技术的升级往往犹如阿基米德支点,能够撬动整个局面的变化。这点上在今年以来的资产管理机构稽查风暴中体现得尤为明显。“近期的变化主要还是源于大数据,调查重点集中在资产管理机构利用非公开信息交易的问题上。”一位接近证监会稽查人士表示。
数据库此前多用于监测个股异动
如果以2013年为分界点,前后的“捕鼠”信息加以对比,可以清晰看出大数据的作用。
自2009年2月“老鼠仓”入刑以来,有5件案件共8人被追究刑事责任。此前的“老鼠仓”查处案件,线索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。
事实上,在此阶段,交易所作为一个天然的大数据库,已在默默累积着数据监管经验。
这种一线数据库运作此前多运用于个股异动信息监测上。例如对于异动指标的建立,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。
2013年后云端“捕鼠”启动
这种集中个股异动上的大数据应用,2013年后开始延伸到“老鼠仓”线索挖掘上。2013年4月,上交所市场监察部监控显示,严某等三个个人A股账户与博时精选基金账户交易股票存在很高趋同性,涉及股票29只。作为重要线索,上交所将其上报证监会。这就是博时基金原基金经理马乐涉嫌“老鼠仓”案的起源。
这种新领域的交易所大数据应用,随之被更高频使用。从2013年下半年开始的 “老鼠仓”调查开始,大数据“捕鼠”风暴开始步入高潮。“这一系列涉嫌老鼠仓的案件调查,其线索都是来自于交易所日常监控下的大数据分析。”一位接近交易所人士透露。而据证监会公布的情况显示,2013年以来,证监会共受理涉嫌利用未公开信息交易股票案件线索38件,涉及基金管理公司十余家,涉及保险(放心保)资产管理机构两家。
三大升级确保大数据发力
为什么大数据在2013年开始突然显示威力?这或源于近年来交易所对于数据挖掘能力的研究推进,这其中包括文本发掘能力的引入、账户关系算法的提升、监管流程的重塑等。
在文本挖掘方面,以深交所为例,其从2010年开始便确定了文本发掘课题,借鉴了美国法定自主监管机构FINRA开发的SONAR系统,即证券监察、新闻分析、市场监管系统。
而在账户关系的对比上,更是“老鼠仓”稽查的突破点。“我们的大数据监管现在做得特别好,那套东西都快赶上淘宝的大数据了,能够瞬间比对出账户关系,交易偏好和逻辑,是个神器。”一位接近上交所人士表示。
最后则是监管流程的再改进,据记者了解,目前交易所已建立实时监控机制、专项核查机制、联动监控机制、智能化监控机制四位一体的监控体系。
据《21世纪经济报道》