数据尽职调查，引领港股IPO尽职审查新趋势.pdf

数 据 尽 职 调 查， 引领 港股IPO 尽 职审查 新 趋势 IPO 1 2018 3 IPO 2018 3 ( 2018.11 香港证监会行政总裁提 到金融行业面对科技创 新，该如何利用创新 科技 和 监管工具 ， 监察失当行为，保证市 场良好运行。 2018.06 香港证监会副行政总 裁梁凤仪在演讲中提 到所有上市过程参与 者负有受监管责任； 2018.03 香港证监会要求保荐 人需履行充分的尽 职调查职责； 2018.10 若保荐人有多次保荐 工作未达标，将较高 机会受到香港证监会 的视察巡查； 2018.05 香港证监会强调尽职 调查在监测借壳上市 公司的必要性； 2018.02 香港证监会表示，会 重点关注企业欺诈 和保荐人失当行为； IPO 2 IPO IPO 广告基础指标（展示量、点击量、下载量、转化 率）的合理性分析 广告行为的合理性分析 广告收入与费用成本匹配分析等 各行业 分析维度 上下游企业类型、数量、区域等分布分析 付款情况、交货情况、产品质量分析 供应链、分销商、渠道分析等 零售业 物流 运输 医疗 健康 电商 游戏、 多媒体 广告业 充值金额分布、方式分布、地域 分布等分布分析 异常充值消费行为分析、抽样用户 行为分析 玩家游戏行为分析等 库存产品、数量、区域等分布分析 异常物流数据分析 订单地域分布分析等 买家评价分析 异常订单（如刷单）分析 买家流量和付费转化率分析等 医疗产品产供销环节分析 医疗服务消费者地域分布 医疗健康行业消费者行为分析等 取得销售流程文件，以核实上市申请是否地描述上市申请人的业务运作； 保荐人应依据合理的尽职审查，对上市申请人的业务有充分了解； 对上市申请人的主要零售店的营业额进行合理的尽职审查。若某些店铺在销售方面的比重远 较其他店铺或同业为大时，这项工作尤其重要。 对上市申请人的主要零售或网上客户进行合理的尽职审查。若某些客户在销售方面的比重远 较其他客户为大时，这项工作尤其重要； IPO 3 传统尽职调查模式 数据尽职调查模式 洞察 判断 交易 传统尽职调查模式从财务状况出发， 结合对行业的理解制定尽调计划，了 解目标企业的运营情况。 数据尽职调查调模式从运营和业务 数据出发，通过不同数据分析的技术 手段，定位真实风险，协助券商能更 有的放矢的制定尽调计划，以了解目 标企业的运营情况。 财务数据战略、市场、 产业环境 运营、业务 财务数据战略、市场、 产业环境 运营、业务 洞察 判断 交易 IPO 4 结合分销业务特征，使用分销商的 信用评分、生产成本、运营成本、 利润收入、地理位置等数据，定义 关联属性，根据这 些属性得到分销商 信息的集合； 利用初步获取的分销商合集，使 用Apriori算法进行迭代训练，发 现最优频繁项集； 结合业务特点，定义异常分销商群体 的特征，利用频繁项集中发现的关联 关系，识别分销商之间的关联性，从 而协助了解分销商群体特性，识别异 常分销商。 定义关联属性 01 挖掘频繁项集 02 关联关系的运用 03 信 用 评 分 成 本 收 入 0123- 123-0 23-01 13-02 3-012 023-1 013-2 03-12 1-023 2-013 0-123 012-3 02-13 01-23 12-03 IPO 5 CPM CPC CPS 对广告投放进行聚类分析 时间序列分析 结合广告行为基础数据（如展现、点击、访 问、订单发生频次等信息），了解广告投 放的基本特征； 使用无监督的机器学习方法-聚类分析对所 有广告投放行为进行聚类（如基于划分的 K-Means算法、基于密度的DBSCAN算 法 等），了解广告主、广告受众的群体特 征，并基于此利用支持向量机的方法对广 告进行分类，协助保荐人进行广告产品画 像建模； 利用时间序列分析，模 拟广告行为，并对比实 际数据与模拟数据的差 异，从而协助识别是否 存在异常的广告投放情 况，了解其用户行为的 真实性。 IPO 6 获取原始数据 数据特征化 朴素贝叶斯概率计算 支持向量机模型训练 通过爬虫等技术收集行业 商品的相关信息作为原始 数据，包括刷单商品和未 刷单商品； 从访客数、收藏数、点击 量、下单数、交易金额、 付款时间、收货时间、店 铺停留时间、IP地址信息 等数据中，获得向量化的 特征值； 将分类器得出的结果代入 朴素贝叶斯公式，以得出 最终该订单的刷单概率。 基于有监督学习的支持向 量机技术（SVM-NB算法） 建立分类器，对待识别的 订单数据进行训练分类； 2019 pwc/structureCN-20190115-6-C2 IPO +86 (20) 3819 2420 didier.wencn.pwclinkedin +86 (755) 8261 8120 leo.hsucn.pwclinkedin +86 (21) 2323 6718 nolan.chencn.pwclinkedin +86 (21) 2323 7101 eric.ye.wangcn.pwclinkedin +86 (10) 6533 2312 lisa.ra.licn.pwclinkedin +852 2289 1940 siewlin.limhk.pwclinkedin +86 (21) 2323 8733 amy.y.hucn.pwclinkedin +86 (010) 6533 2987 lydia.hucn.pwclinkedin +86 (10) 6533 5136 ona.j.guocn.pwclinkedin