# 算法交易是怎么吃掉华尔街的
**作者**: snowboat
**日期**: 2026-07-29T00:11:25.000Z
**来源**: [https://x.com/snowboat84/status/2082257654353895482](https://x.com/snowboat84/status/2082257654353895482)
---
纽约证券交易所那个大厅，你大概在电视里见过。上千个穿马甲的人挤在一起，扯着嗓子喊价，手势翻飞，纸片满天飞。那是华尔街最经典的画面，也是几十部电影里"金钱与欲望"的标准背景板。
今天你再打开电视，那个大厅还在，还是那些红马甲，还是那块著名的开市钟。只是它已经不再是全部交易的中心，更多出现在开盘、收盘、上市仪式和电视镜头里。纽交所仍保留场内交易员和指定做市商，在开收盘拍卖、波动期和复杂订单里发挥作用。
但真正的大部分连续交易，早就挪到了新泽西州几栋没有窗户的机房里，藏在一根根光缆和一座座微波塔之间，以毫秒、微秒为单位完成。美国证监会早在2010年就说过，高频交易公司已经贡献了美股超过一半的成交量。国际货币基金组织2024年的报告也估算，美国股票交易里算法交易占到约70%。今天你点一次买入，中间很可能没有任何人手按键。
那些吼价的人去哪了？现在到底是谁在交易？究竟是谁赢了？这篇文章想回答的就是这三个问题。
先把结论放在前面。华尔街被算法吃掉，表面看像一场"机器打败人类"的科幻。真正的过程平实得多：交易里到底什么最值钱，这个答案一直在变。最早是人脉和消息，后来是速度，再后来是数学，如今轮到机器自己。答案每变一次，就赶走一批人，请进一批新人。算法从头到尾，都是规则、技术和逐利三方合力请进场的。它谈不上入侵，它是被请来的。这个变化到今天还没停，最新的一棒，正交到AI手里。
# 一、人的时代：华尔街本来是怎么转的
## 1.1 喊价的大厅
要看清算法怎么把人赶下场，得先知道人还在场上的时候，这套系统是怎么转的。
在电子交易出现之前，美股成交长期靠两样东西，一个叫公开喊价（open outcry），一个叫专家做市商（specialist）。公开喊价就是字面意思，你想买想卖，就在交易池里喊出来，靠嗓门、手势和眼神跟对手方达成交易，成交之后再由场内人员记录、层层上报。纽交所从1792年梧桐树协议起，就带着很强的场内交易传统。这套传统在二十世纪末到二十一世纪初被电子化一步步压缩，specialist这个称呼也在2008年前后被指定做市商（Designated Market Maker，DMM）取代。
Credit: https://businessinsider.com.pl/gielda/wiadomosci/historia-gieldy-ma-juz-500-lat-zobacz-jak-handlowano-na-niej-kiedys-a-jak-robi-sie-to/5p2gbk4
专家做市商是这个大厅里的关键角色。纽交所把每一只上市股票，指派给一个专属的specialist，由他坐在固定的摊位上，负责这只股票在纽交所场内的核心撮合，并维持一个公平、有序的市场。市场上没有买家的时候，他自己掏钱买进。没有卖家的时候，他自己拿出库存卖出，用自己的资金和存货，把买卖之间的缝隙填平。
这活儿有风险，手里的库存可能砸在手上。但作为回报，他拿到一个别人都没有的特权，他能看到自己负责股票在纽交所场内的订单簿，谁挂着买单、谁挂着卖单、在什么价位、有多大的量，一清二楚。
这个位置意味着什么，值得想清楚。他掌握着一只股票的供求全景，而大厅里其他所有人，都只能看到零零星星的片段。信息的落差，就是他的护城河。做这门生意的公司，比如LaBranche、Spear Leeds，在当年都是响当当的名字，后者后来被高盛高价买下。在那个年代，交易里最值钱的东西，是人脉和消息，你认识谁，你能不能比别人早半步知道点什么。谁离信息近，谁就赚钱。这是这条价值排序的第一版答案。
## 1.2 中间人的税
信息落差怎么变成钱，藏在一个今天看起来很荒唐的细节里，报价的最小单位。
2001年之前，美股的报价不按分来跳，按分数跳。一只股票的价格，可以是20又1/8美元、20又1/4美元。1/8这个数字有个古老的来历，早年北美流通的西班牙银元，可以被物理地切成八块，一块叫一个"八分之一"，股价沿用了这个单位。后来最常见的最小报价单位收窄到1/16美元，也就是6.25美分。即便如此，这道最小缝隙仍然比今天的一分钱大得多。这个缝隙有个名字，叫价差（spread）。
价差就是中间商的饭碗。做市商用较低的价从卖家手里收货，用较高的价卖给买家，一进一出，这几美分的一部分就落进了他口袋。你买一手股票，看起来是按市价成交的，实际上你买入的价格总比同一刻别人卖出的价格高那么一点点，这一点点，就是你交给中间人的过路费。它不写在任何账单上，你甚至意识不到自己付了。
打个比方就更清楚。假设一只股票此刻真正的公允价是20美元，做市商会挂出19.96875美元的买价和20.03125美元的卖价，中间差着6.25美分。你要买，就得按20.03125成交，你要卖，只能按19.96875成交。同一只股票，你买的时候贵了3美分多，卖的时候又便宜了3美分多，这一进一出凭空少掉的几美分，你什么都没做错，却实实在在地付了。一次买卖看着不多，一年下来、千万人下来，就汇成一笔大钱，流进中间商的口袋。
一笔看不出来，架不住量大。全美股市每天成百上千万笔交易，每一笔都被这个结构性的价差抽掉一小口。散户是这条食物链最末端的一环，买的时候贵一点，卖的时候便宜一点，两头都吃亏，而且吃得悄无声息。
