A carregar...
Publicação
From patterns to profits : machine learning models for dynamic insider trading detection
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 20.08 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
This thesis investigates whether machine learning models can extract profitable trading signalsfrom insider transactions disclosed in SEC Form 4 filings. Using 841,071 insider purchases andsales from 2010 to 2024 merged with CRSP market data, we train and compare three ensemblemodels: Random Forest, XGBoost, and CatBoost through time-series cross-validation with 34folds.Models achieve weighted precision of 78 to 79 percent, outperforming the 66 percent random baseline by 12 percentage points. However, accuracy (53 to 56 percent), recall (53 to56 percent), and F1 (61 to 64 percent) fall below the baseline, indicating conservative classification behavior. This precision-recall trade-off suggests models prioritize prediction accuracyover coverage, minimizing false positives at the cost of missed opportunities. Whether this conservative approach is acceptable depends on the application’s cost structure. Feature importanceanalysis reveals that portfolio turnover, stock price at filing, and market capitalization are themost informative predictors.Backtested trading strategies show that long-short portfolios generate statistically significantrisk-adjusted returns, with CatBoost achieving annualized alphas of 14.99 to 16.09 percentacross factor models and a Sharpe ratio of 1.69. Long-only strategies substantially outperformmarket benchmarks, while short-only strategies show negative overall returns but perform wellduring market downturns.However, high portfolio turnover (1,257 to 1,472 percent annually) generates substantialtransaction costs. Realistic execution costs eliminate the observed alpha, reducing economicviability particularly for retail investors. The findings confirm that insider trading signals contain exploitable information but emphasize the critical importance of execution quality and costmanagement for practical implementation.
Esta tese investiga se modelos de aprendizagem automática conseguem extrair sinais lucrativosde transações internas divulgadas nos formulários SEC Form 4. Usando 841.071 compras evendas internas de 2010 a 2024 combinadas com dados CRSP, treinamos e comparamos trêsmodelos ensemble: Random Forest, XGBoost e CatBoost através de validação cruzada temporalcom 34 folds.Os modelos alcançam precisão ponderada de 78 a 79 por cento, superando o baselinealeatório de 66 por cento em 12 pontos percentuais. No entanto, acurácia (53 a 56 por cento),recall (53 a 56 por cento) e F1 (61 a 64 por cento) ficam abaixo do baseline, indicando comportamento conservador de classificação. Esse trade-off entre precisão e recall sugere que osmodelos priorizam a precisão das previsões em detrimento da cobertura, minimizando falsospositivos ao custo de oportunidades perdidas. Se essa abordagem conservadora é aceitável depende da estrutura de custos da aplicação. A análise de importância revela que rotatividade deportfólio, preço da ação e capitalização de mercado são os preditores mais informativos.Estratégias de negociação backtested mostram que carteiras long-short geram retornos ajustados ao risco estatisticamente significativos, com CatBoost alcançando alfas anualizados de14,99 a 16,09 por cento e Sharpe de 1,69. Estratégias long-only superam substancialmentebenchmarks de mercado, enquanto estratégias short-only mostram retornos negativos globaismas bom desempenho em quedas de mercado. Contudo, alta rotatividade de portfólio (1.257 a 1.472 por cento anualmente) gera custos detransação substanciais. Custos de execução realistas eliminam o alfa observado, reduzindo aviabilidade econômica, particularmente para investidores de varejo. Os resultados confirmamque sinais de negociação interna contêm informação explorável, mas enfatizam a importânciacrítica da qualidade de execução e gestão de custos.
Esta tese investiga se modelos de aprendizagem automática conseguem extrair sinais lucrativosde transações internas divulgadas nos formulários SEC Form 4. Usando 841.071 compras evendas internas de 2010 a 2024 combinadas com dados CRSP, treinamos e comparamos trêsmodelos ensemble: Random Forest, XGBoost e CatBoost através de validação cruzada temporalcom 34 folds.Os modelos alcançam precisão ponderada de 78 a 79 por cento, superando o baselinealeatório de 66 por cento em 12 pontos percentuais. No entanto, acurácia (53 a 56 por cento),recall (53 a 56 por cento) e F1 (61 a 64 por cento) ficam abaixo do baseline, indicando comportamento conservador de classificação. Esse trade-off entre precisão e recall sugere que osmodelos priorizam a precisão das previsões em detrimento da cobertura, minimizando falsospositivos ao custo de oportunidades perdidas. Se essa abordagem conservadora é aceitável depende da estrutura de custos da aplicação. A análise de importância revela que rotatividade deportfólio, preço da ação e capitalização de mercado são os preditores mais informativos.Estratégias de negociação backtested mostram que carteiras long-short geram retornos ajustados ao risco estatisticamente significativos, com CatBoost alcançando alfas anualizados de14,99 a 16,09 por cento e Sharpe de 1,69. Estratégias long-only superam substancialmentebenchmarks de mercado, enquanto estratégias short-only mostram retornos negativos globaismas bom desempenho em quedas de mercado. Contudo, alta rotatividade de portfólio (1.257 a 1.472 por cento anualmente) gera custos detransação substanciais. Custos de execução realistas eliminam o alfa observado, reduzindo aviabilidade econômica, particularmente para investidores de varejo. Os resultados confirmamque sinais de negociação interna contêm informação explorável, mas enfatizam a importânciacrítica da qualidade de execução e gestão de custos.
Descrição
Palavras-chave
Insider trading Machine learning Random forest Portfolio management Predictive analytics Market efficiency Ensemble methods Feature engineer Negociação interna Aprendizagem automática Gestão de portfólio Análise preditiva Eficiência de mercado Métodos ensemble Engenharia de característica
Contexto Educativo
Citação
Editora
Licença CC
Sem licença CC