从风险控制到风险规制：量化基金公司算法黑箱的规制进路

程雪军 赵 畅

1.同济大学法学院，上海 200092；2.华东政法大学经济法学院，上海 201620)

1 问题之缘起

算法技术驱动人类从传统农工社会向现代算法社会迈进，促使传统金融向现代金融快速迭代。一方面，算法技术在提升传统基金交易效率时，各类量化基金公司对算法结果的依赖度持续提升，并开始主导算法基金交易活动；另一方面，算法技术作为创新技术，具有其内在的技术缺陷，如算法黑箱，当算法技术深度介入量化基金后，可能通过基金交易活动传导至金融市场，触发潜在的金融风险与金融安全。根据中国证券基金投资业协会数据可知，自从2014年我国启动私募基金备案登记以来，历经10年的发展，我国私募基金行业市场规模达到20万亿元、私募基金管理人高达2.2万家，并引致相应的金融风险。其中，上海与浙江自从2023年以来陆续出现量化基金公司风险事件，包括上海明汯投资行政处罚案 (对公司采取责令改正措施、对两位基金从业人员出具警示函)和杭州30亿量化基金公司跑路事件 (量化私募基金携款跑路，导致多家信托公司 “踩雷”，涉案金额超过30亿元)等。因此，我国于2023年实施 《私募投资基金登记备案办法》，并对上海明汯投资等量化基金公司强化行政处罚力度，逐步提升私募投资基金尤其是量化私募基金的风险规制。

对于风险社会下量化基金公司算法黑箱的规制问题，国内外学者主要从以下视角开展研究：①关于金融机构 (如量化基金公司等)深化算法技术应用的研究，王怀勇等[1]认为算法在金融领域的引入有助于激发金融社会功能与稳固金融公平价值。随着算法技术的发展，我国基金市场涌现了大量用算法选择投资策略与判断时机的程序化交易[2]，学者[3]将其称之为量化投资 (即投资者利用计算机程序实现交易订单自动化的行为)，指出欧美股票市场的交易大多是通过算法执行的，其中美国60%的股票交易是由短期量化交易完成的，欧洲45%的股票交易量是由算法交易实现的，而且大部分算法交易具有黑箱属性。量化基金能够从微小的数据变化中获取交易机会，有利于改善市场流动性与提高定价效率[4]，它是基金市场结构变迁与技术创新的必然产物。不过，当前研究并没有聚焦于更加细分的量化基金公司，本文认为量化基金公司是指利用人工智能算法技术实现交易自动化的基金公司，在我国主要是各种私募投资基金公司。②关于算法黑箱的风险问题研究，不同于乌尔里希·贝克[5]所认为的传统工业化下的风险社会，现代风险社会是一种数智化的风险社会，其主要风险集中体现为技术风险[6]。诚然，量化交易有利于改善金融市场的流动性，但也可能带来较大的操作风险、固有错误风险[7]、市场风险 (尤其是价格快速波动风险)[8]、技术风险与模型风险。现代算法社会下量化基金与程序化交易存在较为明显的局限性，集中体现为监管体系化不足、缺乏交易策略的差异化监管、自律规范难以反馈监管需求，国际证监会组织 (IOSCO)在2020年指出各国证券市场正面临各类违法者用算法技术实施违法犯罪的新兴数字威胁[9]。③关于算法黑箱的规制进路研究，不同学者的研究侧重点有所不同，有些学者[10]聚焦于算法黑箱的技术规制研究，强调对金融算法施以代码规制；刘辉[11]从算法黑箱的法律规制角度切入，强调需要完善算法透明、算法审查等规制路径；梁庆[12]认为应当防止高频交易商利用法律规范与监管规则漏洞操纵市场与侵犯投资者权益。尽管我国 《民法典》与 《个人信息保护法》分别设置了法律专章 (隐私权与个人信息保护)与法律专条 (针对自动化决策系统关于个人信息保护问题)[13]，但是没有制定统一专门化的量化基金法律规范，难以有效地规范量化基金的算法黑箱问题。

