（原文刊发于【新经济学家智库】）
摘要：本文从2026年7月31日交易所关闭机房局域网行情线路的新规切入，系统梳理量化交易的来龙去脉。文章首先厘清“量化”“程序化”“高频”三个被混用的概念，继而对比量化在美国与中国的不同起源，并介绍多因子、股票中性、CTA 与高频做市、套利等主要策略阵营。文章指出高频“军备竞赛”是连续竞价制度的内生结果，“速度税”真实存在但主要由机构承担；而上交所大数据研究显示，散户亏钱的主因是自身追涨杀跌的行为偏差：即使没有量化，散户照样亏钱。文章认为7·31新规是“平权”而非“封杀”；量化既不是天使也不是魔鬼：它平时提供流动性、熨平波动，极端时可能放大波动，策略趋同则是行业理性自愿的均衡选择。A股长期疲软的根源在上市公司盈利能力不足，而非量化；散户的出路在于克服行为偏差、坚持基于基本面与估值的理性投资，而不是寻找替罪羊。
2026年7月31日晚上，全国证券和期货交易所托管机房里的一批网线被正式关闭。被关掉的是“局域网行情线路”，一种只有托管在交易所机房里的机构才能使用的行情接入方式。在此之前，如果一家量化私募把服务器托管在交易所机房，它的行情数据走的是同园区内的专线光纤，比外部机构快几十到几百微秒。从8月1日起，所有人都得走“广域网专线”：从券商机房到运营商机房再到交易所机房，大家的行情在物理链路上被拉到了同一起跑线。
微秒是什么概念？一微秒是一百万分之一秒。人眨一次眼大约要40万微秒（相当于400毫秒，一毫秒是千分之一秒）。对普通投资者来说，快这几百微秒毫无意义；但对高频量化机构，这几百微秒就是他们花费大价钱买来的“VIP通道”。在“价格优先、时间优先”的撮合规则下，订单早到一微秒，就可能排在别人前面成交。
消息一出，市场议论纷纷。有人说这是给量化“拔网线”，是监管对量化交易的重拳打击；也有人说这只是常规技术调整，影响被严重夸大。8月3日，切换后的第一个交易日，A股成交2.01万亿元，比7月日均缩量约5500亿，但没人能说清这多少是新规造成的、多少是市场情绪造成的。
要真正看懂这件事的意义，需要回答一串更大的问题：量化交易到底是什么？它从哪里长出来的？它靠什么赚钱？它对市场和散户是好是坏？
笔者在美国明尼苏达大学经济系读博与在香港大学金融系任教时，专注的研究和教学主要是市场微观结构（这是高频量化交易的基础）、对冲基金交易策略与行为金融投资。从2015年开始，笔者就在英国金融时报中文网上多次撰文科普量化交易策略。笔者离开大学后，在金融行业工作十余年，但从未担任过任何量化机构的顾问，撰写此文时不存在任何利益冲突。当然，由于量化投资的复杂性与日新月异的迭代速度，本文难免存在理解与表述错误，笔者非常欢迎专业人士的批评指正。
先分清三个词：量化、程序化、高频
市面上的争论里，这三个词经常被混着用，其实它们说的并不是一回事。
量化交易是一种投资方法论：用数学模型和计算机代替人脑做投资决策。投资经理不再凭感觉这只股票要涨下单，而是把投资逻辑写成规则和模型，让计算机在海量数据里找规律、执行交易。它的对立面是“主观交易”。
程序化交易是一种交易方式：交易指令由计算机程序自动生成或下达。它是工具，不是方法论。一个完全凭主观判断的基金经理，也可以用程序来执行他手动定好的大额拆单。所以程序化交易不等于量化交易，虽然两者高度重叠。
高频交易是程序化交易里最极端的一类：持仓时间以秒甚至微秒计，一天报单、撤单成千上万次，每笔只赚极其微小的价差，靠海量交易积少成多。按中国监管2025年7月起实施的认定标准，单个账户每秒申报、撤单最高达到300笔以上，或单日达到2万笔以上，就算高频交易。
值得一提的是，市场广泛流传的“美国限制量化交易每秒不得超过15笔”的说法，其实是一个流传甚广的误解，美国法律或监管机构并未对主要交易所设定这样的硬性规定。这个说法仅针对“暗池交易”等非交易所平台，作为一个衡量“无序交易”的参考指标，并非限制指标。
用一个比喻总结：量化是“用机器做研究”，程序化是“用机器下单”，高频是“用机器飞快地反复下单”。监管文件管的是程序化和高频，市场争论的“割韭菜”对象通常是高频交易，三者相交但不重合。在生活中，几乎所有的散户和一些金融圈的专家，对于量化的区分和定义都是完全模糊的。
我们的金融制度，金融研究有些借鉴了美国的做法，量化交易也不例外。要讲清楚量化交易，我们需要从美国的制度和经验讲起。
