钟维、钱程：程序化交易规制框架的类型解构与路径优化

中国大陆证券期货市场程序化交易规制框架已初步建立，但其有效性仍需深入评估。从比较法视角观察，程序化交易规制框架存在规则型、原则型与混合型三种类型：规则型框架虽具确定性优势，但存在体系僵化、建构成本高等缺陷；原则型框架虽满足规制弹性需求，却因无法提供具体指引而鲜有实践；混合型框架因兼容规则与原则的双重优势，成为主流范式。合理建构混合型框架需兼顾纵横两个维度：横向上，应根据规制对象特征匹配工具类型，其中演算法规制宜采用原则性规范，而资讯规制、公平性规制及行为规制需配套具体规则；纵向上，需依据风险等级实施差异化规制，对高频交易与机器学习演算法等高风险领域强化规则约束。中国大陆现行框架总体符合上述格局，但仍需从四方面完善：增加资讯规制的弹性空间、提升演算法规制的精细程度、细化公平性规制的具体路径、补充行为规制的责任类型。同时，中国大陆需因应于风险分级理念，对高频交易及机器学习演算法采取更严格的规则约束。

关键词：程序化交易、规制框架、高频交易、量化交易、演算法交易

程序化交易规制框架的差异化形态，实质上映射着规制工具与市场生态的适配关系。根据各国规制框架的建构规律，规制框架中原则与规则的配置主要呈现出横向维度与纵向维度交织而成的格局：其中，横向维度关注程序化交易项下的不同问题，根据规制对象的不同特征实施分类治理；纵向维度聚焦程序化交易演算法的差异化类型，依据其风险等级采取分级规制措施。程序化交易规制框架的纵横维度，是金融监管领域关于原则与规则配置理论的体现。

一、横向维度：程序化交易规制对象的分类治理

为规制程序化交易的风险，各国普遍采取提高程序化交易透明度、控制程序化交易演算法风险、消除程序化交易者不公平性、禁止程序化交易者违法行为等举措。以具体规制对象为标准，以上举措可以被概括为资讯规制、演算法规制、公平性规制以及行为规制。由于这四类规制对象存在特征上的区别，其规制目的也存在差异，相应规制框架中规则与原则的配置应当体现出不同比例，以实现法律工具理性与价值理性在具体规制场景中的动态平衡。

第一，资讯规制应当以规则为主要工具。资讯规制是其他规制手段的前置程序，其目的在于缓解资讯不对称，为其他规制手段提供资讯基础，这在程序化交易中主要体现为报告制度。程序化交易具有技术依赖性及策略隐蔽性等特征，为保障监管机构的实时监测能力，程序化交易者的资讯报告必然需要具备明确性和稳定性，避免其因原则的模糊性而偏离报告要求。从运行实践来看，程序化交易的主体资讯、财务资讯和技术资讯具有可标准化的特征，能够较为确定地反映程序化交易者的风险状况；程序化交易者的资讯必然首先进入证券期货公司的交易系统，再进入到交易所，程序化交易者的资讯报告的路径也具有固定性。因此，程序化交易资讯规制的特征与规则的优势相适配。从具体实践上看，美国《证券交易法》的大型交易者报告制度、欧盟《市场滥用指令》及配套的第22号监管技术标准的资讯报告制度、日本《金融商品交易法》的高频交易者注册制度等资讯规制举措，均以具体规则的形式规定了资讯报告的主体、内容、路径等要素。

第二，演算法规制应当以原则为主要工具。演算法规制旨在减少程序化交易演算法的外溢风险，平衡技术创新与市场稳定。程序化交易演算法具有自主演化性、不可预测性及技术黑箱性，这使得演算法的具体行为模式难以在事前被完全认知。「技术发展的无限可能与公共政策的有限理性之间的矛盾是演算法监管难题的深层动因。」为应对程序化交易演算法的特征，法律原则更能透过价值指引而非行为约束的方式实现良好的风险控制：一方面，法律原则的弹性更能适应复杂技术，规制主体只需要求程序化交易者建立动态监测体系，具体技术参数则可由其根据自身情况自行设定；另一方面，法律原则更能发挥伦理整合功能，将「公平性」「非歧视性」等伦理价值嵌入演算法设计框架，促使程序化交易者自身形成适当的治理理念。因此，各国在针对程序化交易演算法进行规制时，通常会采用较为原则性的表述。例如，澳大利亚证券和投资委员会（ASIC）发布的《电子化交易监管指南》在规定程序化交易系统的合规要求时，以「适当」作为自动指令审核系统的主要标准。美国证券交易委员会也强调，提供市场准入的经纪交易商，应建立并维护合理设计的风险管理和监督控制程序系统，以管理程序化交易的财务、监管和其他风险。

