事件研究法的计算步骤(精)

事件研究法的模型分类和具体内容
事件研究法是一种用于评估某一特定事件对资本市场股票收益率的影响的市场绩效分析方法。

该方法最初是基于威廉·夏普等人在1964年提出的资本资产定价模型(CAPM)发展而来。

在事件研究法的应用中，存在多种模型用于估计预期收益，包括市场调整法、市场模型法和Fama-French三因素（或者五因素）模型。

这些模型的选择
取决于特定的资本市场有效性条件。

市场调整法假设市场已经完全反映了所有信息，因此预期收益率就是市场收益率。

市场模型法则是基于资本资产定价模型（CAPM），通过历史风险溢价（beta）来预测未来的风险溢价。

Fama-French三因素模型是在资本资产定价模型（CAPM）的基础上，加
入了规模效应和价值效应两个因子，用以解释股票的回报率。

五因素模型则在三因素模型的基础上，加入了动量效应和成长效应两个因子。

在采用事件研究法衡量某个经济事件对公司价值影响及影响程度时，通常有两个基本假设条件：一是假设在事件研究窗口内，只有所研究的事件发生，没有其他事件对价格产生显著影响；二是假设事件影响可以由异常回报率来度量。

事件研究法的分析步骤包括确定事件日、选定事件窗口期、选定估计模型、选取合适的估计窗口估计模型参数、计算预期收益率、超额收益率和累计超额收益率、进行超额收益显著性检验。

通过这些步骤，事件研究法能够有效地评估特定事件对股东利益的影响。

以上内容仅供参考，如需更多信息，建议查阅相关文献或咨询专业金融分析师。

证券间)的加总与时间序列(主要指事件窗口)
上券的 组加成总)在。t时由于刻的AA平R 均t为超整额个收样益本率(设，由进N而个设证
C的AR超(t额1,收t2益)为率整，个则样超本额在收(益t1,率t2的)期截间面内（的所累有计股
票）和时间序列（全部时间）加总分别可以表
示为:
N
AAR t=1/N∑AR it
PPT课件
26
事件研究法
曾亚敏和张俊生(2005)以中国财政部和 国家税务总局联合颁布的要求对个人投资 者从上市公司取得的股息红利所得暂减按 50％计入个人应纳税所得额的文件为背景 进行了事件研究，发现股利所得税削减的 消息宣告后，股票的累计超常收益率与股 利支付水平正相关。
袁显平和柯大钢(2006)回顾了事件研究 方法发展及其在国内外金融经济研究的应 用问题。
事件） 2. 影响某一特定产业的事件 ｝（狭义事件） 3. 仅影响个别证券的事件
如：企业投融资决策对股票价格(或公司价 值)的影响、公司控制权交易、会计领域的 其它事件等。
PPT课件
7
事件研究法
事件研究方法通常包括以下七步骤：
1.对事ቤተ መጻሕፍቲ ባይዱ窗口进行定义
事件研究首要任务是确定所研究的事件， 并且确定要研究事件引起股票价格变化的 时间区段。例如，如果要研究宏观政策事 件对于股票价格变化的影响，首先应该选 取符合要求的宏观经济政策事件，例如重 要法律的颁布；然后确定在信息颁布前后 多长时间中研究股票价格变化。
PPT课件
21
事件研究法
如：： • 事件窗口长度的选择 • 样本的选择 • 正常收益率计箅模型的选择
在运用事件研究法时，认识并正确处理事 件研究中存在的“变数”是很有必要的。