美国量化的起源与发展
美国的量化交易有两条根。第一条根长在学术象牙塔，产出的是中低频量化。第二条根长在市场制度里，产出的是高频量化。
先来看第一条根。1952年，马科维茨发表组合选择理论，第一次把“分散投资”变成数学问题；1960年代，资本资产定价模型（CAPM）和有效市场假说（EMH）相继问世，法玛等金融学教授的因子研究告诉学界：股票收益可以被系统地解释和预测（量化交易的大量人才来自于法玛的徒子徒孙）；1970年代，这些理论催生了指数基金和量化风险模型；1982年，数学家西蒙斯创立文艺复兴科技公司（前身是1978年成立的Monemetrics）；1988年，计算机科学家大卫·肖创立D.E. Shaw，量化对冲基金正式登上历史舞台。这条根长出的是中低频量化：用统计模型选股、定价、管组合。
特别值得一提的是，西蒙斯在创业初期十多年，虽然聘请了无数顶级数学家设计期货交易策略，但业绩表现非常不稳定（详见中文版《征服市场的人》）。西蒙斯的主要才能体现在他高超的商界人际交往（他与数学家们相处得非常不愉快）能力，也就是每次输钱时，他总能继续找到信赖他的投资人。
文艺复兴后来大放异彩，主要依靠的是三位来自IBM的语言识别专家，在1995年发现代码错误，并改进了D.E. Shaw首创的配对交易策略（在《征服市场的人》的推荐序里，幻方量化创始人梁文峰的评价是“西蒙斯和其他先驱者，使用现在看起来并不复杂的技术，迅速摘掉了市场上最低垂的果实，积累了第一桶资金”。后来媒体把基金的杰出业绩归功于西蒙斯的数学能力，其实是一个巨大的误解。当然，现在量化交易公司高薪聘用数学，物理，工程博士和专家是事实，但两者不能混于一谈。
另外一个巨大的误解是关于文艺复兴仅对内开放的旗舰大奖章基金的真实业绩表现。在中文版《征服市场的人》这本书推荐序里，明汯投资创始人裘慧明写道“在1988—2018年这30年间获得了39.1%的年化复合收益率，这还是在扣除了5%的管理费和44%的业绩提成后的数字，费前收益率甚至能达到年化66%左右。这个收益率远远超过了那些相对于西蒙斯更为人所知的投资大师，如做宏观投资的索罗斯和做价值投资的巴菲特所创造的收益率”。
这个66%的费前年化复合收益率在中文世界不断传播，却很少有人认真去计算一下，按照大奖章基金初始的2000万美元，按照这个业绩在30年里会变成80万亿美元，超过整个美股市值，这可能吗？问题错在“年化复合收益率”这几个字上。实际上，该书作者，华尔街日报的记者在书中清楚写的是“年均收益率”（也就是每年收益率的算数平均值，见中文版第392页）。由于大奖章基金每年都控制基金规模（把赚到的钱退还给投资人），简单地把每年的收益率进行复合年化计算（几何平均值）会造成巨大的错误。
笔者在《迷思与真相：西蒙斯的投资业绩显著好于巴菲特吗？》一文里按照正确的方法重新计算了大奖章的投资业绩。结论是，同样的初始投资金额，巴菲特的伯克希尔公司给到的长期费后回报大概率是超过西蒙斯的大奖章基金的（实际上，文艺复兴面向市场公开发售的两只基金，业绩表现并不突出）。
从这个案例可以看出，即使在中国的专业金融圈内，对量化投资都存在普遍的误解，遑论散户？！
再来看美国量化长在市场制度里的第二条根。美国的股票市场是“碎”的：由于历史原因，同一只股票可以在十几家交易所和三十多个暗池同时交易。2001年，美股报价从分数制改为十进制，最小报价单位缩到0.01美元，买卖价差急剧收窄，人工做市商被挤出市场，机器接管了报价。2005年实施的Reg NMS规则要求，任何一笔交易都必须以“全国最优价格”成交。这个保护投资者的规则，反过来制造了一个巨大的技术需求：必须有人以极快的速度盯着所有市场的报价，一旦出现不一致就立刻套利抹平。
这条根长出的是高频交易：速度本身就是利润来源。
中国量化的起源与发展
中国量化起步晚得多，驱动力也完全不同。2010年4月，沪深300股指期货上市，中国市场第一次有了可以做空的对冲工具。没有它，“市场中性”策略（买股票的同时做空期货，把大盘涨跌对冲掉，只赚选股的超额收益）不可能实施。同年，上期技术公司开发的CTP交易系统向市场开放了全功能的API接口，任何团队都能以很低的成本接入期货交易所做程序化交易。