第三，公平性规制应当着重体现为规则。一般而言，法律层面的公平指向机会公平，各类交易者平等地享有资讯、交易基础设施等资源。程序化交易者在演算法维度的优势主要是技术创新的结果，不必然排除其他程序化交易者和普通交易者的交易机会，不应是公平性规制的对象。真正需要关注的对象，一是基础设施对不同程序化交易者机会公平的影响，例如程序化交易者与交易所系统接入的时间延迟、主机托管的物理距离等技术因素；二是交易工具导致的市场全体交易者的交易收益转移，例如程序化交易者利用速度优势进行的抢先交易。为消除基础设施对机会公平的差异影响，需要设置明确的技术参数标准，对基础设施的使用方法进行定量规制。此时，法律规则有助于实现平等的技术条件，消除交易所对部分程序化交易者的不公平待遇。实践中，印度对交易者服务器距离交易所的最短物理距离进行了规定，还要求交易所的行情数据在相同时间、包含相同内容地向所有市场交易者发布。为了避免程序化交易者利用演算法转移收益，需要透过技术措施改变市场交易机制，这也必须借助规则而非原则实现。例如，若将市场交易的撮合机制由连续竞价修改为批量竞价，交易订单就不再按照到达交易所的顺序进行撮合成交，而是同一时段内到达的订单批量成交，以此消除程序化交易者的速度优势，降低抢先交易的影响。

第四，行为规制的要件需要透过规则制定。行为规制的核心在于界定、发现和消除程序化交易中的违法行为，限制程序化交易者滥用其市场优势地位。通常而言，行为规制需要以各种法律责任作为工具。但在面对程序化交易复杂的行为形态和因果关系时，民事诉讼原告常常难以充分举证，民事责任难以适用。因此，行政责任、刑事责任等公法责任应当作为治理违法行为的主要工具。公法责任以明确性为基本要求，这不仅是出于权利人保护的必要，也旨在防止公权力滥用裁量权。因此，界定程序化交易违法行为的任务，应当主要由规则承担，法律原则在此方面仅能承　担补充解释的功能。例如，在美国的规制实践中的闪电订单，由于其存续时间极短，仅能由程序化交易者发现，由此可能导致市场的分层化，损害其他交易者公平交易的权利，因而被直接禁止。欧盟则在《市场滥用指令》第12条第2项第（c）款中，以较为明确的规则语言，界定了程序化交易场景下的市场滥用行为。

二、纵向维度：程序化交易演算法类型的风险分级

在数位化时代，各类演算法可能造成不同程度的风险，风险导向规制（risk-based regulation）已成为重要规制理念。该理念要求演算法风险等级与规制措施强度相匹配，其实质上涉及规制框架中原则与规则的配置结构。程序化交易作为典型的演算法驱动领域，也应当适用这一风险导向的规制理念。

（一）演算法风险影响规则与原则配置的原理

演算法因应用场景的差异性存在侵害多元法益之风险，其风险等级可根据危害后果的严重程度、损害结果的可逆性、风险实现的概率系数以及受影响群体的范围特征等要素进行科学分层。风险等级与规制资源的投入存在成本收益方面的紧密关联：规制高风险等级的演算法时虽需投入更高成本，但能显著提升风险控制效能，增加规制收益，实现边际收益递增；反之，低风险演算法规制则呈现成本和收益的边际收益递减。为回应这一规律，在明确规制对象风险等级的前提下，风险导向的规制方法既能够避免「一刀切」式规制对技术创新造成的过度抑制，又确保高风险领域能够获得充分有效的法律约束。在具体制度设计上，规制框架可以透过「规则—原则」的动态配置，实现规制成本与规制必要性的匹配。低风险演算法的规制必要性较低，规制主体宜以原则为主要工具，透过赋权市场主体实施自主治理，降低行政干预成本。高风险演算法则须建构以具体规则为主导的规制体系，透过明确的行为指引和强制性规范降低系统性风险。此种分级治理模式既能有效控制高发风险，又可避免对技术创新施以过度管制，实现安全价值与发展价值的动态平衡。