事件研究法算法的研究与设计引言：近年来，随着信息技术的迅猛发展，大数据分析逐渐成为人们关注的热点。

在金融领域中，事件研究法因其独特的优势被广泛应用于事件研究和投资决策。

本文将探讨，旨在提高事件研究法的效率和准确性。

一、事件研究法概述事件研究法是一种根据特定事件对相关资产价格产生的冲击进行研究的方法。

它通过比较事件前后相关资产的收益来分析该事件对市场的影响。

事件研究法的基本假设是，事件前后资产收益的差异主要是由特定事件引起的。

这种方法广泛运用于金融市场，例如研究公司股票价格对盈利预告的反应等。

二、传统事件研究法算法的问题传统事件研究法算法主要包括事件窗口的设定、收益率的计算和显著性检验等步骤。

然而，传统算法存在以下问题：1. 事件窗口设定不合理。

传统算法通常将事件窗口设定为一个定长的时间范围，如前后10个交易日，但这种做法忽略了不同事件对市场的冲击时间可能是不同的，因此可能导致研究结果的偏差。

2. 收益率计算方法有限。

传统算法中常用的收益率计算方法主要包括简单收益率和对数收益率，但这些方法无法充分利用资产价格的全部变动信息，不能准确反映事件对市场的影响。

3. 显著性检验结果不精确。

显著性检验是事件研究法的核心步骤之一，常用的方法包括t检验和Wilcoxon符号秩检验等，然而，这些方法依赖于特定的分布假设，当数据不符合这些假设时，就会导致显著性检验结果的偏差。

三、改进的事件研究法算法设计为了解决传统事件研究法算法存在的问题，我们可以采取以下改进措施：1. 自适应事件窗口设计。

对于不同事件，可以根据其影响的持续时间和衰减情况，灵活设定事件窗口的长度。

例如，对于一次重大的公司并购事件，事件窗口可能需要设定较长的时间范围，而对于一次临时性的市场消息，事件窗口可以适度缩短。

2. 引入加权收益率计算方法。

传统算法中的简单收益率和对数收益率无法充分反映资产价格的全部变动信息，我们可以考虑引入加权收益率计算方法。

事件窗口指所研究事件对样本股价产生影响所覆盖的期间， 即样本股价变动的观察期间。 事件窗口以事件日为轴心，向前后各若干日（或周、月）。 不同学者选择事件窗口的长度不一样，通常是(-60, 60)~(2,2)。 窗口长短需考虑：事件影响力的时间长短；其他事件的干扰。
2.选取样本
选取与事件有关的样本，剔除事件窗口内有其他重要 影响事件的样本
1）计算个股各期异常回报
2）计算样本股各期平均异常回报 3）计算窗口期内的累积异常回报
CAR[t1,t 2]
1 N AARt ARit N i 1
1 t t 2 N 1 N t t 2 AARt ARit ARit N t t1 i 1 N i 1 t t1 t t 1
t t 2
计算结果一般绘图，以便直观观察规律和特点
5.假说检验
统计检验


检验CAR与0的差异是否显著。 如果检验结果显著，则说明该事件对股价影响显著， 否则，说明该事件对公司股价影响并不显著，或者 说影响没有通过证券市场反映出来。
卡方检验 多元回归分析
6.解释和结论
解释图示的意义 结合所提出的假说分析 结论和建议 事件研究法失效的原因： 证券市场非有效市场； 公告的信息与公司价值无关 事件信息已经被完全预期； 存在内幕交易； 难以精确识别事件日期
第二 ,虽然实际上“盈利信息公布的有效时间”一般为 “信息公布之日至前 1或 2天”,但结果显示在年度盈 利信息公布 3天前或 5天前 , A组的 CAR就开始急剧下 跌 ,而 B组的CAR开始快速上升。 这表明普通投资者在“盈利信息公布的有效时间”之 前图C (CAR(A)—;CAR(B)…)就已知公司的盈亏状况, 也表明投资者在得知公司盈利信息后,才根据其盈利状 况进行正确交易。