但最根本的驱动力，是中国市场本身的“嫩”。A股散户交易占比高，过度自信频繁交易（每一次买卖都在交手续费和印花税，还在给高频策略贡献订单流信息）、追涨杀跌、彩票偏好（喜欢低价、高波动、题材类、只有小概率赚大钱的个股、幻想一夜暴富）、处置效应（赚钱的股票拿不住，亏钱的股票死不割，止盈不止损）等行为偏差制造了海量的定价错误。在这样的市场里，哪怕是最简单的多因子模型——低估值、小市值、高动量、高换手率的反面——也能稳定地捡到超额收益。美国量化是“市场太碎，需要机器拼起来”；中国量化是“市场太嫩，机器比人更容易捡到钱”。
从2010年开始，中国量化行业以惊人的速度膨胀：2013年光大证券“乌龙指”事件第一次让公众见识了程序化交易的威力（一个系统故障瞬间引爆大盘）；2015年伊世顿公司用非法高频手段（隐瞒控制账户组，将未经授权的交易系统绕过期货公司正常的资金和持仓验证环节，直接接入交易所主机），在股指期货市场非法获利近4亿，证明中国市场已经有了世界级的速度玩家；2021年9月，A股连续数十个交易日成交破万亿，“量化贡献一半成交量”的说法刷屏，量化私募规模突破万亿。2023年起，监管开始系统性出手：程序化交易报告制度、2024年对异常交易的处罚、2025年7月《程序化交易管理实施细则》正式落地，直到2026年7月31日这根网线被拔掉。
值得说明的是，2025年7月的新规被业界视为“规范”而非“扼杀”量化交易。由于新规标准从征求意见到正式实施有一年多的过渡期，多数合规的头部量化私募已提前完成系统调整和策略优化，因此对市场的短期冲击有限。更深远的影响在于，它推动了量化行业的主策略从依赖交易速度的高频策略，转向注重模型研发和基本面分析的中低频策略。
量化策略阵营：他们到底靠什么赚钱？
量化策略按交易频率可以分成两大阵营，赚钱逻辑完全不同。
第一个是中低频阵营，主要策略包括：
多因子选股/ 指数增强：这是目前中国量化规模最大的策略。模型给几千只股票打分（估值、成长、质量、情绪、量价特征等几十上百个因子），买入高分股票组合，目标是跑赢指数。指数增强产品追求的就是“指数涨我涨更多，指数跌我跌更少”。持仓周期以天到周计。
市场中性：在上述选股组合的基础上，用股指期货把大盘涨跌对冲掉，只留下纯粹的选股超额收益。2021年前后，这是中国量化私募的招牌产品。
CTA（商品交易顾问）：在期货市场上做趋势跟踪或套利，可以做多也可以做空，持仓从几小时到几周不等。
这些策略赚的是研究和数据的钱：谁的因子更有效、模型更准、组合优化更精细，谁就赢。它们对速度的依赖很低。7月31日之后网线更换，对年化收益几乎没有影响。
第二个是高频阵营，主要策略包括：
做市：同时在买一和卖一挂单，低买高卖赚买卖价差，为市场提供流动性。这是期货市场上的主流高频策略，期货交易所对做市商有专门制度和费用减免。股票市场因为是T+1（当天买入当天不能卖出），美国式的股票做市在制度上做不了。
套利：期货与现货之间的期现套利、ETF一二级市场的申赎套利、跨品种价差套利。套利的窗口往往只存在几毫秒到几秒，谁先到谁吃。举例来说，标普500ETF和E-mini期货合约的价格走势在每分、每时和每天的间隔上的相关性趋近于1，但在250毫秒的间隔上的价格相关性却趋近于0。这就为高频套利策略提供了盈利机会。
盘口预测（高频alpha）：用订单簿数据（买卖各档位的挂单量、撤单速度、大单流向）预测接下来几秒到几分钟的价格方向，提前买入或卖出。这类策略在中国股票市场被称为“高频量价因子”，本质是从别人的订单流里读出信息、抢在他们前面交易。
T+0交易：在A股市场，严格意义上的T+0仅适用于ETF、可转债、股指期货等品种。但是如果持有一批股票底仓，当天可以对同一批股票反复低买高卖做差价，绕开T+1限制。散户如果有底仓，也可以进行这样的交易策略。市场流行的“机构T+0，散户T+1”的说法，也不准确。
高频策略赚的是速度、基础设施和微观结构的钱。它对延迟极度敏感，这正是7月31日那根网线牵动神经的原因。需要说明的是，高频在整个量化行业里的占比并不大：官方数据显示程序化交易约占A股成交额的29%，业界估计其中纯量化基金的主动成交约15%–25%，而严格意义上的高频交易只占个位数百分比，且主要集中在期货市场。
学术界曾经普遍认可高频交易
