Phương pháp nghiên cứu sự kiện

Trong phương pháp Event Study, để phân tích tác động của một sự kiện, các nhà phân tích tiến hành bốn bước cơ bản sau: (i) xác định và nhận dạng sự kiện; (ii) Tính các khoản lợi nhuận bất thường (AR – Abnormal Return); (iii) Tính phần lợi nhuận bất thường tích lũy (CAR – Cumulative Abnormal Return), lợi nhuận bất thường trung bình (AAR - Average Abnormal Returen) và lợi nhuận bất thường trung bình tích lũy (CAAR - Cumulative Average Abnormal Return); (iv) Kiểm định và phân tích tác động của sự kiện. Quy trình nghiên cứu sự kiện được thực hiện theo sơ đồ sau: Bước đầu tiên của việc phân tích tác động của sự kiện là phải nhận dạng được sự kiện và xác định ngày xảy ra sự kiện. Có hai loại sự kiện có thể được xét đến: sự kiện ngẫu nhiên chỉ xảy ra một lần (sáp nhập, thiên tai…) và sự kiện thường xuyên (công bố lợi tức, giới thiệu sản phẩm...). Ngày xảy ra sự kiện là ngày mà thị trường nhận được thông tin mới liên quan đến sự kiện, được kí hiệu là ngày 0. Những ngày trước khi sự kiện xảy ra, kí hiệu mang dấu trừ (-) và những ngày sau khi sự kiện xảy ra, kí hiệu mang dấu cộng (+). Ở bước thứ hai sau khi xác định sự kiện, nhà phân tích tiến hành đo lường các khoản lợi nhuận bất thường. Tại thời điểm t, lợi nhuận của công ty i \({R_{i,t}}\) được xem xét gồm hai phần, một phần của lợi nhuận bình thường (Normal Return) hay lợi nhuận kì vọng - \(E({R_{i,t}}|{X_t})\) là do diễn biến chung của thị trường và một phần là lợi nhuận bất thường (Abnormal Return - \(A{R_{i,t}}\)) do tác động của sự kiện. Gọi \({R_{m,t}}\) là mức lợi nhuận trung bình của thị trường. Theo Mackinlay (1997), phần lợi nhuận bình thường được xác định thông qua lợi nhuận trung bình của thị trường như sau: \(E({R_{i,t}}|{X_t}) = {\alpha _i} + {\beta _i}{R_{m,t}} \) (1) Khi đó, lợi nhuận bất thường sẽ được tính theo công thức: \(A{R_{i,t}} = {R_{i,t}} - E({R_{i,t}}|{X_t})\) Lợi nhuận bất thường lũy kế giữa 2 thời điểm \({t _1}\) và \({t _2}\) được tính bằng công thức: \(CA{R_t}({t_1},{t_2}) = \sum\limits_{{t_1}}^{{t_2}} {A{R_{i,t}}} \) Đọc thêm: Lựa chọn mô hình lợi nhuận kì vọng Trang 2 sẽ trình bày tiếp theo về phương pháp và giới thiệu cửa sổ sự kiện (Event Windows). Khoảng thời gian xảy ra sự kiện từ \({t _1}\) đến \({t _2}\) được gọi là cửa sổ sự kiện. CAR còn gọi là lợi nhuận bất thường lũy kế theo thời gian. Lợi nhuận bất thường lũy kế CAR biểu diễn tổng các khoản lợi nhuận bất thường tích lũy trong một thời đoạn xác định, cho thấy tác động của sự kiện qua thời gian. Lợi nhuận bất thường bình quân giữa các công ty (Average Abnormal Returns – AAR) chính là giá trị trung bình lợi nhuận bất thường giữa các công ty. Tổng giá trị tích lũy của CAR và AAR được gọi là tổng giá trị lũy kế bình quan (Cumulative Average Abnormal Returns – CAAR). Nếu thị trường tài sản không thể dự đoán được sự kiện, lợi nhuận bất thường lũy kế bình quân tính cho đến ngày sự kiện xảy ra sẽ xấp xỉ bằng 0. Trường hợp chúng thấy lợi nhuận đã có xu hướng tăng dần (hoặc giảm dần) từ những ngày trước khi sự kiện xảy ra và tác động dương (hoặc âm), vẫn tiếp tục diễn cho đến khi những ngày sau khi sự kiện xảy ra thì hàm ý rằng thị trường thị trường đã dự đoán trước được sự kiện này. Tùy thuộc vào mô hình lợi nhuận được chọn, các nghiên cứu sự kiện có thể sử dụng mô hình chỉ với cửa sổ sự kiện (chẳng hạn, mô hình thị trường điều chỉnh - market-adjusted model) hoặc cửa sổ sự kiện và cửa sổ ước lượng (chẳng hạn, mô hình thị trường - market model). Trong nghiên cứu học thuật, các bạn thường gặp mô hình thị trường. Khi đó, lợi nhuận thông thường sẽ được tính từ hồi hồi quy lợi nhuận trên thị trường, đó là các hệ số \({\alpha _i}\) và \({\beta _i}\) trong phương trình (1). Ý nghĩa cửa sổ sự kiện (Event window), cửa sổ ước lượng (Estimation Window) và cửa sổ đánh giá (post-Event window) được minh họa ở hình bên dưới: Nguồn: Benninga (2008, trang 372) Việc kiểm định xem sự kiện có thực sự tác động đến thị trường hay không được thực hiện thông qua kiểm định thống kê các giả thiết về phần lợi nhuận bất thường AR ở các chỉ số AAR, CAR, CAAR. Xem thêm: Kiểm định kết quả và tổng hợp các loại kiểm định trong Event Study

Phương pháp nghiên cứu sự kiện

Hồi quy Logit hỗn hợp với dữ liệu bảng

Ước lượng mô hình DSGE phi tuyến

Tải bộ dữ liệu chỉ số PCI 2005 – 2019

Tải bộ dữ liệu chỉ số PAPI 2011 – 2019

Phân biệt độ lệch chuẩn với sai số chuẩn

Thế nào là một chuỗi thời gian dừng?

Giới thiệu phương pháp GMM

Hồi quy Cluster – STATA

Mô hình tác động cố định – FE

Phân biệt độ lệch chuẩn với sai số chuẩn

Kiểm định Fisher Exact – Monte Carlo

Kiểm định Chi bình phương – Chi2

Thế nào là một chuỗi thời gian dừng?

Kiểm định T-test trung bình 2 mẫu

Bài liên quan