内幕交易因子研究

设想一下。 你打开东方财富，自选股资讯里弹出一条：

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。

内部人的交易披露，能否让外部跟随者能赚钱？ 转换为学术语言：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？

文章附有完整可运行源代码。请通过随文附件（PDF），或者联系我们，获取可运行的 notebook 文件。

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信息进行交易——这似乎无法避免——但公众最迟在两个工作日内就能获得同样的信息，尽管买入时机要滞后一点，但他们可以优先于高管卖出。所以，高管拥有信息优先权，公众则拥有交易先手权。这样，规则对所有人都公平了。

因此，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。

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

每次发生"受益所有权的变化"，这些人都必须通过 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：

为什么对卖出记录进行了排除？如果高管和大股东在抛售股票了，难道股票不应该下跌吗？ 如果把买入和卖出结合使用，按理说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。实证研究的结果不但能回答这个问题，并且还将有力地说明，凭感觉的主观交易，为什么必然败给量化交易。

对普通投资者而言，我们卖出常常是因为不看好个股前景。但高管卖出股票的原因中，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) 曾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。

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，股份必然下跌的片面结论。

排除片面的主观经验，还原客观真相，这正是量化分析的优势所在。

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，经过过滤后得到 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：

原文的结论措辞非常克制，但数据本身相当有力：

1. 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。
2. 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。

A 股 Form 4

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。

这里我们汇总一下本文提及的三个证券市场中，如何获取内部人交易披露信息：

三者都是法定公开的免费电子化披露。

但在 A 股，法定渠道公开的数据是以文本方式披露的，直接使用的话，我们需要进行数据抓取和解析。因此，我们一般是通过第三方软件，比如通过 Tushare 来获取内部人交易信息。

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：

1. stk_holdertrade（股东增减持） —— 最接近 Form 4 的接口，它返回的数据包含以下字段：

   • ann_date：公告日期
   • 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））
   • ... (略)
   • begin_date: 增减持开始日期
   • close_date: 增减持结束日期

2. stk_managers（董监高名单）、top10_holders（前十大股东）可作为补充对齐工具。

以下是获取数据示例代码，这里为提高效率，我们还进行了数据缓存:

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 = 0   # ← 正式：0（7 年全量）；调试可改 1（仅 1 年，速跑通）

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。

# cell 2b：数据获取（含 begin_date/close_date 字段，用于披露滞后判断）
# 调试开关：DEBUG_YEARS=1 只拉 1 年（快）；=0 用 cell 2 的 SAMPLE_YEARS 决定（正式 7 年）
DEBUG_YEARS = 0  # ← 正式：0（7 年全量）；调试：1（1 年）
_EFFECTIVE_YEARS = DEBUG_YEARS if DEBUG_YEARS else YEARS
_CACHE = RUNTIME_DIR / f"holder_data_{_EFFECTIVE_YEARS}y_v2.parquet"  # v2: 含 begin/close 字段

def fetch_holdertrade_all(start=None, end=None, chunk="3M"):
    start = start or (pd.Timestamp.today() - pd.DateOffset(years=_EFFECTIVE_YEARS)).strftime("%Y%m%d")
    end = end or pd.Timestamp.today().strftime("%Y%m%d")
    if _CACHE.exists():
        df = pd.read_parquet(_CACHE)
        if "close_date" in df.columns:  # 字段齐全才复用，否则重拉
            return df
    # 按季度分片，绕过单次 3000 行上限；显式请求 begin_date/close_date（默认不返回）
    fields = "ts_code,ann_date,holder_name,holder_type,in_de,change_vol,change_ratio,after_share,after_ratio,avg_price,total_share,begin_date,close_date"
    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, fields=fields)
        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（调试 {_EFFECTIVE_YEARS} 年，v2 含 begin/close 字段）")
print("字段含 begin_date/close_date:", "begin_date" in raw.columns and "close_date" in raw.columns)

通过上述代码，我们把 [START_DATE, END_DATE] 区间的所有增减持记录获取下来，保存为 parquet 缓存文件，后续调试无需再调用 Tushare。

