SEC Form 4 内幕买入的 A 股对应物：用 Tushare 复现 Filing-Date 事件研究

原文用 SEC 免费 EDGAR 数据做 Form 4 内幕买入事件研究，发现公告日后 1/5 日存在微小但统计显著的 SPY 调整超额收益。本文解释 Form 4 是什么，A 股对应物是什么，以及如何用 Tushare 的 stk_holdertrade 复现。

#因子，事件研究，内幕交易，Form4 #董监高增减持，tushare

最后更新: 2026-09-06

Table of Content

设想一下。 你打开邮箱，里面是一封自动推送的邮件：

[!info] 你持仓的 XX 公司今天宣布：CFO 张某某以均价 38.50 元购入 52 万股，金额超 2000 万人民币。来源：港交所权益披露。*

你的第一反应会是什么？——多数人会立刻打开行情软件看一眼，然后问："我该不该跟？"

这就是我们今天要研究的因子。

[!tip] 内部人公开披露的交易，能让外部跟随者赚到钱吗？学术语言：拥有信息优势的控制权人依法申报买入之后，外部投资者按公开信息、扣除交易成本后，能否获得显著为正的风险调整收益？

内幕交易，局外人能否利用¶

内幕交易是指公司内部人利用公众无法获取的信息在股市中牟利。James D. Logan 案是一个典型的内幕交易案例。Logan 是 MicroTouch Systems 的董事长，在公司与 Tyco 和 3M 进行秘密收购谈判期间，他于 2000 年 5 月、6 月和 9 月通过一个为未成年子女设立的信托，分十次买入了 14,000 股 MicroTouch 股票。2000 年 11 月 13 日，MicroTouch 宣布被 3M 以每股 21 美元收购，信托卖出股票获利 177,375 美元，不到 6 个月，回报达 152%。

正是为了打击内幕交易，SEC 在 1934 年立法，要求强制披露和短线利润归入。所谓短线利润归入，就是指内部人在6个月内买入又卖出（或者卖出又买入）的利润，必须归还公司。

这条规则，加上强制披露，就基本堵死了内幕交易的操作空间。强制披露是什么意思呢，它就是董事、高管、持股超过10%的受益所有人，必须在持股变动后的两个工作日内，通过 Form 4表格进行申报。

所以，高管可以根据自己掌握的内幕消息进行交易 -- 这似乎是无法避免的 -- 但是，公众将在两个工作日之后即可获得同样的信息，但他们有足够的自由先于高管进行交易。高管拥有信息优先权，而公众则拥有先手权。这样就对所有人都公平了。

所以，前面所说的『内幕交易』，只要按规定执行，就变成了合法的内部人交易。

基于『内部人』交易信息，一般公众是否可以从中获得某种 Alpha? 最近 quantinsti 上发表了一篇博文对此进行了研究。在国内也有类似的披露制度，相关信息也能通过 tushare 获得，所以，本文就来研究下这个 Alpha。

文章分两部分。第一部分是 SEC Form 4内幕买入，适用于美股；第二部分则是对 A 股内部人交易信息披露的 Alpha 的研究。

[!info] 2026 年 8 月，AlphaAI 创始人 Mikhail Makeev 用 SEC 免费公开的 EDGAR 数据，对 2022Q1~2026Q2 期间全部 C-suite 内幕买入做了一次严格的事件研究——SEC Form 4 Insider Purchases in Python: A Filing-Date Event Study with Free EDGAR Data（QuantInsti, 2026-08）。本文受该文启发进行了本土化研究。

一、什么是 SEC Form 4 内部人买入¶

为了防止内幕交易，美国《1934 年证券交易法》Section 16 要求三类"内部人"披露持股变动：

公司的董事（director）
高管（officer），主要指 C-suite
持有注册权益证券类别 10% 以上的受益所有人

他们每次发生"受益所有权的变化"，都必须通过 EDGAR 提交 Form 4：内部人持股变动报表。

申报人必须在可报告交易发生后的第二个工作日内完成申报。这个 deadline 使 Form 4 成为对做市和量化研究极其便利的数据：公开、结构化、且披露延迟很短。

Form 4 的交易代码¶

Form 4 的非衍生品交易表中，有一个关键字段"交易代码"（transaction code），在原文中，只使用了代码为P的记录，对其它进行了排除，原因如下：

代码	SEC 含义（节选）	原文的处理
P	公开市场买入或私下买入（Open-market or private purchase）	✅ 使用
S	公开市场卖出或私下卖出	❌ 排除
A	16b-3(d) 项下的授予/奖励等	❌ 排除
M	衍生品的行权/转换	❌ 排除
F	为支付行权价或税负交付/扣留的证券	❌ 排除
G	善意赠与	❌ 排除
C/D/J/X 等	转换、发行方处置、"其他"、行权等	❌ 排除（买入研究）

