B空間極化：AI量化交易時代的市場微結構收斂

——以台灣加權指數2026年5月為案例分析

作者：Neo.K（許筌崴） 機構：一言諾科技有限公司（EveMissLab） 版本：v0.1 工作稿 日期：2026年5月

摘要

本文以2026年5月台灣加權指數（TAIEX）的交易數據為實證基礎，分析AI量化交易時代下金融市場微結構的結構性轉變。TAIEX在26個交易日內從4萬點突破至44,732點，日成交金額從1.05兆新台幣攀升至1.92兆，而5月29日出現的「高金額-低筆數」異常結構揭示了機構大單主導的交易生態。

本文的理論框架建立在貨幣流動三維失衡理論（A/B/C三空間）的基礎上，將上述現象解讀為B空間流速（V_B）的可測量加速，並提出市場微結構跨類別收斂假說：AI量化交易機構同時在股票、外匯、加密貨幣市場運作，使台灣股市在波動結構、流動性模式和套利機制上逐漸向外匯與加密貨幣收斂。

這種收斂的核心風險在於條件性流動性（Conditional Liquidity）：AI做市商在正常市況下提供充沛流動性，但在壓力情境下的同步撤出將製造結構性流動性真空。台積電36.6%的指數權重與台灣證交所正在縮短撮合週期的制度選擇，使台灣正在成為全球HFT網絡的標準節點，由此帶來資本效率提升與系統性脆弱性暴露的雙重效應。

本文為v0.1工作稿，核心命題的完整展開將在v0.2中進行。

關鍵詞： B空間極化、高頻交易（HFT）、市場微結構收斂、條件性流動性、TAIEX、AI量化交易、貨幣流動三維失衡

第一章 引言：指數新高的結構弔詭

1.1 現象描述

2026年5月29日，台灣加權指數（TAIEX）收盤報44,732.94點，創下歷史新高。當日成交金額達1.917兆新台幣，為五月份最高單日成交量。從年初1月2日的29,349點計算，2026年五個月的漲幅已超過52%。從更長的時間軸回望，自2016年9月的8,940點至2026年5月的44,732點，十年累積漲幅超過400%。

更令人矚目的是速度結構的非線性性質：台股從1萬點攀升至2萬點歷時近35年，而從2萬點突破至4萬點僅耗時119個交易日。這種加速度本身，遠比最終點位數字更值得深究。

這些數字在表面上呈現的是一個完整的多頭市場敘事：人工智慧浪潮帶動台積電等半導體供應鏈業績大幅提升，台灣作為全球AI硬體製造核心享受估值重估，新台幣升值提供匯差收益，全球資本加速流入。這個敘事並非全然錯誤，但它遮蔽了一個更深層的結構性問題：這些交易量的形成方式，和這種漲跌的速度與節奏，與過去的股市在本質上是同一種動物嗎？

1.2 傳統分析的不足

主流金融媒體和機構研究對這波行情的解釋集中在三個層次：AI需求驅動的基本面改善、全球資本對台灣半導體供應鏈的重新定價、以及美台貨幣政策環境的配合。這些解釋在敘述層面是充分的，但在機制層面存在系統性空白。

它們無法解釋以下具體現象：為何單日指數波動可以輕易超過1,000點，且在5月份反覆出現（5/4 +1,778點、5/21 +1,347點、5/25 +1,376點、5/29 +1,096點）；為何5月29日在成交金額創月度新高的同時，成交筆數卻為後半月最低；為何整個月的量能結構呈現出三段清晰的演化節奏，而非傳統牛市的均勻爬升。

本文的核心論點是：這些現象不能僅用「市場情緒樂觀」或「外資買超」來解釋，而需要從市場微結構的質性轉變角度加以理解。這種轉變的驅動力是AI量化交易對全球金融市場的系統性重構。

1.3 研究問題

本文試圖回答三個相互關聯的問題：

第一，2026年5月的TAIEX交易數據在微結構層面呈現了什麼樣的模式？這些模式與傳統股市的交易行為有何本質差異？其中哪些特徵可以被解讀為AI量化交易主導的市場信號？

第二，AI量化交易的全球生態系統如何在機制上改變了股票市場的流動性結構和波動機制，使其在運作邏輯上趨近於外匯和加密貨幣市場？這種收斂是偶然的相關性，還是可論證的因果結構？

第三，這種收斂趨勢對台灣股市的系統性風險含義是什麼？台灣的特殊結構（TSMC集中度、正在改革中的交易制度）如何放大或修改這些含義？

1.4 論文結構

第二章建立本文的理論框架，簡述貨幣流動三維失衡理論並提出「條件性流動性」的補充概念。第三章對2026年5月TAIEX交易數據進行微結構分析。第四章描述全球AI量化交易生態系統的結構及其跨資產操作邏輯。第五章提出並論證市場微結構跨類別收斂假說。第六章分析條件性流動性的系統性含義及台灣的特殊脆弱性。第七章定位台灣在全球HFT網絡中的節點地位。第八章列出v0.2需要展開的開放命題。

