① 你们听说过＜宁德股票诈骗案吗！＞
宁德特大系列虚假股票信息诈骗案破获纪实
玉田在线 www.352200.com 来源：闽东日报 作者：李牧笙
七月的闽东大地热得像一个大蒸笼。7月10日上午，一位市民额头上挂着涔涔的汗珠来到市公安局刑警支队长办公室诉说自己一时糊涂遭诈骗的过程：今年6月19日至7月7日期间，我在上网时通过链接上海飞翔股票投资有限公司网站，该公司管理人员以可提供涨停股票为优惠政策吸引我投了三笔总计30余万元人民币的股票。事后发现自己上当受骗，我只有选择向公安机关报案，希望能尽快破案，严惩罪犯，最大限度减少我的损失。支队领导随即向分管领导陈赐景作了汇报。陈赐景当即指示：抓紧立案侦破，务求必胜。支队长钱昌平把副大队长刘亮通知到办公室郑重其事地将侦破“7·10”任务交给了以他为主的“猎狐办”，对具体事项作了安排。不久该案被公安部列为挂牌督办案。虚假信息诈骗犯罪属于高智商、智能化的犯罪，而“猎狐办”的猎手们是专门与狡猾的对手打交道的人。侦察员接手此类案个个磨拳擦掌。大家在刘世巧副政委和刘亮的召集下聚首于会议室，把今年5月以来相继发生于福安“5·22”、蕉城“6·23”、“7·2”、东侨“7·7”等作案手段相似的股票信息诈骗案5起，涉及6个银行卡号和10余部涉案通讯工具，以及系列案件的前期侦查情况进行梳理，发现银行卡分属上海、广西、江苏等地的多家银行，且均处于活动状态;还查明涉案通讯工具归属于上海、江苏、湖南等地。经对多部涉案通讯工具通话清单提取及涉案网站服务器、网站维护IP的调取后，发现“7·10”诈骗网站维护人员都落地于福建。据此，专案组决定从侦破条件最成熟的“7·10”诈骗案入手，开展串并案侦查。说它条件成熟也不过仅有两点作案痕迹，即涉案银行卡号和作案手机具备一定价值而已，要让这两个“点”变成线，继而织成一个个网眼，再由网眼组合成一张巨网，最后把疑犯兜入网中，那可是考验侦察员综合实力，斗智斗勇永不言败的过程，侦察员回应考验的是一句老话：再狡猾的狐狸也斗不过好猎手!经初步侦查，不出侦察员所料，犯罪嫌疑人在作案时所留下的蛛丝马迹无一例外地打着“虚假”的烙印：涉案手机为作案专用，内容是虚假的;涉案银行账户为作案专用，开户户主资料是虚假或套用的;犯罪分子使用无线上网，且网络开户资料和IP是虚假的。据此，专案组审时度势，决定从取款地、3G无线上网地和作案手机使用地三个方向开展抽丝剥茧以寻求有价值的破案线索。排查过程，专案组坚持四个“锁定”：从银行账户往来及取款情况分析锁定作案高危人员的动向;从作案通讯工具使用情况分析锁定案发取款时刻作案人员的具体位置;从网络追踪及上网IP情况分析锁定转账人员的落地;从打电话到转账再到取款的时间节点分析锁定在取款期间或前后团伙成员之间的活动情况。由于“四锁定”针对性强，点击穴位准，很快破解了犯罪嫌疑人变着手法给公安征战之路设置重重“桩子”：频繁更换手机、频繁变换作案地点、频繁使用作案电话的虚拟号码，银行卡也频繁以他人身份证开户。“四锁定”产生神来之笔的效应，还表现在各路捷报频传———从负责银行账户往来及取款情况侦查小组传来喜讯：犯罪嫌疑人冉某开户行在上海，经调取账户发现该账户已通过网银转账到二曾一吕一宋等四人的户头，各账户款额均为6万多元。其中两人开户地在安徽阜阳、一个开户地在山东德州，还有一个开户地在山东东营，而冉某账户上余款有在泉州安溪取款的记录和在泉州某超市POS机上刷卡消费90余元的记录。继而又发现4个账户全部在厦门某银行柜台和AT-Ma01柜员机取现。负责工具使用及落地情况侦查小组同样有好消息反馈到专家组：发现一个上海小灵通号码，另一个为呼叫转移手机，归属地也在上海，落地在福建漳州。主要活动地在漳州角美龙池开发区。 负责网络追踪及上网IP落地情况侦查小组也收到预期的战果：通过分析冉某银行转账信息发现，该账户网银转账的曾、宋、吕等4个操作IP经网监部门调查为3G无线上网IP， 3G手机地处漳州角美龙池开发区。剥下了诈骗者身上的第一层画皮，侦察员无不为 “决痈除患”的旗开得胜而备受鼓舞。他们深知要扩大战果，必须继续发挥公安现代化信息侦查思路的优势，认识每一张银行卡都是线索，使用记录越多，犯罪分子暴露的机率越大，查询越多，信息数量的积累就越多。在征战过程，侦察员不放过任何一张银行卡的历史明细和取款监控。比如查询该团伙的二级账户时，专案组调取该卡在泉州某超市刷卡消费购买洗浴日用品90余元的记录，侦察员便能准确判断出疑犯应为泉州安溪籍的高危人员，从而剥去了这伙犯罪嫌疑人刻意伪装沪、浙等地公民的画皮，缩小了包围圈。串并案侦查收网 诈骗团伙被摧毁专案组在收网之前针对“三个小组”排查的结果，进行条分缕析作出准确判断：一是该诈骗团伙在上海购买手机卡，上海银行开户，漳州设点进行接听电话和网上银行转账，安排马仔在厦门取款。二是根据涉案对象冉某在安溪有取款记录，以及在泉州某超市有90余元的消费记录，可以推断该团伙可能由泉州安溪人为主，厦门漳州是他们的作案点，泉州是他们的落脚点。三是根据手机落地和上网落地判断作案手机和3G上网人应为同一人，且系团伙的组织者，厦门取款人为团伙中的马仔，专门负责取款业务，在取款期间或取款后团伙头目肯定要同取款马仔联系，以确保其诈骗所得钱款的安全。