京公网安备 11010802034615号
经营许可证编号:京B2-20210330
上交所用大数据“捕鼠”:打击违法违规行为
上交所监事长潘学先:将充分利用大数据挖掘技术,严厉打击证券交易违法违规行为,特别是上市公司“伪市值管理”等新型违法违规行为
全国人大代表、上交所监事长潘学先昨日在新华网接受在线访谈时表示,上交所将充分利用大数据挖掘技术,{CDA数据分析师培训}实现由“人工判断型”监管向“技术导向型”监管转变,严厉打击证券交易违法违规行为,特别是借各种题材炒作、操纵股价的行为,以及上市公司“伪市值管理”等新型违法违规行为。
具体而言,未来上交所在一线监管方面将着重开展加强交易行为监控、完善交易异常情况风险防控机制、完善沪港通跨境监管协作、深化跨产品跨市场监管合作、推进透明度建设、提升一线监管科技化水平、做好委托执法等几方面工作。
潘学先介绍,2013年上交所利用大数据“捕鼠”模型发现了一起“老鼠仓”案件——原博时基金的基金经理利用未公开信息非法获利案,拉开了打击老鼠仓行为的序幕。在系列“捕鼠”行动中,上交所坚持对所有的基金公司和基金经理进行全扫描,做到不枉不纵,发现一起,上报一起,绝不姑息。
迄今为止,上交所共上报基金“老鼠仓”案件线索20余件,涉案金额上百亿元。
去年上交所共向证监会上报各类案件线索133份,其中涉嫌内幕交易线索88份,涉嫌市场操纵线索38份,涉嫌“老鼠仓”线索3份,涉嫌超比例持股未披露线索2份,其他类线索2份。
潘学先表示,下一步,上交所将继续充分利用大数据挖掘技术,开发利用各类违法交易模型,筛查锁定有价值线索,实现由“人工判断型”监管向“技术导向型”监管转变,从而提高监管效能。
未来上交所在一线监管方面主要做好以下几方面的工作:
第一,落实中央和证监会简政放权、监管转型的各项部署,进一步提升上交所一线监管工作的主动性,加强证券交易行为的监控,严厉打击证券交易违法违规行为,特别是借各种题材炒作、操纵股价的行为,以及上市公司“伪市值管理”等新型违法违规行为。
第二,进一步完善市场交易异常情况风险防控机制,特别是加强对新业务、新机制(如程序化交易)市场风险的监测和防控,进一步研究完善市场风险应对处置机制,全面落实证监会应对市场重大交易异常情况的工作部署。
第三,进一步完善沪港通跨境监管协作机制,加强与港交所的监管合作,共同打击跨境证券违法违规行为,防止监管套利,确保沪港通业务平稳运行,共同维护境内外投资者的合法权益。
第四,深化跨产品、跨市场监管合作,密切跟踪股票现货与股票期权的相互影响,打击跨现货期权的炒作和操纵等违法违规行为,强化证券现货与股指期货交易的联动监管。
第五,进一步推进上交所一线监管工作的公开、透明,主动回应市场热点、疑点问题。
第六,进一步提升上交所一线监管工作的科技化水平,优化沪港通、股票期权等新产品、新业务的监察功能,完善市场大数据分析功能,为上交所履行一线监管职能提供更有力的技术保证。
第七,做好委托执法工作。
针对近期市场浮现涉嫌利用高送转操作股价、利益输送等情况,潘学先表示,上交所主要从及时督导上市公司提高披露分红送转信息的针对性和有效性,以及加强对公司高送转信息披露和股价异动情况的事后监管、加大快速反应力度等两个角度采取监管措施。
他透露,上交所还将会同有关部门,对此类案例加强信息披露监管与二级市场监察的联动,加大对内幕交易、股价操纵等违法违规行为的打击力度。一旦发现问题就与相关部门联动,对违规违法的行为加强打击,维护市场“三公”。
就市场关心的上市公司退市制度实施问题,潘学先谈到,上交所始终认为退市制度改革应当坚持“市场化、法制化、常态化”的发展方向,这既有利于进一步发挥市场机制的作用,也有利于进一步有效遏制和威慑重大违法行为。
他说,从今年看,公开信息披露情况显示,已有主动申请退市的公司出现,不久后预计也会有一些由于重大违法违规而出现强制退市的现象。
此外,潘学先还谈到,针对政府工作报告中提出的资本市场改革发展工作,上交所将落实四方面举措:重点落实新股发行注册制改革;探索建立多层次资本市场,在上交所现有蓝筹股市场的基础上,今后还会探索新兴产业板;逐步完善上市公司退市机制;吸引长期资金多渠道入市。
此次全国两会,潘学先拟结合交易所工作提出三个方面建议。一是建议完善交易场所长效监管机制,将《交易场所监督管理条例》列入国务院立法工作计划;二是建议有关部门统筹考虑,进一步提高香港人民币合格境外机构投资者额度;三是优化上市公司并购重组税收制度,充分发挥税收的激励作用。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18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导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 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。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 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 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 很多数据分析师精通Excel函数和数据透视表,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 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11 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 ...
2026-08-11AB实验是互联网产品迭代、营销优化、功能升级的核心科学验证手段,通过流量随机分组、对照组与实验组对比,科学验证策略、功能、 ...
2026-08-10在MySQL数据库优化中,索引是提升查询效率、降低数据库IO开销、优化系统性能的核心手段。普通单列索引仅适配简单查询场景,面对 ...
2026-08-10