摘要：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
文/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
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......
滕春强、於勇成、王良龙盛、米明金程对本文亦有贡献。
来源 | 《清华金融评论》2025年4月刊总第137期
编辑丨王茅
审核 | 丁开艳
责编丨兰银帆
Review of Past Articles -
01 02
来源：清华金融评论