A 股每年有上万亿市值的限售股解禁——首发原股东的三年锁定期到期、定增参与者的一年锁定期到期，这些股票从”不能卖”变成”随时能卖”。直觉上解禁日应该暴跌，但拿真实数据一看会发现一个更微妙的图景：解禁日当天往往波澜不惊，真正的下跌发生在解禁日之前的两三周，而解禁日之后反而常常修复。这不是异象失效，而是市场把一个公开日历事件提前定价了——解禁日期在招股书和定增公告里写得明明白白，等到 T0 才反应的人是最后一个知道消息的人。
这篇文章用 800 个解禁事件的合成面板把这条时间线完整量化：抛压什么时候开始、多大规模的解禁才值得躲、谁在卖决定卖多狠、以及 T0 之后的修复能不能反过来吃。
结论先放这：**在植入”预期性抛压 + 事后修复”机制的 800 事件面板里，大规模解禁组（解禁市值/流通市值 >13%）从 T-20 到 T0 的累计超额收益是 -10.8%，其中近一半（-5.3%）集中在 T-5 到 T0 这最后五天；而 T0 之后 10 个交易日修复 +4.5%。小规模组（<4%）整个事件窗只有 -1.6%，基本可以无视。按股东类型切：定增高浮盈股东（浮盈 >20%）的组在 T0 前砸出 -10.4%，首发原股东组只有 -2.4%——差 4 倍，因为定增股东有明确的成本线和退出纪律，首发股东是实控人和高管，减持受窗口期和公告约束。**两种用法都能落地：日历化规避（组合里的股票进入 [T-20, T0] 窗口就换出）把年化从 12.2% 提到 13.7%；反向吃修复（大规模解禁 T0 买入持有 30 日）平均超额 +6.3%（t=8.3），且入场越早吃得越多。
为什么抛压在解禁日之前#
限售股解禁是极少数日期完全公开、提前数年可知的公司事件。招股书写明首发股东锁定 36 个月，定增公告写明锁定 12 个月，交易所每周发布未来解禁日历。这意味着：
- 知情者先动：知道大股东要减持的资金（包括大股东自己的关联盘）会在解禁前降低仓位；
- 规避盘先撤：机构风控看到大额解禁临近，主动降低持仓，这本身就是抛压；
- 做空替代：融券可行的标的上，解禁预期直接转化为提前的空头压力；
- 流动性提供者撤单：做市资金预期到 T0 后供给冲击，提前把买单挂得更低。
四股力量的合成结果是：价格在 T0 之前就把”预期减持量”消化掉了。而 T0 之后的修复来自一个反复被验证的事实——实际减持量往往显著低于市场恐惧的理论上限。首发股东减持要预披露、有比例限制（90 日内集中竞价不超过总股本 1%）、还有窗口期约束；很多解禁股东根本不打算卖。恐惧定价了 100% 的抛售，现实只来了 30%，差额就是修复。
事件面板的构造#
模拟 800 个解禁事件，事件窗 [-30, +30] 个交易日，每个事件有三个属性决定抛压强度：
import numpy as np
rng = np.random.default_rng(42)
N_EVENTS = 800
WIN = np.arange(-30, 31)
# 解禁规模: 解禁市值/流通市值, 对数正态, 截断在 [0.5%, 80%]
size = np.clip(rng.lognormal(np.log(0.08), 1.0, N_EVENTS), 0.005, 0.8)
# 股东类型: 0=首发原股东(锁3年,减持受约束), 1=定增股东(锁1年,退出纪律强)
stype = rng.binomial(1, 0.45, N_EVENTS)
# 定增浮盈: 当前价/定增价-1, 浮盈越厚越想落袋
pi_gain = rng.normal(0.15, 0.35, N_EVENTS)抛压强度是三者的乘积——规模大、定增类、浮盈厚，三个条件叠满就是最重的抛压：
intensity = size * (1.6 if stype == 1 else 0.6) * max(0.3, 1 + 1.2 * pi_gain)
