進入7月份，A股科技板塊在短短兩週內經歷了批量跌停、暴力反彈、二次探底，再到暴力反彈的過山車行情。
與以往歷次急跌相同，市場需要一個“兇手”。這一次，幾乎所有手指都指向了同一個方向——量化交易。某經濟學者公開批評“量化氾濫放大了A股波動”；主觀私募基金經理把矛頭對準量化產品的動量因子；甚至有上市公司董祕在朋友圈發文，直言不反對基本面量化，但質疑純粹依靠情緒與關鍵詞因子的交易缺乏合理性。與之針鋒相對的是多家百億量化私募的集體回應：量化沒有情緒，在恐慌市中恰恰是“穩定器”。
本文試圖用數據與機制拆解這場風波：量化究竟做了什麼、沒做什麼；技術的邊界在哪裏，監管的邊界又該劃在哪裏？
大跌
7月1日起，上半年一路高歌的科技板塊突然轉向：半導體、光通信、PCB（印製電路板）存儲等熱門賽道齊齊重挫。
7月7日，滬指盤中跌破4000點整數關口，收報3990.24點，全市場近4800只個股下跌、約50只個股跌停，當日成交額較前一交易日驟減5100億元。
7月9日，市場出現戲劇性反轉，科創50單日大漲8.41%，電子指數漲7.67%。7月13日，三大指數再度集體調整，全市場近4700只個股下跌，187只個股跌停。7月14日午後，滬指在1小時內從3887點拉昇至3967點。
但調整仍未結束，7月17日，半導體、CPO（共封裝光學）再現批量跌停，上證指數回落至3750點附近，部分前期熱門科技股自高點回撤已超過25%。
7月21日，A股又大漲：上證指數上漲1.79%，創業板指、科創50分別上漲7.05%和10.73%，121只個股漲停。
科技板塊的大幅波動並非A股獨有現象。韓國股票指數KOSPI今年以來最高漲幅達116.28%，一度是全球表現最好的股指，隨後便急轉直下。6月23日，KOSPI暴跌9.99%（910點），觸發熔斷，暫停交易20分鐘，SK海力士和三星電子跌幅均超12%。截至7月21日，相較於年內高點，KOSPI已回撤25.96%，SK海力士和三星電子分別回撤37.10%和28.55%。
美股的情況也類似。費城半導體指數年內最高漲幅達106.61%，自6月23日起開始調整，7月21日最新股價相對於最高收盤價已下跌15.57%。存儲股票閃迪和美光科技分別自高點回撤31.93%和19.99%。
調整以前，A股、韓股和美股三個市場的AI產業鏈股票都經歷了一輪大漲。三個市場共享同一套上漲邏輯。
一是海外科技巨頭資本開支持續超預期：Meta將2026年AI資本開支指引上調至1250億至1450億美元，亞馬遜、微軟同樣維持千億美元級別的算力投入。二是存儲芯片超級週期：三星電子預告二季度營業利潤同比暴增超18倍，市場解讀爲DRAM（動態隨機存取存儲器）等結構性供不應求的驗證。三是獲利效應本身形成正反饋：上半年科創50、創業板50分別上漲64.3%和37.0%，部分細分領域如覆銅板、半導體設備、HBM（高帶寬內存）、光模塊漲幅超過100%，存儲芯片指數漲超165%，賺錢效應吸引更多增量資金追進。
本輪股價大跌的一個主要原因是短期內快速錄得巨大漲幅，鉅額浮盈隨時都有兌現衝動。以存儲芯片股爲例，閃迪在2026年上半年最大漲幅高達883.65%，該股在2025年也上漲了371.27%；SK海力士在2025年上漲278.26%，在 2026年一度上漲349.23%。指數也有類似的情況：A股的Wind半導體指數在 2025年上漲40.25%，在2026年一度上漲91.53%。
大跌的導火索是一條改變了“缺算力”敘事的新聞。7月2日，Meta宣佈計劃把內部閒置的H100、H200算力對外出租，市場解讀爲AI基礎設施建設階段性見頂的信號。當天，全球AI概念股集體重挫：CoreWeave重挫近14%，美光科技跌超10%。
一份盈利不及預期的研報更是火上澆油。7月13日，韓國投資證券（KIS）發佈研報預測，SK海力士第二季度營業利潤爲60.4萬億韓元，雖然同比大增556%，但較65萬億韓元的市場共識預期低約8%。
