异化的量化交易成为"收割机"？南大安同良教授团队发文给出量化市场全套监管方案

TOP推荐语

AI时代量化交易凭算力、算法、信息、资金、规则等对散户形成降维收割，催生A股市场极端分化、股价脱离基本面，但现有研究未能拆解完整收割逻辑，也缺少成套落地监管方案。南京大学安同良教授领导的科研团队直击市场痛点，推翻量化交易“技术中性”固有认知，清晰拆解坟包收割等三大异化套利模式，原创推出 “五维纠偏、一费归中”监管框架，给出降频控速、算法透明、累进高频税费等实操对策，为重塑公平市场、守护中小投资者提供精准治理思路。

导读：

本文为南京大学商学院安同良教授、徐鑫升刊发于江苏省社会科学院主办CSSCI核心期刊《现代经济探讨》2026 年第8 期的前沿研究成果，文章紧扣 “以人民为中心” 资本市场建设与金融强国建设主线，直面 2026 年上半年A股市场结构失衡现实，针对中国量化交易异化问题展开系统完整的理论、机制与监管研究，兼具现实解释力与政策实操价值。

该研究直击2026年A股尖锐反差：中国A股市场频繁出现“四千多股下跌、仅数百股上涨”的分化割裂行情，多只个股自价格高点连续二十多个交易日持续下行，市场生态恶化。与此同时，量化基金规模突破1.8万亿，而量化私募以仅约3%的持股市值，却包揽超三成日均市场成交额。传统“量化是中性流动性工具” 的认知被彻底推翻，论文提出核心观点：在散户庞大、实行T+1的A股，AI时代的量化交易自带技术非中性属性，依靠数据、交易速度、变相做空特权等多层壁垒，对普通投资者形成全方位降维打击。

来自南京大学安同良教授团队拆解出三类量化收割市场的典型模式：“坟包效应”制造诱多后长期阴跌，反复洗走散户筹码；“逐浪抱团”让资金扎堆少数热点，造成市场极端分化；算法还能精准捕捉散户追涨、止损的心理弱点，用虚假盘口完成财富单向转移。三重机制叠加，让股价脱离企业真实价值，市场充斥虚假流动性，长期价值资金持续离场，资本市场服务实体经济、保障居民财富的功能持续受损。

对比中美欧监管规则后，作者指出当前300笔/秒的高频限制、浅层次算法报备存在明显漏洞，治标难治本。为此论文推出一套完整治理方案 “五维纠偏、一费归中”：下调高频认定标准至15笔/秒、将量化私募投资门槛降至1万元、分层强制公开算法、收紧高频量化私募变相做空渠道，同时设置阶梯式高频惩罚税费，用制度和成本双重约束投机型量化交易。

文章最后点明核心启示：量化交易技术本身并无对错，但不能放任技术特权演变为收割工具。唯有抹平机构与散户的竞争鸿沟，引导量化资金回归基本面价值投资，才能重塑公平的市场交易环境，打造以人民为中心、支撑金融强国建设的健康资本市场。

原文如下：
AI 时代中国量化交易的异化、非对称收割与监管重构

作者：安同良 徐鑫升

《现代经济探讨》2026 年第 08 期

一､引 言

2026 年上半年，中国 A 股市场呈现出极端结构性失衡的特征：日常交易中频繁出现4000多只股票普遍下跌，仅500余只股票上涨的现象；大量个股从阶段高点开启持续下跌，下跌周期长达二十多个交易日，形成阴跌不止､反弹乏力的 “坟包形态”, 与另外数百只持续上涨的个股形成鲜明的割裂｡与此同时，量化交易规模持续扩张，截至2026年一季度，量化基金管理规模突破1.8万亿元，日均成交占比稳定在30%至40%之间｡量化交易的快速扩张与近期A股市场的持续低迷形成强烈反差｡量化交易究竟是提升股票市场效率的 “稳定器”, 还是收割散户､破坏生态的 “收割机”? 传统认知中技术中性的量化交易，在A股散户数量居多的市场结构中，是否已经演变为非对称竞争的工具？此类问题的厘清，对于规范量化交易､修复市场生态､保护中小投资者权益具有极为重要的理论与现实意义，更关乎中国金融强国建设的战略实现｡

量化交易是以数学模型与计算机程序替代人为主观判断，自动生成交易指令并执行的投资方式｡量化交易用计算能力与数据优势替代经验判断，决策频率可从月度调仓延伸至微秒级的逐笔博弈｡按策略类型划分，量化交易大致分为指数增强策略､市场中性策略与高频交易策略三类｡在中国的资本市场，量化交易自2015年第一批量化私募机构在上海成立以来逐渐走向成熟并发展壮大｡截至 2026 年一季度，国内百亿级量化私募已超过 60家，前三强的管理规模均近千亿元，行业总规模较 2020 年初增长约 5 倍｡近年来，国内量化机构逐步完成从传统统计量化向 AI 驱动量化的升级｡AI 可依托深度学习､强化学习､大语言模型､AI 智能体等技术，自动整合解析行情､财报､新闻等多源异构数据，识别市场非线性关联与高阶因子，动态迭代模型参数｡头部量化机构凭借算力､算法与数据资源增厚核心壁垒，行业大幅超高盈利的马太效应不断增强｡

当前A股市场的参与主体存在长期持仓量与每日交易量之间的错位｡在持仓端，产业资本 (一般法人) 持有约 40% 的流通市值，散户持有约 30%~35%, 机构投资者合计持有约 25%~30%｡在交易端，量化私募以仅约 3% 的持股市值，贡献了约 34% 的日均成交额｡公募基金持有约 7% 的市值，日均成交占比约 12%｡A 股市场持仓端和交易端的结构对比如图1所示｡

图1：A 股市场参与主体结构对比说明

图1A 股市场参与主体结构对比②内环为持仓端 外环为交易端个人投资者 (散户)：持仓30%，交易 32%量化私募机构：持仓 3%，交易 34%其他市场主体：持仓 67%，交易 34%

毋庸置疑，量化交易以极低的持仓撬动了极高的交易量｡其利润并非来自长期持有上市公司股份､分享企业价值增长，而是来自反复捕捉短期价格波动中的统计套利机会｡

2024年1月，习近平总书记在省部级主要领导干部推动金融高质量发展专题研讨班上明确指出: “坚持以人民为中心的价值取向｡我们党领导的金融事业，归根到底要造福人民，与一些国家金融为资本服务､为少数有钱人服务的本质截然不同”(习近平，2026)｡总书记的重要论述为中国资本市场制度设计确立了 “以人民为中心” 的政策基调和 “归根结底要造福人民” 的最高政治准则｡本文认为，“以人民为中 心” 的价值取向在 A 股市场语境下有两层具体含义｡ 其一，市场制度设计应以保护中小投资者的合法权益 为优先目标；其二，市场的资源配置功能应以服务实 体经济､服务广大投资者的财富增值需求为重要导 向｡建设 “以人民为中心” 的资本市场､筑基金融强国，需要回答一个根本性的制度问题：在技术差异不 可消除的客观前提下，如何通过制度设计防止技术差异被放大为不可逾越的竞争鸿沟｡本文通过对量化交易技术非中性属性的深度刻画，对坟包收割效应､ 逐浪抱团效应与情绪博弈收割效应等机制的揭示，提出重构量化监管的框架方案，为繁荣“以人民为中心”的资本市场生态､筑基金融强国提供理论启迪与切实 可行的对策方案｡

