① 你們聽說過＜寧德股票詐騙案嗎！＞
寧德特大系列虛假股票信息詐騙案破獲紀實
玉田在線 www.352200.com 來源：閩東日報 作者：李牧笙
七月的閩東大地熱得像一個大蒸籠。7月10日上午，一位市民額頭上掛著涔涔的汗珠來到市公安局刑警支隊長辦公室訴說自己一時糊塗遭詐騙的過程：今年6月19日至7月7日期間，我在上網時通過鏈接上海飛翔股票投資有限公司網站，該公司管理人員以可提供漲停股票為優惠政策吸引我投了三筆總計30餘萬元人民幣的股票。事後發現自己上當受騙，我只有選擇向公安機關報案，希望能盡快破案，嚴懲罪犯，最大限度減少我的損失。支隊領導隨即向分管領導陳賜景作了匯報。陳賜景當即指示：抓緊立案偵破，務求必勝。支隊長錢昌平把副大隊長劉亮通知到辦公室鄭重其事地將偵破「7·10」任務交給了以他為主的「獵狐辦」，對具體事項作了安排。不久該案被公安部列為掛牌督辦案。虛假信息詐騙犯罪屬於高智商、智能化的犯罪，而「獵狐辦」的獵手們是專門與狡猾的對手打交道的人。偵察員接手此類案個個磨拳擦掌。大家在劉世巧副政委和劉亮的召集下聚首於會議室，把今年5月以來相繼發生於福安「5·22」、蕉城「6·23」、「7·2」、東僑「7·7」等作案手段相似的股票信息詐騙案5起，涉及6個銀行卡號和10餘部涉案通訊工具，以及系列案件的前期偵查情況進行梳理，發現銀行卡分屬上海、廣西、江蘇等地的多家銀行，且均處於活動狀態;還查明涉案通訊工具歸屬於上海、江蘇、湖南等地。經對多部涉案通訊工具通話清單提取及涉案網站伺服器、網站維護IP的調取後，發現「7·10」詐騙網站維護人員都落地於福建。據此，專案組決定從偵破條件最成熟的「7·10」詐騙案入手，開展串並案偵查。說它條件成熟也不過僅有兩點作案痕跡，即涉案銀行卡號和作案手機具備一定價值而已，要讓這兩個「點」變成線，繼而織成一個個網眼，再由網眼組合成一張巨網，最後把疑犯兜入網中，那可是考驗偵察員綜合實力，鬥智斗勇永不言敗的過程，偵察員回應考驗的是一句老話：再狡猾的狐狸也斗不過好獵手!經初步偵查，不出偵察員所料，犯罪嫌疑人在作案時所留下的蛛絲馬跡無一例外地打著「虛假」的烙印：涉案手機為作案專用，內容是虛假的;涉案銀行賬戶為作案專用，開戶戶主資料是虛假或套用的;犯罪分子使用無線上網，且網路開戶資料和IP是虛假的。據此，專案組審時度勢，決定從取款地、3G無線上網地和作案手機使用地三個方向開展抽絲剝繭以尋求有價值的破案線索。排查過程，專案組堅持四個「鎖定」：從銀行賬戶往來及取款情況分析鎖定作案高危人員的動向;從作案通訊工具使用情況分析鎖定案發取款時刻作案人員的具體位置;從網路追蹤及上網IP情況分析鎖定轉賬人員的落地;從打電話到轉賬再到取款的時間節點分析鎖定在取款期間或前後團伙成員之間的活動情況。由於「四鎖定」針對性強，點擊穴位準，很快破解了犯罪嫌疑人變著手法給公安征戰之路設置重重「樁子」：頻繁更換手機、頻繁變換作案地點、頻繁使用作案電話的虛擬號碼，銀行卡也頻繁以他人身份證開戶。「四鎖定」產生神來之筆的效應，還表現在各路捷報頻傳———從負責銀行賬戶往來及取款情況偵查小組傳來喜訊：犯罪嫌疑人冉某開戶行在上海，經調取賬戶發現該賬戶已通過網銀轉賬到二曾一呂一宋等四人的戶頭，各賬戶款額均為6萬多元。其中兩人開戶地在安徽阜陽、一個開戶地在山東德州，還有一個開戶地在山東東營，而冉某賬戶上餘款有在泉州安溪取款的記錄和在泉州某超市POS機上刷卡消費90餘元的記錄。繼而又發現4個賬戶全部在廈門某銀行櫃台和AT-Ma01櫃員機取現。負責工具使用及落地情況偵查小組同樣有好消息反饋到專家組：發現一個上海小靈通號碼，另一個為呼叫轉移手機，歸屬地也在上海，落地在福建漳州。主要活動地在漳州角美龍池開發區。 負責網路追蹤及上網IP落地情況偵查小組也收到預期的戰果：通過分析冉某銀行轉賬信息發現，該賬戶網銀轉賬的曾、宋、呂等4個操作IP經網監部門調查為3G無線上網IP， 3G手機地處漳州角美龍池開發區。剝下了詐騙者身上的第一層畫皮，偵察員無不為 「決癰除患」的旗開得勝而備受鼓舞。他們深知要擴大戰果，必須繼續發揮公安現代化信息偵查思路的優勢，認識每一張銀行卡都是線索，使用記錄越多，犯罪分子暴露的機率越大，查詢越多，信息數量的積累就越多。在征戰過程，偵察員不放過任何一張銀行卡的歷史明細和取款監控。比如查詢該團伙的二級賬戶時，專案組調取該卡在泉州某超市刷卡消費購買洗浴日用品90餘元的記錄，偵察員便能准確判斷出疑犯應為泉州安溪籍的高危人員，從而剝去了這伙犯罪嫌疑人刻意偽裝滬、浙等地公民的畫皮，縮小了包圍圈。串並案偵查收網 詐騙團伙被摧毀專案組在收網之前針對「三個小組」排查的結果，進行條分縷析作出准確判斷：一是該詐騙團伙在上海購買手機卡，上海銀行開戶，漳州設點進行接聽電話和網上銀行轉賬，安排馬仔在廈門取款。二是根據涉案對象冉某在安溪有取款記錄，以及在泉州某超市有90餘元的消費記錄，可以推斷該團伙可能由泉州安溪人為主，廈門漳州是他們的作案點，泉州是他們的落腳點。三是根據手機落地和上網落地判斷作案手機和3G上網人應為同一人，且系團伙的組織者，廈門取款人為團伙中的馬仔，專門負責取款業務，在取款期間或取款後團伙頭目肯定要同取款馬仔聯系，以確保其詐騙所得錢款的安全。