宏觀層面同樣不容樂觀：美國10年期實際收益率年內已飆升33個基點，逼近本輪擴張週期高點，對高估值成長股的折現率衝擊最直接；疊加中東局勢推升油價與通脹預期，壓縮了各國央行的寬鬆空間。
在下跌過程中，A股因爲結構性擁擠放大了股價波動。上半年，科技板塊漲幅過高、籌碼高度集中在TMT（科技、媒體和電信）賽道，鉅額浮盈遇到風吹草動就有兌現衝動，疊加量化同質化風控與新規階段性收緊流動性，壓縮了下跌展開的時間窗口。
韓國則是因爲三星電子和SK海力士兩隻股票在KOSPI裏權重極高，疊加散戶跟風、高槓杆工具的制度漏洞，恐慌一旦啓動就被迅速放大，散戶最終成爲下跌中的接盤方。美股相對溫和，更多體現爲估值的漸進修正，而非熔斷式踩踏。
這輪下跌裏，量化究竟做了什麼、沒做什麼
市場流傳的大致解釋框架是：上半年科技行情積累了巨大浮盈——科創50年內最大漲幅一度超過64%，半導體指數累計漲幅超過70%，TMT板塊成交額長期佔全市場45%以上——公募等機構資金在7月初集中兌現收益，引發第一波拋壓；股價快速下行擊穿了部分量化產品風控模型的閾值，觸發程序化的、不問基本面的減倉指令；機器拋售進一步抽乾流動性，導致淨值預警、贖回壓力與“二次拋壓”，負反饋由此形成閉環。
這個故事在邏輯上是自洽的，但把它當作“已被證實的事實”之前，至少有三點需要澄清。
第一，導火索大概率不是量化，而是擁擠本身。本輪調整並非A股獨有：7月以來，從韓股到美股，全球科技板塊同步承壓，港股PCB龍頭同樣大幅回撤；美國東部時間7月13日納斯達克指數單日下跌逾400點，第二天，SK海力士重挫9%。
當全球AI算力鏈在高估值、高擁擠度上同步定價回擺時，A股科技板塊作爲其中彈性最大的一環出現劇烈回調，這是整個市場或板塊共同面臨的問題，而非某一類交易者通過特殊策略造成的問題。上半年，科技板塊“單邊上漲+成交佔比近半+估值與情緒同步攀升”的組合，本身就是波動率的火藥庫。量化最多是引信之一。
第二，盤面數據並不支持“量化是唯一賣方。”以7月7日爲例，當天電子板塊主力資金淨流出103.45億元，爲市場之最，個別芯片龍頭單日主力淨流出高達20—28億元。這種量級和集中度的賣出，更符合大型機構組合調倉的特徵。
龍虎榜數據同樣提供了旁證：據Choice統計，7月13日至17日，“機構專用”席位上榜次數達900多次，超過幾家被市場習慣性歸爲“量化通道”的券商席位上榜次數的總和。換言之，在這輪下跌中，主觀機構的賣出行爲至少與量化同樣活躍，甚至更爲主動。
第三，量化確實在“鏈條中段”扮演了角色，但不是發動機的角色。需要承認的是：當前量化策略高度依賴動量、情緒、流動性等因子，當價格趨勢由漲轉跌，動量因子會系統性地翻轉信號方向；當大量管理人使用相似的因子庫與相似的風控參數，減倉行爲就會在時間上高度同步。
這正是“算法共振”批評的合理內核——它不製造趨勢，但會壓縮趨勢展開的時間，把原本可能持續數週的調整壓縮到幾個交易日內完成，並在個股層面製造出“無差別跌停”的觀感。
7月13日187只個股跌停，與7月9日科創50單日暴漲8.41%，其實是同一枚硬幣的兩面：反應速度的機器化，讓市場的“時間密度”變了。
量化不製造趨勢，但壓縮了趨勢展開的時間：把數週的調整壓進幾個交易日，這正是“助漲助跌”觀感的技術來源。
一場各說各話的爭論
量化交易批評方的核心論據可以濃縮爲一組不對稱的數字：據市場機構測算，量化持倉只佔A股流通市值的2%—3%，卻貢獻了每日成交額的30%-40%，在小盤股中的成交佔比甚至超過一半。
在批評者看來，這種“小市值、大成交”的結構意味着量化以少量資金撬動了盤面定價權；當大量機構使用相似的因子模型，一旦市場風吹草動便觸發算法共振，同時賣出、瞬間抽乾流動性。
