從風險控制到風險規制：量化基金公司算法黑箱的規制進路

程雪軍 趙 暢

1.同濟大學法學院，上海 200092；2.華東政法大學經濟法學院，上海 201620)

1 問題之緣起

算法技術驅動人類從傳統農工社會向現代算法社會邁進，促使傳統金融向現代金融快速迭代。一方面，算法技術在提升傳統基金交易效率時，各類量化基金公司對算法結果的依賴度持續提升，并開始主導算法基金交易活動；另一方面，算法技術作為創新技術，具有其內在的技術缺陷，如算法黑箱，當算法技術深度介入量化基金后，可能通過基金交易活動傳導至金融市場，觸發潛在的金融風險與金融安全。根據中國證券基金投資業協會數據可知，自從2014年我國啟動私募基金備案登記以來，歷經10年的發展，我國私募基金行業市場規模達到20萬億元、私募基金管理人高達2.2萬家，并引致相應的金融風險。其中，上海與浙江自從2023年以來陸續出現量化基金公司風險事件，包括上海明汯投資行政處罰案 (對公司采取責令改正措施、對兩位基金從業人員出具警示函)和杭州30億量化基金公司跑路事件 (量化私募基金攜款跑路，導致多家信托公司 “踩雷”，涉案金額超過30億元)等。因此，我國于2023年實施 《私募投資基金登記備案辦法》，并對上海明汯投資等量化基金公司強化行政處罰力度，逐步提升私募投資基金尤其是量化私募基金的風險規制。

對于風險社會下量化基金公司算法黑箱的規制問題，國內外學者主要從以下視角開展研究：①關于金融機構 (如量化基金公司等)深化算法技術應用的研究，王懷勇等[1]認為算法在金融領域的引入有助于激發金融社會功能與穩固金融公平價值。隨著算法技術的發展，我國基金市場涌現了大量用算法選擇投資策略與判斷時機的程序化交易[2]，學者[3]將其稱之為量化投資 (即投資者利用計算機程序實現交易訂單自動化的行為)，指出歐美股票市場的交易大多是通過算法執行的，其中美國60%的股票交易是由短期量化交易完成的，歐洲45%的股票交易量是由算法交易實現的，而且大部分算法交易具有黑箱屬性。量化基金能夠從微小的數據變化中獲取交易機會，有利于改善市場流動性與提高定價效率[4]，它是基金市場結構變遷與技術創新的必然產物。不過，當前研究并沒有聚焦于更加細分的量化基金公司，本文認為量化基金公司是指利用人工智能算法技術實現交易自動化的基金公司，在我國主要是各種私募投資基金公司。②關于算法黑箱的風險問題研究，不同于烏爾里希·貝克[5]所認為的傳統工業化下的風險社會，現代風險社會是一種數智化的風險社會，其主要風險集中體現為技術風險[6]。誠然，量化交易有利于改善金融市場的流動性，但也可能帶來較大的操作風險、固有錯誤風險[7]、市場風險 (尤其是價格快速波動風險)[8]、技術風險與模型風險。現代算法社會下量化基金與程序化交易存在較為明顯的局限性，集中體現為監管體系化不足、缺乏交易策略的差異化監管、自律規范難以反饋監管需求，國際證監會組織 (IOSCO)在2020年指出各國證券市場正面臨各類違法者用算法技術實施違法犯罪的新興數字威脅[9]。③關于算法黑箱的規制進路研究，不同學者的研究側重點有所不同，有些學者[10]聚焦于算法黑箱的技術規制研究，強調對金融算法施以代碼規制；劉輝[11]從算法黑箱的法律規制角度切入，強調需要完善算法透明、算法審查等規制路徑；梁慶[12]認為應當防止高頻交易商利用法律規范與監管規則漏洞操縱市場與侵犯投資者權益。盡管我國 《民法典》與 《個人信息保護法》分別設置了法律專章 (隱私權與個人信息保護)與法律專條 (針對自動化決策系統關于個人信息保護問題)[13]，但是沒有制定統一專門化的量化基金法律規范，難以有效地規范量化基金的算法黑箱問題。

