综合评分权重分配的原理

关于下文引用的数据说明。 本文中的一些统计数据来源于 V12 宇宙群组（截至 2024 年的 227,594 份买入申报）。自 2025-01-01 以来，实时样本外买入宇宙（28 个市场）显示，在 20,688 份申报中，胜率为 52.96%，平均 90 天回报率为 +8.59%。请参阅方法论了解当前数据，并参阅 STRATEGY_PROOF 部分了解冻结的审计参考。

综合评分是量化纪律要么优雅成熟，要么因过度拟合而消亡的地方。

综合评分审计：我们为什么使用 30/35/25/10

综合评分具有不可抗拒的吸引力。将四到五种合理的要素放入搅拌机中，分配一些小数，内部人申报的混乱信息突然就变成了一份排名列表。这非常高效，但也可能在结构化的幌子下，成为暗中引入偏见的可靠方式。

我们自己的框架使用了四个权重桶，权重分别为 30/35/25/10。这些权重并非神圣不可侵犯，也不是在黑暗房间里嗡嗡作响的神秘优化器所产生的。它们是审计过程的结果：定义这些桶，分别测试它们，然后逐一移除，并提出一个不带感情色彩的问题：分数是否会显著变差？

由于此处未提供实时文章数据集，我不会假装拥有我们162,000份申报文件中的最新数据。在没有文章特定数字的情况下，我使用 n/a。本文的重点是架构和审计逻辑，而非装饰性的小数。

综合加权评分存在的意义

单一的内部人交易包含几种不同类型的信息，并且它们的老化速度不尽相同。

首席执行官在股价大幅下跌后用个人现金购买股票是一回事。董事根据常规薪酬计划获得股票是另一回事。多名内部人集中购买可能很重要。交易规模相对于薪资、持股或自由流通量也可能很重要。但这些信号处于不同的量级，并以不同的可靠性水平进行衡量。

加权综合评分旨在解决三个实际问题：

1. 可比性。原始申报文件在发行人、内部人和司法管辖区之间不具有直接可比性。
2. 噪音控制。有些变量信息量大但不稳定。另一些则稳定但作用微弱。
3. 操作性排名。研究过程需要一份简短的清单，而不是一篇哲学论文。

危险显而易见。一旦你选择了权重，你就是在对因果关系和持久性做出断言。如果这个断言很弱，那么这个评分就会变成一个偶然相关性的自信机器。

四个类别

我们的 30/35/25/10 分配对应四个类别：

1. 信号质量，30%
2. 交易背景，35%
3. 内部人质量，25%
4. 市场背景，10%

这个顺序是经过深思熟虑的。我们对交易情境赋予最大的权重，因为同一笔名义交易，根据其执行方式和异常程度，可能意味着截然不同的事情。我们将信号质量紧随其后，因为如果申报本身存在机械噪音，那么其余部分都只是锦上添花。内部人质量非常重要，但其重要性低于许多投资者所认为的，因为头衔可能具有迷惑性。最后，市场情境占据一小部分权重，因为它有助于分类和时机选择，但通常提供的持久信息不如申报本身。

为什么不采用等权重？

等权重之所以吸引人，是因为它看起来很公正。但它也承认你不知道哪些特征更重要。

这在原型阶段尚可接受。但一旦你拥有足够的历史数据来测试某一类变量是否能持续改善区分度，等权重就变得不那么可接受了。等权重还会产生一个微妙的问题：它们过度奖励那些包含许多相关子特征的类别。一个包含十个轻度相关输入的类别可能会主导一个包含三个更强但更清晰输入的类别，除非你明确控制其贡献。

因此，我们首先在类别层面进行加权，然后在类别内部进行标准化。这使得分数易于解释，并防止特征数量膨胀伪装成洞察力。

第一类，信号质量占30%

信号质量提出了一个粗鲁但必要的问题：这份申报是可能反映了具有信息量的自主行动，还是仅仅是行政性的表面文章？

这一类别包括以下内容：

• 公开市场买入与卖出
• 自主交易与自动或基于计划的交易
• 直接所有权与间接工具
• 一次性申报与重复模式
• 纯粹的经济敞口与衍生品或结构性工具
• 申报是否完整、及时且内部一致