总体而言，当前学术研究具有一定的启迪性，但是并没有具体细化至量化基金公司算法黑箱的规制研究，没有理顺量化基金公司算法技术应用、算法黑箱问题、算法黑箱的规制依据等逻辑问题。因此，本文从量化基金公司的技术本质与算法导向出发，分析量化基金公司如何通过算法技术与金融数据打造数据驱动型算法黑箱，从规制目标、规制主体、规制手段等层面分析算法黑箱规制的主要问题；通过在风险社会背景下运用风险规制理论，对量化基金公司算法黑箱的规制展开理论依据分析，从传统风险控制理念迈向现代风险规制理念，进而基于规制目标、主体与手段提出一条可行且有效的综合风险规制路径。

2 风险社会下量化基金公司的算法应用与黑箱

人工智能算法驱动传统工业社会向现代算法社会迈进，加剧了风险社会的进程。为保持市场规模与竞争优势，量化基金公司在金融业争相发展算法技术并创造了无限的机遇，给传统金融业态带来了不可逆的影响。量化基金公司以技术为导向，掌握了包括算法在内的先进科技，夯实了算法基础设施；量化基金公司以算法为导向，在算法程序运行过程中因为数据、算法与模型等缺陷，为数据驱动型算法黑箱的形成提供了充分的物质基础。

2.1 人工智能算法技术对风险社会的影响

工业革命促使人类从农业社会迈进工业社会，原来那种自给自足的农业化生产向工业化大生产转型，同时传统农业社会的自然风险亦向工业社会的社会风险转变，社会规制模式从强调人为规制 (人制)向法律规制 (法制)转变，因为工业化大生产需要标准化秩序与法律规则。随着互联网技术向人工智能算法技术深度演进，人类社会正在从工业社会向智能社会转型，现代化风险是没有生产限制与国界限制的[14]，它逐渐演变为一种大规模产品且随着全球化而加剧的系统风险。不过，如今风险不再局限于某些专家学者使用，已然成为社会经济生活中的重要问题。在不同的语境下，风险所表达的意义不尽相同，很难给出准确的定义。从农业社会到工业社会，其风险结构为自然风险向社会风险渐变的结构，但人工智能算法技术的快速兴起，促使人类社会从工业社会向智能社会迈进，其风险结构将突破 “自然风险—社会风险”的局限，从人为的社会风险占主导逐渐变为算法风险占主导[15]，原有构建于资本主义工业社会基础之上的风险社会理论，难以有效预防与制止智能社会下的算法风险。因此，基于风险社会的基础理论，有必要从算法风险探索出一种多元化规制的模式，见表1。

表1 不同社会类型下的风险类型与规制模式

2.2 量化基金公司技术导向夯实算法设施

量化基金是金融行业发展到一定阶段的产物，它更强调技术属性而非金融属性，旨在通过将人工智能与大数据等先进技术接入传统金融服务，从而支持金融业的创新发展。从量化基金公司的运行实践看，它是金融市场中掌握这些技术并以此开展主营业务活动的组织实体，而且已经在我国金融服务行业的多个领域广泛布局。其中，算法技术是量化基金公司的核心技术要素。那么，什么是算法技术？在现代算法社会，算法可理解为 “任何可以自动化执行的过程”[16]。量化基金公司语境下的算法具有相似的技术原理，其凭借强大的数据资源、算力支持与算法技术，可以运行事先设计好的 “输入—执行指令—输出”代码程序，从而可以全面收集与匹配基金市场的数据，有效提升基金投资效率及其质量。

量化基金公司的技术基础主要包括算法交易与量化分析。算法交易促使量化基金公司的交易执行过程可以自动化，实现大批量的订单下达任务，大幅度提升交易执行的效率；量化分析促使量化基金公司构建投资策略时的每步推导过程变得更为清晰与透明，将投资人的主观因素对量化基金的干扰降到最低化[17]。比如，量化基金公司采用多因子算法模型，从市场特征、公司成长、公司价值、市场动量等多因素择时选股，可以克服传统金融活动中信息不对称、资源配置效率低下等局限，最终提高投资效率。可见，无论采取何种技术手段，算法技术都是量化基金公司的技术基础，技术导向夯实了其自身的算法设施。

