發布日期：2026-08-14
本文從2026年7月31日交易所關閉機房區域網行情線路的新規切入，系統梳理量化交易的來龍去脈。文章首先釐清“量化”“程式化”“高頻”三個被混用的概念，繼而對比量化在美國與中國的不同起源，並介紹多因子、股票中性、CTA 與高頻做市、套利等主要策略陣營。文章指出高頻“軍備競賽”是連續競價制度的內生結果，“速度稅”真實存在但主要由機構承擔；而上交所大資料研究顯示，散戶虧錢的主因是自身追漲殺跌的行為偏差：即使沒有量化，散戶照樣虧錢。文章認為7·31新規是“平權”而非“封殺”；量化既不是天使也不是魔鬼：它平時提供流動性、熨平波動，極端時可能放大波動，策略趨同則是行業理性自願的均衡選擇。A股長期疲軟的表象之下，是盈利基礎、政策指導與行業風向等多重因素的巢狀結果，絕非量化交易所能左右；散戶的出路在於克服行為偏差、堅持基於基本面與估值的理性投資，而不是尋找替罪羊。
2026年7月31日晚上，全國證券和期貨交易所託管機房裡的一批網線被正式關閉。被關掉的是“區域網行情線路”，一種只有託管在交易所機房裡的機構才能使用的行情接入方式。在此之前，如果一家量化私募把伺服器託管在交易所機房，它的行情資料走的是同園區內的專線光纖，比外部機構快幾十到幾百微秒。從8月1日起，所有人都得走“廣域網專線”：從券商機房到運營商機房再到交易所機房，大家的行情在物理鏈路上被拉到了同一起跑線。
微秒是什麼概念？一微秒是一百萬分之一秒。人眨一次眼大約要40萬微秒（相當於400毫秒，一毫秒是千分之一秒）。對普通投資者來說，快這幾百微秒毫無意義；但對高頻量化機構，這幾百微秒就是他們花費大價錢買來的“VIP通道”。在“價格優先、時間優先”的撮合規則下，訂單早到一微秒，就可能排在別人前面成交。
訊息一出，市場議論紛紛。有人說這是給量化“拔網線”，是監管對量化交易的重拳打擊；也有人說這只是常規技術調整，影響被嚴重誇大。8月3日，切換後的第一個交易日，A股成交2.01萬億元，比7月日均縮量約5500億，但沒人能說清這多少是新規造成的、多少是市場情緒造成的。
要真正看懂這件事的意義，需要回答一串更大的問題：量化交易到底是什麼？它從哪裡長出來的？它靠什麼賺錢？它對市場和散戶是好是壞？
筆者在美國明尼蘇達大學經濟系讀博與在香港大學金融系任教時，專注的研究和教學主要是市場微觀結構（這是高頻量化交易的基礎）、對沖基金交易策略與行為金融投資。從2015年開始，筆者就在英國金融時報中文網上多次撰文科普量化交易策略。筆者離開大學後，在金融行業工作十餘年，但從未擔任過任何量化機構的顧問，撰寫此文時不存在任何利益衝突。當然，由於量化投資的複雜性與日新月異的迭代速度，本文難免存在理解與表述錯誤，筆者非常歡迎專業人士的批評指正。
先分清三個詞：量化、程式化、高頻
市面上的爭論裡，這三個詞經常被混著用，其實它們說的並不是一回事。
量化交易是一種投資方法論：用數學模型和計算機代替人腦做投資決策。投資經理不再憑感覺這隻股票要漲下單，而是把投資邏輯寫成規則和模型，讓計算機在海量資料裡找規律、執行交易。它的對立面是“主觀交易”。
程式化交易是一種交易方式：交易指令由計算機程式自動生成或下達。它是工具，不是方法論。一個完全憑主觀判斷的基金經理，也可以用程式來執行他手動定好的大額拆單。所以程式化交易不等於量化交易，雖然兩者高度重疊。
高頻交易是程式化交易裡最極端的一類：持倉時間以秒甚至微秒計，一天報單、撤單成千上萬次，每筆只賺極其微小的價差，靠海量交易積少成多。按中國監管2025年7月起實施的認定標準，單個賬戶每秒申報、撤單最高達到300筆以上，或單日達到2萬筆以上，就算高頻交易。
值得一提的是，市場廣泛流傳的“美國限制量化交易每秒不得超過15筆”的說法，其實是一個流傳甚廣的誤解，美國法律或監管機構並未對主要交易所設定這樣的硬性規定。這個說法僅針對“暗池交易”等非交易所平臺，作為一個衡量“無序交易”的參考指標，並非限制指標。
用一個比喻總結：量化是“用機器做研究”，程式化是“用機器下單”，高頻是“用機器飛快地反覆下單”。監管檔案管的是程式化和高頻，市場爭論的“割韭菜”物件通常是高頻交易，三者相交但不重合。在生活中，幾乎所有的散戶和一些金融圈的專家，對於量化的區分和定義都是完全模糊的。
我們的金融制度，金融研究有些借鑑了美國的做法，量化交易也不例外。要講清楚量化交易，我們需要從美國的制度和經驗講起。
美國量化的起源與發展
美國的量化交易有兩條根。第一條根長在學術象牙塔，產出的是中低頻量化。第二條根長在市場制度裡，產出的是高頻量化。