为什么是30%，而不是50%

信号质量是基础性的，但并非所有基础变量都应获得主导权重。它的作用部分是筛选而非预测。质量差的信号理应受到重罚，是的。但一旦你确定一份申报是相当清晰且自主的，进一步区分质量的边际价值就会下降。

这就是我们将其权重设定为30%的原因。如果你将这一类别的权重推得过高，模型就会开始表现得像一个申报分类引擎，而不是一个阿尔法排名系统。它会非常擅长告诉你哪些交易看起来合规，但在告诉你哪些合规交易最重要方面则表现不佳。

什么倾向于在消融中幸存

在大多数内幕交易数据集中，此类别中最强的贡献者并非异类：

• 买入与卖出
• 公开市场交易与非公开市场交易
• 自主性交易与自动交易
• 交易类型排除，特别是奖励、代扣税处置以及即时出售期权行权

这与现有文献一致。公开市场买入历来比许多类别的卖出具有更强的信息含量，部分原因是卖出是出于多元化、税务、流动性和遗产规划的动机，而买入则需要新的资本，通常也需要更明确的积极看法。Seyhun的大量著作仍然是此处不可避免的起点，尽管我们应避免将旧的美国研究结果视为永恒的法则。

为什么这个类别没有更大

主要原因是饱和。一旦过滤或惩罚了明显低信息量的申报，更精细分类的增量收益就会减少。你可能花费数月时间完善衍生品交易的分类法，但所学到的东西可能还不如一个简单衡量标准多，即该交易相对于内幕人士先前持股而言是否异常大。

这是30/35/25/10划分背后的第一个原则：清洁度很重要，但背景承载了更多的残余信号。

第二类，交易背景占35%

这是最大的类别，因为它回答了投资者真正关心的问题：该交易在特定背景下有多重要？

50,000欧元的买入对于一位内幕人士来说可能微不足道，但对于另一位来说却可能意义重大。一万股股票在一家超大型公司中可能只是象征性的，但在一家小型公司中却可能影响深远。十年上涨后的卖出与陷入困境时的卖出是不同的。背景将申报从一个法律事件转化为一个经济事件。

交易背景中包含什么

典型的子特征包括：

• 交易规模相对于之前的持股量
• 交易规模相对于（如有）年度薪酬
• 交易规模相对于日均交易量或自由流通量
• 聚集性，即多位内部人在短时间内买入
• 长期不活跃后的首次购买
• 重复购买与一次性信号
• 在下跌后买入与在高点附近买入
• 集中度，即内部人是否显著增加或减少持仓

这些并非表面细节。它们往往是持久性所在。

为什么这部分权重最大

因为情境是内部人意图变得清晰的地方。

一位首席财务官按常规模式每季度小额买入，不如同一位高管在十八个月的沉寂后首次进行有意义的公开市场购买那样引人关注。同样，一位非执行董事象征性地买入可能不如一位部门高管买入相当于其年度现金薪酬很大一部分的金额那样具有信息量。

一项消融研究（ablation study）倾向于表明，这一类别在两个方面发挥着重要作用：

1. 横截面区分。它有助于将仅仅是积极的申报与真正不寻常的申报区分开来。
2. 良好信号的排序。一旦低质量的申报被降权，情境往往决定了哪些名称能进入前十百分位。

这就是为什么交易情境占据了最大的单一份额，达到 35%。

聚集的实际优势

一个情境特征值得特别提及：集群购买。学术研究反复发现，多位内部人在相对较短时期内的购买行为比孤立的交易包含更多信息。其直觉非常明显。独立的内部人都有不买入的理由。当几位内部人仍然这样做时，巧合就成了一个不那么令人满意的解释。