2.3 量化基金公司算法导向衍生黑箱现象

在基金产品的运行中，量化基金公司通过算法技术应用可以获取与沉淀海量数据，具有潜在主导金融活动与配置金融市场资金等力量。然而，由于量化基金公司算法程序的中间执行环节，通常难以被外部所知悉，故得名算法黑箱，即为人不知的、既不能打开又不能从外部直接观察其内部状态的系统[18]。量化基金公司基于算法理论通过对数据清洗、挖掘与识别，将数据输入特有的量化选股、管理期货 (CTA)、资金管理与投资择时模型，其模型核心要素在于量化评测体系与资金管理组合，其主要评测标准在于年化收益率、夏普率与收益风险比。当量化基金公司选择合适的投资策略模型后，便将其交给投资执行模型等实施，输出算法基金产品，旨在提高投资收益、减少回撤与平滑投资绩效曲线。如图1所示。

量化基金公司算法黑箱的本质特征在于其不透明性与复杂性，数据驱动型算法由于其运行过程复杂，天然具备较强的黑箱属性，因此难以被实施有效的风险规制。

(1)算法黑箱的不透明性是量化基金公司逃避法律问责的保护屏障。量化基金公司算法黑箱的运作机理是根据已知的数据输入完成一系列特定的算法程序运行并输出相应的结果。然而，算法程序运行环节如何运算和推演，却难以被外界所获悉，如同外人难以洞悉的 “隐层”，输出的结果演变成常规不能控制和预料的结果[19]。在量化基金场域内，众多量化基金公司往往以算法技术为商业秘密，保护基金安全为理由，不愿意公开算法黑箱情况，意图遮掩算法运行中的程序漏洞、方法不当、违法违规等风险问题，并试图逃避法律问责与道德约束。

(2)算法黑箱的复杂性加剧量化基金公司的风险系统化。量化基金公司利用人工智能自动编写代码与程序转移金融产品的个别风险，并借助算法黑箱 “隐层”优势加以掩盖，把金融风险用黑箱 “包装”起来高价兜售，加速系统性风险的爆发。算法技术开始介入金融市场交易最早可追溯至1987年，同年10月美股突发跳崖式暴跌，道琼斯工业平均指数一天内下跌23%，量化基金成为此次风险爆发的主要因素。不仅于此，美国道琼斯指数于2010年5月6日发生的 “闪电崩盘”让美国股市暂时性蒸发1万亿美元，其主要原因是算法自动化决策交易的缺陷。然而，为快速作出投资反应以赚取差额收益，量化基金公司往往通过算法黑箱的封闭性掩盖或转移金融产品上的个别风险[20]，即利用算法黑箱 “隐层”掩盖每笔金融交易的个别风险，最终相互传导引爆系统性金融风险。

3 从风险规制理论透视量化基金公司算法黑箱的规制依据

量化基金公司利用数据与算法驱动传统金融服务更新使让金融业朝着普惠高效方向发展。但从实践效果看，量化基金公司算法黑箱也带来与之优势相伴而生的风险挑战。在现代算法社会，算法应用对金融业态的影响日益加重，驱动市场参与主体追逐利益，而过度的算法依赖为量化基金公司滥用算法黑箱的不透明属性从事金融风险行为埋下隐患。为维护金融系统稳定与金融业长足发展，现代智能社会 (算法社会)下的风险规制尤为必要。

