事件研究

事件研究（event study）是一種經驗財務研究技術，運用這種技術觀察者可以評估某一事件對一個公司股價的影響。

基本介紹

• 中文名：事件研究
• 外文名：event study
• 定義：一種經驗財務研究技術
• 用途：某一時間對一個公司股價的影響

事件研究

事件研究法 (Event Study) 是一種統計方法，系在研究當市場上某一個事件發生的時候，是否會對股價產生波動。

意義

事件研究法 (Event Study) 是一種統計方法，是在研究當市場上某一個事件發生的時候，股價是否會產生波動時，以及是否會產生“異常報酬率”(abnormal returns)，藉由此種資訊，我可以了解到股價的波動與該事件是否相關。

步驟

在研究過程中，首先須決定研究假說為何。決定研究假說以後，須確定事件的種類及其事件日，估計期及事件期之計算期間，並以股價日報酬率估算其預期報酬率，再透過實際報酬與預期報酬之差額，觀察整體股利發放事件，於宣告期間是否具有異常報酬的產生，最後藉由統計檢定來檢視其統計值是否顯著。

決定研究假說

譬如假設估計期間的CAR並沒有產生資訊效果，而事件期的CAR可能產生資訊效果。

事件日的確定

事件研究法的第二步，即確定所要研究的事件。所謂的“事件日”，系指市場“接收”到該事件即將發生或可能發生的時間點，而非該事件“實際”上發生的時間點，此時點通常以“宣告日”為準。時點認定的適當與否，對於研究的正確性，會有決定性的影響。

市場模式

估計某一事件發生或公布後，對於股價影響，必須建立股票報酬率的“預期模式”，以估計“預期報酬”(expected returns)。股票報酬率的預期模式有很多種，套用最廣的是“市場模式” (Market Model)。市場模式假設個股股票的報酬率與市場報酬率間存線上性關係，並以市場報酬率建立股價報酬率之回歸模式，公式如下：

Rit=αi +βi Rmt +εi,t

Rit：表示 i 公司 t 期的報酬率，計算方式為 (該股X日時收盤價–該股[X-1]日時收盤價) / 市場[X-1]日時收盤價。 Rmt：表示 t 期的市場加權指數股票之報酬率，計算方式為 (市場X日時收盤指數–市場[X-1]日時收盤指數) / 市場[X-1]日時收盤指數。 αi：表示回歸截距項。 εit：表示回歸殘差項。 βi：表示回歸斜率。

建立股票報酬率的“預期模式”

針對誤差項的部分，根據Fama(1968)、Beja(1972)及Fama(1973)之研究，市場模式有下列之假設： E（εit）=0 Cov（ εiτ , εiγ）= ,τ,γ 〔t1, t2〕 Cov（ εit , Rmt）=0　因此，經由以上所示之公式，可求得個別證券在“事件期”某一期之“預期報酬率”，即為：

Rit=ai + bi Rmt

Rit ：表示 i 公司t期之預期報酬率，經由估計期計算得來。 Rmt：表第t期市場加權指數股票之報酬率。

AAR與CAR

估計平均異常報酬率(AAR)、累積異常報酬率(CAR)　一但估計出“預期報酬率”，也就可以得到異常報酬率。為了了解某一特定事件之異常報酬率或累積效果的行為，並且提供有關異常報酬率，何時開始出現關聯以及何時結束，採用異常報酬率 (AR) 及累積異常報酬率 (CAR) 以看出此項反應。

異常報酬 (Abnormal Returns , ARit) 指以事件期的實際報酬減去事件期的預期報酬：　ARit=Rit－Rit

ARit：表示 i 公司第t期之異常報酬率。 Rit ：表示 i 公司第t期之實際報酬率。 Rit ：表示 i 公司第t期之預期報酬率。

累積異常報酬率 (Cumulative Abnormal Returns, CAR( T ))，則為特定期間內每日異常報酬率的累加值。

異常報酬率的檢定

如果異常報酬率為“正”，我們可以推論事件對股價有正的影響；如果異常報酬率為“負”，我們可以推論事件對股價有負的影響。但只知道正負仍不夠，因為我們不確定此種影響是否足夠明顯，因此必須進行“顯著性檢定”。

分析方法

無相關調整檢定法

無相關調整法(No Dependence Adjustment Test) 由Brown與Warner推出，也稱為傳統法(Traditional method)。

橫斷面標準偏差檢定法

英文為 Cross-sectional standard deviation test。若證券受到事件的影響，使得事件期股票報酬率的變異數明顯增加(Event-induced variance)，使用估計期信息去推估事件期的異常報酬率變異數可能沒有太大的意義。因此，忽略估計期殘差的信息，以事件期橫斷面的個別證券的異常報酬率計算變異數且假設不同證券間的異常報酬率為無關

橫斷面檢定法 - GARCH

英文為 Cross-sectional test - GARCH。假設報酬率符合GARCH模式，與橫斷面標準偏差檢定的差異在於異常報酬率的變異數乃使用GARCH模式預測的變異數

標準化殘差檢定法

英文為 Standardized residual test or Patell test。相同於傳統法，Patell使用風險調整模式-OLS估計法探討標準化殘差法[1]，藉由標準化過程，使標準化異常報酬率同為單一常態分配(Unit Normal Distribution)，

標準化橫斷面檢定法

英文為 Standardized cross-sectional test。Boehmer、Musumeci與Poulsen提出標準化橫斷面檢定，以解決橫斷面檢定法檢定力較不足的情形。檢定的基本精神與橫斷面檢定法相同，必須先將異常報酬率標準化之後，再計算橫斷面的標準化異常報酬率的變異數，

進行事件研究檢定時，可採用前述的母數檢定偵測異常報酬率，但當證券報酬率偏離偏離常態分配時，將使得虛無假設下的抽樣分配可能異於實際分配，導致檢定統計量會出現拒絕過多或是過少的結果。因此，可使用不需要強烈分配假設的無母數檢定。

符號檢定法(Sign test)

符號檢定是依據事件期，證券彼此之間的異常報酬率正負號決定，亦即檢定事件期的異常報酬率為正值的比率是否為50%。

一般化符號檢定法

符號檢定法(Generalized Sign test)假設異常報酬率為正值的證券數量占全證券數量的比例為50%可能並不合理；因此，可以選擇使用一般化符號檢定，針對證券估計期的觀察樣本，並依照實際狀況估計出異常報酬率為正值的證券數量，並計算比率。