Strasmore Research
学习 Matt Connor作者： Matt Connor · 更新于 2026-07-23

股票拆股后会涨吗

研究2016年后的拆股数据发现，股价上涨多发生在拆股前，拆股后表现通常逊于大盘。

股票拆股会按相同比例增加公司股数并降低股价。例如，一股 600 美元的股票进行 3 比 1 拆股后，会变成三股 200 美元的股票，总价值保持不变。拆股后股价会上涨吗？中位数数据显示，股价确实有轻微上涨，但涨幅低于大盘。在 2016 年至 2025 年间对数百次前向拆股的研究显示，在每个统计周期内，典型股票在拆股后的三个月内表现均逊于 S&P 500。更大的价格波动发生在拆股前，而非拆股后。

拆股的作用与局限

拆股的机制是价值中性的。前向拆股会等比例降低股价并增加股数，公司的业务不会因此发生变化。所谓的“拆股红利”包含两个独立部分：拆股前的上涨行情，以及拆股后的走势。本研究直接测量拆股执行日后的走势，并将其与拆股前的行情区分开。学术研究发现，拆股公告日通常会有小幅反应，但公告日比执行日早数周，其影响在执行日时已反映在股价中。

拆股前的上涨行情

近期最著名的几次拆股展示了这种走势。每项数据均涵盖了拆股前六个月及拆股后三个月的表现。

查询知名近期拆股：拆股前六个月 vs 拆股后三个月
每个数字背后的完整 SQL
WITH
cohort AS (
    SELECT ticker, max(execution_date) AS ex,
           argMax(concat(toString(split_to), '-for-', toString(split_from)), execution_date) AS ratio
    FROM global_markets.stocks_splits
    WHERE ticker IN ('NVDA', 'AVGO', 'NFLX', 'AMZN', 'GOOGL', 'AAPL', 'TSLA')
      AND split_to >= 2 * split_from
      AND adjustment_type IN ('forward_split', 'stock_dividend')
      AND execution_date >= '2020-01-01' AND execution_date <= '2026-01-31'
    GROUP BY ticker
),
bars AS (
    SELECT ticker, toDate(toTimeZone(window_start, 'America/New_York')) AS d,
           toFloat64(argMax(close, window_start)) AS px
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE (ticker IN (SELECT ticker FROM cohort) OR ticker = 'SPY')
      AND window_start >= '2019-06-01 00:00:00' AND window_start < '2026-07-14 00:00:00'
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY ticker, d
),
series AS (
    SELECT ticker,
           arrayMap(x -> x.1, arraySort(x -> x.1, groupArray((d, px)))) AS days,
           arrayMap(x -> x.2, arraySort(x -> x.1, groupArray((d, px)))) AS prices
    FROM bars GROUP BY ticker
),
spy AS (SELECT days AS sd, prices AS sp FROM series WHERE ticker = 'SPY')
SELECT c.ticker AS ticker,
       c.ratio AS ratio,
       toString(c.ex) AS ex_date,
       round((s.prices[indexOf(s.days, c.ex) - 1] / s.prices[indexOf(s.days, c.ex) - 1 - 126] - 1) * 100, 1) AS run_up_before_pct,
       round((s.prices[indexOf(s.days, c.ex) + 63] / s.prices[indexOf(s.days, c.ex)] - 1) * 100, 1) AS after_3mo_pct,
       round((spy.sp[indexOf(spy.sd, c.ex) + 63] / spy.sp[indexOf(spy.sd, c.ex)] - 1) * 100, 1) AS spy_3mo_pct
FROM cohort c INNER JOIN series s ON s.ticker = c.ticker CROSS JOIN spy
WHERE indexOf(s.days, c.ex) > 130 AND length(s.prices) >= indexOf(s.days, c.ex) + 63
ORDER BY run_up_before_pct DESC

NVDA 在 10-for-1 拆股前的六个月内上涨了 165.6%，而 AAPL 上涨了 67%。上涨行情并非普遍现象：AMZN、GOOGL 和 NFLX 在拆股时的六个月回报率分别为 -28.8%、-21% 和 -6.6%。这七家公司中几乎没有一家在拆股后跑赢大盘。NVDA 在拆股后的三个月回报率为 -11.2%，而 S&P 500 为 2.5%，该组别中大多数股票在同期表现均落后于指数。

拆股后股价会上涨吗？历史记录显示涨幅低于大盘

七个样本不足以证明结论，因此我们选取了 2016 年至 2025 年间所有流动性良好的前向拆股案例（拆股比例为 2 比 1 或更高，拆股前股价高于 30 美元），并分为三个时期。在每个时期，我们将拆股后三个月的股票中位数回报率与同期 S&P 500 的回报率进行对比。

