第 29 章内幕交易

对应 Harris《Trading and Exchanges》第 29 章 Insider Trading，原书最后一章。作者从经济学角度讨论三件事：什么算内幕信息和内幕交易；它为什么难以发现和起诉；限制它的理由和反对理由。作者特别指出，最重要的问题涉及劳动经济学（经理人薪酬与激励）而非市场微观结构。原书写于 2002 年，法律和处罚此后有不少变化。本章在原书基础上补充了美国、中国内地和欧盟的现行法律要点，帮助读者理清边界；但法律问题复杂，具体情形应咨询律师，本书内容不构成法律意见。

学习目标

读完本章，你应当能够：

用经济学语言定义内幕信息（重大 + 非公开）和内幕交易，说清“消息无论经过几手都不失其性质”和盗用理论的含义。
说出美国规范公司内部人交易的主要工具：交易报告、短线利润归入、禁止做空、预先安排的交易计划、交易窗口、Reg FD；以及中国内地和欧盟的对应规定。
区分合法与违法的信息优势：分析师对公开信息的深入分析、“马赛克理论”、另类数据与专家网络的风险边界。
解释内幕交易为何难以发现和举证，理解“预期成本 = 被抓概率 × 处罚”的威慑逻辑，以及监察部门如何从价量异常中筛查可疑交易。
复述限制与允许内幕交易的主要论点及其反驳，特别是流动性论点、多个内部人竞争的论点、管理层薪酬替代论点和 Manne 的企业家激励论点。
用 Kyle 模型理解“内部人越多、相互竞争越激烈，信息进入价格越快、内部人总利润越少”。

读前导读

这一章在解决什么问题。 这一章你会觉得最熟悉：CFA 职业行为准则 II(A)“重大非公开信息”（Material Nonpublic Information, MNPI）你考过不止一次。CFA 的处理方式是给出行为规范——掌握 MNPI 时不得据此交易，也不得促使他人交易；同时给出合规工具：防火墙、限制名单、观察名单、马赛克理论。本章换了两个角度看同一件事。第一是法律角度：美国法院如何用“信义义务”和“盗用”两种理论划定违法边界，中国内地和欧盟如何用“知情人 + 直接禁止”的方式规定，处罚有多重。第二是经济学角度：内幕交易伤害了谁（流动性提供者和不知情交易者，即第 13、14 章的逆向选择）、为什么难查、到底该不该禁止。作者的观点有一定争议，他认为最重要的理由不是“公平”，而是公司治理：允许内幕交易会让管理层囤积信息、选择对自己有信息优势的项目、甚至抢跑公司自己的交易。读这一章时，请把 CFA 准则当作“行业自律的上限”，把法律当作“国家强制的底线”，两者并不完全重合（下文讲解框会具体比较）。

需要先想起来的数学。

回归斜率 = 协方差 / 方差：简单回归 \(y\) 对 \(x\) 的斜率是 \(\operatorname{Cov}(x,y)/\operatorname{Var}(x)\)，你在 CFA 二级见过。Kyle 模型里做市商的定价系数 \(\lambda=\operatorname{Cov}(v,y)/\operatorname{Var}(y)\) 就是“用订单流 \(y\) 预测价值 \(v\) 的回归斜率”。见第 00 册第 07 章概率中的分析工具（条件期望）。
二次函数求最大值（一阶条件）：\(f(x)=ax-bx^2\)（\(b>0\)）在导数 \(a-2bx=0\) 处取最大值，即 \(x=a/(2b)\)。例：\(f(x)=4x-x^2\) 在 \(x=2\) 时最大。Kyle 模型里每个内部人选择下单量，就是在解这样一个问题。见第 00 册第 02 章导数与泰勒展开。
条件方差 \(\operatorname{Var}(v\mid p)\)：看到价格 \(p\) 之后，你对价值 \(v\) 还剩多少不确定性。它越小，说明价格里包含的信息越多。正态分布下，\(\operatorname{Var}(v\mid y)=\operatorname{Var}(v)-\operatorname{Cov}(v,y)^2/\operatorname{Var}(y)\)，形式上就是“总方差减去回归能解释的部分”，与 \(R^2\) 的含义一致。
期望值与威慑：预期成本 \(=\) 概率 \(\times\) 损失，与信用风险的预期损失 \(EL=PD\times LGD\) 同一结构。
精确率与召回率：筛查规则标记出的案例中真正违规的比例叫精确率；所有违规案例中被标记出来的比例叫召回率。两者此消彼长，类似假设检验中第一类错误和第二类错误的权衡。

怎么读这一章。 必读 29.1（定义与三个经典案例）、29.3（三地法律边界，尤其 29.3.4 量化从业者的灰色地带）和 29.4（执法为什么难、威慑的经济学）。29.5 的正反争论是全章的思想核心，建议完整读一遍，重点看“流动性”的反驳一（多个内部人竞争）和“公司控制问题”。29.2 的美国内部人交易工具读一遍即可。量化实战代码 1 的 Kyle 推导是全章唯一的数学推导，配合下面的推导拆解可以完整读懂；代码 2 的监察筛查可以只看输出和解读。

29.1 什么是内幕信息和内幕交易

29.1.1 经济学定义

内幕交易（insider trading）是基于关于某工具价值的、未公开的重大信息（material information）进行的交易。多数内幕交易涉及公司管理者掌握的关于公司前景的私有信息，也可能涉及从其他来源不当获得的信息。

作者的经济学定义是：

内幕信息（inside information）：公众交易者无法获得的、关于证券价值的重大信息；
重大信息：若广为人知会导致价格变动的信息。

多数国家内幕交易违法，可处罚金或监禁，但执法很难，原书时点只有少数国家（主要是美国、加拿大、英国）定期且认真地执法。学习本章的理由有三：交易者必须识别内幕信息以免违法；必须理解内幕交易才能完整理解流动性；还必须理解它对经理人劳动力市场的影响，才能公正比较各国高管薪酬。

金融直觉：把作者的经济学定义与 CFA 准则 II(A) 对照，两者几乎一致：

重大性：CFA 的标准是“披露后很可能影响证券价格，或理性投资者在做投资决策时会想知道”。作者只取前半句（会导致价格变动）。CFA 还提示要看信息的具体程度、来源的可靠性和对价格影响的大小，例如 CEO 亲口说的“下季度订单翻倍”比街头传闻重大得多。

非公开：CFA 的标准是“尚未向市场普遍发布，投资者没有机会对其作出反应”。所以公司在电话会上只对少数分析师说的话仍是非公开的，一份新闻稿发出后几秒内抢先交易也可能有问题。需要注意的差别：CFA 准则 II(A) 不要求“违反信义义务”这个法律要件，只要你掌握 MNPI 就不得据此交易或促使他人交易，不论信息怎么得来。这比美国判例法更严格，更接近中国内地和欧盟的“持有即禁止”思路。按 CFA 准则 I(A)，法律与准则冲突时遵守更严格者，所以持证人在美国也应按 CFA 标准行事。

