達爾文在 1859 年出版的《物種起源》一書中系統(tǒng)性地闡述了他的進化論思想，

認為生物是進化的，而自然選擇是生物進化的動力。如果一個有利的變異更能適應當

前的環(huán)境，那么變異的個體就更容易生存下來并繁衍后代，保存自身的性狀，從而不

斷的進化。一樣事物的產(chǎn)生并興起，往往是因為它更好的適應了環(huán)境。好像量化交易

策略一樣，因為學術理論的不斷產(chǎn)生、交易環(huán)境的不斷更新、計算機技術的不斷進步

而持續(xù)發(fā)展。而由于量化交易策略在這種大環(huán)境下表現(xiàn)出了種種優(yōu)點，以及對比其他

交易策略的一些優(yōu)勢，從而呈現(xiàn)出了欣欣向榮之勢。 { 來源 www.weiqiv.net.cn }

        由于量化交易策略自身的特質(zhì)，其首先存在著比較強的可度量性。作為采用數(shù)量

化手段構建而成并進行決策的交易策略，其在構建過程以及決策過程中，都是可以被

精確度量的。對比而言，主觀化、定性化的交易策略雖然在復盤等過程中可以得到數(shù)

量化的交易結果，但是由于缺乏整體性的精確度量，因此局部的定量化結果往往波動

較大、在很大程度上不具備穩(wěn)定的刻畫能力。

        這一特性帶來了量化交易策略的另一個優(yōu)點，即可驗證性。由于未來數(shù)據(jù)的不可

得，實際上交易員在判斷一個交易策略時，很大程度上都依賴于策略在歷史數(shù)據(jù)上的

測試結果。然而主觀的交易策略在復盤或者其他測試過程中含有人為判斷的成分，因

此歷史驗證就成為了一個不可精確重復、缺乏穩(wěn)定性和說服力的部分，這對于此類交

易策略而言是一個比較嚴重的缺陷。量化交易策略就不存在這個問題，在策略構建和

策略表述數(shù)量化的基礎上，多次重復歷史回溯測試均能夠得到一致的結果。如果測試

結果是正向的，至少可以說明該量化交易策略在歷史檢驗上具有盈利能力。{ 來源 www.weiqiv.net.cn }

        上述兩個特性使得量化交易策略具有較強的客觀性。由于構建交易策略的過程中

數(shù)量化手段占主導地位，交易決策更是具有明確的數(shù)量化規(guī)則，因此量化交易策略可

以在很大程度上規(guī)避策略開發(fā)者的主觀臆斷，在構建的過程中始終獲得客觀的對待。

        同時，明確的數(shù)量化交易決策規(guī)則這一特點，也使得交易員在執(zhí)行量化交易策略

時，有希望完全排除情緒對于整個交易過程的干擾和影響。基于數(shù)量化規(guī)則，量化交

易策略本身具備相當?shù)莫毩⑿裕恍枰灰讍T的主觀判斷也可以完整的指導整個交易

流程。而主觀的交易策略由于在交易操作中需要持續(xù)的人為控制和判斷，因此不可避

免的存在一定的偏向。行為經(jīng)濟學里研究了很多相關的問題，包括損失厭惡偏向、過

度自信偏向、參考點偏向等等，都是一些人類固有的行為偏向。當這些客觀存在的偏

向影響到交易策略的實際執(zhí)行時，交易結果的預期從最優(yōu)點處發(fā)生偏移就無法避免了。

雖然量化交易策略不可能幫助我們完全的規(guī)避這些問題，但是數(shù)量化的框架和規(guī)則確

實可以盡量減小這些不安定因素所帶來的損害。

        上面所說的排除情緒化操作，實際上也包含了交易員常常談到的一致性，也就是

保證交易策略在執(zhí)行過程中，使用相同的交易規(guī)則，其中包括買入點、賣出點、交易

倉位大小的確定等等。如果交易員在執(zhí)行量化交易策略時不主動加入人為判斷，量化

的交易規(guī)則可以幫助其很輕松的完成這個任務。更為重要的是，量化交易策略可以做

到歷史驗證過程和實際交易行為的一致性，因為不論是真實交易決策，還是歷史回溯

測試，所參照的交易規(guī)則都是由數(shù)量化表達精確定義了的。這種整體上的一致性，是

絕大部分主觀交易策略都無法保證的。

        量化交易策略的數(shù)量化特點，及其帶來的一致性，使得這種策略具備了比較好的

可移植性。除非使用特定的量化因素，一般而言量化交易策略是比較容易在一個市場

或者資產(chǎn)上證實有效后，移植到其他的市場或資產(chǎn)上使用的。例如，當策略使用的量

化數(shù)據(jù)僅限于價格時，所有存在報價的市場都能夠使用歷史數(shù)據(jù)來驗證這種量化交易

策略。而當使用的量化數(shù)據(jù)包括價格和成交量時，除了外匯市場等少數(shù)情況外，量化

交易策略也是能夠移植到其他大部分的場內(nèi)交易市場上的。量化交易策略所使用的數(shù)

