量化交易就是凭借现代统计学和数学的方法，从海量历史数据中寻找可以带来巨额利润的多种“大概率”策略，并纪律严明地依照这些策略所建立的数量化模型来指导交易，尽量争取获得持续的、稳定的并且高于平均的超额回报。
1.量化交易与趋势交易的比较
对趋势交易和量化交易进行分析和比较，在比较之前先对趋势交易加以解释说明。趋势交易，是指通过对股价的趋势加以辨别从而选择出对自己有利的趋势进行交易，主要运用技术分析手段。它在技术分析上有三大理论基石。
(1)历史会重演。
(2)价格包含一切行为。
(3)股价沿着原来趋势运行。
20世纪80年代以理直德·丹尼斯为代表的趋势跟踪派产生，并创造了巨大的盈利，随着计算机的普及，程序化交易也因此而发展起来。
趋势交易和西蒙斯式量化交易的特点是相似的:纪律、系统以及概率，不同之处是，西蒙斯利用多种模型去捕获交易信号，而趋势交易的黑箱交易只有一种或者两种的交易模式进行买卖。西蒙斯主要捕获的是非常短的交易机会，而趋势交易更多的时候捕获较大波动幅度的交易机会。因此两者既有共性又有特性，但是两者在本质上却是一致的，均是通过对以前的数据或者价格模式加以分析，从而捕获交易机会。此外，西蒙斯优化交易成功的另一要素是对巨额资金进入市场之后所带来影响的平抑操作。简而言之，也就是20亿元资金进入一只股票一定会对股价产生很大的影响，如何把影响降到最低就是一门很复杂的工程，而传统的趋势交易对这点的把握就会受到操盘手的经验和技术水平高低的影响，不同的操盘手结果也就会有很大的不同。趋势交易和量化交易比较如表3-1所示。
西蒙斯的基金公司员工中只有两名是华尔街的交易老手，其他的都是数学家、物理学家和自然认知学家。换言之，一群连经济运行规律和金融定价公式是怎么回事可能都不知道的人凑到一起，绝不会对基本面和金融工程进行研究。这些数学模型是建立在海量统计数据基础上的，而经过历史预测未来正是技术分析三大假设之一。
证券市场对于交易理念的争论已经超过半个世纪了，孰是孰非一直到现在也没有盖棺定论。
2.量化交易与定性交易的比较
量化交易和传统的定性交易在本质上是相同的，两者均是基于市场非有效或者弱有效的理论基础，而投资经理可以通过对个股估值、成长等基本面的分析研究，建立并战胜市场，产生巨额利润的组合。
不一样的是，定性交易比较依赖对上市公司的调研、基金经理个人的经验及主观的判断。而量化交易则是“定性思想的量化应用”，更加注重数据。
量化交易作为一种定性思想的理性运用，在组合中更客观地去体现如此的组合思想。一个好的交易方法应该是一个“透明的盒子”。每个决策均是有理有据的，尤其是有数据支持的。
与定性交易相比较，量化交易的科学性更强一些。在交易方法上，量化交易是寻找市场错误的估价和定价。并且从中获利。从交易范围来看，定性交易的交易范围比量化交易相对较小。定性交易持股集中度很好，购买一个定性的基金，它一般持股30-40只股票，而量化交易相当分散，通常持股150-300只股票。
两者成功的关键也不相同，定性交易的成功关键主要是看整个团队的资源和经验，此后是看基金经理的特点。然而量化交易最主要是看管理人员是不是对市场有很好的了解和理解，是否能将它运用到模型中去。量化交易区别于定性交易的鲜明特征就是模型。
量化交易最重要的是对海量数据的处理有很大的优势。由于人脑对数据处理的能力是非常有限的，当一个证券市场仅仅有100只股票，这对定性交易基金经理来说是有优势的，他能够深刻分析这100家公司。然而在一个巨大的证券市场，比如有成千上万只股票的时候，强大的量化交易的信息处理能力能反映其优势，能够捕获更多的交易机会，拓展更大的交易机会。