3.1 在规制目标上，现有规制过于强调风险控制

无论是传统基金还是量化基金，它们都属于金融行业。在现代算法社会，量化基金下金融风险 (如算法黑箱风险)更为复杂多变，而且风险损害更大。首先，量化基金公司利用算法技术加快了算法决策速度，通过程序化交易提高了基金市场的资金周转率与流动性，但过于依赖算法技术，同时给基金市场带来较高的技术风险与系统性金融风险，导致 “闪电崩盘”事件的多次发生。其次，算法技术带来的黑箱问题放大了逆向选择与道德风险。量化基金公司以算法黑箱的不可知性与不透明性为由，可以通过更加隐蔽的方式，侵害广大长尾客群的利益。然而，传统风险规制 (Risk Regulation)理论更加强调风险控制 (Risk Control)，即通过法定的授权对金融机构的经营行为施加某种强有力的限制与约束，旨在为基金市场构建相应的规则以弥补市场失灵，但以风险控制为理念的制度设置，过于强调刚性化的控制手段与约束制度，忽视了柔性化的规制理念与路径，所以往往难以有效防范风险。

传统风险规制理论过于强调风险控制，没有回归风险规制的本意。斯蒂芬·布雷耶 (Stephen Breyer)提出现代风险规制理论，指出风险规制是一种典型的 “决策于未知”的领域，具有显著的不确定性，集中体现为风险识别、估测、评价以及选择风险管理技术、评估风险管理效果等[21]。无论量化基金公司采取以金融产品市值与交易量为基础的时间序列的技术分析，还是采取以金融实体财务报表为基础的基本面分析，如果基金市场及其交易活动缺失必要的市场规制，那么量化基金行业甚至整体金融行业都可能遭遇巨大的金融风险或威胁。量化基金公司在市场经济环境中具有激进的逐利性与盲目性，其衍生的金融风险与算法风险总是客观存在且难以消除的，但是传统法律秩序要求下的风险防范更加强调通过 “限制”与 “约束”实施风险控制，将金融市场控制在趋利避害的保守主义范畴，表现为典型的 “父爱主义”规制理念。在现代算法社会背景下，量化基金公司利用算法技术实施的基金交易行为，深深地改变了传统基金交易活动及其个体行为，并衍生了一系列新型风险，包括模型风险、结构关系变化风险、外生冲击风险及其蔓延风险等。因此，现代算法社会需要转变风险防范理念，即从传统强调 “限制”与 “约束”的风险控制理念，逐步转变为强调 “规整” “制约” “制度”的风险规制理念，引导量化基金公司的创新向善发展，抑制算法黑箱衍生的负面风险，这是防范化解量化基金公司算法黑箱风险的必要制度保障。

3.2 在规制主体上，现有规制缺乏有效的沟通协调机制

现代算法社会下，算法技术日益深入应用于基金行业，各类基金公司为了稳固其在基金行业的市场地位，纷纷选择拥抱算法技术，将海量的金融数据通过算法化分析与建模，赋能算法基金产品的推出与应用，旨在提升基金产品的投资业绩与稳健性。然而，算法技术具有内在的技术复杂性，量化基金公司利用算法黑箱掩盖其与金融机构之间的非法数据交易行为，对社会公共利益造成巨大的负外部性影响，引发相应的市场失灵问题。此外，金融市场中常常出现量化基金公司利用现有规制缺乏有效的沟通协调机制，实施非法的规制套利。

量化基金公司算法黑箱造成的信息不对称介于市场经营者、消费者与规制机构之间，扩张了传统金融信息不对称的边界。一方面，量化基金公司算法黑箱问题加剧了金融市场的偏向性发展，三者之间的金融信息差愈拉愈大，各种道德风险与逆向选择的问题应运而生，量化基金公司能够实施的规制套利空间同样被拉大化；另一方面，算法黑箱致使3类主要市场参与者的金融信息差变大，导致三者之间的利益冲突愈发尖锐，即大部分金融利益集中于少数市场经营者，而大部分金融风险却要由长尾消费者与规制机构承担。在此背景下，现代风险规制理论对量化基金市场的风险规制诉求，旨在通过对量化基金市场施以适当的干预措施，矫正在资源分配与利益分享上偏颇的市场结构，从而有效防范规制套利。

