1、n事件研究（Event Study ）：方法与应用主要内容一、事件研究的背景及在金融、会计研究中的应用一、事件研究的背景及在金融、会计研究中的应用二、事件研究的定义、基本原理与步骤二、事件研究的定义、基本原理与步骤三、三、非正常报酬率（非正常报酬率（AR,CARAR,CAR）的估计与检验）的估计与检验四、事件研究的具体实施：以检验上市公司年度盈四、事件研究的具体实施：以检验上市公司年度盈余信息的有用性为例余信息的有用性为例五、事件研究在五、事件研究在SASSAS和和StataStata等软件上的实现等软件上的实现六、事件研究：问题与扩展六、事件研究：问题与扩展七、讨论七、讨论事件研究的背景及在
2、金融、会计事件研究的背景及在金融、会计研究中的应用研究中的应用n事件研究主要是检验公司事件前后股票价格的行为（包括股票报酬的均值和方差，股票交易量等）。nBall and Brown(1968),Beaver(1968),Fama et al.(1969)nPrior to that time, “there was little evidence on the central issues of corporate finance. Now we are overwhelmed with results, mostly from event studies” (Fama, 1991, p.
3、1600).n1974-2000年，在JB,JF JFE,JFQA和RFS上，报告事件研究结果的文章总数为565篇。其中JF和JFE各超过200篇（Kothari and Warner,2004）。n尚不包括主流的会计杂志，如AR,JAE,JAR,CAR,RAS.n主要的应用n1.财务决策对公司价值或股东财富的影响，如Fama,Fisher, Jensen, and Roll （1969）研究股票分割的市场影响。其他应用如兼并重组等的影响。n2.检验市场的有效性。如果，特定公司事件后存在系统的非零非正常报酬率，表明同EMH不一致。通常是联合检验。n3.会计研究领域，主要集中在盈余公告对股票价格
4、的影响上。其他公告如股息公告，配股增发公告，关联交易公告等。n4.经济学与法学研究领域，主要集中于政策和监管的影响。某一重大金融监管政策对银行股的影响。某一重大法律的颁布对相关行业的影响。事件研究的定义、基本原理事件研究的定义、基本原理n定义定义指运用金融市场的数据资料来测定某一特定经济事件对公司价值的影响。n基本原理基本原理 假设市场理性，则有关事件的影响将会立即反映在证券价格之中。于是，运用相对来说比较短期所观察到的证券价格就可以测定某一事件的经济影响。 事件研究的基本步骤事件研究的基本步骤1 1 事件定义（事件定义（Event definitionEvent definition）n确定
5、所要研究的事件（重要事件）n明确事件所涉及公司证券价格的研究期间事件窗 (event window) 2 2 样本选择标准（样本选择标准（Selection criteriaSelection criteria）样本选择标准：应当将哪些公司包括进来确定标准（主要取决于研究目的）。包括考虑数据的可获得性。 概括数据样本的特征 (如公司的资本化市值、行业代表性、整个期间事件的分布等 )，并说明通过选样可能导致的任何偏差 。3 3 估计正常和非正常报酬率估计正常和非正常报酬率 n正常报酬率是指假设不发生该事件条件下的预期报酬率。n非正常报酬率是指事件窗内实际的事后报酬率减去事件窗内证券的正常报酬率之
6、后的差额。titititXRER|*4 4 参数估计（参数估计（Estimation procedureEstimation procedure）n界定估计窗 (estimation window) (estimation window (event window利用估计窗数据进行参数估计,当t-150,-11(T0-T1)。T0T10T2T3(估计窗(事件窗(后事件窗itiimtitRR5 5 检验（检验（Testing procedureTesting procedure） n原假设 (the null hypothesis)的确定 通常假定H0:AR和CAR为0,或不同组的CAR没有差异
7、（好消息、无消息和坏消息）n构造统计量（包括参数和非参数检验等） 6 6 实证结果（实证结果（Empirical resultsEmpirical results）n当样本有限时，实证结论可能受一两个公司（极端值）的严重影响，因而必须作出相应的说明。 7 7 解释和结论（解释和结论（Interpretation and Interpretation and conclusionsconclusions）n解释有关事件的影响 (或无影响 )产生的原因和机制。 非正常报酬率的估计与检验非正常报酬率的估计与检验n估计窗： T0-T1（L1=T1-T0）n事件窗： T1-T2（L2=T2-T1）n事件