量化交易正是在找估值洼地，通过全面地、系统性地扫描来获取错误定价、错误估位所带来的机会。定性交易者大多数时间在琢磨哪一个企业是伟大的企业，哪个股票是能够翻倍的;与定性交易者不同，量化交易者大多数精力都花在分析哪里是估值洼地，哪个品种被低估了，则买入低估的，卖出高估的。
总的来说，量化交易和定性交易的区别真的犹如中医和西医的区别，各有长短、互有千秋。俗话说得好，“条条大路通罗马”。巴菲特与西蒙斯的交易理念与成功，说明交易没有一定的规定。
以巴菲特为代表的一类投资大师认为，“现实世界是很复杂的，经验和思考才是财富制胜之道”。所以，他成功的关键，并不是顶级的科技，而是对市场的理解、洞悉和独立思考的勇气，则是以“人”的因素导致财富的增值。
以西蒙斯为代表的一类投资大师则被当作是推论公式、信任模型的数学家。他们运用搜集分析大量的数据，运用计算机来筛选交易机会，并判断买卖时机，把交易思想通过具体指标、参数的设计体现在模型中，从而对市场进行不带任何主观情绪的跟踪分析，应用计算机强大的数据处理能力来选择交易，以保证在控制风险的前提下达到收益的最大化。
3.量化交易的正确理解
量化交易属于主动型投资范畴，其实质是定性交易的数量化实践。理论基础是市场的非有效性或者弱有效性，基金经理能够通过对个股、行业以及市场的驱动因素加以分析研究，从而建立最优的投资组合，企图战胜市场从而获取巨额的收益。下面是如何正确地去理解量化交易。
(1)不是基本面分析的对立者。大多数人对量化基金还存在一种误区，认为这类基金依赖数学模型作为投资运作的基础，那么基金经理包括投资团队所发挥的作用就不大。事实上在市场出现转折或是小概率事件的时候，计算机很难代替基金经理的判断;另外，在一个波动剧烈的非单边市场环境下，量化模型对新数据的反映也并不完全让人满意。所以，在量化基金的运作当中，依然需要经验丰富的基金经理和投资团队来把握一些更加宏观的和大的趋势，而计算机模型的作用是在市场正常的情况之下，既可以大大地减少基金经理的工作量，又可以避免因人的情绪造成的失误。
(2)不是神秘主义。量化交易并不是神秘主义，更不是一个战无不胜的秘决。量化交易不是靠一个交易模刑就能永远赚钱，并且也不是运用一个模型就能解决所有问题，更不是一个模型就能够胜任任何市场状况。量化交易模型仅仅是一种工具，量化交易的成功与否在于应用这种数量化工具的投资者是否真正掌握了量化交易的精髓。
在量化交易过程中必须建立许多的量化模型，比如选股模型、择时模型、交易模型、行业配置模型、风险管理模型、资产配置模型、套利模型以及对冲模型等。量化交易模型仅仅是一种工具、一种方法和一种手段，可以实现成熟而有效的交易理念，并不断依据交易理念的变化、市场状况的变化而加以修正、改善和优化。
(3)捕获大概率。必须从大概率上获得很好的收益。量化交易模型必须着重考虑对资产未来收益看法的估计和分辨，并且还包括对个股的看法、行业的看法等估计的准确性。对资产未来收益的看法既可以是绝对的收益水平，也可以是相对的收益水平(或称为Alpha)。对于共同基金来说，对后者即Alpha的估计和预侧可能需要更多，量化模型也主要是在寻找最好的Alpha模型。量化交易需要综合考虑资产的鉴别(个股选择、行业配置以及资产配置等)、交易(包括择时)和风险控制(包括对风险收益的平衡)等方面因素，从而寻找到成功概率最大的投资组合，实现收益的最大化。
