简介:在内幕交易案件的刑事诉讼中,由证券监管部门出具的行政认定意见形式多样,内容丰富,一般包括了内幕人、内幕信息敏感期的起止日期、违法所得的计算等影响罪与非罪、罪轻与罪重的要素。关于行政认定意见的争议普遍存在于内幕交易刑事诉讼中,也是司法实践中广受关注的控辩争点。通过分析行政认定在内幕交易刑事案件中的辩方困境问题,认为证券监管部门的行政认定在形式、内容、启动程序等方面尚欠缺统一规范。因此,在行刑衔接的背景下,应完善对行政认定的司法审查,避免行政认定意见中循环论证的逻辑缺陷,明晰内幕交易行政执法与刑事司法在法律解释、证据标准等方面的区别及衔接,实现对内幕交易违法犯罪的准确认定与处罚,提高司法质效。
简介:因犯罪区域差异、主客体博弈、人为和外界、定性定量混杂、影响因素多杂、模型不适应、数据规模小等诸多原因导致犯罪趋势研究非常困难,经实验研究用大数据AI介入犯罪趋势研究是有效解决方案:可从宏观、中观以及微观三个层面研究犯罪趋势彩响因素,宏观上人、自然及社会三方面,中微观上要特别关注社会心理。对数据量小、种类少、结构化数据多、存在模糊和灰色情况下釆用模糊灰色小数据预测模型;而对大范围实证研究,半结构化与非结构化数据多,经算法比较研究采用三维卷积神经网络深度学习算法比较适合大数据动态实时跟踪犯罪趋势预测。