二､文献综述
1. 量化交易的市场影响

现有学术研究对量化交易的市场影响形成“效率派”与“批判派”两大对立观点｡效率派认为，量化交易通过高频交易提升市场流动性､缩小买卖价差､加速价格发现，有助于提高市场定价效率 (Hendershott 等，2011; 王凡，2022; 岳崴等，2025)｡批判派则指出，高频量化交易存在顺周期波动､虚假流动性､策略同 质化等问题 (Brogaard 等，2017; 孙广宇等，2021; Breckenfelder,2024)｡

A 股市场有T+1交易制度､涨跌停板限制､散户 占比较高等独特的微观结构特征，现有研究发现在 A 股市场中的量化交易会加剧市场波动 (周冰，2024)､ 损害中小投资者利益｡屈源育等 (2025) 基于A股2015年至 2023 年的逐笔委托数据，揭示了量化交易 对尾部风险传染的非对称影响：量化交易因流动性供 给效应降低了 “市场向个股” 的尾部风险传染，但同时 因策略趋同效应增强了“个股向市场”的尾部风险传 染｡价格急跌时，量化交易的流动性供给功能减弱，传染效应反而增强｡常心宇等 (2026) 以非金融A股上市公司为样本，发现量化基金重仓持有的股票被市 场操纵的概率更高，机制包括量化交易对短频非基本面信号的过度捕捉､策略同质性导致的信号趋同，以及对情绪与成交量数据的依赖加剧了投资者的异质 信念｡陈海强和倪博 (2024) 从制度套利的视角切入，发现基于T+0日内回转策略的量化融券需求挤出了传统卖空交易者，降低了市场效率，指出交易制度与融券规则的协同改革是遏制量化交易负外部性的 关键｡

2. 量化交易的非对称性优势与中小投资者保护

散户作为有限理性的行为主体在与量化机构的博弈中处于结构性劣势，而量化交易具有压倒性的非 对称性优势｡有较多研究提供了中小投资者行为偏 差的微观证据 (张金华和安同良，2002)｡掠夺性交易 的理论模型 (Brunnermeier 和 Pedersen,2005) 指出当 市场中存在大量被迫减持的交易者时，其他策略性交 易者有激励先同步卖出随后在价格被压低后买入并 从中套利｡散户的卖出倾向呈现出 V 形曲线：在盈 亏平衡线附近卖出倾向最低，在深度亏损区的卖出 倾向则快速攀升 (Ben-David 和 Hirshleifer,2012)｡ Allen 和 Gale (1992) 构建了交易型市场操纵基础模 型，证明无私有信息交易者仅通过单纯买卖即可实现 稳定获利，操纵难以仅依靠信息披露规则完全约束，需要配套交易行为监管机制｡而高频算法交易带来 了快慢投资者信息与速度分层､财富单向转移问题，Budish 等 (2015) 指出算法军备竞赛会内生产生慢速 散户向高速量化机构的财富转移，技术层面速度优势 引发的市场失衡需要订单流､交易间隔等交易制度设 计予以制衡｡

监管制度的约束强度决定了技术优势在多大程度上能够转化为财富掠夺｡在 AI 加剧市场技术优势分化的现实背景下，立足 “以人民为中心” 发展导向强 化 A 股市场中小投资者权益保护已形成共识｡量化 交易通过策略博弈与逆向选择机制获取超额利润，散户的交易行为模式被量化策略反向利用，使其交易都 处于信息与速度的绝对劣势之中 (许荣等，2025)｡人 工智能技术的广泛应用加剧了中小投资者交易安全､ 交易公平､知情权保障等问题，需要加强技术应用的 合规性管理，发展技术驱动型监管手段，建立完善的 算法责任追究机制 (万国华和延莎静，2025)｡中国的 量化交易报告制度应当以预防市场风险和辅助事后追责为应然功能，在具体报告内容､行政责任框架和 私法规则衔接等三个方面进行优化，允许监管机构在 执法必要时检查源代码，并构建算法标记机制作为辅 助工具 (钟维和钱程，2025)｡

既有文献已关注到量化交易的负面效应及对其进行严格监管的重要性，但仍存在如下不足：一是缺乏对 2026 年上半年 A 股极端分化行情的形成原因 与量化交易关联性的理论分析；二是未全面深入地 揭示量化交易 “技术非中性” 的形成原因及非对称收 割的具体机制；三是对量化监管的建议多聚焦于 “降 频限流” 单一维度，未形成系统性､可落地的监管 框架｡

本文立足2026年中国A股市场的交易现实，深化量化交易与市场生态的关联性研究｡本文打破“技 术中性” 的传统认知，明确提出量化交易技术非中性 的核心观点，系统阐释其运作流程与多维非对称优 势｡首次提出量化交易导致个股连续阴跌､定价扭曲的坟包收割效应和引起市场极端分化的逐浪抱团效 应等｡最后提出构建 “五维纠偏､一费归中” 的系统监 管体系｡

三､量化交易的技术非中性特征
1. 量化交易技术非中性的核心特征

“技术中性”(technological neutrality) 命题根植 于工具主义技术哲学传统 ——— 技术作为价值无涉的 工具，其社会效果取决于使用者的意图与方式，技术 本身不承载价值偏向 (Mesthene,1970)｡然而，在中 国 A 股市场的制度性场域中，这一命题正面临着根 本性的挑战｡本文认为，在A股市场，量化交易绝非中性技术，而是嵌入规则､资金､信息等多重壁垒的非对称竞争手段，是对中国资本市场 “以人民为中心” 发 展基调的重大冲击与挑战｡量化机构通过设备垄断､ 信息优先､资金集中､工具特权､高频交易等，构建对中小散户的降维打击，形成“机构收割散户､强者恒 强” 的市场失衡､生态毁灭格局｡

2. 量化交易技术非中性的典型特征与作用机制

本文从量化交易的技术架构环节出发，在数据､ 因子､执行､组合四个层级上，揭示量化交易的技术非中性在 A 股市场中的典型特征与作用机制｡

(1) 量化交易数据层的非中性：信息集存在代际级差

数据是量化策略的原材料，其质量与广度直接 决定策略的信息边界｡量化机构通过商业数据库订 阅与交易所专线接入，可获取 Level-2 逐笔成交数据 (含精确时间戳十档订单簿快照)､PIT (Point-inTime) 修正后的财务数据以及卫星图像､供应链图 谱､信用卡消费记录等另类数据｡基于中国市场 tick 级数据的实证研究表明，在散户主导的市场结构中，从市场微观结构中获取的私有信息，例如从逐笔订单 流中提取的信号，对机构投资者收益预测能力的贡献已接近传统基本面信息 (Sun等，2026)｡其中，高频 量价因子的构建完全依赖于 Level-2 数据的毫秒级颗 粒度，这一数据源于数十万元的订阅费用与实时处 理所需的 tick 级数据库和流处理引擎等计算基础设 施｡散户若仅通过免费行情软件获取合并后的五档 报价与分钟级K线，则其信息集在时间分辨率､订单 簿深度与数据类型三个维度均存在数量级层面的差距｡此外，秉持长期价值投资理念的散户查询到的 公开财务数据未经PIT修正，仅能在当下的时间节点观测到有关上市公司的数据，而难以获知历史上财务数据发布时的原始数据，容易造成回测意义上的偏误｡

