第十一章_BHAR法
事件研究法详解(event study)
Models for measuring normal performance
• We can always decompose a return as: Ri;t = E[Ri;t |Xt] + ξi,t , where Xt is the conditioning information at time t: • In event studies, ξi;t is called the “abnormal” return. • Q: Why abnormal? It is assumed that the unexplained part is due to some “abnormal” event that is not captured by the model. • In a sense, we want to get close to a natural experiment.
Short and long horizon studies have different goals: – Short horizon studies: how fast information gets into prices. – Long horizon studies: Argument for inefficiency or for different expected returns (or a confusing combination of both)
Event Studies in Financial Economics: A Reivew
Event Study Analysis
• Definition: An event study attempts to measure the valuation effects of an event, such as a merger or earnings announcement, by examining the response of the stock price around the announcement of the event. • One underlying assumption is that the market processes information about the event in an efficient and unbiased manner. • Thus, we should be able to see the effect of the event on prices.
第十一章稳恒电流的磁场(一)作业答案之欧阳道创编
第十一章 稳恒电流的磁场（一） 时间：2021.03.06 创作：欧阳道一、利用毕奥—萨法尔定律计算磁感应强度毕奥—萨法尔定律：304r r lId B d⨯=πμ1.有限长载流直导线的磁场)cos (cos 4210ααπμ-=a IB ,无限长载流直导线a IB πμ20=半无限长载流直导线a IB πμ40=,直导线延长线上0=B2. 圆环电流的磁场232220)(2x R IR B +=μ，圆环中心R I B 20μ=，圆弧中心πθμ220•=R I B电荷转动形成的电流：πωωπ22q q T q I ===【 】基础训练1、载流的圆形线圈(半径a 1 )与正方形线圈(边长a 通有相同电流I ．如图若两个线圈的中心O 1 、O 2处的磁感强度大小相同，则半径a 1与边长a 2之比a 1∶a 2为(A) 1∶1 (B) π2∶1 (C) π2∶4 (D) π2∶8 解法：【 】基础训练3、有一无限长通电流的扁平铜片，宽度为a ，厚度不计，电流I 在铜片上均匀分布，在铜片外与铜片共面，离铜片右边缘为b 处的P 点的磁感强度B 的大小为(A) )(20b a I +πμ． (B) b b a a I +πln 20μ．(C) b b a b I +πln 20μ． (D))2(0b a I +πμ．解法：【 】自测提高2、通有电流I 的无限长直导线有如图三种形状，则P ，Q ，O 各点磁感强度的大小B P ，B Q ，B O 间的关系为(A) B P > B Q > B O . (B) B Q > B P > B O ．B Q > B O > B P ． (D) B O > B Q > B P ．