一年多以来，西蒙斯一直无视默瑟工作之外的个人产场。现在，他觉得应该要有所行动。在10月的一个早晨，西蒙斯来到默瑟的办公室，告诉默瑟有重要的事情要讨论。西蒙斯坐在默瑟对面的椅子上，直奔主题。“我认为你最好从现在的位置下来，”西蒙斯对默瑟说，“目前公司的氛围不太好。”默瑟显然毫无防备，他看上去有些受伤。然而，他没有反抗就接受了西蒙斯的决定。
之后，西蒙斯对一群麻省理工学院的学生说：“那时文艺复兴科技公司的氛围出现了问题，并且越来越糟糕。”
“让默瑟从联席CEO一职退下来绝不是一个容易的决定。”西蒙斯之后跟一个朋友说。
2017年11月2日，默瑟给文艺复兴科技公司的投资者写了一封信，表示他将从文艺复兴科技公司联席CEO的职位退下来，但依然保留公司研发人员的职位。
征服市场的策略
· 大奖章基金仍然持有数千个多空头的投资头寸，持有期限从一两天到一两周不等。基金做了一些更短期的交易，被某些人描述为高频交易，但是大多数时候是为了对冲或逐步建仓。文艺复兴科技公司仍然注重梳理并收集数据，但是细化了风险管理及其他交易技术。
· 大奖章基金仍然保持着在债券、大宗商品和外汇上的交易，通过判断趋势和回归预测信号赚钱，包括特别有效的一种被命名为“似曾相识”（Déjà Vu）的信号。但是，相比之前更甚的是，现在的投资策略是基于混合的复杂信号而进行的股票交易，而不是简单的配对交易。
· 文艺复兴科技公司在数千个同步交易中有着微弱的优势，积累起来就是一个足够可观且稳定的、可以创造巨大财富的优势。而获得这些稳定收益的关键是，影响股票和其他投资品种走势的因素，要比任何一个经验最丰富的投资者可以理解的都复杂得多。
第15章
量化投资的未来
人类容易变得恐惧、贪婪，所有这些情绪都会加剧金融市场的动荡。如果机器挤走受偏见和情感支配的个人，那么它便可以使市场更加稳定。
“永远不要派一个人类去做机器的工作。”
——特工史密斯(72)
股票市场的崩溃，让西蒙斯开始担忧。
这时候是2018年的12月，西蒙斯和他的妻子玛丽莲正住在洛杉矶的比弗利山庄酒店，借着圣诞假期拜访洛杉矶地区的家人。西蒙斯穿着休闲裤和马球衫，试图在这家以大泳池以及色彩缤纷的装修风格著称的酒店休息，但他还是控制不住要看盘。人们对于经济增长的担忧导致市场大跌。这一个月，标准普尔500指数几乎跌去了10%，是1931年以来最糟糕的12月走势。
西蒙斯当时身价230亿美元，但每一次下跌都会让他感到好像肚子被揍了一下儿一样。部分原因是，西蒙斯已经答应慈善基金会捐出巨额的财富，包括他自己的雇用了超过上百名员工的基金会以及其他组织。但这并非他如此灰心的主要原因，他知道无论股市表现如何，都不会对他带来太大的影响。他只是痛恨亏钱，对于这种痛苦什么时候能停下来感到越发焦虑。
西蒙斯给阿什文·查布拉（Ashvin Chhabra）(73)打了一个电话，后者是西蒙斯雇来负责管理家庭私人投资公司Euclidean Capital的。西蒙斯向查布拉表达了对于市场前景的担忧：“看上去我们应该做空一些股票作为保护，以应对市场变得更加糟糕的情况。”西蒙斯询问查布拉有什么意见。“我们是不是要卖空一些？”西蒙斯问。查布拉有些犹豫，建议等市场平稳下来后再行动，西蒙斯也表示同意。一天后市场稳定了，暴跌结束。
西蒙斯花费超过30年的时间引导了一种全新的投资方式。他触发了金融市场的革命，将量化方式带入交易中。今天，几乎所有人都希望用文艺复兴科技公司的方式进行投资：消化数据，构建预测不同投资品种走势的数学模型，执行自动交易系统。而现有的金融巨头也向量化交易缴械投降，连摩根大通这样的巨型银行，也对数百名银行家和员工进行强制的代码培训。西蒙斯的成功推动了量化投资领域的发展。“西蒙斯和文艺复兴科技公司的业绩显示，这一切都是可能的。”运营着自己的对冲基金的理论物理学博士达瑞欧·维拉尼（Dario Vallani）说。
