内部人交易信号：高管增减持的信息含量

关于自家公司，没有人比高管知道得更多——订单在不在手上、新产品良率爬没爬坡、大客户续不续约，这些信息在财报里出现之前几个月，就已经躺在管理层的邮箱里。所以当高管掏出自己的真金白银买入自家股票时，市场理应竖起耳朵。各国监管都要求内部人交易强制披露（美国 Form 4、A 股董监高持股变动公告），这让内部人交易成为少数免费、合法、结构化的”聪明钱”数据源。

结论先放这：在 12000 个合成披露事件上，高管增持后 120 日累计超额收益 +4.8%，减持只有 −1.6%——信号强度不对称三倍；但”增持”内部差异巨大：董事长大额增持 CAR +7.8%、≥3 名高管同月集群增持 +9.4%，而单人小额增持只有 +1.1% 基本是噪声。只跟集群信号的策略 Sharpe 1.27，是无脑跟单全部增持（0.52）的两倍以上。 这个信号的核心不是”要不要跟”，而是”过滤掉九成再跟”。

一、动机不对称：为什么买比卖响亮得多#

Lakonishok 和 Lee (2001) 那篇经典论文里的框架至今好用：高管买入只有一个动机——认为股价被低估；卖出却有无数动机——买房、交税、离婚、子女学费、资产分散化、股权激励到期行权。买入是主动的信息行为，卖出多数是被动的流动性行为。信号处理的第一课：动机越纯净，信噪比越高。

把 3000 个增持事件和 9000 个减持事件（真实世界减持确实远多于增持，因为股权激励让高管天然是净卖方）分别做事件研究：

三个结构值得注意：

1. 增持前股价往往先跌（图中绿线披露日前微微下垂）——高管是逆向投资者，他们在市场恐慌错杀自家股票时进场。这也意味着增持信号天然和”低估值+近期超跌”因子相关，做归因时要小心别把价值因子的功劳算到内部人头上。
2. 披露日当天反应很小，漂移在后面。 和财报不同，内部人披露不是市场焦点事件，价格消化以月为单位——这恰恰是跟单者的机会窗口。
3. 减持的负漂移浅且慢。 −1.6% 的 120 日漂移在扣掉交易成本和借券费后基本无肉，这就是为什么几乎所有内部人策略都只做多头腿。

合成路径的生成逻辑很简单——披露日只反应 10%，其余 90% 按 45 日半衰期慢释放：

def make_paths(n, drift_total, noise=0.016, leak=0.0):
    r = np.zeros((n, pre + horizon + 1))
    r[:, :pre] = rng.normal(leak, noise, (n, pre))       # 披露前的反向漂移
    r[:, pre] = rng.normal(drift_total * 0.1, noise, n)  # 披露日小反应
    decay = np.exp(-np.arange(horizon) / 45.0)           # 45 日半衰期慢消化
    r[:, pre+1:] = drift_total * 0.9 * decay / decay.sum() \
                   + rng.normal(0, noise, (n, horizon))
    return r

二、信号分层：身份 × 规模 × 集群#

把”增持”当一个同质信号是新手错误。信息含量沿三个维度急剧分化：

身份维度：董事长/CEO 大额增持 (+7.8%, t=6.1) ≫ CFO (+5.9%) ≫ 普通董事 (+2.6%)。层级越高，看到的信息越全。有意思的是文献里 CFO 增持的预测力常常不输 CEO——管钱的人对”真实盈利质量”更敏感。

规模维度：单人小额增持 (+1.1%, t=1.0) 统计上和零没区别。几万块的”增持”往往是做给市场看的姿态，不是下注。金额要和该高管的薪酬、既有持仓比：年薪 500 万的 CEO 增持 50 万是姿态，增持 3000 万是信号。

集群维度：≥3 名高管同月增持是全表最强信号 (+9.4%, t=7.0)。 一个人买可能是个人判断失误，三个人在同一个月独立掏钱，公司内部大概率发生了外界还不知道的好事。集群（cluster buying）是内部人文献里最稳健的过滤器。

