机器的市场之梦

反操纵监管、自主策略与智能体时代

本文发表于《加州大学戴维斯分校商业法律期刊》（Zachary Brenner）

本公众号致力于学术分享，尊重作者，尊重知识产权。若有异议，请随时联系我们，谢谢！

作者：扎卡里·布伦纳

这场变革可追溯至20世纪末，随着计算与通信技术向金融领域的深度渗透，市场结构逐渐转向更高频、更碎片化与更机械化的运作模式。传统上作为价格发现核心的人类判断，逐步让位于以超高速运行的数学模型与自动化程序。尽管技术演进已预示未来潜在的失序，现有法律框架却相对滞后——其仍基于以下预设：市场操纵须以主观故意为前提，价格基本反映可用信息，且市场本质可由人类理性所理解。

当代人工智能架构已不再局限于对人类指令进行被动响应或预测生成，而是日益展现出自主决策、目标构建与迭代自我优化的能力。学术界与行业专家将此类系统归类为"智能体人工智能"。这些系统已超越实验环境，广泛应用于实际场景。从网络安全到供应链物流，智能体系统不仅替代传统人力，更作为独立的经济主体参与运作，其执行速度与处理规模均远超以往任何技术。

图：智能体AI时代——金融市场的新范式

金融市场中的机器发展史

在美国正规证券交易诞生两个世纪后，20世纪末，第一波计算机化浪潮席卷而来，开始重塑金融市场的格局。自1990年代起，计算与通信技术逐步渗透金融业的肌理，推动美国证券交易委员会（SEC）启动美国市场结构的现代化改革。

2005年《全国市场系统规定》（Reg NMS）的出台，进一步加速了这一变革进程。该规则的核心是订单保护机制，要求所有交易必须在全市场最优可成交价格下执行。这一规则的初衷是保护投资者利益，却意外产生了副作用。它激励机构以超越竞争对手的速度，发现并利用不同交易场所间的微小价差。

到2000年代末，算法交易已在市场中占据主导地位，高频交易（HFT）也随之登上舞台。与传统做市商不同，高频交易商在市场承压时并无监管义务维持做市，可瞬间撤离市场，从而放大市场波动。截至2009年，高频交易的交易量已占到美国股票总交易量的约60%。

闪电崩盘发生在一个原本平淡无奇的交易日，导火索是市场对欧洲债务危机引发社会动荡的担忧。下午2点32分，市场波动率突然飙升。一笔价值41亿美元的标普期货卖单，触发了算法交易的连锁反应。短短几分钟内，自动化交易系统向市场倾泻大量卖单。到2点42分，道琼斯指数已下跌3.9%，随后更是暴跌超9%，但在下午3点前又收复了大部分失地。期间，数百只证券短暂以荒谬至极的价格成交——有的跌至1美分，有的则飙升至99999.99美元。

闪电崩盘成为了一个关键转折点，金融科技的风险不再是停留在纸面上的理论假设。市场的速度已超越监管的步伐，复杂度已超出问责的能力范围，自动化程度则过高，以至于难以维持稳定。

现代市场操纵规则及其悖论

技术的崛起重塑了金融市场与交易策略，频繁揭示出监管空白。尽管技术持续演进，但市场操纵法律框架仍基本植根于1929年股市崩盘后所确立的体系——彼时投机泛滥与市场操纵严重损害了公众信任。

SEC的核心使命之一在于防范市场操纵，其主要法律依据包括《证券交易法》第9(a)(2)条、第10(b)条以及后者项下的10b-5规则。然而，对"操纵"这一概念的定义却较为模糊。法院一致认为，证明操纵行为需同时具备操纵行为与操纵故意（即主观故意）。然而，法院在如何界定操纵行为、以及主观故意如何与行为相结合的问题上存在分歧。

人工智能的演进与智能体的崛起

在生成式人工智能模型的基础上，一种全新的系统类别应运而生——智能体人工智能。这些人工智能智能体整合了小型语言模型，能够调用各类外部资源以完成用户设定的目标，无需人类持续提示即可迭代行动、测试结果并调整行为。