總體而言，當前學術研究具有一定的啟迪性，但是并沒有具體細化至量化基金公司算法黑箱的規制研究，沒有理順量化基金公司算法技術應用、算法黑箱問題、算法黑箱的規制依據等邏輯問題。因此，本文從量化基金公司的技術本質與算法導向出發，分析量化基金公司如何通過算法技術與金融數據打造數據驅動型算法黑箱，從規制目標、規制主體、規制手段等層面分析算法黑箱規制的主要問題；通過在風險社會背景下運用風險規制理論，對量化基金公司算法黑箱的規制展開理論依據分析，從傳統風險控制理念邁向現代風險規制理念，進而基于規制目標、主體與手段提出一條可行且有效的綜合風險規制路徑。

2 風險社會下量化基金公司的算法應用與黑箱

人工智能算法驅動傳統工業社會向現代算法社會邁進，加劇了風險社會的進程。為保持市場規模與競爭優勢，量化基金公司在金融業爭相發展算法技術并創造了無限的機遇，給傳統金融業態帶來了不可逆的影響。量化基金公司以技術為導向，掌握了包括算法在內的先進科技，夯實了算法基礎設施；量化基金公司以算法為導向，在算法程序運行過程中因為數據、算法與模型等缺陷，為數據驅動型算法黑箱的形成提供了充分的物質基礎。

2.1 人工智能算法技術對風險社會的影響

工業革命促使人類從農業社會邁進工業社會，原來那種自給自足的農業化生產向工業化大生產轉型，同時傳統農業社會的自然風險亦向工業社會的社會風險轉變，社會規制模式從強調人為規制 (人制)向法律規制 (法制)轉變，因為工業化大生產需要標準化秩序與法律規則。隨著互聯網技術向人工智能算法技術深度演進，人類社會正在從工業社會向智能社會轉型，現代化風險是沒有生產限制與國界限制的[14]，它逐漸演變為一種大規模產品且隨著全球化而加劇的系統風險。不過，如今風險不再局限于某些專家學者使用，已然成為社會經濟生活中的重要問題。在不同的語境下，風險所表達的意義不盡相同，很難給出準確的定義。從農業社會到工業社會，其風險結構為自然風險向社會風險漸變的結構，但人工智能算法技術的快速興起，促使人類社會從工業社會向智能社會邁進，其風險結構將突破 “自然風險—社會風險”的局限，從人為的社會風險占主導逐漸變為算法風險占主導[15]，原有構建于資本主義工業社會基礎之上的風險社會理論，難以有效預防與制止智能社會下的算法風險。因此，基于風險社會的基礎理論，有必要從算法風險探索出一種多元化規制的模式，見表1。

表1 不同社會類型下的風險類型與規制模式

2.2 量化基金公司技術導向夯實算法設施

量化基金是金融行業發展到一定階段的產物，它更強調技術屬性而非金融屬性，旨在通過將人工智能與大數據等先進技術接入傳統金融服務，從而支持金融業的創新發展。從量化基金公司的運行實踐看，它是金融市場中掌握這些技術并以此開展主營業務活動的組織實體，而且已經在我國金融服務行業的多個領域廣泛布局。其中，算法技術是量化基金公司的核心技術要素。那么，什么是算法技術？在現代算法社會，算法可理解為 “任何可以自動化執行的過程”[16]。量化基金公司語境下的算法具有相似的技術原理，其憑借強大的數據資源、算力支持與算法技術，可以運行事先設計好的 “輸入—執行指令—輸出”代碼程序，從而可以全面收集與匹配基金市場的數據，有效提升基金投資效率及其質量。

量化基金公司的技術基礎主要包括算法交易與量化分析。算法交易促使量化基金公司的交易執行過程可以自動化，實現大批量的訂單下達任務，大幅度提升交易執行的效率；量化分析促使量化基金公司構建投資策略時的每步推導過程變得更為清晰與透明，將投資人的主觀因素對量化基金的干擾降到最低化[17]。比如，量化基金公司采用多因子算法模型，從市場特征、公司成長、公司價值、市場動量等多因素擇時選股，可以克服傳統金融活動中信息不對稱、資源配置效率低下等局限，最終提高投資效率。可見，無論采取何種技術手段，算法技術都是量化基金公司的技術基礎，技術導向夯實了其自身的算法設施。

