事件研究法简介

事件研究法（Event Study Methodology）是一种广泛应用于金融学、经济学和管理学的统计方法，用于评估特定事件（如并购公告、财报发布、政策变动等）对资产价格（通常是股票收益率）的影响。

核心逻辑

该方法的基本假设是市场是有效的，即资产价格会迅速反映所有公开信息。通过比较事件发生期间的实际收益率与假设事件未发生时的预期正常收益率，计算出异常收益率（Abnormal Return, AR）。将异常收益率在特定窗口期内累加，得到累计异常收益率（CAR），从而量化事件的冲击效应。

主要步骤

1. 定义事件：明确事件类型及确切的发生日期（事件日）。
2. 选择窗口期：
   • 估计窗口：用于估算正常收益模型的参数（通常避开事件日前后的干扰）。
   • 事件窗口：包含事件日及其前后几天，用于观察事件影响。
3. 计算正常收益：常用市场模型（Market Model）、均值调整模型或 CAPM 模型。
4. 计算异常收益：$AR_{it} = R_{it} - E(R_{it})$。
5. 统计检验：检验 CAR 是否显著异于零，以判断事件是否具有统计意义上的影响。

结果展示说明

本部分描述运行 main.do 脚本后，在 Stata 结果窗口或生成的输出文件中将呈现的文字内容。

1. 控制台输出：样本处理信息

• 输入操作*：运行 use 和 rangejoin 命令后。
• 输出描述*：

系统首先显示数据加载成功的提示，包括观测值数量（Observations）和变量数量。随后，在执行 rangejoin 匹配市场数据时，输出匹配结果的摘要，例如：

• "Matches found: 5000"（成功匹配的记录数）
• "Non-matches: 20"（未能匹配到市场数据的记录数，可能被标记为缺失）
• 确认 time_rel 变量已生成，范围覆盖从 -250 到 +5。

2. 控制台输出：回归估计摘要（隐含步骤）

• 输入操作*：执行市场模型回归估算 alpha 和 beta 参数时（虽脚本简化为直接计算，但逻辑上对应此过程）。
• 输出描述*：

若展开详细回归步骤，将显示每个公司或在面板回归中的系数表。包含：

• 市场收益率的系数（Beta），标准误，t 值和 P 值。
• 常数项（Alpha）。
• 模型拟合优度（R-squared）。
• 注：在当前简化脚本中，这一步直接转化为 abnormal_return 的生成，若无报错则静默通过，若有缺失值会提示“X missing values generated”。*

3. 控制台输出：T 检验结果

• 输入操作*：运行 ttest car == 0 命令后。
• 输出描述*：

系统将输出一个标准的单样本 T 检验表格，包含以下关键统计量：

• Variable: car (累计异常收益率)
• Obs: 参与检验的公司/事件总数（例如 100）。
• Mean: CAR 的样本均值（例如 0.025，表示平均超额收益为 2.5%）。
• Std. Err.: 均值的标准误。
• Std. Dev.: 标准差。
• [95% Conf. Interval]: 95% 置信区间。
• t 统计量: 计算出的 t 值（例如 2.45）。
• P 值 (Ha: mean != 0): 双侧检验的 P 值（例如 0.016）。若 P < 0.05，文字结论将表明该事件对股价有显著影响。

4. 文件输出：CSV 结果表

• 输入操作*：运行 outtable 命令后。
• 输出描述*：

在当前工作目录下生成名为 event_study_results.csv 的文件。用文本编辑器打开该文件，可见如下结构的纯文本数据（逗号分隔）：

• 第一行为表头：firm_id, event_date, car_value, t_statistic, p_value, significance_flag。
• 后续每一行代表一个样本公司的具体计算结果。例如：

"AAPL", "20250115", "0.032", "2.89", "0.004", "Significant"
"GOOG", "20250115", "-0.011", "-0.95", "0.342", "Not Significant"
此文件可用于后续的报告撰写或进一步的数据透视分析。