事件研究法Python代码

最新推荐文章于 2024-08-25 11:03:56 发布

学习代码中的Sylvie

最新推荐文章于 2024-08-25 11:03:56 发布

阅读量1.9k

点赞数

文章标签： python 机器学习

本文链接：https://blog.csdn.net/Sylvie1616/article/details/124892385

版权

事件研究法通过分析事件前后股票收益率变化，评估特定事件对股价的影响。主要步骤包括定义事件、选择样本、选择回归模型、估计异常收益和检验异常收益。文中提到使用Python进行实现，参考并改进了网上的代码，还增加了AR和CAR的显著性检验。尽管数据不佳导致最终结果不理想，但分享了tushare pro接口的使用，特别指出对于高校学生和教师的积分获取方式，以及其在数据获取上的便利性。

摘要由CSDN通过智能技术生成

事件研究法(event study)，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。

主要步骤，如下所示：

1.定义事件；

2.选择研究样本；

3.选择模型（指的是数据回归模型，比如CAPM）；

4.估计异常收益；

5. 检验异常收益；

所使用的代码，参考了现在网上见到的代码，并做了一些修改，添加了AR以及CAR的显著性检验，就是事件研究法的最后部分。（不过，我的数据不太好，最后的结果不是太理想。就不放上来了……）

！！！注：本文使用的是tushare的pro接口，但是需要积分，积分可以在注册时候获取，需要做一些任务。高校学生或者老师可以通过认证的方式获取积分，可以免费试用3个月，之后可以通过季度任务续期，还挺方便划算的~

如果choice或者wind数据获取以及整理比较麻烦的话，tushare挺方便的！

# 事件研究法 
import pandas as pd 
import tushare as ts 
import matplotlib.pyplot as plt 
from sklearn.linear_model import LinearRegression 

# 线性回归 
import csv import numpy as np 
import math 
plt.rcParams['font.sans-serif