整本书介绍了量化交易的大体框架，主要是行业现状，对交易策略涉及不多，也不深，是本随便看看的入门书。
这本书的框架如下图：
其中阿尔法模型部分比较细致
其余是我摘录的一些观点：
1、这种对量化交易的批评是相当落后的，让人想起那些因挑战权威而受到迫害的科学家，比如伽利略和哥白尼。从生产汽车到驾驶飞机以及到股票市场交易，人类已经成功地将过去的很多手动过程自动化和系统化。当商业化成为主体，我们会看见自动化过程的效率和一致性优于手动操作带来的利益和价值。（除了交易，信息时代还有其他很多事情可以通过自动化完成，比如自动化测试等等）
2、一般数据挖掘技术被理解为利用大量数据获取所发生事件的信息，并不关心事件发生的原因。数据挖掘和理论驱动型科学最大的不同在于：为了相信自己能正确预测未来发生的事情，理论家对理解事情为什么发生会很感兴趣。（经济基础决定上层建筑，看待事物要看到本质，才能推演事情的发展，这点向温铁军学习）
3、投资的过程包括6个主要内容：
研究和发展策略；
对于交易策略，你如何提出新的想法？
对这些想法如何进行测试？
拟合这些模型的方法是什么，样本内测试和样本外测试的方法是什么？
策略是否有效的判断依据是什么？
数据搜寻、收集、清洗以及管理；
你使用的数据是什么？
你如何存储数据？为什么要采用这种存储方式？
你如何清洗数据？
投资选择和构造；
描述阿尔法背后的理论？
你使用哪种阿尔法策略（趋势、反转、情绪指标、价值收益、成长品质）
你做的是相对赌注还是方向型赌注？
如果是相对的，确切的相对值是多少？
你的阿尔法策略适用的投资期限有多长？投资领域有哪些？
你如何组合不同的阿尔法模型？
投资组合构建；
你如何确定头寸大小？
有限额么？为什么这样设置？
投资组合构建模型的输入参数有哪些？
你在投资组合构建模型中获得什么？（即你的目标函数是什么？）
执行；
你所用的交易成本模型是哪一种？为什么选这一种
你如何执行交易？人工还是自动化
关于订单算法，你用什么方法构建？明单还是暗单，主动还是被动
风险管理和监测；
你的风险模型考虑因素有哪些？为什么选这些
你不同的风险限额是多少？为什么这样设置
什么情况下你会干预自己的模型
如果策略在持续运行，你将检测哪些方面？
4、顶级量化交易员的回答：没什么秘诀，我们不断改进策略的每一个部分，数据、执行算法、投资组合构建算法等，任何部分都可以变得更好。
5、高频交易者要求有高速度的交易设施；投资时间范围低于一天；任何时候不能持有头寸过夜。
6、高速交易和高频交易有区别，高速交易也叫低延迟交易。