这些字段是什么意思呢？ Tushare 的文档不是太详细，一些地方他们可能认为是业界『常识』，所以就在文档中忽略了。但是，实际上我们必须确定以下几个跟时间有关的信息：

1. 增持开始时间，在 tushare中是 begin_date
2. 增持结束时间, 在 tushare 中是 close_date
3. 增持结束后的公告时间，在 tushare 中是 ann_date
4. 上述公告在 tushare 中可查阅时间。tushare 未提供它的编制时间。

有一些看文档足够，有一些则需要对现有的数据进行分布研究，才能准确搞清楚它们之间的含义。最终我们得到：

1. ann_date < begin_date：0.0%， 所以，tushare数据中，没有在公司发布增持计划时收集信息。
2. ann_date 在 [begin, close] 区间内：6.5% -- 这是不合理的情况，可能反映了数据质量不是特别好。
3. ann_date > close_date：93.5%，这是完成后的公告。

如果我们继续拆解 ann_date > close_date 的分布，我们会发现：

1. ann_date - close_date 的中位数是2天 -- 即公司通常在增持结束后的 1~2 个工作日内公告；但均值是40天，90%分位是107天，最长的记录超过10年 -- 这或许不是 tushare 的错误。
2. tushare 编制入库的时间，又会晚于 ann_date 1到3天；但这个数据采样不足，有推测的成份（仅使用了9月8日一天的数据 -- 当时tushare 只编制到上周五，而不是前一个交易日的本周一）

鉴于上述数据分布，我们在构造信号时，应该这样处理：

1. 只取 ann_date - close_date <= 2天的记录
2. 从 ann_date（$T_0$）次日开始计算：第 1 日的收益为 $T_{1,close}/T_{1,open} - 1$；此后按 $C_n/C_{n-1} - 1$ 逐日计算。

按照前文结论，我们可以这样构建买入信号：只取 ann_date - close_date <= 2 天的记录 —— 只有这类"增持结束即公告"。

以下代码构造买入信号：

# cell 3：构造"买入信号"（映射 Form 4 漏斗的简化版，保留全部信号）
# 按前文结论：只取 ann_date - close_date <= 2 天的记录 —— 只有这类"增持结束即公告"
# 的信号，其公告日才是"公众首次可见"的时点，才适合做公告日事件研究。
MAX_DISCLOSURE_LAG = 2  # 增持结束(close_date)到公告(ann_date)的最长滞后（自然日）

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。
    过滤：ann_date - close_date <= MAX_DISCLOSURE_LAG（排除滞后公告/补录数据）。"""
    if "close_date" not in raw.columns:
        raise ValueError("缺少 close_date 字段，请先运行 cell 2b（需显式请求该字段）")
    s = raw[raw["in_de"] == "IN"].copy()
    # 披露滞后 = 公告日 - 增持结束日
    s["ann_dt"] = pd.to_datetime(s["ann_date"], format="%Y%m%d")
    s["close_dt"] = pd.to_datetime(s["close_date"], format="%Y%m%d", errors="coerce")
    s = s.dropna(subset=["close_dt"])                    # 无 close_date 的记录无法判断时效，排除
    s["disclosure_lag"] = (s["ann_dt"] - s["close_dt"]).dt.days
    s = s[s["disclosure_lag"].between(0, MAX_DISCLOSURE_LAG)]  # 0~2 天：完成后立即公告
    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，滞后≤{MAX_DISCLOSURE_LAG}天，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()}")

实验设计

在知道如何构造买入信号之后，整个回测都是常规操作。但这次我们设计的统计量不一样，有必要解释一下。

CAR

我们不会采用买入之后个股的直接收益，而是要使用它的校准收益， CAR。

CAR = Cumulative Abnormal Return，累计异常收益，计算方法如下：

• "异常收益"（abnormal return）：单日里，个股收益超出基准（这里基准 = 沪深 300）的部分： AR_t = 个股收益_t − 沪深300收益_t
• "累计"：把公告后第 1 天到第 h 天的逐日 AR 累加（复利累乘）： CAR_h = ∏(1 + AR_t) − 1，t = 1..h