更尖銳的批評來自學術界：一些基本面並未惡化的公司，僅僅因爲散戶持倉多、流動性好，就成爲量化策略反覆交易的對象，股價因而持續走弱；一些業績平平的公司，反而可能因蹭上熱點被量化資金一波波推高。若該結論成立，它挑戰的是量化行業最核心的辯護——量化讓定價更有效。
辯護方的回應同樣有其邏輯。百億量化私募在7月13日暴跌後的集體表態中提出：其一，量化沒有情緒，不會在恐慌中跟風踩踏；散戶與傳統短線資金纔是情緒傳染的主要載體。其二，量化策略中包含大量反轉類、價值類信號：當價格因恐慌跌破模型認定的合理區間，這些策略會自動觸發買入，爲市場注入買盤，減緩下跌的速度與幅度，這正是“穩定器”的含義。其三，量化高換手本身就是流動性供給：在無人接盤時，做市式的高頻報單爲賣出者提供了對手方。7月9日、7月14日與7月21日三次凌厲的反彈，從盤面特徵推測，恰恰也有程序化買盤的深度參與。如果跌得快要歸咎於量化，漲得快在邏輯上就不能只歸功於人類。
把雙方論據放在一起，可以得到一個更接近事實的中間結論。在常態市場裏,量化大概率是流動性的淨供給者，也是市場交易效率的邊際改善者。
量化策略裏包含大量反轉類、統計套利類、做市類信號。當某隻股票價格短暫偏離其合理區間，這類策略會自動觸發反向操作：價格偏低就買、偏高就賣。這種行爲在客觀效果上，恰恰在爲市場提供了對手方。這也是爲什麼在絕大多數交易日裏，量化的高換手本身就是一種流動性供給：它讓想買的人更容易找到賣家，想賣的人更容易找到買家。
但這套邏輯有一個隱藏前提：策略的買入信號必須能夠壓過風控的減倉要求。極端行情恰恰是這個前提失效的時刻。
每家量化機構的產品背後都有一套獨立於交易策略本身運行的風險控制系統，一旦某個時間窗口內的浮動虧損觸及預設閾值，風控系統會不問策略當下判斷如何，強制要求減倉，這是保護投資者本金、防止管理人“賭一把”擴大損失的必要設計，單個產品層面完全合理。
問題出在加總層面：當價格下跌的速度和幅度足夠劇烈，大量管理人使用的因子模型高度相似(動量、波動率、流動性這幾類因子幾乎是行業標配)、風控參數的設置邏輯也高度趨同 (相近的回撤閾值、相近的止損速度)，原本應由“低吸”信號提供的買盤，會被風控的強制賣出指令系統性壓制，甚至完全抵消。
策略想買，風控不讓買，反而逼着賣。大量管理人在同一時間窗口做出了幾乎相同的動作。個體層面每一步都是理性的風險控制，加總在一起卻變成集體性踩踏。
這不是道德問題，而是系統在不同市場狀態下發生的“相變”——就像水在常溫下保持液態，溫度降至冰點以下後便會結冰，甚至可能撐裂容器。因此，真正值得討論的問題，不是給量化貼上“善”或“惡”的標籤，而是如何管理這種狀態切換本身。
把量化定性爲“作惡者”、訴諸情緒化的“一刀切”禁止，解決不了同質化風險，只會趕走常態市場裏那部分真實存在的流動性供給，讓市場在平時也變得更脆弱；反之，以“量化沒有情緒、天然是穩定器”爲由完全放任，又忽視了極端行情下相變確實會發生的客觀事實。
從“限速”到“平權”
2025年4月，滬深北交易所同日發佈《程序化交易管理實施細則》，當年7月7日開始施行，首次給出高頻交易的量化認定標準：單賬戶每秒申報、撤單合計300筆以上，或單日申報、撤單2萬筆以上；同時確立了報告制度、四類異常交易監控與差異化收費框架。
監管的邊界應當劃在哪裏？國際經驗提供了三條可供參照的原則。
管行爲，不管身份。美國和歐洲監管不因“量化”這個身份單獨設限，而是緊盯操縱性行爲，比如“幌騙”（製造虛假買賣意願後迅速撤單）和“塞單”(堆積海量報撤單拖慢市場、掩護真實意圖)。
監管這些行爲主要依靠兩件工具：一是大額交易者報告制度，單日交易達一定規模的主體須向美國證券交易委員會（SEC）登記，獲發專屬識別號，不管開多少賬戶、經哪家券商下單都要綁定彙報，解決“是誰”的問題；二是綜合審計追蹤系統（CAT），該系統整合客戶、賬戶及訂單事件數據，使監管機構能夠追蹤訂單從生成、路由、修改到撤銷或成交的完整生命週期，解決“做了什麼”的問題。兩者疊加，監管能夠不受賬戶結構和速度的干擾，看清全過程。
