正文:股票
的误差分布项。
在此,异常收益率(
)被定义为在事件发生期间股票的实际收益率与它的估计收益率的差值,
是估计的收益率。
=
-
(2)
定义
为个股
从时间T
1到时间T
2的异常收益率,计量模型如下:
=
, (3)
假设有
个从时间T
1到时间T
2的事件窗,定义
为N只股票在
个事窗中的某个时间
的平均异常收益率,
=
(4)
使用模型(4)能够对所有股票的异常收益率的均值进行检验和分析,在
假设条件下,异常收益率的分布为:
~
(0,
)
然后,就可以加总异常收益率的均值了,其方法与加总单个事窗的累计异常收益率的方法相同,定义
为所有上市股票从时间T
1到时间T
2的累计异常收益率的平均值,那么就有如下计量模型:
=
(5)
~
(0,
) (6)
因此,累计平均超额收益率的t检验统计量为:
~ t(N-1) (7)
三、样本选择与说明1、样本的选择
由于专业系统的大宗交易不记入指数和价格,对二级市场的价格不产生直接影响,所以选择专业系统大宗交易作为样本所计算出的超额收益是二级市场对该大宗交易事件的反应。
大宗交易研究中样本选择的做法主要分为绝对值法和相对值法。本文在样本的选择上,首先在wind数据库中的大宗交易事件中选择。其次是先用绝对值法将大宗交易总金额较小的公司去除,以大宗交易总金额3000万为基准考虑指标。然后选择相对值法进行选择。比值的分母考虑总股本,与以往研究采用流通股本不同的原因在于股权分置改革以后,所有非流通股最终都将变成流通股,因此限售股的大量存在也是大宗交易对市场影响的一个影响因素。比值的分子考虑的是2007-2008年总交易额。
在这样的条件下,本文选出了95家公司作为样本对象。
2、样本有效性说明:
表2:样本有效性分析表:
|
|
非601公司 |
601公司 |
合计 |
交易金额 (万元) |
市场总量 |
2,705,155 |
1,328,190 |
4,033,345 |
样本统计数 |
1,962,028 |
1,079,275 |
3,041,303 |
|
占比(%) |
72.53% |
81.26% |
75.40% |
交易笔数 (笔) |
市场总量 |
989 |
309 |
1298 |
样本统计数 |
524 |
172 |
696 |
|
占比(%) |
52.98% |
55.66% |
53.62% |
交易公司数 (家) |
市场总量 |
248 |
24 |
272 |
样本统计数 |
88 |
7 |
95 |
|
占比(%) |
35.48% |
29.17% |
34.93% |
注:17家公司在2007和2008年均有大宗交易事件
2/4 首页 上一页 1 2 3 4 下一页 尾页