随着人工智能技术的飞速发展，量化交易在全球金融市场中所占比重日益攀升。然而，AI驱动的量化交易在提升市场效率的同时，也带来了算法趋同、市场波动加剧、信息不对称等新风险。近日，南京大学商学院教授安同良在接受采访时指出，当前监管体系尚未充分适应AI量化交易的独特性，亟需从技术、制度、伦理三个维度建立新型监管框架。

量化交易：效率与风险的“双刃剑”

量化交易利用数学模型和计算机程序进行自动化投资决策，早已不是新鲜事物。但在AI时代，深度学习、强化学习等技术的引入，使得量化策略的复杂性和自主性大幅提升。安同良教授分析称：“传统量化交易依赖人为设定的规则，而AI量化交易具有自学习和自适应能力，甚至可能产生交易员也无法完全解释的行为模式。”

数据显示，目前美国股市中量化交易占比已超过70%，中国市场的量化交易规模也在快速扩张。高频交易、算法套利等策略在提供流动性的同时，也曾引发“闪崩”等极端事件。2010年的美股“闪电崩盘”、2021年GameStop逼空事件背后，都有量化交易的身影。“AI放大了个体策略的市场影响，一旦多个算法同时做出相似决策，可能引发系统性风险。”安同良强调。

监管困境：技术与制度之间的“时差”

当前，全球主要金融市场的监管框架大多基于传统人工交易或简单算法交易设计。安同良认为，这种“追赶式”监管存在三大痛点：

一是算法“黑箱”问题。AI量化模型往往具有极高复杂性和非线性特征，监管机构难以穿透审查策略逻辑，无法预判潜在风险。二是责任归属模糊。当AI自主交易导致异常波动时，究竟是开发者、使用者还是算法本身承担责任？现有法律尚无清晰界定。三是跨国监管协调困难。量化交易可在毫秒级内完成跨市场套利，各国监管标准不一，容易形成监管套利空间。

安同良特别指出：“与欧美相比，中国量化交易监管起步较晚，但后发优势在于可以借鉴国际经验，避免重蹈覆辙。”

构建“三位一体”监管新框架

针对上述问题，安同良提出了“技术赋能监管、制度规范行为、伦理引导价值”的综合性建议。

在技术层面，他建议推广“监管沙盒”机制，允许量化策略在受控环境中测试运行；同时开发“算法审计”工具，利用AI反制AI，对交易策略进行实时压力测试和风险扫描。“监管部门应要求量化机构提交算法关键参数和训练数据，建立‘算法注册制’。”

在制度层面，安同良主张实行分级监管：对高频交易设置最低持仓时间和报单撤单率限制；对使用强化学习等高级AI技术的策略，要求安装“熔断开关”，当市场波动率超过阈值时自动降速或暂停交易。他还提议设立“市场稳定基金”，对因算法错误造成的异常亏损进行部分补偿。

在伦理层面，安同良呼吁行业自律组织制定《AI量化交易伦理准则》，明确禁止诱导性算法、幌骗交易等行为。“技术中立不等于价值中立，AI交易系统绝不能成为操纵市场的工具。”

展望：平衡创新与风险是长期课题

安同良最后表示，监管的目的不是抑制技术创新，而是让AI量化交易在更加透明、公平的环境中发展。“这需要监管者、学界、业界三方持续对话，动态调整规则。”他透露，其团队正在研究基于区块链的“透明量化交易”模型，以解决算法黑箱问题。

随着ChatGPT等大模型被尝试应用于投资决策，AI量化交易的监管议题只会更加紧迫。南大教授的思考，无疑为这场“智慧与规则”的博弈提供了有价值的路径参考。