政策利好出台后，因子模型通过事件研究法将政策信号转化为可量化的超额收益率，并作为新的预测变量纳入多因子框架，从而捕捉市场对政策信息的短期反应，同时结合其他因子降低非线性噪音。
事件研究法的核心步骤
事件研究法是量化政策利好短期反应的标准工具。其基本流程包括：定义事件窗口、估计正常收益率、计算超额收益率、检验统计显著性。
- 定义事件窗口：通常将政策公告日设为事件日（T=0），选取事件日前后的时间区间（如[-5, +5]个交易日）作为窗口。窗口不宜过长，以避免其他噪音干扰。
- 估计正常收益率：利用事件窗口前的估计期（如[-180, -30]个交易日）数据，通过市场模型（如CAPM）或Fama-French三因子模型，回归得到个股或组合在无事件情况下的预期收益率。
- 计算超额收益率：用事件窗口内的实际收益率减去估计的正常收益率，得到每日的超额收益率（AR）。累计超额收益率（CAR）则是窗口期内每日AR的加总，反映政策利好的总体影响。
- 统计检验：对CAR进行t检验或非参数检验，判断其是否显著异于零。若显著为正，说明政策利好确实带来了正向短期反应。
将超额收益率作为预测变量
事件研究法得到的超额收益率，可以直接作为新异象变量纳入多因子模型。具体做法是：将政策利好相关的股票（如政策受益板块个股）在事件窗口内的CAR，作为因子暴露的代理变量，与其他常见因子（如规模、价值、动量）一起回归。
- 降低非线性噪音：政策信息往往引发市场情绪波动，导致非线性响应。通过将CAR作为独立预测变量，并结合因子模型中已有的线性因子（如低波动因子），可以分离出政策信号的纯效应，减少情绪带来的噪音干扰。
- 应用场景：例如，当出台产业扶持政策时，对政策受益股计算CAR，然后将其作为横截面回归中的解释变量，预测未来短期收益。历史上常见，CAR高的股票在后续1-2周内仍可能持续跑赢，但超额收益会随时间衰减。
总结
政策利好通过事件研究法转化为超额收益率，作为因子模型中的新预测变量，能有效量化短期反应并降低噪音。实际操作中，事件窗口选择、正常收益率模型设定以及统计显著性检验，是确保结果可靠的关键。
常见问题
事件窗口长度如何选择？
通常选择[-5, +5]个交易日作为标准窗口。若政策信息提前泄露，可适当延长至[-10, +5]；若政策影响迅速反映，缩短至[-1, +1]可减少噪音。具体窗口应以研究目的和数据稳定性为准。
超额收益率需要调整其他因子吗？
建议在计算CAR时，先使用包含常见因子（如市场、规模、价值）的模型估计正常收益率，这样得到的超额收益率已部分剥离了已知因子影响。后续再将其作为独立变量加入模型，能更干净地捕捉政策信号。
政策利好效应会持续多久？
历史上常见，政策利好引发的超额收益率通常在事件日后1-2周内衰减。多数情况下，窗口期内的CAR在事件日后5-10个交易日会回归均值，但具体持续时间受政策力度、市场情绪和后续执行情况影响。