【正文】 的情況下用 OLS就會出現(xiàn)偏差，文章采用了 Theil的非參數(shù)回歸方法通過排序來估計 market model中的參數(shù)。 其主要程序如下： 第一、按 Rmt的升序?qū)?shù)據(jù)（ Rmt， Rt）進行排序。 第二、把數(shù)據(jù)以中值為界分成兩部分，如果數(shù)據(jù)的數(shù)量為奇數(shù)則省略中間項。 第三、在上下兩部分中分別估計 β jNjjNjNjj RMRMRR????????????????????????222,?第四、以升序?qū)?β進行排列 第五、用 β的中值和（ Rmt， Rt）計算 第六、取 的中值即為 α ? 文章發(fā)現(xiàn)使用 Theil39。s的非參數(shù)估計程序和 rank統(tǒng)計量，能在更少的檢驗假設的前提下得到檢驗目的。 （三） thinly trading下的檢驗 Cowan, Anne（ 1996):利用 NYSEAMEX 和 Nasdaq stocks的不同樣本數(shù)據(jù)對以下四種檢驗方法進行了研究： (1)Patell(1976)：對于 thinly traded的樣本易犯拒真的錯誤 (2)the standardized crosssectional test(Boehmer et al，1991)：它對 Patell test的改進在于：它允許非正常收益的方差在預測期間和事件期間是不同的 。 (3)the rank test（ Corrado,1989） ：非參數(shù)檢驗方法 ，從而不依賴于正態(tài)分布的假設 。 (4)the generalized sign test(Cowan,1992)：非參數(shù)檢驗方法 。 發(fā)現(xiàn)： ? 當存在 thinly trading時 ， Petell test無論對哪一種樣本 ， 表現(xiàn)都最差； ? 而即便是在交易量極小的情況下 ， 只要不存在事件發(fā)生時收益率方差增大的情況 ， the generalized sign 和 rank tests 通 常 都 能 表 現(xiàn) 良 好 。 而 the standardized crosssectional test 對于 uppertailed tests 描述正確但不如以上兩種非參數(shù)檢驗方法的檢驗能力強 。 ? 但如果收益率的方差發(fā)生增大的情況 ， 則后三種檢驗方法都可能出現(xiàn)偏差 。 但 ? The standardized crosssectional test 在 uppertail tests中描述正確； ? the generalized sign test在 lowertail tests中描述正確； ? 而如果所預計的方差增大實際并沒有發(fā)生 ， 則 rank test檢驗能力最強 。 （三） Clustering和 Event Day Uncertainty下的檢驗 Lee, Varela（ 1997）： 通過對 OLS、 Patell、Jaffe和 GLS這四種方法（詳細構(gòu)造見文章）的比較研究發(fā)現(xiàn)： Clustering和 Event Day Uncertainty時，使用 OLS方法無論是就統(tǒng)計描述的準確性和power來說都是最優(yōu)的選擇； Clustering和 Event Day Uncertainty時，最優(yōu)的選擇則是 Jaffe。 （四）爭議 （ 1986）：運用 the joint GLS方法和OLS方法分別對事件研究的模型進行參數(shù)估計和參數(shù)檢驗，進一步證實了 Brown， Warner（ 1980) 的結(jié)論：在典型的事件研究中，更為復雜的統(tǒng)計方法并不會比簡單的單因子市場模型產(chǎn)生顯著更優(yōu)的結(jié)果。 （ 1987）： 用 joint GLS檢驗了DUMMYF模型，但是發(fā)現(xiàn)無論用月數(shù)據(jù)或日數(shù)據(jù)進行實證檢驗，其并沒有表現(xiàn)得比 OLS方法更優(yōu)越。這個結(jié)果驗證了 Malatesta（ 1986）的結(jié)論，使用系統(tǒng)方法（ systems methods）估計非正常收益，理論上可行，但實證上卻沒有取得期望的更優(yōu)的結(jié)果。 六、事件研究的應用 (一 ） 事件研究的應用領(lǐng)域主要包括： (1)公司財務領(lǐng)域：如兼并收購的財富效應以及公司融資決策的價格效應等 。 (2)經(jīng)濟法律領(lǐng)域：如被美國高等法院接受作為在內(nèi)幕交易案中重大性原則的專業(yè)性判斷標準 ， 并作為審理證券欺詐性時確定受償水平的參照方法 。 (3)宏觀經(jīng)濟調(diào)控： 如用 于測定規(guī)制監(jiān)管環(huán)境的變化對公司價值的影響等 。 （二）相關(guān)的文獻 (1982)： 利用事件研究的方法對公司并購進行了相關(guān)的研究，驗證了有關(guān)公司并購的一些財務理論 。 (1971)： 研究了 world events對于股票價格走勢的影響。發(fā)現(xiàn)這類事件對于股票價格有著很顯著的影響，而且市場往往對于 bad news有過度的反應 。 ， Volker(2022)： 研究了歐洲債券價格的變化與 Watchlistings 和 Standardamp。Poor 關(guān)于信用評級的公告 之間的聯(lián)系，發(fā)現(xiàn)： (1)當出現(xiàn)信用評級下降時，債券價格將有顯著的變化；而出現(xiàn)信用評級上升時，并沒有很顯著的宣告效應。 (2)特別地，當信用等級降為投機級 (speculative grade)時，價格變化尤其顯著。 4. Manuel, Pilotte(1996)：利用事件研究的方法分析了前次股票分割對收益率的影響 ， 并據(jù)此預測本次股票分割對收益率的影響 ， 結(jié)果證明可以利用前次事件對收益率的影響來合理地預測類似事件再次發(fā)生所造成的影響 。 此時 ， 預測收益率的變動不僅要考慮股票分割事件本身 ， 而且要考慮前次股票分割后收益變化情況這一因素 。 除了股票分割外 ， 本文的方法同樣可以應用于分析dividend ， stock repurchase ， 或 exchange offering announcement等重復發(fā)生的事件的影響 。 ，陳斌 ( 2022)： 結(jié)合最高人民法院 2022年 1月 15日下發(fā)的 《 關(guān)于受理證券市場因虛假陳述引發(fā)的民事侵權(quán)糾紛案件有關(guān)問題的通知 》 的精神和我國證券市場的實際情況，以大慶聯(lián)誼的虛假信息陳述行為為例，運用事件研究法對受償標準確定的有關(guān)技術(shù)性問題進行討論，并給出相應的計算結(jié)果以供參考。 （ 三） 事件研究與效率市場假說 ? 不同信息對價格具有不同的影響程度，因而存在三種不同程度的市場效率：弱式有效市場、半強式有效市場、強式有效市場。 ? 事件研究可以應用于分析市場是否半強式有效，即證券價格是否會立即反映公開信息對公司價值的影響。