整體來說是靠譜的。對於量化而言，我們一再強調，這是一個在投資實踐過程中祛魅的手段。選擇了量化，投資人便訴諸了自身的理性，他將擺脫感性與玄學的束縛，他的投資行為便具有了可複製性——如果時間倒退，在同樣的時間點他會做出相同的選擇。這是知行合一的基礎。
從某種意義上講，隻要認為對各類投資標的進行分析的行為仍然有價值，那量化一定就有用。除非依賴內幕消息這種手段進行交易，無論是主觀選股、宏觀對衝亦或者是其他方法，都能找到數據與模型在其中活躍的影子，區別隻在於投資人將自身投資理念抽象並進行分析與研究的能力有高低之分而已。
對於交易而言，量化作為一種範式，可以說具有壓倒性的優勢。尤其對於體量較大的投資者搭慶而言，如果交易量足夠大，那會對市場造成更大的衝擊成本。這一成本會蠶食相當一部分的利潤。因此對於體量較大的投資人來說，基於量化研究出來的各類執行算法幾乎可以說是必須的。以金納科技的實證經驗來看，選擇使用量化交易算法，會顯著地降低交易帶來的衝擊成本。對於券商自營和公募來講，毫無疑問算得上是必須之物。
當然，有人會說，那就不用機器學習，用技術指標就好?？筛拿褪鞘聦嵣?，那些指標本質上也是一些基於原始特征挖掘出來的特征，幾乎全部都是基於量價時間序列在上世紀的美股市場挖掘出來的特征，也許這些特征在那個時候有一定市場意義，而現在是2020年的A股市場，我幾乎能肯定的是這些特征的成功率會隨時間增長收斂於1/2。數據信噪比低，數據涵蓋的信息少，導致A股量化對投資者的要求極高，核枝橋必須得要用他們的投資經驗去彌補交易數據有效信息不足的短板。這也是我建議手動交易經驗足夠的前提下，才去做量化的原因。