(2) 量化交易因子层的非中性：信号构建的范式垄断

因子是能够用来预测股票未来收益､驱动模型 选股与择时的各类可量化数据指标，是量化策略的基 石｡量化机构凭借因子分析可以将原始的市场数据 转化为对未来收益具有预测力的结构化指标，这一转 化过程是一条包含多个精密环节且每一步都需要专 业判断的研究流水线｡其技术壁垒可从五个递进步 骤加以拆解，分别是去极值､标准化､中性化､统计检 验和机器学习合成｡上述五步构成的因子研究流水线要求高等数学与计量经济学专业知识､Python或R编程能力和高性能算力资源，三者的交集仅存在于专 业量化机构｡其中，中性化操作是区分“纯 α” 和 “伪 α”的关键，专业的统计检验手段则可以区分因子中的 真实信号与数据噪声｡散户的因子策略即传统意义 上的 “选股策略”, 停留在 K 线形态识别与市盈率､市 净率等单因子比率的朴素直觉比较层面，既未经历中 性化以剔除市场风格 β 的被动贡献，也缺乏统计检验 框架区分真实预测力与数据挖掘噪声，更无机器学习 工具进行高维信号合成｡

(3) 量化交易执行层的非中性：速度与准度的双重霸权

量化机构通过恒生 UFT､顶点 HTS､中泰 XTP 等机构级极速柜台接入交易所，端到端延迟控 制在 0.3~3 毫秒；而散户的手机 APP 交易路径需经 券商零售中台转发，延迟高达200~500毫秒，形成300倍以上的速度级差｡这一申报速度差异可以允 许部分量化机构在散户的大额挂单报送到交易所但 还未成交之前读取到大单信号，并在毫秒之间生成优 先级更高的价位报单抢夺流动性｡在执行算法层面，量化机构部署的 TWAP､VWAP､IS､Iceberg 等算法，能够将大额订单拆分为不引起市场冲击的微小切片 并隐藏真实交易意图｡其中，IS算法能够使量化机构 在市场冲击成本与价格波动风险之间寻求动态最优 权衡，其核心参数价格冲击系数 (Kyle'sλ) 的估计依 赖于机构多年积累的逐笔成交数据库，能够精准执行 量化机构的既定策略 (Almgren 和 Chriss,2001)｡而 散户的等价操作会将其全部订单量一次性暴露于市 场，承受最大化的价格冲击与信息泄露成本｡

(4) 量化交易组合层的非中性：风险控制意识与手段的鸿沟

量化策略需经投资组合优化才可转化为可执行的目标持仓，该环节的核心功能是以数学化 方法管理系统性风险暴露｡以Barra结构化风险模 型为例，量化机构通过调节因子结构大幅降低了协方差估计的维度 (Menchero 等，2011), 并借助MOSEK等商业求解器在数秒内完成带数十个约束的二次规 划求解，包括个股权重上限､行业偏离约束､风格暴露 限制､换手率上限与跟踪误差目标｡散户的风险管理 停留在 “不重仓单只股票”“跌破支撑位止损” 等朴素经验层面，无法获知自身持仓在规模､动量､波动率等 Barra 风格因子上的暴露度，因而无法区分收益来源 于选股能力还是被动的市场风格押注｡更为关键的是，风险对冲工具的使用存在难以破除的壁垒：股指期货要求50万元人民币开户门槛，DMA 收益互换仅由私募机构专属｡持有股票的散户在市场下跌时仅 能被动承受亏损，而量化机构可通过对冲锁定股票的α收益｡

上述技术非中性的四层环节沿“数据-因子-执行-组合” 全链路形成乘法放大效应｡数据层决定了信息集的上限，因子层决定了从信息中提取信号的效 率，执行层决定了信号转化为实际成交的成本，组合 层决定了收益的风险调整质量｡散户在四层链条的每一环均处于绝对劣势，四层劣势的乘积效应构成了量化机构 “降维打击” 散户的完整技术基 础 (见表 1)｡

表 1 量化机构对中小散户在四层技术环节中的非对称优势

3. 量化交易的五维非对称优势

在技术非中性的理论框架下，量化机构相对于中 小散户的非对称优势可从设备､信息､资金､做空､交易频率五个维度加以刻画｡

(1) 量化交易的设备优势：物理基础设施的资本壁垒

量化机构在交易执行的物理链路上部署了三 个层级的专用设备｡第一层级为位于交易所机房内部的托管机柜，第二层级为交易柜台与执行服务器，第三层级为低延迟通信链路｡散户的交易设备在每一个层级上均处于截然不同的量级，仅通过手机 APP 或家用电脑接入互联网，交易指令需依次经过WiFi路由器､宽带汇聚设备､运营商城域网､券商行情中台､券商交易网关等环节才能到达交易所，网络 延迟是量化机构端到端延迟的数百倍，看到的行情数据总是落后的｡值得一提的是，最近交易所正在拆除 量化机构的专用物理链路，有力削弱了非对称的设备优势｡

(2) 量化交易的信息优势：最新消息与散户行 为的全息监控

量化机构可以利用大数据采集､自 动语言含义分析､深度学习等 AI 技术，对全市场逐 笔成交数据､Level-2 报单快照､新闻公告､社交媒体 情绪等进行毫秒级实时整合分析，并利用这些数据 和记录逆向推演散户群体的行为参数，例如持仓成 本的分布密度､止损单的聚类价位､追涨杀跌的弹性系数､恐慌性抛售的传染速率等｡普通投资者因有 限理性而难以避免的心理偏差如过度自信､损失厌 恶､羊群效应､处置效应等同样可以被系统地编码为 量化模型中的预测因子｡散户对量化机构的策略意图一无所知，信息不对称呈现出完全单向透明的结 构｡量化机构有条件精确度量散户的行为规律，而中小散户以滞后的K线与公开资讯作为主要的决策 依据｡

(3) 量化交易的资金优势：规模效应与价格引导能力

截至 2026 年一季度，头部量化机构的管理规 模接近900亿元，而中小散户仅有平均不足10万元的账户规模｡集中化的资金优势赋予量化机构三重市场权力：其一，通过大额订单的集中申报，在短期 内显著拉升或打压个股价格，制造价格波动的方向性信号；其二，利用资金规模垄断优质的交易通道与流动 性资源，排挤散户的订单执行空间；其三，通过批量交 易形成的盘口影响力，诱导散户跟风交易，拉升吸引 追涨买入､砸盘触发恐慌抛售，实现对散户交易行为 的预期引导与精准控制｡