为什么对卖出记录也进行排除？如果高管和大股东在抛售股票了，难道股票不应该下跌吗？如果结合使用，按理这个因子的效果不应该更好吗？

这里我们先做一个理论上的解释，在后面我们还会以大 A 为样本，完成实证研究。实证研究的结果将有力地说明，凭感觉的主观交易，为什么必然败给量化交易。

为什么排除了卖出记录？因为卖出经常混杂多样化、流动性需求、税务规划等与公司前景无关的动机；买入（尤其高管真金白银增持）更可能押注"股价低于价值"。Cohen/Malloy/Pomorski (2012) 更精细地把交易分为机会型/例行型，进一步确认买入更能区分信息驱动。

对普通投资者而言，我们卖出常常是因为不看好个股前景。但并不了解高管为什么要这样做。当我们把自身的经验投射到其它人身上，从而以自己的经验来解释他人的行为时，就必然得出只要高管卖出，那么公司前景看淡，股份必然下跌的结论。

原文的核心结果¶

原文样本：2022Q1~2026Q2 期间，C-suite、Code P、非 10b5-1 申报的买入，经过漏斗后得到 7,405 个可计分信号（issuer × 申报日）。用 SPY 做基准的申报日事件研究：

指标	N	均值	双向聚类 t
SPY 调整 CAR（1 个交易日）	7,405	+0.534%	6.460
SPY 调整 CAR（5 个交易日）	7,404	+1.009%	5.053
CAR（21 交易日）	7,397	+0.980%	1.678（含 0）
CAR（63 交易日）	7,048	+1.103%	1.194（含 0）

结论措辞非常小心，但实际上因子的 Alpha 效应很显著：

短期（1 日 +0.53%、5 日 +1.01%）有统计显著的 SPY 调整超额收益，双向聚类 t 在 6.46 / 5.05，置信区间不含 0。
更长期限（21/63 日）的 CAR/BHAR 置信区间包含 0——没有稳定证据表明内幕买入后存在持久的漂移。

二、A 股 F4¶

A 股虽然没有 Form 4，但也有同一性质的制度：董监高及持股 5% 以上股东（大股东）的股份变动必须披露。

这里我们汇总一下各本文提及的三处证券市场中，如何获取内部人交易披露信息：

国家/地区	平台	法律基础	主体
美国	EDGAR（SEC 运营）	1934 年《证券法》Section 16	董事/高管/>10% 受益所有人，Form 4
港股	HKEXnews 披露易	SFO 第 XV 部	董事/最高行政人员/5% 大股东
A 股	巨潮资讯网（cninfo.com.cn）+ 上交所/深交所信息披露平台	《证券法》+ 沪深规则	董监高 + 5% 以上股东

三者都是法定公开的免费电子化披露。但在 A 股，一般我们需要通过 Tushare 或者其它第三方数据源来获取内部人交易信息。因为巨潮资讯网并不直接提供结构化数据，需要自己爬取和解析。

Tushare 的对应数据接口¶

Tushare（需要一定积分）提供了已结构化的董监高/股东增减持数据：

stk_holdertrade（股东增减持） —— 最接近 Form 4 的接口，字段包括：
ann_date：公告日期（= 申报日/披露日，A 股的 filing date）
holder_name：股东/高管姓名
holder_type：G=高管（董监高）、P=个人股东（5% 以上）、C=公司股东
in_de：IN=增持，DE=减持（对应 Form 4 的 P（买）/S（卖））
change_vol、change_ratio：变动数量、比例
avg_price、after_share、after_ratio：平均成交价、变动后持股
total_share
stk_managers（董监高名单）、top10_holders（前十大股东）可作为补充对齐工具。

先取数据并缓存（避免每次调试都调 Tushare）：

from pathlib import Path
import tempfile
import pandas as pd
import numpy as np

import tushare as ts

pro = ts.pro_api()

# cell 2：数据获取 + 缓存（stk_holdertrade 单次调用上限 3000 行，必须分片）
# ---- 数据跨度开关（调试用）----
# SAMPLE_YEARS = 0   → 用全部近 FULL_YEARS(7) 年（正式结论）
# SAMPLE_YEARS = 1   → 只用最近 1 年（调试跑通逻辑，快）
# 调通后把 SAMPLE_YEARS 设回 0 即可跑全量。
FULL_YEARS = 7
SAMPLE_YEARS = 1   # ← 调试：1 年；正式：0（7 年）