这并不意味着每个集群都是金矿。小型董事会可能产生偶然的集群，而禁售期可能机械地压缩活动。但作为一个情境特征，集群的持久性足以使其获得实质性权重。

为什么不是40%或更高

因为情境可能成为过度拟合的后门。一旦您开始添加许多交互项，例如规模乘以回撤乘以波动率乘以行业压力，该类别就开始吸收市场状态噪音和历史偶然事件。评分应奖励异常的、具有经济意义的行为，而不是在某个样本中碰巧奏效的每一种繁复组合。

因此，35% 是一个折衷方案。足够大以体现其重要性。足够小以使评分锚定于申报文件而非电子表格。

第三类，内部人质量占 25%

头衔很有用，但它们不能替代思考。

内部人质量体现了并非所有内部人都拥有相同信息、影响力或决策权这一理念。一位创始人兼首席执行官、一位首席财务官、一位董事长和一位新任命的独立董事，其信息地位并不相同。并非所有高管都有同等的激励去发出信号。

我们在此评分的内容

此类别通常包括：

• 职位资历，如首席执行官、首席财务官、首席运营官、董事长、董事等。
• 与业务的运营紧密程度
• 任期
• 历史交易行为
• 该内部人过去是否提供过有益信息
• 创始人身份或大额控股权
• 董事会独立性与高管职责

关键在于避免将其变成对著名职位头衔的崇拜指数。

为什么 25% 足够了

内部人质量很重要，但其重要性低于市场传闻。至少有三个原因。

首先，头衔是粗略的。一家公司的首席财务官可能深度参与资本配置和指导。而在另一家公司，该职位可能更具程序性。一位董事可能被动，也可能是一位创始人，尽管头衔普通，却拥有更优越的信息。

其次，选择效应非常显著。高级内部人员通常面临更严格的审查、更严格的禁售期限制和更大的声誉成本。这会降低交易频率并扭曲观察到的行为。

第三，背景信息往往比头衔更重要。一位中层但与运营紧密相关的管理人员进行的大额自主购买，可能比一位礼仪性主席进行的象征性交易提供更多信息。

因此，内部人员质量占25%。这足以捕捉信息地位的真实差异，但又不会大到让排名完全由组织结构图决定。

历史陷阱

许多评分系统悄悄地过度重视这一类别，因为它很容易解释。“CEO购买了”听起来很有决定性。它也适合在电视上播出。

但一个过于依赖资历的模型往往会变得迟钝。它对不那么引人注目的内部人员进行的有意义的交易反应不足，而对高层管理人员进行的象征性交易反应过度。一项消融研究通常表明，移除内部人员质量会损害绩效，但不如移除交易背景信息那么严重。这正是35%与25%所暗示的关系。

第四个类别：市场背景，占10%

这是有意为之的最小类别。

市场背景包括以下变量：

• 近期股价下跌或动量
• 已实现波动率
• 估值百分位或简单倍数筛选
• 行业相对表现
• 流动性状况
• 事件临近度、盈利、指引、融资、锁定期届满

这些变量可能很有用。它们也可能很危险，因为它们常常是模型开始混淆时机与信息的第一个地方。

为什么还要包含它

因为内幕交易并非真空发生。在剧烈去评级后的买入，其预期表现可能与在市场狂热上涨后的买入不同。在流动性紧缩时的卖出，其负面解读可能低于在平静市场条件下的相同卖出。市场背景有助于校准申报的可能含义和可交易性。

它还能改善工作流程。如果两份申报在内在基本面上看起来同样强劲，市场背景可能有助于决定哪一份值得立即关注。

为什么只占10%

因为申报本身应始终是主角。

宏观、技术和估值叠加通常更多地改善呈现效果而非预测能力。它们可以提高入场时机的精准度，但也会引入制度依赖性。一个过度依赖市场背景的评分，有沦为带有内幕交易点缀的通用因子模型的风险。

在消融分析框架中，这一部分通常贡献最小，但并非零。移除它，评分在压力时期可能校准度略低，或执行起来实用性稍差。将其保持在较小比例，您可以在不让其淹没信号的情况下获得益处。

