零。

也就是说，在1%的显著水平下，参数估计值显著不为零的。

根据表1对应的参数估计结果，可以写出海信电器的历史收益率与市场收益率的经济模型如下：

Ri=аixRf+βixRm

=0.011+1.899Rm（3）

3、期望收益率：

式

（2）中1.899就是用参数估计期数据估计出的βi，并假定在事件期里，Rf和βi保持不变，可以求出海信电器在事件窗即2012年1至12月份的的期望收益率。

对于事件窗内的期望收益率可以通过回归方程式（3）计算获得。

4、非正常收益率：

通过实际收益率减去期望收益率，我们可以得到事件窗的非正常收益率和累计非正常收益率：

a、非正常收益（AR）=实际收益—期望收益

b、累积非正常收益（CAR）:

（Cumulativeabnormalreturn，CAR）　

CAR=ΣAR

在这一部分的研究，我们主要验证的是:

Ø在中国资本市场半强有效市场假设成立的条件下，资本市场对上市公司骗补事件的反应如何?

Ø如果中国资本市场半强有效市场的假设不能成立，那么我们应该从以下三个方面对骗补事件所产生的影响加以验证:

a、在骗补事件公布之前是否存在上市公司骗补信息泄露的情况?

b、投资者对上市公司骗补事件的预期在事件窗内是否会引起上市公司股票价格波动，从而影响其实际收益率水平和累计非正常收益水平?

c、是否存在庄家利用上市公司骗补这一信息操作股票的现象?

指标

时间

市场收益率（Rm）

期望收益率

实际收益率

非正常收益率（AR）

累计非正常收益率（CAR）

2012/1

0.04237

0.091461

0.180135

0.088674

0.088674

2012/2

0.059269

0.123551

0.440086

0.316534

0.405208

2012/3

-0.06823

-0.11857

-0.11441

0.004159

0.409367

2012/4

0.059011

0.123062

-0.02013

-0.1432

0.26617

2012/5

-0.01005

-0.00809

0.093037

0.101127

0.367297

2012/6

-0.06188

-0.10652

-0.12219

-0.01568

0.351619

2012/7

-0.05473

-0.09293

-0.48364

-0.39071

-0.03909

2012/8

-0.02667

-0.03965

-0.06567

-0.02602

-0.0651

2012/9

0.018876

0.046846

0.207152

0.160305

0.095202

2012/10

-0.00829

-0.00474

-0.15935

-0.15461

-0.05941

2012/11

-0.0429

-0.07047

-0.02309

0.047385

-0.01202

2012/12

0.145955

0.288168

0.257463

-0.03071

-0.04273

表2事件窗内的非正常收益率（AR）和累计非正常收益率（CAR）

图1事件窗内的累计非正常收益率CAR

从表2和图2可以看出，骗补事件发生后的7月份，海信电器的累计非正常收益率大幅度下降，由正变为负，之后的几个月也主要出现低收益率的平稳趋势，这与有关文献认为中国资本市场是半强式有效的假设一致。

3．3异方差性检验

计量回归模型一旦出现异方差性，如果仍然采用OLS估计模型参数，则会产生参数估计量非有效、t检验和F检验失效、模型的预测失效等后果。

因此，为了保证表1的OLS估计量是线性无偏且有效的，本文对回归模型（3）进行了异方差检验。

1、图示法

图2ei2-Xi散点图

从图3可以看出，ei2-Xi散点图的点主要分布在下面部分，大致可以看出，残差平方ei2没有任何系统样式，表明数据中也许不存在异方差性。

但这只是一种直观的判断，模型是否真的存在异方差性，还需进一步检验。

2、White检验

表3White检验的输出结果

从表3可知，Obs*R-squared对应的Probability值为0.302658，因此，可以在10%显著水平下接受原假设，认为模型不存在异方差性。

3．4序列相关性检验

本文采用的是骗补事件日前30个月（即从第T=0月开始向后延伸30个月）历史月收益率和相应的市场历史月收益率，这些都是时间序列数据。

而大多数时间序列数据都具有经济惯性，连续的观察值之间很可能是相互依赖的。

因此，为了避免经济模型出现序列相关性而导致的参数估计量非有效，我们采用OLS法估计模型中的参数时，还要进行序列相关性的检验。

1、图示法

图3残差resid随时间t变化的图形

从图4可以看出，残差并不随着时间发生规律性的变化，因此经济模型的随机项εi是非序列相关的。

2、拉格朗日乘数检验（LM检验）

表4LM检验的输出结果

表4中的Obs*R-squared指的就是LM统计量，其对应的Probability值就是LM检验的原假设成立的概率。

由于Probability值为0.395491，显著不为零，因此可以判断不存在1阶序列相关性。

1阶滞后期不显著，可以无需进行2、3阶滞后期的显著性检验。

综上所述，由于经济模型不存在异方差性和序列相关性，可以利用模型

（2）的OLS回归结果，对海信电器的期望收益率进行估计，从而得出的累计非正常收益率是有效的。

4、事件分析法的结论

（1）从图2可以看出，在中国资本市场半有效市场假设前提成立的条件下，我们可以认为，在骗补事件公告之后，资本市场会对上市公司的骗补事件作出消极的回应，因而出现了公告日后期股票价格的持续下跌。

（2）从表2可以看出，非正常收益率水平在公告日前的5、6月份均高于0.3且比较稳定，但公告日后的当月即7月份的累计非正常收益马上由正变为负，之后几个月的CAR也基本为负。

因此我们也可以得到与前面假设相同的结论，庄家不能利用上市公司骗补事件的内幕消息来操作股票，尽管由于投资者对上市公司骗补事件的预期在事件期内会产生消极影响，导致上市公司的CAR大幅下跌，但是骗补事件前后的几个月的CAR均处于比较稳定的状态，这与中国资本市场是半强式有效的假说是一致的。

当然，本文的实证研究也存在一些不足之处：

（1）利用基于累计非正常收益率的事件研究法是否全面而又准确地反映了公司并购绩效的改善或恶化状况，有待商榷；

（2）本文选取的样本数据是月数据，样本容量有限，可能导致样本特征的不准确。

尽管如此，本文通过理论研究和实证研究，借助海信电器的股价数据和宏观的市场指数的数据，在一定程度上反应了骗补事件对上市公司累计非正常收益率的影响，为我国资本市场半强式有效性的假说提供了案例分析与实证支持。

参考文献

[1]胡炳志、王兵中国资本市场的效率分析［J］.管理世界，2002（9）：

136-137

[2]陈　晓、陈淑燕股票交易量对年报信息的反应研究——来自上海、深圳股市的经验证据［J］.金融研究，2001（7）：

99-102

[3]左和平、龚志文内部资本市场:

治理结构、机制与有效性［J］.会计研究，2011（3）：

62-66

[4]　陈晓,陈小悦,刘钊A股盈余报告的有用性研究——来自上海、深圳股市的实证证据经济研究，1999（6）：

88-103

[5]　赵宇龙,1998,会计盈余披露的信息含量——来自上海股市的经验数据,经济研究，1998（7）125-128。

[6]赵玉、祁春节中国大豆期货市场有效吗?

——基于事件分析法的研究［J］.经济评论，2010

（1）：

114-116