2024-2026年，医疗保健和技术，内部人士资金流变得更具选择性
后期阶段更多地是关于行业内的区分，而非一个巨大的行业判断。这是健康的。随着市场正常化，真实信号变得更加微妙。
医疗保健，沃土，但仅限于正确的子行业
生物科技股下跌、报销担忧或器械周期性表现不佳后，医疗保健行业常会吸引内部人购买。问题在于，医疗保健并非一个在经济意义上连贯的部门。大型制药、管理式医疗、医疗技术、工具和处于营收前阶段的生物科技公司同属一个GICS类别，但在估值体系中却不尽相同。
这意味着，部门层面的净买入强度只有在买入范围足够广泛，或者文章足够坦诚地承认它实际上是一个披着部门外衣的行业组信号时，才能提供有益信息。
从2024年起，医疗保健更像是一个选择性的狩猎场，而非全面的轮动。盈利的医疗技术公司或现金充裕的治疗公司在评级下调后的内部人购买，与投机性生物科技公司中连续的内部人支持不同。前者可能引领复苏，后者则可能只会导致更多的备案。
科技行业，当薪酬混淆视听时信号会减弱
科技行业则面临相反的问题。它是一个庞大、流动性强的部门，内部人活动频繁，但其中许多活动受到股权薪酬、预定出售和创始人控制结构的影响。大型科技公司高级管理人员的公开市场购买仍然可能很重要，但这种情况较为罕见，并且常常被机械性抛售所淹没。
这使得科技行业不适合作为简单部门层面内部人模型的候选。如果想要获得有用的信号，通常需要单独分析半导体、软件或硬件，排除拥有超级投票权的创始人，并且只关注酌情购买。
枯燥的说法是该部门噪音很大。不那么枯燥的说法是，首席执行官获得另一笔股票期权奖励并不算作“看涨信念”，无论投资者关系部门如何热情地措辞。
正确构建指标：衡量什么以及如何测试
如果目标是将内部人资金流作为部门ETF表现的先行指标，那么该方法需要经受住裁判报告和糟糕月份的考验。
净买入强度的可行定义
至少，将部门净买入强度定义为：
[
\text{NBI}{s,t} = \frac{\sum \text{公开市场买入价值}{s,t} - \sum \text{公开市场卖出价值}{s,t}}{\text{部门市值或日均交易量}{s,t}}
]
然后，在每个行业内，根据追踪历史对这些数据进行标准化，以创建Z分数。公用事业领域的一个标准差爆发与科技领域的一个标准差爆发是不同的。
更好的是，构建变体：
- 发行人广度：至少进行一次合格购买的行业成分股的份额。
- 内部人广度：购买的独特高管/董事人数。
- 角色加权强度：对CEO、CFO和董事长给予更高的权重。
- 集群分数：在下跌后短时间内发生的购买。
集群分数特别有用。在行业下跌25%之后的内部人购买与下跌5%之后的内部人购买是不可同日而语的。
将信号与可投资工具匹配
在实施时，将每个GICS行业与流动性强的行业ETF或期货代理配对。在美国市场，SPDR行业ETF是显而易见的基准。然后测试信号形成后1个月、3个月和6个月的远期回报。
文献中常见的模式是，内部人购买在中期而非次日具有预测能力。这是有道理的。信息传播、叙事跟进以及估值差距逐渐缩小。
使用相对回报，而不仅仅是绝对回报
行业信号应与替代方案进行比较。如果能源在一个积极的内部人信号后上涨8%，而市场上涨12%，那么该信号对轮动投资者帮助不大。评估相对于大盘和行业同行的超额回报。
这也是“领先指标”主张变得可检验的地方。如果内部人资金流在分析师修正之前和相对表现拐点之前飙升，那么你有一个合理的领先指标。如果它在ETF已经重新估值之后飙升，那么你发现了一个具有极佳公关效果的滞后指标。
2020-2026年的案例表明了什么，没有表明什么
这些案例研究指向一个方向，但附带的警告就像法律脚注一样。
信号最强的领域
最佳的行业层面内部人信号往往出现在具有以下四个特征的行业中：
- 近期严重下跌，
- 周期性或资产负债表敏感的基本面，
- 跨公司的共同宏观驱动因素，
- 相对干净的公开市场购买数据。
这有利于能源、金融、工业以及在压力事件后选定的医疗保健集团。对于由薪酬驱动的抛售、集团式构成或创始人控制主导的行业则不太有利。
投资者高估优势的方面
存在三种常见的夸大。
首先，内部人流动预测每一个转折。事实并非如此。它在极端情况下最有用。
其次，购买越多总是越好。不一定。反复买入价值陷阱可能同时反映了真实的信念和真实的错误。高管们消息灵通，但并非不会犯错。
第三，行业聚合消除了所有噪音。它减少了噪音。但并未消除噪音。一个行业可能显示出强劲的买入，因为少数陷入困境的公司在董事会的支持下正在摊低成本，而较健康的公司则无所作为。
缺失的专有数据
由于没有从我们162k份备案文件中提取新的数据，我无法告诉您能源净买入强度在y月份达到了x个标准差，也无法告诉您它在下一个季度领先XLE z个基点。这正是许多文章开始发挥想象力的地方。我们将保持不合时宜的清醒，并写上不适用。
然而，缺乏实时提取数据并不会抹杀这个框架。这仅仅意味着下一步是实证而非文学性的。
资产配置者的实用研究议程
运用此理念的明智方式并非将其作为独立的交易预测，而是作为行业配置流程中的排序输入。
简单实施草图
每月：
- 收集符合条件的发行人内部人买卖交易，
- 将发行人映射至GICS行业，
- 计算行业净买入强度和广度，
- 按标准化分数对行业进行排名，
- 结合估值和价格趋势过滤器，
- 配置到排名靠前的行业，可选择市场中性或多头策略。
估值过滤器很重要，因为在估值过高的行业中，内部人买入的后续回报往往较弱。趋势过滤器很重要，因为接住下跌的刀子是一种爱好，而非流程。
在使用真实资金前需要测试什么
至少测试：
- 30天、60天和90天的形成期，
- 1个月、3个月和6个月的持有期，
- 等权重与按角色加权的购买，
- 危机与非危机子样本，
- 仅限美国与MAR和SEC制度下的跨市场信号。
跨市场角度尚未被充分探索，但具有吸引力。欧洲PDMR根据MAR披露的信息不如美国Form 4数据整洁，但其及时性足以支持行业模型。特别是法国，提供了一个有用的测试平台，因为受AMF监管的披露信息处于统一的欧盟框架内，同时仍需要仔细的发行人映射。
