大数据筛查发现马脚 私募业重拳治乱力促行业良性发展

简介:

私募业重拳治乱力促行业良性发展

近年来,私募行业蓬勃发展,私募基金数量呈爆发式增长,但同时问题和风险也在不断凸显。如何促进私募行业规范、自律、健康发展成为市场各方颇为关心的问题。

由于私募产品呈现出多样化、复杂化等特点,导致信息披露易存在瑕疵。业内人士表示,在这样的情况下,相关违法违规的主体常借助多个通道来隐匿自身的违法违规行为,这加剧了市场上的信息不对称,损害了投资者的知情权,破坏了以信息披露为核心的市场秩序和制度,也给监管机构造成了一些障碍。

在证监会稽查执法广度和深度不断提升的今天,证监会多措并举,查办了多起私募机构违法违规案,彰显了证监会依法、从严、全面打击私募行业违法违规行为的决心,有利于维护市场秩序和保护投资者的合法权益,为未来私募行业健康发展提供了良好的环境。

“燃控科技”案:大数据筛查发现马脚

“在计算分析技术特别是大数据、云计算广为运用的今天,资本市场上任何行为都是有数据记录的。”中国证监会主席刘士余日前在国新办举办的新闻发布会上表示。

正是通过大数据筛查,北京神州牧投资基金管理有限公司、广东泽泉投资管理有限公司交易“燃控科技”信息披露违法违规行为东窗事发。事实上,在监管趋严、技术手段丰富的今天,资本市场上任何违法违规行为终会露出马脚。

据相关办案人员介绍,该案由青海证监局自立、自办、自审,发现和查处难度均较大。起初,交易所通过大数据系统对同一投资顾问(经理)名下的多只私募产品进行筛查,发现某投资经理实际控制两家私募机构,两家机构控制或决策的19只私募产品大笔买入单只股票,持股超过5%后未履行信息披露义务。

从业务范围来看,相关主体涉及私募机构、信托公司、期货公司、资产管理公司等多种业务范畴内的主体,有些还不是证监会所辖范围内的主体。从地域范围看,相关涉案单位和个人分布在北京、上海、广州、昆明、哈尔滨、东莞、西安、深圳等全国各区域不同城市,这些因素都导致了该案件的隐蔽性强、查处难度大。

相关办案人员坦言,面对如此巨大的工作量,可供调动的专职稽查干部只有4名,这无疑显得捉襟见肘。然而,经过不懈的努力和拼搏,调查组最终圆满完成了该案件调查工作,案件卷宗材料达55余卷,调查终结报告达104余页。案件审理小组依法从快从严审结该案,对两个当事公司进行了处罚,积极回应了市场关切。

该案的查办对市场上各私募机构形成了积极的影响,促使各主体合规管理。监管部门相关人士提醒,私募管理机构要切实履行备案和报备义务,加强合规风控管理;私募机构管理人要增强法律意识,提高专业水平,切实做到勤勉尽责,积极履行信息披露义务和注意义务,保证信息披露的及时性、准确性、完整性和真实性。

中逢昊案:多项违法违规行为致风险积聚

随着《私募投资基金监督管理暂行办法》的颁布实施,针对私募行业的自律管理办法进一步完善,违法募集的打击力度进一步加大,私募行业的发展有望更为规范。

事实上,在从严抓监管的当下,任何企图以私募基金为工具进行违法犯罪的人都会感觉“如坐针毡”。

2015年3月,证监会稽查人员在“两个加强、两个遏制”专项检查中发现,中逢昊投资基金管理(北京)有限公司(以下简称“中逢昊”)在登记备案、合格投资者、资金募集、投资运作方面涉嫌违反《私募投资基金监督管理暂行办法》的相关规定,即对中逢昊启动立案调查。

据了解,调查期间,北京证监局接到群众举报,得知中逢昊发行的“保理债权分级计划1期”产品未按期兑付,涉及投资人200余名,涉及金额2000余万元,另有2.3亿余元兑付情况不详。北京证监会立即将涉嫌犯罪线索抄报北京市公安局。

据相关办案人员介绍,中逢昊主要存在以下违法违规行为:一是未按规定登记备案,部分报送信息与实际情况不符;二是合格投资者制度落实不到位,存在大量投资低于100万元的个人投资者;三是资金募集过程中存在公开募集,有夸大宣传嫌疑;四是未按合同约定向投资者进行基金运作的信息披露,未按规定披露与项目公司的关联关系。

不仅如此,调查期间,中逢昊时任总裁、拟认定的违法行为主要责任人员胡东旭突然失联。2016年1月,中逢昊的兑付风险显现,涉嫌非法集资的犯罪线索凸显,涉及的人数及资金量都非常巨大。同时,公安机关接到了群众举报中逢昊非法集资报案后,决定对中逢昊立案侦查。北京证监会立即与公安机关建立联动机制,互相配合。

当时,中逢昊实际控制人曹某长期滞留在国外,经证监会工作人员反复劝说,曹某终于在2016年2月份回国,前往监管机构汇报了公司目前的情况,并承诺要调配资金解决目前的兑付问题。公安机关经过调查认定中逢昊涉嫌非法集资,将曹某依法逮捕。目前,该案已移交检察院。

业内人士表示,中逢昊上述违法违规行为,导致监管机构和投资者无法真正、全面地了解公司项目运行的信息,风险积聚。投资者由于被虚假、夸大宣传所吸引,导致其作出错误的投资决策,最终造成巨大的财产损失。

本文转自d1net(转载)

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
2月前
|
分布式计算 DataWorks IDE
MaxCompute数据问题之忽略脏数据如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
47 0
|
2月前
|
SQL 存储 分布式计算
MaxCompute问题之下载数据如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
38 0
|
2月前
|
分布式计算 关系型数据库 MySQL
MaxCompute问题之数据归属分区如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
35 0
|
2月前
|
分布式计算 DataWorks BI
MaxCompute数据问题之运行报错如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
38 1
|
2月前
|
分布式计算 关系型数据库 数据库连接
MaxCompute数据问题之数据迁移如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
35 0
|
2月前
|
分布式计算 Cloud Native MaxCompute
MaxCompute数据问题之没有访问权限如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
38 0
|
10天前
|
数据采集 搜索推荐 大数据
大数据中的人为数据
【4月更文挑战第11天】人为数据,源于人类活动,如在线行为和社交互动,是大数据的关键部分,用于理解人类行为、预测趋势和策略制定。数据具多样性、实时性和动态性,广泛应用于市场营销和社交媒体分析。然而,数据真实性、用户隐私和处理复杂性构成挑战。解决策略包括数据质量控制、采用先进技术、强化数据安全和培养专业人才,以充分发挥其潜力。
13 3