EMH检验:事件研究法 事件研究法的主要步骤 采用事件研究( event study)的方法,这种研究方法以影响股票价格的特殊事件为中心 通过研究事件的发生是否影响了时序性数据来检验市场对事件的反应,通常考察在事件前后 累积异常收益率的变化来判断事件的影响。在一个有效的市场上,事件是否产生影响将立即 通过价格反映出来,并可以通过对一段时间内价格的变化进行分析来测量。事件研究方法通 常有两个基本的假设:(1)在事件研究窗口内,除了所研究事件外,没有其它事件发生 即使有事件发生,也不会对价格产生显著影响。(2)事件的影响可以由异常收益率来度量 事件研究法的研究步骤主要分以下五方面: 1、定义事件窗口 在事件研究中,一个重要方面是设定事件窗口,即在检验事件对公司证券价格的影响时 要确定的检验时间区间。用图形表示如下: (估计窗口) (事件窗) (事后事件窗 T1 73 图1:定义事件窗口 这里,【=0表示事件日,即事件的公告日期。t=T1+1到t=72表示事件窗口 7+1到t=71表示估计窗口,【=T2+1到t=T表示事后窗口。其中,T0、T T2和7分别为事件日前后的时间 事件窗口是包含事件发生日在内的一个时间区间。估计窗口是选取来计算正常收益率的 个时间区间。假设事件没有发生或没有这个事件,那么股票收益率为正常收益率,一般用 事件没有发生时的预期收益率来表示。这里我们选择比较理想市场模型,它不仅反映出证券 本身的变化,又体现了市场指数对证券收益率变化的影响,而且操作起来并不困难。事后窗 口是为了检验事件在事件窗口后对股价的影响,在事件窗口后选取的一个时间区间最后,我 们要确定异常收益率。信息事件的影响要借助于累积异常收益率来刻画,它代表了事件对企 业或股票价值的影响程度。企业或股票价值的变化是由事件引起的,相对于证券市场价值的 变化而言,事件是一个外生变量,在许多情况下这种认识是合理的。这里,事件研究基于假 设:事件的影响可以由异常收益率度量。 2、选取研究样本 事件研究中,研究样本的选择是很重要的有时是否应将某一发生事件的公司包括在研究 样本之内还需要仔细考虑以此对事件进行合理分析。为达到这一效果我们必须首先确定进 行事件研究时对所需样本的选取标准。具体而言,就是从大量上市公司的股价中如何选取 个与该事件有关的样本,以便分析事件对股价的影响。 3、正常收益的计算 令R表示证券i在第t期的实际收益率,定义AR为证券i在第t期的异常收益率, NR,为证券i在第t期的正常收益率。则有: AR=R-NR (1)
1 EMH 检验:事件研究法 一、事件研究法的主要步骤 采用事件研究(event study)的方法,这种研究方法以影响股票价格的特殊事件为中心, 通过研究事件的发生是否影响了时序性数据来检验市场对事件的反应,通常考察在事件前后 累积异常收益率的变化来判断事件的影响。在一个有效的市场上,事件是否产生影响将立即 通过价格反映出来,并可以通过对一段时间内价格的变化进行分析来测量。事件研究方法通 常有两个基本的假设:(1)在事件研究窗口内,除了所研究事件外,没有其它事件发生, 即使有事件发生,也不会对价格产生显著影响。(2)事件的影响可以由异常收益率来度量。 事件研究法的研究步骤主要分以下五方面: 1、定义事件窗口 在事件研究中,一个重要方面是设定事件窗口,即在检验事件对公司证券价格的影响时 要确定的检验时间区间。用图形表示如下: 图1:定义事件窗口 这里,t = 0 表示事件日,即事件的公告日期。t = T1 + 1到t = T2 表示事件窗口, t = T0 +1 到t = T1 表示估计窗口,t = T2 + 1到t = T3 表示事后窗口。其中, T0 、T1 、 T2 和T3 分别为事件日前后的时间。 事件窗口是包含事件发生日在内的一个时间区间。估计窗口是选取来计算正常收益率的 一个时间区间。假设事件没有发生或没有这个事件,那么股票收益率为正常收益率,一般用 事件没有发生时的预期收益率来表示。这里我们选择比较理想市场模型,它不仅反映出证券 本身的变化,又体现了市场指数对证券收益率变化的影响,而且操作起来并不困难。事后窗 口是为了检验事件在事件窗口后对股价的影响,在事件窗口后选取的一个时间区间最后,我 们要确定异常收益率。信息事件的影响要借助于累积异常收益率来刻画,它代表了事件对企 业或股票价值的影响程度。企业或股票价值的变化是由事件引起的,相对于证券市场价值的 变化而言,事件是一个外生变量,在许多情况下这种认识是合理的。这里,事件研究基于假 设:事件的影响可以由异常收益率度量。 2、选取研究样本 事件研究中,研究样本的选择是很重要的,有时是否应将某一发生事件的公司包括在研究 样本之内还需要仔细考虑,以此对事件进行合理分析。为达到这一效果,我们必须首先确定进 行事件研究时对所需样本的选取标准。具体而言,就是从大量上市公司的股价中如何选取一 个与该事件有关的样本,以便分析事件对股价的影响。 3、正常收益的计算 令 Rit 表示证券i在第t 期的实际收益率,定义 ARit 为证券i 在第t 期的异常收益率, NRit 为证券i 在第t 期的正常收益率。则有: AR R NR it it it (1)