依據以上綜合分析，受害人將25萬元錢打入詐騙銀行賬戶後在不到1小時的時間內，詐騙團伙在漳州進行了轉賬並且在廈門全部取現，詐騙人或轉帳人必須要將錢已到個別具體賬戶的信息告訴取款馬仔，他們之間應有相互間的通知，由此給偵查人員留下了突破全案的關鍵線索，偵查人員採取了針對性極強的偵破對策———串並案偵查水到渠成，收網時機漸趨成熟。專案組把排查時間往前推到5月，犯罪嫌疑人的魔蹤在閩浙兩地的活動軌跡歷歷在目：5月10-13日在漳州停留、5月20-22日在廈門停留、6月21-22日在浙江杭州停留、7月2-3日在福州停留，根據其運動軌跡判斷持機人可能有住宿旅館，調取漳州、廈門、杭州、福州等地相對時間段內所有泉州安溪籍在旅館住宿記錄，進行海量數據分析確認出嫌疑人身份為泉州安溪長坑人陳其春，調取照片與取款監控錄像比對，明確了在廈門取款的馬仔。9月26日，專案組在廈門、泉州警方的大力配合下，在泉州市抓獲取款馬仔陳其春、在廈門市灌口鎮抓獲團伙頭目阿王及骨幹成員男林、女林等四人，成功摧毀該系列虛假股票信息詐騙的犯罪團伙，當場繳獲作案工具手機8部、筆記本電腦1台、銀行卡(存摺)20張，扣押贓款50餘萬元。經審訊深挖現已初步查明，2008年以來，犯罪嫌疑人阿王組織人員在互聯網上搭建虛假信息股票網站，在網站首頁或宣傳資料上開展 「天天公開：三隻暴漲股票」、「公開3隻私募拉升暴漲牛股」、「每日牛股數據」等多種形式的誇大宣傳，以贈送漲停版、免費贈送金股等為誘餌吸引投資者，用網路電話冒充上海或北京的固定電話，在上海、北京、山東等地銀行開戶，在漳州角美、廈門灌口等地租房設點遙控詐騙。同時，利用高科技手段通過各地代理商，在國內知名的搜索引擎網站長期付費推廣，使詐騙網站或虛假股票信息在搜索引擎結果中位居前列。投資者上當受騙就會主動撥打該網站聯系電話，該團伙就以繳納會員費、信用保證金或融資金為由騙取錢款，單筆數千元至數十萬元。警方提醒 謹防騙子王氏特大詐騙犯罪團伙被警方成功摧毀，但該案中上當者的經歷留給人們的教訓有一條應記取：凡是能帶給你刺激的「好事」，往往是詐騙者施騙的陷阱所在。善良的人們一定要冷靜再冷靜，採取「決定明天做，付款往後拖」的慢節奏戰術。千萬不可頭腦發熱，否則你躲過「漲停股」的誘惑，也很難保證不會在「奶奶好，爺爺好，出門撿到大元寶」的街頭騙局中稀里糊塗地步入騙子的圈套，換回一次捶胸頓足、追悔莫及的痛苦。
② 案例 | 同花順數據中心的「龍虎榜"數據分析
對於證券行業網站，已經有諸多提供了數據挖掘和分析的模塊。比如：同花順數據中心、搜狐證券金羅盤、新浪財經數據中心等等。提供的數據分析功能，一般都是圍繞證券市場公開信息所進行的不同程度、不同角度的挖掘和分析。比如，同花順數據中心側重公開市場交易信息、使用的體驗最好；搜狐金羅盤對各券商研究報告、股票評級做的好；新浪財經數據中心則是在廣泛信息收集之中側重於從技術面、基本面的智能選股，可謂是各有千秋，三者之間功能重疊很多，但是究竟孰優孰劣，因為每個人的投資經驗和喜好不同，就只能用戶自己體驗之後去判斷了。
我本文就只針對同花順數據中心進行一番介紹（不要冤枉我，我可沒有收同花順的一分好處費，純粹是一片好心將這個不錯的數據中心推薦給大家，相信大家看後會感謝我）。分析的目的，一方面是讓大家可以有一個便捷獲取證券市場信息的好地方，另一方面也是為證券公司提升投資者服務提供一個很好的案例參考，看看人家互聯網證券網站是怎麼能想的那麼多、做的這么好的，開拓一下做投資服務的思路。
首先說網址，同花順數據中心_同花順金融網http://data.10jqka.com.cn/ 。
同花順數據中心提供的功能其實很全，從大家關注的龍虎榜、新股信息、資金流向、選股、交易提示、公告信息等等，可謂是匯聚了投資者交易分析的各方面信息，我們的投資者往往辛苦的在各大網站查閱股票資訊和證券市場信息，經常會難辨良莠，被一些錯誤信息誤導，同花順可謂是畢其一功於一役，采網路之精華、市場之鱗爪啊。
接下來重點說龍虎榜。其他功能基本操作類似，都具備了豐富的數據拓展鏈接，相互貫通。
1、基本信息。
龍虎榜隨便點開一個上榜股票名稱，這個頁面基本是大家在各處都可看到的上榜營業部交易明細。但是，重點來了，看圖上圈住的2處，一個是此股票上榜次數、一個是營業部上榜次數。看到這里，你會不會覺得一下腦洞大開啊，哇，這么看來似乎對於股票的走勢、尤其是上榜營業部的實力會很有點看頭呢，上榜次數多的營業部，最近三個月有200多次的（如果我們的營業部可以有這樣一家，老闆該睡覺都會笑醒了吧？！）。
2、上榜營業部
好吧，我如果猜得不錯，你一定已經和我一樣點開了龍虎榜信息里的營業部。該營業部的歷史上榜數據統計一應俱全，次數、金額、參與的股票列表、介入最深、操作最多、一致行動的營業部。。。
（你的眼睛有沒有睜大啊？！我反正是小地方人沒見過世面，連嘴都張大啦）
尤其是介入最深、操作最多的股票，這恐怕至少是大戶所為啦，是不是證券營業部的投資內參有引導客戶操作？還是有大資金卧底在這家營業部來做莊呢?
