PROFILPELAJAR.COM

ניתוח אירוע הוא שיטה סטטיסטית להערכת ההשפעה של אירוע (המכונה גם "ניקוי רעשי רקע") בעיקר בשוקי ההון.^[1]

שימושים בולטים הם בעיקר במחקרי אירועים בתחום הפיננסים.^[1] לדוגמה, ניתן לנתח את ההודעה על מיזוג בין שתי ישויות עסקיות כדי לראות האם המשקיעים מאמינים שהמיזוג יצור או יהרוס ערך. הרעיון הבסיסי הוא למצוא את התשואה החריגה הנקראת גם תשואת אלפא המיוחסת לאירוע הנלמד על ידי התאמה לתשואה הנובעת מתנודת המחירים של השוק בכללותו.^[2] מחקר ניתוח האירוע הומצא על ידי בול ובראון (1968).^[3]

מכיוון שניתן להשתמש במתודולוגיית ניתוח אירוע כדי לבחון אמפירית את ההשפעות של כל סוג של אירוע על כיוון וגודל השינויים במחירי המניה, השיטה היא מאוד יישומית וזו משמשת בתחומי מחקר שונים, כגון חשבונאות ומימון, ניהול, כלכלה, שיווק, טכנולוגיית מידע, משפטים, מדעי המדינה, תפעול וניהול שרשרת אספקה.^[4]

לניתוח אירוע יישומים רבים כגון תגובות של שוק המניות לאירועים במשק (כלומר זעזועים בשוק, כגון שינויים רגולטוריים, או אירועים קטסטרופליים כמו מלחמה). מצד שני, ניתוח אירוע משמש כדי לחקור את תגובות שוק המניות לאירועים תאגידיים, כגון מיזוגים ורכישות, הודעות רווחים, נושאי חוב או הון, ארגון מחדש של חברות, החלטות השקעה ואחריות חברתית תאגידית (MacKinlay 1997;^[5] McWilliams & Siegel, 1997^[6] ).

מתודולוגיה

מתודולוגיית לימוד האירועים הכללית מוסברת, למשל, ב-MacKinlay (1997)^[5] או ב־Mitchell and Netter (1994).^[7] ב-MacKinlay (1997), זה נעשה "באמצעות נתוני שוק פיננסי" כדי "למדוד את ההשפעה של אירוע ספציפי על שווי הפירמה". לטענתו, "בהינתן הרציונליות בשוק, ההשפעות של אירוע יבואו לידי ביטוי מיד במחירי ניירות ערך. כך ניתן לבנות מדד להשפעה הכלכלית של האירוע באמצעות מחירי ניירות ערך שנצפו על פני פרק זמן קצר יחסית". מחקרי אירועים קצרי אופק הם אמינים יותר ממחקרי אירועים בעלי אופק ארוך^[8] שכן לאחרונים יש מגבלות רבות משום שככל שמתרחקים מחלון האירועים כך גדולות דרגות החופש ו"רעשי הרקע" שיכולים להשפיע על האירוע עצמו. עם זאת, Kothari ו- Warner (2005) הצליחו לשכלל מתודולוגיות לטווח ארוך על מנת לשפר את התכנון והאמינות של המחקרים על פני תקופות ארוכות יותר.^[9]

שיטות אמפיריות

מתודולוגית, ניתוח אירוע בוחן באמצעות חלון זמנים כגון 30 ימים סביב האירוע או תקופת זמן אחרת מה צריכות להיות תשואות המניות הרגילות של הפירמה ביחס להשפעה שאכן אירע בפועל. לאחר מכן, השיטה מנכה את ה'תשואות הרגילות' הזה מ'התשואות בפועל' כדי לקבל 'תשואות חריגות' המיוחסות לאירוע ובכך מנטרלת "רעשי רקע" כגון תזוזה בשוקי העולם ללא קשר לתזוזת המנייה אותה נרצה לבחון.

עם זאת, מחקרי אירועים עשויים להיות שונים ביחס למפרט התשואות הרגילות שלהם. המודל הנפוץ ביותר לתשואות רגילות הוא 'מודל השוק' (MacKinlay 1997). בעקבות מודל זה, הניתוח מרמז להשתמש בחלון אומדן (בדרך כלל בגודל 120 יום) לפני האירוע כדי להסיק את הקשר הטיפוסי בין מניית הפירמה למדד התייחסות באמצעות ניתוח רגרסיה. בהתבסס על מקדמי הרגרסיה, התשואות הנורמליות מוערכות ומשמשות לחישוב התשואות החריגות. מודלים חלופיים לתשואות הרגילות כוללים את מודל CAPM, או גישות פשטניות יותר כגון תשואות ממוצעות (ראה MacKinlay 1997 לסקירה כללית).

