通最小平方法(0LS)来测算未发生事件情况下的“正常收益率”，计算公式为： AR =R-R=R-(a;+BR)(1) 其中AR,为股票i在时间t的异常收益率，R为股票i在时间1的实际收益率，R为股 票i在时间1的正常收益率，R,为市场指数在时间1的180指数或100指数收益率，模型中 的参数（α，）通过公告日前10~210个交易日的市场数据进行估计。为保持样本的完整性， 交易日不足200个交易日的样本，按实际交易日作为估计期。由于新股上市开始一周股价与 成交量都比较活跃，因而，新股将从上市第7个交易日（即剔除上市首日与上市后一周）起 算。 3.异常交易量计算 本文采用Harris与Gruel(1986)提出的平均成交量比率(MWR)衡量成份股调整 导致的异常交易量： 2R, MVR, (2) 'a/ VR.=VaIV (3) V,是第1天i股票的成交量，，是估计期窗口（公告日前10~210天）'，的平均值，Vm 是第1天市场指数的成交量，可是估计期窗口V的平均值。R,反映第1天i股票的成交 量效应。新股处理方式与上述异常收益率处理相同。如果指数调整事件不会对成份股交易量 产生影响，VR的期望值为1。 4.长期异常收益率计算 为了分析成份股调整的长期异常收益率，我们使用指数模型来计算成份股调整前半年或 后半年间的月异常收益率，计算公式为： ARi=Ri-Rm (4) 其中AR为股票i在1月的异常收益率，R,为股票i在1月的实际收益率，R为指数 在时间1月的收益率。 5.统计检验 对异常收益率及异常交易量检验应用参数检验法中T检验，以判断平均异常收益率 (AAR,)与平均累计异常收益率(CAAR,)是否显著不为零，而MWR是否显著异于1。3 通最小平方法（OLS）来测算未发生事件情况下的“正常收益率”，计算公式为：： ( ) ˆ ARit = Rit − Rit = Rit − α i + β iRmt （1） 其中 ARit 为股票i 在时间t 的异常收益率，Rit 为股票i 在时间t 的实际收益率，Rit ˆ 为股 票i 在时间t 的正常收益率，Rmt 为市场指数在时间t 的 180 指数或 100 指数收益率，模型中 的参数(α, β ) 通过公告日前 10～210 个交易日的市场数据进行估计。为保持样本的完整性， 交易日不足 200 个交易日的样本，按实际交易日作为估计期。由于新股上市开始一周股价与 成交量都比较活跃，因而，新股将从上市第 7 个交易日（即剔除上市首日与上市后一周）起 算。 3．异常交易量计算 本文采用 Harris 与 Gruel（1986）提出的平均成交量比率（ MVRt ）衡量成份股调整 导致的异常交易量： ∑= = N i t VRit N MVR 1 1 （2） mt m it i it V V V V VR / / = （3） Vit 是第t 天i 股票的成交量，Vi 是估计期窗口（公告日前 10～210 天）Vit 的平均值，Vmt 是第t 天市场指数的成交量，Vm 是估计期窗口Vmt 的平均值。VRit 反映第t 天i 股票的成交 量效应。新股处理方式与上述异常收益率处理相同。如果指数调整事件不会对成份股交易量 产生影响，VRit 的期望值为 1。 4．长期异常收益率计算 为了分析成份股调整的长期异常收益率，我们使用指数模型来计算成份股调整前半年或 后半年间的月异常收益率，计算公式为: ARit = Rit − Rmt （4） 其中 ARit 为股票i 在t 月的异常收益率，Rit 为股票i 在t 月的实际收益率，Rmt 为指数 在时间t 月的收益率。 5．统计检验 对异常收益率及异常交易量检验应用参数检验法中 T 检验，以判断平均异常收益率 （ AARt ）与平均累计异常收益率（CAARt ）是否显著不为零，而 MVRt 是否显著异于 1