
大数据时代 土豪套路不管用了
我到证监会工作后,对资本市场花了较长时间了解各种乱象,开了眼界了,也是很受震惊。“野蛮人、大鳄等往往披着合法外衣,打制度擦边球,在资本市场上巧取豪夺,侵蚀着中小投资者的合法权益,证监会能坐视不管吗?!
去年,我们花了很大功夫严把IPO公司的质量关,再融资的质量关、并购重组的质量关,加大了发行人、保荐人的责任。券商也在真正落实风险管控责任,一些上市公司和保荐人,主动从IPO排队的企业中撤回去,共有90家。———刘士余
“资本市场改革就像穿珍珠项链”、“有信心解决IPO”堰塞湖“问题”,“大数据时代,土豪的套路不管用了。”在国新办26日举办的新闻发布会上,中国证监会主席刘士余携三位证监会副主席,回应了诸多资本市场热点问题。
证监会撸起袖子抓监管
刘士余称,证监会系统昨日的工作,可以概括为三个字:“稳、严、进”。
刘士余说,“风平浪静好行船”,中国资本市场多年的实践证明,没有稳定的市场环境,任何改革都无法推进。如果不坚持市场化、法治化、国际化的改革方向,不坚持问题导向的改革哲学,资本市场中长期积累下来的“顽疾”就不可能减少,更谈不上根除。
上周五证监会对慧球科技等8宗案件的处罚和《行政许可实施程序规定》公开征求意见也是今年监管主基调“稳”字当头的延续。“防控金融风险将是今年监管的主题,2017年监管机构从严监管的预期将继续存在。”安信证券分析师赵湘怀称。
“今年资本市场改革要有新进展、新成效、新突破,尤其是资本市场参与者达成共识的一些关键性制度,必须迈出关键步伐。”刘士余说。
“刘主席再次传递了”稳中求进“的2017年工作总基调。我们认为市场稳定运行仍然是监管基础要求,监管沟通有助于引导市场预期,以融资买入占比作为观察指标,市场风险偏好仍然存在进一步向上修复的空间。”券商分析师对南都记者表示。
有信心解决IPO“堰塞湖”问题
针对新股发行问题,刘士余说,我们曾用减少甚至暂停IP O的方法,力图稳定市场,取得过时点性的效果。但长远来看,并未解决资本市场长期稳健发展的机制性问题。
他说,从静态来看,在某一个时点,新股发行增加了,会影响二级市场的供求关系;动态地看,资本市场的根本动力在于为实体经济服务,在于分享实体经济发展成果。要想长久,必须有新的公司进来。
去年以来,证监会就这一问题持续加强和市场沟通,尊重市场机制、市场规律,顺应市场需求,增加了上市公司供给。“实践证明,来自市场共识的这个做法是受到市场欢迎的。”刘士余说。
对于数百家企业排队IPO的问题,刘士余回应说:“我们有信心解决所谓的堰塞湖问题。”他说,“堰塞湖”是大家对排队公司家数多、进展慢的形象称呼,也是一种心理预期的反映。新股发行不在家数多一点、少一点,关键是企业质量。“去年,我们花了很大功夫严把IPO公司的质量关,再融资的质量关、并购重组的质量关,加大了发行人、保荐人的责任。券商也在真正落实风险管控责任,一些上市公司和保荐人,主动从IPO排队的企业中撤回去,共有90家。”
IPO是今年券商业务的重要风口。A股市场的自我修复力好于预期,具备适时、适度加大IPO力度的条件。
本周五核准数量较上周下降为10家,但筹资总额升至63亿元,证监会核准首发的节奏并未明显受到两会临近的影响,依旧保持在较为稳定的水平。截至2月24日,2017年IPO核准发行家数达到86家、募资总额430亿元,均达到2016年1-2月的10倍以上,达到2016年全年IPO核准发行家数的38%和IPO募资总额的29%.
赵湘怀称,“我们预计今年IPO发行家数可达到400家以上、募资总额在2300亿元左右,带动投行收入保持10%以上的增速。”
忽悠式重组大案即将披露
昨日,朋友圈里面刘士余的一句“都告诉你了,下一步还怎么干活呀?”又刷屏金融圈内的朋友圈。
“我到证监会工作后,对资本市场花了较长时间了解各种乱象,开了眼界了,也是很受震惊。”针对大众最为关注的金融大鳄的问题,刘士余也再度放话:“野蛮人、大鳄等往往披着合法外衣,打制度擦边球,在资本市场上巧取豪夺,侵蚀着中小投资者的合法权益,证监会能坐视不管吗?!”
“证监会首要任务是监管,如果说还有第二任务,也是监管,第三任务还是监管。”刘士余说,没有“三公”的市场秩序,中小投资者的合法权益就得不到有效保护。
刘士余还告诫“金融大鳄”说,在金融市场上,金钱的诱惑是巨大的,“天使”和“魔鬼”就在一念之差,资本市场上金融家和“金融大鳄”只有半步之遥。
他说,在现代化分析技术广泛应用的今天,任何人、任何机构在任何时候干的违法违规、坑害中小投资者、破坏市场秩序的行为都是有记录的,这些线索,无论是历史的还是当下的,证监会都会盯住不放。
“过段时间,大家还会看到证监会公布有影响力的案子,包括忽悠式重组,忽悠式并购,逮到了不小的案子。”刘士余披露。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13