– 1. Information content (Ball and Brown) – 2. Market efficiency (FFJR) – 3. Model evaluation – 4. Metric explanation
室性
6
心动过速
一些例子
室性
7
心动过速
室性
8
心动过速
室性
9
心动过速
– 得到正常收益的参数估计后，计算非正常收益。需要 重点注意原假设的设定以及各公司非正常收益的汇总。
（6） 实证结果（Empirical results）
– 表达与诊断。
（7） 解释和结论（Interpretation and conclusions）
– 可以补充一些附加分析
室性
23
心动过速
四、正常收益估计模型与应用
i 0
i 1
该模型应用于无法事前估计模型参数的情况，
不得已才使用。例如，IPO 中。
室性
27
心动过速
（3）常量均值模型（Constant Mean Return Model）
即假定某一证券的平均收益不随时间的 改变而改变。
Rit i it
Eit 0
VARit
室性
12
心动过速
3.El-Gazzar (1998)：研究表明：机构投资者持 股比例越高，跟进公司的金融分析师越多，收 益公告的信息效应越弱。
4. Steiner，Volker(2001)：研究了欧洲债券价 格的变化与 Watch listings 和Standard & Poor 关于信用评级的公告之间的联系，发现： （1)当出现信用评级下降时，债券价格将有显 著的变化；而出现信用评级上升时，并没有很 显著的宣告效应。(2)特别地，当信用等级降为 投机级(speculative grade)时，价格变化尤其 显著。

事件研究法事件研究法(Event Study) 是一种统计方法，是在研究当市场上某一个事件发生的时候，股价是否会产生波动时，以及是否会产生“异常报酬率”(abnormal returns)，借由此种资讯，可以了解到股价的波动与该事件是否相关。

基本信息事件研究法(event study)由Ball& Brown (1968) 以及Famaetal(1969) 开创，其原理是根据研究目的选择某一特定事件，研究事件发生前后样本股票收益率的变化，进而解释特定事件对样本股票价格变化与收益率的影响，主要被用于检验事件发生前后价格变化或价格对披露信息的反应程度。

事件研究法是基于有效市场假设的，即股票价格反映所有已知的公共信息，由于投资者是理性的，投资者对新信息的反应也是理性的，因此，在样本股票实际收益中剔除假定某个事件没有发生而估计出来的正常收益(normal return)就可以得到异常收益(abnormal return)，异常收益可以衡量股价对事件发生或信息披露异常反应的程度。

方法步骤在研究过程中，首先须决定研究假说为何。

决定研究假说以后，须确定事件的种类及其事件日，估计期及事件期之计算期间，并以股价日报酬率估算其预期报酬率，再透过实际报酬与预期报酬之差额，观察整体股利发放事件，于宣告期间是否具有异常报酬的产生，最后借由统计检定来检视其统计值是否显著。

假说:譬如假设估计期间的CAR并没有产生资讯效果，而事件期的CAR可能产生资讯效果。

事件研究法的第二步，即确定所要研究的事件。

所谓的“事件日”，系指市场“接收”到该事件即将发生或可能发生的时间点，而非该事件“实际”上发生的时间点，此时点通常以“宣告日”为准。

时点认定的适当与否，对于研究的正确性，会有决定性的影响。

市场模式估计某一事件发生或公布后，对于股价影响，必须建立股票报酬率的“预期模式”，以估计“预期报酬”(expected returns)。

事件研究法编辑词条事件研究法(Event Study) 是一种统计方法，是在研究当市场上某一个事件发生的时候，股价是否会产生波动时，以及是否会产生"异常报酬率"(abnormal returns)，借由此种资讯，可以了解到股价的波动与该事件是否相关。

折叠编辑本段简介事件研究法(event study)由Ball& Brown (1968) 以及Famaetal(1969) 开创，其原理是根据研究目的选择某一特定事件，研究事件发生前后样本股票收益率的变化，进而解释特定事件对样本股票价格变化与收益率的影响，主要被用于检验事件发生前后价格变化或价格对披露信息的反应程度。

事件研究法是基于有效市场假设的，即股票价格反映所有已知的公共信息，由于投资者是理性的，投资者对新信息的反应也是理性的，因此，在样本股票实际收益中剔除假定某个事件没有发生而估计出来的正常收益(normal return)就可以得到异常收益(abnormal return)，异常收益可以衡量股价对事件发生或信息披露异常反应的程度。