3.3 在规制手段上，现有规制没有形成综合的规制手段

我国对量化基金公司算法风险的规制主要表现为法律规制，缺乏综合的规制手段。在法律规制层面， 《网络安全法》 《数据安全法》的相继出台标志着我国数据保护意识与数据治理规范迈入新阶段； 《证券法》第45条提出，通过计算机程序自动生成或者下达交易指令进行程序化交易的，应当向证券交易所报告；中国证监会在2015年与2019年颁布 《证券期货市场程序化交易管理办法 (征求意见稿)》 《证券公司交易信息系统外部接入管理暂行规定 (征求意见稿)》，倘若量化基金公司采取程序化交易方式，那么就得提供交易程序源代码、交易策略等资料，构建明确清晰的全流程管理机制；深圳证券交易所与中国金融期货交易所分别于2019年与2022年颁布 《关于股票期权程序化交易管理的通知》 《中国金融期货交易所违规违约处理办法》，提出遵循程序化交易的相关要求与管理机制，并大幅度提升程序化交易扰乱市场秩序行为的罚款上限。然而，成文法系国家的法律制定与修订，始终具有较强的滞后性，无法及时追上算法技术深化与量化基金发展的速度；而且当前相关法律的位阶较低，无法有效防范量化基金公司算法黑箱的新兴风险。

从量化基金公司算法黑箱问题的本质原因看，其主要缘由是技术风险。然而，我国当前风险规制体系并未健全，仅仅依靠法律规制难以解决技术层面的风险问题，这无疑会对量化基金公司的行为规制与技术规制存有缺失。即便通过算法技术可以识别相应的风险，但是现有规制没有形成综合的规制手段，这导致目前我国难以破解量化基金公司利用算法黑箱的风险行为，无法防范风险行为可能进一步诱发的算法金融系统性风险。

4 风险规制下构建量化基金公司算法黑箱的规制进路

在现代算法社会，当量化基金公司将海量数据输入算法交易程序，并形成算法黑箱输出结果，单从外在难以探寻算法黑箱内部结构，因此有必要重构量化基金公司算法黑箱的规制进路，其关键在于从规制目标、主体与手段上开展系统规制，实现从风险控制到风险规制。

4.1 在规制目标上，防范算法黑箱风险与促进量化金融

(1)从风险控制到风险规制，防范算法黑箱风险。算法的 “程序刚性” “不透明性”与司法的 “复杂性”、程序 “公开性”存在明显矛盾[22]。传统规制理论认为程序应当遵循公开、公正、平等、合法等原则，更为强调风险控制，而算法黑箱是量化基金公司应用中需要认真审慎对待的风险，它具有技术上的不可知性、遮蔽性等特征，无法事先被风险控制，而应当转变规制理念为风险规制，从规范与制度的角度对量化基金公司算法黑箱风险进行全面防范。其中，风险规制的重点在于算法审查，它是对金融算法黑箱实施有效规制的重要手段，分为程序性审查与实质性审查。程序性审查意味着算法基金产品在投入金融市场运营之前，需要经历有关规制部门的审查并出具审查意见，对于通过审查的算法基金产品，可以核发电子牌照并在全国建立牌照联网系统，以便后续查询、监管与问责。实质性审查要求规制部门重点审查算法基金产品的内在本质，即通过事实揭示并获取未知算法基金的风险信息，以事先做出预判性的应对措施。实质性审查包括对算法服务的提供者的实质性审查 (旨在确定责任主体)以及对基金算法的运行过程的实质性审查 (旨在揭示黑箱情况)。目前，学术界对于数据驱动型算法自动编写算法程序的责任主体尚未形成定论，大部分学者[23]认为数据驱动型算法逐渐吸收人类语境中的内在偏见，其并非完全保持中立性，始终掺杂着金融数据输入者的潜在价值观。算法基金产品的审查主要包括金融数据、算法参数、代码结构等。在算法审查时，我国应当更加侧重输入端数据的合法合规审查，再辅之其他算法审查。概言之，我国应当更加关注以技术泛化为主流特质的技术性要素，对算法实质性审查的范围和对象适当扩张，从对资本要素的审查延展至技术要素的审查。

