在量化投资开始逐渐普及到每一个投资者面前的时候，不禁就会有人产生疑问，是不是伴随着参与到量化投资中的人数逐日增长，量化投资所高度依赖的模型也会逐渐失去其原有的投资“魔力”，甚至开始在市场中失效。当然，不可否认这一现象存在的可能性，一个简单的例子就是曾经四年狂赚3000万美元的海龟交易系统在公之于众后，便难以复制其以往的神话。

　　细想其原因，不妨假设跟踪同一个交易系统的人数足够多，那么对于其中的大部分人而言，要想成交在一个合理的价格区间就会变得十分困难，因为他们总会在要买入的时候发现价格已经被提前抬高了，并在要卖出的时候发现价格开始一泻千里，他们此时的唯一方法就是不断升级已有的配套设施，以争取在第一时间交易。不过，上述假设如今是很难站得住脚的，因为在量化投资领域并不存在着一个普适的交易系统，即使是对于常用的多因子模型而言，选择不同的因子，使用不同的预测方法，甚至是决定在不同的时间节点调仓，都会使最终的投资决策产生一定差异。同时考虑到策略同质性可能带来的负面影响，很多开发者也会不断努力去研发出更独到、有效的投资模型，并对模型高度保密，也进一步保证了量化投资领域的多样性。

　　因此在大多数情况下，如果我们发现某个量化模型存在失效的可能，我们更关心的会是模型本身是否存在问题，比如投资逻辑是否可靠、数据质量是否欠缺、回测系统是否周密，以及成本估算是否合理等，而不会过分担心类似模型是否已经被其他投资者开发出来了。另外，因为绝大多数量化模型都是基于已有的历史数据进行开发和维护的，因此随着时间的推移，如果市场结构发生了本质变化，一些历史回测结果良好的模型可能也会不再适用于当前市场，进而发生连续回撤，这也会是量化研究人员密切关注的问题。

　　总而言之，量化投资的复杂性和多样性确保了这一行业依然具有巨大的发展潜力，但与此相伴的就是对量化投资人员的高要求。在不存在任何时刻都能获取高收益的模型的情况下，量化投资就需要做到对采用的每一个模型深入理解，进而能够在净值发生回撤的时候快速找到问题所在，并决定是否改进模型，才能真正做到业绩稳健可持续。