作为以「原则—规则」配置影响风险导向规制框架的具体实践，欧盟《人工智能法》即以此为核心方法，根据人工智能系统可能引发的风险强度与影响范围，建立与之相匹配的差异化规制体系，从而实现规制强度与风险等级的相称性。在该理念的指引下，《人工智能法》以潜在危害发生的概率与损害严重程度为双重标准，将人工智能系统划分为不可接受风险、高风险、有限风险与最小风险四个等级。对于部分具有不可接受风险的人工智能系统，《人工智能法》采取绝对禁止立场，全面禁止该类别人工智能技术的开发与应用，并透过设立负面清单制度强化禁令执行。这一过程呈现出强烈的规则导向。高风险系统则须接受事前准入监管，需建立市场准入前强制合规审查机制，涵盖演算法影响评估、技术文档备案、数据治理规范等系统性要求。尽管高风险系统的规制仍然涉及诸多具体规则，但相较于不可接受风险系统，其规制强度已经透过原则获得部分缓和。而针对有限风险和最小风险的人工智能系统，其在市场准入、资讯报告、记录留存和内部控制等多方面获得义务豁免，主要透过行业自治组织制定自愿性行为准则，引导系统开发者和使用者遵循透明度、可解释性等伦理标准。「也可以说，对于此风险类型而言，该法采取了一种『基于原则』的监管路径，强调自愿式的软法规制。」

（二） 程序化交易场景下的风险分级

程序化交易同样适合于采取风险分级的规制思路，因为程序化交易所使用的演算法对证券期货市场及其中的交易者也存在不同的损害程度，从而可以划分为多层风险等级。更为重要的是，理论上已经基本能够建立程序化交易与各类损害后果的简单因果关系，这使得程序化交易的分级规制具备重要前提。

在各类程序化交易演算法中，风险最低的类型是执行演算法，因为其侧重于交易指令的执行，透过拆分订单以降低交易成本，引发风险的概率相对较低。当然，执行演算法可能因发送指令过多而引发交易所系统过载，也会因演算法操作故障而产生错误交易等市场风险，因此，多数法域并未将其排除在程序化交易的规制范围之外。与执行演算法相比，交易演算法的风险等级更高，其由计算机根据市场资讯自动生成交易指令，透过评估或预测市场状态而藉此获得买卖价差。由于交易演算法不再受限于执行确定的交易指令，其可以利用市场资讯完成被动做市、统计套利等更为复杂的交易活动，这也成为了程序化交易破坏市场秩序、损害市场诚信的根源之一。因此，交易演算法将产生更为广泛的风险，其风险等级应当高于执行演算法。然而，一般的交易演算法和执行演算法速度较慢，其主要透过操纵市场等滥用行为造成市场风险，多数法域并不会严格区分二者的风险等级，而是采用一体规制的思路。

风险等级更高的类型是高频演算法。高频交易通常被视为程序化交易的子集，因为其演算法的运行原理仍是执行演算法和交易演算法。其特殊之处在于交易的高速度和高频率，交易指令不仅可以快速传递至交易场所，而且其中往往包含庞大的指令资讯。因此，各国在界定高频交易时，普遍将高资讯率作为其主要特征。当然，高资讯率也可能由委托下单等因素而导致，为此，各国往往会加入其他条件，以排除非高频交易。例如，高频交易的高资讯量由各类工具所支撑，交易者一般透过交易基础设施减少网路延迟，利用演算法技术提高决策速度，有的法域遂将该类要求纳入高频交易的定义。也有法域从高频交易的策略出发，提出高频交易应具有日换手率高、持仓时间短等特征。各国之所以寻求对高频交易的精确定义，是因为高频交易存在更强的规制必要。高频演算法在为证券期货市场提供大量流动性的同时，也为高频交易者提供了抢先交易的机会和欺诈交易的工具，甚至可能引发证券期货市场的剧烈波动，其争议性远大于前两种演算法类型。基于其高风险的属性，各国在规制高频交易时，普遍提升了规则的强度与密度。在积极规则方面，使用高频演算法的交易者必须遵守注册要求、揭露要求，应当支付一定的金融交易税费，还需要在公司治理方面满足最低注册资本、最低净资产等具体规则。在消极规则方面，闪电订单等特定类型高频演算法的使用直接遭受禁止，或者需要承担高额罚款。

