目前A股市场具备大量的非专业投资者，市场波动幅度仍然较大，具备对冲工具，尚未有大规模的数量化基金介入市场。幸亏资本管制把狼挡在了门外，给了国内资本在一个较为缺少竞争对手的前提下发挥的空间。综合来看，这些诱因都在为推动算法交易提供有力支持。目前看券商推广数量化算法交易只是时间问题笔者个人极度认同软件商所做出的努力。如果没有他们率先走出第一步，依靠券商自己的步伐估计仍然需要蹒跚很久。但笔者却很难看好一些小软件商未来的发展，因为无论是什么“底层关联技术”，一旦券商开始行动，小软件商的市场份额必定立刻洗牌，甚至诸如根网这样的公司恐怕也难保其套利产品的市场占有率。软件商需要现在就开始规划新的增长点才能算是居安思危的正确决策。笔者愚以为方向无疑两个：（1）做多账户综合管理平台，这对于浮不上水面的私募有现实意义。（2）开发应用策略，以插件形式附属在券商的产品中。尽管第二条意味着与资本雄厚的券商硬碰，但这毕竟是一个运气因素起作用的领域。这两条建议就算是感谢软件商为国内推行算法交易所做工作的一点答谢吧。
本节末尾，笔者将援引两年前所写的内部建议报告中的部分内容，来简介国外发达的资本市场数量化算法平台的意义。如果读者也认为这是一个未来的趋势，或许动手开始武装自己就不是个坏主意。
北美金融市场算法交易推行年份较早，据2007年David LeinweberDavid Leinweber，金融技术专家，前定量投资经理（掌握60亿美元全球资产）。创立了第一批商业算法贸易公司。发表于《阿尔法》杂志的文章。介绍，当时美国已经有超过90%的对冲基金采用了算法交易。美国SEC“2009年市场表现与解释报告”介绍了近几年呈指数级增长的算法高频交易。在2009年12月3日的SEC主席Mary L.Schapiro发言中更是确认了算法交易占2009年股票交易约60%的现实。近期路透社援引的有关研究显示，“根据金融服务研究公司Tabb Group，现在此类交易在美国日常所有股票交易中所占比例高达73%。Tabb还估计，专业从事高速算法交易的300家证券公司和对冲基金去年约获利210亿美元。”
2010年5月6日美股一分钟内下跌约700点之后又急剧反弹，问题的焦点落在了算法交易。无论是算法交易的大规模执行导致的下跌，还是由于交易商关闭算法交易主机导致盘口空虚而瞬间击穿正常价位，算法交易在美国市场举足轻重的作用已经得到了体现。国际市场上，发展算法交易成为一个重要方向的现实已经十分明确。例如，新加坡交易所将投资2.5亿新元建全球最快交易引擎，新交易系统Reach，预计于明年首季推出，执行每宗交易仅需90微秒，而现时每宗交易则需3至5毫秒。
从美国经验来看，算法交易技术的开启给先行公司带来可观利润的同时对传统交易商的交易份额有所挤出。
交易量分析：算法交易开启了成交量增长与挤出并存的局面。
美国是算法交易较为盛行的国家，其此领域的发展在一定程度上对亚洲后进国家有借鉴意义。美国算法交易在股票市场的快速应用阶段为2006年至今，其交易份额从约30%上升到73%。而美国同时期的两大市场日均交易额并没有明显上升：Nasdaq市场除2007年较低在1.7的水平，最近3年的数值维持在2.1—2.3（bn）的水平；而抛开NYSE市场2009年统计基准扩充导致的不可比数据，其日均交易量一直维持1.6—1.7（bn）的水平。这就意味着总量未见明显扩充的市场，算法交易商的利润来源在于挤压其他同业者。美国大约有20，000家交易商，而算法交易商约占2%。这就极好的说明，只有极少数此行业的领军者分抢了利润增长，而其他98%左右的参与者在面临市场份额被挤压的状态。
数据来源：2009年美国SEC年度报告
此类交易技术的推行在国内也存在类似挤出效果的可能性极高，开始布局此类交易技术的推广，则相当于购买分享未来交易量份额高成长的期权；否则有可能面临市场被逐步挤压的境地。
费率问题：与公司综合服务质量、品牌等因素密不可分。
粗略的划分，费率保持问题可以从两个方向入手：（1）研究咨询力量；（2）特色服务力量。笔者认为，作为特色服务，项目推行能对佣金总体水平产生正面影响，但数量不易估计。
