【python】利用python实现事件研究法

❔什么是事件研究法

事件分析法 (Event Study Methodology, ESM) 是一种用于研究重大事件对公司层面变量短期影响的计量方法。在以往研究中，该方法主要应用于金融领域，且主要用来衡量某一特定事件对公司股票价格的影响。但是在最近的研究中，由于具有逻辑清晰，分析过程简单等优点，该方法越来越多的受到研究者的关注，也开始逐渐被应用于其他领域研究。

❔在研究前需要准备什么

✔确定一个事件日

✔获取研究公司事件日前后一段时间（越长越好）的个股收益率

✔获取目标公司所在证券市场额市场收益率（与个股收益率的日期相重合）

📈了解并且确定相关参数

事件日：特定事件发生的日期。
事件窗口期：对事件涉及到的股票价格进行考察的时间段。
估计窗口：估计窗口一般选择为事件发生前一段时间，通常是窗口期前150个交易日。
正常收益 ER：为了考察特定事件对公司股价的影响，我们首先需要知道，如果没有该事件发生，股票收益率应该是多少，这也就是我们需要估计正常收益率的原因。
异常收益率 AR：每只股票实际收益率与正常收益率的差值，异常收益率能够反映该事件的经济影响。
累积异常收益率 CAR：每只股票在事件窗口内异常收益率的简单加总。
研究模型：目前学术界存在市场模型、市场调整模型等。这里我们选择最简单的市场模型。

🔍相关计算原理

首先，假设个股股票的收益率与市场收益率之间存在线性关系，计算公式为

$\mathit{R}_{i,t}=\alpha _i+\beta _i*R_{m,i}$

在该方程式中，Ri,t指单个股票i在t时期的收益率，即个股正常收益率；Rm,t指市场指数t时期的收益率，即市场收益率。ɑi指回归截距，β*i指回归斜率。即上式，继而计算窗口期的预期收益率，计算公司为：

$E\mathit{R}_{i,t}=\alpha _i+\beta _i*R_{m,i}$

通过测算，即可计算出窗口期的预期收益率ERi,t，将窗口期每天实际的个股收益率Ri,t减去每天的预期收益率，即可得到每天的超额收益率ARi,t,，将窗口期内每天的超额收益率相加，总和即为累计超额收益率CARi,t。

$AR_{i,t}=R_{i,t}-ER_{i,t}$ $CAR_{i,t}=\sum AR_{i,t}$

相关计算过程就是这样。我不想用excel，也不想用state和spss，想到一个好点子，试试python能否实现。

💻python代码

import pandas as pd
import numpy as np
from statsmodels.api import OLS, add_constant

# 读取 Excel 文件
df = pd.read_excel('C:/Users/chenhe/Desktop/2016事件.xlsx')  # 替换为你的文件路径

# 确保 'Date' 列是日期类型
df['Date'] = pd.to_datetime(df['Date'])

# 将 'Date' 设置为索引
df.set_index('Date', inplace=True)

# 定义事件日期
event_date = pd.to_datetime('2017-03-10')  # 替换为你的事件日期

# 定义估计窗口和事件窗口相对于事件日期
estimation_window = (-160, -10)
event_window = (-20, 20)

# 获取估计窗口和事件窗口的数据
estimation_data = df.loc[event_date + pd.DateOffset(days=estimation_window[0]):
                         event_date + pd.DateOffset(days=estimation_window[1])]

event_data = df.loc[event_date + pd.DateOffset(days=event_window[0]):
                    event_date + pd.DateOffset(days=event_window[1])]

# 估计正常收益
X = add_constant(estimation_data['Market_Returns'])
y = estimation_data['Stock_Returns']
model = OLS(y, X).fit()

# 预测事件窗口的正常收益
X_event = add_constant(event_data['Market_Returns'])
normal_returns = model.predict(X_event)

# 计算异常收益
event_data['Abnormal_Returns'] = event_data['Stock_Returns'] - normal_returns

# 计算累积异常收益
event_data['CAR'] = event_data['Abnormal_Returns'].cumsum()

# 输出结果到 Excel 文件
event_data.to_excel('C:/Users/chenhe/Desktop/2016事件.xlsx')  # 替换为你的输出路径

print(event_data)