风险最高的类型是机器学习演算法。从演算法参与决策的程度来看，演算法支持决策（algorithm-based decision）仅是使用演算法为人类决策提供资讯支持；在演算法驱动决策（algorithm-driven decision）中，演算法输出显著限制人类实际决策能力，但最终控制权仍属人类；而在演算法决定决策（algorithm-determined decision）过程中，人类无需介入决策程序，其完全由演算法自动化决策。由于演算法介入程度不断加深，决策的可认知性和可归责性持续减弱，演算法决定的决策风险几乎无法被外部人认知。因此，德国数据伦理委员会建议对该类演算法实施最严格控制，包括但不限于直接禁止、设置实时监管接口等。执行演算法、交易演算法乃至高频演算法，都仍然属于演算法支持决策或演算法驱动决策，因为人类仍能透过预先参数的设置限制演算法运行的路径和目标。但机器学习演算法的路径难以被预测，这将产生极高的监管成本，可能引发连锁性的破坏后果，甚至可能受到直接禁止。

三、纵横维度下对中国大陆规制框架的检视

程序化交易规制框架建构的纵横维度揭示了规制工具与市场生态的内在关联。借助于该理论规律，中国大陆在检视现行规制框架时，可以立足于程序化交易的本土要素，实现法律规范的本土化调适，进而获取契合中国大陆证券期货市场发展需要的优化进路。

（一） 横向维度之检视

从规制对象上看，中国大陆基本与国际相接轨，区分了资讯规制、演算法规制、公平性规制和行为规制四个方面内容。在资讯规制方面，中国大陆以部门规章和自律规范等多层次法规，详细地建构了程序化交易报告制度的规则体系，体现出极为强烈的规则导向。在演算法规制方面，中国大陆规范显示出较为明显的原则色彩。透过实施内部管理型规制，中国大陆要求程序化交易者建立合理的治理结构、采取审慎的审核程序，将程序化交易的风险内化。在公平性规制方面，中国大陆规范中的原则比例较高，规制主体更倾向于以「安全、公平、合理」等原则提供指导，而非以明确规则界定何种情形构成「公平分配资源」。在行为规制方面，中国大陆规范明确了异常交易行为的特征，其他违法行为则需要依据《证券法》《期货和衍生品法》等法律进行判断，从规范弹性上看，行为规制更偏向于较为具体的规则。

尽管中国大陆现行规制框架与国际主流实践类似，但我们还应当关注程序化交易规制的本土化需求。中国大陆程序化交易者的合规经验不足、行业自律机制缺位，且监管机构对规制方式的既往探索以报告制度为主，其他领域经验有限。为此，中国大陆更适宜对程序化交易采取较为严格的规制态度，透过更高的规范密度和规范强度约束程序化交易者的行为，降低程序化交易的风险。以此观之，现行规制框架可能难以满足中国大陆的实践需要：就演算法规制而言，中国大陆法律规范过于原则化，程序化交易者难以直接根据既有规范设计出有效的内部治理机制，从而可能增加监管机构的审查成本，并且提高引发市场风险的概率；就公平性规制而言，中国大陆在公平性规制层面的做法与国际主流实践存在区别，尽管这可能是由于中国大陆计划透过更为详细的自律管理规则进行规定，但这依然使得中国大陆目前的公平性规制体系较为粗略，容易引发市场对程序化交易公平性的质疑；就行为规制而言，中国大陆虽然已经呈现出一定的规则导向特征，但其规范密度仍然难以适应于程序化交易的特征，这可能导致监管机构或法院难以准确适用法律。资讯规制虽也存在一定问题，但与其他领域相反，其问题在于规则比重过高。过于明确具体的规则可能会减少监管机构的资讯来源，导致监管机构的资讯基础不充分，后续的规制功能难以发挥。因此，更具弹性的资讯规制手段能有效强化监管机构的规制基础，这恰恰符合严格规制的内在要求。

