在日常工作中，我因工作与上市公司董办保持着密切的沟通。出于市值管理的考量，一些董办往往倾向于认为，积极开展股份回购或增持能有效助力市值管理，甚至在国资委的考核体系中，央企的回购与增持行为也被视为积极落实市值管理工作的关键指标。然而，实践中不少企业董办却发现增持与回购对股价的实际提振作用似乎有限。甚至由外部的咨询机构会告诉董办回购增持对于公司市值管理没有任何效果。那么，我们想问是所有上市公司的增持回购都作用寥寥还是上市公司增持回购对股价的影响存在异质性特征？投资者又能否基于这些影响因素构建有效的事件驱动量化策略？基于此，本研究将分为两篇报告展开，本篇将聚焦于企业增持行为的深入探讨。
我们选取了2014年1月1日至2025年11月15日期间的上市公司增持事件作为样本，在剔除同一时间多次披露及数据缺失的记录后，最终获得7003条有效数据。本研究旨在探究首次增持公告发布对股价的冲击效应。考虑到实际增持金额在执行层面存在不确定性，且受限于数据获取资源，我们将企业发布增持公告视为一种积极的市场信号，重点研究该信号在特定窗口期内对股价的影响。在股价衡量指标上，我们选取以沪深300为基准的累计超额收益率，并设定三个交易日、三十个交易日及九十个交易日作为观测窗口。据此，我们将构建三个回归模型，分别以这三个时间维度的累计超额收益率为因变量进行实证分析。
在自变量的选取中，我主要从三个方面展开：
一、增持企业的基本面。在增持企业的基本面维度，我们将其细分为短期基本面与中期基本面。短期基本面指标主要用于衡量短期投资者情绪，需依据最新一期已披露财报进行选取。考虑到财报披露的滞后性，若机械选取年报可能导致数据不可得或失真，因此我们制定了动态匹配规则：若增持公告日处于1月1日至4月30日，选用上一年三季报数据；处于5月1日至8月31日，选用上一年年报数据；处于9月1日至10月31日，选用本年半年报数据；处于11月1日至12月31日，则选用本年三季报数据。鉴于不同报告期数据的绝对值缺乏可比性，我们选取了五项相对指标：营业收入同比增速、净利润同比增速、扣非归母净利润同比增速、经营活动现金流净额同比增速以及ROE同比增长。此外，我们还引入了公告日（若遇非交易日则顺延至前一交易日）的时点指标，包括总市值、PE（TTM）上市以来分位值、PB（MRQ）上市以来分位值以及当前流通股占比。中期基本面则着眼于长期增长潜力，选取了过去3年营业收入、净利润及扣非归母净利润的复合增长率，统计区间为增持公告日上一年度向前追溯的三年。
二、企业增持时点下的市场环境。在企业增持时点的市场环境维度，我们主要考察大盘走势与行业表现。具体而言，我们选取了公司所属大盘指数（上证指数或深证成指）在公告日所处的绝对值分位及估值（PE）分位，统计区间统一为2014年1月1日至2025年11月15日，以此衡量市场整体水位。同时，为了捕捉行业层面的短期波动，我们计算了最初公告日期前10个交易日内，公司所属申万一级指数的区间涨跌幅，以此作为行业景气度的代理变量。
三、控制变量。在控制变量方面，我们充分考虑了股东结构与交易特征的影响。首先，针对增持股东类型，我们构建了以其他股东为基准的虚拟变量，涵盖控股股东、持股5%以上一般股东、高管、员工持股计划及实际控制人；其次，针对增持方式，构建了以协议转让为基准的虚拟变量，包括大宗交易、集中竞价交易及混合方式等。最后，为了剔除市场系统性风险及行业贝塔的影响，我们在三个不同的回归模型中（分别对应3日、30日及90日窗口期），分别加入了公司所属大盘指数（上证或深证成指）及申万一级行业指数在对应窗口期内的涨跌幅数据。
在展开实证研究之前，我们首先对三个因变量进行了描述性统计分析。统计结果显示，三个因变量的均值与中位数均显著大于零，这表明从平均水平来看，上市公司在发布增持公告后的三个、三十个及九十个交易日内，均能获得相对于沪深300指数的正向累计超常收益。
为进一步深入探究企业增持公告发布后3日、30日及90日的股价表现，我们构建了三个回归模型进行实证分析。这三个模型的核心区别在于控制变量的设定：为精准剥离市场环境的影响，我们分别选取了与因变量窗口期（3日、30日、90日）严格对应的大盘指数及行业指数涨跌幅作为控制变量，以确保实证结果的稳健性。
