论文题目：中国证券市场内幕交易的行为甄别研究
摘要：内幕交易是指内幕交易知情人利用内幕信息在证券市场上进行证券交易的不道德行为,而如何有效甄别内幕交易,受到学界、业界的广泛关注。本研究在相关文献评述的基础上,综合运用事件研究、非参数检验、机器学习等方法,围绕内幕交易相关概念与理论、我国证券市场内幕交易的现实背景、内幕交易行为甄别指标体系以及内幕交易行为甄别模型等方面内容展开研究,为我国相关监管部门有效甄别内幕交易提供参考价值。研究内容、结论与创新主要表现在:（1）整理了2001-2019年我国证监会公开处罚的内幕交易案例,研究我国证券市场内幕交易的现实背景。研究发现,我国证券市场内幕交易存在分布范围广泛、交易主体复杂、内幕信息类型多样、交易速度快、区间跨度大以及监管部门查处时间滞后等特点,这意味着内幕交易的甄别难度越来越大,这对相关监管部门进行监管提出了更高的要求,必须寻求更有效的方式、方法,减少内幕交易的发生。（2）构造了中国证券市场的证券交易黑白样本。黑色样本是指发生内幕交易的样本,白色样本是指未发生内幕交易的样本。首先收集了证监会通报处理过的258个存在内幕交易的上市公司样本,在保证与黑色样本特征匹配的基础上,获得了包含963个样本的原始数据集,其中黑白样本比例是1:3.5,存在数据类别不平衡问题,直接进行机器学习训练往往造成结果有偏,因此又利用SMOTE算法进行数据处理,以使黑白样本数量比例趋于基本平衡。（3）构建了证券市场内幕交易行为甄别指标体系。基于文献研究法从市场微观结构、公司治理结构以及财务状况表现三方面选取了58个指标;然后利用KS检验法选取具有甄别能力的33个指标;进一步利用随机森林算法进行特征选择,选取具有最优甄别能力的13个指标;最后剔除2个相关性较高的指标后,构建了中国证券市场内幕交易行为甄别指标体系,共包含了11个甄别指标。（4）构建了证券市场内幕交易行为甄别的集成模型。针对利用SMOTE算法处理后的数据集,利用逻辑回归、支持向量机、决策树、随机森林、GBDT、XGBoost和Light GBM构建了证券市场内幕交易行为甄别的单模型;选择模型效果较好的支持向量机、随机森林、GBDT、Light GBM作为第一层模型,XGBoost作为第二层模型,利用Stacking集成方法构建了证券市场内幕交易行为甄别的集成模型。研究发现,Stacking集成模型的准确率、F1值、AUC值分别达到95.50%、90.08%、96.42%,得到了较好的甄别效果。最后,随机选择了3支案例股票带入Stacking集成模型,验证显示,3支股票的甄别结果与现实情况相符,进一步表明了本文所构建的Stacking集成模型的可行性及优势。
关键词：证券市场;内幕交易;行为甄别;集成模型
学科专业：金融统计学
摘要
abstract
第1章 引言
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.2 文献综述
1.2.1 关于内幕交易的内涵认识
1.2.2 关于内幕交易行为甄别指标体系的研究
1.2.3 关于内幕交易行为甄别模型的研究
1.2.4 简要评述
1.3 研究方法、主要内容与框架
1.3.1 研究方法
1.3.2 主要内容与框架
1.4 创新点
第2章 证券市场内幕交易行为甄别的理论基础与方法选择
2.1 相关概念界定
2.1.1 内幕交易
2.1.2 内幕交易行为
2.2 相关理论基础
2.2.1 有效市场理论
2.2.2 信息不对称理论
2.2.3 金融市场微观结构理论
2.3 甄别模型构建与评价方法
2.3.1 模型构建方法
2.3.2 模型评价方法
小结
第3章 中国证券市场内幕交易的现状分析
3.1 内幕交易样本的选取及其市场分布
3.1.1 内幕交易样本的选取
3.1.2 内幕交易的市场分布
3.2 内幕交易的主体及信息类型
3.2.1 内幕交易主体类型分布
3.2.2 内幕信息类型分布
3.3 内幕交易发生与查处及其跨度的数量
3.3.1 内幕交易发生和查处的数量分布
3.3.2 内幕交易区间跨度的数量分布
小结
第4章 中国证券市场内幕交易样本及其行为甄别指标体系构建
4.1 证券交易黑白样本构造及数据预处理
4.1.1 证券交易黑白样本的构造
4.1.2 数据预处理
4.2 内幕交易行为甄别指标的选取
4.2.1 基于文献研究的指标选取
4.2.2 基于KS检验的指标选取
4.2.3 基于随机森林的指标选取
4.2.4 基于相关性检验的指标选取
4.3 内幕交易行为甄别指标体系的确定
小结
第5章 中国证券市场内幕交易行为甄别模型构建及应用
5.1 内幕交易行为甄别模型的训练与评价
5.1.1 样本类别不平衡处理
5.1.2 单模型的训练与评价
5.1.3 集成模型的训练与评价
5.2 基于集成模型的案例实证检验
5.2.1 案例股票的选择
5.2.2 甄别结果的验证分析
小结
第6章 研究结论与展望
6.1 研究结论与政策建议
6.1.1 研究结论
6.1.2 政策建议
6.2 研究不足与展望
参考文献
致谢