这门生意最妙的地方在于，做市商不必每次都赌方向，不必判断这只股票明天会涨会跌。他只要一直待在那儿，靠这个价差走量，就能把小钱堆成大钱。风险一直有，但只要价差足够宽、订单足够多，这就是一门很舒服的生意。
## 1.3 为什么这套能撑上百年
一个对散户结构性不利的系统，凭什么能维持上百年而没人掀桌子。答案是两道墙，一道是信息不对称，一道是物理垄断。
信息不对称前面说了，specialist看得见全景，你看不见。你能拿到的，是延迟的、残缺的报价，而做市商手里是实时的、完整的订单簿。这道信息墙决定了，在跟他博弈的每一笔交易里，你从一开始就处在劣势。
物理垄断这道墙更硬。你想交易，就必须挤进那个大厅，或者找一个能进大厅的人替你下单。交易所是一栋实实在在的楼，交易席位数量有限、要花大价钱才能买到。到2005年，纽交所席位成交价一度冲到约400万美元。普通人接触市场的唯一通道，是打电话给券商，券商再把单子一层层递进大厅，成交之后再一层层报回来。这中间每一环都是人，每一环都收一道费，还都得排队等。
这两道墙一叠加，人的中介地位就无法撼动。你绕不开他们，因为你既没有信息，也进不了场。整个链条上站满了人，喊价的、撮合的、传单子的、接电话的，这套结构又慢又贵，但它稳定，因为没有人有能力从外面把它撬开。
这套人肉链条有多低效，举个例子就清楚了。散户想买一手股票，得先打电话到营业部，营业部记下单子，再传给场内的经纪，经纪跑到对应的交易池里，跟专家做市商或别的经纪当面成交，成交之后再原路把结果报回来。一来一回可能要好几分钟，中间的价格早就变了，而每一个经手的环节，都要从这笔交易里分走一点钱。慢和贵，是这套系统刻在骨子里的两个特征。真正能把这套系统撬开的，是技术，加上愿意为技术改规则的监管。单靠某个更聪明的交易员，撼动不了它。这两样东西凑齐的那一天，墙就开始塌了。
# 二、三道闸门：规则怎么亲手请进了机器
华尔街常爱把高频交易说成一种"入侵"，好像是一群极客带着超级电脑，从外面攻破了这座城堡。真实的故事要平淡得多。城门是从里面打开的，一共三道，每一道都来自监管和技术的变化。算法进场前，市场自己先把门闩卸掉了。
## 2.1 电子化的前奏
第一道松动，来自Nasdaq和电子交易网络（ECN）的出现。
纽交所是一栋有实体大厅的交易所，Nasdaq从1971年诞生起就不太一样，它没有物理交易大厅，更像一个报价的电子网络，做市商在终端屏幕上挂出买卖价，成交不必挤在同一个空间里完成。这已经是一次观念上的松动，交易原来可以不靠一个物理场所。
真正把门缝撑开的，是1990年代冒出来的一批ECN。它们是电子撮合系统，让买卖双方的订单可以直接在电脑里配对，绕过大厅里那个坐摊的中间人。最早的Instinet，后来的Island、Archipelago，都是这一波的代表。1997年，美国证监会又出台了新的订单处理规则，逼着做市商必须把这些电子平台上更好的报价也纳进来，等于用监管给电子交易开了绿灯。
A Nasdaq data center in 1971, the year the company’s electronic exchange began operating
这次变化证明，交易可以脱离人肉大厅来完成。订单从纸片变成了数据，从喊出来变成了敲进去。只要交易变成数据，它就天然进入了计算机更擅长的地盘。谁的机器接得快、配得准，谁就开始占一点便宜，速度这个变量，第一次挤进了赚钱的公式。
它还顺手改变了做市这门生意的门槛。过去要做市，你得有交易所的席位、有大厅里的人脉、有雄厚的资本压库存。电子撮合系统一来，一个懂技术的小团队，只要写得出足够快的撮合和报价程序，就能在这个新赛道上分一杯羹。资本和人脉的老门槛在降，技术的新门槛在升，华尔街的人才结构，从这里就开始悄悄换血。
## 2.2 十进制报价：价差被抽干
第二道闸门，是一次听起来无比技术、影响却极大的改革，十进制化（decimalization）。
美国证监会推动了一件事，把股票报价从分数改成小数。这个转换从2000年下半年开始分批推进，到2001年4月9日全部完成，从此所有美股报价都以1美分为最小报价单位。价格不再按1/16美元跳，改成按1美分跳。一个看起来纯技术的会计口径改动，正好砸中了整套中间人生意的命门。
这一改，价差立刻被压扁了。原来买卖价之间最小也有6.25美分的缝，现在最窄能压到1美分，缩到原来的六分之一左右。做市商赖以为生的那道价差，一下子瘦了一大圈。美国证监会在2001年的公开说明里给过两组口径：早期证词说纽交所股票报价价差下降约37%、有效价差下降约15%，Nasdaq股票报价价差下降约50%。后来演讲又提到，纽交所平均有效价差下降约28%，Nasdaq平均有效价差下降约50%。不管取哪个口径，方向都很清楚，散户交易成本下降了，靠价差吃饭的人肉做市商被直接抽血。
利润薄到一定程度，很多老派做市商发现这活儿不值得干了，第一批人开始悄悄离场，纽交所那些著名的specialist公司也一家家合并、萎缩。这里有个容易被忽略的因果。监管的本意是保护散户、降低成本，这个目的达到了。但它顺手做的另一件事，是把"靠人的经验和库存来做市"这条路的利润压没了，同时把交易越推越薄、越推越快。薄利多销的生意，天生更适合机器来做。这道闸门是为散户开的，走进来的却是算法。
## 2.3 Reg NMS：速度成了硬通货
真正把请帖送到算法手上的，是第三道闸门，2005年通过、2007年全面生效的全国市场系统条例（Regulation NMS，简称Reg NMS）。