所以 CAR_1 = 公告后 1 天的累计异常收益，CAR_21 = 公告后 21 个交易日的累计异常收益，依此类推。引入这个概念，是因为如果我们直接统计公告后 n 日的累计收益，其中就会包含市场波动。

pooled t

在得到若干个 CAR 收益之后，我们首先要知道这些收益是偶然误差，还是真有『东西』，也就是要进行显著性检验，这就需要 pooled t检验。

pooled t 实际上是把 N 个 CAR 当作互相独立的样本算的常规 t 检验，换了个马甲而已：

pooled t = 均值 CAR / (样本标准差 / √N)

它回答："均值 CAR 距离 0 有几个标准误"——> 4~5 一般就"非常显著"。

但pooled t统计有个缺陷：这假设 N 个信号彼此独立。实际上同一只股票在 7 年里可能多次增持、同月可能多只股票增持，这些事件并不独立。pooled t 会把样本量"虚增"，让显著性被高估。

于是我们又引入了双向聚类。

双向聚类 t（two-way clustered t）

为了解决 pooled t 的独立性缺陷，我们用 Cameron–Gelbach–Miller (CGM) 双向聚类校正标准误：

• 同时按两个维度聚类：股票（issuer） 和 公告月（entry-month）
• 同一股票的多次增持、同一月的多只增持，都在聚类内被"合并"成依赖，不当作 N 个独立样本
• 由此算出的标准误更大、显著更保守，t 值通常比 pooled t 更小、更可信

pooled t 是"天真的上界"，双向聚类 t 是"诚实的下界"。两者差距越大，越说明样本内部依赖强。

如果上述指标给了我们一个乐观的结果，是否就足以让我们相信这里存在 Alpha?

显然还是太乐观了。

CAR 只是消除了市场因子（通过减去沪深300）；CAR 为正，不一定是"公告"造成的，可能是"股票本来就在涨"（比如高管常在强势期增持，公告时点本身就选了大概率继续涨的日子)。为了解决这个问题，我们还必须采用一个医学上常用的方法，即通过 placebo(安慰剂) 来消除。

placebo的字面意思就是医学实验里的"安慰剂"——给真事件配一组"看起来一样但不是这个事件"的对照。

它能回答：

"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？"

具体做法是：

1. 对每个真实信号，在同一只股票的交易日里，剔除真实公告日 ±63 日窗口；
2. 在剩下的日子里，按公告日前 20 日的动量与波动率匹配，挑出与真实公告日特征最像的一批"假日期"；
3. 用完全相同的次日开盘入场规则，把每个假日期当成"事件日"算 CAR；
4. 汇成一张假日期的 CAR 分布（placebo 面板）。

判读：真实平均 CAR 若高于 95% 的假日期，才说明"这个时点"真的特别；若落在分布中间，说明这个收益换任何普通日子都有，与公告本身无关。

下面 cell 4~7 就是这个设计的实现。cell 4/5 算 CAR，cell 6 算双向聚类 t，cell 7 构建 placebo；cell 8 汇总成最终的统计表和图。（完整可运行代码见网盘 ipynb；下文仅展示方法要点。）

# 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。")

# cell 8：真正执行事件研究 + 出图
# 设计要点：
#   - 样本：近 _EFFECTIVE_YEARS 年的全部买入信号（cell 2b 控制；调试 1 年、正式 7 年）；
#   - 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

# 与 cell 2b 的有效年份一致
_ES = (pd.Timestamp.today() - pd.DateOffset(years=_EFFECTIVE_YEARS)).strftime("%Y%m%d")
_EE = pd.Timestamp.today().strftime("%Y%m%d")

