股票收益互换监管法律制度研究

来源 :上海师范大学 | 被引量 : 0次 | 上传用户:dylwq
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文的主要研究内容包括四个部分,其总体目标是通过深入剖析挖掘股票收益互换背后存在的法律风险,在此基础上分析比较境内外监管立法对股票收益互换的监管思路和方法以及其存在的问题,为我国股票收益互换监管法律制度的完善提供域外立法参考与经验借鉴,同时结合我国实际情况提出合理性建议。第一部分,结合交易双方的交易需求差异,就股票收益互换的概念功能进行基本介绍,并在此基础上分析了股票收益互换所具有的私密性与定制性、信用交易以及无因性的交易特征,以及单一主协议和法律关系具有复杂性的合同法律特征,旨在厘清股票收益互换的法律原理。第二部分,结合股票收益互换的法律关系与特征以及国内外市场实践状况与典型案例,揭示透视股票收益互换可能存在的法律风险,强调股票收益互换的监管重要性,并联系相关法律规范,分析其中涉及的各类法律问题,亦即股票收益互换监管制度安排需要重点应对的问题。股票收益互换监管需要应对的法律风险是来自于多方面的,具体包括:合同法领域内的交易对手信用风险、公司法领域内的公司治理风险、证券法意义内的违法违规交易风险、外汇管理法领域内的外汇监管合规风险和国际金融法领域内的跨境监管冲突风险。第三部分,研究解读域外金融监管机构在股票收益互换交易领域制定的相关监管制度规则,重点分析美国、欧盟等发达经济体对股票收益互换的监管模式与监管思路,归纳股票收益互换的监管侧重点及相应的制度框架与措施。从制度设计的目的角度分类,可以划分主体履约能力保障、风险管理内控机制、信息披露报告制度、交易违法行为规制以及跨境监管协调规则四个板块的内容。第四部分,首先梳理我国对股票收益互换业务监管的历程,并勾勒出我国当前的监管制度体系,同时结合《证券公司收益互换业务管理办法》等规范,从监管历程与监管制度体系、交易主体管理、交易合约管理、股权利益分离问题、跨境收益互换问题五个方面考察我国对股票收益互换的监管制度规范现状。最后依据以上各部分的研究成果,结合我国实际并借鉴域外制度经验,对我国股票收益互换监管法律制度提出完善建议,即:健全规范体系、形成新制度理念、调整规制侧重点、完善报告披露制度、衔接证券法规、重视跨境交易。
其他文献
软件结构设计不佳的症状可通过正确的重构步骤解决。多数代码异味检测工具仅输出检测结果,忽略了结合开发者的需求对检测出的异味按照其强度进行排序,从而将判断异味重构优先级的耗时过程留给了开发人员。部分异味排序模型仅关注代码度量等结构特征,而代码间的层次结构及关联关系等语义信息在较多软件工程研究中被证明有效,却在代码异味排序领域少被研究。本文根据类级代码异味特征以及图结构可对对象及其相关关系建模的特性,考
学位
在计算机技术广泛运用和人工智能快速发展的新时代下,越来越多的人开始学习编程。面对大量编程学习者,教育者如何实时跟踪学习者的知识掌握情况,成为亟待解决的关键问题。知识追踪是解决此类问题的有效手段之一,已经成为人工智能+教育领域的研究热点。但现有知识追踪方法普遍存在习题表示缺乏结构化、信息单薄,以及学习者答题预测准确度偏低的问题。本文以编程知识图谱和学习者答题过程为核心,优化习题表示方式和学习者知识状
学位
随着在线自适应学习的快速发展,教学方式逐步走向线上线下融合的模式,大量教学资源实现了平台共享,通过此类方式在线教育学习平台产生了大量的准实时的在线学习记录,从而为知识状态诊断、自适应学习计划制定、动态学习策略生成、学习进度追溯提供了实现基础。知识追踪(Knowledge Tracing,KT)已经发展成为在线教育系统的重要组成部分,作为在线教育系统的一个关键组成部分,知识追踪通过追踪每个学习者的学
