公告事件研究与异常收益

已完成一次完全虚构、可复现的公告事件研究演示，并实际生成了 30 家公司的轻量日收益数据。

研究设置

• 公司数：30 家
• 随机种子：20260913
• 估计窗：[-120,-21]
• 事件窗：[-5,+5]
• 模型：市场模型
  [ R_{it}=\alpha_i+\beta_iR_{mt}+\varepsilon_{it} ]
• 异常收益：
  [ AR_{it}=R_{it}-(\hat{\alpha}_i+\hat{\beta}iR{mt}) ]
• 汇总指标：
  • AAR：横截面平均异常收益
  • CAAR：事件窗内 AAR 的累计值
  • 朴素横截面标准误与 t 值
  • 考虑截面相关后的标准误
• 诊断：
  • 事件日错位：故意设置部分公司真实冲击相对公告标签日为 -1 或 +1
  • 截面相关：模拟共同因子，并估计事件窗异常收益的平均两两相关

本次模拟的描述性结果

这些数值只是由本次随机模拟的参数和随机误差产生的演示结果，不能解释为真实市场规律、统计事实或投资信号。

已交付文件

• 中文 HTML 报告：event_study_report.html
• 可复现 Python 脚本：run_event_study.py
• 模拟日收益数据：simulated_daily_returns.csv
• AAR、CAAR 与不确定性结果表：event_study_results.csv
• 研究汇总与相关性诊断：event_study_summary.csv
• 市场模型参数及事件日错位标签：model_parameters_and_diagnostic.csv
• AAR/CAAR 图：aar_caar.png
• 事件日错位诊断图：misalignment_diagnostic.png

运行方式：

python run_event_study.py

脚本会使用固定随机种子重新生成全部 CSV、PNG 和 HTML 文件。

特别说明：本项目中的公司、公告、收益、市场因子和冲击全部为虚构内容。该报告不是投资建议，模拟结果不应被描述为真实市场发现，也不应据此进行交易或资产配置。