2.3 量化基金公司算法導向衍生黑箱現象

在基金產品的運行中，量化基金公司通過算法技術應用可以獲取與沉淀海量數據，具有潛在主導金融活動與配置金融市場資金等力量。然而，由于量化基金公司算法程序的中間執行環節，通常難以被外部所知悉，故得名算法黑箱，即為人不知的、既不能打開又不能從外部直接觀察其內部狀態的系統[18]。量化基金公司基于算法理論通過對數據清洗、挖掘與識別，將數據輸入特有的量化選股、管理期貨 (CTA)、資金管理與投資擇時模型，其模型核心要素在于量化評測體系與資金管理組合，其主要評測標準在于年化收益率、夏普率與收益風險比。當量化基金公司選擇合適的投資策略模型后，便將其交給投資執行模型等實施，輸出算法基金產品，旨在提高投資收益、減少回撤與平滑投資績效曲線。如圖1所示。

量化基金公司算法黑箱的本質特征在于其不透明性與復雜性，數據驅動型算法由于其運行過程復雜，天然具備較強的黑箱屬性，因此難以被實施有效的風險規制。

(1)算法黑箱的不透明性是量化基金公司逃避法律問責的保護屏障。量化基金公司算法黑箱的運作機理是根據已知的數據輸入完成一系列特定的算法程序運行并輸出相應的結果。然而，算法程序運行環節如何運算和推演，卻難以被外界所獲悉，如同外人難以洞悉的 “隱層”，輸出的結果演變成常規不能控制和預料的結果[19]。在量化基金場域內，眾多量化基金公司往往以算法技術為商業秘密，保護基金安全為理由，不愿意公開算法黑箱情況，意圖遮掩算法運行中的程序漏洞、方法不當、違法違規等風險問題，并試圖逃避法律問責與道德約束。

(2)算法黑箱的復雜性加劇量化基金公司的風險系統化。量化基金公司利用人工智能自動編寫代碼與程序轉移金融產品的個別風險，并借助算法黑箱 “隱層”優勢加以掩蓋，把金融風險用黑箱 “包裝”起來高價兜售，加速系統性風險的爆發。算法技術開始介入金融市場交易最早可追溯至1987年，同年10月美股突發跳崖式暴跌，道瓊斯工業平均指數一天內下跌23%，量化基金成為此次風險爆發的主要因素。不僅于此，美國道瓊斯指數于2010年5月6日發生的 “閃電崩盤”讓美國股市暫時性蒸發1萬億美元，其主要原因是算法自動化決策交易的缺陷。然而，為快速作出投資反應以賺取差額收益，量化基金公司往往通過算法黑箱的封閉性掩蓋或轉移金融產品上的個別風險[20]，即利用算法黑箱 “隱層”掩蓋每筆金融交易的個別風險，最終相互傳導引爆系統性金融風險。

3 從風險規制理論透視量化基金公司算法黑箱的規制依據

量化基金公司利用數據與算法驅動傳統金融服務更新使讓金融業朝著普惠高效方向發展。但從實踐效果看，量化基金公司算法黑箱也帶來與之優勢相伴而生的風險挑戰。在現代算法社會，算法應用對金融業態的影響日益加重，驅動市場參與主體追逐利益，而過度的算法依賴為量化基金公司濫用算法黑箱的不透明屬性從事金融風險行為埋下隱患。為維護金融系統穩定與金融業長足發展，現代智能社會 (算法社會)下的風險規制尤為必要。

