（金融学专业论文）甲型H1N1流感爆发对中国股市影响的实证分析.pdf

i l ll rii i ii llf fl ll liii y 1715 4 0 6 _ -o - i l m e m p i r i c a ia n a l y s i s0 nt h ei m p a c t so f h 1 n 1i n f l u e n z ao nc h i n a ss t o c km a r k e t 学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下， 独立进行研究工作所取得的成果。除文中已经注明引用的内容 外，本论文不含任何其他个人或集体已经发表或撰写过的作品成 果。对本文所涉及的研究工作做出重要贡献的个人和集体，均已 在文中以明确方式标明。本人完全意识到本声明的法律责任由本 人承担。 特此声明 学位论文作者签名：王律 劲年r 月g e l 学位论文版权使用授权书 本人完全了解对外经济贸易大学关于收集、保存、使用学位 论文的规定，同意如下各项内容：按照学校要求提交学位论文的 印刷本和电子版本；学校有权保存学位论文的印刷本和电子版， 并采用影印、缩印、扫描、数字化或其它手段保存论文；学校有 权提供目录检索以及提供本学位论文全文或部分的阅览服务；学 校有权按照有关规定向国家有关部门或者机构送交论文；在以不 以赢利为目的的前提下，学校可以适当复制论文的部分或全部内 容用于学术活动。保密的学位论文在解密后遵守此规定。 学位论文作者签名：王济 导师签名：傣之i - 专 z 6 扣ba 黾 加p 年上月矽日 2 0 0 9 年爆 证研究了中国 击，并进一步 游类股票造成 所带来的影响 身的盈利状况 关键词：事件 a b s t r a c t t h eh1n1 p a n d e m i ci n2 0 0 9h a sag r e a ti m p a c to nc h i n a u s i n ge v e n t s t u d y a n a l y s e s ，t h i sp a p e re m p i r i c a l l ys t u d i e sw h e t h e rh inip a n d e m i ci m p a c t st h ea v i a t i o n ， b i o m e d i c i n ea n dt r a v e lp l a t ei nc h i n e s es t o c km a r k e ta n dt h ed e g r e eo ft h i si m p a c t t h er e s u l t ss h o wt h a t ：t h ehlnl p a n d e m i ch a s ag r e a ti m p a c to nt h ea v i a t i o n b i o m e d i c i n ea n dt r a v e lp l a t ei nt e r m so fr e t u r nr a t e h o w e v e r , t h i si m p a c ti sl i m i t e d t h es t o c km a r k e ti ss t i l ld r i v e nb yt h ef u n d a m e n t a l so ft h ee c o n o m ya n dt h e p r o f i t a b i l i t i e so fl i s t e dc o m p a n i e s k e y w o r d s ： e v e n ta n a l y s i s ，s t o c kr e t u r nr a t e ，hinif l u 目录 第l 章引言1 1 1 概述1 1 1 1 背景分析1 1 1 2 研究目的和意义l 1 2 文献回顾2 第2 章事件分析法的理论框架3 第3 章事件分析法的步骤6 3 1 确定事件发生的同期6 3 2 确定事件窗口6 3 3 确定估计期6 3 4 确定样本公司7 3 5 正常和异常收益率的计算及分析8 3 6 计算异常收益率之和8 第4 章实证分析结果8 4 1 模型的研究结果8 4 1 1 航空板块8 4 1 2 医约板块1 1 4 1 3 旅游酒店板块13 4 2 研究结果探讨15 第5 章结论1 6 致谢1 7 参考文献1 8 个人简历1 9 l v 第1 章引言 1 1 概述 1 1 1 背景分析 自2 0 0 8 年四季度以来，各国政府出台了数万亿美元的经济干预和刺激措施， 拯救由于全球金融危机引起的经济下滑和衰退。从近期一些数据显现出来的情况 看，全球经济下滑的步伐开始放慢，给予了投资者一定的乐观预期，全球股市也 由去年1 1 月附近的极端低位开始有所反弹，表现最好的反弹在5 0 以上，表现 最差的反弹高度也达到2 0 附近。 