先來看第一條根。1952年，馬科維茨發表組合選擇理論，第一次把“分散投資”變成數學問題；1960年代，資本資產定價模型（CAPM）和有效市場假說（EMH）相繼問世，法瑪等金融學教授的因子研究告訴學界：股票收益可以被系統地解釋和預測（量化交易的大量人才來自於法瑪的徒子徒孫）；1970年代，這些理論催生了指數基金和量化風險模型；1982年，數學家西蒙斯創立文藝復興科技公司（前身是1978年成立的Monemetrics）；1988年，電腦科學家大衛·肖創立D.E. Shaw，量化對沖基金正式登上歷史舞臺。這條根長出的是中低頻量化：用統計模型選股、定價、管組合。
特別值得一提的是，西蒙斯在創業初期十多年，雖然聘請了無數頂級數學家設計期貨交易策略，但業績表現非常不穩定（詳見中文版《征服市場的人》）。西蒙斯的主要才能體現在他高超的商界人際交往（他與數學家們相處得非常不愉快）能力，也就是每次輸錢時，他總能繼續找到信賴他的投資人。
文藝復興後來大放異彩，主要依靠的是三位來自IBM的語言識別專家，在1995年發現程式碼錯誤，並改進了D.E. Shaw首創的配對交易策略（在《征服市場的人》的推薦序裡，幻方量化創始人梁文峰的評價是“西蒙斯和其他先驅者，使用現在看起來並不複雜的技術，迅速摘掉了市場上最低垂的果實，積累了第一桶資金”。後來媒體把基金的傑出業績歸功於西蒙斯的數學能力，其實是一個巨大的誤解。當然，現在量化交易公司高薪聘用數學，物理，工程博士和專家是事實，但兩者不能混於一談。
另外一個巨大的誤解是關於文藝復興僅對內開放的旗艦大獎章基金的真實業績表現。在中文版《征服市場的人》這本書推薦序裡，明汯投資創始人裘慧明寫道“在1988—2018年這30年間獲得了39.1%的年化複合收益率，這還是在扣除了5%的管理費和44%的業績提成後的數字，費前收益率甚至能達到年化66%左右。這個收益率遠遠超過了那些相對於西蒙斯更為人所知的投資大師，如做宏觀投資的索羅斯和做價值投資的巴菲特所創造的收益率”。
這個66%的費前年化複合收益率在中文世界不斷傳播，卻很少有人認真去計算一下，按照大獎章基金初始的2000萬美元，按照這個業績在30年裡會變成80萬億美元，超過整個美股市值，這可能嗎？問題錯在“年化複合收益率”這幾個字上。實際上，該書作者，華爾街日報的記者在書中清楚寫的是“年均收益率”（也就是每年收益率的算數平均值，見中文版第392頁）。由於大獎章基金每年都控制基金規模（把賺到的錢退還給投資人），簡單地把每年的收益率進行複合年化計算（幾何平均值）會造成巨大的錯誤。
筆者在《迷思與真相：西蒙斯的投資業績顯著好於巴菲特嗎？》一文裡按照正確的方法重新計算了大獎章的投資業績。結論是，同樣的初始投資金額，巴菲特的伯克希爾公司給到的長期費後回報大機率是超過西蒙斯的大獎章基金的（實際上，文藝復興面向市場公開發售的兩隻基金，業績表現並不突出）。
從這個案例可以看出，即使在中國的專業金融圈內，對量化投資都存在普遍的誤解，遑論散戶？！
再來看美國量化長在市場制度裡的第二條根。美國的股票市場是“碎”的：由於歷史原因，同一只股票可以在十幾家交易所和三十多個暗池同時交易。2001年，美股報價從分數制改為十進位制，最小報價單位縮到0.01美元，買賣價差急劇收窄，人工做市商被擠出市場，機器接管了報價。2005年實施的Reg NMS規則要求，任何一筆交易都必須以“全國最優價格”成交。這個保護投資者的規則，反過來製造了一個巨大的技術需求：必須有人以極快的速度盯著所有市場的報價，一旦出現不一致就立刻套利抹平。這條根長出的是高頻交易：速度本身就是利潤來源。
中國量化的起源與發展
中國量化起步晚得多，驅動力也完全不同。2010年4月，滬深300股指期貨上市，中國市場第一次有了可以做空的對沖工具。沒有它，“市場中性”策略（買股票的同時做空期貨，把大盤漲跌對沖掉，只賺選股的超額收益）不可能實施。同年，上期技術公司開發的CTP交易系統向市場開放了全功能的API介面，任何團隊都能以很低的成本接入期貨交易所做程式化交易。
但最根本的驅動力，是中國市場本身的“嫩”。A股散戶交易佔比高，過度自信頻繁交易（每一次買賣都在交手續費和印花稅，還在給高頻策略貢獻訂單流資訊）、追漲殺跌、彩票偏好（喜歡低價、高波動、題材類、只有小機率賺大錢的個股、幻想一夜暴富）、處置效應（賺錢的股票拿不住，虧錢的股票死不割，止盈不止損）等行為偏差製造了海量的定價錯誤。在這樣的市場裡，哪怕是最簡單的多因子模型——低估值、小市值、高動量、高換手率的反面——也能穩定地撿到超額收益。美國量化是“市場太碎，需要機器拼起來”；中國量化是“市場太嫩，機器比人更容易撿到錢”。