综合来看，把算法交易项目看作是企业针对经纪业务的研发成本，产生的利益即便再小，有经纪业务作为依托，覆盖自身成本并不困难。公司面临的是用少量研发投入换取经纪业务收入提升的整体机会，相当于购买了一个廉价实物期权。如果风险中性，推行项目利大于弊。
（第二节）使用数量化分析的原因
为什么要选择量化分析手段，而对原有的判断型手段加以限制？原因主要来自于两个方面：输出的稳定和心理上的适应。
黑箱问题是一个争论不休的原因。其实黑箱对外可能是密不见光，对开发者来说可是清清楚楚。好用的策略可以与复杂程度不相关，数量化操作最为复杂的往往是优化、校验与执行过程。从某种程度来说，算法黑箱的制作可以通过数据模式的发现与校验最终达到合格的输出，但人脑却无论如何也做不到这一点。叫嚣着黑箱不易理解的人有种“窥探他人秘密合理合法”的流氓逻辑。尤其是当投资人可以像西蒙斯的大奖章一样基本限于自己的钱来进行投资，还要说三道四。这简直和看到街上有个美女就非要扒光人家衣服看个究竟一样无耻。黑箱有其存在的合理性，至少笔者在前面的章节已经介绍过人作为判断主体的不可靠，在这里也就不再过多的浪费笔墨。笔者想着重说的是心理上的适应问题。
在投资领域绝大多数时候只有两个结果——痛苦的成功和痛苦的失败——时间越久似乎越能证明这一点。面对金融市场，任何人都会犯错。而从错误中学习本身就是一个痛苦的过程“除非我们体验到了‘做错了’带来的不快，我们的大脑是绝不会修正它的预测模式的。取得成功之前，神经元必须不断犯错，这一过程很痛苦，但是没有捷径可走。”——《我们如何决策》。如果伴随着每次学习都要有金钱上的损失，这只能是雪上加霜。国内的分析师由于制度限制，往往不会体会到这一点四平八稳的报告吸引不了眼球就剑走偏锋。今天的卖方研究已经不是严格意义上的投资领域。一个市场的一个角落研究透了都可以在投资领域打出响当当的名号。n大金融市场互相印证的研究，要是搞明白了岂不富可敌国了？尤其是衍生品市场可以保证金交易，那看准一次、压准一次不比辛辛苦苦的写10年报告还强么？看看原油期货与黄金的走势，说市场没给机会恐怕难以令人信服。可研究员们至今还写着报告，贩卖着自己的观点不能说明点问题么？，说话自然顾忌小很多。尼尔斯·博尔将专家定义为“在一个狭小的领域里犯过各种错误的人。”说出了一个朴素的道理，但投资人却是用真金白银来检验一个观点的对错，个中滋味自然一言难尽。
老虎基金的朱利安·罗伯逊曾经评价彼得·林奇时说：“彼得缺少一样东西：他不快乐。他也没法让人帮他。”这话确实不假，看看彼得·林奇的工作狂式的生活似乎没人会反对这一点，但彼得·林奇退休时至少还在痛苦的成功着。罗伯逊的基金可就没有那么好运了。“墙倒众人推”这条中国式的俗语似乎在西方也同样受用。《商业周刊》上用不无讽刺的语气写道：“说白了，罗伯逊想到这些基金有可能比他的基金表现更好，自尊心上会过不去。”而《巴伦周刊》更是用“骄傲自大”这样的评语来挖苦这位历史业绩响亮的掌舵人。尽管算总账时，投资者赔多赚少。但15亿美元应该可以弥补这位坚持“价值”理念但市场不认同的投资大师心灵上的创伤了吧。
翻看一下大师们的投资经历，有几人是一帆风顺？很多人都为了自己所坚持的投资策略而提心吊胆过。威尔逊的名言很有意思：“如果我的投资组合中只有我看好的70只股票中的10只，那我肯定会被吓得屁滚尿流。”而其在国际度假胜地公司上的操作也确实够资格让我们普通投资者心惊胆战的了。西蒙斯说：“首先，数学模型降低你的投资风险。其次，数学模型降低你每天所要承受的各种心理压力。”我想没有什么话比这句更适合放在此处了。从西蒙斯在大奖章上的投资策略转型可以看出一个简单的道理，心理上的痛苦对于人这种情感动物的影响不可小觑。没人能预测究竟失败会给不同的人带来怎样的打击效果，但有一点却可以肯定，那就是没人愿意拿自己来验证这些。