YEARS = FULL_YEARS if SAMPLE_YEARS == 0 else SAMPLE_YEARS
END_DATE = pd.Timestamp.today().strftime("%Y%m%d")
START_DATE = (pd.Timestamp.today() - pd.DateOffset(years=YEARS)).strftime("%Y%m%d")

# 缓存目录：使用系统临时目录，保证任何环境（无需 .runtime）都能直接运行
def runtime_dir():
    return Path(tempfile.gettempdir()) / "sec-form4-insider-purchases"

RUNTIME_DIR = runtime_dir()
RUNTIME_DIR.mkdir(parents=True, exist_ok=True)
CACHE = RUNTIME_DIR / f"holder_data_{YEARS}y.parquet"   # 缓存按年份命名，避免调试/正式误用
print(f"缓存目录：{RUNTIME_DIR}")
print(f"数据范围：{START_DATE} ~ {END_DATE}（{'近 7 年' if SAMPLE_YEARS == 0 else f'调试模式：仅 {YEARS} 年'}）")

通过以下方法，获取 tushare 数据并利用缓存。

def fetch_holdertrade_all(start=START_DATE, end=END_DATE, chunk="3M"):
    if CACHE.exists():
        return pd.read_parquet(CACHE)
    # 按季度分片，绕过单次 3000 行上限
    idx = pd.date_range(start, end, freq=chunk).strftime("%Y%m%d").tolist()
    idx.append(end)
    frames = []
    for a, b in zip(idx, idx[1:]):
        df = pro.stk_holdertrade(start_date=a, end_date=b)
        if df is not None and not df.empty:
            frames.append(df)
    out = pd.concat(frames).drop_duplicates()
    out.to_parquet(CACHE)
    return out

raw = fetch_holdertrade_all()
print(f"原始记录：{len(raw)} 行")

以下代码构造买入信号（全量，不抽样）：

# cell 3：构造"买入信号"（映射 Form 4 漏斗的简化版，保留全部信号）
def build_signals(raw):
    """增持 + 高管/个人/公司股东 → 同一股票×公告日合并为一个信号（全量，不抽样）。"""
    s = raw[raw["in_de"] == "IN"].copy()
    s["value"] = s["change_vol"] * s["avg_price"].fillna(0)
    signals = (s.groupby(["ts_code", "ann_date"], as_index=False)
                .agg(signals_n=("holder_name", "size"),
                     holders=("holder_name", "nunique"),
                     change_vol_sum=("change_vol", "sum"),
                     value_sum=("value", "sum"),
                     holders_type=("holder_type", lambda x: ",".join(sorted(set(x.astype(str))))))
                .rename(columns={"ann_date": "filing_date", "ts_code": "ticker"}))
    return signals

signals = build_signals(raw)
print(f"买入信号数（股票×公告日，全量）: {len(signals)}")
print(f"涉及股票数: {signals['ticker'].nunique()}")
print(f"信号时间跨度: {signals['filing_date'].min()} ~ {signals['filing_date'].max()}")

# cell 4：日线数据与事件研究说明
# 关键设计：公告一般是【盘后】发布，外部投资者最早只能【次日开盘】买入。
# 所以事件研究的入场点 = 公告日之后第一个交易日的【开盘价】，
# 第 1 日收益 = 次日 open→close；之后为 close→close。基准做同样处理。
# 这避免了"用当日收盘价"——那是公告出来前就实现不了的收益（lookahead）。
def fetch_daily(ticker, start=None, end=None):
    df = pro.daily(ts_code=ticker, start_date=start or START_DATE, end_date=end or END_DATE)
    if df is None or df.empty:
        return None
    df = df.set_index(pd.to_datetime(df["trade_date"])).sort_index()
    df["open_ret"] = df["open"].pct_change().fillna(0)     # 开盘→收盘
    df["close_ret"] = df["close"].pct_change().fillna(0)   # 收盘→收盘
    return df

def fetch_benchmark(start=None, end=None):
    df = pro.index_daily(ts_code="000300.SH", start_date=start or START_DATE, end_date=end or END_DATE)
    if df is None or df.empty:
        return None
    df = df.set_index(pd.to_datetime(df["trade_date"])).sort_index()
    df["open_ret"] = df["open"].pct_change().fillna(0)
    df["close_ret"] = df["close"].pct_change().fillna(0)
    return df

print("基准：沪深 300（000300.SH）")
print("入场规则：公告日（盘后）→ 次日开盘买入 → 第 1 日 open→close，之后 close→close")

