12.10 量化研究伦理与合规边界
课前导读
本章目标
你会学到：用“安全带”和“黑匣子”的类比理解量化研究中的伦理与合规边界。
难度：intermediate
预计用时：35 分钟
适合读者：已经能做回测、组合管理和实盘工程化，准备把研究流程长期化、自动化、团队化或公开分享的 A 股投资者。
很多人以为合规是机构的事。
这是危险误解。
个人自用量化工具，也会涉及数据授权、内幕信息、交易记录、自动化责任和市场影响。
合规不是为了让你害怕研究。
合规像安全带，平时不显眼，关键时刻决定你能不能解释自己做了什么。
合规也像飞机黑匣子，事故发生后，完整记录能帮助你还原事实、纠正错误、承担责任。
本章不提供规避监管的建议。
本章只帮助你建立边界：哪些信息不能用，哪些行为不能做，哪些记录必须留。
知识正文
1. 类比：合规是研究系统的安全带
汽车开得慢，也要系安全带。
量化系统规模小，也要有合规边界。
如果你只做个人学习，合规边界帮助你避免用错数据、误传消息、误导他人。
如果你未来和朋友交流、写文章、分享代码或管理更多资金，合规边界会更加重要。
很多严重问题不是从恶意开始的。
它们常常从“只是试一下”“只是内部看看”“只是朋友之间说说”开始。
所以，伦理与合规的第一原则是：不要等到资金变大、影响变大、问题发生后才补记录。
关键心得
合规不是研究的反面。可追溯、可解释、可授权的研究，才有资格长期迭代。
2. 四条主线：信息、行为、数据、责任
量化研究的合规边界可以先分成四条线。
第一，信息边界：你使用的信息是否公开、合法、可追溯。
第二，行为边界：你的交易和表达是否可能影响市场秩序或误导他人。
第三，数据边界：你的数据来源、授权范围、保存方式是否清楚。
第四，责任边界：自动化系统出错时，谁能发现、谁能暂停、谁负责复盘。
graph TD
A[量化研究想法] --> B[信息来源检查]
A --> C[交易行为检查]
A --> D[数据授权检查]
A --> E[系统责任检查]
B --> F[记录与留痕]
C --> F
D --> F
E --> F
F --> G{边界是否清楚}
G -->|不清楚| H[停止升级]
G -->|清楚| I[继续研究与复盘]这四条线不是法律条文替代品。
它们是个人投资者可以每天使用的自查框架。
3. 内幕信息：不能因为“朋友说”就变成研究输入
内幕信息可以先理解为尚未公开、可能影响证券价格的重要信息。
对个人投资者来说，最常见的危险场景不是收到正式文件，而是聊天。
例如，有朋友在上市公司、供应商、客户、审计、券商或媒体相关岗位工作。
他随口说“这家公司业绩可能很好”“项目马上落地”“公告还没发”。
你觉得只是听听，但如果把它放进交易决策，就可能跨过红线。
量化研究也一样。
不能把非公开信息写入因子、样本筛选、黑名单、白名单或交易规则。
不能用“模型只是自动算的”来掩盖信息来源问题。
模型吃进去的是什么，研究者就要对什么负责。
风险警告
任何来源不清、尚未公开、可能显著影响价格的信息，都不应进入研究、回测、交易或分享内容。
4. 市场操纵：不要制造价格、成交量或情绪假象
市场操纵听起来离个人很远。
但一些行为边界必须从一开始就知道。
例如，不能通过虚假申报、频繁撤单、对倒、集中拉抬、诱导跟风等方式制造市场假象。
也不能在社群里夸大模型效果，配合自己或他人的持仓进行宣传。
如果你的量化系统会自动产生大量委托，更要关注行为结果。
即使初衷不是操纵，也要避免给市场造成异常冲击或误导。
本课程不教授任何操纵方法。
你需要记住的是：交易系统的速度和自动化程度越高，行为责任越不能外包给程序。
5. 数据授权：能下载不代表能使用
数据是量化研究的原材料。
但能在网页上看到、能通过工具下载、能从别人那里拿到，不等于你拥有任意使用权。
数据授权至少要看三件事。
第一，来源是否清楚。
第二，许可范围是否允许个人研究、商业使用、再分发或公开展示。
第三，保存和处理方式是否符合约定。
有些数据可以个人学习，但不能公开转发。
有些数据可以展示统计结论，但不能发布原始明细。
有些数据需要注明来源或遵守接口频率限制。
如果你未来写文章、发布代码或给他人演示，一定要先检查数据许可。
常见误区
“我只是个人自用”不能自动解决数据授权问题。个人自用也应记录来源、时间、许可范围和处理方式。
6. 自动交易责任：程序不是挡箭牌
当系统自动运行时，很多人会说“这是程序下的单”。
但程序不是独立责任主体。
策略规则是谁写的？
参数是谁改的？
数据源是谁接的？
风控开关是谁设的？
异常告警是谁处理的？
这些问题都必须有人回答。
你在实盘工程化章节学过日志、监控、告警和回滚。
在合规语境下，它们不仅是技术工具，也是责任工具。
没有日志，就无法证明系统当时为什么行动。
没有变更记录，就无法解释策略为什么突然不同。
没有暂停机制，就无法阻止错误扩散。
7. 个人自用也要留边界记录
个人投资者常犯的错误，是只在赚钱时截图，亏损或异常时没有记录。
合规记录不是只给别人看的。
它首先是给未来的自己看的。
你至少应保留五类记录。
第一，数据来源记录。
第二，策略版本记录。
第三，参数变更记录。
第四，信号与交易日志。