正相關營業部，讓我們看到經常勾搭一起的營業部，是大家都英雄所見略同嗎？還是互通有無的一致行動人所在呢? 嗯，還可以看看他們一起干過的股票，究竟合作得效果如何呢?看看才知道哦。
3、買賣點
細心的觀眾，你有沒有看到如圖下的「買賣點標識」的地方？
點開了就是如圖的走勢上標注了紅色、綠色遠點的內容，這個上榜的營業部是散戶所謂還是機構圖謀呢?看買賣點就一目瞭然其獲利情況。嘿嘿，號得准這些營業部資金的脈，每個人都成老中醫啊！
同花順數據中心無論是在數據信息的收集整理、還是數據挖掘後的再分析，都給人耳目一新的感受，你會覺得原來可以這樣做啊！其實，這些功能恐怕是我們每一個證券投資者、甚至從業者都曾經想過但卻無力做到的呢。找得到用戶的需求、能夠超乎用戶需求實現，這才是互聯網時代，我們客戶服務應該做到的。
③ 分析股市數據的網站是否存在法律風險
只要不出現欺詐、錯誤誘導等違法行為！
公開正確的數據是不會有什麼法律風險的！
④ 怎麼分析股票數據
所需步驟：
1． 了解該公司。多花時間，弄清楚這間公司的經營狀況。以下是一些獲得資料的途徑：
* 公司網站
* 財經網站和股票經紀提供的公司年度報告
* 圖書館
* 新聞報道——有關技術革新和其它方面的發展情況
2． 美好的前景。你是否認同這家公司日後會有上佳的表現？
3． 發展潛力、無形資產、實物資產和生產能力。這時，你必須象一個老闆一樣看待這些問題。該公司在這些方面表現如何？
* 發展潛力——新的產品、拓展計劃、利潤增長點？
* 無形資產——知識版權、專利、知名品牌？
* 實物資產——有價值的房地產、存貨和設備？
* 生產能力——能否應用先進技術提高生產效率？
4． 比較。與競爭對手相比，該公司的經營策略、市場份額如何？
5． 財務狀況。在報紙的金融版或者財經網站可以找到有關的信息。比較該公司和競爭對手的財務比率：
* 資產的賬面價值
* 市盈率
* 凈資產收益率
* 銷售增長率
6． 觀察股價走勢圖。公司的股價起伏不定還是穩步上揚？這是判斷短線風險的工具。
7． 專業的分析。F10為個股資料，裡面的業內點評清楚地評價了公司的行業地位及發展前景，可以作為參考，還有淘股吧論壇，裡面不乏有高人分析個股的技術面與題材面。
技巧提示：
1、 潛在的行業龍頭，要重點關注。比如中國南車，剛上市就跌到了3元，作為動車組的龍頭股，肯定是低估了，中線持有必賺；
2、 低價是永恆的題材。這里所說的低價，是絕對低價，歷史上從來沒有大幅炒作過的品種，一旦有熱門的題材引發主升，往往成為黑馬。
注意事項：
每個投資者都經歷過股票套牢的滋味。這時應該保持冷靜，分析公司的基本面，確定該股票是否還值得長期持有。
⑤ 股票投資分析的基本方法有哪些
你好，股票投資分析方法主要有如下三種：基本分析、技術分析、演化分析。
(1)、基本分析(Fundamental Analysis )：以企業內在價值作為主要研究對象，從決定企業價值和影響股票價格的宏觀經濟形勢、行業發展前景、企業經營狀況等方面入手(一般經濟學範式)，進行詳盡分析以大概測算上市公司的投資價值和安全邊際，並與當前的股票價格進行比較，形成相應的投資建議。基本分析認為股價波動軌跡不可能被准確預測，而只能在有足夠安全邊際的情況下「買入並長期持有」，在安全邊際消失後賣出。
(2)、技術分析(Technical Analysis)：以股價漲跌的直觀行為表現作為主要研究對象，以預測股價波動形態和趨勢為主要目的，從股價變化的K線圖表與技術指標入手(數理或牛頓範式)，對股市波動規律進行分析的方法總和。技術分析有三個頗具爭議的前提假設，即市場行為包容消化一切;價格以趨勢方式波動;歷史會重演。國內比較流行的技術分析方法包括道氏理論、波浪理論、江恩理論等。
(3)、演化分析(Evolutionary Analysis)：以股市波動的生命運動內在屬性作為主要研究對象，從股市的代謝性、趨利性、適應性、可塑性、應激性、變異性、節律性等方面入手(生物學或達爾文範式)，對市場波動方向與空間進行動態跟蹤研究，為股票交易決策提供機會和風險評估的方法總和。演化分析從股市波動的本質屬性出發，認為股市波動的各種復雜因果關系或者現象，都可以從生命運動的基本原理中，找到它們之間的邏輯關系及合理解釋，並為構建科學合理的博弈決策框架，提供令人信服的依據。
本信息不構成任何投資建議，投資者不應以該等信息取代其獨立判斷或僅根據該等信息作出決策，如自行操作，請注意倉位控制和風險控制。
⑥ 股票犯罪涉及的罪名
法律分析：股票犯罪可能涉及以下幾個罪名：欺詐發行證券罪，偽造、變造股票、公司、企業債券罪，擅自發行股票、公司、企業債券罪，濫用管理公司、證券職權罪等。
法律依據：《中華人民共和國刑法》第一百六十條 在招股說明書、認股書、公司、企業債券募集辦法等發行文件中隱瞞重要事實或者編造重大虛假內容，發行股票或者公司、企業債券、存托憑證或者國務院依法認定的其他證券，數額巨大、後果嚴重或者有其他嚴重情節的，處五年以下有期徒刑或者拘役，並處或者單處罰金；數額特別巨大、後果特別嚴重或者有其他特別嚴重情節的，處五年以上有期徒刑，並處罰金。
控股股東、實際控制人組織、指使實施前款行為的，處五年以下有期徒刑或者拘役，並處或者單處非法募集資金金額百分之二十以上一倍以下罰金；數額特別巨大、後果特別嚴重或者有其他特別嚴重情節的，處五年以上有期徒刑，並處非法募集資金金額百分之二十以上一倍以下罰金。
單位犯前兩款罪的，對單位判處非法募集資金金額百分之二十以上一倍以下罰金，並對其直接負責的主管人員和其他直接責任人員，依照第一款的規定處罰。
《中華人民共和國刑法》第一百七十八條 偽造、變造國庫券或者國家發行的其他有價證券，數額較大的，處三年以下有期徒刑或者拘役，並處或者單處二萬元以上二十萬元以下罰金；數額巨大的，處三年以上十年以下有期徒刑，並處五萬元以上五十萬元以下罰金；數額特別巨大的，處十年以上有期徒刑或者無期徒刑，並處五萬元以上五十萬元以下罰金或者沒收財產。
偽造、變造股票或者公司、企業債券，數額較大的，處三年以下有期徒刑或者拘役，並處或者單處一萬元以上十萬元以下罰金；數額巨大的，處三年以上十年以下有期徒刑，並處二萬元以上二十萬元以下罰金。