# cell 5：事件研究主循环（次日开盘入场，CAR_1/2/3/5/21/63）
def event_study(signals, daily_func, bench_func,
                horizons=(1, 2, 3, 5, 21, 63), start=None, end=None):
    """对每个信号：公告日(盘后)后首个交易日【开盘】进场。
    第 1 日收益 = 次日 open→close（当天持有）；之后 close→close。
    个股与基准各自如此，逐日算超额收益后累乘为 CAR_h = prod(1+x)-1。
    返回逐信号 DataFrame：ticker/filing_date/month + CAR_1..CAR_63。
    """
    bmk = bench_func(start, end)
    if bmk is None:
        return pd.DataFrame()
    bmk = bmk[~bmk.index.duplicated(keep="last")].sort_index()
    rows = []
    for sig in signals.itertuples():
        px = daily_func(sig.ticker, start, end)
        if px is None or px.empty:
            continue
        px = px[~px.index.duplicated(keep="last")].sort_index()
        i0 = px.index.searchsorted(pd.Timestamp(sig.filing_date)) + 1  # 公告后首个交易日
        if i0 + max(horizons) > len(px):
            continue
        # 对齐基准（个股交易日 reindex 到基准）
        bmk_al = bmk[["open", "close"]].reindex(px.index).ffill()
        rec = {"ticker": sig.ticker, "filing_date": str(sig.filing_date)}
        # 第 1 日（i0）：开盘买、收盘卖
        s1 = px["close"].iloc[i0] / px["open"].iloc[i0] - 1
        b1 = bmk_al["close"].iloc[i0] / bmk_al["open"].iloc[i0] - 1
        for h in horizons:
            # 构造前 h 日的超额收益序列
            xs = []
            for t in range(h):
                idx = i0 + t
                if t == 0:
                    xs.append(s1 - b1)
                else:
                    xs.append((px["close"].iloc[idx] / px["close"].iloc[idx - 1] - 1)
                              - (bmk_al["close"].iloc[idx] / bmk_al["close"].iloc[idx - 1] - 1))
            rec[f"CAR_{h}"] = float(np.prod(1.0 + np.array(xs)) - 1.0)
        rows.append(rec)
    out = pd.DataFrame(rows)
    if not out.empty:
        out["month"] = pd.to_datetime(out["filing_date"]).dt.to_period("M").astype(str)
    return out

print("event_study() 已升级：次日开盘入场 + CAR_1/2/3/5/21/63，返回逐信号 CAR 表。")

# cell 6：双向聚类 t（Cameron–Gelbach–Miller）——"股票 × 公告月" 聚类
# 文章"完整复现需要补什么"第 3 点的实现。输入：每个信号一行 CAR + ticker + 公告年月。
def two_way_cluster_t(car_df, y_col, g1_col, g2_col):
    """CGM 最小充分量估计：t = mean / se，se 由 股票 × 公告月 双向聚类给出。"""
    import numpy as np  # 局部 import，保证 cell 独立可运行

    y = car_df[y_col].values
    n = len(y)
    g1 = car_df[g1_col].values       # 股票（issuer）
    g2 = car_df[g2_col].values       # 公告月（entry-month）

    # within-cluster sums for union adjustment
    g1_ids, g1_inv = np.unique(g1, return_inverse=True)
    g2_ids, g2_inv = np.unique(g2, return_inverse=True)

    # depvar residual (demeaned, no regressors -> residual = y - mean)
    res = y - y.mean()

    # meat = sum over clusters of (sum of res in cluster)^2
    def meat(clusters, nids):
        M = np.zeros(nids)
        for i in range(n):
            M[clusters[i]] += res[i]
        return (M ** 2).sum()

    # sandwich: V = (n-1)/(n-2) * [meat_g1/n^2 + meat_g2/n^2 - meat_union/n^2]
    union = (g1.astype(str) + "|" + g2.astype(str))
    _, union_inv = np.unique(union, return_inverse=True)
    meat_g1, meat_g2 = meat(g1_inv, len(g1_ids)), meat(g2_inv, len(g2_ids))
    meat_union = meat(union_inv, len(np.unique(union_inv)))
    n1, n2 = len(g1_ids), len(g2_ids)
    df_adj = min(n1, n2) - 1
    V = (n - 1) / (n - 2) * (meat_g1 + meat_g2 - meat_union) / n ** 2
    se = np.sqrt(V)
    return y.mean() / se if se > 0 else np.nan, df_adj

print("two_way_cluster_t() 就绪：把每个信号的 CAR 与 ticker、公告月拼成 DataFrame 即可用。")

