Градиентный бустинг для выявления сигналов по покупкам инсайдеров в акциях компаний малой капитализации

Сводка

В статье проверяется, помогают ли покупки акций на открытом рынке инсайдерами компаний США с микрокапитализацией, раскрываемые в обязательной отчетности, прогнозировать последующую аномальную доходность. Анализ охватывает 17,237 покупок 1,343 эмитентов за период с 2018 по 2024; рыночная капитализация компаний составляет от $30 млн до $500 млн. Модель градиентного бустинга использует характеристики инсайдеров, историю их сделок и рыночные условия, известные на момент раскрытия информации. На отложенных данных за 2024 классификатор показывает AUC 0.70; при выбранном пороге точность составляет 0.38, а полнота — 0.69.

Самый сильный из указанных предикторов — расстояние цены акции от максимума за 52 недель. Покупки, раскрытые после роста более чем на 10%, показывают наибольшую среднюю накопленную аномальную доходность и долю случаев опережения рынка в анализе, что указывает скорее на подтверждение тренда, чем на простое возвращение к среднему. Авторы сообщают, что результаты сохраняются после винзоризации и в разных подвыборках. Речь идет о прогнозных связях, а не о доказательстве того, что покупки инсайдеров вызывают доходность; выводы относятся к изученным диапазону микрокапитализации и периоду, а низкая ликвидность может влиять как на поведение сигнала, так и на практическое исполнение.

Ключевые идеи

• В исследовании проверяется, предсказывают ли раскрытия о покупках инсайдеров аномальную доходность акций американских компаний с микрокапитализацией.
• Классификатор на основе градиентного бустинга объединяет историю и характеристики инсайдеров с рыночными условиями на момент раскрытия.
• Расстояние от максимума за 52 недель — наиболее значимый из указанных признаков модели.
• Покупки, раскрытые после существенного роста цены, показывают более сильные результаты, чем можно было бы ожидать исходя из интуиции о возврате к среднему.
• Указанные закономерности сохраняются после винзоризации и проявляются в разных подвыборках, но не доказывают причинность и не гарантируют реализуемой доходности.

Теги

# 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.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.