(4) 量化交易的做空优势：同一规则的差异化约束

A 股实行T+1交收制度，其立法本意在于抑制 过度投机､保护中小投资者｡但当同一套交易规则作 用于不同能力的市场参与者时，却对中小散户与机构形成了差异化的约束效果｡对中小散户而言，T+1 是刚性约束，当日买入后无法卖出止损，在下跌行情 中只能被动持仓承受亏损，无法实施日内纠错｡对量 化机构而言，T+1则是可绕过的技术性障碍，量化系 统可以通过“循环卖出底仓+ETF 申赎+衍生品对 冲” 等多样化操作，在不违反 T+1 结算规则的前提 下事实上取得 T+0 的日内双向交易权限｡

(5) 量化交易的交易频率优势：速度博弈与盘口 信息生态的破坏

量化机构单日撤单率比较高，这些 在成交前被撤销的挂单大部分是高频量化在订单簿上制造的供需幻象，可被用来诱导非程序交易者误判价格方向｡根据现行的《程序化交易管理细则》, 高频 交易的监管认定标准为每秒300笔申报及撤单，量化机构可将交易频率精准控制在299笔/秒以下实现监管规避，持续对散户实施高频收割｡散户屏幕上买卖 盘口的挂单量以秒级频率刷新，而在两次刷新的间隔内量化机构已经完成了数十轮的“挂单-探测-撤单”的循环，中小散户在刷新时刻看到的盘口已然是 量化机构精心搭建的误导性幻影与残影｡订单簿的 信号被高频撤单污染并部分丧失了其作为供需信息 聚合器的市场微观结构功能｡

4. 量化交易技术非中性的四层环节与五维优势的结构映射

量化机构在设备､信息､资金､做空与交易频率五 个维度的非对称优势逐级赋能技术工作流的数据､因子､执行与组合四个环节，而非中性的量化技术又会 放大增强量化机构的非对称优势｡本文构建了一个 “四层环节 × 五维优势” 的结构映射框架，将上述关系总结为图 2｡

图2：量化交易技术非中性的四层环节与五维优势的结构映射

四､量化交易对中国 “以人民为中心” 股市发展的多重危害

截至 2026 年一季度，A 股个人投资者账户数超过2.5亿｡工薪阶层､个体经营者等散户投资者将家庭的储蓄投入股市，期望通过股市投资分享中国经济 增长的红利｡股市是亿万普通家庭的财富蓄水池，广大散户能否通过股市实现资产保值增值关系到中国经济高质量发展与社会稳定｡中国股市是明显区别于全球其他主要资本市场的“以人民为中心” 的市场，而非仅为企业融资或专业金融机构开展交易而设计 的套利场所｡

尽管部分研究肯定了量化交易在加速价格发现､ 提供市场流动性等方面的积极作用，但是在以人民为中心的中国股市中，当量化交易的技术非中性与非对 称优势赋予了少数量化机构对散户无法弥补的结构 性竞争优势时，市场就可能从投资者共同分享经济增长成果的资源配置平台，异化为量化机构凭借自身优 势收割散户财富的猎场｡量化交易对中国股市具有 多重危害，其危害效应正逐步显现｡

1. 坟包收割效应：中短期量化策略造成非热点 板块个股股价持续下跌

2026年上半年，A 股市场大量非热点个股呈现一种反常的价格运动模式：股价在2至5个交易日内快速拉升 5% 至 15%, 成交量急剧放大，技术形态上 表现为 “放量突破” 的诱多信号｡随后自高点起持续 阴跌二十余个交易日，每日跌幅温和，通常在-1%至-3% 之间，但持续无反弹，任何日内回升均被迅速压回，K 线呈现碎阴连绵的特征，形成反弹即卖点的囚 笼效应｡股价在累计下跌15% 至25% 后进入低量横 盘状态，散户持仓已被充分清洗，量化机构完成筹码回补｡本文将此形态形象地概括为 “坟包”——— 顶部尖锐如坟头，中间持续阴跌的 K 线如一块块墓碑，底 部平坦如墓基｡

(1) 坟包形态的生成可被划分为三个具备明显:特征的阶段｡

第一阶段：拉升诱多｡量化机构在持续拉升股价多日后，突然在 2 至 5 个交易日内集中资金快速拉高股价，同时通过高频挂单制造大单持续买入 的虚假盘口信号｡散户观察到 “放量突破”“均线多头 排列” 等量化机构刻意制造的技术信号后产生追涨买入的羊群效应｡拉升阶段的核心博弈逻辑是：量化机 构以有限的拉升成本激活散户的追涨行为模式，在短 时间内将大量散户的持仓成本锚定在拉升后的高价位｡拉升期间伴随的高换手率使散户的加权平均持仓成本被快速重置至高位，为后续的阴跌出货构筑了 流动性基础｡

第二阶段：持续阴跌｡拉升阶段结束后，量化机 构停止买入，转向分批次､小单量､高频次的卖出程序｡量化机构的卖出节奏经过散户行为反应函数精 确校准，每日净卖出量被控制在不对盘口形成砸盘信 号的水平，大多数股票价格以每日-1%至-3%的速度温和下行｡在这一阶段，散户面临 “温水煮青蛙”式的慢性亏损｡阴跌阶段的持续性由换手率的枯竭来 维持｡因为散户不忍卖出且无新买家入场，每日换手 率极低，散户持仓的参考成本几乎不更新，被牢牢锚 定在拉升后的高价位｡这使得价格偏离参考成本的 状态得以长期维持，阴跌因而可以持续 15 至 30 个交 易日｡

第三阶段：底部收割｡当股价累计阴跌15%至25%后，散户持仓的心理账户承受力达到极限，恐慌将使散户群体产生卖出踩踏效应｡此时量化机构的 反转策略成熟，进行大规模买入以恐慌性踩踏制造 的超跌价格接回筹码，同时平掉此前在阴跌阶段建 立的融券空头仓位｡由于散户的恐慌性卖出导致换 手率骤然升高，持仓成本被快速重置至底部价格，为 量化机构启动下一轮拉升提供了完美的初始条件｡ 由此，坟包形态进入一轮接一轮逐级下移的迭代 循环｡

在以上三个阶段中，量化交易的同质化策略起到 了关键的助推作用｡相似的量价因子与趋势策略助涨助跌，一旦盘面出现相关信号会引发程序化集中报 单进一步强化原有趋势｡与此同时，量化机构拥有多 样化的对冲工具，在下跌行情中仍可获利，再进一步 主动打压股价，最终助推全市场数千只个股持续走 弱｡为此，本文观测到：凡是由中短期因子驱动的量 化资金参与交易的个股，坟包收割效应将普遍存在｡

(2) 坟包收割效应的反复运作对股票定价机制构成了三方面的巨大伤害｡

第一，价格信号与基本面脱钩｡在坟包形态的生成与反复过程中，股价的涨跌 不再反映上市公司的盈利能力､成长预期与风险特 征｡优质个股因散户持仓集中､流动性充裕，反而优 先成为量化收割标的，形成 “价值股持续阴跌､热点泡 沫股被持续炒作” 的错误定价秩序｡

