人工智能时代高频量化交易的规制

童星海

doi:10.19979/j.cnki.issn10082689.2025060076

人工智能时代高频量化交易的规制

doi: 10.19979/j.cnki.issn10082689.2025060076

童星海

中国政法大学法与经济学研究院，北京 100088

基金项目: 国家社科基金重大项目“完善医疗保障基金监管法律制度研究”（编号：21&ZD201）；浙江省哲学社会科学规划“党的十九届六中全会和省委十四届十次全会精神研究阐释”专项课题“防止资本无序扩张研究”（编号：22LLXC12YB）。

详细信息

作者简介:
童星海（1999—），男，安徽桐城人，中国政法大学法与经济学研究院博士研究生

中图分类号: F830.91
计量
- 文章访问数: 0
- HTML全文浏览量: 0
- PDF下载量: 0
- 被引次数: 0
出版历程
- 收稿日期: 2025-06-18
- 网络出版日期: 2026-05-15
- 刊出日期: 2026-08-25

Regulations of High-Frequency Quantitative Trading in the Era of Artificial Intelligence

Tong Xinghai

School of Law and Economics, China University of Political Science and Law, Beijing 100088, China

摘要

摘要: 量化机构以其高频套利交易完成短期投机型交易，从公司信息分析转向市场流动性分析，不依靠公司财务分析就能在短期零和博弈中完成盈利，实现脱“金融化”向“人工智能化”。人工智能虽然赋予量化交易新策略，使其在短期市场博弈中“断档”式领先人工交易者，但这有违技术人本主义，并影响证券市场稳定性。为实现证券市场良性发展和投资者公平竞争，人工智能时代的证券市场监管逻辑应从信息披露转向交易结构，完善量化交易新型风险的监管体系；同时提升算法透明度、适当限制高频交易，采取超越算法技术中立的动态回应式监管；并将市场攫取性量化交易类型化认定为市场操纵行为，依据《证券法》处罚。
- 人工智能 /
- 量化交易 /
- 回应式监管 /
- 市场操纵行为
Abstract: Quantitative trading firms complete short-term speculative trading through their high-frequency arbitrage transactions, shifting from company information analysis to market liquidity analysis. They can make profits in short-term zero-sum games without relying on company financial analysis, achieving a transition from “financialized” approaches to “AI-driven” methodologies. Although artificial intelligence has endowed quantitative trading with new strategies, granting it a disproportionate lead over human traders in short-term market competition, it runs counter to technological humanism and affects the stability of the securities market. To achieve the healthy development of the securities market and fair competition among investors, the regulatory logic of the securities market in the era of artificial intelligence should shift from information disclosure to trading structure, and a regulatory system for new risks of quantitative trading should be improved. The transparency of algorithms should be enhanced, high-frequency trading should be appropriately restricted, and dynamic responsive regulations that go beyond the technological neutrality of algorithms should be adopted. Market-acquisitive quantitative trading should be identified as market manipulation behavior and punished in accordance with the Securities Law.
- artificial intelligence /
- quantitative trading /
- responsive regulations /
- market manipulation
注释:

1) 1英文谚语“房间中的大象”（an elephant in the room），表示“显而易见但被忽视的事实”。

2) 2人工智能在“博弈类”领域最先超越人类，1997年IBM的超级计算机Deep Blue在国际象棋比赛中击败当时的世界冠军加里·卡斯帕罗夫，2016年谷歌旗下DeepMind开发的AlphaGo击败了世界顶级围棋选手李世石。

3) 3数值型变量可以直接转化为符合正态分布的标准变量，非数值型变量可以用过打分定级（例如，用0~100分表示上市公司信息披露程度）构建标准变量，或者用0~1变量描述是非关系（例如，董事会成员拥有法学教育背景为1，否则为0）完成标准变量。

4) 4徐翔引领“涨停板敢死队”，开创了利用日内股票涨跌幅限制规则的打板交易模式，在股票价格达到涨幅上限瞬时买入股票，吸引跟风资金。现在量化公司也基于股票技术面分析参与打板操作，变成“人与机器直接拼手速”的博弈。

5) 5另类投资策略以非金融数据（或者叫“另类数据”）制定投资策略。索罗斯因其提出的反身性理论（Theory of Reflexivity）成为另类量化交易策略的代表人物，反身性理论主要关注做多情绪的正向激励。还有其他各种新奇的另类量化交易策略，如文艺复兴公司的“看天气多空策略”、追踪美国特朗普推特账号的“推特多空策略”等。

6) 6See Indictment of United States v. Navinder Singh Sarao Court Docket No.: 1:15-cr-00075 （N.D. Illinois）.

