上交所:三项智能技术已投入监管实践

党的十九大及全国金融监管工作会议提出，健全金融监管体系，守住不发生系统性金融风险的底线。近年来，随着证券市场规模持续扩大，金融行业混业经营不断加强，投资者结构日渐多元，违法违规交易行为也日益隐蔽，都对交易所监管提出了更高要求。

日前，上交所有关负责人接受记者采访时说，在证券交易监管面临的新形势和新要求下，上交所正在积极探索运用先进技术手段提升交易所监管能力。目前，大数据、云计算、人工智能新技术蓬勃发展，在金融行业的应用日益成熟，也给上交所推进自动化、智能化监管带来了全新思路和契机。

智能识别异常交易线索

记者了解到，上交所一直重视信息技术在交易监管中的应用，近期在大数据规划及监管技术研究方面开展了一系列创新性工作。近两年，上交所启动了大数据平台的规划建设，进一步整合数据资源，深挖数据价值。开展了金融云平台的设计和建设，对图数据库、流计算和自然语言识别等新兴技术进行研究，为智能监管提供持续有力的技术支撑。上交所还积极研发智能应用，以大数据平台为基础，以实际监管业务场景为着陆点，持续开展新技术课题研究，并及时将研究成果应用于实际监管工作。

具体来说，一是运用机器学习技术实现投资者画像。从交易风格、持仓特征、投资偏好、历史监管情况和违法违规情况等维度，设计特征指标，对投资者进行全方位图形化展示。运用机器学习技术，智能识别和预判其异常交易模式，为异常交易行为的分析和决策提供参考;二是运用知识图谱技术进行账户关联性分析。从账户关联、交易关联、终端设备关联等多个维度，高效计算和判定账户关联关系。同时应用最新的图数据库技术，快速生成拓扑图，直观展示账户和账户组之间的关联关系，提升关联账户识别效率;三是使用文本挖掘技术提高网络"黑嘴"的侦测能力。运用文本挖掘和语义分析技术，自动抓取热门网络社区中荐股信息，同步筛查相关股票行情是否存在异动，自动对异动股中"抢先交易"行为特征的账户进行分析，筛查出网络"黑嘴"嫌疑账户。

上交所负责人表示，上述三项智能技术研究成果均已投入监管实践应用，对提升一线监管效能起到了积极推进作用。

比如说，投资者画像可提供投资者行为特征的图形化描述，在交易监管过程中增强了对异常行为的辅助判断能力;账户关联性分析实现了对关联账户、关联行为的图形化动态监测，极大提高了对隐藏在市场操纵、内幕交易等违法违规行为背后的账户关联关系的识别能力;网络"黑嘴"筛查实现了对网络荐股信息语义解析、异动股票侦测、嫌疑账户筛查的自动化、智能化分析，目前已成功发现了相关案件线索。

拓展新技术监管应用

目前，证监会正在统筹推进系统内证券监管大数据平台的建设，将进一步加强各类新技术应用，提高金融监管的智能化水平。证券时报记者获悉，在如何运用大数据、运用人工智能技术提升监管能力等方面，上交所已积累了一些经验，取得了一定的监管实效。

据介绍，针对目前"智能监管"中存在的具体问题，上交所已有针对性的思考和改进。一是与证券交易监管相关的数据源仍需不断扩展。上交所现有数据主要是沪市的交易、持仓相关数据，为增强数据的聚合价值，还需进一步整合公司年报、券商研报、舆情等交易相关数据，并开展关联性分析。今后，需要建立对大数据、人工智能技术发展和应用的跟踪机制，及时了解技术动态和发展趋势，持续开展新技术在监管业务场景上的应用研究。例如，深化对舆情、研报等非结构化监管数据处理研究及关联分析，开展市场流动性实时侦测研究等。此外，还将探索建立科技监管实验室，提供用于研究的软硬件环境，完善研究成果快速转化为应用的机制，为智能监管提供及时技术支持。

二是非结构化数据在监管中的价值有待进一步挖掘。上交所在分析处理交易、持仓等结构化数据方面，技术相对成熟，同时对于公司财报等数据，已通过可扩展商业报告语言(XBRL)实现了数据的半结构化存储和使用，但对于网络舆情、券商研报等尚未结构化的非交易类数据的处理和运用能力还有待加强，而往往这部分数据对监管的综合分析判断具有极大参考意义。

三是人工智能新技术在证券监管中的运用还处于早期阶段。目前，大数据处理技术在金融证券行业已有较多应用，在内幕交易、老鼠仓等线索核查过程中作用显著。但人工智能技术本身的发展尚处于早期的"认知"阶段，更深入的"推理"、"决策"应用仍较少，在证券监管领域的运用还需进一步探索和研究。

此外，上交所将通过人员培训、行业交流等多种方式，均衡、可持续地培养复合型监管人才，形成提升科技监管水平的长效动力。同时，还将积极引进外部老师和人才，并与外部科研机构、高校、科技公司开展交流和联合研究，助力交易所智能监管更快发展。

【请扫描上方二维码，关注环球网校金融考试官方微信号！】

环球网校友情提示：了解更多行业动态您可以登陆环球网校证券从业资格频道或环球网校证券论坛与广大朋友一起交流学习，共求进步！