其中NRn由正常收益率模型来确定 算正常收益的模型分为经济性模型和统计性模型,通常使用的模型有两类,即 (1)CAPM棋型 资本资产定价模型(CMPA)是最常用的估计模型之一,即 Rt -r=B(Rmt-r)+eir 其中,R与Rm分别是证券i和市场投资组合在t期的收益,r是无风险收益率;B 为模型参数。 (2)市场模型 市场模型是将某一证券收益与市场证券组合收益相联系的统计模型。即: R,=a+BR+a (3) E(En)=0aEn]=σ 其中,R1与Rm分别是证券i和市场投资组合在t期的收益,En扰动项其均值为0,方 差为σ。a1、B与σ为市场模型的参数 4、估计超额收益(非正常收益) 在选择正常收益的计算模型之后,接下来的步骤就是对异常收益进行估计。由方程(8.16) 可知,异常收益为实际收益与正常收益之差由于实际收益无需估计,需要估计正常收益,般 用估计窗内的相关数据进行估计如在使用日数据与市场模型的事件研究中,市场模型参数可 通过事件发生前90天或60天的数据进行估计,再运用所估计出的参数与事件窗对应的数据计 算Rn的估计值 计算出异常收益日数据后,需要对异常收益进行加总异常收益的加总包括截面上(各种证 券间)的加总与时间序列主要指事件窗)上的加总。由于AR为整个样本(设由N个证券组成) 在时刻的平均异常收益,进而设CAR(t122)为整个样本在(1,2)期间内的平均异常收益 则异常收益的截面和时间序列加总分别可以表示为 AR= Eit CAR(, 42) AR 异常收益计算出来以后有时候还需要进一步检验其显著性。零假设通常是:异常收益(或 累积异常收益)均值为0;备测假设是:异常收益(或累积异常收益)均值不为0。检验的方法包 括参数检验法与非参数检验法。其中,非参数检验方法包括符号检验法与秩检验法两种。 5、实证结果及其解释 基于上述事件研究步骤,自然会取得相应计量结果,接下来的工作就是对计量的事件研究
2 其中 ,NRit由正常收益率模型来确定。 计算正常收益的模型分为经济性模型和统计性模型,通常使用的模型有两类,即: (1)CAPM 模型 资本资产定价模型(CMPA)是最常用的估计模型之一,即: ( ) R r R r it f i mt f it (2) 其中, Rit 与 Rmt 分别是证券i 和市场投资组合在 t 期的收益, f r 是无风险收益率; i 为模型参数。 (2)市场模型 市场模型是将某一证券收益与市场证券组合收益相联系的统计模型。即: R a R it i i mt it (3) 2 ( ) 0 [ ] i E Var it it (4) 其中, Rit 与 Rmt 分别是证券 i 和市场投资组合在 t 期的收益, it 扰动项,其均值为0 ,方 差为 2 i 。 ai 、 i 与 2 i 为市场模型的参数。 4、估计超额收益(非正常收益) 在选择正常收益的计算模型之后,接下来的步骤就是对异常收益进行估计。由方程(8.16) 可知,异常收益为实际收益与正常收益之差,由于实际收益无需估计,需要估计正常收益 ,一般 用估计窗内的相关数据进行估计,如在使用日数据与市场模型的事件研究中,市场模型参数可 通过事件发生前90天或60天的数据进行估计,再运用所估计出的参数与事件窗对应的数据计 算 Rit 的估计值。 计算出异常收益日数据后,需要对异常收益进行加总,异常收益的加总包括截面上(各种证 券间)的加总与时间序列(主要指事件窗)上的加总。由于 ARt 为整个样本(设由N 个证券组成) 在t 时刻的平均异常收益,进而设 1 2 CAR t t ( , ) 为整个样本在 1 2 ( , ) t t 期间内的平均异常收益, 则异常收益的截面和时间序列加总分别可以表示为: 1 1 N ARt it N (5) 2 1 1 2 ( , ) t t t CAR t t AR (6) 异常收益计算出来以后,有时候还需要进一步检验其显著性。零假设通常是:异常收益(或 累积异常收益) 均值为0 ;备测假设是:异常收益(或累积异常收益) 均值不为0。检验的方法包 括参数检验法与非参数检验法。其中,非参数检验方法包括符号检验法与秩检验法两种。 5、实证结果及其解释 基于上述事件研究步骤,自然会取得相应计量结果,接下来的工作就是对计量的事件研究
