但是，在分析事件对资产价格的影响时，我们需要考虑的另一个重要因素是发生这些事件的市场环境。为了解决这个问题，我们对Coinbase上币样本进行了一项事件研究，以探索公告发布时的市场状况，以试图从上币事件的影响中分解出归因于市场的反应。

事件研究方法简介

有效市场假说（EMH）指出，所有可公开获得的信息都会立即纳入到资产的价格中。虽然对该理论的有效性（或缺乏有效性）的完整解释不在本报告的范围内，但我们可以以此前提为基础，通过量化某一特定事件对资产回报的影响，研究该事件如何改变资产的市场认知。有学术研究人员已经提出了事件研究方法论来解决此类分析，重点是了解事件如何影响资产收益的统计特性。

事件研究的目的是量化事件对“异常收益”的经济影响。反常收益的计算方法是，如果事件没有发生，本应实现的回报率（称为正常回报率）与实际回报率之间的差额。

虽然实际收益很容易观察到，但正常收益需要我们去估计。对于这一部分的分析，通常使用预期收益模型，这也是其他金融研究领域常用的估值工具。

市场模型是事件研究中最常用的估计正常收益的方法。其使用参考市场的实际收益和资产与参考市场的相关性来估计正常收益。在形式上，某一天的异常回报率，表示为资产实际回报率与正常回报率之间的差额，这是根据资产与参考市场（表示为????和????）之间的典型关系和相关性以及参考资产的实际回报率来估计的。

那么，如果我们仅查看交易所上币前后的资产收益以评估事件的影响，那么执行所有这些额外步骤的意义何在？看一下模型背后的直觉可以帮助澄清这个问题。

假设Coinbase宣布了一个新的代币上线交易所，正如我们所期望的那样，代币在上线交易所后便会经历剧烈的价格上涨，截至目前，这一点并不奇怪。我们还假设在同一天，比特币（代表整个市场的一种货币）在一些宏观消息的影响下，实现了10%的收益率。在这种情况下，我们如何确定代币价格的上涨是因为交易所上币，而不是由于市场整体走势？这就是市场模式发挥作用的地方。

利用历史价格数据，我们可以通过观察它们的收益如何一起移动来研究它们之间的潜在关系。换言之，如果比特币在某一天上涨5%，考虑到它们的历史关系，我们通常应该期望代币获得什么样的回报？通过绘制这两种资产的每日收益率，可以更好地将这种关系可视化。

(责任编辑：admin)