数量化方法也要研究员进行设计、编程与校验。所以，严格意义上讲，说“数量化方法彻底摆脱了人的因素”是不正确的表述。较为符合现实的评价应该是：“在已有策略执行层面，数量化可以对抗人为不稳定因素的干扰。”而一旦人的因素牵扯其中，就有了对抗已有观念的问题。
不可否认，量化投资是这几年才在市场中开始流行的概念。笔者也仅仅是在2006年左右才开始看到国内有投资者陆续在股票市场进行此类的尝试。这个境况并不意外，国内金融市场起步较晚，而且总是有很多半市场型的因素可以吸引投资者和媒体的注意力。再加上引入一个概念需要时间，所以量化投资自然而然也就排在了价值投资观念之后才有机会浮出水面。
观念的形成必然受到历史因素的影响。在设计算法阶段时刻提醒自己尽量不要带有偏见至关重要。很少有人一开始就接触的数量化投资领域.基本面分析往往都是先人为主的观点。无论是“自上而下”亦或是“自下而上”，接受过金融训练的人都或多或少的会考虑经济因素、行业因素与公司因素。这没什么不妥，实际上增大信息集对于算法的训练来说没有什
么特别明显的坏处。但接受的知识所能带来的优势也就停留在这个层面了。我们学了很多应该怎样的理念，但负责的教授往往也会加上一句“现实可能并非如此。”
“对或者错”在金融市场里面似乎从来都不是什么重点。因为在坚持看到自己的观点正确之前，可能就已经被资本市场消灭了。交易的天平在面对蛮力与智慧时，往往会倾向于前者。在这方面，长期资本又一次给了我们非常好的实例。根据《创造金钱》一书的描述能够发现，至少在波动率这个问题上，长期资本的态度完全带有接近于偏执的观念。
1997年陆续开始退出长期指数期权市场的投资银行们“必须回购已被出售的波动率”。而长期资本则“向所有需要者提供珍贵的波动率……他们如此渴望交易，以致在伦敦的股票衍生物交易员中获得了一个绰号：波动率中央银行……当然，从长期资本的观点来看，这是无本之利。数据显示，欧洲市场的历史波动率接近15%。由于市场的预期波动率将是23%或25%，长期资本的收人十分优厚”。从《拯救华尔街》一书中，我们也能发现类似的描述：“长期资本管理公司抛空股票期权的价格，是以市场价格每年的波动幅度为19%作为基准的。”
尽管对自已的判断深信不疑，但遗憾的是长期资本也没有撑到能见证自己正确的那一天的到来就出现了危机。从这个层面来看，说其是赌博也并不为过。这实际上与赌桌上没有足够的金币情况一致。2000年11月西蒙斯在接受过记者的采访时被问及“长期资本管理是一家数量化交易型企业，正如复兴技术一样。你是否从它的坍塌中学到了什么?”西蒙斯的回答是：“公司中的每一个人都读了关于长期资本的书。通常意义上来说，它会让你谨慎。我们的方法是很不同的。我们不从模型开始，而是从数据开始。我们没有先人为主的观念。我们寻找那些可以被千百次复制的事情。收敛交易的一个麻烦在于时间。你说事物终究会走到一起。好啊，终究是什么时候?”
西蒙斯的见解是一针见血的。投资是个时间敏感的概念。没有人会用一个说不出究竟是多久的时间段来验证一两个人观点的正确与否。当一个律师在荒郊野外踩到一个野蛮人的脚时，说“打人是不对的”恐怕也避免不了身体上的被摧残。或许只要律师还有口气在，跑回来跟其他人说“野蛮人打人不对，应该受到法律的严惩”，其他人还是可以赞同倒霉律师的说法。但有什么意义呢?
要对市场有几分敬畏之心，无论知识背景丰厚到何种程度都要如此。因为人能分析的只有理性的那一部分，还很有可能分析不明白。市场表现出的非理性成分很有可能就让我们的报告或模型变得一无是处。长期资本的对冲是精致的，对某一特定金融产品的拆分往往涉及多个领域(至少在其豪赌价格波动幅度之前)。可过分的精致也不见得就是好事。倒金字塔也好、创新螺旋也好，一个部位的破损往往会招致大面积的垮塌。从这点上来看，为策略模型设计一个松散的结构并强调鲁棒性或许是条出路。
