Event study: differenze tra le versioni
Contenuto cancellato Contenuto aggiunto
Riga 72:
Una soluzione al problema della non-normalità consiste nella stima di una distribuzione ''empirica'' dei rendimenti, tramite un metodo detto ''bootstrap''. Il metodo consiste nel calcolare il rendimento anomalo di una serie di portafogli selezionati in maniera casuale; l'intuizione suggerisce che, se il numero di portafogli è sufficientemente elevato, la distribuzione dei rendimenti anomali così ottenuta dovrebbe corrispondere alla "vera" distribuzione dei rendimenti anomali, quella cioè che dovrebbe essere utilizzata per condurre inferenza statistica.
[[Immagine:Distribuzione empirica.png|450px|thumbnail|Distribuzione empirica dei rendimenti anomali, su un orizzonte di 12 mesi, di imprese quotate sul mercato londinese (''London Stock Exchange'') nel periodo 1985-2006; risultato di un ''bootstrap'' basato su 1000 iterazioni. Si osservi la non-normalità della distribuzione, la cui coda sinistra risulta più "lunga" di quella destra — ossia, la distribuzione risulta asimmetrica, a differenza della distribuzione normale, caratterizzata da simmetria. La non-normalità della distribuzione empirica dei rendimenti anomali di lungo periodo costituisce una delle principali motivazioni alla base del ricorso a metodi ''bootstrap'' negli ''event study'' di lungo periodo.]]
Una tipica applicazione è presentata da Ikenberry ''et al.'' (1995). Nello specifico, Ikenberry ''et al.'' cercano di tenere sotto controllo, nella selezione (casuale) del campione per il ''bootstrap'', l'effetto di due variabili che la letteratura ha individuato come fattori che spiegano il rendimento atteso: dimensione delle imprese (valore di mercato) e rapporto valore di libro-valore di mercato delle azioni. Per ogni impresa per la quale osservano un evento (un riacquisto di azioni proprie, nel caso di Ikenberry ''et al.''), selezionano in maniera casuale un'altra impresa, che non ha un evento, con simile dimensione e rapporto valore di libro-valore di mercato; quest'ultima impresa rientrerà nel portafoglio per il ''bootstrap''. L'operazione è ripetuta per ciascuna impresa per la quale si osserva un evento, per 1000 volte; il risultato è una distribuzione empirica dei rendimenti di lungo periodo, sulla base della quale Ikenberry ''et al.'' conducono la loro analisi statistica, calcolando gli intervalli di confidenza rilevanti per l'analisi sulla base della distribuzione "empirica."
| |||