從2010年開始，中國量化行業以驚人的速度膨脹：2013年光大證券“烏龍指”事件第一次讓公眾見識了程式化交易的威力（一個系統故障瞬間引爆大盤）；2015年伊世頓公司用非法高頻手段（隱瞞控制賬戶組，將未經授權的交易系統繞過期貨公司正常的資金和持倉驗證環節，直接接入交易所主機），在股指期貨市場非法獲利近4億，證明中國市場已經有了世界級的速度玩家；2021年9月，A股連續數十個交易日成交破萬億，“量化貢獻一半成交量”的說法刷屏，量化私募規模突破萬億。2023年起，監管開始系統性出手：程式化交易報告制度、2024年對異常交易的處罰、2025年7月《程式化交易管理實施細則》正式落地，直到2026年7月31日這根網線被拔掉。
值得說明的是，2025年7月的新規被業界視為“規範”而非“扼殺”量化交易。由於新規標準從徵求意見到正式實施有一年多的過渡期，多數合規的頭部量化私募已提前完成系統調整和策略最佳化，因此對市場的短期衝擊有限。更深遠的影響在於，它推動了量化行業的主策略從依賴交易速度的高頻策略，轉向注重模型研發和基本面分析的中低頻策略。
量化策略陣營：他們到底靠什麼賺錢？
量化策略按交易頻率可以分成兩大陣營，賺錢邏輯完全不同。
第一個是中低頻陣營，主要策略包括：
多因子選股/ 指數增強：這是目前中國量化規模最大的策略。模型給幾千只股票打分（估值、成長、質量、情緒、量價特徵等幾十上百個因子），買入高分股票組合，目標是跑贏指數。指數增強產品追求的就是"指數漲我漲更多，指數跌我跌更少"。持倉週期以天到周計。
市場中性：在上述選股組合的基礎上，用股指期貨把大盤漲跌對沖掉，只留下純粹的選股超額收益。2021年前後，這是中國量化私募的招牌產品。
CTA（商品交易顧問）：在期貨市場上做趨勢跟蹤或套利，可以做多也可以做空，持倉從幾小時到幾周不等。
這些策略賺的是研究和資料的錢：誰的因子更有效、模型更準、組合最佳化更精細，誰就贏。它們對速度的依賴很低。7月31日之後網線更換，對年化收益幾乎沒有影響。
第二個是高頻陣營，主要策略包括：
做市：同時在買一和賣一掛單，低買高賣賺買賣價差，為市場提供流動性。這是期貨市場上的主流高頻策略，期貨交易所對做市商有專門制度和費用減免。股票市場因為是T+1（當天買入當天不能賣出），美國式的股票做市在制度上做不了。
套利：期貨與現貨之間的期現套利、ETF一二級市場的申贖套利、跨品種價差套利。套利的視窗往往只存在幾毫秒到幾秒，誰先到誰吃。舉例來說，標普500ETF和E-mini期貨合約的價格走勢在每分、每時和每天的間隔上的相關性趨近於1，但在250毫秒的間隔上的價格相關性卻趨近於0。這就為高頻套利策略提供了盈利機會。
盤口預測（高頻alpha）：用訂單簿資料（買賣各檔位的掛單量、撤單速度、大單流向）預測接下來幾秒到幾分鐘的價格方向，提前買入或賣出。這類策略在中國股票市場被稱為“高頻量價因子”，本質是從別人的訂單流裡讀出資訊、搶在他們前面交易。
T+0交易：在A股市場，嚴格意義上的T+0僅適用於ETF、可轉債、股指期貨等品種。但是如果持有一批股票底倉，當天可以對同一批股票反覆低買高賣做差價，繞開T+1限制。散戶如果有底倉，也可以進行這樣的交易策略。市場流行的“機構T+0，散戶T+1”的說法，也不準確。
高頻策略賺的是速度、基礎設施和微觀結構的錢。它對延遲極度敏感，這正是7月31日那根網線牽動神經的原因。需要說明的是，高頻在整個量化行業裡的佔比並不大：官方資料顯示程式化交易約佔A股成交額的29%，業界估計其中純量化基金的主動成交約15%–25%，而嚴格意義上的高頻交易只佔個位數百分比，且主要集中在期貨市場。
學術界曾經普遍認可高頻交易
關於量化交易（尤其是高頻交易）對市場是好是壞，學術界討論了二十年，產生了一批相當紮實的成果。普通人不需要讀論文，但應該知道其中幾個最重要的發現。
從2003年開始，筆者深耕市場微觀結構的理論模型，並密切關注實證研究成果，可以說一直到2010年5月美股市場出現閃崩（Flash Crash）。學術界的基本共識是高頻量化交易，透過低買高賣增加了市場流動性，讓買賣價差縮小，交易成本減少，讓市場波動率降低，讓價格對資訊的反應更加迅速，讓市場更加有效率。無論對於機構還是散戶，高頻交易都是好事。一個最直觀的觀察是，過去交易所人潮湧動，人工做市，後來交易所引入資訊科技逐漸電子化，交易所變得空蕩蕩的，投資者的交易成本也隨之顯著下降。
2008年的金融危機爆發，程式化和高頻量化交易都沒有受到明顯的指責。索羅斯，西蒙斯，保爾森等五位在危機期間賺了大錢的對沖基金經理被國會傳召作證，媒體給出正面評價。
