什么是反向股票拆分?是好是坏?
十合一反向拆分会让十股变一股、股价变为十倍,持仓价值不变。算术中性,但公司采用它的原因可能影响后续表现,查看真实样本数据。
反向股票拆分是将公司现有股份合并为数量更少、价格更高的股份:在十合一反向拆分中,您持有的每十股变为一股,每股价格乘以十,而持仓总价值不变。这与正向拆分正好相反,后者是将一股拆为数股价格更低的股份。其机制不会改变价值,但采用这类操作的公司具有鲜明的共同特征。下方图表跟踪了一个真实样本群体在拆分后一年内的表现。
反向股票拆分会如何影响您的持股?
在执行日,公司会将每一批旧股替换为数量更少的新股,股价则按相同倍数调整。举例来说,假设您持有某股票 200 股,股价为 0.60 美元,持仓市值为 120 美元。公司执行 1-for-20 反向拆分后,您将持有 10 股,股价约为 12.00 美元,持仓市值仍为 120 美元。您的持股比例不变,市值不变,次日开盘时公司的业务也不会发生任何变化。
发生变化的是股票数量:流通在外股数会按拆分倍数减少,股票的流通股也会随之减少,即实际可交易的股份数量下降。
这种记法表示新股数与旧股数的比例。1-for-20 反向拆分会将每 20 股旧股转换为 1 股新股;4-for-1 正向拆分会将每 1 股旧股转换为 4 股新股。当第一个数字小于第二个数字时,就是反向拆分。
反向拆股中,零碎股份会如何处理?
股份数量很少能正好除尽。假设您持有45股,经历十股并一股的反向拆股后,按算术计算会得到4.5股新股,而大多数公司不会发行零碎股份。公告会明确说明两种标准处理方式中的一种:支付现金代替零碎股份,即公司支付该零碎股份的市值;或向上取整至下一完整股份。以现金代替零碎股份会带来一个实际后果:反向拆股可能迫使您卖出一小部分股票,而这笔交易并非由您下单,相关税务文件也会随之产生。
为什么公司要进行反向拆股?
公司最常提到的原因是满足交易所上市要求。纳斯达克和纽约证券交易所都要求上市股票达到1.00美元的最低价格标准,但具体测试方式不同:在纳斯达克,收盘买价连续30个营业日低于1.00美元,就会收到不符合要求的通知;纽约证券交易所则将股票在30个交易日内的平均收盘价与同一标准进行比较。无论采用哪种方式,未达标都会启动退市倒计时。反向拆股仅通过算术调整就能提高报价,因此公告通常会明确表示,目的是“重新满足最低买价要求”。其他常见理由包括机构投资者和指数提供商的最低价格规则、经纪商对极低价股票的限制,以及更高股价带来的市场观感。
反向拆股不会改变公司的基本业务。因此,拆股本身对价值中性,真正具有信息含量的是公司的选择:典型对象是股价已经跌至1.00美元门槛的股票。
反向股票拆分有多常见?
股票拆分似乎并不常见。知名公司每隔一两年宣布一次正向拆分,就会成为头条新闻。但记录显示,实际情况并非如此。
| 反向拆股 | 正向拆股 | 反向拆股占比 |
|---|---|---|
| 830 | 187 | 81.6 |
每个数字背后的完整 SQL
SELECT
countIf(adjustment_type = 'reverse_split') AS reverse_splits,
countIf(adjustment_type = 'forward_split') AS forward_splits,
round(100.0 * countIf(adjustment_type = 'reverse_split')
/ greatest(countIf(adjustment_type IN ('reverse_split', 'forward_split')), 1), 1) AS reverse_pct_of_splits
FROM global_markets.stocks_splits
WHERE toYear(execution_date) = 2026
AND execution_date <= today()截至2026年,美国市场已执行830次反向拆分和187次正向拆分,已执行的拆分中有81.6%为反向拆分。2026年并非例外。自2019年以来,每年的统计结果都相同:
| 年份 | 反向拆股 | 正向拆股 | 反向拆股/正向拆股 |
|---|---|---|---|
| 2019 | 606 | 95 | 6.4 |
| 2020 | 685 | 117 | 5.9 |
| 2021 | 491 | 174 | 2.8 |
| 2022 | 622 | 130 | 4.8 |
| 2023 | 837 | 165 | 5.1 |
| 2024 | 871 | 257 | 3.4 |
| 2025 | 1038 | 240 | 4.3 |
| 2026 | 830 | 187 | 4.4 |
每个数字背后的完整 SQL
SELECT
toYear(execution_date) AS year,
countIf(adjustment_type = 'reverse_split') AS reverse_splits,
countIf(adjustment_type = 'forward_split') AS forward_splits,
round(countIf(adjustment_type = 'reverse_split')
/ greatest(countIf(adjustment_type = 'forward_split'), 1), 1) AS reverse_per_forward
FROM global_markets.stocks_splits
WHERE execution_date >= '2019-01-01'
AND execution_date <= today()
GROUP BY year
ORDER BY year在该数据面板涵盖的每一年,反向拆分次数都超过了正向拆分次数:2019年为606次对95次,2021年为491次对174次,2026年为830次对187次;每发生一次正向拆分,就有4.4次反向拆分。引发头条关注的正向拆分,只是公司行动日历中的例外,而不是常态。
关于拆分类型的数据说明
公司行动数据源记录三种调整类型:反向拆分、正向拆分和股票股息。有些著名的“拆分”采用了股票股息的形式,例如NVIDIA在2021年的一拆四;本文统计仅包括类型标记为反向拆分或正向拆分的记录。
最常见的反向拆股比例是什么?
