首先，我認為我們將看到量化方法（即基於先進的資料科學和技術的方法）在金融市場中發揮越來越大的作用。大家都看到了如何將這些方法有效地應用於股票投資。下一步可能將這種方法擴充套件到資料豐富的領域，如PE和VC。

一些公司已經在探索如何以量化的方式分析交易。另一些公司正在應用複雜的資料科學方法，以提高其投資組合的盈利能力。做出這一轉變需要投資者以一種不同常人的視角來對待他們的工作。但我們認為，市場機遇比這種努力更有價值。

其次，隨著越來越多的金融機構採用機器學習等AI技術，很明顯，人才和有效的團隊合作將是這些手段實現的基礎。

同樣重要的是經驗豐富、聰明、有創造力的研究員，他們可以從眾多的機器學習技術中選擇並開發出能夠產生真正價值的方法。但自相矛盾的是，在可預見的未來，機器學習的進步可能更多地依賴於我們自己，那些對金融感興趣、在計算科學、統計和建模方面有高超技能的人們。

我認為未來量化交易的利潤會被壓到一個較低、且合理的水平，但並不表示走到盡頭。

先來明確一下定義：量化交易是指透過計算機處理、分析歷史資料，然後運用自己建立的數學模型，得出投資決策的做法。

最典型的量化交易公司，就是西蒙斯創立的文藝復興。

所以，量化交易的本質，就是在紛繁蕪雜的市場波動中，尋找市場的“錯誤”，並進場糾正。

打個比方，正常情況下，中美利差在0.5-1%，前段時間由於美債收益率暴跌，中美利差突破1%，最高到了2%。這在歷史上是極低的發生機率，用專業術語講屬於幾個標準差之外的事件了。

於是，量化交易就可能進場，做多中債、做空美債，把中美利差縮小到合理區間。這整個的資料獲取、邏輯驗證、下單交易的過程都是由計算機完成的。

就從這個例子可以看出來，如果只有一個人做量化交易，這種機會就可以獨吞。但是，如果有很多人做量化，市場當中這種“撿錢”的機會越來越少，量化交易的收益就會被壓縮。

那麼，壓縮到什麼程度呢？

當然不會很低。因為，量化交易的門檻比較高，只有當它的回報比較豐厚時，才會吸引大量的外部資金湧入。一旦它的回報降到一個較為合理的水平，就會進入一個相對成熟的發展階段。

以美國現在為例，量化交易的收益水平大概在20%-30%左右，這在美國過去幾年的市場環境中，屬於一個比較合理的收益水平。

如果放到中國當下的經濟環境來說，量化交易的前途仍然很寬廣。