29.1.2 消息的传递不改变其性质

在禁止内幕交易的地方，信息公开之前任何人都不能据此交易：公司管理者不能，他们的朋友不能，朋友的朋友也不能。内幕信息无论经过多少人传递都保持其性质——你的理发师从另一位客户那里听来、而那位客户从公司内部人那里听来的消息，你也不能据此交易。只有通过广泛发布的新闻稿或公开备案向公众公开后，信息才失去特殊地位。

非直接来自管理层的信息也可能是内幕信息。例如财经印刷厂印刷收购要约文件时，印刷工看到内容后打电话让朋友买入目标公司，朋友就在进行内幕交易。因此管理者必须控制重大信息的传播：要么保密，要么广泛发布；向业务伙伴披露时须签保密协议。

两条重要的边界：

分析师通过仔细分析公开信息得到的有价值的私有判断不是内幕信息；
一般而言，交易者不得基于不公平获得的信息交易，尤其不得从盗用（misappropriating）信息中获利：提前知道政府即将发布的经济报告内容的人不能在发布前交易；不当获得知名分析师报告的人不能在报告发布前据此交易。

SEC 的定义。“内幕交易”一般指违反信义义务或其他信任与保密关系，在掌握关于某证券的重大非公开信息时买卖该证券；违规还包括透露消息（tipping）、被透露者（tippee）的交易，以及盗用此类信息者的交易。SEC 起诉过的人包括：获知重大机密进展后交易本公司证券的高管、董事和员工；他们的朋友、业务伙伴、家人；为公司提供服务而获得信息的律所、银行、券商和印刷公司员工；因工作获知信息的政府雇员；从雇主处盗用机密信息的其他人。

29.1.3 三个经典案例

Texas Gulf Sulphur。1963 年底该公司在加拿大安大略发现极有价值的铜、锌、银矿藏。高管、董事、员工及其朋友在消息公开前买入公司股票和看涨期权，股价从 \(17\tfrac{3}{8}\) 美元涨到 \(29\tfrac{3}{8}\) 美元。公司 1964 年 4 月 12 日发布声明，称钻探“尚无定论”、关于发现的传闻“为时过早且可能误导”；四天后的 4 月 16 日宣布重大发现，股价随后涨到 71 美元。SEC 以内幕交易和蓄意误导公众起诉多名董事、管理者和员工并胜诉。这个案例确立了“内部人要么披露、要么放弃交易”（disclose or abstain）的原则。

印刷工 Vincent Chiarella。1975–1976 年他在财经印刷厂 Pandick Press 排版室工作，经手五份收购要约公告。文件送达时收购方和目标公司名称以空白或假名替代，他从其他信息推断出目标公司，买入后在收购公开时卖出，14 个月获利 3 万多美元。1977 年他与 SEC 签同意令退还利润，当天被解雇；后被判违反《1934 年证券交易法》第 10(b) 条和 SEC Rule 10b-5 共 17 项罪名。1980 年美国最高法院推翻定罪，理由是他对交易对手（目标公司的股东）没有信义义务，因此没有披露义务。作者指出此后法律已变，若现在审判，他会因盗用信息被定罪。

“华尔街见闻”专栏作者 R. Foster Winans。1982–1984 年 Winans 是《华尔街日报》“Heard on the Street”专栏的作者之一，被提及的股票常在专栏发表后变动。1983 年 10 月至 1984 年 3 月他与 Kidder Peabody 的经纪人 Brant 和 Felis 合谋，提前透露即将发表的专栏内容，二人获利 60 万美元，Winans 得 3.1 万美元，被 SEC 一位细心的调查员从交易模式中识破。Winans 辩称专栏不含所涉公司的内幕信息，但他违反了报社的保密政策，1985 年被判 59 项证券欺诈和合谋罪，依据的正是盗用理论（misappropriation doctrine）：信息虽不来自公司，但他盗用了雇主（报社）的机密信息。Winans 判 18 个月监禁、罚款 1 万美元；Felis 判 6 个月；与检方合作的 Brant 判 8 个月；三人都交出了利润。

Regulation FD：崇高的理由与卑下的解释。2000 年秋 SEC 通过公平披露规则（Reg FD）：发行人向市场专业人士或股东披露重大非公开信息时，若是有意披露须同时公开，若是无意披露须及时公开。此前公司常先把重大信息告诉分析师，分析师及其客户据此交易。分析师坚决反对，理由是不能私下追问管理层会降低报告的信息量；作者指出，他们反对无疑也因为该规则取消了他们享有的特权。

29.2 公司内部人的交易

公司内部人（corporate insiders）包括高管、董事、大股东、关键员工，以及参与会对公司价值产生重大影响的活动的任何人。内部人可以交易本公司股票，但不能基于非公开重大信息交易——而很难想象管理者的交易决策不受其掌握的机密信息影响。所以各国用一组工具来管理内部人交易（以下为原书所述美国制度，括号内为后续变化）：

交易报告：内部人须向 SEC 报告交易。原书时点，首次买入在 10 天内报告，此后的买卖在交易次月的前 10 天内报告；失去内部人身份后 6 个月内仍须报告。研究普遍表明内部人对公司长期前景很了解，所以许多交易者密切跟踪内部人交易报告。（2002 年《萨班斯—奥克斯利法案》将报告期限缩短为交易后 2 个工作日，即今天的 Form 4。）
预先安排的交易计划：管理者经常掌握非公开重大信息，其所有交易都可能被视为内幕交易。SEC 允许内部人在不掌握重大非公开信息时事先建立交易计划，此后即使掌握了此类信息也可按计划交易，以此作为抗辩（即 Rule 10b5-1 计划）。原书指出，有趣的是内部人当时无须披露这些计划。（2022 年 12 月 SEC 修订规则：董事和高管建立或修改计划后须经过冷静期才能开始交易——90 天或下一份季报/年报披露后 2 个工作日中较晚者，最长 120 天；并要求公司披露董事高管计划的采用和终止。）
短线利润归入：内部人须把 6 个月内买入又卖出（或卖出又买入）所获利润归还公司，即《1934 年证券交易法》第 16(b) 条。这条规则不问是否利用了内幕信息，机械适用。
禁止做空：多数内幕交易法限制内部人做空本公司股票，确保他们不会从所管理公司的糟糕表现中获益。
公司内部规定：有些公司要求员工交易前须获批准；有些只允许在特定交易窗口交易，通常是季度盈利公告后的一周或几周，以降低利用重大非公开信息交易的可能和观感。

29.3 法律边界：美国、中国内地与欧盟

先给结论：各地法律的核心都是“重大 + 非公开 + 不当获取或违反义务”，差别在于责任基础（美国以信义义务和欺诈理论为基础，中国内地和欧盟以“知情人/获取者 + 禁止利用”的直接禁止为基础）和处罚力度。下面的要点只写有把握的部分，用于建立框架，不能代替法律意见。

29.3.1 美国：以反欺诈条款为核心

美国没有一部专门给内幕交易下定义的成文法，主要依据《1934 年证券交易法》第 10(b) 条和 SEC Rule 10b-5 的反欺诈条款，由判例逐步形成以下理论：