反向拆股比例通常集中在整数档位,而且比例必须满足算术要求:股价为 0.10 美元的股票,至少需要进行 1 比 10 的反向拆股,才能达到 1.00 美元;更大幅度的合并则能提供更大的缓冲空间。以下是 2026 年的分布,按标准形式统计,即将若干股旧股合并为一股新股:
| 比率 | 反向拆股 |
|---|---|
| 1-for-10 | 172 |
| 1-for-20 | 74 |
| 1-for-5 | 57 |
| 1-for-3 | 56 |
| 1-for-25 | 39 |
| 1-for-4 | 34 |
| 1-for-30 | 33 |
| 1-for-50 | 33 |
| 1-for-15 | 31 |
| 1-for-8 | 30 |
每个数字背后的完整 SQL
SELECT
concat('1-for-', toString(split_from)) AS ratio,
count() AS reverse_splits
FROM global_markets.stocks_splits
WHERE adjustment_type = 'reverse_split'
AND toYear(execution_date) = 2026
AND execution_date <= today()
AND split_to = 1
GROUP BY split_from
ORDER BY count() DESC, split_from ASC
LIMIT 102026 年最常见的反向拆股比例为 1-for-10,共有 172 次执行。整数倍合并占主导地位。将 20 股、30 股或 50 股旧股合并为一股的深度反向拆股,出现频率远高于多数投资者的预期。
近期反向拆股示例
下表列出了记录中最近的 12 次反向拆股,每个比例均按新股数量对应旧股数量列示:
| execution_date | 股票代码 | 比率 | 每股新股对应旧股数 |
|---|---|---|---|
| 2026-09-04 | TANH | 1-for-50 | 50 |
| 2026-09-04 | CLGN | 1-for-10 | 10 |
| 2026-09-02 | BURU | 1-for-40 | 40 |
| 2026-09-02 | VRHI | 1-for-2.5 | 2.5 |
| 2026-09-01 | LGCL | 1-for-125 | 125 |
| 2026-09-01 | FGL | 1-for-100 | 100 |
| 2026-09-01 | DBCCF | 1-for-15 | 15 |
| 2026-09-01 | FEED | 1-for-12 | 12 |
| 2026-09-01 | KAPA | 1-for-7 | 7 |
| 2026-09-01 | NIVF | 1-for-3 | 3 |
| 2026-08-31 | OMH | 1-for-50 | 50 |
| 2026-08-31 | HCWC | 1-for-35 | 35 |
每个数字背后的完整 SQL
SELECT
execution_date,
ticker,
concat(toString(split_to), '-for-', toString(split_from)) AS ratio,
round(split_from / split_to, 2) AS old_shares_per_new
FROM global_markets.stocks_splits
WHERE adjustment_type = 'reverse_split'
AND execution_date <= today()
AND split_from > split_to
AND ticker != 'SPCX'
ORDER BY execution_date DESC, split_from / split_to DESC, ticker ASC
LIMIT 12这些股票的 ticker 通常不是家喻户晓的名称。实施反向拆股的股票多为小盘股,拆股比例差异也很大。在实施当日上午开盘时,股价会变为原价格乘以拆股比例。未经调整的数据源会将其显示为巨大的隔夜跳涨。通过查看相对成交量,可以帮助判断这是真实的交易兴趣,还是反向拆股造成的表面波动。一次反向拆股批次也可能在单个交易日内让筛选器显示大量此类股票。
反向拆股是好是坏?后续表现说明了什么
拆股本身不会改变价值。要检验这是否就是全部影响,可以选取一个真实时间窗口内执行的每次反向拆股,以执行日收盘价为基准,观察相关 ticker 此后的表现,并与相同窗口内的标普500 ETF进行比较。
| 期限 | 已统计拆股数 | 股票中位数百分比 | 股票中位数绝对百分比 | SPY中位数百分比 | 中位数差距百分比 | 低于拆股日占比 |
|---|---|---|---|---|---|---|
