实务研究丨量化交易场景下证券虚假陈述责任的适用与展开

所谓量化交易，是指以数据和模型替代人的主观判断作出投资决策，并由计算机自动生成、下达交易指令的交易方式。我国监管规则称之为“程序化交易”，强调的是指令生成与下达环节的自动化；¹学理上则将“量化”与“程序化”并称，前者侧重投资决策由数量化模型作出，后者侧重指令的自动生成与执行，二者实为一体两面，本文循市场习惯统称“量化交易”。就主体而言，我国量化交易以专业机构为主，主要包括量化私募基金、公募基金量化专户以及券商自营、做市部门；个人投资者受资质与交易门槛所限，通常不直接开展此类交易。因此，本文的讨论对象实际是量化机构投资者。

一笔量化交易，在技术上依次经过数据接入、因子计算、信号生成、组合优化、指令拆分与执行五个环节。行情、财务以及卫星影像、网络舆情等另类数据在接入层被清洗对齐；因子层将原始数据转换为可比较的因子暴露，也就是某一证券在估值、盈利、动量等维度上的风险敞口；信号层依模型规则把因子得分转化为买卖方向与目标仓位；组合层据此优化各标的的配置权重；执行层再把大额母单拆分为小额子单，分批送入市场。执行层本身又是一套独立的算法，例如，TWAP（时间加权平均价格）把母单按时间均匀切片，VWAP（成交量加权平均价格）按历史成交量分布安排节奏，POV（固定参与率）跟随市场成交量按固定比例成交，IS（实施落差）则在择时风险与价格冲击之间求取最优解。

需要注意的是，量化机构看到的一笔笔小额成交，往往对应信号层统一生成的同一个大额决策；同一时段方向一致的多笔交易，也可能分属不同策略模块。因此，表面上的成交记录并不能直接说明投资决策是如何作出的，必须沿“子单—母单—信号”逐层回溯。近年来，数据层进一步扩展到供应链等另类数据，信号层也从线性模型走向机器学习与深度学习；²但无论模型多复杂，决策依然是沿“数据—因子—信号”这条链条生产出来的（见图1）。

图1：量化交易的订单生成链条

以交易信号所依据的信息为标准，市场上的量化策略大致可以分为五种。其一，指数化与被动复制型，以跟踪某一指数为目标，依成分股调整、基金申赎与定期再平衡触发交易，以市场价格为成交基准，不对个股价值作独立判断。其二，统计套利与市场中性型，以相关证券之间的价差回归为利润来源，输入相对价格、价差与协整关系信号，持仓周期较短，主要对冲市场方向性风险。其三，趋势跟踪与动量型，以历史成交量价为输入，借助均线、突破、动量反转等信号捕捉价格的延续或反转，但策略本身并不关心价格变动背后的基本面原因。其四，基本面多因子与主动量化型，因子库包含估值、盈利、成长、分析师预期等公开基本面信息，多因子模型以系统性因子解释证券收益，财务报告经清洗、打分进入模型并驱动买卖，持仓周期相对较长。其五，高频做市与订单流型，以盘口订单流、买卖价差与短时波动率为信号，通过持续双边报价提供流动性并赚取价差，持仓以秒甚至毫秒计，几乎不纳入个股基本面披露。

实践中，一只产品往往多策略并行，因此不能以产品名称或管理人的宣传表述为准，而要看系争交易在下单那一刻究竟由哪个模块、依据什么信号生成。

从产品形态看，市场上的量化指数增强、市场中性、CTA（管理期货）、高频做市与T0等产品，与上述五种信息依赖类型之间是交叉对应而非一一对应的。同样是指数增强，超额收益可能来自基本面多因子，也可能来自高频量价因子，产品名称只能作初步参考。

