量化投資與機器學習微信公眾號，是業內垂直於量化投資、對沖基金、金融科技、人工智慧、大資料等領域的主流自媒體。公眾號擁有來自公募、私募、券商、期貨、銀行、保險、高校等行業40W+關注者，曾榮獲AMMA優秀品牌力、優秀洞察力大獎，連續4年被騰訊雲+社群評選為“年度最佳作者”。

前言

據外媒新聞報道，在經歷了超半年的訴訟程式後，兩家華爾街知名的量化交易公司Jane Street Group, LLC（Jane Street）與Millennium Management LLC等（Millennium）之間的商業秘密訴訟於2024年12月初最終以雙方達成和解協議告終[1]。Jane Street以高頻交易策略聞名，而Millennium則是一家大型全球多策略對沖基金，管理多種投資策略。根據紐約曼哈頓法院的公開檔案，2024年4月，Jane Street在美國紐約南區地方法院提起訴訟，被告是Millennium以及兩名跳槽至被告公司的前員工，訴訟事由涉及合同違約、侵權，竊取商業機密，不當得利以及不公平競爭等[2]。原告稱兩名前員工在離職前深度參與了研發公司內部的一項印度期權業務交易策略，並在入職被告公司後使用該策略牟利，嚴重損害了原告的商業利益。

本案雖以和解告終，但其爭議的核心直指量化交易策略的法律保護困境，其中所反映出來的問題在海外和國內市場都有所體現，值得行業深度思考——當演算法成為核心競爭力，如何透過法律及制度有效護航？

近年來中國也曾發生“量化巨頭”之間就前員工“竊取”量化交易策略程式碼是否構成不正當競爭行為而對簿公堂。司法實踐中，對於量化交易策略的商業秘密性質認定及相關賠償計算方式似乎仍缺乏明確的標準或指引。量化策略的“半技術半商業”屬性，使其在傳統智慧財產權與商業秘密保護之間徘徊，企業可能會陷入“專利不可求、著作權不夠用、商業秘密舉證難”的三重困局。

一、傳統智慧財產權保護的侷限性：專利權與著作權保護的法律挑戰

1. 專利權保護的適用挑戰

在中國現行法律框架下，量化交易策略能否透過專利權或著作權獲得保護，需結合具體情形進行法律判斷，但這一過程面臨多重實踐難題。

《中華人民共和國專利法》第25條將“智力活動的規則和方法”排除在可授予專利的範圍之外。根據《專利審查指南》，此類規則需滿足“未採用技術手段、未解決技術問題、未產生技術效果”的排除標準。量化交易策略利用對金融市場規律的數學歸納與程式化執行，其性質存在可能被歸類為抽象的演算法或商業規則和方法。儘管部分策略可能涉及演算法最佳化或資料處理技術，但若無法證明其與具體技術領域（如硬體裝置、通訊協議等）的結合或產生顯著技術效果，則可能對於被認定為專利法意義上的“技術方案”，從而受專利法保護存在難度。

此外，專利制度要求權利人公開技術細節以換取壟斷權，這與量化策略依賴保密性維持競爭優勢的商業邏輯存在根本衝突——即便某項策略突破專利適格性障礙，公開披露也可能導致其因喪失秘密性而無法再透過商業秘密制度獲得兜底保護。

2. 著作權保護的邊界模糊

《著作權法》雖將計算機軟體納入作品保護範疇，但《計算機軟體保護條例》第6條強調，“軟體著作權的保護不延及開發軟體所用的思想、處理過程、操作方法或者數學概念等”。然而，量化交易策略的法律保護需求往往聚焦於策略邏輯的獨創性，這些核心要素可能被視為“思想”或“方法”而落入著作權排除領域。此外，實踐中模仿者可能重構程式碼邏輯，因此即便策略開發過程中形成的程式碼、文件等可獲得著作權保護，也可能無法阻止第三方基於相同邏輯開發功能等效的替代策略。

二、商業秘密保護路徑的探索

由於量化策略透過傳統智慧財產權保護存在一定挑戰，因此企業可轉向商業秘密制度尋求保護及救濟。

在2020年9月，最高人民法院釋出的《關於審理侵犯商業秘密民事案件適用法律若干問題的規定》中明確指出，與技術相關的演算法、資料、計算機程式及其相關文件等資訊屬於《反不正當競爭法》規定的商業秘密[3]。然而，這類資訊必須滿足三個條件，才能受到商業秘密保護：不為公眾所知悉、具有商業價值、權利人採取了合理的保密措施[4]。

1. 量化交易演算法是否公開？

量化投資依賴精密且個性化的演算法模型，這些模型是開發者在深入研究市場動態、數學計算和長期資料驗證的基礎上構建的。量化交易的核心是運用數學模型、統計方法和計算機技術進行投資決策，而策略程式碼的優劣直接影響交易的盈利能力。因此，各大金融機構通常會嚴格保密這些演算法，並避免對外披露。