结果进行分析。理想的检验结果应该为事件的影响机理、作用等相关理论提供实证支持,但 有时也会出现检验结果与理论或预期相悖的情况,此时需要提岀新的理论解释,或对模型和 数据的不足进行分析。 在结果分析过程中,尤其要注意以下两点:一是样本容量对实证结果的影响,尤其是利 用有限的事件观察数据(小样本)进行研究时,实证结果可能会较大程度地受一、两个公司的影 响。因此在分析研究结论或进行结果解释时应特别谨慎:二是在事件研究的各个步骤中将 面临着诸多选择,则这些选择会对实证结果产生一定影响,如事件窗长度的选择、样本的选 择、正常收益模型的选择、估计窗长度的选择与异常收益显著性检验方法的选择等,如此众 多的选择必然会给研究结论与相应的解释带来不确定性。因此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。 、上市公司“高送转”效应检验 在此,我们选取沪深股市中是2003年度年报中推出高送转预案并且实施的上市公司作为 高送转样本,而且送转比例达到10送转5以上,共101家公司。应用事件研究法,以送转预告 日为O时刻(若公告日不是交易日,则下一个交易日为0),研究时间窗口是(-50,+50)。从 统计结果看,样本公司的累积超额收益率从公告日前一路走势向上,在公告前15交易日迅速 上扬,直到公告日后15天左右达到顶峰0.1608,然后随着上市公司的除权填权过程而逐渐平 0.18 0.16 0.14 0.12 0.08 0.06 0.04 0.02 早号节即芹甲二时8月可导品 图2:高送转公司超额收益CAR(50,+50) 下面,再按照高送转比例划分样本,检验发现公司送转比例与累积超额收益CAR存在 显著正向关联性,送转比率越高CAR相对越高。从图8-9直观揭示了上述结论,除了10送 转10样本处于10送转5-6和10送转8-8之间外,投资者对公司高送转行为给予积极性市 场反应,并且送转比率越高市场反应相对越强烈。需要指出的是,检验结果高送转比率的正 向积极反应,恰恰表明“内部交易者ˆ利用高送转“利好”信息优势获得显著性超额收益,而 在“利好”公告日之后股价见顶下降则证明“内部交易者”利用“利好”兑现出货。这一实证结果 进一步验证了中国股票市场仍没有达到强有效
3 结果进行分析。理想的检验结果应该为事件的影响机理、作用等相关理论提供实证支持,但 有时也会出现检验结果与理论或预期相悖的情况,此时需要提出新的理论解释,或对模型和 数据的不足进行分析。 在结果分析过程中,尤其要注意以下两点:一是样本容量对实证结果的影响,尤其是利 用有限的事件观察数据(小样本)进行研究时,实证结果可能会较大程度地受一、两个公司的影 响。因此,在分析研究结论或进行结果解释时应特别谨慎;二是在事件研究的各个步骤中将 面临着诸多选择,则这些选择会对实证结果产生一定影响,如事件窗长度的选择、样本的选 择、正常收益模型的选择、估计窗长度的选择与异常收益显著性检验方法的选择等,如此众 多的选择,必然会给研究结论与相应的解释带来不确定性。因此,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。 二、上市公司“高送转”效应检验 在此,我们选取沪深股市中是2003年度年报中推出高送转预案并且实施的上市公司作为 高送转样本,而且送转比例达到10送转5以上,共101家公司。应用事件研究法,以送转预告 日为0时刻(若公告日不是交易日,则下一个交易日为0),研究时间窗口是(-50,+50)。从 统计结果看,样本公司的累积超额收益率从公告日前一路走势向上,在公告前15交易日迅速 上扬,直到公告日后15天左右达到顶峰0.1608,然后随着上市公司的除权填权过程而逐渐平 稳。 图 2:高送转公司超额收益 CAR(-50,+50) 下面,再按照高送转比例划分样本,检验发现公司送转比例与累积超额收益 CAR 存在 显著正向关联性,送转比率越高 CAR 相对越高。从图 8-9 直观揭示了上述结论,除了 10 送 转 10 样本处于 10 送转 5-6 和 10 送转 8-8 之间外,投资者对公司高送转行为给予积极性市 场反应,并且送转比率越高市场反应相对越强烈。需要指出的是,检验结果高送转比率的正 向积极反应,恰恰表明“内部交易者”利用高送转“利好” 信息优势获得显著性超额收益,而 在“利好”公告日之后股价见顶下降则证明“内部交易者”利用“利好”兑现出货。这一实证结果 进一步验证了中国股票市场仍没有达到强有效。 0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 -50 -46 -42 -38 -34 -30 -26 -22 -18 -14 -10 -6 -2 2 6 10 14 18 22 26 30 34 38 42 46 50
0.2 0.15 0.1 0.05 日甲三时图习导 0.5—0.60.7 0.8 图2:高送转事件按照送转比例划分的CAR
4 图2: 高送转事件按照送转比例划分的CAR -0.05 0 0.05 0.1 0.15 0.2 0.25 -50 -46 -42 -38 -34 -30 -26 -22 -18 -14 -10 -6 -2 2 6 10 14 18 22 26 30 34 38 42 46 50 0.5 0.6 0.7 0.8 1