实证研究结果显示，在发布增持公告后三天的累计超常收益中，在1%的显著性水平下与公司总市值呈负相关，与大盘指数、估值分位值以及公告后大盘和行业指数的区间涨跌幅呈正相关。在5%的显著性水平下与公司PE及PB分位值呈负相关。在10%的显著性水平下与公告前行业涨跌幅呈负相关，与“增持方为持股5%以上一般股东”这一虚拟变量呈正相关。在发布增持公告后三十天的累计超常收益中，在1%的显著性水平下与公司总市值、公司PB分位值、公告前行业涨跌幅以及公告后大盘指数区间表现呈负相关，与公告前大盘指数分位值及公告后行业指数表现呈正相关。在5%的显著性水平下与过去三年公司营收复合增长率呈负相关。在10%的显著性水平下与公司PE分位值呈负相关。在发布增持公告后九十天的累计超常收益中，在1%的显著性水平下与公司总市值、过去三年净利润复合增长率、流通股占比以及公告后大盘指数区间涨跌幅呈负相关，与公告前大盘指数分位值及公告后行业指数区间涨跌幅呈正相关。在5%的显著性水平下与“增持方为持股5%以上一般股东”这一虚拟变量呈负相关。在10%的显著性水平下与公司最近一期财报净利润同比增长率、经营性现金流净流入同比增长率以及过去三年收入复合增长率呈负相关，与过去三年扣非归母净利润复合增长率呈正相关。在上述指标中，公告发布后的大盘及行业指数区间涨跌幅因具有不可预知性，无法为企业决策提供实质性帮助，仅适合作为控制变量。综合来看，企业发布增持公告后的累计超常收益与企业基本面的关联度并不高，甚至出现市值越高、财务数据越好反而抑制累计超额收益率的现象；企业真正需要关注的应是当下的市场情绪，因为公告前大盘指数的分位值在公告发布后的三天、三十天及九十天窗口期内，均与累计超额收益率呈现高度正相关。
针对A股市场的投资者，我们能否基于上述影响因素构建一个事件驱动型的量化策略呢？在因变量的选择上，我们不能简单地沿用此前的累计超额收益，因为从实际投资角度出发，理论上的区间涨跌幅与真实投资收益并不一致。例如，若某支股票在公告次日开盘即涨停，虽然当日区间涨幅达到10%，但投资者往往无法在开盘时买入，即便能够成交，当日的实际浮盈也为0%，这与单纯的区间涨跌幅存在显著差异。因此，在因变量的设定上需更加严谨。我的方法是：选取公告日后首个可买入交易日的开盘价，与公告后第三、第三十及第九十个交易日的收盘价计算区间涨幅作为因变量；若首个交易日出现停牌则被剔除。但需注意，如果顺延后的买入时点已经超过了三个、三十个或九十个交易日的观测窗口，则该笔交易将被取消，因为在A股T+1的交易制度下，这已无法构成有效的投资操作。在自变量的选取上，我们将剔除公告日后的大盘及行业涨跌幅指标，因为作为未来发生的不可知变量，它们无法为实际的投资决策提供有效参考。我们利用Python借助随机森林模型构建一个增持驱动的量化策略。在随机森林模型的买入信号触发机制上，我们并未人为设定固定阈值，而是通过遍历0.30至0.91的概率区间，以累计收益率最大化为目标筛选出了最优概率。回测结果显示，在三天持有期维度下，模型锁定的最优概率阈值为0.31，即当模型预测上涨概率达到0.31时执行买入并在三天后卖出；该策略期间共触发买入信号1381次，最终录得30.50%的累计收益率，整体收益表现并不突出。此外，从趋势上看，随着买入概率阈值的逐步抬升，策略的整体累计收益率呈现出明显的下降态势。在三十天的持有维度下，模型锁定的最优概率阈值为0.31，该策略期间共触发买入信号1285次，最终录得113.11%的累计收益率，整体收益表现相较于三天有所改善。在九十天的持有维度下，模型锁定的最优概率阈值为0.30，该策略期间共触发买入信号1367次，最终录得237.93%的累计收益率，整体收益表现相较于三天有所改善。整体上看，该策略显示交易次数越多，持有时间越长整体的收益率就会越高。
本次研究依旧存在着许多的问题：1）公告日首日的选择上，由于我们没能获取每个公告发布的具体时间，因此我们均假设公告发布的时间为前一个公告日收盘后，但是我们也知道实际可能并非如此。比如一家公司是晚上零点后发布公告，那么公告日显示的日期即为公告日首日而不是继续向后递延。因此在这方面存在弊端。2）在因变量的选择上，目前我的选择依旧是根据自己的主观判断，如果能够接入类似于万得API接口，通过利用更多的参数，在因变量的选择上应该会更优。3）在量化模型中，如果一家公司在公告日次日开盘即涨停，那么我们实际上是买不进去的，这笔交易也就无法成交，合理的处理应该是向后递延。但是还是同样的问题，缺乏API的我暂时没有办法找到更好的处理方式，也许在第二篇我会有更好的解决方法。4）在模型的选择上，尤其是在一开始的回归模型中，在我看来更优的模型应该是PSM_DID方法，但是如何进行核匹配需要海量的数据，我这边暂时没有办法处理。同时在随机森林的选择上，由于我在硕士阶段接触的模型不多，所以只能选择他，从内心讲随机森林可能不是一个最好的选择，当然后续我如果能接触更多的模型也可以尝试更多的选择。5）Ifind增持数据库存在一些数据的缺失，所以也会影响整体研究。另外我想说，社科类的研究未必一定要给出完美的定论，如果本研究在变量选择或框架构建上能给后来者带来些许启发，或者这种“不尽人意”的尝试能帮助大家在未来的探索中少走弯路，我认为这同样具有重要的价值。本文所有的模型均使用Pycharm,但是由于代码不是一次性写完，有点乱就不展示了，有需要的可以联系我。
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。