折叠编辑本段步骤在研究过程中，首先须决定研究假说为何。

决定研究假说以后，须确定事件的种类及其事件日，估计期及事件期之计算期间，并以股价日报酬率估算其预期报酬率，再透过实际报酬与预期报酬之差额，观察整体股利发放事件，于宣告期间是否具有异常报酬的产生，最后借由统计检定来检视其统计值是否显著。

折叠编辑本段假说譬如假设估计期间的CAR并没有产生资讯效果，而事件期的CAR可能产生资讯效果。

折叠编辑本段确定事件研究法的第二步，即确定所要研究的事件。

所谓的“事件日”，系指市场“接收”到该事件即将发生或可能发生的时间点，而非该事件“实际”上发生的时间点，此时点通常以“宣告日”为准。

时点认定的适当与否，对于研究的正确性，会有决定性的影响。

折叠编辑本段市场模式估计某一事件发生或公布后，对于股价影响，必须建立股票报酬率的“预期模式”，以估计“预期报酬”(expected returns)。

【研究模型】事件研究法事件研究⽅法最早是被应⽤在⾦融领域，由Dolly在1933年提出，后经过Ball、Brown以及Fama 等研究才最终成熟。

该⽅法本质是⼀种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统计学⽅法,或者使⽤⾦融市场数据来评估特定事件对公司价值的影响。

事件研究⽅法的理论框架主要是基于由尤⾦·法玛（1965）提出并深化的有效市场假说，即在有效的资本市场中，投资者是理性的，所有与价格相关的新信息都会⽴即包含在资产价格中。

因此，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。

事件研究法通常被⽤于评估并购绩效，许多国外学者通过采⽤不同的样本和测量间隔，对⽬标公司和收购公司股东的异常回报进⾏了⼤量的实证分析。

不少国内学者也采⽤事件研究⽅法对中国企业的并购绩效表现进⾏了实证分析。

采⽤事件研究⽅法衡量某个经济事件对公司价值影响及影响程度时，通常有两个基本假设条件：（1）在事件研究窗⼝内，只有所研究的事件，没有其他事件，即使有也不会对价格产⽣显著影响；（2）事件影响可以由异常回报率来度量。

所以该⽅法的关键在于计算异常回报率和累积异常回报率。

事件研究通常包括以下⼏步：（1）净化数据（提出⽆关和⽆法研究以及其他原因）和计算事件窗⼝（2）估计正常表现（3）计算异常表现和累积超额回报（4）显著性检验（5）全部事件交叉检验（相当于稳健性检验）本篇旨在帮助你⽤stata来开展事件研究，并附上Stata的详细代码供参考。

假设你已经拥有⼀个时间变量（date）和公司标识（company_id）。

净化数据并计算事件窗⼝和估计窗⼝你很可能获取了超出你需要的每个公司的观察值，也有可能有⼀些公司的观察值不充分。

在你开展下⼀步前，你必须确保你的分析是建⽴在正确的观察值之上。

为了实现这⼀点，你需要设⽴⼀个变量dif ，它将会计算从观察（相当于估计期）到事件期的天数，这即有可能是节假⽇，也有可能是交易⽇。

事件研究法（event study）令狐采学自从Ball和Brown（1968）以及Beaver (1968)开创性地使用事件研究法判别会计盈余报告的信息含量以证实会计信息的有用性以来，事件研究法得到了广泛的使用。