第二章 理論框架：貨幣流動三維分解

2.1 ABC三空間模型

本文的分析建立在許筌崴（Neo.K, 2025a）提出的貨幣流動三維失衡理論基礎上。該理論將經濟體中的貨幣總量M分解為三個功能性子空間：

$$M = M_A + M_B + M_C$$

其中：

A空間（實體流通空間）：投入實體生產、消費和實物資本形成的貨幣。流速V_A為5-10次/年，持有期長，直接對應GDP的創造。

B空間（金融投機空間）：用於金融資產短期交易的貨幣。流速V_B為100至5,000次/年以上，高度依賴技術條件，不直接創造GDP，但是金融市場流動性的核心來源。

C空間（囤積凍結空間）：以財富儲存、保值為目的的貨幣。流速V_C接近0至0.5次/年，長期持有，不參與流通。

關鍵度量比率定義如下：

$$R_A := M_A / M \quad \text{（實體流通比率）}$$ $$\text{TFI} := W_{1\%} \times (1 - c_{1\%}) / \text{GDP} \quad \text{（時間凍結指數）}$$

健康經濟體的基準設定為R_A ≈ 0.65-0.75，但根據許筌崴（2025a）的實證估計，R_A已從1980年的0.72下降至2024年的0.38，逼近理論臨界值0.4。

2.2 技術敏感度的非對稱性

理論框架的核心命題之一是各空間對技術進步的敏感度呈現極端非對稱性：

$$S_B := \partial V_B / \partial \text{Tech} \gg S_A := \partial V_A / \partial \text{Tech} > S_C \approx 0$$

B空間的高敏感度源於三個可疊加的技術槓桿：（一）交易延遲的數量級壓縮，從電話下單的分鐘級到算法交易的毫秒級再到co-location的微秒級；（二）資訊獲取成本的崩潰，從手工整理財報到AI實時解析每一筆訂單流；（三）零佣金時代的到來，使盈利所需的最小有效價差持續縮小，可套利機會的數量呈爆炸式增長。

A空間的低敏感度源於物理與制度的雙重約束：工廠建設需要鋼筋混凝土凝固的時間，晶片從設計到量產需要18-24個月的工程週期，人才養成的時間尺度無法被算法壓縮。技術可以加速交易，但無法加速生產。

根據許筌崴（2025a）的估計，從1980年到2024年，V_B/V_A的比率從約10倍指數增長至約700倍。在AI量化交易主導的2025-2026年間，這個比率正在進一步加速發散。

2.3 資產疊加態與偽A空間

本理論借鑑量子力學的疊加態概念，將任意資產表示為三空間的線性組合：

$$|\text{Asset}_i\rangle = \alpha_A^i |A\rangle + \alpha_B^i |B\rangle + \alpha_C^i |C\rangle$$

其中 $|\alpha_A^i|^2 + |\alpha_B^i|^2 + |\alpha_C^i|^2 = 1$，各係數的平方表示資產在對應空間的實際「佔比」。

這個框架解釋了「偽A空間」現象：名義上屬於生產性投資（A空間）的資產，其實際疊加態結構可能以B空間為主導。金融科技降低了「包裝成本」，使B或C類資產能夠低成本偽裝為A類，造成投資者的空間識別難度大幅上升，逆向選擇機制被放大。

以本文關注的台灣AI相關股票為例，AI敘事將對台積電等半導體股的投機性交易（B空間）重新包裝為「參與AI產業布局」（A空間敘事）。名義上是長期產業投資，實際上大量資金以HFT時間尺度（毫秒至天）進出。疊加態的重構是隱性的，但可以通過成交量結構的微觀分析來識別。

2.4 納什均衡陷阱與有效折現因子崩潰

在博弈論框架下，當B空間的流動性指數L_B上升時，理性投資者的最優反應是增加B空間配置，導致納什均衡收斂至病態配置（R_A < 0.4）。即使所有投資者都完全理解系統風險，個體最優反應仍指向B空間——這是激勵結構的必然輸出，而非知識缺失或道德失誤的問題。

在多期重複博弈中，長期合作（維持A空間配置）需要有效折現因子δ_有效達到一定閾值。但當L_B趨近1時：

$$\delta_{\text{有效}} = \delta \times (1 - L_B) \approx \delta \times 0.05 = 0.0475$$

