
大数据时代 土豪套路不管用了
我到证监会工作后,对资本市场花了较长时间了解各种乱象,开了眼界了,也是很受震惊。“野蛮人、大鳄等往往披着合法外衣,打制度擦边球,在资本市场上巧取豪夺,侵蚀着中小投资者的合法权益,证监会能坐视不管吗?!
去年,我们花了很大功夫严把IPO公司的质量关,再融资的质量关、并购重组的质量关,加大了发行人、保荐人的责任。券商也在真正落实风险管控责任,一些上市公司和保荐人,主动从IPO排队的企业中撤回去,共有90家。———刘士余
“资本市场改革就像穿珍珠项链”、“有信心解决IPO”堰塞湖“问题”,“大数据时代,土豪的套路不管用了。”在国新办26日举办的新闻发布会上,中国证监会主席刘士余携三位证监会副主席,回应了诸多资本市场热点问题。
证监会撸起袖子抓监管
刘士余称,证监会系统昨日的工作,可以概括为三个字:“稳、严、进”。
刘士余说,“风平浪静好行船”,中国资本市场多年的实践证明,没有稳定的市场环境,任何改革都无法推进。如果不坚持市场化、法治化、国际化的改革方向,不坚持问题导向的改革哲学,资本市场中长期积累下来的“顽疾”就不可能减少,更谈不上根除。
上周五证监会对慧球科技等8宗案件的处罚和《行政许可实施程序规定》公开征求意见也是今年监管主基调“稳”字当头的延续。“防控金融风险将是今年监管的主题,2017年监管机构从严监管的预期将继续存在。”安信证券分析师赵湘怀称。
“今年资本市场改革要有新进展、新成效、新突破,尤其是资本市场参与者达成共识的一些关键性制度,必须迈出关键步伐。”刘士余说。
“刘主席再次传递了”稳中求进“的2017年工作总基调。我们认为市场稳定运行仍然是监管基础要求,监管沟通有助于引导市场预期,以融资买入占比作为观察指标,市场风险偏好仍然存在进一步向上修复的空间。”券商分析师对南都记者表示。
有信心解决IPO“堰塞湖”问题
针对新股发行问题,刘士余说,我们曾用减少甚至暂停IP O的方法,力图稳定市场,取得过时点性的效果。但长远来看,并未解决资本市场长期稳健发展的机制性问题。
他说,从静态来看,在某一个时点,新股发行增加了,会影响二级市场的供求关系;动态地看,资本市场的根本动力在于为实体经济服务,在于分享实体经济发展成果。要想长久,必须有新的公司进来。
去年以来,证监会就这一问题持续加强和市场沟通,尊重市场机制、市场规律,顺应市场需求,增加了上市公司供给。“实践证明,来自市场共识的这个做法是受到市场欢迎的。”刘士余说。
对于数百家企业排队IPO的问题,刘士余回应说:“我们有信心解决所谓的堰塞湖问题。”他说,“堰塞湖”是大家对排队公司家数多、进展慢的形象称呼,也是一种心理预期的反映。新股发行不在家数多一点、少一点,关键是企业质量。“去年,我们花了很大功夫严把IPO公司的质量关,再融资的质量关、并购重组的质量关,加大了发行人、保荐人的责任。券商也在真正落实风险管控责任,一些上市公司和保荐人,主动从IPO排队的企业中撤回去,共有90家。”
IPO是今年券商业务的重要风口。A股市场的自我修复力好于预期,具备适时、适度加大IPO力度的条件。
本周五核准数量较上周下降为10家,但筹资总额升至63亿元,证监会核准首发的节奏并未明显受到两会临近的影响,依旧保持在较为稳定的水平。截至2月24日,2017年IPO核准发行家数达到86家、募资总额430亿元,均达到2016年1-2月的10倍以上,达到2016年全年IPO核准发行家数的38%和IPO募资总额的29%.
赵湘怀称,“我们预计今年IPO发行家数可达到400家以上、募资总额在2300亿元左右,带动投行收入保持10%以上的增速。”
忽悠式重组大案即将披露
昨日,朋友圈里面刘士余的一句“都告诉你了,下一步还怎么干活呀?”又刷屏金融圈内的朋友圈。
“我到证监会工作后,对资本市场花了较长时间了解各种乱象,开了眼界了,也是很受震惊。”针对大众最为关注的金融大鳄的问题,刘士余也再度放话:“野蛮人、大鳄等往往披着合法外衣,打制度擦边球,在资本市场上巧取豪夺,侵蚀着中小投资者的合法权益,证监会能坐视不管吗?!”
“证监会首要任务是监管,如果说还有第二任务,也是监管,第三任务还是监管。”刘士余说,没有“三公”的市场秩序,中小投资者的合法权益就得不到有效保护。
刘士余还告诫“金融大鳄”说,在金融市场上,金钱的诱惑是巨大的,“天使”和“魔鬼”就在一念之差,资本市场上金融家和“金融大鳄”只有半步之遥。
他说,在现代化分析技术广泛应用的今天,任何人、任何机构在任何时候干的违法违规、坑害中小投资者、破坏市场秩序的行为都是有记录的,这些线索,无论是历史的还是当下的,证监会都会盯住不放。
“过段时间,大家还会看到证监会公布有影响力的案子,包括忽悠式重组,忽悠式并购,逮到了不小的案子。”刘士余披露。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01