一、事件研究法定义事件研究法就是研究在事件发生前后很短的时间内，投资者投资行为变化所引发的股票收益变化情况，并据此判断事件对股东财富和企业价值的影响。

事件研究法的理论基础是理性的市场模式，即市场的有效性。

典型的事件研究需要构造并检验的假设是，某一特定事件发生后对于公司价值的影响。

由于从长期来看，通过价格来反映公司的价值应该是符合逻辑的，所以在事件研究中运用证券市场的数据就可以很容易地建立这种测量关系。

即如果事件对市场产生影响，这种影响会立刻通过资产的价格反应出来，所以通过一个较短时期内资产价格的观察量就可以测度事件的经济影响。

研究短期内的股东财富效应，并依此判断事件的实质，从理论上讲，依据有二：一是事件公告时所包含的信息含量对市场的影响，这里的信息既包含事件本身的信息含量，也包括由于披露事件而使投资者了解到过去并不知道“内部信息”，这些信息会影响投资行为；二是投资者行为所反映的对企业价值的预期，如果投资者认为事件具有积极的意义，就会提升预期，股票价格就会上升，反之，投资者对企业的预期下降，股票价格也会随之下降。

因此，从投资者行为的结果，也就是股票收益率的变化，我们可以判断事件对企业的实质性影响，并对其做出合理评价。

二、事件研究法的步骤事件研究法的基本过程包括确定事件及样本、确定研究窗口、计算超额收益并判断市场反应，大体上，可归纳为6个步骤：（1）定义事件。

进行事件分析的第一件事就是定义相关的事件并找出在该事件影响下，需要研究的特定公司股价变动的事件区间，这一区间称为事件窗口。

事件窗口可以考虑用公告日那一天（通常为第0天）来定义，事件之前或之后的较短时期也具有研究价值，这样事件窗口可以根据研究的具体要求定义。

会计信息有用性的假设
H 0 : E ( i ,t Ai ,t ) E ( i ,t ) VAR( i ,t Ai ,t ) VAR( i ,t )
累积异常股票收益率
CARi (k , t )
s k
i,s
t
异常股票收益率的其他计算方法
替代方法1：
r i ,t r i ,m i ,t
r
ri ,1 ri ,2 ri ,n n
~ N ( , )
2
根据这一定理，可以直接推出：
ri,1 ri,2 ri,n ~ N (n, n 2 )
股票收益率的正态分布理论
定理2（Taylor expansion）如果 r在0 附近，则
ln(1 r ) r
替代方法2：
r i ,t r i i ,t
异常股票收益与非预期会计收益
收益信息中引起股票价格变动的是非预期会计 收益，它导致的股价变动所带来的收益变化就 是异常股票收益。 非预期会计收益 = 实际会计收益-预期会计收 益 预期会计收益的估计方法： （1）Box-Jenkins的时序列模型；（2）统计模 型；（3）证券分析家预测；（4）企业经营者 预测。
为月别异常股票收益
Ball 和 Brown(1968)的研究
Ball 和 Brown将正的非预期会计收益作为市 场的好消息（good news），负的非预期会计 收益作为市场的坏消息（bad news），然后分 别绘出对应的平均API图。 对于好消息，平均API大于1，对于坏消息，平 均API小于1。好消息和坏消息对资本市场产生 了不同的预期的影响，说明会计信息影响了投 资者的决策，会计信息是有用的。 CARt a bUEt ut ，可以拒绝 对于回归模型 b=0的假设，也说明了会计收益信息的有用性 。