关于量化交易（尤其是高频交易）对市场是好是坏，学术界讨论了二十年，产生了一批相当扎实的成果。普通人不需要读论文，但应该知道其中几个最重要的发现。
从2003年开始，笔者深耕市场微观结构的理论模型，并密切关注实证研究成果，可以说一直到2010年5月美股市场出现闪崩（Flash Crash）。学术界的基本共识是高频量化交易，通过低买高卖增加了市场流动性，让买卖价差缩小，交易成本减少，让市场波动率降低，让价格对信息的反应更加迅速，让市场更加有效率。无论对于机构还是散户，高频交易都是好事。一个最直观的观察是，过去交易所人潮涌动，人工做市，后来交易所引入信息技术逐渐电子化，交易所变得空荡荡的，投资者的交易成本也随之显著下降。
2008年的金融危机爆发，程序化和高频量化交易都没有受到明显的指责。索罗斯，西蒙斯，保尔森等五位在危机期间赚了大钱的对冲基金经理被国会传召作证，媒体给出正面评价。
在2007年8月7-9日，美股发生连续三天“量化地震/黑天鹅”事件，多年行之有效的短期“逆向/反转”因子策略突然集体失灵，几大量化基金同时出现巨额亏损（高盛CFO David Viniar 说“我们连续几天看到25个标准差的波动。”），但同期美股标普指数表现正常。8月10日策略恢复正常，月底前收复失地。这件事情并没有造成对量化策略的态度改变，学界的主要反思是因子过度雷同和拥挤。换句话说，法玛的徒子徒孙太多了。
但2010年5月美股闪崩，道琼斯指数盘中几分钟内最大跌幅近1000 点、约 9%，随后 20 多分钟内收复大半，引发了学术界对高频交易原有理论的重新审视。时隔5年后美国才抓捕了肇事者，其采用的高频幌骗技术加剧了当天的崩盘，在五年内获利4000万美元，但2020 年 1 月他仅被判一年居家监禁。这件事情的真正后果是美国监管修改了多项交易规则，可以说，今天美股市场稳定框架的一半都是这次闪崩的遗产。
理论突破：交易制度会内生速度竞赛，恶化市场流动性
2015年，芝加哥大学经济学家埃里克·布迪什（Eric Budish）与合作者在《经济学季刊》（QJE）上发表了一篇影响深远的论文（2013年已经完成工作论文），给出两个反直觉的结论。第一，高频套利策略的总利润是固定的，最优策略是速度竞赛而不是价格竞争；第二，问题不出在高频交易者身上，而出在市场规则本身。
举例来说，前面提到的标普500ETF和E-mini期货合约之间套利的每年总利润围绕7500万美元波动，没有随竞争加剧而减少，这完全违背了经济学的基本常识（价格竞赛会将经济利润压到零）。这个固定的套利机会的总奖池，是由成交量和波动率决定，跟有多少家公司参与竞争无关。
速度竞赛并没有降低高频交易商的总利润，投资者其实并没有因为高频交易竞赛而获得显著的好处。过去学术界说的市场流动性提高，买卖差价缩小，总成本减少等等好处，其实主要来自交易所不断引入的信息技术，很难直接找到证据显示高频交易商在提高流动性方面的贡献。而且，信息技术引入带来的好处也集中发生在了1990年代末期到2000年代中期，这段时间高频交易还没那么流行。
新进入者不会把蛋糕分薄、让利于市场，只会把利润烧在更贵的服务器、更短的网线上，这是一场永不停止、对社会毫无产出的“军备竞赛”。例如，2010年6月，就在闪崩发生一个月后。芝加哥电讯公司Spread Networks宣布耗费3亿美元建成一条光纤通信连接纽约与芝加哥的金融市场，使得往返交易的信息传播时间从16毫秒降低到13毫秒，引发了广泛的舆论批评。
然而，就在社会为量化交易的利弊争论之际，金融公司已经开始建立微波通信（在空气中的传播速度比光速在真空中慢1%）代替光纤，高频交易的速度已经从毫秒、微秒时代迈向了纳秒（十亿分之一秒）。
全球资本市场的套利机会遍及各类资产和各个市场，布迪什等人估算仅美股市场每年可套利的利润就有几十亿到200亿美元。由此可见高频交易对参与者的强烈吸引力，然而对于其他投资者来说，高频交易并没有带来明显的好处，从社会角度来看，高频的速度竞赛是资源浪费。
类似的批评也开始在中国出现。中国最聪明的一批头脑，正在从实验室和工程一线流向交易机房。顶尖大学的数学、物理、计算机毕业生，原本可以去做芯片、做航天、做基础研究，如今却挤进量化私募，把天赋用在毫秒级的盘口博弈上。最稀缺的智力资源，正在从生产性领域流向再分配性领域。
