Gradient boosting et signaux d’achats d’initiés dans les microcapitalisations

Résumé

L’article vérifie si les achats d’initiés sur le marché libre dans des sociétés américaines à microcapitalisation, déclarés aux autorités de réglementation, peuvent aider à prévoir les rendements anormaux ultérieurs. Il analyse 17,237 achats concernant 1,343 émetteurs de 2018 à 2024, dont les capitalisations boursières vont de 30 à 500 millions de dollars. Un modèle de gradient boosting utilise les caractéristiques des initiés, leurs comportements transactionnels antérieurs et les conditions de marché disponibles au moment de la déclaration. Sur les données de 2024 mises de côté pour l’évaluation, le classificateur obtient une AUC de 0.70 ; à un seuil choisi, la précision est de 0.38 et le rappel de 0.69.

Le facteur prédictif le plus puissant rapporté est l’écart entre le cours d’une action et son plus haut sur 52 semaines. Les achats déclarés après des hausses supérieures à 10% affichent le rendement anormal cumulé moyen et le taux de surperformance les plus élevés de l’analyse, ce qui suggère une confirmation de tendance plutôt qu’un simple effet de retournement. Les auteurs rapportent que les résultats persistent après winsorisation et dans différents sous-échantillons. Ces résultats sont des associations prédictives et ne prouvent pas que les achats d’initiés causent des rendements ; ils concernent la fourchette de microcapitalisations et la période étudiées, et le manque de liquidité peut influer à la fois sur le comportement du signal et sur son exécution pratique.

Idées clés

• L’étude évalue les déclarations d’achats d’initiés comme prédicteurs de rendements anormaux sur les actions américaines à microcapitalisation.
• Un classificateur par gradient boosting combine l’historique et les caractéristiques des initiés avec les conditions de marché au moment de la déclaration.
• L’écart par rapport au plus haut sur 52 semaines est la variable la plus influente rapportée par le modèle.
• Les achats déclarés après de fortes hausses de cours affichent de meilleures performances observées que ne le laisserait penser l’hypothèse d’un retournement de tendance.
• Les tendances rapportées persistent après winsorisation et apparaissent dans différents sous-échantillons, mais elles ne prouvent pas de causalité ni ne garantissent des rendements négociables.

Étiquettes

# 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.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.