最高人民法院在保護科技創新的典型案例中指出，即使某些演算法模型的某些部分為公開資訊，但其具體運用仍可能涉及不為公眾所知悉的成果，如該典型案例中的演算法模型的選擇最佳化及權重排序，仍然具有商業秘密保護的價值[5]。

2. 量化交易演算法是否具有商業價值？

量化交易策略因其執行效率高、交易紀律嚴格、投資組合分散、資料可追溯及持續最佳化的特點，在金融市場中應用廣泛。演算法的運用不僅能夠幫助投資者精準判斷交易時機，還可以透過套利策略和風險對沖提高投資回報，並降低市場波動的影響。因此，量化交易演算法應具有重要的商業價值，併成為投資機構提升市場競爭力的核心工具。

3. 量化交易演算法如何被保護？[6]

相較於專利和著作權，商業秘密可以有長期保護、無需申請、避免公開的優勢。然而，其劣勢也在於其需要依靠企業內部規則的設定或依靠物理、技術隔離以及人員分工等手段來使得員工無法知曉商業秘密來保護，一旦被某一員工完整獲取該商業秘密，則極易產生洩漏風險，進而引發爭議。法律對於商業秘密的保護僅可以作為事後賠償的依據，商業秘密的性質決定其一旦洩漏就可能造成巨大損失，法律的保護始終存在一定滯後性。

企業要確保其演算法被認定為商業秘密並受法律保護，必須採取一系列合理且有效的防護措施。這不僅是商業秘密保護的關鍵環節，也是企業防止資訊洩露、維護市場競爭力的重要手段。《最高人民法院關於審理侵犯商業秘密民事案件適用法律若干問題的規定》第6條列舉了多項保密措施，包括利用保密協議、內部制度、場所區分、許可權管理等措施。結合量化機構的特點，我們建議企業從以下幾個方面著手進行量化演算法及策略的商業秘密保護，以構建全面的演算法安全體系，並確保合規性：

(1) 與員工及合作伙伴簽署保密協議或在與員工的勞動合同中設定保密條款：《勞動合同法》第23條第1款規定，用人單位與勞動者可以在勞動合同中約定保守用人單位的商業秘密和與智慧財產權相關的保密事項。

量化企業可與掌握量化策略、演算法等商業秘密涉密員工，簽署保密協議約定員工對企業商業秘密的保密義務，或者在勞動合同中明確保密條款。對保密資訊範圍、保密期限、員工接觸及使用商業秘密的方式和許可權等進行約定，並在保密協議中對洩漏商業秘密的損失計算方法進行陳述與確認。同時，要求入職員工注意若與前屬公司存在競爭關係或者研發成果存在關聯，應當避免使用其他企業的商業秘密。同時，建議量化企業與相關涉密合作夥伴亦簽署保密協議，明確保密責任義務並確認對洩漏商業秘密的損失計算方法，以防止核心資訊洩露並明確損失後果。

(2) 與員工明確約定因職務產生的商業秘密權利歸屬：《民法典》第847條第1款規定，職務技術成果的使用權、轉讓權屬於法人或者非法人組織的，法人或者非法人組織可以就該項職務技術成果訂立技術合同。法人或者非法人組織訂立技術合同轉讓職務技術成果時，職務技術成果的完成人享有以同等條件優先受讓的權利。

因此，量化企業員工為了執行企業交辦的任務或者主要是利用企業物質技術條件所完成的技術成果，屬於是職務技術成果，在沒有另行約定的情況下，技術成果應歸屬於企業。量化企業可透過協議與員工明確約定因職務產生的商業秘密權利歸屬，以避免具體的權屬不明而產生的爭議及糾紛，包括商業秘密所有權、使用權、轉讓與許可權、收益權等。

(3) 透過公司規章制度對員工提出保密要求並組織員工進行商業秘密培訓：量化企業可定期組織商業保密培訓，增強員工對企業的商業秘密保護制度與保密措施的認知，減少因人為疏忽導致的資訊洩露，明確各自職級、職能範圍內可能接觸到的商業秘密內容。同時透過規章制度、書面告知等方式，對能夠接觸、獲取商業秘密的員工提出保密要求。

(4) 加強商業秘密管理：量化企業可根據其具體資訊內容，加強商業秘密管理，包括但不限於：

資訊歸檔管理：建立安全存檔系統，對核心演算法、交易策略及相關資料進行分類儲存，嚴格控制存取許可權；

訪問記錄跟蹤：使用訪問日誌跟蹤技術，確保每一次程式碼或資料的訪問行為可被審查，從而降低內部洩密風險；

分層資料訪問許可權管理：採用最小許可權原則，根據員工職能劃分資料訪問等級，僅允許必要人員檢視核心交易策略；

技術安全措施加強：透過資料加密、多因素身份驗證(MFA)、內部審計及安全檢測等技術手段，及時排查演算法漏洞或後門，進一步增強對核心演算法的保護。

(5) 與涉密員工簽署競業限制協議：《勞動合同法》第23條第2款規定，對負有保密義務的勞動者，用人單位可以在勞動合同或者保密協議中與勞動者約定競業限制條款，並約定在解除或者終止勞動合同後，在競業限制期限內按月給予勞動者經濟補償。