它里面有一条规则最要命，叫订单保护规则（Rule 611）。这条规则要求交易中心建立机制，防止订单以劣于“受保护报价”的价格成交。这里的受保护报价，指的是自动化、可立即访问、公开显示的最佳买卖报价。听起来天经地义，是在保护投资者拿到全国最好的那个价。但它带来一个谁都没料到的后果，已经碎片化的市场，被进一步推向跨市场竞速。
因为最优价可能出现在任何一个交易场所，为了满足这条规则，券商和交易系统必须随时盯着多个场所的报价。今天美国有十几家正式的证券交易所，外加几十个不公开挂单的暗池（dark pool），同一只股票在这么多地方同时挂着略有差异的价。理论上有一个“全国最优买卖价”把它们统起来，但这个汇总报价本身有延迟。谁能用更快的直连数据、更快的机器，在汇总价更新之前就看穿各个场所的真实报价、算出哪里最优、并抢先跳过去成交，谁就赢。
这里的门道，是同一份行情其实有两种速度。交易所把各家的最优报价汇总成一条公共数据流，向所有人广播，这条公共流有毫秒级的延迟。与此同时，交易所又把更快的直连数据，单独高价卖给买得起的机构。于是一小撮花了钱、架了机器的玩家，能比公共流早几毫秒看到真实的价，趁别人还盯着慢半拍的公共报价，先一步下手。监管想用一条公共流保证公平，市场却顺手在旁边修了一条只有富人走得起的快车道。
速度，第一次成了这个市场里最值钱的东西。这条价值排序进入第二版，从"谁离信息近"变成了"谁的机器快"。而"在极短时间里看遍所有场所、算出最优、抢先成交"这件事，人的神经和手速根本做不到，只有算法做得到。Reg NMS用一条保护散户的规则，把交易的胜负手交给了机器。三道闸门到这里全部拉开，人赖以立足的信息墙和物理墙都塌了，取而代之的，是一堵人怎么努力都翻不过去的速度墙。
# 三、速度战争：高频交易的黄金十年
门一开，算法就涌了进来。接下来的十年，是高频交易（high-frequency trading，简称HFT）的黄金年代。这群新玩家把"快"这件事做到极致，也在几次事故里，让更多人看清了这台机器的样子。
## 3.1 光速就是钱
当赚钱的关键变成速度，所有的钱就都砸向了同一个目标，把延迟压到物理极限。
第一场军备竞赛，是机房托管（co-location）。既然交易在交易所的服务器里撮合，那我把自己的服务器搬到离它最近的地方，信号传输的距离就最短。于是各大交易所专门腾出机房，比如纽交所在新泽西Mahwah、Nasdaq在新泽西Carteret的数据中心，高价出租离撮合引擎最近的机柜。谁出的钱多，谁的机器就摆得更近，近到线缆长度都要按厘米来算，因为多绕一厘米光缆，就是多几纳秒的延迟。为了公平，交易所甚至要把所有租户到撮合引擎的线缆长度都统一裁成一样长，可见这几纳秒被人看得多重。
第二场竞赛打到了地面上。芝加哥是期货重镇，纽约周边是股票重镇，两地行情之间的差价，谁先知道谁先赚。2010年前后，一家叫Spread Networks的公司，花了约3亿美元，逢山凿洞、遇河架桥，在芝加哥和新泽西之间打通了一条近乎笔直的光缆，全长约800英里，专门为了把两地之间的往返延迟，从约14.5毫秒压到约13毫秒。就为这一两毫秒，值3亿美元。后来大家发现，光在玻璃纤维里跑还是嫌慢，微波在空气里跑更快，于是芝加哥到纽约的直线上，又立起了一排微波塔接力传信号，把往返延迟继续压到约8毫秒，逼近光在空气里的理论极限。
这个画面本身就说明了这门生意的逻辑。为了几毫秒，机构愿意砸下天文数字。因为在一个速度决定胜负的市场里，快几毫秒，意味着能看到别人还没看到的价、能抢在别人前面成交。这几毫秒就是一张印钞的许可证。谁买到了它，谁就能在别人反应过来之前，把钱先赚走。
这场竞赛还打到了大洋之下。为了让欧美两地的行情连得更快，有公司专门去铺新的跨大西洋海底光缆，也只为把往返延迟再压掉几毫秒。放在任何一个正常行业，花几亿美元只换来几毫秒，都近乎疯狂。但在这个市场里，这笔账算得过来，因为快出来的那几毫秒，是能被此后无数笔交易反复变现的独家优势。速度在这里已经成了一件可以直接出售的商品。
## 3.2 它们到底在赚什么
一个常见的误解是，高频交易靠预测涨跌赚钱，赌得准所以赚得多。多数时候，它赚的是走量的过路费，方向判断反倒不是核心。
常见路子有三种。做市返利最直接，交易所为了吸引流量，会给主动提供报价的一方一点点返点，高频做市商靠海量挂单、成交，把这些以毫厘计的返点堆成大钱。抢先成交更有争议，当算法侦测到市场上有一笔大单正在成形，它能在这笔单子完全落地前的极短时间里，先一步在别的场所买进，再转手加价卖给这笔大单，赚中间那一丁点差价，这也是《Flash Boys》后来控诉最狠的一条。还有一类是统计套利，靠数学模型捕捉不同股票、不同市场之间转瞬即逝的价格错位，比如同一家公司在两个交易所的价出现了几毫秒的不一致，出现一次就吃一口。
这三条路子有个共同点，单笔赚得极少，靠的是天量的成交次数把它放大。这门生意的极致形态，可以看Virtu Financial这家公司，它由前纽约商品交易所主席Vinnie Viola创办。
它在2014年准备上市时，招股书里披露了一个数字，震动了整个华尔街。在2009年1月到2013年12月这段时间里，它总共1238个交易日，只有一天是亏钱的。
一千两百多天只亏一天。这个数字之所以吓人，是因为它说明了高频做市和普通赌博完全不同。它更像开赌场，不像下注，赌场不需要每一局都赢，只要抽水的规则对自己有利，靠大数定律，长期就是稳赚。
散户交易里那一点点看不见的价差，就是这台机器一分一厘、日复一日抽走的水。当年那道几美分的价差养活的是大厅里的人，如今被压到一美分的价差，养活的是机房里的算法，钱还是那笔钱，收钱的人换了。
