冯艺东：关于促进量化交易健康发展的路径研究丨资本市场

【编者按】

2025年4月3日，沪深北交易所同步发布《程序化交易管理实施细则》（以下简称“细则”），对程序化交易报告管理、交易行为管理、信息系统管理、高频交易管理等作出细化规定，细则于7月7日（今日）开始正式实施。在此背景下，我们选取了一篇有关促进量化交易健康发展的原创文章，以飨读者。

此篇文章的作者为全国政协委员、全国政协经济委员会委员，中泰证券股份有限公司董事、总经理冯艺东。他认为，规范的量化交易对市场涨跌走势并无主观偏好，对增强市场流动性和降低市场波动性具有一定积极作用。

本文从量化交易的定义与发展历程出发，结合其对市场的正面与负面影响，对比分析国际监管经验，提出以分类监管、风险监测、信息披露为核心的制度优化建议，旨在推动量化交易在规范中实现高质量发展，进一步平衡市场效率与公平。

2024年以来，资本市场对于量化交易的讨论显著升温，某量化机构因通过计算机程序短时间内集中大量下单，导致深证成指与上证指数短时快速下跌，引发公众对量化交易的广泛讨论，量化交易的高频报撤单、大额指令冲击等行为也引发公众质疑。然而，量化交易的本质是运用数学模型、计算机程序等工具通过统计套利、对冲策略、高频交易、杠杆交易等策略进行自动化投资决策，这些工具本身具有中性特征。因此，规范的量化交易对市场涨跌走势并无主观偏好，对增强市场流动性和降低市场波动性具有一定积极作用。本文从量化交易的定义与发展历程出发，结合其对市场的正面与负面影响，对比分析国际监管经验，提出以分类监管、风险监测、信息披露为核心的制度优化建议，旨在推动量化交易在规范中实现高质量发展，进一步平衡市场效率与公平。

量化交易概述

量化交易含义

量化交易是指利用数学模型、统计分析方法以及计算机技术来进行证券投资的一种策略。通过程序化、系统化和自动化的投资决策流程，此类交易方式能够在一定程度上减少人为情绪的干扰，同时提升交易的效率与精确度。可以说，量化交易最大的特点是对技术和工具的使用，通过系统化的数据分析方法寻找市场中的“大概率”事件，并构建策略，例如统计套利、对冲策略、高频交易、杠杆交易等。

量化交易的发展历程

中国量化投资发展历经二十年政策演进与技术突破的双重驱动。2005年前后，首批量化基金引入海外动量策略、趋势跟踪等模型，但受限于数据体系缺失和市场基础薄弱，发展相对缓慢。2010年前后，沪深股指期货上市，丰富了风险对冲工具，丰富了量化策略空间。随后，证监会发布《期货市场异常交易监控指引》《程序化交易认定指导意见》等制度框架，量化投资获得规范发展空间。此时互联网与大数据技术发展迅速，程序化交易开始借助计算机算力不断突破，多样的交易策略开始相继发展。

2015年行业迎来关键转折，监管层出台《证券期货市场程序化交易管理办法》构建申报核查、指令审核等全流程监管体系，七大证券、期货交易所同步推出实施细则。同年政策红利持续释放，外资股比限制放宽推动市场开放，中证500股指期货上市丰富对冲工具池，融券标的扩容，叠加人工智能技术催化，量化策略正式迈入高频化、精细化时代。

2020年实施的《中华人民共和国证券法》首次将程序化交易写入法律，要求程序化交易应满足证券监督管理机构的规定。证监会历时四年酝酿的《证券市场程序化交易管理规定》于2024年10月正式实施，建立了高频交易特别监管机制，从系统安全、异常交易识别到风险处置形成闭环管理，标志着我国量化投资进入规范发展新纪元。目前，量化基金已从舶来品演变为A股重要定价力量，其发展轨迹折射出中国资本市场在创新与监管动态平衡中的成长智慧。2024年中国股票量化私募行业经历了显著规模收缩，量化私募行业正经历深度洗牌期。中信证券研报《量化基金跟踪与2025年展望：整装再出发》测算，截至2024年12月，股票私募量化基金整体规模约8000亿元，较2023年末降幅超50%。