3.1 在規制目標上，現有規制過于強調風險控制

無論是傳統基金還是量化基金，它們都屬于金融行業。在現代算法社會，量化基金下金融風險 (如算法黑箱風險)更為復雜多變，而且風險損害更大。首先，量化基金公司利用算法技術加快了算法決策速度，通過程序化交易提高了基金市場的資金周轉率與流動性，但過于依賴算法技術，同時給基金市場帶來較高的技術風險與系統性金融風險，導致 “閃電崩盤”事件的多次發生。其次，算法技術帶來的黑箱問題放大了逆向選擇與道德風險。量化基金公司以算法黑箱的不可知性與不透明性為由，可以通過更加隱蔽的方式，侵害廣大長尾客群的利益。然而，傳統風險規制 (Risk Regulation)理論更加強調風險控制 (Risk Control)，即通過法定的授權對金融機構的經營行為施加某種強有力的限制與約束，旨在為基金市場構建相應的規則以彌補市場失靈，但以風險控制為理念的制度設置，過于強調剛性化的控制手段與約束制度，忽視了柔性化的規制理念與路徑，所以往往難以有效防范風險。

傳統風險規制理論過于強調風險控制，沒有回歸風險規制的本意。斯蒂芬·布雷耶 (Stephen Breyer)提出現代風險規制理論，指出風險規制是一種典型的 “決策于未知”的領域，具有顯著的不確定性，集中體現為風險識別、估測、評價以及選擇風險管理技術、評估風險管理效果等[21]。無論量化基金公司采取以金融產品市值與交易量為基礎的時間序列的技術分析，還是采取以金融實體財務報表為基礎的基本面分析，如果基金市場及其交易活動缺失必要的市場規制，那么量化基金行業甚至整體金融行業都可能遭遇巨大的金融風險或威脅。量化基金公司在市場經濟環境中具有激進的逐利性與盲目性，其衍生的金融風險與算法風險總是客觀存在且難以消除的，但是傳統法律秩序要求下的風險防范更加強調通過 “限制”與 “約束”實施風險控制，將金融市場控制在趨利避害的保守主義范疇，表現為典型的 “父愛主義”規制理念。在現代算法社會背景下，量化基金公司利用算法技術實施的基金交易行為，深深地改變了傳統基金交易活動及其個體行為，并衍生了一系列新型風險，包括模型風險、結構關系變化風險、外生沖擊風險及其蔓延風險等。因此，現代算法社會需要轉變風險防范理念，即從傳統強調 “限制”與 “約束”的風險控制理念，逐步轉變為強調 “規整” “制約” “制度”的風險規制理念，引導量化基金公司的創新向善發展，抑制算法黑箱衍生的負面風險，這是防范化解量化基金公司算法黑箱風險的必要制度保障。

3.2 在規制主體上，現有規制缺乏有效的溝通協調機制

現代算法社會下，算法技術日益深入應用于基金行業，各類基金公司為了穩固其在基金行業的市場地位，紛紛選擇擁抱算法技術，將海量的金融數據通過算法化分析與建模，賦能算法基金產品的推出與應用，旨在提升基金產品的投資業績與穩健性。然而，算法技術具有內在的技術復雜性，量化基金公司利用算法黑箱掩蓋其與金融機構之間的非法數據交易行為，對社會公共利益造成巨大的負外部性影響，引發相應的市場失靈問題。此外，金融市場中常常出現量化基金公司利用現有規制缺乏有效的溝通協調機制，實施非法的規制套利。

量化基金公司算法黑箱造成的信息不對稱介于市場經營者、消費者與規制機構之間，擴張了傳統金融信息不對稱的邊界。一方面，量化基金公司算法黑箱問題加劇了金融市場的偏向性發展，三者之間的金融信息差愈拉愈大，各種道德風險與逆向選擇的問題應運而生，量化基金公司能夠實施的規制套利空間同樣被拉大化；另一方面，算法黑箱致使3類主要市場參與者的金融信息差變大，導致三者之間的利益沖突愈發尖銳，即大部分金融利益集中于少數市場經營者，而大部分金融風險卻要由長尾消費者與規制機構承擔。在此背景下，現代風險規制理論對量化基金市場的風險規制訴求，旨在通過對量化基金市場施以適當的干預措施，矯正在資源分配與利益分享上偏頗的市場結構，從而有效防范規制套利。

