Event study: differenze tra le versioni
Contenuto cancellato Contenuto aggiunto
m clean up |
Funzionalità collegamenti suggeriti: 1 collegamento inserito. |
||
Riga 14:
L'obiettivo di un ''event study'' è, in altri termini, valutare l'impatto dell'informazione contenuta nell'evento sul valore dell'impresa in questione, ossia sul [[prezzo di mercato]] delle sue azioni. A tal fine, si costruisce un modello statistico dei rendimenti dei titoli; un esempio standard è il cosiddetto ''modello di mercato'':
::<math>\ R_{it}=\alpha_i+\beta_i R_{mt}+\varepsilon_{it}</math>
dove <math>\ R_{it}</math> è il rendimento (giornaliero, ad es.) delle azioni dell'impresa, <math>\ R_{mt}</math> è il rendimento del mercato intero (ad esempio, il rendimento di un indice di mercato quale lo Standard&Poor 500 negli USA o lo S&P-Mib in [[Italia]]) e <math>\varepsilon_{it}</math> è un disturbo stocastico. I parametri <math>\alpha_i,\ \beta_i</math> possono essere stimati tramite il [[regressione lineare|metodo dei minimi quadrati]]; il rendimento anomalo a una data ''t'' sarà:
::<math>\ AR_{it}=R_{it}-\hat\alpha_i-\hat\beta_i R_{mt}</math>
dove <math>\hat\alpha_i</math> e <math>\hat\beta_i</math> denotano le stime dei parametri <math>\alpha</math> e <math>\beta</math>. In altre parole, il rendimento anomalo altro non è che un rendimento depurato della componente legata al rendimento generale del mercato (o, da un punto di vista econometrico, il residuo di una regressione). Al fine di valutare la [[significatività]] statistica della reazione misurata dal rendimento anomalo, si può semplicemente ripetere l'operazione sopra per numerosi annunci (corrispondenti ad altrettante imprese, <math>i=1,\ldots,N</math>), e quindi costruire una [[distribuzione t di Student|statistica t di Student]] per il test dell'ipotesi che l'effetto sia significativamente diverso da zero (ossia il test dell'ipotesi nulla che l'effetto sia pari a zero).
| |||