8、日： 0 n事件窗后： T2-T3 (L3=T3-T2)n事件窗和估计窗之间通常应留有间隔T0T10T2T3(估计窗(事件窗(后事件窗n事件窗的非正常报酬率（收益）定义为：事件对公司价值（股东财富）的影响程度。n假定：事件是外生的。n思考：何种情况下不是外生的？n估计非正常报酬率之前，需要首先估计正常报酬率（基准）。通盈余管理中的研究思路基本上是一致的。n常见的正常报酬率估计模型常见的正常报酬率估计模型n统计模型n通过对报酬行为的统计假设获得正常报酬率。n经济模型n通过从理论上推导投资者行为来对统计模型施加限制（CAPM）.1 常均值报酬率模型 (the constant mean model
9、) 即假定某一证券的平均报酬率不随时间的改变而改变。通常，可以将估计窗的公司报酬率均值作为正常通常，可以将估计窗的公司报酬率均值作为正常报酬率。报酬率。itiitR 0itE 2iitVAR评论：均值报酬率模型虽然简单，但可得到与复杂的模型相近的结果Brown and Warner （1980、1985）。由于即使采用了更为复杂的模型也未能降低ARs的方差，因此估计CAR对模型的选择并不敏感性。2市场模型(market model)即假定市场报酬率与证券报酬率之间存在稳定的线性关系。市场模型剔除了报酬率中与市场报酬率波动相关的部分，从而降低了AR的方差。 0itEitiimtitRR2iitV
10、ARn可以证明，通过市场模型估计的CAR的方差要少于通过均值报酬率获得的CAR的方差。n市场模型中n均值报酬率模型中itiRVarRi2212iitVar R3.其他统计模型n通常，统计模型是因素模型，而因素通常是交易证券的组合（Typically the factors are portfolios of traded securities.）n因素模型（factor model）none-factor model(e.g. market model)nmultifactor modeln市场模型是单因素模型，多因素模型中，除了市场这一因素外，还可以包括行业指数。也可以在行业分类的基础上讨论
11、多因素模型。其他因素：规模。n由于附加因素的边际解释能力很小，事件研究中使用多因素模型的优点有限。n有时由于数据获取的限制，比如无法获得事件前的估计期数据，就可以受约束的市场模型，即经市场调整的报酬模型（marked-adjusted-return model）。n经市场调整的报酬模型常常用于首次公开发行（IPO）证券抑价（underpricing）的研究（Ritter，1990）。n这一模型往往作为最后的考虑。n4.经济模型n主要包括：CAPM和APTn在20世纪70年代中，CAPM得到了广泛应用。后来发现应用CAPM出现了偏差，事件研究中几乎停止使用了CAPM模型。n对CAPM模型的拓展：
12、nFama-French（1993）三因素模型nCarhart（1997）四因素模型 n计算正常报酬率的其他分类法计算正常报酬率的其他分类法均值调整报酬模型（Mean-adjusted return model）市场调整报酬模型（market-adjusted return model）风险调整报酬模型（risk-adjusted return model）均值调整报酬模型（Mean-adjusted return model）n 是证券i在估计期（t0-t1期间）的平均报酬率 。n即，正常报酬率是股票前几期的平均报酬率( 01)i ttititARRR( 01)i ttR市场调整报酬模型（m
13、arket-adjusted return model）以市场报酬率作为个股的正常报酬率，即在market model 中，令即：该模型应用于无法事前估计模型参数的情况。现阶段我国实证研究中得到了广泛应用。0i1iititmtARRRn风险调整报酬模型（risk-adjusted return model）n主要指通过市场模型（Market model）和资本资产定价模型（CAPM）来估计正常报酬率和非正常报酬率。市场模型下的AR估计1.在估计窗运用市场模型，以估计正常报酬率从估计窗中运用OLS得到iiiiXRiitiimtitRRn根据OLS的估计原理，可知：2.把 代入事件窗中求非正常报酬
14、率（AR）*表示事件窗的数据iARAR的统计性质的统计性质nAR的期望收益为0，具有无偏性；nAR的协方差矩阵由两部分构成：第1项是来源未来扰动项的方差，第2项来源于抽样误差。n获得单个证券AR的分布后，就可以求得AR加总的分布。*(0,)iiiARNV3.计算每只每只证券事件窗事件窗的累计非正常报酬率CAR与标准化非正常报酬率SCAR *12,iiCAR 121212,iiiCARSCAR 4.计算N只证券的平均累计非正常报酬率 121211,NiiCARCARN 121211,NiiSCARSCARN 5.统计检验。即检验全部证券（或不同组证券）平均累积非正常报酬是否显著异于0或存在显著差
15、异。12112212,0,1,CARJN1 ,0,242121112NSCARLLNJ统计量统计量J J1 1与与J J2 2的选择的选择n如果对于不同的证券，非正常报酬率一致（或差别不大），则采用J2较好；n如果对于方差较大的证券，非正常报酬率较大，则采用J1较好。n研究结果对J1与J2的选择并不敏感。CAS的计算：注意事项n根据不同的研究设计，CAR的计算形式有所不同：n（1）可以计算每个公司i事件窗（t1，t2）的CARi(t1,t2)，检验所有公司的CARi(t1,t2)（i1，2，N）的均值是否显著异于0，或者不同组公司的CAR是否存在显著差异，其中T1t1=t2=T2。n每个公司i
