证券交易异常研究

《证券交易异常研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、证券交易异常研究随着互联网的普及以及网上证券交易系统功能的不断丰富、完善和使用的便利性，网上交易正成为证券投资者交易的主流模式，据统计，证券经营机构网上交易业务的交易量已经占到总交易量的80%以上，网上证券交易系统已经成为证券公司交易系统的重要组成部分。另一方面，随着互联网应用的普及，针对网上证券交易的安全事件日益增多。“盗买盗卖”恶意行为、“证券大盗”等病毒木马给投资者和证券公司带来经济损失的同时，也影响到网上证券交易市场的长远发展，如何提升网上证券交易系统的安全性，已成为证券行业关注的热点。2网上证券交易面临的问题和分

2、析2.1网上证券交易面临的安全问题在当前信息技术日新月异、电子商务高速发展、资本市场规模不断扩大、业务创新层出不穷的前提下，证券业的信息系统变得越来越庞大和复杂。在行业信息化建设过程中,信息安全的各个环节都暴露了一些亟待解决的问题。互联网应用的快速发展，促使攻击事件变得越来越普及,网络犯罪活动已经从最初的个人恶意攻击行为，转变成目标明确，有组织、有分工的职业化行为。危及网上证券交易安全的病毒、木马、钓鱼、窃取、篡改等攻击手段层出不穷，大部分网上证券交易的用户安全防范意识不高，对于可能盗取用户口令的攻击手段没有任何防范能力。

3、这些问题极大地影响了证券交易体系的安全性。an同时，以盈利为目的的黑色产业链，正促使这种局面愈加恶劣。如近期集中爆发的网络钓鱼事件，更是给广大的网上用户,直接带来了巨大的经济损失。因此，维护网络安全成为了证券业信息化建设的重要工作。网上证券交易系统的安全可以分为账户安全和系统安全。保护账户安全是指保护个人账户的账户/密码、资金、交易行为等信息的机密性，不被他人窃取或监听；保护系统安全是指保护网上证券交易系统，使之不受合法账户的非法交易行为的影响。分析证券交易中的异常行为，有针对性地提出安全信息系统的解决方案，是保障网上证券

4、交易系统安全、可靠运行的有效途径。2.2网上证券交易异常行为定义和分析证券交易中的异常行为主要表现在用户在买卖股票、债券或资金划转过程中出现的异常举动。根据《上海证券交易所证券异常交易实时监控指引》对证券交易异常行为的归类和定义，基本包括以下几种异常交易类别：高买低卖利益传送、资金频繁存取、长期闲置账户频繁异动、大量委托或查询请求、虚假申报、短线操纵、连续集中交易等。1）高买低卖利益传送证券交易盗买盗卖行为，通常是通过频繁交易国债或企业债品种，利用债券T+0交易、无涨跌停、且交投不活跃的特点，通过高买低卖方式，实现利益输送

5、。此类异常行为一般在市场整体交投不活跃、投资者不经常查看账户状态的情况下进行，降低了被投资者及时发现的可能。2）长期闲置账户频繁异动长期闲置的账户突然发生异常波动，包括频繁登录、频繁交易，或无交易频繁转账等，都可以视为疑似异常行为。如，正常交易日无交易账户资金划转每天发生3次以上，或者无交易账户资金划转每天发生1次持续发生3天以上,出现接近于大额现金交易标准的现金收付的交易行为。3）大量委托或查询请求攻击者通过利用多个账户发送大量无效的委托或查询请求（如失败委托或不可能成交委托），攻击证券公司的交易系统。交易系统需要对委托

6、、查询订单进行处理，势必会占用券商交易系统和交易所撮合系统的资源，也会影响到其他用户的正常交易行为。除上面介绍的异常行为外，虚假申报、短线操纵、连续集中交易等也严重影响了网上证券交易的政策秩序，需要及时发现并予以控制。但是，网上证券交易的异常行为是在不断变化的，很难仅凭借现有的行为特征予以识别和防范，还需要不断了解新的异常行为，并作出反应。本文提出了一种基于数据挖掘的异常行为分析方式，它通过收集交易行为数据，利用挖掘算法，对数据进行清理、降维、归纳、模式识别、结果分析与评价，不断丰富异常行为数据库，从而实现对网上证券异常交

7、易行为的及时预警。3基于数据挖掘的证券交易异常行为分析3.1数据挖掘的概念及方法数据挖掘常特指数据库数据挖掘(KnowledgeDiscoveryinDatabase)，按照Fayyad的定义,“KDD是从数据集中识别出有效的、新颖的、潜在有用的，以及最终可理解的模式的非平凡过程”[1]。数据挖掘的过程大体分为三个阶段：数据准备、数据挖掘以及结果的解释评估，可以参见图1中给出的多处理阶段过程模型。1)数据准备数据准备包括数据选取(Selection数据预处理(Preprocessing)和数据变换(Transformat

8、ion)等工作。数据选取用来确定发现任务的操作对象，即目标数据（TargetData）,根据用户的需要从原始数据中抽取一部分数据。数据预处理把目标数据处理成便于挖掘的形式，一般包括去噪声、缺值数据处理、消除重复记录以及数据类型的转换等操作。2）数据挖掘数据挖掘首先确定挖掘的任务，如分类、聚类、关联规则发