# 日线缓存也放系统临时目录（cell 2 已定位 RUNTIME_DIR）
DAILY_CACHE = RUNTIME_DIR / f"daily_cache_{_EFFECTIVE_YEARS}y_v2"
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 _ES, end=end or _EE)
    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）
print(f"对 {len(signals)} 个信号做事件研究（{_ES}~{_EE}，每个 ticker 日线只拉一次）...")
bmk_full = fetch_benchmark(start=_ES, end=_EE)
car_df = event_study(signals, daily_cached, lambda s, e: bmk_full, start=_ES, end=_EE)
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
# 7 年全量 7092 信号下，对每个信号都跑 200 个对照会很慢；
# placebo 只用于"分布对比"，随机抽 max_placebo_signals 个信号构建即可(仍然稳健)。
import random
random.seed(42)
MAX_PLACEBO_SIGNALS = 1200
n_placebo = 100
for h in (1, 21):
    if f"CAR_{h}" not in car_df.columns:
        continue
    sig_sub = car_df[["ticker", "filing_date"]].sample(min(MAX_PLACEBO_SIGNALS, len(car_df)), random_state=42)
    panels = build_placebo(sig_sub,
                           daily_years={t: daily_cached(t) for t in sig_sub["ticker"].unique()},
                           bmk_daily=bmk_full, horizons=(h,),
                           blackout=63, n_placebo=n_placebo, 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。")

三、结论

我们使用了 tushare 近 7 年全量（2019-09 ~ 2026-09）+ 披露滞后过滤来进行事件研究。

按前文数据设计，正式分析只取 ann_date − close_date ≤ 2 天 的"增持结束即公告"信号（排除滞后公告/历史补录的污染数据）。近 7 年全量 6 万余条增减持记录中，满足该条件并合并为（股票×公告日）的买入信号 4,747 个（涉及 1,905 只股票），其中匹配到完整日线窗口、可计分的事件研究样本为 4,476 个。

placebo 对照：真实 CAR_1 高于假日期面板的比例 78.5%；CAR_21 为 61.1%——均 ≤95%。

怎么理解这张表呢？

1. CAR 显著非零：双向聚类 t 在 1 日达 2.41，统计上显著。但均值 CAR_1 只有 +0.22%，且这是毛超额收益——一天的 +0.22% 换算成年化固然可观，但它未扣交易成本、滑移、税费，且是 4,476 个信号等权重平均。
2. pooled t vs 双向聚类 t 的差距是重要警告：pooled t（4.87.9）远大于双向聚类 t（1.32.4），说明同一股票多次增持、同月多只增持造成的样本间依赖很强——天真地当独立样本会高估显著性近 2~4 倍。不过这也是进一步寻找因子的一个方向。
3. placebo 未过线：即使 1 日 CAR 的 pooled t 高达 4.80 且双向 t 为 2.41，真实 CAR 高于假日期面板的比例只有 78.5%（未达 95%）。这说明增持公告这个"时点"本身携带的信息，弱于"这批股票本来就处在一个偏强的动量期"。

客观地说，不能说这个因子没有 Alpha，但是，它不一定是一个独立的 Alpha因子，它很可能已经包含在动量因子之内。

由于动量因子的计算更为简单、数据更为可靠，所以，我们不必使用本文的方法来构建因子。但本文介绍的 CAR、pooled t、双向聚类 t 以及 placebo 方法，在量化研究中非常有价值——它们能帮我们把真正的信号和噪声区分开来。

减持是卖出信号吗？

前面我们留了一个问题，既然增持是利好，应该看成做多信号；那为何不把减持看成做空信号？

于是我们顺手用 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？

结论既出人意料，可能又在情理之中。

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

为何利空成了利好？

这里我们没有做更严格的检验——上表的 t 值仍是最朴素的 pooled t，未做双向聚类，也没有 placebo 对照，更没有披露滞后过滤。但从表面看，减持公告后没有出现"心理冲击式"的下跌，反而得到了显著的正 CAR。

这里可能存在真正意义上的『内幕交易』——至少从动机上看，准备减持的人存在拉高出货的动机。话题可能比较敏感，所以，大家可以自己研究下。

本文参考

• 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。