西蒙斯的量化投资目标是，避免人在投资中的情绪和本能反应对投资的干扰。但情绪波动恰恰是西蒙斯在市场连续几周表现不佳后有的表现。这种模式可以应用于多个领域，比如奥克兰运动家棒球队的总经理比利·比恩（Billy Beane）会通过数据统计方式来挑选有潜力成为明星的球员。
西蒙斯打给查布拉的这通电话再次证明，要完全将决策交给计算机、算法、模型是多么困难，甚至对于执行这种方式的投资者亦是如此。他和查布拉的对话也显示，人们长期以来对于股票和债券的选择，一直基于个人的经验以及传统的研究。
但是到了2019年，投资者对于传统投资方式的信心在减弱。连续几年糟糕的基金表现，导致投资者从主动管理基金或者那些以战胜基准利率为目标的职业经理人处撤离。在那时，这些传统的主动管理基金还控制着共同基金领域50%的资金规模，比起10年前75%的比率大幅下降。共同基金领域的另一半资金投资于指数基金或者被动型产品，这些产品的目标是取得市场回报，认为战胜市场是巨大的挑战。1
越来越多的人发现，过去曾经靠谱的投资策略，比如盘问公司管理层、拆分资产负债表、使用直觉对重大宏观经济变化进行下注，都变得无足轻重。甚至有时候这些方法会把华尔街最耀眼的明星的声誉搞垮。比如在2007年通过做空次贷危机发家的约翰·鲍尔森，在2019年经历了巨大的亏损和客户叛逃。2大卫·艾因霍恩，被称为“大卫王”的对冲基金领域扑克选手，在2008年通过预测雷曼兄弟公司倒闭赚了大钱，也在2019年因为糟糕的业绩而经历客户撤资离开的危机。在加州的纽波特海滩，只要员工多看他两眼就会暴怒的太平洋投资管理公司大佬比尔·格罗斯，业绩也大幅下滑。4连巴菲特的收益率也在下滑。截至2019年5月，他的伯克希尔·哈撒韦公司，在过去5年、10年和15年的收益率都跑输标准普尔500指数。
导致这个现象出现的部分原因是，传统的主动管理基金经理不再对其竞争对手具有信息优势。曾经这些对冲基金经理、共同基金经理能够优先享受到大量的公司年报和财务数据，从中挖掘金矿。今天，公司财务方面的任何数据都可以随时通过电脑获得，让投资者从数据中找到尚未被竞争对手发现的信息变得不太可能。另外，由于政府对内幕交易的打压，以及一系列监管政策的出台，投资战场变得更加公平，削减了基本面投资者曾经具有的优势。大型对冲基金不再能在第一时间就从其经纪商那里接到透露某公司即将发布新公告的电话。
这时，反应速度最快的机构通常拥有某种优势。2018年8月下旬，一家生产治疗癌症的药物的小公司杰龙生物医药（Geron Corporation）在其合作伙伴强生制药公布了一个职位后股价暴涨25%。从这个职位公告中可以看出，两家合作的新药可能马上将获批上市。只有那些具有对工作信息自动检索技术或者具有第一手信息的公司能够获得这个消息。5
量化投资者成为金融领域的主要玩家，在2019年早些时候，他们的交易量占到了市场的三分之一，比2013年翻了一番多。6
资本市场的主宰者出现了变化。2018年，西蒙斯赚到了大约15亿美元，他的竞争对手量化对冲基金巨头Two Sigma的两位创始人各赚了7亿美元。基于系统和规则进行投资的桥水基金创始人达利欧入账10亿美元。千禧年资产管理公司创始人、曾经和西蒙斯产生过节的，伊斯雷尔·英格兰德进账5亿美元。7
2019年早些时候，总部在芝加哥的量化交易基金城堡创始人肯·格里芬，用2.38亿美元在纽约购买了一套顶层豪宅，这是当时美国境内最昂贵的房子；他又在芝加哥花了接近6 000万美元购买了一套多层公寓楼，并且用同样的价格在迈阿密买下了一套顶层豪宅，这还没有提及他用5亿美元买下杰克逊·波洛克（Jackson Pollock）和威廉·德·库宁（Willem De Kooning）的两幅画。
