Insiderkäufe in Micro Caps: Signale per Gradient Boosting

Zusammenfassung

Die Arbeit prüft, ob Insiderkäufe am offenen Markt bei US-Micro-Cap-Unternehmen, die über regulatorische Meldungen offengelegt werden, nachfolgende abnormale Renditen vorhersagen können. Sie analysiert 17,237 Käufe von 1,343 Emittenten aus den Jahren 2018 bis 2024 mit Marktkapitalisierungen von $30 Millionen bis $500 Millionen. Ein Gradient-Boosting-Modell verwendet Merkmale der Insider, ihr bisheriges Transaktionsverhalten und die zum Zeitpunkt der Offenlegung verfügbaren Marktbedingungen. Auf zurückgehaltenen Daten aus 2024 erzielt der Klassifikator einen AUC von 0.70; bei einem ausgewählten Schwellenwert liegen Präzision bei 0.38 und Trefferquote bei 0.69.

Der stärkste berichtete Prädiktor ist der Abstand einer Aktie zu ihrem 52-Wochen-Hoch. Käufe, die nach Kursgewinnen von mehr als 10% offengelegt werden, weisen in der Analyse die höchste mittlere kumulative abnormale Rendite und die höchste Outperformance-Rate auf. Das deutet eher auf eine Bestätigung des Trends als auf einen einfachen Umkehreffekt hin. Die Autoren berichten, dass die Ergebnisse nach Winsorisierung und über verschiedene Teilstichproben hinweg bestehen bleiben. Die Befunde sind prädiktive Zusammenhänge und kein Beleg dafür, dass Insiderkäufe Renditen verursachen; sie beziehen sich auf den untersuchten Micro-Cap-Bereich und Zeitraum, und eine geringe Liquidität kann sowohl das Signalverhalten als auch die praktische Ausführung beeinflussen.

Kernaussagen

• Die Studie untersucht Offenlegungen von Insiderkäufen als Prädiktoren abnormaler Renditen bei US-Micro-Cap-Aktien.
• Ein Gradient-Boosting-Klassifikator kombiniert Insiderhistorie und -merkmale mit den Marktbedingungen zum Zeitpunkt der Offenlegung.
• Der Abstand zum 52-Wochen-Hoch ist das einflussreichste berichtete Merkmal des Modells.
• Käufe, die nach deutlichen Kursgewinnen offengelegt werden, zeigen eine stärkere beobachtete Wertentwicklung, als die Umkehrannahme der Studie vermuten ließe.
• Die berichteten Muster bestehen nach Winsorisierung und zeigen sich in Teilstichproben, belegen jedoch weder Kausalität noch garantierte handelbare Renditen.

Schlagwörter

# Insider Purchase Signals in Microcap Equities: Gradient Boosting Detection of Abnormal Returns


# Insider Purchase Signals in Microcap Equities: Gradient Boosting Detection of Abnormal Returns









This paper examines whether SEC Form 4 insider purchase filings predict abnormal returns in U.S. microcap stocks. The analysis covers 17,237 open-market purchases across 1,343 issuers from 2018 through 2024, restricted to market capitalizations between \$30M and \$500M. A gradient boosting classifier trained on insider identity, transaction history, and market conditions at disclosure achieves AUC of 0.70 on out-of-sample 2024 data. At an optimized threshold of 0.20, precision is 0.38 and recall is 0.69. The distance from the 52-week high dominates feature importance, accounting for 36% of predictive signal. A momentum pattern emerges in the data: transactions disclosed after price appreciation exceeding 10% yield the highest mean cumulative abnormal return (6.3%) and the highest probability of outperformance (36.7%). This contrasts with the simple mean-reversion intuition often applied to post-run-up entries. The result is robust to winsorization and holds across subsamples. These patterns are consistent with slower information incorporation in illiquid markets, where trend confirmation may filter for higher-conviction insider signals.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.