presents the results for the sample

presents the results for the sample of additions, pooled
across countries and indices, over the event window from day t − 5
to day t + 15. The final five rows display the cumulative returns for
the pre- and post-event windows, and also for a long-run window
comprising 180 post-event trading days. The returns are presented
as daily percentages along with the corresponding t-ratios. We
present the raw returns and also the abnormal returns calculated
using the single index model approach described above. We employ
the EPRA Developed Market and S&P500 indices as benchmarks in
columns 4–5 and 6–7 respectively. The final column presents the
number of firms in the sample, N, on each day during the event window.
It is clear that the figure is near the maximum available of 366
for most days, although a handful are lost before the event — due,
for example, to firms making their debut on the market and then
being listed in an EPRA index the same day or a day or two later.
The most salient feature is one of positive and highly statistically
significant positive returns until the day before index inclusion but
then an almost zero return on the event day. We therefore conclude
that market participants are aware that a company will enter the
index and exert net buying pressure on the days before index entry.
Focusing on the raw returns, these are positive on four of the five
final pre-event trading days, and are largest (1.34%) and most significant
(t-ratio = 7.66) on the day just before the stock enters the
index, cumulating in an average pre-event week's return of 2.4%.
The event day return is not statistically significant but there is a larger
(although still not significant) average return of 0.75% during the
three trading weeks following index inclusion. Over the longer-run
window, the average return is highly significant and positive at
around 13%.
It is clear that the use of abnormal or raw returns makes no qualitative
difference to the results, but subtracting the market-required
rates of return reduces both the short-run and long-run returns
compared to their unadjusted values, perhaps indicating that index
recompositions tend to occur around times of buoyancy in the overall
market

ผลลัพธ์ (ไทย) 1:

แสดงผลลัพธ์สำหรับตัวอย่างของการเพิ่มทุน ทางถูกพูทั่วประเทศและดัชนี ผ่านหน้าต่างเหตุการณ์จากวัน t − 5ไปวันที + 15 แถวที่ห้าสุดท้ายแสดงคืนสะสมสำหรับหน้าต่างก่อน และหลังเหตุการณ์ และ สำหรับหน้าต่างทำงานระยะยาวประกอบด้วยเหตุการณ์หลัง 180 วันค้า แทนจะแสดงเป็นเปอร์เซ็นต์ทุกวันพร้อมกับ t-อัตราส่วนที่สอดคล้องกัน เรานำส่งคืนวัตถุดิบ และยัง ปกติกลับคำนวณใช้วิธีแบบจำลองดัชนีเดียวที่อธิบายไว้ข้างต้น เราจ้างดัชนี S EPRA พัฒนาตลาด และ P500 เป็นเกณฑ์มาตรฐานในคอลัมน์ 4 – 5 และ 6 – 7 ตามลำดับ คอลัมน์สุดท้ายแสดงการจำนวนบริษัทในตัวอย่าง N ในแต่ละวันระหว่างหน้าต่างเหตุการณ์เป็นที่ชัดเจนว่า ตัวเลขอยู่ใกล้สูงสุดมี 366วันส่วนใหญ่ แต่หยิบหายไปก่อนเหตุการณ์ซึ่งครบกำหนดตัวอย่างเช่น เพื่อทำการเปิดตัวในตลาดของบริษัทแล้วใน EPRA มีดัชนีในวันเดียวกัน หรือหนึ่ง หรือสองวันในภายหลังคุณลักษณะเด่นที่สุดคือหนึ่งบวก และสูงทางสถิติบวกอย่างมีนัยสำคัญส่งกลับจนถึงวันก่อนดัชนีรวม แต่แล้วคืนเกือบเป็นศูนย์ในวันเหตุการณ์ เราจึงสรุปผู้เข้าร่วมตลาดทราบว่า บริษัทจะเข้าดัชนี และแรงความดันซื้อสุทธิในวันก่อนรายการดัชนีเน้นการส่งคืนวัตถุดิบ เป็นบวกกับสี่ห้าสุดท้ายเหตุการณ์ก่อนวันซื้อขาย และใหญ่ที่สุด (1.34%) และที่สำคัญ(อัตราส่วน t = 7.66) วันก่อนหุ้นเข้าดัชนี สะสมในสัปดาห์ก่อนเหตุการณ์การเฉลี่ยของกลับ 2.4%วันเหตุการณ์กลับไม่เป็นอย่างมีนัยสำคัญทางสถิติ แต่มีขนาดใหญ่(แต่ยังคงไม่สำคัญ) เฉลี่ยคืน 0.75% ในระหว่างสามค้าสัปดาห์ดัชนีรวมต่อไปนี้ เกินตัวอีกต่อไป-หน้าต่าง ผลตอบแทนเฉลี่ยเป็นสำคัญ และบวกที่สูงประมาณ 13%เป็นที่ชัดเจนว่า การใช้การส่งคืนวัตถุดิบ หรือผิดปกติทำให้คุณภาพไม่ความแตกต่างผล แต่ลบการตลาดต้องทั้งสั้น และ ยาวกลับลดราคาแทนเมื่อเทียบกับไม่ได้ปรับค่า อาจบ่งชี้ว่า ดัชนีrecompositions มีแนวโน้มที่จะ เกิดขึ้นราวเวลาพยุงในตลาด