就在部分经济指标似乎显示经济触底之际，甲型h 1 n 1 流感疫情可能蔓延的担 忧又使全球经济面临新的考验。全球甲型h 1 n 1 流感死亡人数已经突破5 0 0 0 人。截 止2 0 0 9 年1 2 月2 2 号，中国内地共确诊1 2 3 万例，死亡7 1 4 例。这场突如其来的疫 情对中国经济的各方面都造成了一定的冲击，证券市场一直被视为国民经济的晴 雨表，它在这场疫情中受到了什么样的冲击，冲击的影响将持续多长时间等问题 值得我们深入研究。 本文研究从甲型h 1 n 1 型流感爆发之后，这一信息的发布与证券市场上各上市 公司反应的关系。具体做法是从证券市场上选择了航空、医药、旅游酒店三个板 块的股票，并根据一些标准对这些股票进行筛选。选择航空类板块和旅游板块是 出于甲流爆发会使人们减少外出商务活动和旅游；选择医药类板块的原因是，药 物与治疗h 1 n 1 密切相关，医药企业最有可能是h 1 n 1 疫情的直接受益者。我们从5 年 前的s a r s 爆发及传播的规律来看，可以推测出四川发现第一例h 1 n 1 病例意味着全 国会发生更大规模的疫情。而大规模的疫情一旦发生，出行会减少，人们对抗击 甲流的药物需求定会增加，这三个板块的价值将会因此而变化。因此，在证券 市场上，投资者普通担心相关证券的走势，特别是旅游、航空、医药等相关股票。 1 1 2 研究目的和意义 事件研究方法是研究市场反应的通常方法，但是就本文研究的问题来看，甲 型h 1 n 1 流感疫情爆发是一种突发性事件，很难用传统的方法分析它对中国股市带 来的影响。本文运用事件分析的方法来研究中国证券市场中的一些板块是否受到 了甲型h 1 n 1 流感疫情的冲击以及这种冲击的影响程度，并以此提出一些政策建 义 作为应对这次疫情的参考。 本文的新颖和创新之处在于：1 关注在2 0 0 9 年产生了重大影响的甲型流感， 具有相当的时效性和现实意义；2 采用2 0 0 9 年的数据，将事件分析方法应用于 分析意外事件对我国股市的影响，得出的分析结果能对当前的股市有指导意义。 1 2 文献回顾 国外对事件分析的相关研究进行得比较早，已经发表的关于事件研究的论文 超过了5 0 0 篇，而且呈继续增长的态势。在过去的几十年间出版的那些事件研究 文献已经成为金融经济学的重要组成部分。在那之前，“几乎没有涉及公司会融 核心问题的证据，现在我们被结果所压倒，这些结果大多来源于事件研究 ( f a m a , 1 9 9 1 ，p 1 6 0 0 ) 。m a c k i n l a y ( 1 9 9 7 ) 和c a m p b e l l ，l o ，a n dm a c k i n l a y ( 1 9 9 7 ) 著述 了事件研究的来源及范围；在公司研究的领域内，事件研究的有用性来源于这样 的事实：在一个事件发生时产生的大量的异常行为提供了对这一事件对股东财富 影响的一种度量。事件研究作为测量市场有效性的首要方法，也被广泛用于资本 市场研究，用事件研究来检验市场有效性受到了极大的关注f a m a ( 1 9 9 1 ) 。系统地 讲，在某一特定的公司事件之后，如果非零异常收益仍然持续，这是与市场的有 效性是不一致的( b r o w na n dw a r n e r , 1 9 8 0 ，a n df a m a ，1 9 9 1 ) 。除了金融经济学以外， 事件研究在相关领域也是非常有用的，例如，在财务文献中，赢利宣告对股价的 影响已经引起了很大的关注，s m i t h ( 1 9 8 6 ) 表述了财务决定的事件研究问题，j e n s e n a n dr u b a c k ( 1 9 8 3 ) ，j e n s e na n dw a r n e r ( 1 9 8 8 ) 调查了公司控制的事件。最近， k o t h a r i ( 2 0 0 1 ) 评论了会计文献中的事件研究。在法律和经济学领域，事件研究用 于检验规则变化的影响。 从研究方法的变化来看，国外过去3 0 年发表的这些事件分析论文揭示了令 人震惊的事实：事件研究基本的统计格式没有改变，仍然是基于股票分割的事 件研究f a m a ，f i s h e r , j e n s e n ，a n dr o l l ( 1 9 6 9 ) 经典表格布局；关键点仍然是衡量样本 证券平均和累积平均异常收益率。不过，研究方法已经发生了两个主要的变化。 首先，同数据的使用变得很普遍，这样能更精确地衡量异常收益率和宣告效应。 其次，用于估计异常收益率和检验统计显著性的方法变得更复杂。第二个变化对 于长期事件研究( 1 0 n g h o r i z o n ) 显得更加重要。事件研究的方法有短期事件方法 ( s h o r t h o r i z o nm e t h o d ) a l l 长期事件方法( 1 0 n g h o r i z o nm e t h o d ) 。短期事件方法很值 得信赖，长期事件研究方法的改进反应了9 0 年代晚期理论的新发现，这一发现 同时伴随着资产定价文献的发展，特别是f a m a 的三因子模型。