在2007年8月7-9日，美股發生連續三天“量化地震/黑天鵝”事件，多年行之有效的短期“逆向/反轉”因子策略突然集體失靈，幾大量化基金同時出現鉅額虧損（高盛CFO David Viniar 說“我們連續幾天看到25個標準差的波動。”），但同期美股標普指數表現正常。8月10日策略恢復正常，月底前收復失地。這件事情並沒有造成對量化策略的態度改變，學界的主要反思是因子過度雷同和擁擠。換句話說，法瑪的徒子徒孫太多了。
但2010年5月美股閃崩，道瓊斯指數盤中幾分鐘內最大跌幅近1000 點、約 9%，隨後 20 多分鐘內收復大半，引發了學術界對高頻交易原有理論的重新審視。時隔5年後美國才抓捕了肇事者，其採用的高頻幌騙技術加劇了當天的崩盤，在五年內獲利4000萬美元，但2020 年 1 月他僅被判一年居家監禁。這件事情的真正後果是美國監管修改了多項交易規則，可以說，今天美股市場穩定框架的一半都是這次閃崩的遺產。
理論突破：交易制度會內生速度競賽，惡化市場流動性
2015年，芝加哥大學經濟學家埃裡克·布迪什（Eric Budish）與合作者在《經濟學季刊》（QJE）上發表了一篇影響深遠的論文（2013年已經完成工作論文），給出兩個反直覺的結論。第一，高頻套利策略的總利潤是固定的，最優策略是速度競賽而不是價格競爭；第二，問題不出在高頻交易者身上，而出在市場規則本身。
舉例來說，前面提到的標普500ETF和E-mini期貨合約之間套利的每年總利潤圍繞7500萬美元波動，沒有隨競爭加劇而減少，這完全違背了經濟學的基本常識（價格競賽會將經濟利潤壓到零）。這個固定的套利機會的總獎池，是由成交量和波動率決定，跟有多少家公司參與競爭無關。
速度競賽並沒有降低高頻交易商的總利潤，投資者其實並沒有因為高頻交易競賽而獲得顯著的好處。過去學術界說的市場流動性提高，買賣差價縮小，總成本減少等等好處，其實主要來自交易所不斷引入的資訊科技，很難直接找到證據顯示高頻交易商在提高流動性方面的貢獻。而且，資訊科技引入帶來的好處也集中發生在了1990年代末期到2000年代中期，這段時間高頻交易還沒那麼流行。
新進入者不會把蛋糕分薄、讓利於市場，只會把利潤燒在更貴的伺服器、更短的網線上，這是一場永不停止、對社會毫無產出的“軍備競賽”。例如，2010年6月，就在閃崩發生一個月後。芝加哥電訊公司Spread Networks宣佈耗費3億美元建成一條光纖通訊連線紐約與芝加哥的金融市場，使得往返交易的資訊傳播時間從16毫秒降低到13毫秒，引發了廣泛的輿論批評。
然而，就在社會為量化交易的利弊爭論之際，金融公司已經開始建立微波通訊（在空氣中的傳播速度比光速在真空中慢1%）代替光纖，高頻交易的速度已經從毫秒、微秒時代邁向了納秒（十億分之一秒）。
全球資本市場的套利機會遍及各類資產和各個市場，布迪什等人估算僅美股市場每年可套利的利潤就有幾十億到200億美元。由此可見高頻交易對參與者的強烈吸引力，然而對於其他投資者來說，高頻交易並沒有帶來明顯的好處，從社會角度來看，高頻的速度競賽是資源浪費。
類似的批評也開始在中國出現。中國最聰明的一批頭腦，正在從實驗室和工程一線流向交易機房。頂尖大學的數學、物理、計算機畢業生，原本可以去做晶片、做航天、做基礎研究，如今卻擠進量化私募，把天賦用在毫秒級的盤口博弈上。最稀缺的智力資源，正在從生產性領域流向再分配性領域。
布迪什等人最大的發現在於，上述高頻交易市場的特徵事實，以及高頻交易商的行為，其實是現有交易制度造成的。現在全球主流交易所（包括中國）用的都是“連續雙邊拍賣”：時間連續流逝，訂單按到達順序逐筆撮合。他們證明，只要滿足這兩個條件，“速度套利”就是這個機制的內生產物：新資訊出現時，舊報價在技術上已經過時，但還沒來得及撤單，誰先搶到這筆陳舊報價誰就穩賺。這不需要任何內幕資訊，純粹比快。
與傳統人工時代最大的差別在於，當交易電子化之後，電腦允許對交易時間進行無限細分。因此，高頻交易商展開了速度競賽，毫秒已經顯得太長，微秒才有優勢。套利交易的本質是基於公開資訊來低買高賣，假如只有一個高頻交易商，速度不是那麼重要，它的最優策略就是成為流動性提供者，低買高賣獲取利潤。
但如果有多個高頻交易商競爭，考慮到公開資訊不斷變化，現有制度下交易可以無限細分時間連續進行，那麼就必須考慮兩個交易選項：或者成為流動性提供者，或者成為“狙擊”者：也就是當其他高頻交易商的報價跟不上公開資訊變化而選擇“撤銷”時，利用速度競賽去“狙擊”該報價（低價買高價賣），期待在其他人的“撤銷”指令沒來得及執行前取得成功。前面提到的美股閃崩的肇事者採取的“幌騙”技術，就是提交不打算成交的價格，然後迅速撤單，目的是擾亂其他高頻交易者的策略。