ผลลัพธ์ (ไทย) 2:

นำเสนอผลสำหรับตัวอย่างของการเพิ่มการสำรองทั่วประเทศและดัชนีกว่าหน้าต่างเหตุการณ์จากวันที - 5 จะ T + 15 วันสุดท้ายห้าแถวแสดงผลตอบแทนสะสมสำหรับก่อนและหน้าต่างโพสต์เหตุการณ์และยังสำหรับหน้าต่างในระยะยาวประกอบไปด้วย 180 โพสต์เหตุการณ์วันทำการซื้อขาย ผลตอบแทนที่ได้นั้นจะเป็นเปอร์เซ็นต์ในชีวิตประจำวันพร้อมกับเสื้ออัตราส่วนที่สอดคล้องกัน เรานำเสนอผลตอบแทนที่ดิบและผลตอบแทนที่ผิดปกติจากการคำนวณโดยใช้วิธีการที่ดัชนีรูปแบบเดียวที่อธิบายข้างต้น เราจ้างตลาด EPRA พัฒนาและดัชนี S & P500 เป็นมาตรฐานในคอลัมน์4-5 และ 6-7 ตามลำดับ คอลัมน์สุดท้ายที่มีการจัดจำนวนของ บริษัท ในกลุ่มตัวอย่าง, N, ในแต่ละวันในช่วงหน้าต่างเหตุการณ์. เป็นที่ชัดเจนว่ารูปที่อยู่ใกล้สูงสุด 366 วันส่วนใหญ่แม้จะมีไม่กี่คนจะหายไปก่อนที่เหตุการณ์ - เนื่องจากตัวอย่างเช่นในการ บริษัท การเปิดตัวของพวกเขาในตลาดและจากนั้นมีการระบุไว้ในดัชนีEPRA ในวันเดียวกันหรือวันหรือสองวันต่อมา. คุณลักษณะที่สำคัญที่สุดก็คือหนึ่งในเชิงบวกและสูงทางสถิติอย่างมีนัยสำคัญผลตอบแทนที่เป็นบวกจนถึงวันก่อนที่จะรวมดัชนี แต่ แล้วเกือบเป็นศูนย์การกลับมาในวันที่เหตุการณ์ ดังนั้นเราจึงสรุปได้ว่านักลงทุนในตลาดจะทราบว่า บริษัท ที่จะเข้าสู่ดัชนีและออกแรงดันซื้อสุทธิในวันก่อนที่รายการดัชนี. มุ่งเน้นไปที่ผลตอบแทนดิบเหล่านี้เป็นเชิงบวกเกี่ยวกับสี่ห้าก่อนเหตุการณ์วันทำการซื้อขายสุดท้ายและเป็นที่ใหญ่ที่สุด (1.34%) และที่สำคัญที่สุด(t อัตราส่วน = 7.66) ในวันก่อนหุ้นเข้าสู่ดัชนีcumulating ในการกลับมาในสัปดาห์ก่อนเหตุการณ์เฉลี่ย 2.4%. การกลับมาวันที่เหตุการณ์ไม่ได้เป็นนัยสำคัญทางสถิติ แต่มี ที่มีขนาดใหญ่(ถึงแม้จะยังไม่มีนัยสำคัญ) ผลตอบแทนเฉลี่ย 0.75% ในช่วงสามสัปดาห์ต่อไปนี้การซื้อขายรวมดัชนี กว่าอีกต่อไปวิ่งหน้าต่างผลตอบแทนเฉลี่ยอยู่ที่สูงอย่างมีนัยสำคัญและบวกที่ประมาณ13%. เป็นที่ชัดเจนว่าการใช้งานของผลตอบแทนที่ผิดปกติหรือดิบทำให้ไม่มีคุณภาพแตกต่างกับผลแต่ลบตลาดที่ต้องการอัตราผลตอบแทนลดทั้งระยะสั้นและผลตอบแทนระยะยาวเมื่อเทียบกับค่าเท็มเพลตของพวกเขาอาจจะแสดงให้เห็นว่าดัชนีrecompositions มีแนวโน้มที่จะเกิดขึ้นรอบเวลาของการลอยตัวในภาพรวมตลาด