解法：根据直线电流的磁场公式)cos (cos 4210θθπμ-=a I B 和圆弧电流产生磁场公式πθμ220⋅=a I B 可得 a I B P πμ20=、)221(2)221(4200+=+⨯=a I a I B Q πμπμ 【 】自测提高7、边长为a 的正方形的四个角上固定有四个电荷均为q 的点电荷．此正方形以角速度绕AC 轴旋转时，在中心O 点产生的磁感强度大小为B 1；此正方形同样以角速度绕过O 点垂直于正方形平面的轴旋转时，在O 点产生的磁感应强度的大小为B 2，则B 1与B 2间的关系为(A) B 1 = B 2． (B) B 1 = 2B 2． (C) B 1 = 21B 2． (D)B 1 = B 2 /4．解法：设正方形边长为a ,)22(a b b OC AO ===式中， 两种情况下正方形旋转时的角速度相同，所以每个点电荷随着正方形旋转时形成的等效电流相同， 为 πω2q I = AC 轴旋转时，一个点电荷在O 点产生的磁感应强度的大小为bIB 20μ=，实际上有两个点电荷同时绕AC O 小为b I b I B B 001222μμ=⨯== 点垂直于正方形平面的轴旋转时，在O 点产生的磁感应强度的大小为bI b IB B 0022244μμ=⨯== 故有122B B =基础训练12、一长直载流导线，沿空间直角坐标Oy 轴放置，电流沿y 正向．在原点O 处取一电流元l I d ，则该电流元在(a ，0，0)点处的磁感强度的大小为 ，方向为 。
bhar法
第十一章 BHAR 法本章导读：事件研究法是探讨事件 (如合并、 收购、 收益公告或再融资行为等 )发生前后标的公司股票价格 (或企业价值 )反应的经验研究方法。
基于检验期的长短 ,事件研究可分为短期和长期事件研究。
短期事件研究通常是指检验期小于一年的事件研究 ,而长期事件研究则是指检验期人于等于 1年的事件研究。
应该说 ,长期事件研究是对短期事件研究的延伸 ,其直接目的是检验公司事件 (如首发、 增发、 收益公告等 )的长期效应 ,但也间接地检验了市场有效性假说。
本章是第九章的一个延伸或补充。
11.1 BHAR 法简介BHAR （Buy and Hold Abnormal Return ），即购入 -持有异常收益法。
无论是短期事件研究 ,还是长期事件研究 ,都包含以下六大步骤 ,即定义事件以及事件研究窗口、 选择研究样本、 选择望收益模型或基准收益率、 估计异常收益、 检验异常收益的显著性、 实证结果与解释。
然而 ,在长期事件研究中 ,正确选择期望攻益模型或基准收益率、 正确度量异常收益 ,以及正确看待异常收益的统计显著性 ,变得尤其重要。
(详细说明参考第九章)BHAR 的计算公式为:其中，it R 表示t 月样本公司的股票收益率，)(it R E 表示t 月样本公司的股票期望收益率，T 表示考察的时间区间。
11.2 BHAR 与CAR 的比较CAR 法只是对收益的简单累积，没有考虑到上一个时间段的收益产生对下一个时间段收益的影响，不同时间段的收益的基础已经发了变化，即CAR 没有考虑复合效应对超额收益的影响。
举例说明如假设某公司四、五月份实际收益率分别为：15%和5%，而预期收益率为10%，则CAR=(15%-10%)+(5%-10%)=0，BHAR=(1+15%)(1+5%)-(1+10%)2=-0.25%如果调整数据二者的差距将进一步拉大。
11.3 BHAR 程序及解释根据第九章方法计算出公司的预期收益收益以后，接下来就需要计算BHAR 。
第十一章_BHAR法
第十一章 BHAR 法本章导读：事件研究法是探讨事件 (如合并、 收购、 收益公告或再融资行为等 )发生前后标的公司股票价格 (或企业价值 )反应的经验研究方法。
基于检验期的长短 ,事件研究可分为短期和长期事件研究。
短期事件研究通常是指检验期小于一年的事件研究 ,而长期事件研究则是指检验期人于等于 1年的事件研究。
应该说 ,长期事件研究是对短期事件研究的延伸 ,其直接目的是检验公司事件 (如首发、 增发、 收益公告等 )的长期效应 ,但也间接地检验了市场有效性假说。
本章是第九章的一个延伸或补充。
11.1 BHAR 法简介BHAR （Buy and Hold Abnormal Return ），即购入 -持有异常收益法。
无论是短期事件研究 ,还是长期事件研究 ,都包含以下六大步骤 ,即定义事件以及事件研究窗口、 选择研究样本、 选择望收益模型或基准收益率、 估计异常收益、 检验异常收益的显著性、 实证结果与解释。
