06

事件研究及其假設(shè)檢驗(yàn)問(wèn)題本次課的內(nèi)容事件研究方法簡(jiǎn)述事件研究的假設(shè)檢驗(yàn)方法第一部分事件研究方法簡(jiǎn)述定義、原理與適用范圍范例事件研究步驟計(jì)算期望報(bào)酬率的方法幾個(gè)特殊問(wèn)題定義、原理與適用范圍定義：研究某一事件對(duì)公司價(jià)值（股票價(jià)格）的影響的方法原理：只要投資者理性，如果某項(xiàng)事件傳遞了新的信息，該事件就應(yīng)該導(dǎo)致股票價(jià)格發(fā)生變動(dòng)適用范圍：經(jīng)濟(jì)（伊拉克戰(zhàn)爭(zhēng)、SARS）公司財(cái)務(wù)：并購(gòu)、股票拆分、CEO變更會(huì)計(jì)：盈余公告、會(huì)計(jì)政策變更法律：內(nèi)幕交易或者證券欺詐案件范例最早的例子：Dolley(1933)內(nèi)容：股票拆分導(dǎo)致的股價(jià)變化樣本：1921-1931年的95例股票拆分結(jié)果：57例導(dǎo)致股價(jià)上漲；26例下跌B(niǎo)all&Brown(1968)內(nèi)容：年度盈余公告的信息含量樣本：NYSE，1946-1966結(jié)果：好消息（未預(yù)期盈余為正）導(dǎo)致正的異常報(bào)酬率；壞消息（未預(yù)期盈余為負(fù)）導(dǎo)致負(fù)的異常報(bào)酬率趙宇龍（1998）內(nèi)容：會(huì)計(jì)盈余信息披露的信息含量樣本：在上交所上市的公司1994-1996年的財(cái)務(wù)報(bào)告結(jié)果：1994、1995年沒(méi)有信息含量；1996年有。事件研究的步驟確定事件：根據(jù)理論，該事件必須傳遞新的信息；該事件的市場(chǎng)反應(yīng)：根據(jù)理論，該事件將會(huì)導(dǎo)致怎樣的市場(chǎng)反應(yīng)確定樣本公司以及事件日確定事件窗口確保窗口內(nèi)沒(méi)有其他事件的影響（controlforconfoundingevents)計(jì)算期望報(bào)酬率從而計(jì)算異常報(bào)酬率并進(jìn)行假設(shè)檢驗(yàn)非參數(shù)檢驗(yàn)：如果樣本很小，用精確檢驗(yàn)計(jì)算期望報(bào)酬率的方法均值調(diào)整方法市場(chǎng)調(diào)整方法：IPO市場(chǎng)模型方法：最為常用幾個(gè)特殊問(wèn)題非同步交易調(diào)整β系數(shù)的計(jì)算：Scholes&Williams(1977)事件日不確定舍棄樣本或者拉長(zhǎng)窗口：Ball&Torous(1988)的MLE風(fēng)險(xiǎn)時(shí)變Garch模型的應(yīng)用：Corhay&Rad(1996);BRIOetal.(2003)事件日集聚調(diào)整假設(shè)檢驗(yàn)方法事件導(dǎo)致收益率方差增加調(diào)整假設(shè)檢驗(yàn)方法第二部分：假設(shè)檢驗(yàn)方法概述參數(shù)化方法和非參數(shù)化方法幾種常用的參數(shù)化檢驗(yàn)方法非參數(shù)化方法兩類特殊情況下的假設(shè)檢驗(yàn)事件日集聚（event-datesclustering)事件導(dǎo)致的收益率方差增加(event-inducedvarianceincreases)結(jié)論概述事件研究的假設(shè)檢驗(yàn)問(wèn)題是一個(gè)經(jīng)驗(yàn)問(wèn)題，可能是數(shù)據(jù)依賴的檢驗(yàn)方法的辨別力（Specification）和拒絕力(Power)檢驗(yàn)方法的可操作性：應(yīng)用者偏好簡(jiǎn)單方法研究者通過(guò)大量的數(shù)據(jù)模擬來(lái)找出較為嚴(yán)謹(jǐn)且成本較低的檢驗(yàn)方法Brown&Warner(1980,1985);Collins&Dent(1984);Boehmeretal.(1991)；Campbelletal.(1997)參數(shù)化方法和非參數(shù)化方法幾種常用的參數(shù)化檢驗(yàn)方法非參數(shù)化方法幾種常用的參數(shù)化檢驗(yàn)方法原理：統(tǒng)計(jì)量：平均（累計(jì)）異常報(bào)酬率標(biāo)準(zhǔn)差幾種常用檢驗(yàn)方法符號(hào)：N：樣本中公司數(shù)：i公司在事件期內(nèi)第t日的異常報(bào)酬率：i公司的估計(jì)期長(zhǎng)度Rmt:第t日的市場(chǎng)報(bào)酬率：估計(jì)期市場(chǎng)報(bào)酬率的簡(jiǎn)單平均：i公司用估計(jì)期數(shù)據(jù)獲得的異常報(bào)酬率的標(biāo)準(zhǔn)差E:代表估計(jì)期:i公司第t日的標(biāo)準(zhǔn)化異常報(bào)酬率其中，幾種常用檢驗(yàn)方法（一）傳統(tǒng)方法：Brown&Warner(1980)假定：無(wú)截面相關(guān)、事件導(dǎo)致的方差變化不重要幾種常用檢驗(yàn)方法（二）標(biāo)準(zhǔn)化異常報(bào)酬率方法:Patell(1976)假定：無(wú)截面相關(guān)、事件導(dǎo)致的方差變化不重要優(yōu)點(diǎn)：改善方差估計(jì)；考慮異方差問(wèn)題幾種常用檢驗(yàn)方法（三）普通的截面相關(guān)調(diào)整法：國(guó)內(nèi)研究者常用方法特點(diǎn)：只利用檢驗(yàn)期的異常報(bào)酬率估計(jì)方差，不利用估計(jì)期數(shù)據(jù)；容易實(shí)現(xiàn)假定：每家公司的異常報(bào)酬率獨(dú)立同分布；缺點(diǎn)：；方差變化未必相同(降低辨別力）；方差未必變化（降低拒絕力）幾種常用檢驗(yàn)方法（四）標(biāo)準(zhǔn)化截面相關(guān)調(diào)整法:Boehmeretal.(1991)非參數(shù)檢驗(yàn)方法兩種非參數(shù)方法符號(hào)檢驗(yàn)收益率分布不對(duì)稱，不能假定正負(fù)概率各為0.5符號(hào)秩檢驗(yàn)非參數(shù)方法的缺點(diǎn)：沒(méi)有充分利用樣本信息兩類特殊情況下的假設(shè)檢驗(yàn)事件日集聚事件導(dǎo)致收益率方差增加事件日集聚事件日集聚（event-datesclustering)某些公司甚至全部公司的事件日為同一天影響：截面相關(guān)很嚴(yán)重檢驗(yàn)方法標(biāo)準(zhǔn)化截面相關(guān)調(diào)整法資產(chǎn)組合檢驗(yàn)方法SUR方法:Schipper&Thompson(1983,1985)資產(chǎn)組合檢驗(yàn)方法文獻(xiàn)：Brown&Warner,1985，檢驗(yàn)方法：檢驗(yàn)事件期某天的平均AR是否為0：統(tǒng)計(jì)量：其中，E代表估計(jì)期，LE為估計(jì)期長(zhǎng)度。檢驗(yàn)事件期某個(gè)子區(qū)間的CAAR是否顯著為0統(tǒng)計(jì)量：其中，SUR方法假定考察的股票有N只，則設(shè)置N個(gè)似無(wú)關(guān)的回歸方程。對(duì)第i只股票，其方程如下式：其中，為待估參數(shù)，為個(gè)股收益率，為市場(chǎng)收益率，下標(biāo)i代表股票，下標(biāo)t代表相對(duì)時(shí)間,代表檢驗(yàn)事件有無(wú)市場(chǎng)反應(yīng)的啞變量，其在事件期內(nèi)取1，在其它時(shí)間取0。