布迪什等人最大的发现在于，上述高频交易市场的特征事实，以及高频交易商的行为，其实是现有交易制度造成的。现在全球主流交易所（包括中国）用的都是“连续双边拍卖”：时间连续流逝，订单按到达顺序逐笔撮合。他们证明，只要满足这两个条件，“速度套利”就是这个机制的内生产物：新信息出现时，旧报价在技术上已经过时，但还没来得及撤单，谁先抢到这笔陈旧报价谁就稳赚。这不需要任何内幕信息，纯粹比快。
与传统人工时代最大的差别在于，当交易电子化之后，电脑允许对交易时间进行无限细分。因此，高频交易商展开了速度竞赛，毫秒已经显得太长，微秒才有优势。套利交易的本质是基于公开信息来低买高卖，假如只有一个高频交易商，速度不是那么重要，它的最优策略就是成为流动性提供者，低买高卖获取利润。
但如果有多个高频交易商竞争，考虑到公开信息不断变化，现有制度下交易可以无限细分时间连续进行，那么就必须考虑两个交易选项：或者成为流动性提供者，或者成为“狙击”者：也就是当其他高频交易商的报价跟不上公开信息变化而选择“撤销”时，利用速度竞赛去“狙击”该报价（低价买高价卖），期待在其他人的“撤销”指令没来得及执行前取得成功。前面提到的美股闪崩的肇事者采取的“幌骗”技术，就是提交不打算成交的价格，然后迅速撤单，目的是扰乱其他高频交易者的策略。
由于速度竞赛下，每个人都可能被“狙击”，因此他们的最优定价策略，会产生买卖差价大于没有速度竞赛的情形，反而使得市场的流动性变得更差了。
布迪什等人开出的药方是把“连续双边拍卖”改为“频繁批量拍卖”：第一步，把时间也切成离散的格子（比如每100毫秒交易一次）；第二步，同一格子里的订单集中起来统一价格撮合，让“快一微秒”变得毫无价值。在理论上，这样两项小到让大部分人感受不到变化的修改，就可以完全消除“狙击”策略，高频交易商也不再需要为速度而竞争，而是转为价格竞争，真正促进市场流动性。
可惜的是，布迪什等人设计的这项交易制度，获得学界一致支持，但却遭到高频交易商的反对，至今被束之高阁。对原因感兴趣的朋友可以阅读笔者的文章《量化高频交易促进了市场流动性吗？》
重要的实证研究发现
近年来，关于高频量化交易的实证研究显著增加，笔者挑选一些重要的发现。细心的读者会注意到，下面提到的实证研究彼此之间的结论有冲突，这与数据来源不同有很大关系，此外也与学术期刊习惯发表不同结果的倾向有关。中国相关领域的文章刚刚起步，我们期待看到更多的关于中国量化实践的高质量研究。
军备竞赛的账单被算出来了。2022年，布迪什与英国金融行为监管局的研究者在QJE上发表了量化研究：他们用英国交易所的逐条报文数据（连失败的报单和撤单都能看到，相当于看见了“赛跑中所有的输家”），发现富时100指数成分股平均每天每只股票发生537次速度竞赛，超过20%的成交量卷入其中；速度套利对所有投资者征收的“隐性税”约为成交额的0.5个基点，占有效价差的三分之一；如果通过市场设计根除它，投资者的流动性成本可以下降17%。
伤害市场的是“速度不对称”，不是“速度”本身。2020年《金融学期刊》（JF）年度最佳论文，两位学者安德里·什基尔克（Andriy Shkilko）和康斯坦丁·索科洛夫(Konstantin Sokolov)做了一个绝妙的自然实验：前文提到的连接芝加哥和纽约的微波通信链路，在雨天会被干扰，雨天里高频公司之间的速度差异被抹平。结果发现，恰恰是这些日子，市场流动性改善了。也就是说，当大家都一样快的时候，快就没有伤害性；伤害来自一部分人比别人快。
可以说，中国交易所7月31日新规把对接高频量化机构的局域网更换成广域网，直接借鉴了这个研究。雨天实验证明，抹平速度差异会改善流动性，而这次调整做的正是抹平速度差异。同时它又不是布迪什主张的根治方案：连续时间、逐笔撮合的机制原封未动，速度竞赛没有消失，只是竞争的门槛被拉平了。以后比的是谁的算法和柜台系统更快，而不是谁买得起机房里的位置。套用布迪什的话来说，军备竞赛继续，但至少不再有人能花钱买枪。笔者非常期待交易所的研究人员，对比这次规则调整前后的数据，做一个类似的研究。
高频交易在极端行情里是稳定器，但有副作用。2018年《金融经济学杂志》（JFE）的研究发现，在股价暴跌等极端波动中，高频交易者总体上是流动性的净提供者：他们在接盘，而不是砸盘。这与公众“高频加剧崩盘”的直觉相反。但硬币的另一面也有证据：高频交易会增加股票之间的联动性（2019年JFE），算法交易会减少投资者对基本面信息的生产，价格反应更快了，但价格里包含的深度信息可能变少了（2018年《金融研究评论》RFS）。