# cell 7：placebo 对照（同一 ticker、事件窗口外、匹配动量/波动率的对照日期）
def build_placebo(car_df, daily_years, bmk_daily, horizons=(1, 2, 3, 5, 21),
                  blackout=63, n_placebo=200, seed=42):
    """为每个真实信号构建"假日期"(placebo) 的 CAR，衡量"如果这天不是公告日，收益如何"。

    设计（对应原文 §placebo）：
      1. 对每个真实信号，在其同一只股票的【真实公告日 ±63 日之外】的交易日里，
         挑出与公告日前 20 日动量/波动相似的一批候选日；
      2. 以这些假日期为"事件日"，用与真实信号完全相同的次日开盘入场规则算 CAR；
      3. 得到 placebo 面板：dict[horizon -> list[list[float]]]。

    解读："真实平均 CAR" 若显著高于 placebo 分布上尾(如 95% 分位)，
    才说明"公告这个时点本身"携带信息；否则正收益更可能来自股票本身
    的动量/波动特征，与公告无关。
    """
    import numpy as np, pandas as pd  # 局部 import

    bmk = bmk_daily
    if bmk is None or bmk.empty:
        return {h: [] for h in horizons}
    bmk = bmk[~bmk.index.duplicated(keep="last")].sort_index()
    bmk_al = bmk[["open", "close"]].reindex  # 后面按个股索引对齐
    rng = np.random.default_rng(seed)
    panels = {h: [] for h in horizons}
    for sig in car_df.itertuples():
        px = daily_years.get(sig.ticker)
        if px is None or px.empty:
            continue
        px = px[~px.index.duplicated(keep="last")].sort_index()
        bmk_px = bmk_al(px.index).ffill()
        i0 = px.index.searchsorted(pd.Timestamp(sig.filing_date))
        cand = [i for i in range(60, len(px) - max(horizons) - 1)
                if abs(i - i0) > blackout]
        def feat(i):
            w = px["close"].pct_change().iloc[max(0, i - 20):i]
            return (w.mean(), w.std())
        target = feat(i0)
        scored = sorted(((abs(feat(i)[0] - target[0]) + abs(feat(i)[1] - target[1]), i)
                         for i in cand), key=lambda x: x[0])
        # 候选数不足 n_placebo 时"有多少用多少"（1 年调试数据日期有限，7 年全量则充足）
        top = [i for _, i in scored[:max(1, min(n_placebo, len(scored)))]]
        if len(top) < 1:
            continue
        for h in horizons:
            vals = []
            for i in top:
                if i + h >= len(px):
                    continue
                # 与 event_study 相同的次日开盘入场规则
                s1 = px["close"].iloc[i + 1] / px["open"].iloc[i + 1] - 1
                b1 = bmk_px["close"].iloc[i + 1] / bmk_px["open"].iloc[i + 1] - 1
                xs = [s1 - b1]
                for t in range(1, h):
                    idx = i + 1 + t
                    xs.append((px["close"].iloc[idx] / px["close"].iloc[idx - 1] - 1)
                              - (bmk_px["close"].iloc[idx] / bmk_px["close"].iloc[idx - 1] - 1))
                vals.append(float(np.prod(1.0 + np.array(xs)) - 1.0))
            panels[h].append(vals)
    return panels

print("build_placebo() 就绪：placebo 面板的均值分布 vs 真实 CAR——真实若显著高于 placebo 上尾，才说明申报时点本身有信息。")

placebo 到底在测什么（务必读懂这一节）¶

很多人第一次看到 placebo 会问："直接看 CAR 的 t 值不就行了吗？为什么还要 placebo？" 关键在于：

CAR 为正，不一定是"公告"的原因——可能是"股票本来就在涨"。 比如： - 一只股票连续上涨、高管跟着增持，公告后继续涨——这涨是趋势带动的，不是"增持公告"这个动作带动的； - 高管往往在强势期或回调后反弹期增持，公告时点本身就选了"大概率继续涨"的窗口； - 这就是选择偏差（selection bias）：事件日不是随机挑的，是内部人挑的。

placebo 就是回答"如果把公告日换成这只股票上另一个普通日子，收益还这么大吗？"

具体做法（本项目 cell 7 的实现）：

对每个真实信号，在其同一只股票的交易日里，剔除真实公告日前后 ±63 日的窗口（避免跳进真实事件里）；
在这些"非事件日"里，按公告日前 20 日的动量与波动率做匹配，挑出与真实公告日特征最像的一批日子（比如 200 天）；
把这些假日期当成"事件日"，用完全相同的次日开盘入场规则算它们的 CAR；
把所有真信号的 placebo CAR 汇成一张分布（横轴 = 假日期 CAR，纵轴 = 频数）。

