Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску

Исследование событий - это статистический метод оценки влияния события на стоимость фирмы. Например, объявление о слиянии двух хозяйствующих субъектов может быть проанализировано, чтобы увидеть, верят ли инвесторы, что слияние создаст или уничтожит стоимость. Основная идея состоит в том, чтобы найти аномальную доходность, связанную с изучаемым событием, путем корректировки доходности, связанной с колебанием цен на рынке в целом. [1] Исследование событий было изобретено Боллом и Брауном (1968). [2]

Поскольку методология событий может использоваться для выявления влияния любого типа событий на направление и величину изменений цен на акции, она очень универсальна. Таким образом, изучение событий является общим для различных областей исследований, таких как бухгалтерский учет и финансы, менеджмент, экономика, маркетинг, информационные технологии, право, политология, операции и управление цепочками поставок. [3]

Одним из аспектов, часто используемых для структурирования общей совокупности исследований событий, является широта изучаемых типов событий. С одной стороны, есть исследования, изучающие реакцию фондового рынка на события в масштабах всей экономики (т. Е. Рыночные шоки, такие как нормативные изменения или катастрофические события). С другой стороны, исследования событий используются для изучения реакции фондового рынка на корпоративные события, такие как слияния и поглощения, объявления о прибылях и убытках, выпуски долга или капитала , корпоративные реорганизации, инвестиционные решения и корпоративная социальная ответственность (MacKinlay 1997; [4] McWilliams & Siegel, 1997 [5] ).

Методология [ править ]

Общая методология исследования событий объясняется, например, в MacKinlay (1997) [4] или Mitchell and Netter (1994). [6] В MacKinlay (1997) это делается «с использованием данных финансового рынка», чтобы «измерить влияние конкретного события на стоимость фирмы». Он утверждает, что «с учетом разумности рынка последствия события будут немедленно отражены в ценах на ценные бумаги. Таким образом, мера экономического воздействия события может быть построена с использованием цен на ценные бумаги, наблюдаемых в течение относительно короткого периода времени». Важно отметить, что исследования событий с коротким горизонтом более надежны, чем исследования событий с большим горизонтом [7], поскольку последние имеют много ограничений. Тем не мение,Котари иУорнер (2005) смог усовершенствовать методологии долгосрочного анализа, чтобы улучшить дизайн и надежность исследований в течение более длительных периодов. [8]

Эмпирические методы [ править ]

Методологически исследования событий подразумевают следующее: на основе окна оценки до анализируемого события метод оценивает, какой должна быть нормальная доходность акций затронутой (-их) фирмы (-ей) в день события и за несколько дней до и после события. (т.е. во время окна события). После этого метод вычитает эту «нормальную доходность» из «фактической доходности» для получения «аномальной доходности», приписываемой событию.

Однако исследования событий могут отличаться в зависимости от их нормального дохода. Наиболее распространенной моделью нормальной доходности является «рыночная модель» (MacKinlay 1997). Следуя этой модели, анализ предполагает использование окна оценки (обычно размером 120 дней) до события, чтобы вывести типичную взаимосвязь между акциями фирмы и справочным индексом посредством регрессионного анализа . Затем на основе коэффициентов регрессии прогнозируется нормальная доходность, которая используется для расчета аномальной доходности. Альтернативные модели для нормальной доходности включают модель CAPM или более упрощенные подходы, такие как средняя доходность (обзор см. В MacKinlay 1997).

Расчет аномальной доходности [ править ]

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

  1. Получите и сопоставьте временные ряды финансовой доходности акций целевой фирмы и ее эталонного индекса.
  2. Для каждого события определите последовательности твердой и рыночной доходности, которые необходимо включить в окно оценки.
  3. Используя регрессионный анализ, вычислите коэффициенты альфа, бета и сигма, которые объясняют типичную взаимосвязь между акциями и эталонным индексом.
  4. С помощью этих трех параметров спрогнозируйте «нормальную доходность» для всех дней окна события.
  5. Вычитание этой «нормальной доходности» из «фактической доходности» дает вам «аномальную доходность», которая является интересующей метрикой.

Значение аномальных возвратов [ править ]

Чтобы указать, отличаются ли отдельные аномальные результаты от нуля с некоторой статистической достоверностью, необходимо применить статистику испытаний. Для этой цели существует различная статистика тестов на разных уровнях анализа (т. Е. На уровне AR, CAR, AAR и CAAR). Самый распространенный тест, t-тест , делит аномальные результаты на среднеквадратичную ошибку регрессии. Полученные значения t затем необходимо сравнить с критическими значениями t-распределения Стьюдента . Есть некоторые свидетельства того, что во времена высокой волатильности (например, финансового кризиса 2007–2008 годов ) слишком много компаний, как правило, демонстрируют значительно ненормальную доходность с помощью t-теста , что затрудняет определение того, какая доходность действительно «ненормальная». [7][9]

Программное обеспечение для проведения событийных исследований [ править ]

Исследования событий могут быть реализованы с помощью различных инструментов. Исследования отдельных событий могут быть легко реализованы с помощью MS Excel , исследования событий, охватывающих несколько событий, должны быть построены с использованием пакетов статистического программного обеспечения (например, STATA , Matlab ). Помимо этих многоцелевых инструментов, существуют решения, предназначенные для проведения анализа исследования событий (например, Eventus , Event Study Metrics , EventStudyTools ).