| 1 week after (5 sessions) | 314 | -7.7 | 7.7 | 0.2 | -8 | 65 |
| 1 month after (21 sessions) | 310 | -10.7 | 10.7 | 1.2 | -11.9 | 63.9 |
| 3 months after (63 sessions) | 301 | -22.6 | 22.6 | 7.7 | -30.4 | 67.4 |
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 = 'reverse_split'
AND execution_date >= today() - INTERVAL 270 DAY
AND execution_date <= today() - INTERVAL 120 DAY
AND ticker != 'SPCX'
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 >= today() - INTERVAL 275 DAY
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 spy_days, prices AS spy_prices
FROM series
WHERE ticker = 'SPY'
),
horizons AS (SELECT arrayJoin([5, 21, 63]) AS h),
fwd AS (
SELECT c.ticker AS ticker,
h.h AS h,
indexOf(s.days, c.ex) AS i0,
indexOf(spy.spy_days, c.ex) AS j0,
(s.prices[i0 + h.h] / s.prices[i0] - 1) * 100 AS ret,
(spy.spy_prices[j0 + h.h] / spy.spy_prices[j0] - 1) * 100 AS spy_ret
FROM cohort AS c
INNER JOIN series AS s ON s.ticker = c.ticker
CROSS JOIN horizons AS h
CROSS JOIN spy AS spy
WHERE i0 > 0
AND j0 > 0
AND length(s.prices) >= i0 + h.h
AND s.prices[i0] > 0
)
SELECT multiIf(h = 5, '1 week after (5 sessions)',
h = 21, '1 month after (21 sessions)',
'3 months after (63 sessions)') AS horizon,
count() AS splits_measured,
round(quantileDeterministic(0.5)(ret, cityHash64(ticker)), 1) AS median_stock_pct,
round(abs(quantileDeterministic(0.5)(ret, cityHash64(ticker))), 1) AS median_stock_pct_abs,
round(quantileDeterministic(0.5)(spy_ret, cityHash64(ticker)), 1) AS median_spy_pct,
round(quantileDeterministic(0.5)(ret, cityHash64(ticker))
- quantileDeterministic(0.5)(spy_ret, cityHash64(ticker)), 1) AS median_gap_pct,
round(100.0 * countIf(ret < 0) / count(), 1) AS pct_below_split_day
FROM fwd
GROUP BY h
ORDER BY h在有完整一周后续表现的 314 次反向拆股中,股票收盘价中位数较执行日收盘价低 7.7%。一个月后,中位数为 -10.7%;三个月后为 -22.6%。相比之下,标普500 ETF在相同窗口内的中位数为 7.7%,差距为 -30.4 个百分点。这也不是某一只表现落后的股票拉低了平均值:三个月后,67.4% 的样本,也就是超过十分之七的股票,仍低于拆股日收盘价。
这正是“既不好也不坏”这种说法遗漏的部分:算术结果是中性的,但会采用这种做法的股票群体并不中性。有两点需要注意。执行日价格已经是合并股本后的价格,因此上述跌幅并不是拆股本身造成的乘数效应。其次,这项统计受到幸存者偏差美化:股票必须在观察期末仍有成交记录,才会被计入样本;样本数量从一周后的 314 降至三个月后的 301。退出样本的股票将在下一张图表中展示。
反向拆股的股票会被摘牌吗?
