当股市持续下跌或者长期振荡横盘，传统的投资策略往往表现不佳，此时，号称“收益稳健、净值回撤小、风险低”的量化投资，就会成为许多急于增值资金的追逐对象。
量化投资其实并不神秘。广义上讲，量化投资就是把投资管理过程中主观、定性的环节进行数字化、模型化处理，也包括通过分析市场中大量与投资交易相关的数据来发现投资机会。狭义上讲，量化投资是指在证券投资过程中，通过应用数学模型来采取决策，并使用计算机系统进行自动交易。
数量化、模型化、电算化处理，其实对各种投资策略都极其重要。将主观、定性的内容数量化，可以大大提升投研团队内部的沟通效率，有效解决长期困扰投资领域的协作难题。同时，数量化越充分，越能广泛应用计算机等信息技术的成果，更快、更深地处理更多的信息，进而挖掘更多的有效投资机会。投资管理的模型化可以使投资决策更加全面、深入和客观，因为投资模型不但积累了团队的投资经验，而且可以通过不断完善、进化，来提升整个团队的投资管理能力，这可不是仅仅依赖某个明星基金经理就能达到的。利用计算机系统进行交易，则可以克服投资者贪婪与恐惧的天性對投资产生干扰。
所以，量化投资只不过是在投资管理过程中，侧重于应用数据分析、数学模型、计算机系统等工具和方法。量化投资本身不可能脱离技术分析、基本面分析，以及包括学院理论在内的套利分析等既有的投资理论和策略，否则就必然成为“无源之水、无本之木”。在国内外市场中，充斥着大量投资理论被误用，以及投资策略期望收益为零甚至是负数的量化投资模型，然而还是有大量证券公司、银行、保险机构的委外资金投入其中，为这些毫无价值的量化投资支付高额管理费和业绩报酬。
应用大数据往往重视相关性，忽视了因果关系，这种思想在证券投资领域是非常危险的，股市的波动很难由历史数据推导出的概率框架来决定。在自然界中，或许能找到一个和上证指数走势几乎一样的曲线，利用这个不相关的曲线预测上证指数的走势，并且投入自己的真金白银去冒险，显然是极其愚蠢的。然而，很多所谓统计套利的量化投资模型却乐此不疲。虽然在物理学领域，没人相信能制造出永动机，但在金融界，有人企图用数学、物理学的方法，制造出量化投资的永动机。
大量套利策略的量化模型，理论上几乎无懈可击，但是其市场容量十分有限。往往在纸上谈兵的模拟交易阶段，效果十分惊人，一旦投入小规模的资金进行实际交易，在冲击成本以及相同策略竞争的影响下，结果往往不尽如人意，稍微加大资金规模可能会遭遇亏损。这时候套利策略的量化模型很快就会失效，对于期望获得长期稳健收益的投资者来说，量化投资变得几乎不可能。
云计算、大数据、人工智能的蓬勃发展，无疑为量化投资的发展打开了广阔的空间，然而基于缺乏科学理论基础的量化投资，巨额亏损的黑天鹅是一定会飞来的。
来源：国际金融报