事件研究法

统计方法

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，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。

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)。股票报酬率的预期模式有很多种，应用最广的是“市场模式” (Market Model)。市场模式假设个股股票的报酬率与市场报酬率间存在线性关系，并以市场报酬率建立股价报酬率之回归模式，公式如下：

Rit=αi +βi Rmt +εi,t

Rit：表示 i 公司 t 期的报酬率，计算方式为 (该股X日时收盘价–该股[X-1]日时收盘价) / 该股[X-1]日时收盘价。 Rmt：表示 t 期的市场加权指数股票之报酬率，计算方式为 (市场X日时收盘指数–市场[X-1]日时收盘指数) / 市场[X-1]日时收盘指数。 αi：表示回归截距项。 εit：表示回归残差项。 βi：表示回归斜率。

建立股票报酬率的“预期模式”

针对误差项的部分，根据Fama(1968)、Beja(1972)及Fama(1973)之研究，市场模式有下列之假设： E（εit）=0 Cov（ εiτ , εiγ）= ,τ,γ 〔t1, t2〕 Cov（ εit , Rmt）=0

因此，经由以上所示之公式，可求得个别证券在“事件期”某一期之“预期报酬率”，即为：Rit=ai + bi Rmt

Rit ：表示 i 公司t期之预期报酬率，经由估计期计算得来。 Rmt：表第t期市场加权指数股票之报酬率。

估计平均异常报酬率(AAR)、累积异常报酬率(CAR)

一但估计出“预期报酬率”，也就可以得到异常报酬率。为了了解某一特定事件之异常报酬率或累积效果的行为，并且提供有关异常报酬率，何时开始出现关联以及何时结束，采用异常报酬率 (AR) 及累积异常报酬率 (CAR) 以看出此项反应。

异常报酬 (Abnormal Returns , ARit) 指以事件期的实际报酬减去事件期的预期报酬：ARit=Rit－Rit

ARit：表示 i 公司第t期之异常报酬率。 Rit ：表示 i 公司第t期之实际报酬率。 Rit ：表示 i 公司第t期之预期报酬率。

累积异常报酬率 (Cumulative Abnormal Returns, CAR( T ))，则为特定期间内每日异常报酬率的累加值。

如果异常报酬率为“正”，我们可以推论事件对股价有正的影响；如果异常报酬率为“负”，我们可以推论事件对股价有负的影响。但只知道正负仍不够，因为我们不确定此种影响是否足够明显，因此必须进行“显著性检定”。

分析结果

依据研究假说，对于异常报酬率以及检定的结果进行分析，并提出解释。