判读规则：

如果真实平均 CAR 落在 placebo 分布的尾端（比如高于 95% 的假日期），说明"公告这个时点"确实是特别的——真信号和随机日子有本质区别；
如果真实 CAR 在 placebo 分布中间，说明"这个收益换任何日子都有"——它来自股票自身的动量/波动，不是公告信息。

所以 placebo 不是另一种 t 检验，而是检验"事件时点是否外生"的关键一步：t 检验问"均值是否非零"，placebo 问"这个均值是不是公告独有的"。两个都要看，结论才扎实。

# cell 8：真正执行事件研究 + 出图
# 设计要点：
#   - 样本：近 START_DATE~END_DATE 的全部买入信号（由 cell 2 的 SAMPLE_YEARS 控制，正式为 7 年全量）；
#   - 入场：公告日(盘后)→次日开盘买入（CAR_1/2/3 用 open→close，之后 close→close）；
#   - 视距：1/2/3/5/21/63 个交易日（事件初期几天更重要，故加 CAR_2/CAR_3）；
#   - 日线：每个 ticker 只拉一次并落盘缓存（按年份命名，调试/正式不互相污染）。
import matplotlib.pyplot as plt
import os

# 日线缓存也放 .runtime/ 下（cell 2 已定位 RUNTIME_DIR）
DAILY_CACHE = RUNTIME_DIR / f"daily_cache_{YEARS}y"
DAILY_CACHE.mkdir(parents=True, exist_ok=True)

def daily_cached(ticker, start=None, end=None):
    """拉取并缓存个股日线。event_study 会传 (ticker, start, end)；
    缓存在 [start,end] 覆盖范围内即可复用（调试/正式按年份分目录）。"""
    fp = DAILY_CACHE / f"{ticker}.parquet"
    if fp.exists():
        return pd.read_parquet(fp)
    df = fetch_daily(ticker, start=start or START_DATE, end=end or END_DATE)
    if df is not None and not df.empty:
        df.to_parquet(fp)
    return df

# 1) 逐信号算 CAR（对 signals 全量；调试时 signals 来自 1 年数据）
print(f"对 {len(signals)} 个信号做事件研究（{START_DATE}~{END_DATE}，每个 ticker 日线只拉一次）...")
bmk_full = fetch_benchmark(start=START_DATE, end=END_DATE)
car_df = event_study(signals, daily_cached, lambda s, e: bmk_full, start=START_DATE, end=END_DATE)
print(f"事件研究完成：{len(car_df)} 个信号有 CAR")

# 2) 各视距：均值 CAR + pooled t + 双向聚类 t（股票×公告月）
HORIZONS = (1, 2, 3, 5, 21, 63)
print("\n视距 | 均值CAR | pooled t | 双向聚类t(股票×公告月) | n")
for h in HORIZONS:
    if f"CAR_{h}" not in car_df.columns:
        continue
    y = car_df[f"CAR_{h}"].dropna()
    n = len(y)
    mean = y.mean()
    pooled_t = mean / (y.std(ddof=1) / np.sqrt(n)) if y.std(ddof=1) > 0 else np.nan
    t2, _ = two_way_cluster_t(car_df.dropna(subset=[f"CAR_{h}"]), f"CAR_{h}", "ticker", "month")
    print(f"  {h:>3}日 | {mean*100:+.3f}% | {pooled_t:.2f} | {t2:.2f} | {n}")

# 3) 图 1：CAR 路径（含 CAR_1/2/3，事件初期更密集）
horizon_list = [0, 1, 2, 3, 5, 21, 63]
exist = [h for h in horizon_list[1:] if f"CAR_{h}" in car_df.columns]
mean_cars = [0.0] + [car_df[f"CAR_{h}"].mean() for h in exist]
plt.figure(figsize=(8, 4))
plt.plot([0] + exist, [m * 100 for m in mean_cars], marker="o", label="买入信号 均值CAR")
plt.axhline(0, color="gray", ls="--", lw=0.8)
plt.xlabel("公告后交易日"); plt.ylabel("均值 CAR (%)")
plt.title("买入信号 CAR 路径（相对沪深300，次日开盘入场）")
plt.grid(alpha=0.3); plt.legend(); plt.show()