我们有理由相信，随着数据的大爆发，像文艺复兴科技公司这类基于计算机交易的机构的竞争优势会越来越大。IBM判断，全球数据量的90%都是在过去两年被创造出来的，2020年的数据量级将达到44万亿G，相比2005年增长了300倍。8
今天，几乎所有类型的信息都被电子化。作为大型数据库的一部分，这些数据是以前的投资者做梦都得不到的。现在投资者的竞争聚焦于另类数据，包括任何我们能够想象的信息，从实时感应信息到全球的卫星图片。高明的投资者对赚钱的相关性和各种结构化数据进行测试，包括管理层电话会的口气、零售店停车场的车流、汽车保险申请记录以及意见领袖的建议等。
比起等待农产品生产数据，量化投资者更愿意通过农机销售情况或者耕地的卫星图片进行预测。集装箱码头的账单数据能对全球贸易状况给予指引。量化交易员甚至能通过手机监控，看到商店中不同货架的销售数据。你如果希望知道一个新商品的受欢迎程度，那么可以试着提炼亚马逊上评论的信息。算法还能对食品监控委员会中成员的背景信息进行分析，从而预测新药获批的概率。
为了让这一切变得可能，对冲基金开始雇用一批新员工，他们被称为数据分析师或者数据猎人。这些人专注于从新的数据源挖掘信息，如同桑铎·斯特劳斯在20世纪80年代中期为文艺复兴科技公司所做的一样。所有这些信息都被用来辅助投资者更好地理解目前的经济状况和经济轨迹，以及不同类型企业的前景。更具有冒险精神的投资者甚至可以用这些信息为下一个可能的危机做准备。
电脑的数据处理能力和存储能力的快速增长，让量化交易员得以更加细化地筛选数据。根据奇点枢纽（Singularity Hub）的研究，到2025年，1 000美元购买的电脑能达到人脑的处理能力。现在，量化对冲基金巨头Two Sigma已经构建了一个超过100万亿次算力的电脑系统，意味着每年计算数据的量级达到100万亿次，相当于美国大学图书馆存储数据总量的5倍。9
所有算力的提升都让量化投资者能够比过去找到更多预测市场的信号。“与其通过想象力寻找不一定靠谱的策略，”一个文艺复兴科技公司的电脑专家说，“不如放入一组公式让机器自己学习，测试几百万种不同的可能。”
在文艺复兴科技公司掌握了机器学习技术后，其他量化投资者也开始拥抱这种做法。文艺复兴科技公司预计，从商业到生活的大量决策模式将发生改变。越来越多的公司和个人将通过模型来持续学习他们的成功和失败。如同投资者马修·格拉内德（Matthew Granade）所说：“亚马逊、腾讯、奈飞等新兴企业正在变成主流，获得的数据越多，它们就会变得越聪明。”
小说家加里·施特恩加特（Gary Shteyngart）用一句俏皮话总结了金融公司未来的道路和社会发展的方向：“当孩子们的教育被算法代替时，就是末日来临的时刻，什么都不会留下。”
量化投资者的挑战
即使人们对构建量化投资的热情如此高涨，量化投资也具有明显的局限性。在大量数据中，处理信息和发现有效信号不那么容易。许多量化投资者认为，让机器选择股票比选择一首歌、识别面孔，甚至开车都要难。
一些大型机构，包括总部位于伦敦的期货管理基金公司Man AHL，主要通过机器学习算法来判断如何以及何时交易，让机器来自主交易。
尽管量化投资极具竞争优势，但除了文艺复兴科技公司和其他少数几家以外，量化投资基金的投资收益率并没有比传统主动管理投资基金好多少。截止到2019年春天，量化对冲基金在5年间的平均年化收益率为4.2%，同期传统对冲基金的平均年化收益为3.3%（这个数据不包括没有公开业绩的神秘基金，比如大奖章基金）。量化投资者也面临挑战，毕竟他们筛选的信息经常会发生变化，同时股票价格和其他投资品种的历史样本数据也是相对有限的。“比如，你希望预测一只股票未来一年的表现，”资深量化投资者理查德·杜威（Richard Dewey）说，“但我们只有美国股市自1900年以来的数据记录，也就是只有118个不重合的一年期投资样本数据可以查看。”10