这就是最后10%的逻辑。

消融研究：我们测试什么以及什么能证明权重合理

由于无法进行实时文章查询，我无法打印最新的仓库结果。因此，让我们明确方法论，而不是凭空捏造百分比。审计分为三个层面。

第一步：桶级独立测试

每个桶首先独立进行测试。问题不在于它是否能在孤立情况下通过高超的调整来预测回报。问题在于它是否在基本控制后包含独立信号。

对于每个桶，我们通常会检查：

• 与完整综合分数的秩相关性
• 按分数十分位数划分的远期结果的单调性
• 跨市场机制的稳定性
• 广度，即该类别能有效评分的申报数量
• 对缺失数据和司法管辖区不一致的敏感性

一个强大的类别应表现出一定的独立区分度和广泛适用性。一个较弱的类别如果通过交互效应实质性地改进了完整模型，它可能仍然存在，但不应占据过大的权重。

第二步，留一法消融分析

这是核心审计。

用所有四个类别构建完整分数。然后一次移除一个类别，并重新评估评估指标：

• 前十分位数与后十分位数之间的差距
• 信息系数或秩相关性
• 按时间范围划分的命中率
• 换手率和实施负担
• 分数稳定性，即当某个类别缺失时排名的变化程度

如果移除交易背景导致最严重的性能下降，则其应获得最大权重。如果移除市场背景几乎没有影响，则其应获得较小的权重。如果移除信号质量导致假阳性大幅增加，则这证明了其应获得实质性但非主导性权重。

第三步，基线权重扰动

一旦确定了类别重要性的相对顺序，测试附近的权重集：

• 25/35/30/10
• 30/30/30/10
• 35/30/25/10
• 30/40/20/10
• 30/35/20/15

目标不是找到单一的最佳样本内向量。而是要确定一个表现良好的平台期。如果30/35/25/10处于一个稳定区域，这比一个脆弱的最优值（如27/38/23/12，它在一个样本上险胜，但在样本外却表现不佳）更可取。

“良好”的定义

可信的权重选择应满足四个条件：

1. 方向一致性。在不同子期间，各个类别的重要性保持一致。
2. 排名稳健性。权重的微小变化不会打乱靠前公司的排名。
3. 经济合理性。评分仍能反映内部人实际的交易方式。
4. 数据弹性。缺失或有噪音的字段不会导致绩效崩溃。

这不如机器学习的传说那般光鲜，但却更为实用。

为什么权重不对称，以及为什么这是一个特点

一个常见的异议是出于美学考虑：如果所有四个类别都很重要，为什么不让它们的权重更接近呢？

因为对称性并非中立性。它往往只是未经检验的便利。

30/35/25/10 的权重分配编码了三个值得明确阐述的经验先验。

首先，申报优于市场信息

评分的大部分应来自申报及其直接的经济意义，而非来自周围的市场变量。这就是为什么信号质量、交易背景和内部人质量加起来占到 90% 的原因。

其次，背景优于头衔

交易本身，特别是其规模、稀有性和集群性，通常比组织架构图更能说明问题。这就是为什么交易背景占 35%，而内部人质量占 25% 的原因。

第三，筛选并非预测

信号质量对于排除垃圾信息至关重要，但一旦申报通过了基本的信誉检查，背景和内部人身份在排名工作中发挥的作用更大。这就是为什么信号质量占 30%，而不是高于交易背景的原因。

这些并非哲学偏好，而是为了防御两种常见的模型失效。

第一种失效是分类陷阱，即模型过度关注备案标签和法律形式。第二种是高管光环效应，即高级职位自动获得优待。这些权重旨在避免这两种情况。

跨市场考量：规则如何影响数据质量

内幕交易数据并非在实验室中生成，而是在具有不同定义、阈值和截止日期的法律制度下产生。这会影响每个类别能够可靠捕获的信息。

这对权重为何重要

信号质量和内幕人士质量最容易受到司法管辖区分类差异的影响。角色标签、实益所有权结构和交易代码在不同市场之间并非完全一致。交易背景在某种程度上更具可移植性，因为即使标签混乱，相对规模和聚类通常仍可重建。市场背景理论上是可移植的，但可能会引入当地微观结构怪癖。