單位犯前兩款罪的，對單位判處罰金，並對其直接負責的主管人員和其他直接責任人員，依照前兩款的規定處罰。
《中華人民共和國刑法》第一百七十九條 未經國家有關主管部門批准，擅自發行股票或者公司、企業債券，數額巨大、後果嚴重或者有其他嚴重情節的，處五年以下有期徒刑或者拘役，並處或者單處非法募集資金金額百分之一以上百分之五以下罰金。
單位犯前款罪的，對單位判處罰金，並對其直接負責的主管人員和其他直接責任人員，處五年以下有期徒刑或者拘役。
《中華人民共和國刑法》第四百零三條 國家有關主管部門的國家機關工作人員，徇私舞弊，濫用職權，對不符合法律規定條件的公司設立、登記申請或者股票、債券發行、上市申請，予以批准或者登記，致使公共財產、國家和人民利益遭受重大損失的，處五年以下有期徒刑或者拘役。
上級部門強令登記機關及其工作人員實施前款行為的，對其直接負責的主管人員，依照前款的規定處罰。
⑦ 誰有開展可疑交易監測的技術條件說明。謝謝！
可疑金融交易識別是一個比較復雜的過程，能否有效識別業已發生的可疑金融交易，並對未來可能發生的洗錢模式做出預測，在很大程度上取決於所採用的識別方法、技術和手段的有效性。當把數據挖掘技術應用於可疑金融交易識別時，不單要選擇適當的挖掘方法，還要結合相關領域知識對其進行優化和創新。由於金融交易方式的多樣性，交易主體行為的不確定性和交易記錄的時變性，使得在可疑金融交易識別領域，單一檢測方法往往存在適用性、效率和條件約束等問題，難以對金融交易的整體可疑度進行判斷。要達到理想的識別效果，必須在深入分析金融交易信息的基礎上，結合領域知識，選擇科學合理的信息匯總判定方式，綜合各種檢測方法發現的可疑線索，對金融交易記錄的可疑度作出快速准確的整體判定。
作為一種基於概率的不確定性推理方法，貝葉斯法則在處理不確定信息的智能化系統中已得到了廣泛的應用。樸素貝葉斯分類是一種基於統計學的分類方法，用於預測類成員關系的可能性。應用於海量數據分析，貝葉斯分類表現出高准確率和高速度。同時，貝葉斯分類具備自適應功能，通過學習新的洗錢交易及正常交易樣本，貝葉斯分類能反映最新的洗錢交易手法變換，為反洗錢監測提供一種快捷高效的方法。
一、相關研究
國外關於反洗錢信息技術的應用研究起步較早，20世紀70年代就開始了反洗錢立法方面的研究，而將信息技術應用到反洗錢領域的研究也在20世紀90年代就已開始。Senator（1995）較為系統地介紹了FinCEN（FinancialCrimes Enforcement Network，金融犯罪執法網）的FAIS（FinCEN ArtificialIntelligence System，FinCEN人工智慧系統）的系統結構、監測識別關鍵技術及其應用。FAIS綜合採用各種人工智慧技術，通過智能分析被提交的交易報告，發現各類可疑金融交易行為。FinCEN系統中的交易可疑度評價模塊，採用貝葉斯模型判斷可疑度，然後再對高可疑度的交易數據進行進一步的分析調查。Stofella（1997）介紹了義大利中央銀行監管部f-j（UIC）如何運用高性能資料庫和數據可視化技術構建數據挖掘環境，對義大利整個金融系統的交易信息進行監測。Petrus C Van Duyne（1999）通過分析荷蘭1994—1996年的可疑金融交易數據，指出可疑金融交易監測系統和反洗錢策略方面存在的問題，並提出改進建議。Kingdon J和Feldman K S（2002）設計了銀行交易數據監測和分析系統，通過該系統可以自動檢測到支付欺詐和金融經濟領域的洗錢活動。Kingdon J（2004）設計出一套可自動識別客戶行為模式的人工智慧系統，應用該系統可以高效識別出客戶的異常交易行為（unusual behavior）。針對傳統的基於規則的洗錢監測系統不能適應洗錢手法的快速多變，誤報率高，對海量交易數據健壯性差等局限性，國外學者展開了基於智能代理的反洗錢監測系統研究，指出該方法可以提高反洗錢監測效率，實現系統整合，增強適應性，同時還能降低監測成本。
我國對反洗錢的研究於20世紀90年代後逐漸增多，目前對於人工智慧技術、數據倉庫技術、數據挖掘技術等技術在反洗錢中應用的研究僅僅處於起步階段。徐志春、肖偉平、何宏（2003）提出了基於數據開采技術的反洗錢系統的實現框架，介紹了反洗錢系統中用到的幾個關鍵數據開采技術，包括數據集成、數據分類、關聯分析、聚類分析和可視化技術。湯俊（2005）分析了我國現行交易報告制度存在的問題，指出國內對於金融交易客戶行為模式識別的技術研究處於空白狀態，並提出了相應的框架體系。楊勝剛、王鵬（2005）在探討數據挖掘技術在大額和可疑交易報告制度中應用的必要性與可行性，在全面把握數據挖掘技術的各種主要演算法及其在大額和可疑金融交易數據分析中的應用前景的基礎上，針對我國反洗錢工作的實際，設計了一套人民幣大額和可疑支付交易數據挖掘系統。陳雲開（2006）提出分布式異構計算環境下基於數據挖掘技術的洗錢偵測系統體系結構，並從邏輯層次結構、系統基本框架和系統基本流程三方面對洗錢偵測系統的體系結構進行了闡述。孫景等（2008）根據邏輯回歸原理與數據挖掘技術，建立了企業大額可疑外匯資金交易識別模型，用於分析銀行的企業客戶洗錢概率及洗錢事件發生的可能性，並通過對具有洗錢嫌疑的銀行企業客戶進行識別和預測，為銀行反洗錢提供參考。
從國外相關研究來看，由於洗錢與反洗錢間存在的博弈關系，各國洗錢監測手段具有一定的保密性，各類研究主要側重於數據挖掘技術應用等方面，與反洗錢領域知識相結合的研究細節很少公開。同時國外的反洗錢實際上與我國的洗錢活動特徵和反洗錢管理方式存在較大的差異，國外的研究成果無法為我國可疑金融交易識別提供一個有效的策略及方法。從國內相關研究來看，由於受我國反洗錢實踐經驗的限制，國內在可疑金融交易識別方面的研究成果相對較少。很少有基於反洗錢實踐的、應用真實交易報告數據進行驗證的數據挖掘演算法研究，同時，針對單一檢測方法可能具有片面性，綜合各類檢測結果的可疑金融交易識別研究還很少見，可疑金融交易的自動識別研究則更為少見。