理论	要点	代表案例
古典理论（classical theory）	公司内部人（及临时内部人，如律师、投行）对公司股东负有信义义务，掌握重大非公开信息时须“披露或放弃交易”	Texas Gulf Sulphur（1968）；Chiarella（1980）划定了边界：无义务者不负责任
盗用理论（misappropriation theory）	违反对信息来源（雇主、客户等）的保密义务，盗用信息进行交易，即构成欺诈	Winans 案（Carpenter v. United States，1987，最高法院对证券欺诈罪名意见四比四持平，维持邮件和电信欺诈定罪）；United States v. O'Hagan（1997）最高法院正式认可盗用理论
透露者 / 被透露者责任	被透露者的责任来自透露者违反义务；透露者须从透露中获得“个人利益”，赠与亲友也算	Dirks v. SEC（1983）；Salman v. United States（2016）
要约收购特别规则	Rule 14e-3：知悉要约收购的重大非公开信息者不得交易，不要求证明违反信义义务	SEC 1980 年在 Chiarella 案后制定

其他相关规定：第 16(b) 条短线利润归入；Reg FD（2000）；Rule 10b5-1 计划（2000 年制定、2022 年修订）。

白话解释：古典理论与盗用理论的区别在于“你背叛了谁”。

古典理论：你背叛的是交易对手。公司董事对公司股东负有信义义务，他用内幕信息从股东手里低价买入股票，相当于受托人利用委托人，这是欺诈。

盗用理论：你背叛的是信息来源。O'Hagan 是律所合伙人，律所代表的是收购方，他买入的是目标公司股票，与目标公司股东之间毫无义务关系，按古典理论他不负责任（这正是 Chiarella 当年胜诉的逻辑）。但他偷用了律所和客户托付的机密，等于“挪用”了别人的财产去交易，这同样被认定为与证券交易相关的欺诈。两种理论合起来，覆盖了“公司内部人”和“因工作接触信息的外部人”这两大类人。仍然留下的空白是：既不对交易对手、也不对信息来源负有义务的人，例如在公共场所偶然听到对话的陌生人。这类人在美国一般不构成内幕交易，在中国内地和欧盟则可能落入“非法获取”或“持有即禁止”的范围，按 CFA 准则也不应交易。

处罚。原书时点（2002 年）最高刑事处罚为 10 年监禁和 100 万美元罚金，最高民事罚款为所获利润或所避免损失的 3 倍。同年《萨班斯—奥克斯利法案》把《证券交易法》违法行为的个人最高刑罚提高到 20 年监禁和 500 万美元罚金。原书提到 SEC 可把内幕交易民事罚款的最多 10% 作为赏金奖励举报人；2010 年《多德—弗兰克法案》建立了更一般的举报人计划，对导致超过 100 万美元制裁的原创信息，奖励制裁金额的 10%–30%。

29.3.2 中国内地：直接禁止 + 行政与刑事责任

定义：《证券法》（2019 年修订）规定，证券交易活动中涉及发行人的经营、财务或者对该发行人证券的市场价格有重大影响的尚未公开的信息，为内幕信息；并列举了内幕信息知情人的范围（发行人及其董监高、控股股东和实际控制人及其相关人员、因职务或业务往来可获取信息的中介机构人员、监管人员等）。
禁止行为：证券交易内幕信息的知情人和非法获取内幕信息的人，在内幕信息公开前，不得买卖该公司的证券，或者泄露该信息，或者建议他人买卖该证券。内幕交易给投资者造成损失的，应当依法承担赔偿责任。
行政处罚：没收违法所得，并处以违法所得一倍以上十倍以下的罚款；没有违法所得或者违法所得不足五十万元的，处以五十万元以上五百万元以下的罚款。
短线交易：上市公司持股 5% 以上的股东、董事、监事、高级管理人员，将其持有的本公司股票在买入后六个月内卖出，或者在卖出后六个月内又买入，由此所得收益归公司所有。与美国第 16(b) 条思路相同，不问是否利用了内幕信息。
刑事责任：《刑法》第 180 条规定内幕交易、泄露内幕信息罪，情节严重的处五年以下有期徒刑或者拘役，并处或者单处违法所得一倍以上五倍以下罚金；情节特别严重的处五年以上十年以下有期徒刑。2009 年《刑法修正案（七）》增设利用未公开信息交易罪，针对基金经理、证券从业人员利用职务便利获取的内幕信息以外的未公开信息（如所管理基金的交易信息）进行交易，俗称“老鼠仓”。
配套制度：上市公司须登记内幕信息知情人名单；董监高在定期报告公告前等“窗口期”内不得买卖本公司股票（具体天数以证监会和交易所现行规则为准），减持须按规定预先披露。

29.3.3 欧盟：市场滥用条例

欧盟《市场滥用条例》（MAR，2016 年起适用）把内幕信息定义为：具体的（precise）、尚未公开的、直接或间接与发行人或金融工具相关、一旦公开可能对价格产生显著影响的信息；禁止内幕交易、建议或诱导他人内幕交易，以及非法披露内幕信息。担任管理职责的人员（PDMR）须申报本人交易，并在中期报告或年度报告公布前 30 个日历日的禁售期（closed period）内不得交易。

29.3.4 量化从业者需要注意的灰色地带

马赛克理论（mosaic theory）：把公开信息与本身不重大的非公开信息拼在一起，得出重大结论，通常被认为是合法的研究（这也是 CFA 协会职业准则采用的说法）。关键在于每一块拼图本身不是重大非公开信息。
另类数据：卫星图像、网页抓取、信用卡汇总数据等本身一般是合法的研究素材，风险在于获取方式——若数据来自违反保密协议、违反网站使用条款或个人隐私法规的渠道，或实质上是某公司的重大非公开信息（例如由公司员工私下提供的未公布销售数据），就可能触及盗用和被透露者责任。
专家网络：通过“专家”访谈获取行业信息是常见做法，但若专家泄露其任职或服务公司的重大非公开信息，交易者可能承担被透露者责任。2009–2013 年美国 Galleon 基金案（创始人 Raj Rajaratnam 2011 年被判 11 年监禁）和 SAC Capital 案（2013 年认罪并支付约 18 亿美元）都与此有关。
公告前频繁建仓：即使信号完全来自合法模型，若策略系统性地在公告前建仓，也可能触发交易所和券商的监察系统。保留完整的研究和信号生成记录，是事后证明“信息来自独立分析”（下文 Spencer 专栏的情形 B）的关键。
客户订单信息：利用客户订单信息抢先交易（front running）在法律上通常不归入内幕交易，但同样违法；在中国内地，基金从业人员利用所管理产品的交易信息交易，构成利用未公开信息交易罪。

金融直觉：这份清单可以直接对应到 CFA 准则 II(A) 的“推荐合规程序”。

马赛克理论：CFA 的例子是分析师把公开的行业数据、对供应商的访谈（只问非重大事项）和自己的财务模型拼起来，得出“某公司下季度会超预期”的结论，这是合法且被鼓励的研究。准则还建议保存拼图过程的记录，以便事后证明结论来自分析而非泄密，这正是本节最后一条的意思。