7) 7《证券市场程序化交易管理规定（试行）》第八条、第九条。

8) 8以上交所为例，《上海证券交易所程序化交易管理实施细则》第三十三条。

9) 9《证券市场程序化交易管理规定（试行）》第二十八条：“公募基金管理人、私募基金管理人、合格境外投资者等程序化交易相关机构和个人违反本规定第七条、第八条、第九条、第十四条、第十五条、第十六条、第十九条、第二十条、第二十二条等要求的，中国证监会及其派出机构可以按照《证券法》、《证券投资基金法》、《私募投资基金监督管理条例》、《合格境外机构投资者和人民币合格境外机构投资者境内证券期货投资管理办法》等有关规定依法采取监管措施。”

10) 10《证券市场程序化交易管理规定（试行）》第二十九条：“程序化交易相关机构和个人影响证券交易所系统安全或者正常交易秩序的，中国证监会及其派出机构根据《证券法》第一百九十条的规定进行处罚。构成内幕交易、利用未公开信息交易、操纵证券市场等违法行为的，根据《证券法》第一百九十一条、第一百九十二条等规定进行处罚。违反法律、法规或本规定，情节严重的，根据《证券法》第二百二十一条的规定对有关责任人员采取证券市场禁入的措施。”

11) 11具体包括：（一）私募基金管理人、合格境外投资者等证券公司的客户；（二）从事自营、做市交易或者资产管理等业务的证券公司；（三）使用证券交易所交易单元进行交易的公募基金管理人、保险机构等其他机构；（四）证券交易所认定的其他投资者。

12) 12《中华人民共和国证券法》第四十五条、第一百九十条。

13) 13《中华人民共和国证券法》第五十五条。

14) 14《证券市场程序化交易管理规定（试行）》第十条：“证券交易所应当对收到的报告信息及时予以确认，并定期开展数据筛查，对程序化交易投资者的交易行为和其报告的交易策略、频率等信息进行一致性比对。证券交易所可以对涉及程序化交易的相关机构和个人进行现场或者非现场检查，对频繁出现报告信息与交易行为不符等情况的相关机构和个人进行重点检查。”

15) 15《上海证券交易所程序化交易管理实施细则》第十五条。

16) 16《上海证券交易所程序化交易管理实施细则》第十八条。

17) 17市场对股票新订单的价格反应会不断变化，高频量化买入订单增多导致证券的价格上涨，可能高于其卖出订单增多导致的价格下降，量化因此现象能利用市场情绪反应完成低买高卖。

HTML全文

参考文献(29)