A股量化交易的影响是非对称的。中国证据最近几年才出现，因为学界此前拿不到逐笔委托数据。2025年12月《经济研究》发表的研究（屈源育、William Cong、吴卫星）用2015–2023年A股逐笔数据发现，量化交易的影响是非对称的：平时它提供流动性、加快价格发现，能降低个股的极端损失风险；但它的策略趋同属性会增强个股风险向整个市场的传染，尤其在情绪高涨、投机属性强的时候。同一研究还发现一个对监管很有启发的结果：加强信息披露类监管能有效抑制风险传染，而“一刀切”地限制量化交易，在部分时点反而会削弱它提供流动性的功能。
中国散户在日度频率上拿走市场的流动性。A股散户众多，交易频繁，因此，很多金融专家也错误认为中国股市从来不缺乏流动性，不需要高频量化来提供流动性。坦率讲，中国的金融专家绝大部分属于宏观金融与制度金融（包含货币银行专家，金融法专家），并不了解微观金融。真实的情况是，A股散户贡献 80% 以上成交量、但以短线动量为主，不但不为市场提供流动性，反而拿走流动性。
施东辉，张晓燕与合作者用上交所2016–2019 年 5300 多万个账户的完整交易与持仓数据，发现300万以下的账户（占账户数的99%）在日度交易上追涨杀跌（动量/趋势交易），是流动性的索取者；超过300万的账户和机构低买高卖（逆向/反转交易），是流动性的提供者。换句话说，追涨杀跌的小散是流动性的“付费使用者”，大户和机构是流动性的“收费供给者”。结果很糟糕，散户买入的股票次日平均下跌，卖出的股票次日平均上涨，他们在日度上系统性地站在了反转的错误一侧。研究也发现，散户这个身份在周度频率上会掉转过来，同一批散户在周的尺度上低买高卖（被套后死扛、跌多了补仓），客观上为大户和机构提供了对手盘（2025年《金融与定量分析杂志》JFQA）。
7月31日新规到底改变了什么？
现在可以回到开头的问题了。把前面所有拼图放在一起，7月31日的调整可以这样定位：
这是一次“平权”，不是“封杀”。调整的全貌是：交易所托管机房内，行情接入从“机房局域网直连”（只有托管机构能用的VIP通道）统一为“广域网专线”（所有人都走一样的路）。时延增加的幅度，业内人士的可靠口径是几十到几百微秒。它不禁止任何策略、不针对任何机构类型，改变的只是付费买机房位置就能获得行情速度特权这件事。
它是组合拳的最新一环。孤立看这次调整会误判其分量。2025年下半年以来，监管对“速度基础设施”的规范是系统推进的：期货交易所要求高频客户2026年2月底前迁出托管机房；券商独立交易单元整改，不得由单一账户独占；沪深交易所先后规范广域网接入标准。7月31日关掉行情局域网通道，是把“速度平权”从制度层面落实到了物理链路层面。
影响是高度分层的。受影响最大的是依赖那几百微秒行情的超高频策略：盘口套利、订单流策略、部分期货做市策略需要重新回测调参，部分策略的超额收益会明显缩水。而占行业规模主体的指数增强、市场中性、多头选股等中低频策略，多位头部量化私募公开表示影响有限：这些策略拼的是研究不是速度，且行业过去几年本就在主动降频。普通散户则完全无感：散户的行情本来就走互联网链路，从未沾过机房局域网的边。
真正值得观察的在后面。一是市场微观结构的变化：未来几周高频活跃标的的盘口深度、撤单率、买卖价差会不会改变。这既是评估政策效果的关键，也是一个天然的学术研究事件窗口。二是监管的下一步：市场人士普遍预期高频认定阈值可能进一步下调、差异化收费继续优化、策略同质化风险监测强化，券商交易信息系统接入的自律管理文件也有望年内出台。量化监管思路已经相当清晰：不消灭量化，而是把量化从“拼硬件、拼速度”赶回到“拼研究、拼alpha”的赛道上去。
散户被量化收割了吗？
“量化割韭菜”是近年A股最有情绪号召力的说法之一。要理性看待这个说法，得把三笔账分开算。
第一笔账：量化收割了散户的行为偏差。这是真的，但因果要搞清楚。散户的频繁交易、追涨杀跌、彩票偏好、处置效应系统性地制造定价错误，这本来就是“韭菜”的根源。账户级数据研究确认，在中国市场，机构和大户确实系统性地从散户手中赚取收益（详见笔者的文章《超大数据揭开A股99%股民长期亏钱的真相》）。量化基金只是收割这块“行为alpha”时更高效、更不带情绪的机器。