本研究以數據挖掘技術為手段，應用金融領域知識和反洗錢領域知識，通過對真實交易報告數據的層次分析，選擇合適的數據挖掘方法對可疑金融交易進行多層次識別，同時針對單一識別方法在可疑金融交易識別中的片面性，建立一套可疑金融交易線索整體判定方法，得出交易記錄的整體可疑度，不僅在更大程度上發揮了各種識別方法的優勢，而且可以為可疑金融交易的識別提供一種新的思路和方法，目的在於提高反洗錢監測的效率和水平。相關閱讀：金融危機下的就業觀
二、可疑金融交易特徵與識別方法
可疑金融交易藏匿於金融機構成千上萬的海量交易數據中，對其甄別的難度很大。數據挖掘技術能夠根據分析人員的需要，從海量數據中提取有價值的模式和規律，它的發展和廣泛應用為其在識別可疑金融交易和挖掘洗錢線索方面的應用奠定了基礎。同時，數據挖掘技術在可疑金融交易識別中的應用離不開交易信息的深入分析和演算法的合理選擇。
1.可疑金融交易特徵分析。
可疑金融交易是指金融交易的金額、頻率、來源、流向和用途等有異常特徵的交易行為。從反洗錢監測實踐來看，可疑金融交易行為經常表現為以下幾類特徵：（1）交易金額、交易頻率異常。例如短期內頻繁發生資金收付，但與客戶身份、財務狀況、經營業務明顯不符；長期閑置的賬戶原因不明地突然啟用或者平常資金流量小的賬戶突然有異常資金流入，且短期內出現大量資金收付等。（2）交易流向或交易來源異常。例如與來自販毒、走私、恐怖活動、賭博嚴重地區或者避稅型離岸金融中心客戶之間的資金往來活動在短期內明顯增多，或者頻繁發生大量資金收付；多個境內居民接受一個離岸賬戶匯款，其資金的劃轉和結匯均由一人或者少數人操作等。（3）交易用途或交易性質異常。例如沒有正常原因的多頭開戶、銷戶，且銷戶前發生大量資金收付；證券經營機構指令銀行劃出與證券交易、清算無關的資金，與其實際經營情況不符；保險機構通過銀行頻繁大量對同一家投保人發生賠付或者辦理退保等。
以上是從交易行為的角度對可疑金融交易特徵進行剖析，藉助反洗錢領域知識，從金融交易記錄的角度分析，交易金額的異常通常體現在單筆或相關交易記錄中，交易頻率的異常通常體現在基於時間序列的交易記錄中，而交易用途或交易性質的異常則通常體現在交易主體間的交易往來中。
2.可疑金融交易識別方法。
基於交易記錄層面的交易金額異常，通常與交易數據異常點對應，可選擇聚類演算法加以識別。聚類作為一種重要的數據挖掘技術，通過無指導學習將數據劃分成多個簇，聚類結果表現為簇內成員的相似和不同簇中成員的差異。對金融交易數據進行聚類分析，聚類結果中的孤立點多為交易金額異常記錄。在可疑金融交易識別中孤立點的檢測成為發現和識別可疑金融交易的重點。基於聚類分析的這一特點，它在可疑金融交易識別中被廣泛應用於交易金額異常的監測。
針對交易賬戶層面的交易金額、頻率異常情形，可選擇時間序列分析方法加以識別。交易賬戶信息中所反映出的交易金額、頻率異常，通常表現為交易記錄時間序列的信號突變。小波分析是發現時間序列信號異常的有效方法。由Morlet提出的小波分析（wavelet analysis）是一種具有時頻多分辨功能的調和分析方法，將小波分析引入可疑金融交易識別研究中，與可疑金融交易特徵相結合，選擇合適的小波函數，不依賴於經驗模型，對金融序列進行小波變換，可多尺度揭示交易序列的變化規律，挖掘出隱藏於交易時間序列中的單筆異常交易和密集頻繁交易，為反洗錢監測提供一種快捷高效的方法。
針對關聯賬戶層面的交易流向、來源以及用途或性質異常情形，可選擇鏈接分析方法加以識別。交易變數之間的相關性是知識發現的重要方面，鏈接分析可用於識別不同交易主體間交易活動的聯系，而交易流向及用途等的異常通常表現為交易變數之間的異常關聯。通過約束性鏈接分析，可以更好地發現可疑金融交易信息的內在聯系。由於鏈接分析不用構造頻繁項目集，不用設置最小支持度和置信度閾值，同時具備可視化特點，因此在挖掘交易信息內在相關性方面獨具優勢。在反洗錢中，通過對交易主體與交易流向、交易編碼之間的鏈接分析，可發現資金流向或交易性質異常的可疑金融交易。需要指出的是，鏈接分析的結果不代表交易信息中內在的因果關系，但從洗錢偵測角度來看，這種相關性能為可疑金融交易識別提供有潛在價值的線索。
運用離群點聚類、小波分析和鏈接挖掘技術識別可疑金融交易，這三種方法識別出的可疑結果不盡相同且相互獨立，依據每種識別方法所得的結果對交易信息予以可疑度標識，設定三種可疑參數，分別為「Suspicious—Cluster」、「Suspicious—Wavelet」和「Suspicious～Link」，將每種檢測方法認定的可疑金融交易參數值標識為「1」，其餘標識為「0」，在此基礎上建立以各可疑參數作為屙f生的新的數據集，作為下一步運用貝葉斯准則進行可疑度整體判定的數據源。
三、貝葉斯分類與交易可疑度整體判定
面對金融交易的復雜性和不確定性，每一類識別方法都有其應用的約束條件，有其優點和缺陷。為了反映真實交易變化趨勢，發揮各種數據挖掘方法在可疑金融交易識別方面具有的優勢，將各種可疑線索應用於反洗錢實踐，需對交易記錄的整體可疑度做出科學的判斷。作為一種基於概率的不確定性推理方法，貝葉斯判定具備整體判定優勢，可從總體和細節兩方面把握可疑金融交易特徵，將各類識別方法所採集的可疑金融交易線索進行綜合分析，得出交易可疑度的整體判定結果，同時該方法可操作性強，能夠為反洗錢決策較好的參考。
1.貝葉斯分類與交易可疑度參數設定。
貝葉斯分類有樸素貝葉斯分類和貝葉斯信念網路兩種。前者是一種簡單而高效的分類方法。由此，本文將利用樸素貝葉斯分類方法實現金融交易可疑度整體判定。
運用整體判定準則進行交易可疑度判定，判定準則的選擇至為重要，直接影響可疑金融交易識別的有效性。本文選用貝葉斯判定準則作為整體判定準則，一方面在理論上是科學的，因為基於貝葉斯分類判定準則的分類方法有嚴謹的理論基礎，已被廣泛應用於各類科學研究；另一方面，採用可疑度參數作為貝葉斯分類判定的源數據，完全滿足樸素貝葉斯定理的「類條件獨立假設」和「概率分布可知」的要求，在應用實踐中也是可行的。如果在以後研究中發現有更佳的可疑金融交易整體判定準則，可進一步優化可疑金融交易整體判定模式。
2.交易可疑度整體判定流程。
