【《投资者》第29辑】DS视角下中小投资者保护机制之重构

一、DS视角下证券中小投资者权益保护面临的挑战

众所周知，证券市场具有天然的技术性、信息传播和披露性特征，进而无论何种特色的证券市场均是这三性（技术性、传播性和披露性）发展与应用的结果。当前DS及其衍生的新技术在证券市场或者与证券市场相关联的其他金融市场甚至非金融市场正方兴未艾，并且已经进入证券市场的发行和交易各个环节或倒逼一些市场经营行为。DS在证券市场充分应用的典型为智能投顾、程序化交易等。DS的运用可以提高交易效率，减少情绪原因等非理性投资行为，降低交易成本，但也带来了一定的风险与挑战。

从各个维度看，当DS技术被运用到证券市场，中小投资者权益保护是更加强大，还是愈发被弱化呢？相比其他AI科技，我们必须承认DS技术用于证券市场，一般会给中小投资者保护带来更多隐患，而并非目前业界或学术界所希望的：当前是证券市场引进类似DS等为代表的交易技术的关键时候，否则，就会错过一波由于科技对金融改变而引起的大行情。

一是DS技术加剧了中小投资者交易安全问题。DS技术运行的核心为算法，但因编码失范或外部攻击，可能发生算法失灵从而损害投资者的交易安全。证券交易市场是以交易所为中心，众多交易参与人环绕周围，呈各种类型投资者位于最外层的网状结构。在证券交易的多层环形网状结构中，某个交易单元的程序化交易算法出现问题，都可能通过高速网络迅速扩散至交易所交易系统，并对整个市场造成影响。例如高盛期权交易系统算法失灵事件，2013年8月20日，在美股开盘后的几分钟内，高盛集团的一个交易系统发生故障，算法错误地将客户对某些期权的交易兴趣识别为实际交易指令发往交易所，且发出订单总数超过40万张，使高盛面临上亿元的损失。对于产生错误订单的原因，高盛声称是由前一日内算法系统的更新所致。事后纽约证券交易所取消了80%的错误订单。又如我国2013年光大证券816事件，起因也在于程序化交易软件系统设计存在缺陷，算法失灵导致自动生成巨量市价委托订单，在未经审核的情况下直接发送到上交所，申报买入234亿元的订单，上证综指在仅仅2分钟内涨幅达5.65%。光大证券因算法错误而大量报单，相当于以正常价格买入了超过其预期数量的股票。

二是DS技术恶化了中小投资者的交易公平问题。每当运用DS之类的人工智能技术在市场进行交易时，表面看起来无歧视，但实际上技术优势方或者机构方会算计中小投资者进行相关投资。事实上各国或者地区出现程序化交易或者高频投资者（比如机构包括政府公募基金和民营经营的私募投资基金）所进行的交易，几乎所有资本市场的中小投资者或自然人在证券交易决策中并未取得实际好的效果。在交易的频率方面，中小投资者永远不可能与机构投资者相提并论。换言之，一个不对等的交易双方，从交易刚开始就输了。更为严重的是，若程序化交易投资者滥用技术优势运用某些算法策略操纵市场，中小投资者就会在操纵行为中被动受损，且当前算法操纵越来越隐蔽，行为认定愈发困难。我国高频交易操纵市场第一案—伊世顿公司操纵期货市场案，该案中行为人通过非法手段将高频交易系统接入交易所系统，利用算法技术频繁的虚假申报，长时间的规避了证券监管部门的查处，最终获利20多亿元人民币。