3.3 在規制手段上，現有規制沒有形成綜合的規制手段

我國對量化基金公司算法風險的規制主要表現為法律規制，缺乏綜合的規制手段。在法律規制層面， 《網絡安全法》 《數據安全法》的相繼出臺標志著我國數據保護意識與數據治理規范邁入新階段； 《證券法》第45條提出，通過計算機程序自動生成或者下達交易指令進行程序化交易的，應當向證券交易所報告；中國證監會在2015年與2019年頒布 《證券期貨市場程序化交易管理辦法 (征求意見稿)》 《證券公司交易信息系統外部接入管理暫行規定 (征求意見稿)》，倘若量化基金公司采取程序化交易方式，那么就得提供交易程序源代碼、交易策略等資料，構建明確清晰的全流程管理機制；深圳證券交易所與中國金融期貨交易所分別于2019年與2022年頒布 《關于股票期權程序化交易管理的通知》 《中國金融期貨交易所違規違約處理辦法》，提出遵循程序化交易的相關要求與管理機制，并大幅度提升程序化交易擾亂市場秩序行為的罰款上限。然而，成文法系國家的法律制定與修訂，始終具有較強的滯后性，無法及時追上算法技術深化與量化基金發展的速度；而且當前相關法律的位階較低，無法有效防范量化基金公司算法黑箱的新興風險。

從量化基金公司算法黑箱問題的本質原因看，其主要緣由是技術風險。然而，我國當前風險規制體系并未健全，僅僅依靠法律規制難以解決技術層面的風險問題，這無疑會對量化基金公司的行為規制與技術規制存有缺失。即便通過算法技術可以識別相應的風險，但是現有規制沒有形成綜合的規制手段，這導致目前我國難以破解量化基金公司利用算法黑箱的風險行為，無法防范風險行為可能進一步誘發的算法金融系統性風險。

4 風險規制下構建量化基金公司算法黑箱的規制進路

在現代算法社會，當量化基金公司將海量數據輸入算法交易程序，并形成算法黑箱輸出結果，單從外在難以探尋算法黑箱內部結構，因此有必要重構量化基金公司算法黑箱的規制進路，其關鍵在于從規制目標、主體與手段上開展系統規制，實現從風險控制到風險規制。

4.1 在規制目標上，防范算法黑箱風險與促進量化金融

(1)從風險控制到風險規制，防范算法黑箱風險。算法的 “程序剛性” “不透明性”與司法的 “復雜性”、程序 “公開性”存在明顯矛盾[22]。傳統規制理論認為程序應當遵循公開、公正、平等、合法等原則，更為強調風險控制，而算法黑箱是量化基金公司應用中需要認真審慎對待的風險，它具有技術上的不可知性、遮蔽性等特征，無法事先被風險控制，而應當轉變規制理念為風險規制，從規范與制度的角度對量化基金公司算法黑箱風險進行全面防范。其中，風險規制的重點在于算法審查，它是對金融算法黑箱實施有效規制的重要手段，分為程序性審查與實質性審查。程序性審查意味著算法基金產品在投入金融市場運營之前，需要經歷有關規制部門的審查并出具審查意見，對于通過審查的算法基金產品，可以核發電子牌照并在全國建立牌照聯網系統，以便后續查詢、監管與問責。實質性審查要求規制部門重點審查算法基金產品的內在本質，即通過事實揭示并獲取未知算法基金的風險信息，以事先做出預判性的應對措施。實質性審查包括對算法服務的提供者的實質性審查 (旨在確定責任主體)以及對基金算法的運行過程的實質性審查 (旨在揭示黑箱情況)。目前，學術界對于數據驅動型算法自動編寫算法程序的責任主體尚未形成定論，大部分學者[23]認為數據驅動型算法逐漸吸收人類語境中的內在偏見，其并非完全保持中立性，始終摻雜著金融數據輸入者的潛在價值觀。算法基金產品的審查主要包括金融數據、算法參數、代碼結構等。在算法審查時，我國應當更加側重輸入端數據的合法合規審查，再輔之其他算法審查。概言之，我國應當更加關注以技術泛化為主流特質的技術性要素，對算法實質性審查的范圍和對象適當擴張，從對資本要素的審查延展至技術要素的審查。

