京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据还能这么用:看穿式监管 精准锁定异动账户
当前,资本市场内外环境更趋复杂,证券违法违规呈多元化、隐蔽化等特征,一线监管工作面临前所未有的挑战。用好大数据、人工智能等新技术,不断提高科技监管能力,是交易所一线监管面临的重要课题,也是新形势下做好一线监管工作的必然选择。
近年来,深交所积极推进科技监管、智能监管,充分运用文本挖掘、机器学习等先进技术,结合一线监管实践,开发了大数据智能监察系统、上市公司监管系统、风险监测监控系统等智能化应用系统,在交易监管、上市公司监管、债券监管、风险监测监控等方面精准发力,持续提升科技化、智能化监管水平,为交易所一线监管的提供强有力保障。
看穿式监管 精准锁定异动账户
在交易监管方面,深交所自主研发了大数据监察系统,全面支持实时监控、调查分析等核心监察功能。据介绍,该系统具有以下四个方面特点。
一、海量数据处理能力。
它能发挥看穿式监管体系优势,对深市数以亿计投资者的开户情况、逐笔申报成交等交易数据以及两千余家上市公司相关新闻、公告等信息进行整合、处理、分析,具有海量数据处理和查询分析能力。
二、高效实时预警监控。
该系统建立了集自动化预警发现、可视化现场分析、电子化处理流程为一体的实时监控平台,对指数、个股、会员、投资者各个层面的异动能够快速预警、分析、处理,处理速度可达10万笔每秒,有效满足实时监控一体化高效运作的要求。
三、科学的指标体系。
依据相关法律法规,结合交易监管实践经验,逐步建立和完善市场监察指标体系,包括130个复合型监控预警指标和5套智能分析指标,能够及时有效识别异常交易行为以及内幕交易、市场操纵、老鼠仓等违法违规行为。
四、智能化分析功能。
该系统充分利用大数据技术,引入高频时间序列匹配、交易重演、多维度分析等功能,实现从人工分析判断到大数据智能分析的跨越式发展,先后上线“老鼠仓智能识别”、“内幕交易智能识别”和“市场操纵智能筛查”等大数据应用系统,从数以亿计投资者的海量交易数据中,精准锁定异动账户,有效挖掘各类违法违规线索。
上市公司监管方面:
深交所建立了上市公司监管系统,提供一站式业务服务,业务处理电子化程度高,全面覆盖各项监管业务,上线了定期报告审查辅助、财务指标智能审核、会计审计监管案例库等功能模块,有效提升监管效能。
定期报告审查辅助模块将定期报告审查步骤和关注要点予以分解,实现审查过程全面留痕。
财务指标智能审核辅助模块通过多维度财务指标的历史纵比和行业横比,为监管人员发现财务违规行为提供有效工具。
会计审计监管案例库汇集案例监管要点,为监管人员日常监管工作提供经验借鉴,确保监管更全面、准确。
据统计,2017年1-8月,深交所通过上市公司监管系统共向上市公司及相关方发出监管问询函件2430余份,内容涉及上市公司并购重组、对外投资、规范运作、权益变动等方方面面,发函数量较上年同期大幅增加,全面深化“刨根问底”式全面监管,确保不留空白、不留死角。
大数据助力重点领域监管
风险监测预警方面:
深交所积极利用文本挖掘、数据挖掘、人工智能等大数据技术,不断提升对股市债市、股票质押、融资融券、分级基金等重点业务和领域的风险监测能力,优化事前、事中、事后全过程风险管理工作机制,推进风险监测监控平台搭建工作,自主研发了债券风险监测系统,债券风险监测系统实现了债券发行主体财务、收益、交易及信用风险的监测和评级,并根据风险评级情况进行预警,是证券监管系统内首个集合交易数据、评级数据、财务信息建立的债券风险监测系统。
2017年以来,深交所通过债券风险监测系统,对深市480余只公募债券风险进行分类,实现有针对性的债券监管,及时化解债券违约风险,切实强化债券风险监测效果。
未来将从三方向深化智能监管
整体来看,2016年以来,深交所通过智能监察系统累计处理实时预警1.8万余个,综合采取电话警示、书面警示、限制交易等自律监管措施,抓早抓小、防微杜渐,从严处置异常交易行为。
今年来,深交所累计向中国证监会上报异动线索350余份,为稽查执法提供有效案源,精准挖掘出利用信息优势操纵市场第一案“宏达新材”案、大宗交易接盘后操纵股价累犯“任某某”案、冠军公募基金经理老鼠仓案“厉某某”案等一大批社会关注度高、影响力大的大案要案,有效打击违法违规行为。
深交所相关负责人表示,随着市场不断发展,上市公司家数持续增加,新产品新交易方式层出不穷,一线监管面临新情况新问题,交易所亟须进一步提高智能监管水平。对此深交所下一步在智能监管方面也有三个具体的方向。
稳步推进新一代监察系统建设工作。
采用开放式、大规模、可扩展的分布式架构,进一步优化系统性能,丰富监管数据资源,利用流计算、数据挖掘、可视化等大数据技术,探索关联账户合并预警、投资者画像、证券画像等智能化应用。
持续优化上市公司监管系统。
运用文本挖掘、云计算等信息技术,探索构建上市公司画像图谱、公司与股东行为特征分析体系,逐步实现信息披露、舆情信息、举报信息的交叉可比性分析,提升探索发现问题线索能力。
积极推进风险监测智能化建设。
继续研究开发市场运行风险监测系统、股票质押和融资融券监控系统,搭建统一的风险监测监控平台,全面提升风险监测监控和预研预判能力。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15