京公网安备 11010802034615号
经营许可证编号:京B2-20210330
插上“大数据”翅膀 “捕鼠”从此大不同
“社会上多余的资金很多,为什么不愿意进入股市?就是因为他在信息上抢不过别人,光看K线没有用,不管是大老鼠,小老鼠,也许是看起来比较可爱的米老鼠,都是很可怕的。”这是一位资深股民吐露的心声。
而在大数据时代,监管者的“捕鼠”工具全面升级,这犹如阿基米德找到了撬动地球的支点,整个资管行业已然一片风声鹤唳。
监管者利用大数据系统“捕鼠”最早体现在2013年的马乐事件上。此后开始的老鼠仓调查风暴,很多线索来源都是来自于交易所日常监控下的大数据分析。“捕鼠”行动插上“大数据”翅膀,效果的确立竿见影。
此前的老鼠仓查处案件,线索来源多来自于举报与现场突击检查等,或是从其他案件顺延发现线索。交易所数据应用流程通常是先发现个股触动异动指标,随之核查该公司是否有特殊信息公布以及与之相关的可疑账户锁定。这种迹象即成为线索,按一定程序报送至证监会,证监会决定是否立案。
据记者了解,多年之前,证监会基金部建立了一套监测基金公司非公平交易的系统,可实时掌握基金公司不同基金产品间利益输送行为。这套系统后来与沪深交易所的异常交易系统相结合,逐步发展出完善的市场异动监测工具。
目前,交易所的大数据系统大致可以分为交易数据和文本数据两块。文本数据系从美国学习引进的技术;而交易数据的挖掘,事实上是一个很成熟的学科,但应用到股票交易的监管上,仍然需要一线监管和稽查执法的经验总结。
在业内看来,区分高度相似的交易到底是巧合还是老鼠仓,需要进行大量的历史分析。一个月的数据远远不够,至少需要一年,甚至三到五年。在这样一个长的时间跨度内,如果大量的交易行为与老鼠仓的特征吻合,则作为证据的证明能力更强。
具体来看,上交所异动指标分为4大类72项,敏感信息分为3级共11大类154项;深交所建立了9大报警指标体系,合计204个具体项目。此外,深交所监察系统即可同步实现超过204个报警指标、300项实时与历史统计查询、60余项专用调查分析、100多种监管报表监测分析等功能,每年处理的各类实时报警信息14万余次,平均每个交易日处理报警600余次。
“过去查老鼠仓还会到公司来查封电脑,现在得益于大数据系统的应用,稽查部门在老鼠仓案件中收集掌握的证据更加有效,在侦查阶段基本上不打草惊蛇,不用直接接触被调查对象和相关公司,证据确凿后,公安局直接就把人带走了。”一位基金从业者说。
更令人欣喜的是,大数据的应用或将进入一个更新的高度。据记者了解,不久前证监会主席办公会刚批准通过的证监会中央监管信息平台,可以将目前分散在证券监管领域各个角落的信息集合起来,即包括交易所数据库,也包括各层级证券监管部门的日常监管、检测数据信息。
“这将是一个智能化、云数据的平台,未来会对提高稽查执法效率等起到很大作用。”接近监管层的相关人士表示,此外,监管层也在进一步加强稽查执法力量。比如眼下已在上海和深圳增编稽查支队,每个支队增加了近100人。从技术到人力资源配置,未来的稽查风暴将成为常态化。
在“捕鼠”行为更为智能、更为常态化的形势下,不少业内人士都感觉“压力山大”。目前,借助大数据系统,“捕鼠”风暴已从基金圈刮向了券商。有券商短短数周内接连召集分析师突击开会强调风险。不少分析师坦言,这一轮风暴的紧张程度之高已经超过了其职业生涯的其他时刻。
“近一个月,我们已经专门就做好风险规避工作开了四五次会。”有券商分析人士透露,公司异地设立的研究所听说也召开了内部会议,主要内容依然是严格要求按风控规程操作,研究报告不允许违规传播,不管是邮件、QQ还是微信都要谨慎提及个股,严禁传播内幕信息。
多位券商人士表示,“眼下这场已经延续了数月的风暴已经不再仅仅盯着基金经理,而已横扫资本市场各个利益环节,券商、保险、私募都难逃一查。”
5月9日,证监会通报了平安资产管理公司一位投资管理人员涉嫌老鼠仓。北京市公安局于5月13日通报了另一起保险公司权益投资部门总经理的老鼠仓案件,且已正式批捕。这两起案件的共同特点是涉案累计金额巨大,均在亿元以上。
从证监会最新信号来看,此次“捕鼠”行动绝不是“一轮运动”。5月19日,证监会主席肖钢在学习落实“新国九条”的讲话中表示将坚决打击证券期货违法犯罪行为。加强对证券期货违法违规行为的监测和线索发现,将坚决打击欺诈上市、虚假信息披露、内幕交易、操纵市场等各种违法违规行为,并特别强调会“始终保持高压态势”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 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 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 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。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 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 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,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是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21