作者： 美股反向拆股（并股）是什么？利好还是利空
1-for-10 的反向拆股把每 10 股并为 1 股、股价乘以 10，持仓市值不变。算术是中性的，但会走到这一步的公司不是——本文用真实数据跟踪一批公司拆股后整整一年的走向。
反向拆股（reverse stock split，也叫并股、缩股）把公司已发行的股份合并成数量更少、价格更高的股份：在一次 1-for-10 的反向拆股中，您持有的每 10 股变成 1 股，每股价格乘以 10，而持仓的总市值不变。它是正向拆股的镜像——正向拆股把 1 股拆成若干股更便宜的股份。这套算术是价值中性的——但使用它的那批公司是一个很有特点的群体，下面的面板会跟踪一批真实的反向拆股公司在拆股之后整整一年里的走向。
反向拆股对您手中的股票有什么影响？
在执行日，公司把每一批旧股换成数量更少的新股，股价按同一个倍数调整。举一个假设的例子：您持有某只股票 200 股，每股 0.60 美元——市值 120 美元。公司执行一次 1-for-20 的反向拆股。您现在持有 10 股，每股约 12.00 美元——仍然是 120 美元。您的持股比例完全相同，公司总市值不变，第二天早上业务本身也没有任何不同。
真正变化的是股份数量：已发行股本按拆股倍数缩小，流通股（float）也随之缩小——流通股指真正可供交易的那一部分。
比例的写法是“新股-for-旧股”。1-for-20 的反向拆股把每 20 股旧股变成 1 股新股；4-for-1 的正向拆股把每 1 股旧股变成 4 股。当第一个数字小于第二个数字时，这次拆股就是反向的。
反向拆股产生的零碎股怎么处理？
股份数量很少能被整除。持有 45 股经历一次 1-for-10 的反向拆股，算出来是 4.5 股新股——而多数公司不发行零碎股。公告会写明采用两种标准处理方式中的哪一种：现金补偿（cash in lieu），即公司按零碎股的市值付给您现金；或者向上取整为一整股。现金补偿有一个实际后果——反向拆股可能替您完成一笔您从未下过单的小额卖出，还附带相应的报税手续。
公司为什么要做反向拆股？
公司最常给出的理由是维持交易所上市合规。纳斯达克和纽交所都对上市股票设有 1.00 美元的最低股价标准，但检验方式不同：在纳斯达克，收盘买价连续 30 个营业日低于 1.00 美元会招来一份不合规通知（deficiency notice）；纽交所则用 30 个交易日的平均收盘价对照同一条线。无论哪一种，一旦不达标，通向退市的倒计时就开始了，而反向拆股仅凭算术就能抬高报价——公告里常常就是这么写的：“以重新符合最低买价要求”。公司陈述的其他理由还包括机构投资者和指数编制公司的最低股价规则、券商对极低价股票的交易限制，以及更高股价带来的观感。
这些都不改变公司的基本面——这正是反向拆股价值中性的原因，也是哪些公司会走到这一步本身才带有信息量的原因：典型的候选者，是股价已经跌到 1.00 美元这条线上的股票。
反向拆股有多常见？
拆股给人的感觉很罕见——某个家喻户晓的大公司每隔一两年宣布一次正向拆股，就能上头条。记录说的是另一回事。
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()2026 年至今，美国市场已执行 690 次反向拆股，对应 175 次正向拆股——已执行的拆股中有 79.8% 是反向的。而 2026 年并非特例。2019 年以来每一年的同一组统计：
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面板中的每一年，反向拆股的数量都超过正向拆股：606 比 95（2019 年）、491 比 174（2021 年）、690 比 175（2026 年）——每 1 次正向拆股对应 3.9 次反向拆股。在公司行动日历上，抢占头条的正向拆股才是例外，不是常态。
关于拆股类型的一点数据说明
公司行动数据源记录三种调整类型：反向拆股、正向拆股和股票股利（stock dividend）。有些著名的“拆股”在结构上属于股票股利——英伟达 2021 年那次 4-for-1 就是——这里的计数只包含类型标记为反向拆股或正向拆股的记录。
最常见的反向拆股比例是多少？
反向拆股的比例集中在整数上，而且比例必须先过算术这一关：一只 0.10 美元的股票至少需要 1-for-10 才能回到 1.00 美元，合并得更深则留出更多余量。下面是 2026 年的分布，统计的是旧股合并为 1 股新股这一标准形式：
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是 1-for-10，共 149 次执行。整数倍的合并占主导，而表格深处那一端——把 20 股、30 股甚至 50 股旧股合并为 1 股的比例——出现的频率远高于多数投资者的想象。
近期的反向拆股案例
下面的面板列出记录在案的最近 12 次反向拆股，每个比例都按“新股-for-旧股”书写：
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这些代码很少是家喻户晓的名字——执行反向拆股的股票以小市值为主——比例的跨度也很大。在执行日当天早上，每一只的开盘价都是按其比例乘出来的，而在未做复权的数据源上，这看起来就是一次巨大的隔夜跳涨：这类走势正是相对成交量检查能帮您与真实交易热度区分开来的，而一批集中执行的反向拆股也能在同一个交易日里把这样的走势撒满整个选股器。
反向拆股是利好还是利空？后续走势给出的答案
