Los estudios de eventos están muy extendidos en economía y finanzas para determinar el efecto de un evento en el precio de una acción, pero casi siempre se basan en razonamientos frecuentes. Una regresión OLS, durante un período de referencia que es distinto de la ventana del evento, generalmente se usa para determinar los parámetros necesarios para modelar el rendimiento normal de un activo. Luego, se determina la importancia estadística de los retornos anormales acumulativos ( ) en el activo después de un evento durante una ventana de evento especificada de a . Se usa una prueba de hipótesis para determinar si estos retornos son significativos y, por lo tanto, anormales o no. Así:i T 1 T 2
, donde
, y
es el rendimiento del activo predicho por el modelo.
Si nuestro número de observaciones es lo suficientemente grande, podemos asumir la normalidad asintótica de la distribución de los rendimientos de los activos, pero esto puede no verificarse para un tamaño de muestra más pequeño.
Se puede argumentar que debido a esto, los estudios de una sola empresa y de un solo evento (como se requiere, por ejemplo, en un litigio) deben seguir un enfoque bayesiano, porque la suposición de infinitas repeticiones está mucho "más lejos de ser verificada" que en el caso de múltiples empresas. Sin embargo, el enfoque frecuentista sigue siendo una práctica común.
Dada la escasa literatura sobre este tema, mi pregunta es cómo abordar mejor un estudio de eventos, análogo a la metodología descrita anteriormente y resumida en MacKinlay, 1997 , utilizando un enfoque bayesiano.
Aunque esta pregunta surge dentro del contexto de las finanzas corporativas empíricas, se trata realmente de la econometría de la regresión e inferencia bayesianas, y las diferencias en el razonamiento detrás de los enfoques frecuentista y bayesiano. Específicamente:
¿Cómo debería abordar mejor la estimación de los parámetros del modelo utilizando un enfoque bayesiano (suponiendo una comprensión teórica de las estadísticas bayesianas, pero poca o ninguna experiencia en su uso para la investigación empírica).
¿Cómo pruebo la significación estadística, una vez que se han calculado los retornos anormales acumulativos (usando los retornos normales del modelo)?
¿Cómo se puede implementar esto en Matlab?