חישוב ניתוח אירוע

ביצוע מחקרי אירועים מחייב את החוקר ליישם רצף של שלבים. ניתוח אירוע מבוצע לרוב ב'מודל השוק' כלומר מה קרה באותם הזמנים ביחס לשוק הרלוונטי. כלומר אם נבחן מנייה בתחום הנדל"ן נבחן מה קרה באותה העת בשוק הנדל"ן בכללותו, השלבים הם כדלקמן:

אחזר והתאם סדרות זמן של תשואות פיננסיות של מניית החברה המרכזית ומדד הייחוס שלה.
עבור כל אירוע, זהה את רצפי ההחזרים של החברה והשוק שיש לכלול בחלון האומדן.
באמצעות ניתוח רגרסיה, חשב את מקדמי אלפא, בטא וסיגמא המסבירים את הקשר הטיפוסי בין המניה למדד הייחוס.
עם שלושת הפרמטרים האלה, חזה את 'ההחזרות הרגילות' עבור כל הימים של חלון האירוע.
ניכוי ה'תשואות הרגילות' הללו מ'התשואות בפועל' נותן לך את ה'תשואות החריגות' שהם מדדי הריבית.

המשמעות של תשואות אבנורמליות

בחינת תשואות חריגות בודדות שונות מאפס עם מובהקות סטטיסטית מסוימת ניתן לבדוק ברמות הניתוח השונות. המבחן הנפוץ ביותר, מבחן t, מחלק את התשואות החריגות דרך השגיאה הממוצעת של הרגרסיה. לאחר מכן יש להשוות את ערכי ה-t המתקבלים לערכים הקריטיים של התפלגות ה-t של התלמיד. ישנן עדויות לכך שבתקופות של תנודתיות גבוהה (למשל משבר פיננסי של 2007–2008 ), חברות רבות מדי נוטות להציג תשואות חריגות באופן משמעותי באמצעות מבחן ה-t, מה שמקשה יותר לקבוע אילו תשואות הן באמת "חריגות".^[8]^[10]

אומדן נזק כלכלי באמצעות ניתוח אירוע

במקרים רבים של תביעה משפטית של בעלי מניות נדרש לעיתים קרובות מאוד לאמוד את הנזק הכלכלי אשר נגרם כתוצאה מפעולה כלשהי של בעלי המניות או מנהלי החברה. נזק כלכלי הוא למעשה השבת המצב לקדמותו ברמת המינימום וכן תוספת שיפוי כללי תלוי מקרה. לדוגמה, בעל מניות בחברה נסחרת המעריך כי אחזקתו נפגעה כתוצאה מפעילות כלשהי של החברה יכול להוכיח את הנזק הכלכלי הנגרם לו באמצעות "ניתוח אירוע".

בבדיקה סטטיסטית כזו במקרה זה, יש לבחון את תשואת המנייה (לוגריתמית) בחלון זמנים ביחס למדד ייחוס מקובל דוגמת S&P 500 בארצות הברית. הפער או הדלתא בין מחיר המנייה לבין מדד הייחוס הוא התשואה האבנורמלית (Abnormal Return, AR).

מדד הייחוס נקרא גם מדד נאיבי (Naïve benchmark) שכן הוא מתייחס לכל דבר השונה מהתנהגות השוק הממוצעת שאינה "נורמלית". מדד הייחוס מכונה נאיבי מכיוון שהוא מתעלם מהנחות כלכליות בסיסיות, כמו מתן אפשרות למניות מסוכנות יותר לקבל תשואות צפויות גבוהות יותר בגלל חוסר רצון בסיכון מצד משקיעים. מדד הייחוס, בהנחה של קשרים ליניאריים בין תשואות מניות ומדדי שוק, כולל את הפרמטרים α ו-βi אשר נאמדים בדרך כלל על ידי רגרסיה ליניארית עם תשואת המניה כמשתנה התלוי (המוסבר), ותשואת השוק כבלתי תלויה. הבדיקה תבוצע בשתי שיטות אקונומטריות, האחת עם הפרמטרים α ו-βi של השוק והסקטור הרלוונטיים והשנייה באופן נאיבי. כלומר, נעשה ניסיון לבטל "רעשי רקע" שארעו, אם ארעו, בשוק או בסקטור גם בבחינת תשואות מדדי הייחוס וגם בבחינת סטיית התקן של המנייה עצמה ביחס לסטיית התקן של מדד הייחוס ובכך כך נעשה ניסיון לנטרל תנודתיות במחירי המנייה ביחס למדד הייחוס (מטריצת 2X2, שוק וסקטור ביחס לשתי שיטות בדיקה).^[11]

