技术的升级往往犹如阿基米德支点，能够撬动整个局面的变化。这点上在今年以来的资产管理机构稽查风暴中体现得尤为明显。“近期的变化主要还是源于大数据，调查重点集中在资产管理机构利用非公开信息交易的问题上。”一位接近证监会稽查人士表示。

数据库此前多用于监测个股异动

如果以2013年为分界点，前后的“捕鼠”信息加以对比，可以清晰看出大数据的作用。

自2009年2月“老鼠仓”入刑以来，有5件案件共8人被追究刑事责任。此前的“老鼠仓”查处案件，线索多来自于举报与现场突击检查等，或是从其他案件顺延发现线索。

事实上，在此阶段，交易所作为一个天然的大数据库，已在默默累积着数据监管经验。

这种一线数据库运作此前多运用于个股异动信息监测上。例如对于异动指标的建立，上交所异动指标分为4大类72项，敏感信息分为3级共11大类154项。

2013年后云端“捕鼠”启动

这种集中个股异动上的大数据应用，2013年后开始延伸到“老鼠仓”线索挖掘上。2013年4月，上交所市场监察部监控显示，严某等三个个人A股账户与博时精选基金账户交易股票存在很高趋同性，涉及股票29只。作为重要线索，上交所将其上报证监会。这就是博时基金原基金经理马乐涉嫌“老鼠仓”案的起源。

这种新领域的交易所大数据应用，随之被更高频使用。从2013年下半年开始的 “老鼠仓”调查开始，大数据“捕鼠”风暴开始步入高潮。“这一系列涉嫌老鼠仓的案件调查，其线索都是来自于交易所日常监控下的大数据分析。”一位接近交易所人士透露。而据证监会公布的情况显示，2013年以来，证监会共受理涉嫌利用未公开信息交易股票案件线索38件，涉及基金管理公司十余家，涉及保险（放心保）（放心保）资产管理机构两家。

三大升级确保大数据发力

为什么大数据在2013年开始突然显示威力？这或源于近年来交易所对于数据挖掘能力的研究推进，这其中包括文本发掘能力的引入、账户关系算法的提升、监管流程的重塑等。

在文本挖掘方面，以深交所为例，其从2010年开始便确定了文本发掘课题，借鉴了美国法定自主监管机构FINRA开发的SONAR系统，即证券监察、新闻分析、市场监管系统。

而在账户关系的对比上，更是“老鼠仓”稽查的突破点。“我们的大数据监管现在做得特别好，那套东西都快赶上淘宝的大数据了，能够瞬间比对出账户关系，交易偏好和逻辑，是个神器。”一位接近上交所人士表示。

最后则是监管流程的再改进，据记者了解，目前交易所已建立实时监控机制、专项核查机制、联动监控机制、智能化监控机制四位一体的监控体系。