由於速度競賽下，每個人都可能被“狙擊”，因此他們的最優定價策略，會產生買賣差價大於沒有速度競賽的情形，反而使得市場的流動性變得更差了。
布迪什等人開出的藥方是把“連續雙邊拍賣”改為“頻繁批次拍賣”：第一步，把時間也切成離散的格子（比如每100毫秒交易一次）；第二步，同一格子裡的訂單集中起來統一價格撮合，讓"快一微秒"變得毫無價值。在理論上，這樣兩項小到讓大部分人感受不到變化的修改，就可以完全消除“狙擊”策略，高頻交易商也不再需要為速度而競爭，而是轉為價格競爭，真正促進市場流動性。
可惜的是，布迪什等人設計的這項交易制度，獲得學界一致支援，但卻遭到高頻交易商的反對，至今被束之高閣。對原因感興趣的朋友可以閱讀筆者的文章《量化高頻交易促進了市場流動性嗎？》
重要的實證研究發現
近年來，關於高頻量化交易的實證研究顯著增加，筆者挑選一些重要的發現。細心的讀者會注意到，下面提到的實證研究彼此之間的結論有衝突，這與資料來源不同有很大關係，此外也與學術期刊習慣發表不同結果的傾向有關。中國相關領域的文章剛剛起步，我們期待看到更多的關於中國量化實踐的高質量研究。
軍備競賽的賬單被算出來了。2022年，布迪什與英國金融行為監管局的研究者在QJE上發表了量化研究：他們用英國交易所的逐條報文資料（連失敗的報單和撤單都能看到，相當於看見了“賽跑中所有的輸家”），發現富時100指數成分股平均每天每隻股票發生537次速度競賽，超過20%的成交量捲入其中；速度套利對所有投資者徵收的“隱性稅”約為成交額的0.5個基點，佔有效價差的三分之一；如果透過市場設計根除它，投資者的流動性成本可以下降17%。
傷害市場的是“速度不對稱”，不是“速度”本身。2020年《金融學期刊》（JF）年度最佳論文，兩位學者安德里·什基爾克（Andriy Shkilko）和康斯坦丁·索科洛夫(Konstantin Sokolov)做了一個絕妙的自然實驗：前文提到的連線芝加哥和紐約的微波通訊鏈路，在雨天會被幹擾，雨天裡高頻公司之間的速度差異被抹平。結果發現，恰恰是這些日子，市場流動性改善了。也就是說，當大家都一樣快的時候，快就沒有傷害性；傷害來自一部分人比別人快。
可以說，中國交易所7月31日新規把對接高頻量化機構的區域網更換成廣域網，直接借鑑了這個研究。雨天實驗證明，抹平速度差異會改善流動性，而這次調整做的正是抹平速度差異。同時它又不是布迪什主張的根治方案：連續時間、逐筆撮合的機制原封未動，速度競賽沒有消失，只是競爭的門檻被拉平了。以後比的是誰的演算法和櫃檯系統更快，而不是誰買得起機房裡的位置。套用布迪什的話來說，軍備競賽繼續，但至少不再有人能花錢買槍。筆者非常期待交易所的研究人員，對比這次規則調整前後的資料，做一個類似的研究。
高頻交易在極端行情裡是穩定器，但有副作用。2018年《金融經濟學雜誌》（JFE）的研究發現，在股價暴跌等極端波動中，高頻交易者總體上是流動性的淨提供者：他們在接盤，而不是砸盤。這與公眾“高頻加劇崩盤”的直覺相反。但硬幣的另一面也有證據：高頻交易會增加股票之間的聯動性（2019年JFE），演算法交易會減少投資者對基本面資訊的生產，價格反應更快了，但價格裡包含的深度資訊可能變少了（2018年《金融研究評論》RFS）。
A股量化交易的影響是非對稱的。中國證據最近幾年才出現，因為學界此前拿不到逐筆委託資料。2025年12月《經濟研究》發表的研究（屈源育、William Cong、吳衛星）用2015–2023年A股逐筆資料發現，量化交易的影響是非對稱的：平時它提供流動性、加快價格發現，能降低個股的極端損失風險；但它的策略趨同屬性會增強個股風險向整個市場的傳染，尤其在情緒高漲、投機屬性強的時候。同一研究還發現一個對監管很有啟發的結果：加強資訊披露類監管能有效抑制風險傳染，而“一刀切”地限制量化交易，在部分時點反而會削弱它提供流動性的功能。
中國散戶在日度頻率上拿走市場的流動性。A股散戶眾多，交易頻繁，因此，很多金融專家也錯誤認為中國股市從來不缺乏流動性，不需要高頻量化來提供流動性。坦率講，中國的金融專家絕大部分屬於宏觀金融與制度金融（包含貨幣銀行專家，金融法專家），並不瞭解微觀金融。真實的情況是，A股散戶貢獻 80% 以上成交量、但以短線動量為主，不但不為市場提供流動性，反而拿走流動性。