יישום לניתוח מיזוגים ורכישות בחברות עסקיות

המתודולוגיה הסטטיסטית הנמצאת מאחורי ניתוח האירוע (בהקשר הספציפי של מיזוגים) מוסברת אצל Warren-Boulton and Dalkir (2001):^[12]

”משקיעים בשווקים הפיננסיים מעריכים כל העת האם מיזוג יעלה או יוריד מחירים. מיזוג שיעלה את מחירי השוק יועיל הן לצדדים המתמזגים והן עם יריביהם ובכך יעלה את המחירים לכל מניותיהם. לעומת זאת, הקהילה הפיננסית עשויה לצפות שההתייעלות מהמיזוג תהיה גדולה מספיק כדי להוזיל מחירים. במקרה זה, ערכי המניות של יריבות החברות המתמזגות יורדות ככל שההסתברות למיזוג עולה. לפיכך, ניתן להשתמש בראיות משווקים פיננסיים כדי לחזות השפעות מחירי שוק כאשר התרחשו אירועים משמעותיים הקשורים למיזוג.”

לקריאה נוספת

McGuckin, RH, FR Warren-Boulton, and P. Waldstein, "השימוש בתשואות שוק המניות בניתוח הגבלים עסקיים של מיזוגים", "סקירה של ארגון תעשייתי", כרך 7, (1992)
McWilliams, A. and Siegel, D, "לימודי אירועים בחקר ניהול: סוגיות תאורטיות ואמפיריות", Academy of Management Journal, Vol. 40, מס' 3, (1997)

הערות שוליים

^ ¹ ² Miller, Douglas L. (2023). "An Introductory Guide to Event Study Models". Journal of Economic Perspectives (באנגלית). 37 (2): 203–230. doi:10.1257/jep.37.2.203. ISSN 0895-3309.
^ Ronald J. Gilson and Bernard S. Black, The Law and Finance of Corporate Acquisitions, 2 edition, 1995, 194-195.
^ Ray Ball, and Philip Brown, An Empirical Evaluation of Accounting Income Numbers, Journal of Accounting Research, Vol. 6, Autumn 1968.
^ Ding, Li; Lam, Hugo K.S.; Cheng, T.C.E.; Zhou, Honggeng (2018-06-01). "A review of short-term event studies in operations and supply chain management". International Journal of Production Economics. 200: 329–342. doi:10.1016/j.ijpe.2018.04.006. ISSN 0925-5273.
^ ¹ ² MacKinlay, A. C. “Event Studies in Economics and Finance,” Journal of Economic Literature Vol. XXXV, Issue 1 (March 1997). Available at:https://www.jstor.org/stable/2729691
^ McWilliams, A. and Siegel, D. "Event studies in management research: Theoretical and empirical issues" Academy of Management Journal, Vol. 40, No. 3, (1997)
^ Mitchell, Mark L. and Jeffry M. Netter. "The Role of Financial Economics in Securities Fraud Cases: Applications at the Securities and Exchange Commission." The Business Lawyer February 1994
^ ¹ ² Chen, M.Y., 'I Just Did 400 Million Event Studies' – A Study of Market Model Robustness and Deterioration in Times of Crisis (2014). Available at: https://ssrn.com/abstract=2534446
^ Kothari, S.P., and Jerold B. Warner, 200[4!], "Econometrics of Event Studies" Retrieved from: https://ssrn.com/abstract=608601
^ Jovanovic, B., & Fox, E. (2010). Testing for Materiality in Volatile Markets. NERA Economic Consulting. Retrieved from: http://www.law360.com/articles/142884/testing-for-materiality-in-volatile-markets
^ חוות דעת כלכלית – BEconomics, באתר b-economics.com
^ Warren-Boulton, F. and S. Dalkir. “Staples and Office Depot: An Event-Probability Case Study,” Review of Industrial Organization, Vol. 19, No. 4, (2001).