反面教材：股权激励行权后的卖出 (−0.4%, t=−0.5) 是纯噪声——那是薪酬变现，不是观点表达。任何内部人数据管道的第一步都应该把行权关联交易剔除，否则减持信号会被大量稀释。

三、策略：过滤掉九成，再跟单#

规则：只跟”≥3 名高管同月增持”的集群信号，等权买入、持有 6 个月滚动；对照组是无脑跟单所有增持事件：

十年合成回测：集群策略年化 +17.9%、Sharpe 1.27、最大回撤 −12.7%；无脑跟单年化 +6.4%、Sharpe 0.52、回撤 −41.6%，后者和市场基准 (Sharpe 0.40) 几乎没有区分度。这组对比的教训比数字本身重要：内部人数据的 alpha 不在数据里，在过滤器里。 原始披露流里 90% 是噪声（小额、姿态性、行权关联、被动申报），把它们全买等于买了个高换手的市场组合。

当然要诚实：合成数据里我直接把集群信号的 alpha 设为真实文献校准值的偏乐观端，真实世界的集群增持组合 Sharpe 多在 0.6~0.9 区间，且事件稀疏——A 股一年里”3 人以上集群增持”的公司可能只有几十家，组合天然集中，单票黑天鹅的伤害比分散因子组合大得多。

四、披露时滞：隐形税#

内部人交易发生和你看到公告之间有时滞：美股 Form 4 要求 T+2 申报，A 股董监高变动披露也在 2 个交易日内，但很多数据商的清洗入库再加 13 天，如果你用的是月度汇总数据，时滞高达 1530 天。时滞对 alpha 的侵蚀可以直接算出来——漂移按 45 日半衰期衰减，错过前 lag 天就永远吃不到：

T+2 入场保留 95% 的漂移，T+15 只剩 70%。 这笔账决定了数据基础设施的投入上限：为了把时滞从 15 天压到 2 天，你最多愿意付出剩余 alpha 的 25%——对小资金这不划算，对大资金这就是数据工程预算的直接依据。

五、四类真实的坑#

1. 内部人的择时能力被系统性高估。 事件研究测的是”增持后股价平均涨了”，但高管增持往往发生在暴跌后——把基准从”市场超额”换成”同跌幅股票的配对组合”，alpha 会缩水三分之一以上。他们赢在逆向的胆量和对公司底线的把握，不是精准择时。

2. A 股的制度性扭曲。 减持新规（预披露、比例限制、窗口期禁买卖）让 A 股高管的交易时点大量由制度决定而非信息决定：想减持必须提前 15 天公告，公告本身就压低股价；增持则常常是应监管或大股东要求的”维稳式增持”（股价破发、破净时的表态），这类增持的信息含量远低于自发增持。用 A 股数据必须把”承诺式/维稳式增持”单独打标签。

3. 跟单者的幸存者偏差。 媒体只报道”某高管增持后暴涨”的案例。合成面板里增持事件 CAR 的横截面标准差远大于均值——大约 40% 的增持事件 120 日后是亏的。跟单策略赚的是统计期望，任何单笔都可能难看，仓位纪律比选信号更重要。

4. 内部人也会看错自家公司。 2008 年金融危机前，雷曼高管在下跌途中持续增持自家股票直到破产。高管的信息优势在于经营层面（订单、成本、产品），不在宏观和估值层面——系统性风险来临时，内部人信号会集体失灵，而且因为他们逆向的天性，失灵方向恰好是”接飞刀”。内部人信号应该和趋势/质量因子做交集，而不是单独满仓。

本文使用自洽合成数据演示方法论，参数校准参考 Lakonishok & Lee (2001)、Cohen, Malloy & Pomorski (2012)（“decoding inside information”，区分常规与机会主义交易）的公开结果。实盘前请务必用真实披露数据与所在市场的监管制度重新验证。