京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据还能这么用:看穿式监管 精准锁定异动账户
当前,资本市场内外环境更趋复杂,证券违法违规呈多元化、隐蔽化等特征,一线监管工作面临前所未有的挑战。用好大数据、人工智能等新技术,不断提高科技监管能力,是交易所一线监管面临的重要课题,也是新形势下做好一线监管工作的必然选择。
近年来,深交所积极推进科技监管、智能监管,充分运用文本挖掘、机器学习等先进技术,结合一线监管实践,开发了大数据智能监察系统、上市公司监管系统、风险监测监控系统等智能化应用系统,在交易监管、上市公司监管、债券监管、风险监测监控等方面精准发力,持续提升科技化、智能化监管水平,为交易所一线监管的提供强有力保障。
看穿式监管 精准锁定异动账户
在交易监管方面,深交所自主研发了大数据监察系统,全面支持实时监控、调查分析等核心监察功能。据介绍,该系统具有以下四个方面特点。
一、海量数据处理能力。
它能发挥看穿式监管体系优势,对深市数以亿计投资者的开户情况、逐笔申报成交等交易数据以及两千余家上市公司相关新闻、公告等信息进行整合、处理、分析,具有海量数据处理和查询分析能力。
二、高效实时预警监控。
该系统建立了集自动化预警发现、可视化现场分析、电子化处理流程为一体的实时监控平台,对指数、个股、会员、投资者各个层面的异动能够快速预警、分析、处理,处理速度可达10万笔每秒,有效满足实时监控一体化高效运作的要求。
三、科学的指标体系。
依据相关法律法规,结合交易监管实践经验,逐步建立和完善市场监察指标体系,包括130个复合型监控预警指标和5套智能分析指标,能够及时有效识别异常交易行为以及内幕交易、市场操纵、老鼠仓等违法违规行为。
四、智能化分析功能。
该系统充分利用大数据技术,引入高频时间序列匹配、交易重演、多维度分析等功能,实现从人工分析判断到大数据智能分析的跨越式发展,先后上线“老鼠仓智能识别”、“内幕交易智能识别”和“市场操纵智能筛查”等大数据应用系统,从数以亿计投资者的海量交易数据中,精准锁定异动账户,有效挖掘各类违法违规线索。
上市公司监管方面:
深交所建立了上市公司监管系统,提供一站式业务服务,业务处理电子化程度高,全面覆盖各项监管业务,上线了定期报告审查辅助、财务指标智能审核、会计审计监管案例库等功能模块,有效提升监管效能。
定期报告审查辅助模块将定期报告审查步骤和关注要点予以分解,实现审查过程全面留痕。
财务指标智能审核辅助模块通过多维度财务指标的历史纵比和行业横比,为监管人员发现财务违规行为提供有效工具。
会计审计监管案例库汇集案例监管要点,为监管人员日常监管工作提供经验借鉴,确保监管更全面、准确。
据统计,2017年1-8月,深交所通过上市公司监管系统共向上市公司及相关方发出监管问询函件2430余份,内容涉及上市公司并购重组、对外投资、规范运作、权益变动等方方面面,发函数量较上年同期大幅增加,全面深化“刨根问底”式全面监管,确保不留空白、不留死角。
大数据助力重点领域监管
风险监测预警方面:
深交所积极利用文本挖掘、数据挖掘、人工智能等大数据技术,不断提升对股市债市、股票质押、融资融券、分级基金等重点业务和领域的风险监测能力,优化事前、事中、事后全过程风险管理工作机制,推进风险监测监控平台搭建工作,自主研发了债券风险监测系统,债券风险监测系统实现了债券发行主体财务、收益、交易及信用风险的监测和评级,并根据风险评级情况进行预警,是证券监管系统内首个集合交易数据、评级数据、财务信息建立的债券风险监测系统。
2017年以来,深交所通过债券风险监测系统,对深市480余只公募债券风险进行分类,实现有针对性的债券监管,及时化解债券违约风险,切实强化债券风险监测效果。
未来将从三方向深化智能监管
整体来看,2016年以来,深交所通过智能监察系统累计处理实时预警1.8万余个,综合采取电话警示、书面警示、限制交易等自律监管措施,抓早抓小、防微杜渐,从严处置异常交易行为。
今年来,深交所累计向中国证监会上报异动线索350余份,为稽查执法提供有效案源,精准挖掘出利用信息优势操纵市场第一案“宏达新材”案、大宗交易接盘后操纵股价累犯“任某某”案、冠军公募基金经理老鼠仓案“厉某某”案等一大批社会关注度高、影响力大的大案要案,有效打击违法违规行为。
深交所相关负责人表示,随着市场不断发展,上市公司家数持续增加,新产品新交易方式层出不穷,一线监管面临新情况新问题,交易所亟须进一步提高智能监管水平。对此深交所下一步在智能监管方面也有三个具体的方向。
稳步推进新一代监察系统建设工作。
采用开放式、大规模、可扩展的分布式架构,进一步优化系统性能,丰富监管数据资源,利用流计算、数据挖掘、可视化等大数据技术,探索关联账户合并预警、投资者画像、证券画像等智能化应用。
持续优化上市公司监管系统。
运用文本挖掘、云计算等信息技术,探索构建上市公司画像图谱、公司与股东行为特征分析体系,逐步实现信息披露、舆情信息、举报信息的交叉可比性分析,提升探索发现问题线索能力。
积极推进风险监测智能化建设。
继续研究开发市场运行风险监测系统、股票质押和融资融券监控系统,搭建统一的风险监测监控平台,全面提升风险监测监控和预研预判能力。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14