如何模擬收益意外對長期回報的影響？
我正在研究建立 EPS 公告意外與長期回報之間的關係（1 個季度到 3 年的間隔）。我目前的方法論是基於著眼於短期影響（範例）的論文，但我認為長期需要更全面的解決方案。
我的最終目標是能夠在一定程度上確定超過或低於分析師的每股收益預期是否會對股票的表現產生長期影響。
我已經使用如下變數建立了回歸：
我將 EPS 公告驚喜定義為
$$ \text{SUPRISE}i=\dfrac{\text{EPS}{actual,i}-\text{EPS}{estimate,i}}{\text{EPS}{actual,i}} $$ 為正面和負面驚喜創建 2 個變數（POSSUPRISE 和 NEGSUPRISE）
定義返回為
$$ \text{RETURN}t=\ln(\text{price}{i+t})-\ln(\text{price}_i) $$ 在哪裡 $ t $ 是我正在分析的時間段的最後一天
所以我目前的回歸看起來像這樣
$$ \text{RETURN}t = \beta_0 + \beta_p \text{POSSUPRISE}{i}+\beta_n \text{NEGSUPRISE}_{i}+\epsilon_t $$ 我還使用指標變數進行了回歸，以評估超出和失去的估計值
我已經對一組 30 隻大盤股樣本進行了分析，其中包含 1999-2009 年的每股收益數據和適當的定價數據，到目前為止，結果好壞參半，我發現 2 年回報和巨額收益意外之間存在一些相關性，但在我之前進一步探索這個問題，我想確保我以正確的方式去做
我的問題是：
- 單個實例的回歸是分析此問題的最佳方法嗎？我應該改用 VAR 之類的時間序列方法嗎？
- 將廣泛的市場運動納入回報數據的最佳方式是什麼？我是否應該只調整回報變數以考慮指數在一段時間內的回報，還是有更好的解決方案？
- 我最好只考慮意外變數，還是應該嘗試控制模型中的其他變數，例如實際每股收益、市值等？
鑑於其他公司事件是通過回歸模型合理建模的（比較收益操縱的檢測我會嘗試使用回歸方法。我相信已經發表了一篇更新的相關論文，但我目前似乎沒有找到它. 編輯：現在我做到了——收益操縱和預期回報
也就是說，您可能有特定的理由只查看市場數據。如果是這種情況，我會直覺地建議嘗試控制行業、公司規模、市值或流通股百分比。可以合理地假設，這些屬性中的任何一個都會影響公司管理層有意（積極地）給市場帶來驚喜的傾向。比如說，該公司處於一個利基行業，規模小，資本化程度低，流通量大；一個意外對管理層個人財富的影響幾乎不會像公司屬於每個分類中的前 10 名公司那樣大。