
插上“大数据”翅膀 “捕鼠”从此大不同
“社会上多余的资金很多,为什么不愿意进入股市?就是因为他在信息上抢不过别人,光看K线没有用,不管是大老鼠,小老鼠,也许是看起来比较可爱的米老鼠,都是很可怕的。”这是一位资深股民吐露的心声。
而在大数据时代,监管者的“捕鼠”工具全面升级,这犹如阿基米德找到了撬动地球的支点,整个资管行业已然一片风声鹤唳。
监管者利用大数据系统“捕鼠”最早体现在2013年的马乐事件上。此后开始的老鼠仓调查风暴,很多线索来源都是来自于交易所日常监控下的大数据分析。“捕鼠”行动插上“大数据”翅膀,效果的确立竿见影。
此前的老鼠仓查处案件,线索来源多来自于举报与现场突击检查等,或是从其他案件顺延发现线索。交易所数据应用流程通常是先发现个股触动异动指标,随之核查该公司是否有特殊信息公布以及与之相关的可疑账户锁定。这种迹象即成为线索,按一定程序报送至证监会,证监会决定是否立案。
据记者了解,多年之前,证监会基金部建立了一套监测基金公司非公平交易的系统,可实时掌握基金公司不同基金产品间利益输送行为。这套系统后来与沪深交易所的异常交易系统相结合,逐步发展出完善的市场异动监测工具。
目前,交易所的大数据系统大致可以分为交易数据和文本数据两块。文本数据系从美国学习引进的技术;而交易数据的挖掘,事实上是一个很成熟的学科,但应用到股票交易的监管上,仍然需要一线监管和稽查执法的经验总结。
在业内看来,区分高度相似的交易到底是巧合还是老鼠仓,需要进行大量的历史分析。一个月的数据远远不够,至少需要一年,甚至三到五年。在这样一个长的时间跨度内,如果大量的交易行为与老鼠仓的特征吻合,则作为证据的证明能力更强。
具体来看,上交所异动指标分为4大类72项,敏感信息分为3级共11大类154项;深交所建立了9大报警指标体系,合计204个具体项目。此外,深交所监察系统即可同步实现超过204个报警指标、300项实时与历史统计查询、60余项专用调查分析、100多种监管报表监测分析等功能,每年处理的各类实时报警信息14万余次,平均每个交易日处理报警600余次。
“过去查老鼠仓还会到公司来查封电脑,现在得益于大数据系统的应用,稽查部门在老鼠仓案件中收集掌握的证据更加有效,在侦查阶段基本上不打草惊蛇,不用直接接触被调查对象和相关公司,证据确凿后,公安局直接就把人带走了。”一位基金从业者说。
更令人欣喜的是,大数据的应用或将进入一个更新的高度。据记者了解,不久前证监会主席办公会刚批准通过的证监会中央监管信息平台,可以将目前分散在证券监管领域各个角落的信息集合起来,即包括交易所数据库,也包括各层级证券监管部门的日常监管、检测数据信息。
“这将是一个智能化、云数据的平台,未来会对提高稽查执法效率等起到很大作用。”接近监管层的相关人士表示,此外,监管层也在进一步加强稽查执法力量。比如眼下已在上海和深圳增编稽查支队,每个支队增加了近100人。从技术到人力资源配置,未来的稽查风暴将成为常态化。
在“捕鼠”行为更为智能、更为常态化的形势下,不少业内人士都感觉“压力山大”。目前,借助大数据系统,“捕鼠”风暴已从基金圈刮向了券商。有券商短短数周内接连召集分析师突击开会强调风险。不少分析师坦言,这一轮风暴的紧张程度之高已经超过了其职业生涯的其他时刻。
“近一个月,我们已经专门就做好风险规避工作开了四五次会。”有券商分析人士透露,公司异地设立的研究所听说也召开了内部会议,主要内容依然是严格要求按风控规程操作,研究报告不允许违规传播,不管是邮件、QQ还是微信都要谨慎提及个股,严禁传播内幕信息。
多位券商人士表示,“眼下这场已经延续了数月的风暴已经不再仅仅盯着基金经理,而已横扫资本市场各个利益环节,券商、保险、私募都难逃一查。”
5月9日,证监会通报了平安资产管理公司一位投资管理人员涉嫌老鼠仓。北京市公安局于5月13日通报了另一起保险公司权益投资部门总经理的老鼠仓案件,且已正式批捕。这两起案件的共同特点是涉案累计金额巨大,均在亿元以上。
从证监会最新信号来看,此次“捕鼠”行动绝不是“一轮运动”。5月19日,证监会主席肖钢在学习落实“新国九条”的讲话中表示将坚决打击证券期货违法犯罪行为。加强对证券期货违法违规行为的监测和线索发现,将坚决打击欺诈上市、虚假信息披露、内幕交易、操纵市场等各种违法违规行为,并特别强调会“始终保持高压态势”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09