然而 ,在长期事件研究中 ,正确选择期望攻益模型或基准收益率、 正确度量异常收益 ,以及正确看待异常收益的统计显著性 ,变得尤其重要。
(详细说明参考第九章) BHAR 的计算公式为:)](1[)1(00it T t it T t i R E R BHAR +∏-+∏===其中，it R 表示t 月样本公司的股票收益率，)(it R E 表示t 月样本公司的股票期望收益率，T 表示考察的时间区间。
11.2 BHAR 与CAR 的比较CAR 法只是对收益的简单累积，没有考虑到上一个时间段的收益产生对下一个时间段收益的影响，不同时间段的收益的基础已经发了变化，即CAR 没有考虑复合效应对超额收益的影响。
举例说明如假设某公司四、五月份实际收益率分别为：15%和5%，而预期收益率为10%，则CAR=(15%-10%)+(5%-10%)=0，BHAR=(1+15%)(1+5%)-(1+10%)2=-0.25%如果调整数据二者的差距将进一步拉大。
BH法
1介绍在多重检验中，控制犯第一类错误的概率是非常重要的。
Bonferroni曾经提出，以α/m作为每一个子检验的α值。
但是这种校正方法的缺点就是太=45,若令α=过保守。
例如，在比较10组之间是否有差别时，m=C210=0.0011。
因此原假设被拒绝的很少或0.05，那么每个检验的α值就为0.05C210者几乎不会拒绝。
于是，Benjamini和Hochberg提出了一种新的方法，通过控制FDR的大小来控制检验的准确度。
2变量定义接受H0拒绝H0合计H0为真U V m0H0为假T S m−m0合计m−R R m2.1False discovery rate(FDR)FDR的含义是在被错误拒绝的原假设占拒绝的原假设的比例，其定义式为Q c=E(Q)=E{V/(V+S)}=E(V/R)特别的，当R=0时，Q=02.2Familywise error rate(FWER)FWER的含义是在多重检验中，犯第一类错误的概率。
定义式为P(V≥1)2.3FDR和FEWR的关系讨论Bonferroni的方法是直接控制F W ER≤α，BH法是控制F DR≤α。
我们可以通过下面的讨论证明控制FWER是比控制FDR实质上更强的结果。
第一种情况，当所有原假设都成立(m0=m)，此时S=0,V=R。
如果v=0，则Q=0，如果v>0，则Q=1。
所以Q e=E(Q)=P(V≥1)。
1第二种情况，当m0<m时，可以证明F DR<F W ER。
如果v>0，则V/R≤1，则有I(V≥1)≥Q，两边同时取期望，得到P(v≥1)≥Q e。
综上，F DR≤F W ER，因此所有控制FWER也一定控制了FDR。
3BH方法3.1BH法的实施步骤（1）记在一组多重检验由m次检验组成，记为H1,H2,...,H m，得到的p值依次为P1,P2,...P m，将m个p值排序，得到P(1)≤P(2)≤...≤P(m)。
记P(i)对应的检验为H(i)。
狂喜之后3·黑暗修行所-第十一章
第十一章永不止息的祝福纳其给达最后一个愿望，是希望能获得永恒、不死的知识。
而夜摩的回应是，“要找到无始终的永存事物，你必须观照生命的本质。
”然后，他交给纳其给达一面镜子。
“我是谁?”这个返归本源的大奥秘，是人类灵性追寻上极重要的问题。
我们只是这血肉之躯吗?只是我们的神经系统、思维和情感的产物吗?我们只是依照祖先的模式复制基因，或者我们的本质其实是接近精神层面的东西?我们是意识的创造物?是神圣存有的火花?是大宇宙心智结构反映的实体?这些都是神秘主义者和圣哲想探询的问题。
在我修行的丛林寺院，新来者会被带到一片神圣的小树林内进行剃度。
然后年长的僧侣会教导每位新僧侣第一个也最重要的禅修课：去觉察生与死的奥秘，直接沉思“我是谁?”。
首先，你必须省视你的肉体是由地、水、火、风这四大元素所生，这些元素又如何形成身体，包括皮肤、头发、指甲、牙齿、体液、血液、心脏、肝、肺、肾等。
藏在这副皮囊里的你，到底是谁?你必须面对身份认同的问题，要释放掉身心所有的无常，去发掘超越生死的永恒知觉，认识自我以许多面貌呈现这个问题。
在一次每年一度的三个月内观禅修中，有位从九山寺来的韩国老禅师前来开示。
他告诉我们这三个月不论用什么法门修行，都是白费力气。
“唯一值得我们身体力行的修行，”-他重击禅杖，然后指着自己-“就是不断自问，这是什么?这是什么?”他吼道。
