Modeling Insider Filing Delays in Financial Markets with an Interpretable XGBoost Framework
计算工程、金融与科学
2025-09-30 v3
摘要
及时披露内幕交易是市场透明度的基石，但 filing 延迟在规模化监控方面仍然普遍且具有挑战性。本研究引入了一个涵盖 2002 年至 2025 年超过四百万笔 Form 4 交易的全面内幕 filing 延迟数据集，增添了内幕人角色、治理属性以及公司层面指标的注释。基于这些数据，我们提出了一种混合框架，将状态空间编码器与 XGBoost 分类器集成，以捕捉时间序列交易模式，同时保留对监管审计至关重要的可解释性。该框架在精度、召回率和 F1 分数上均一致优于统计模型、深度序列学习器和大型语言模型基线。特征消融分析突显了内幕历史记录、时空因素和治理信号的预测重要性，揭示了对轻微疏漏和系统性违规背后的行为动机。除了准确率之外，该数据集和框架为研究披露合规性建立了可复现的基准，为监管者和研究人员提供透明工具以强化市场完整性。
引用
@article{arxiv.2507.20162,
title = {Modeling Insider Filing Delays in Financial Markets with an Interpretable XGBoost Framework},
author = {Cheng Huang and Yao Ma and Fan Gao and Yutong Liu and Yadi Liu and Xiaoli Ma and Ye Aung Moe and Yuhan Zhang and Weizheng Xie and Zeyu Han and Xiangxiang Wang and Hao Wang and Yongbin Yu},
journal= {arXiv preprint arXiv:2507.20162},
year = {2025}
}