正文
a. CAPM等金融定价模型可以很快给成百上千股票估算预期收益率，而传统办法更费时费力；当然，传统方法准确度一般而言比较高。
b. 现代金融理论更强调风险对收益率的影响。最优投资组合往往投资于大量股票以降低组合风险，而传统投资往往只集中于几个或几十个预期回报率最高的股票，组合波动率往往更高。我们可以举个简单例子看看风险对收益率的影响。假设有两个投资策略，策略A一天赚10%下一天赔5%，策略A一天赚6%下一天赔1%。这两个策略赔和赚的概率都是50%，而且每天平均收益率都是2.5%，但是B的波动率要小得多。投资200天之后策略A复合收益率为81.6，策略B的收益率为124.2，比A高50+%。
c. 跳过了复杂易错的现金流预测模型。传统投资模型试图用严密的数学理论给资产定价，却忽视了现金流折现模型中每个参数的估计都具有很大的随机性。参数估计一点小小的变化往往对最后的估值产生巨大的影响。两千年前的毕达哥拉斯曾经说过，上帝用数学法则创造了世界。现代科学的发展却越来越发现其实完全确定的事物只是世界的一小部分。也许更精确的说法是：上帝用概率法则创造了世界，尤其是对于与人类行为有关的事物。
当然，这并不是说现代金融理论就一定强于传统理论。传统投资因为对个股分析更为透彻因此投资命中率hit rate更高。基于CAPM等数学模型赚钱的方式不同。量化交易往往在短期内作出大量的交易。每一个交易的亏赢率虽然小于传统投资模型，但数千次交易之后，只要盈利交易多于亏损交易，总体交易结果就是盈利的。
2、计算机技术的发展
1976年，史蒂夫？乔布斯和斯蒂夫？沃兹尼亚克创办苹果计算机公司，并推出其Apple I计算机。1982年，微计算机开始普及，大量进入学校和家庭。在过去的半个世纪里，计算机基本按照英特尔（Intel）的创始人之一戈登？摩尔提出摩尔定律飞速发展：计算机硬件的处理速度和存储能力，每一到两年提升一倍。
计算机技术的发展极大地推动了社会各方各面的飞速进步。在政治筹款和竞选上，美国2008年的大选被称为是一场数据的较量。奥巴马的竞选团队使用了大数据对不同选民采取了不同的竞选和筹款宣传（microtargeting）；在商业上，商家利用顾客的电子消费记录预测客户的需求。以沃尔玛为例，它每小时要处理100多万笔电子交易记录，可谓每分每秒都在源源不断地生产数据。在体育方面，数据分析也越来越成为教练挑选和训练队员的有力工具。电影《Money ball》描述的就是一家小型棒球队如何通过数据分析挑选物美价廉的球员，最后获得史无前例的联盟连胜纪录的故事。量化交易不过是在这个大环境之下计算机技术对投资和交易的推动而已。
据说，有一个叫Theo Epstein的耶鲁毕业生，出身名门，祖父是电影《卡萨布兰卡》的剧作家。他对用统计模型研究棒球痴迷。Theo后来在2002年成为波士顿红袜队的教练，年仅28岁，创下美国职棒联盟历史。并在两年后带领球队夺下联盟冠军。波士顿在等待八十六年后再度夺冠。
3、交易费用的下降
全球范围内交易费用的下降已经持续了一段时间，在金融市场竞争的推动下，又开始出现继续下降的趋势，例如，日本2014年一月份再次调低了bid-ask spread。
