量化投资与机器学习微信公众号，是业内垂直于
量化投资、对冲基金、
金融科技、人工智能、大数据
等
领域的
主流自媒体
。
公众号拥有来自
公募、私募、券商、期货、银行、保险、高校
等行业
40W+
关注者，曾荣获AMMA优秀品牌力、优秀洞察力大奖，连续4
年被腾讯云+社区评选为“年度最佳作者”。
据外媒新闻报道，在经历了超半年的诉讼程序后，两家华尔街知名的量化交易公司Jane Street Group, LLC（Jane Street）与Millennium Management LLC等（Millennium）之间的商业秘密诉讼于2024年12月初最终以双方达成和解协议告终
[1]
。Jane Street以高频交易策略闻名，而Millennium则是一家大型全球多策略对冲基金，管理多种投资策略。根据纽约曼哈顿法院的公开文件，2024年4月，Jane Street在美国纽约南区地方法院提起诉讼，被告是Millennium以及两名跳槽至被告公司的前员工，诉讼事由涉及合同违约、侵权，窃取商业机密，不当得利以及不公平竞争等
[2]
。原告称两名前员工在离职前深度参与了研发公司内部的一项印度期权业务交易策略，并在入职被告公司后使用该策略牟利，严重损害了原告的商业利益。
本案虽以和解告终，但其争议的核心直指量化交易策略的法律保护困境，其中所反映出来的问题在海外和国内市场都有所体现，值得行业深度思考——
当
算法成为核心竞争力，如何通过法律及制度有效护航？
近年来中国也曾发生“量化巨头”之间就前员工“窃取”量化交易策略代码是否构成不正当竞争行为而对簿公堂。司法实践中，对于量化交易策略的商业秘密性质认定及相关赔偿计算方式似乎仍缺乏明确的标准或指引。
量化策略的“半技术半商业”属性，使其在传统知识产权与商业秘密保护之间徘徊，企业可能会陷入“专利不可求、著作权不够用、商业秘密举证难”的三重困局。
一、传统知识产权保护的局限性：专利权与著作权保护的法律挑战
在中国现行法律框架下，量化交易策略能否通过专利权或著作权获得保护，需结合具体情形进行法律判断，但这一过程面临多重实践难题。
《中华人民共和国专利法》第25条将“智力活动的规则和方法”排除在可授予专利的范围之外。根据《专利审查指南》，此类规则需满足“未采用技术手段、未解决技术问题、未产生技术效果”的排除标准。量化交易策略利用对金融市场规律的数学归纳与程序化执行，其性质存在可能被归类为抽象的算法或商业规则和方法。尽管部分策略可能涉及算法优化或数据处理技术，但若无法证明其与具体技术领域（如硬件设备、通信协议等）的结合或产生显著技术效果，则可能对于被认定为专利法意义上的“技术方案”，从而受专利法保护存在难度。
此外，专利制度要求权利人公开技术细节以换取垄断权，这与量化策略依赖保密性维持竞争优势的商业逻辑存在根本冲突——即便某项策略突破专利适格性障碍，公开披露也可能导致其因丧失秘密性而无法再通过商业秘密制度获得兜底保护。
《著作权法》虽将计算机软件纳入作品保护范畴，但《计算机软件保护条例》第6条强调，“软件著作权的保护不延及开发软件所用的思想、处理过程、操作方法或者数学概念等”。然而，量化交易策略的法律保护需求往往聚焦于策略逻辑的独创性，这些核心要素可能被视为“思想”或“方法”而落入著作权排除领域。此外，实践中模仿者可能重构代码逻辑，因此即便策略开发过程中形成的代码、文档等可获得著作权保护，也可能无法阻止第三方基于相同逻辑开发功能等效的替代策略。
二、商业秘密保护路径的探索
由于量化策略通过传统知识产权保护存在一定挑战，因此企业可转向商业秘密制度寻求保护及救济。
在2020年9月，最高人民法院发布的《关于审理侵犯商业秘密民事案件适用法律若干问题的规定》中明确指出，与技术相关的算法、数据、计算机程序及其相关文档等信息属于《反不正当竞争法》规定的商业秘密
[3]
。然而，这类信息必须满足三个条件，才能受到商业秘密保护：
不为公众所知悉、具有商业价值、权利人采取了合理的保密措施
[4]
。
量化投资依赖精密且个性化的算法模型，这些模型是开发者在深入研究市场动态、数学计算和长期数据验证的基础上构建的。量化交易的核心是运用数学模型、统计方法和计算机技术进行投资决策，而策略代码的优劣直接影响交易的盈利能力。因此，各大金融机构通常会严格保密这些算法，并避免对外披露。