(2)完善算法問責機制，促進量化金融高質量發展。算法黑箱的不透明性是量化基金公司逃避法律問責的保護屏障，我國有必要完善算法問責機制，促進量化金融行業的高質量發展。算法的高度專業性和復雜性使得外界難以知悉黑箱的內部邏輯結構，應該忽視算法黑箱的技術細節，在發生損害之后對算法相關主體進行追責，即以事后問責的方式構建完善的算法問責機制，明確算法黑箱責任主體、歸責原則、責任分配及法律后果，倒逼算法主體在符合法律法規等政策要求前提下設計和應用算法。

由明汯投資案透視量化基金公司的算法問責機制可知：①明確法律責任主體。作為海量數據的集成者以及算法黑箱的制造者，量化基金公司利用算法技術實施算法決策，將算法基金產品與服務推薦給金融消費者，有義務對基于算法技術所形成的算法黑箱承擔法律責任。量化基金公司算法程序兼具代碼編寫與金融屬性，具有高度的技術復雜性與協作性：人工智能公司作為技術方案的提供方，量化基金公司作為技術方案的使用方，量化基金從業人員作為技術方案的推薦方，都是量化基金生態的重要構成并可能牽涉算法黑箱的法律關系，應當構成相應的法律責任主體。②健全歸責原則。對于過錯和無過錯責任，金融消費者只需提供其權益受損的證據，量化基金公司等主體按照法律規范要求提供相應資料以供審查，證明相應的侵權行為。對于過錯推定責任，按照 《民法典》適用舉證責任倒置，若量化基金公司等主體不能證明自己無過錯，那么便應承擔舉證不能的后果。③完善責任分配，可以依據行為方對金融算法黑箱的貢獻情況具體裁量。作為基金算法程序的應用者與直接參與者，量化基金公司通過算法程序向金融消費者提供基金產品與服務，對算法黑箱的貢獻較大，應當承擔主要的法律責任；作為基金算法程序的開發者，人工智能公司通過提供算法技術服務幫助量化基金公司提升獲客的精準性，需要考察其是否知情或默許等主觀因素，從而確定AI公司是否應當承擔相應責任。④明晰法律后果。法律后果是法律主體因為不履行法定或約定義務而應當承擔的后果，主要包括民事、行政與刑事法律后果。倘若量化基金公司等主體利用算法黑箱侵犯金融消費者的民事權益，那么它應當承擔相應的民事責任，如通過經濟補償或賠償等方式填補金融消費者的損失；倘若量化基金公司等主體利用算法黑箱違反市場規制，那么法律規制部門可依據 《私募投資基金監督管理暫行辦法》 《關于加強私募投資基金監管的若干規定》等對其追究行政責任，如通過市場禁入、責令改正、警示函等方式明確行政處罰；如果量化基金公司等主體利用算法黑箱引發 “閃電崩盤”等風險，嚴重侵害社會公益或國家安全等，構成刑事犯罪的，那么應依法追究刑事責任 (見表2)。

4.2 在規制主體上，逐步構建集中化的超級規制機構

在這個充滿風險的現代算法社會，公眾對于算法黑箱的規制呼聲不斷。盡管人們呼吁 “最小政府”，但風險社會下對政府的依賴日益嚴重，尤其在遭遇到復雜的信息技術時，人們對于 “技術利維坦”具有天生的懼怕性。即使當前量化基金公司的算法黑箱風險能夠被相關的規制機構識別，并提上規制議程，但是由于規制機構主體之間的不溝通、不協調、不統一，導致對算法黑箱的風險規制效果相當一般。

對于如何打破惡性循環與化解風險困擾，布雷耶通過對風險規制的存在問題與原因分析，提出了一個有建設性的風險規制進路[24]，即集中化的超級規制機構。這種超級規制機構應當由跨學科知識與跨部門的人員構成，具有相對的機構獨立性，屆時超級規制機構充分發揮跨部門的協調功能，有機整合風險規制資源，克服過度的風險規制甚至風險控制，從而削減風險與增加安全。