这一差异之所以重要，是因为虚假陈述若要影响一笔量化交易，技术上只有两条路径。一是“因子路径”，被污染的财务数据或公开信息经数据层接入、进入因子计算并直接驱动买卖，基本面多因子型属之，与自然人阅读财报后决策的结构最为接近。二是“价格路径”，虚假陈述先扭曲证券价格，策略再以被扭曲的价格为输入，经量价、价差信号或指数权重间接受到影响，趋势跟踪、统计套利与被动指数型属之。可见，即便策略并不阅读披露内容，只要被扭曲的价格实际进入了它的信号，仍可能受虚假陈述影响；而以盘口订单流为唯一输入的高频做市，原则上在这两条路径之外。³

量化机构首先是机构投资者，其原告资格应回到机构投资者的一般规则判断。《证券法》第八十五条规定的请求权主体是“投资者”，并未以交易方式或主观信赖形态为限；⁴《证券法》第八十九条虽区分普通投资者与专业投资者，但其举证责任倒置仅适用于投资者与证券公司之间的纠纷⁵，并不排除专业投资者对发行人的请求权。因此，量化机构对虚假陈述责任人享有完整的实体赔偿请求权。

易事特案并未否定这一请求权，需要辨明的是它处理的对象。人数不确定的普通代表人诉讼，以成员之间争点共通、能够一体认定为适用前提；而量化机构的交易因果关系须结合各自策略、参数与信号生成过程个别审查，与普通投资者之间欠缺争点共通性，因此难以纳入本次代表人诉讼的权利人范围，而须另行起诉。换言之，易事特案排除的是量化机构作为代表人诉讼集团成员的资格，而非其实体赔偿请求权。这一处理也并非新创。美尚生态特别代表人诉讼中，人民法院经公开听证同样认定，专业机构在投资技能、决策程序与举证能力上与普通投资者存在实质区别。⁶可见，无论普通还是特别代表人诉讼，将高度异质的专业机构排除出集团，都是代表人诉讼的内在要求。市场上将“不属于本案适格原告”解读为“量化机构无权索赔”，实为对裁判内容的误读。

在诉讼路径上，我国证券群体性纠纷已形成普通代表人诉讼、特别代表人诉讼与示范判决机制并行的格局。被排除出代表人集团的量化机构，既可以另行起诉，也可借助示范判决，即先由示范判决确定实施日、揭露日、重大性等共通事实，再仅就自身策略的交易因果关系与损失数额接受个别审理，从而既无须就全部要件重复举证，也不致因争点不具共通性而无从获得救济。

资格问题解决后，实体审理的第一个难题，来自量化决策本身的不透明，即策略是否、以及如何使用系争信息，外界无从直接判断。更麻烦的是证据分布两头不对称——相关的代码、因子权重与指令日志掌握在原告量化机构手中；而能够证明价格是否被扭曲、扭曲到何种程度的行情、报价与成交数据，又多由交易所及被告保有。若仅因被告接触不到算法就让其败诉，事实认定难免失真；反过来要求量化机构自证主观信赖，又与现行的因果关系推定规则相悖。

我们认为，证明责任应区分证明对象、分层配置。第一层为推定的触发，量化机构只需证明交易时点落入实施日至揭露日区间、交易方向与亏损符合时间结构，即推定交易因果关系成立，这一层的负担不因投资者系量化机构而加重。第二层为被告的初步反证，被告主张量化策略不依赖被扭曲信息的，应先就策略类型、信号来源等提交表面证据，例如证明涉案策略实为纯做市或纯套利、其信号与基本面无关。第三层为量化机构的说明与提出责任，在被告完成初步反证后，量化机构应说明其策略确将相关公开信息纳入因子、虚假陈述经价格或因子影响了系争交易，并提交相应的因子暴露与信号日志。

