查尔斯•达尔文( Charles
Darwin)在1859年出版的《物种起源》一书中系统性地阐述了他的进化论思想，认为生物是进化的，而自然选择是生物进化的动力。如果一个有利的变异更能适应当前的环境，那么变异的个体就更容易生存下来并繁衍后代，保存自身的性状，从而不断地进化。作者一直都很倾向于将这一理论类比到某种技术发展或者社会实践上，一种事物的产生并兴起，往往是因为它更好地适应了环境。好像量化交易策略一样，因为学术理论的不断产生、交易环境的不断更新、计算机技术的不断进步而持续发展。而由于量化交易策略在这种大环境下表现出了种种优点，以及对比其他交易策略的一些优势，从而呈现出了欣欣向荣之势。
鉴于量化交易策略自身的特质，其最为明显的特点就是较强的可度量性。作为采用数量化手段构建而成并进行决策的交易策略,其在构建过程以及决策过程中，都是可以被精确度量的。对比而言,主观化、定性化的交易策略虽然在复盘等过程中也能够得到数量化的交易结果，但是由于缺乏整体性的精确度量，因此局部的定量化结果往往波动较大，在很大程度上不具备稳定的刻画能力。
这一特性带来了量化交易策略的另一个优点，即可验证性。由于未来数据的不可得，因此不论是定量的还是定性的，实际上交易员在判断一个交易策略时，很大程度上都依赖于策略在历史数据上的表现结果。然而，主观的交易策略在复盘或者其他测试过程中含有人为判断的成分，因此在缺乏过往实盘操作时，历史验证就成为一个不可精确重复、缺乏稳定性和说服力的部分，这对于此类交易策略而言是一个比较严重的缺陷。
量化交易策略就不存在这个问题，基于本书给出的量化交易策略的定义，只要准备好策略所需的完整数据以及资产的历史价格，我们就可以将交易的过程在历史数据上模拟复现一遍，这一过程被称为回溯测试，简称回测。在策略构建和策略表述数量化的基础上，多次重复历史回溯测试均能够得到一致的结果。如果测试结果是正向的，那就说明该量化交易策略在历史检验上具有盈利能力。
上述两个特性使得量化交易策略具有较强的客观性。由于构建交易策略的过程中数量化手段占主导地位，交易决策更是具有明确的数量化规则，因此量化交易策略可以在很大程度上规避策略开发者的主观臆断，在构建的过程中始终获得客观地对待。这里举一个反例，作者曾经在构造一个量化交易策略时，由于急于获得最终的结论，因此对策略粗略运行得出的待加工结果进行了人工观察。在没有进一步编写程序进行验证的情况下，得到了该策略可以获利的结论。但是在测试完整策略的时候，发现预期情况和实际不符，重新检查后才发现偏差来自这一点点的人工行为。量化交易策略的研发已然如此，作者有理由相信在主观策略的研究过程中，这种情况更为常见。实际上，在开发人员对策略有效性有期待的情况下，即使面对一个非常简单的问题，人的主观判断也是有可能会产生偏误的。
同时，明确的数量化交易决策规则这一特点，也使得交易员在执行量化交易策略时，有希望完全排除情绪对于整个交易过程的干扰和影响。基于数量化规则，量化交易策略本身具备相当的独立性，不需要交易员的主视判断也可以完整地指导整个交易流程。而主观的交易策略由于在交易操作中需要持续的人为控制和判断，因此不可避免地存在一定的偏向。行为经济学里研究了很多相关的问题，包括损失厌恶偏向.过度自信偏向、参考点偏向等，都是一些人类固有的行为偏向。当这些客观存在的偏向影响到交易策略的实际执行时，交易结果的预期就会从最优点处发生偏移。虽然量化交易策略不可能帮助我们完全地规避这些问题，但是数量化的框架和规则确实可以尽量减少这些不安定因素所带来的损害。
上面所说的排除情绪化操作，实际上也包含了交易员常常谈到的一致性，也就是保证交易策略在执行过程中，使用相同的交易规则，其中包括买人点、卖出点、交易仓位大小的确定等。如果交易员在执行量化交易策略时不主动加入人为判断，量化的交易规则可以帮助其很轻松地完成这个任务。更为重要的是,量化交易策略可以做到历史验证过程和实际交易行为的一致性， 因为不论是真实交易决策，还是历史回溯测试，所参照的交易规则都是由数量化表达精确定义了的。这种整体上的一致性，是绝大部分主观交易策略都无法保证的。
量化交易策略的数量化特点及其带来的致性,使得这种策略具备了比较好的可移植性。除非使用特定的量化因素，一般而言， 量化交易策略是比较容易在一个市场或者资产上证实有效后，移植到其他的市场或资产上使用的。例如，当策略使用的量化数据仅限于价格时，所有存在报价的市场都能够使用历史数据来验证这种量化交易策略。而当使用的量化数据包括价格和成交量时，除了外汇市场等少数情况外，量化交易策略也是能够移植到其他大部分的场内交易市场上的。量化交易策略听使用的数据的可得性越强，其移植能力也就越强。
同时，由于量化交易策略可以很方便地得到数量化的验证结果，收益、风险等策略待征都能够通过数据形式得以呈现。因此，在量化交易策略被应用到多个市场或者资产上时，策略开发人员可以通过数量化结果这样的直观形式来进行横向对比，从而有针对性地选取适合某-特定量化交易策略的市场，或者在多个市场之间进行配比。而由于量化交易策略的执行过程中不需要交易员的主观判断，因此相比于主观化的交易策略，其有能力同时覆盖大量的市场和资产，这对于投资组合的分散化来说具有很好的辅助作用。在现实中，大部分的量化基金都持有数量较多的资产和资产种类来组成投资组合，这正是利用了量化交易策略的特性从而更方便地分散风险。
另一方面，对于量化交易策略而言，这种多个市场间的策略移植所需要的成本很小，在一些情况下甚至不需要变动原先的基础工具，因此降低了研发成本，同时节省了宝贵的研发时间。而量化交易策略不仅可以在策略研发的过程中帮助节省时间、降低成本，由于其具有非常明确的数量化规则用以指导交易，因此策略在实际使用的过程中可以脱离人为判断，执行速度更快，运作效率得到了提高。不论是否采用程序化的执行手段，量化交易策略都能够在实际交易中减少人的负担，也就减少了许多重复性的劳动。对于一个交易策略的控制者而言，就能够把更多的精力放在最为核心的策略创新上。