防火墙（information barrier）：投行部门与研究、交易部门物理和系统隔离，跨墙沟通须经合规部门批准并留痕。

观察名单（watch list）与限制名单（restricted list）：公司掌握某发行人的 MNPI 时，先把它放进只有合规部门知道的观察名单，监控员工和自营交易；交易公开后若仍需避嫌，再放入公开的限制名单，禁止交易和发布研究。

个人交易管理：员工个人账户预先审批、持有期要求、券商对账单报送。对量化机构，这些程序要延伸到数据层面：新数据源上线前做合规尽调（数据怎么来、提供方是否有权出售、是否含个人信息），专家访谈有合规人员旁听或录音，模型和数据有版本记录。

29.4 执法：为什么难

执法困难的根源是：内部人很少亲自交易，而是把信息给代其交易的同伙，所以很难识别谁在利用内幕信息。

发现。多数案件由交易所官员发现。交易所的市场监察部门寻找可疑事件，通常是放量的大幅价格变动；发现异常后先看是否有公开信息可解释，找不到就询问上市公司是否知道可能导致价格变动的信息。若公司即将或随后不久发布了消息，就会怀疑内幕交易。一般而言，重大意外消息发布前出现的放量大幅价格变动，常表明内部人或其同伙在交易。

调查。调查员列出两份名单：所有知道内幕信息的人；所有因该信息最终披露而获益的股票、期权或债券交易者。同时出现在两份名单上的人可能有罪，但这样的人很少。调查员必须设法找出第一份名单上的人如何认识第二份名单上的人。有时会发现极不寻常的交易——比如一名园丁大量买入某证券，随后该证券被高溢价收购；若他从未交易过，或头寸占其财富很大比例，就非常可疑，常能由此倒推出信息源。检察官常给信息链最末端的交易者豁免以换取证词——他们可能根本不知道自己在利用内幕信息，本来就难以定罪，但他们的合作有助于对更接近信息源的人立案。

分隔度（degrees of separation）。调查员用能访问大型关联姓名数据库的程序确定知情者与受益者之间的“分隔度”：地址数据库（现任和前任邻居）、电子邮件数据库（同事）、大学年鉴（同学、队友）、人口登记记录（亲属、姻亲）、直销公司数据库（爱好、宗教）；政府还可访问兵役和就业记录等机密数据库。

案例：Colt Industries。1986 年 7 月 20 日 Colt 宣布通过回购大部分流通股进行资本重组，次日股价涨近 30 美元。律师 Israel Grossman 显然是从与他共用秘书的律所同事那里得知了消息（该律所 7 月 9 日受聘代表 Colt 养老金计划受托人，他本人并未参与此案）。7 月 11–18 日他打电话给 40 个亲友，他们共买入 1,400 份深度虚值期权，花费 3.8 万美元，公告后价值 150 万美元——约 40 倍。费城证交所的监察部门发现了这些交易；调查员在地图上用图钉标出每个买家的住所，发现他们都住在布鲁克林相距几个街区之内。Grossman 被判 38 项邮件欺诈和证券欺诈罪，入狱两年、罚款 2.5 万美元。深度虚值期权杠杆极高，正是内幕交易者偏爱、也是监察系统重点盯防的工具。

举证困难。没有关于如何获得内幕信息的明确证据，很难证明交易者基于内幕信息交易。老练的投机者会声称完全通过对公开数据的深入分析获得判断；若内幕信息涉及管理层基于某种计算做出的决策，投机者常能可信地声称自己独立做出了同样的计算；交易时机太完美时，就归于运气。

“内幕信息、高明投机还是好建议？” 投机者 Spencer 在 XYZ 宣布以高溢价收购 ABC 之前买入 ABC，他与 ABC 的 CEO Charles 是密友。可能的真相：

A. Charles 告诉了他——内幕交易；
B. 他通过对公开信息完全独立的分析得出 ABC 是好的收购目标，事件证明他对了；
C. 同 B，买入后他还向 Charles 解释为什么这笔收购合理，Charles 同意并很快促成了交易；
D. 实际是 A，但被指控时他声称是 B。

若 D 为真，政府该如何证明？这个专栏说明了举证的根本困难，也说明了 29.3.4 节“保留研究记录”的意义。

非离散事件的信息几乎无法查处。若信息不是以离散事件形式披露——例如管理层认识到基础研究远比预期成功，但为了不让竞争对手追赶，几个月甚至几年都不披露——仅从价格和成交量几乎不可能发现利用此类信息的内部人。唯一例外是许多内部人同时交易、导致价格大幅变动时。

处罚的经济学。理性的违法者在预期收益大于预期成本时违法：

\text{内幕交易的预期成本}=P(\text{被抓})\times\text{处罚}.

被抓概率低时，处罚必须很重，否则预期成本很小。若被抓概率只有 5%，处罚要达到收益的 20 倍才能让预期成本不低于收益。典型处罚包括交出（disgorgement）全部利润，通常还有罚款，极少数入狱；越接近信息源处罚越重，不知来源而依消息获利的交易者很少受重罚。

金融直觉：把它写成违法者的“净期望收益”更清楚：\(G-P\times F\)，其中 \(G\) 是获利、\(P\) 是被抓概率、\(F\) 是被抓后的总损失。只要 \(P\times F<G\)，理性的违法者就会冒险。注意“交出利润”本身没有威慑力：被抓时只是把 \(G\) 还回去，相当于 \(F=G\)，净期望收益为 \(G-PG=(1-P)G>0\)。所以必须在交出利润之外加罚，罚款倍数至少要达到 \(1/P-1\)。这与信用风险里“预期损失 \(=PD\times LGD\)”的结构一样：违约概率很低时，即使违约损失很大，预期损失也可能很小。监管者能调的只有两个旋钮：提高 \(P\)（监察系统、举报奖励）和提高 \(F\)（罚款倍数、刑期、职业禁入）。

29.5 限制还是允许：一场经济学争论

作者用“论点—反驳—再反驳”的结构梳理正反观点。

29.5.1 为什么限制内幕交易

（1）公平与资本成本。最常见的理由是公众的公平感：内部人凭借他人没有的关系获利让人不安；交易者回避他们认为不公平的市场。限制内幕交易能提高投资者信心，增加投入股市的资金、推高价格，从而降低公司资本成本。

反驳：若限制对上市公司有利，公司自己会把限制写进员工合同（许多公司确实如此），不需要政府监管。
再反驳：限制主要惠及需要融资的公司；公司董事不太可能制定并执行限制自己的规则；内幕交易难以发现，有效限制需要政府执法。

（2）流动性。内幕交易像所有知情交易一样伤害流动性提供者，扩大交易商的买卖价差，提高不知情市价单交易者的成本（第 13、14 章的逆向选择）。它也伤害不知情的限价单交易者：与内部人成交时亏损；想与内部人同方向交易时，订单常因与内部人竞争而不能成交——成交了就后悔，没成交又希望成交了。这也是零和会计的推论：知情者赚得越多，不知情者亏得越多；有效限制内幕交易降低了不知情者的交易成本。

