تقویت گرادیان برای سیگنال خرید افراد داخلی شرکت در سهام شرکتهای خرد
خلاصه
این مقاله بررسی میکند که آیا خرید سهام شرکتهای خرد آمریکایی توسط افراد داخلی در بازار آزاد، که در افشاهای نظارتی گزارش میشود، میتواند بازدههای غیرعادی بعدی را پیشبینی کند. این پژوهش 17,237 خرید مربوط به 1,343 ناشر را از 2018 تا 2024 تحلیل میکند؛ ارزش بازار شرکتها از $30 میلیون تا $500 میلیون است. یک مدل تقویت گرادیان از ویژگیهای افراد داخلی، سابقه معاملات قبلی و شرایط بازارِ در دسترس هنگام افشا استفاده میکند. طبقهبند روی دادههای کنارگذاشتهشده 2024، مقدار AUC برابر 0.70 را ثبت میکند؛ در آستانه انتخابشده، دقت 0.38 و بازیابی 0.69 است.
قویترین متغیر پیشبینیکننده گزارششده، فاصله قیمت سهام از اوج 52 هفتهای آن است. خریدهایی که پس از رشدهای بیش از 10% افشا شدند، در این تحلیل بیشترین میانگین بازده غیرعادی تجمعی و نرخ عملکرد بهتر را داشتند؛ این موضوع به الگویی مبتنی بر تأیید روند اشاره دارد، نه اثر ساده بازگشت قیمت. نویسندگان میگویند نتایج پس از وینسورایزکردن و در زیرنمونهها نیز پایدار میمانند. یافتهها روابط پیشبینانهاند و اثبات نمیکنند که خرید افراد داخلی شرکت باعث بازده میشود؛ این نتایج به محدوده و دوره شرکتهای خرد بررسیشده محدودند و نقدشوندگی پایین ممکن است هم بر رفتار سیگنال و هم بر اجرای عملی اثر بگذارد.
ایدههای کلیدی
- این پژوهش افشاهای خرید افراد داخلی شرکت را بهعنوان پیشبینیکننده بازده غیرعادی سهام شرکتهای خرد آمریکا ارزیابی میکند.
- یک طبقهبند تقویت گرادیان، سابقه و ویژگیهای افراد داخلی شرکت را با شرایط بازار هنگام افشا ترکیب میکند.
- فاصله از اوج 52 هفتهای، اثرگذارترین ویژگی گزارششده مدل است.
- خریدهایی که پس از رشد قابلتوجه قیمت افشا میشوند، عملکرد مشاهدهشده قویتری دارند؛ نتیجهای که با شهود مبتنی بر بازگشت قیمت در این پژوهش همخوان نیست.
- الگوهای گزارششده پس از وینسورایزکردن و در زیرنمونهها نیز دیده میشوند، اما علیت یا بازده قابلمعامله را اثبات نمیکنند.
برچسبها
متن کامل
# 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.
با ذکر منبع و مطابق مجوز اثر، بهطور کامل نمایش داده میشود. مجوز: abstract CC0
این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخهای از اثر منبع نیست.