所以，今天我们幸运的回过头来看这些投资大师的沉沉浮浮时，我们应该或多或少的心存感激。西蒙斯这样的数量化大师没有倒台就是在用实例告诉我们数量化投资成功的可能，避免情绪波动影响生活质量的可能。尽管这也不是一条一帆风顺的路，但相较于价值投资，为其付出努力还是值得的。
然而，此处笔者想强调的一点是，并非所有问题都需要通过数量化的角度来解决。数量化手段很多时候是用来处理人工方式难以达到的即时性要求较高的投资过程。如果投资逻辑清晰且判断准则并不复杂，那就完全没有必要在这种问题上过多强调数量化的实现。比如，“投资时钟一种将经济周期与资产和行业轮动联系起来的方法。简单来说，经济周期会经历萧条、复苏、繁荣和衰退。对应于不同的阶段，投资于债券、股票、商品和现金的选择应当作出调整。”就是一个极好的例子。首先，我们先不去考虑实际的经济周期会跳过一两个阶段，甚至会逆时针转动的现象实际上，投资时钟背后的经济逻辑很复杂，严格意义上来说，其并不适合作为数量化的目标。不过，既然有人提起，我们也不妨假设这些问题暂时可以忽略。假设“投资时钟”可以正常运转，其判断过程就可以尝试做到数量化。并且客户存在自定义的良好规则，可以自行判断投资时钟所处位置，进而考虑组合管理中的投资标的的权重注意，这个问题实际上已经不再是投资时钟的问题，而是个人投资者的具体策略判断依据。投资时钟这一逻辑在数量化过程中仅仅是给了四个状态判断。然而，这么做是否必要就有待商榷。毕竟，只有四个状态的判断，有什么理由非要数量化？标的调整和投资时钟的状态判断根本就不在一个时间频率上，后者的即时性要求相对较差。这就直接说明人工的方式在此种处理上也可以满足要求。当我们想要喝水的时候，可以“拿起杯子去饮水机接水喝”。也可以设计一套系统通过一个按钮自动“将杯子送到饮水机处，自动打开饮水机并监测杯内水量，关闭饮水机并将杯子送回”。一般人都会利用第一个方案，我们要说的就是这个道理。
（第三节）数量化投资的注意事项——保密
保密对于基金行业并不陌生，但是对于量化投资来说，保密基本上是第一个需要考虑的问题。对于算法交易来说，策略算法就是一切的核心。多一个人使用同样的算法就意味着利润空间少了一分。也正是因为如此，任何有可能曝光算法的信息渠道都会被严加看管。而且数量化基金对交易技术的追求可以用醉心来形容，任何过去被证明是失败的算法模型都是基金的宝贵财富。当我们来开始走进这个领域的时候，值得庆幸的是中国的投资者暂时不用担心毫秒，乃至微妙级别的抢通道。但是算法的保密性还是应该得到重视的。举两个例子读者就会发觉这群顶尖的数量化基金究竟严苛到了什么程度。
西蒙斯的复兴技术在2007年遭到两名前员工Alexander Belopolsky和Pavel Volfbeyn的指控，“公司违反证券法规并‘鼓励’他们协助这种行为”。不要以为这两个博士是为了雁过拔毛的勒索这只下金蛋的母鸡。实际上他们更有可能希望能躲避开复兴技术越远越好。复兴技术在2003年12月起就开始了没完没了的诉讼追杀，而两位博士使用的这一策略也可能仅仅是为了传递“兔子急了还咬人”的信息吧。
复兴技术给彭博社的回复也是相当干脆：“这些无根据的指控仅仅是让我们分心于现有案件的烟雾弹。”但究竟为何复兴技术会对这两个人不依不饶呢？《解读量化投资》一书中引用了一段律师的话：“复兴技术对我的客户穷追不舍的原因就是想杀鸡给猴子看，防止复兴技术的其他雇员跳槽到其他公司另起炉灶。”不知道是不是“小人之心度君子之腹”，笔者对这个说法深信不疑。
实际上，从两人诉讼事后的报道中看不出什么特别重要的东西。比方说，Volfbeyn被上级要求设计一种方法或电脑指令去显示机构交易组合系统原本希望保密的信息。这到底犯了哪门子法笔者还真是搞不清楚。Volfbeyn所谈论的第二个关于限价指令的算法更是匪夷所思，可以被任何人看到的公开信息处理究竟又招惹到谁了呢？没有过多信息的“大骗局”我们也不谈了，但整个事件留给笔者的印象是威胁。两名前员工在用法院为跳板威胁复兴技术公司：“如果复兴技术再如此不依不饶，他们将在法院里把复兴技术的家底抖出来。”这似乎也足以看出复兴技术已经把这俩人逼到了什么份上。复兴技术大动干戈就是为了保护好自己的算法核心。