第五，异常处理与复盘记录。
这些记录不需要复杂系统才能开始。
一张表格、一个固定文件夹、一套命名规则，都可以作为起点。
关键是连续、真实、不可随意补写。
8. A 股案例一：听到“还没公告的好消息”怎么办
假设你在饭局上听到某上市公司可能有重大订单。
消息来自与公司有业务往来的朋友。
公告尚未发布。
你原本的模型也恰好把这家公司放入观察名单。
正确做法不是“少买一点就没事”。
正确做法是把这条信息排除在决策之外，并记录自己没有使用该信息。
如果你无法证明买入理由完全来自公开数据和既有规则，就应该停止相关交易想法。
这不是胆小。
这是把研究账户和不当信息隔离。
9. A 股案例二：分享模型结果也可能有责任
假设你在社群里发布“某模型筛出十只股票，历史胜率很高”。
如果你没有说明样本、风险、回撤、成本、数据局限和不构成建议，读者可能误以为这是明确推荐。
如果你自己持有其中股票，又没有披露利益关系，问题更严重。
个人学习笔记也要避免夸大确定性。
可以分享研究框架、风险提示和复盘方法。
不要用刺激性语言暗示保本、稳赚、必涨或内部确定性。
量化研究越像科学实验，表达越要谦逊。
10. 研究伦理：不要把模型包装成权威
模型输出是计算结果，不是市场命令。
回测收益是历史表现，不是未来承诺。
因子排名是观察工具，不是价值判断的最终答案。
研究者有责任把不确定性讲清楚。
如果你只展示最漂亮的曲线，不展示最大回撤、成本敏感性和失败样本，就是选择性呈现。
选择性呈现会误导自己，也可能误导他人。
伦理要求我们诚实面对失败样本。
失败样本往往比成功样本更能保护未来资金。
11. 合规边界与技术边界要绑定
很多合规问题可以通过技术流程提前预防。
数据表必须有来源字段。
策略报告必须有版本号。
回测报告必须写成本、滑点、样本区间和不可用场景。
交易日志必须记录人工确认或暂停原因。
分享材料必须有风险提示和利益关系说明。
这些做法不能替代专业法律意见，但能显著降低“说不清”的风险。
当你发现某个研究环节无法记录、无法解释、无法授权，就应该停止升级。
12. 不能碰的行为清单
不碰非公开重大信息。
不碰来源不明或授权不清的数据。
不碰制造虚假成交、虚假热度或诱导跟风的行为。
不碰夸大收益、隐瞒回撤、暗示保本的传播方式。
不碰无人负责、无人监控、无法暂停的自动化交易流程。
不碰为了通过限制而修改记录、补写日志或选择性删除失败样本。
这些不是形式要求。
它们是长期留在市场里的底线。
交互实验室
合规自查表：给你的研究项目打一次“边界分”
请选一个你正在研究或准备研究的策略项目。
不要写具体买卖规则，只检查边界。
| 自查项 | 通过标准 | 你的结论 |
|---|---|---|
| 信息来源 | 全部来自公开、合法、可追溯渠道 | 通过 / 待补 / 停止 |
| 数据授权 | 记录来源、许可范围、下载时间和使用范围 | 通过 / 待补 / 停止 |
| 回测呈现 | 同时展示收益、回撤、成本、失败样本和局限 | 通过 / 待补 / 停止 |
| 行为影响 | 不制造虚假价格、成交量、热度或诱导表达 | 通过 / 待补 / 停止 |
| 自动化责任 | 有负责人、监控、暂停、日志和复盘流程 | 通过 / 待补 / 停止 |
| 对外分享 | 有风险提示、利益关系说明和非建议声明 | 通过 / 待补 / 停止 |
评分规则很简单。
只要出现一个“停止”，项目不得升级。
只要出现两个以上“待补”，项目只能停留在研究整理阶段。
只有全部为“通过”，才可以进入下一步研究复盘。
个人记录模板
你可以把下面字段复制到自己的研究日志里。
项目名称：
研究日期：
数据来源：
授权或使用说明：
策略版本：
参数版本：
是否使用非公开信息：否 / 需说明
是否对外分享：否 / 是，分享范围：
利益关系说明：
风险提示是否完整：是 / 否
异常与处理：
下一次复查日期：这不是法律文件。
它是让你形成边界意识的最低记录。
情景判断
情景一：朋友提前透露某公司未公告信息，你的模型也看好该股票。
建议动作：停止将该信息用于研究和交易，并记录信息隔离。
情景二：你从网络下载一份历史分钟数据，但不知道授权范围。
建议动作：只做来源核查，不进入公开展示或实盘研究。
情景三：自动化脚本连续发出异常信号，但没有日志。
建议动作：立即暂停升级，先补齐监控、日志和责任人。
这些情景的共同点是：不确定时，不升级。
核心复盘
知识清单：
[ ] 我知道个人自用量化研究也需要信息、数据、行为和责任边界。
[ ] 我能识别内幕信息风险，不把非公开重大信息放入模型或交易理由。
[ ] 我知道市场操纵不只存在于大资金，误导性表达和异常委托也可能越界。
[ ] 我能为数据来源、授权范围、策略版本和参数变更留下记录。
[ ] 我理解自动交易出错时，责任不能推给程序。
[ ] 我能使用合规自查表判断一个研究项目是否可以继续升级。
金句总结
真正成熟的量化研究，不只追求能赚钱，还要做到说得清、查得到、停得下、担得起。
最后提醒
本章提供的是投资者教育和研究流程自查，不构成法律意见。遇到具体合规、数据授权或业务经营问题，应咨询具备资质的专业人士，并遵守证券法律法规、交易所规则和券商要求。