（二） 纵向维度之检视

在风险分级方面，中国大陆程序化交易规制框架同样采用了风险导向的规制理念，按照风险等级将程序化交易区分为量化交易、演算法交易和高频交易三种类型。其中，量化交易主要是指按照设定的策略自动选择特定的股票和时机进行交易；演算法交易主要按照设定的演算法自动执行交易指令。二者基本上能够分别与「交易演算法」和「执行演算法」相互对应。

然而，现行规制框架对风险分级理念的贯彻不够全面，在部分规制领域有所缺失。首先，三种类型的区分主要在资讯规制中体现，其对应的报告内容随着风险等级的提高而逐渐增加或细化。其次，公平性规制中区分了高频交易和其他程序化交易，交易所可以对高频交易实施差异化收费策略，以此反向激励高频交易者。在行为规制层面，风险分级的理念主要体现于交易所对高频交易的重点监控，并要求对高频交易者的异常交易行为从严管理。现行规范未针对高频交易和机器学习演算法设置特殊的违法行为类型，而是将其纳入现有责任框架。唯在演算法规制方面，风险分级的理念未得到明确体现，各类程序化交易都适用宽松的原则型规制。然而，演算法规制是程序化交易规制的重要环节，对于降低程序化交易风险，减少程序化交易导致的损失具有关键意义。现行的演算法规制框架以量化交易和演算法交易作为预设的规制类型，对高频交易和机器学习演算法的规制尚不充分，可能导致程序化交易产生严重的风险外溢。

纵横维度审视之下，中国大陆现行规制框架虽然整体合理，但仍存在改善空间。具体而言，中国大陆需秉持分类治理、风险分级的规制理念，着力完善程序化交易的规制框架，切实提升规制措施与市场监管的适配度和有效性。

一、分类治理理念下规制框架的优化

从对中国大陆程序化交易规制框架的理论分析来看，既有的规制框架仍存在一定改善空间。透过适当调整各类规制手段中原则与规则的配置，能够使其更加符合实践需求。

（一）资讯规制

在资讯规制领域，应当在监管机构主动收集资讯部分呈现出适当的原则性。中国大陆程序化交易报告制度由程序化交易者报告资讯和监管机构收集资讯两部分构成。前者基于成本收益平衡的逻辑，以统一规范设定报告路径、内容与标准，确保交易者负担可控；后者则旨在弥补交易者主动报告机制的静态局限，透过动态调整资讯收集范围应对市场复杂性。因此，在监管机构主动收集资讯部分配以适当的原则性条款，能够有效缓和资讯规制整体的过度刚性。例如，欧盟《金融工具市场指令》第17条第2项即授权监管机构根据市场异常波动，要求交易者补充报告演算法参数或交易日志等关键资讯。中国大陆可借鉴此类机制，允许监管机构在具备合理目的时，要求程序化交易者增加或细化其报告的资讯内容。具体而言，中国大陆规范可以要求程序化交易者承担演算法解释义务，以合理、清晰、真实的语言解释演算法主要参数与演算法决策结果之间的因果关系，满足监管机构必要的规制需求。

（二）演算法规制

在演算法规制领域，应当进一步细化其规则构成、提供明确指引。域外国家或地区普遍强化了监管机构在演算法规制层面的规则制定权，对程序化交易者的治理结构和程序实施较为详细的业务标准，限缩程序化交易者的自由裁量权。这是因为，适度强化对程序化交易者治理的规范有利于促使其合理内化演算法风险，避免其将风险转嫁给其他交易者，从而提高整体效率，降低整体市场风险。对此，中国大陆应当提升演算法规制的规范密度，增强规范强度，引导中国大陆程序化交易者有序实施内部管理。具体而言，中国大陆应以强行法为主，在规制前端设计程序化交易演算法测试的应然标准；在规制中端确立以董事和高管为核心的问责体系，明确程序化交易场景下董事和高管义务的具体内容；在规制后端完善外部约束方式，透过参与资讯形成和细化揭露内容健全资讯揭露型后端规制，透过明确评估标准和处置措施补充实施评估型后端规制。

（三）公平性规制

在公平性规制领域，中国大陆需要进一步明确规则。欧盟的规制实践表明，交易所若基于客观标准，在统一条件与费用标准下向所有会员提供同等服务，且不附加捆绑或搭售服务之要求，即构成公平且无歧视之服务提供行为。该规则透过服务内容标准化与商业条件非歧视性的双重约束，确保市场准入的平等性：其一，要求服务供给须以透明、可验证的客观标准为基础（如技术接口规格统一），避免因差异化条款形成隐性壁垒；其二，明确禁止透过捆绑销售或关联交易等结构性安排变相抬高市场参与成本，从而在形式与实质上贯彻「公平竞争秩序优先」的监管原则。