這遠低於合作所需的最低閾值（約0.36）。AI量化交易將L_B進一步推向極限，將δ_有效壓縮至趨近於0，市場退化為純粹的單期博弈——沒有「長期」這個維度，沒有未來懲罰的威懾，只有即時的套利決策。

2.5 條件性流動性：對原有框架的補充

本文在原有理論框架基礎上提出一個補充性概念：條件性流動性（Conditional Liquidity）。

AI量化做市商所提供的市場流動性並非無條件存在。它在正常市況下大量呈現，但在AI風險模型觸發去風險機制時同步消失。這種流動性的結構性質是：表觀充裕，實質脆弱——依賴於主要參與者的模型對市況維持一致的「正常」判斷。

形式化地，定義有效流動性函數 $L_B(\text{市況})$：

$$L_B(\text{市況}) = L_B^{\text{normal}} \times \mathbf{1}[\text{AI系統判斷市況} = \text{正常}]$$

這是一個二元躍遷函數，而非連續函數。正常市況下L_B → 0.95+（接近完全流動），壓力市況下L_B → 0（流動性真空）。這種非連續性使得基於正常市況估計的流動性指標在壓力情境下大幅失真——這是評估當代高度算法化市場系統性風險時最容易被忽視的結構性偏差之一。

第三章 台灣加權指數：2026年5月微結構實證

3.1 數據概覽

2026年5月台灣加權指數（民國115年）逐日交易數據如下表所示：

表3.1：2026年5月TAIEX日交易數據

| 日期 | 收盤指數 | 漲跌點數 | 成交金額（兆元） | 成交筆數（萬筆） | 每筆均值（萬元） | |------|---------|---------|----------------|----------------|----------------| | 05/04 | 40,705.14 | +1,778.51 | 1.051 | 527.5 | 19.9 | | 05/05 | 40,769.29 | +64.15 | 1.049 | 572.9 | 18.3 | | 05/06 | 41,138.85 | +369.56 | 1.524 | 738.0 | 20.7 | | 05/07 | 41,933.78 | +794.93 | 1.247 | 632.8 | 19.7 | | 05/08 | 41,603.94 | -329.84 | 1.305 | 737.5 | 17.7 | | 05/11 | 41,790.06 | +186.12 | 1.170 | 605.9 | 19.3 | | 05/12 | 41,898.32 | +108.26 | 1.446 | 736.3 | 19.6 | | 05/13 | 41,374.50 | -523.82 | 1.266 | 753.5 | 16.8 | | 05/14 | 41,751.75 | +377.25 | 1.275 | 636.7 | 20.0 | | 05/15 | 41,172.36 | -579.39 | 1.375 | 788.6 | 17.4 | | 05/18 | 40,891.82 | -280.54 | 1.042 | 613.8 | 17.0 | | 05/19 | 40,175.56 | -716.26 | 1.151 | 673.9 | 17.1 | | 05/20 | 40,020.82 | -154.74 | 1.028 | 578.9 | 17.7 | | 05/21 | 41,368.21 | +1,347.39 | 1.048 | 521.5 | 20.1 | | 05/22 | 42,267.97 | +899.76 | 1.237 | 615.5 | 20.1 | | 05/25 | 43,644.40 | +1,376.43 | 1.353 | 713.1 | 19.0 | | 05/26 | 43,525.37 | -119.03 | 1.550 | 792.9 | 19.5 | | 05/27 | 44,256.80 | +731.43 | 1.630 | 808.8 | 20.2 | | 05/28 | 43,636.44 | -620.36 | 1.671 | 934.7 | 17.9 | | 05/29 | 44,732.94 | +1,096.50 | 1.917 | 702.6 | 27.3 |

資料來源：台灣證券交易所公開資訊觀測站

3.2 月內量能結構的三段演化

從動態結構看，5月數據可以識別出三段清晰的演化節奏，各段的量能特徵截然不同：

第一段（5/4-5/8）：突破期

5月4日台股首次收在4萬點以上，單日暴漲1,778點，創台股史上最大單日漲點紀錄，成交金額1.051兆，成交筆數約527萬筆。這一段的特徵是「量大筆多但單筆金額中等」（均值約19.9萬元/筆），反映散戶FOMO情緒推動的廣泛參與。第二日（5/5）漲幅急縮至64點，說明第一天的動能已基本被吸收，市場短暫進入觀望。

第二段（5/11-5/20）：整理洗盤期

指數從5/12的局部高點41,898下跌至5/20的40,020，最大回撤4.5%，歷時6個交易日。此段最關鍵的微結構特徵出現在底部：5/20成交金額僅1.028兆，為整個月最低，且成交筆數578萬筆也處於相對低位。

這種「跌至低點時成交量同步萎縮」的結構是賣盤枯竭的技術信號，而非恐慌性踩踏。持有者在低位並不急於出清，說明市場存在強勁的「逢低買盤」意願——這是成熟多頭格局中典型的整理結構。