據(jù)的可得性越強，其移植能力也就越強。

        同時，由于量化交易策略可以很方便的得到數(shù)量化的驗證結果，收益、風險等策

略特征都能夠通過數(shù)據(jù)形式得以呈現(xiàn)。因此，在量化交易策略被應用到多個市場或者

資產(chǎn)上時，策略開發(fā)人員可以通過數(shù)量化結果這樣的直觀形式來進行橫向?qū)Ρ龋瑥亩?/p>

針對性的選取適合某一特定量化交易策略的市場，或者在多個市場之間進行配比。而

由于量化交易策略的執(zhí)行過程中不需要交易員的主觀判斷，因此相比于主觀化的交易

策略，其有能力同時覆蓋大量的市場和資產(chǎn)，這對于投資組合的分散化來說具有很好

的輔助作用。在現(xiàn)實中，大部分的量化基金都持有數(shù)量較多的資產(chǎn)和資產(chǎn)種類來組成

投資組合，這正是利用了量化交易策略的特性從而更方便的分散風險。

        另一方面，對于量化交易策略而言，這種多個市場間的策略移植所需要的成本很

小，在一些情況下甚至不需要變動原先的基礎工具，因此降低了研發(fā)成本，同時節(jié)省

了寶貴的研發(fā)時間。而量化交易策略不僅僅可以在策略研發(fā)的過程中幫助節(jié)省時間、

降低成本，由于其具有非常明確的數(shù)量化規(guī)則用以指導交易，因此策略在實際使用的

過程中可以脫離人為判斷，執(zhí)行速度更快，運作效率得到了提高。不論是否采用程序

化的執(zhí)行手段，量化交易策略都能夠在實際交易中減少人的負擔，也就減少了許多重

復性的勞動。對于一個交易策略的控制者而言，就能夠把更多的精力放在最為核心的

策略創(chuàng)新上。

        而在策略創(chuàng)新上，量化交易策略本身也具有一定的優(yōu)勢。在科學不斷進步的今天，

越來越多的先進技術被創(chuàng)造出來并應用到各種情境之下。通過結合多個不同學科的知

識和相應的數(shù)學模型，量化交易策略更有可能發(fā)現(xiàn)一些隱藏較深的復雜數(shù)據(jù)規(guī)律，而

這些規(guī)律往往不太容易被主觀交易者察覺得到。時至今日，神經(jīng)網(wǎng)絡、支持向量機、

隱馬爾科夫模型等機器學習模型已經(jīng)開始被量化交易從業(yè)人員頻繁提起。

        實際上就整個行業(yè)的狀況而言，量化交易策略還有一個不太被人提及的優(yōu)點或者

說特點，那就是能夠在一定程度上幫助公司減小對所謂的明星交易員的依賴。由于在

交易流程當中，做決策的不再是具體的交易員，而是已經(jīng)具有明確規(guī)則的量化交易策

略，因此在量化交易策略研發(fā)完畢、甚至只是核心理念構建完成之后，公司對于量化

交易策略的研發(fā)者的依賴程度就會迅速下降，這一方面可以幫助公司在人員配置上減

少支出，更重要的是提高了公司對于交易整體的控制程度。整個公司系統(tǒng)的核心優(yōu)勢

在于量化交易策略本身，因此不會由于人員變動等問題而非常迅速的消失，有利于公

司在量化交易方面保持長期穩(wěn)定。

        不過這個特質(zhì)在穩(wěn)定公司的同時，實際上也損害了量化交易策略研發(fā)者的利益。

