在從事任何交易或是決策時，其實人是最難掌控的因素，為什麼會這麼說，因為人有太多心理層面上的因素是無法預估的，就如同每個政治學理論都得先假設人是理性的，才能進行後面的研究，但事實上，我們都知道，人是不理性的。而量化交易主要就是讓數據來判斷決策，避免人性的誤區，避免太過個人主觀的意見，避免用自己對世界的認知、過去的經驗來判斷。
量化交易依靠數學和統計模型來辨別市場，再根據市場進行交易策略，通常都需要極為大量的數據與演算法邏輯，那要納入的變因有很多，就股票市場來說好了，除了基本面、籌碼面、技術面外，甚至大環境的總體經濟、時間週期等，都是變因的一種，列入統計後，再用合理的邏輯設計及驗證策略，你訂出交易決策。那當然，有一些突發事件，會無法估算，這也是正常的事情。
量化交易策略優於人腦判斷嗎？
透過數據與統計，量化交易策略可以在一定程度上做出比人類更為理性的判斷，畢竟，量化交易就是要避免交易者因為個人情緒、主觀意見而造成的失敗性投資決策。另外一點值得一提的是，量化交易決策的時間也會比主觀交易來的更快，畢竟是透過程式進行，相較於個人的反應速度而言，量化交易策略可能在你發現機會以前，早就以前提前進場佈局。
再者，隨全球化持續，金融市場連動性強，量化交易監測市場的時間可以比人的主觀交易更長、更久、更精準，人總是要休息的，不可能24小時緊盯市場與突發事件，但量化交易有機會做到，可以時時刻刻追蹤手上標的、總經數據與會連動的標的物，但這就代表量化交易無懈可擊嗎？也不是這麼說，主要量化交易是為了降低人為干擾因素所造成的失敗，但量化交易並不是投資聖杯。
量化交易缺點，容易把巧合當作常規、恐出現抵銷作用
量化交易其中一個缺點是，參數會有過度最佳化的問題，因為需要大量資料統計，不斷調整交易策略，為了讓策略可以運作，主觀上你可能會適度調配參數，造成決策過於理想化，又或是把某一些巧合的參數當成是常態性的，但其實他們之間並沒有關係。
另外，隨著越來越多金融機構開始進入量化交易策略，彼此會互相抵銷策略上的作用，舉個例子，當程式分析跑出來，接下來蘋果股票有機率拉出波段，越來越多量化交易者時，就會有越來越多提前預判這項消息的入場者，自然而然，接下來跑的走勢也許會跟量化交易分析過去主觀交易者數據而有所不同，出現抵銷效應。
延伸閱讀：
