内幕交易行为预测:理论模型与实证分析

内幕交易行为的复杂性、难以甄别性和处罚滞后性,是各国证券监管当局面临的"执法困境"。针对内幕交易监管难题,论文从市场微观结构角度构建了一个内幕交易行为"预测模型—概率测度—行为甄别"的分析框架,试图通过市场微观结构机制和数据挖掘方法,对我国股市存在的内幕交易及时进行预测和甄别。实证检验表明,"股改"后的全流通市场中,上市公司重大事件背后隐藏着基于私人信息的内幕交易行为概率;应用支持向量机模型(SVM)对内幕交易行为具有较好的预测效果,从而为证券监管部门及时制止内幕交易行为和打击内幕交易犯罪提供金融学支持。