python做事件研究法_Event Study(附Python代码)(一)

过年回国就赶上了肺炎...也突然有时间来写写专栏了！第一个话题就写写事件研究法，event study吧，原因之一当然就是这个肺炎事件，可能我还太年轻，才发现瘟疫事件对金融市场的影响，富时A50指数，日经225已经连续跌两天了，美国股市也是从年前就已经闻到了瘟疫带来的恐慌早早开始避险。所以是时候来讨论一下event study了。不知道会不会有未来会有很多关于写这次瘟疫的event study的文章。

所以根据字面意思，事件研究法就是研究某一个事件对股价(收益率)的影响，某个积极(也可能是消极)信息对于股价的影响，说到这儿，就不得不提一下宗师 Eugene F. Fama了——event study基本上还是根据有效市场假说而来，市场消化新的信息，并且对新的信息作出显著的反应。当然这个反应是立刻而且及时的，在事件公布之后，股价或许会归于正常，或许会因为是一个很差的消息而一蹶不振，也可能影响根本不显著。也就是如本文封面：

(当然这个图片来自于Journal of Economic Literature)超额收益 -- AR -- Abnormal Return

进入正题，首先要定义两个区间，estimation window和event window，也就是用来估计market model的一个时间段(estimation)，另外一个event window用来计算超额收益：

,

其中,

也就是 abnormal return 在 第 i 期的超额收益，

是实际第 i 期的实际收益，

也就是如果没有 X 事件发生条件下的期望收益。所以计算超额收益，主要就是计算这个

。而此项则是需要用到 estimation window中的估计参数。那么我们来定义一下这两个window：

方便起见，estiamtion window为

，event window为

。通常来说，estimation的跨度设置为250个交易日，event的跨度设置为20个交易日(完全自由，当然也取决于事件长度)。

下一步我们来设置我们benchmark model，也就是一个能代表市场期望收益的模型，在我的例子中，我就使用 Fama 的经典三因子模型：

关于这个经典的公式不再赘述啦(可能在下一篇进行更细致的赘述)，不过推荐一下这个网站，大家可以查询到历史的三因子的数据，包括很多其他的因子(真的被这个网站惊艳到了)：https://mba.tuck.dartmouth.edu/pages/faculty/ken.french/data_library.html​mba.tuck.dartmouth.edu

将上边的三因子模型以矩阵的形式求解，

一个

的向量，

为一个

的矩阵，t为我们estimation window的长度，可得：