（四）行为规制

在行为规制领域，中国大陆应当根据程序化交易的策略和行为特征，补充完善证券期货市场的违法行为体系。部分程序化交易违法行为可以为中国大陆规范体系中的操纵市场等行为类型所包含。例如，在「动量点火」策略中，程序化交易者透过频繁报撤单，达到制造虚假流动性或直接影响市场价格之目的，吸引其他交易者进行交易并伺机获利。该类策略符合《证券法》《期货和衍生品法》等法律规定的操纵市场之构成要件，可依据现有规范进行处理。但程序化交易的行为样态非常复杂，而诸如人为价格、特定意图等市场操纵行为构成要件本身的证明难度就比较大，此外，还有一些不满足操纵构成要件　但事实上会对市场秩序造成损害的行为无法被规制。对此，美国透过修改《商品交易法》第4c条（a）款，将违反买价卖价规则、故意或轻率无视尾盘交易有　序执行、虚假报撤单等扰乱性做法（disruptive practice）纳入禁止范畴。中国大陆有必要借鉴美国经验，在《证券法》《期货和衍生品法》等法律中加入禁止市场扰乱行为条款，以应对滥用程序化交易对市场秩序的破坏。为降低法律适用的难度，中国大陆可以采取「概括＋列举」的方式，一方面概括规定市场扰乱行为的构成要件，另一方面列举市场扰乱行为的典型样态。例如，芝加哥商业交易所即列举了幌骗、塞单等市场扰乱行为的具体特征，这有助于提升行为规制的规则密度，增强行为规制的可操作性与针对性。

二、风险分级视角下规制框架的完善

中国大陆的规制框架还需要根据程序化交易的风险等级进行完善，特别是在演算法规制层面，需要针对高频交易与机器学习演算法进行改良。

（一） 高频交易演算法规制

为实现高频交易的精准识别与妥当规制，首先需要对其予以明确界定。目前，中国大陆采取量化指标的方式来界定高频交易，包括单个交易账户每秒或单日申报、撤单的数量或频率等。若以狭义方式解释其中的「单个帐户」，可能导致交易者规避监管。例如，在「伊士顿操纵期货市场案」中，伊士顿公司透过大量账户构成的账户组从事高频程序化交易，规避交易所对风险控制的监管措施，操纵股指期货。对此，欧盟在认定高频交易时结合形式与实质标准，集团内的交易指令传递或一致行动也会被计入同一账户的资讯数量，从而构成高频交易的计算范围。中国大陆在证券期货刑事司法解释中已经明确了对于行为人「自己实际控制的账户」的认定标准。《期货和衍生品法》中亦建立了交易者实际控制关系报备管理制度，无论是交易者主动申报还是强制认定实际控制关系，各账户内的持仓都要合并计算，交易也会归责于实际控制人。因此，高频交易认定标准中的「单个帐户」，应解释为行为人实际控制的账户组。

高频交易的主要特征在于其超高的速度、频率和潜在的规模化影响，其核心风险主要体现在两方面：其一，瞬间生成的海量订单流极易超出交易所系统的处理能力上限，导致系统延迟甚至崩溃，威胁整体市场稳定；其二，在极端市场波动下，可能加剧交易量突增和结果失序。目前，中国大陆程序化交易者一般透过实盘模拟的方式测试其演算法和系统的稳定性，但实盘模拟使用了真实交易市场的各项参数，在测试阶段即会产生上述两类风险。为此，中国大陆应增加演算法测试内容、细化演算法测试要求，以因应高频交易的特殊风险。针对第一类系统冲击风险，演算法规制需要首先确保高频交易与交易所基础设施的兼容性及其自身的运行稳定性。为此，可以借鉴欧盟经验，引入「一致性测试」(conformance testing）的强制性规则。该测试旨在验证高频交易能否在交易所设定的系统容量边界内正常交互和运行，避免因其过载行为引发系统性技术故障。针对第二类市场失序风险，需着力提升高频交易在极端压力环境下的稳健运行能力，防止其对市场流动性的过度损耗。因此，中国大陆应强制要求高频交易者进行严格的压力测试，模拟其在面临远超正常水准的市场压力时的表现。参考欧盟成熟做法，测试场景应模拟：（1）单次和日内最高订单量达到该交易者过去6个月峰值的2倍；（2）单次和日内最高交易量达到其过去6个月峰值的2倍。这种基于历史峰值动态设定阈值的压力测试，能有效检验高频交易系统在极端条件下的容错能力和风控有效性，防止其进一步放大市场混乱。