量化交易的主要策略类型

统计套利策略通过数学模型识别历史数据中关联资产的价差规律，基于均值回归理论进行操作，如在配对交易中，通过买入低估资产并同时卖空高估资产来实现套利。当价差超出设定的标准差阈值时建立仓位，并在价格差异回归至均值时平仓。

高频交易类策略依托超低延迟技术和纳秒级硬件直连交易所，在极短时间内捕捉微小机会，例如做市商通过同时挂出买卖单赚取价差，或事件驱动策略解析新闻与订单流数据快速交易。

趋势跟踪类策略基于技术指标，如移动均线、唐奇安通道，来识别市场方向，在突破关键点位时顺势开仓，通过动态止损和仓位分级管理风险。

因子类策略通过整合价值、质量、动量等因子构建量化模型，通过加权评分筛选股票，并控制行业与市值集中度防范系统性风险。

量化交易对市场的影响分析

量化交易的正面影响

一是活跃市场，提高流动性。在交易过程中，量化投资者通过各种策略生成大量订单，增加了买卖报价和交易数量，使得买卖价差缩小，市场深度和宽度得到增强。如配对交易策略，基于两个或多个价格高度相关的资产之间定价的相对偏差进行交易，当两个资产价格出现统计学意义上显著偏离长期均衡关系的情况时，配对交易策略通过买入低价资产、卖出高价资产的方式，以期获取两资产价格回归均值水平后产生的收益。此类统计套利策略通常为高频策略，通过大量、频繁的交易在赚取价差的同时为市场注入流动性。在美国股市中，市场参与者以机构投资者为主，量化交易为市场提供了大量流动性，Sanders（2024）文章指出，在大多数时间里高频交易商贡献了美股70%的流动性。

二是稳定市场，降低波动率。量化交易是基于数学模型和计算机程序的交易决策过程，可有效消除投资者的情绪干扰，避免出现非理性交易行为。此外，在市场经历急速下行波动期间，量化交易策略展现出逆向操作的特性，这种操作能一定程度缓解市场的短期剧烈波动现象，有利于维护市场秩序。以万得全A指数为例，2020—2024年各年化波动率分别约为22%、15%、18%、13%、26%，其中，2020—2023年呈下降趋势，2021年降幅尤为显著，当年量化规模突破万亿元，体现了量化影响力的急速扩张与金融市场波动率的大幅下降存在强相关性。在国际实践中，Brogaard（2015）在探讨量化基金的市场影响时指出，量化投资够压低美股波动率，在美国次贷危机期间与此后的两年中，量化交易不仅不会加剧市场波动，反而因为为市场提供了净流动性，从而降低了市场波动率。

三是提高市场定价效率，增强价格发现机制。在标准化合约交易的公开市场中，量化交易利用数学模型和算法，快速处理大量历史数据、实时数据与非结构化数据，在信息处理速度和广度上较人工有显著优势，有助于更快发现并使资产价格向其内在价值收敛，提升市场信息传播效率及价格发现效能。从中短周期看，量化交易可通过对市场交易数据、新闻文本、技术指标等方面的分析寻找股票在中短周期的合理价格。从长周期看，量化交易通过对公司基本面数据的挖掘对股价做出合理定价，与基于基本面深度调研驱动的主观投资类似，部分量化策略涉及定向增发、GDR等再融资产品，使资产价格更贴近基本面。