歐盟金融市場的重要監管框架MiFIDII更偏向事前審查，算法交易機構每年須自我評估並留檔，建立算法清單。更關鍵的是做市義務，若某算法策略持續掛出規模相近、價格有競爭力的雙向報價，即被認定爲做市，機構必須承諾在規定時段內持續提供流動性，不能行情一有波動就抽身離場。
2013年2月，德國聯邦議院通過的《高頻交易法》要求高頻交易商向BaFin註冊，每筆算法訂單須帶唯一標識碼上報交易所，交易所設定最小報價單位時須參考訂單成交比（OTR）——比值過高說明大量報單只是佔位試探，是重點盯防對象。建議引入跨賬戶、跨主體的實際控制人穿透識別，避免借關聯賬戶分散規模規避高頻認定；對長期享受做市費率優惠的機構，比照歐盟設定極端行情下的雙邊報價義務對等條款。
第二，管外部性，不管收益率。速度競賽是典型的軍備競賽：假設10家量化機構在同一批股票上競爭，每家都想比別人快一點下單，於是所有人都花高額成本把系統延時從1毫秒壓縮到0.1毫秒。
問題在於：當所有人都把延時從1毫秒壓到0.1毫秒，相對位置根本沒有變化——你比別人快的優勢被抵消了，但10家機構在這個過程中合計燒掉的錢一分沒少花。這筆錢對整個市場的定價效率幾乎沒有任何增量貢獻，這就是“負外部性”：每個參與者的理性選擇(追求更快)，加總起來卻對社會整體不利。
面對這種競賽，行政禁令效果有限，更有效的是用流量費、撤單費等經濟手段，把“卷速度”的私人成本拉高到接近社會成本，逼資源迴流到真正提升定價效率的研究上。但只要行爲合規，某機構賺多少錢不該是監管評判的對象——一旦下場評判收益率，就容易從“規範行爲”滑向“打壓羣體”。
建議對撤單率設置上限，並實行階梯式收費——越接近上限，費率非線性遞增，讓機構自發把撤單率維持在遠低於上限的水平；建議監管定期公開行業整體撤單率分佈，讓市場自行判斷軍備競賽是否降溫。
第三，極端狀態要有預設斷路器。行情暴跌時靠參與者自覺剎車是不可能的，誰先賣誰少虧，因此必須由制度強制按暫停鍵。
2010年，“閃電崩盤”（道瓊斯指數盤中十幾分鍾內暴跌近千點又迅速拉回）之後，美國建立了兩層機制：個股層面的漲跌限制機制（LULD），價格偏離過大先限價交易、再短暫停牌；市場層面按照標普500單日跌幅7%、13%、20%分檔觸發不同時長的全市場暫停，分級響應而非一刀切關市。
A股的漲跌停板本身就是斷路器，但這輪行情也暴露出了副作用：同質化拋壓下，賣單堆在跌停價上無法成交，堆積本身會加劇恐慌，當天賣不掉的倉位又會推遲到次日“補跌”。
監管層可借鑑LULD分級思路，在個股跌幅達到中間閾值（如7%-8%）時先觸發幾分鐘集合競價冷靜期，重新發現價格，而非任由賣單在跌停價堆積；也可研究對單一賬戶設置極端行情下的淨賣出申報速率限制。
總結
這輪全球AI產業鏈股票價格的大漲大跌，本質是同一場高位擁擠行情在A股、韓國、美股的連鎖反應：上漲靠資本開支擴張與存儲超級週期的共同敘事支撐，下跌由Meta出租閒置算力等新聞引爆。
量化在這場風波里扮演的始終是放大器而非發動機的角色：它不製造趨勢，卻會壓縮趨勢展開的時間，讓下跌顯得更集中、更極端。更準確地說，量化在常態市場大概率是流動性的淨供給者，只有當風控減倉壓過策略買入信號、當因子同質化讓減倉行爲高度同步時，它纔會階段性切換爲放大器。這是一次系統的相變，無關善惡。
對監管而言，該做的或許不是給量化羣體貼標籤，而是要管住幌騙、塞單等具體操縱行爲，用流量費、撤單費等經濟手段化解速度軍備競賽，併爲極端狀態預置更精細的斷路器。唯有如此，才能既保留量化爲市場提供的真實流動性，又把它在極端時刻可能被放大的風險，控制在可承受的範圍內。
（葉冬豔系長江商學院研究學者，歐陽輝系長江商學院金融學教授、傑出院長講席教授、高級副院長）