
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
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23