这一结构在现行法上有充分依托。当事人对自己的主张有责任提供证据；⁷书证在对方控制之下的，承担举证责任的当事人可申请人民法院责令其提交，控制人无正当理由拒不提交的，可认定申请人主张的书证内容为真实；⁸以非法方式获取的证据不得作为认定事实的根据，伪造、毁灭重要证据或者提交虚假书证的，可依法予以罚款、拘留；⁹当事人因客观原因不能自行收集的证据，可申请人民法院调查收集。¹⁰由此形成“被告初步反证—量化机构提出策略材料—必要时法院调取交易数据”的责任流转。尤须辨明的是，量化机构在第三层承担的是行为意义上的具体说明责任，而非客观证明责任的倒置。唯有其无正当理由拒不提交由其掌握的信号日志与因子记录、致使信息是否进入交易无从查明时，才依证明妨碍规则承担不利后果；其已提交而被告无法动摇的，仍应维持推定。如此既避免量化机构以商业秘密为由怠于说明，也防止被告仅凭“量化即无信赖”的抽象主张把证明负担转嫁给原告。

这一安排还须与策略秘密的保护相协调。一套可盈利的量化策略，是机构在海量数据中挖掘因子、反复检验、回测校准并持续迭代的结果，凝结了人才、算力与数据采购的长期投入；其价值又较为脆弱，因子构成、参数与源代码一旦公开，即可能被低成本复制并抢先运用，策略收益也会因交易拥挤而衰减，因而属于受法律保护的商业秘密。¹¹若要求量化机构以公开核心资产作为行使诉权的代价，既有失公允，也会削弱责任规则的威慑。对此可借助涉密证据的特别程序，例如依申请不公开质证¹²、限制查阅主体、责令对方签署保密承诺，必要时由专家辅助人或中立技术专家在隔离环境内核验；查明对象应严格限定为“系争信息是否、以何种权重进入了信号生成”，量化机构只需提交与系争标的、系争时段相关的因子暴露与信号日志，无须公开全部代码。

投资者主张虚假陈述赔偿，须依次证明两层因果关系。交易因果关系解决“这笔交易是不是因虚假陈述而发生的”，损失因果关系解决“这笔交易的损失有多少是虚假陈述造成的”。

就交易因果关系，并不要求投资者逐一举证自己读过披露文件、信赖了哪些内容。依《最高人民法院关于审理证券市场虚假陈述侵权民事赔偿案件的若干规定》（法释〔2022〕2号，下称《虚假陈述若干规定》）第十一条，只要交易时点落在虚假陈述实施日至揭露日之间、交易方向与亏损符合时间结构，即推定交易因果关系成立；被告可依第十二条举证推翻，例如交易时点与虚假陈述方向相反、投资者事先明知虚假陈述存在等。这一推定的法理基础是欺诈市场理论。在一个公开、有效的市场中，公开信息会反映在价格上，投资者信赖价格的公允性而交易，就视同他信赖了信息的真实，有效市场假说为此提供了金融学支撑。¹³我们认为，“价格信赖”推定对自然人投资者确有制度效率，但它建立在“价格—信息—决策”三者紧密相连的假设之上，一旦交易由算法自动作出，这个假设是否还成立，就需要重新检视。

该理论成立依赖两个前提，一是价格能够反映公开信息，二是投资决策以价格所传递的信息为中介。就价格反映而言，量化机构并不否认信息会进入价格，它反而以价格、因子为输入；问题在于，它可能只利用信息中的统计成分，而并不关心信息内容本身的真假。就决策中介而言，自然人“信赖价格公正”尚可推定，算法却只对信号负责，价格是否因虚假陈述失真并不在其考虑之内，此时笼统推定它“信赖”了虚假信息，往往与事实不符。这也说明，交易因果关系的认定不能对所有“量化”交易套用同一把尺子，而必须回到前文所说的信息依赖差异，逐类判断。

结合订单生成链条，信息未能影响某笔交易，可能出现在两个环节。其一是接入环节，策略的数据层根本没有纳入被污染的信息类别，例如做市与纯统计套利只接入行情盘口、不接入财务数据，此时虚假陈述从未进入订单生成链条，推定缺乏事实基础。其二是生效环节，信息虽经接入、甚至完成了因子计算，却没有在系争时段实际改变这笔交易——于价格路径，是虚假陈述并未扭曲价格，或被扭曲的价格没有进入信号；于因子路径，是对应因子权重为零，或买卖信号早在虚假陈述发挥作用之前就已由其他因子触发。