(2)完善算法问责机制，促进量化金融高质量发展。算法黑箱的不透明性是量化基金公司逃避法律问责的保护屏障，我国有必要完善算法问责机制，促进量化金融行业的高质量发展。算法的高度专业性和复杂性使得外界难以知悉黑箱的内部逻辑结构，应该忽视算法黑箱的技术细节，在发生损害之后对算法相关主体进行追责，即以事后问责的方式构建完善的算法问责机制，明确算法黑箱责任主体、归责原则、责任分配及法律后果，倒逼算法主体在符合法律法规等政策要求前提下设计和应用算法。

由明汯投资案透视量化基金公司的算法问责机制可知：①明确法律责任主体。作为海量数据的集成者以及算法黑箱的制造者，量化基金公司利用算法技术实施算法决策，将算法基金产品与服务推荐给金融消费者，有义务对基于算法技术所形成的算法黑箱承担法律责任。量化基金公司算法程序兼具代码编写与金融属性，具有高度的技术复杂性与协作性：人工智能公司作为技术方案的提供方，量化基金公司作为技术方案的使用方，量化基金从业人员作为技术方案的推荐方，都是量化基金生态的重要构成并可能牵涉算法黑箱的法律关系，应当构成相应的法律责任主体。②健全归责原则。对于过错和无过错责任，金融消费者只需提供其权益受损的证据，量化基金公司等主体按照法律规范要求提供相应资料以供审查，证明相应的侵权行为。对于过错推定责任，按照 《民法典》适用举证责任倒置，若量化基金公司等主体不能证明自己无过错，那么便应承担举证不能的后果。③完善责任分配，可以依据行为方对金融算法黑箱的贡献情况具体裁量。作为基金算法程序的应用者与直接参与者，量化基金公司通过算法程序向金融消费者提供基金产品与服务，对算法黑箱的贡献较大，应当承担主要的法律责任；作为基金算法程序的开发者，人工智能公司通过提供算法技术服务帮助量化基金公司提升获客的精准性，需要考察其是否知情或默许等主观因素，从而确定AI公司是否应当承担相应责任。④明晰法律后果。法律后果是法律主体因为不履行法定或约定义务而应当承担的后果，主要包括民事、行政与刑事法律后果。倘若量化基金公司等主体利用算法黑箱侵犯金融消费者的民事权益，那么它应当承担相应的民事责任，如通过经济补偿或赔偿等方式填补金融消费者的损失；倘若量化基金公司等主体利用算法黑箱违反市场规制，那么法律规制部门可依据 《私募投资基金监督管理暂行办法》 《关于加强私募投资基金监管的若干规定》等对其追究行政责任，如通过市场禁入、责令改正、警示函等方式明确行政处罚；如果量化基金公司等主体利用算法黑箱引发 “闪电崩盘”等风险，严重侵害社会公益或国家安全等，构成刑事犯罪的，那么应依法追究刑事责任 (见表2)。

4.2 在规制主体上，逐步构建集中化的超级规制机构

在这个充满风险的现代算法社会，公众对于算法黑箱的规制呼声不断。尽管人们呼吁 “最小政府”，但风险社会下对政府的依赖日益严重，尤其在遭遇到复杂的信息技术时，人们对于 “技术利维坦”具有天生的惧怕性。即使当前量化基金公司的算法黑箱风险能够被相关的规制机构识别，并提上规制议程，但是由于规制机构主体之间的不沟通、不协调、不统一，导致对算法黑箱的风险规制效果相当一般。

对于如何打破恶性循环与化解风险困扰，布雷耶通过对风险规制的存在问题与原因分析，提出了一个有建设性的风险规制进路[24]，即集中化的超级规制机构。这种超级规制机构应当由跨学科知识与跨部门的人员构成，具有相对的机构独立性，届时超级规制机构充分发挥跨部门的协调功能，有机整合风险规制资源，克服过度的风险规制甚至风险控制，从而削减风险与增加安全。