韭菜不是因为量化才成为韭菜的。没有量化，这块超额收益也会被游资、大户、内幕信息优势者拿走，只是拿得更粗糙。真正的问题不是“谁在割”，而是散户为什么持续产出这块alpha？这是投资者教育和市场成熟度的问题。换言之，散户最大的敌人，从来都是自己。其他竞争对手和批评对象，都只能排在后面的位置。
第二笔账：速度税。这是真伤害，但中国散户基本缴不到。高频交易从陈旧报价和订单流里赚取的速度租金，本质是向所有市场参与者征收的隐性税。但这笔税的主要承担者是使用大额算法单的机构（公募、险资、外资），因为它们的大单必须拆小逐笔执行，订单流信息会泄露在盘口上被高频策略读取。散户的单子小，一笔就成交了，暴露在订单流里的信息很少。而且中国由于行情快照慢、T+1、单一交易所等制度天花板，这笔税的规模本就远低于美国；2025年以来的报撤单差异化收费，等于监管又对高频直接加了一道税。
第三笔账：稳定性。平时是朋友，危机时可能变成放大器。平时，量化交易缩小价差、加深盘口、加快价格发现，散户的交易成本因此下降。但2024年2月的微盘股危机暴露了另一面：当大量量化基金持有相似的小微盘头寸、使用相似的风控阈值时，市场一旦反转，机器会同时触发减仓。人会犹豫，机器不会。2024年2月，一家头部量化私募在开盘后42秒内卖出13.72亿元深市股票，造成指数大跌，被交易所暂停交易并公开谴责，就是这个机制的真实案例。
虽然有学者和散户一样批评量化策略同质性会加速市场下跌，放大波动（不过，对于策略同质性也可能加速市场大涨，他们就缄口不言了）。但我们必须清醒地认识到，法玛的徒子徒孙就是多，策略趋同是大家心甘情愿的理性选择，市场均衡的自然结果。换句话说，量化机构在明明知道要承担“过度拥挤与挤兑危机”的风险下，仍然选择与风险匹配的同质化策略，因为这样做要比选择差异化策略，对业绩表现更加有利。想靠监管的行政限制去消除这个自愿选择是无法实现的，监管能做的是管好杠杆、提高透明度、防止踩踏外溢成系统性事件。
总结来说，量化对散户既不是天使也不是魔鬼，它更像一面镜子，它放大了市场里原本就存在的东西：散户的行为偏差、机构的执行成本、以及极端行情里的集体脆弱。
顺带说一句，散户以及一些金融专家对量化的批评，往往与对做空的批评联系在一起。幸运的是，全球多个资本市场都在危机期间尝试过限制做空，学术界对此也展开了非常丰富的研究。结论几乎是一致的：限制做空通常会加大市场和被限制板块的下跌速度，达不到预期的效果。对这个话题感兴趣的朋友，可以参考笔者的文章《禁止做空会阻止股市下跌吗？》和《禁止做空会刺激股价上涨吗？》。
美国散户如何应对量化交易？
“量化割韭菜”这个说法之所以有市场，是因为它提供了一种心理安慰：亏钱不是我自己的问题，是有坏人用高科技害我。但数据不支持这种安慰。A股散户“七亏二平一赚”的说法流传了几十年，远在量化私募崛起的2019年之前，散户的收益结构就已经如此。
更说明问题的是美国的对照。量化交易占美股成交量一半以上、普及了二十多年，按理说美国散户应该被“割”得最惨。但美国独立研究机构DALBAR连续三十多年的“投资者行为定量分析”（QAIB）报告发现了一个尴尬的事实：美国散户跑输市场的幅度，和他们交易市场的量化程度没有多大关系，和他们自己的行为高度相关。
截至2023年的三十年里，标普500年化收益约10%，而平均股票基金投资者只拿到约3.6%到7%；2025年这个差距收窄到0.72个百分点，是1985年以来第三小。这可不是因为量化变仁慈了，而是因为越来越多的美国散户放弃了择时和频繁交易，老老实实持有指数基金。
DALBAR报告和晨星公司“Mind the Gap”研究的结论一致：投资者实际收益与基金本身收益之间的缺口（每年约1到4个百分点），几乎全部来自投资者自己的高买低卖、追涨杀跌。这个缺口在有量化的市场存在，在没有量化的市场同样存在。量化不是散户亏钱的原因，只是散户亏钱时最容易找到的替罪羊。
美国在量化普及的环境下散户收益尚可，拆开看有三个原因，每一个都值得A股制度设计者，监管者和散户深思。
