京公网安备 11010802034615号
经营许可证编号:京B2-20210330
上交所用大数据“捕鼠”:打击违法违规行为
上交所监事长潘学先:将充分利用大数据挖掘技术,严厉打击证券交易违法违规行为,特别是上市公司“伪市值管理”等新型违法违规行为
全国人大代表、上交所监事长潘学先昨日在新华网接受在线访谈时表示,上交所将充分利用大数据挖掘技术,{CDA数据分析师培训}实现由“人工判断型”监管向“技术导向型”监管转变,严厉打击证券交易违法违规行为,特别是借各种题材炒作、操纵股价的行为,以及上市公司“伪市值管理”等新型违法违规行为。
具体而言,未来上交所在一线监管方面将着重开展加强交易行为监控、完善交易异常情况风险防控机制、完善沪港通跨境监管协作、深化跨产品跨市场监管合作、推进透明度建设、提升一线监管科技化水平、做好委托执法等几方面工作。
潘学先介绍,2013年上交所利用大数据“捕鼠”模型发现了一起“老鼠仓”案件——原博时基金的基金经理利用未公开信息非法获利案,拉开了打击老鼠仓行为的序幕。在系列“捕鼠”行动中,上交所坚持对所有的基金公司和基金经理进行全扫描,做到不枉不纵,发现一起,上报一起,绝不姑息。
迄今为止,上交所共上报基金“老鼠仓”案件线索20余件,涉案金额上百亿元。
去年上交所共向证监会上报各类案件线索133份,其中涉嫌内幕交易线索88份,涉嫌市场操纵线索38份,涉嫌“老鼠仓”线索3份,涉嫌超比例持股未披露线索2份,其他类线索2份。
潘学先表示,下一步,上交所将继续充分利用大数据挖掘技术,开发利用各类违法交易模型,筛查锁定有价值线索,实现由“人工判断型”监管向“技术导向型”监管转变,从而提高监管效能。
未来上交所在一线监管方面主要做好以下几方面的工作:
第一,落实中央和证监会简政放权、监管转型的各项部署,进一步提升上交所一线监管工作的主动性,加强证券交易行为的监控,严厉打击证券交易违法违规行为,特别是借各种题材炒作、操纵股价的行为,以及上市公司“伪市值管理”等新型违法违规行为。
第二,进一步完善市场交易异常情况风险防控机制,特别是加强对新业务、新机制(如程序化交易)市场风险的监测和防控,进一步研究完善市场风险应对处置机制,全面落实证监会应对市场重大交易异常情况的工作部署。
第三,进一步完善沪港通跨境监管协作机制,加强与港交所的监管合作,共同打击跨境证券违法违规行为,防止监管套利,确保沪港通业务平稳运行,共同维护境内外投资者的合法权益。
第四,深化跨产品、跨市场监管合作,密切跟踪股票现货与股票期权的相互影响,打击跨现货期权的炒作和操纵等违法违规行为,强化证券现货与股指期货交易的联动监管。
第五,进一步推进上交所一线监管工作的公开、透明,主动回应市场热点、疑点问题。
第六,进一步提升上交所一线监管工作的科技化水平,优化沪港通、股票期权等新产品、新业务的监察功能,完善市场大数据分析功能,为上交所履行一线监管职能提供更有力的技术保证。
第七,做好委托执法工作。
针对近期市场浮现涉嫌利用高送转操作股价、利益输送等情况,潘学先表示,上交所主要从及时督导上市公司提高披露分红送转信息的针对性和有效性,以及加强对公司高送转信息披露和股价异动情况的事后监管、加大快速反应力度等两个角度采取监管措施。
他透露,上交所还将会同有关部门,对此类案例加强信息披露监管与二级市场监察的联动,加大对内幕交易、股价操纵等违法违规行为的打击力度。一旦发现问题就与相关部门联动,对违规违法的行为加强打击,维护市场“三公”。
就市场关心的上市公司退市制度实施问题,潘学先谈到,上交所始终认为退市制度改革应当坚持“市场化、法制化、常态化”的发展方向,这既有利于进一步发挥市场机制的作用,也有利于进一步有效遏制和威慑重大违法行为。
他说,从今年看,公开信息披露情况显示,已有主动申请退市的公司出现,不久后预计也会有一些由于重大违法违规而出现强制退市的现象。
此外,潘学先还谈到,针对政府工作报告中提出的资本市场改革发展工作,上交所将落实四方面举措:重点落实新股发行注册制改革;探索建立多层次资本市场,在上交所现有蓝筹股市场的基础上,今后还会探索新兴产业板;逐步完善上市公司退市机制;吸引长期资金多渠道入市。
此次全国两会,潘学先拟结合交易所工作提出三个方面建议。一是建议完善交易场所长效监管机制,将《交易场所监督管理条例》列入国务院立法工作计划;二是建议有关部门统筹考虑,进一步提高香港人民币合格境外机构投资者额度;三是优化上市公司并购重组税收制度,充分发挥税收的激励作用。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 CDA 数据分析师能力体系中,透视分析是数据探索、多维度汇总、业务复盘的核心基础技能。无论是 Excel 数据透视表,还是 Power ...