施東輝，張曉燕與合作者用上交所2016–2019 年 5300 多萬個賬戶的完整交易與持倉資料，發現300萬以下的賬戶（佔賬戶數的99%）在日度交易上追漲殺跌（動量/趨勢交易），是流動性的索取者；超過300萬的賬戶和機構低買高賣（逆向/反轉交易），是流動性的提供者。換句話說，追漲殺跌的小散是流動性的“付費使用者”，大戶和機構是流動性的“收費供給者”。結果很糟糕，散戶買入的股票次日平均下跌，賣出的股票次日平均上漲，他們在日度上系統性地站在了反轉的錯誤一側。研究也發現，散戶這個身份在周度頻率上會掉轉過來，同一批散戶在周的尺度上低買高賣（被套後死扛、跌多了補倉），客觀上為大戶和機構提供了對手盤（2025年《金融與定量分析雜誌》JFQA）。
7月31日新規到底改變了什麼？
現在可以回到開頭的問題了。把前面所有拼圖放在一起，7月31日的調整可以這樣定位：
這是一次"平權”，不是"封殺”。調整的全貌是：交易所託管機房內，行情接入從“機房區域網直連”（只有託管機構能用的VIP通道）統一為“廣域網專線”（所有人都走一樣的路）。時延增加的幅度，業內人士的可靠口徑是幾十到幾百微秒。它不禁止任何策略、不針對任何機構型別，改變的只是付費買機房位置就能獲得行情速度特權這件事。
它是組合拳的最新一環。孤立看這次調整會誤判其分量。2025年下半年以來，監管對“速度基礎設施”的規範是系統推進的：期貨交易所要求高頻客戶2026年2月底前遷出託管機房；券商獨立交易單元整改，不得由單一賬戶獨佔；滬深交易所先後規範廣域網接入標準。7月31日關掉行情區域網通道，是把“速度平權”從制度層面落實到了物理鏈路層面。
影響是高度分層的。受影響最大的是依賴那幾百微秒行情的超高頻策略：盤口套利、訂單流策略、部分期貨做市策略需要重新回測調參，部分策略的超額收益會明顯縮水。而佔行業規模主體的指數增強、市場中性、多頭選股等中低頻策略，多位頭部量化私募公開表示影響有限：這些策略拼的是研究不是速度，且行業過去幾年本就在主動降頻。普通散戶則完全無感：散戶的行情本來就走網際網路鏈路，從未沾過機房區域網的邊。
真正值得觀察的在後面。一是市場微觀結構的變化：未來幾周高頻活躍標的的盤口深度、撤單率、買賣價差會不會改變。這既是評估政策效果的關鍵，也是一個天然的學術研究事件視窗。二是監管的下一步：市場人士普遍預期高頻認定閾值可能進一步下調、差異化收費繼續最佳化、策略同質化風險監測強化，券商交易資訊系統接入的自律管理檔案也有望年內出臺。量化監管思路已經相當清晰：不消滅量化，而是把量化從“拼硬體、拼速度”趕回到“拼研究、拼alpha”的賽道上去。
散戶被量化收割了嗎？
"量化割韭菜"是近年A股最有情緒號召力的說法之一。要理性看待這個說法，得把三筆賬分開算。
第一筆賬：量化收割了散戶的行為偏差。這是真的，但因果要搞清楚。散戶的頻繁交易、追漲殺跌、彩票偏好、處置效應系統性地製造定價錯誤，這本來就是“韭菜”的根源。賬戶級資料研究確認，在中國市場，機構和大戶確實系統性地從散戶手中賺取收益（詳見筆者的文章《超大資料揭開A股99%股民長期虧錢的真相》）。量化基金只是收割這塊“行為alpha”時更高效、更不帶情緒的機器。
韭菜不是因為量化才成為韭菜的。沒有量化，這塊超額收益也會被遊資、大戶、內幕資訊優勢者拿走，只是拿得更粗糙。真正的問題不是“誰在割”，而是散戶為什麼持續產出這塊alpha？這是投資者教育和市場成熟度的問題。換言之，散戶最大的敵人，從來都是自己。其他競爭對手和批評物件，都只能排在後面的位置。
第二筆賬：速度稅。這是真傷害，但中國散戶基本繳不到。高頻交易從陳舊報價和訂單流裡賺取的速度租金，本質是向所有市場參與者徵收的隱性稅。但這筆稅的主要承擔者是使用大額演算法單的機構（公募、險資、外資），因為它們的大單必須拆小逐筆執行，訂單流資訊會洩露在盤口上被高頻策略讀取。散戶的單子小，一筆就成交了，暴露在訂單流裡的資訊很少。而且中國由於行情快照慢、T+1、單一交易所等制度天花板，這筆稅的規模本就遠低於美國；2025年以來的報撤單差異化收費，等於監管又對高頻直接加了一道稅。
第三筆賬：穩定性。平時是朋友，危機時可能變成放大器。平時，量化交易縮小价差、加深盤口、加快價格發現，散戶的交易成本因此下降。但2024年2月的微盤股危機暴露了另一面：當大量量化基金持有相似的小微盤頭寸、使用相似的風控閾值時，市場一旦反轉，機器會同時觸發減倉。人會猶豫，機器不會。2024年2月，一家頭部量化私募在開盤後42秒內賣出13.72億元深市股票，造成指數大跌，被交易所暫停交易並公開譴責，就是這個機制的真實案例。
雖然有學者和散戶一樣批評量化策略同質性會加速市場下跌，放大波動（不過，對於策略同質性也可能加速市場大漲，他們就緘口不言了）。但我們必須清醒地認識到，法瑪的徒子徒孫就是多，策略趨同是大家心甘情願的理性選擇，市場均衡的自然結果。換句話說，量化機構在明明知道要承擔“過度擁擠與擠兌危機”的風險下，仍然選擇與風險匹配的同質化策略，因為這樣做要比選擇差異化策略，對業績表現更加有利。想靠監管的行政限制去消除這個自願選擇是無法實現的，監管能做的是管好槓桿、提高透明度、防止踩踏外溢成系統性事件。