三是DS技术进一步侵害了中小投资者的知情权。信息披露是为了确保中小投资者可以获取具有时效性、完整性和准确性的信息掌握以作出交易决策。但是因算法技术的复杂性、代码不透明性，加剧了中小投资者与算法技术应用者之间的信息不对称程度。如，中小投资者难以理解量化基金公司的算法金融产品及其模型。智能投顾服务中存在显著的透明度缺陷与道德风险隐患：其算法决策机制缺乏可解释性，投资标的遴选过程构成“技术黑箱”，服务机构在委托代理关系中可能基于利益驱动实施策略偏移。研究表明，当服务协议条款存在认知壁垒且风险披露机制不完善时，极易形成双重信息不对称格局—既包括金融产品复杂性与投资者认知能力的结构性矛盾，也涉及服务机构主动选择的信息过滤行为。特别值得警惕的是，在现行激励机制下，部分平台可能通过优化推荐算法权重，将佣金提成率作为产品匹配的核心参数，而非基于投资者适当性原则进行资产配置。这种利益驱动下的产品推荐机制，实质上剥夺了中小投资者对风险收益特征的知情权，使其在未充分理解产品属性和市场波动规律的情况下形成非理性决策，最终导致财富异常转移风险。

二、中小投资者保护的法理基础

在DS时代中小投资者保护愈发困难，这也是科技金融变革和发展的结果，这个结果可能令业内人士、中小投资者以及监管部门感到迷茫。事实上，随着证券市场的数字化发展，DS技术的深度应用，证券投资者也具有了更多时代气息，因此需要对中小投资者的内涵进行阐释，从而构筑中小投资者保护的理论基石。国内理论与实务界围绕金融消费者与消费者、投资者的关系存在长期争议，相关争议主要集中在行为人的行为目的（是否为了生活消费）与主体范围（是否限于自然人）两个方面。金融消费者是消费者概念在金融领域的延伸。根据行为主体是否以获利为目的来区分消费与投资的传统理论，以及将金融消费限于自然人的做法已无法满足金融市场混业发展的现状。本文认为应将金融消费者明确为投资者的上位概念，使投资者享受更多金融消费者层面的保护。我国证券市场有2.25亿投资者，中小投资者占比超过99%,且中小投资者在信息获取与分析、专业能力、纠纷解决方面均处于劣势，保护中小投资者的合法权益关乎市场公平与正义，势在必行。

健全的法律制度、高效的执行机制及政府监管措施是提升投资者权益保护效能的关键路径。“法律与金融”研究范式的核心要义在于：通过修订公司法、证券法、破产法等基础性法律规范，辅以公司治理准则等配套制度安排，系统构建投资者法律保障体系，进而优化公司治理效能并培育高效率资本市场。该理论体系将法律界定为特殊的外部治理机制，以LLSV学派为代表学者，开创性地论证了法律体系与金融市场发展的内在关联。研究指出，法律体系在投资者权益保护方面具有重要作用，甚至决定性作用，其完善程度直接影响金融市场的演进轨迹—投资者保护机制与金融市场成熟度存在显著的正向关联，制度优势与市场活力呈现明显的协同效应，反之则导致市场发展滞后。即投资者保护机制越完善，其金融市场发展越蓬勃，反之，投资者保护机制越弱化，其金融市场发展越疲软。当法律体系对外部投资者保护存在制度性缺陷时，将直接制约公司治理结构的优化和外部融资渠道的拓展。

目前，我国出台了公司法、证券法、《证券投资者保护基金管理办法》等规范性文件，建立了中小投资者权益保护法律体系。证券法以及证监会发布的《证券公司治理准则》《证券公司内部控制指引》《证券投资顾问业务暂行规定》等规定了证券公司有义务保护中小投资者交易安全。中小投资者权益司法保护的相关规定有《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》《关于全面推进证券期货纠纷多元化解机制建设的意见》等。各地人民法院为有效应对群体性证券纠纷，也正在积极创新符合本土特征的司法运行机制。

尽管我国已构建起中小投资者权益保护的基础性法律框架，但在DS技术革新背景下，发现许多创新对证券中小投资者的保护仍有很多不足。如前所述，中小投资者权益受损具有新的变化。因此，DS技术的应用掣肘证券中小投资者权益保护的状况亟须纾解，应改良法律体系，给予投资者更好的保护，这对于我国证券市场的发展与维护金融稳定都有重要作用。

