35行代码搞定事件研究法（下）
作者简介：
祝小宇，个人公众号：大猫的R语言课堂
前文推送：
35行代码搞定事件研究法（上）
Hello亲爱的小伙伴们，上期已经讲到如何对单一事件日计算超额收益，本期将会教大家如何针对多个股票多个事件日计算超额收益，Let's go!
注意 I，本代码主要使用data.table包完成，关于data.table包的相应知识会在涉及的时候进行讲解。在以后的课堂中，我们会重点介绍data.table这个包。
注意 II， 本代码还使用了partial()函数，它来自于pryr这个包
用data.table包处理多个事件日
本期课堂的核心代码只有下面5行（应用了data.table包的语法）：
虽然看起来似乎有些难懂，但如果我们将他分解为三部分，理解起来就容易多了。
首先，这5行代码可以抽象为如下形式：
其中，event数据集就是我们在上节课讲到的包含有股票代码、日期、股票收益率、市场收益率、事件日标识的数据集（什么你忘了？快去看上节课教程！就是那个黑色的图）。请观察在上面这个抽象后的代码，大家应该可以看出我们对event数据集做了三件事情，具体分别为：
选取event中所有的行（第一行代码）。此处，我们没有添加任何条件，因此默认选中event的所有行。
对选中的变量进行操作（第二行代码）。此处，所有的操作都用大括号{}包裹了起来。
对event按照stk.id进行分组（第三行代码）。加了这一行代码后，第二行代码中所有的操作都会对每个stk.id分组运行一遍（这一步很关键！）。
讲到这，大家一定会发现，上述代码的关键部分就在大括号{...}所括起来的内容。我们一行一行来看：
这一行代码的作用找到每个股票的所有事件日的序号 ns。大家应该还记得在上一讲中我们用 n 来表示单一事件日的序号吧？在这里，which(event.flg == 1)的意思是返回所有event.flg变量等于1的那些行的序号，很自然的，在这里 ns 应该是一个向量。
在上一讲中，我们已经给出了函数 do_car() 用来求单个事件日的超额收益，因此很自然的，我们希望对于事件日向量 ns 中的每个元素，都应用一遍 do_car()这个函数。为了做到这一点，我们运用了lapply() 函数。因此代码就变成了
那么，在最初给的那段代码中，partial()函数是用来干什么的呢？在这里我们不妨先回忆一下上一讲中的do_car() 函数有哪些参数：
}
看到了没有？do_car() 要求我们提供n, r, rm, date 四个参数，但是向量 ns 只能提供 n 这一个参数的值，因此我们需要用pryr包中的partial() 函数把剩下的几个变量补充完整（感谢pryr的作者Hadley！如果不是你，我们需要写许多非常冗长的代码）。
最后，将处理的结果赋值给car，我们的任务就完成了！下图是最终的输出结果（部分）：
其中，stk.id是股票代码，date是事件日（非事件日不输出结果），coef是该事件日对应的收益率模型的系数（alpha、beta），ars是对应的超额收益率。在我们的例子中，我们只计算T日前后各一日的收益，因而ars一共有三个元素。
到此为止，求超额收益的计算就完成了，现在大猫给出完整的代码：
c2 <- 1 m1 <- 10 m2 <- 5
# do car do_car <- function(n, r, rm, date) { stopifnot(m1 > m2) if (n - m1 < 0) { cat("n =", n, "is too small ") } else if (n + c2 > length(r)) { cat("n =", n, "is too large ") } else { i1 <- max(1, n - m1) i2 <- n - m2 i3 <- n - c1 i4 <- n + c2 r.model <- r[i1:i2] rm.model <- rm[i1:i2] r.car <- r[i3:i4] rm.car <- rm[i3:i4] model <- lm(r.model ~ I(r.model - rm.model)) coef <- coef(model) ars <- r.car - predict(model, list(r.model = r.car, rm.model = rm.car)) list(date = date[n], coef = list(coef), ars = list(ars)) } }
car <- event[, { ns <- which(event.flg == 1); lapply(ns, partial(do_car, r = r, rm = rm, date = date)) %>% rbindlist() }, by = stk.id]
最上面三行注释用来描述数据结构，如果去掉的话，所有代码加起来35行都不到，是不是很神奇！
大猫在这里给出的代码已经经过高度优化，是在尝试众多可行方法后给出的计算速度最快的版本。小伙伴大可不必担心自己的数据太多计算机跑不起来。但是口说无凭，大猫在这里给出用模拟数据得到的测试结果。
在测试中，大猫设置了一个极端条件：模拟2500个股票（差不多是A股股票数），每个股票拥有1000个交易日的记录（差不多有4年的时间），平均50个交易日出现一个事件（模拟盈利公告这类事件的出现频率）。因此在整个数据集中，一共有250万条观测，5万个左右的事件。一般的事件研究法的数据量极少超过这个量级。
在这里附上生成模拟数据集的代码：
我们接着设定 c1 = c2 = 1, m1 = 90, m2 = 5，也即求 [T - 1, T + 1] 区间的超额收益，并用 [T - 90, T - 5] 这个区间估计收益率模型。这也是一个比较常见的设定。
大猫用这个数据集在自己的surface pro 4 i5版上连续跑了三遍，每一次的耗时分别为：
79s 81s 82s
三次平均耗时在80秒左右。可以说，这是一个非常优秀的成绩了。况且我们平时遇到的数据集应该远远小于模拟数据集，小伙伴还担心什么嗯？
对CAR进行 T 检验
既然已经算出了超额收益AR，那么下面我们自然希望把AR加起来得到累计超额收益CAR并进行T检验。例如，我们想知道每个事件日对应的累计超额收益，那么代码就为：
其中，car数据集是上面计算得到的所有事件日对应的超额收益率。语句“car :=” 表示在原数据集中新建一个名为 car 的变量，vapply(ars, sum)的含义是把超额收益率向量ars中的元素相加，double(1)指定输出的必须是一个标量（因为对于每个事件日，CAR是唯一的）
再比如，如果我们想计算逐日的累计超额收益率，那么代码就为：
cumsum() 是累计求和函数。注意，此时最终得到的cunsum应该是一个和ars长度相等的向量。
如果我们希望对每个股票的CAR进行T检验，那么代码就为：
最终的结果为：
其中，t.test给出了 t 值，p.ttest 给出了对应的p值。
其实，还有很多别的后续工作可以扩展，大猫就不一一介绍啦，小伙伴们可以自行实验。最后，如果觉得大猫的R语言课堂有用，请多多支持关注哦！
公众号后台回复关键字即可学习
回复 爬虫 爬虫三大案例实战
回复 Python 1小时破冰入门
回复 数据挖掘 R语言入门及数据挖掘
回复 人工智能 三个月入门人工智能
回复 数据分析师 数据分析师成长之路
回复 机器学习 机器学习的商业应用
回复 数据科学 数据科学实战
回复 常用算法 常用数据挖掘算法