依据以上综合分析，受害人将25万元钱打入诈骗银行账户后在不到1小时的时间内，诈骗团伙在漳州进行了转账并且在厦门全部取现，诈骗人或转帐人必须要将钱已到个别具体账户的信息告诉取款马仔，他们之间应有相互间的通知，由此给侦查人员留下了突破全案的关键线索，侦查人员采取了针对性极强的侦破对策———串并案侦查水到渠成，收网时机渐趋成熟。专案组把排查时间往前推到5月，犯罪嫌疑人的魔踪在闽浙两地的活动轨迹历历在目：5月10-13日在漳州停留、5月20-22日在厦门停留、6月21-22日在浙江杭州停留、7月2-3日在福州停留，根据其运动轨迹判断持机人可能有住宿旅馆，调取漳州、厦门、杭州、福州等地相对时间段内所有泉州安溪籍在旅馆住宿记录，进行海量数据分析确认出嫌疑人身份为泉州安溪长坑人陈其春，调取照片与取款监控录像比对，明确了在厦门取款的马仔。9月26日，专案组在厦门、泉州警方的大力配合下，在泉州市抓获取款马仔陈其春、在厦门市灌口镇抓获团伙头目阿王及骨干成员男林、女林等四人，成功摧毁该系列虚假股票信息诈骗的犯罪团伙，当场缴获作案工具手机8部、笔记本电脑1台、银行卡(存折)20张，扣押赃款50余万元。经审讯深挖现已初步查明，2008年以来，犯罪嫌疑人阿王组织人员在互联网上搭建虚假信息股票网站，在网站首页或宣传资料上开展 “天天公开：三只暴涨股票”、“公开3只私募拉升暴涨牛股”、“每日牛股数据”等多种形式的夸大宣传，以赠送涨停版、免费赠送金股等为诱饵吸引投资者，用网络电话冒充上海或北京的固定电话，在上海、北京、山东等地银行开户，在漳州角美、厦门灌口等地租房设点遥控诈骗。同时，利用高科技手段通过各地代理商，在国内知名的搜索引擎网站长期付费推广，使诈骗网站或虚假股票信息在搜索引擎结果中位居前列。投资者上当受骗就会主动拨打该网站联系电话，该团伙就以缴纳会员费、信用保证金或融资金为由骗取钱款，单笔数千元至数十万元。警方提醒 谨防骗子王氏特大诈骗犯罪团伙被警方成功摧毁，但该案中上当者的经历留给人们的教训有一条应记取：凡是能带给你刺激的“好事”，往往是诈骗者施骗的陷阱所在。善良的人们一定要冷静再冷静，采取“决定明天做，付款往后拖”的慢节奏战术。千万不可头脑发热，否则你躲过“涨停股”的诱惑，也很难保证不会在“奶奶好，爷爷好，出门捡到大元宝”的街头骗局中稀里糊涂地步入骗子的圈套，换回一次捶胸顿足、追悔莫及的痛苦。
② 案例 | 同花顺数据中心的“龙虎榜"数据分析
对于证券行业网站，已经有诸多提供了数据挖掘和分析的模块。比如：同花顺数据中心、搜狐证券金罗盘、新浪财经数据中心等等。提供的数据分析功能，一般都是围绕证券市场公开信息所进行的不同程度、不同角度的挖掘和分析。比如，同花顺数据中心侧重公开市场交易信息、使用的体验最好；搜狐金罗盘对各券商研究报告、股票评级做的好；新浪财经数据中心则是在广泛信息收集之中侧重于从技术面、基本面的智能选股，可谓是各有千秋，三者之间功能重叠很多，但是究竟孰优孰劣，因为每个人的投资经验和喜好不同，就只能用户自己体验之后去判断了。
我本文就只针对同花顺数据中心进行一番介绍（不要冤枉我，我可没有收同花顺的一分好处费，纯粹是一片好心将这个不错的数据中心推荐给大家，相信大家看后会感谢我）。分析的目的，一方面是让大家可以有一个便捷获取证券市场信息的好地方，另一方面也是为证券公司提升投资者服务提供一个很好的案例参考，看看人家互联网证券网站是怎么能想的那么多、做的这么好的，开拓一下做投资服务的思路。
首先说网址，同花顺数据中心_同花顺金融网http://data.10jqka.com.cn/ 。
同花顺数据中心提供的功能其实很全，从大家关注的龙虎榜、新股信息、资金流向、选股、交易提示、公告信息等等，可谓是汇聚了投资者交易分析的各方面信息，我们的投资者往往辛苦的在各大网站查阅股票资讯和证券市场信息，经常会难辨良莠，被一些错误信息误导，同花顺可谓是毕其一功于一役，采网络之精华、市场之鳞爪啊。
接下来重点说龙虎榜。其他功能基本操作类似，都具备了丰富的数据拓展链接，相互贯通。
1、基本信息。
龙虎榜随便点开一个上榜股票名称，这个页面基本是大家在各处都可看到的上榜营业部交易明细。但是，重点来了，看图上圈住的2处，一个是此股票上榜次数、一个是营业部上榜次数。看到这里，你会不会觉得一下脑洞大开啊，哇，这么看来似乎对于股票的走势、尤其是上榜营业部的实力会很有点看头呢，上榜次数多的营业部，最近三个月有200多次的（如果我们的营业部可以有这样一家，老板该睡觉都会笑醒了吧？！）。
2、上榜营业部
好吧，我如果猜得不错，你一定已经和我一样点开了龙虎榜信息里的营业部。该营业部的历史上榜数据统计一应俱全，次数、金额、参与的股票列表、介入最深、操作最多、一致行动的营业部。。。
（你的眼睛有没有睁大啊？！我反正是小地方人没见过世面，连嘴都张大啦）
尤其是介入最深、操作最多的股票，这恐怕至少是大户所为啦，是不是证券营业部的投资内参有引导客户操作？还是有大资金卧底在这家营业部来做庄呢?
