比如主觀交易會看k線交易，也會用到量化交易，但不同的是，量化交易可以在歷史數據上回測各種交易規則，找到好的表現，然後用來交易。可能會有過度擬合的風險，但是有壹些方法可以克服。
如果交易規則太多，量化交易會嘗試組合，比如集中成因子，然後用線性模型和非線性模型組合，然後交易。
如果創建因子太難，量化交易可以借助遺傳規模、決策樹、神經網絡自動生成大量因子，省去了人工生成因子的工作量，效率更高。
在克服過擬合的便利性方面，傳統的機器學習和統計學也提供了很多方法，比如交叉驗證、正則化、稀疏化、慢學習、滾動優化等等，壹般都能很好的克服。
我不看好量化交易的前景。
量化交易雖然是壹種沒有人類情緒的交易模式，但是面對的是壹個有情緒波動的巨大市場。這樣的市場最大的特點就是不確定性，任何模型都是基於完整的歷史交易數據。但是市場瞬息萬變，隨時會出現不確定的情況，比如光大？壹陽指？事件，如果模型不能正常判斷，那麽交易的結果就不好說了，可能會帶來很多連鎖反應。
其次，歷史雖然會重演，但絕不會是簡單的機械重復。有時候結果會壹樣，但是時間段肯定不壹樣。壹個大時間段有無數個小時間段，每個時間段都會有無數個變化。不知道交易模型能否覆蓋這些變化，做出準確的判斷。
最後，我覺得任何交易模式都會有bug，需要隨時更新。而且，面對同樣的交易模式，這樣的量化交易會有風險嗎？量化交易是否會因為網絡問題造成反映滯後的問題。這些問題不解決，量化交易的結果就不好說了。
量化交易雖然有很多好處，但是否真的能跑贏大盤，保證勝率，還很難說。