事件研究（event study）是一种经验财务研究技术，运用这种技术观察者可以评估某一事件对一个公司股价的影响。

事件研究法 (Event Study) 是一种统计方法，系在研究当市场上某一个事件发生的时候，是否会对股价产生波动。

事件研究法 (Event Study) 是一种统计方法，是在研究当市场上某一个事件发生的时候，股价是否会产生波动时，以及是否会产生“异常报酬率”(abnormal returns)，借由此种资讯，我可以了解到股价的波动与该事件是否相关。

在研究过程中，首先须决定研究假说为何。决定研究假说以后，须确定事件的种类及其事件日，估计期及事件期之计算期间，并以股价日报酬率估算其预期报酬率，再透过实际报酬与预期报酬之差额，观察整体股利发放事件，于宣告期间是否具有异常报酬的产生，最后借由统计检定来检视其统计值是否显著。

决定研究假说

譬如假设估计期间的CAR并没有产生资讯效果，而事件期的CAR可能产生资讯效果。

事件日的确定

事件研究法的第二步，即确定所要研究的事件。所谓的“事件日”，系指市场“接收”到该事件即将发生或可能发生的时间点，而非该事件“实际”上发生的时间点，此时点通常以“宣告日”为准。时点认定的适当与否，对于研究的正确性，会有决定性的影响。

市场模式

估计某一事件发生或公布后，对于股价影响，必须建立股票报酬率的“预期模式”，以估计“预期报酬”(expected returns)。股票报酬率的预期模式有很多种，应用最广的是“市场模式” (Market Model)。市场模式假设个股股票的报酬率与市场报酬率间存在线性关系，并以市场报酬率建立股价报酬率之回归模式，公式如下：

Rit=αi +βi Rmt +εi,t

Rit：表示 i 公司 t 期的报酬率，计算方式为 (该股X日时收盘价–该股[X-1]日时收盘价) / 市场[X-1]日时收盘价。 Rmt：表示 t 期的市场加权指数股票之报酬率，计算方式为 (市场X日时收盘指数–市场[X-1]日时收盘指数) / 市场[X-1]日时收盘指数。 αi：表示回归截距项。 εit：表示回归残差项。 βi：表示回归斜率。

建立股票报酬率的“预期模式”

针对误差项的部分，根据Fama(1968)、Beja(1972)及Fama(1973)之研究，市场模式有下列之假设： E（εit）=0 Cov（ εiτ , εiγ）= ,τ,γ 〔t1, t2〕 Cov（ εit , Rmt）=0　因此，经由以上所示之公式，可求得个别证券在“事件期”某一期之“预期报酬率”，即为：

Rit=ai + bi Rmt

Rit ：表示 i 公司t期之预期报酬率，经由估计期计算得来。 Rmt：表第t期市场加权指数股票之报酬率。

AAR与CAR

估计平均异常报酬率(AAR)、累积异常报酬率(CAR)　一但估计出“预期报酬率”，也就可以得到异常报酬率。为了了解某一特定事件之异常报酬率或累积效果的行为，并且提供有关异常报酬率，何时开始出现关联以及何时结束，采用异常报酬率 (AR) 及累积异常报酬率 (CAR) 以看出此项反应。

异常报酬 (Abnormal Returns , ARit) 指以事件期的实际报酬减去事件期的预期报酬：　ARit=Rit－Rit

ARit：表示 i 公司第t期之异常报酬率。 Rit ：表示 i 公司第t期之实际报酬率。 Rit ：表示 i 公司第t期之预期报酬率。

累积异常报酬率 (Cumulative Abnormal Returns, CAR( T ))，则为特定期间内每日异常报酬率的累加值。

异常报酬率的检定

如果异常报酬率为“正”，我们可以推论事件对股价有正的影响；如果异常报酬率为“负”，我们可以推论事件对股价有负的影响。但只知道正负仍不够，因为我们不确定此种影响是否足够明显，因此必须进行“显著性检定”。

无相关调整检定法

无相关调整法(No Dependence Adjustment Test) 由Brown与Warner推出，也称为传统法(Traditional method)。

横断面标准偏差检定法

英文为 Cross-sectional standard deviation test。若证券受到事件的影响，使得事件期股票报酬率的变异数明显增加(Event-induced variance)，使用估计期信息去推估事件期的异常报酬率变异数可能没有太大的意义。因此，忽略估计期残差的信息，以事件期横断面的个别证券的异常报酬率计算变异数且假设不同证券间的异常报酬率为无关

横断面检定法 - GARCH

英文为 Cross-sectional test - GARCH。假设报酬率符合GARCH模式，与横断面标准偏差检定的差异在于异常报酬率的变异数乃使用GARCH模式预测的变异数

标准化残差检定法

英文为 Standardized residual test or Patell test。相同于传统法，Patell使用风险调整模式-OLS估计法探讨标准化残差法[1]，藉由标准化过程，使标准化异常报酬率同为单一常态分配(Unit Normal Distribution)，

标准化横断面检定法

英文为 Standardized cross-sectional test。Boehmer、Musumeci与Poulsen提出标准化横断面检定，以解决横断面检定法检定力较不足的情形。检定的基本精神与横断面检定法相同，必须先将异常报酬率标准化之后，再计算横断面的标准化异常报酬率的变异数，

进行事件研究检定时，可采用前述的母数检定侦测异常报酬率，但当证券报酬率偏离偏离常态分配时，将使得虚无假设下的抽样分配可能异于实际分配，导致检定统计量会出现拒绝过多或是过少的结果。因此，可使用不需要强烈分配假设的无母数检定。

符号检定法

符号检定是依据事件期，证券彼此之间的异常报酬率正负号决定，亦即检定事件期的异常报酬率为正值的比率是否为50%。

一般化符号检定法

符号检定法(Generalized Sign test)假设异常报酬率为正值的证券数量占全证券数量的比例为50%可能并不合理；因此，可以选择使用一般化符号检定，针对证券估计期的观察样本，并依照实际状况估计出异常报酬率为正值的证券数量，并计算比率。