ˆ ARit = Rit − Rit
衡量了在t日获得的由事件引起的超额收益。因为， 在没有事件情况下的收益率已经由Rit^估计了。
14
计算每日平均异常收益率(AAR, Average Abnormal Return) AARt:
AAR衡量了N个事件样本公司（投资组合）在t天的平均异
常收益率。
1 N AARt = ∑ ARit N i =1
6
2 .3正常收益和异常收益的度量 正常收益和异常收益的度量
正常收益
所谓正常收益指，假定没有该事件发生情况下，公司股 价的“正常”预期收益（E(R)） 。
异常（超常）收益（AR）
事件后实际收益（R）－正常收益（E(R)) 那么容易理解我们试图去计算的异常收益，就是因为事 件的发生而带来的市场的短期的反应，自然衡量了该事 件对公司价值的影响，而这也正是事件研究法的本质所 在。
5
2.2确定样本
在确定了事件以后，要选择纳入研究范 围的特定公司。在本步骤中，整理出数 据样本的某些特性非常有用（例如，公 司的所有权结构特征、行业代表性、资 产规模、事件的时序性分布等），在样 本的选择过程中应当尽量避免和剔除可 剔除可 能影响检验结果的其他信息，提高研究 能影响检验结果的其他信息 的准确性。
t =t 2
平均而言获得的异常收益。
CAR[t1,t2]衡量了N个事件样本公司在[t1,t2]时间段内，
16
3
检验
检验CAR[t1,t2]与0的差异性。
如果检验结果显著，则说明该事件对股价影 响显著，否则，说明该事件对公司股价影响 并不显著，或者说影响没有通过证券市场反 映出来。
17
9
具体方法是：选择事件窗之（外）前的 某段时间，用市场模型来估计公司的beta， 然后用估计的beta来计算公司在事件窗内 beta 的“正常收益率”。

估计期间L1 事件期间L2 事件期间L3
T0
T1
0
T2
T3
研究步 骤
界定事件 界定估计 确定 预期 及事件期间 期间和后事件期间 分析单位 正常收益计算
异常 收益计算
异常 收益累计
统计 检验
机理 解释
确定分析单位
事件和各类期间界定清楚后，随之要确定观测和收集数据的对象（数 据源）。 研究者要根据假设论证要求来选叏分析单位。如研究某一事件引起的 国内上市公司股价变劢情况，可选定上海戒深圳证券交易所的上市公司， 戒两者的公司都包括，当然有时分析单位也可能就是某一特定的公司。
2 ( R m ) 1 2 ( ARi ) 2i [1 m ] L1 2
m
在上式中，当L1值足够大时，可近似的等亍，这也是L1值选择比L2的 值大的多的原因。 研究步 骤
界定事件 界定估计 确定 预期 及事件期间 期间和后事件期间 分析单位 正常收益计算
异常 收益计算
i
式中，R it 为t期间第i支股票的收益，R mt 为t期间市场收益
异常收益计算
以市场模型为例，第i支股票在时间期间L2 （ T1 1至 =T2）内的异 常收益为：
异常收益即是市场模型的扰劢项 ，在异常收益的扰劢项均值为零、服 从正态分布和具有可叠加性的假定下，
ARit Rit i i Rmt
3 月14 日至3 月18 日的构造统计量值
样本公司股票在估计窗中正常收益率的截距项不斜率项值
于南盐化收益率eviews 线性回归结果（2010 年11 月5 日-2011 年3 月10 日）
根据许多研究表明，在置信水平是0.05 时，通常被认为是可接 收错误的边界水平，由此可以看出，3 月16 日，3 月17 日是显著的， 拒绝原假设，即3 月16 日，3 月17 日有超额收益。

stata中做事件研究法omitted because ofcollinearity -回复问题并解释。

Stata中做事件研究法omitted because of collinearity]事件研究是一种静态面板数据分析方法，可以用来研究时间较短但强度较大的事件对特定目标的影响。

在Stata中，进行事件研究需要使用韦伯分布或对数正态分布，并且数据中不能够存在共线性。

本文将围绕着Stata 中做事件研究法时出现的"omitted because of collinearity"问题进行分析。

一、什么是"omitted because of collinearity"？在进行事件研究时，通常需要考虑控制变量以消除其他因素的影响。

然而，在控制变量的过程中，如果数据中存在多重共线性，就会出现自变量之间高度相关，导致某些变量的系数无法求解。

在Stata中，当数据存在共线性时，就会出现"omitted because of collinearity"的报错提示。

二、如何判断数据是否存在共线性？在Stata中，可以使用VIF（方差膨胀因子）方法来判断数据是否存在共线性。

一般来说，如果某个自变量的VIF值超过10，就说明该变量与其他自变量的相关性过高，存在共线性的问题。

具体操作步骤如下：（1）安装ivreg2程序，输入命令：ssc install ivreg2（2）输入命令：estat vif，这会生成一个包含各自变量VIF值的结果。