印度圣哲拉玛那-马哈希（Ramana Maharshi）就用这种不断苦苦逼问的方式来唤醒学生的灵性。
当学生带着烦恼和疑问来见他时，他会以“悲悯的目光”注视他们。
这是以大悲心凝视他们在人生歧路上的迷惘。
然后，他会教导这些人进行自我探询的禅修。
询问自己“我是谁?活在这副皮囊中的人是谁?”如果能够解答这个问题，那么人生所有的问题都得到解决。
敢对人生提出这个问题就要勇敢直视纳其给达的那面镜子。
当每个经验生起时，我们就要质疑：这个真的是我的如实面貌吗?这是永恒的吗?我们的内心念念迁流-对于自己、形象、人生计划的念头、爱与恐惧、事物的爱憎、声色等物质不断改变的感官知觉。
肌酐水解酶研究进展
Pharmacy Information 药物资讯, 2021, 10(3), 142-146Published Online May 2021 in Hans. /journal/pihttps:///10.12677/pi.2021.103019肌酐水解酶研究进展张金剑，陈建华*中国药科大学生命科学与技术学院，江苏南京收稿日期：2021年4月26日；录用日期：2021年5月20日；发布日期：2021年5月27日摘要肌酐水解酶是一种存在于微生物中的酶，该文对肌酐水解酶的发现、分离纯化、理化性质、酶活测定方法、催化机理以及应用研究进行了总结，并对其前景进行了展望。
关键词肌酐水解酶，肌酐，研究进展Creatinine Hydrolases: A ReviewJinjian Zhang, Jianhua Chen*School of Life Science and Technology, China Pharmaceutical University, Nanjing JiangsuReceived: Apr. 26th, 2021; accepted: May 20th, 2021; published: May 27th, 2021AbstractCreatinine hydrolase is an enzyme found in microorganisms. In this review, we summarize the discovery, isolation and purification, physicochemical properties, methods for enzyme activity determination, catalytic mechanism, as well as applied studies, and give an outlook on its poten-tial.KeywordsCreatinine Hydrolase, Creatinine, Review*通讯作者。
事件时间法中CAR和BHAR的比较
事件时间法中CAR和BHAR的⽐较2019-10-08摘要：对新股长期绩效进⾏研究时，事件时间法是衡量其长期绩效的重要⽅法。
其本⾝分为CAR和BHAR两种计量模型。
不同模型有种不同的内在逻辑。
本⽂剖析了两者之间的异同。
关键词：事件时间法；CAR；BHAR⼀、理论分析事件时间法是新股长期绩效的研究⽅法中极为重要的⽅法之⼀，属于横截⾯分析⽅法的⼀种。
我们假定整个市场运⾏有效，能够对相关事件迅速做出反应。
当出现具有重⼤影响⼒的经济事件时，股票价格也会随之发⽣变化。
我们可以收集事件发⽣前后的相关市场数据，通过⼀定的模型对其进⾏量化，从⽽考察这⼀经济事件产⽣的具体影响。
Fama等（1969）最早开始利⽤事件时间法来研究盈利预测的长期股价效应。
随后事件时间法被相继应⽤于并购重组等事件的相关研究。
Ritter（1991）在其论⽂中⾸次将此⽅法应⽤于对IPO长期绩效的研究之中，并且在之后的新股长期绩效研究中得到普遍应⽤。
将事件时间法应⽤于新股长期绩效的研究时，正常收益率是⼀个很关键的概念。
⼀般将其定义为在某⼀重⼤事项没有发⽣的条件下，我们所能够得到的收益率，即期望收益率。
⽽异常收益率就是在这⼀事项发⽣的条件下，实际收益率与期望收益率两者之差：其中，为股票i在t时期的实际收益率，为股票i在t时期对应的期望收益率，即我们⽤于⽐较的作为基准的正常收益率。
事件时间法中选择适当的期望收益率作为正常收益率相当重要，不同的期望收益率的选择，会产⽣不同的异常收益率的计算模型，不同的模型往往会得出完全不同的实证结果。