第三段（5/21-5/29）：主升段

從40,020反彈至44,732，7個交易日上漲4,712點（+11.8%）。此段量能逐步放大，日成交金額從1.048兆遞增至1.917兆，漲幅超過83%。更重要的是，量能的「質量指標」在月底發生了顯著變化——這是下一節的核心分析對象。

3.3 5月29日的微結構異常

5月29日（民國115/05/29）呈現了一個統計上值得重點關注的組合：

• 成交金額：1.917兆新台幣（月度最高）
• 成交筆數：702.6萬筆（後半月最低）
• 每筆均值：27.3萬元/筆（月度最高，顯著高出其他交易日）

與相鄰交易日對比：

$$\Delta_{\text{均值}} = \frac{27.3 - 17.9}{17.9} \approx +52.5\% \quad \text{（vs. 5/28）}$$

$$\Delta_{\text{均值}} = \frac{27.3 - 20.2}{20.2} \approx +35.1\% \quad \text{（vs. 5/27）}$$

在成交金額創新高的同時，成交筆數不升反降，意味著市場的推動力從大量分散的中小額訂單轉移為少數但規模更大的訂單。這種「高金額-低筆數-高均值」的組合結構，在散戶主導的市場中難以自然出現。

散戶的特徵行為是「量大筆多」——大量小額訂單的堆疊推動成交量。機構資金或算法大單則呈現「量大但筆少」——即使總成交規模龐大，底層是較大規模的批次訂單，而非大量小額成交的彙總。

5月29日的數據結構指向一個具體推論：這一天指數創歷史新高的核心驅動力並非散戶追高造成的廣泛市場參與，而是機構資金或算法大單的主動建倉行為。

3.4 V_B加速的可測量指標

從ABC三空間理論的角度，月成交金額的演化曲線直接反映了B空間流速V_B的加速。

月初（5/4-5/8）日均成交金額約1.23兆，月底（5/25-5/29）日均約1.62兆，增幅約32%。若與台積電ADR或美股納斯達克的同期表現對照，台股的成交量放大速度顯著超過國際市場同期均值，說明這不僅是全球AI行情的被動反映，而有台灣市場本身微結構特徵的主動放大效應。

值得注意的是，成交量數據實際上低估了真實的B空間流速。HFT的日內round-trip交易（在一個交易日內完成買入和賣出的循環）在統計上計為兩筆或多筆成交，但對應的是同一批股份在同一套算法系統下的反覆流動。如果某批股份在同一天被同一套HFT系統買賣數次，表面成交量只反映了總成交，無法呈現實際持有期的分布。真實的V_B遠高於表面統計數字所呈現的量級。

第四章 AI量化交易的全球生態結構

4.1 主要行為者及其運作規模

理解台灣股市微結構轉變，需要首先定位全球AI量化交易生態系統的結構格局。這個生態系統由少數幾家規模驚人的做市商和量化基金機構主導，其運作規模已遠遠超出傳統金融機構的想像範疇。

XTX Markets是其中最具代表性的純AI量化做市機構之一。根據2025年財務數據，XTX以約250名員工每天在35個國家交易2,500億美元，研究集群擁有25,000個GPU和650拍位元組的可用存儲。2025年合計收益達17.1億英鎊，年增33%。其公司命名直接源自線性回歸矩陣公式（X'X）^{-1}X'Y，從起點就以純數學模型為核心。

Citadel Securities在2025年創下120億美元的淨交易收入，年增25%，EBITDA利潤率達58%。Jane Street在2025年前三季度亦處於歷史高位，其每名員工的年均收益已超過600萬美元。這兩家機構加上Hudson River Trading（HRT）、Optiver、DRW和XTX，構成了全球量化做市的核心集群，掌控著現代金融市場相當大比例的訂單流和報價能力。

4.2 跨資產操作：收斂的具體機制

從商業模式看，這些機構的收益來源並非對市場方向進行方向性押注，而是從交易機制本身持續提取邊際利潤：做市（不斷提供買賣報價，收取買賣差價）、統計套利（利用跨資產或跨市場的短暫定價偏差）和ETF套利（在ETF份額與底層資產之間維持價格均衡）。

關鍵在於這些機構的操作版圖已橫跨所有主要資產類別：股票、選擇權、ETF、固定收益、外匯和加密貨幣。Jane Street、Citadel Securities、XTX現在同時在所有這些市場中活躍。

