摘要：量化交易是否具有信息优势，它们如何交易，对市场有何影响？根据A股市场量化交易执行策略“母单拆分”的特点构建量化交易活跃度指标，探讨该指标对股票未来收益的预测能力，并试图打开其决策黑箱，得出以下三方面研究发现。第一，量化交易活跃度对股票未来收益具有显著正向预测能力。第二，量化交易的信息关注呈现结构性差异，对基本面信息的关注仅存在于高透明度股票，而在主要布局的低透明度股票中缺乏有效的信息挖掘。第三，市场效应存在双重性：量化交易虽提升股价信息含量（修正市场类异象定价偏差），但抑制基本面信息生产（对基本面类异象无影响）。
什么是量化交易模式？
在金融科技革命驱动下，以算法模型为核心、计算机自动执行的量化交易模式已深度重构全球金融市场微观结构。其相较于传统人工交易具有执行效率高、成本优势显著等特征，推动证券市场全链条自动化进程加速。
量化交易在快速发展的同时，也因策略趋同、高频套利等问题多次引发市场剧烈波动，促使国内外监管机构强化管控。特别是2024年初，量化机构“宁波灵均”开盘大额卖出，导致上证指数和深证成分股指数快速下挫，引发了市场的强烈反响。因交易制度、投资者结构及市场成熟度等维度差异，我国与发达资本市场的量化交易具有差异化的市场影响。因此，本文通过量化交易执行策略“母单拆分”的特点构建量化交易活跃度指标，聚焦量化交易是否具备价格发现功能这一核心问题，揭示其市场价值效应的内在机制与经济后果。
量化交易的市场价值效应
本文以量化交易对股票未来收益的预测能力为切入点，提出量化交易通过捕捉订单流信息发掘低估股票的理论假设。区别于传统基于基本面分析的“聪明”资金，量化交易更多依赖对市场结构和其他投资者行为的动态解析，通过蛰伏在低信息透明度股票中捕捉散户订单流套利。基于2003年11月至2022年12月沪深主板及创业板数据，构建小单成交占比、挂单成交占比等指标衡量量化活跃度，运用投资组合分析、Fama-MacBeth回归等方法验证其与未来收益的正向关系。通过横截面分组检验与时间序列分析，证实了量化交易通过捕捉订单流信息而非基本面信息进行交易，其在此过程中产生的外部性会系统性地影响股票价格，进而形成了对未来收益的预测能力。
研究结论与政策建议
主要有以下三点研究发现。首先，量化交易活跃度可显著正向预测股票未来收益，构造的多空组合策略可实现年化24%的超额收益，表明量化交易具有市场价值效应。其次，量化交易对公司基本面信息的关注受信息透明度影响。最后，量化交易阻碍了公司基本面信息生产，但总体来看，股价的信息含量并未减少。
基于上述分析，提出四维政策框架：一是优化信息披露结构，推行标准化数据披露，压缩非结构化“软信息”占比，引导量化策略向基本面分析回归；二是建立动态监管机制，对高频策略实施最小报价单位弹性调整，促使量化交易的竞争从物理延迟优势转向策略有效性优化；三是构建投资者保护体系，开发量化策略模拟平台与风险可视化工具，缩小散户投资者认知鸿沟；四是完善风险预警系统，对策略集中度高的个股实施杠杆率与日内交易频次分级管控。
本文改写自陆蓉老师团队的论文：
陆蓉，张瑞瑞，闵思凯.量化交易的市场价值效应——信息优势的作用[J].管理世界，2025，（06）：55-76+157.