## 3.3 闪电崩盘：机器第一次失控
速度带来了利润，也带来了一种人类没见过的风险。2010年5月6日，这种风险第一次在公开市场里集中爆发，史称闪电崩盘（Flash Crash）。
那天下午，市场本来已经因为欧洲债务危机等消息承压，但接下来的下跌速度仍然吓人。道琼斯指数一度重挫近千点，盘中跌幅接近9%，一批个股的价格在瞬间崩到几乎归零，有的股票成交价一度只剩一美分。短短时间里，市场账面市值一度蒸发近1万亿美元。然后，它又在接下来的十几分钟里，几乎一样快地弹了回来，整个最剧烈的过程只有半个多小时。
事后美国商品期货交易委员会和证监会联合出的官方报告，把原因说得比"机器暴走"更细。触发点是一笔巨大的自动卖单，一家机构投资者用一个按成交量参与市场、但不看价格和时间的算法，在大约20分钟里卖出7.5万张E-mini标普500期货合约，价值约41亿美元。这笔洪水般的卖单砸下来，本来负责在市场里提供流动性的高频做市商，感觉到情况不对，纷纷在瞬间撤走了自己的报价，抽身自保。买盘一下子空了，价格就自由落体。机器和机器之间没有沟通，只有各自的止损逻辑在互相踩踏。几年后，监管还起诉了一名远在伦敦、靠挂出大量假单来诱骗市场的交易员，认为他的操纵手法加重了当时的市场压力。
那半个小时里，出现了很多荒诞的成交价。一些平时稳如泰山的蓝筹股，在恐慌里被瞬间砸到几乎白送，成交价一度只剩一美分。另一些股票却因为买卖盘在同一刻被抽空，被程序一路顶到荒唐的高位，有的成交价冲到了每股十万美元。这些价格显然毫无道理，事后大批交易被判定无效、强行取消。可在那几分钟里，机器们就是照着这些疯价，一笔一笔真金白银地成交了，没有一个人能站出来喊停。
人的时代里，市场崩起来至少还有节奏，有人在中间缓冲，恐慌需要时间传导。机器时代里，崩溃可以在几分钟内完成，快到没有任何一只人手能够及时伸进去、踩下那个刹车。速度这把双刃剑，第一次露出了它割人的那一面。
## 3.4 骑士资本之死：一段旧代码的代价
闪电崩盘展示的是系统性的失控。2012年骑士资本（Knight Capital）的覆灭，展示的是个体公司的脆弱：一家顶级做市巨头，怎么被自己的一段旧代码，在几十分钟里毁掉。
2012年8月1日早晨，骑士资本上线了一套新交易软件。问题出在部署上，八台服务器里，只有七台装好了新代码，剩下那一台，还残留着一段2003年就该弃用、却一直没清干净的旧程序。开盘之后，这台服务器上的旧逻辑被意外激活，开始疯狂地、不受控制地自动下单。
在大约45分钟里，骑士的系统向市场倾泻了超过400万笔本不该有的订单，涉及约150只股票，成交了将近4亿股，在账上堆起了它根本不想要的头寸。等工程师手忙脚乱地把系统关停，亏损已经超过4.6亿美元。
一家在美股散户成交里占了很大份额的老牌巨头，就因为一台服务器上一段没删干净的旧代码，几十分钟就被打残。它自己没能扛住这个窟窿，几天之内就被同行注资接盘续命，一家独立的巨头从此并进了别人的名下。
这件事后来成了整个行业的一堂必修课。它逼着所有做自动交易的公司，把上线新代码前的测试、把系统一旦异常时的紧急熔断，写进了最严格的流程。可再严的流程，也堵不住一个根本的事实，当交易的方向盘完全交给机器，人能做的，就只剩在事后收拾残局。骑士资本的窟窿，最终靠一次同行的紧急注资才填上，独立的它并进了新东家，一个在华尔街响了几十年的名字，就这么被抹掉了。
这件事是速度这把双刃剑最惨烈的注脚。当你把交易权全部交给以毫秒计的自动系统，好处是它比人快无数倍，代价是它犯错也比人快无数倍。人犯错，中间还有察觉、犹豫和纠正的时间。机器犯错，等你反应过来的时候，几亿美元已经没了。骑士资本的教训后来被无数交易公司抄进内部手册，只是没人敢保证，同样的事不会换个形式再来一次。
## 3.5 反击与争议：Flash Boys 与 IEX
到这里，高频交易在公众眼里还是个模糊又神秘的东西。让它彻底暴露在聚光灯下的，是一本书和一个人。
2014年，迈克尔·刘易斯（Michael Lewis）出版了《Flash Boys》。这位写过《大空头》《点球成金》的畅销书作家，用一个通俗又愤怒的故事，把"市场被高频交易操纵、散户正在被系统性抢跑"这套说法，砸进了大众的认知。书里的核心指控很直白，当你按下买入键，高频交易者能凭借速度优势，在你的订单真正成交之前，抢先一步在别的场所买进，再加价卖给你，你每一笔交易都在被这只看不见的手揩油一层。这本书掀起轩然大波，也第一次让普通人意识到，那个看起来公平的市场，底下藏着一层专为快机器设计的游戏规则。
书里的主角，是一个叫Brad Katsuyama的人。他原本在一家银行做交易，亲身发现自己的大单总是刚一挂出去，还没成交，价格立刻就变差，像是有人提前知道了他要买。查明原因之后，他做了一件很反骨的事，自己拉队伍开了一家新交易所，叫IEX。
IEX的核心武器听起来很简单，一条减速带（speed bump）。它给所有进来的订单，故意加上350微秒的延迟，早期做法是把38英里长的光缆盘成一大团，塞进机房，信号在里面多绕一圈。后来IEX在2024年迁移主数据中心后，把线缆长度调整到44英里，以维持同样的350微秒延迟。350微秒，是百万分之一秒的量级，人根本感觉不到，却足以抹掉高频交易者那点抢跑的时间窗。
2016年6月，美国证监会经过一场争论激烈的公开征询之后，正式批准IEX成为一家全国性证券交易所。人第一次成规模地、用制度的方式，反过来给机器设了个卡。一条减速带救不了全局，市场的主流依然是速度为王，IEX的市场份额至今也不算大。但它至少证明了一件事，算法能改变规则，人也能再把规则一点点改回来。攻和守，都还在继续。