第二，价格发现功能失灵｡量化机构的高频撤 单与虚假挂单制造了订单簿噪音，散户从盘口挂单中无法提取真实的供需力量对比，与此同时股价的 “拉升 - 阴跌” 节奏完全由量化策略驱动，向市场传 递的是技术性波动而非信息性波动的虚假信号，误 导投资者依据失真的价格信号做出错误的资源配置决策｡

第三，资源配置效率严重受损｡股票二级市场的根本功能在于通过价格信号引导资本流向最具效率 的使用方向，而在量化交易扭曲定价后优质企业可能 因股价持续低迷而面临融资成本上升的困境，劣质企 业则可能因量化策略的泡沫性拉升而获得不合理的 低廉融资｡

此外，基于分形结构的相关理论 (Peters,1989), 股票日 K 线层面的坟包效应在其每日的分时图上同样会 “押韵” 般的体现，异化的量化交易构筑起一个个 大小坟包形成对散户财富的持续收割｡

2. 逐浪抱团效应：动量因子驱动的量化交易策略造成市场分化

在 2026 年上半年的市场行情中，同样存在着数 百只新闻热点股票持续上涨，与其他非热点且持续阴跌的股票共同构成了 A 股市场的割裂场景｡这些股 票的估值如浪峰般持续冲高，严重脱离企业基本面的 “海平面” 锚点；每一轮波浪起势都伴随消息面的催化助推，政策落地､行业新闻､事件催化等 “海风” 不断为 行情注入动量｡本文将上述现象定义为 “逐浪抱团效 应”: 量化交易以各类动量因子为核心驱动，精准捕捉 上升趋势集中资金推高估值泡沫，并在趋势反转前快 速离场｡

逐浪抱团效应形成 “浪起-浪涌-浪顶”三层递 进结构，是量化策略同质化背景下自发形成的正反馈产物｡主流量化机构的因子体系､模型架构与数据来 源趋同，当某一板块出现初始量价异动时，高度相似 的AI模型会同步识别出动量信号并生成多头指令，带动资金集中涌入、浪起｡短期策略量化模型的定价逻辑并不锚定企业内在真实价值，反而认可强势信号 与边际催化；股价上涨会反向强化动量信号的有效性，吸引更多量化策略跟进加仓，形成 “价格上涨-动量信号增强-资金集中加仓 - 价格进一步上涨” 的 正反馈循环｡当市场集中度行进至历史高位且 AI 精准识别的动量信号持续发生衰减时，量化资金会快速在浪顶止盈离场｡逐浪抱团效应完成一轮完整的浪潮式行情，随后转向下一个出现动量信号的板 块开启新的抱团｡逐浪抱团效应具备以下三个典型特征｡

其一，动量因子主导的趋势追逐特征，企业估值持续脱离基本面｡量化策略的定价核心并非企业盈利､估值分位等基本面指标，而是价格趋势､成交强 度､波动率等技术面动量因子｡在正反馈循环的持续作用下，股价上涨与资金买入相互强化，推动估值持 续突破历史合理区间，股价上涨超出企业基本面边际 提高的解释范围，最终形成完全脱离企业价值支撑的 投机泡沫｡

其二，策略同质化催生的板块联动特征，行情呈现集群式同涨同跌｡量化机构的因子数据源､模型训练逻辑高度同源，筛选出的股票优势标的池高度重合，交易指令往往在同一时间窗口集中下达｡这种同质化交易使得行情不再局限于单只个股，而是沿赛 道､概念扩散至整个板块，形成板块内标的同步上涨､ 成交量同步放大的联动效应｡

其三，AI 消息解析赋能的催化延续特征，热点持续推高浪头｡依托大语言模型的实时语义解析能力，量化机构可在毫秒级完成政策文件､行业新闻､事件公告等信息的多空判定与影响测算｡任何边际利好都会被快速转化为交易指令，成为推动浪潮进一步冲 高的动力，为抱团行情持续注入新的动量，延长估值泡沫的存续周期｡

股票抱团板块的持续上涨会形成强烈的资金虹 吸效应，驱动全市场存量资金从非热点的价值股､中小盘股持续流出，向少数热门赛道股票集中，最终固化 “百余只标的抱团新高､数千只个股持续阴跌”的一九分化结构｡这种分化并非基于企业基本面的优劣分化，而是量化资金凭借信息与资金体量优势主导的结构失衡，既扭曲了资本市场的资源定价功能，也进 一步压缩了中小投资者的公平交易空间｡

坟包收割效应与逐浪抱团效应是量化交易作用 于市场的一体两面：前者是对未形成趋势的非热点个股的反复收割，在下跌周期中通过持续阴跌完成筹码清洗与做空获利；后者是对向上趋势热点股的极致追踪，在上涨周期中通过抱团炒作获取泡沫溢价与价差收益｡两种效应共同构成了量化交易对A股市场的 全周期严重危害｡

3. 情绪博弈收割效应：量化交易无实体价值创造，仅掠夺存量财富

量化机构创造利润的根本逻辑与传统机构投资 者依赖基本面研究与长期持有股票获取风险溢价形 成本质差异｡传统机构投资者赚取的是企业价值增 长与市场效率提升带来的盈利增长效应，而量化交易 的利润则很大程度上来源于信息劣势､交易技术劣势 方的财富转移｡2025年数据显示，国内45家百亿规 模量化私募的平均收益率为37.6%, 年收益率最高 达 73.5%, 且45家全部实现正收益｡

以下三条路径揭示了高频量化机构如何将散户 的情绪化行为偏误转化为自身的交易利润｡

(1) 追涨杀跌的反向收割路径｡

散户的交易行 为呈现高度可预测的羊群效应，当价格突破某一阈值 时散户买入订单流在数分钟内呈指数级增长；当价格 跌破某一支撑位时，散户卖出订单流同样出现爆发｡ AI 算法通过实时监控散户订单流的追涨强度与杀跌 强度，在散户追涨意愿最旺盛的时刻挂出卖单以高价 将提前布局的筹码转移给追涨的散户；在散户恐慌杀 跌最剧烈的时刻挂出买单以低价接回散户恐慌抛出 的筹码｡量化机构不必知道一只股票的内在价值如 何，而只需要知道散户将在什么价位､以多大的概率 追涨或恐慌就可以获取情绪收益｡

(2) 止损位的精准狙击路径｡

散户普遍使用简 单､可预测的止损策略：整数关口､技术支撑位以及多 日平均价格止损线｡量化机构通过 AI 分析，识别出散户群体使用频率最高的止损价位的分布热力图，通过集中卖单在短时间内将股价精确打压至止损密集区以下，并触发大量散户止损盘集中涌出，随后以低 价接回筹码｡

(3) 虚假信号的情绪诱导路径｡

量化机构通过 高频挂单与闪电撤单，在盘口制造 “大单托底”“大单 压顶” 等瞬时性的虚假供需信号，并在诱导散户形成错误的价格预期后进行反向操作｡这一操纵手法不 仅用非中性技术收割了股民的财富，而且造成了市场 的信息生态污染｡即使散户事后意识到信号失真，由于缺乏辨别真假信号的客观依据，其交易决策反而可能建立在量化提供的虚假信号上，市场的信息效率将 因此发生螺旋式下降｡