图：智能体AI系统——自主决策与策略生成

速度是智能体系统的另一核心特征。与人类交易员或传统软件不同，它们持续做出数千项决策，并根据环境变化毫秒级调整策略。此外，人工智能智能体具备自适应模块化：多个专用智能体可自主组织、形成动态任务组，并在无人类集中控制的情况下重新分配目标。

尤为重要的是，当多个智能体系统在复杂环境中交互时，可能产生涌现行为——这种行为并非单个智能体预设，而是源于独立决策集体动态的结果。这可能表现为羊群行为、闪电崩盘、动量瀑布或突发流动性冲击，均无协调故意触发。

智能体化机器驱动操纵的未来

尽管高频交易算法与生成式人工智能的应用仍是计算机化交易讨论的核心议题，金融市场的演进趋势正指向自主人工智能智能体的广泛部署。智能体系统并非仅继承人类交易员的操纵策略，而是将其优化、加速并产生变异。

以虚假报单（Spoofing）为例。该策略历史上用于制造市场供需的虚假印象，已受到监管审查与法律追责；然而，人工智能智能体的执行标志着根本转变。在控制实验中，经强化学习训练的人工智能智能体自主发现虚假报单是一种盈利策略，无需开发者提供任何指令。此类操纵成为强化学习的涌现性副产品，而非人类刻意编程的行为。

最关键的是，由于智能体系统可无需编程自主发现操纵策略，涌现型操纵随之出现。已被记录的行为包括合谋趋同，独立智能体仅通过适应过程就达成超越竞争的结果，无需沟通或共同故意，模拟共谋效果。从法律视角看，它们均以误导为目标；从经济视角看，它们破坏公平市场。

现代市场操纵监管的不适应性

A. 反操纵规则的局限

市场技术变革常引发监管挑战，传统规则与法律在面对新兴金融现实时往往显得滞后。以往，监管机构可通过共谋证词证明行为主体在计划中具备主观故意。然而，在当今环境下，当涉嫌操纵行为的关键实施者是部署后几乎无需人工干预的自主程序时，证明主观故意变得日益困难。

即便单一主体部署数千个人工智能体并意图扭曲市场，若智能体所采用的策略本身不具固有的欺诈性或欺骗性，传统操纵法律仍可能无法追究其责任。例如，卖空或动量交易等合法策略，无论其累积造成的市场影响多大，通常不满足操纵行为的构成要件。传统操纵法律将责任与行为性质而非实际损害相绑定，其结果是，操纵者可能通过表面合法的交易，借助数千个智能体破坏市场效率，却仍能规避监管追责。

B. 有效市场假说与新现实的冲突

有效市场假说（EMH）主张，资产价格能够充分、即时地反映所有可获得信息，从而为理性投资决策提供依据。该假说深刻影响了法院与监管机构对于市场诚信及投资者信赖关系的理解。在有效市场假说框架下衍生的市场操纵规则的核心是市场欺诈理论，该理论依赖于一项基本前提：市场参与者为人类行为主体，其交易决策被动地吸收并反映公开信息。

为重建理论体系的一致性，应当结合市场微观结构理论对基于有效市场假说的传统预设进行修正。与有效市场假说将价格单纯视为信息的反映不同，微观结构理论聚焦于交易活动、流动性约束及市场结构如何影响价格发现过程。基于微观结构的理论框架支持对自主人工智能实质性损害价格发现功能的部署者施加严格责任，且无需考虑其故意、知情或可预见性。

以损害为核心与私人执法的解决方案

随着智能体人工智能模型日趋复杂，监管框架不仅需要适应新兴市场损害形态，更需超越传统政府监督的局限性，并拓展执法能力。为应对这一挑战，《证券私人执法法》（PESA）将授权受害投资者代表自身、其他散户或专业投资者以及美国，对人工智能智能体部署者提起市场操纵违法行为诉讼。