为什么DPW算法适合于高频环境？
DPW算法特别适合于高频环境，这是因该算法具有如下特性:
通过减少每次进行资产配置时交易策略的数量，DPW算法避免了输入值估计误差冲击的最强部分。
由于输入证券具有负的历史相关性，这保证了对于每个交易策略配对，在方差最小的情况下，这两种策略在大部分时候都会持有多头头寸。历史经验证明，多头头寸能够产生最高的单位风险收益率，正如我们在夏普比率排名阶段所确定的那样。如果某些时期，系统有一个或多个策略存有空头头寸，那很有可能是由于某些特殊的市场事件所引起的。
与其他投资组合优化算法相比，此算法运行速度非常之快。这是因为它节省了以下一些计算时间:在夏普比率排名阶段，如果我们选择了2K个交易策略，那么DPW算法只需计算K个相关系数。而其他大部分的投资组合优化算法需要计算2K个证券中的每两个策略之间的相关系数，即总共需要计算K(2K-1)个相关系数。
在每个投资组合配对中格点式的搜索每种策略的最优头寸规模时，其优化过程仅仅是针对两个交易策略进行的，也就是说优化过程的维度为2。而一个标准的算法需要在2K维空间中进行投资组合优化。最后，格点式的搜索使得投资组合的权重值只能是一些离散值。这里给
出的例子里只有7个可能的投资组合权重:-6000万美元、-4000万美元、-2000万美元、0. 2000万美元、4000万美元和6000万美元，这便限制了搜索过程中的迭代次数。