算法交易能够节省成本
由于算法交易属于各个金融机构私营的业务，所以公开的数据很少。2005年, ITG公司的Dornowitz和Yegerman对算法交易的交易成本进行了研究。他们利用2004年超过40家机构的250多万个交易订单进行了分析，样本中的交易总量达到了约100亿股。其中,相当大一部分交易使用的是VWAP算法,达到了订单总数的40%。
在考虑了交易难度.不同市场、交易方向和市场波动等因素之后,他们认为，以执行落差为交易成本的衡量标准的话,算法交易比其他交易方式的成本要低。但是,算法交易的优势只存在于平均日交易量10%以下的交易。这也说明了算法交易在大额交易的情况下并不优越。另外，VWAP算法的表现也相当地好,和基准的平均差异只有2个基点。
相比于VWAP ,Implementation Shortfall的表现随订单规模的增长下降得更快。这一方面是由于VWAP算法随肴订单规模的增长更容易接近基准,另一方面,对于大订单,ImplementationShortfall算法也难以避免市场冲击对交易成本的影响，
Domowitz和Yegerman还认为,要表现出充分的优势,交易员必须坚持使用算法进行交易。他们从数据中发现,算法交易产生的交易成本的分布是对称和发散的，表现出了肥尾的特性。这说明算法交易的表现并不稳定,而且好的结果和差的结果基本样多。因此,他们认为依靠小样本交易数据对特定算法进行判断很容易出现错误，交易员要依靠大数定律来实现算法交易的优势。
针对于不同的供应商,Domowitz和Yegerman发现对于小规模的交易来说，他们之间的差异并不大。但是,随着订单规模的增加,不同供应商间会出现.些差异。差异表现在交易成本的标准差,也就是稳定性上。