三、DS视角下中小投资者权益保护机制的重构

（一）明确包容审慎的规制理念

包容审慎理念由重视鼓励创新、提高效率的“包容”与重视安全、防范风险的“审慎”构成。在人工智能技术不断迭代快速发展的背景下，会不断出现新技术、新业态、新模式。在新技术不触及安全底线的情况下，对其采取包容态度，鼓励创新，发挥其价值功能。同时设计、开发与应用人工智能技术时，应遵循科技向善原则，考虑和解决与社会价值观、伦理原则和法律规范相冲突的问题，以确保人工智能技术的发展和应用符合公共利益、个人权益和社会正义原则。但另一方面，新技术也意味着新风险与新问题，在新技术发展初期还看不准的时候给予其观察期，并以有效的金融风险控制为前提。

对于DS技术在证券市场的应用，监管机构的审慎应多于包容。因为当前对于程序化交易、智能投顾等的风险认识还是比较模糊的，无论是基于域外的经验还是国内的实践，虽然相关的部分风险已经暴露，但基于人工智能技术的迭代演进，某些新型风险可能我们却浑然不知。且证券市场与公共利益密切相关，风险具有高传染性，风险一旦现实化将严重危害投资者利益与证券市场发展。在此情形下，监管机构应基于审慎性原则加强监管，践行“场景化风险评估”的理念，针对不同技术特性制定差异化的监管规则。过度严苛的规则标准不仅将推高监管成本，更可能抑制证券市场创新活力，阻碍市场整体效率提升。新兴技术的引入已成为证券市场不可逆的发展趋势，现阶段的核心任务在于构建技术领域的统一评估体系。监管机构亟须提升人工智能技术风险识别与研判能力，确保监管规则设计与措施的公平性与效率性，在平衡创新激励与风险防控的基础上，保障中小投资者的合法权益，维护市场稳定。

就程序化交易而言，程序化交易在我国证券市场大面积或者大规模地引进或开放还有很长的路要走。原因很多，一是A股市场本身具有天生的缺陷：如从投资者数量结构层面看95%为散户；二是市场参与主体具有较大影响的国有全资或者国有控股股东，甚至实际控制人等主体的数量虽少，但其持有股份数量却占了全市场的90%股份以上；三是由于与人工智能相关的伦理空缺，目前国际社会对DS为首的人工智能缺乏统一的认识。沪深北证券交易所在2024年6月7日发布的《程序化交易管理实施细则（征求意见稿）》对高频交易的认定标准为每秒最高申报速率300笔以上，或者单日最高申报2万笔以上。对高频交易进行差异化管理，将高频交易限制为每秒300笔与单日2万笔以上，证监会和证券交易所并没有做出公开的解释。但从实践来看，每秒300笔与单日2万笔对现有绝大多数量化交易的影响不大，大部分的量化交易达不到如此频率与规模。那现有规定是否有宽松之嫌？是否对中小投资者提供了实质性的保护？我国对高频交易的认定标准仍待商榷。