正相关营业部，让我们看到经常勾搭一起的营业部，是大家都英雄所见略同吗？还是互通有无的一致行动人所在呢? 嗯，还可以看看他们一起干过的股票，究竟合作得效果如何呢?看看才知道哦。
3、买卖点
细心的观众，你有没有看到如图下的“买卖点标识”的地方？
点开了就是如图的走势上标注了红色、绿色远点的内容，这个上榜的营业部是散户所谓还是机构图谋呢?看买卖点就一目了然其获利情况。嘿嘿，号得准这些营业部资金的脉，每个人都成老中医啊！
同花顺数据中心无论是在数据信息的收集整理、还是数据挖掘后的再分析，都给人耳目一新的感受，你会觉得原来可以这样做啊！其实，这些功能恐怕是我们每一个证券投资者、甚至从业者都曾经想过但却无力做到的呢。找得到用户的需求、能够超乎用户需求实现，这才是互联网时代，我们客户服务应该做到的。
③ 分析股市数据的网站是否存在法律风险
只要不出现欺诈、错误诱导等违法行为！
公开正确的数据是不会有什么法律风险的！
④ 怎么分析股票数据
所需步骤：
1． 了解该公司。多花时间，弄清楚这间公司的经营状况。以下是一些获得资料的途径：
* 公司网站
* 财经网站和股票经纪提供的公司年度报告
* 图书馆
* 新闻报道——有关技术革新和其它方面的发展情况
2． 美好的前景。你是否认同这家公司日后会有上佳的表现？
3． 发展潜力、无形资产、实物资产和生产能力。这时，你必须象一个老板一样看待这些问题。该公司在这些方面表现如何？
* 发展潜力——新的产品、拓展计划、利润增长点？
* 无形资产——知识版权、专利、知名品牌？
* 实物资产——有价值的房地产、存货和设备？
* 生产能力——能否应用先进技术提高生产效率？
4． 比较。与竞争对手相比，该公司的经营策略、市场份额如何？
5． 财务状况。在报纸的金融版或者财经网站可以找到有关的信息。比较该公司和竞争对手的财务比率：
* 资产的账面价值
* 市盈率
* 净资产收益率
* 销售增长率
6． 观察股价走势图。公司的股价起伏不定还是稳步上扬？这是判断短线风险的工具。
7． 专业的分析。F10为个股资料，里面的业内点评清楚地评价了公司的行业地位及发展前景，可以作为参考，还有淘股吧论坛，里面不乏有高人分析个股的技术面与题材面。
技巧提示：
1、 潜在的行业龙头，要重点关注。比如中国南车，刚上市就跌到了3元，作为动车组的龙头股，肯定是低估了，中线持有必赚；
2、 低价是永恒的题材。这里所说的低价，是绝对低价，历史上从来没有大幅炒作过的品种，一旦有热门的题材引发主升，往往成为黑马。
注意事项：
每个投资者都经历过股票套牢的滋味。这时应该保持冷静，分析公司的基本面，确定该股票是否还值得长期持有。
⑤ 股票投资分析的基本方法有哪些
你好，股票投资分析方法主要有如下三种：基本分析、技术分析、演化分析。
(1)、基本分析(Fundamental Analysis )：以企业内在价值作为主要研究对象，从决定企业价值和影响股票价格的宏观经济形势、行业发展前景、企业经营状况等方面入手(一般经济学范式)，进行详尽分析以大概测算上市公司的投资价值和安全边际，并与当前的股票价格进行比较，形成相应的投资建议。基本分析认为股价波动轨迹不可能被准确预测，而只能在有足够安全边际的情况下“买入并长期持有”，在安全边际消失后卖出。
(2)、技术分析(Technical Analysis)：以股价涨跌的直观行为表现作为主要研究对象，以预测股价波动形态和趋势为主要目的，从股价变化的K线图表与技术指标入手(数理或牛顿范式)，对股市波动规律进行分析的方法总和。技术分析有三个颇具争议的前提假设，即市场行为包容消化一切;价格以趋势方式波动;历史会重演。国内比较流行的技术分析方法包括道氏理论、波浪理论、江恩理论等。
(3)、演化分析(Evolutionary Analysis)：以股市波动的生命运动内在属性作为主要研究对象，从股市的代谢性、趋利性、适应性、可塑性、应激性、变异性、节律性等方面入手(生物学或达尔文范式)，对市场波动方向与空间进行动态跟踪研究，为股票交易决策提供机会和风险评估的方法总和。演化分析从股市波动的本质属性出发，认为股市波动的各种复杂因果关系或者现象，都可以从生命运动的基本原理中，找到它们之间的逻辑关系及合理解释，并为构建科学合理的博弈决策框架，提供令人信服的依据。
本信息不构成任何投资建议，投资者不应以该等信息取代其独立判断或仅根据该等信息作出决策，如自行操作，请注意仓位控制和风险控制。
⑥ 股票犯罪涉及的罪名
法律分析：股票犯罪可能涉及以下几个罪名：欺诈发行证券罪，伪造、变造股票、公司、企业债券罪，擅自发行股票、公司、企业债券罪，滥用管理公司、证券职权罪等。
法律依据：《中华人民共和国刑法》第一百六十条 在招股说明书、认股书、公司、企业债券募集办法等发行文件中隐瞒重要事实或者编造重大虚假内容，发行股票或者公司、企业债券、存托凭证或者国务院依法认定的其他证券，数额巨大、后果严重或者有其他严重情节的，处五年以下有期徒刑或者拘役，并处或者单处罚金；数额特别巨大、后果特别严重或者有其他特别严重情节的，处五年以上有期徒刑，并处罚金。
控股股东、实际控制人组织、指使实施前款行为的，处五年以下有期徒刑或者拘役，并处或者单处非法募集资金金额百分之二十以上一倍以下罚金；数额特别巨大、后果特别严重或者有其他特别严重情节的，处五年以上有期徒刑，并处非法募集资金金额百分之二十以上一倍以下罚金。
单位犯前两款罪的，对单位判处非法募集资金金额百分之二十以上一倍以下罚金，并对其直接负责的主管人员和其他直接责任人员，依照第一款的规定处罚。
《中华人民共和国刑法》第一百七十八条 伪造、变造国库券或者国家发行的其他有价证券，数额较大的，处三年以下有期徒刑或者拘役，并处或者单处二万元以上二十万元以下罚金；数额巨大的，处三年以上十年以下有期徒刑，并处五万元以上五十万元以下罚金；数额特别巨大的，处十年以上有期徒刑或者无期徒刑，并处五万元以上五十万元以下罚金或者没收财产。
伪造、变造股票或者公司、企业债券，数额较大的，处三年以下有期徒刑或者拘役，并处或者单处一万元以上十万元以下罚金；数额巨大的，处三年以上十年以下有期徒刑，并处二万元以上二十万元以下罚金。