（3）根据结果，检查是否存在VIF值超过10的变量。

如果存在，则需要进一步处理。

三、如何应对数据中存在的共线性？如果数据中存在共线性，可以采取以下几种方法进行处理：（1）删除高度相关的变量：将与其他变量高度相关的变量删除，使得模型中仅保留一个。

这种方法比较简单易行，但可能会忽略一些重要变量的影响。

（2）使用PCA进行降维：使用主成分分析（PCA）将数据进行降维处理，并将新变量放入模型中代替原始变量。

事件研究法t检验事件研究法T检验是一种常用的统计方法，它可以用来检验一个抽样样本中的每个变量与另一变量之间的关联性，以及判断这种关联是否具有统计学意义。

在许多研究领域中，它被广泛用于检验研究结论的正确性和可靠性。

T检验也称为单因素T检验（又称独立样本T检验），是一种基于假设检验的统计技术。

T检验的基本思想是：通过计算抽取的样本的均值和标准差，来检验样本的分布的不同性。

它的基本假设是：抽取的两个样本的均值是不同的，标准差相同。

即一个样本的均值大于另一个样本的均值，而双方的方差相等。

在这种假设的基础上，可以计算T检验统计量，从而对抽样样本在均值上的差异进行检验。

T检验用于检验抽样样本不同样本间（可以是自变量与因变量之间）的均值差异是否具有统计学意义。

这体现了T检验的优势：在所关注的抽样样本中，可以判断一个变量是否与另一变量相关，以及这种关联是否具有统计学意义。

T检验的计算步骤如下：1.定抽样样本中的自变量和因变量，计算每个变量的样本均值和样本方差。

2.据均值和方差，计算T检验统计量T。

3.据T检验统计量T，检验自变量与因变量之间是否存在显著性差异。

4.据检验结果，对原假设做出推断，判断自变量与因变量之间是否存在关联。

T检验的应用非常广泛，它可以用来在许多研究领域中检验研究结论的正确性和可靠性，如经济学、心理学和教育学等。

例如，心理学家可以使用T检验来检验不同心理测评的结果是否存在显著性差异；经济学家可以使用T检验来检验不同政策对经济发展的影响是否具有统计学意义。

尽管T检验被广泛应用于各种研究领域，但也存在一些限制和缺点。

首先，T检验是基于假设检验，因此它受到假设检验的局限性：它假定在不同样本间的变量是独立的；其次，T检验不能用于检验非正态分布的样本。

因此，若要对非正态分布的样本做T检验，需要进行变换后再检验。

最后，T检验仅适用于两个变量之间的关联性检验，不能用于多元变量之间的关联性检验。

综上所述，事件研究法T检验是一种统计方法，它可以用来检验抽样样本不同样本间（可以是自变量与因变量之间）的均值差异是否具有统计学意义。

j
xj E
j
y | x
j j j
x 1 N ( z )
j
j
j
• 同样可以用G（x)代替公式（2）中的F（x）进行修正
• 因此，在标准线性模型下
H
x x
j j
j 1
1
• 在纠正了truncation偏差后
H
x x
j

n( z j ) N ( z j)
i
it

3 Mean-adjusted return model
•
正常收益是股票前几期的平均收益率
4 market-adjusted return model • 以市场收益率作为个股的正常收益率， 即在market model 中，令
i 0
i 1
该模型应用于无法事前估计模型参数的 情况，不得已才使用。
Eit 0
VARit i
2
本模型虽然简单，但是却可得到与复杂的模型相 近的结果Brown and Warner （1980、1985）。 评论：模型的选择缺乏敏感性，可能是由于即使 采用了更为复杂的模型也未能降低ARs的方差。
Rit i i Rmt it
（ห้องสมุดไป่ตู้）研究步骤
1 事件定义（Event definition）
• 确定所要研究的事件 • 明确事件所涉及公司证券价格的研究期 间——事件窗 (event window)
2 取样标准（Selection criteria）
归纳出一些样本特征 (如公司市场资 本化、行业代表、事件发布的时间分布 等 )并注明通过选样可能导致的任何偏 差。
• Acharya提出的内生事件的隐含变量模型 （Latent Variable Models for Endogenous Events）：