（二）加强DS技术应用的合规性管理

DS技术应用时的优势和劣势，如何取舍？其标准合规性管理的要点在于提高其透明度与数据的标准化、规范化。巴尼·弗兰克(Barney Frank)提出的金融科技透明度监管理论强调构建“技术可审计性”制度体系。该框架要求建立基于准入许可的技术备案制度，对核心算法架构、数据交互协议及系统运行参数实施牌照化管理。在资本市场信息披露维度，需构建穿透式监管以应对金融科技衍生的数据黑箱效应—技术供应商与金融机构通过智能合约、加密数据库等技术手段形成信息垄断闭环，导致公共权力在实施个人信息保护时面临执行效力弱化困境。研究表明，金融科技在降低市场摩擦系数的同时，产生了风险形态的异化效应。技术扩散导致操作风险与系统性风险的耦合度显著提升，监管主体因信息滞后性和数据颗粒度不足形成监管盲区。2015年证券市场的异常波动案例表明，以HOMS系统为代表的金融科技创新成为市场波动的重要催化因素，其分仓记账功能引发的杠杆嵌套问题暴露了监管科技的适配性缺陷。构建信息披露的均衡模型需满足双重约束条件：在监管效能层面，建立满足最小必要原则的数据开放标准，确保监管机构获取关键风险参数；在权益保护维度，设定包含商业秘密保护系数与个人隐私熵值的上限阈值。通过建立动态调整的信息披露指数矩阵，实现监管数据需求与市场主体权益的帕累托最优配置。

另一方面，促进数据的标准化和规范化。数据的标准化与规范化旨在将分散的、不同类别的数据聚合起来，挖掘潜藏在其中的有用信息。推进数据的标准化有利于促进数据共享、数据分析与决策。2023年11月10日，证监会发布了《证监会职能配置、内设机构和人员编制规定》，明确提出要设立科技监管司，其职责主要为构建集中且统一管理的数据体系，进行数据标准化治理，推进大数据平台的建设进程，促进监管数据共享。应细化相关规则，对数据以统一的预设标准与格式进行收集与管理。如SEC在建立CAT系统后，要求交易所、自律监管组织以及其国家市场证券(NMS)的成员以标准形式向中央存储库提交详细的交易数据。同时构建交易数据查验机制。数据的真实性、准确性是监管机构以数据为依托预警风险、进行智慧监管的关键。证券市场财务报告造假层出不穷，证券监管机构应建立数据查验机制，对市场主体提交的数据进行真实性辨别，确保可用于合规检查，发挥事前预防、事中监测、事后惩处的基础性作用。监管机构应充分采用科技手段进行穿透式监管，督促报告主体规范化上报数据，对采集的数据进行分类和汇总。若报告主体以账户组为单位报告相关数据，申报速率应取所有账户交易的最高值，交易量计算采取合并计算的标准。

此外，随着人工智能技术的进步与证券市场环境的变化，有关交易风险的数据与信息类型也在变动，监管机构需要更加注重识别、选择重要的交易数据类型，适时优化调整程序化交易报告，保证收集的数据常变常新，并迭代查验的报告数据。若投资者不实报告，交易所应在充分考虑监管对象的主观状态、违规行为对市场的影响程度、违规次数、违规后整改情况等考虑给予监管对象相应的监管措施和纪律处分。

（三）发展技术驱动型监管手段

金融创新催生的新型产品与服务对现行监管体系形成显著压力，其技术特征与运行模式已显著突破传统监管框架的覆盖范畴。实证研究表明，金融科技在提升交易效率的同时，监管科技的发展速度与市场创新存在明显脱节。2015年证券市场异常波动事件中，以HOMS系统为代表的创新技术架构成为风险传导的关键节点。值得关注的是，分仓系统通过伞形账户架构构建的多层级账户体系，在证券结算系统中仅能识别至配资机构维度，而无法穿透至终端投资者个体，这种结构设计导致市场透明度显著降低。进一步分析表明，监管机构在风险识别与应对层面存在双重技术困境：首先，面对新型交易模式等复杂账户体系，监管技术手段存在监测盲区；其次，与市场主体基于逐利动机快速迭代技术系统相比，监管技术更新周期呈现明显滞后性。这种技术代差源于两个维度：其一，新型交易技术往往涉及算法工程、高性能计算和低时延网络等专业领域，需持续投入大量技术资源；其二，监管机构在技术储备与响应速度方面处于相对劣势，这种不对称性客观上延长了风险识别与处置的响应周期，显著提升了系统性风险暴露概率。