⼀般⽽⾔，主要使⽤同期市场收益率、⾏业可配⽐公司和规模可配⽐公司收益率作为模型中的期望收益率。
除此之外，在计算股票组合的长期异常收益率时，有两种加权⽅法：等权平均和市值加权平均。
等权平均即简单平均，它将股票组合中所有股票赋予相同的权重，将所有股票的收益率加总后进⾏简单的算术平均，基于“每种股票买⼀元”的投资思想，能够反映组合中股票的平均⽔平。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第十一章 BHAR 法
本章导读：
事件研究法是探讨事件 (如合并、 收购、 收益公告或再融资行为等 )发生前后标的公司股票价格 (或企业价值 )反应的经验研究方法。
基于检验期的长短 ,事件研究可分为短期和长期事件研究。
短期事件研究通常是指检验期小于一年的事件研究 ,而长期事件研究则是指检验期人于等于 1年的事件研究。
应该说 ,长期事件研究是对短期事件研究的延伸 ,其直接目的是检验公司事件 (如首发、 增发、 收益公告等 )的长期效应 ,但也间接地检验了市场有效性假说。
本章是第九章的一个延伸或补充。
BHAR 法简介
BHAR （Buy and Hold Abnormal Return ），即购入 -持有异常收益法。
无论是短期事件研究 ,还是长期事件研究 ,都包含以下六大步骤 ,即定义事件以及事件研究窗口、 选择研究样本、 选择望收益模型或基准收益率、 估计异常收益、 检验异常收益的显著性、 实证结果与解释。
然而 ,在长期事件研究中 ,正确选择期望攻益模型或基准收益率、 正确度量异常收益 ,以及正确看待异常收益的统计显著性 ,变得尤其重要。
(详细说明参考第九章) BHAR 的计算公式为:
)](1[)1(00it T t it T t i R E R BHAR +∏-+∏===
其中，it R 表示t 月样本公司的股票收益率，)(it R E 表示t 月样本公司的股票期望收益率，T 表示考察的时间区间。
BHAR 与CAR 的比较
CAR 法只是对收益的简单累积，没有考虑到上一个时间段的收益产生对下一个时间段收益的影响，不同时间段的收益的基础已经发了变化，即CAR 没有考虑复合效应对超额收益的影响。
举例说明如假设某公司四、五月份实际收益率分别为：15%和5%，而预期收益率为10%，则
CAR=(15%-10%)+(5%-10%)=0，
BHAR=(1+15%)(1+5%)-(1+10%)2
=%
如果调整数据二者的差距将进一步拉大。
BHAR 程序及解释
根据第九章方法计算出公司的预期收益收益以后，接下来就需要计算BHAR 。
计算BHAR
首要的步骤就是要解决连乘问题，而stata中恰有一连乘命令prod。
11.3.1 下载连乘函数prod
第一步：找prod下载地址
第一种方法：在stata命令对话框中输入如下命令： findit dm71,回车后弹出如下对话框。
（如图）
图
第二种方法：
⑴点击stata菜单栏上的help(如图，然后选择search
图
⑵弹出如下对话框（如图），选择search all，在keywords栏输入dm71，点击OK，同样可以弹出如图所示对话框。
图
第二步，安装prod
⑴得到如图后，可以找到以下网址：dm71 from （参见图中黑色标记部分），点击后弹出如图所示对话框。
图
⑵点击click here to install 来安装prod命令，如图即安装完成，此时你可以在stata 命令栏中调用此函数了。
如
注：此处只注明下载prod 函数，其他的的函数下载方法与此完全一样，前提是你必须知道函数的名字。
11.3.2 prod 连乘函数的应用
根据第九章的事件研究法（短期）的相关步骤，我们可以用市场模型估计出公司i 第t 期的预期股票收益率)(it R E ，同时我们也具有公司i 第t 期的实际的股票收益率it R ，此时事件期的时间窗口为T 。
则计算BHAR 的基本命令如下：
sort dm date
/*对公司和日期排序*/
gen r 1=1+r
/*r 为实际公司的股票收益率*/
gen r 2=1+r_yq
/*r_yq 为公司的预期股票收益率*/
egen r 3 = prod(r 1), by(dm date)
/*求每个公司每个事件日的累计复合收益率*/
egen r 4 = prod(r 2), by(dm date)
/*求每个公司每个事件日的累计预期的复合收益率*/ gen R=r4-r3
/*计算BHAR*/。