# 四、谁赢了：新王登基
一场持续二十年的改写下来，旧的中间人几乎被清空，新的赢家坐上了王座。这些公司没有传统华尔街明星的名气，却站在今天交易链条的中心。
## 4.1 你没听过的巨头
先说一个反差。今天在美国，你每一笔股票买卖，几乎都要从几家公司手里过一道，但这些公司的名字，普通人一个都叫不出来。它们是Citadel Securities、Virtu、Jane Street这类电子做市商。高盛、摩根这些你熟悉的名字，反而不在这条链的最中心。
以Citadel Securities为例，它由对冲基金大佬Ken Griffin创办，处理着美国散户股票订单里很大的一块。按公司自己的说法，2026年它的平台执行了美国股票市场24%以上的成交量，约35%的美国上市股票散户成交量也从它这里走过。它不面向公众，没有营业网点，不打广告，你从没在任何地方主动接触过它，但你在券商App上点下的每一次买入卖出，很可能都由它在背后撮合。它就是那个接替了当年大厅里specialist的新一代做市商，区别只在于，specialist是坐在摊位上的人，它是一套跑在机房里、以微秒计的算法。Jane Street则走得更专，靠做市各种ETF和加密资产闷声发大财，低调到很多金融从业者都说不清它到底怎么赚钱，后来因为一位在这里干过、后来搞垮了自己加密帝国的年轻人，才被大众听说了名字。
Citadel Securities CEO Peng Zhao (left) and Ken Griffin.
这些公司的低调，本身就是这门生意的一部分。它们不需要品牌，不需要面对散户，客户是券商和机构，竞争力藏在机房和代码里，越少人懂越好。当年大厅里那些西装革履、靠握手和饭局做生意的做市商，被一群穿着卫衣、在屏幕前敲代码的工程师取代了。同一个赚钱的位置还在那儿，坐上去的人从金融家换成了技术人，这是整场变革最直白的一个缩影。
这批公司为什么能上位，值得记住。旧做市商靠的是大厅里的席位和信息垄断，新做市商靠的是速度和规模。当交易变成数据、胜负变成毫秒，人肉做市商的优势荡然无存，而这些从底层就用算法搭起来的公司，天生就适应这个新战场。它们没有历史包袱，没有交易大厅的租金，只有一群工程师和一堆服务器。王座换人，比的是谁更懂机器。谁更懂金融，已经不再是关键。
## 4.2 数学家的堡垒：Renaissance 与 Medallion
Citadel这类公司把做市做到极致。另一条路线，则是把交易彻底变成一道纯数学题。这条路线的封神之作，是文艺复兴科技（Renaissance Technologies）和它的Medallion基金。
Renaissance的创始人是詹姆斯·西蒙斯（Jim Simons），一位得过几何学大奖、给冷战时期的美国情报机构破译过密码、后来才转行做投资的顶级数学家。他做了一件在当时华尔街看来很离经叛道的事，公司里几乎不招金融科班出身的人，招的全是数学家、物理学家、天文学家、密码学家、语言学家。他们不看财报，不听消息，不判断某家公司好不好，只把海量的历史价格数据喂进模型，让机器去找那些人眼看不见、转瞬即逝的统计规律，然后靠这些规律做高换手、短周期的系统化交易，赢面稍微大过一半就够，剩下的交给次数和时间。
Jim Simons (1938-2024)
这套打法说起来简单，做起来难如登天。它靠的是成千上万个微弱到几乎看不见的小规律。单个规律拿出来毫无意义，合在一起却能稳定跑赢。信号常常弱到只让一次下注的胜率比抛硬币高出一两个百分点，但只要下注的次数足够多、每次的仓位控制得足够稳，这一两个百分点就会被大数定律放大成惊人的复利。这也解释了它为什么极度依赖数学和算力，金融直觉反倒退到了后面。
结果有多惊人，看数字。它的Medallion基金在1988年到2018年这三十年里，扣费之前的年化收益约为66%，扣掉高得离谱的费用之后，落到投资人手里的年化也有约39%。作为对比，被称为股神的巴菲特，长期年化大约在20%上下。
这里有个容易算错的地方：如果按66%的费前收益复利，1988年投进Medallion的100美元，到2018年会滚成接近4亿美元。如果按投资人实际拿到的39%费后收益算，则大约是200万美元级别。无论按哪一种口径，它都已经离谱到不像真实世界里的基金。它的收费也一样离谱，5%的管理费加44%的业绩提成，是行业惯例的好几倍，而且它早就对外部投资人彻底关门，只给公司自己人赚钱，正是这份封闭，让它多了几分神秘。
Medallion神秘又赚钱，它证明了一条路的存在，交易可以完全剥离掉人的判断，变成纯粹的数据和数学。在这条路上，最值钱的东西从消息和速度，转向了从噪音里捞出微弱信号的数学能力。这条价值排序进入第三版，谁的模型更聪明，谁赢。华尔街的招聘天平，从此开始一路向理科生倾斜，物理学博士和数学系高材生，成了各大交易公司抢着要的人。
这条路的封闭和神秘，也让它成了华尔街的一个传说。因为不对外募资，它不需要向任何人解释自己怎么赚钱，模型的细节被公司当成最高机密守着，据说连内部员工都只能看到自己负责的那一小块。一个靠纯数学、把交易做成了印钞机、又几乎不为外人所知的堡垒，本身就构成了对老华尔街那套人情逻辑最彻底的颠覆。
## 4.3 "免佣金"的真相：Robinhood 与订单流付费
散户这边，也迎来了一个看起来天大的好事，零佣金。掀起这股风潮的，是一家叫Robinhood的券商App，由Vlad Tenev和Baiju Bhatt创办，主打买卖股票不收一分钱手续费，界面做得像游戏一样简单好玩，一下子吸引来大批年轻的新股民，也逼得整个行业跟进，如今美股散户交易佣金基本归零。