虽然长期事件方 法虽然已经得到了改进，仍存在严重的局限。现在我们能知道根据长期方法检验 进行推断“要特别的小心( k o t h a r ia n dw a r n e r , 1 9 9 7 ，p 3 0 1 ) ，甚至用最好的方法 “分析长期异常收益率是不可信的”( l y o n ，b a r b e r , a n d t s a i ，1 9 9 9 ，p 1 6 5 ) 。 国内事件研究方面的文章比较多，奉立城( 2 0 0 6 ) 分析了股改对相关公司收 益率的影响，程亚琼( 2 0 0 5 ) 研究了预亏公告对股份的影响。与之相比，研究流 行病爆发对股市影响的文章较少。在s a r s 对中国股市冲击的实证分析( 张 一，2 0 0 3 ) 一文中，作者用事件分析法选取了医药、旅游酒店、交通运输、商贸、 汽车5 个板块作为研究对象，考查它们的收益率在事件窗口中的变化情况。 s a r s 疫情披露方式的市场反应研究( 赵景文，2 0 0 4 ) 一文中，作者用医药类上市公司 数据来验证s a r s 疫情披露对市场的反应，作者运用了两种方法来检验，一种是事 件分析法，另一种是广义最小二乘法，文章中对事件r 选取了二个，一个是第一例 病例的发现r ，另一个是全国宣布抗击非典的同期。结果发现第一例病例发现r 对医药类上市场公司的收益没有明显的反应。 第2 章事件分析法的理论框架 事件分析法的学术实践可以追溯n 2 0 世纪3 0 年代年代。但该方法的进一步完 善和成功运用则开始于f a m a 等1 9 6 9 年对股票分拆的市场反应所做的研究。近年 来，许多学者利用事件分析法来研究证券市场中的突发性事件，如公司合并、新 股发行、盈利状况的公布等对股票价格的影响( 用事件分析法分析某突发事件对 金融市场是否有冲击作用时其有效性基于这样一个事实) 在假设市场理性的自订提 下，事件的影响会立即反映在会融市场的资产价格中。因此可以利用一个相对短 时期的会融市场的价格变化情况柬分析和衡量该事件的影响。事件分析方法的基 本步骤是，首先定义一个可能会产生超额收益的事件。定义事件产生影响的时问 段，这一时间段被称为“事件窗口”，然后通过分析事件窗口内超额收益的大小 来衡量事件的影响。所谓的超额收益( 异常收益) 就是在事件窗口内实际收益与假 设没有发生该事件的期望收益之差，它可用公式表示如下： 彳尺，= r ，一e r ，lx ， ( 2 1 ) 其中a r t ，r ，e r ，l x ， 分别表示t 时刻的超额收益( 异常收益) 、实际收益和期 望收益，x 为在期望收益模型中作为条件的信息。期望收益通过所选择的模型计 算得到，模型参数根据估计期的数据计算得出。计算期望收益的模型有多种，大 体上分为两类：单纯的统计模型和经济模型，统计模型中，经常采用的是两种模 型：固定均值收益模型和市场模型，固定均值收益模型主要是将假定在过去的一 段时问证券的收益是固定的，这种方法非常简单。在某些情况下，利用这种方法 计算正常收益率效果很好。但在一些情况下，这种简单的方法会带来问题，当样 本公司的事件r 非常近的时候一一我们称其为密集事件，密集事件通常会与市场 范围的事件联系在一起，比如美联储提高利率以及会计准则的变更。由于中国股 市的波动性较大，股票收益是固定的这一假设往往不能满足，因此根据这个模型 得到的结果欠说服力，因此我们在本文中采用市场模型。同时假设资产收益服 从独立、证态同分布。证券i 在t 时刻期望收益： ru = a j + 屈+ 毛 ( 2 2 ) 其中心，表示市场收益率，毛是随机扰动项满足e ( q ) = 0 ，v a r ( 6 ，) = 仃，：若假 设估计期长度为l 1 ，则对所有的估计期内的收益率有： r i = x ，q + 毛 ( 2 3 ) 这里r 为一个l 1 行矩阵，表示估计期内证券的收益率，x ，是l l 木2 矩阵，该矩阵 第l 列全部为1 ，第2 列全部由市场收益率组成，幺= 口，屈】表示参数矩阵由最小二 乘法得到无偏、一致参数估计量： e i = ( x ；x ，) 叫x ；r ( 2 4 ) ；2 i 一一 6 ：l2 l i - 2 i 2 i 吾，= r ，一肖，幺 ( 2 5 ) 砌，( 谚) = ( x l x ，) 。1 醒 令l 2 为事件窗口的长度，则此期l 日j 的超额收益为： a r i = r ；i + 五，一矽，尺：= g x ；- 巨 ( 2 6 ) 这罩群= f r 例坩、r 肌 是l 2 ：i ：2 向量，表示在事件窗口中的证券i 的实际收益 x j 是一个l 2 2 矩阵，矩阵第一列由l 组成，第- n 是市场收益率。假发航空类股票 4 在事件窗口没有异动，则超额收益( 异常收益) 向量满足： 4 尺f u ( o ，巧) ( 2 7 ) v ，= i c r ；+ x ；| ( f x ，) _ x j 霹 ( 2 8 ) 为了检验假设条件是否成立，引入累计超额收益率c a r ，定义c a r ，( q ，f 2 ) 为股 票i 在事件窗口中从f 。