История событийного анализа, Процедура для событийного анализа - Влияние новостных шоков на фондовый рынок

Считается, что впервые современный алгоритм событийного анализа был представлен в работе Fama, Fisher, Jensen, Roll (1969) [31] на примере дробления акций (stock splits), Ball и Brown (1968) на примере публикации отчетности компании о финансовых результатах [11].

Тем не менее, первое эмпирическое исследование с применением метода событийного анализа (event study) было представлено в работе Dolley, 1933. В статье отслеживалось изменение капитализации компании в ответ на решения о сплите акций. Ученым выявлено, что более чем в 60% случаев, данное событие привело к росту цен акций в течение периода в десять лет (1921-1931 гг.)

На сегодняшний день событийный анализ - наиболее популярный метод оценки влияния определенного события на поведение рынка. Весьма подробно методология разобрана в статье MacKinlay (1997) [50].

Процедура для событийного анализа

Структура событийного анализа построена следующим образом. Для начала, необходимо определить интересующее "событие", а также период рассмотрения котировок ценных бумаг, на которых данное событие оказывает влияние, т. е. "окно события".

К примеру, в случае рассмотрения ежедневных данных по динамике прибыли, событие - это выход информации о прибылях, окно события - 41 день: 20 дней до, 20 дней после и 1 день - день события. Такое "окно" принято обозначать следующим образом: [-20; 20].

Возвращаясь к примеру с объявлением прибыли компании, котировки могут содержать информацию о прибылях до фактического выхода новости о прибыли. В таком случае, исследовательской задачей может являться оценка доходностей до самого события. На практике, "окно" растягивают на несколько дней, включая, по крайней мере, один день до объявления и один день после.

Ширина "окна" может быть любая, но его нужно определить таким образом, чтобы представлялось возможным на качественном уровне исследовать период вокруг события, уловить ценовые эффекты выхода информации. Но в то же время, слишком широкое окно может содержать много "шума", препятствующего получению впоследствии выводов, отражающих, в той или иной мере, реальную ситуацию.

Далее целесообразно сформулировать гипотезу исследования и осуществить разделение событий на "благоприятные" - если рынок на них реагирует "хорошо", и на "неблагоприятные" - если рынок реагирует на них "плохо". В исследованиях влияния непредвиденного увеличения или уменьшения дивидендных выплат акционерам [5], для подобной классификации событий используется "сигнальная теория дивидендов", когда увеличение ожидаемого уровня действует на рынок "хорошо", а уменьшение - "плохо".

Оценка влияния события требует измерения анормальной доходности. Это разница между фактической доходностью ценной бумаги и нормальной доходностью для данного окна события. Нормальная доходность определяется как ожидаемая доходность при условии отсутствия события. Для компании i и события t анормальная доходность рассчитывается следующим образом:

= - E ()

Где - анормальная доходность,

- фактическая доходность,

E () - ожидаемая доходность для периода t.

Фактическая доходность - это число не отрицательное и для каждого дня его рассчитывают следующим образом:

Существует много способов вычисления нормальной (ожидаемой) доходности. Самый простой - это использование модели с постоянной средней доходностью (constant mean return model). В рамках данной модели, нормальную доходность вычисляют в течение оценочного периода и предполагают, что она постоянна во времени. К примеру, при оценочном периоде [-80; -30] будет верна следующая формула для вычисления нормальной доходности в рамках модели с постоянным средним:

E (|) =

Как утверждают Brown, Warner (1980, 1985) [17], [18] несмотря на свою простоту, модель со средним применима для реализации исследования в рамках событийного анализа и не существенно искажает результаты по сравнению с более изощренными моделями. Ученые также допускают, что можно не осуществлять корректировок на инфляцию, если включить в модель дневные цены и оценивать дневную доходность акций.

Прогнозная (нормальная) доходность затем используется для вычисления избыточной доходности, средней избыточной доходности и накопленной средней избыточной доходности, как будет описано позже.

В рыночной модели (market model) имеет место линейная зависимость между рыночной доходностью и доходностью ценной бумаги (рыночная доходность), то есть учитывается уровень риска компании, оцениваемого рынком. Чтобы реализовать данную модель, необходимо выбрать "чистый" (оценочный) период и осуществить регрессионный анализ для этого периода. Стандартно, модель выглядит следующим образом:

,

Где - это рыночный индекс, например S&;P500 для дня t,

- мера чувствительности i-той фирмы к рынку - мера риска,

Показатель средней доходности за период, который не объясняется рыночным движением,

Статистическая ошибка.

Регрессионный анализ выдает оценочные значения, то есть. Ожидаемая доходность фирмы за каждый день событийного окна - это доходность, посчитанная с помощью рыночной модели с использованием полученных оценочных значений коэффициентов, т. е.

= + ,

Где теперь - это доходность рыночного индекса за фактический день событийного окна.

Поскольку рыночная модель учитывает и риск, оцениваемый рынком, и среднюю доходность, этот метод является наиболее популярным. Впервые модель использовали Famaetal (1969).

Помимо этого существует метод рыночной доходности (market adjusted return method), в рамках которого предполагается, что ожидаемая доходность акций за каждый день событийного окна совпадает с доходностью фондового индекса за этот день. Методология схожа с рыночной моделью с той лишь разницей, что, а. Поскольку оценочный коэффициент обычно принимает невысокие значения, а коэффициент перед переменной относительно всех компаний, входящих в индекс равен 1, данное приближение оправдано и дает приемлемые результаты.

Существуют также многофакторные рыночные модели. Они являются самыми изощренными способами оценки нормальной доходности.

Если "окно события" - это количество дней, для которых рассчитывается избыточная доходность, то для определения нормальной доходности в рыночной модели необходимо ввести в модель оценочный период. Он должен предшествовать окну событий и не пересекаться с ним. Возвращаясь к примеру с окном события [-20; 20], оценочный период может составлять 50 дней [-80; -30]. В данном случае, два периода не пересекаются.

Как рекомендует MacKinlay (1997) [50], при реализации событийного анализа на основе ежедневных данных и рыночной модели нормальной доходности, параметры рыночной модели можно, как вариант, рассчитать за 120 дней до события. Как правило, день события не включается в оценочный период, чтобы избежать влияния события на оценку параметров модели нормальной доходности.

После вычисления ожидаемой (нормальной) доходности одним из трех вышеперечисленных методов, рассчитывается избыточная доходность, которая является разницей между фактической доходностью и нормальной доходностью.

Избыточная доходность представляет собой абнормальную доходность - часть доходности, которая не ожидаема рынком, и поэтому оценкой изменения стоимость фирмы из-за появления новостей. Для каждого дня событийного окна абнормальные доходности усредняются для рассматриваемых компаний.

Финальной ступенью является суммирование средней избыточной доходности для каждого дня, то есть вычисление CAR (Cumulative average residual), который показывает средний совокупный события для всех компаний за выбранный временной интервал.

При идеальном раскладе, можно получить результаты, которые позволят понять источники и причины эффектов (недостатка эффектов) события. Дополнительный анализ может потребоваться, когда возникают спорные выводы.

Похожие статьи




История событийного анализа, Процедура для событийного анализа - Влияние новостных шоков на фондовый рынок

Предыдущая | Следующая