跌停潮之后：重新认识量化、市场与监管的边界|a股|券商首席经济学家|股票|跌停潮之后|风控

商学院观察

叶冬艳欧阳辉／文

进入7月份，A股科技板块在短短两周内经历了批量跌停、暴力反弹、二次探底，再到暴力反弹的过山车行情。

与以往历次急跌相同，市场需要一个“凶手”。这一次，几乎所有手指都指向了同一个方向——量化交易。某经济学者公开批评“量化泛滥放大了A股波动”；主观私募基金经理把矛头对准量化产品的动量因子；甚至有上市公司董秘在朋友圈发文，直言不反对基本面量化，但质疑纯粹依靠情绪与关键词因子的交易缺乏合理性。与之针锋相对的是多家百亿量化私募的集体回应：量化没有情绪，在恐慌市中恰恰是“稳定器”。

本文试图用数据与机制拆解这场风波：量化究竟做了什么、没做什么；技术的边界在哪里，监管的边界又该划在哪里？

大跌

7月1日起，上半年一路高歌的科技板块突然转向：半导体、光通信、PCB（印制电路板）存储等热门赛道齐齐重挫。

7月7日，沪指盘中跌破4000点整数关口，收报3990.24点，全市场近4800只个股下跌、约50只个股跌停，当日成交额较前一交易日骤减5100亿元。

7月9日，市场出现戏剧性反转，科创50单日大涨8.41%，电子指数涨7.67%。7月13日，三大指数再度集体调整，全市场近4700只个股下跌，187只个股跌停。7月14日午后，沪指在1小时内从3887点拉升至3967点。

但调整仍未结束，7月17日，半导体、CPO（共封装光学）再现批量跌停，上证指数回落至3750点附近，部分前期热门科技股自高点回撤已超过25%。

7月21日，A股又大涨：上证指数上涨1.79%，创业板指、科创50分别上涨7.05%和10.73%，121只个股涨停。

科技板块的大幅波动并非A股独有现象。韩国股票指数KOSPI今年以来最高涨幅达116.28%，一度是全球表现最好的股指，随后便急转直下。6月23日，KOSPI暴跌9.99%（910点），触发熔断，暂停交易20分钟，SK海力士和三星电子跌幅均超12%。截至7月21日，相较于年内高点，KOSPI已回撤25.96%，SK海力士和三星电子分别回撤37.10%和28.55%。

美股的情况也类似。费城半导体指数年内最高涨幅达106.61%，自6月23日起开始调整，7月21日最新股价相对于最高收盘价已下跌15.57%。存储股票闪迪和美光科技分别自高点回撤31.93%和19.99%。

调整以前，A股、韩股和美股三个市场的AI产业链股票都经历了一轮大涨。三个市场共享同一套上涨逻辑。

一是海外科技巨头资本开支持续超预期：Meta将2026年AI资本开支指引上调至1250亿至1450亿美元，亚马逊、微软同样维持千亿美元级别的算力投入。二是存储芯片超级周期：三星电子预告二季度营业利润同比暴增超18倍，市场解读为DRAM（动态随机存取存储器）等结构性供不应求的验证。三是获利效应本身形成正反馈：上半年科创50、创业板50分别上涨64.3%和37.0%，部分细分领域如覆铜板、半导体设备、HBM（高带宽内存）、光模块涨幅超过100%，存储芯片指数涨超165%，赚钱效应吸引更多增量资金追进。

本轮股价大跌的一个主要原因是短期内快速录得巨大涨幅，巨额浮盈随时都有兑现冲动。以存储芯片股为例，闪迪在2026年上半年最大涨幅高达883.65%，该股在2025年也上涨了371.27%；SK海力士在2025年上涨278.26%，在 2026年一度上涨349.23%。指数也有类似的情况：A股的Wind半导体指数在 2025年上涨40.25%，在2026年一度上涨91.53%。

大跌的导火索是一条改变了“缺算力”叙事的新闻。7月2日，Meta宣布计划把内部闲置的H100、H200算力对外出租，市场解读为AI基础设施建设阶段性见顶的信号。当天，全球AI概念股集体重挫：CoreWeave重挫近14%，美光科技跌超10%。

一份盈利不及预期的研报更是火上浇油。7月13日，韩国投资证券（KIS）发布研报预测，SK海力士第二季度营业利润为60.4万亿韩元，虽然同比大增556%，但较65万亿韩元的市场共识预期低约8%。

