Event study: differenze tra le versioni

Versione delle 14:32, 10 ago 2023

Versione delle 16:02, 14 feb 2024

Riga 20:

===''Benchmark''===

La letteratura propone diversi modelli (o ''benchmark'') per la previsione di un rendimento "normale"; nel caso di event study basati su dati giornalieri, di norma il rendimento anomalo in un dato giorno non varia sensibilmente a seconda del ''benchmark'' adottato. Maggior cautela è necessaria nel caso degli event study su orizzonti più lunghi, di norma da uno a quattro anni; in questo caso diversi studi hanno registrato una notevole sensibilità dei risultati rispetto al modello di previsione dei rendimenti normali di riferimento.

====''Benchmark'' per studi basati su dati giornalieri====

Riga 29:

====''Benchmark'' per studi di lungo periodo====

Stabilire quale sia il rendimento "normale" di un titolo nel lungo periodo (su un orizzonte da uno a quattro anni di norma) presenta notevoli difficoltà. In particolare diversi studi hanno evidenziato come il rendimento anomalo nel lungo periodo sia estremamente sensibile al ''benchmark'' utilizzato per calcolarlo, diversamente da quanto avviene nel caso di studi basati su dati giornalieri. In altre parole, si pone il problema che i risultati ottenuti tramite un ''event study'' basato su un [[orizzonte temporale]] superiore all'anno derivino da un modello "errato" del rendimento atteso piuttosto che da un reale effetto dell'evento preso in considerazione nel lungo periodo.

Allo stato attuale ([[2007]]), la [[economia finanziaria|teoria economica]] non indica quale sia il modello "corretto" per il rendimento atteso nel lungo periodo; la pratica degli studi empirici è quella di fondarsi su modelli per il rendimento atteso che abbiano un buon riscontro empirico. Il più largamente utilizzato è il modello di Fama e French (1993), un modello che spiega il rendimento atteso sulla base di tre ''fattori di rischio'' (nello spirito dell'[[Arbitrage pricing theory|APT]]):

Riga 38:

===Metodologia generale (approccio ''two-step'')===

La maggioranza delle applicazioni di ''event study'' si concentra su dati giornalieri; questo è legato alle difficoltà nel misurare rendimenti anomali nel lungo periodo menzionate sopra, nonché al fatto che è lecito aspettarsi che un [[efficienza del mercato|mercato efficiente]] — nella pratica, un mercato sufficientemente liquido — reagisca rapidamente all'informazione contenuta in un particolare evento, incorporandone il valore nel prezzo delle azioni in un breve arco di tempo, di solito da misurarsi in giorni. Il semplice fatto di esaminare i rendimenti anomali di lungo periodo, in altre parole, equivale ad ammettere che il mercato non sia efficiente in senso informativo, ossia che le valutazioni di mercato non incorporino rapidamente tutta l'informazione disponibile. Se questa posizione è in linea di principio perfettamente legittima (e ad esempio è un motivo ricorrente nella letteratura della [[finanza comportamentale]]), d'altra parte essa presta il fianco alla facile critica legata alla difficoltà di ottenere misure affidabili dei rendimenti anomali nel lungo periodo: in altre parole, qualunque risultato nel lungo periodo potrebbe derivare interamente da una misura poco accurata o da un modello errato per i rendimenti "normali" di lungo periodo.

La metodologia standard per condurre un ''event study'' basato su dati giornalieri procede come segue. Si definisce in primo luogo un ''periodo di stima'', ad esempio da 280 a 30 giorni prima del giorno in cui ha luogo l'evento d'interesse (in gergo tecnico, da -280 a -30 giorni in ''event time''); il modello di mercato (o il rendimento medio <math>\bar R_i</math> nel caso del metodo di ''comparison period return'') viene stimato sui dati relativi al periodo di stima, ottenendo le stime dei parametri <math>\hat\alpha_i</math> e <math>\hat\beta_i</math> (o la stima <math>\bar R_i</math>) per ciascuna impresa <math>i</math>.

Si definisce quindi un ''periodo dell'evento'' (''event period''), ad esempio da -30 a +30 giorni in ''event time''; i rendimenti anomali vengono calcolati in questo periodo, come differenza tra il rendimento effettivamente osservato sul mercato e il rendimento "normale" (previsto sulla base del modello di mercato, o il rendimento del ''comparison period'').

La procedura sopra descritta viene ripetuta per un certo numero di eventi (<math>N</math>); questo consente di applicare un test statistico per valutare in maniera rigorosa la [[significatività]] degli effetti osservati, dove l'effetto per ciascun evento è valutato tramite il ''rendimento anomalo cumulato'' tra le date (in ''event time'') <math>t</math> e <math>t+\tau</math>:

Riga 79:

====Metodo RATS di Ibbotson (1975)====

Un metodo alternativo, dovuto a Ibbotson (1975), è noto come ''Returns Across Time and Securities'' (RATS). Il metodo presenta delle somiglianze con il metodo ''calendar time'' (non a caso, Ibbotson era un allievo di Fama, tra i principali sostenitori del metodo ''calendar time'').

Il metodo RATS consiste nella stima di una serie di regressioni nella dimensione ''cross-section'' (ossia, in cui ogni osservazione corrisponde a un'impresa per la quale si osserva un evento), una per ciascun periodo in ''event time'':

::<math>R_{it}-R_{ft}=\alpha_t+\beta_t(R_{mt}-R_{ft})+\varepsilon_{it}</math>

con la stessa notazione adottata sopra, dove ''t'' denota l'''event time''. In altre parole, si supponga di avere un campione di due imprese, ''X'' e ''Y''; ''X'' annuncia un evento a gennaio, ''Y'' a febbraio. Si avrà dunque una regressione per il mese +1 in ''event time'', con le osservazioni di febbraio per l'impresa ''X'' e marzo per l'impresa ''Y'', e così via. Il rendimento anomalo ''medio'' in ciascun mese (in ''event time'') sarà dato dalla stima dell'intercetta <math>\alpha_t</math> delle regressioni.

Il metodo RATS può essere esteso, e fondarsi un diverso modello dei rendimenti attesi; sebbene Ibbotson (1975) usi un modello di [[CAPM]] come quello sopra, lavori successivi si sono basati su modelli a tre e quattro fattori ''à la'' Fama e French (1993) e Carhart (1997).

Riga 92:

*Annunci di ''seasoned equity offerings'' (SEOs): si osserva in questi casi un rendimento anomalo negativo, almeno nel breve periodo (cfr. Corwin, 2003; i risultati riguardo al lungo periodo sono più controversi).

*Annunci di fusioni e acquisizioni: di norma si osserva un rendimento anomalo negativo per l'impresa acquirente, e positivo per l'impresa ''target'' dell'acquisizione (cfr. ad es. Loughran e Vijh, 1997; per una rassegna, forse un po' datata, dei principali risultati, si veda Roll, 1986).

*Stima dei profitti di un ''insider trader'' conducendo un ''event study'' intorno alle date delle operazioni effettuate dall{{'}}''insider'' (Meulbroek, 1992).

==Bibliografia==