總結來說，量化對散戶既不是天使也不是魔鬼，它更像一面鏡子，它放大了市場裡原本就存在的東西：散戶的行為偏差、機構的執行成本、以及極端行情裡的集體脆弱。
順帶說一句，散戶以及一些金融專家對量化的批評，往往與對做空的批評聯絡在一起。幸運的是，全球多個資本市場都在危機期間嘗試過限制做空，學術界對此也展開了非常豐富的研究。結論幾乎是一致的：限制做空通常會加大市場和被限制板塊的下跌速度，達不到預期的效果。對這個話題感興趣的朋友，可以參考筆者的文章《禁止做空會阻止股市下跌嗎？》和《禁止做空會刺激股價上漲嗎？》。
美國散戶如何應對量化交易？
“量化割韭菜”這個說法之所以有市場，是因為它提供了一種心理安慰：虧錢不是我自己的問題，是有壞人用高科技害我。但資料不支援這種安慰。A股散戶“七虧二平一賺”的說法流傳了幾十年，遠在量化私募崛起的2019年之前，散戶的收益結構就已經如此。
更說明問題的是美國的對照。量化交易佔美股成交量一半以上、普及了二十多年，按理說美國散戶應該被“割”得最慘。但美國獨立研究機構DALBAR連續三十多年的“投資者行為定量分析”（QAIB）報告發現了一個尷尬的事實：美國散戶跑輸市場的幅度，和他們交易市場的量化程度沒有多大關係，和他們自己的行為高度相關。
截至2023年的三十年裡，標普500年化收益約10%，而平均股票基金投資者只拿到約3.6%到7%；2025年這個差距收窄到0.72個百分點，是1985年以來第三小。這可不是因為量化變仁慈了，而是因為越來越多的美國散戶放棄了擇時和頻繁交易，老老實實持有指數基金。
DALBAR報告和晨星公司"Mind the Gap”研究的結論一致：投資者實際收益與基金本身收益之間的缺口（每年約1到4個百分點），幾乎全部來自投資者自己的高買低賣、追漲殺跌。這個缺口在有量化的市場存在，在沒有量化的市場同樣存在。量化不是散戶虧錢的原因，只是散戶虧錢時最容易找到的替罪羊。
美國在量化普及的環境下散戶收益尚可，拆開看有三個原因，每一個都值得A股制度設計者，監管者和散戶深思。
第一，美股底層資產本身足夠好。很多人認為美股長牛的主要原因在於制度優勢，實際上這個說法並不完全準確，美股長牛的最重要原因在於上市公司為股東賺錢的能力強。照搬美國製度不難，但擁有強大的上市公司卻並不容易。中國股市的制度問題清單可以列很長——退市制度、減持、再融資、資訊披露——但“上市公司整體利潤率不高”這一條，恐怕是最底層、最少被提及的一條。它解釋了為什麼A股牛短熊長，估值可以靠情緒短期推高，但長期必須有利潤增長來接住，而低利潤率意味著接不住。那種認為中國股市只要修改制度，就能創造散戶賺錢的環境，初心雖好，但實際上很不現實。中國企業賺錢能力弱的病根，出在股市之外。
第二，美國散戶大多不直接下場搏殺。他們透過401(k)養老金計劃和指數基金間接持股，換手率極低。他們賺的是“公司盈利增長”的錢（beta），而不是“交易對手犯錯”的錢（alpha）。當你在賺beta的錢時，量化基金不是你的對手，反而是你的做市商——它讓你買得更便宜、賣得更容易。
第三，即便在美國，堅持短線交易的散戶照樣輸。DALBAR的三十年資料就是證據。換句話說：決定散戶收益的不是市場裡有沒有量化，而是散戶自己站在哪張牌桌上。坐在“長期持有、賺企業成長”的桌子上，量化與你無關；坐在“日內短線、追逐熱點”的桌子上，你就是量化模型訓練資料裡的一行記錄。
散戶該怎麼辦？
散戶與其發洩情緒，浪費精力，總是指望監管把量化全部趕走，不如把精力放在自己能改變的事情上。
筆者曾詳細分析了散戶交易的壞習慣：過度自信、追漲殺跌、頻繁交易、彩票偏好、處置效應、聽信小道訊息。這些偏差不是散戶的個性問題，是人類大腦的預設設定，但知道它們存在，就是克服它們，改變行為的第一步。
告別負面清單，散戶要學會正面掌握投資技能。
首先，看懂行業趨勢和公司基本面。一家公司值不值得買，取決於它所在的行業有沒有前景、它在行業裡有沒有定價權、它的利潤和現金流是真是假。這些資訊都在公開的財報和公告裡，不需要內幕，只需要耐心和常識。
其次， A股市場整體的盈利質量參差不齊，學會選股或者構造策略才更有價值：A股裡同樣存在高ROE、有定價權、現金流紮實的公司，找到它們、在合理估值買入、耐心持有，這才是散戶在量化時代真正的護城河。一條量化基金自己也在用、且永遠搶不走的護城河。記住，估值不需要算得多精確，常識就足夠：一家公司的市盈率遠高於它的利潤增速和歷史區間時，就已經在透支未來；而當優質公司因為市場恐慌跌到合理估值以下時，機會就出現了。