选取较早的一组样本:这些股票在12至18个月前完成反向拆股,并且之后都有完整一年的交易记录。然后,按股票代码在一年后的表现进行分类。样本涵盖所有在拆股前仍有常规交易时段成交记录的公司。
| 一年后结果 | 公司数 | 占样本组百分比 |
|---|---|---|
| Still trading, no second reverse split | 133 | 50.4 |
| Still trading, split again in reverse | 63 | 23.9 |
| Stopped printing trades | 68 | 25.8 |
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 = 'reverse_split'
AND execution_date >= today() - INTERVAL 540 DAY
AND execution_date <= today() - INTERVAL 365 DAY
AND ticker != 'SPCX'
GROUP BY ticker
),
repeats AS (
SELECT c.ticker AS ticker, count() AS later_reverse_splits
FROM cohort AS c
INNER JOIN global_markets.stocks_splits AS s ON s.ticker = c.ticker
WHERE s.adjustment_type = 'reverse_split'
AND s.execution_date > c.ex
AND s.execution_date <= c.ex + INTERVAL 365 DAY
GROUP BY c.ticker
),
bars AS (
SELECT ticker, toDate(toTimeZone(window_start, 'America/New_York')) AS d
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker IN (SELECT ticker FROM cohort)
AND (
(window_start >= today() - INTERVAL 545 DAY AND window_start < today() - INTERVAL 360 DAY)
OR window_start >= today() - INTERVAL 45 DAY
)
AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
+ toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
GROUP BY ticker, d
),
status AS (
SELECT c.ticker AS ticker,
countIf(b.d < c.ex) AS pre_split_days,
countIf(b.d >= today() - 45) AS recent_days,
any(ifNull(r.later_reverse_splits, 0)) AS later_reverse
FROM cohort AS c
INNER JOIN bars AS b ON b.ticker = c.ticker
LEFT JOIN repeats AS r ON r.ticker = c.ticker
GROUP BY c.ticker
HAVING pre_split_days > 0
)
SELECT multiIf(recent_days = 0, 'Stopped printing trades',
later_reverse > 0, 'Still trading, split again in reverse',
'Still trading, no second reverse split') AS outcome_one_year_on,
count() AS companies,
round(100.0 * count() / sum(count()) OVER (), 1) AS pct_of_cohort
FROM status
GROUP BY outcome_one_year_on
ORDER BY indexOf(['Still trading, no second reverse split',
'Still trading, split again in reverse',
'Stopped printing trades'], outcome_one_year_on)样本中,50.4%,即133家公司,一年后仍在交易,且期间没有进行第二次反向拆股。其余样本分为两种规模大致相当的失败情形。23.9%(63家公司)在12个月内再次进行反向拆股:第一次合并未能让股价在一年内持续高于门槛。25.8%(68家公司)则完全停止了常规交易时段的成交记录。
“停止成交记录”是摘牌的替代指标,并不代表提交了摘牌文件:股票如果从美国交易所转到场外市场交易,就会像清算终止的公司一样,从这份交易所上市股票的成交记录中消失;本文未对这两种情况进行区分。无论哪种情况,该股票代码都已不在原来的市场中。结合收益率面板来看,结论一致:反向拆股股票的中位数在数月后走低,约四分之一在一年内从交易所上市股票记录中消失。
单次反向拆股,逐个交易日观察
中位数会掩盖具体过程,因此这里完整展示一个个股案例。Asset Entities(ASST)的历史上有 2 次反向拆股:July 2024 实施了 1 兑 5,随后于 February 6, 2026 执行了 1 兑 20。
| execution_date | 比率 | 月份标签 | 日期标签 | split_from | split_to |
|---|---|---|---|---|---|
| 2024-07-02 | 1-for-5 | July 2024 | July 2, 2024 | 5 | 1 |
| 2026-02-06 | 1-for-20 | February 2026 | February 6, 2026 | 20 | 1 |
每个数字背后的完整 SQL
SELECT
execution_date,
concat(toString(split_to), '-for-', toString(split_from)) AS ratio,