# 时间分布: T-20 起缓慢阴跌, T-5~T0 加速, T0 后修复
for j, d in enumerate(WIN):
if -20 <= d < -5:
daily[j] += -intensity * 0.008 # 提前阴跌
elif -5 <= d <= 0:
daily[j] += -intensity * 0.030 # 最后五天加速
elif 0 < d <= 10:
daily[j] += intensity * 0.014 # 恐惧出清后修复
daily += rng.normal(0, 0.018, len(WIN)) # 日超额噪声 1.8%这个时间形状不是拍脑袋：A 股解禁事件研究文献（以及美股 IPO lockup expiration 的经典结果，如 Field & Hanka 2001）反复呈现同一形态——负超额收益前置、事件日附近最陡、事后部分回补。合成面板的作用是让这条曲线可复现、可分组、可做统计检验，而不受单一样本期牛熊的污染。
规模分组：多大的解禁才值得躲#
把 800 个事件按解禁规模三分组，画平均 CAR 路径：
三条曲线的分化非常干净：
| 分组 | T-20→T0 CAR | 其中 T-5→T0 | T0→T+10 修复 |
|---|---|---|---|
| 小规模（<4%） | -1.6% | -0.8% | +0.7% |
| 中规模 | -4.9% | -2.4% | +2.0% |
| 大规模（>13%） | -10.8% | -5.3% | +4.5% |
两个可操作的读数：
**第一，4% 是”可以无视”的分界线。**小规模组整个事件窗的 CAR 在日噪声 1.8% 的背景下几乎不可分辨——解禁市值不到流通盘的 4%，市场的日常换手就能吸收，不构成信号。把所有解禁一视同仁地躲，会白白付出大量换手成本。
**第二，抛压的一半浓缩在最后五天。**大规模组 -10.8% 的坑里有 -5.3% 发生在 T-5 到 T0。这对规避策略的含义是：如果换仓成本高，退而求其次只躲最后一周，还能躲掉一半的坑。
谁在卖：股东类型比规模更锋利#
同一批事件按”股东类型 × 浮盈”切开：
- 定增解禁 · 高浮盈（>20%）组：T0 前 CAR -10.4%（n=153）
- 定增解禁 · 低浮盈/浮亏组：约 -5% 出头
- 首发原股东解禁组：仅 -2.4%（n=449）
差距的机制值得展开。定增参与者是财务投资人：进场时就有明确的成本价，锁定期一到、浮盈够厚，卖出是纪律而不是选择——尤其结构化定增产品有存续期，到期必须退出。而首发原股东是实控人、高管、创投：实控人卖股要考虑控制权，高管减持有窗口期和预披露约束，很多人根本不卖。市场也知道这一点，所以对定增解禁的恐惧定价远重于首发解禁。
浮盈的作用同样直白：浮亏的定增股东倾向于扛着等回本（处置效应在机构身上照样存在），浮盈 20% 以上的股东落袋意愿最强。把”定增 + 浮盈>20% + 规模>13%“三个条件做成筛选器，就是抛压最重的那撮事件——也是规避和修复交易信号最强的那撮。
用法一：日历化规避#
最朴素的用法：组合里的持仓一旦进入 [T-20, T0] 解禁窗口，就临时换出，T0 之后换回。用 200 只股票、3 年日频的组合模拟（窗口内股票有日均 -15bp 的抛压拖累，对应事件研究的平均强度）：
# 全持有基准 vs 规避解禁窗(权重重分配到其余股票)
in_window = rng.random((n_stk, T)) < 0.030 # ~3%天数处于解禁前窗
drag = np.where(in_window, -0.0015, 0.0) # 窗口内日均拖累15bp
