stringtranslate.com

Исследование событий

Событийное исследование — это статистический метод оценки воздействия события (также называемый «лечением»). [1]

Ранние заметные применения событийных исследований произошли в сфере финансов . [1] Например, объявление о слиянии двух бизнес-структур может быть проанализировано, чтобы увидеть, считают ли инвесторы, что слияние создаст или уничтожит стоимость. Основная идея заключается в том, чтобы найти аномальную доходность, приписываемую изучаемому событию, скорректировав доходность, которая вытекает из колебания цен на рынке в целом. [2] Событийное исследование было изобретено Боллом и Брауном (1968). [3]

Поскольку методология событий может быть использована для выявления влияния любого типа событий на направление и величину изменений цен акций, она очень универсальна. Таким образом, исследования событий являются общими для различных областей исследований, таких как бухгалтерский учет и финансы, менеджмент, экономика, маркетинг, информационные технологии, юриспруденция, политология, операции и управление цепочками поставок. [4]

Одним из аспектов, часто используемых для структурирования всего корпуса событийных исследований, является широта изучаемых типов событий. С одной стороны, существуют исследования, изучающие реакцию фондового рынка на общеэкономические события (например, рыночные потрясения, такие как изменения в регулировании, или катастрофические события, такие как война). С другой стороны, событийные исследования используются для изучения реакции фондового рынка на корпоративные события, такие как слияния и поглощения, объявления о доходах, проблемы с долгами или акциями , корпоративные реорганизации, инвестиционные решения и корпоративная социальная ответственность (MacKinlay 1997; [5] McWilliams & Siegel, 1997 [6] ).

Методология

Общая методология событийного исследования объясняется, например, в MacKinlay (1997) [5] или Mitchell and Netter (1994). [7] В MacKinlay (1997) это делается «с использованием данных финансового рынка» для «измерения влияния конкретного события на стоимость фирмы». Он утверждает, что «учитывая рациональность на рынке, влияние события немедленно отразится на ценах ценных бумаг. Таким образом, мера экономического влияния события может быть построена с использованием цен ценных бумаг, наблюдаемых в течение относительно короткого периода времени». Важно отметить, что краткосрочные событийные исследования более надежны, чем долгосрочные событийные исследования [8], поскольку последние имеют много ограничений. Однако Котари и Уорнер (2005) смогли усовершенствовать долгосрочные методологии, чтобы улучшить дизайн и надежность исследований в течение более длительных периодов. [9]

Эмпирические методы

Методологически, событийные исследования подразумевают следующее: на основе окна оценки до анализируемого события метод оценивает, какой должна быть нормальная доходность акций затронутой фирмы(-й) в день события и за несколько дней до и после события (т. е. в течение окна события). После этого метод вычитает эту «нормальную доходность» из «фактической доходности», чтобы получить «аномальную доходность», приписываемую событию.

Однако исследования событий могут различаться в отношении спецификации нормальной доходности. Наиболее распространенной моделью для нормальной доходности является «рыночная модель» (MacKinlay 1997). Следуя этой модели, анализ подразумевает использование окна оценки (обычно размером 120 дней) до события для выведения типичной связи между акциями фирмы и эталонным индексом с помощью регрессионного анализа . Затем на основе коэффициентов регрессии прогнозируются нормальные доходности и используются для расчета аномальных доходностей. Альтернативные модели для нормальной доходности включают модель CAPM или более упрощенные подходы, такие как средние доходности (см. обзор MacKinlay 1997).

Расчет аномальной доходности

В зависимости от модели, выбранной для «нормального возврата», проведение событийных исследований требует от исследователя реализации определенной последовательности шагов. Для наиболее распространенной модели, «рыночной модели», шаги следующие:

  1. Извлеките и сопоставьте временные ряды финансовой доходности акций целевой компании и ее базового индекса.
  2. Для каждого события определите последовательности доходностей фирмы и рынка, которые необходимо включить в окно оценки.
  3. Используя регрессионный анализ, рассчитайте коэффициенты альфа, бета и сигма, которые объясняют типичную связь между акцией и эталонным индексом.
  4. Используя эти три параметра, спрогнозируйте «нормальную доходность» для всех дней окна событий.
  5. Вычитая эти «нормальные доходы» из «фактических доходов», вы получаете «аномальные доходы», которые и являются интересующими вас показателями.

