Data-analytiikan käyttö sisäpiiritiedon väärinkäytön tunnistamisessa
Uusimäki, Konsta (2025-05-26)
Data-analytiikan käyttö sisäpiiritiedon väärinkäytön tunnistamisessa
(26.05.2025)
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
avoin
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe2025060358842
https://urn.fi/URN:NBN:fi-fe2025060358842
Tiivistelmä
Laittomat sisäpiirikaupat ovat olleet sääntelyn kohteena jo 1930-luvun lamasta lähtien, eikä säännöstahti ole viime vuosina ainakaan hidastunut. Sisäpiiririkokset ovat rikosmuotona haasteellisia havaita ja todistaa, koska ne vaativat tarkkaa näyttöä sekä aikajanan kuin myös tuottamuksellisuuden osalta. Viime vuosikymmeninä tietotekniikka ja etenkin data-analytiikka on kehittynyt edistyneeseen nykymuotoonsa, ja tässä kandidaatin tutkielmassa perehdytäänkin siihen, miten perinteisiä data-analytiikan menetelmiä ja koneoppimista hyödynnetään tai voidaan hyödyntää laittomien sisäpiirikauppojen tunnistamisen apuna.
Laittomien sisäpiirikauppojen tunnistaminen edellyttää yhä useammin suuren rahoitusdatamassan analysointia, johon perinteiset tilastolliset menetelmät eivät aina riitä. Koneoppimismenetelmät ja muut edistyneet algoritmit tuovat tähän helpotusta, ja etenkin ohjaamaton ja ohjattu oppiminen tarjoavat keinoja paljastaa pinnanalaisia poikkeamia eli anomalioita kaupankäynnissä. Tutkielmassa tarkastellaan miten näitä keinoja yhdistetään esimerkiksi perinteiseen verkostoanalyysiin, ja tavoitteena on muodostaa kokonaiskuva data-analytiikan mahdollisuuksista ja haasteista modernin markkinavalvonnan osana käsittelemällä esimerkkinä sisäpiiritiedon väärinkäyttöä.
Tutkielman tausta-ajatuksena on ollut pyrkiä monitieteellisyyteen käsittelemällä rahoitustieteellisten teorioiden ohella aiheen yritysjuridista, tilastotieteellistä sekä tietojenkäsittelytieteellistä taustaa. Analyyttiset menetelmät kattavat paljon tilastollisia analyysitekniikkoja kuten tunnuslukuanalyysin, regressioanalyysit sekä koneoppimisen. Tämän ohella erityistä huomiota kohdennetaan dataohjatun päätöksenteon sekä big datan suureen merkitykseen nykyisessä valvontaympäristössä.
Yhtenä tutkielman keskeisenä tavoitteena on pohtia miten valvontaviranomaiset hyödyntävät data-analytiikkaa aikaista enemmän sisäpiirikauppariskien seulonnassa. Perinteisesti valvonta on pohjautunut ilmoituksiin ja tapauskohtaisiin tarkasteluihin, mutta teknologian kehityttyä on avautunut mahdollisuuksia ennaltaehkäisevämpää valvontaa kohti. Tutkielma perustuu kirjallisuuskatsaukseen ja siinä käsitellään tämän kaiken lisäksi sisäpiirikauppojen oikeudellista kontekstia, taloudellisia markkinatehokkuuteen liittyviä vaikutuksia sekä markkinaluottamusta. Aiheen ajankohtaisuus korostuu nykyisen teknologisen kehityksen nopeuden sekä sääntelyyn liittyvien vaatimusten myötä. Tutkielman tulosten perusteella data-analytiikka ja koneoppimismenetelmät tarjoavat paljon lupaavia keinoja sisäpiiririkosten seulontaan etenkin suurissa datakokonaisuuksissa, joskin menetelmien onnistunut hyödyntäminen edellyttää muun muassa laadukasta dataa ja menetelmien syvällistä ymmärtämistä.
Laittomien sisäpiirikauppojen tunnistaminen edellyttää yhä useammin suuren rahoitusdatamassan analysointia, johon perinteiset tilastolliset menetelmät eivät aina riitä. Koneoppimismenetelmät ja muut edistyneet algoritmit tuovat tähän helpotusta, ja etenkin ohjaamaton ja ohjattu oppiminen tarjoavat keinoja paljastaa pinnanalaisia poikkeamia eli anomalioita kaupankäynnissä. Tutkielmassa tarkastellaan miten näitä keinoja yhdistetään esimerkiksi perinteiseen verkostoanalyysiin, ja tavoitteena on muodostaa kokonaiskuva data-analytiikan mahdollisuuksista ja haasteista modernin markkinavalvonnan osana käsittelemällä esimerkkinä sisäpiiritiedon väärinkäyttöä.
Tutkielman tausta-ajatuksena on ollut pyrkiä monitieteellisyyteen käsittelemällä rahoitustieteellisten teorioiden ohella aiheen yritysjuridista, tilastotieteellistä sekä tietojenkäsittelytieteellistä taustaa. Analyyttiset menetelmät kattavat paljon tilastollisia analyysitekniikkoja kuten tunnuslukuanalyysin, regressioanalyysit sekä koneoppimisen. Tämän ohella erityistä huomiota kohdennetaan dataohjatun päätöksenteon sekä big datan suureen merkitykseen nykyisessä valvontaympäristössä.
Yhtenä tutkielman keskeisenä tavoitteena on pohtia miten valvontaviranomaiset hyödyntävät data-analytiikkaa aikaista enemmän sisäpiirikauppariskien seulonnassa. Perinteisesti valvonta on pohjautunut ilmoituksiin ja tapauskohtaisiin tarkasteluihin, mutta teknologian kehityttyä on avautunut mahdollisuuksia ennaltaehkäisevämpää valvontaa kohti. Tutkielma perustuu kirjallisuuskatsaukseen ja siinä käsitellään tämän kaiken lisäksi sisäpiirikauppojen oikeudellista kontekstia, taloudellisia markkinatehokkuuteen liittyviä vaikutuksia sekä markkinaluottamusta. Aiheen ajankohtaisuus korostuu nykyisen teknologisen kehityksen nopeuden sekä sääntelyyn liittyvien vaatimusten myötä. Tutkielman tulosten perusteella data-analytiikka ja koneoppimismenetelmät tarjoavat paljon lupaavia keinoja sisäpiiririkosten seulontaan etenkin suurissa datakokonaisuuksissa, joskin menetelmien onnistunut hyödyntäminen edellyttää muun muassa laadukasta dataa ja menetelmien syvällistä ymmärtämistä.