单位犯前两款罪的，对单位判处罚金，并对其直接负责的主管人员和其他直接责任人员，依照前两款的规定处罚。
《中华人民共和国刑法》第一百七十九条 未经国家有关主管部门批准，擅自发行股票或者公司、企业债券，数额巨大、后果严重或者有其他严重情节的，处五年以下有期徒刑或者拘役，并处或者单处非法募集资金金额百分之一以上百分之五以下罚金。
单位犯前款罪的，对单位判处罚金，并对其直接负责的主管人员和其他直接责任人员，处五年以下有期徒刑或者拘役。
《中华人民共和国刑法》第四百零三条 国家有关主管部门的国家机关工作人员，徇私舞弊，滥用职权，对不符合法律规定条件的公司设立、登记申请或者股票、债券发行、上市申请，予以批准或者登记，致使公共财产、国家和人民利益遭受重大损失的，处五年以下有期徒刑或者拘役。
上级部门强令登记机关及其工作人员实施前款行为的，对其直接负责的主管人员，依照前款的规定处罚。
⑦ 谁有开展可疑交易监测的技术条件说明。谢谢！
可疑金融交易识别是一个比较复杂的过程，能否有效识别业已发生的可疑金融交易，并对未来可能发生的洗钱模式做出预测，在很大程度上取决于所采用的识别方法、技术和手段的有效性。当把数据挖掘技术应用于可疑金融交易识别时，不单要选择适当的挖掘方法，还要结合相关领域知识对其进行优化和创新。由于金融交易方式的多样性，交易主体行为的不确定性和交易记录的时变性，使得在可疑金融交易识别领域，单一检测方法往往存在适用性、效率和条件约束等问题，难以对金融交易的整体可疑度进行判断。要达到理想的识别效果，必须在深入分析金融交易信息的基础上，结合领域知识，选择科学合理的信息汇总判定方式，综合各种检测方法发现的可疑线索，对金融交易记录的可疑度作出快速准确的整体判定。
作为一种基于概率的不确定性推理方法，贝叶斯法则在处理不确定信息的智能化系统中已得到了广泛的应用。朴素贝叶斯分类是一种基于统计学的分类方法，用于预测类成员关系的可能性。应用于海量数据分析，贝叶斯分类表现出高准确率和高速度。同时，贝叶斯分类具备自适应功能，通过学习新的洗钱交易及正常交易样本，贝叶斯分类能反映最新的洗钱交易手法变换，为反洗钱监测提供一种快捷高效的方法。
一、相关研究
国外关于反洗钱信息技术的应用研究起步较早，20世纪70年代就开始了反洗钱立法方面的研究，而将信息技术应用到反洗钱领域的研究也在20世纪90年代就已开始。Senator（1995）较为系统地介绍了FinCEN（FinancialCrimes Enforcement Network，金融犯罪执法网）的FAIS（FinCEN ArtificialIntelligence System，FinCEN人工智能系统）的系统结构、监测识别关键技术及其应用。FAIS综合采用各种人工智能技术，通过智能分析被提交的交易报告，发现各类可疑金融交易行为。FinCEN系统中的交易可疑度评价模块，采用贝叶斯模型判断可疑度，然后再对高可疑度的交易数据进行进一步的分析调查。Stofella（1997）介绍了意大利中央银行监管部f-j（UIC）如何运用高性能数据库和数据可视化技术构建数据挖掘环境，对意大利整个金融系统的交易信息进行监测。Petrus C Van Duyne（1999）通过分析荷兰1994—1996年的可疑金融交易数据，指出可疑金融交易监测系统和反洗钱策略方面存在的问题，并提出改进建议。Kingdon J和Feldman K S（2002）设计了银行交易数据监测和分析系统，通过该系统可以自动检测到支付欺诈和金融经济领域的洗钱活动。Kingdon J（2004）设计出一套可自动识别客户行为模式的人工智能系统，应用该系统可以高效识别出客户的异常交易行为（unusual behavior）。针对传统的基于规则的洗钱监测系统不能适应洗钱手法的快速多变，误报率高，对海量交易数据健壮性差等局限性，国外学者展开了基于智能代理的反洗钱监测系统研究，指出该方法可以提高反洗钱监测效率，实现系统整合，增强适应性，同时还能降低监测成本。
我国对反洗钱的研究于20世纪90年代后逐渐增多，目前对于人工智能技术、数据仓库技术、数据挖掘技术等技术在反洗钱中应用的研究仅仅处于起步阶段。徐志春、肖伟平、何宏（2003）提出了基于数据开采技术的反洗钱系统的实现框架，介绍了反洗钱系统中用到的几个关键数据开采技术，包括数据集成、数据分类、关联分析、聚类分析和可视化技术。汤俊（2005）分析了我国现行交易报告制度存在的问题，指出国内对于金融交易客户行为模式识别的技术研究处于空白状态，并提出了相应的框架体系。杨胜刚、王鹏（2005）在探讨数据挖掘技术在大额和可疑交易报告制度中应用的必要性与可行性，在全面把握数据挖掘技术的各种主要算法及其在大额和可疑金融交易数据分析中的应用前景的基础上，针对我国反洗钱工作的实际，设计了一套人民币大额和可疑支付交易数据挖掘系统。陈云开（2006）提出分布式异构计算环境下基于数据挖掘技术的洗钱侦测系统体系结构，并从逻辑层次结构、系统基本框架和系统基本流程三方面对洗钱侦测系统的体系结构进行了阐述。孙景等（2008）根据逻辑回归原理与数据挖掘技术，建立了企业大额可疑外汇资金交易识别模型，用于分析银行的企业客户洗钱概率及洗钱事件发生的可能性，并通过对具有洗钱嫌疑的银行企业客户进行识别和预测，为银行反洗钱提供参考。
从国外相关研究来看，由于洗钱与反洗钱间存在的博弈关系，各国洗钱监测手段具有一定的保密性，各类研究主要侧重于数据挖掘技术应用等方面，与反洗钱领域知识相结合的研究细节很少公开。同时国外的反洗钱实际上与我国的洗钱活动特征和反洗钱管理方式存在较大的差异，国外的研究成果无法为我国可疑金融交易识别提供一个有效的策略及方法。从国内相关研究来看，由于受我国反洗钱实践经验的限制，国内在可疑金融交易识别方面的研究成果相对较少。很少有基于反洗钱实践的、应用真实交易报告数据进行验证的数据挖掘算法研究，同时，针对单一检测方法可能具有片面性，综合各类检测结果的可疑金融交易识别研究还很少见，可疑金融交易的自动识别研究则更为少见。