这是不应过分强调内幕人士质量或市场背景的另一个原因。在跨市场数据集中，它们可能有用但脆弱。

监管机构视角与投资者视角

监管机构关注及时披露和市场诚信。投资者关注信息内容。这些目标相关但不完全相同。

一份符合披露规定的备案文件，在经济上可能仍然缺乏吸引力。反之，一笔虽小但异常的酌情交易，即使在合规团队看来是例行公事，也可能极具价值。因此，评分需要尊重法律结构，但又不能受其束缚。

什么会促使我们改变 30/35/25/10 的权重分配

权重应保持稳定，而非一成不变。

在某些情况下，我们会重新审视权重分配。

如果交易编码显著改善

如果数据供应商或内部解析器在区分不同司法管辖区内的自主交易和非自主交易方面有显著提升，信号质量可能值得获得更大的权重份额。更好的标签会增加该类别的价值。

如果内部人历史记录更丰富

如果我们能为不同发行人和职位的个体内部人建立更长、更清晰的纵向历史记录，内部人质量可能会提高。一个头衔是薄弱的。一个头衔加上有记录的、信息丰富的交易历史则强得多。

如果市场环境仅在特定时期占据主导地位

如果市场叠加层仅在压力时期被证明有用，我们可能会保持10%的基线，但引入基于市场状态的条件性调整，而不是永久性地增加该类别的权重。这将保持纪律性，同时承认状态依赖性。

如果消融实验显示更平坦的边界

假设几个相近的权重设置表现相似，且排名保持稳定。在这种情况下，我们可能会选择更简单或更具可解释性的分配方式，即使这会带来微小的统计学让步。模型是为了使用，而非欣赏。

良好评分的平淡美德

一个好的综合评分对于任何希望炼金术的人来说，都应该感到略微失望。

它不应需要二十个隐藏的交互作用。它不应在缺少一个字段时崩溃。它不应因为一只股票昨天上涨了3%就产生一个全新的前十名。它主要应奖励那些自主的、具有经济意义的、由相关内部人执行的、且不能被常规机制明显解释的申报文件。

这正是 30/35/25/10 权重分配所试图实现的目标。

这个评分并不是宣称某个类别是“真实的”而另一个是“次要的”。它是在不确定性下对边际贡献的陈述。交易背景之所以占据主导地位，是因为它最常将一份备案转化为一个信号。信号质量次之，因为垃圾理应被坚决清除。内部人质量固然重要，但其重要性低于头衔驱动的叙事所暗示的。市场背景有所帮助，但应知其定位。

下一步具体措施很简单：发布来自 162,000 份备案仓库的实时消融表，包含子周期划分和排名稳定性指标，然后观察 30/35/25/10 是否仍处于稳健的平台期，或者某个类别是否已悄然凭借旧声誉维系。

---

编辑注：本文撰写时未进行实时网络研究（本代次无法使用 Grok）。上述引用均为常青来源；数值数据取自我们截至 2026-05-17 的数据库快照。

Insiders Trades 回溯测试队列

我们对回溯测试数据的分析揭示了复合分数在广泛市场中表现的重要见解。在涵盖 17 个市场的 BUY 队列中，共有 220,691 笔已定价交易，平均 90 天回报率为 -1.70%，胜率为 41.82%。年化夏普比率为 -0.08，表明在此背景下缺乏风险调整后的回报。这与全球市场环境相符，全球市场显示 227,594 份 BUY 备案产生了相同的平均 90 天回报率 -1.70% 和夏普比率 -0.08。这些数据强调了通过当前复合分数权重实现正回报所面临的挑战，突显了策略开发中进一步完善的必要性。值得注意的是，这些发现基于大量的样本和 90 天的时间范围。

最后审阅 · 2026-05-18 · 作者 Simon Azoulay · 来源：SEC EDGAR、AMF BDIF 及其他 28 家监管机构。