而且，通过系统来交易某些类别的资产也很困难，比如问题债务，它是基于法官的判决和债权人的谈判结果来定价的。基于这些原因，传统投资模式依然会在某些领域应用广泛，特别是对于长期投资，算法和程序交易投资者一般会敬而远之。
计算机交易的风险被夸大了
文艺复兴科技公司和其他基于计算机编程交易的公司的崛起引起了人们对其市场影响以及可能突然出现的抛售的担忧，这种抛售可能是由计算机自主引发的。2010年5月6日，道琼斯指数暴跌了1000点，这在日后被称作“闪电崩盘”。在短暂又令人痛苦的几分钟内，数百只股票瞬间跌去了几乎所有价值。投资者将矛头指向了基于计算机编程交易的公司，并表示崩盘凸显了程序化的交易可能造成的不稳定性，但市场迅速反弹。检察官随后指控一名交易员在伦敦西区的家中人为操纵股票市场指数期货合约，指责他的行为是市场下跌的罪魁祸首。11
在某些人看来，这些难以解释的突发性下跌现象的存在，表明机器的崛起令人们进入风险与波动并存的新时代。对于许多人来说，计算机自动交易是一个令人恐惧的概念，如同自动驾驶飞机和自动驾驶汽车一样，尽管有证据表明这些机器会提高人们的安全系数，人们依然会对其感到恐惧。我们有理由相信，计算机交易员可以扩大或加快现有趋势。
作家兼风险管理人理查德·布克斯塔伯（Richard Bookstaber）认为，由于量化模型的使用是系统性的，今天量化投资给市场带来的风险和影响远比过去的要大。12随着越来越多的人接受量化交易，金融市场正在发生质变。一些此前尚未出现的新类型错误可能发生，难以预测。到目前为止，市场一直是由人类行为驱动的，也反映了交易员和投资者们的主导作用。如果机器学习和其他计算机模型成为市场上最具影响力的因素，那么市场可能变得更加难以预测且不稳定，毕竟人类的本性大致不变，而计算机化交易的性质却可以快速变化。
之后，西蒙斯对一群麻省理工学院的学生说：“那时文艺复兴科技公司的氛围出现了问题，并且越来越糟糕。”
“让默瑟从联席CEO一职退下来绝不是一个容易的决定。”西蒙斯之后跟一个朋友说。
2017年11月2日，默瑟给文艺复兴科技公司的投资者写了一封信，表示他将从文艺复兴科技公司联席CEO的职位退下来，但依然保留公司研发人员的职位。
征服市场的策略
· 大奖章基金仍然持有数千个多空头的投资头寸，持有期限从一两天到一两周不等。基金做了一些更短期的交易，被某些人描述为高频交易，但是大多数时候是为了对冲或逐步建仓。文艺复兴科技公司仍然注重梳理并收集数据，但是细化了风险管理及其他交易技术。
· 大奖章基金仍然保持着在债券、大宗商品和外汇上的交易，通过判断趋势和回归预测信号赚钱，包括特别有效的一种被命名为“似曾相识”（Déjà Vu）的信号。但是，相比之前更甚的是，现在的投资策略是基于混合的复杂信号而进行的股票交易，而不是简单的配对交易。
· 文艺复兴科技公司在数千个同步交易中有着微弱的优势，积累起来就是一个足够可观且稳定的、可以创造巨大财富的优势。而获得这些稳定收益的关键是，影响股票和其他投资品种走势的因素，要比任何一个经验最丰富的投资者可以理解的都复杂得多。
第15章
量化投资的未来
人类容易变得恐惧、贪婪，所有这些情绪都会加剧金融市场的动荡。如果机器挤走受偏见和情感支配的个人，那么它便可以使市场更加稳定。
“永远不要派一个人类去做机器的工作。”
——特工史密斯(72)
股票市场的崩溃，让西蒙斯开始担忧。
