多股价指标下集成机器学习的股价操纵检测.pdfVIP

ISSN1009-3044E-mail：wltx@

ComputerKnowledgeandTechnology电脑知识与技术

第21卷第3期(2025年1月)ComputerKnowledgeandTechnology电脑知识与技术

http：//

Vol.21,No.3,January2025Tel：+86-551

多股价指标下集成机器学习的股价操纵检测

赵俊杰，刘金涛，周永辉

(贵州师范大学大数据与计算机科学学院，贵州贵阳550025)

摘要:针对中国股票市场的价格操纵问题。基于中国证监会公布的股价操纵案例数据，在分析日收益率、日换手率、日振幅

等股价变化特征的基础上，引入股票与当日大盘的偏离程度新特征，结合多种股价度量指标，集成多种机器学习算法，构建

了股价操纵检测模型。实验结果显示，相较于其他单一的股价操纵检测模型，本模型将检测准确率提升至84.38%。

关键词：中国证监会；异常波动；机器学习；股价操纵检测；股票市场；集成学习

中图分类号：TP39；F832.5文献标识码：A

文章编号：1009-3044(2025)03-0077-05开放科学(资源服务)标识码(OSID)：

0引言在集成学习领域，Wang等(2019)[11]集成了多个循

环神经网络(RNN)，显著增强了日内股票价格操纵的

股价操纵行为往往涉及散布虚假信息、囤积资产检测效果。随后，Liu等(2024)[12]运用堆叠泛化技术，

等复杂且隐蔽的交易手段。这些行为不仅对市场的

将多个RNN子模块进行有效集成，进一步提升了检测

公平性和透明度造成了严重破坏，也给投资者带来了效果。Chullamonthon等(2023)[13]开创性地将有监督

不小的风险。众多学者对此问题进行了深入探讨，从

学习和无监督学习进行集成，针对泰国股票市场操纵

不同角度剖析了股价操纵的影响与识别方法。刘胜

军(2001)[1]指出操纵者通过一系列手段如渲染气氛、行为进行了精准检测,从而验证了集成无监督深度神

做尾盘等获得大量非法利益。孙开连等(2002)[2]则强经网络在该领域的实用性。除模型设计之外，样本特

征的选取也极为重要。Aggarwal和Wu(2006)[14]发现，

调股价操纵对市场的公平性和透明度的破坏。李珍

和夏中宝(2020)[3]根据供求关系理论，分析交易型操在操纵期间，股价操纵活动往往伴随着股票流动性增

加、波动性的加剧和回报率的提升。Öğüt等人(2009)

纵对价格的影响，并提出了一系列加强反操纵监管的[15]则进一步将操纵股票与指数之间的日均收益率、波

具体措施。随着市场操纵手段的不断演变,学者们也

在不断探索新的研究方法。刘溪等(2019)[4]构建理性动率和交易量的差异作为关键解释变量，为股价操纵

的检测提供了新的视角。

预期均衡模型，分析非知情交易者前后价格波动，揭

示了噪声信息对市场的影响。李梦雨(2015)[5]利用尽管以上学者们的贡献为股价操纵检测与防范