
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
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 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28