拆股本身不改变任何价值。要检验这是不是故事的全部：取一个真实窗口内执行的全部反向拆股，标记执行日的收盘价，然后向前跟踪这些代码——并用完全相同的时间窗口对照标普 500 ETF。
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 297 次拥有完整一周后续数据的反向拆股中，中位数的股票比自己执行日的收盘价低 7.6%。一个月后中位数为 -11.4%；三个月后为 -24.1%，而完全相同的窗口内标普 500 ETF 的中位数为 4.4%——相差 -28.6 个百分点。这也不是个别落后者把平均数拖了下去：三个月时，这批股票中有 72.4% 低于自己拆股当日的收盘价，比十只里的七只还多。
“既非利好也非利空”这个说法漏掉的正是这一点：算术是中性的，会伸手去用它的那批公司不是。有两点让这个数字保持诚实。执行日的价格本身已经是合并之后的价格，所以这里的涨跌没有一分来自拆股自身的乘法。另外，这项测量偏向幸存者——一只股票必须在对应时点仍在打出成交，才会被计入，而计数从一周时的 297 只降到三个月时的 279 只。掉队的那些，就是下一个面板的内容。
反向拆股的股票会被退市吗？
取一批更早的样本——12 到 18 个月前执行反向拆股的公司，每一家此后都有整整一年的成交记录——按它们一年之后在做什么来归类。这些分类覆盖了拆股之前在常规交易时段有成交的每一家公司。
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)这批公司中有 46.4%——124 家——一年之后仍在交易，身后也没有第二次反向拆股。其余的分成规模大致相当的两种失败方式。26.2%（70 家公司）在十二个月内又执行了一次反向拆股：第一次合并没能把股价在一年里守在那条线之上。27.3%（73 家公司）已经完全不再打出常规时段的成交。
“不再打出成交”是退市的一个代理指标，不是一份文件：一只从美国交易所转到场外市场（OTC）的股票，从这份交易所挂牌成交数据上消失的方式，和一家已经清盘的公司一模一样，这里并没有把两者分开。无论哪一种，这个代码都已不在原来的位置——把它和上面的收益率面板放在一起，画面是一致的：反向拆股的股票中位数在数月之后更低，而其中约四分之一在一年内离开了挂牌成交数据。
一次反向拆股的逐日全过程
中位数掩盖了机制，所以这里完整地看一只股票。Asset Entities（ASST）的记录上有 2 次反向拆股：一次 1-for-5，执行于 July 2024；随后是一次 1-for-20，执行于 February 6, 2026。
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下面的价格面板跟踪的是第二次合并，从执行前五个交易日一直到执行后约三个月。
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执行前的最后一个收盘价出现在 February 5, 2026，为 0.49 美元——远低于 1.00 美元的上市标准线。下一个交易日、也就是执行当天的收盘价是 11.92 美元：这不是交易做出来的，只是那次 20 比 1 的合并。一个未做复权的选股器会显示出一次 20 倍的隔夜“上涨”。
接下来发生的事，一半是中位数让您预期的，另一半则是单个案例保留的、可以不理会中位数的权利。三周之内，该股收于 7.16 美元（February 24, 2026），远低于自己拆股当日的收盘价——随后它一路回升，在面板末端收于 15.92 美元（May 8, 2026），高于它拆股后新生命的起点。一只股票不构成一个分布：这批样本的中位数下跌了，而这一只没有。这正是上面的面板全部以中位数和占比来表述、而绝不作为预测的原因。
FAQ
反向拆股是利好还是利空？
机制是中性的——股价乘以倍数、股份数除以倍数、持仓市值不变。带有信息量的是公司自身的画像：在 4 到 9 个月前执行反向拆股的股票中，三个月后的中位数比执行当日收盘价低 24.1%，而同样窗口内标普 500 ETF 的中位数为 4.4%。这描述的是一个群体，不是其中任何一只股票。
反向拆股后股价一般会跌吗？
在这里测量的这批样本中，跌的情况更多：72.4% 的反向拆股股票在三个月后低于自己拆股当日的收盘价，中位数为 -24.1%。它只统计到那个时点仍在打出成交的股票，因此低估了整体情况。
反向拆股后会退市吗？
有一部分会。在 12 到 18 个月前执行过反向拆股的公司中，27.3% 一年之后已不再在挂牌成交数据上打出常规时段成交，另有 26.2% 在同样的十二个月内又做了一次反向拆股。46.4% 仍在交易，且没有重复合并。
反向拆股会让我亏钱吗？
拆股的机制本身不会：100 股每股 0.50 美元和 10 股每股 5.00 美元都是 50 美元的持仓，您的持股比例也不变。唯一直接涉及现金的是零碎股——如果您的股份数不能被比例整除，剩下的零头通常会以现金形式付给您。
10 股并 1 股是什么意思？
每 10 股变成 1 股，股价乘以 10——持有 1,000 股、每股 0.80 美元的人，最后拿到 100 股、每股 8.00 美元，同样是 800 美元的持仓。在 2026 年的记录中，最常见的反向拆股比例是 1-for-10，共 149 次执行。
上面的每一个面板都是一条已存储、可查验的查询——展开 SQL 即可逐项核对，或者在 Strasmore 终端上对任意代码的拆股历史提出同样的问题。