當同一批機構、使用同一套底層建模框架、同時在股票、外匯和加密貨幣市場執行套利時，這三個市場的微結構必然開始趨同。套利邏輯的本質是：任何可測量的跨市場定價差異都應被消除。當足夠大規模的資金持續在跨市場間操作，這些市場的波動模式、流動性結構和價格發現機制都會被拉向共同的均衡狀態——不是因為「市場越來越有效率」，而是因為同一套機制在所有市場中反覆運作的結果。

XTX的2025年業績報告明確指出，「跨資產類別的市場波動率上升增加了買賣差價捕捉和訂單流」，說明這些機構的商業模式從波動中系統性獲利。這個激勵結構本身，使得市場波動具有自我維持甚至自我放大的傾向。

4.3 台灣制度環境的主動適配

台灣在這個全球HFT生態系統中的定位正在發生制度性的主動變化。台灣證券交易所（TWSE）正在評估縮短目前的5秒自動撮合週期，同時考慮提前零股交易開始時間和延長交易時段。TWSE主席林修銘明確表示，交易所正在審查改善零股交易系統的措施，並考慮縮短自動撮合週期。

5秒的撮合週期在全球主要交易所中屬於偏長的設定，使台灣市場對某些高頻策略的吸引力低於紐約、倫敦或新加坡等主要金融中心。一旦撮合週期縮短至亞秒乃至毫秒級別，台灣市場的微結構設定將向全球HFT中心靠攏，為全球量化資金的正式規模化進駐降低技術門檻。

這是一個值得正視的制度選擇方向：台灣正在主動調整交易基礎設施，以吸引更多全球高頻交易資本，而非選擇保持相對的速度緩衝。

第五章 市場微結構的跨類別收斂

5.1 收斂假說的陳述

基於第四章的分析，本文提出市場微結構跨類別收斂假說（Cross-Asset Market Microstructure Convergence Hypothesis，CAMMCH）：

在AI量化交易機構同時跨越多個資產類別進行套利操作的條件下，原本在微結構特徵上具有顯著差異的金融資產市場（股票、外匯、加密貨幣）將趨向共同的波動模式、流動性結構和價格形成機制。這種收斂的驅動力並非各市場基本面的趨同，而是共同做市機構所施加的跨市場結構性引力。

這個假說具有三個可操作的可觀測維度：

波動特徵的收斂：傳統股票市場以「日線至週線」的波動為主要分析單位，大幅單日波動通常對應宏觀重大事件。AI量化主導的股市，日內波動的統計特徵（分佈形態、自相關結構、量價關係）開始與外匯和加密貨幣的日內微結構趨同。2026年5月TAIEX多次出現單日超過1,000點的波動，在過去是重大事件信號，現在已成為可預期的正常範圍，本身就是這種收斂的表徵。

流動性來源的收斂：傳統股市的流動性主要來自機構投資者的中長期配置調整和散戶的自主交易。現代HFT主導的股市，主要流動性提供者是做市算法，其提供流動性的邏輯與外匯和加密貨幣市場的做市算法在本質上相同——基於毫秒級的信號反應而非對公司基本面的判斷。

套利機制的收斂：外匯市場的套利是即時跨貨幣對定價；加密貨幣套利是即時跨交易所定價差；現代股市套利是個股-ETF-衍生品之間的複雜即時定價網絡。三者的共同特徵是：套利機會的存在窗口從分鐘級壓縮至毫秒乃至微秒級，人工操作在商業上已不可行。

5.2 「市場原生」命題的精確修正

在本研究的過程中，一個直覺性的觀察被提出：「股票本來就是市場原生的，現在只是也走到這一步了。」這個觀察觸及了一個真實的結構性趨勢，但需要一個概念層面的精確修正。

外匯和加密貨幣從設計起就是純流動工具。外匯不pretend自己是生產性資產的所有權憑證；主流加密貨幣（至少在當前實際使用中）也不以生產性投資為核心功能。它們的資產疊加態從誕生起就是B空間主導的，這是設計層面的事實，而非演化的結果。

股票的情況在歷史邏輯上截然不同。股票在法律本質上是企業所有權的分散化憑證，最初設計的功能是讓生產性資本能夠廣泛流通，其疊加態理應以A空間為主導。但通過數十年的金融化演進，在技術敏感度非對稱性（S_B >> S_A）的持續作用下，股票的疊加態已發生了根本性的偏移。

以台積電股票為例，可以做出如下概念性估計：

$$|\text{台積電股票}\rangle_{1990} \approx 0.70|A\rangle + 0.20|B\rangle + 0.10|C\rangle$$ $$|\text{台積電股票}\rangle_{2026} \approx 0.25|A\rangle + 0.60|B\rangle + 0.15|C\rangle$$