本研究以数据挖掘技术为手段，应用金融领域知识和反洗钱领域知识，通过对真实交易报告数据的层次分析，选择合适的数据挖掘方法对可疑金融交易进行多层次识别，同时针对单一识别方法在可疑金融交易识别中的片面性，建立一套可疑金融交易线索整体判定方法，得出交易记录的整体可疑度，不仅在更大程度上发挥了各种识别方法的优势，而且可以为可疑金融交易的识别提供一种新的思路和方法，目的在于提高反洗钱监测的效率和水平。相关阅读：金融危机下的就业观
二、可疑金融交易特征与识别方法
可疑金融交易藏匿于金融机构成千上万的海量交易数据中，对其甄别的难度很大。数据挖掘技术能够根据分析人员的需要，从海量数据中提取有价值的模式和规律，它的发展和广泛应用为其在识别可疑金融交易和挖掘洗钱线索方面的应用奠定了基础。同时，数据挖掘技术在可疑金融交易识别中的应用离不开交易信息的深入分析和算法的合理选择。
1.可疑金融交易特征分析。
可疑金融交易是指金融交易的金额、频率、来源、流向和用途等有异常特征的交易行为。从反洗钱监测实践来看，可疑金融交易行为经常表现为以下几类特征：（1）交易金额、交易频率异常。例如短期内频繁发生资金收付，但与客户身份、财务状况、经营业务明显不符；长期闲置的账户原因不明地突然启用或者平常资金流量小的账户突然有异常资金流入，且短期内出现大量资金收付等。（2）交易流向或交易来源异常。例如与来自贩毒、走私、恐怖活动、赌博严重地区或者避税型离岸金融中心客户之间的资金往来活动在短期内明显增多，或者频繁发生大量资金收付；多个境内居民接受一个离岸账户汇款，其资金的划转和结汇均由一人或者少数人操作等。（3）交易用途或交易性质异常。例如没有正常原因的多头开户、销户，且销户前发生大量资金收付；证券经营机构指令银行划出与证券交易、清算无关的资金，与其实际经营情况不符；保险机构通过银行频繁大量对同一家投保人发生赔付或者办理退保等。
以上是从交易行为的角度对可疑金融交易特征进行剖析，借助反洗钱领域知识，从金融交易记录的角度分析，交易金额的异常通常体现在单笔或相关交易记录中，交易频率的异常通常体现在基于时间序列的交易记录中，而交易用途或交易性质的异常则通常体现在交易主体间的交易往来中。
2.可疑金融交易识别方法。
基于交易记录层面的交易金额异常，通常与交易数据异常点对应，可选择聚类算法加以识别。聚类作为一种重要的数据挖掘技术，通过无指导学习将数据划分成多个簇，聚类结果表现为簇内成员的相似和不同簇中成员的差异。对金融交易数据进行聚类分析，聚类结果中的孤立点多为交易金额异常记录。在可疑金融交易识别中孤立点的检测成为发现和识别可疑金融交易的重点。基于聚类分析的这一特点，它在可疑金融交易识别中被广泛应用于交易金额异常的监测。
针对交易账户层面的交易金额、频率异常情形，可选择时间序列分析方法加以识别。交易账户信息中所反映出的交易金额、频率异常，通常表现为交易记录时间序列的信号突变。小波分析是发现时间序列信号异常的有效方法。由Morlet提出的小波分析（wavelet analysis）是一种具有时频多分辨功能的调和分析方法，将小波分析引入可疑金融交易识别研究中，与可疑金融交易特征相结合，选择合适的小波函数，不依赖于经验模型，对金融序列进行小波变换，可多尺度揭示交易序列的变化规律，挖掘出隐藏于交易时间序列中的单笔异常交易和密集频繁交易，为反洗钱监测提供一种快捷高效的方法。
针对关联账户层面的交易流向、来源以及用途或性质异常情形，可选择链接分析方法加以识别。交易变量之间的相关性是知识发现的重要方面，链接分析可用于识别不同交易主体间交易活动的联系，而交易流向及用途等的异常通常表现为交易变量之间的异常关联。通过约束性链接分析，可以更好地发现可疑金融交易信息的内在联系。由于链接分析不用构造频繁项目集，不用设置最小支持度和置信度阈值，同时具备可视化特点，因此在挖掘交易信息内在相关性方面独具优势。在反洗钱中，通过对交易主体与交易流向、交易编码之间的链接分析，可发现资金流向或交易性质异常的可疑金融交易。需要指出的是，链接分析的结果不代表交易信息中内在的因果关系，但从洗钱侦测角度来看，这种相关性能为可疑金融交易识别提供有潜在价值的线索。
运用离群点聚类、小波分析和链接挖掘技术识别可疑金融交易，这三种方法识别出的可疑结果不尽相同且相互独立，依据每种识别方法所得的结果对交易信息予以可疑度标识，设定三种可疑参数，分别为“Suspicious—Cluster”、“Suspicious—Wavelet”和“Suspicious～Link”，将每种检测方法认定的可疑金融交易参数值标识为“1”，其余标识为“0”，在此基础上建立以各可疑参数作为屙f生的新的数据集，作为下一步运用贝叶斯准则进行可疑度整体判定的数据源。
三、贝叶斯分类与交易可疑度整体判定
面对金融交易的复杂性和不确定性，每一类识别方法都有其应用的约束条件，有其优点和缺陷。为了反映真实交易变化趋势，发挥各种数据挖掘方法在可疑金融交易识别方面具有的优势，将各种可疑线索应用于反洗钱实践，需对交易记录的整体可疑度做出科学的判断。作为一种基于概率的不确定性推理方法，贝叶斯判定具备整体判定优势，可从总体和细节两方面把握可疑金融交易特征，将各类识别方法所采集的可疑金融交易线索进行综合分析，得出交易可疑度的整体判定结果，同时该方法可操作性强，能够为反洗钱决策较好的参考。
1.贝叶斯分类与交易可疑度参数设定。
贝叶斯分类有朴素贝叶斯分类和贝叶斯信念网络两种。前者是一种简单而高效的分类方法。由此，本文将利用朴素贝叶斯分类方法实现金融交易可疑度整体判定。
运用整体判定准则进行交易可疑度判定，判定准则的选择至为重要，直接影响可疑金融交易识别的有效性。本文选用贝叶斯判定准则作为整体判定准则，一方面在理论上是科学的，因为基于贝叶斯分类判定准则的分类方法有严谨的理论基础，已被广泛应用于各类科学研究；另一方面，采用可疑度参数作为贝叶斯分类判定的源数据，完全满足朴素贝叶斯定理的“类条件独立假设”和“概率分布可知”的要求，在应用实践中也是可行的。如果在以后研究中发现有更佳的可疑金融交易整体判定准则，可进一步优化可疑金融交易整体判定模式。
2.交易可疑度整体判定流程。
