证券交易的异常分析.pdf

证券交易的异常分析

1概述

随着互联网的普及以及网上证券交易系统效用的不断丰富、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。

1/5

互联网应用的快速发展,促使进攻事件变得越来越普及,网络犯罪活动已经从最

初的个人恶意进攻行为,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、篡改等进攻手段层出不穷,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进攻手段没有任何防范

能力。这些问题极大地影响了证券交易体系的安全性。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

2/5

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。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,且持续发生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

进攻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）,进攻证券公司的交易系统。交易系统需要对委托、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。

3/5

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,很难仅依附现有的行为特征予

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