金融学的经验研究也指向同一方向，即算法交易对基本面信息的使用并不均匀，在信息环境较差、散户订单流密集的股票中，其收益更多来自订单流捕捉；算法交易在改善流动性的同时，也可能弱化基本面信息驱动的价格发现。¹⁴¹⁵这意味着，无论是不加区分地推定所有量化交易均有信赖，还是一概认定量化交易均无信赖，都无法反映策略之间的结构性差异。

除信息传导断裂外，还有一项独立的法定切断事由。量化交易若越过合法边界、本身构成操纵证券市场，例如通过不以成交为目的的频繁报撤单实施幌骗，¹⁶则依《虚假陈述若干规定》第十二条第四项，原告交易构成操纵证券市场等违法行为的，人民法院应当认定交易因果关系不成立。¹⁷其法理在于违法行为不受保护，投资者损失主要源于自身违法及其市场后果；这一切断无须查明信息是否进入订单链条，只要交易本身违法即可，与前述两个环节的断裂分属不同层次。

循信息依赖谱系，交易因果关系的认定强度应逐类递进。其一，被动指数型以被信息塑造的市场价格成交，是典型的价格接受者，原则上维持推定；只有当被告证明某笔再平衡纯由与价格无关的成分股调整日程触发时，才就该笔交易推翻。其二，基本面多因子型以公开披露为因子输入，传导路径清晰，最接近研读财报的自然人，原则上维持推定；被告证明对应因子权重为零、或信号在虚假陈述进入因子之前即已生成的，推定推翻。其三，统计套利型取决于价差信号是否以被扭曲的价格为输入，套利组合中价格失真的一端经价差驱动交易的，维持推定；交易纯由与基本面无关的阈值触发的，予以推翻。其四，趋势跟踪型取决于量价信号是否吸纳了虚假陈述的作用，信号区间与价格上涨区间重合、价格动量间接源于虚假陈述的，维持推定；信号依据实施前既已存在的独立走势形成的，予以推翻。其五，高频做市型以订单流与价差为输入、持仓极短且双边对冲，原则上难以认定其信赖个股基本面，交易因果关系一般不成立；只有在订单流失真系统性导致库存敞口亏损、且该失真可归因于虚假陈述时，才例外认定。使推定强度与信息依赖程度相适应，是对不同策略的平等对待，而非对量化交易的差别歧视。

更关键的是，推定的推翻不宜在账户层面作“全有或全无”的整体判断。一个量化账户在实施日至揭露日区间往往达成百上千笔交易，并可能并行多类策略；若仅因部分交易与虚假陈述无关便整体否定全部请求，或仅因账户在区间内交易便整体推定全部交易均有信赖，都失之简单。“部分”问题应在两个层次分别处理。第一层是交易因果关系的分笔、分策略定性。同一账户内，信息依赖型策略（如基本面多因子）生成的交易维持推定，非信息依赖型策略（如高频做市、纯统计套利）生成的交易予以推翻；同一策略内，信号形成于虚假陈述发挥作用之前的批次推翻，形成于其后、且相关因子已纳入虚假信息的批次维持。交易因果关系的成立，并不要求虚假陈述是交易的唯一动机，只要它经价格或因子构成系争交易的动因之一，该笔交易的交易因果关系即告成立。第二层是损失因果关系的比例定量。同一笔交易确因虚假陈述而发生，但损失同时掺杂市场风险、个股其他事件的，“程度大小”不再属于交易因果关系，而应依第三十一条在损失核定中按原因力比例剥离，不应据此否定交易因果关系。两层结构如图3所示。

图3：交易因果关系分笔定性与损失因果关系比例定量的两层结构

以一个多策略账户为例，其基本面多因子模块因纳入被粉饰的盈利因子而持续买入，交易因果关系成立；做市模块依盘口双边报价，与基本面无涉，交易因果关系不成立；统计套利模块则须考察套利组合两端价差是否由失真价格造成，逐批认定；就多因子模块已纳入赔偿的交易，若同期市场整体下跌、行业利空亦影响股价，这些独立因素所致亏损再于损失因果关系阶段按因子贡献度剥离。账户层面因而呈现“部分交易成立、成立交易按比例受偿”的精细结构。

