1 绪论
1.1 研究意义
1.2 国外研究现状
1.3 国内研究现状
1.4 简要评述
1.5 研究方法
1.5.1 文献研究法
1.5.2 个案研究法
1.5.3 描述性研究法
1.5.4 实验法
1.5.5 实证研究法
1.5.6 经验总结法
1.6 研究框架
2 证券市场操纵的相关概念及理论基础
2.1 市场操纵的概念
2.1.1 市场操纵的定义
2.1.2 市场操纵的主要形式
2.1.3 股票市场操纵行为的特点
2.2 市场操纵行为存在的原因
2.3 市场操纵行为的危害
2.4 市场操纵监测模型的相关理论
2.4.1 神经网络模型
2.4.2 决策树模型
2.4.3 小波分析模型
2.4.4 贝叶斯网络与马尔可夫融合模型
3 国内外市场操纵案例及相关法规
3.1 市场操纵案例分析——以欧美为例
3.1.1 欧美市场操纵案例
3.1.2 欧美反市场操纵法规总结
3.1.3 欧美市场操纵案例特点评析
3.2 市场操纵案例分析——以中国为例
3.2.1 中国市场操纵案例
3.2.2 中国反市场操纵法规总结
3.2.3 中国市场操纵案例特点评析
4 基于AHMMAS的价格操纵监测模型设计
4.1 价格操纵基本交易特征及测量指标
4.1.1 价格操纵基本交易特征
4.1.2 设计监测度量指标
4.1.3 操纵行为量化
4.2 价格操纵特征抽取
4.3 价格操纵监测模型设计
4.3.1 高斯混合模型（GMM）和隐马尔可夫模型（HMM）
4.3.2 异常状态的隐马尔可夫模型（HMMAS）
4.3.3 自适应隐马尔可夫模型（AHMMAS）
4.4 基于AHMMAS的价格操纵监测算法
4.5 实验和评价
4.5.1 实验数据的选择和构建
4.5.2 时间窗口的设定
4.5.3 价格操纵行为数据的设定
4.5.4 基准模型的选择
4.5.5 绩效评价指标的设定
4.5.6 实验结果
4.6 结论
5 基于背包问题的虚假交易监测模型设计及分析
5.1 虚假交易基本交易特征
5.2 虚假交易行为头寸描述
5.2.1 虚假交易行为基本头寸描述
5.2.2 虚假交易行为的闭环交易描述
5.2.3 虚假交易的闭环交易量化匹配特征
5.3 虚假交易监测模型设计
5.3.1 预处理过程
5.3.2 匹配搜索监测过程
5.3.3 闭环交易匹配监测过程——串谋搜索
5.4 实验和评价
5.4.1 实验数据说明
5.4.2 确定参数
5.4.3 基于原始交易数据的评估
5.4.4 基于加入虚假交易行为的数据评估
5.5 结论
6 基于Lasso-VHsMM模型的操纵行为监测模型
6.1 操纵行为的本质交易特征量化
6.1.1 基本交易行为分析
6.1.2 监管条例中对“塞单”的基本定义
6.1.3 设计新型度量指标
6.2 构建新型量化监测指标之间的逻辑关系
6.3 模型设计
6.3.1 确定状态转移概率
6.3.2 估计概率密度函数
6.3.3 最大期望算法
6.3.4 预估和优化模型参数
6.3.5 优化训练数据集测试模型性能
6.4 实验和评价
6.4.1 上证实验数据说明
6.4.2 上证实验数据结果
6.4.3 美国股票实验数据说明
6.4.4 美国股票实验数据结果
6.4.5 汇率实验数据说明
6.4.6 汇率实验数据结果
6.5 结论
7 基于概率神经网络的交易型操纵行为监测模型
7.1 交易型操纵行为过程分析
7.1.1 建仓过程
7.1.2 洗盘过程
7.1.3 拉升过程
7.1.4 出货过程
7.2 操纵行为案例分析
7.2.1 操纵行为案例数据说明
7.2.2 操作行为主体分析
7.3 操纵行为的特征分析
7.3.1 操纵行为涉及的行业特征
7.3.2 操纵行为涉及的股本规模
7.3.3 操纵行为涉及的资产特征
7.3.4 操纵行为的交易特征
7.4 基于概率神经网络的交易型操纵行为监测模型的构建
7.4.1 概率神经网络的判别原理
7.4.2 概率神经网络的结构
7.4.3 基于概率神经网络的操纵行为监测模型的构建
7.4.4 操纵行为监测模型的算法实现
7.5 实验和评价
7.5.1 样本数据
7.5.2 变量的选择
7.5.3 实证结果分析
7.6 结论
8 基于操纵行为监测模型的可操作性量化监测标准
8.1 反馈性指导和量化标准
8.1.1 操纵行为基本特征介绍
8.1.2 交易行为异常判定标准
8.1.3 操纵行为监控的量化标准
8.2 基于大数据驱动的监测模型的监管条例决策模型框架
8.2.1 特征模块重统计，监管条例是依据
8.2.2 监测模块重分析，监管条例是桥梁
8.2.3 量化交互模块重反馈，监管条例是准绳
8.2.4 监管与决策重调节，监管条例是补充
8.3 政策建议
参考文献
索引
展开