宏观层面同样不容乐观：美国10年期实际收益率年内已飙升33个基点，逼近本轮扩张周期高点，对高估值成长股的折现率冲击最直接；叠加中东局势推升油价与通胀预期，压缩了各国央行的宽松空间。

在下跌过程中，A股因为结构性拥挤放大了股价波动。上半年，科技板块涨幅过高、筹码高度集中在TMT（科技、媒体和电信）赛道，巨额浮盈遇到风吹草动就有兑现冲动，叠加量化同质化风控与新规阶段性收紧流动性，压缩了下跌展开的时间窗口。

韩国则是因为三星电子和SK海力士两只股票在KOSPI里权重极高，叠加散户跟风、高杠杆工具的制度漏洞，恐慌一旦启动就被迅速放大，散户最终成为下跌中的接盘方。美股相对温和，更多体现为估值的渐进修正，而非熔断式踩踏。

这轮下跌里，量化究竟做了什么、没做什么

市场流传的大致解释框架是：上半年科技行情积累了巨大浮盈——科创50年内最大涨幅一度超过64%，半导体指数累计涨幅超过70%，TMT板块成交额长期占全市场45%以上——公募等机构资金在7月初集中兑现收益，引发第一波抛压；股价快速下行击穿了部分量化产品风控模型的阈值，触发程序化的、不问基本面的减仓指令；机器抛售进一步抽干流动性，导致净值预警、赎回压力与“二次抛压”，负反馈由此形成闭环。

这个故事在逻辑上是自洽的，但把它当作“已被证实的事实”之前，至少有三点需要澄清。

第一，导火索大概率不是量化，而是拥挤本身。本轮调整并非A股独有：7月以来，从韩股到美股，全球科技板块同步承压，港股PCB龙头同样大幅回撤；美国东部时间7月13日纳斯达克指数单日下跌逾400点，第二天，SK海力士重挫9%。

当全球AI算力链在高估值、高拥挤度上同步定价回摆时，A股科技板块作为其中弹性最大的一环出现剧烈回调，这是整个市场或板块共同面临的问题，而非某一类交易者通过特殊策略造成的问题。上半年，科技板块“单边上涨+成交占比近半+估值与情绪同步攀升”的组合，本身就是波动率的火药库。量化最多是引信之一。

第二，盘面数据并不支持“量化是唯一卖方。”以7月7日为例，当天电子板块主力资金净流出103.45亿元，为市场之最，个别芯片龙头单日主力净流出高达20—28亿元。这种量级和集中度的卖出，更符合大型机构组合调仓的特征。

龙虎榜数据同样提供了旁证：据Choice统计，7月13日至17日，“机构专用”席位上榜次数达900多次，超过几家被市场习惯性归为“量化通道”的券商席位上榜次数的总和。换言之，在这轮下跌中，主观机构的卖出行为至少与量化同样活跃，甚至更为主动。

第三，量化确实在“链条中段”扮演了角色，但不是发动机的角色。需要承认的是：当前量化策略高度依赖动量、情绪、流动性等因子，当价格趋势由涨转跌，动量因子会系统性地翻转信号方向；当大量管理人使用相似的因子库与相似的风控参数，减仓行为就会在时间上高度同步。

这正是“算法共振”批评的合理内核——它不制造趋势，但会压缩趋势展开的时间，把原本可能持续数周的调整压缩到几个交易日内完成，并在个股层面制造出“无差别跌停”的观感。

7月13日187只个股跌停，与7月9日科创50单日暴涨8.41%，其实是同一枚硬币的两面：反应速度的机器化，让市场的“时间密度”变了。

量化不制造趋势，但压缩了趋势展开的时间：把数周的调整压进几个交易日，这正是“助涨助跌”观感的技术来源。

一场各说各话的争论

量化交易批评方的核心论据可以浓缩为一组不对称的数字：据市场机构测算，量化持仓只占A股流通市值的2%—3%，却贡献了每日成交额的30%-40%，在小盘股中的成交占比甚至超过一半。

在批评者看来，这种“小市值、大成交”的结构意味着量化以少量资金撬动了盘面定价权；当大量机构使用相似的因子模型，一旦市场风吹草动便触发算法共振，同时卖出、瞬间抽干流动性。