在证明方法上，可借助三类工具。一是价格影响与事件研究，通过考察揭露日前后的超额收益率，验证虚假陈述是否以及以何种幅度影响价格，事件研究法在金融学上已有成熟标准可循。¹⁸二是因子暴露与信号回测，由量化机构提交系争时段的因子载荷、信号记录与版本日志，证明相关信息在信号生成中确有权重，被告则可以“移除该因子后信号不变”的反事实回测加以推翻。三是信息信赖的直接证明，在策略直接以披露内容为输入时，提交因子数据的来源与更新时间，还原信息进入模型的具体路径。¹⁹考虑到因子模型的专业门槛，还可由专家辅助人出庭说明，或委托无利害关系、兼具量化与损失核定能力的专业机构在保密承诺下独立核验，其审查集中于三项可检验的事实，即信息是否进入数据层、进入后是否在涉案时段实际驱动了订单、驱动方向与数量是否与交易记录吻合，从而把“算法是否信赖”转化为可验证的事实问题。

在交易因果关系逐笔认定之后，损失因果关系要回答的是，这些确因虚假陈述发生的交易，其损失中有多少可归因于虚假陈述。量化场景的便利之处在于，量化机构自身就具备建模与归因能力，其策略盈亏本就通过多因子模型精确归因，这一能力可以延伸用于损失的比例量化，即将虚假陈述因子与市场风险、风格因子、其他重大事件因子分别建模，模拟不存在虚假陈述时本应呈现的收益曲线，实际曲线与模拟曲线之差，即为可归因于虚假陈述的损失。上海金融法院2022年发布的证券期货投资者权益保护十大典型案例中，普天案确立的多因子模型与收益率曲线同步对比法，与量化机构的内部归因方法相互契合，可作为专业核定的基础。²⁰

具体而言，核定可分三步：其一，以量化机构实际运行的因子模型为基础，移除虚假陈述因子（或被扭曲的价格信号），模拟相同市场环境下“若无虚假陈述”本应获得的收益，构建反事实曲线。其二，实际收益与反事实收益之差，即为虚假陈述原因力对应的损失，由市场、行业、风格因子解释的部分随之自动剔除。其三，将归因结果落到每一笔经交易因果关系确认的交易上，形成逐笔赔偿金额，再按账户汇总。这一方法与量化机构日常的业绩归因、风险管理使用同一套数据与模型，无须另行构建，也便于双方在可检验、可复现的框架下质证；模型能力不足或日志不全的案件，方可退而采用普天案的多因子对比法，或以市场综合指数、行业指数对比作为补充。

量化交易给证券虚假陈述民事责任带来的，不是投资者保护的退场，而是责任认定方法的更新。本文试图在“一揽子推定”与“全盘否定”之间，为算法时代的交易因果关系认定找到一个可操作的中间地带。但应当看到，这一调整只是起点而非终点。量化交易背后，是投资决策主体从“人”向“机器”的持续迁移，而人工智能的发展正在加速这一进程，当交易策略从人类编写的因子模型，走向大模型驱动、具备自主学习与迭代能力的系统时，“谁在决策”“依据什么决策”将变得更加难以回答。今天困扰裁判者的算法黑箱，届时可能只是更大不确定性的一角，不仅“信赖”难以推定，连“决策”本身都可能难以定位到具体的意志主体。这并不意味着责任规则的失效，反而要求其规范功能以更精细的方式实现。虚假陈述的威慑价值不会因交易方式的演化而减损，市场对真实信息的依赖也不会因下单主体的改变而消失。可以预见，围绕交易因果关系的类型化认定、证明责任的动态配置、损失计算的模型化核验，这些在量化交易场景中生长出来的方法，将逐步沉淀为证券虚假陈述诉讼的一般技术，并反过来塑造信息披露义务与合规行为的边界。