关于构建集中化的超级规制机构的必要性，相对于其他普通基金公司与金融消费者而言，量化基金公司利用数据、算法与模型等优势，不仅会形成算法黑箱，而且会形成一种 “超级权力”，可以被称之为 “超级平台私权力”，与政府公权力、消费者私权力构筑三足鼎立之势，打破了传统 “公权力—私权利”的均衡格局，因此对于这种 “超级平台私权力”，我国需要一种 “集中化的超级规制机构”与之相对应，从而形成更好的规制效率。

关于构建集中化的超级规制机构的可行性，国内外都已具备相应的成熟经验。为防范次贷危机的再次发生，美国2008年后改组美联储，将其改造成为 “超级金融规制者”，承担更多的宏观金融风险规制责任；我国在2018年与2023年深化金融规制改革，将此前 “一行三会”改组为2018年的 “一行两会”，并进一步改组为2023年的 “一行一局一会”。然而，国家金融监管总局与中国证监会的规制职权与工作性质在一定程度存在重叠，而且两者所规制的市场规模相差较大，即银行保险市场规模远大于证券市场规模。

综上，在现代算法社会背景下，为更好从事一般化乃至跨行政部门的规制工作，建议逐步构建中国集中化的超级规制机构，将目前的国家金融监管总局与中国证监会合并为涵盖银行、保险、证券与基金等业务的超级规制机构 (国家金融监管总局)，令其拥有跨机构、跨业务、跨领域等规制权限，对 “超级平台私权力”实施更好的风险规制。

4.3 在规制手段上，完善法律与技术规制的综合规制手段

(1)从法律规制上完善量化基金公司的算法解释义务。在算法技术的深度应用下，量化基金公司得以迅速发展，但是算法技术具有技术复杂性、代码不透明性等特征，导致量化基金公司与金融消费者、法律规制部分的信息不对称加剧。因此，我国有必要从法律规制上完善量化基金公司的算法解释义务，提升量化基金生态圈内的信息对称性，有效防范算法黑箱的风险问题。

从法律关系的基本原理看，量化基金活动中所存在的法律关系包括平等主体之间的民商事法律关系与不平等主体之间的行政法律关系，其中前者法律关系主要体现为量化基金的交易活动 (量化基金公司与金融消费者之间的基金交易活动)，后者法律关系主要体现为量化基金的规制活动 (法律规制部门与量化基金公司、金融消费者之间的基金规制活动)。

首先，在量化基金的交易活动中，算法技术的深度应用加剧了量化基金公司与金融消费者之间的信息不对称，导致金融消费者难以理解量化基金公司的算法金融产品及其模型，无法有效保障金融消费者的合法权益。作为平等关系的民商事交易主体，金融消费者有权知晓基金算法决策的做出机制，尤其是当金融消费者认为算法决策结果与其预期存有较大偏差时，此时金融消费者可以要求量化基金公司对算法基金产品进行解释，确保算法程序的公开公正运行。因此，量化基金公司有必要完善算法解释义务，向金融消费者合理解释算法基金产品的数据、算法、模型及其结果等，以可理解的精准方式向金融消费者解释自动化算法决策理由，构建金融消费者对自动化算法决策的信任[25]。

其次，在量化基金的规制活动中，算法技术的深度应用加剧了量化基金公司与法律规制部门之间的信息不对称，致使法律规制部门难以理解量化基金公司的算法技术以及决策模型，无法对量化基金公司实施有效的法律规制。算法可解释性既可来源于量化基金的交易活动，也可来源于量化基金的规制活动，形成以干预为导向的算法解释义务。值得注意的是，以算法透明为要求的算法可解释性并不等于代码的完全披露，更不会涉及量化基金公司的商业秘密泄露，旨在保护量化基金公司的算法技术创新与黑箱风险防范。概言之，对于量化基金公司的算法黑箱结果，我国需要构建与完善相应的法律规制，从 《个人信息保护法》 《数据安全法》等法律规范切入，以算法公开透明为核心理念，逐步从原则立法到规则实施，夯实量化基金公司算法解释义务的法律规制。