这时候是2018年的12月，西蒙斯和他的妻子玛丽莲正住在洛杉矶的比弗利山庄酒店，借着圣诞假期拜访洛杉矶地区的家人。西蒙斯穿着休闲裤和马球衫，试图在这家以大泳池以及色彩缤纷的装修风格著称的酒店休息，但他还是控制不住要看盘。人们对于经济增长的担忧导致市场大跌。这一个月，标准普尔500指数几乎跌去了10%，是1931年以来最糟糕的12月走势。
西蒙斯当时身价230亿美元，但每一次下跌都会让他感到好像肚子被揍了一下儿一样。部分原因是，西蒙斯已经答应慈善基金会捐出巨额的财富，包括他自己的雇用了超过上百名员工的基金会以及其他组织。但这并非他如此灰心的主要原因，他知道无论股市表现如何，都不会对他带来太大的影响。他只是痛恨亏钱，对于这种痛苦什么时候能停下来感到越发焦虑。
西蒙斯给阿什文·查布拉（Ashvin Chhabra）(73)打了一个电话，后者是西蒙斯雇来负责管理家庭私人投资公司Euclidean Capital的。西蒙斯向查布拉表达了对于市场前景的担忧：“看上去我们应该做空一些股票作为保护，以应对市场变得更加糟糕的情况。”西蒙斯询问查布拉有什么意见。“我们是不是要卖空一些？”西蒙斯问。查布拉有些犹豫，建议等市场平稳下来后再行动，西蒙斯也表示同意。一天后市场稳定了，暴跌结束。
西蒙斯花费超过30年的时间引导了一种全新的投资方式。他触发了金融市场的革命，将量化方式带入交易中。今天，几乎所有人都希望用文艺复兴科技公司的方式进行投资：消化数据，构建预测不同投资品种走势的数学模型，执行自动交易系统。而现有的金融巨头也向量化交易缴械投降，连摩根大通这样的巨型银行，也对数百名银行家和员工进行强制的代码培训。西蒙斯的成功推动了量化投资领域的发展。“西蒙斯和文艺复兴科技公司的业绩显示，这一切都是可能的。”运营着自己的对冲基金的理论物理学博士达瑞欧·维拉尼（Dario Vallani）说。
西蒙斯的量化投资目标是，避免人在投资中的情绪和本能反应对投资的干扰。但情绪波动恰恰是西蒙斯在市场连续几周表现不佳后有的表现。这种模式可以应用于多个领域，比如奥克兰运动家棒球队的总经理比利·比恩（Billy Beane）会通过数据统计方式来挑选有潜力成为明星的球员。
西蒙斯打给查布拉的这通电话再次证明，要完全将决策交给计算机、算法、模型是多么困难，甚至对于执行这种方式的投资者亦是如此。他和查布拉的对话也显示，人们长期以来对于股票和债券的选择，一直基于个人的经验以及传统的研究。
但是到了2019年，投资者对于传统投资方式的信心在减弱。连续几年糟糕的基金表现，导致投资者从主动管理基金或者那些以战胜基准利率为目标的职业经理人处撤离。在那时，这些传统的主动管理基金还控制着共同基金领域50%的资金规模，比起10年前75%的比率大幅下降。共同基金领域的另一半资金投资于指数基金或者被动型产品，这些产品的目标是取得市场回报，认为战胜市场是巨大的挑战。1
越来越多的人发现，过去曾经靠谱的投资策略，比如盘问公司管理层、拆分资产负债表、使用直觉对重大宏观经济变化进行下注，都变得无足轻重。甚至有时候这些方法会把华尔街最耀眼的明星的声誉搞垮。比如在2007年通过做空次贷危机发家的约翰·鲍尔森，在2019年经历了巨大的亏损和客户叛逃。2大卫·艾因霍恩，被称为“大卫王”的对冲基金领域扑克选手，在2008年通过预测雷曼兄弟公司倒闭赚了大钱，也在2019年因为糟糕的业绩而经历客户撤资离开的危机。在加州的纽波特海滩，只要员工多看他两眼就会暴怒的太平洋投资管理公司大佬比尔·格罗斯，业绩也大幅下滑。4连巴菲特的收益率也在下滑。截至2019年5月，他的伯克希尔·哈撒韦公司，在过去5年、10年和15年的收益率都跑输标准普尔500指数。