針對金融交易數據，基於三類可疑金融交易特徵，分別利用基於CURE聚類的交易數據離群點分析、基於小波分析的交易序列突變點檢測和基於鏈接挖掘的交易路徑異常識別方法進行處理，得到金融交易記錄的三項可疑屬性數據集，然後利用貝葉斯准則進行判斷。
四、實驗驗證
「可疑金融交易整體判定方法」對金融交易信息的處理分為兩個步驟：第一步針對不同的可疑金融交易特徵，利用適合的數據挖掘方法，識別出各類可疑金融交易，標識可疑金融交易記錄；第二步將交易可疑標識量化成交易可疑參數，利用整體判定準則對交易可疑度進行整體判定，得到最終的判定結果。
通過這兩個步驟，達到更好綜合不同的檢測方法對可疑金融交易進行識別的目的。本文運用真實的金融交易數據對整體判定模式進行實驗分析。實驗通過SAS 8.0工具軟體編程和調用SAS EM（企業數據挖掘）模塊來完成，最後對實驗結果進行了評估。
1.數據准備。
本實驗所採用的源數據是選取某省企業2003--2007年外匯賬戶交易數據，共計11939條記錄，1274個賬戶，其中包括業已確認的犯罪線索記錄210條。③從企業外匯賬戶交易數據中抽取交易序號、交易幣種、交易發生日、企業代碼、資金收付標志、交易編碼、交易對象、交易對象所屬國家或地區等信息形成客戶原始交易數據，對客戶原始交易數據進行數據預處理操作，將交易金額摺合為美元，對當日沒有交易發生的情形，設定交易金額為零。對每筆外匯資金交易數據的客戶代碼、交易金額、資金收付標志、交易發生日、交易編碼、交易對象等重要欄位做逐一檢查，對一些錯誤和缺失值（missing value）使用經驗值或背景資料進行補充，經數據預處理後的企業外匯交易數據集屬性如表1所示。隨機抽取70％數據進行綜合識別方法訓練學習，30％留作驗證使用。
2.實驗過程。
整體判定方法包括基於各種檢測方法的可疑參數獲取和基於貝葉斯准則的判定兩個過程。
（1）基於各種檢測方法的可疑參數獲取。運用基於CURE聚類的金融交易數據離群點分析方法對交易數據中資金轉移異常進行檢測。8357條觀測數據中的8304條數據被聚為6類，另外有183條觀測數據被歸到可疑金融交易集合當中，對該集合中客戶的身份特徵進行分析，發現客戶背景資料與交易特徵差異較大，進行與其身份不相符合的大額頻繁外匯交易，該集合被列為可疑外匯交易的重點監控對象，在相應交易記錄中標記為可疑，即「Suspicious—Cluster」屬性值為「1」。④運用基於小波技術的交易序列突變點檢測方法對交易賬戶層面的交易金額、頻率異常情形進行識別。針對915戶賬戶信息，⑤根據每一個賬戶每天的交易信息構建金融交易時間序列，實現對金融交易時間序列的小波分析。從915個賬戶中提取出交易信號異常賬戶23個。由於交易主體的不同，針對篩選出的23個賬戶，結合企業的背景信息對小波分析結果進一步篩選，對帶有普遍行業特徵的屬於正常交易的小波分解細節信號異常應予以排除，同時排除企業經營狀況好轉出現的資金往來突然活躍情況，認定交易可疑度較大，需進一步調查審核的賬戶11個，將其包含的216條異常交易記錄標記為可疑，即「Suspicious Wavelet」屬性值為「1」。@運用基於鏈接挖掘對關聯賬戶層面的交易流向、來源以及用途或性質異常情形進行檢測。由於可疑金融交易相對較少，運用鏈接挖掘處理大量金融交易信息時，必須根據掌握的異常特徵，給出約束性規則，對屬性值進行篩選，從中挑選出感興趣的交易主體加以分析。通過交易關系挖掘共發現可疑金融交易記錄209條，其「Suspicious—Link」屬性值為「1」。⑦
（2）基於貝葉斯准則的整體判定。利用數據挖掘方法對訓練樣本數據在不同交易層面的可疑情況予以識別，以各可疑標識作為集合屬性得到新的數據集，將新數據集作為交易記錄可疑度整體判定的數據源，運用貝葉斯准則予以推理判定。
經過訓練學習，結合反洗錢領域知識，選定可疑度判定閾值K為0.49。K值為可疑度判定的下限值，K值的最終確定是挖掘方法和交易信息兩方面綜合的經驗值。K值的選取猶如選擇不同尺寸的濾網，K值越大，網眼越大，識別結果的可疑度越高，但同時可疑交易線索相對較少，遺漏率較高。K值越小，網眼越小，可疑交易線索較多，遺漏率較低，但同時識別結果的可疑度相對較低。因此，K值的選擇需要在訓練數據可疑與否的判斷正確率與挖掘效率間做出權衡，在保證較高的挖掘效率的前提下，促使正確率盡可能高、遺漏率盡可能低。在實際運用過程中，可以選擇不同的閾值對交易記錄進行處理，一方面可以從中確定合理的K值，另一方面也便於從不同粒度對交易數據進行分析，深刻理解和把握源數據特徵。
實驗分別計算出訓練數據和驗證數據的正確率和遺漏率作為結果進行比較。實驗結果顯示，在總共11939條金融交易記錄中（包括1274個賬戶，其中業已確認的犯罪線索記錄210條），選擇源數據的70％記錄作為訓練數據（包括8357條金融交易記錄，915個賬戶，其中業已確認的犯罪線索記錄153條），通過貝葉斯分析確定的可疑金融交易記錄為141條，相對於業已確認的153條犯罪線索記錄，准確率為92.16％，遺漏率為7.84％；將源數據的30％作為驗證數據（包括3582條金融交易記錄，359個賬戶，其中業已確認的犯罪線索記錄57條），通過貝葉斯分析和可疑度判定值驗證，確定可疑金融交易記錄為51條，相對於業已確認的57條犯罪線索記錄，准確率達89.47％，遺漏率為10.53％。與之相比而言，僅用離群點聚類分析、序列突變點檢測或交易路徑異常識別所得結果的准確率分別為88.0282％、82.3944％、73.9437％。這說明利用貝葉斯分類方法，能有針對性地綜合單一數據挖掘方法的分析結果，提高可疑金融交易識別的准確率。
五、研究結論
研究結果證明整體判定方法在綜合三種可疑金融交易檢測方法的基礎上運用貝葉斯准則進行整體判定是有效的，比單獨應用一類檢測方法的效果相對更好。這是因為貝葉斯分類通過計算完整的後驗概率分布，充分匯總了可疑金融交易識別中涉及的各類可疑特徵的全部信息，相對於單一可疑金融交易檢測方法，在推理預測的准確性上有明顯提高。
