从证券发展历史上来看，第一只现代意义上的股票于1606年由荷兰的东印度公司所发行。在这此后的400多年间，在金融界有许多的交易流派出现，然而现代意义下的量化交易却是在20世纪80年代初才兴起，到现在仅仅30多年的历史。
1972年，美国纽约证券交易所推出了指定交易循环系统(DOT)。电子化交易已经受到大家的关注，然而受到计算机软硬件的限制，以及高昂的计算机设备成本，量化交易一直到20世纪80年代才发展起来。20世纪80年代，摩根士丹利的纳齐奥塔尔塔利亚的量化小组开发了配对交易法。从20世纪90年代到现在，系统化交易进人了一个迅猛发展阶段。高盛、摩根士丹利以及文艺复兴科技等公司运用系统化交易在市场中赚取了巨大的利润。此后，许多体制的交易所运用股票小数报价等。暗池((Dark Pool )就是一种为买卖双方匿名配对大宗股票交易的平台，参与者主要是机构交易者，它的运作方式并不透明，不仅不会展示买卖盘价和报价人士的身份，而且也不会向大家披露已经执行交易的详情。现在暗池交易最占据总交易量的16%。这些措施为量化交易的发展扫清了阻碍，从而使得量化交易向着交易速度更快、交易最更大的方向发展。
在21世纪之初的几年吧，越来越多的量化交易基金开始建立起来。根据理柏的数据，2006年，81家量化交易基金加入到共同基金的阵营中去。另外，量化交易基金的规模从2002年年底的190亿美元增加到2006年的4000亿美元。有一个量化交易公司的主管这样说道:“在华尔街历史上，这是第一次量化交易成为主流方向，这是一个很重要的转折点。”
在美国金融市场，指数类交易几乎全部运用量化技术，其他类交易中也有约30%运用了量化技术，量化交易是早已经被市场证明有效的、成熟的交易方法。
到现在为止量化交易已成为证券交易的主要力量。在组约证券交易所，量化交易已经占据总交易量的30%左右。
量化交易的发展主要有如下几个原因:现代金融理论的发展、计算机技术的普及和交易成本的下降。而这些变化大多数部发生在最近30年内。
第一个原因是现代金融理论的发展。
先回顾一下传统资产定价的理论，传统资产定价主要根据现金流贴现法。企业的整体价位等于它的股票和债券的价值之和。股票的价值等于它的将来所有现金流的折现值，债券的价值就等于利息和到期本金的折现价位。下面以股息贴现模型(DDM)为例子，来计算一个公司股价。我们必须预测该公司未来派发的一系列股息，接若估算每年的折现率，将未来股息贴现成现值，最后将净现值相加起来。此方法听起来非常简单，然而实际操作起来却十分复杂而且带有主观性。分析师预测一个季度的股息都通常会搞错，准确预测未来所有股息更是难上加难，预侧未来折现率也非常难。
然而现代金融理论就开辟一个崭新的途径。20世纪60年代。威廉·夏普和林特纳等人则提出CAPM定价模型，这对资本市场均衡状态下的资产风险与预期收益率的关系作出了精确定义。依据CAPM模型，一个股票的预期收益率取决于它与市场的相关性以及无风险利率。交易者不用复杂的现金流预侧就可以估算股票的价值。马克维茨在20世纪50年代创造性地提出了用均值方差最优化的数学方法来选择最优投资组合。该最优组合不再完全取决于一个股票的预期收益率，并且还与其风险、其他股票的相关性和交易者对风险的喜好程度密切相关。因而夏普和马克维茨一起获得1990年诺贝尔经济学奖。
至于现代金融理论对传统理论的主要推动作用包括如下几个方面。
(1)CAPM等金融定价模到能够迅速给成百上千只股票估算预期收益率，然而传统办法更费时、费力;不过，传统方法准确度一般来说比较高。
(2)现代金融理论更注重强调风险对收益率所产生的影响。最优投资组合通常投资于大量股票来降低组合风险，而传统投资通常只集中于几个或几十个预期回报率最高的股票，组合波动率通常更高。在此，举一个简单例子来看看风险对收益率所产生的影响。假如有两个投资策略，策略一:一天盈利为10%，下一天亏损为5%;策略二:一天盈利为6%.下一天亏损1%。这两个策略亏损和盈利的概率都为50%，并且每天平均收益率都为2.5%，然而策略二的波动率要小得多。投资200天以后策略一复合收益率为81.6%，策略二的收益率为124.2%，比策略一高50%。
(3)现代金融理论越过了那些复杂易错的现金流预测模型。传统投资模型企图运用严密的数学理论给资产定价，但它却忽视了现金流折现模型中每个参数的估计有着较大的随机性。参数估计极小的变化通常对最后的估计产生很大的影响。著名的数学家毕达哥拉斯曾说过，上帝运用数学法则创造了这个世界。现代科学的发展却越来越发现其实完全确定的事物仅仅是世界的一小部分。或许更准确的说法是:上帝运用概率法则创造了世界，特别是对于与人类行为有关的事物。
然而，这并非说现代金融理论就必然要强于传统理论。传统投资由于对个股分析更为透彻。所以投资命中率更高。根据CAPM等数学模型盈利的方式不同。量化交易通常在短期内作出大量的交易。尽管每一个交易的盈亏率比传统投资模型要小，然而数千次交易以后，如果盈利交易比亏损交易要多，那么最终交易的结果则是盈利的。
第二个原因是计算机技术的发展。
1976年，乔布斯与沃兹尼亚克共同成立苹果计算机公司，并且推出其Apple I计算机。1982年，微型计算机开始大力地普及，很多进人学校和家庭。在这将近50多年间，计算机基本根据英特尔的创始人之一摩尔提出摩尔定律迅速发展:计算机硬件的处理速度以及存储能力，每一年至两年提高一倍。
计算机技术的发展大大地推动了社会各个方而的快速进步。在政治筹款以及竞选上，2008年美国的大选被称为是一场数据的较量。奥巴马的竞选团队运用了大数据对不同选民采取了不一样的竞选和筹款宣传;在商业上，商家运用顾客的电子消费记录来预测客户的需求。我们将沃尔玛公司作为例子，沃尔每小时必须要处理100多万笔电子交易记录，可以说每分每秒都在源源不断地生产数据。在体育方面，数据分析也越来越成为教练挑选和训练队员的有力工具。电影《点球成金》描述的就是一家小型棒球队如何通过数据分析挑选物美价廉的球员，最终获取史无前例的联盟连胜纪录的故事。当然量化交易是在这种大环境之下计算机技术对投资和交易的推动而己。
第三个原因是交易费用的下降。
在全球大范围之内交易费用的下降已经持续了很长一段时间，在金融市场竟争的推动之下，又开始出现持续下降的趋势，比如，日本2014年1月份又调低了买卖价差。
纵观量化交易近几年以来的发展，2008年以前，量化交易的发展只是出现在少数投资团队，它的交易量对市场的影响还很小，然而量化交易经过了五年时间的发展，现在美国证券市场30%以上的交易量则是由计算机自动来完成的。在证券市场，从大盘研判、自动选股，再到资金管理以及风险控制，都是由计算机来完成的。
计算机大数据时代的到来以及量化交易的发展使得更多天才般的交易者不再依靠于人脑，那些本来应该成为巴菲特、索罗斯的潜在交易精英，最终仍然很难摆脱量化交易的诱惑，使得消失在茫茫人海之中总而言之，量化交易就是数据和算法的博弈。
