实验26 金融事件研究

一、实验目的

了解上市公司股价对新信息的反映程度。

二、准备知识

事件研究法最早是由Fama和Roll等人在1969年分析股票拆细信息对股票价格的影响时提出来的。其原理是依据根据研究目的，选择某一特定事件以研究事件发生前后某一段时间内样本股票价格或者收益率的变化，进而解释特定事件对样本股票价格或者收益率的影响。涉及整个市场范围的信息对具体公司会造成影响，而且这种影响也是可以度量的。市场范围信息包括：央行的利率政策，会计准则的变更，以及新发布的宏观经济数据。如新的消费者物价指数、国内生产总值、和失业率等。

完成一件事件研究，需要经过8个步骤：

确定事件日期

事件发生的日期一般定义为：市场第一次获得新信息（事件）的时间。在进行事件研究的时候可以采取任何一种数据频率如：日数据、月数据、一天内的数据等。

确定事件窗口

一旦确定了事件发生的日期，接下来的事情就是确定事件窗口，该窗口包括事件发生的日期及之前和之后的一段交易时期，例如检验盈利公布对股价的影响，事件窗就可以选为事件公布的当天或者第二天。但是在实际分析中，市场价格对不同的信息往往有不同的反应速度，所以选择“最优事件窗”也因事而异。但是在扩展事件窗时要注意，事件窗越大可以更好的捕捉该事件对股票价格的影响；但事件窗过长，引入研究事件以外的不相干因素干扰的可能性就越大。

确定估计期

估计期是指事件尚未发生的那段时期，利用这段时期，我们可以估计出如果不发生该事件，股票的收益率应该是多少。在确定估计期时，我们可以有三种选择：事件窗口之前，事件窗口之中、事件窗口之后。其中最常用的是将事件窗口之前的一段时期作为估计期。例如。如果事件窗口是从-10到10，那么估计期可以设为-60到-11.估计期和事件窗口不能重叠，只有这样你对不该发生该事件时公司股票价格情况的估计才是无偏的，如果有重叠，那么得到的估计结果就有“污染”。

事件分析的时间轴可以用如下图形表示：

图2.1 事件分析的时间轴

其中t=0表示事件发生日期，t= T₀到T₁表示事件估计窗口，t= T₁到T₂表示事件窗口，t= T₂到T₃表示事件后窗口，可以考虑考虑事件对以后收益的影响。设L₁ = T₁-T₀，L₂ = T₂–T₁，L₃ = T₃–T₂ ，分别表示对应窗口的长度。

确定样本公司

在确定了感兴趣的事件后，需要制定一定的原则来确定对那些公司进行事件研究。一个重要的原则是所选取的样本公司在事件窗口内没有发生其他重大的事件，以消除其他事件对其市场表现的影响。

计算正常收益率（R）

为了评价事件对所研究样本中个体的影响，我们需要计算在事件没有发生的情况下，样本股票的收益率应该是多少。这些收益率被称为正常收益率。我们可以通过多种模型估计正常收益率，常用的有以下几种：

（1）平均收益率

平均收益率认为，在事件窗口中和在估计期中，股票收益率的平均值应该相等，也就是说非正常收益率被定义为实际收益率和预期收益率之差，而在事件窗口中，每天的预期收益率应该等于在估计期中该股票的平均收益率。

（2）市场收益率

市场收益率方法认为，在事件窗口中，股票收益率的均值应该等于同一时期市场收益率的均值，由于这一点就没有必要选择估计期。所以非正常收益率被定义为实际收益率和市场收益率之差。此时，事件窗口中每天的预期收益率等于市场每天的实际收益率。

（3）代理证券组合收益率

代理证券组合收益率的计算有几种不同的方法，比较常用的是利用行业收益率代替，因为行业收益率能更好的体现样本公司的风险情况。也就是说在利用代理证券组合收益率时，只要确定样本公司所在的行业就可以了。然后将该行业的收益率作为相应股票的预期收益率。

除了上述几种模型外，还可以用多因素模型，如Fama的三因素模型作为正常收益率模型，或是CAPM模型等等。

计算非正常收益率（AR）

不管在计算事件窗口中的正常收益率采用的是以上哪一种方法，计算非正常收益率的方法都是一样的，只要在事件窗口中将样本股票每天的实际收益率减去预测到的正常收益率就可以了。

计算非正常收益率之和(CAR)

CAR（非正常收益率之和）是AR（非正常收益率）的简单求和。例如，如果事件窗口被定义为事件发生前后的各10天之内（-10到10），那么第-10天的CAR就等于当天的AR，第-9天的CAR就等于AR（-10）和AR(-9)的和，第-8天的CAR就等于AR(-10)、AR(-9)和AR(-8)的和。以此类推我们可以得到事件窗口中21天的CAR值。