# 4) placebo 对照：CAR_1 与 CAR_21 各看一次
for h in (1, 21):
    if f"CAR_{h}" not in car_df.columns:
        continue
    panels = build_placebo(car_df[["ticker", "filing_date"]],
                           daily_years={t: daily_cached(t) for t in car_df["ticker"].unique()},
                           bmk_daily=bmk_full, horizons=(h,),
                           blackout=63, n_placebo=200, seed=42)
    ph = panels.get(h, [])
    if ph:
        real_vals = car_df[f"CAR_{h}"].dropna().values
        ph_means = np.array([np.mean(p) for p in ph if len(p)])
        real_rank = (np.mean(real_vals) > ph_means).mean()
        plt.figure(figsize=(8, 4))
        plt.hist(ph_means * 100, bins=25, alpha=0.6, label="placebo 面板均值分布")
        plt.axvline(np.mean(real_vals) * 100, color="red", ls="--", lw=2,
                    label=f"真实 CAR_{h} 均值 = {np.mean(real_vals)*100:+.3f}%")
        plt.axvline(np.quantile(ph_means, 0.95) * 100, color="orange", ls=":", lw=1.5,
                    label=f"placebo 95 分位 = {np.quantile(ph_means, 0.95)*100:+.3f}%")
        plt.xlabel(f"CAR_{h} (%)"); plt.ylabel("频数")
        plt.title(f"买入信号 CAR_{h} vs placebo（时点是否真有信息？）")
        plt.legend(); plt.grid(alpha=0.3); plt.show()
        verdict = ">95%：申报时点本身携带信息" if real_rank > 0.95 else "≤95%：无法确认时点有信息（可能是风格/动量背景）"
        print(f"真实 CAR_{h} 高于 placebo 面板的比例 = {real_rank:.1%} → {verdict}")
    else:
        print(f"placebo 面板为空（CAR_{h}）：请确认 ticker 日线可拉取。")

四、完整复现需要补什么¶

上面的 cell 把"取数 + 合信号 + 事件研究"的骨架搭好。对照原文，各环节的落地状态如下：

分片拉取：stk_holdertrade 单次调用有 3000 行上限——不按日期分片的话会把数据截断。✅ cell 2 已内置分片与落盘缓存（近 7 年全量）。
次日开盘入场：✅ cell 4/5 已实现。公告盘后发布，故用次日开盘买、第 1 日 open→close 收益率，之后 close→close。这直接规避了"用当日收盘价"的 lookahead。
视距：✅ 计算 CAR_1/2/3/5/21/63 共 6 个视距（事件初期几天更重要，故加 CAR_2/CAR_3）。
双向聚类 t：原文用"发行人 × 进场月"双向聚类；A 股应按 股票 × 公告月 双向聚类，直接 pooled t 会高估显著性。✅ cell 6 已实现 CGM 双向聚类 t。
placebo 对照：原文在 ±63 日窗口外为每个真实信号找相同 ticker、匹配历史动量/波动率/β 的对照日期，做面板 placebo。✅ cell 7 已实现，设计说明见前文"placebo 到底在测什么"。结论要看真实 CAR 相对 placebo 分布上尾的位置，而不是只看自身 t 值。
lookahead 诊断：A 股 stk_holdertrade 只有公告日（无交易发生日），✅ 天然规避；cell 5 用公告日后次日开盘入场，信息到达时间完全尊重。
覆盖范围限制：⚠️ stk_holdertrade 覆盖上市公司披露的董监高/相关股东增减持，不是完整的大股东全量交易（协议转让走权益变动书、不一定进本接口）；且退市、停牌股票缺失——这属于数据源固有边界，不是代码能修的。

调试与正式切换：cell 2 顶部 SAMPLE_YEARS 开关——调试设为 1（1 年数据，速跑通），正式结论设为 0（近 7 年全量，FULL_YEARS=7）。缓存按年份命名（holder_data_{n}y.parquet、daily_cache_{n}y），切换时不会互相污染。

所以：除数据源固有覆盖限制（第 6 点）外，其余 1~5 点本文均已提供可运行实现；你要做的只是把数据喂进去跑，重点看第 3（聚类 t）和第 4（placebo）两个数字是否经受得住。

附：卖出（减持）信号的市场冲击测试¶

⚠️ 本节为早期探索（2022 单年、pooled t、未用次日开盘入场），是流程验证的一部分，不做正式结论。正式分析请用上文同一套正经方法（近 7 年全量 + 次日开盘入场 + 双向聚类 + placebo）重跑 DE 信号——见"完整复现"说明。保留本节是为了记录探索过程与早期数字，避免和买入侧的最新方法混淆。

因为"卖出的心理冲击可能很大"，我们顺手用 A 股数据做了初步事件研究，检验减持公告后股价是否真的如直觉所料那样下跌——这是与买入研究完全独立的另一类问题：当你看到"CFO 大笔减持"时，市场是当作"坏消息"砸盘，还是反而当作"高管去杠杆"忽略？