最高人民法院在保护科技创新的典型案例中指出，即使某些算法模型的某些部分为公开信息，但其具体运用仍可能涉及不为公众所知悉的成果，如该典型案例中的算法模型的选择优化及权重排序，仍然具有商业秘密保护的价值
[5]
。
量化交易策略因其执行效率高、交易纪律严格、投资组合分散、数据可追溯及持续优化的特点，在金融市场中应用广泛。算法的运用不仅能够帮助投资者精准判断交易时机，还可以通过套利策略和风险对冲提高投资回报，并降低市场波动的影响。因此，量化交易算法应具有重要的商业价值，并成为投资机构提升市场竞争力的核心工具。
相较于专利和著作权，商业秘密可以有长期保护、无需申请、避免公开的优势。然而，其劣势也在于其需要依靠企业内部规则的设置或依靠物理、技术隔离以及人员分工等手段来使得员工无法知晓商业秘密来保护，一旦被某一员工完整获取该商业秘密，则极易产生泄漏风险，进而引发争议。法律对于商业秘密的保护仅可以作为事后赔偿的依据，商业秘密的性质决定其一旦泄漏就可能造成巨大损失，法律的保护始终存在一定滞后性。
企业要确保其算法被认定为商业秘密并受法律保护，必须采取一系列合理且有效的防护措施。这不仅是商业秘密保护的关键环节，也是企业防止信息泄露、维护市场竞争力的重要手段。《最高人民法院关于审理侵犯商业秘密民事案件适用法律若干问题的规定》第6条列举了多项保密措施，包括利用保密协议、内部制度、场所区分、权限管理等措施。结合量化机构的特点，我们建议企业从以下几个方面着手进行量化算法及策略的商业秘密保护，以构建全面的算法安全体系，并确保合规性：
(1) 与员工及合作伙伴签署保密协议或在与员工的劳动合同中设置保密条款：《劳动合同法》第23条第1款规定，用人单位与劳动者可以在劳动合同中约定保守用人单位的商业秘密和与知识产权相关的保密事项。
量化企业可与掌握量化策略、算法等商业秘密涉密员工，签署保密协议约定员工对企业商业秘密的保密义务，或者在劳动合同中明确保密条款。对保密信息范围、保密期限、员工接触及使用商业秘密的方式和权限等进行约定，并在保密协议中对泄漏商业秘密的损失计算方法进行陈述与确认。同时，要求入职员工注意若与前属公司存在竞争关系或者研发成果存在关联，应当避免使用其他企业的商业秘密。
同时，建议量化企业与相关涉密合作伙伴亦签署保密协议，明确保密责任义务并确认对泄漏商业秘密的损失计算方法，以防止核心信息泄露并明确损失后果。
(2) 与员工明确约定因职务产生的商业秘密权利归属：《民法典》第847条第1款规定，职务技术成果的使用权、转让权属于法人或者非法人组织的，法人或者非法人组织可以就该项职务技术成果订立技术合同。法人或者非法人组织订立技术合同转让职务技术成果时，职务技术成果的完成人享有以同等条件优先受让的权利。
因此，量化企业员工为了执行企业交办的任务或者主要是利用企业物质技术条件所完成的技术成果，属于是职务技术成果，在没有另行约定的情况下，技术成果应归属于企业。量化企业可通过协议与员工明确约定因职务产生的商业秘密权利归属，以避免具体的权属不明而产生的争议及纠纷，包括商业秘密所有权、使用权、转让与许可权、收益权等。
(3) 通过公司规章制度对员工提出保密要求并组织员工进行商业秘密培训：
量化企业可定期组织商业保密培训，增强员工对企业的商业秘密保护制度与保密措施的认知，减少因人为疏忽导致的信息泄露，明确各自职级、职能范围内可能接触到的商业秘密内容。同时通过规章制度、书面告知等方式，对能够接触、获取商业秘密的员工提出保密要求。
(4) 加强商业秘密管理：
量化企业可根据其具体信息内容，加强商业秘密管理，包括但不限于：
信息归档管理：
建立安全存档系统，对核心算法、交易策略及相关数据进行分类存储，严格控制存取权限；
访问记录跟踪：
使用访问日志跟踪技术，确保每一次代码或数据的访问行为可被审查，从而降低内部泄密风险；
分层数据访问权限管理：
采用最小权限原则，根据员工职能划分数据访问等级，仅允许必要人员查看核心交易策略；
技术安全措施加强：
通过数据加密、多因素身份验证(MFA)、内部审计及安全检测等技术手段，及时排查算法漏洞或后门，进一步增强对核心算法的保护。
(5) 与涉密员工签署竞业限制协议：《劳动合同法》第23条第2款规定，对负有保密义务的劳动者，用人单位可以在劳动合同或者保密协议中与劳动者约定竞业限制条款，并约定在解除或者终止劳动合同后，在竞业限制期限内按月给予劳动者经济补偿。