2026-07-03在市场竞争日趋激烈、获客成本持续攀升的当下,企业粗放式的“广撒网”获客模式早已无法适配经营需求。企业经营的核心逻辑,已经 ...
2026-07-03 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-07-03【核心关键词】运营、企业、核心、客户、新技术、数字化运营、数据分析、传统企业、人工录入、生产系统、技术人员、数据安全、 ...
2026-07-02在产品开发、项目立项、业务拓展、运营优化的工作中,市场调查、竞品分析、需求调研是三大核心基础工作。很多从业者容易将三者混 ...
2026-07-02 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-07-02在MySQL数据库运维与开发工作中,当单表数据量达到千万级、亿级后,会出现查询卡顿、索引失效、写入性能下降等问题。为优化性能 ...
2026-07-01在信息化建设、系统开发、数据分析、需求梳理的工作场景中,业务模型与逻辑模型是两个最基础、也最容易混淆的核心概念。很多项目 ...
2026-07-01 很多数据分析师能熟练计算各种指标,但当被问到“这些指标之间是什么关系”“为什么要选这个指标而不是那个”“指标体系的整 ...
2026-07-01【核心关键词】报表、数据源、客户、营销、业绩、销售、时效性、函数、可视化、运营、数据分析、数据报表、业务部门、数据运营 ...
2026-06-30在数据分析、商业预测、经济统计、运维监控等领域中,绝大多数业务数据都具备时间连续性特征,例如月度销售额、日度客流量、季度 ...
2026-06-30 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-06-30在 SQL Server 安装、服务启动、数据库文件操作等场景中,经常会遇到 “实例已在使用” 类报错,不同触发场景的原因与处理方式差 ...
2026-06-29在Excel数据统计、财务核算、销售复盘、库存盘点等办公场景中,经常需要在数据透视表中实现一列数据乘以另一列数据的计算需求, ...
2026-06-29在数据分析中,指标是连接业务与数据的核心语言。它并非一个简单的数字,而是一个将模糊的业务需求(如“提升用户粘性”)转化为 ...
2026-06-29【核心关键词】大数据、零售商、消费者、供应链、运营、企业、产品、客户、数据模型、大数据平台、数据开发、系统运维、业务逻 ...
2026-06-26在物流配送、供应链履约、终端供货等业务场景中,送货率是衡量企业履约能力、服务质量、供应链稳定性的核心业务指标,直接关联客 ...
2026-06-26 很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度” ...
2026-06-26在数字化管理与数据化运营体系中,指标是连接原始数据与业务决策的核心载体。零散的原始数据只是无意义的数值堆砌,无法直接反映 ...
2026-06-25在Excel数据汇总、财务统计、业务复盘等日常办公场景中,经常需要完成逐行相乘、整体汇总求和的计算需求,最典型的场景就是:单 ...
2026-06-25