Значение аномальной доходности

Чтобы определить, отличаются ли индивидуальные аномальные доходности от нуля с некоторой статистической достоверностью, необходимо применить тестовую статистику. Для этой цели существуют различные тестовые статистики на разных уровнях анализа (т. е. AR-, CAR-, AAR- и CAAR-уровни). Наиболее распространенный тест, t-тест , делит аномальные доходности на среднеквадратичную ошибку регрессии. Затем полученные t-значения необходимо сравнить с критическими значениями t-распределения Стьюдента . Есть некоторые свидетельства того, что во времена высокой волатильности (например, финансовый кризис 2007–2008 гг .) слишком много компаний, как правило, показывают значительно аномальные доходности с использованием t-теста , что затрудняет определение того, какие доходности действительно «аномальны». [8] [10]

Программное обеспечение для проведения событийных исследований

Исследования событий могут быть реализованы с помощью различных инструментов. Исследования отдельных событий могут быть легко реализованы с помощью MS Excel , исследования событий, охватывающие несколько событий, должны быть построены с использованием статистических программных пакетов (например, STATA , Matlab ). Помимо этих многоцелевых инструментов, существуют решения, специально разработанные для проведения анализа исследований событий (например, Eventus, EventStudyTools).

Применение к анализу слияний

Логика методологии изучения событий (в конкретном контексте слияний ) объясняется в работе Уоррена-Бултона и Далкира (2001): [11]

Инвесторы на финансовых рынках ставят свои доллары на то, поднимет или снизит слияние цены. Слияние, которое повышает рыночные цены, принесет пользу как сливающимся сторонам, так и их конкурентам и, таким образом, поднимет цены на все их акции. И наоборот, финансовое сообщество может ожидать, что эффективность от слияния будет достаточно большой, чтобы снизить цены. В этом случае стоимость акций конкурентов сливающихся фирм падает по мере того, как вероятность слияния возрастает. Таким образом, данные финансовых рынков можно использовать для прогнозирования влияния на рыночные цены, когда происходят значительные события, связанные со слиянием.

Уоррен-Бултон и Далкир (2001) [11] применяют свою методологию вероятности событий к предложенному слиянию Staples, Inc. и Office Depot (1996), которое было оспорено Федеральной торговой комиссией и в конечном итоге отменено.

Выводы

Уоррен-Бултон и Далкир (2001) [11] обнаружили весьма значимые доходы единственной конкурирующей фирмы на соответствующем рынке. На основе этих доходов они смогли оценить ценовой эффект слияния на товарном рынке, который в значительной степени согласуется с оценками вероятного повышения цен из других независимых источников.

Применение в судебном разбирательстве

Результаты исследований событий были приняты в качестве доказательств в судебных разбирательствах в США при количественной оценке ущерба в делах, связанных с мошенничеством с ценными бумагами. [12]

Смотрите также

Ссылки

  1. ^ ab Miller, Douglas L. (2023). «Вводное руководство по моделям изучения событий». Журнал экономических перспектив . 37 (2): 203–230. doi : 10.1257/jep.37.2.203 . ISSN  0895-3309.
  2. ↑ Рональд Дж. Гилсон и Бернард С. Блэк, Право и финансы корпоративных поглощений, 2-е издание, 1995 г., 194-195.
  3. ^ Рэй Болл и Филип Браун, Эмпирическая оценка показателей доходов в бухгалтерском учете, Журнал исследований в области бухгалтерского учета, том 6, осень 1968 г.
  4. ^ Дин, Ли; Лам, Хьюго KS; Ченг, TCE; Чжоу, Хунген (2018-06-01). «Обзор краткосрочных событийных исследований в управлении операциями и цепочками поставок». Международный журнал экономики производства . 200 : 329–342. doi :10.1016/j.ijpe.2018.04.006. ISSN  0925-5273.
  5. ^ ab MacKinlay, AC «Исследования событий в экономике и финансах», Журнал экономической литературы , том XXXV, выпуск 1 (март 1997 г.). Доступно по адресу: https://www.jstor.org/stable/2729691
  6. ^ Мак-Вильямс, А. и Сигел, Д. «Исследования событий в исследованиях по управлению: теоретические и эмпирические вопросы» Журнал Академии управления, т. 40, № 3, (1997)
  7. ^ Митчелл, Марк Л. и Джеффри М. Неттер. «Роль финансовой экономики в делах о мошенничестве с ценными бумагами: заявления в Комиссию по ценным бумагам и биржам». The Business Lawyer, февраль 1994 г.
  8. ^ ab Chen, MY, «Я только что провел 400 миллионов исследований событий» – Исследование надежности и ухудшения рыночной модели во времена кризиса (2014). Доступно по адресу: https://ssrn.com/abstract=2534446
  9. ^ Котари, С.П. и Джерольд Б. Уорнер, 200[4!], «Эконометрика событийных исследований» Получено с: https://ssrn.com/abstract=608601
  10. ^ Йованович, Б. и Фокс, Э. (2010). Тестирование на существенность на нестабильных рынках. NERA Economic Consulting. Получено с: http://www.law360.com/articles/142884/testing-for-materiality-in-volatile-markets
  11. ^ abc Уоррен-Бултон, Ф. и С. Далкир. «Staples и Office Depot: исследование вероятности события», Обзор промышленной организации, т. 19, № 4 (2001).
  12. ^ Табак, Дэвид; Данбар, Фредерик. «Материальность и величина: исследования событий в зале суда» (PDF) . Получено 9 ноября 2021 г.