(2)加强技术规制作为补充手段的配合规制作用。为提升算法黑箱的风险规制效果，有必要引入算法审计，因为算法审计恰好契合了金融市场的风险规制要求，可以通过技术方式提升算法审计的实际效果。算法审计本质上是一种技术审计、技术规制，其旨在通过引入外部专业审计机构对算法基金产品的运作客观评估，从而让规制部门与社会公众能够快速且清晰地对金融算法是否符合法律规范全面检视或作出判断。算法审计的优势在于审计机构可以从第三方视角，以专业、有效且可信任的方式打开算法黑箱，缓解信息偏在的局面，以便规制部门与消费者有机会知晓黑箱内部的潜在风险，并予以精准规制和理性决策。

根据不同审计目标和需求，算法审计的规制可分为两类：①从干预角度出发，美国计算机协会公共政策委员会通过颁布 《算法透明性和可问责性声明》，明确提出应当在算法开发、部署和运行的每个环节对其模型、代码、参数、数据和决策等进行记录，以便在需要之时对算法展开审计。②从市场角度出发，基于公共利益原则、介入无害原则和最小必要原则所开辟出的依托用户的算法审计路径[26]。但无论从何种角度看，算法审计都高度依赖审计机构的独立性与专业能力。我国 《个人信息保护法》已初步构建算法审计制度，但算法审计并非仅核查算法基金产品的基础性要素，还应全方位评估算法系统的自动化决策结果，综合考虑算法应用的不同场景、处理数据的敏感度与涉及利益的重要性，从而判断出具何种审计意见类型并提供详细的审计报告。总之，对算法的可把握与可审计有利于将量化基金公司算法黑箱的内部构造与运作机理由隐性向显性推进。

随着算法技术在量化基金公司的深入，算法黑箱问题日益严重化，我国可以通过加强规制技术尤其是规制人工智能 (AI)建立自动化的算法规制，提升配合规制的作用。首先，通过制定可量化的技术标准，明确量化基金公司的算法基金产品在开发中的特定行业标准，建立算法与法律之间的协作与沟通机制。在引导量化基金公司算法自律时，我国可以将算法黑箱的套利动机规制于事前，在事前准入性规制阶段揭开算法黑箱 “隐层”。其次，针对数据驱动型算法形成的黑箱，我国需要强化规制技术特别是规制AI，在交易行为监控、客户身份识别、合规数据报送等应用场景，逐步增强规制AI防范算法黑箱的能力，对量化基金公司算法黑箱的内置程序、代码结构、参数样本和考虑因素等具体指标进行更为严格的规制。

5 结语

算法技术驱动人类从传统工业社会迈向现代算法社会，并因此进入全新的算法风险社会。量化基金公司在强大的算法技术以及旺盛的市场需求下应运而生，并在激烈的基金竞争中成为中坚力量。然而，在风险社会背景下，现代算法社会的算法黑箱天然具有的不透明属性，为量化基金公司套利提供了放任空间，给传统风险规制理论带来了重大挑战。

当下，我国陆续对量化基金、程序化交易等出台相关法律规范，但是相关文件依然主要以 “指南” “办法”等形式存在，缺乏可操作的管理办法。此外，量化基金公司利用算法黑箱逃避法律规制，依然属于工业社会下的风险规制问题，所以仅仅采用风险控制的方法无法解决实际问题。而且，对量化基金公司算法黑箱不能单独局限于法律规制或技术规制的手段，而应当从规制目标、主体与手段上开展全面规制。因此，我国可以从风险控制向风险规制迈进，从规制目标、主体与手段开展系统规制。在规制目标上，防范算法黑箱风险与促进量化金融；在规制主体上，逐步构建集中化的超级规制机构；在规制手段上，完善法律与技术规制的综合规制手段。最终，为量化基金公司利用算法技术创新向善保驾护航。