ret_stock = mkt[None, :] + stock_alpha + drag
w = (~in_window).astype(float)
w /= w.sum(axis=0, keepdims=True)
avoid = (ret_stock * w).sum(axis=0)
结果：全持有基准年化 12.2%（Sharpe 0.73），规避解禁窗年化 13.7%（Sharpe 0.80）。年化 +1.5 个百分点，听起来不惊艳，但这是一个纯日历规则、零预测含量的改进——不需要预测任何东西，解禁日期是公开信息，规则是确定性的。对一个已有 alpha 的组合，这属于”捡在地上的钱”：唯一的代价是每年多出的一点换手（3% 的股票·天数处于窗口，对应的额外换手有限）。
实盘里还能更精细：只规避”定增 + 高浮盈 + 大规模”的窗口，把规避集合缩小到抛压最重的 15% 事件，换手成本更低、单位规避收益更高。
用法二：反向吃修复#
激进的用法是反过来：在恐惧最大化的 T0 附近买入，吃事后修复。对大规模解禁组扫描入场日——T0 后第 k 天买入、持有到 T+30：
- T0 当天入场：平均超额 +6.3%（t=8.3）
- T+5 入场：+4.2%（t=6.7）
- T+15 之后入场：收益趋近于零
修复收益随入场推迟单调衰减，且大头集中在前 10 个交易日——这与”恐惧出清、实际减持低于预期、价格回补”的机制自洽：修复是对过度定价的纠偏，纠偏完成后就没有了。
但要诚实地说清楚这个 t=8.3 的合成属性：合成面板里修复是被植入的机制，t 值高是因为 800 个事件同质且噪声独立。真实数据里修复的截面异质性大得多——有的解禁真的伴随大股东清仓式减持（修复不会来，坑会更深），有的公司借解禁窗口释放利好护盘（修复提前）。实盘做修复交易必须叠加两个过滤器：一看解禁后的实际减持公告（预披露数据），二看解禁股东类型（首发实控人解禁后的修复远比定增产品到期可靠，因为前者大概率不卖）。
四个实盘会翻车的地方#
**一、解禁日历的数据质量陷阱。**解禁日期虽然公开，但存在变更：大股东主动延长锁定、监管窗口指导、送转股导致解禁数量调整。用静态的招股书日期做回测，会把已延期的事件算成”解禁但没跌”，稀释信号。必须用交易所的滚动解禁日历做时点对齐。
二、规模分母要用自由流通盘。“解禁市值/总市值”和”解禁市值/自由流通市值”是两个量级的指标。一只大股东持股 70% 的公司，解禁 10% 总股本对应的是自由流通盘的 33%——用总市值算会严重低估冲击。文中所有规模均以流通盘为分母，实盘同理。
**三、修复交易的做空腿不存在。**事件研究的负 CAR 会诱惑人去做空 [T-20, T0] 窗口，但 A 股个股融券在这类标的上几乎必然券源枯竭——大额解禁临近时，融券余额早被同一个想法的人占满。提前抛压那一段，对多头组合是规避信号，不是做空机会。
**四、和一致预期减持的重叠计算。**解禁抛压因子与”大股东减持预披露”信号高度相关但不相同——预披露是解禁的子集（已决定卖的那部分）。两个信号都用会双重计数同一份信息。正交化处理：以预披露为主信号（更精确），解禁日历只对”未预披露但规模大”的事件补充覆盖。
总结#
限售股解禁是 A 股少有的日期确定、机制清晰、可日历化的事件因子。核心结论有三条：抛压前置（T-20 开始、T-5 加速，T0 当天往往是恐惧的顶点而非起点）；强度三因素（规模 >13%、定增类型、浮盈 >20%，叠满才值得行动，小规模解禁是噪声）；修复可交易但需过滤（T0 入场吃前 10 日回补，必须用实际减持披露和股东类型过滤真伪）。防守用法——日历化规避——是零预测含量的组合卫生习惯，值得写进任何 A 股多头组合的风控流程；进攻用法——吃修复——则要求对”谁在卖、卖多少”有比市场恐惧更冷静的判断。
事件日历在手，剩下的只是纪律。