DS技术在证券监管框架中不仅作为监管客体接受规制，更逐步演化为监管实施的技术支撑。传统证券监管体系以人力密集型监管为主，数据采集依赖统计报表、窗口指导等滞后性手段，风险评估基于金融机构定期报送的历史数据。然而，此类静态数据仅能反映监管对象在特定时段内的经营样态，难以捕捉金融市场的实时动态风险特征。有必要在传统金融监管方式之外，辅之以技术驱动型监管，构建双维监管体系，以应对DS技术及其在此基础上后来者持续创新发展所主动或被动带来的挑战。为了防备DS的天生缺陷（如黑箱操作带来许多环节的信息不对称），建议将算法的黑箱操作列为监管重点关注对象。

首先，要逐渐建立DS视角下风控的同时，谨慎构建以DS等人工智能风险监控系统。风险监控系统的建立有利于提高风险识别与预警能力，保障交易安全、防控潜在风险。一是通过建立全流程风险监控体系，可以实现对证券交易风险的即时识别与应对。借助其强大的数据收集和技术资源优势，可以实时捕捉证券交易风险，包括异常交易行为的甄别、市场操纵迹象的探测以及流动性风险的评估。进一步地，该系统还能对风险进行量化分析，为后续的风险预警和处置奠定基础。二是在识别风险动态或者静态的基础上，我国应逐步健全实时预警机制，即当风险监控系统检测到潜在风险时，应能迅速激活预警机制。具体而言，预警机制的实施包括以下几个核心环节：其一，实施动态监控与深度数据分析，运用DS、云计算等技术对证券交易的全过程进行实时监测，涵盖市场数据、交易指令、系统状态等多个维度，然后通过数据分析，及时发现交易异常或系统隐患，为预警提供信息支持；其二，设定合理的风险阈值，根据交易策略和市场环境，制定包括最大亏损限额、最大滑点等在内的风险容忍度标准，一旦实际交易数据触及或超越这些阈值，系统将自动触发预警；其三，建立高效的预警通知与应急响应体系，通过短信、邮件、系统弹窗等多种渠道，确保预警信息能够即时送达相关人员，并制定详尽的应急响应预案，明确处理流程和责任人，以便在预警发出后能够迅速采取行动；其四，持续优化预警机制，根据预警机制的运行，不断调整预警策略、优化风险阈值，并深化对市场、技术和系统风险的研究，以期提升预警机制的精准度与灵敏度。总之在全流程风险监控系统的支撑下，可以防范程序化（高频交易）交易的风险，促进程序化或者DS技术支持证券期货品种的发行与交易的稳健发展。

其次，维护风险监控系统的安全是必不可少的。一方面，在风险监控系统的搭建与运行过程中，应充分考虑交易所信息系统与证券公司接入系统的安全性，可以采取防火墙、灾难恢复、数据加密等措施，应对程序化交易算法失灵等风险，保证系统的安全稳健运行。另一方面，还应定期对风险监控系统进行检测与升级，适应证券市场环境的变化与程序化交易风险的挑战。一是建立并强化用户反馈机制。积极搜集投资者对风险监控系统的性能和运行效率的意见，及时回应投资者提出的问题，提升投资者满意度及系统的实效性。二是依据风险监控系统的实际运行的相关数据，对其进行深度挖掘，优化系统算法，提高处理速度，降低资源能耗。