假说¶

假说 H1（心理冲击）： 减持公告触发散户恐慌，公告日后 1~5 日个股 CAR 应显著为负。 对照（Null）： 减持=噪音或已被市场预期，公告日后 CAR 在零附近（pooled t 无显著性）。

方法（初步）¶

数据：stk_holdertrade，2022 全年分片拉取（4 季×3000 行上限），筛 in_de='DE'（减持）且 holder_type 含 G（高管）或 P（个人大股东）——最接近"内部人心理冲击"的信号，共 2,173 个信号（股票×公告日）。
从其中随机抽取 300 个，成功匹配到日线的 183 个信号。
事件研究：公告日（ann_date）后首个交易日进场，计算 个股收益 − 沪深 300 收益 的累计 CAR（1/5/21/63 日），均值为简单平均，t = 均值 / (std/√n)。注意：这是初步 pooled 统计，未做股票×月双向聚类、未做 placebo。

结果¶

视距	均值 CAR	中位数 CAR	t	n	假说 H1？
1 日	+0.073%	-0.163%	0.39	183	不支持（H1 要求显著为负）
5 日	+2.919%	+2.582%	5.78	183	显著为正（反驳 H1）
21 日	+13.348%	+10.837%	11.31	183	显著为正（反驳 H1）
63 日	+11.646%	+9.117%	5.78	183	显著为正（反驳 H1）

诚实的解读（别急着下"减持看涨"的结论）¶

表面看，减持公告后没有出现"心理冲击式"的下跌，反而是显著的正 CAR。但这绝不意味着"减持是看涨信号"，几个偏差必须先排除：

基准风格偏差（最主要）：基准是沪深 300，而 2022 年是沪深 300 大跌的熊市（全年约 -21%）；被高管/大股东减持的股票多为中盘题材股，2022~2023 表现普遍强于大盘蓝筹。用沪深 300 做基准会系统性夸大小盘股的相对收益。必须换成市值中性或等权基准（如中证全指/等权指数）才能区分"减持后上涨"和"小盘风格上涨"。
无 placebo 对照：没有像原文那样在同一股票、事件窗口外找匹配日期做 placebo，无法判断"这个时点"是否特殊，还是"这期间小盘本来就涨"。
无双向聚类：pooled t 把同一股票多次减持当成独立样本，会高估显著性。
样本非随机缺失：抽到的 300 个里只有 183 个成功匹配（退市、停牌、新上市缺失），缺失可能非随机。

结论：这次初步测试没有支持"卖出的心理冲击导致股价下跌"的直觉（至少在公告后 1~63 日、相对沪深 300 的维度）。但正 CAR 的可信度很低，主因是基准风格偏差——要给出可信结论，下一步必须：(a) 换市值/等权基准；(b) 加 placebo 对照；(c) 做股票×月双向聚类。这也印证了原文那句：先做对方法，再谈信号。

顺带的解读角度：A 股减持后没出现恐慌这一现象本身有现实意义——减持新规要求董监高/5% 股东提前 15 个交易日预披露减持计划，公告时往往减持已经"被市场消化"，加上 A 股的"减持 = 解禁/退出"叙事已被训练多年，散户在心理上已经脱敏。这与原文"买入更有信息性"形成有趣对照：买入是新钱、卖出是预演过的剧本——心理冲击的钩子效应在 A 股上显然被监管时序磨掉了。

五、诚实的结论（对齐原文语气）¶

原文最值得抄的不是"内幕买入有 alpha"，而是方法纪律：

用申报日、不用交易日（否则 lookahead 让 63 日 CAR 虚高 2 倍多）；
合并到经济/统计单位（同一个发行人一天多个申报 = 一个信号），避免重复加权；
按依赖结构聚类推断（issuer × month），pooled t 会骗人；
placebo 对照回答"这个时点本身是否特殊"；
承认边界：无因果识别、无成本模型、覆盖非随机缺失（MNAR）。

用 Tushare 复现 A 股版时，同样的纪律照搬即可：先看 公告日后 1/5 日的超额收益是否在"股票×月"双向聚类下仍显著；若显著，再上 placebo；切勿用交易发生日或 pooled t 直接宣布结论。

参考¶

Mikhail Makeev, SEC Form 4 Insider Purchases in Python: A Filing-Date Event Study with Free EDGAR Data, QuantInsti, 2026-08.
SEC, Form 4 and general instructions.
SEC, Insider Transactions Data Sets.
Lakonishok & Lee (2001), Are Insider Trades Informative?, RFS.
Cohen, Malloy & Pomorski (2012), Decoding Inside Information, JF.
Cameron, Gelbach & Miller (2011), Robust Inference With Multiway Clustering, JBES.
Tushare, 股东增减持（stk_holdertrade）接口文档。