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
Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26