基於貝葉斯分類的可疑金融交易整體判定具有以下幾方面的優勢：一是有效利用各類識別結果，整合技術資源，形成優勢互補，充分發揮基於數據挖掘的可疑金融交易識別能力。二是藉助概率模型，很好地處理了不確定性，具備整體判定優勢，能為反洗錢監測提供快速准確的參考。三是通過自適應性的監督學習，充分借鑒既往經驗，與相關領域知識融合陛好。四是對最新洗錢手法的變化反應靈敏，變被動識別為主動發現，在洗錢與反洗錢的博弈中爭取先機。五是在大型資料庫應用方面能達到高速度和高准確性較好的統一。基於以上五個特點，建立一種交易可疑度貝葉斯整體判定模式，能明顯提高反洗錢監測的科學性和有效性。
由於洗錢交易與反洗錢監測存在博弈關系，識別方法必須能跟蹤反映洗錢手法的最新動態。數據挖掘技術在可疑金融交易識別中的成功應用離不開交易數據的深入分析和演算法的合理選擇，更離不開反洗錢領域知識的熟習和理解。只有將豐富的反洗錢實踐經驗、權威的專家知識和數據挖掘技術優勢相結合，才能建立一套基於數據挖掘的適合我國洗錢交易特徵的可疑金融交易綜合識別方法，基於貝葉斯分類的交易可疑度整體判定模式正是這方面研究的有益嘗試。
⑧ 怎麼分析股票數據
我認為數據分析最重要的就是成交量分析，其它的比如量比，換手率都是由此而來。成交量指標與換手率指標配合使用，會給短線高手以很大幫助，持續有量和較高換手率的股票因為活躍度高，相對而言風險反而更小。推薦你去通金視頻多了解一下。
⑨ 股票內幕交易怎麼樣被查到
內幕交易是怎樣被揪出來的？一個人大教授的稽查樣本
誰也不曾料到，中國人民大學商學院教授會陷入內幕交易的調查漩渦中。
一面是教書育人的良師形象，一面是知法犯法內幕交易一隻股票、短線交易三隻股票的涉案當事人，宋常的AB面在證監會稽查人員的層層調查下逐漸清晰：他是14家上市公司的獨董，也是資本市場稽查亮劍被揪出的擾亂市場秩序的鼠狼之輩。
證券時報記者通過采訪一線稽查辦案人員，還原宋常內幕交易案的調查始末，試圖管中窺豹，揭開資本市場內幕交易案的慣用伎倆，以此警示試圖挑戰監管底線者：手莫伸，伸手必被捉。
世上沒有不透風的牆
時針撥回至2015年5月，正在中國人民大學給學生們上課的宋常不會想到，他會迎來兩位特殊的客人。在資本市場浸淫多年的他，面對著在他看來還很年輕的兩位調查人員，他是不屑一顧的。
1982年出生的余晶（化名）和1987年出生的項飛（化名）都有點娃娃臉，跟1965年出生的宋常就案件調查取證周旋時，宋常否定的話語中帶著一絲僥幸：「你說的這些我不清楚，我沒有參與個股交易，你們有證據嗎？」聰明的宋常不知道，項飛和余晶已經有一些線索在手了。
2015年4月，證監會深圳專員辦接到上交所線索，稱2015年1月26日，國發股份(5.86 -1.51%,買入)發布股票停牌公告，擬進行重大資產重組，而就在停牌前，「張某瑤」「邢某」賬戶大量買入該股，交易行為異常，被大數據系統捕捉到，疑似內幕交易。隨後，深圳專員辦組成調查組，項飛和余晶就是主辦人員。
經項飛他們調查，國發股份擬收購海格通信(10.30 -3.65%,買入)子公司摩詰創新的事項為內幕信息，該信息形成於2014年10月29日，公開於2015年3月7日。其間，陳某與國發股份負責人潘某斌見面，受潘某斌之託幫助國發股份尋找重組項目公司，陳某推薦了海格通信的子公司摩詰創新，是重組項目的介紹人，全程參與該重大資產重組事項，陳某為內幕信息知情人，知悉內幕信息的時間不晚於2014年11月30日。
而宋常與內幕信息知情人陳某的關系密切，陳某為國發股份重大資產重組事項的內幕信息知情人，在內幕信息公開前，宋常與陳某有2次電話聯系。
「陳某是誰？我對這個人沒有印象。」宋某繼續否認。當詢問到下午近6點時，宋常就反復催促項飛和余晶，稱他晚上還要給100多位學生上課，不能耽誤。
「當時我們也很為難，一方面詢問還沒進行完，另一方面又不能耽誤100多位學生。」項飛回憶，「我們提出等他上完課再進行詢問，我和余晶坐在宋常辦公室邊聊天邊等他的時候，他時不時過來看看我們，而且表現得十分警覺，這引起了我們的注意：難道辦公室里有什麼秘密？」
隨後，當著宋常的面，項飛他們根據《證券法》第一百八十三條，對宋常的辦公室進行了現場檢查。果然不出所料，他們在辦公桌裡面發現了宋常隱藏的重要證據，這個證據確定了他和陳某的關系，對定案具有十分重要的作用。
「世上沒有不透風的牆。語言可以否認一切，但證據可以還原過去。」項飛說，在跟蹤宋常這條線索的同時，他們還跟蹤著陳某這條線。
陳某在資本市場做並購掮客很多年了，經常被證監會作為內幕信息知情人進行排查，對稽查人員的調查方法、調查重點、關鍵點都很清楚，對任何調查人員來說都算是「硬釘子」。一開始陳某就把關於宋常的一切資料都刪除得乾乾凈凈，試圖把宋常掩藏起來。而且陳某除了本名以外，還請大師另外取了個別名叫陳某某，對外都自稱陳某某。國發股份董事長說是請陳某某幫忙介紹並購對象，調查組就把陳某某作為內幕信息知情人進行重點排查，但宋常的社交圈裡卻找不到一個叫陳某某的。基於上述兩個原因，剛開始時調查人員並未能將陳某某和宋常關聯起來，直到從其他涉案當事人處收集到更多的數據，通過對海量數據(13.77 -2.55%,買入)進行逐一篩查對比，調查人員驚奇地發現陳某某和陳某竟然是同一個人，而這人在宋常的社交圈裡叫陳某。把兩者關聯起來後，調查人員再進一步深入挖掘，發現陳、宋二人關系密切：陳某在中國人民大學攻讀工商管理學碩士研究生期間，宋常為其導師，畢業後也一直有聯系，宋常還在陳某的公司兼任首席經濟顧問。陳某從事的項目中介業務有賴於宋常，在獲取資產轉讓方或收購方信息後，多次請宋常幫忙介紹對手方，若買賣雙方有意向，二人便合作推進並購工作。國發股份停牌前，宋常與內幕信息知情人陳某存在直接聯系。
事情到此算是有眉目了。拿到宋常與陳某關系的證據後，項飛鬆了一口氣。他站在中國人民大學校門口，迎著晚風，和余晶相視一笑，摸著早已經餓癟的肚子，特豪氣地說了句：「走，我請你吃煎餅果子！」項飛說，這是那段時間他吃過的最好吃的晚餐。
千般抵賴賴不過如山鐵證
在確認了宋常與陳某的關系後，項飛和余晶的下一個攻堅難點，就是宋常與「張某瑤」「邢某」兩個異動賬戶間是否有直接關聯。