concat(monthName(execution_date), ' ', toString(toYear(execution_date))) AS month_label,
concat(monthName(execution_date), ' ', toString(toDayOfMonth(execution_date)), ', ',
toString(toYear(execution_date))) AS date_label,
split_from,
split_to
FROM global_markets.stocks_splits
WHERE ticker = 'ASST'
AND adjustment_type = 'reverse_split'
ORDER BY execution_date下方价格面板跟踪的是第二次合并,从执行日前五个交易日到执行日后约三个月。
| 日期 | 日期标签 | 收盘价 |
|---|---|---|
| 2026-01-30 | January 30, 2026 | 0.81 |
| 2026-02-02 | February 2, 2026 | 0.72 |
| 2026-02-03 | February 3, 2026 | 0.68 |
| 2026-02-04 | February 4, 2026 | 0.59 |
| 2026-02-05 | February 5, 2026 | 0.49 |
| 2026-02-06 | February 6, 2026 | 11.92 |
| 2026-02-09 | February 9, 2026 | 10.14 |
| 2026-02-10 | February 10, 2026 | 9.18 |
| 2026-02-11 | February 11, 2026 | 8.09 |
| 2026-02-12 | February 12, 2026 | 7.7 |
| 2026-02-13 | February 13, 2026 | 8.31 |
| 2026-02-17 | February 17, 2026 | 8.18 |
| 2026-02-18 | February 18, 2026 | 8.06 |
| 2026-02-19 | February 19, 2026 | 8.12 |
| 2026-02-20 | February 20, 2026 | 8.15 |
| 2026-02-23 | February 23, 2026 | 7.36 |
| 2026-02-24 | February 24, 2026 | 7.16 |
| 2026-02-25 | February 25, 2026 | 8.54 |
| 2026-02-26 | February 26, 2026 | 8.2 |
| 2026-02-27 | February 27, 2026 | 7.94 |
每个数字背后的完整 SQL
SELECT
toDate(toTimeZone(window_start, 'America/New_York')) AS date,
concat(monthName(date), ' ', toString(toDayOfMonth(date)), ', ', toString(toYear(date))) AS date_label,
round(toFloat64(argMax(close, window_start)), 2) AS close
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker = 'ASST'
AND window_start >= toDateTime('2026-01-30 00:00:00')
AND window_start < toDateTime('2026-05-09 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 date
ORDER BY date执行日前的最后一个收盘日是 February 5, 2026,收盘价为 $0.49,远低于 1.00 美元的上市门槛。执行日下一交易日的收盘价为 $11.92:这不是交易造成的,而是 20 比 1 的合并造成的。未经调整的筛选器会显示隔夜上涨 20 倍。
随后发生的情况,正是中位数提示你应当预期的走势,但单个案例也可能偏离。三周内,该股于 February 24, 2026 收于 $7.16,明显低于拆股日收盘价。之后股价回升,至面板末端 May 8, 2026 收于 $15.92,高于其反向拆股后行情开始时的水平。单一个股不能代表整体分布:样本组中位数下跌,但该股没有下跌。因此,上文面板均以中位数和股份数量表述,而不是预测。
常见问题
反向股票拆分是好事还是坏事?
从机制上看,反向拆分本身是中性的:股价按比例上调,股数按比例减少,持仓价值不变。公司自身情况才是关键信息:在四至九个月前执行反向拆分的股票中,执行日收盘价三个月后,中位数低于该收盘价 22.6%;相比之下,S&P 500 ETF 在相同时间窗口的中位数为 7.7%。这反映的是一个样本群体,不代表任何单只股票。
股票在反向拆分后通常会下跌吗?
在本文测算的样本中,答案通常是会:67.4% 的反向拆分股票在拆分日收盘价三个月后仍低于该价格,跌幅中位数为 -22.6%。统计只包括在该时点仍有成交的股票,因此低估了完整样本的情况。
反向拆分股票会被摘牌吗?
部分股票会。在十二至十八个月前执行反向拆分的公司中,25.8% 在一年后已停止在上市交易记录中出现常规交易,另有 23.9% 在同一十二个月内再次进行反向拆分。50.4% 仍在交易,且没有再次合并股本。
反向股票拆分会让我亏钱吗?
不会因为拆分机制本身亏钱:100 股、每股 $0.50,与 10 股、每股 $5.00,持仓价值均为 $50,您的持股比例也不变。唯一直接的现金影响来自零碎股:如果您的持股数量无法按拆分比例整除,剩余零碎股通常会以现金支付。
什么是 1 股换 10 股的反向拆分?
每 10 股合并为 1 股,股价乘以 10。例如,持有 1,000 股、每股 $0.80 的投资者,拆分后持有 100 股、每股 $8.00,持仓价值仍为 $800。在 2026 年的记录中,最常见的反向拆分比例是 1-for-10,共有 172 次执行。
上方每个面板都是可存储和检查的查询。您可以展开 SQL 进行审计,也可以在 Strasmore 终端中查询任何 ticker 的拆分历史,获得相同问题的答案。