大数据环境下的证券市场操纵行为发现机理、模型与方法

Big data technology leads to a fundamental shift in decision-making strategy and working style. It becomes an ever-increasing concern from the supervision and administration of the securities market. Some securities regulators realized the big data technology’s potential and have begun to apply regulatory strategies based on the collection and analysis of extensive data in innovative ways. However, it is always difficult to identify market manipulation behaviors due to their concealment and complexity. The study of big data technology in securities market regulation is still at an initial stage. This project is of the first time to study anomaly group mining in securities market via big data technology. It will provide a novel perspective to view securities market supervision mechanism. The topics of our project include, i. studying and modelling the securities trading behavior data, ii. formatting the problem of anomaly group mining of market manipulation in stock market via big data technology, iii. exploring effective and efficient anomaly group mining algorithms and conducting empirical research. This project will deliver an innovative solution for the stock market supervision and administration mechanism with great scientific and practical importance.

大数据应用是用大数据支持决策活动，产生新的决策方法和工作方式。近年来在大数据技术支持下，证券市场监管理念开始发生变革，产生了新的监管模式并初见成效。然而市场操纵行为隐蔽性强、难以甄别、查处成本高，及时发现并查处这些账户仍是证券监管面临的执法困境。大数据监管是一个全新课题，相关研究尚处在初期探索阶段，很多问题尚待研究。本项目首次系统的探索大数据环境下的市场操纵行为发现机理，具有前瞻性，提供证券市场大数据监管研究的新视角。首先，分析证券交易行为大数据特征，构建表示模型；然后，建立大数据环境下的市场操纵行为发现模型，设计面向市场操纵行为的大数据特异群组挖掘算法，揭示市场操纵行为特征；最后，以上海证券交易所为实证平台，检验方法的实用性和可扩展性。研究成果将为证券市场监管提供新型技术手段，对于证券市场监管模式创新研究具有重要科学意义；也为证券市场监管提供实证依据，具有实际价值。

近年来，证券市场逐步引入并重视大数据驱动的监管理念，产生了新的监管模式并已见成效。然而，证券市场操纵行为普遍隐蔽性强、难以甄别、查处成本高，及时发现并查处这些异常账户仍是证券监管面临的执法困境。此前的监管手段依赖于对过去已经发生过的事件进行总结，提取规则，从而进行防范。这样的方式存在滞后性与局限性，难以应对新的、多变的、行为隐蔽的市场操纵行为模式，难以实时监测或提前研判市场风险。面向大数据价值高、价值密度低的特性，结合证券市场合谋操纵、基金“老鼠仓”等市场操纵行为的集中资金、信息优势，以群组方式操纵市场等行为模式特点，我们拓展特异群组挖掘算法的相关理论与模型，建立证券市场的特异群组挖掘框架，无监督的检测证券市场操纵行为，具有实时性，同时具备发现新型操纵行为的能力。具体来说，首先分析证券交易行为大数据特征，建立行为数据表示模型；然后，设计面向市场操纵行为的大数据特异群组挖掘算法，揭示市场操纵行为特征；再次，研究特异群组核心对象挖掘方法，发现市场操纵核心账户；最后，以上海证券交易所为实证平台，检验方法的实用性和可扩展性。本项目首次研究面向证券市场操纵行为的大数据特异群组挖掘任务，具有前瞻性，提供证券市场大数据监管研究的新视角，也为证券市场监管提供实证依据，具有实际价值。