到f ：时刻的累计超额收益率，令7 为l 2 1 向量，其中从到 2 为常数1 ，其余为0 。则有： c a r i ( r l ，z 2 ) = 厂a r j ( 2 9 ) v a r ( c a r f ( 1 r 2 ) ) = 厂v , r ( 2 1 0 ) 如果事件对股票i 收益没有影响的假设成立，则： 篡：r ，( r - ，- ：) ( o ，万撕 ( 2 11 ) 万? ( f 2 ，r2 ) = ( r2 一r l + 1 ) 万 。 将累计超额收益率标准化，得到标准累计异常收益率： s c a r ，( f - ，f ：) 2 裂f ( l 一2 ) ( 2 1 2 ) s c a r i ( r 。，2 ) 则服从t ( l 1 - 2 ) 分布当l 1 大于3 0 时近似服从正态分布，构造平均 累计异常收益率的检验统计量，j l 、j 2 统计量： j 1 ：c a ；r ( r l , r 2 ) 。n ( 0 ，1 ) ( 2 1 3 ) 6 ( r i ，r 2 ) 矧= 嘉喜讹列 伽( 等) ”s c a r ，q kl l 一2 一“ s c a r 一( “u = 万l 善ns c a r 如i ，：) ( 2 1 4 ) ( 2 15 ) ( 2 1 6 ) 第3 章事件分析法的步骤 3 1 确定事件发生的日期 进行事件研究的第一步，是确定事件发生的日期。事件发生的日期被定义为， 市场第一次获得新信息的时间，研究表明，数据提供者总是存在着差异和迟滞。 所确定的事件发生的同期越不准确，检验就越无效，并且更不可以准确地度量该 事件对公司的影响。在进行事件研究时，可以采取任何一种数据频率。同数据是 最常用的，主要的原因有以下几条：第一，月数据的频率太低，所以不能将事件 发生的前一期和后一期分割开；第二，如果事件可以和一天内的某个具体时间对 应的话，那么采用一天内的数据会更易于理解市场对事件的反映。但在现实中， 却很少有这样的情况，如果不能精确获得事件发生的时间，那么利用一天内的数 据将降低检验的效果。 中国内地首例甲型h 1 n i 流感病例确认，是在5 月1 l 一，中国卫生部中午发出通 报：四川省确诊一例甲型h i n i 流感病例。因些将5 月l lr 作为甲型h 1 n i 流感在中 国发生的首同，并把这一天确认为事件发生的r 期。 3 2 确定事件窗口 事件窗口包括事件发生的r 期及之前和之后的一段交易时期( 用天来衡量) 。 关于这段时期的长度，还没有得出一个值得推荐的数值。一般来说，事件窗口中 包括的不必要的同期越多，检验的效果也就越差。也就是说，如果你对事件发生 的同期越确定，那么事件窗口就可能越小，并且所衡量的事件对公司股票价格的 影响就越有效。研究表明：在公布的有价值的信息之前，可以存在“泄露”，会 造成信息被发布前股票价格就发生的变化。因此在事件窗口中应该包括足够长的 f 1 期，以便捕获泄露所造成的影响，从而更全面地衡量事件对公司股票价格造成 的所有影响。 由于在5 月1 1 号之前，墨西哥等国已经发生了严重的甲型h 1 n i 流感疫情，但 是，在我圈发生的第一例疫情不应存在“泄露”的问题，因此事件窗口取5 月l l 号前后各1 0 天，一共2 l 天。 3 3 确定估计期 估计期是事件术发生的那段时问。利用这一时期的数据，可以估计出在不发 生事件时。事件窗l 1 中股票的收益率应该是多少。估计期的选择有三种：事件窗 6 口之前、事件窗口之中、事件窗口之后。最常用的选择是将事件窗口之前的一段 时期作为估计期。另外估计期和事件窗口不能重叠，也只有这样，才能在事件未 发生之前得到收益率的无偏估计。如果有重叠，得到的结果就带有“污染 。估 计期的长短并没有统一的标准。一般来说，应该大于3 0 ，以得到比较可靠的结果。 但也不应该太长，以免所估计出的联系不再适用于公司目前的情况。据以上分析， 选择估计期为事件窗口之苜i i l 0 0 天。 3 4 确定样本公司 因为文章想对航空板块、医药板块、旅游酒店板块进行分析，因此选择的股 票来自于这三个板块。根据证监会2 0 0 1 年4 月4 同颁布的上市公司分类指引， 同时参照东方财富网站的分类标准来进行股票分类，我们排除了估计期或事件窗 口中经历过多于一次重大事件的公司，以避免传染效果，也就是为防止两个事件 发生在同一个时期，从而无法区别各自的影响。对航空板块，国内一共有五家上 市的航空公司，由于上海航空j 下在重组，我们剔除这只股票。因此，只从上海证 券交易所选取了东方航空、南方航空、海南航空以及中国国际航空作为研究对象 考察它们的收益率在事件窗口中的变化情况。 表3 1 航空板块选取的股票 股票名称s t 东航南方航空海南航空中国国航 股票代码 6 0 0 l1 56 0 0 0 2 96 0 0 2 2 l6 0 l l l l 医药板块选取的标准是生产抗甲型h i n i 流感药物的企业，并且上市的时间是 在2 0 0 8 年l1 月2 5 号之前。