天下没有免费的午餐，这句话在这里特别贴切。Robinhood不收你佣金，它的钱从哪来。答案是一个术语，订单流付费（payment for order flow，简称PFOF）。当你在Robinhood上下一个买单，它通常不会直接把这个单子送到公开交易所，而是把它转给像Citadel Securities这样的大做市商，由做市商来跟你成交，并为此付给Robinhood一笔钱。
这套模式里，散户的角色发生了一个微妙的转变。在收佣金的年代，散户是券商的客户，付费买一项服务。在零佣金的年代，散户的订单本身，成了被券商打包卖掉的商品。
做市商愿意花钱买你的订单，是因为散户的单子小、方向散、通常不带机构大单那种信息冲击，是相对好做的流动性来源。你省下了那点佣金，但你的每一笔成交价里，可能仍然藏着那道被压薄却没消失的价差。
数字能说明这门生意有多大，光是2020年，Robinhood靠订单流付费就进账近7亿美元。同年美国证监会还因为它在2015年到2018年底之间对用户披露不清、执行质量不达标，开了6500万美元的罚单。零佣金是真的，免费是假的，你只是换了一种自己看不见的方式在付账。
这套模式还带来一个更微妙的后果，它悄悄改变了普通人跟市场的关系。当买卖股票变得像刷手机游戏一样零成本、零门槛，下单成功还有五彩纸屑的动画奖励，交易的频率就被大大推高了。频繁交易对散户的长期收益往往是伤害，对靠订单流赚钱的一方却是利好。零佣金拆掉了散户入场的最后一道门槛，也顺手把更多的普通人，变成了这台抽水机更密集、更频繁的水源。
## 4.4 人去哪了
一路讲下来，那个最开始的问题该收口了，大厅里那些吼价的人，到底去哪了。
答案是，大部分消失了。喊价的交易员、坐摊的specialist、传单子的场内经纪、接电话的营业部人员，这些岗位随着交易的电子化，成批地被裁撤。纽交所大厅里曾经上千人的盛况，缩到了今天的一小撮，留下的人更多是象征意义，为电视镜头保留一点"金融中心"的仪式感，开市钟一敲，镜头一扫，背后其实早就没多少真交易了。
被赶走的是一批人，被请进来的是另一批人。华尔街的招聘需求，从能说会道、人脉深厚的MBA和交易员，转向了物理学家、数学家和写代码的工程师。今天你想进顶级交易公司，简历上最值钱的不再是你认识谁、你在哪个圈子里，而是你会不会建模型、能不能把系统的延迟再压低几纳秒、懂不懂机器学习。护城河从"人脉"变成了"算力"，站在河这边的人，也就整个换了一茬，连他们读的专业、说的语言都不一样了。
这就是这场改写最冷峻的地方。它是一整套价值排序的翻新，远远超过普通裁员的尺度。当"什么最值钱"的答案从人脉换成速度、再换成数学，靠旧答案吃饭的人，无论多资深、多有经验，都会被结构性地请下场。市场对他们没有恶意，市场已经不再需要他们了。而这套逻辑，接下来还要再运行一次。
# 五、从"快"到"聪明"：AI 接管的下一幕
故事还没结束。速度这条路已经快走到头，一条新的路正在打开。交易里最值钱的东西，正从"快"转向"聪明"。这一次，接棒的是AI。
## 5.1 速度战争打到头了
速度这场军备竞赛，正在撞上一堵谁也翻不过的墙，物理定律。
信息传输的速度，上限是光速。当机构已经用微波塔把芝加哥到纽约的往返延迟逼到接近光在空气里跑的极限，剩下能压缩的空间，就只剩纳秒级的零头了。再往下抠，投入越来越大，回报越来越薄。这跟任何一场军备竞赛的结局都一样，当所有人都快到了极限，快本身就不再是优势，因为大家一样快，谁也占不到谁的便宜。
于是战场开始转向。既然拼不出更快，就得拼更准。当每个人都能在同一个极短时间窗口里看到差不多的价格，下一个胜负手，就变成了谁能从这些价格里，读出别人读不出的东西，谁能对下一秒、下一分钟、下一个财报季做出更准的判断。市场对"什么最值钱"的回答，又一次开始改写，从速度，转向判断力。AI擅长的，恰好就是从海量数据里找规律、做判断。价值排序进入第四版，主角从最快的机器，变成了更会读数据的模型。
## 5.2 机器学习进场
老一代的量化交易，本质上还是人写规则。交易员或研究员先想出一个策略假设，比如"某两只相关的股票通常同涨同跌，一旦价格偏离就大概率会回归"，再把这个假设写成代码，让机器去高速执行。机器很快，但它执行的思路，是人给的。
新一代的机器学习交易，把想策略这一步也交了出去。人不必先把规则写好，可以把海量的数据直接喂给模型，让模型自己从里面找出能预测价格的信号。这里的数据，早就超出了股价和成交量，延伸到各种另类数据（alternative data）。有的公司买卫星图像，去数某家连锁超市停车场里的车流量，用来提前推测这家公司这个季度的销售好不好。有的公司买匿名的信用卡消费流水，用来预判某个行业、某个品牌的景气度。还有的实时抓取全网的新闻和社交媒体文本，用算法读出市场情绪的转向，抢在人反应过来之前下单。
这里的变化很彻底。从前是人告诉机器去哪里找钱，现在是机器自己在一个人脑根本无法穷尽的数据海里，找那些人想不到的规律。交易员的角色，从"策略的发明者"，退成了"喂数据和调模型的人"。谁能弄到更独家的数据、训出更能榨出信号的模型，谁就赢。这套逻辑跟前几次改写很像，这一次轮到了人的判断力本身。
这门生意背后，已经长出了一个庞大的数据产业。今天有一批专门的公司，靠采集、清洗、贩卖另类数据为生，把卫星图像、手机定位、招聘网站的岗位数、App的下载量，打包卖给对冲基金。一家基金能不能拿到别人没有的独家数据、能不能比对手早一个季度看清一家公司的真实经营，常常就是胜负所在。数据本身成了新的原材料，谁囤得多、洗得干净、用得巧，谁就占了先手。
## 5.3 新的隐忧
AI进场提高了效率，也埋下了几个让人睡不安稳的隐患。