對(duì)于似無(wú)關(guān)回歸方程組，采用Zellner（1962）提出的方法進(jìn)行估計(jì)（參見(jiàn)Zellner，1962；Greene,1997，pp.674-685），這種方法使用OLS的殘差估計(jì)方程組的協(xié)方差陣，因而在大樣本下可以改進(jìn)回歸估計(jì)的效率，但是如果樣本很小且各個(gè)方程間的相關(guān)性很小，Zellner估計(jì)的效率反而不如OLS。

為檢驗(yàn)事件是否導(dǎo)致了市場(chǎng)反應(yīng)，對(duì)方程組施加某些約束條件，然后進(jìn)行F檢驗(yàn)，例如：事件日集聚情況下假設(shè)檢驗(yàn)方法比較：資產(chǎn)組合檢驗(yàn)方法功效較差（Brown&Warner,1985;Boehmeretal.,1991)：原因是估計(jì)方差時(shí)對(duì)個(gè)股信息利用不夠標(biāo)準(zhǔn)化截面相關(guān)調(diào)整法功效較好：Boehmeretal.(1991)Schipper&Thompson(1983,1985)采用的SUR方法功效好，然而不方便使用，以后幾乎無(wú)人采用事件導(dǎo)致股票收益率方差增加事件導(dǎo)致的方差增加情況很普遍Beaver(1968)；Christie(1983);Rosenstein&Wyatt(1990)忽略方差增加的后果：高估統(tǒng)計(jì)量幾種檢驗(yàn)方法GLS方法:Collins&Dent(1984)最大似然估計(jì)方法：Ball&Torous(1988)秩檢驗(yàn)方法：Corrado(1989)標(biāo)準(zhǔn)化截面相關(guān)調(diào)整法：Boehmeretal.(1991)比較GLS方法和最大似然估計(jì)方法較少有研究者使用秩檢驗(yàn)方法沒(méi)有充分利用樣本信息，只能作為補(bǔ)充標(biāo)準(zhǔn)化截面相關(guān)調(diào)整法功效較好，且應(yīng)用方便結(jié)論一