从广义上讲，量化投资（Quantitative Investment）是一种以数据为基础、 以模型为核心、通常以程序化交易为工具的投资方法。

（1）以数据为基础：一般来讲数据点及结构化数据越多则越有利于建模。如果历史上没有发生过或仅发生过几次，很难找到合适的数据来训练，基于过往总结出的“规律”则在这个阶段不一定有效；

（2）以模型为核心：不管是早期以金融逻辑为基础的线性模型，还是后来更多采用的机器学习、深度学习模型，万变不离其宗——本质上都是以数据为基础建立模型；

（3）通常以程序化交易为工具：“程序化交易”是一个工具，不管是主观投资还是量化投资，不管机构投资者还是个人投资者，都可以根据自身情况去评估和使用该工具。事实上，不论是量化投资的先驱爱德华·索普，还是早期的西蒙斯，在量化投资的初始年代，计算机技术发展还不够充分，所以很多采用电话等人工下单方式。即便到现在，量化投资也未必完全采用程序化交易实现，对于一些流动性不好的品种——D. E. Shaw的部分期权交易还是通过打电话咨询和下单。

作为一种投资方法，量化投资和主观投资一样，本质上都属于价格发现，捕捉市场错误定价、更好降低信息不对称、防范价格扭曲。两者殊途同归，并非完全对立，在不同周期、不同层面上挖掘市场的有效价格，只是采用不同的实现方式而已——前者侧重公开的结构化数据，后者侧重基本面深度调研。两类投资方法都是成熟市场上重要的参与者，都是不可或缺的部分。

无论采用哪种投资方法，要想持续取得长期靠前的超额收益，都要求抓住市场的本质规律，背后考验的是对市场的深刻理解，只是量化投资更侧重把对市场的深刻理解和最前沿的科学技术做有效结合。一般来讲，量化投资以捕捉短周期的市场价格信息见长，擅长纠正短期的价格偏离。而随着周期拉长，主观投资基本面深度调研相对更为有优势。以股票多头为例，无论主观还是量化，对投资组合均采用主动管理：以获得市场收益的同时获取超越市场超额收益；均可采用夏普比率、收益回撤比、最大回撤修复时间等基金绩效评价标准化指标分析。