论坛 产品库 视频 专题 CIO俱乐部 Windows8 实验室 CMO俱乐部 案例

用大数据捕捉证券老鼠仓交易?

发布时间:2014-05-28 09:55:00 来源:比特网 作者:百度百家
关键字:大数据 老鼠仓 证券交易

  什么是大数据

  大数据强调的是全样本,混杂性和相关性,并通过集成分布式数据分析计算来发现事物之间的相关性,大数据的核心包括全样本数据的收集,数据仓储的建立和数据分析、提取工具的应用。当然,大数据除了全样本和丰富的数据资源外,还需要具备数据的活性,数据的验伪和数据的标准化。

  对于大数据而言,一个是入口,一个是出口,入口需要多元化,连接各个数据获取的渠道,出口需要标准化,以便于具体运用于数据分析、预测和交叉验证。一般而言,大数据是分析已有的社交数据、电商数据和公共信息数据,近而为预测客户消费行为,提高社会管理能力而提供更多的策略建议。

  但是,你听过没有,大数据还可以捕抓老鼠,只不过,此老鼠非彼老鼠,而是代表在证券基金交易中存在的老鼠仓等违规现象,而监管部门在一定程度上可以利用交易中的大数据和某种数据之间的相关性来分析某个个体在交易中是否存在老鼠仓等违规操作的嫌疑。

  也许,在近期的监管监察压力下,加上某种大数据分析的抓老鼠利器在,已经在基金行业里面掀起了一阵不小的波浪,目前已经有多位基金经理迫于监管压力而选择了主动辞职的态度。

  在传统的监管上,对于证券基金的内幕交易,一般依托于检举人的内部检举,然后再由监管层介入进行实地纠察,采用约谈、审核、调查取证的方式逐步确立对被检举人是否存在违规现象下定结论,一般而言,这种结论代表了严肃的监管处理意见,严重的可以终身禁入证券基金市场。

  相对传统的举报形式而言,目前的监管已经逐渐由大数据监控来替代,证监会本身拥有一套监控系统和专司执法的稽查大队,而沪深两个交易所也拥有监测室,建立了相关模型提供指标预警,但与成熟市场相比,当下的科技执法还未能尽善。

  通过大数据,可以确立一些基本的相关要素,这些要素和指标通过集成化的数据分析工具统一运用于日常的证券、基金交易之中,一旦发现异常的交易情况,可以及时最终交易来源,并对比历史上的老鼠仓交易轨迹和频率,锁定相关交易机构和个人,进行针对性更强的违规监察。当然,大数据也存在一定的失真性,特别是在数据规则和相关性不甚明确的时候,通过大数据检索和分析的因素只能确定违规的嫌疑,但是这种嫌疑的进一步论证,仍然需要借助于传统的监管纠错机制和监察办法。

  上交所将异动指标分为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。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。在模型的建立上,两大交易所早在几年之前就开始了大数据模型分析的实验和分析,从对以往交易数据和以往老鼠仓的对比分析中找出大数据化的相关因素,并纳入日后监测的指标体系之中。那么这种大数据的捕鼠方式有没有成功的案例?

  目前来看,沪深两市建立的模型化数据,暂时还没有放到完全的主动预测上,而是作为现有监管体系的一种补充,其中也利用大数据来进行了几个案件的监察,部分人员也得以受到监管处分。但是,从全局而言,利用大数据捕抓老鼠仓等违规案件还需要将标准、数据进行更精细化的操作管理。

  所以,就眼前这个阶段而言,利用大数据来捕抓老鼠,并不能必然导致成功,但是能缩小检索的范围,一旦出现了违规操作,大数据能提供及时的现象预警,而非简单的事后检举揭发机制,既难以掌握一线及时的交易情况,也容易造成信息传递时间过长造成的失真可能性的放大。


比特微信账号
比特微信账号

微信扫一扫
关注Chinabyte

返回首页 长微博 返回顶部