爲什麼DPW算法適合於高頻環境？
DPW算法特別適合於高頻環境，這是因該算法具有如下特性:
通過減少每次進行資產配置時交易策略的數量，DPW算法避免了輸入值估計誤差衝擊的最強部分。
由於輸入證券具有負的歷史相關性，這保證了對於每個交易策略配對，在方差最小的情況下，這兩種策略在大部分時候都會持有多頭頭寸。歷史經驗證明，多頭頭寸能夠產生最高的單位風險收益率，正如我們在夏普比率排名階段所確定的那樣。如果某些時期，系統有一個或多個策略存有空頭頭寸，那很有可能是由於某些特殊的市場事件所引起的。
與其他投資組合優化算法相比，此算法運行速度非常之快。這是因爲它節省了以下一些計算時間:在夏普比率排名階段，如果我們選擇了2K個交易策略，那麼DPW算法只需計算K個相關係數。而其他大部分的投資組合優化算法需要計算2K個證券中的每兩個策略之間的相關係數，即總共需要計算K(2K-1)個相關係數。
在每個投資組合配對中格點式的搜索每種策略的最優頭寸規模時，其優化過程僅僅是針對兩個交易策略進行的，也就是說優化過程的維度爲2。而一個標準的算法需要在2K維空間中進行投資組合優化。最後，格點式的搜索使得投資組合的權重值只能是一些離散值。這裏給
出的例子裏只有7個可能的投資組合權重:-6000萬美元、-4000萬美元、-2000萬美元、0. 2000萬美元、4000萬美元和6000萬美元，這便限制了搜索過程中的迭代次數。