再次，监管规则的数字化转换。运用监管科技对程序化交易进行监管，其中的关键点为监管规则应能翻译为机器可读语言，即机器可执行规则。但法律条文具有语义多重性、含糊性等特征，计算机虽然可以运用机器学习算法将监管法规转化为机器程序，但还不能理解与处理语言中的微妙表达。通常将法律语言转化为机器可读是在法规发布之后进行，是一个后端操作环节。英国FCA发起了一个“MDMER”项目，将机器可读程序由后端转为前端，旨在监管规则制定之初便消除歧义并立即让机器执行。这意味着将法律条文的内容、逻辑等以编程的方式表现，便于机器分解学习。同时启示我们程序化交易监管规则的制定要减弱词语的多义性，使具体制度以细粒度的方式表达。将法条的一般性规定转换为案件信息指标类别与数据阈值，监管科技可自动运行、智能判断程序化交易违法行为。具体来看，法律规范通常为概括性规定，规制的是类型化的违法行为，而非具体的案件事实。案件事实与法规适用之间由执法人员或司法人员通过涵摄确立。可执行规则需要通过技术性手段即法律的代码化，将具体的、已拆分且语义限缩的规则转化为算法的运算逻辑，便于通过对比、分析海量程序化交易数据，得到可靠的结果。因此，对程序化交易潜在风险与违法行为的汉语法律表达，需要转换为结构化、微观化代码语言，便于计算机系统的识别和执行。

（四）建立算法责任追究机制

算法黑箱特性引发的司法归责困境已成为证券监管领域的突出问题。该技术特征导致传统法律框架中的行为归责逻辑面临适用障碍，具体表现为三大核心难题：第一，责任主体识别机制失能。基于海量多源数据迭代训练的智能算法系统，其决策输出受多重非线性变量交互影响。由于算法控制权分散于数据采集方、模型开发方及运营应用方等多元主体，加之算法自优化机制导致决策路径动态演变，使得具体侵权行为的责任主体认定存在显著识别障碍。第二，违法行为判定标准缺失。算法侵害行为具有显著的隐蔽性和间接性特征，典型如基于用户画像的差异化定价机制。此类损害事实的识别受制于信息孤岛效应，权益受损主体往往缺乏认知能力。即便损害结果显性化，算法决策的统计学相关性特征与传统因果认定标准形成本质冲突，且算法输出的结果异质性进一步加剧了合规性判断的复杂性。第三，主观过错认定机制失效。在现行技术中立原则的司法适用框架下，算法开发运营主体常以技术自主性为由规避审查义务。由于算法涉及的多层级数据处理流程和自动化决策机制具有高度技术耦合性，其过错形态呈现分布式特征，难以通过传统过错推定规则进行有效归责。这种技术复杂性导致过错要素的司法认定面临实质障碍，亟待构建新型归责理论框架。

因此，构建算法责任制度框架需着力完善以下三个核心机制：其一，确立举证责任倒置规则。鉴于算法设计者与应用方对技术系统的绝对控制权，应参照《民法典》第1166条严格责任原则，将无过错举证义务强制赋予算法控制主体。当出现算法侵权事件时，需由技术开发方与运营机构证明其算法在数据采集、模型训练及决策输出全流程均符合技术规范与合规要求。其二，创新群体性诉讼实施机制。建议在现行《民事诉讼法》第53—54条基础上构建示范诉讼机制，建立金融科技纠纷调解中心与在线诉讼平台的协同体系。通过制定算法侵权案件审理指引，明确代表人适格标准与赔偿金分配规则，实现小额分散型损害的集约化处理，有效突破传统诉讼模式下的维权困境。其三，构建多层次风险保障体系。在金融安全网框架内设立算法风险专项保障基金，要求持牌机构按算法业务规模缴纳风险准备金。同步推进算法责任保险产品研发，涵盖模型偏差、数据污染等新型风险类型。监管机构应制定强制投保标准，建立风险准备金与商业保险联动的偿付机制，完善赔付流程与标准细则。

四、结语

我们要谨慎评估在证券市场引进与适用相关DS技术的时机和条件是否合适与恰当。借鉴域外有关国家规制DS等人工智能的经验；同时也要避免重走这些国家或地区在学术和实践上的弯路。对于程序化交易、智能投顾等证券交易新型方式，趋利避害，引导其规范发展，不断提高对中小投资者的保护水平，促进我国证券市场的稳健发展。

（责任编辑：刘霄鹏  沙含）