基于数据挖掘的内幕操纵行为甄别研究.doc

基于数据挖掘的内幕操纵行为甄别研究 课题研究人：张宗新、朱伟骅、沈正阳、陈剑波 选送单位：东北证券有限责任公司 内容提要 目前，我国内幕操纵监管仍侧重“事后”监管，例如对“德隆系”、“中科创业”等内幕操纵等处罚，都是以广大中小投资者付出惨重代价为前提的。而国外学者研究表明，对内幕操纵事后监管却是无效的（La Porta et al.,2006）。因而，在中国证券市场全流通条件下如何强化事前预防和事中监控，如何有效甄别内幕交易行为，及时对内幕操纵进行控制和禁止，成为证券监管部门实施反操纵监管的重要研究课题。 正是基于证券市场反操纵监管的难题，课题以中国股市发生内幕操纵操纵的上市公司为研究样本，对内幕操纵股票的股价流动性、信息传递效率、股价运动行为自相关性、持股集中度与换手率等进行实证分析，从而提取内幕操纵数据挖掘方法的建模因子。在内幕操纵建模因子分析的基础上，课题应用SAS数据挖掘方法，利用Logistic模型、决策树模型和神经网络（Neural Network）模型构建内幕操纵行为甄别方法，对证券内幕操纵行为进行识别，研究结果表明利用数据挖掘技术可以对内幕操纵进行有效甄别，应用Logistic判别模型的预测准确率为91.66％，决策树判别模型的预测准确率为93.19％，应用神经元网络预测准确率达到95.5%，略高于Logistic和决策树的预测结果。总之，应用数据挖掘方法构建的内幕操纵判别模型，可以达到有效甄别内幕操纵行为的效果，从而为证券监管层及时甄别证券内幕操纵行为，实施反操纵监管提供了重要的参考依据。 目 录 1. 引 言 2. 内幕操纵行为甄别的因子分析 2.1 流动性检验 2.2 股价自相关性检验 2.2 信息传递能力检验 2.4 Beta系数测度 2.5 持股集中度与换手率特征检验 3. 内幕操纵行为数据挖掘的甄别模型构建 3.1 Logitic模型判别 3.2 决策树模型判别 3.2.1 决策树模型 3.2.2 决策树模型判别结果 3.3 模糊神经网络模型判别 3.3 模糊神经网络模型判别 3.3.1 模糊神经网络模型 3.3.2 神经元网络模型判别结果 4. 简短结语与监管建议 基于数据挖掘的内幕操纵行为甄别研究 1. 引 言 内幕操纵行为不仅严重损害了中小投资者权益，破坏了市场的正常游戏规则，而且加剧了股价的异常波动，因而实施反操纵监管成为世界各国证券监管部门的重要职责。尽管监管部门一直致力于内幕操纵行为监管与防范，但是内幕操纵行为仍时有发生，其重要原因在于内幕操纵行为复杂性、难以甄别性，以及反操纵司法程序的难以执行性。在实施全流通的中国证券市场上，由于市场信息透明度不高、市场制度不完备性、投资者保护环境较差和反操纵监管不严等原因，内幕交易行为问题将尤为突出。目前，我国内幕操纵监管仍侧重“事后”监管，例如对“德隆系”、“中科创业”等内幕操纵等处罚，都是以广大中小投资者付出惨重代价为前提的。而国外学者研究表明，对内幕操纵事后监管却是无效的（La Porta et al.,2006）。因而，在中国证券市场全流通条件下如何强化事前预防和事中监控，如何有效甄别内幕交易行为，及时对内幕操纵进行控制和禁止，成为证券监管部门实施反操纵监管的重要研究课题。可见，进行内幕操纵行为甄别研究不但对有效实施反操纵监管具有重要的理论价值，而且对于及时打击内幕操纵行为、保护中小投资者合法权益具有重要的现实意义。 针对内幕操纵行为复杂性、难以甄别性和司法执行的难题，对内幕操纵行为分析和内幕操纵识别就成为证券市场研究的重点和难点。国外学者对内幕交易作了大量理论研究与实证。Allen Gale（1992）对内幕交易和股价操纵问题进行研究，提出了市场上的三种操纵形态：行为操纵、信息操纵和交易操纵策略。Chakraborty McConnell(1999) 建立知情者交易动态模型，指出知情者进行交易操纵是其理性选择。Brunnermeier（2000）研究发现，知情内部人利用信息优势操纵股价。Huddart, Hughes 和Levine(2001)提出的内部人交易披露规则下的掩饰策略理论，认为内部人在交易信息披露规则下，在其交易中加入一个噪音成分，从而降低了外部投资者从内部人的交易中推断信息的能力，使得市场上出现反常的交易行为。Aggarwal Wu(2004) 利用美国证券市场1990-2001年的内幕操纵对市场波动的影响，并对SEC反操纵监管效果提供了实证证据。Joon Chae(2005) 根据公告日对披露重大事件的划分，将主要事件划分为约定时期披露的事件（包括年报，中报等）和非定期披露的事件（包括资产重组，突发事件），检验了信息非对称条件下内部交易者和中小投资者对于事件预期的不同会导致股价和交易量发生不同变化。Beny(2