Home | KTL nâng cao | Kết hợp Event Study với mô hình ARCH/GARCH

Kết hợp Event Study với mô hình ARCH/GARCH

Các mô hình tính toán lợi nhuận kì vọng đều trên các giả định của ước lượng OLS. Theo đó, các phần dư của mô hình phải có phân phối chuẩn, đồng thời thỏa mãn tính chất phương sai đồng nhất và không có tương quan chéo giữa các công ty. Tuy nhiên, trong thực nghiệm các lợi nhuận kì vọng thường được tìm thấy các phương sai không còn là một hằng số (phương sai thay đổi). Ngoài ra, còn có sự tương quan cụm (clustering) khi các thời điểm có sự biến thiên lợi nhuận mạnh và các thời điểm có sự dao động cùng nhau. Do vậy, rất cần thiết phải kết hợp phân tích Event Study với các mô hình ARCH/GARCH hoặc EGARCH để kiểm soát vấn đề HAC (Heteroskedasticity and Autocorrelation Consistent) của phần dư trong các phân tích sự kiện. Bài viết sẽ giới thiệu sơ lược về các mô hình ARCH/GARCH, EGARCH và sự kết hợp của chúng trong các nghiên cứu sự kiện.

(left{ begin{array}{l}Varleft( {{varepsilon _i}|X} right) = {sigma ^2}begin{array}{*{20}{c}}{}&{}&{forall i}&{}end{array}\Covleft( {{varepsilon _i},{varepsilon _j}|X} right) = 0begin{array}{*{20}{c}},&{forall i ne j}end{array}end{array} right.)

Theo đó, lợi nhuận trên tài sản giữa các thời điểm t và t – 1 bằng với lợi nhuận kì vọng có điều kiện cộng với một sai số ngẫu nhiên,  ({varepsilon _{it}})

Thành phần sai số ngẫu nhiên được giả định có phân phối chuẩn dựa trên điều kiện thông tin ở thời điểm t – 1. Tuy nhiên, do phương sai của sai số thay đổi theo thời gian nên chúng ta có thể kì vọng một dạng phân phối không điều kiện (unconditional distribution) của  ({varepsilon _{it}}) có đuôi phẳng hơn so với dạng của phân phối chuẩn.

Xem thêm: Các mô hình tính toán lợi nhuận kì vọng

Phần nội dung có thu phí bên dưới đã được ẩn. Vui lòng đăng nhập hoặc đăng ký gói Premium. Trân trọng!