对于一般投资者，甚至是部分金融从业者来说，量化投资都是一门高大上的技术，充斥着模型代码和算法假设，门槛非常高。其实，生活中的量化思想无处不在。

  就比如在广州市，一位金融从业者，每日上班路线是这样的：乘地铁或者公交至珠江新城，随后步行或者租自行车至公司楼下。哪条路线最近呢？此人先罗列了所有可行的路线，随后花了一个月时间，逐条路线进行多次试验，最终成功找出不出意外情况下最近的线路，完美！这就是最简单的量化思想，利用大量数据，找出大概率的最优策略，并照此执行。

  行为金融学理论认为投资者并非理性的——例如过度自信，人们往往会通过你自己的主观判断进行决策，这恐怕连优秀的基金经理也没办法避免。而量化投资可以“克服人性的弱点”。

  总的来说，量化投资是借助统计学、数学方法，运用计算机从海量历史数据中寻找能带来超额收益的多种“大概率”策略，并纪律严明地按照这些策略所构建的数量化模型来指导投资。其本质是定性投资的数量化实践，终极目标是追求稳定的、可持续的、高于平均的超额回报。

  所有的决策都是依据模型做出的，每一步决策之前，首先要运行模型，根据模型的运行结果进行决策，而不是凭人的主观感觉。这一特点可以克服来自“人”的弱点，同时保证每一步决策都可以被跟踪，从而进一步证明决策的科学性。

  系统性具体表现为“三多”，多层次、多角度和多数据。多层次指在大类资产配置、行业选择、精选个股三个层次上，每一个层次都有模型;多角度是指定量投资的核心投资思想，包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度;多数据，指的是海量数据的处理。

  与定性投资致力于基本面分析不同，定量投资致力于寻找估值洼地，通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会，从而买入被低估的，卖出被高估的。

  这表现为两个方面，一是定量投资不断的从历史中挖掘有望在未来重复的历史规律并且加以利用。二是依靠一组股票取胜，而不是单个或几个股票取胜。

  其实，本质上来看量化投资和传统定性投资有着相同的理论基础——市场是弱势有效的或非有效的。投资经理基于这一理论基础，运用公司分析、行业分析等方法，建立能够得到超额收益的投资组合。不同的是，传统定性投资更多依赖于对上市公司的调研信息以及基金经理的主观判断和个人经验，而量化投资强调数据,秉持“定性思想的量化应用”。

  由此可见，广义来看所有采用量化投资策略的产品(如普通公募基金、对冲基金等等)都可以纳入量化基金的范畴。

  用通俗的语言来说，量化投资是利用金融理财产品价格、宏观经济、市场指标、技术指标等各种指标间的数学关系变化从海量的历史数据中寻找能带来超额收益的多种大概率策略，并严格地按照这些策略所构建的数量化模型来投资，以获得稳定、可持续的超额回报。

  首先，量化投资是建立在客观存在的数据基础上，利用计算机进行程序化交易，减少了基金经理在主观的投资过程中也许会出现的人性弱点(如贪婪、恐惧、侥幸心理等)，从而对投资结果产生负面影响。

  第二，电脑程序的介入在很大程度上分担了基金经理的投资精力，使其能够将更多的精力投放在对突发事件的应对以及对系统、模型的改进上。

  第三，量化投资的投资视角更广，可通过复杂的数学模型以及计算机的高速运算突破人工处理数据在广度、深度方面的限制，在全市场寻找更广泛的投资机会，充分分散风险。

  尽管量化模型是基于历史数据的客观事实所建立，避免了主观性投资存在的一些问题，但是并不排除模型出错以及失效的可能性。市场总是在一直在变化的，因此量化模型也要一直地改进以适应市场的风格。最危险的是，小概率的极端事件往往会被量化模型所忽略，而这有时关乎到量化基金的生存，

  因此，模型考虑到的风险因素以及模型本身的多样性对于分散风险至关重要。另外，量化投资的盈利高低还取决于模型的优劣，量化模型的建立不难，但是好的模型建立也并非轻而易举。