确定非正常收益率(AR)和非正常收益率之和（CAR）的统计显著性

统计检验的目的在于确定某一事件的显著水平，这也是事件研究的最后一步，就是确定AR和CAR的统计显著性。这里可以采用传统的t检验来考察确定事件发生是否会对股价产生影响。t统计检验值计算公式为(以CAR为例)：
$$T_{CAR}=\frac{CAR_{t}}{S(CAR_{t})/\sqrt{N}}$$

其中$$S^2(CAR_t)=\frac{1}{N-1}\sum_{i=1}^{N}\left(CAR_{it}-CAR_t\right)^2$$，N为样本中所含的股票数目。

设定显著性水平α，通过上述公式对事件窗口内每一时点的AR和CAR进行检验，计算出的T统计量大于临界值，则拒绝原假设，表明所研究事件的发生或信息的披露对股价产生了影响。

三、实验软件环境

EXCEL2003

四、实验过程

1、确定事件日期

本实验我们确定央行在2007年12月31日的加息为事件日。

2、确定事件窗口

事件窗口设定为公布日前后各15个交易日。表示为[-15，+15]。

3、确定估计期

由于本实验中我们对各股票样本的正常收益率的确定以行业指数收益率代替，所以这里我们不用确定估计期。

4、选择样本公司

我们选取房地产行业中的龙头股万科A和保利地产两个个股作为研究样本，以考察央行的加息对其公司股票收益率的影响。

5、计算正常收益率

这里我们采用代理证券组合收益率模型中比较常用的用行业指数也即房地产指数的收益率代替样本股票的正常收益率。

6、计算非正常收益率

我们用两支个股万科A和保利地产的收益率R分别减去房地产行业指数的收益率得到对应个股的非正常收益率AR。

7、计算非正常收益率之和

用前面介绍的公式，可以得到对应股票的非正常收益率之和。并画出对应股票在事件窗口期间的非正常收益率之和的走势图。

计算非正常收益率AR和正常收益率之和CAR的t统计值

用前面介绍的公式分别计算出万科A和保利地产对应的AR和CAR的t统计值，并判断加息是否对两公司的股票收益率产生显著性的影响。

具体实验操作过程如下：

4.1数据收集整理

本实验中用到的万科A、保利地产和房地产指数均来自广发证券行情分析软件，由于我们定义的事件窗口为公布日前后各15个交易日，且以2007年12月21日为事件日，由于在计算收益率时会损失一个交易日的价格数据，所以我们这里选择的样本区间为以2007年12月21日为前16个交易日和后15个交易日的对应样本的价格数据，通过这个区间段的价格数据计算得到的收益率数据才满足事件窗口在[-15,+15]这个区间。通过前期的初步整理我们得到地产指数，万科A和保利地产的价格指数数据如图4.1所示。

图4.1

4.2 计算各股票及指数的收益率数据

通过对应的价格数据我们可以得到对应指数的收益率数据，这里我们计算对应指数的百分比对数收益率。操作方法如下：在单元格D3中输入“=100*(LOG(A3)-LOG(A2))”并回车将得到地产指数的第一个收益率数据如图4.2所示，接着用鼠标单击单元格D3，并将鼠标的光标移动到D3单元格的右下角，使光标变成实心的“十”字形状此时按住鼠标左键并水平拖动鼠标至单元格F3，我们就可以得到万科A和保利地产的第一个收益率数据，结果如图4.3所示。此时我们将鼠标移至图4.3中所示的F3单元格的右下角，待鼠标光标变成实心“十”字形状时双击鼠标左键，我们将得到三个指数序列的所有收益率数据，分别是地产指数收益率数据D列，万科A收益率数据E列，保利地产收益率数据F列，如图4.4所示。最后我们将鼠标单击D1单元格并在输入字母“R”，即将地产指数的收益率序列命名为“R”，如此将E列和F列分别命名为R1和R2，也就是将万科A的收益率序列和保利地产的收益率序列分别名为R1和R2。最后得到如图4.5所示结果。

图4.2

图4.3

图4.4

图4.5

4.3计算非正常收益率AR和非正常收益率之和CAR

1、计算非正常收益率AR

在图4.5所示窗口中的单元格G3中输入“=E3-$D3”并回车，然后用鼠标再单击G3单元格并移动到G3单元格的右下角待光标变成实心的“十”字形状时按住鼠标左键，将鼠标拖动至单元格H3位置。我们就可以得到万科A和保利地产对应的第一个非正常收益率，如图4.6所示。接着我们将鼠标移至单元格H3的右下角待光标变成实心的“十”字形状时双击鼠标左键，就可以得到两支个股在所有时间段内的非正常收益率，用鼠标单击G1单元格并输入“AR1”，接着用鼠标单击H1单元格并输入“AR2”，即将对应的万科A和保利地产的非正常收益率分别命名为AR1，和AR2。得到结果如图4.7所示。

