are the ab- normal, actual, and nor

are the ab- normal, actual, and normal returns respectively for time period . X is the conditioning information for the normal return model. There are two common choices for modeling the normal return the constant mean return model where X is a constant, and the market model where X is the market return. The constant mean return model, as the name implies, assumes that the mean return of a given security is constant through time. The market model assumes a stable linear relation between the market return and the security return.
Given the selection of a normal performance model, the estimation window needs to be defined. The most common choice, when feasible, is using the period prior to the event window for the estimation window. For example, in an event study using daily data and the market model, the market model parameters could be estimated over the 120 days prior to the event. Generally the event period itself is not included in the estimation period to prevent the event from influencing the normal performance model parameter estimates.
With the parameter estimates for the normal performance model, the abnormal returns can be calculated. Next comes the design of the testing framework for the abnormal returns. Important considerations are defining the null hypothesis and determining the techniques for aggregating the individual firm abnormal returns.
The presentation of the empirical results follows the formulation of the econometric design. In addition to presenting the basic empirical results, the presentation of diagnostics can be fruitful. Occasionally, especially in studies with a limited number of event observations, the empirical results can be heavily influenced by one or two firms. Knowledge of this is important for gauging the importance of the results.Ideally the empirical results will lead to insights relating to understanding the sources and causes of the effects (or lack of effects) of the event under study. Additional analysis may be included to distinguish between competing explanations. Concluding comments complete the study

Kết quả (Việt) 1:

là các ab-bình thường, thực tế và bình thường trở lại tương ứng trong khoảng thời gian. X là thông tin lạnh cho các mô hình trở lại bình thường. Không có hai sự lựa chọn phổ biến cho mô hình hóa trở lại bình thường hằng số có nghĩa là quay trở lại mô hình X là một hằng số, và các mô hình trường X là thị trường trở lại. Liên tục có nghĩa là quay trở lại mô hình, như tên của nó, giả định rằng sự quay trở lại có nghĩa là an ninh nhất định là liên tục qua thời gian. Mô hình trường giả định một mối quan hệ tuyến tính ổn định giữa sự trở lại thị trường và trở về an ninh.Cho việc lựa chọn một mô hình hoạt động bình thường, cửa sổ dự toán cần phải được xác định. Sự lựa chọn phổ biến nhất, khi khả thi, là sử dụng khoảng thời gian trước khi sự kiện sổ cho cửa sổ dự toán. Ví dụ, trong một sự kiện nghiên cứu sử dụng dữ liệu hàng ngày và các mô hình thị trường, các thông số mô hình thị trường có thể được ước tính trên 120 ngày trước khi sự kiện này. Nói chung thời gian sự kiện chính nó không được bao gồm trong giai đoạn dự toán để ngăn chặn các sự kiện ảnh hưởng đến các ước lượng tham số mô hình hiệu suất bình thường.Với ước lượng tham số cho mô hình hoạt động bình thường, lợi nhuận bất thường có thể được tính. Tiếp theo đến thiết kế của các khuôn khổ thử nghiệm đối với lợi nhuận bất thường. Cân nhắc quan trọng xác định các giả thuyết null và việc xác định các kỹ thuật để tập hợp các công ty cá nhân bất thường trở về.Trình bày kết quả thực nghiệm theo công thức kinh tế lượng thiết kế. Ngoài việc trình bày kết quả thực nghiệm cơ bản, trình bày của các chẩn đoán có thể được hiệu quả. Thỉnh thoảng, đặc biệt là trong các nghiên cứu với một số giới hạn của sự kiện quan sát, kết quả thực nghiệm có thể được ảnh hưởng nhiều bởi một hoặc hai công ty. Kiến thức về điều này là quan trọng cho đo tầm quan trọng của các kết quả. Lý tưởng nhất, kết quả thực nghiệm sẽ dẫn đến những hiểu biết liên quan đến sự hiểu biết các nguồn và nguyên nhân gây ra hiệu ứng (hoặc thiếu các hiệu ứng) của các sự kiện theo nghiên cứu. Các phân tích bổ sung có thể được bao gồm để phân biệt giữa cạnh tranh giải thích. Ý kiến kết luận hoàn thành nghiên cứu

Kết quả (Việt) 2:

là bình thường, thực tế, và bình thường trở lại AB- tương ứng cho khoảng thời gian. X là thông tin máy cho các mô hình trở lại bình thường. Có hai lựa chọn phổ biến cho mô hình trở lại bình thường các mô hình trở lại bình thường xuyên trong đó X là một hằng số, và các mô hình thị trường trong đó X là sự trở lại thị trường. Các mô hình trở lại bình không đổi, như tên của nó, giả định rằng sự trở lại trung bình của một an ninh đưa ra là không đổi qua thời gian. Các mô hình thị trường giả định một mối quan hệ tuyến tính ổn định giữa sự trở lại thị trường và sự trở lại an toàn.
Với việc lựa chọn một mô hình hoạt động bình thường, cửa sổ ước tính cần phải được xác định. Sự lựa chọn phổ biến nhất, khi có thể, được sử dụng trong giai đoạn trước khi cửa sổ kiện cho cửa sổ dự toán. Ví dụ, trong một nghiên cứu sự kiện sử dụng dữ liệu hàng ngày và các mô hình thị trường, các thông số mô hình thị trường có thể được ước tính trên 120 ngày trước sự kiện này. Nói chung thời gian sự kiện chính nó không được tính vào thời gian ước tính để ngăn chặn sự kiện từ ảnh hưởng đến các ước lượng tham số mô hình thực hiện bình thường.
Với ước lượng tham số cho mô hình hoạt động bình thường, lợi nhuận bất thường có thể được tính toán. Tiếp đến là thiết kế các khuôn khổ kiểm tra cho lợi nhuận bất thường. Cân nhắc quan trọng là xác định các giả thuyết và xác định các kỹ thuật để tính tổng lợi nhuận bất thường từng doanh nghiệp.
Việc trình bày các kết quả thực nghiệm sau việc xây dựng các thiết kế kinh tế lượng. Ngoài việc trình bày các kết quả thực nghiệm cơ bản, trình bày các chẩn đoán có thể được hiệu quả. Thỉnh thoảng, đặc biệt là trong các nghiên cứu với một số lượng hạn chế của các quan sát sự kiện, các kết quả thực nghiệm có thể bị ảnh hưởng nặng nề bởi một hoặc hai công ty. Kiến thức của điều này là quan trọng để đánh giá tầm quan trọng của các results.Ideally các kết quả thực nghiệm sẽ dẫn đến những hiểu biết liên quan đến sự hiểu biết nguồn gốc và nguyên nhân của hiệu ứng (hoặc thiếu hiệu quả) của sự kiện được nghiên cứu. Phân tích bổ sung có thể được bao gồm để phân biệt giữa lời giải thích. Ý kiến kết luận hoàn thành nghiên cứu