散戶如果學習一些簡單的因子策略（例如觀察創業板指數與中證紅利指數的比值），就很容易發現長期有效的策略。筆者在《投資必修課》裡介紹了因子策略和資產配置的方法。
最後，也是最核心的一條是：承認自己在速度、資料、算力上沒有優勢，就主動退出短線博弈。散戶在短線交易裡對抗的從來不是某個具體的量化基金，而是整個市場裡所有人的訂單流資訊，這場比賽在開始前就已經輸了。把持有周期拉長到以月度，季度，年度為單位，量化的所有速度優勢在你面前就自動失效了。
結 語
從1952年馬科維茨的一篇論文開始，量化交易七十多年走過的路，本質是技術與市場制度不斷互相塑造的歷史。海外的經驗告訴我們：當市場規則製造速度租金時，資本會毫不猶豫地投入軍備競賽，而監管如果指望市場自我糾正，可能永遠等不到那一天。7月31日的新規提供了一種實驗：用行政力量直接拆掉速度特權的基礎設施，把公平性置於效率之上，再觀察市場如何重新找到平衡。
這場實驗的結果還沒出來。但有一點已經清楚：量化交易既不是散戶虧損的原因，也不是市場問題的替罪羊，它是市場這個生態系統演化出的一種高階物種。從監管和交易所的角度來說，消滅它代價巨大且沒有必要，馴化它則需要對交易細節有真正的理解，特別是儘早向公眾公開資料，避免錯誤的認知廣泛流傳。對散戶來說，如果不能冷靜看待和克服自己的投資錯誤，停留在對量化的情緒發洩中越長，對自己的傷害也會更深。對量化機構來說，與其埋頭賺錢沉默不語，不如坦率面對公眾的質疑，科普量化交易的真實面貌，這有助於促進整個市場的成熟度與健康發展。
參考文獻
1.Aquilina, Budish & O'Neill (2022), "Quantifying the High-Frequency Trading 'Arms Race'", Quarterly Journal of Economics
2.Brogaard et al. (2018), "High-Frequency Trading and Extreme Price Movements", Journal of Financial Economics
3.Budish, Cramton & Shim (2015), "The High-Frequency Trading Arms Race: Frequent Batch Auctions as a Market Design Response", Quarterly Journal of Economics
4.Budish, Lee & Shim (2019–2024), "Will the Market Fix the Market?", NBER Working Paper
5.Jones，Shi，Zhang & Zhang (2025), "Understanding Retail Investors: Evidence from China ", Journal of Financial and Quantitative Analysis
6.DALBAR, Quantitative Analysis of Investor Behavior (QAIB), 1994–2026 年度報告
7.Morningstar, Mind the Gap (2024)
8.O'Hara (2015), "High Frequency Market Microstructure", Journal of Financial Economics
9.Shkilko & Sokolov (2020), "Every Cloud Has a Silver Lining: Fast Trading, Microwave Connectivity, and Trading Costs", Journal of Finance
10.屈源育、William Cong、吳衛星（2025），“量化交易與金融市場穩定——基於逐筆委託資料的分析”，《經濟研究》
11、夏春，(2020) “禁止做空會阻止股市下跌嗎？" FTChinese
12、夏春，(2023) “禁止做空會刺激股價上漲嗎？” FTChinese
13、夏春，(2023) “量化高頻交易促進了市場流動性嗎？” FTChinese
14、夏春，(2024) “超大資料揭開A股99%股民長期虧錢的真相”，FTChinese
15、夏春，(2024) “迷思與真相：西蒙斯的投資業績顯著好於巴菲特嗎？” FTChinese