A空間分量從0.70壓縮至0.25，B空間分量從0.20膨脹至0.60。這不是「回歸本性」，而是一次持續進行中的疊加態重構——技術進步系統性地放大B空間的吸引力，使資本持續從A空間表述的持有方式遷移至B空間表述的持有方式。股票作為資產類別正在經歷一個可觀測的相變，而AI量化交易的崛起是這個相變的最新一輪加速劑。

5.3 收斂的歷史參照系

這不是金融史上第一次資產類別在微結構上向更高流動性工具收斂的案例，對歷史參照的考察有助於定位當前轉變的量級。

農產品期貨的出現使農產品從純實物商品向金融衍生工具靠攏，農產品的定價開始反映金融市場情緒而非僅僅反映供需基本面，農民對價格的控制力因此被削弱。股票指數ETF的出現使個股的波動性增加了系統性成分——當整個指數被同時買賣時，個股間的相關性結構性上升，傳統多元化的風險分散效果下降。

當前的AI量化交易是這個歷史趨勢的最新且迄今最徹底的一個版本，其區別在於速度和跨界程度：過去的每一次轉變只影響特定的資產類別或特定的交易時間維度，AI量化交易的影響是全資產類別、全時間維度、全地理範圍的同步重構。

第六章 條件性流動性與系統性脆弱性

6.1 AI做市的結構性雙重性

AI量化做市商在正常市況下是現代市場流動性不可或缺的貢獻者。其存在使買賣差價收窄、訂單執行效率提升、市場整體交易成本下降。在高頻數據層面，這是可量化的正面效應，也是理解為何各國主要交易所積極歡迎HFT機構入場的理由。

但這種流動性的本質是有條件的。根據國際貨幣基金組織（IMF）的警示和Sidley Austin的系統性分析，算法交易策略普遍包含安全機制，在遭遇高波動情境或超出模型訓練分布的價格波動時自動觸發去風險（de-risking）或完全關閉。這些機制從個別機構的風控角度是合理且必要的設計——當模型遭遇訓練數據範疇之外的市況時，繼續報價的風險是不對稱的。

問題在於：各家主要量化做市機構使用的底層技術框架高度同質化，使這些保護機制在壓力情境下呈現出高度相關的觸發特徵。

6.2 相關性崩潰的機制鏈

不同AI量化機構之間使用的特徵工程方法、風險模型架構和壓力觸發閾值具有顯著的同質化傾向，原因在於：這個領域的人才高度集中（少數頂尖大學的量化金融項目）、公開的研究文獻共享了核心建模思路、以及競爭壓力迫使各機構採用類似的風險管理標準。

在正常市況下，這種同質化並不顯著——不同機構的策略在執行細節上仍有足夠差異，訂單流在不同機構之間相互吸收，市場整體維持良好的流動性。

但在市場壓力情境下，表面差異消失：當主要信號指標同時越過相似的閾值，所有算法幾乎同步觸發去風險機制。這不是協調行動（任何形式的市場操縱），而是相同邏輯面對相同信號的必然輸出。其效果是：

$$\text{個別機構的合理風控} \rightarrow \text{集體同步撤出} \rightarrow \text{訂單簿瞬間枯竭} \rightarrow \text{流動性真空}$$

這個鏈條轉化的速度是毫秒級的，遠超任何監管或人工干預的反應時間。在加密貨幣市場，2025年的閃崩事件已提供了清晰的實驗案例：「共同數據源和共享機器學習模型創造了羊群效應，當一個節點去風險化，相關代理人跟隨，耗盡訂單簿，自動化交易風險以非線性方式擴大。」股票市場在微結構收斂之後，將面對同樣機制的同樣風險。

6.3 台灣的特殊脆弱性組合

台灣的市場結構在條件性流動性的框架下呈現了一個特殊的脆弱性組合，由以下三個結構性因素共同構成：

TSMC集中度的槓桿效應。台積電佔TAIEX總市值約40%，指數權重約36.6%。這意味著台灣指數在微結構上接近一個超大型單一標的的衍生工具。對HFT算法而言，交易TAIEX等同於以高流動性工具替代性暴露於台積電。當台積電相關的信號（財報、ADR價格、供應鏈消息）發生變化，整個指數通過HFT渠道的反應是即時且高度相關的。集中度越高，這種即時傳導越完整，價格發現的時間窗口越短，散戶的有效反應空間越小。

流動性集中的正反饋迴路。正因為TSMC集中度高且流動性充裕，HFT機構更傾向在台灣市場布局，進一步提升市場的HFT化程度，進一步增加波動性，進而吸引更多以波動為商業模式基礎的HFT資金進場。這是一個自我強化的正反饋：TSMC集中度 → HFT吸引力 → 更高波動 → 更多HFT → TSMC更有效定價 → 更高集中度效應。