反驳一：内部人之间的竞争。内幕交易是否损害流动性取决于内部人怎么交易。只有一个人知道、且公司不会很快公布时，反对论点最有力：他会缓慢、不显眼地交易以获取最大价值（类似 Kyle 模型中的垄断知情者）。若许多内部人同时得知，每个人都必须抢先交易，否则机会会被别人耗尽；所有内部人同时交易时，交易商会怀疑有消息，价格迅速调整，某些市场甚至因订单失衡而停牌——价格在很少的成交量下就调整到位了。多个内部人竞争会迅速暴露信息，总利润少于串通慢慢交易时。 而把内幕交易定为非法，反而迫使内部人缓慢、不显眼地交易以免被起诉，起诉威胁给了他们串通的强烈动机；不限制时，串通协议极难执行，因为每个人都可以违约而无起诉之虞。（本章量化实战用 Kyle 模型的多内部人版本定量验证这一点。）
再反驳：第 12 章表明，若价格对失衡订单流的调整速度取决于其构成，虚张声势者就能赚钱。若慢慢交易能比快速交易获得更多流动性，虚张声势者会像知情者那样先快速交易，再慢慢退出。
反驳二：管理层薪酬的替代。管理者的报酬包括直接薪酬（工资、奖金、期权、福利）和间接报酬（声望、权力，以及在某些地方利用内幕信息交易的机会）。高管人才市场竞争激烈，间接报酬可以替代直接薪酬，其他不变时禁止内幕交易就必须付更高的直接薪酬。允许内幕交易时，公司直接薪酬较低、报告盈利较高，估值上升会被内幕交易的非流动性效应抵消。若无其他问题，允许内幕交易只是把薪酬费用从公司转给股东（以交易亏损的形式），股东作为整体应该无所谓。这一结论忽略了税收差异和管理者的风险厌恶；而且从直接薪酬转向内幕交易薪酬会使长期投资者受益、高频交易者受损，因为交易最频繁的人向知情者亏得最多。
再反驳：“股东作为整体无所谓”假设内幕交易不引起其他问题，下面就是这些问题。

CEO 薪酬的国际比较。不考虑内部人能否利用内幕信息交易，就无法合理比较各国高管薪酬。作者认为这有助于解释为什么美国公司付给 CEO 的薪水高于日本或德国公司——美国对内幕交易的限制有效得多。

（3）公司控制问题。作者认为这个最不被认识的理由可能最重要：内幕交易规则帮助经理人劳动力市场有效运作，防止管理者滥用职权。

不受限制的内幕交易会让内部人不愿分享信息：自由分享信息的管理者会失去知情交易者的优势，于是董事和股东对公司了解更少，更难评估和控制管理者，也更难为投资估值。
管理者可能按项目能带来多少信息优势而不是净收益来选择投资项目。
管理者可能抢跑公司自身的交易：公司回购、增发、收购或买卖大宗商品时都在交易，抢跑会恶化公司的成交价格，直接稀释股东价值。

金融直觉：这三条都是 CFA 公司治理和代理问题部分的老话题，只是这里的“私人收益”换成了交易利润。第一条类似“信息不对称加剧代理成本”：董事会只能根据管理层愿意提供的信息来监督，管理层若能靠信息差赚钱，就有动机少报、晚报。第二条类似“帝国建造”的变体：管理层按自己的私人收益而不是 NPV 选项目，只不过私人收益来自交易而非规模。第三条最直接：公司宣布回购前，高管先买入；公司实施回购时，高管再卖给公司，这和第 25 章券商抢跑客户订单是同一种行为，受害者从客户换成了股东。

29.5.2 为什么允许内幕交易

（1）信息性价格。内部人是消息灵通的交易者，其交易把价格推向基本面价值；限制他们会降低价格的信息性，而信息性价格对资源配置至关重要。

反驳：更早得到信息性价格的价值取决于若内部人不交易，价格要多久才能反映新信息。实际中，对公司不会很快披露的信息几乎无法有效执法，所以限制只对即将公开的信息有效，提前一两天的信息性价格价值不大；而且只影响短期决策的信息，人们事后也能修正。更重要的是，不受限制的内幕交易会削弱管理者分享信息的动机，实际上可能降低价格中的信息。

（2）执法成本与选择性执法。内幕交易法极难执行，被抓概率普遍很低，任何合理的惩罚都无法阻止不道德的人；有效执法的成本可能接近甚至超过其经济价值。法律经常被违反而无后果时，对权威的尊重会受损；还会导致选择性执法——许多人违法而只有少数人被起诉时，当局拥有巨大的选择权，可能极不公平。

反驳：执行不力的法律与没有法律大不相同。在尊重法律的社会，多数人仅因道德就会遵守，守法程度远高于威慑模型的预期。
再反驳：人们尊重法律很大程度上是因为法律得到执行；执法减少、违法增加时，尊重终会下降。

作者在这里加了一个禁毒战争的类比专栏：许多人认为禁毒法无法有效执行；毒品交易利润丰厚正因为它违法——供给受限使价格远高于应有水平，毒贩能形成地盘垄断；高价又导致大量盗窃抢劫，并让吸毒者为维持嗜好而成为发展新客户的毒贩；毒贩的巨额财富腐蚀司法系统。作者说限制内幕交易幸好没有这样的负面效果，但许多人认为两者在本质上有共同点。

（3）企业家激励（Henry Manne）。Manne 认为内幕交易给管理者从事企业家活动的激励：有好点子的员工可以在点子成为公共知识前买入本公司股票，在股价反映点子价值时卖出，相当于“买下公司的一小部分”来获得点子的回报。它的独特之处在于亏损风险：只有坚信公司会跑赢市场的员工才会选择这种“薪酬”，股东最想留住的正是这些人；股东无须逐一评估每个声称有好点子的人，员工自我选择。股票期权也能鼓励企业家精神，但若发给所有人就是在白送价值；当员工可以在工资和期权之间选择时，期权最有效，此时员工本质上是在用工资购买期权的内幕交易者。

反驳：企业家点子需要很长时间才能见效。有效的激励必须在成功时奖励、失败时惩罚，所以内部人须在知道结果之前建立头寸；若能在得知成功之后再交易，失败时不受惩罚，反而鼓励过度冒险。因此监管应阻止内部人利用即将公开的短期信息（意外的财报、重大研究进展或失败）交易，而允许他们在做出企业家决策之前建立长期头寸。这说明美国对短线内幕交易利润的限制是合理的。另外，必须区分多头和空头：若内部人能建立本公司净空头，他们会想毁灭价值，而毁灭价值总比创造价值容易，所以几乎所有监管机构都禁止管理者做空本公司股票。

金融直觉：“先看结果再交易”等于免费拿到一张期权。员工在项目开始前用工资买入公司股票，项目失败他就亏钱，这是真正承担风险的激励，像是用自己的钱认购了一份看涨收益。若允许他在项目结果揭晓后才交易，他的收益就变成 \(\max(\text{成功的收益},0)\)：成功就买入赚钱，失败就不交易、什么也不损失。期权价值随波动率上升，所以持有这种免费期权的人会偏好高风险项目，这与 CFA 里讨论的“高管股票期权诱发过度冒险”是同一个机理。

