隨著國內許多機構的量化行業的興起，也出現了一批量化算法做的比較好的算法交易廠商，例如躍然，卡方，非凸等。量化行業在國外參與市場占比已經達到了驚人的75%，但是在國內二級市場的整體參與度不是很高。因此，在國內的二級市場中，量化交易依舊有著極大地市場前景，相比于純粹的人工盯盤和下單，量化交易有個相對于穩定的收益率和低回撤，較為穩定的為客戶持續收益。

圖來自文章脈脈：《中國量化科技白皮書2023.連載（五）》
![在這里插入圖片描述](https://img-blog.csdnimg.cn/direct/c708a507debe41fb851ec303ba94eb26.png

雖然國內的二級市場有極大的前景讓量化交易在人工智能，AI算法的加持下發揮極大地特性和長處，但也依舊受到很多場景和發展的限制。

因此，量化交易的發展面臨著巨大的難題：

1、監管機構對于算法交易、量化交易的監管越來越嚴格

隨著越來越多的量化交易策略參與市場的交易，對于市場也引入了很多問題，因此監管機構對于量化交易的監管和控制也愈加的嚴格，這就以為這限制量化交易發展的規則頁越來越多，審核也愈加的嚴格。

## 2、量化交易的賽道競爭越來越激烈 隨著量化交易在國內市場的參與度越來越高，越來越多的金融科技公司也參與到了量化交易算法的開發和使用之中，這也意味著這個行業的競爭越加的激烈，性能越來越高的硬件設備，越來越愛快的網絡，越來越復雜的數據庫，越來越快的接入市場行情,各式各樣的變化都加快了量化交易的發展，行業的入門門檻也是越來越高。

3、回測場景于實盤交易場景的不匹配性

市場上絕大多數的策略在參與實盤交易之前都會進行多次的策略回測，目的是通過歷史行情的回放加上交易策略釋放拆單信號從而模擬實盤實盤對策略的收益性等一些里的的指標進行計算和預演，但是整體從市場的角度而言，回放的行情和歷史回測數據不能完全的模擬實盤的交易數據，很多在回測場景下運行良好，收益指標良好的策略，在投入實際的實盤交易后卻損失嚴重。將策略回測數據和實盤交易的數據指標差異項降到最低也是量化交易要需要突破的一個點。

多數的時候，策略回測可以證明設計的策略在過去的交易中的表現，這是量化交易世界中很重要的一項，但是對過去的回測并不代表這未來，很多交易者和策略回測者都沒有意識到這一點。

4、策略并非100%有效，并非100%的收益

量化交易不像普通投資者的交易，它不關注一直標的的持倉時間，一般只做短而快的短線交易，例如常見的T0日內回轉交易策略，因此很多時候量化交易是通過多次高頻的短線交易實現盈利。

5、股票、基本面、市場新聞之間的關系時刻在變化并且難以捉摸

在人工智能，數據挖掘機器學習等技術的支持下，AI賦能量化交易的場景也越來越常見，對于行情的挖掘分析，也越來越精確，但是除了這些算法能夠檢測分析的有效數據，還有很多無形的因素也在影響著交易，例如企業的信息披露，企業的新聞等。

6、很難使用一套通用的交易規則去匹配所有的股票/市場/交易類別

交易所和監管機構對量化交易通常采取以下監管措施：

監控交易行為： 交易所和監管機構通過監控交易數據和行為來檢測異常交易活動，包括但不限于操縱市場、內幕交易等。他們可能會利用算法和模型來分析交易數據，以識別潛在的違規行為。

限制交易策略： 有些交易所或監管機構可能會對某些高風險或潛在有害的量化交易策略采取限制措施，例如禁止使用特定類型的交易算法或限制高頻交易頻率等。

披露要求： 交易所和監管機構通常要求量化交易公司披露其交易策略、風險管理措施、交易數據等信息，以增加市場透明度并監督其行為。

監管技術建設： 為了更好地監管量化交易，監管機構可能會投入資源開發監管技術，例如交易監控系統、數據分析工具等，以提高監管效率和準確性。

制定規則和標準： 監管機構可能會制定適用于量化交易的監管規則和標準，以規范市場行為、保護投資者權益，并確保市場的公平和穩定。

這些監管措施旨在維護市場秩序、防范風險、保護投資者利益，同時促進量化交易行業的健康發展。