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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 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 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25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