基于随机森林方法的证券市场内幕交易行为识别

内幕交易的行为识别与有效监管对我国证券市场的健康发展具有重要的现实意义。以2001年1月1日至2017年12月31日中国证监会公开处罚的171个发生内幕交易的上市公司为样本,从公司股权结构、财务数据、治理体系以及证券市场微观这四个方面选取了共26个可用于内幕交易行为识别的指标。并分别以不同事件窗口期(重大信息公告日前的时间长度)为依据,利用随机森林算法对内幕交易样本进行学习和识别。实验结果表明,在事件窗口期设定为60个交易日时,本模型的内幕交易行为识别正确率最高,达到79.71%。进一步对26个指标的重要度分析发现,净资产收益率对内幕交易识别的贡献得分最高,且发生内幕交易的股票样本往往伴随着较高的超额累积回报率与较差的经营效益。最后对我国证券市场内幕交易的识别与监管提出了建议。