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
【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 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 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 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 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 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。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07 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 ...
2026-07-07【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品 ...
2026-07-06在数据分析工作中,文本数据处理是高频刚需场景,用户评论、客服工单、日志信息、调研问卷、商品文案等数据都包含大量文本内容。 ...
2026-07-06 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-07-06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