查询2016-2025年所有流动性拆股：拆股后三个月收益中位数 vs S&P 500，按周期划分
每个数字背后的完整 SQL
WITH
cohort AS (
    SELECT ticker, min(execution_date) AS ex
    FROM global_markets.stocks_splits
    WHERE adjustment_type IN ('forward_split', 'stock_dividend') AND split_to >= 2 * split_from
      AND execution_date >= '2016-01-01' AND execution_date <= '2025-12-31' AND ticker != 'SPCX'
    GROUP BY ticker, execution_date
),
bars AS (
    SELECT ticker, toDate(toTimeZone(window_start, 'America/New_York')) AS d,
           toFloat64(argMax(close, window_start)) AS px
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE (ticker IN (SELECT ticker FROM cohort) OR ticker = 'SPY')
      AND window_start >= '2015-06-01 00:00:00' AND window_start < '2026-02-01 00:00:00'
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY ticker, d
),
series AS (
    SELECT ticker,
           arrayMap(x -> x.1, arraySort(x -> x.1, groupArray((d, px)))) AS days,
           arrayMap(x -> x.2, arraySort(x -> x.1, groupArray((d, px)))) AS prices
    FROM bars GROUP BY ticker
),
spy AS (SELECT days AS sd, prices AS sp FROM series WHERE ticker = 'SPY'),
fwd AS (
    SELECT ex,
        (prices[i0 - 1] / prices[i0 - 1 - 126] - 1) * 100 AS run_up,
        (prices[i0 + 63] / prices[i0] - 1) * 100 AS ret,
        (sp[j0 + 63] / sp[j0] - 1) * 100 AS spy_ret
    FROM (
        SELECT c.ex AS ex, indexOf(s.days, c.ex) AS i0, indexOf(spy.sd, c.ex) AS j0,
               s.prices AS prices, spy.sp AS sp
        FROM cohort c INNER JOIN series s ON s.ticker = c.ticker CROSS JOIN spy
    )
    WHERE i0 > 130 AND length(prices) >= i0 + 63 AND prices[i0] > 0 AND prices[i0 - 1] >= 30
)
SELECT multiIf(toYear(ex) <= 2019, '2016-2019', toYear(ex) <= 2023, '2020-2023', '2024-2025') AS period,
    count() AS splits,
    round(median(run_up), 1) AS median_runup_before_pct,
    round(median(ret), 1) AS median_after_3mo_pct,
    round(median(spy_ret), 1) AS median_spy_3mo_pct,
    round(median(ret - spy_ret), 1) AS median_gap_vs_spy_pct,
    round(100.0 * countIf(ret > spy_ret) / count(), 0) AS pct_beat_spy
FROM fwd GROUP BY period ORDER BY period

三个时期呈现了相同的结果。在 2016-2019 年，拆股股票在执行后三个月的收益中位数为 1.8%，而 S&P 500 为 3.8%。在 2020-2023 年，前者为 1%，后者为 4.9%。在 2024-2025 年，前者为 0%，后者为 3.3%。每个时期的表现均为持平或小幅上涨，但始终低于指数。在 37% 至 41% 的任何窗口期内，只有不到一半的拆股案例跑赢了大盘。拆股前的上涨行情才是更显著的波动，中位数涨幅达 10.6% 至 17.1%。

为什么“拆股后股票总会上涨”并不成立

拆股仅按相同比例改变股数和股价，除此之外别无其他变化。因此，拆股后的任何优势都源于公司本身的性质，而非拆股行为。从结构上看，进行拆股的公司通常是先前的赢家，但数据显示，该群体在拆股后并未延续领先地位：自 2016 年以来的每个时期，中位数表现均在随后的一个季度内落后于大盘。针对下跌股票进行的 反向拆股，平均而言会导致后续走势更加疲软。两者指向相同的结论：股票在拆股前的表现并不能转化为拆股后跑赢大盘的回报。

常见问题解答

拆股后股价会上涨吗？

中位数数据显示股价有轻微上涨，但涨幅低于大盘。在 2016 年至 2025 年的流动性良好的前向拆股案例中，股票在随后的三个月内回报率介于 0% 和 1.8% 之间，在每个时期都落后于 S&P 500，且只有不到一半的案例跑赢了指数。

我应该在拆股前还是拆股后买入？

拆股本身没有提供优势。更大的价格波动发生在拆股前，中位数涨幅高达 17.1%，而自 2016 年以来的每个时期，拆股后的回报率都落后于大盘。拆股不会改变单股的价值。

为什么股票经常在拆股前上涨？

股票只有在价格足够高时才会考虑拆股，因此从结构上看，上涨行情往往发生在拆股之前。董事会通常在股价经历强劲涨幅后宣布拆股，以降低每股价格。

拆股会创造价值吗？

不会。前向拆股按相同比例增加股数并降低股价，公司的市值和每位持有者的权益保持不变。这只是单位的改变，而非价值的改变。

最近有哪些大盘股进行了拆股？

NVDA (10-for-1)、AAPL 以及上方样本中的其他公司都在近年来进行了拆股。大多数公司在拆股前都有过上涨，且大多数公司在拆股后的三个月内表现逊于 S&P 500。

以上所有图表均为可查询的数据库。您可以打开任何图表下的 SQL 语句进行审计，或在 Strasmore 终端上对记录中的任何拆股案例运行相同的“前后对比”测试。

#stock splits#splits#market data#corporate actions