量化交易的负面影响

一是可能引发市场操纵行为，损害中小投资者利益。量化交易有信息、技术、速度优势，滥用程序化交易可能扰乱正常交易，诱发市场操纵。如故意创造或影响价格趋势、虚假下单或撤单，误导投资者对市场活跃程度和价格走势的判断。根据华西证券《A股投资者结构全景图剖析》，以持股市值比例计算，2024年A股市场中，个人投资者占比为50%～60%。相对于机构投资者，个人投资者特别是中小自然人投资者处于信息劣势地位且风险防范意识不够强，风险承受能力低，容易被虚假信息误导，出现跟风买卖等非理性行为。故需要对量化交易做规范管理，避免量化利用信息、技术、速度优势做出虚假下单等故意引导市场价格走向、操纵市场的行为。

二是部分量化策略可能在极端情况下加剧市场波动。在面对突发性经济冲击或政策变动时，部分量化策略由于内在设计逻辑和执行机制，可能在短时间内放大市场不确定性，导致更广泛的连锁反应。如部分追求高收益的策略内嵌杠杆交易算法，可能引发短时大规模抛售行为加剧市场下跌；部分策略采用深度学习、机器学习等“黑箱”类算法，策略潜在影响的评估存在一定不确定性，可能在极端环境下对市场造成不明确的影响。例如2010年5月美股出现罕见剧烈波动，消息面上，欧债危机引发市场悲观情绪蔓延，一家共同基金通过算法下达一笔巨额卖出指令，该指令未考虑成交价格因素，在十余秒内执行了2.7万笔股指期货合约订单，同期净买单仅有200余个，造成短时间内合约价格大幅下跌。

三是高频量化交易可能影响市场公平。根据相关研究，视觉的反应速度在250～450毫秒，而部分超高频交易可以实现微秒级的交易速度，较正常人类快千倍。此类高频交易超越了人类反应时间的界限，利用买卖价格间细微差异，通过大量且频繁的交易来捕捉这些微小的价格波动以获取利润，可能在一定程度上损害了市场的公平性。

量化投资国际监管制度比较

中国量化交易监管制度

目前，我国证券市场主要从自动化、程序化的角度对量化交易进行监管。程序化交易指的是利用预先设定的算法自动执行交易指令的一种交易方式，其范畴与量化交易并不完全一致。针对程序化交易的监管条例主要依据自2024年10月8日开始执行的《证券市场程序化交易管理办法（试行）》，该管理办法对证券市场中的程序化交易定义、参与者做出明确界定，在信息披露、责任主体、风险防控、系统安全等方面做出了一系列监管安排。其中针对高频交易做出了特别规定，进一步明确了高频交易是在短时间展现出较高频率的申报与撤单操作，以及在单个交易日内的申报和撤单次数显著高于常规水平的程序化交易活动。此外，还包括由交易所根据具体情况认定的其他相关特征。这类交易行为的共同点在于其高度依赖时间敏感的操作，并且通常利用高级算法和技术工具来实现其目标。对于高频交易，监管采用收取额外费用、实施重点监管、加强应急方案信息监管等方面做出了相应规定。

美国量化交易监管制度

立法方面，美国通过《多德－弗兰克法案》将量化等自动化交易中涉及的扰乱市场行为定义为非法，并指定由美国商品期货交易委员会（CFTC）和证券交易委员会（SEC）负责监督执法。同时，美国《商品交易法》对扰乱市场等非法交易行为的定义做出了进一步明确，如幌骗（spoofing）、逼仓（squeeze）等。

监管方面，美国通过注册登记与实施监测的方式对量化交易，尤其是高频交易进行重点监管。例如芝加哥商品交易所（Chicago Mercantile Exchange，简称CME）规定程序化交易的系统操作个人或团队必须注册唯一ID并在此ID下进行交易操作，以监控量化交易指令在市场中的比重。全国层面，为实现统一监管，各交易所通过建立综合审计跟踪系统（CATS），为订单簿数据制定了统一的披露规范，实现了统一监管。对于高频交易者进行单独备案并用识别码标记，经纪商则须定期上报高频交易者的交易记录，以对市场操纵等行为进行常规审查。