图4.6

图4.7

2、计算非正常收益率之和CAR

在如图4.7所示的窗口中用鼠标单击I3单元格，并输入“=G3”并回车，将鼠标移动至I3单元格的右下角待光标变成实心“十”字形状的时候拖动鼠标至J3单元格，我们可以得到对应第一个非正常收益率之和，结果如图4.8所示。接下来用鼠标单击I4单元格，输入“=G4+I3”并回车，再将鼠标移动至I4单元格的右下角待光标变成实心的“十”字形状时拖动鼠标至J4单元格，我们就得到了对应的第二个非正常收益率之和，结果如图4.9所示。接着将鼠标移动至J4单元格的右下角待光标变成实心“十”字形状时双击鼠标左键，就可以得到在整个事件窗口中的两个非正常收益率之和的所有结果，并用鼠标单击I1单元格并输入“CAR1”，再用鼠标单击J1单元格并输入“CAR2”，将其分别命名。最后得到结果如图4.10所示。接着我们将时间轴添加到工作表中，添加方法如下：将鼠标移动到G列的顶端待光标变成实心的向下箭头时点击鼠标左键，将鼠标移动至弹出的对话框中的“插入”并单击鼠标左键，如图4.11所示，我们会得到一列新的序列G如图4.12所示。然后在新生产的序列对应的单元格G1中输入“T”，表示这一列为时间轴，并在G3和G4单元格分别输入数字“-15”和“-14”并用鼠标选定这两个单元格，如图4.13所示。然后将鼠标移动至选定的单元格的右下角即G4单元格的右下角待光标变成实心“十”字形状时双击鼠标左键，我们就可以得到整个事件窗口对应的时间轴序列从-15至15，结果如图4.14所示。

图4.8

图4.9

图4.10

图4.11

图4.12

图4.13

图4.14

4.4 确定AR和CAR的统计显著性

1、计算对应股票非正常收益率和非正常收益率之和的平均值序列AR及CAR值

为了便于实验，我们这里只对两支股票的平均非正常收益率（AR=(1/2）*(AR1+AR2)）和平均非正常收益率之和（CAR=(1/2)*(CAR1+CAR2)）进行统计显著性检验，首先用鼠标单击L1单元格并输入“AR”后回车，再单击L3单元格并输入“=(H3+I3)/2”后回车，用同样的方法在M1和M3单元格分别输入“CAR”和“=(J3+K3)/2”。这样我们就得到了第一个时刻对应平均值数据，结果如图4.15所示。接着我们用鼠标同时选择L3和M3两个单元格并将光标移至M3右下角待光标变成实心的“十”字形状时双击鼠标左键，可以得到整个事件窗口对应的平均值数据。结果如图4.16所示。

图4.15

图4.16

2、计算AR和CAR的T统计值

在如图4.16所示窗口中分别在N1和O1单元格中输入“T(AR)”，“T(CAR)”用来表示对应均值序列AR和CAR在事件窗口中不同时刻的T统计量值，在N3单元格输入“=L3/(STDEVA($L$3:$L$33))/SQRT(2)”并回车，然后在O3单元格输入“=M3/(STDEVA($M$3:$M$33))/SQRT(2)”并回车可以分别得到第一个时刻（T=-15）所对应的两均值序列的T统计值，结果如图4.17所示。然后我们同时选定N3和O3单元格并将光标移动至O3单元格的右下角待光标变成实心“十”字形状时双击鼠标左键可以得到所有时刻对应的T统计量值，结果如图4.18所示。

图4.17

图4.18

从CAR的T统计量的值我们可以看到在是事件发生日期前的15个交易日中有12个交易日的T值是大于5%水平下的临界值，说明在这12个交易日当中CAR是显著不为零，而在事件发生日期后的15个交易日当中只有从T=1到T=4以及T=9共5个交易日的CAR显著不为零，其他时刻CAR值都显著为零。说明加息对房地产股票的收益率产生了明显的影响，使得两支房地产股票的收益率降低了，由正的累计收益变成了零甚至负收益。而AR的T统计量值都小于对应的临界值。

接下来我们做出CAR值关于时间轴T的变化趋势图。在图4.18所示窗口用鼠标单击菜单栏中的“插入”弹出下拉菜单如图4.19所示，将鼠标光标移动至“图标”位置并单击，将得到图表向导对话框如图4.20所示。

图4.19

图4.20

先在“图表类型”中单击“折线图”，然后在“子图类型”中单击第一个图形，再单击“下一步”，得到新的图表向导对话框如图4.21所示。在“数据区域”栏中输入“=Sheet1!$M$3:$M$33”，单击“系列”，在弹出的新对话框（如图4.22）中“名称”一栏中输入“CAR”，在“分类（X）轴标志”栏中输入“=Sheet1!$G$3:$G$33”如图4.23所示，然后点击“下一步”，在弹出的新对话框中对应的“图表标题”栏中输入“CAR随时间变化走势图”，在“分类（X）轴”栏中输入“T”，在“数值（Y）轴”栏中输入“CAR”，如图4.24所示，并单击“完成”，我们就可以得到CAR随时间T变化的走势图（图4.25所示）。从图4.25中CAR的走势我们也可以看到，在事件发生日期后CAR开始由正变负，说明央行的加息事件对房地产股票的收益率产生了很大的负面影响，的降低了地产股的市场收益率水平。