29.5.3 作者的结论

监管者限制内幕交易，是为了把一类知情交易者赶出市场，以期让交易更公平、保护流动性提供者以便他们向不知情者提供更多流动性，并控制公司管理者。这些法律收窄了买卖价差，但短期内使价格信息性下降。虽然有一些好论据认为内幕交易法既不必要也不可取，但这些法律很受欢迎，近期被废除的可能性很小；更值得关注的问题是监管者应该花多少钱来执行它们。

量化实战

一、本章在量化交易中的用处

内部人交易因子。美国的 Form 4、A 股的董监高和大股东增减持公告，是经典的另类数据。本章解释了信号的来源（内部人了解长期前景）和噪声来源：10b5-1 计划内的交易、窗口期限制、短线归入规则使内部人倾向长期持有、卖出常出于分散化和流动性需求。构造信号时应区分计划内与主动交易、买入与卖出（买入的信息含量通常更高）、高管与一般大股东、交易规模相对其持股与薪酬的比例。
事件研究的样本划分。Reg FD（2000）改变了美国公司的信息披露结构，涉及分析师预测和公告效应的回测应区分前后样本；A 股的信息披露制度也多次修订。
公告前漂移与期权市场先行。重大消息前的价格漂移和期权异常（如 Colt 案中的深度虚值期权）是公开数据可观测的现象；研究它们是合法的，但要意识到其中一部分来自违法交易，这部分“信号”会随执法加强而衰减。
合规框架。29.3.4 节的灰色地带清单应纳入量化机构的数据采购和研究流程：数据来源尽调、专家访谈规范、研究记录留痕、限制名单（restricted list）、员工个人交易管理。

二、代码 1：多个内部人竞争——Kyle 模型的 N 人版本

单期 Kyle 模型：资产价值 \(v\sim N(p_0,\sigma_v^2)\)，噪声交易 \(u\sim N(0,\sigma_u^2)\)。\(N\) 个内部人都知道 \(v\)，各自下单 \(x_i=\beta(v-p_0)\)；做市商看到总订单流 \(y=\sum x_i+u\)，按 \(p=p_0+\lambda y\) 定价并保持零利润。

推导。内部人 \(i\) 给定其他人的策略，最大化 \(E[(v-p)x_i]=x_i\big(v-p_0-\lambda(x_i+(N-1)\beta(v-p_0))\big)\)，一阶条件给出 \(x_i=\dfrac{1-\lambda(N-1)\beta}{2\lambda}(v-p_0)\)。对称均衡要求系数等于 \(\beta\)，得 \(\beta=\dfrac{1}{\lambda(N+1)}\)。做市商有效定价要求 \(\lambda=\dfrac{\operatorname{Cov}(v,y)}{\operatorname{Var}(y)}=\dfrac{N\beta\sigma_v^2}{N^2\beta^2\sigma_v^2+\sigma_u^2}\)。联立解得

\lambda=\frac{\sqrt{N}\,\sigma_v}{(N+1)\,\sigma_u},\qquad \beta=\frac{\sigma_u}{\sqrt{N}\,\sigma_v},\qquad \operatorname{Var}(v\mid p)=\frac{\sigma_v^2}{N+1},\qquad E[\text{内部人总利润}]=\frac{\sqrt{N}\,\sigma_v\sigma_u}{N+1}.

\(N=1\) 时回到 Kyle（1985）的经典结果 \(\lambda=\sigma_v/(2\sigma_u)\)、利润 \(\sigma_v\sigma_u/2\)。内部人总利润等于噪声交易者的总损失（做市商零利润）。

推导拆解：把上面压缩的推导拆成五步，记 \(d=v-p_0\)（内部人知道的“价值偏离”），\(E\) 表示期望。

内部人 \(i\) 的目标：他买入 \(x_i\)，成交价 \(p=p_0+\lambda(x_i+\sum_{j\ne i}x_j+u)\)，利润 \((v-p)x_i\)。他知道 \(v\)，把其他人的下单当作 \((N-1)\beta d\)，噪声 \(u\) 的期望为 0，所以期望利润为 \(x_i\big(d-\lambda x_i-\lambda(N-1)\beta d\big)\)。这是关于 \(x_i\) 的二次函数，开口向下。

一阶条件：对 \(x_i\) 求导并令其为 0：\(d-2\lambda x_i-\lambda(N-1)\beta d=0\)，解出 \(x_i=\dfrac{1-\lambda(N-1)\beta}{2\lambda}d\)。分子里的 \(-\lambda(N-1)\beta\) 是“别人也在买，价格已经被推高了一部分”，所以自己买得更少。

对称均衡：所有内部人相同，所以 \(x_i\) 的系数必须等于 \(\beta\)：\(\beta=\dfrac{1-\lambda(N-1)\beta}{2\lambda}\)。两边乘 \(2\lambda\) 并整理：\(2\lambda\beta+\lambda(N-1)\beta=1\)，即 \(\lambda\beta(N+1)=1\)。

做市商定价：做市商零利润，意味着价格等于给定订单流时价值的条件期望 \(p=E[v\mid y]\)。正态分布下条件期望是线性的，斜率就是回归系数 \(\lambda=\operatorname{Cov}(v,y)/\operatorname{Var}(y)\)。总订单流 \(y=N\beta d+u\)，所以 \(\operatorname{Cov}(v,y)=N\beta\sigma_v^2\)，\(\operatorname{Var}(y)=N^2\beta^2\sigma_v^2+\sigma_u^2\)。

联立求解：把第 3 步的 \(\lambda\beta=\frac{1}{N+1}\) 代入第 4 步，整理后得 \(\lambda^2=\dfrac{N\sigma_v^2}{(N+1)^2\sigma_u^2}\)，开方即 \(\lambda\)；再由 \(\beta=\frac{1}{\lambda(N+1)}\) 得 \(\beta\)。剩余方差 \(\operatorname{Var}(v\mid y)=\sigma_v^2-\lambda\cdot N\beta\sigma_v^2=\sigma_v^2\big(1-\frac{N}{N+1}\big)=\frac{\sigma_v^2}{N+1}\)。总利润 \(E[(v-p)\cdot N\beta d]=N\beta\sigma_v^2(1-\lambda N\beta)=\frac{N\beta\sigma_v^2}{N+1}\)，代入 \(\beta\) 即得表中结果。读法：\(N=1\) 时价格只吸收一半信息，因为垄断内部人故意少交易、把信息“藏”在噪声里慢慢赚；\(N\) 增大，每个人都怕被别人抢先，合计交易更激进，信息被更多地压进价格。这与寡头竞争（Cournot）里“厂商越多、总产量越接近完全竞争水平”是同一个道理。

import numpy as np
import pandas as pd

# 单期 Kyle 模型的 N 个同质内部人（Cournot 竞争）解析解
# v ~ N(p0, sv^2)，噪声交易 u ~ N(0, su^2)；每个内部人下单 x_i = beta (v - p0)
# 做市商定价 p = p0 + lam * (sum x_i + u)
sv, su, p0 = 1.0, 2.0, 0.0      # 价值标准差 1，噪声交易标准差 2

def kyle(N):
    lam = np.sqrt(N) * sv / ((N + 1) * su)
    beta = su / (np.sqrt(N) * sv)
    profit_total = np.sqrt(N) * sv * su / (N + 1)        # 内部人总期望利润 = 噪声交易者总期望损失
    post_var = sv**2 / (N + 1)                            # 交易后价格未反映的信息 Var(v|p)
    return lam, beta, profit_total, post_var

rng = np.random.default_rng(29)
n = 400_000
rows = []
for N in [1, 2, 4, 8, 16]:
    lam, beta, prof, pv = kyle(N)
    v = rng.normal(p0, sv, n); u = rng.normal(0, su, n)
    X = N * beta * (v - p0)
    p = p0 + lam * (X + u)
    rows.append({"内部人数N": N, "价格冲击λ": round(lam, 3),
                 "内部人总利润(理论)": round(prof, 3),
                 "内部人总利润(模拟)": round(np.mean((v - p) * X), 3),
                 "Var(v|p)/σv²(理论)": round(pv / sv**2, 3),
                 "Var(v-p)/σv²(模拟)": round(np.var(v - p) / sv**2, 3)})
print(pd.DataFrame(rows).to_string(index=False))

