
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
前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08CDA 数据分析师:解锁数据价值的专业力量 在当今这个数据爆炸的时代,数据已成为像石油一样珍贵的战略资源。而 CDA 数据分析师, ...
2025-08-08SPSS 语法使用详解 在当今数据驱动的时代,SPSS( Statistical Package for the Social Sciences)作为一款功能强大的统计分析软 ...
2025-08-07SASEM 决策树:理论与实践应用 在复杂的决策场景中,如何从海量数据中提取有效信息并制定科学决策,是各界关注的焦点。SASEM 决 ...
2025-08-07CDA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 ...
2025-08-07大数据时代对定性分析的影响 在大数据时代,海量、多样、高速且低价值密度的数据充斥着我们的生活与工作。而定性分析作为一 ...
2025-08-07K-S 曲线、回归与分类:数据分析中的重要工具 在数据分析与机器学习领域,K-S 曲线、回归和分类是三个核心概念与工具,它们各 ...
2025-08-07