
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
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分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09