p11.
简而言之，机器能避免人性的弱点。它是可量化的、守纪律的。
当然，这是指人类在设定量化交易规则之前就考虑到自身的弱点。为了做到这一点，任何量化交易的策略（指导思想）必须是在本部门内公开的，经过所有利益相关方完全理解后通过评议的。
p15.
“输入是垃圾则输出也是垃圾”
量化交易因为是程序，所以不能应对市场中突发的事件，比如，文中美林合并的信息来临时，价格的波动，会让量化程序产生误判，这时有一个应对的策略是：直接删除那些可能会受到信息影响的金融产品而不是交易。相同的，我们在做量化交易软件时，已经默认了一系列的条件，而有些突发的事件可能会破坏这些条件，所以，我们可以在程序中预先设置一些阈值，一旦这些条件值被突破了，说明环境已经进入了系统无法理解的领域，最好的方法是停止交易，当然，这样肯定会失去很多机会，但是这是最安全的交易逻辑。我们可以变通一下，一旦条件不适合了，进入另一套预设的量化交易平台，或者引入人工干预，但千万不可设置一个无限条件下的量化交易系统。
p41.

p51

p53.
混合性的模型是否有利？我个人到不以为然，因为我们选择一个模型时，我们已经预设了一个理论，这个理论是否正确不论，但与其它的理论可能是相冲突的。比如，我是认为价格已经包含了一些信息的技术派，我选择的模型基于对过去价格的研究，而另一个模型则是基于对环境政策的研究，它的隐含前提就是，价格本身是随机，它如风中落叶，受各个环境变量的影响。不论对错，这两个理论本身就是互相冲突，不可调和的。
但是，这里的混合还有另外一重意思，就是，理论是一个，但是因子不同，比如线性模型，对每一个阿尔法因素赋于权重，然后用多元回归算法，混合各个阿尔法因素。
 
p57.

 
p59.

市场可能持续非理性，一直到你破产为止。——约翰·梅纳德·凯恩斯
风险管理并不只是规避风险或者减少损失，它是为了提高回报的质量和持续性，而对敞口（exposure）实施有目的选择和规模控制。

p60.
对于量化交易者来说，运用数据时，必须时时提醒自己防范统计学的陷阱。
p71.

p85.
交易成本，可以与风险结合起来考虑，比如，一个量化交易系统，我把我能承受的交易成本和可能的风险（赢利可能性）对应起来，所谓“能力有多大，责任的多大”的交易版。
p94.
哈理·马科维茨提出了均值方差优化模型（mean variance optimization）
p106.

p119

p135

 
p160

p184