16、事件窗（t1，t2）的CARi(t1,t2)计算如下：n注意，计算每个公司在事件窗（t1，t2）的CAR时，就是累计值，不能取平均。即：n（赵宇龙，2000：P91的表述是错误的） 2121( ,)ttit tCAR t tAR2121211( , )1ttit tCAR t tARttn（2）如果选择的事件窗足够长，通过逐期滚动累加AR，可以绘制CAR(t1,t2)的直观图形（先计算(t1,t2)中每天所有公司的平均AR，然后逐期滚动累加（如果只有1家公司，则为(t1,t2)中公司每天的平均AR，然后逐期滚动累加）,计算过程如下：n在事件窗每一天的所有公司的平均报酬n第一步： ，tt1.t2
17、。n第二步：,（Endt1t2滚动累积，计算t2- t1+1个CAR）11NtitiARARN11( ,)Endtt tCAR t EndARn总之，在CAR的计算上，应牢记：在时间维度上只有累加（一次累加或滚动累加），平均是对截面公司而言的，与时间维度无关。n所谓的平均AR和平均CAR都是对截面公司的平均，不能在时间维度上求平均。事件研究中的横截面模型事件研究中的横截面模型（一）横截面模型（Cross-Sectional Models） 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）与非正常报酬率的关系。iiiCARXnAsquith 和Mullins(1986)把股票增发公告
18、的非正常报酬率对增发的规模（增发规模用其占公司总资产的比率来表示）和公告前11个月的累积非正常报酬率进行回归，发现增发规模越大，则负的非正常报酬率越大；前11个月的累积非正常报酬率越大，则负的非正常报酬率越小。事件研究的具体实施n以检验上市公司年度盈余信息的有用性为例以检验上市公司年度盈余信息的有用性为例n1.定义事件：年度盈余信息披露n2.样本选择：假定年度：1999-2002，公司：沪深两市全部公司（也可以限定某一行业和某些特定性质的样本）n3.从数据库中获取上市公司的股票报酬率、年度盈余以及年报披露日（事件日）等数据n4.数据清洁（处理缺失值和剔除极端值）n5.合并股票报酬率和年报披露日
19、数据。n通常合并的关键变量：dm，ndn（1）直接按dm，nd合并（市场调整报酬模型）n（2）当需要较长的历史数据来估计市场模型和常均值收益时，需重新定义会计年度（重设nd）n6.将事件日标为0，确定相对估计窗，如（-110，-10），相对事件窗，如（-1，+10）。n7.用估计窗数据估计市场模型参数和常均值收益。n8.将估计参数数据集合并到原有数据集，通过事件窗的数据和估计的参数计算正常报酬率和非正常报酬率（AR,CAR）。n在上述过程，第5和6项相对较难。n9.对AR,CAR进行检验，包括AR是否显著异于0, CAR是否显著异于0或不同组CAR是否存在显著差异，检验CAR与盈余的关系，绘制
20、CAR图。n10.报告和解释事件研究在事件研究在SASSAS上的实现上的实现n以检验上市公司年度盈余信息的有用性为例以检验上市公司年度盈余信息的有用性为例n/ /* *清洁数据清洁数据* */ /n/ /* *合并股票报酬率和市场报酬率合并股票报酬率和市场报酬率* */ /n/ /* *重新定义年度，将重新定义年度，将T-1T-1年年7 7月月1 1日日T T年年6 6月月3030日定义为日定义为T T年度年度* */ /ndata Trade1;nset Trade0;nif Trade_datemdy(7,1,year(Trade_date) then year=year(Trade_da
21、te);nelse year=year(Trade_date)+1;nmonth=month(Trade_date);ndm=stock_code;nrun;n/*对披露日数据进行处理*/n/*将交易数据同事件日数据（年报披露日）合并，将交易日少于事件日的观测定义为1*/ndata dataevnt;nmerge trade1 disclosure1;nby dm year;nif date_disclose=. then delete;nbefore=trade_datedate_disclose;nrun;n/*产生事件日前后的相对交易日*/nproc sort data=dataevnt
22、;nby dm date_disclose trade_date;nrun;nproc means data=dataevnt noprint;nby dm date_disclose;noutput out=nreturns(drop=_type_ _freq_) sum(before)= bef_sum;nrun;n/*产生估计窗和事件窗数据*/ndata estper evntper;nmerge dataevnt(drop=before) nreturns;nby dm date_disclose;nif first.date_disclose then relday=-bef_sum