關于構建集中化的超級規制機構的必要性，相對于其他普通基金公司與金融消費者而言，量化基金公司利用數據、算法與模型等優勢，不僅會形成算法黑箱，而且會形成一種 “超級權力”，可以被稱之為 “超級平臺私權力”，與政府公權力、消費者私權力構筑三足鼎立之勢，打破了傳統 “公權力—私權利”的均衡格局，因此對于這種 “超級平臺私權力”，我國需要一種 “集中化的超級規制機構”與之相對應，從而形成更好的規制效率。

關于構建集中化的超級規制機構的可行性，國內外都已具備相應的成熟經驗。為防范次貸危機的再次發生，美國2008年后改組美聯儲，將其改造成為 “超級金融規制者”，承擔更多的宏觀金融風險規制責任；我國在2018年與2023年深化金融規制改革，將此前 “一行三會”改組為2018年的 “一行兩會”，并進一步改組為2023年的 “一行一局一會”。然而，國家金融監管總局與中國證監會的規制職權與工作性質在一定程度存在重疊，而且兩者所規制的市場規模相差較大，即銀行保險市場規模遠大于證券市場規模。

綜上，在現代算法社會背景下，為更好從事一般化乃至跨行政部門的規制工作，建議逐步構建中國集中化的超級規制機構，將目前的國家金融監管總局與中國證監會合并為涵蓋銀行、保險、證券與基金等業務的超級規制機構 (國家金融監管總局)，令其擁有跨機構、跨業務、跨領域等規制權限，對 “超級平臺私權力”實施更好的風險規制。

4.3 在規制手段上，完善法律與技術規制的綜合規制手段

(1)從法律規制上完善量化基金公司的算法解釋義務。在算法技術的深度應用下，量化基金公司得以迅速發展，但是算法技術具有技術復雜性、代碼不透明性等特征，導致量化基金公司與金融消費者、法律規制部分的信息不對稱加劇。因此，我國有必要從法律規制上完善量化基金公司的算法解釋義務，提升量化基金生態圈內的信息對稱性，有效防范算法黑箱的風險問題。

從法律關系的基本原理看，量化基金活動中所存在的法律關系包括平等主體之間的民商事法律關系與不平等主體之間的行政法律關系，其中前者法律關系主要體現為量化基金的交易活動 (量化基金公司與金融消費者之間的基金交易活動)，后者法律關系主要體現為量化基金的規制活動 (法律規制部門與量化基金公司、金融消費者之間的基金規制活動)。

首先，在量化基金的交易活動中，算法技術的深度應用加劇了量化基金公司與金融消費者之間的信息不對稱，導致金融消費者難以理解量化基金公司的算法金融產品及其模型，無法有效保障金融消費者的合法權益。作為平等關系的民商事交易主體，金融消費者有權知曉基金算法決策的做出機制，尤其是當金融消費者認為算法決策結果與其預期存有較大偏差時，此時金融消費者可以要求量化基金公司對算法基金產品進行解釋，確保算法程序的公開公正運行。因此，量化基金公司有必要完善算法解釋義務，向金融消費者合理解釋算法基金產品的數據、算法、模型及其結果等，以可理解的精準方式向金融消費者解釋自動化算法決策理由，構建金融消費者對自動化算法決策的信任[25]。

其次，在量化基金的規制活動中，算法技術的深度應用加劇了量化基金公司與法律規制部門之間的信息不對稱，致使法律規制部門難以理解量化基金公司的算法技術以及決策模型，無法對量化基金公司實施有效的法律規制。算法可解釋性既可來源于量化基金的交易活動，也可來源于量化基金的規制活動，形成以干預為導向的算法解釋義務。值得注意的是，以算法透明為要求的算法可解釋性并不等于代碼的完全披露，更不會涉及量化基金公司的商業秘密泄露，旨在保護量化基金公司的算法技術創新與黑箱風險防范。概言之，對于量化基金公司的算法黑箱結果，我國需要構建與完善相應的法律規制，從 《個人信息保護法》 《數據安全法》等法律規范切入，以算法公開透明為核心理念，逐步從原則立法到規則實施，夯實量化基金公司算法解釋義務的法律規制。

