4. 事件识别与样本选择
内幕交易研究的第一步不是建模，而是“把事件定义清楚”。如果事件边界模糊、样本区间随意、对照组不可比，后续的关联账户识别再精巧，也会建立在流沙之上。本节聚焦三个核心问题：什么算内幕交易事件、样本区间如何切分、对照组如何构造。
一、核心原理：事件研究的“三要素”
内幕交易事件研究本质上是一种“准自然实验”。要让它成立，必须同时满足三个要素：事件定义可操作、时间窗口有依据、对照组可比较。三者缺一不可。
- 事件定义可操作：不能只说“涉嫌内幕交易”，而要落到具体载体，如重大资产重组、业绩预增、高送转、控制权变更、重大合同、监管处罚公告等。
- 时间窗口有依据：窗口不是拍脑袋定的，要区分“信息形成期”“信息泄露期”“公告反应期”“事后追责期”。
- 对照组可比较：对照组要在行业、市值、板块、交易活跃度等维度与事件组接近，否则无法排除市场共同趋势。
关键判断：内幕交易事件的核心不是“公告日”，而是“重大未公开信息形成日”。公告日只是信息从非公开走向公开的临界点，真正的内幕交易往往发生在临界点之前。
二、方法流程：从事件识别到样本落地
建议按以下五步推进，每一步都留下可复核的记录。
- 事件池构建：从监管处罚、交易所问询、重大事项公告、媒体质疑中提取候选事件，形成原始事件池。
- 事件清洗：剔除信息已提前公开、无明确敏感期、无法确定首次披露时点的样本。
- 窗口划分：以首次披露日为T0，向前取信息形成期，向后取市场反应期，形成多段窗口。
- 对照组匹配：按行业、市值、上市板块、换手率等维度进行一对一或一对多匹配。
- 样本锁定：输出事件组与对照组清单，标注每只股票的窗口起止日与匹配依据。
窗口划分可参考如下参数化写法，便于在代码中复用：
event_window:
T0: 首次披露日
pre_window: [-60, -1] # 信息形成与泄露观察期
event_window: [0, +5] # 公告后短期反应
post_window: [+6, +30] # 事后修正与追责期
baseline: [-120, -61] # 估计期，用于计算正常收益
matching:
industry: 申万一级
size: 总市值±30%
board: 主板/创业板/科创板一致
liquidity: 换手率±50%
三、案例/场景：一次重组事件的全过程切片
假设某上市公司在3月15日公告重大资产重组。若直接把3月15日当作事件日，会漏掉真正的内幕交易高发段。更合理的切片是：
| 阶段 | 时间范围 | 研究意义 | 关联账户识别重点 |
|---|---|---|---|
| 信息形成期 | 1月20日—2月28日 | 重组意向形成、中介进场 | 异常开户、资金转入、首次买入 |
| 信息泄露期 | 3月1日—3月14日 | 知情人扩散、交易放量 | 多账户同步买入、IP/MAC重合 |
| 公告反应期 | 3月15日—3月20日 | 市场公开反应 | 利好兑现、反向卖出 |
| 事后追责期 | 3月21日—4月20日 | 监管问询、处罚落地 | 账户销户、资金撤离 |
这个切片的价值在于：它把“内幕交易”从单一日期还原为一条时间链。关联账户识别要重点盯住信息形成期和泄露期，而不是公告日当天。
四、误区与复盘：样本选择中最容易踩的坑
误区一：把公告日当唯一事件日。大量内幕交易发生在公告前，只看公告日会系统性低估异常交易。
误区二：对照组只按行业匹配。同一行业内，小市值高换手股票与大市值低换手股票的交易特征差异极大，必须叠加市值与流动性约束。
误区三：窗口重叠不处理。同一公司多次事件、同一集团多家公司事件，窗口可能重叠，需去重或合并处理。
复盘清单：
- 事件是否有明确的首次披露时点？
- 信息形成期是否可追溯到具体决策节点？
- 对照组是否在行业、市值、板块、流动性四个维度均可比？
- 估计期是否避开了事件窗口本身？
- 样本中是否存在停牌、涨跌停、ST等特殊状态需要剔除？
- 所有窗口参数是否在代码中统一配置、可复现？
把事件识别、窗口划分、对照组匹配三件事做扎实，后续的关联账户识别才有稳定的比较基准。样本选择不是预处理，而是研究设计本身。