关于大宗交易，按照正常逻辑，大宗交易溢价率越高，说明背后的资金越看好交易标的，后市表现应该越好。但事实并非如此，通联数据投资大脑的量化统计报告，对大宗交易事件做了深度回测分析。截取部分关键报告内容如下：
一、事件收益归因
事件的收益往往是多方面的，我们需要了解由风格和行业暴露带来的收益有多少，更需要了解事件本身带来的特异性收益有多少，所以我们基于通联数据的风险模型，把事件发生后不同时间窗口内的收益进行分解，如下图。可以看到事件的收益主要由SIZE和特异性收益构成，且特异性收益比较明显，说明此事件存在事件本身带来的收益。
二、事件收益统计
分别对事件在不同持有窗口的收益和胜率进行统计分析，在进行统计分析时，统一以收盘价买入，收盘价卖出，若买入时停牌、涨停、跌停则不买入。下表为事件绝对收益、相对沪深300收益和特异性收益的统计。可见，事件发生后，绝对收益比较明显，并能带来一定的相对收益和特异性收益。
下图为三种收益率下的事件窗口图，图中蓝色柱子代表持有期每天的收益率，红线代表事件的累计净值，可见，在三种收益类型下，事件在0-60日内均能带来一定的正收益。有意思的是，在事件发生之前的几天，事件带来的收益远远比事件发生后的收益明显。
三、单指标分析
下表为根据大宗交易价格折价率大小分组的股票收益率统计。分组数字越小，代表折价率越高。可见总体上，折价率越低，分组的收益率越高。另外，表中还显示事件发生后持有20个交易日的平均胜率最大，持有60个交易日的平均收益率最高。
下图为折价率单指标分组收益率窗口图（数字越小折价越高）
但在2017年（下图），价值投资大行其道，大宗交易折价最少的分组6的绝对收益表现最好。
四、事件多指标预测模型
事件测试框架可以基于影响事件的多个因子，训练机器学习模型，预测事件发生后对应股票的上涨概率和幅度，帮助投资者决策。如下图展示了对该事件股票未来不同时间窗口、不同类型收益率上涨概率和涨幅的预测情况。
事件测试框架同时可以对模型预测的精度进行评价，根据预测得到的股票的上涨概率（或涨幅）由小到大分为5组，计算每组中股票的实际收益情况。下图展示了特异性收益在不同时间窗口上涨概率的评价结果，可见，股票预测的上涨概率和真实收益之间的一致性较好，尤其对于持有窗口在0-5的情况。
最后，萝卜投研统计了4月3日大宗交易个股及其所处历史分组水平：
帮助说明：
1、文中算法回测样本为2011年至今全市场所有股票（除去ST、新股、涨跌停、停牌股票）。
2、文中历史分组标准系根据大宗交易折价率划分，折价率超过9%为分组1，折价率1%~9%之间为分组2，折价率0~1%之间为分组3，折价率-1%~0之间为分组4，折价率-9%~-1%之间为分组5，折价率小于-9%为分组6。