事件研究法

本文主要讲的是事件研究法的sas代码的编程实现过程，所以关于事件研究法的定义，理论框架，应用范围等等均不在文章范围内。根据下面的过程即可完成相应的结果，

1，首先你要准备好2-3个数据集：

     1，事件数据集a：包含股票名称，事件日日期，具体事件等几个变量；

     2，股票数据集b，包含股票代码，日期，收益率或收盘价，

    3，市场指数数据集c，包含股票代码，日期，收益率或收盘价，对应的无风险收益率；如果你使用因子模型估计，那就要包含对应的因子数据

2，具体实现思路：

             其实最难的就是如何找到对应公告日前后10个交易日或前220到前10个交易日的数据。

1，首先你要有对应的全时期内的交易日：这个你直接根据市场指数数据集来，然后找到对应的所有交易日对应的前220个交易日的日期，前10个交易日的日期，前7个交易日的日期，后7个交易日的日期（这里假设你计算时间窗口期为-7,7）。代码如下：

首先生成所有交易日-220,-10的日期：

data  rq1;
  set c;
   do i = -220 to -10;
       date1 = date + i;output;
   end;
run;

再生成所有交易日-7,7的日期：

data  rq2;
  set c;
   do i = -7 to 7;
       date1 = date + i;output;
   end;
run;

然后找到对应的前置日期：

proc expand data = c out = c1;
convert date = lag_220 / transformout = (lag 221);
convert date = lag_10 / transformout = (lag 11);
convert date = lag_7 / transformout = (lag 8);
convert date = lea_7 / transformout = (lead 8);
run;

然后将c1数据集和事件数据集合并，也就是说将报告日期对应的前置日期找出来了。

然后将合并数据集d与总的股票数据集b合并，根据筛选条件得到相应的窗口期数据集和事件期数据集，代码如下：

data ck;
  merge b d;
  by code;
  if lag_7 < time < lea_7;
run;

data sj;
  merge b d;
  by code;
  if lag_220 < time < lag_10;
run;

后续的工作就比较简单了，将ck，sj与c再合并，生产c1，c2，先在c1中分组求beta，与c2合并后求异常收益率AR即可：分组代码如下：

proc reg data = hg outest=beta noprint;
by code;
model r = rm;
quit;
run;

异常收益率：

data all;
  merge c2 beta;
  by code;
  ar = r - ( beta*rm + Intercept) ;
run;

注：上述公告期需要为交易日，如果公告期不是交易日，你可以先将期转化为最近的一个交易日。如果你需要求的是自然日而非交易日的异常收益率则更为简单，求日期窗口的思路如下：

data 窗口期;
   set a;
   do i = -220 to -10;date1=date+i;
   output;end;
run;

data 事件期;
   set a;
   do i = -7 to 7;date1=date+i;
   output;end;
run;
————————————————