学位
随着社会经济的快速发展,各行业对机器视觉的依赖在逐年提升。因其能够提供直观、有效的分析方法,助力实现车辆的自动或辅助驾驶,机器视觉在智能交通系统和智能网联汽车领域获得了极其广泛的应用。在智能网联汽车的研究中,精确的车道识别可以辅助机动车及骑车者的自动跟踪;与机动车道不同,非机动车道往往在车道宽度、标记方式等诸多方面存在较大的差异。为此,本文专门针对多场景自行车道检测问题的复杂性和多态性进行研究,为
学位
代码异味是指任何可能导致代码深层次问题的症状,其通常是由开发人员在程序中的设计缺陷或不良编码习惯而引起。传统代码异味识别方法因缺乏规范的判断标准而带有较强的主观性,并受开发者、开发语言、开发方法等多种因素影响。代码异味强度是异味严重性程度的表征,划分异味的不同强度有助于开发者对不同异味处理进行优先级排序,从而使高危险性代码问题得到优先处理,以减少软件项目的开发与维护成本。目前有关异味强度的研究资料
学位
软件缺陷是软件可靠性降低的重要原因,研究人员通过建立软件缺陷预测模型预测缺陷,进而通过合理分配用于保障软件质量的资源。随着机器学习理论的不断创新,许多研究者利用机器学习算法建立软件缺陷预测模型,然而目前关于软件缺陷预测相关的研究并不能取得理想的效果。主要存在以下四个问题:(1)用于训练和预测的数据集往往存在数据规格不统一和特征冗余问题,增加了模型的复杂度和过拟合风险。(2)对模型的基本分类器研究不
学位
电磁逆散射是根据测量得到的散射数据来重构未知目标的物理参数分布,获得目标的位置、轮廓、结构等信息,具有无接触探测的特点,广泛应用于车站机场安检、雷达目标识别、穿墙成像、医学成像、卫星遥感、地球物理探测等领域。电磁逆散射问题的控制方程具有非线性和不适定性的特征,传统求解方法包括线性近似算法和迭代优化算法,这两种算法都属于非学习类求解方法,其中线性近似算法求解速度较快,但是重构精度不高;迭代优化算法的
学位
语义分割是对图片进行像素级别的分类,进而实现对图片像素级别的理解。传统的语义分割需要利用大量的标注数据来训练网络,才能达到较好的性能。但这些数据的标注会极大地消耗人力物力。另外,传统语义分割的泛化能力不足,无法实现图片分割的真正智能化。因此,近年来基于少量训练数据的小样本语义分割成为研究的热点。小样本语义分割是利用少量的支持集数据对查询集图片中的目标物体进行分割。目前常用的一大类方法是基于原型网络
学位
颗粒作为一种常见的分析测量对象,在工业、医学和农业等领域应用广泛。目前,基于图像的颗粒分析算法能够方便快捷地统计颗粒数目并分析颗粒参数,成为国内外众多学者在图像领域的研究重点。但颗粒图像普遍存在光照强度不均,对比度低,相互粘连等情况,现有的分割方法容易产生欠分割和过分割现象。为解决上述问题,本文提出了一种基于二次超像素分割与改进Logit Boost的颗粒图像分割算法(TS-EL),有效地提高了颗
学位
近些年随着人工智能技术的发展进步,智能化移动机器人开始逐渐的在我们的生活中崭露头角,视觉SLAM技术可以帮助机器人在陌生的环境中进行自我定位和构建周围环境的地图,在室内各种复杂多变的环境中完成作业任务。目前基于特征点匹配的视觉SLAM算法大多数都假设外部环境是静态的,但是在现实环境中不可避免的会出现一些移动物体,例如室内行走的行人和被搬动的桌子等,所以在现实环境中并不能满足静态环境这一基本假设,这
学位