勞動者違反競業限制約定的，應當按照約定向用人單位支付違約金。量化企業可與原擔任高階管理人員、高階技術人員和負有保密義務的簽署競業限制協議，上述人員離職後按競業限制協議約定的競業限制範圍、地域、期限、違約責任以及經濟補償金額等具體事項。根據法律規定，競業限制期限不得超過兩年。

三、量化交易策略侵權的損失認定問題

即便企業成功主張商業秘密保護，如何證明侵權行為與損失的因果關係仍可能帶來維權障礙。在量化交易領域，策略侵權具有較強的隱蔽性，且市場環境複雜多變，而策略收益的影響因素較多，使得損失的因果關係認定變得困難。許多情況下，權利人都難以精確計算因侵權行為所帶來的經濟損失。

1. 直接損失

直接損失主要指被侵權策略的研究開發成本，精確證明難度較大。同時，嚴格來說，還要結合權利人已實現收益的情況、侵權行為對策略有效性減損的程度等因素對開發成本做一定攤銷。直接損失因其絕對金額不高、證明難度較大，實踐中通常不是權利人主要主張的損失內容。

2. 間接損失

間接損失主要指被侵權策略可能帶來的預期收益損失。量化策略的核心目標是透過數學模型和演算法在市場中獲取超額收益。侵權行為可能導致策略收益下降。例如，透過對比侵權前後的歷史回測資料，可以估算策略在正常情況下的預期收益與實際收益的差異。

策略的生命週期與其盈利能力密切相關。如果策略因侵權被廣泛複製或洩露，可能導致策略提前失效。例如，一個策略原計劃可持續盈利兩年，但因侵權在六個月內失效，那麼剩餘一年半的預期收益就無法實現，權利人可以嘗試對該部分收益損失提出索賠。

在侵權行為只涉及策略部分可分內容的情況下，還需要考慮被侵權策略內容對於策略整體超額收益的貢獻比例或貢獻率，並相應折算權利人預期收益受侵權行為影響的金額。

當原策略因侵權失效時，權利人可能需要開發新的策略以維持市場競爭力。開發新策略需要投入的大量資源，包括資料收集、模型構建、引數最佳化和回測驗證等，也可以是損失的一部分。但嚴格來講，如果前述討論直接損失和預期收益損失已得到充分賠償，權利人主張該部分損失將缺乏依據。此外，該部分損失同樣存在舉證難的問題。同時，該部分損失在侵權行為發生後較長時間才能完全固定，因而通常難以在同一訴訟中對侵權者提出主張。

在預期收益難以計算或者難以算出理想的預期收益金額的情況下，還可考慮以侵權者使用權利人策略的獲利，作為權利人侵權損失金額的替代計算方法。

結語

Jane Street與Millennium的訴訟雖然直接涉及的是美國法律，但其影響以及意義可擴散到整個行業。尤其對於中國這樣擁有快速發展的量化交易市場的國家，在相關法律框架、合規策略尚處於發展階段的大背景下，該案可以為中國量化市場參與者提供有益的借鑑。

量化機構可基於量化交易策略保護的重要性和緊迫性，構建全面、有效的策略保護體系；在面對衝突與風險時，運用智慧財產權、著作權及商業秘密等保護機制進行有效應對。考慮到事後救濟的不足，全面、有效的事先保護措施尤其應當得到重視。

文獻參考

[1] 參考新聞報道：Bloomberg: Jane Street-Millennium Trade Secrets Fight Ends in Settlement (連結：https://www.bloomberg.com/news/articles/2024-12-05/jane-street-millennium-settle-india-options-trade-secrets-case)。

[2] 具體訴訟內容參見相關訴訟請求文書：Jane Street Group LLC v. Millennium Management LLC, 24 cv 02783, US District Court, Southern District of New York (Manhattan)。

[3] 《最高人民法院關於審理侵犯商業秘密民事案件適用法律若干問題的規定》第一條第一款與技術有關的結構、原料、組分、配方、材料、樣品、樣式、植物新品種繁殖材料、工藝、方法或其步驟、演算法、資料、計算機程式及其有關文件等資訊，人民法院可以認定構成反不正當競爭法第九條第四款所稱的技術資訊。

[4] 《反不正當競爭法》第九條第四款本法所稱的商業秘密，是指不為公眾所知悉、具有商業價值並經權利人採取相應保密措施的技術資訊、經營資訊等商業資訊。

[5] 具體參見人民法院保護科技創新典型案例–案例六(連結：https://www.court.gov.cn/zixun/xiangqing/452031.html)。

[6] 參考《最高人民法院關於審理侵犯商業秘密民事案件適用法律若干問題的規定》第6條及文章：上海檢察職業生涯中如何防範商業秘密法律風險？這份提示請收藏 (連結：https://mp.weixin.qq.com/s/sYte0CdZDV8oGLNF-2UXZw)。