Приложение к анализу слияний [ править ]

Логика методологии исследования событий (в конкретном контексте слияний ) объясняется в Warren-Boulton and Dalkir (2001): [10]

Инвесторы на финансовых рынках делают ставку на то, приведет ли слияние к повышению или снижению цен. Слияние, которое приводит к повышению рыночных цен, принесет пользу как сторонам слияния, так и их конкурентам и, таким образом, повысит цены на все их акции. И наоборот, финансовое сообщество может ожидать, что эффективность слияния будет достаточно большой, чтобы снизить цены. В этом случае стоимость акций конкурентов сливающихся фирм падает с увеличением вероятности слияния. Таким образом, данные финансовых рынков можно использовать для прогнозирования рыночных ценовых эффектов в случае значительных событий, связанных со слияниями.

Уоррен-Бултон и Далкир (2001) [10] применяют свою методологию вероятности событий к предложенному слиянию между Staples, Inc. и Office Depot (1996), которое было оспорено Федеральной торговой комиссией и в конечном итоге отозвано.

Выводы [ править ]

Уоррен-Бултон и Далкир (2001) [10] обнаружили весьма значительную прибыль от единственной конкурирующей фирмы на соответствующем рынке. Основываясь на этих доходах, они могут оценить ценовой эффект слияния на товарном рынке, который полностью согласуется с оценками вероятного повышения цен из других независимых источников.

См. Также [ править ]

  • Дрейф объявления о прибылях и убытках - аномалия, обнаруженная в исследованиях событий в объявлениях о доходах
  • CRSP , база данных, обычно используемая в исследованиях событий

Ссылки [ править ]

  1. ^ Рональд Дж. Гилсон и Бернард С. Блэк, Закон и финансы корпоративных приобретений, 2-е издание, 1995, 194-195.
  2. ^ Рэй Болл и Филип Браун, Эмпирическая оценка чисел бухгалтерского дохода, Журнал бухгалтерских исследований, Vol. 6, осень 1968 г.
  3. ^ Дин, Ли; Лам, Хьюго К.С.; Cheng, TCE; Чжоу, Хонгэн (2018-06-01). «Обзор краткосрочных исследований событий в операциях и управлении цепочками поставок». Международный журнал экономики производства . 200 : 329–342. DOI : 10.1016 / j.ijpe.2018.04.006 . ISSN  0925-5273 .
  4. ^ a b MacKinlay, AC «Исследования событий в экономике и финансах», Journal of Economic Literature Vol. XXXV, выпуск 1 (март 1997 г.). Доступно по адресу: https://www.jstor.org/stable/2729691
  5. ^ McWilliams, A. и Siegel, D. "Исследования событий в исследованиях управления: теоретические и эмпирические вопросы" Academy of Management Journal, Vol. 40, № 3, (1997)
  6. ^ Митчелл, Марк Л. и Джеффри М. Неттер. «Роль финансовой экономики в случаях мошенничества с ценными бумагами: заявки в Комиссии по ценным бумагам и биржам». Бизнес-юрист, февраль 1994 г.
  7. ^ a b Чен, М.Ю., «Я только что провел 400 миллионов исследований событий» - исследование устойчивости и ухудшения рыночной модели во время кризиса (2014 г.). Доступно на: https://ssrn.com/abstract=2534446
  8. ^ Котари, SP, и Джерольд Б. Уорнер, 200 [4!], «Эконометрика исследований событий» Источник: https://ssrn.com/abstract=608601
  9. Перейти ↑ Jovanovic, B., & Fox, E. (2010). Тестирование на существенность на волатильных рынках. НЕРА Экономический консалтинг. Получено с: http://www.law360.com/articles/142884/testing-for-materiality-in-volatile-markets.
  10. ^ a b c Уоррен-Бултон, Ф. и С. Далкир. «Складские товары и офисные склады: пример вероятности события», Обзор промышленной организации, Том. 19, № 4, (2001).
  • McGuckin, RH, FR Warren-Boulton и P. Waldstein. «Использование доходности фондового рынка в антимонопольном анализе слияний», Обзор Industrial Organization Vol. 7 (1992). https://www.jstor.org/stable/41798368
  • McWilliams, A. и Siegel, D. «Исследования событий в исследованиях менеджмента: теоретические и эмпирические вопросы», Academy of Management Journal, Vol. 40, No. 3, (1997) https://www.jstor.org/stable/257056