FMandAccountingTheoryV..ppt

自相关（时间序列数据） D.W检验 虚拟变量 虚拟变量的设定、用途问题 遗失变量 遗失变量会导致研究结论的错误。如公司价值模型分析举例！ 自变量形式错误等 自变量形式错误是个很复杂的计量问题，如未预期盈余是否代表了White noise 针对这个问题，会计界用了许多新的度量，如分析预期。 实证会计研究中的计量经济学问题 高级计量经济学方法在会计中的运用 面板数据问题（会计研究中的主流数据结构） 既包含时间序列又保护横截面样本的数据 序数回归 信用等级分析，因变量是等级数据 Logistic回归 因变量是虚拟变量 变参数回归 非参数检验 时间序列分析 UEt=a+b*UEt-1+e 非线性回归 事件研究法 数据、软件的使用 财务数据详实的巨灵数据 模块尚欠缺的回报数据库（深圳国泰安、北大色诺芬） SPSS、EViews、Stata R SAS Matlab Excel处理RAW DATA 事件研究的一般模式——兼及案例研究 事件研究的七个步骤（不仅适合大样本，也适合个案分析） 事件的定义和假说建（兼窗口的选择） 选择标准（样本选择和属性分析） 正常和非正常报酬 估计程序 检验程序 实证结果 解释和结论 事件研究示意图 时间轴 0 事件日 估计窗口 考察窗口 -t1 窗口起点 -t2 窗口终点 估计正常报酬的三种方法 1.均值调整 2.市场调整 3.风险调整（贝它系数） 非正常报酬： AR=R-正常报酬 CAR＝对AR按日累计 实证检验： 利好，CAR显著为正数 利坏，CAR显著为负数 显著性检验方法： 参数检验，t、Z检验法等 非参数检验，中位数、卡方 假说：信号、信息、期权、政治成本、各种契约、监管成本、管理效率 正常报酬率的确定 均值调整法（Mean-Adjusted） 均值调整法模型假定某种证券i的事前预期收益等于一个常量Ki ，该常量在各个证券之间是不同的；证券i在时期内的正常收益为Ki。非正常收益等于观察到的实际收益与预期收益之差。 市场调整法（Market-Adjusted） 市场调整法之间同时期市场指数收益率作为证券i的正常收益，这种方法实际上假定事前预期所有证券的贝它系数为1。 风险调整法（Risk-Adjusted） 最常见的方法。准确度高，推荐作为个案研究首选！转下页。 市场调整法 在估计窗口，用系统风险系数模型估计股票的正常的收益率： Rt=α+βRMt+εt 式中： Rt为股票在t日的回报率； RMt为t日的市场回报率； β为股票的系统风险； εt为随机误差项。 这里的Rt＝（Pt－Pt-1）／Pt－1，其中Pt是考虑了公司分红送配因素经过复权处理后的t日收盘价；RMt=（It－ It-1 ）／ It-1 ，其中It是t日的市场指数。 非正常报酬率的计算 个案分析时的计算 超额报酬率（ARt）等于股票的实际报酬率减去正常报酬率： ARt=Rt- E（Rt） 同时定义累计超额报酬率（CARt）为： 大样本分析（必须按照利好和利坏消息分组） 建立检验假设：以个案为例 原假定 H0 : CARt＝0 在个案下：CARt～N（0，σt2），由于σt的未知，我们用事件前的ARt的标准差乘以来代替σt。这样，我们可以得到如下统计量： Z近似服从N（0，1）的标准正态分布（估计样本够大情形下，t分布近似于正态）。其中s表示事件前ARt的标准差。 事件研究中应该注意的事项 结论不明显，试图用非参数方法 时窗长度和事件时点的选择 特异样本的影响 个案分析和大样本推断中的不同风险 统计分析中可能的偏差 注意中国资本市场价格波动规律 总结 可能存在的疑问：这些 研究的意义何在？ A) 基础性的理论研究确实很难当下说清楚其应用价值 B) 中国的学者或学生尤其多产生这种困惑 我时常被问及这样的问题：纯科学与应用科学究竟哪个对世界更重要。为了应用科学，科学必须存在。假如我们停止科学的进步而只留意科学的的应用，我们很快就会退化成中国人那样，多少代人以来他们都没有什么进步，因为他们只满足于科学的应用，却从来没有追问过他们所做事情中的原理。这些原理就构成了纯科学。中国人知道火药的应用已经若干世纪，如果他们用正确的方法探索其特殊应用的原理，他们就会获得众多应用的同时发展出化学，甚至物理学。因为只满足于火药能爆炸的事实，而没有寻根问底，中国人已经远远落后于世界进步，以至于我们现在只将这个所有民族中最古老、人口最多的民族当成野蛮人。摘自：《为纯科学呼吁》（美）亨利 奥古斯特 罗兰 1883年 即使是宗教信仰都带有功利色彩：财神、土地公、灶神、送子观音 总结 可能存在的疑问：这些 研究的意义何在？ C) 研究人员需要作出理论与现实应用的平衡 D）实务界的巨大理解差异 把