23、 - 1;nrelday + 1;nif -100=relday -10 then output estper;nif -1 = relday = 10 then output evntper;nrun;n/*用估计窗数据估计参数*/nPROC REG DATA=estper OUTEST=mmparam (rename=(INTERCEPT=alpha Mrkret=beta) keep=dm date_disclose intercept Mrkret) NOPRINT;nBY dm date_disclose;nMODEL return =Mrkret;nQUIT;nRUN;n/*计算事
24、件窗的AR和CAR*/nDATA ar;nMERGE evntper mmparam;nBY dm date_disclose;nAR = RETURN - ALPHA - BETA *Mrkret;nRUN;n* compute cumulative abnormal returns;nPROC MEANS DATA=ar NOPRINT;nBY dm date_disclose;nOUTPUT OUT = car SUM(ar)=CAR;nRUN;n/*检验CAR是否显著异于0和不同组CAR是否存在显著差异*/nPROC MEANS DATA=car N MEAN T prt;nTITLE
25、 Overall results;nVAR car;nRUN;nPROC SORT DATA=car;nBY evntdum;nPROC TTEST data=car;ntitle Test of equal AR for positive and negative earnings surprises;nVAR car;nCLASS evntdum;nRUN;事件研究：问题与扩展事件研究：问题与扩展n1. AR1. AR不服从正态分布不服从正态分布n使用非参数检验（符号检验和秩检验）n非参数检验通常不独立使用，而主要用于检验参数检验结论的有用性。n2.2.抽样间隔：使用日、周还是月数据抽样间
26、隔：使用日、周还是月数据nKothari 和 Warner（2004）指出，从事件研究过去30多年的使用历程来看，其基本的统计形式并没有发生变化。两个主要的变化主要表现为：n（1）用日数据取代月数据；n（2）对AR和CAR的估计和统计推断技术变得更加复杂。n研究表明，减少抽样间隔可以导致势的增长。n3.3.事件日的不确定性事件日的不确定性n有时我们收集到的事件日可能并不是真正的事件日，真正的事件日可能是其前1日、当日或者后1日。n通常的处理办法是将事件窗扩展到2天（T0-T+1）,研究表明两天事件窗口的势值依然良好。n其他方法：最大似然估计（MLE）n4.可能的偏差n由非同步交易（Nonsyn
27、chronous trading）导致的偏差。n要求在一个确定长度的间隔上记录价格，而事实上可能在其他长度不规则的事件间隔上进行了记录，这时，非交易或非同步交易的影响就会产生。n例如，在事件研究中我们通常使用收盘价（每天最后的交易价格），而事件的冲击很可能没有发生在这一时刻，从而导致偏差出现。n修正方法：使用购买持有策略来估计累积非正常报酬率（BHAR）11(1, )(1)(1)TTiitmtttBHARTRRn事实上，在事件研究中，究竟应当使用CAR还是BHAR，也存在一定的争议。尽管CAR和BHAR等同于事件期证券持有者的财富变动n从经济学的角度来讲，BHAR更好理解。n但CAR也有自身的
28、优势，除了通过加总可以保留丰富的报酬率信息外，由于AR服从正态分布时，CAR仍然服从正态分布，从而为统计检验提供了方便。n在已有文献中，尽管CAR和BHAR均用于事件研究。但CAR主要用于短时窗的信息含量研究，而BHAR主要用于长时窗的关联研究。检验的势（检验的势（powerpower）1. power指拒绝原假设的可能性，也可以理解为使用统计方法对事件反映的检验的敏感性。2. 实证研究表明，在考虑检验的power时，必须先考虑样本的分布。为了提高power，可以通过增加样本容量、缩短事件窗、寻找更为具体的原假设等方法。 偏差及模型扩展偏差及模型扩展（一）群或集群效应（clustering）n
29、在事件日只有一天的 情 况 下 ， 处 理clustering的方法有两种：n1.把非正常报酬率相关的股票作为一个组合，把该组合看成是一只股票，直接计算其非正常报酬率。n2.分别计算每一只股票的非正常报酬率，不再相加。原假设是事件对每一只股票都没有影响。其基本方法是引入含有虚拟变量的多元回归模型。nSalinger （1992 ）对非正常报酬率相关的问题进行了更深入的研究。n并指出，残差项不仅存在连续时间上的相关（intertemporal correlation），而且存在横截面上的相关（contemporaneous correlation）。 n其他问题n短时窗还是长时窗n短时窗、长时窗研究中事件窗的确定n长时窗研究中统计推断要非常谨慎。n谢谢大家人有了知识，就会具备各种分析能力，明辨是非的能力。所以我们要勤恳读书，广泛阅读，古人说“书中自有黄金屋。”通过阅读科技书籍，我们能丰富知识，培养逻辑思维能力；通过阅读文学作品，我们能提高文学鉴赏水平，培养文学情趣；通过阅读报刊，我们能增长见识，扩大自己的知识面。有许多书籍还能培养我们的道德情操，给我们巨大的精神力量，鼓舞我们前进。