输出：

 内部人数N  价格冲击λ  内部人总利润(理论)  内部人总利润(模拟)  Var(v|p)/σv²(理论)  Var(v-p)/σv²(模拟)
     1  0.250       1.000       0.999             0.500             0.499
     2  0.236       0.943       0.934             0.333             0.331
     4  0.200       0.800       0.798             0.200             0.200
     8  0.157       0.629       0.634             0.111             0.111
    16  0.118       0.471       0.469             0.059             0.059

解读：内部人从 1 个增加到 16 个，价格中尚未反映的信息从一半降到约 6%，内部人总利润（即噪声交易者的总损失）下降超过一半，价格冲击 \(\lambda\) 也下降（市场更流动）。这正是 29.5.1 节“反驳一”的定量版本：竞争的内部人越多，信息越快进入价格，对流动性的伤害越小；垄断的、缓慢交易的内部人对其他交易者伤害最大。原书书目中的 Holden & Subrahmanyam（1992）在多期框架下得到了更强的结论：多个内部人竞争时，信息几乎在第一轮交易中就全部进入价格。

三、代码 2：监察系统如何筛查可疑交易

模拟 600 只股票各发布一次重大消息，其中约 5% 在发布前被泄露、有人据此交易（公告前 5 天提前发生约四成的价格变动并伴随放量）；另有约 15% 的股票在公告前因无关原因放量。监察规则对每次公告计算公告前 5 日与公告方向一致的累计收益 z 分数和异常成交量 z 分数。

import numpy as np
import pandas as pd

rng = np.random.default_rng(2029)
n_stocks, n_days = 600, 250
ann = rng.integers(60, 240, n_stocks)                 # 每只股票在某日发布重大消息
jump = rng.choice([-1, 1], n_stocks) * rng.uniform(0.08, 0.20, n_stocks)  # 消息带来的跳跃
leak = rng.random(n_stocks) < 0.05                    # 约 5% 的消息在发布前被泄露、有人据此交易
other = (~leak) & (rng.random(n_stocks) < 0.15)       # 约 15% 的股票在公告前因无关原因放量（行业新闻、调仓等）

ret = rng.normal(0, 0.02, (n_stocks, n_days))
logvol = rng.normal(0, 0.35, (n_stocks, n_days))      # 对数成交量相对正常水平的偏离
for i in range(n_stocks):
    ret[i, ann[i]] += jump[i]
    logvol[i, ann[i]] += 1.5
    if leak[i]:                                        # 消息前 5 天：内部人买入/卖出推动价格、放大成交量
        w = slice(ann[i] - 5, ann[i])
        ret[i, w] += 0.4 * jump[i] / 5             # 约四成的价格变动提前发生
        logvol[i, w] += rng.uniform(0.5, 1.2)
    elif other[i]:                                     # 无关放量：成交量上升但没有与公告同向的价格漂移
        logvol[i, ann[i] - 5:ann[i]] += rng.uniform(0.5, 1.2)

# 监察规则：对每次公告，取公告前 5 日的累计收益（按公告方向）与平均异常成交量，做横截面 z 分数
rows = []
for i in range(n_stocks):
    w = slice(ann[i] - 5, ann[i]); base = slice(ann[i] - 60, ann[i] - 10)
    car = ret[i, w].sum() * np.sign(jump[i])           # 与后来公告同向的累计收益
    sd = ret[i, base].std() * np.sqrt(5)
    av = logvol[i, w].mean() - logvol[i, base].mean()
    av_sd = logvol[i, base].std() / np.sqrt(5)
    rows.append({"leak": leak[i], "car_z": car / sd, "vol_z": av / av_sd})
df = pd.DataFrame(rows)

rules = {"只看价格 car_z>2": df.car_z > 2,
         "只看成交量 vol_z>2": df.vol_z > 2,
         "价量同时 >1.5": (df.car_z > 1.5) & (df.vol_z > 1.5),
         "价量同时 >2.0": (df.car_z > 2.0) & (df.vol_z > 2.0)}
for name, flag in rules.items():
    tp = (flag & df.leak).sum()
    print(f"{name:18s}: 标记 {flag.sum():3d} 起, 命中泄露 {tp:2d}/{df.leak.sum()}, "
          f"精确率 {tp/max(flag.sum(),1):.2f}, 召回率 {tp/df.leak.sum():.2f}")

# 威慑的经济学：预期成本 = 被抓概率 × 处罚
gain = 1.0
for p_catch in [0.05, 0.2, 0.5]:
    print(f"被抓概率 {p_catch:.2f}: 要使预期成本 >= 收益，处罚须 >= 收益的 {gain/p_catch:4.0f} 倍")

输出：

只看价格 car_z>2      : 标记  24 起, 命中泄露  7/40, 精确率 0.29, 召回率 0.17
只看成交量 vol_z>2     : 标记 150 起, 命中泄露 39/40, 精确率 0.26, 召回率 0.97
价量同时 >1.5         : 标记  20 起, 命中泄露 10/40, 精确率 0.50, 召回率 0.25
价量同时 >2.0         : 标记  10 起, 命中泄露  7/40, 精确率 0.70, 召回率 0.17
被抓概率 0.05: 要使预期成本 >= 收益，处罚须 >= 收益的   20 倍
被抓概率 0.20: 要使预期成本 >= 收益，处罚须 >= 收益的    5 倍
被抓概率 0.50: 要使预期成本 >= 收益，处罚须 >= 收益的    2 倍

（换用其他随机种子时具体数字会变化，但各规则之间的取舍关系不变。）

白话解释：读输出前先弄清两个指标和 z 分数。

z 分数：car_z 是“公告前 5 天与公告同方向的累计收益”除以该股票平时 5 天收益的标准差，衡量“这次提前走了几个标准差”；vol_z 同理衡量成交量的异常程度。z > 2 大约对应正常情况下 2.3% 的概率（单侧），与 CFA 里 t 检验的临界值思路相同。

