量化模型是重要的因素，影响了不同量化交易机构业绩的差异。在采访中发现，一位从事量化交易十多年的基金经理表示，阿尔法选股模型的搭建是不同机构主要的差异之一。选股模型通常建立在几百个底层因子的基础上，关键是如何通过系统化、科学的加权方式赋予这些因子权重，以在各种市场环境中表现良好。量化交易模型需要不断优化，而模型的关键因子和权重是量化盈利的商业秘密，很多绩优的量化私募机构通常对模型设置保持保密。量化交易模型包括选股模型、风险模型、交易模型，常见的模型因子有分析师一致预期因子、市值因子、事件因子、基本面因子等，涵盖了选股、交易和回撤控制等投资操作。与个人主观投资相比，量化交易几乎囊括了所有方面，而且少受情绪干扰，因此在市场上得到广泛应用。除了模型设置外，市场环境和量化模型的匹配性也是导致不同量化基金业绩差异的重要原因。例如，在早年的市场中，反转因子模型比较有效，但在近几年的“动量”行情下，反转因子模型明显失效。因此，量化投资的未来发展趋势之一将是多策略体系。科技和人才是不同量化机构业绩差异的第二个关键因素。量化交易中的科技力量已经成为众多机构角逐的战场，许多私募基金和科技公司都有配对的存在。招聘各种技术人才也成为量化机构的重要任务，许多机构通过高薪招聘等方式来争夺人才。科技和人才的支撑对量化交易起到关键的作用，尤其是那些以秒为单位进行操作的机构，科技的支撑能否跟得上将极大影响投资效率。那些能够率先构建起自身优势的机构将会领跑行业。然而，构建这种优势需要大量的技术硬件和软件支持，成本较高，因此，并非所有量化交易机构都有能力承担，有些机构会借助外部技术力量。根据了解，目前量化系统主要有基金公司自研系统、券商嵌入系统和第三方科技公司系统等。一位科技公司负责人表示，该公司主要为投资客户提供人工智能交易服务，如价格预测和逆向策略生成。他认为，当前量化交易正在进入AI时代，过去的数据研究、因子挖掘和模型回测等工作都可以由AI+算力来替代，可以用更少的成本和时间实现更大的价值，也可以用于增强现有的量化策略。AI甚至可以实现自营账户全托管，或者开启量化交易的新纪元。