經過對宋常關系網的梳理，項飛他們了解到，「邢某」「張某瑤」都是宋常學生，對於這兩個賬戶，宋常表示只是偶爾進行打理，對賬戶資金也說是對邢某、張某瑤兩位學生的無償資助，試圖從操作、資金兩方面讓「邢某」「張某瑤」兩個賬戶與自己劃清界限；對買入國發股份也找了個看似合理的理由，稱自己經過財務分析，認為國發股份遲早會重組，所以買入賭公司重組；他同時還提供了一些虛假證據資料，試圖誤導項飛和余晶。
「宋常的抵賴自始至終。他既不承認控制學生賬戶，也不承認內幕交易個股。」面對這位熟悉市場運作的專家，項飛把目光轉向了邢某、張某瑤。
「知道作偽證的後果嗎？你有家有孩子，就不怕事態發展到把你自己也牽扯進來嗎？」項飛摸准了邢某、張某瑤對宋常既有敬意又有顧慮的心理，動之以情曉之以理，最終讓邢某、張某瑤開口了：宋常正是「邢某」「張某瑤」賬戶的使用者，這讓宋常的一再否認成了徒勞。
隨後，項飛將宋常所控制的賬戶2007年開戶以來所有委託、成交流水進行橫向和縱向分析對比，在近4000條交易記錄、近400隻股票中，總結提煉交易規律、交易習慣，反駁了宋常「賭重組」的辯解，證明賬戶交易行為明顯異常。
經過對往常交易股票共性的分析發現，宋常作為財務專家，買入股票時多選擇財務穩健的公司，而且更喜歡自己擔任獨立董事的公司，這樣他更了解公司情況。平時下單也是小心謹慎，每次委託下單平均金額在28萬元和36萬元之間。而國發股份2008年以來盈利能力較差，連續多年虧損，2010、2013年兩次「保殼」，明顯並不符合宋常對公司財務穩健的要求。而且，2015年1月23日14點14分，宋常控制的邢某賬戶單筆委託買入國發股份878700股，委託金額6713268元，委託金額遠超平均值，為其歷史交易記錄中所有單筆申報最大金額，而且委託價格7.64元高於市價7.60元，盤面價格和成交量被迅速拉高。宋常自己賬戶買入國發股份的意願顯得尤為急切：2015年1月23日國發股份停牌前最後一個交易日的最後幾分鍾，「宋常」賬戶委託買入國發股份65萬余股，委託金額500餘萬元，此次委託金額為其歷史交易記錄中所有單筆申報最大金額。宋常控制使用的3個賬戶買入國發股份的行為明顯與平時交易習慣不同。
在人證、物證等各類證據鏈條完整的事實面前，宋常皺緊眉頭嘆了口氣：「哎，怎麼成這個樣子了！」——就是這個樣子，讓表面光鮮的中國人民大學教授受到了110萬的「頂格」罰款，同時被採取10年市場禁入措施。
「其實，處罰的金額不算太多。」項飛認為，宋常多次利用其控制的3個賬戶短線交易其任獨立董事的10隻上市公司股票，短線交易其中7隻股票的行為，因《行政處罰法》第二十九條已超過兩年追訴時效，最後只能對短線交易的3隻股票的行為進行處罰，且處罰金額是其法律規定幅度內的頂格處罰，其內幕交易國發股份的行為也因虧損而被罰得很少，《證券法》對違規者的震懾力度不夠大。
項飛在總結5年來的辦案經驗時認為，內幕消息不靠譜，有很多重組因為各種原因，雙方未談妥最後以失敗告終的。從事內幕交易既存在重組失敗虧損的風險，還存在被證監會調查處罰的風險，得不償失。
構成內幕交易罪，將被處五年以下有期徒刑或拘役，如果屬於情節特別嚴重的，應處5年以上10年以下有期徒刑。
我國法律對內幕交易的行為的處罰
1、行政責任
內幕交易行為人可能被證券監管機構給予行政處罰，主要包括：
（1）責令依法處理非法持有的證券；
（2）沒收違法所得；
（3）並處罰款。對於證券內幕交易，如果違法所得在3萬元以上的，並處以違法所得1倍以上5倍以下的罰款，如果沒有違法所得或違法所得不足3萬元的，處以3萬元以上60萬元以下的罰款；
對於期貨內幕交易，如果違法所得在10萬元以上的，並處違法所得1倍以上5倍以下的罰款，如果沒有違法所得或者違法所得不滿10萬元的，處10萬元以上50萬元以下的罰款。
單位進行內幕交易的，應對直接負責主管人員和其他直接責任人員並以3萬元以上30萬元以下的罰款；
（4）警告。單位進行內幕交易的，對直接負責主管人員和其他直接責任人員警告。
除行政處罰外，內幕交易行為人還可能被證券監管機構給予證券市場禁入的行政監管措施，甚至可能會被處以終身市場禁入。
2、刑事責任
內幕交易行為情節嚴重，構成犯罪的，應依法承擔刑事責任。
具有以下情形的，構成內幕交易罪：
（1）證券交易成交額在50萬元以上的；
（2）期貨交易佔用保證金數額在30萬元以上的；
（3）獲利或者避免損失數額在15萬元以上的；
（4）進行內幕交易、泄露內幕信息3次以上的。
而具有如下情形之一，則屬於情節特別嚴重：
（1）證券交易成交額在250萬元以上的；
（2）期貨交易佔用保證金數額在150萬元以上的；
（3）獲利或者避免損失數額在75萬元以上的。
(9)數據分析股票犯罪線索擴展閱讀：
《最高人民法院、最高人民檢察院關於辦理內幕交易、泄露內幕信息刑事案件具體應用法律若干問題的解釋》
第六條
在內幕信息敏感期內從事或者明示、暗示他人從事或者泄露內幕信息導致他人從事與該內幕信息有關的證券、期貨交易，具有下列情形之一的，應當認定為刑法第一百八十條第一款規定的「情節嚴重」：
（一）證券交易成交額在五十萬元以上的；
（二）期貨交易佔用保證金數額在三十萬元以上的；
（三）獲利或者避免損失數額在十五萬元以上的；
（四）三次以上的；
（五）具有其他嚴重情節的。
第七條
在內幕信息敏感期內從事或者明示、暗示他人從事或者泄露內幕信息導致他人從事與該內幕信息有關的證券、期貨交易，具有下列情形之一的，應當認定為刑法第一百八十條第一款規定的「情節特別嚴重」：
（一）證券交易成交額在二百五十萬元以上的；
（二）期貨交易佔用保證金數額在一百五十萬元以上的；
（三）獲利或者避免損失數額在七十五萬元以上的；
（四）具有其他特別嚴重情節的。
第八條
二次以上實施內幕交易或者泄露內幕信息行為，未經行政處理或者刑事處理的，應當對相關交易數額依法累計計算。
第九條
同一案件中，成交額、佔用保證金額、獲利或者避免損失額分別構成情節嚴重、情節特別嚴重的，按照處罰較重的數額定罪處罰。
構成共同犯罪的，按照共同犯罪行為人的成交總額、佔用保證金總額、獲利或者避免損失總額定罪處罰，但判處各被告人罰金的總額應掌握在獲利或者避免損失總額的一倍以上五倍以下。
⑩ 警惕！21人詐騙上億元！知名「股票分析師」是如何行騙的
知名股票分析師是通過這個名號來吸引股民，告訴股民自己可以幫他分析股票的走勢，也可以幫他買賣股票，以此來騙取金錢