精确率（precision）\(=\) 标记中真泄露的数量 / 标记总数，回答“被查的人里有多少真有问题”，关系到调查资源是否被浪费。

召回率（recall）\(=\) 标记中真泄露的数量 / 全部泄露数，回答“有多少违规者被筛出来了”，关系到威慑力，即公式里的 \(P(\text{被抓})\)。两者此消彼长，就像假设检验里降低第一类错误（误报）往往会提高第二类错误（漏报）。监察部门的做法通常是用宽松规则先筛出候选，再用人工调查提高精确率。

解读：

只看成交量能抓到几乎所有泄露，但四分之三的标记是误报（无关放量）；只看价格漂移召回率很低，因为提前的价格变动淹没在日常波动里；价量同时异常的规则精确率高得多，但会漏掉大半。这就是原书说的：监察只是筛查工具，标记之后还要靠询问公司、列出两份名单、分析人际关联来完成调查。
威慑一栏说明：被抓概率越低，处罚倍数必须越高。美国民事罚款最高为利润的 3 倍、中国内地行政罚款最高为违法所得的 10 倍，再加上交出利润、刑事责任和职业禁入，都是这一逻辑的体现。
对量化机构自身：如果你的策略常在公告前因为合法信号而放量建仓，在这类监察规则下会被频繁标记。保存信号生成的时间戳、数据来源和模型版本，是应对问询的基本功。

本章小结

内幕信息是重大且非公开的信息，无论经过几手传递都不失其性质，只有公开后才失效；盗用理论把禁止范围扩展到对公司没有信义义务、但盗用了信息来源机密的人（Chiarella 无罪 → Winans 有罪 → O'Hagan 确认）。美国以反欺诈条款和判例为基础，辅以内部人交易报告、短线利润归入、禁止做空、10b5-1 计划、交易窗口和 Reg FD；中国内地以《证券法》直接禁止知情人和非法获取者交易，配以行政罚款、短线交易归入和《刑法》第 180 条；欧盟以 MAR 统一规范。内幕交易难以发现和举证，监察依赖重大消息前的放量异动和人际关联分析，处罚必须足够重才能弥补低被抓概率。限制内幕交易的理由是公平与资本成本、流动性（逆向选择与零和会计）和公司控制（信息分享、项目选择、抢跑公司交易）；允许的理由是价格信息性、执法成本与选择性执法、Manne 的企业家激励。作者的倾向是：限制主要对即将公开的短期信息有效，而这恰好是应该限制的部分；必须禁止做空；内幕交易与高管直接薪酬存在替代关系。Kyle 模型表明，竞争的内部人越多，信息进入价格越快，对其他交易者伤害越小。

概念	要点
内幕信息	重大（公开后会影响价格）+ 非公开
消息传递	经过几手都不失其性质；只有公开才失效
古典理论 / 盗用理论	违反对股东的义务 / 违反对信息来源的保密义务
透露者与被透露者	透露者获得个人利益（含赠与亲友）时双方担责
短线利润归入	美国 16(b)、中国《证券法》：6 个月内买卖的收益归公司
10b5-1 计划	不掌握信息时事先设定；2022 年起有冷静期
Reg FD	选择性披露须同时或及时公开
中国内地处罚	行政：违法所得 1–10 倍罚款（不足 50 万元时罚 50 万–500 万元）；刑事：最高 10 年
威慑	预期成本 \(=P(\text{被抓})\times\) 处罚
监察	重大消息前的放量异动；两份名单；分隔度分析
多内部人 Kyle 模型	\(\lambda=\dfrac{\sqrt N\sigma_v}{(N+1)\sigma_u}\)，\(\operatorname{Var}(v\mid p)=\dfrac{\sigma_v^2}{N+1}\)，总利润 \(\dfrac{\sqrt N\sigma_v\sigma_u}{N+1}\)
主要争论	限制：公平、流动性、公司控制；允许：价格信息性、执法成本、企业家激励

练习

基础

判断下列情形是否构成内幕交易（按美国法律思路），并说明理由：(a) 你通过统计门店停车场卫星图像预测某零售商季度销售超预期并买入；(b) 你的邻居是某公司财务总监，他在烧烤时随口说“这季度数字很难看”，你次日卖出该公司股票；(c) 你在律所打印室看到一份未公开的并购协议草稿并买入目标公司股票。答案要点：(a) 一般为合法的独立分析（注意数据获取方式）；(b) 邻居违反义务透露，若其获得个人利益（赠与也可能算），你作为被透露者有风险；(c) 盗用雇主信息，违法。
为什么 Chiarella 当年被判无罪，而类似行为今天会被定罪？
美国第 16(b) 条和中国《证券法》的短线交易规则有什么共同点？为什么它们“不问是否利用了内幕信息”？
解释“预期成本 = 被抓概率 × 处罚”，并说明为什么内幕交易的处罚通常远高于所获利润。
Reg FD 解决的是什么问题？分析师为什么反对它？

进阶

用多内部人 Kyle 模型计算：\(\sigma_v=1\)、\(\sigma_u=2\) 时，内部人从 1 个增加到 4 个，噪声交易者的总损失下降多少？每个内部人的平均利润下降多少？ 答案要点：总损失从 1.000 降到 0.800；人均从 1.000 降到 0.200。
原书思考题 9：一个聪明的内部人如何安排交易，才能在最大化收益的同时最小化被起诉的概率？反过来，监察系统应如何设计才能抓到这样的人？提示：分散到多个账户和时间、使用不相关的代理人、避免深度虚值期权、交易离散事件以外的信息；监察方可用跨账户关联、长窗口漂移和事件后人际关系分析。
原书思考题 7 与 8：公司在未事先宣布的非预定时间把重大信息挂在网站上，你偶然看到并交易，是否构成内幕交易？若 CEO 在只有少数分析师参加的小型分会场透露了对前景的新预期呢？结合 Reg FD 讨论。
设计一个“内部人买入”因子：说明数据字段、需要剔除的交易类型、信号构造方式（例如按交易金额相对市值或相对年薪标准化）、持有期，以及如何检验它在 Reg FD 前后或 A 股减持新规前后是否稳定。
原书思考题 1：权衡本章的正反论点后，你认为是否应限制内幕交易？哪些论点最有说服力？如果允许，应如何处理“做空本公司”和“短期信息”问题？

原书推荐习题：第 29 章思考题 4（为何跟踪内部人交易报告）、第 9 题（聪明内部人如何安排交易以规避监察）、第 5、7、8 题（信息公开性的边界判定，对另类数据合规有直接意义）、第 1 题（综合评价）。

原书对照

原书第 29 章 Insider Trading，PDF 第 597–612 页（原书页码 = PDF 页码 − 13）。
章首 p.597；29.1 内幕信息与内幕交易 p.597–601（SEC 定义、Texas Gulf Sulphur、Chiarella、Winans、Reg FD 专栏；29.1.1 内部人的交易 p.600–601）；29.2 实际司法问题 p.601–604（分隔度、Colt Industries、Spencer 专栏、处罚、赏金猎人专栏）；29.3 争论 p.604–610（为何限制：公平、流动性、CEO 薪酬比较专栏、公司控制；为何允许：信息性价格、执法成本、禁毒战争专栏、企业家激励）；29.4 小结 p.610–611；29.5 要点 p.611；29.6 思考题（共 10 题）p.611–612。

第 29 章 内幕交易