通过上述路径，情绪博弈收割效应实现了财富从中小散户向超短期因子驱动下高频交易量化的持续转移｡

4. 股票市场生态恶化：量化交易催生市场分化､ 虚假流动性与长期资金流失
(1) 市场分化成为常态｡

量化机构的因子库､训练数据与模型架构高度相似｡当多数机构基于相似 输入生成交易信号时，“同步买入少数股票､同步卖出多数股票” 的趋同交易便会在特定时间窗口集中出现｡这种算法共振的驱动力是模型结构的相似性 本身而不是股票的基本面发生了任何变化｡2026年上半年，每日 4000多只股票下跌､仅500余只上涨的极端分化行情反复出现｡不同的量化系统，面 对相同的市场输入，输出了方向一致的交易指令｡ 市场不再呈现 “好公司上涨､坏公司下跌”的信息筛选格局，而是被“量化资金集中涌入的少数热点股､ 权重股价格持续攀升，量化资金反复收割的大多数 中小市值股票失血不止” 的病态逻辑取代｡散户的 持仓集中于后者，被动承受了量化策略趋同的负外部性｡

(2) 虚假流动性泛滥｡

量化交易贡献的高频成 交额与真实的流动性供给应当区别看待｡真实流动 性意味着市场深度足以吸收大额报单而不引起价格 剧烈波动，做市商在买卖双方同时提供报价｡量化交 易制造的成交量，相当部分来自同一笔资金在同一只股票上的日内反复回转，导致换手率和交易额虚高，甚至可能是为收割散户而制造的成交量假象｡在真实交易中，还因报单速度的差异，致使量化在散户的大额挂单已发送但未成交之前瞬间生成优先级更高 的价位报单抢夺市场真实流动性，阻碍普通投资者实 现交易意图｡

这种虚假流动性的危害在监管和市场两个层面 同时发酵｡监管层面，高频成交额被误读为市场活跃的信号，掠夺式交易披上了流动性的外衣，政策制定 者可能高估量化带给资本市场的健康程度｡市场层面，散户从盘口挂单中看到的 “深度”, 即看到的买盘或卖盘在自己下单的瞬间往往已经消失｡虚假的深度信号诱导散户以更差的执行价格进行更大规模的 交易｡

(3) 长期资金流失，资本市场服务实体经济的功能弱化｡

量化交易塑造了一个高波动､低可预测 性的市场环境｡秉承长期价值回报的投资者和社保基金等长期机构投资者需要的是稳定可预期的回报 与稳健可控的回撤，这些条件均与量化交易主导下的市场特征直接冲突｡在价值缺位的A股市场看不 到合理回报的投资者会 “用脚投票” 逐步从 A 股市场撤离｡

长期资金变化的后果具有传导性｡资本市场为 实体经济提供长期融资渠道的功能，依赖长期资金作为配置主体｡长期资金的持续离场将使企业通过股 市以合理成本融资的难度上升，投资者通过长期持有分享企业成长红利的路径收窄，散户的财富持续向量 化机构转移｡放任量化交易危害 A 股，与中国资本市场 “以人民为中心” 的核心要求以及服务实体经济 发展的重要功能背道而驰｡

五､对量化交易的监管重构
1.“以人民为中心” 的核心金融监管原则

习近平总书记将 “强大的金融监管” 列为金融强国六大关键核心要素之一，强调金融监管要“长牙带刺”“有棱有角”｡本文揭示了量化交易技术非中性的 四层环节与五维优势，刻画了其在市场运行中通过坟 包收割效应等使市场承受定价扭曲､财富转移和生态 破坏的多重危害｡为更好建设 “以人民为中心” 的中 国资本市场，亟须通过制度设计阻断量化交易掠夺财 富的通道，本文提出如下三点加强量化交易监管的核心原则｡

第一，公平优先的核心原则｡量化机构与散户之 间存在技术鸿沟：端到端交易延迟差达数百倍､信息 处理粒度存在数量级层面的差距，叠加 T+1 交收制度下散户单向约束与机构回转交易变相 T+0 的规则偏差，使得普通投资者难以通过提升投研能力弥补 竞争壁垒｡公平优先的监管原则要求消除制度性放 大的技术差异，在交易机制､信息获取､工具使用等维 度恢复规则对称性，避免市场从资产配置平台异化为零和博弈的财富转移的坟场｡

第二，遏制投机的核心原则｡应当区别看待不同 量化交易策略对市场的影响并分别进行政策引导：效率增进型如基本面量化､正向因子发掘等策略对价格 发现具有正向贡献，应予保留；纯粹投机型如高频幌 骗､订单簿嗅探､止损狙击､虚假信号诱导等策略的利 润全部来源于对散户行为偏误的捕获，不创造任何价值，应予坚决限制｡遏制投机的监管原则要求划定可 为与不可为的边界，让纯粹博弈型策略逐步淡出市场｡

第三，回归价值的核心原则｡坟包收割效应使 股价脱离企业基本面，沦为量化机构策略节奏的函 数；逐浪抱团效应催生了持续估值泡沫与严重两极 分化；情绪博弈收割效应制造了虚假信号越多､散户 决策越差的负向螺旋｡回归价值的监管原则要求将量化交易从利用散户行为偏误获取零和收益，重新 校准为基于企业基本面分析与风险定价创造社会价值｡

2. 量化交易监管的现状与跨国比较

中国量化交易监管形成 “顶层政策-部门规章交易所细则” 的三级架构｡2024 年4月国务院《关于 加强监管防范风险推动资本市场高质量发展的若干意见》(简称 “新国九条”) 首次以最高层级政策明确加 强高频量化交易监管的导向；同年10月《证券市场程 序化交易管理规定 (试行)》正式实施，确立报告管理､ 交易监测､信息系统管理与高频交易差异化监管四大 支柱，要求所有量化交易机构 “先报告､后交易”, 明确 券商的 “看门人” 职责｡2025年4月沪深交易所发布 《程序化交易管理实施细则》, 将高频交易认定为“单账户每秒申报撤单合计300笔以上､单日合计 20000 笔以上”, 对超过约束的高频交易者施加更严格的收费款项与监督举措｡

上述监管政策的实施取得了初步成效，全市场高频交易账户数量较 2024年初下降超20%, 沪深300指数波动率显著回落，中小盘股买卖价差收窄｡但当前监管框架仍存在结构性不足：一是频率阈值为量 化机构留下了明确的合规套利空间，未从根本上约束纯速度博弈；二是未彻底改变量化机构多样化工具带来的T+0非对称优势，规则偏倚仍然存在；三是算法透明度仅停留在系统信息报备层面，未实现策略逻辑与因子结构的实质性穿透｡