ผลลัพธ์ (ไทย) 3:

แสดงผลตัวอย่างเพิ่ม รวม
ข้ามประเทศและดัชนีกว่าหน้าต่างเหตุการณ์จากวัน T
T − 5 วัน 15 สุดท้ายที่ห้าแถวแสดงผลตอบแทนรวม
ก่อนและหลังเหตุการณ์ของ Windows และยังหน้าต่าง ซึ่งประกอบด้วยกิจกรรมการซื้อขายโพสต์
180 วัน ผลตอบแทนเสนอ
เป็นเปอร์เซ็นต์ทุกวัน พร้อมกับ t-ratios ที่สอดคล้องกัน เรา
ปัจจุบันผลตอบแทนดิบและผลตอบแทนที่ผิดปกติที่คำนวณโดยใช้แบบจำลองดัชนี
เดียววิธีการที่อธิบายข้างต้น เราใช้
epra พัฒนาตลาดและดัชนี& P500 เป็นมาตรฐานใน
คอลัมน์ 4 – 5 และ 6 และ 7 ตามลำดับ คอลัมน์สุดท้ายแสดง
จำนวนบริษัทในตัวอย่าง ไนโตรเจน ในแต่ละวัน ในช่วงเวลากิจกรรม
เป็นที่ชัดเจนว่าเป็นรูปที่ใกล้สุดที่ใช้ได้ของ 366
วันมากที่สุด แม้ว่าจะหยิบจะหายไปก่อนที่เหตุการณ์เนื่องจาก
ตัวอย่างเช่น บริษัท การเปิดตัวของพวกเขาในตลาดและจากนั้น
ถูกแสดงใน epra ดัชนีวันเดียวหรือสองวันหรือในภายหลัง .
คุณลักษณะเด่นที่สุดเป็นบวกและสูงสถิติ
ผลตอบแทนในเชิงบวกอย่างมีนัยสำคัญจนกว่า วันก่อนดัชนีรวมแต่
แล้วเกือบศูนย์กลับ ในงานวันเราจึงสรุปได้
ตลาดทราบว่า บริษัท จะระบุ
ดัชนีและโหมซื้อสุทธิความดันในวันก่อนรายการดัชนี .
เน้นผลตอบแทนดิบเหล่านี้บวกกับสี่ห้า
สุดท้ายก่อนเหตุการณ์การซื้อขายวันและใหญ่ที่สุด ( 1.34% ) และที่สำคัญที่สุด
( t-ratio = 7.66 ) ในวันก่อนหุ้นเข้า
ดัชนีcumulating เฉลี่ยก่อนเหตุการณ์สัปดาห์ผลตอบแทน 2.4% .
เหตุการณ์วันกลับไม่แตกต่างกันอย่างมีนัยสำคัญทางสถิติแต่ไม่มีขนาดใหญ่
( แม้ว่าจะยังไม่พบ ) ผลตอบแทนเฉลี่ย 0.75 % ในช่วงสามสัปดาห์การซื้อขายต่อไปนี้
ดัชนีรวม ผ่านยาววิ่ง
หน้าต่าง ผลตอบแทนเฉลี่ยสูงและที่สำคัญบวก

ประมาณ 13 %เป็นที่ชัดเจนว่า การใช้งานที่ผิดปกติ หรือ ดิบ จะทำให้ไม่มีคุณภาพ
ความแตกต่างในผลลัพธ์ แต่ลบตลาดต้องการ
อัตราผลตอบแทนลดทั้งผลตอบแทนทั้งระยะสั้นและระยะยาว
เมื่อเทียบกับค่าของพวกเขายังคงอาจบ่งชี้ว่าดัชนี
recompositions มักจะเกิดขึ้นรอบเวลาการลอยในตลาดโดยรวม