根据这两条标准，我们选择了海王生物、海f 药业、 华兰生物、普洛股份、天坛生物、亚泰集团、中牧股份。旅游酒店板块剔除了一 些2 0 0 8 年1 1 月2 5 号之后上市的公司，最后选取了1 9 只股票，分别是：华天酒 店、东方宾馆、西安旅游、西安饮食、北京旅游、峨眉山a 、桂林旅游、丽江旅 游、三特索道、全聚德、黄山旅游、中青旅、圜旅联合、九龙山、大连圣亚、西 藏旅游、锦江股份、东方明珠、会陵饭店。并用当f 1 收盘价作为每支股票的价格， 记股票i 在第t 天的当f 1 收盘价为p ；，则其第i 天的收益率为： r n = l o g ( p ) 一l o g ( p ( 一1 ) ) ( 3 1 ) 表3 2 医药板块选取的股票 股票名称海王生物海j 下药业华兰生物普洛股份天坛生物亚泰集团中牧股份 股票代码 0 0 0 0 7 86 0 0 2 6 70 0 2 0 0 70 0 0 7 3 96 0 0 1 6 16 0 0 8 8 l6 0 0 1 9 5 3 5 正常和异常收益率的计算及分析 选择市场模型来计算正常收益率，并据此计算异常收益率。市场指数选择上 海证券交易所在事件窗口和估计窗口每天的收盘价。因为对每支股票来说，事件 发生日是相同的，这样，只要计算一次市场收益率就可以了。也就是从5 月1 l 号 始，向上计算1 1 0 天的市场收益率，向下计算l o 天的收益率，一共有1 2 1 天的收益 率。 3 6 计算异常收益率之和 c a r ( 异常收益率之和) 是a r ( 异常收益率) 的简单求和。因为事件窗口被 定义为事件发生的前后各1 0 天之内，( 从i o n l o ) ，那么第1 0 天的c a r 就等于 当天的a r ，第9 天的c a r 就等于a r ( 1 0 ) 与a r ( 9 ) 的和。第8 天的c a r 就等 于a r ( 1 0 ) 、a r ( 9 ) 和a r ( 8 ) 的和。依此类推，事件窗口中2 l 天的c a r 都 可以这样得到。 4 1 模型的研究结果 第4 章实证分析结果 表4 1航空板块事件窗口异常收益率 异常收益率 时间 s t 东航南方航空海南航空中国国航 一1 0一o 0 0 1 6 3- 0 0 0 5 7 3 3- 0 0 3 0 4 3 2 l- 0 0 1 9 3 7 1 - 9- 0 0 3 6 4 8- 0 0 5 8 6 2 3o 1 0 1 4 1 1 4- 0 0 4 7 7 0 6 8 0 0 5 5 8 6- 0 0 6 9 0 9 8- 0 0 4 4 5 0 6 4- 0 0 2 7 7 1 7 - 70 0 2 0 7 1 40 0 0 2 8 8 2 80 0 1 2 3 8 4 7 5 0 0 3 7 9 0 2 - 60 0 4 2 4 5 8- 0 0 0 6 7 6 90 0 0 2 4 1 9 2 90 0 1 8 7 0 3 9 - 50 0 0 7 6 0 40 0 0 6 0 4 6 4- 0 0 0 0 4 7 1 12 1 5 e 一0 6 4 - 0 0 0 3 2 70 0 2 1 6 4 5 20 0 2 7 7 0 9 9 20 0 3 9 2 2 2 4 - 3- 0 0 0 6 4 7- 0 0 2 6 1 3 90 0 0 8 0 8 0 9- 0 0 0 7 2 3 9 - 20 0 1 1 0 80 0 5 0 2 2 4一o 0 5 1 3 3 5 90 0 5 4 6 1 5 10 0 1 1 2 20 0 0 7 4 6 40 0 2 0 6 4 5 3 70 0 1 0 9 5 2 00 0 4 6 4 0 70 0 4 1 7 6 l- 0 0 7 3 1 6 0 2 0 0 3 8 1 3 10 0 0 3 8 3 40 0 0 5 9 2 30 0 0 6 9 3 0 9 20 0 1 2 3 3 1 4 2- 0 0 0 0 40 0 1 3 1 4 20 0 2 4 9 2 8 20 0 3 0 5 9 8 3- 0 0 2 5 50 0 0 4 8 7 6 9- 0 0 0 0 8 4 4 70 0 1 5 9 8 0 9 4一o 0 1 6 4 7- 0 0 0 3 8 0 l 0 0 0 7 2 2 8 9 60 0 2 1 8 6 00 0 1 5 4 8 60 0 2 6 6 2 8 70 0 5 0 6 2 8 4 l- 0 0 0 7 6 4 4 6- 0 0 0 0 7 5一o 0 3 1 6 9 8- 0 0 4 7 8 3 3 5一o 0 2 1 3 2 2 7- 0 0 3 8 9 6- 0 0 2 4 4 8 3- 0 0 2 3 2 1 3 80 0 0 6 4 7 3 8- 0 0 3 3 2 60 0 3 1 0 1 5- 0 0 0 5 3 7 3 4一o 0 1 8 3 3 3 90 0 1 5 7 8 20 0 0 6 4 5 2 8o 0 1 2 4 7 1 0 7o 0 1 7 4 6 3 5 1 00 0 0 6 0 1 50 0 1 4 9 7 60 0 0 7 4 5 5 2- 0 0 0 9 6 7 3 表4 2 给出的是事件发生同前后1 0 天，一共2 l 天内，每天的总的标准异常收益 率t s a r ，以及相应的z 统计量和对应的p 值。 