导致这个现象出现的部分原因是，传统的主动管理基金经理不再对其竞争对手具有信息优势。曾经这些对冲基金经理、共同基金经理能够优先享受到大量的公司年报和财务数据，从中挖掘金矿。今天，公司财务方面的任何数据都可以随时通过电脑获得，让投资者从数据中找到尚未被竞争对手发现的信息变得不太可能。另外，由于政府对内幕交易的打压，以及一系列监管政策的出台，投资战场变得更加公平，削减了基本面投资者曾经具有的优势。大型对冲基金不再能在第一时间就从其经纪商那里接到透露某公司即将发布新公告的电话。
这时，反应速度最快的机构通常拥有某种优势。2018年8月下旬，一家生产治疗癌症的药物的小公司杰龙生物医药（Geron Corporation）在其合作伙伴强生制药公布了一个职位后股价暴涨25%。从这个职位公告中可以看出，两家合作的新药可能马上将获批上市。只有那些具有对工作信息自动检索技术或者具有第一手信息的公司能够获得这个消息。5
量化投资者成为金融领域的主要玩家，在2019年早些时候，他们的交易量占到了市场的三分之一，比2013年翻了一番多。6
资本市场的主宰者出现了变化。2018年，西蒙斯赚到了大约15亿美元，他的竞争对手量化对冲基金巨头Two Sigma的两位创始人各赚了7亿美元。基于系统和规则进行投资的桥水基金创始人达利欧入账10亿美元。千禧年资产管理公司创始人、曾经和西蒙斯产生过节的，伊斯雷尔·英格兰德进账5亿美元。7
2019年早些时候，总部在芝加哥的量化交易基金城堡创始人肯·格里芬，用2.38亿美元在纽约购买了一套顶层豪宅，这是当时美国境内最昂贵的房子；他又在芝加哥花了接近6 000万美元购买了一套多层公寓楼，并且用同样的价格在迈阿密买下了一套顶层豪宅，这还没有提及他用5亿美元买下杰克逊·波洛克（Jackson Pollock）和威廉·德·库宁（Willem De Kooning）的两幅画。
我们有理由相信，随着数据的大爆发，像文艺复兴科技公司这类基于计算机交易的机构的竞争优势会越来越大。IBM判断，全球数据量的90%都是在过去两年被创造出来的，2020年的数据量级将达到44万亿G，相比2005年增长了300倍。8
今天，几乎所有类型的信息都被电子化。作为大型数据库的一部分，这些数据是以前的投资者做梦都得不到的。现在投资者的竞争聚焦于另类数据，包括任何我们能够想象的信息，从实时感应信息到全球的卫星图片。高明的投资者对赚钱的相关性和各种结构化数据进行测试，包括管理层电话会的口气、零售店停车场的车流、汽车保险申请记录以及意见领袖的建议等。
比起等待农产品生产数据，量化投资者更愿意通过农机销售情况或者耕地的卫星图片进行预测。集装箱码头的账单数据能对全球贸易状况给予指引。量化交易员甚至能通过手机监控，看到商店中不同货架的销售数据。你如果希望知道一个新商品的受欢迎程度，那么可以试着提炼亚马逊上评论的信息。算法还能对食品监控委员会中成员的背景信息进行分析，从而预测新药获批的概率。
为了让这一切变得可能，对冲基金开始雇用一批新员工，他们被称为数据分析师或者数据猎人。这些人专注于从新的数据源挖掘信息，如同桑铎·斯特劳斯在20世纪80年代中期为文艺复兴科技公司所做的一样。所有这些信息都被用来辅助投资者更好地理解目前的经济状况和经济轨迹，以及不同类型企业的前景。更具有冒险精神的投资者甚至可以用这些信息为下一个可能的危机做准备。
电脑的数据处理能力和存储能力的快速增长，让量化交易员得以更加细化地筛选数据。根据奇点枢纽（Singularity Hub）的研究，到2025年，1 000美元购买的电脑能达到人脑的处理能力。现在，量化对冲基金巨头Two Sigma已经构建了一个超过100万亿次算力的电脑系统，意味着每年计算数据的量级达到100万亿次，相当于美国大学图书馆存储数据总量的5倍。9