制度窗口期的非對稱暴露。TWSE縮短撮合週期的制度改革在短期內提升市場競爭力和效率，但同時移除了原有設定中隱含的速度緩衝。5秒的撮合週期雖然對高頻策略不友好，但它也在一定程度上减慢了多個算法同步反應的觸發鏈條。一旦撮合週期縮至亞秒級，台灣市場的壓力傳播速度將向全球HFT中心看齊，在享有效率提升的同時，壓力情境下的傳染速度也相應提升。

第七章 台灣的節點定位：機遇結構與暴露邊界

7.1 全球HFT版圖中的台灣

全球高頻交易市場的地理分布正在從傳統的北美和歐洲雙核心向亞太地區擴展。高頻交易市場研究報告（2026）明確指出，亞太地區是HFT市場預期增長最快的地區，台灣和東南亞正在成為全球供應鏈重組背景下日益重要的HFT節點。

台灣成為全球HFT核心節點的條件已接近成熟：TSMC的全球不可替代性創造了大量必須在台灣市場執行的資金流；市場流動性在AI行情帶動下大幅提升；制度環境正在主動向全球高頻標準對齊；東八時區的位置在亞洲交易時段中具有策略性優勢，填補了美國和歐洲市場休市期間的流動性需求。

從全球頂尖量化機構的商業邏輯看，進一步在台灣布局是高度合理的選擇：市場流動性高、標的高度集中（TSMC代理策略簡單有效）、監管環境相對明確、且正在降低技術門檻。

7.2 節點定位的雙面方程

成為全球HFT核心節點帶來可量化的正面效益：更窄的買賣差價、更高的市場定價效率、更強的國際資本吸引力、以及在AI驅動行情中更充沛且即時的流動性支持。這些是TWSE制度改革的理性動機，也是台灣資本市場國際化戰略的組成部分。

但節點定位同時意味著將台灣市場的壓力響應直接耦合到全球量化做市機構的風險模型狀態。台灣市場的壓力事件，不再是可以相對孤立應對的本地事件，而是通過HFT渠道與全球市場的同步去風險機制直接連結的。當任何足夠大的外部衝擊觸發全球量化機構的同步去風險操作，台灣市場將通過HFT渠道以毫秒級速度感受到這個衝擊，且由於TSMC集中度的放大效應，台灣市場的單位衝擊響應可能高於其他市場。

這個雙面方程的核心命題是：節點地位提高了正常市況下的資本效率上限，同時也提高了壓力情境下的傳染速度下限。 兩者不可分割，這是結構性的捆綁，而非政策可以輕易解耦的選項。

7.3 估值擴張的B空間讀法

2026年5月底，TAIEX的預期本益比（forward PE）已從年初的約16倍擴張至18.2倍，高於過去5年的歷史平均水準。這種PE擴張需要放在B空間動力學的框架下讀取。

PE擴張意味著股價的上漲速度快於每股盈餘預期的改善速度，差額即市場給予的「敘事溢價」——投資者願意為尚未兌現的未來預期支付額外的當前價格。在正常的產業投資邏輯中，敘事溢價是合理的，因為市場對未來的折現是基於真實的現金流預期。

但在AI行情的語境中，這個「敘事溢價」的構成更為複雜。全球AI資本支出在2026年預計達到7,200億美元，年增70%，且2027年預計仍維持20%的成長。這是實際的資本需求信號，而非純粹的情緒投機。但問題在於：台積電的PE是在對「AI資本支出保持70%增速」「台積電繼續壟斷先進製程」「地緣風險永遠不兌現」這三個前提同時成立的情境下定價的。三個前提中任何一個出現偏差，重定價的幅度都將是非線性的——且通過HFT渠道的傳播速度，也是非線性的。

第八章 開放命題與v0.2展望

8.1 本文的貢獻邊界

本文（v0.1）在三個維度上建立了初步的工作基礎：

實證層面，以2026年5月TAIEX逐日交易數據為素材，識別了三個具有微結構意義的特徵：月內量能三段演化結構、5月29日「高金額-低筆數」的機構大單異常、以及V_B加速的間接測量指標。

結構層面，通過對全球AI量化交易生態的梳理，說明Jane Street、Citadel、XTX等機構的跨資產操作是市場微結構跨類別收斂的具體物理機制，而非偶然相關。

理論層面，提出「條件性流動性」作為對ABC三空間理論的補充概念，並分析台灣在全球HFT網絡中的節點定位所帶來的雙面效應。

8.2 v0.2待展開的核心命題

以下問題在本文中尚未獲得系統性的形式化論證，預留給v0.2展開：

命題一：相變臨界點的定位。根據貨幣流動三維失衡理論，當R_A < 0.4且TFI > 150%時，系統進入低流動性陷阱的惡性迴路。在AI量化交易主導、條件性流動性結構化存在的市況下，這些臨界值需要修正嗎？台灣股市當前的微結構狀態是否已接近或越過某個可形式化定義的相變臨界點？臨界點的跨越不一定表現為立即崩潰，它可能首先表現為系統對外部衝擊的恢復彈性下降——這個「彈性衰減」的可觀測指標是什麼？