0.0485
0.0000
Kruskal-Wallis 统计量 2.6817
3.93672 5.9260
伴随概率
0.1015
0.0472
0.0000
恒生指数ETF推出前后对数基差绝对值变化的非参数检验
第12章.事件研究法和CAR计算
由上分析可以看出： （1）恒生指数ETF推出后，现货成交量显著大于推出前的水平 （2）恒生指数ETF推出前后现货波动率水平显著降低 ( 3)恒生指数ETF推出后，股指期货与现货之间对数基差的绝对
ar_30 ar_26 ar_22 ar_18 ar_14 ar_10 ar_6 ar_2
ar1 ar5 ar9 ar13 ar17 ar21 ar25 ar29
1998-2015PEAD
0.05 0.04 0.03 0.02 0.01
0 -0.01 -0.02
pead(ar2)
decile1 decile2 decile3 decile4 decile5 decile6 decile7 decile8 decile9 decile10
0~250
0.223% 0.189% 1.480 3.578 1.251% 0.001%
恒生指数ETF推出前后期货定价偏差的统计量变化
半窗口期长度
60
120
250
Wilcoxon 统计量
1.6350
1.9832
5.0914
伴随概率渐进正态
0.1021
0.0473
0.0000
伴随概率渐进t分布
0.1047
（7）重组，和（8）派现
累积超额收益进行汇总 ：
类型 样本数 均值 标准差 最小值 最大值

第九章事件研究法本章导读：在了解了stata的基本概念和命令后，从本章开始介绍会计和财务研究中的一些经典研究方法和程序。

在国外,事件研究法首先被广泛应用于金融经济领域 ,近几十年来出现的有关事件研究方面的文献已成为会计与财务文献中的重要组成部分。

本章首先对事件研究法的概念和基本步骤作了简单介绍，以及事件研究法如何在stata中实现。

9.1 事件研究法简介事件研究法 (Event Study) 是一种统计方法，是在研究当市场上某一个事件发生的时后，股价是否会产生波动时，以及是否会产生“异常报酬率”(abnormal returns)，借由此种资讯，我可以了解到股价的波动与该事件是否相关。

一般而言 ,事件研究包括以下几大步骤●定义事件以及事件研究窗口●选择研究样本●选择度量正常收益的模型●估计异常收益和累计超额报酬●检验异常收益的显著性●实证结果与解释9.1.1 定义事件与事件窗事件包括合并、收购、收益公告或再融资行为等 ,若研究者关心增发对股东财富的影响 ,此时的事件即为增发公告。

事件研究所涉及的窗口包括估计窗、事件窗与事后窗等 ,如图1 ,t = 0 为事件日; t = T1 + 1 至t = T0 代表事件窗,其长度为L1 = T1 - T0 ; t = T0 + 1 至t = T1 为估计窗,其长度为L2 = T2 - T1 ;t = T2 + 1 至t = T3 为事后窗,其长度为L3 = T3 - T2。

估计窗的作用在于估计正常收益(或估计正常收益模型的参数) ,一般情况下,估计窗的长度应大于等于120天;事件窗是用于检验股价对事件有无异常反映的期间, 有时事件窗仅为一天(即事件发生的当天) ,有时为两天(即事件公告当天与后一天) ,有时为三天(即公告前一天、公告当天与公告后一天) ,也有学者将事件窗定义为公告前后10天、20天或更长,事件窗长短主要取决于研究者的研究目的:事后窗主要用于考察事件发生后股价(或企业价值)有无异常变化,常见于探讨某一事件长期绩效的研究中。