根据4 2 的z 统计量和相应的p 值可以得出这样的结论：在t = - l o ，总的异常收 益率为1 5 4 ，而对应的p 值为0 4 4 6 7 1 5 ，只有在4 5 的显著性水平上是显著的。 t ：一9 、一8 时，p 值分别为0 0 0 2 1 6 3 、0 0 1 6 8 7 7 即使是在2 的显著性水平上都是很 显著的。这两天股票的价格出现下跌；在t = - 7 、- 6 ，- 5 、一4 、一3 时总异常收益 率对应的p 值即使在3 0 的显著水平上都不是显著的；在t = o 及一l 和l 的时问总异常 收益率的p 值看起来也不是很显著的。而且在t = - i 以后的时问单p 值都非常大，都 不是很显著。这些分析都显示了在事件发生的当f 1 及以后的1 0 天堆，航空类股票 q 的收益率都未受到甲型h 1 n 1 流感爆发的影响。 表4 2 航空板块总的标准异常收益率 总的标准异 时间z 统计量值p 值 常收益率 一1 0一1 5 3 7 5 7 7 80 7 6 0 9 0 3 6 7 5 0 4 4 6 7 1 5 - 96 1 9 7 3 5 7 5 3 0 6 6 8 9 6 5 6 60 0 0 2 1 6 3 - 8- 4 8 2 8 2 7 22 3 8 9 3 7 4 9 7 3o 0 1 6 8 7 7 - 71 9 6 0 0 3 4 9 50 9 6 9 9 6 5 7 4 70 3 3 2 0 6 4 - 6 1 3 5 9 3 7 8 4 60 6 7 2 7 1 7 8 7 60 5 0 1 1 2 7 - 5( ) 2 9 l 1 1 6 3 70 1 4 4 2 1 3 7 0 20 8 8 5 3 3 2 - 42 ：3 5 5 7 3 8 2 51 1 6 5 7 8 8 0 9 70 2 4 3 7 - 31 1 9 5 5 5 8 60 5 9 1 6 4 8 0 6 7 0 5 5 4 0 8 6 2 4 4 2 1 4 6 6 l一2 18 8 0 5 8 2 4 50 0 2 8 6 6 5 一l0 2 4 9 2 3 9 2 4o 1 2 3 3 4 1 4 3 90 9 0 1 8 3 7 o一3 0 4 8 3 2 0 21 5 0 8 5 2 7 2 9 4o 1 3 m 2 l0 4 8 8 0 4 4 5 70 2 41 5 1 9 4 2 4 0 8 0 9 1 5 3 2一1 8 9 2 0 7 9 60 9 3 6 3 3 6 5 6 70 ：；4 9 l 3( ) 0 1 5 7 2 5 6l0 0 2 2 6 2 8 3 0 80 9 8 1 9 4 7 王一0 9 1 8 1 5 1 l一0 4 5 4 5 1 6 8 9 30 6 4 9 4 5 7 02 0 3 1 8 9 1 7 l 1 0 0 5 5 2 5 6 2 40 3 1 4 6 4 4 6- 2 6 5 2 6 1 7 一1 3 1 2 7 0 5 3 5 4 0 1 8 9 2 8 2 72 1 9 8 8 2 0 21 0 8 8 1 3 3 7 9 70 2 7 6 5 3 6 82 1 3 7 6 9 2 81 0 5 7 8 8 3 5 7 60 2 9 0 1 0 9 91 3 3 6 7 4 9 0 4 0 6 6 1 5 1 9 2 1 60 5 0 8 2 7 9 l ( )一0 7 2 0 8 2 7 80 3 5 6 7 1 7 2 6 80 7 2 1 3 0 3 表4 3 是在事件窗口同期内，计算的总体标准化累积非正常收益率以及其对应 的z 值和p 值；在所有的i ) 值中只有t ：- l o 、- 5 、 - 4 、- 3 、- 1 、5 时，p 值是大 于0 0 5 的。并且只有t = - 1 0 、- 4 、- 3 e t p 值爿特) j 0 的大。也就意味着除了t = 一1 0 、 一4 、一3 以外，事件窗口中所有的总体标准化祟积非讵常收益率在7 的显著性水平 下，是显著的。从而在这一显著水平下，可以拒绝原假设h 0 ：甲型h i n l 流感爆发 对国内航空类股票收益率分析的均值和方差没有影响。总之在事件窗口的2 l 天中 只有：j 天是不显著的。由于t ：o 天的总体化标准异常累积收益率是显著的，所以可 以认为5 月l l 号国内第一例患者的确渗对航空类股票造成了影响。造成其收益率 1 0 下降。并且在t = - l o 至u t = o 这段时间仍然有8 天的数据是非常显著的。