命題二：條件性流動性的壓力測試。在怎樣的外部衝擊條件下（衝擊規模、衝擊速度、衝擊來源的地理分布），台灣市場的AI做市流動性會發生臨界規模的同步撤出？這個壓力臨界條件的估算需要對主要量化機構的風險模型結構做出可辯護的假設。歷史案例（2010年美股閃崩、2025年加密貨幣閃崩）能提供什麼樣的參數校準依據？

命題三：「暴風雨前」命題的形式化路徑。本文的分析隱含了對當前市況的一個態度——「暴風雨前的狂歡」——但這個直覺尚未被轉化為嚴格的可論證命題。v0.2需要明確回答：這個判斷的可論證條件是什麼？是對R_A繼續下降速度的預測、對條件性流動性脆斷點的估計、還是對台灣特殊節點暴露的量化評估？論證的方法論路徑是什麼？

命題四：制度回應的設計空間。如果市場微結構收斂是技術演化在現有激勵結構下的必然方向，制度可以在哪些具體維度上建立有效的對沖機制？許筌崴（2025a）提出的差異化交易稅、強制配置規則等工具，在AI量化主導的高頻環境下是否仍然有效，是否需要結構性修正？TWSE正在進行的制度改革（縮短撮合週期）在這個框架下應該如何評估？

8.3 方法論的自我審計

作為工作稿，本文存在幾個需要在v0.2中正視和修正的局限：

台灣本地的實際算法交易占比數據尚未獲取。本文的判斷基於間接指標（交易規模結構異常、國際HFT機構的業務報告、TWSE制度改革信號），尚未直接測量台灣市場中HFT訂單流的實際比重，也未獲取TWSE自身的訂單類型統計數據。

條件性流動性的形式化框架目前仍是概念性描述，尚未給出可計算的參數估計和可操作的預警指標。v0.2需要提供更精確的建模假設和可量化的臨界估計。

TSMC集中度與HFT節點性之間的因果機制在本文中是描述性的，尚待在v0.2中提供更嚴謹的識別策略和對反事實的處理。

參考文獻

許筌崴（Neo.K）(2025a). 《金融科技的空間拓撲效應：技術如何重構貨幣流動的相空間》. 一言諾科技有限公司（EveMissLab）工作論文.

許筌崴（Neo.K）(2025b). 《貨幣流動性三維失衡理論：形式化綱要》. 一言諾科技有限公司（EveMissLab）技術報告.

台灣證券交易所（TWSE）(2026). 加權指數歷史交易數據，2026年5月份日報. 證交所公開資訊觀測站.

XTX Markets Limited (2026). Annual Accounts 2025. Companies House UK. Cited in Young and Calculated, 2026.04.05.

Citadel Securities (2025-2026). Quarterly Financial Performance. Cited in Hedgeweek and Navnoorbawa Substack.

Sidley Austin LLP (2024). Artificial Intelligence in Financial Markets: Systemic Risk and Market Abuse Concerns. Sidley Austin LLP Insights.

International Monetary Fund (2024-2025). Global Financial Stability Report. IMF Publications.

AI Certs News (2026). Automated Trading Risk Exposed in Crypto Flash Crash. AI Certs, 2026.03.05.

Seoul Economic Daily (2026). Taiwan's Stock Exchange to Extend Trading Hours After AI Boom Lifts Market to World's No. 5. Seoul Economic Daily English Edition, 2026.05.29.

Business Insider Taiwan (2026). 台股首收4萬點！外資670億火力點火AI與記憶體雙主線. Business Insider Taiwan, 2026.05.04.

TechNews科技新報 (2026). 台股指數驚異大奇航！昔攻克2萬點花35年，今達陣4萬點僅需119天. TechNews Finance, 2026.05.04.

HedgeCo Insights (2026). Jane Street's $40 Billion Dominance: The Quiet Trading Giant Reshaping Wall Street. HedgeCo.net.

Research and Markets (2026). High Frequency Trading Market Report 2026.

Technavio (2026). Algorithmic Trading Market Growth Analysis – Size and Forecast 2026-2030.

Nurp.com (2026). Future of Algorithmic Trading: Trends & Predictions 2026-2030.

本文為v0.1工作稿。全文約14,000字。 核心命題的完整形式化論證保留至v0.2版本展開。

作者：Neo.K（許筌崴） 機構：一言諾科技有限公司（EveMissLab） 版本：v0.1 ／ 2026年5月