更尖锐的批评来自学术界：一些基本面并未恶化的公司，仅仅因为散户持仓多、流动性好，就成为量化策略反复交易的对象，股价因而持续走弱；一些业绩平平的公司，反而可能因蹭上热点被量化资金一波波推高。若该结论成立，它挑战的是量化行业最核心的辩护——量化让定价更有效。

辩护方的回应同样有其逻辑。百亿量化私募在7月13日暴跌后的集体表态中提出：其一，量化没有情绪，不会在恐慌中跟风踩踏；散户与传统短线资金才是情绪传染的主要载体。其二，量化策略中包含大量反转类、价值类信号：当价格因恐慌跌破模型认定的合理区间，这些策略会自动触发买入，为市场注入买盘，减缓下跌的速度与幅度，这正是“稳定器”的含义。其三，量化高换手本身就是流动性供给：在无人接盘时，做市式的高频报单为卖出者提供了对手方。7月9日、7月14日与7月21日三次凌厉的反弹，从盘面特征推测，恰恰也有程序化买盘的深度参与。如果跌得快要归咎于量化，涨得快在逻辑上就不能只归功于人类。

把双方论据放在一起，可以得到一个更接近事实的中间结论。在常态市场里,量化大概率是流动性的净供给者，也是市场交易效率的边际改善者。

量化策略里包含大量反转类、统计套利类、做市类信号。当某只股票价格短暂偏离其合理区间，这类策略会自动触发反向操作：价格偏低就买、偏高就卖。这种行为在客观效果上，恰恰在为市场提供了对手方。这也是为什么在绝大多数交易日里，量化的高换手本身就是一种流动性供给：它让想买的人更容易找到卖家，想卖的人更容易找到买家。

但这套逻辑有一个隐藏前提：策略的买入信号必须能够压过风控的减仓要求。极端行情恰恰是这个前提失效的时刻。

每家量化机构的产品背后都有一套独立于交易策略本身运行的风险控制系统，一旦某个时间窗口内的浮动亏损触及预设阈值，风控系统会不问策略当下判断如何，强制要求减仓，这是保护投资者本金、防止管理人“赌一把”扩大损失的必要设计，单个产品层面完全合理。

问题出在加总层面：当价格下跌的速度和幅度足够剧烈，大量管理人使用的因子模型高度相似(动量、波动率、流动性这几类因子几乎是行业标配)、风控参数的设置逻辑也高度趋同 (相近的回撤阈值、相近的止损速度)，原本应由“低吸”信号提供的买盘，会被风控的强制卖出指令系统性压制，甚至完全抵消。

策略想买，风控不让买，反而逼着卖。大量管理人在同一时间窗口做出了几乎相同的动作。个体层面每一步都是理性的风险控制，加总在一起却变成集体性踩踏。

这不是道德问题，而是系统在不同市场状态下发生的“相变”——就像水在常温下保持液态，温度降至冰点以下后便会结冰，甚至可能撑裂容器。因此，真正值得讨论的问题，不是给量化贴上“善”或“恶”的标签，而是如何管理这种状态切换本身。

把量化定性为“作恶者”、诉诸情绪化的“一刀切”禁止，解决不了同质化风险，只会赶走常态市场里那部分真实存在的流动性供给，让市场在平时也变得更脆弱；反之，以“量化没有情绪、天然是稳定器”为由完全放任，又忽视了极端行情下相变确实会发生的客观事实。

从“限速”到“平权”

2025年4月，沪深北交易所同日发布《程序化交易管理实施细则》，当年7月7日开始施行，首次给出高频交易的量化认定标准：单账户每秒申报、撤单合计300笔以上，或单日申报、撤单2万笔以上；同时确立了报告制度、四类异常交易监控与差异化收费框架。

监管的边界应当划在哪里？国际经验提供了三条可供参照的原则。

管行为，不管身份。美国和欧洲监管不因“量化”这个身份单独设限，而是紧盯操纵性行为，比如“幌骗”（制造虚假买卖意愿后迅速撤单）和“塞单”(堆积海量报撤单拖慢市场、掩护真实意图)。

监管这些行为主要依靠两件工具：一是大额交易者报告制度，单日交易达一定规模的主体须向美国证券交易委员会（SEC）登记，获发专属识别号，不管开多少账户、经哪家券商下单都要绑定汇报，解决“是谁”的问题；二是综合审计追踪系统（CAT），该系统整合客户、账户及订单事件数据，使监管机构能够追踪订单从生成、路由、修改到撤销或成交的完整生命周期，解决“做了什么”的问题。两者叠加，监管能够不受账户结构和速度的干扰，看清全过程。