[1]	高瑞卿. 人工智能在金融量化领域的应用研究[N]. 市场信息报, 2024-12-30(13).
[2]	Homeland Security, Governmental Affairs. Hedge Fund Use of AI Report [EB/OL]. (2024-06-11) [2025-03-03]. https://www.hsgac.senate.gov/wp-content/uploads/2024.06.11-Hedge-Fund-Use-of-AI-Report.pdf.
[3]	Yadav Y. How algorithmic trading undermines efficiency in capital markets [J]. Vanderbilt Law Review, 2015(68): 1607-1672.
[4]	Financial Industry Regulatory Authority. 2025 FINRA Annual Regulatory Oversight Report [EB/OL]. (2025-01-28) [2025-06-27]. https://www.finra.org/rules-guidance/guidance/reports/2025-finra-annual-regulatory-oversight-report.
[5]	罗勇, 卢洪波. GPT时代的量化交易: 底层逻辑与技术实践[M]. 北京: 电子工业出版社, 2023.
[6]	曹凤岐, 刘力, 姚长辉. 证券投资学[M]. 北京: 北京大学出版社, 2013.
[7]	托尼·吉达. 大数据、机器学习与量化投资[M]. 徐照宜, 薛扬荣, 陈宇翔, 译. 北京: 中信出版社, 2023.
[8]	宋逢明. 金融工程原理: 无套利均衡分析[M]. 北京: 清华大学出版社, 1999.
[9]	王征, 李晓波. 人工智能在量化交易中的应用与实战[M]. 北京: 中国铁道出版社有限公司, 2019.
[10]	邹开亮, 徐培杰, 曾文琴. 算法个性化定价的规制困境与纾解进路[J]. 北京科技大学学报(社会科学版), 2026, 42(2): 72-79.
[11]	斯科特·帕特森. 暗池: 高频交易及人工智能大盗颠覆金融世界的对决[M]. 孙豪, 王泽宪, 李骥宇, 等, 译. 北京: 机械工业出版社, 2015.
[12]	Yagi I, Masuda Y, Mizuta T. Analysis of the impact of high-frequency trading on artificial market liquidity [J]. IEEE Transactions on Computational Social Systems, 2020, 7(6): 1332-1334.
[13]	Thompson P A. Invested interests? reflexivity, representation and reporting in financial markets [J]. Journalism, 2013, 14(2): 208-227.
[14]	Jacobs B I. Momentum trading: the new alchemy [J]. Journal of Investing, 2000, 9(4): 6-7.
[15]	张家林. 证券投资人工智能: 人工智能时代的财富管理变革[M]. 北京: 中国经济出版社, 2017.
[16]	聂国庆, 钱玉文. 证券特别代表人诉讼选案机制的反思与重构[J]. 北京科技大学学报(社会科学版), 2026, 42(2): 92-104.
[17]	Gerner-beuerle C. Algorithmic trading and the limits of securities regulation [M]// Digital Finance in Europe: Law, Regulation, and Governance. Berlin: De Gruyter, 2022: 114-115.
[18]	何天翔. 超越技术中立: 高频交易算法的法律规制[J]. 南方金融, 2024(10): 87-100.
[19]	Currie W L, Seddon J J J M, Vliet V B. From decision optimization to satisficing: regulation of automated trading in the US financial markets [J]. Information & Management, 2022, 59(8): 1-11.
[20]	缪因知. 信息型操纵市场行为执法标准研究[J]. 清华法学, 2019, 13(6): 159-176.
[21]	Carroll M, Chan A, Ashton H, et al. Characterizing manipulation from AI systems [C]// Proceedings of the 3rd ACM Conference on Equity and Access in Algorithms, Mechanisms, and Optimization. New York: Association for Computing Machinery, 2023: 1-13.
[22]	樊健. 禁止操纵证券市场的理论基础: 法律与金融的分析[J]. 财经法学, 2022(3): 110-127.
[23]	李华林. 莫让AI成为操纵市场的工具[N]. 经济日报, 2025-02-27(7).
[24]	徐文鸣. 证券事中事后监管活动的实证分析——基于回应性执法理论的视角[J]. 山东大学学报(哲学社会科学版), 2022(5): 71-81.
[25]	吕桐弢. 人工智能时代程序化交易监管的制度完善[J]. 现代经济探讨, 2023(2): 122-132.
[26]	李贤森, 李庭凯. 论人工智能系统法律风险规制——以欧盟《人工智能法》为例[J]. 北京科技大学学报(社会科学版), 2025, 41(5): 86-102.
[27]	Coombs N. What is an algorithm? financial regulation in the era of high-frequency trading [J]. Economy and Society, 2016, 45(2): 278-302.
[28]	Koshiyama A, Firoozye N, Treleaven P. Algorithms in Future Capital Markets [EB/OL]. [2025-06-27]. https://dl.acm.org/doi/epdf/10.1145/3383455.3422539.
[29]	孙宝玲. 操纵市场类型化认定的理论审思与制度构造[J]. 财经法学, 2024(2): 116-130.