针对金融交易数据，基于三类可疑金融交易特征，分别利用基于CURE聚类的交易数据离群点分析、基于小波分析的交易序列突变点检测和基于链接挖掘的交易路径异常识别方法进行处理，得到金融交易记录的三项可疑属性数据集，然后利用贝叶斯准则进行判断。
四、实验验证
“可疑金融交易整体判定方法”对金融交易信息的处理分为两个步骤：第一步针对不同的可疑金融交易特征，利用适合的数据挖掘方法，识别出各类可疑金融交易，标识可疑金融交易记录；第二步将交易可疑标识量化成交易可疑参数，利用整体判定准则对交易可疑度进行整体判定，得到最终的判定结果。
通过这两个步骤，达到更好综合不同的检测方法对可疑金融交易进行识别的目的。本文运用真实的金融交易数据对整体判定模式进行实验分析。实验通过SAS 8.0工具软件编程和调用SAS EM（企业数据挖掘）模块来完成，最后对实验结果进行了评估。
1.数据准备。
本实验所采用的源数据是选取某省企业2003--2007年外汇账户交易数据，共计11939条记录，1274个账户，其中包括业已确认的犯罪线索记录210条。③从企业外汇账户交易数据中抽取交易序号、交易币种、交易发生日、企业代码、资金收付标志、交易编码、交易对象、交易对象所属国家或地区等信息形成客户原始交易数据，对客户原始交易数据进行数据预处理操作，将交易金额折合为美元，对当日没有交易发生的情形，设定交易金额为零。对每笔外汇资金交易数据的客户代码、交易金额、资金收付标志、交易发生日、交易编码、交易对象等重要字段做逐一检查，对一些错误和缺失值（missing value）使用经验值或背景资料进行补充，经数据预处理后的企业外汇交易数据集属性如表1所示。随机抽取70％数据进行综合识别方法训练学习，30％留作验证使用。
2.实验过程。
整体判定方法包括基于各种检测方法的可疑参数获取和基于贝叶斯准则的判定两个过程。
（1）基于各种检测方法的可疑参数获取。运用基于CURE聚类的金融交易数据离群点分析方法对交易数据中资金转移异常进行检测。8357条观测数据中的8304条数据被聚为6类，另外有183条观测数据被归到可疑金融交易集合当中，对该集合中客户的身份特征进行分析，发现客户背景资料与交易特征差异较大，进行与其身份不相符合的大额频繁外汇交易，该集合被列为可疑外汇交易的重点监控对象，在相应交易记录中标记为可疑，即“Suspicious—Cluster”属性值为“1”。④运用基于小波技术的交易序列突变点检测方法对交易账户层面的交易金额、频率异常情形进行识别。针对915户账户信息，⑤根据每一个账户每天的交易信息构建金融交易时间序列，实现对金融交易时间序列的小波分析。从915个账户中提取出交易信号异常账户23个。由于交易主体的不同，针对筛选出的23个账户，结合企业的背景信息对小波分析结果进一步筛选，对带有普遍行业特征的属于正常交易的小波分解细节信号异常应予以排除，同时排除企业经营状况好转出现的资金往来突然活跃情况，认定交易可疑度较大，需进一步调查审核的账户11个，将其包含的216条异常交易记录标记为可疑，即“Suspicious Wavelet”属性值为“1”。@运用基于链接挖掘对关联账户层面的交易流向、来源以及用途或性质异常情形进行检测。由于可疑金融交易相对较少，运用链接挖掘处理大量金融交易信息时，必须根据掌握的异常特征，给出约束性规则，对属性值进行筛选，从中挑选出感兴趣的交易主体加以分析。通过交易关系挖掘共发现可疑金融交易记录209条，其“Suspicious—Link”属性值为“1”。⑦
（2）基于贝叶斯准则的整体判定。利用数据挖掘方法对训练样本数据在不同交易层面的可疑情况予以识别，以各可疑标识作为集合属性得到新的数据集，将新数据集作为交易记录可疑度整体判定的数据源，运用贝叶斯准则予以推理判定。
经过训练学习，结合反洗钱领域知识，选定可疑度判定阈值K为0.49。K值为可疑度判定的下限值，K值的最终确定是挖掘方法和交易信息两方面综合的经验值。K值的选取犹如选择不同尺寸的滤网，K值越大，网眼越大，识别结果的可疑度越高，但同时可疑交易线索相对较少，遗漏率较高。K值越小，网眼越小，可疑交易线索较多，遗漏率较低，但同时识别结果的可疑度相对较低。因此，K值的选择需要在训练数据可疑与否的判断正确率与挖掘效率间做出权衡，在保证较高的挖掘效率的前提下，促使正确率尽可能高、遗漏率尽可能低。在实际运用过程中，可以选择不同的阈值对交易记录进行处理，一方面可以从中确定合理的K值，另一方面也便于从不同粒度对交易数据进行分析，深刻理解和把握源数据特征。
实验分别计算出训练数据和验证数据的正确率和遗漏率作为结果进行比较。实验结果显示，在总共11939条金融交易记录中（包括1274个账户，其中业已确认的犯罪线索记录210条），选择源数据的70％记录作为训练数据（包括8357条金融交易记录，915个账户，其中业已确认的犯罪线索记录153条），通过贝叶斯分析确定的可疑金融交易记录为141条，相对于业已确认的153条犯罪线索记录，准确率为92.16％，遗漏率为7.84％；将源数据的30％作为验证数据（包括3582条金融交易记录，359个账户，其中业已确认的犯罪线索记录57条），通过贝叶斯分析和可疑度判定值验证，确定可疑金融交易记录为51条，相对于业已确认的57条犯罪线索记录，准确率达89.47％，遗漏率为10.53％。与之相比而言，仅用离群点聚类分析、序列突变点检测或交易路径异常识别所得结果的准确率分别为88.0282％、82.3944％、73.9437％。这说明利用贝叶斯分类方法，能有针对性地综合单一数据挖掘方法的分析结果，提高可疑金融交易识别的准确率。
五、研究结论
研究结果证明整体判定方法在综合三种可疑金融交易检测方法的基础上运用贝叶斯准则进行整体判定是有效的，比单独应用一类检测方法的效果相对更好。这是因为贝叶斯分类通过计算完整的后验概率分布，充分汇总了可疑金融交易识别中涉及的各类可疑特征的全部信息，相对于单一可疑金融交易检测方法，在推理预测的准确性上有明显提高。