第一，美股底层资产本身足够好。很多人认为美股长牛的主要原因在于制度优势，实际上这个说法并不完全准确，美股长牛的最重要原因在于上市公司为股东赚钱的能力强。照搬美国制度不难，但拥有强大的上市公司却并不容易。中国股市的制度问题清单可以列很长——退市制度、减持、再融资、信息披露——但“上市公司整体利润率不高”这一条，恐怕是最底层、最少被提及的一条。它解释了为什么A股牛短熊长，估值可以靠情绪短期推高，但长期必须有利润增长来接住，而低利润率意味着接不住。那种认为中国股市只要修改制度，就能创造散户赚钱的环境，初心虽好，但实际上很不现实。中国企业赚钱能力弱的病根，出在股市之外。
第二，美国散户大多不直接下场搏杀。他们通过401(k)养老金计划和指数基金间接持股，换手率极低。他们赚的是“公司盈利增长”的钱（beta），而不是“交易对手犯错”的钱（alpha）。当你在赚beta的钱时，量化基金不是你的对手，反而是你的做市商——它让你买得更便宜、卖得更容易。
第三，即便在美国，坚持短线交易的散户照样输。DALBAR的三十年数据就是证据。换句话说：决定散户收益的不是市场里有没有量化，而是散户自己站在哪张牌桌上。坐在“长期持有、赚企业成长”的桌子上，量化与你无关；坐在“日内短线、追逐热点”的桌子上，你就是量化模型训练数据里的一行记录。
散户该怎么办？
散户与其发泄情绪，浪费精力，总是指望监管把量化全部赶走，不如把精力放在自己能改变的事情上。
笔者曾详细分析了散户交易的坏习惯：过度自信、追涨杀跌、频繁交易、彩票偏好、处置效应、听信小道消息。这些偏差不是散户的个性问题，是人类大脑的默认设置，但知道它们存在，就是克服它们，改变行为的第一步。
告别负面清单，散户要学会正面掌握投资技能。
首先，看懂行业趋势和公司基本面。一家公司值不值得买，取决于它所在的行业有没有前景、它在行业里有没有定价权、它的利润和现金流是真是假。这些信息都在公开的财报和公告里，不需要内幕，只需要耐心和常识。
其次， A股市场整体的盈利质量参差不齐，学会选股或者构造策略才更有价值：A股里同样存在高ROE、有定价权、现金流扎实的公司，找到它们、在合理估值买入、耐心持有，这才是散户在量化时代真正的护城河。一条量化基金自己也在用、且永远抢不走的护城河。记住，估值不需要算得多精确，常识就足够：一家公司的市盈率远高于它的利润增速和历史区间时，就已经在透支未来；而当优质公司因为市场恐慌跌到合理估值以下时，机会就出现了。
散户如果学习一些简单的因子策略（例如观察创业板指数与中证红利指数的比值），就很容易发现长期有效的策略。笔者在《投资必修课》里介绍了因子策略和资产配置的方法。
最后，也是最核心的一条是：承认自己在速度、数据、算力上没有优势，就主动退出短线博弈。散户在短线交易里对抗的从来不是某个具体的量化基金，而是整个市场里所有人的订单流信息，这场比赛在开始前就已经输了。把持有周期拉长到以月度，季度，年度为单位，量化的所有速度优势在你面前就自动失效了。
结 语
从1952年马科维茨的一篇论文开始，量化交易七十多年走过的路，本质是技术与市场制度不断互相塑造的历史。海外的经验告诉我们：当市场规则制造速度租金时，资本会毫不犹豫地投入军备竞赛，而监管如果指望市场自我纠正，可能永远等不到那一天。7月31日的新规提供了一种实验：用行政力量直接拆掉速度特权的基础设施，把公平性置于效率之上，再观察市场如何重新找到平衡。
这场实验的结果还没出来。但有一点已经清楚：量化交易既不是散户亏损的原因，也不是市场问题的替罪羊，它是市场这个生态系统演化出的一种高级物种。从监管和交易所的角度来说，消灭它代价巨大且没有必要，驯化它则需要对交易细节有真正的理解，特别是尽早向公众公开数据，避免错误的认知广泛流传。对散户来说，如果不能冷静看待和克服自己的投资错误，停留在对量化的情绪发泄中越长，对自己的伤害也会更深。对量化机构来说，与其埋头赚钱沉默不语，不如坦率面对公众的质疑，科普量化交易的真实面貌，这有助于促进整个市场的成熟度与健康发展。
参考文献
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 年度报告
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、吴卫星（2025），“量化交易与金融市场稳定——基于逐笔委托数据的分析”，《经济研究》