黑箱是第一层麻烦。老一代的量化策略，人至少还知道它为什么这么做，因为规则是人一条条写的。新一代的深度模型，常常连造出它的工程师都说不清，它究竟是抓住了哪几个信号，才做出了这个买卖决定。当越来越多的钱被交给一个没人能完整解释的黑箱，一旦它出问题，你甚至没法第一时间知道问题出在哪、该怎么关。
更麻烦的是趋同。当全行业都用相似的数据源、相似的模型架构，大家很容易在同一时刻得出相似的结论，做出相似的动作。平时这没什么，可一旦市场急转，所有模型可能在同一秒里同时喊卖，瞬间形成一场比闪电崩盘更整齐、更迅猛的集体踩踏。模型越像，系统越脆，这是一种藏在效率背后的新型系统性风险。
最诡异的一层，已经带了点科幻味。AI一边在读新闻做交易决策，另一边，越来越多的市场新闻、摘要和解读本身，也开始由AI生成。于是可能出现一种循环，AI读着AI写的文本，做出决策，这个决策又反过来影响价格、生成新的数据，喂给下一个AI去读。人在这个回路里的位置越来越靠边，市场会因此变得更聪明，还是更不可理喻，现在还没有人能说清。
## 5.4 散户还剩什么位置：GameStop
在一个越来越被算法统治的市场里，普通人还有位置吗。2021年初那场GameStop逼空，给了市场一个很难建模的答案。
GameStop是一家开在商场里、卖游戏光盘的连锁店，生意早就被数字下载冲得摇摇欲坠。一批华尔街的对冲基金判断它必死，重仓做空，赌它继续跌。事情的转折发生在一个叫WallStreetBets的散户论坛，一个网名Roaring Kitty的普通人天天在那儿分析GameStop被过度做空的机会，带起了成千上万的散户。他们认准了那些做空的机构，抱团把GameStop的股票往死里买。股价被硬生生从年初的十几美元，一路顶到1月28日盘中的483美元。几家做空的基金巨亏，其中Melvin Capital获得Citadel和Point72合计约27.5亿美元注资，才没有当场垮掉。
这件事最有意思的地方在于，散户赢的那一手，恰恰是很多模型最难提前吸收的。SEC后来的报告把GameStop上涨归结为几个因素同时出现，社交媒体热度、个人投资者涌入、机构买入、极高空头比例和媒体报道互相叠加。空头回补确实参与其中，但整个事件还需要放在这组因素的合力里看。真正打穿一批空头仓位的，是一种集体的、情绪化的、看起来很不理性的交易行为，它让押注基本面回归的模型突然失效。
这不代表散户翻身。逼空只是插曲，市场的主导权依然牢牢握在算法和机构手里。事情后半段，Robinhood一度限制用户买入GameStop，也让人看清散户的通道随时可能被从上面掐断。但它至少提醒了一件事，只要这个市场里还活着人这种不可预测的变量，算法就永远算不尽这盘棋。这也许是留给普通人的、最后一点位置。
这场逼空的余波也值得记一笔。Robinhood在关键时刻限制买入，引来了散户铺天盖地的愤怒，一家标榜要把金融民主化、名字就取自劫富济贫的侠盗的公司，却在最关键的一刻被指责站到了机构那一边。事情最后闹上了美国国会的听证会，几家公司的负责人被叫去当面对质。这场风波没有改变市场的走向，却把一个平时藏在水面下的问题，第一次摆到了所有人面前，这个市场，到底是在为谁运转。
# 六、得到了什么，失去了什么
半个多世纪下来，先算一笔明账。这场被算法一步步吃掉的变革，普通人其实是占了便宜的。当年那道几美分甚至十几美分的价差，如今在很多高流动性股票上被压到近乎一分钱，佣金也从有到无。交易从来没有像今天这样便宜、这样快、这样触手可及。你在手机上点一下，就能用几乎为零的显性成本买卖股票，这在人肉大厅、按分数报价、层层收费的年代，是完全不可想象的。单从成本和效率看，散户确实拿到了好处。
代价藏在暗账里。市场变成了一台几乎没有人能完整看懂的机器。它由无数个互相竞速、互相博弈的算法拼成，快到人的神经跟不上，复杂到连造它的工程师也只懂其中一角。它平时高效得惊人，可一旦崩起来，会崩得又快又莫名，没有人能当场解释原因，也没有一只手能及时按下暂停键。我们用透明和可控，换来了便宜和高效。这笔账划不划算，取决于那台机器哪天会不会再一次、以我们看不懂的方式失控。
这条主线，其实可以用一张表看清。半个多世纪里，交易里最值钱的那样东西变了四次，每一次都换上一批新赢家，也送走一批旧人。
回到最开始那条主线。华尔街被算法吃掉，机器对人类的偷袭只是表面故事。真正发生的，是"交易里什么最值钱"这个答案一再换版本。这个答案先是人脉和消息，然后换成了速度，接着换成了数学，如今又轮到机器的判断力。答案每变一次，就有一批旧人被请下场，一批新人被请上台。算法始终是被规则、技术和逐利请进来的座上宾，它每一次登堂入室，门都是市场自己从里面打开的。
而这盘棋还在往下走。当"最值钱的东西"正从速度和数学，进一步交到AI手里，一个更根本的问题就浮了上来。股票市场被发明出来，本来是为了给企业融资、让大众分享经济增长的果实。现在，交易越来越深地交给算法和AI，买卖的两头也越来越多地变成机器对机器。这个市场还属于普通人吗，还是已经变成了一场只有机器才玩得转、也只有机器才看得懂的游戏。这个问题今天没有答案，但它值得每一个把钱放进这个市场的人，认真想一想，因为你我，可能都还在这盘棋里。
## 作者其它文章（选）
- 顶尖VC2026年以来动向观察
- 美国数学教育和研究的现状
- AI安全综述：我们到底在怕什么？
- 强化学习沉浮史
- 雅可比猜想：从Vitushkin的二维例子推出Fable的三维反例
- AI商业模式的危机
- AI for Science详细介绍（下）：机会与入场
- 流体力学研究史
- 什么是推理模型？
- 什么是希尔伯特的第六问题？这个问题重要吗？