参考发达国家资本市场的量化监管经验，美国和 欧盟分别从不同的侧重方向限制量化交易的非中性 技术｡美国量化交易监管以美国证券交易委员会 (SEC) 统筹证券市场､美国金融业监管局 (FINRA) 与 交易所负责一线执行为架构，遵循行为监管优先､事 后强威慑､不直接限制技术速度的方针｡核心法律依 据是《多德-弗兰克法案》(Dodd-Frank Act) 与《证券交易法》(Securities Exchange Act)｡前者首次将幌 骗和分层挂单等误导性量化交易列为刑事犯罪，单笔 违法可处百万美元罚金与十余年监禁，刑事追责力度 在三大市场中居于首位｡后者通过《全国市场系统条例》(Regulation National Market System) 体系禁止 闪电指令与裸接入等不公平交易机制，消除了量化机 构的速度特权｡在技术支撑层面，综合审计追踪系统 (CAT) 实现了全市场订单毫秒级的全生命周期回溯，为事后违法认定提供完整证据链；停牌制度间接平抑 了高频交易引发的瞬时极端波动，并配套强制紧急停 机开关与算法压力测试等风控要求｡美国监管的重 心在于打击量化误导性交易和维护交易技术公平底 线，以强事后追责替代刚性事前约束｡

欧盟量化交易监管以《金融工具市场指令 Ⅱ》 (MiFIDⅡ)､《市场滥用条例》(MAR) 以及欧洲证券 和市场管理局的配套技术标准为核心框架，特征上 可概括为规则密度高､事前管控严､全流程覆盖｡ MiFIDⅡ 要求所有从事算法交易的机构完成监管注册，向监管部门披露策略逻辑､风险参数与合规控制 方案，算法上线前须通过压力测试，同时配套做市商 持续报价义务与订单成交比监控，并要求所有算法订单添加唯一标识以实现全链路追溯｡MAR将算法操纵等市场滥用行为纳入刑事追责，明确成员国 可施加最高四年监禁｡欧盟未在全联盟层面设置统一的最低订单停留时间和频率上限，监管执法权分散于各成员国｡意大利对占总报单比例超过 60%的高频交易订单收取0.04%的高频交易费用，法国同样单独开征金融交易税以约束高频投机行为｡整体上看欧盟对量化的监管侧重于前置性算法治理与系统性风险防控，通过全流程合规规则约束算法交易的负外部性｡本文将中国､美国和欧盟对量化交易进行的监管规范整理为表2, 对比的时间节点截止到2026年6月｡

表 2 量化监管的跨国比较

3. 重构 “五维纠偏、一费归中” 的中国量化监管框架

为进一步加强“以人民为中心”的中国资本市场建设，在公平优先､遏制投机､回归价值的监管原则下 充分吸收成熟资本市场监管经验，精准打击量化交易的技术非中性与非对称优势，在保留其增加流动性､ 促进价格发现等正向功能的同时，逐步缓解并遏制量 化交易带来的多重危害，本文提出 “五维纠偏､一费归中”一体化监管框架｡

第一，降频降速，将高频交易的认定标准降低至15笔/秒｡现行实施细则将单账户申报及撤单达300笔/ 秒以上的情形认定为高频交易，尽管该限制出台 后对高频交易有一定程度的抑制效果，但事实上还是 赋予了量化机构将申报频率精准控制在上限以内的 高频交易操作空间｡高频交易赋予了量化机构强大 的非对称优势，同时各类量化策略之间的纯速度博弈 与 “军备竞赛” 也不能进一步提升市场效率｡因此，本文参考Budish 等 (2015) 给出的每100毫秒撮合一次 成交以弱化速度博弈的建议，提出将现行高频交易的 认定标准从300笔/ 秒降低至15笔/秒；参考美国对 闪电指令的严格禁止，提出要通过完善程序化交易管 理实施细则降低量化机构获取最新行情数据的速度，确保量化机构和其他非高频投资者在同一时刻接触 到最新行情信息｡

第二，业务归位，引导量化机构回归基本面策略与价值发现｡支持正确补充市场流动性､发掘基本面 因子的中性量化技术，让专注指数增强､价值发现的策略占据市场绝对多数，打击纯短线与情绪收割的投机型策略｡明确各类量化机构的业务边界，禁止跨界投资和违规套利，指数增强型量化产品不得参与短线炒作，基本面量化产品持仓周期不得少于30个交易 日｡此外，要通过策略审查限制同一量化策略的市场 占比，防止同向集中交易加剧市场波动，扭转坟包收 割和逐浪抱团引起的市场生态恶化态势｡

第三，普惠准入，降低中小投资者投资量化产品的门槛｡当前私募量化机构投资门槛设定为单笔投资不少于100万元且需通过合格投资者验证，其初衷 是避免中小投资者因私募基金高波动率､高回撤风险 而损失大量本金｡然而，本文已经说明，真实情况是 私募量化机构往往能在取得更高收益的同时暴露于更小的回撤风险｡因此，本文提出要将量化私募产品合格投资者门槛从100万元降至1万元，赋予散户“机构化对抗机构化” 的制度通道｡此外，要推动公募基金 发行更低门槛的价值驱动策略量化产品，消除散户仅 能作为量化策略交易对手方的单向参与模式；要大幅 降低量化机构收取的高额管理费，尤其是有大量散户参与的量化产品，量化机构只有在达到特定的净收益率后才能收取一定的管理费，让中小投资者也能享受到量化技术发展的红利｡

第四，算法透明，分层打破量化交易的算法黑箱｡ 参考欧盟的算法报备框架将当前对量化策略的披露 要求从类型描述推进到核心参数，建立三层级的策略 披露制度｡基础层：所有量化交易机构须提交策略说明书，阐述基本的策略逻辑､因子类型与信号加工机制，接受监管机构定期核查与回溯验证，但不向社会公开该信息｡核心层：对市场有重要影响的管理规模 在五百亿以上的头部量化机构须额外提交因子衰减率､信号阈值､止损触发条件等核心参数，策略变更时 更新备案，保证市场的稳定性｡透明层：对所有采用 短期因子进行高频套利收割的量化策略强制性要求 其向社会公布全部核心计算公式､各因子权重及源代码，并对其进行重点监控｡对在实际交易中违背策略 说明书操作规范的量化机构进行严格处罚并剥夺其市场准入牌照｡

第五，约束做空，严禁通过变相T+0机制收割散户｡高频量化机构凭借其资金优势在成交量位于 市场前列的股票中均有大量持仓，每个交易日都可以通过高频的高卖低买实现近乎T+0的交易操作持续收割市场｡在散户获得低门槛融券渠道之前，要大幅限制高频交易账户的日内回转权限，持续严禁日内融券，仅保留指数跟踪与基本面策略进行风险 控制所需的最低必要融券额度，严厉打击高频量化通 过场外衍生品与跨境通道实施的变相融券与违规做空｡

第六，征收多维累进的高频交易费用，推动技术中性回归｡坎贝尔定律 (Campbell,1976) 指出，任何有明确限定的社会指标一旦被用于决策反而容易被找到漏洞，进而扭曲和腐蚀它本应监测的社会过程｡ 前面所列的五项规制分别可以在一定程度上切断量化机构非对称优势的传导路径，但是只进行单方面约束的监管规则总是可以使用其他手段进行规避｡因 此，本文提出要设立在边际上持续生效的多维累进高频交易费用，让每一笔高频交易都付出额外的成本以支付其给市场整体带来的负外部性，最终推动量化技术中性在 “以人民为中心” A 股市场的回归｡

