信息时代，大数据技术和人工智能正在逐渐成为监管部门的武器，维护金融体系的稳定与健康发展。近日，在最高人民检察院公众号开设的《案“鉴”》微视频栏目中，推送了深圳市检察院网络安全和信息化办公室运用大数据筛查、对比、碰撞等办理方法，对内幕交易案件事实的认定和关键人识别起到决定性作用，展现了新时代大数据和人工智能技术在金融监管领域的快速进展与发展潜力。
    在发行、承销、上市和交易等不同市场活动阶段中，交易监管的难度首屈一指，对于内幕交易的监管则是难中之难。内幕知情者往往通过建立空壳公司等方式构建交易链条，通过小额多笔交易瞒天过海。而传递型内幕交易更为隐蔽，其“群体化”“裙带化”特征明显。根据证监会公布的信息，2016－2017年间内幕交易立案数量为117起，其中信息传递型内幕交易占比约70％。在已经立案的内幕交易案件中，事前事后监管占比极高，而事中动态捕捉案件则十分少见。
    内幕交易监管的根本难点是有限的数据信息整合与分析能力。检测内幕交易不仅要对交易数据本身进行分析整合，还要对相关交易者背后的社会关系网和利益链进行分析。传统人工分析中，每一个案例分析都需要监管者重新构建一个新的社交网络图，效率不高、效果有限。往往相关人员付出了巨大心血但一无所获。
    而大数据技术和人工智能的应用，会在相当大的程度上改善监管部门所面临的困境。大数据技术的“4V”特点是传统人工模式所不具备的：处理数据体量大、数据类别多样化、数据处理和分析高速、高价值精准分析。
    大数据技术具有强大的全数据收集能力，可以提高监管效率、减少有误信息的干扰和误导。通过全数据的关联性分析，可以快速准确地构建出交易数据和交易主体社会关系网络图，并将网络中每一个主体所做的相关活动进行整合，更快速精准地检测识别出可疑交易和相关交易主体，有效剔除错误干扰信息，极大地提高了监管效率。
    大数据技术还具有强大的数据分析和风险预测能力。在大数据技术构建全量网络图的能力基础上，人工智能技术可以将以往大量的相关案件数据作为学习材料，通过机器学习让其拥有对于内幕交易的识别能力，并通过现实数据进行强化，其准确性和有效性会逐渐提升。这使得“事中”动态性监管成为可能。
    目前来看，全球证券市场监管中人工智能和大数据分析技术尚处于较为初级阶段，多数据库并存的现实使得监管部门很难将整体性问题或涉及跨部门问题进行联动分析，计量模型以及数据预测功能也较弱。
    统一的数据标准会使得多数据库的整合成为可能，而这也是监管科技朝“大数据阶段”前进的基石。令人振奋的是，2023年3月，我国正式组建国家数据局，负责协调推进数据基础制度建设和国家数据安全等工作，其与证监会和国家金融监督管理总局的跨部门联动合作将成为新时代金融监管的工作重点。
    同时，大数据与人工智能技术应当成为监管者手中的工具，而不是成为技术的“奴隶”。尤其是在内幕交易领域，面对复杂人际关系、利益链条和社会网络，人工智能很容易做出错误判断或者“一刀切”，最终仍要由人来进行价值判断。
    此外，人工智能及大数据在监管中的完美应用离不开一整套完备的法律体系和相关法规。现阶段我国应当重点加强对于数据安全、数据使用、人工智能在监管中法律主体等方面的立法和修订，适应新技术应用的快速发展。