(2)加強技術規制作為補充手段的配合規制作用。為提升算法黑箱的風險規制效果，有必要引入算法審計，因為算法審計恰好契合了金融市場的風險規制要求，可以通過技術方式提升算法審計的實際效果。算法審計本質上是一種技術審計、技術規制，其旨在通過引入外部專業審計機構對算法基金產品的運作客觀評估，從而讓規制部門與社會公眾能夠快速且清晰地對金融算法是否符合法律規范全面檢視或作出判斷。算法審計的優勢在于審計機構可以從第三方視角，以專業、有效且可信任的方式打開算法黑箱，緩解信息偏在的局面，以便規制部門與消費者有機會知曉黑箱內部的潛在風險，并予以精準規制和理性決策。

根據不同審計目標和需求，算法審計的規制可分為兩類：①從干預角度出發，美國計算機協會公共政策委員會通過頒布 《算法透明性和可問責性聲明》，明確提出應當在算法開發、部署和運行的每個環節對其模型、代碼、參數、數據和決策等進行記錄，以便在需要之時對算法展開審計。②從市場角度出發，基于公共利益原則、介入無害原則和最小必要原則所開辟出的依托用戶的算法審計路徑[26]。但無論從何種角度看，算法審計都高度依賴審計機構的獨立性與專業能力。我國 《個人信息保護法》已初步構建算法審計制度，但算法審計并非僅核查算法基金產品的基礎性要素，還應全方位評估算法系統的自動化決策結果，綜合考慮算法應用的不同場景、處理數據的敏感度與涉及利益的重要性，從而判斷出具何種審計意見類型并提供詳細的審計報告。總之，對算法的可把握與可審計有利于將量化基金公司算法黑箱的內部構造與運作機理由隱性向顯性推進。

隨著算法技術在量化基金公司的深入，算法黑箱問題日益嚴重化，我國可以通過加強規制技術尤其是規制人工智能 (AI)建立自動化的算法規制，提升配合規制的作用。首先，通過制定可量化的技術標準，明確量化基金公司的算法基金產品在開發中的特定行業標準，建立算法與法律之間的協作與溝通機制。在引導量化基金公司算法自律時，我國可以將算法黑箱的套利動機規制于事前，在事前準入性規制階段揭開算法黑箱 “隱層”。其次，針對數據驅動型算法形成的黑箱，我國需要強化規制技術特別是規制AI，在交易行為監控、客戶身份識別、合規數據報送等應用場景，逐步增強規制AI防范算法黑箱的能力，對量化基金公司算法黑箱的內置程序、代碼結構、參數樣本和考慮因素等具體指標進行更為嚴格的規制。

5 結語

算法技術驅動人類從傳統工業社會邁向現代算法社會，并因此進入全新的算法風險社會。量化基金公司在強大的算法技術以及旺盛的市場需求下應運而生，并在激烈的基金競爭中成為中堅力量。然而，在風險社會背景下，現代算法社會的算法黑箱天然具有的不透明屬性，為量化基金公司套利提供了放任空間，給傳統風險規制理論帶來了重大挑戰。

當下，我國陸續對量化基金、程序化交易等出臺相關法律規范，但是相關文件依然主要以 “指南” “辦法”等形式存在，缺乏可操作的管理辦法。此外，量化基金公司利用算法黑箱逃避法律規制，依然屬于工業社會下的風險規制問題，所以僅僅采用風險控制的方法無法解決實際問題。而且，對量化基金公司算法黑箱不能單獨局限于法律規制或技術規制的手段，而應當從規制目標、主體與手段上開展全面規制。因此，我國可以從風險控制向風險規制邁進，從規制目標、主體與手段開展系統規制。在規制目標上，防范算法黑箱風險與促進量化金融；在規制主體上，逐步構建集中化的超級規制機構；在規制手段上，完善法律與技術規制的綜合規制手段。最終，為量化基金公司利用算法技術創新向善保駕護航。