基于贝叶斯分类的可疑金融交易整体判定具有以下几方面的优势：一是有效利用各类识别结果，整合技术资源，形成优势互补，充分发挥基于数据挖掘的可疑金融交易识别能力。二是借助概率模型，很好地处理了不确定性，具备整体判定优势，能为反洗钱监测提供快速准确的参考。三是通过自适应性的监督学习，充分借鉴既往经验，与相关领域知识融合陛好。四是对最新洗钱手法的变化反应灵敏，变被动识别为主动发现，在洗钱与反洗钱的博弈中争取先机。五是在大型数据库应用方面能达到高速度和高准确性较好的统一。基于以上五个特点，建立一种交易可疑度贝叶斯整体判定模式，能明显提高反洗钱监测的科学性和有效性。
由于洗钱交易与反洗钱监测存在博弈关系，识别方法必须能跟踪反映洗钱手法的最新动态。数据挖掘技术在可疑金融交易识别中的成功应用离不开交易数据的深入分析和算法的合理选择，更离不开反洗钱领域知识的熟习和理解。只有将丰富的反洗钱实践经验、权威的专家知识和数据挖掘技术优势相结合，才能建立一套基于数据挖掘的适合我国洗钱交易特征的可疑金融交易综合识别方法，基于贝叶斯分类的交易可疑度整体判定模式正是这方面研究的有益尝试。
⑧ 怎么分析股票数据
我认为数据分析最重要的就是成交量分析，其它的比如量比，换手率都是由此而来。成交量指标与换手率指标配合使用，会给短线高手以很大帮助，持续有量和较高换手率的股票因为活跃度高，相对而言风险反而更小。推荐你去通金视频多了解一下。
⑨ 股票内幕交易怎么样被查到
内幕交易是怎样被揪出来的？一个人大教授的稽查样本
谁也不曾料到，中国人民大学商学院教授会陷入内幕交易的调查漩涡中。
一面是教书育人的良师形象，一面是知法犯法内幕交易一只股票、短线交易三只股票的涉案当事人，宋常的AB面在证监会稽查人员的层层调查下逐渐清晰：他是14家上市公司的独董，也是资本市场稽查亮剑被揪出的扰乱市场秩序的鼠狼之辈。
证券时报记者通过采访一线稽查办案人员，还原宋常内幕交易案的调查始末，试图管中窥豹，揭开资本市场内幕交易案的惯用伎俩，以此警示试图挑战监管底线者：手莫伸，伸手必被捉。
世上没有不透风的墙
时针拨回至2015年5月，正在中国人民大学给学生们上课的宋常不会想到，他会迎来两位特殊的客人。在资本市场浸淫多年的他，面对着在他看来还很年轻的两位调查人员，他是不屑一顾的。
1982年出生的余晶（化名）和1987年出生的项飞（化名）都有点娃娃脸，跟1965年出生的宋常就案件调查取证周旋时，宋常否定的话语中带着一丝侥幸：“你说的这些我不清楚，我没有参与个股交易，你们有证据吗？”聪明的宋常不知道，项飞和余晶已经有一些线索在手了。
2015年4月，证监会深圳专员办接到上交所线索，称2015年1月26日，国发股份(5.86 -1.51%,买入)发布股票停牌公告，拟进行重大资产重组，而就在停牌前，“张某瑶”“邢某”账户大量买入该股，交易行为异常，被大数据系统捕捉到，疑似内幕交易。随后，深圳专员办组成调查组，项飞和余晶就是主办人员。
经项飞他们调查，国发股份拟收购海格通信(10.30 -3.65%,买入)子公司摩诘创新的事项为内幕信息，该信息形成于2014年10月29日，公开于2015年3月7日。其间，陈某与国发股份负责人潘某斌见面，受潘某斌之托帮助国发股份寻找重组项目公司，陈某推荐了海格通信的子公司摩诘创新，是重组项目的介绍人，全程参与该重大资产重组事项，陈某为内幕信息知情人，知悉内幕信息的时间不晚于2014年11月30日。
而宋常与内幕信息知情人陈某的关系密切，陈某为国发股份重大资产重组事项的内幕信息知情人，在内幕信息公开前，宋常与陈某有2次电话联系。
“陈某是谁？我对这个人没有印象。”宋某继续否认。当询问到下午近6点时，宋常就反复催促项飞和余晶，称他晚上还要给100多位学生上课，不能耽误。
“当时我们也很为难，一方面询问还没进行完，另一方面又不能耽误100多位学生。”项飞回忆，“我们提出等他上完课再进行询问，我和余晶坐在宋常办公室边聊天边等他的时候，他时不时过来看看我们，而且表现得十分警觉，这引起了我们的注意：难道办公室里有什么秘密？”
随后，当着宋常的面，项飞他们根据《证券法》第一百八十三条，对宋常的办公室进行了现场检查。果然不出所料，他们在办公桌里面发现了宋常隐藏的重要证据，这个证据确定了他和陈某的关系，对定案具有十分重要的作用。
“世上没有不透风的墙。语言可以否认一切，但证据可以还原过去。”项飞说，在跟踪宋常这条线索的同时，他们还跟踪着陈某这条线。
陈某在资本市场做并购掮客很多年了，经常被证监会作为内幕信息知情人进行排查，对稽查人员的调查方法、调查重点、关键点都很清楚，对任何调查人员来说都算是“硬钉子”。一开始陈某就把关于宋常的一切资料都删除得干干净净，试图把宋常掩藏起来。而且陈某除了本名以外，还请大师另外取了个别名叫陈某某，对外都自称陈某某。国发股份董事长说是请陈某某帮忙介绍并购对象，调查组就把陈某某作为内幕信息知情人进行重点排查，但宋常的社交圈里却找不到一个叫陈某某的。基于上述两个原因，刚开始时调查人员并未能将陈某某和宋常关联起来，直到从其他涉案当事人处收集到更多的数据，通过对海量数据(13.77 -2.55%,买入)进行逐一筛查对比，调查人员惊奇地发现陈某某和陈某竟然是同一个人，而这人在宋常的社交圈里叫陈某。把两者关联起来后，调查人员再进一步深入挖掘，发现陈、宋二人关系密切：陈某在中国人民大学攻读工商管理学硕士研究生期间，宋常为其导师，毕业后也一直有联系，宋常还在陈某的公司兼任首席经济顾问。陈某从事的项目中介业务有赖于宋常，在获取资产转让方或收购方信息后，多次请宋常帮忙介绍对手方，若买卖双方有意向，二人便合作推进并购工作。国发股份停牌前，宋常与内幕信息知情人陈某存在直接联系。
事情到此算是有眉目了。拿到宋常与陈某关系的证据后，项飞松了一口气。他站在中国人民大学校门口，迎着晚风，和余晶相视一笑，摸着早已经饿瘪的肚子，特豪气地说了句：“走，我请你吃煎饼果子！”项飞说，这是那段时间他吃过的最好吃的晚餐。
千般抵赖赖不过如山铁证
在确认了宋常与陈某的关系后，项飞和余晶的下一个攻坚难点，就是宋常与“张某瑶”“邢某”两个异动账户间是否有直接关联。
经过对宋常关系网的梳理，项飞他们了解到，“邢某”“张某瑶”都是宋常学生，对于这两个账户，宋常表示只是偶尔进行打理，对账户资金也说是对邢某、张某瑶两位学生的无偿资助，试图从操作、资金两方面让“邢某”“张某瑶”两个账户与自己划清界限；对买入国发股份也找了个看似合理的理由，称自己经过财务分析，认为国发股份迟早会重组，所以买入赌公司重组；他同时还提供了一些虚假证据资料，试图误导项飞和余晶。