德国量化交易监管制度

在遵循欧盟传统监管框架的基础上，德国对程序化交易采取了严格的监管措施，并发展了一套独特的监管模式。该模式以立法为指导核心，致力于确保交易的公平性，针对每一笔交易订单进行细致管理。通过法律手段主导市场规范，旨在维护市场的公正性和透明度，从而实现对程序化交易的有效管控。

立法层面，德国联邦议院于2013年2月通过了《防止高频交易中风险与滥用行为的法案》（Act on the Prevention of Risks and Abuse in High-frequency Trading）。该法案全面规定了高频交易的定义及其特征、监管机构的具体职责范围、电子标记义务、交易所收费机制、监控指标设定、系统要求标准、市场操纵行为的界定以及相关记录保存等多个方面，以此构建了相对健全的高频交易法律体系。

在监管措施上，德国侧重于以交易订单为对象进行管理。为此，特别设立了电子标识来区分高频交易订单与非高频交易订单。监管机构对被标记为高频的交易订单实施实时监控，针对频繁撤单、缺乏真实成交意图的报价行为，以及过度消耗交易系统资源的情况，监管方会收取额外费用作为限制手段。通过实时监控，减少不正当交易行为，确保市场的公平性和有序性，进而维护所有市场参与者的合法权益。

关于促进量化交易健康发展的政策建议

一是优化监管框架，对高频与其他量化机构实施差异化准入。量化作为一种交易手段，本身无好坏之别，但要警惕被滥用所产生的扰乱市场、危害投资者的后果。当高频交易手段被恶意运用于幌骗行为，即通过提交大量并非旨在成交的订单并迅速撤回，以此释放不实的供求信息，破坏正常的价格发现过程，诱使其他市场参与者做出错误决策，进而获取套利机会，最终可能引发证券市场的紊乱状态。可参考美国等成熟市场经验，对高频策略提高机构资本金下限和准入门槛，控制市场参与者数量与资金规模体量，建立“牌照+备案”双轨制，对普通量化机构实行备案制，对高频交易商发放专项牌照。一方面，适度控制高频参与者数量有利于规范化监管；另一方面，具备一定资金体量的高频量化机构在公开市场中发生违法违规行为的代价更高，其会更加敬畏市场、尊重规则，维护自身的声誉和品牌。

二是优化风险防控监管措施，充分发挥量化交易积极作用。应当准确理解量化交易在提升市场活力及降低市场波动率等方面的积极作用，提供灵活且适应性强的监管框架，在不影响技术与金融模式创新发展的同时，助力量化交易更加规范化、健康化发展。如给予交易所监管量化交易更多的合理自由裁量权，按照制定风控措施不应过度干预市场的价格发现功能等原则，不断动态优化监管措施，使其与市场发展特点相匹配。

三是注重权衡量化交易对市场效率和市场公平的影响。推行“速度衰减”机制，对高频订单引入0.1～10毫秒的随机延迟，降低“速度优势”可能产生的碾压效应。限制“T+0”策略规模，对量化机构日内反向交易量设定上限，如不超过账户资产的30%，防止过度投机。发现异常交易行为和市场异常波动时，对触发阈值的账户实施“熔断”暂停交易，并由证监会和交易所启动联合调查程序。

四是完善信息披露监管，提高机构风险处置能力。一方面，建立信息披露备案机制，除账户基本信息外，应要求量化机构定期按照策略类型分类上报必要信息，如系统架构、风险敞口及应急预案，通过统一监管平台实施数据共享，确保监管可追溯、可验证。进一步完善异常交易识别技术与跨境监管协同，提高交易所和经纪商对异常交易的识别与风险处置能力。另一方面，量化机构须主动提升风险透明度，健全内部审计，对交易策略代码进行加密留痕，实时监测自身撤单率、申报速率等指标。定期开展极端市场环境下的压力测试，及时上报应急预案，推动量化交易在透明化与可控性中实现健康发展。

滕春强、於勇成、王良龙盛、米明金程对本文亦有贡献。

来源丨《清华金融评论》2025年第4期总第137期

编辑 | 王茅

责编丨兰银帆

Review of Past Articles -

01

02