具体包括:

总报单额阶梯式基础附加费｡按所有程序化交 易账户的每日总报单金额，包括已成交､未成交与撤单，征收阶梯式累进费用｡每日总报单额5亿元以下 的免缴纳，5亿元到10亿元部分的缴纳0.1%,10亿元到20亿元的部分缴纳0.2%，20亿元以上的部分缴纳0.3%｡规定单一机构可以参与程序化交易的账户数量上限｡

高频率惩罚费｡程序化交易频率在上文建议的高频交易上限15笔/秒以内不征收额外费用，一旦出现超频或单日总报单超过5000笔则对全部日内交易征收0.2%的从量费｡

高撤单率惩罚费｡程序化交易日撤单率在30%以下不征收额外费用，撤单率在30%~50%区间的机构按撤单额征收0.2%｡

T+0 日内回转专项费｡对通过 “担保买入+底 仓卖出” 组合实施日内回转交易且于单只股票日成交 额占比超过2%的量化机构，按其成交额征收 0.5% 的回转专项费｡

以上是为保证普通投资者与量化交易主体公平 性，从技术手段出发抑制毫秒级幌骗挂单与过度日 内回转套利，同时保留合规做市与流动性需求而建 议设立的四种高频交易附加费，普通机构和个人投 资者无需缴纳，原有证券交易印花税维持现行标准不变｡

上述 “五维纠偏､一费归中” 的量化监管框架，预期将实现三大核心目标｡一是削弱量化机构的五维非对称优势，打击高频交易特权､做空特权，打破算法黑箱，遏制其对散户的非对称收割；二是消减量化 交易的技术非中性和量化机构的准入壁垒，重建公 平有效的市场生态；三是引导量化策略侧重价值投 资，引领资本市场回归基本面定价和服务实体经济 的本源，筑牢 “以人民为中心” 的市场基石，恢复市场生机｡

六､结论与政策启迪

本文基于2026 年上半年A股市场严重分化行情的现实情境，秉承中国资本市场“以人民为中心”的价值取向，论证了AI时代量化交易技术非中性的核心特征､非对称收割的传导机理以及监管重构的制度方案｡

第一，量化交易具备技术非中性属性，形成对中小投资者的结构性非对称收割｡在 A 股散户占比高､T+1交易制度的市场结构下，AI 驱动的量化交 易不再是价值中立的交易工具｡量化机构依托数据､ 因子､执行､组合四层技术链路，叠加设备､信息､资金、做空、交易频率五维差异化优势，形成对普通股民的非对称竞争壁垒｡四层技术环节与五大优势相互 叠加放大，让散户在信息获取､交易执行､风险对冲全 流程处于绝对劣势，市场竞争将可能从公平博弈演变 为量化机构利用技术特权掠夺存量财富的零和游戏｡

第二，异化的量化交易催生坟包效应､逐浪效应与情绪博弈三重掠夺机制，严重损坏市场功能｡短期高频且同质化的量化策略演化出典型的坟包收割效 应，通过拉升诱多､持续阴跌､底部洗筹三轮循环，人为制造脱离上市公司基本面的股价坟包形态，持续收 割散户筹码｡动量因子持续驱动的逐浪抱团效应通过“浪起-浪涌-浪顶”三阶段循环，将市场撕裂为估 值泡沫区与价值冷落区，百余只抱团股吸走全市场流 动性｡部分量化策略在 AI 算法的加持下精准捕捉散 户追涨､止损､恐慌抛售等行为偏差，借助高频挂撤单 制造虚假盘口信号开展情绪博弈收割｡三类机制共同造成股价与企业真实价值脱钩，市场价格发现功能失灵｡

第三，部分侧重投机而非价值的量化交易给A股市场带来三重危害，背离中国资本市场“以人民为中心”的建设导向｡一是个股定价机制扭曲，优质标 的沦为量化收割对象，资本难以依据基本面完成有效 配置；二是财富单向转移，量化超额收益高度对应散 户交易亏损，居民投资性收入受损；三是资本市场长期生态恶化，算法趋同造成四千余股普跌的极端分化 行情，高频虚假流动性泛滥，长期价值资金与中小投 资者持续离场，资本市场服务实体经济的核心功能被弱化｡

第四，规范量化交易需要构建 “五维纠偏､一费归 中” 监管框架｡当前国内量化监管框架难以消除技术 非中性的竞争壁垒，需要遵循公平优先､遏制投机、回 归价值原则，构建起 “降频､开放､透明､限空” 等多维 监管框架：下调高频认定阈值至每秒15笔，统一行情获取速度；区分量化策略实施差异化管控，引导量化 立足基本面长期投资；拓展低门槛公私募量化产品，降低散户参与难度；建立三层级算法备案机制，实现 监管端算法穿透；严禁高频量化融券并收紧其日内回 转权限，抹平多空规则不对称｡同步设立仅适用于程 序化账户的多维累进高频费，按报单规模､超频申报､ 高撤单率、回转次数分档征费，遏制高频交易负外部 性｡量化监管重构可削弱量化机构非对称优势､弥合 投资者交易壁垒，引导资本市场回归基本面定价，保护中小投资者权益｡

资本市场的核心生命力在于公平与价值创造｡ 量化交易作为技术工具本无罪，但在非对称优势下沦 为财富收割工具，便是市场之害｡唯有通过严格监管，消除特权､重建公平､引导价值创造，让量化交易回归服务价值发现的工具本质，中国A股市场才能 摆脱财富收割乱象并实现长期健康发展，金融强国的基石方可稳固｡

作者简介

安同良，南京大学商学院原院长，南京大学数字经济与管理学院创始院长，江苏数字经济研究院理事长，南京大学中奥熊彼特创新中心主任。管理学博士，教授，博士生导师，教育部长江学者特聘教授（2014年度），国务院政府特殊津贴专家，国家领军人才计划入选者、文化名家暨“四个一批”人才工程。

长期致力于创新经济学、数字经济学、产业经济学、复杂经济学等领域的研究。在《中国社会科学》、《经济研究》、《中国工业经济》、Industry and Innovation等杂志发表论文90多篇。曾获国家教学成果奖一等奖1次、二等奖2次，4次获江苏省哲学社会科学优秀成果奖一等奖，2023年获“第六届刘诗白经济学奖”，主持国家一流课程建设。构建了“三我”世界、互联式创新、中国微观创新调查、“卡脖子”技术测度等理论与方法。《经济研究》、《管理世界》等杂志编委。“2024年中国十大最受尊敬商学院院长”。持续捐资助学，获“河北省捐资助学先进个人”。

撰文：TOP编辑部

编辑：胡大可

版权声明：本文系“TOP编辑部”授权刊载内容，仅用于学术交流传播，文中观点独立，与本公众号无关。未经著作权人书面许可，严禁转载、摘抄、改编及商用，违者将依法追究法律责任。