（二） 机器学习演算法规制

较之高频交易，对机器学习演算法的规制更为复杂，因为此种演算法在证券期货市场的应用面临显著悖论：一方面，由于机器学习演算法对人工介入的排除，演算法决定的决策风险可能导致市场系统性风险增加，以及市场操纵等违法行为无法被预防或阻止；但另一方面，机器学习演算法有助于进一步减少交易者的非理性决策，并透过自动学习改良其模型参数，从而更为准确地发现市场价格。

笔者认为，完全禁止机器学习演算法的应用看似安全，但考虑到理论对机器学习演算法的认知仍在发展中，且其蕴含正向经济价值，贸然禁止将会阻碍金融创新及其好处，而审慎规制应该是应对机器学习演算法的合理态度。对此，监管机构应当根据机器学习演算法的使用和发展状况实施回应型规制，实现对机器学习演算法风险的动态和精准控制。这一规制过程的关键在于强化机器学习演算法的可解释性，以使监管机构能够理解规制的事实基础，从而对演算法决策采取有效控制。因此，机器学习演算法的规制框架应以其高风险等级为建构基点，以强化演算法的可解释性为主要目标，主要透过明确的法律规则进行限制和干预。演算法测试是实现演算法可解释的路径之一，测试结果的可验证性有助于回溯演算法决策的过程。鉴于机器学习演算法的复杂性和自主进化性，对其展开的测试不仅需要在各种市场条件下进行，以确保其不会以损害市场秩序的方式运行，也不会采取操纵市场等违法行为损害其他交易者利益。此外，对机器学习演算法的测试需要定期进行，以持续验证其行为符合市场规则、不会损害市场秩序。这在规制强度上高于高频交易。

演算法可解释性也可以透过事中和事后的数据监测实现，这将反映出机器学习演算法在实际应用过程中的行为和结果。首先，就实时监控机制而言，程序化交易者应当建立演算法行为的监控系统，重点跟踪机器学习演算法的行为模式，防止演算法因自主学习可能产生的非预期交易行为或操纵市场倾向。监管机构需依法履行动态监测职责，及时识别机器学习演算法的异常交易指令，实现对市场风险的早期预警与干预。其次，在数据保存机制层面，程序化交易者应对演算法训练数据的来源与合法性、参数调整的逻辑依据、模型更新的技术细节等关键数据进行记录，并设置最低保存周期，确保机器学习演算法的数据可追溯，以便为监管机构在案件审查、责任认定等方面提供充分的事实依据。最后，作为演算法可解释的基础，使用机器学习演算法的交易者也必须具备充足的资产规模和充分的技术能力，在演算法开发、测试、部署、使用和监控的每个阶段都应当有具备特定资质的专家参与，以维持机器学习演算法的可信赖程度。

证券期货市场程序化交易的规制框架如何建构完善，本质上是技术革新与法律秩序之间的动态平衡命题。基于比较法视野与本土化分析，混合型规制框架在应对程序化交易时，能够透过规则与原则的合理配置，兼顾技术治理的灵活性与法律规制的确定性，相较于规则型和原则型规制框架更具理论优势与实践价值。中国大陆当前以《证券法》《期货和衍生品法》为基础、以部门规章为延伸的规则体系，虽初步建立了程序化交易混合型规制框架，但仍需立足于程序化交易发展的本土特征，在规范密度、风险适配性等方面进一步优化。具体而言，中国大陆需要在分类治理的基础上，赋予资讯规制更大的弹性空间，对演算法规制、公平性规制和行为规制施加更明确的可用规则；同时，中国大陆还应强化分级规制的理念，对风险等级较高的高频交易和机器学习演算法实施更为严格的规制，在演算法规制领域建构一系列适配于其风险的规则，降低其可能的市场风险。