量化交易策略的研究人員在策略研發(fā)完成之后喪失了一定的價值，因此在薪資等方面

也不如主觀交易的明星交易員一般具有討價還價的底氣。這也導致一部分的量化交易

從業(yè)者較為消極的對待工作，甚至選擇保留核心交易策略，進而隱性的損害了公司的

利益。好在很多情況下，量化交易策略即使在研發(fā)完成之后，仍然需要不斷的改進，

從而適應市場環(huán)境的不斷變化，因此對量化交易策略研發(fā)人員的持續(xù)需求仍然是存在

的。當然，這個問題要妥善解決，仍然在于公司對此的激勵政策。

        量化交易策略由于其明確而數(shù)量化的交易規(guī)則，不僅僅會造成上面提到的這一缺

點，更重要的是，這些明確的量化規(guī)則是非常容易復制的。量化交易策略和許多科技

創(chuàng)新一樣，具有研發(fā)困難、復制簡單的特點。即使在最終交易規(guī)則保密程度良好的情

況下，僅僅只是泄露出一些策略理念出來，相比于主觀交易策略，量化交易策略也有

更大的可能會被逆向工程破解從而外泄。這種特性一方面增加了量化交易策略使用的

成本，另外一方面也加大了量化交易策略在交易之外的風險。一些量化交易的從業(yè)者

在交流過程中非常的小心謹慎、公司在管理量化交易時執(zhí)行諸多規(guī)章條例、對員工加

以合同上的嚴格限制甚至最后走到對簿公堂的境地，都是由量化交易策略這樣的特性

引起的。

        量化交易策略還有一個非常重大的缺點，就在于量化這個特性本身。誠然這一特

征為量化交易策略帶來了多種優(yōu)勢，但是由于這一特點，使得量化交易策略在對待無

法量化的因素時，只能采取舍棄這樣較為無奈的處理辦法。因此，量化交易策略損失

掉了很多其實有可能帶來盈利的信息，也使得策略在處理信息時所覆蓋到的范圍變得

狹窄。當然，隨著科學技術的發(fā)展，一些之前無法被量化的因素開始進入量化交易策

略的研究范圍之內(nèi)，例如針對網(wǎng)絡信息刻畫出的投資者情緒等等。但是，即使科技手

段會讓量化交易策略能夠處理的信息范圍更廣更深，對比起主觀交易策略而言，這樣

的缺陷始終是量化交易策略無法徹底擺脫的。這種來源于自身特性的缺點，只能改善

而無法根治。

        同時，由于量化交易策略在構建過程中采用的是數(shù)量化的方法，需要一定數(shù)量的

數(shù)據(jù)樣本進行研究，而相應的數(shù)據(jù)都是隨著時間逐漸產(chǎn)生的，因此當量化交易策略的

構造形式?jīng)]有本質(zhì)上的改變時，從數(shù)據(jù)中抽取的數(shù)量化特征也只會隨著時間逐漸變化，

策略所形成的交易也只能緩慢的變化。當市場情形發(fā)生重大轉(zhuǎn)變時，這種緩慢變化的

特性會導致量化交易策略無法適應轉(zhuǎn)折期的市場，在短時間內(nèi)造成較大的損失。相比

較而言，一部分定性的交易策略由于主要基于邏輯上的思路來進行交易，因此當市場

情形發(fā)生改變時，能夠基于主觀邏輯迅速進行本質(zhì)上的策略調(diào)整。轉(zhuǎn)向緩慢這一特點

也是量化交易策略一個較難改善的缺陷。