谢谢分享

按以下标准进行筛选:
剔除按照证监会发布的《上市公司行业分类指引》分类为金融类的收购方企业；
要求并购事件标的物为目标公司股权以避免资产收购事件对研究的影响；
并购交易金额应大于100万元人民币；
并购交易后收购方应至少实现对目标公司的相对控股，剔除并购后收购方股权比例不足30%的样本；
对于同一公司在同一年完成多起并购，仅保留公司在当年所完成的第一起并购,降低不同并购事件间的影响;
剔除数据缺失样本。

### 上市公司并购绩效CAR和BHAR计算Stata代码及数据处理流程

#### 1. 数据预处理与筛选标准

为确保分析结果的有效性和准确性，在进行上市公司并购绩效评估前，需对数据进行如下预处理：

- **排除金融类企业**：剔除证监会行业分类指引中的金融类收购方公司。
- **股权交易限制**：只考虑目标公司股权的并购事件，避免资产收购混淆研究焦点。
- **交易金额门槛**：并购交易金额设定在100万元人民币以上。
- **相对控股要求**：并购后，收购方对目标公司的持股比例需达到30%及以上。
- **单一并购原则**：同一年内多起并购事件中仅选取第一起进行分析，减少内部影响。
- **数据完整性检查**：排除任何缺失关键信息的样本。

#### 2. 短期并购绩效计算 - CAR

短期并购绩效通过首次公告日前后的累计超额回报率（CAR）衡量：

1. **建立回归模型**：
   利用首次公告前150至30个交易日的数据，将个股收益率作为被解释变量、市场收益率为解释变量进行OLS回归。

2. **计算日度超额回报率**：
   \[ AR_{i,t} = R_{i,t} - (\alpha_i + \beta_i * R_{m,t}) \]
   其中，
   - \(R_{i,t}\)：并购企业\(i\)在第\(t\)天的实际收益率。
   - \(R_{m,t}\)：市场在第\(t\)天的收益率（通常为沪深300等广泛指数）。
   - \(\alpha_i\), \(\beta_i\)：回归系数，代表无风险回报率和市场敏感度。

3. **累计超额回报率**：
   使用窗口[-5, 5]计算CAR，
   \[ CAR_{i} = \sum^{t=5}_{t=-5} AR_{i,t} \]

#### 实施步骤

在Stata中，上述流程可以使用`rolling`和`egen`命令实现回归分析与累积计算。

**代码示例**：

```stata
// 回归估计
regress Ri_t Rm_t if t >= -150 & t <= -30, by(i)

// 保存系数
predict double alpha_i, constant
predict double beta_i, coef

// 计算超额回报率
gen AR_it = Ri_t - (alpha_i + beta_i * Rm_t)

// 累积计算CAR(-5,5)
egen CAR_5_5 = sum(AR_it) if t >= -5 & t <= 5, by(i)
```

#### 注意事项

- 在实施上述代码前，需确保数据已按`i`（并购企业）和`t`（时间窗口）进行适当排序。
- `Ri_t`, `Rm_t`, 等变量应事先准备就绪。

以上流程与代码示例适用于基于Stata的数据分析环境。请根据实际研究需求调整参数设置，以确保结果的准确性和可靠性。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用