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
上交所監事長潘學先:將充分利用大數據挖掘技術,嚴厲打擊証券交易違法違規行為,特別是上市公司“偽市值管理”等新型違法違規行為
全國人大代表、上交所監事長潘學先昨日在新華網接受在線訪談時表示,上交所將充分利用大數據挖掘技術,實現由“人工判斷型”監管向“技術導向型”監管轉變,嚴厲打擊証券交易違法違規行為,特別是借各種題材炒作、操縱股價的行為,以及上市公司“偽市值管理”等新型違法違規行為。
具體而言,未來上交所在一線監管方面將著重開展加強交易行為監控、完善交易異常情況風險防控機制、完善滬港通跨境監管協作、深化跨產品跨市場監管合作、推進透明度建設、提升一線監管科技化水平、做好委托執法等幾方面工作。
潘學先介紹,2013年上交所利用大數據“捕鼠”模型發現了一起“老鼠倉”案件——原博時基金的基金經理利用未公開信息非法獲利案,拉開了打擊老鼠倉行為的序幕。在系列“捕鼠”行動中,上交所堅持對所有的基金公司和基金經理進行全掃描,做到不枉不縱,發現一起,上報一起,絕不姑息。
迄今為止,上交所共上報基金“老鼠倉”案件線索20余件,涉案金額上百億元。
去年上交所共向証監會上報各類案件線索133份,其中涉嫌內幕交易線索88份,涉嫌市場操縱線索38份,涉嫌“老鼠倉”線索3份,涉嫌超比例持股未披露線索2份,其他類線索2份。
潘學先表示,下一步,上交所將繼續充分利用大數據挖掘技術,開發利用各類違法交易模型,篩查鎖定有價值線索,實現由“人工判斷型”監管向“技術導向型”監管轉變,從而提高監管效能。
未來上交所在一線監管方面主要做好以下幾方面的工作:
第一,落實中央和証監會簡政放權、監管轉型的各項部署,進一步提升上交所一線監管工作的主動性,加強証券交易行為的監控,嚴厲打擊証券交易違法違規行為,特別是借各種題材炒作、操縱股價的行為,以及上市公司“偽市值管理”等新型違法違規行為。
第二,進一步完善市場交易異常情況風險防控機制,特別是加強對新業務、新機制(如程序化交易)市場風險的監測和防控,進一步研究完善市場風險應對處置機制,全面落實証監會應對市場重大交易異常情況的工作部署。
第三,進一步完善滬港通跨境監管協作機制,加強與港交所的監管合作,共同打擊跨境証券違法違規行為,防止監管套利,確保滬港通業務平穩運行,共同維護境內外投資者的合法權益。
第四,深化跨產品、跨市場監管合作,密切跟蹤股票現貨與股票期權的相互影響,打擊跨現貨期權的炒作和操縱等違法違規行為,強化証券現貨與股指期貨交易的聯動監管。
第五,進一步推進上交所一線監管工作的公開、透明,主動回應市場熱點、疑點問題。
第六,進一步提升上交所一線監管工作的科技化水平,優化滬港通、股票期權等新產品、新業務的監察功能,完善市場大數據分析功能,為上交所履行一線監管職能提供更有力的技術保証。
第七,做好委托執法工作。
針對近期市場浮現涉嫌利用高送轉操作股價、利益輸送等情況,潘學先表示,上交所主要從及時督導上市公司提高披露分紅送轉信息的針對性和有效性,以及加強對公司高送轉信息披露和股價異動情況的事后監管、加大快速反應力度等兩個角度採取監管措施。
他透露,上交所還將會同有關部門,對此類案例加強信息披露監管與二級市場監察的聯動,加大對內幕交易、股價操縱等違法違規行為的打擊力度。一旦發現問題就與相關部門聯動,對違規違法的行為加強打擊,維護市場“三公”。
就市場關心的上市公司退市制度實施問題,潘學先談到,上交所始終認為退市制度改革應當堅持“市場化、法制化、常態化”的發展方向,這既有利於進一步發揮市場機制的作用,也有利於進一步有效遏制和威懾重大違法行為。
他說,從今年看,公開信息披露情況顯示,已有主動申請退市的公司出現,不久后預計也會有一些由於重大違法違規而出現強制退市的現象。
此外,潘學先還談到,針對政府工作報告中提出的資本市場改革發展工作,上交所將落實四方面舉措:重點落實新股發行注冊制改革﹔探索建立多層次資本市場,在上交所現有藍籌股市場的基礎上,今后還會探索新興產業板﹔逐步完善上市公司退市機制﹔吸引長期資金多渠道入市。
此次全國兩會,潘學先擬結合交易所工作提出三個方面建議。一是建議完善交易場所長效監管機制,將《交易場所監督管理條例》列入國務院立法工作計劃﹔二是建議有關部門統籌考慮,進一步提高香港人民幣合格境外機構投資者額度﹔三是優化上市公司並購重組稅收制度,充分發揮稅收的激勵作用。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13