量化交易的可怕甚至說恐怖之處，師爺跟兄弟們叨叨看，當然，最后也會告訴一下量化交易的一些改進或者弱點。
量化投資是指借助統計學、數學方法，運用計算機從海量歷史數據中尋找能夠帶來超額收益的多種“大概率”策略，并紀律嚴明地按照這些策略所構建的數量化模型來指導投資，力求取得穩定的、可持續的、高于平均的超額回報，并在很大程度上用計算機自動化交易來實現投資的一種投資方式。
- 精力無窮
量化交易是程序員通過交易模型在不斷分析和測算數據，不單單是交易數據，還包括研究報告、公告、新聞包括社區、股吧、微博等閱讀和提取。
人工看盤盯盤復盤的精力是有限的，相關結果的數據都要手工記錄下來，整理成明天的交易計劃。量化交易模型設置好以后，不僅時間上要節省，而且結果一目了然，交易計劃明確可執行，甚至已經基于這類交易模型做出回測結果及盈利概率。關鍵是復盤數據量化交易是24小時在運行的，只要不斷電這個家伙就在工作喲。
人工閱讀研究報告、公告、新聞等不僅在效率上較低，而且在提取要點、摘要觀點等方面需要經驗極其豐富并花費大量的時間和精力。量化交易程序員設定好研究閱讀和提取模型后對大量的研報進行24小時無間斷地處理，可以不知疲倦地進行工作，量化交易程序整理好需要的數據供交易員調取。
- 無情緒
選股策略上，量化交易可以通過量化擇時、量化選股、因子分析、事件驅動等N種量化模型選股，量化交易模型可以通過測算所有交易因子賺錢的概率進行因子調取應用和及時調整。
交易策略上，量化交易可以根據交易模型理性分析和判斷，完整地執行止盈和止損，無情緒地進行下一條交易，避免人性的恐慌、貪婪、畏懼。
彼得林奇曾經就說過，投資是反人性的事。當把人性的弱點通過計算機量化交易模型來進行操作的時候，成功的概率就要大許多。
- 自主學習
現在普遍的量化交易都有自主學習的策略，就是宣傳上的AI人工智能自主學習。
這個自主學習的能力是什么？
可以通過回測出該股票現在這個買點的歷史數據年化收益率，讓你立刻知道什么樣的股票型態？什么樣的主力資金流入的股票？什么樣的點位買入、止盈、止損？才能達到遠遠超越大盤指數漲幅的年化收益率？然后可以挑選收益率更高、回撤更少、更理想的策略，組合成超級收益率策略進行實盤交易。
那是怎么自主學習的？
量化交易系統通過數據回測和分析，找到了更好的盈利模型后，就會向該類型的數據進行自主挖掘，通過對該類型的數據挖掘后統計出可能更高收益的交易模型并進行數據回測和分析，修正，完成整個自主學習的過程。
人工智能植入到股票交易中，在A股的交易中已經開始展露出一定實力。
- 自動化交易
人工下單可能速度慢，量化交易機構一般有自己的交易專線，甚至通過計算機大量的交易單來獲取穩定的收益。
自動化交易單位時間內處理的交易單量可能上萬筆，一個交易員一天最多能下單交易應該是有上限的，遠遠達到不到算機自動化交易的。
同樣也避免了人工下單可能造成的烏龍指等可能性。
- 強大的團隊
就上面那些也就算了，我們小散們努力一點就行，或許也能拼得過。
當最強大腦們集合在一起想辦法收割小散的時候，是不是有點后脊發麻的感覺？
我看了很多管理規模200億以上的量化交易團隊，大部份是清北甚至歐美留學數學博士、計算機科學家、量化行業專家不乏華爾街頂尖量化團隊歷練歸來的。
還有，某量化機構還花10億以上的資金用來購置量化交易的設備提升運算能力，能更快更精準地捕捉到任何一個交易機會。
小散們是不是都要哭了？
師爺，那我們是不是沒有任何機會了？量化交易有啥弱點不？
量化交易是區別于傳統的交易方式的最大特點在于，是通過大量數據分析進行選股和交易的。數據來源一般有兩種，一種是純粹的大腦里面的想法，這個很難量化或者形成統計數據，一般就是市場調查數據之類的；另一種就是通過過往的數據產生的算法數據。
那細心的兄弟可能發現了，數據分析是基于過去已經產生的數據進行分析呀，不能直接用于未來的判斷呀。
那量化交易在市場的反應的作用就是助漲助跌。
所以，2021年很多量化機構的超額收益出現一些分化的原因就在于此。目前市場的成交量中應該已經有25%甚至更多來自于量化交易。
當然人機結合才是收益更高的方式，相信在不遠的將來，有一些量化機構會通過這種方式為投資者獲得更高的收益。
以上僅為師爺講解量化交易之需，不作為投資參考，請謹慎應用，不要盲目投資。