据此我们认 为在国内的第一例患者被确诊之前，这一信息被“泄露 了并已经对航空类股票 造成了影响。 表4 3 航空板块累积标准异常收益率 累积标准异常 z 统计值p 值 时间 收益率 一1 0 1 5 3 7 5 7 7 8- 0 7 6 0 9 0 3 6 70 4 4 6 7 1 5 - 97 7 3 4 9 3 5 2 5 2 7 0 6 6 6 3 5l0 0 0 6 7 9 6 - 81 2 5 6 3 2 0 7 2 - 3 5 8 9 4 8 7 7 80 0 0 0 3 3 1 7 一1 0 6 0 3 1 7 2 ：；一2 6 2 3 6 0 4 7 30 0 0 8 7 6- 9 2 4 3 7 9 3 8 3 2 0 4 5 7 7 4 8 30 0 4 0 7 7 9 - 58 9 5 2 3 7 7 4 6 1 8 0 8 6 5 3 3 70 0 7 0 5 0 5 4 6 5 9 6 6 3 9 2l1 2 3 3 8 6 1 1 60 2 1 7 2 5 5 - 3- 7 7 9 2 1 9 7 8 l 一1 3 6 3 3 5 0 6 l0 1 7 2 7 7 2 21 2 2 1 3 6 6 3 9 2 0 1 4 7 3 2 0 30 0 4 3 9 3 3 1 1 1 9 6 4 4 2 4 6一1 8 7 2 3 3 8 6 40 0 6 1 1 6 01 5 0 1 2 7 4 4 9 2 2 4 0 0 4 2 9 4 0 0 2 5 0 8 8 1一1 4 5 2 4 7 0 0 3 2 0 7 4 9 5 71 80 0 3 7 9 9 l 21 6 4 1 6 7 7 9 9 2 2 5 3 2 4 7 4 2 0 0 2 4 2 4 4 31 6 3 7 1 0 5 4 32 16 5 2 3 5 8 7 0 0 3 0 3 7 41 7 2 8 9 5 0 8 4 2 2 0 9 1 7 2 3 40 0 2 7 1 6 3 5一1 5 2 5 7 6 1 6 6 一1 8 8 7 6 4 0 5 20 0 5 9 0 7 4 61 7 9 1 0 2 3 4 4 2 1 4 9 6 5 8 l0 0 3 1 5 8 2 7- 2 0 10 9 0 5 4 6 2 3 1 5 5 6 7 7 60 0 1 8 9 9 8 8 2 2 2 4 6 7 47 42 5 2 5 7 0 3 1 5 0 o l l 5 4 7 92 0 9 0 9 9 9 8 ：一2 3 1 3 8 3 0 7 2 0 0 2 0 6 7 7 1 0 2 1 6 3 0 8 2 6 22 3 3 5 9 0 9 6 60 0 1 9 4 9 6 4 1 2 医药板块 。医药板块一共选取了7 只股票，分别是海王生物、海i f 药业、华兰生物、普 洛股份、天坛生物、亚泰集团、中牧股份。对数据进行处理后，得出事件窗中每 天的总的标准异常收益率t s a r ，以及相应的z 统计量和对应的p 值如下表： 表4 4 医药板块总的标准异常收益率 总的标准异 z 统计值p 值 时间 常收益率 一1 0- 0 7 7 3 9 8 9 4l一0 2 8 9 4 1 1 6 3 30 7 7 2 2 6 6 3 9 - 915 9 3 2 5 4 8 0 6 5 9 5 7 5 2 9 5 3 62 5 6 0 8 e - 0 9 - 819 8 5 0 0 2 6 6 47 4 2 2 3 6 0 7 8 91 1 5 0 2 e - 1 3 - 7- 3 7 3 0 1 0 1 7 9- 1 3 9 4 7 6 6 9 5 9o 1 6 3 0 8 6 l ：j - 61 2 9 0 2 7 8 4 3 30 4 8 2 4 6 3 4 3 50 6 2 9 4 7 6 7 7 - 57 7 6 0 7 4 2 8 42 9 0 1 9 1 2 1 4 20 0 0 3 7 0 8 9 3 4- 5 5 4 6 4 6 4 3 52 0 7 3 9 4 47 9 80 0 3 8 0 8 4 4 4 - 3- 4 5 2 0 3 3 8 3 3一1 6 9 0 2 5 3 7 4 90 0 9 0 9 7 9 4 2 - 2- 7 4 0 9 4 9 5 3 42 7 7 0 5 7 2 9 8 90 0 0 5 5 9 5 7 8 1一1 4 5 5 8 5 2 70 5 4 4 3 7 5 2 9l0 5 8 6 1 8 3 2 5 0l2 6 6 0 3 8 7 7 54 7 3 3 9 9 6 9 512 2 0 1 4 e - 0 6 17 5 6 2 1 7 5 7 4- 2 8 2 7 6 6 3 5 4 60 0 0 4 6 8 8 9 1 2一1 3 2 2 3 8 3 4 90 4 9 4 4 6 8 2 2l 0 6 2 0 9 7 5 5 ，l 31 1 5 2 7 6 8 8 2 24 3 1 0 4 5 5 7 2 71 6 2 9 2 e 一0 5 4l4 0 8 