“宋常的抵赖自始至终。他既不承认控制学生账户，也不承认内幕交易个股。”面对这位熟悉市场运作的专家，项飞把目光转向了邢某、张某瑶。
“知道作伪证的后果吗？你有家有孩子，就不怕事态发展到把你自己也牵扯进来吗？”项飞摸准了邢某、张某瑶对宋常既有敬意又有顾虑的心理，动之以情晓之以理，最终让邢某、张某瑶开口了：宋常正是“邢某”“张某瑶”账户的使用者，这让宋常的一再否认成了徒劳。
随后，项飞将宋常所控制的账户2007年开户以来所有委托、成交流水进行横向和纵向分析对比，在近4000条交易记录、近400只股票中，总结提炼交易规律、交易习惯，反驳了宋常“赌重组”的辩解，证明账户交易行为明显异常。
经过对往常交易股票共性的分析发现，宋常作为财务专家，买入股票时多选择财务稳健的公司，而且更喜欢自己担任独立董事的公司，这样他更了解公司情况。平时下单也是小心谨慎，每次委托下单平均金额在28万元和36万元之间。而国发股份2008年以来盈利能力较差，连续多年亏损，2010、2013年两次“保壳”，明显并不符合宋常对公司财务稳健的要求。而且，2015年1月23日14点14分，宋常控制的邢某账户单笔委托买入国发股份878700股，委托金额6713268元，委托金额远超平均值，为其历史交易记录中所有单笔申报最大金额，而且委托价格7.64元高于市价7.60元，盘面价格和成交量被迅速拉高。宋常自己账户买入国发股份的意愿显得尤为急切：2015年1月23日国发股份停牌前最后一个交易日的最后几分钟，“宋常”账户委托买入国发股份65万余股，委托金额500余万元，此次委托金额为其历史交易记录中所有单笔申报最大金额。宋常控制使用的3个账户买入国发股份的行为明显与平时交易习惯不同。
在人证、物证等各类证据链条完整的事实面前，宋常皱紧眉头叹了口气：“哎，怎么成这个样子了！”——就是这个样子，让表面光鲜的中国人民大学教授受到了110万的“顶格”罚款，同时被采取10年市场禁入措施。
“其实，处罚的金额不算太多。”项飞认为，宋常多次利用其控制的3个账户短线交易其任独立董事的10只上市公司股票，短线交易其中7只股票的行为，因《行政处罚法》第二十九条已超过两年追诉时效，最后只能对短线交易的3只股票的行为进行处罚，且处罚金额是其法律规定幅度内的顶格处罚，其内幕交易国发股份的行为也因亏损而被罚得很少，《证券法》对违规者的震慑力度不够大。
项飞在总结5年来的办案经验时认为，内幕消息不靠谱，有很多重组因为各种原因，双方未谈妥最后以失败告终的。从事内幕交易既存在重组失败亏损的风险，还存在被证监会调查处罚的风险，得不偿失。
构成内幕交易罪，将被处五年以下有期徒刑或拘役，如果属于情节特别严重的，应处5年以上10年以下有期徒刑。
我国法律对内幕交易的行为的处罚
1、行政责任
内幕交易行为人可能被证券监管机构给予行政处罚，主要包括：
（1）责令依法处理非法持有的证券；
（2）没收违法所得；
（3）并处罚款。对于证券内幕交易，如果违法所得在3万元以上的，并处以违法所得1倍以上5倍以下的罚款，如果没有违法所得或违法所得不足3万元的，处以3万元以上60万元以下的罚款；
对于期货内幕交易，如果违法所得在10万元以上的，并处违法所得1倍以上5倍以下的罚款，如果没有违法所得或者违法所得不满10万元的，处10万元以上50万元以下的罚款。
单位进行内幕交易的，应对直接负责主管人员和其他直接责任人员并以3万元以上30万元以下的罚款；
（4）警告。单位进行内幕交易的，对直接负责主管人员和其他直接责任人员警告。
除行政处罚外，内幕交易行为人还可能被证券监管机构给予证券市场禁入的行政监管措施，甚至可能会被处以终身市场禁入。
2、刑事责任
内幕交易行为情节严重，构成犯罪的，应依法承担刑事责任。
具有以下情形的，构成内幕交易罪：
（1）证券交易成交额在50万元以上的；
（2）期货交易占用保证金数额在30万元以上的；
（3）获利或者避免损失数额在15万元以上的；
（4）进行内幕交易、泄露内幕信息3次以上的。
而具有如下情形之一，则属于情节特别严重：
（1）证券交易成交额在250万元以上的；
（2）期货交易占用保证金数额在150万元以上的；
（3）获利或者避免损失数额在75万元以上的。
(9)数据分析股票犯罪线索扩展阅读：
《最高人民法院、最高人民检察院关于办理内幕交易、泄露内幕信息刑事案件具体应用法律若干问题的解释》
第六条
在内幕信息敏感期内从事或者明示、暗示他人从事或者泄露内幕信息导致他人从事与该内幕信息有关的证券、期货交易，具有下列情形之一的，应当认定为刑法第一百八十条第一款规定的“情节严重”：
（一）证券交易成交额在五十万元以上的；
（二）期货交易占用保证金数额在三十万元以上的；
（三）获利或者避免损失数额在十五万元以上的；
（四）三次以上的；
（五）具有其他严重情节的。
第七条
在内幕信息敏感期内从事或者明示、暗示他人从事或者泄露内幕信息导致他人从事与该内幕信息有关的证券、期货交易，具有下列情形之一的，应当认定为刑法第一百八十条第一款规定的“情节特别严重”：
（一）证券交易成交额在二百五十万元以上的；
（二）期货交易占用保证金数额在一百五十万元以上的；
（三）获利或者避免损失数额在七十五万元以上的；
（四）具有其他特别严重情节的。
第八条
二次以上实施内幕交易或者泄露内幕信息行为，未经行政处理或者刑事处理的，应当对相关交易数额依法累计计算。
第九条
同一案件中，成交额、占用保证金额、获利或者避免损失额分别构成情节严重、情节特别严重的，按照处罚较重的数额定罪处罚。
构成共同犯罪的，按照共同犯罪行为人的成交总额、占用保证金总额、获利或者避免损失总额定罪处罚，但判处各被告人罚金的总额应掌握在获利或者避免损失总额的一倍以上五倍以下。
⑩ 警惕！21人诈骗上亿元！知名“股票分析师”是如何行骗的
知名股票分析师是通过这个名号来吸引股民，告诉股民自己可以帮他分析股票的走势，也可以帮他买卖股票，以此来骗取金钱