- 一篇文章讲清楚美国的移民系统
- 一文讲清楚美国医疗系统
- 细说美国的华人老钱家族
- 美国的犹太人和华人分别抢到了什么资源？详细分析
- 一篇文章看懂美国教育全生态
- AI圈大V名单（名单不断扩充中）
- 什么是控制论？控制论是AI的上辈子吗？
- 祖父积分学概论
- 教宗良十四世论人工智能（精华版）
- Vibe Reading：AI时代读书的系统化方法
## 相关链接
- [snowboat](https://x.com/snowboat84)
- [@snowboat84](https://x.com/snowboat84)
- [359](https://x.com/snowboat84/status/2082257654353895482/analytics)
- [https://businessinsider.com.pl/gielda/wiadomosci/historia-gieldy-ma-juz-500-lat-zobacz-jak-handlowano-na-niej-kiedys-a-jak-robi-sie-to/5p2gbk4](https://businessinsider.com.pl/gielda/wiadomosci/historia-gieldy-ma-juz-500-lat-zobacz-jak-handlowano-na-niej-kiedys-a-jak-robi-sie-to/5p2gbk4)
- [顶尖VC2026年以来动向观察](https://x.com/snowboat84/status/2081903835833147732)
- [美国数学教育和研究的现状](https://x.com/snowboat84/status/2080872418999156980)
- [AI安全综述：我们到底在怕什么？](https://x.com/snowboat84/status/2080455644180832672)
- [强化学习沉浮史](https://x.com/snowboat84/status/2080159169806799316)
- [雅可比猜想：从Vitushkin的二维例子推出Fable的三维反例](https://x.com/snowboat84/status/2079683084979769478)
- [AI商业模式的危机](https://x.com/snowboat84/status/2079355630452957309)
- [AI for Science详细介绍（下）：机会与入场](https://x.com/snowboat84/status/2078282144619593819)
- [流体力学研究史](https://x.com/snowboat84/status/2077983459369418941)
- [什么是推理模型？](https://x.com/snowboat84/status/2077613128746164625)
- [什么是希尔伯特的第六问题？这个问题重要吗？](https://x.com/snowboat84/status/2077249534049259588)
- [一篇文章讲清楚美国的移民系统](https://x.com/snowboat84/status/2057980486501433383)
- [一文讲清楚美国医疗系统](https://x.com/snowboat84/status/2055081426744422697)
- [细说美国的华人老钱家族](https://x.com/snowboat84/status/2062326581776011623)
- [美国的犹太人和华人分别抢到了什么资源？详细分析](https://x.com/snowboat84/status/2063049247805837815)
- [一篇文章看懂美国教育全生态](https://x.com/snowboat84/status/2054359249917210633)
- [AI圈大V名单（名单不断扩充中）](https://x.com/snowboat84/status/2069206740546343372)
- [什么是控制论？控制论是AI的上辈子吗？](https://x.com/snowboat84/status/2064496706042069340)
- [祖父积分学概论](https://x.com/snowboat84/status/2056533111983493136)
- [教宗良十四世论人工智能（精华版）](https://x.com/snowboat84/status/2059434342745866391)
- [Vibe Reading：AI时代读书的系统化方法](https://x.com/snowboat84/status/2050008577511973253)
- [Upgrade to Premium](https://x.com/i/premium_sign_up)
- [8:11 AM · Jul 29, 2026](https://x.com/snowboat84/status/2082257654353895482)
- [359 Views](https://x.com/snowboat84/status/2082257654353895482/analytics)
---
*导出时间: 2026/7/29 11:54:31*