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
上交所監事長潘學先:將充分利用大數據挖掘技術,嚴厲打擊証券交易違法違規行為,特別是上市公司“偽市值管理”等新型違法違規行為
全國人大代表、上交所監事長潘學先昨日在新華網接受在線訪談時表示,上交所將充分利用大數據挖掘技術,實現由“人工判斷型”監管向“技術導向型”監管轉變,嚴厲打擊証券交易違法違規行為,特別是借各種題材炒作、操縱股價的行為,以及上市公司“偽市值管理”等新型違法違規行為。
具體而言,未來上交所在一線監管方面將著重開展加強交易行為監控、完善交易異常情況風險防控機制、完善滬港通跨境監管協作、深化跨產品跨市場監管合作、推進透明度建設、提升一線監管科技化水平、做好委托執法等幾方面工作。
潘學先介紹,2013年上交所利用大數據“捕鼠”模型發現了一起“老鼠倉”案件——原博時基金的基金經理利用未公開信息非法獲利案,拉開了打擊老鼠倉行為的序幕。在系列“捕鼠”行動中,上交所堅持對所有的基金公司和基金經理進行全掃描,做到不枉不縱,發現一起,上報一起,絕不姑息。
迄今為止,上交所共上報基金“老鼠倉”案件線索20余件,涉案金額上百億元。
去年上交所共向証監會上報各類案件線索133份,其中涉嫌內幕交易線索88份,涉嫌市場操縱線索38份,涉嫌“老鼠倉”線索3份,涉嫌超比例持股未披露線索2份,其他類線索2份。
潘學先表示,下一步,上交所將繼續充分利用大數據挖掘技術,開發利用各類違法交易模型,篩查鎖定有價值線索,實現由“人工判斷型”監管向“技術導向型”監管轉變,從而提高監管效能。
未來上交所在一線監管方面主要做好以下幾方面的工作:
第一,落實中央和証監會簡政放權、監管轉型的各項部署,進一步提升上交所一線監管工作的主動性,加強証券交易行為的監控,嚴厲打擊証券交易違法違規行為,特別是借各種題材炒作、操縱股價的行為,以及上市公司“偽市值管理”等新型違法違規行為。
第二,進一步完善市場交易異常情況風險防控機制,特別是加強對新業務、新機制(如程序化交易)市場風險的監測和防控,進一步研究完善市場風險應對處置機制,全面落實証監會應對市場重大交易異常情況的工作部署。
第三,進一步完善滬港通跨境監管協作機制,加強與港交所的監管合作,共同打擊跨境証券違法違規行為,防止監管套利,確保滬港通業務平穩運行,共同維護境內外投資者的合法權益。
第四,深化跨產品、跨市場監管合作,密切跟蹤股票現貨與股票期權的相互影響,打擊跨現貨期權的炒作和操縱等違法違規行為,強化証券現貨與股指期貨交易的聯動監管。
第五,進一步推進上交所一線監管工作的公開、透明,主動回應市場熱點、疑點問題。
第六,進一步提升上交所一線監管工作的科技化水平,優化滬港通、股票期權等新產品、新業務的監察功能,完善市場大數據分析功能,為上交所履行一線監管職能提供更有力的技術保証。
第七,做好委托執法工作。
針對近期市場浮現涉嫌利用高送轉操作股價、利益輸送等情況,潘學先表示,上交所主要從及時督導上市公司提高披露分紅送轉信息的針對性和有效性,以及加強對公司高送轉信息披露和股價異動情況的事后監管、加大快速反應力度等兩個角度採取監管措施。
他透露,上交所還將會同有關部門,對此類案例加強信息披露監管與二級市場監察的聯動,加大對內幕交易、股價操縱等違法違規行為的打擊力度。一旦發現問題就與相關部門聯動,對違規違法的行為加強打擊,維護市場“三公”。
就市場關心的上市公司退市制度實施問題,潘學先談到,上交所始終認為退市制度改革應當堅持“市場化、法制化、常態化”的發展方向,這既有利於進一步發揮市場機制的作用,也有利於進一步有效遏制和威懾重大違法行為。
他說,從今年看,公開信息披露情況顯示,已有主動申請退市的公司出現,不久后預計也會有一些由於重大違法違規而出現強制退市的現象。
此外,潘學先還談到,針對政府工作報告中提出的資本市場改革發展工作,上交所將落實四方面舉措:重點落實新股發行注冊制改革﹔探索建立多層次資本市場,在上交所現有藍籌股市場的基礎上,今后還會探索新興產業板﹔逐步完善上市公司退市機制﹔吸引長期資金多渠道入市。
此次全國兩會,潘學先擬結合交易所工作提出三個方面建議。一是建議完善交易場所長效監管機制,將《交易場所監督管理條例》列入國務院立法工作計劃﹔二是建議有關部門統籌考慮,進一步提高香港人民幣合格境外機構投資者額度﹔三是優化上市公司並購重組稅收制度,充分發揮稅收的激勵作用。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04