所有算力的提升都让量化投资者能够比过去找到更多预测市场的信号。“与其通过想象力寻找不一定靠谱的策略，”一个文艺复兴科技公司的电脑专家说，“不如放入一组公式让机器自己学习，测试几百万种不同的可能。”
在文艺复兴科技公司掌握了机器学习技术后，其他量化投资者也开始拥抱这种做法。文艺复兴科技公司预计，从商业到生活的大量决策模式将发生改变。越来越多的公司和个人将通过模型来持续学习他们的成功和失败。如同投资者马修·格拉内德（Matthew Granade）所说：“亚马逊、腾讯、奈飞等新兴企业正在变成主流，获得的数据越多，它们就会变得越聪明。”
小说家加里·施特恩加特（Gary Shteyngart）用一句俏皮话总结了金融公司未来的道路和社会发展的方向：“当孩子们的教育被算法代替时，就是末日来临的时刻，什么都不会留下。”
量化投资者的挑战
即使人们对构建量化投资的热情如此高涨，量化投资也具有明显的局限性。在大量数据中，处理信息和发现有效信号不那么容易。许多量化投资者认为，让机器选择股票比选择一首歌、识别面孔，甚至开车都要难。
一些大型机构，包括总部位于伦敦的期货管理基金公司Man AHL，主要通过机器学习算法来判断如何以及何时交易，让机器来自主交易。
尽管量化投资极具竞争优势，但除了文艺复兴科技公司和其他少数几家以外，量化投资基金的投资收益率并没有比传统主动管理投资基金好多少。截止到2019年春天，量化对冲基金在5年间的平均年化收益率为4.2%，同期传统对冲基金的平均年化收益为3.3%（这个数据不包括没有公开业绩的神秘基金，比如大奖章基金）。量化投资者也面临挑战，毕竟他们筛选的信息经常会发生变化，同时股票价格和其他投资品种的历史样本数据也是相对有限的。“比如，你希望预测一只股票未来一年的表现，”资深量化投资者理查德·杜威（Richard Dewey）说，“但我们只有美国股市自1900年以来的数据记录，也就是只有118个不重合的一年期投资样本数据可以查看。”10
而且，通过系统来交易某些类别的资产也很困难，比如问题债务，它是基于法官的判决和债权人的谈判结果来定价的。基于这些原因，传统投资模式依然会在某些领域应用广泛，特别是对于长期投资，算法和程序交易投资者一般会敬而远之。
计算机交易的风险被夸大了
文艺复兴科技公司和其他基于计算机编程交易的公司的崛起引起了人们对其市场影响以及可能突然出现的抛售的担忧，这种抛售可能是由计算机自主引发的。2010年5月6日，道琼斯指数暴跌了1000点，这在日后被称作“闪电崩盘”。在短暂又令人痛苦的几分钟内，数百只股票瞬间跌去了几乎所有价值。投资者将矛头指向了基于计算机编程交易的公司，并表示崩盘凸显了程序化的交易可能造成的不稳定性，但市场迅速反弹。检察官随后指控一名交易员在伦敦西区的家中人为操纵股票市场指数期货合约，指责他的行为是市场下跌的罪魁祸首。11
在某些人看来，这些难以解释的突发性下跌现象的存在，表明机器的崛起令人们进入风险与波动并存的新时代。对于许多人来说，计算机自动交易是一个令人恐惧的概念，如同自动驾驶飞机和自动驾驶汽车一样，尽管有证据表明这些机器会提高人们的安全系数，人们依然会对其感到恐惧。我们有理由相信，计算机交易员可以扩大或加快现有趋势。
作家兼风险管理人理查德·布克斯塔伯（Richard Bookstaber）认为，由于量化模型的使用是系统性的，今天量化投资给市场带来的风险和影响远比过去的要大。12随着越来越多的人接受量化交易，金融市场正在发生质变。一些此前尚未出现的新类型错误可能发生，难以预测。到目前为止，市场一直是由人类行为驱动的，也反映了交易员和投资者们的主导作用。如果机器学习和其他计算机模型成为市场上最具影响力的因素，那么市场可能变得更加难以预测且不稳定，毕竟人类的本性大致不变，而计算机化交易的性质却可以快速变化。