插上“大数据”翅膀 “捕鼠”从此大不同
“社会上多余的资金很多,为什么不愿意进入股市?就是因为他在信息上抢不过别人,光看K线没有用,不管是大老鼠,小老鼠,也许是看起来比较可爱的米老鼠,都是很可怕的。”这是一位资深股民吐露的心声。
而在大数据时代,监管者的“捕鼠”工具全面升级,这犹如阿基米德找到了撬动地球的支点,整个资管行业已然一片风声鹤唳。
监管者利用大数据系统“捕鼠”最早体现在2013年的马乐事件上。此后开始的老鼠仓调查风暴,很多线索来源都是来自于交易所日常监控下的大数据分析。“捕鼠”行动插上“大数据”翅膀,效果的确立竿见影。
此前的老鼠仓查处案件,线索来源多来自于举报与现场突击检查等,或是从其他案件顺延发现线索。交易所数据应用流程通常是先发现个股触动异动指标,随之核查该公司是否有特殊信息公布以及与之相关的可疑账户锁定。这种迹象即成为线索,按一定程序报送至证监会,证监会决定是否立案。
据记者了解,多年之前,证监会基金部建立了一套监测基金公司非公平交易的系统,可实时掌握基金公司不同基金产品间利益输送行为。这套系统后来与沪深交易所的异常交易系统相结合,逐步发展出完善的市场异动监测工具。
目前,交易所的大数据系统大致可以分为交易数据和文本数据两块。文本数据系从美国学习引进的技术;而交易数据的挖掘,事实上是一个很成熟的学科,但应用到股票交易的监管上,仍然需要一线监管和稽查执法的经验总结。
在业内看来,区分高度相似的交易到底是巧合还是老鼠仓,需要进行大量的历史分析。一个月的数据远远不够,至少需要一年,甚至三到五年。在这样一个长的时间跨度内,如果大量的交易行为与老鼠仓的特征吻合,则作为证据的证明能力更强。
具体来看,上交所异动指标分为4大类72项,敏感信息分为3级共11大类154项;深交所建立了9大报警指标体系,合计204个具体项目。此外,深交所监察系统即可同步实现超过204个报警指标、300项实时与历史统计查询、60余项专用调查分析、100多种监管报表监测分析等功能,每年处理的各类实时报警信息14万余次,平均每个交易日处理报警600余次。
“过去查老鼠仓还会到公司来查封电脑,现在得益于大数据系统的应用,稽查部门在老鼠仓案件中收集掌握的证据更加有效,在侦查阶段基本上不打草惊蛇,不用直接接触被调查对象和相关公司,证据确凿后,公安局直接就把人带走了。”一位基金从业者说。
更令人欣喜的是,大数据的应用或将进入一个更新的高度。据记者了解,不久前证监会主席办公会刚批准通过的证监会中央监管信息平台,可以将目前分散在证券监管领域各个角落的信息集合起来,即包括交易所数据库,也包括各层级证券监管部门的日常监管、检测数据信息。
“这将是一个智能化、云数据的平台,未来会对提高稽查执法效率等起到很大作用。”接近监管层的相关人士表示,此外,监管层也在进一步加强稽查执法力量。比如眼下已在上海和深圳增编稽查支队,每个支队增加了近100人。从技术到人力资源配置,未来的稽查风暴将成为常态化。
在“捕鼠”行为更为智能、更为常态化的形势下,不少业内人士都感觉“压力山大”。目前,借助大数据系统,“捕鼠”风暴已从基金圈刮向了券商。有券商短短数周内接连召集分析师突击开会强调风险。不少分析师坦言,这一轮风暴的紧张程度之高已经超过了其职业生涯的其他时刻。
“近一个月,我们已经专门就做好风险规避工作开了四五次会。”有券商分析人士透露,公司异地设立的研究所听说也召开了内部会议,主要内容依然是严格要求按风控规程操作,研究报告不允许违规传播,不管是邮件、QQ还是微信都要谨慎提及个股,严禁传播内幕信息。
多位券商人士表示,“眼下这场已经延续了数月的风暴已经不再仅仅盯着基金经理,而已横扫资本市场各个利益环节,券商、保险、私募都难逃一查。”
5月9日,证监会通报了平安资产管理公司一位投资管理人员涉嫌老鼠仓。北京市公安局于5月13日通报了另一起保险公司权益投资部门总经理的老鼠仓案件,且已正式批捕。这两起案件的共同特点是涉案累计金额巨大,均在亿元以上。
从证监会最新信号来看,此次“捕鼠”行动绝不是“一轮运动”。5月19日,证监会主席肖钢在学习落实“新国九条”的讲话中表示将坚决打击证券期货违法犯罪行为。加强对证券期货违法违规行为的监测和线索发现,将坚决打击欺诈上市、虚假信息披露、内幕交易、操纵市场等各种违法违规行为,并特别强调会“始终保持高压态势”。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21