欧盟金融市场的重要监管框架MiFIDII更偏向事前审查，算法交易机构每年须自我评估并留档，建立算法清单。更关键的是做市义务，若某算法策略持续挂出规模相近、价格有竞争力的双向报价，即被认定为做市，机构必须承诺在规定时段内持续提供流动性，不能行情一有波动就抽身离场。

2013年2月，德国联邦议院通过的《高频交易法》要求高频交易商向BaFin注册，每笔算法订单须带唯一标识码上报交易所，交易所设定最小报价单位时须参考订单成交比（OTR）——比值过高说明大量报单只是占位试探，是重点盯防对象。建议引入跨账户、跨主体的实际控制人穿透识别，避免借关联账户分散规模规避高频认定；对长期享受做市费率优惠的机构，比照欧盟设定极端行情下的双边报价义务对等条款。

第二，管外部性，不管收益率。速度竞赛是典型的军备竞赛：假设10家量化机构在同一批股票上竞争，每家都想比别人快一点下单，于是所有人都花高额成本把系统延时从1毫秒压缩到0.1毫秒。

问题在于：当所有人都把延时从1毫秒压到0.1毫秒，相对位置根本没有变化——你比别人快的优势被抵消了，但10家机构在这个过程中合计烧掉的钱一分没少花。这笔钱对整个市场的定价效率几乎没有任何增量贡献，这就是“负外部性”：每个参与者的理性选择(追求更快)，加总起来却对社会整体不利。

面对这种竞赛，行政禁令效果有限，更有效的是用流量费、撤单费等经济手段，把“卷速度”的私人成本拉高到接近社会成本，逼资源回流到真正提升定价效率的研究上。但只要行为合规，某机构赚多少钱不该是监管评判的对象——一旦下场评判收益率，就容易从“规范行为”滑向“打压群体”。

建议对撤单率设置上限，并实行阶梯式收费——越接近上限，费率非线性递增，让机构自发把撤单率维持在远低于上限的水平；建议监管定期公开行业整体撤单率分布，让市场自行判断军备竞赛是否降温。

第三，极端状态要有预设断路器。行情暴跌时靠参与者自觉刹车是不可能的，谁先卖谁少亏，因此必须由制度强制按暂停键。

2010年，“闪电崩盘”（道琼斯指数盘中十几分钟内暴跌近千点又迅速拉回）之后，美国建立了两层机制：个股层面的涨跌限制机制（LULD），价格偏离过大先限价交易、再短暂停牌；市场层面按照标普500单日跌幅7%、13%、20%分档触发不同时长的全市场暂停，分级响应而非一刀切关市。

A股的涨跌停板本身就是断路器，但这轮行情也暴露出了副作用：同质化抛压下，卖单堆在跌停价上无法成交，堆积本身会加剧恐慌，当天卖不掉的仓位又会推迟到次日“补跌”。

监管层可借鉴LULD分级思路，在个股跌幅达到中间阈值（如7%-8%）时先触发几分钟集合竞价冷静期，重新发现价格，而非任由卖单在跌停价堆积；也可研究对单一账户设置极端行情下的净卖出申报速率限制。

总结

这轮全球AI产业链股票价格的大涨大跌，本质是同一场高位拥挤行情在A股、韩国、美股的连锁反应：上涨靠资本开支扩张与存储超级周期的共同叙事支撑，下跌由Meta出租闲置算力等新闻引爆。

量化在这场风波里扮演的始终是放大器而非发动机的角色：它不制造趋势，却会压缩趋势展开的时间，让下跌显得更集中、更极端。更准确地说，量化在常态市场大概率是流动性的净供给者，只有当风控减仓压过策略买入信号、当因子同质化让减仓行为高度同步时，它才会阶段性切换为放大器。这是一次系统的相变，无关善恶。

对监管而言，该做的或许不是给量化群体贴标签，而是要管住幌骗、塞单等具体操纵行为，用流量费、撤单费等经济手段化解速度军备竞赛，并为极端状态预置更精细的断路器。唯有如此，才能既保留量化为市场提供的真实流动性，又把它在极端时刻可能被放大的风险，控制在可承受的范围内。