Stata：市场调整模型（MA）计算的并购事件的累积超额回报（CAR）

数据准备

scode 股票代码

date 观测日期

distant 观测日距事件日的天数

mr 市场日回报率

r 股票日回报率

est_win 估计窗口哑变量[-150, -30]

evt_win 事件窗口哑变量[-1,1] [-2,2]

数据简化，各样本在研究期间内仅对应一次事件冲击。

cd "/Users/apple/Desktop/博士毕业论文/实证数据/dta文件"
use "/Users/apple/Documents/Data/Genarl data/Firm/股票市场/日个股回报率.dta", clear
merge m:1 scode using draft1
keep if _merge==3
drop _merge
cd "/Users/apple/Documents/Data/Genarl data/Firm/股票市场"
merge m:1 trddt using 综合日市场回报率
keep if _merge==3
drop _merge
qui foreach v in trddt fstntcdt{replace `v'= subinstr(`v',"-","/",.)g `v'_date=date(`v', "YMD")
}
g distant= trddt_date- fstntcdt_date
renvars trddt cdretwdtl dret / date mr r
keep scode date distant mr r
g est_win= 1 if (distant>= -150& distant<= -30)
sort scode
by scode: g evt_win= 1 if (distant>= -1& distant<= -1)
qui foreach v in est_win evt_win{replace `v'=0 if `v'==.
}
*估计正常回报
by scode: egen sestw=sum(est_win)
drop if sestw==0  //删除估计没有估计窗口的样本
g predict=.
qui tab scode
local N=r(r)
egen id= group(scode)
qui forvalues i=1(1)`N'{qui reg r mr if (id== `i'& est_win== 1)predict temp if id==`i'replace predict= temp if (id==`i'& evt_win== 1)drop temp
}
*计算超额回报
keep if evt_win== 1
g ar= r- predict
*累计
sor scode date
g car1=.
qui tab scode
local N=r(r)
qui forvalue scode=1(1)`N'{replace car1= sum(ar) if scode==`scode'
}
save car1, replace

参考资料

金融专题1_car3：stata操作过程_哔哩哔哩_bilibili金融专题1_car1：car理论模型金融专题1_car2：excel计算金融专题1_car3：stata操作过程https://www.bilibili.com/video/av329026208/杨继彬, 李善民, 杨国超, 吴文锋. 省际双边信任与资本跨区域流动——基于企业异地并购的视角[J]. 经济研究, 2021, 56(04): 41–59.

Stata：市场调整模型（MA）计算的并购事件的累积超额回报（CAR）相关推荐

一文速学-时间序列分析算法之移动平均模型(MA)详解+Python实例代码
目录前言一.移动平均模型(MA) 模型原理自回归移动平均模型自相关系数常用的 MA 模型的自相关系数通用: MA(1)模型: MA(2)模型: 自协方差函数二.Python案例实现平 ...
中国计算机市场调整中平衡增长 (转)
中国计算机市场调整中平衡增长 (转)[@more@] 2002年,中国计算机市场实现销售额2358.4亿元,比2001年增长16.0%,与2001年增长率16.8%相比,下降了0.8个百分点,这表明中 ...
DSSM、CNN-DSSM、LSTM-DSSM等深度学习模型在计算语义相似度上的应用+距离运算
在NLP领域,语义相似度的计算一直是个难题:搜索场景下query和Doc的语义相似度.feeds场景下Doc和Doc的语义相似度.机器翻译场景下A句子和B句子的语义相似度等等.本文通过介绍DSSM.C ...
Pytorch 如何优化/调整模型参数
Pytorch 如何自动优化/调整模型超参文章目录 Pytorch 如何自动优化/调整模型超参背景优化模型参数贝叶斯优化深度学习框架下的参数优化平台安装使用参考参考背景对于优化 ...
数据驱动分析实践七 - 市场响应模型
数据驱动分析实践七市场响应模型通过使用前面文章所建立的模型,我们可以进行客户分段.预测LTV等.我们也知道了我们的销量的大体情况.但是我们该如何使我们的销量增长呢?如果我们今天打折,我们期望的交易 ...
用机器学习来提升你的用户增长：第七步，构建市场响应模型
点击上方"AI公园",关注公众号,选择加"星标"或"置顶" 作者:Barış KaramanFollow 编译:ronghuaiyang 正 ...
风险管理matlab,风险管理KMV模型Matlab计算—-实例分析 - Ariszheng
风险管理KMV模型Matlab计算--实例分析编写自己编写的 KMVOptSearch 添加两个KMV模型文档 2009-6-5 2009-8-14 程序内容将作为金融数量分析的一节进行仔细讲解 ...
R语言随机森林模型：计算随机森林模型的特征重要度（feature importance）并可视化特征重要度、使用少数重要特征拟合随机森林模型（比较所有特征模型和重要特征模型在测试集上的表现差异）
R语言随机森林模型:计算随机森林模型的特征重要度(feature importance)并可视化特征重要度.使用少数重要特征拟合随机森林模型(比较所有特征模型和重要特征模型在测试集上的表现差异) 目录
R语言构建logistic回归模型并评估模型：计算混淆矩阵、并基于混淆矩阵计算Accuray、Precision、Recall(sensitivity)、F1、Specificity指标
R语言构建logistic回归模型并评估模型:计算混淆矩阵.并基于混淆矩阵计算Accuray.Precision.Recall(sensitivity).F1.Specificity指标目录

Stata：市场调整模型（MA）计算的并购事件的累积超额回报（CAR）

Stata：市场调整模型（MA）计算的并购事件的累积超额回报（CAR）相关推荐

最新文章

热门文章