你是否曾想过，某一则突发新闻、一场合并公告，甚至是一项政府政策，究竟如何牵动了股市的神经？而研究这一切最有力的工具之一，正是“事件研究法”。但你知道它背后的三种核心模型，决定了结论的“真与假”吗？

本篇文章，我们将倒序揭开事件研究法最重要的三种分析模型:市场模型、均值调整模型、市场调整模型，并通过真实案例、数据表格和趣味比喻，带你深入挖掘金融学界最广泛使用的实证研究方法背后的逻辑。

---

压轴揭秘:市场模型（Market Model）——最精准的预期收益估计工具？

市场模型被誉为“事件研究的标准配置”。为什么？因为它在考虑公司自身表现的同时，还加入了市场整体的波动因素。这个模型假设，某只股票的收益与整个市场的收益之间存在线性关系。

数学表达式如下:

$R_{it} = alpha_i + eta_i R_{mt} + epsilon_{it}$

其中:

• $R_{it}$:第i只股票在时间t的实际收益

• $R_{mt}$:市场在时间t的收益

• $alpha_i, eta_i$:通过估计期（非事件期间）线性回归得出

• $epsilon_{it}$:残差项，反映非常规事件导致的“异常收益”

为什么它被视为最精确？
因为它通过回归分析将“正常收益”估算得更贴近真实值，因此在剔除正常波动之后，更能清晰地反映事件本身的冲击力。

真实案例对比:京东宣布海外上市计划

你能看到，事件当日“+4.8%”的异常收益，是市场模型最清晰的“放大镜”。

---

第二亮相:均值调整模型（Mean Adjusted Model）——简单却略显粗糙的起步工具

均值调整模型可以说是“入门级”的事件研究法，最大的特点是不考虑市场整体的变动，仅依据某只股票自身的历史平均收益来判断事件是否带来异常变化。

数学表达式如下:

$R_{it} - ar{R_i} = AR_{it}$

其中:

• $ar{R_i}$:为估计期内的平均收益

• $AR_{it}$:异常收益

优点:操作简单，不需引入其他市场数据
缺点:忽略了市场的系统性波动，适用于市场变化不剧烈、公司收益稳定的场景。

比喻说明:

把这个模型比作“掂量温度”的方式——你只记得上周每天20℃，今天突然30℃就判断是异常，其实天气预报早就说今天热浪来袭了，但你没看新闻。忽略了“大气候”，只看“自己家温度计”。

对照分析（假设A公司）

虽然能得出一定趋势，但和市场模型比，对大盘上涨或系统性风险没有过滤能力。

---

率先登场:市场调整模型（Market Adjusted Model）——借用市场走势但不修正个体特性

作为最原始的一种事件研究模型，市场调整模型（又称Market Return Model）的思路是:你股票当天的表现如果比市场平均表现还要好，那就是事件带来的“正面影响”。

数学表达式如下:

$AR_{it} = R_{it} - R_{mt}$

其中:

• $R_{it}$:个股当日实际收益

• $R_{mt}$:市场指数当日收益

• $AR_{it}$:异常收益

优点:计算快、逻辑直白
缺点:忽略公司与市场之间的结构性差异（比如β值）

类比方式说明:

这就像你在考数学时比全班平均分多10分，就觉得自己超常发挥了。但你平常本来就是学霸，只是班上那天考砸了。你厉害，是因为全班差？还是你真的考得好？这个模型无法解释。

对比案例分析:某科技股应对ChatGPT概念利好

市场调整模型直观快速适用于初步判断、快速舆情分析，但若用于投资或学术研究，还是推荐市场模型。

---

总结对比:三种模型差异表格一览

---

写在结尾前:如何选择最适合你的事件研究模型？

• 如果你是金融硕博生或要撰写研究报告，请优先选择市场模型

• 如果你在做课程作业或做概念验证，可以尝试均值调整模型

• 如果你是分析师、媒体人、策略师，需要快速反应市场事件，市场调整模型是个便捷选择

事件研究法并不是万能的，但正确选择模型，就像选对“滤镜”，能让你看清市场的本质波动而非幻象。

如果你读到了这里，说明你对资本市场的敏感度，已经比95%的投资者更高。

---

如你需要进一步了解这三种模型的数据实现方式、Python或Stata代码实现范例、或回归分析技巧，可以告诉我，我可以为你补充相应的模块和操作演示。

想更深入了解可以看看这些:Python示例、金融数据表格模板、事件研究代码讲解。