8 2 7 0 5 5 5 2 6 7 9 1 3 6 8 21 3 7 9 8 e - 0 7 59 7 4 7 6 6 5 4 33 6 4 4 8 6 6 1 2 40 0 0 0 2 6 7 5 ：j 60 9 1 7 8 8 7 5 60 3 4 3 2 1 8 3 1 20 7 3 1 4 3 4 2 3 75 7 9 2 1 9 8 0 72 16 5 8 3 0 0 3 30 0 3 0 3 2 4 1 8 8 - 3 5 8 8 7 5 1 41 3 4 1 9 1 2 9 4 20 1 7 9 6 2 4 2 2 91 4 9 5 4 7 8 6 9 40 5 5 9 1 9 2 3 1 90 5 7 6 0 3 0 4 7 lo一2 5 0 9 3 2 0 3 60 9 3 8 2 8 9 9 7 90 3 4 8 0 9 5 4 l 在表4 4 中，在t = 1 0 时p = 0 7 7 。即使是在7 0 的显著性水平上，都是不显著的。 仁9 、8 时，p 值非常的小，以至在1 的显著性水平上都是显著的。t = 7 、6 时，p 值分别为0 1 6 和0 5 2 ，在l o 的显著性水平上，都不能拒绝原假发。而当t = 5 、- 4 、2 时，p 值分别为0 0 0 4 、0 0 3 8 、0 0 0 6 ，在5 的显著性水平上是显著的。在事件 发生的当天及以后，t = 0 、l 、3 、4 、5 ，p 值很小。在事件窗的后期，t = 6 、8 、 9 、1 0 时，对应的p 值都相当大。异常收益率的显著性会时而疑著，时而不显著的 原因可能是事件窗口期内受到了其它事件影响，需要考查累积标准异常收益率之 后，再做分析。 以上的计算结果使得我们可以回答这一问题：甲型h 1 n 1 流感爆发向医药板块 传递了新的相关信息吗? 事件发生当天，也就是t = 0 时，在统计上是娃著的，基于这 样的事实，我们可以这样认为：甲型h i n i 流感爆发向医药板块传递了新的相关信 息，对此我们有1 的把握。 表4 5 是在事件窗口同期内，计算的总体标准化累积非正常收益率以及其对应 的z 值和p 值；在所有的p 值中只有卢1 0 、3 、2 、1 、l 、2 、7 、8 、9 、1 0 时， p 值是大于0 0 5 的。并且只有卢1 0 、2 、1 、2 、8 、9 、l o 时p 值才特别的大。说明 事件对医药板块影响时间较短。特别的是，在t = - o 日；c p = o 0 3 7 ，从而在5 的显著水 平下，可以拒绝原假设h 0 ：甲型h i n l 流感爆发对国内医药类股票收益率分析的 均值和方差没有影响。所以可以认为5 月1 l q 国内第一例患者的确诊造成医药类 股票收益率上升。 表4 5 医药板块累积标准异常收益率 累积标准异常 z 统计值p 值 时间 收瓿率 一1 00 7 7 3 9 8 9 410 2 8 9 4 1 1 6 30 7 7 2 2 6 6 3 9 4 - 9 1 5 1 5 8 5 5 8 6 64 0 0 7 9 6 4 6 0 66 12 4 4 3 e - 0 5 - 83 5 0 0 8 5 8 5 37 5 5 7 7 9 1 3 9 64 1 0 7 8 3 e - 1 4 - 7 3 1 2 7 8 4 8 3 55 8 4 7 8 5 5 8 6 64 9 7 9 5 e 一0 9 63 2 5 6 8 7 6 1 9 4 5 4 4 6 2 4 5 5 0 35 1 4 4 4 l e 0 8 - 5 2 4 8 0 8 0 1 9 13 7 8 7 01 8 5 2 20 0 0 0 1 5 2 4 6 6 41 9 2 61 5 5 4 7 52 7 2 2 2 2 0 41 30 0 0 6 4 8 4 4 8 8 - 3 1 4 7 4 1 2 1 6 4 2l - 9 4 8 8 0 9 0 8 60 0 5 1 3 1 8 2 2 8 - 27 3 3 1 7 2 1 0 8 80 9 13 8 3 0 4 9 70 3 6 0 8 0 5 9 1 9 15 8 7 5 8 6 8 3 8 40 6 9 4 7 8 9 1 4 70 4 8 7 1 8 7 4 5 0 1 8 5 3 6 2 5 6 1 32 0 8 9 8 0 9 2 4 6 0 0 3 6 6 3 4 9 3 9 110 9 7 4 0 8 0 3 91 1 8 4 5 6 3 8 6 7 0 2 3 6 1 8 9 9 3 2 9 6 5 1 6 9 6 9 0 l 1 0 0 0 9 5 1 3 4 l 0 3 1 6 8 5 0 3 3 4 32 1 1 7 9 ：3 8 5 1 22 1 1 6 5 5 8 5 9 70 0 3 42 9 7 3 2 7 4 ：3 5 2 6 7 6 5 5 6 73 4 0 4 9 5 9 3 3 30 0 0 0 6 6 1 7 3 9 52 5 5 19 9 9 0 2 42 3 8